这个问题给了我一点小小的震撼，因为ROC它实际上就没有这个功能，臣妾做不到啊。
首先，就是这个灵敏度和特异性的问题，我在上一篇文章当中谈到过，ROC曲线本身是一个灵敏度和特异性的合集，它的X轴，是假阳性率，也就是1-特异性，Y轴是真阳性率，也就是灵敏度。
ROC曲线是先假设这个点是临界值，这样就可以得出阴阳性结果，再和临床诊断结果进行比对后，计算出该点的灵敏度和特异性，从而做出了这条曲线。
所以，在这种情况下，ROC曲线本身是不具备灵敏度和特异性的，它只是把所有的临界值假设都给你列出来，然后让你去选择一个合适的点来作为临界值。
那么，准确度这个指标就更不可能通过ROC曲线来进行比较，因为准确度这个指标是属于定量试剂的，而ROC曲线是个二分类器，属于定性试剂专用统计学工具。
当然，对于ROC曲线来说，是有一个用来比对检验效能的指标，曲线下面积（Area Under Curve，简称AUC）
AUC可以用来评估定性体外诊断试剂这样二分类模型的性能，它的值在0.5到1之间，其中，0.5表示试剂的性能等同于随机猜测，而1表示试剂具有完美的分类性能。
所以，如果AUC值越大，说明试剂的分类能力越强，也就是越能有效地区分阳性样本和阴性样本。
在实际应用当中，AUC值是可以帮助我们理解试剂在不同临界值设置下的表现。
一个高AUC值意味着，当我们随机选择一个阳性样本和一个阴性样本的时候，试剂对阳性样本的检测结果，更有可能大于阴性样本的检测结果。
当然，如果是负相关的话，这也是成立的，只不过要做一些数学上的处理，比如取绝对值之类的。
所以啊，我们可以这么去理解AUC值，那就是，如果你各挑选一个阳性样本和阴性样本，那么，你的试剂对阳性样本的检测结果，应该会大于阴性样本的检测结果。
AUC就是这么一个指标，它并不依赖于你为你的定性试剂确定的临界值，而且，对于已经确定临界值的定性试剂而言，AUC这个指标，实际上是没有价值的。
为什么？
因为在确定临界值的情况下，定性试剂性能的表现，就和ROC曲线没什么关系了，就像我在前面说的那样，ROC曲线是把所有临界值的可能性展现出来，让你选择，所以，如果你确定了一个临界值，那么其他临界值的可能性自然是不复存在的。
在这个时候，如果你想比较两个不同定性试剂的结果是否一致，可以使用阳性符合率和阴性符合率，当然，如果要比较两个定性试剂性能高低，那就要将金标准作为中介，分别计算各自的灵敏度和特异性，然后得出结论了。
所以，ROC实际上只是一个确定临界值的工具，在临界值还没有确定前，可以用AUC对两个定性试剂的诊断效能进行比对，但对于那些产品定型，临界值已经确定的定性试剂而言，ROC曲线就没有什么价值了。
此篇文章属于转载文章，来源：诊断科学。订阅号若有侵权或转载限制请联系我们（或在公众号下方留言），我们将第一时间联系您并进行删除。
如果您觉得我们发布的信息对您及您的朋友有帮助，请点击右上角···按钮分享到朋友圈。
获取更多检验资讯请浏览“医学仪器与试剂官方网站”www.mir168.com
欢迎向我们投稿或推荐优秀文章，将优秀文章与更多的同行分享、交流。
投稿邮箱：28675637@qq.com
