文章中常見(jiàn)的ROC曲線圖

01：ROC曲線圖怎么用？

1）評(píng)價(jià)某個(gè)或多個(gè)指標(biāo)（比如建立的模型或多個(gè)關(guān)鍵基因）對(duì)兩類(lèi)測(cè)試者（如患者和正常人）分類(lèi)及診斷的效果。通過(guò)繪制某個(gè)指標(biāo)或多個(gè)指標(biāo)的ROC曲線并計(jì)算各自的AUC，就可以知道哪個(gè)指標(biāo)的分類(lèi)/診斷效果更好；（劃重點(diǎn)：這是ROC曲線在目前生信文章里主要的作用，也是用的多的功能哦）

2）尋找佳的指標(biāo)閾值（也就是cutoff值）使得分類(lèi)效果佳。

02：ROC曲線圖怎么看？

先介紹幾個(gè)小概念：

真陽(yáng)性率（TPR）：所有實(shí)際為陽(yáng)性的樣本被正確地判斷為陽(yáng)性的個(gè)數(shù)與所有實(shí)際為陽(yáng)性的樣本個(gè)數(shù)之比（也就是真的是真的），TPR又稱(chēng)為Sensitivity（靈敏度）；

假陽(yáng)性概率（FPR）：所有實(shí)際為陰性的樣本被錯(cuò)誤地判斷為陽(yáng)性的個(gè)數(shù)與所有實(shí)際為陰性的樣本個(gè)數(shù)之比（即假的誤認(rèn)為是真的，被誤報(bào)了），F(xiàn)PR等于1-Specificity（特異度）；

 Specificity（特異度）：所有實(shí)際為陰性的樣本被正確地判斷為陰性的個(gè)數(shù)與所有實(shí)際為陰性的樣本個(gè)數(shù)之比（也就是假的是假的），Specificity又稱(chēng)為真陰性率（TNR）；

約登指數(shù)（Youden Index）：也稱(chēng)正確指數(shù)，其反映了區(qū)分真正的患者與非患者的總能力。Youden index = Sensitivity + Specificity ? 1=TRP-FRP，范圍取值介于0-1之間，約登指數(shù)越大，表示分類(lèi)模型性能越好。約登指數(shù)大值也就對(duì)應(yīng)著該方法的佳診斷臨界值，即cutoff值；

AUC（Area under Curve）：ROC 曲線下的面積，介于 0.1 和 1 之間，作為數(shù)值可以直觀的評(píng)價(jià)模型的預(yù)測(cè)準(zhǔn)確性，AUC值越大預(yù)測(cè)準(zhǔn)確率越高。

坐標(biāo)軸：

橫坐標(biāo)1-Specificity（FPR）是特異性，即假陽(yáng)性率（False Positive Rate, FPR）

縱坐標(biāo)Sentivity(TPR) 是敏感性，即真陽(yáng)性率（True Positive Rate, TPR）

ROC曲線圖是反映敏感性與特異性之間關(guān)系的曲線，X軸越接近零準(zhǔn)確率越高，Y軸越大代表準(zhǔn)確率越好。

AUC判斷預(yù)測(cè)性能：

理論上來(lái)說(shuō)如果AUC值越接近于1，說(shuō)明曲線下方面積越大，表明預(yù)測(cè)模型的準(zhǔn)確率越高，反之則說(shuō)明預(yù)測(cè)模型的準(zhǔn)確率較低。如果曲線越接近左上角，即橫坐標(biāo)越小，縱坐標(biāo)越大，表明預(yù)測(cè)預(yù)測(cè)模型的準(zhǔn)確率越高。

AUC =1，是完 美的分類(lèi)器，該模型至少存在一個(gè)閾值，可以將正負(fù)樣本完 美的劃分開(kāi)

0.5 < AUC < 1，優(yōu)于隨機(jī)猜測(cè)，數(shù)值越大，分類(lèi)器越好

AUC = 0.5，相當(dāng)于隨機(jī)猜測(cè)，模型沒(méi)有預(yù)測(cè)價(jià)值

AUC < 0.5，比隨機(jī)猜測(cè)要差，然而若反向預(yù)測(cè)，該模型也可優(yōu)于隨機(jī)猜測(cè)

03：怎么繪制ROC曲線？

使用SPSS軟件或MedCale軟件都可以繪制ROC曲線，對(duì)比兩種軟件，MedCale軟件繪制ROC更專(zhuān)業(yè)一站式結(jié)果比較全面，本文主要介紹下MedCale軟件的操作方法，感興趣的同學(xué)可以自行學(xué)下SPSS軟件的操作方法。

整理數(shù)據(jù)并導(dǎo)入MedCale

可以將SPSS中的數(shù)據(jù)直接復(fù)制到MedCale中，在上面一行填寫(xiě)變量名稱(chēng)；或者原始數(shù)據(jù)在Excel中，可以用MedCalec直接打開(kāi)Excel文件。

數(shù)據(jù)說(shuō)明：A列g(shù)old是金標(biāo)準(zhǔn)判斷規(guī)則，1是陽(yáng)性，0是陰性。B列method1代表使用新方法診斷的連續(xù)變量，目的是繪制新方法1的ROC曲線并找到佳截?cái)嘀礳ut-off值。

執(zhí)行操作程序

在標(biāo)簽欄中選擇Statistics—ROC curves—ROC curve analysis-主對(duì)話框設(shè)置：在Variable一欄中選擇我們研究的變量（method1），Classification variable一欄中選擇診斷結(jié)局（gold），其他可以按原始設(shè)置→OK。

結(jié)果解讀

可讀AUC=0.947和特異度為91.11%、靈敏度90.91%、約登指數(shù)是0.8203，對(duì)應(yīng)的截?cái)嘀礳ut-off為108.9。