解读文献里的那些图

ROC曲线是由二战中的电子工程师和雷达工程师发明的，用来侦测战场上的敌军载具（飞机、船舰），也就是信号检测理论，二战后被引入统计领域，尤其广泛应用于医学统计中，用来做疾病诊断方法的比较。

ROC曲线（Receiver operating characteristic curve），即受试者工作特征曲线，主要用来评价某个指标对两类测试者（如患者和正常人）分类或诊断的效果，并寻找最佳的指标临界值，进而确定此种评价指标的cutoff值。

文章中常见的ROC曲线

在理解ROC曲线图之前，我们先来了解几个基本的概念：

1）真阳性率（TPR, Truepositive rate）：所有实际为阳性的样本被正确地判断为阳性的个数与所有实际为阳性的样本个数之比（也就是真的是真的），TPR又称为Sensitivity（灵敏度）；

2）假阳性概率（FPR, Falsepositive rate）：所有实际为阴性的样本被错误地判断为阳性的个数与所有实际为阴性的样本个数之比（即假的误认为是真的，被误报了），FPR等于1-Specificity（特异度）。

3）约登指数（Youden Index）：也称正确指数，是在假定假阴性（漏诊率）和假阳性（误诊率）的危害性有同等意义时常用的方法，其反映了真正的患者与非患者的总能力。约登指数=灵敏度+特异度-1（也就是ROC曲线的Y轴减去X轴），约登指数越大说明真实性越大。约登指数最大值也就对应着该方法的最佳诊断临界值，即cutoff值。

ROC曲线其实就是以FPR为横坐标，TPR为纵坐标绘制出来的曲线。

ROC曲线图是反映敏感性与特异性之间关系的曲线。横坐标X轴为 1 – 特异性，也称为假阳性率（误报率），X轴越接近零准确率越高；纵坐标Y轴称为敏感度，也称为真阳性率（敏感度），Y轴越大代表准确率越好。

根据曲线位置，把整个图划分成了两部分，曲线下方部分的面积被称为AUC（Area Under Curve），用来表示预测准确性，AUC值越高，也就是曲线下方面积越大，说明预测准确率越高。曲线越接近左上角（X越小，Y越大），预测准确率越高。

了解了这些概念，下面这幅图大家可以很好理解了吧！

最理想的ROC曲线为假阳性率为0%，真阳性率为100%

斜对角线为无效ROC曲线，AUC值小于0.5即无意义，毕竟随便猜一个人有没有病的概率还有50%

圆点处为约登指数最大值处，即最佳临界值

所以，根据ROC曲线的定义我们可以知道，其主要有两个用途：

1.评价某个或多个指标对两类测试者（如患者和正常人）分类及诊断的效果。通过绘制某个指标或多个指标的ROC曲线并计算各自的AUC（areaunder ROC，ROC曲线下的面积），就可以知道哪个指标的分类/诊断效果更好。

2.寻找最佳的指标阈值使得分类效果最佳。约登指数最大值处即为最佳的指标阈值。

这两个用途也就是我们读图时要抓住的点，以下图为例：这是两种新型的血糖检测方法，要判断哪种检测方法对糖尿病的诊断更准确。TEST1是蓝色的线条，TEST2是红色的线条，即使不看AUC值我们也很快可以知道TEST2比TEST1诊断效果要好。

此外，根据作者提供的数据表，我们可以计算出各自的约登指数，也就是他们的cutoff值。

看到这里，大家是不是对ROC曲线的理解和阅读有了一个清晰的思路了呢！ 返回搜狐，查看更多

责任编辑：