ROC（receiver operating characteristic）曲線是將診斷試驗結果劃分為若干臨界點，以每個臨界點對應的靈敏度為縱坐標，1-特異度為橫坐標，作圖得到的曲線，是一種全面、準確評價診斷試驗的有效工具。ROC曲線的另一個作用是確定檢測的最佳閾值。ROC曲線法確定臨界點多數情況下，選擇曲線上盡量靠近左上方的點，并結合專業情況，確定臨界點為最佳。在應用中，根據ROC曲線，結合各切點的靈敏度和特異度結果，選擇曲線上盡量靠近左上方Youden指數最大的切點為最佳臨界點，從而使試驗的靈敏度和特異度最高。

ROC曲線可用于評價診斷試驗（泛指血液生化、影像學、免疫學、細胞學、病理學、統計模型等檢查）。

常用指標有正確百分率、靈敏度、特異度、Youden指數、陽性似然比、陰性似然比、陽性預報值、陰性預報值。

金標準：對于目前沒有診斷金標準的疾病，需要采用傳統上認為最為準確的方法作為對照，甚至需要采用不能常規使用的一些能夠準確診斷出疾病的方法來進行對比。

       ROC曲線分析的主要步驟

       1.ROC曲線繪制

將同一模型每個閾值的（FPR、TPR）坐標都畫在ROC空間里，就成為特定模型的ROC曲線。

如何繪制：

1.計算ROC工作曲線點（Coordinate point或 Operating point）（FPR，TPR）

依據專業知識，對疾病組和參照組測定結果進行分析，確定測定值的上下限、組距以及截斷點（cut-off point），按選擇的組距間隔列出累積頻數分布表，分別計算出所有截斷點的敏感性、特異性和假陽性（1-特異性），以敏感性為縱坐標代表真陽性率，（1-特異性）為橫坐標代表假陽性率。

2、連接相鄰兩點

連續型數據的ROC曲線工作點（TPR，FPR）計算假想的連續型數據，例如下圖，將9個數據從小到大排列，以前8個數值，分別作為診斷，大于等于診斷界值判為陽性，小于該值判為陰性，這樣，可整理成8個四格表，計算FPR和TPR，并連接相應的點，繪制ROC曲線

2.ROC曲線的優點

1.傳統的診斷試驗評價方法有一個共同的特點，必須將試驗結果分為兩類，再進行統計分析。ROC曲線的評價方法與傳統的評價方法不同，無須此限制，而是根據實際情況，允許有中間狀態，可以把試驗結果劃分為多個有序分類，如正常、大致正常、可疑、大致異常和異常五個等級再進行統計分析。因此，ROC曲線評價方法適用的范圍更為廣泛。

2.該方法簡單、直觀，通過圖示可觀察分析方法的臨床準確性，并可用肉眼作出判斷。ROC曲線將靈敏度與特異性以圖示方法結合在一起，可準確反映某分析方法特異性和敏感性的關系，是試驗準確性的綜合代表。ROC曲線不固定分類界值，允許中間狀態存在，利于使用者結合專業知識，權衡漏診與誤診的影響，選擇一更佳截斷點作為診斷參考值。提供不同試驗之間在共同標尺下的直觀的比較，ROC曲線越凸越近左上角表明其診斷價值越大，利于不同指標間的比較。曲線下面積可評價診斷準確性。

3.ROC曲線的主要作用

1.ROC曲線能很容易地查出任意界限值時的對疾病的識別能力。

2.選擇最佳的診斷界限值。ROC曲線越靠近左上角,試驗的準確性就越高。最靠近左上角的ROC曲線的點是錯誤最少的最好閾值，其假陽性和假陰性的總數最少。

3.兩種或兩種以上不同診斷試驗對疾病識別能力的比較。在對同一種疾病的兩種或兩種以上診斷方法進行比較時，可將各試驗的ROC曲線繪制到同一坐標中，以直觀地鑒別優劣，靠近左上角的ROC曲線所代表的受試者工作最準確。亦可通過分別計算各個試驗的ROC曲線下的面積(AUC)進行比較，哪一種試驗的 AUC最大，則哪一種試驗的診斷價值最佳。

總結：ROC曲線分析的主要步驟

1.ROC曲線繪制。依據專業知識，對疾病組和參照組測定結果進行分析，確定測定值的上下限、組距以及截斷點（cut-off point），按選擇的組距間隔列出累積頻數分布表，分別計算出所有截斷點的敏感性、特異性和假陽性率（1-特異性）。以敏感性為縱坐標代表真陽性率，（1-特異性）為橫坐標代表假陽性率，作圖繪成ROC曲線。

2.ROC曲線評價統計量計算。ROC曲線下的面積值在1.0和0.5之間。在AUC＞0.5的情況下，AUC越接近于1，說明診斷效果越好。AUC在 0.5～0.7時有較低準確性，AUC在0.7～0.9時有一定準確性，AUC在0.9以上時有較高準確性。AUC＝0.5時，說明診斷方法完全不起作用，無診斷價值。AUC＜0.5不符合真實情況，在實際中極少出現。