ROC分析，评价临床检验方法的客观标准

       在所有的临床检验中，我们都面对两各个问题：灵敏度、和特异性。

       灵敏度，也就是有一部分人患有一种疾病，一种检验方法可以在人群中检出多少个病人来。其反面就是“假阴性率”，也就是漏检率，有病人却没有被发现出来。

       特异性，就是被该种试验判定为患病的人中，又有多少是真的患了这种病的。其反面就是“假阳性率”，也就是错把健康人判定为病人。

       一种好的检测方法应该有高的灵敏度（低的假阴性率）、同时又有高的特异性（低的假阳性率）。

       但是在实践中，很少有可能一种检测灵敏度和特异性都达到100%。多多少少会伴有一些假阴性、假阳性。

       那我们又如何来评价一种检测方式的优劣呢？

       ROC分析法是一种科学界公认的评价检测方法优劣的评价标准。

       ROC的全名是“接收者操作特征曲线（receiver operating characteristic curve）”

ROC分析如图所示：

横轴是：假阳性率FPR，FPR=FP/(FP+TN)
纵轴是：真阳性率TPR，TPR=TP/(TP+FN)

真阳性、假阳性、假阴性、真阴性的关系图：

ROC分析图的解读原则：

       曲线的走势越是靠近整个图的左上方，方法越优；

       越是接近从左下角到右上角的对角线，则方法越差；

       评价的客观标准是曲线下方的面积占整个图的面积比例。面积比例越接近1，方法越好；面积比例越接近0.5，方法越差。

ROC图的另一种理解方式：

       蓝色区块是正常人的某指标的分布情况；

       红色区块是病人的该指标的分布情况；

       正常人和病人的分布在A到C之间是有交叠的；

       无论区分域值B点取在A到C中的哪个点，都会有少量的假阳性和假阴性；

       B在A到C之间移动，真阳性率和假阳性率也相应在X、和Y轴上移动，其交叉点则画出一条连续的曲线，这条曲线就是ROC线。

                                                                                                                        编辑：范伟伟