동일한 질환을 진단하는 검사 A와 B의 ROC 곡선하 면적이 0.91, 0.73이다. 올바른 해석은?

AUC가 클수록 여러 임계값에서 환자와 비환자를 구분하는 능력이 높다.

ROC 곡선하 면적(area under the ROC curve, AUC)은 검사가 질환 유무를 가려내는 판별력을 전체 임계값에 걸쳐 요약한 지표이다. AUC는 여러 진단 임계값에서 검사의 정확도를 종합하여 사례와 비사례를 구분하는 전반적 수행능력을 나타낸다 ^[1]. 따라서 AUC가 클수록 임계값 선택과 무관하게 해당 검사의 판별력이 전반적으로 우수하다고 해석할 수 있다.

문제에서 검사 A의 AUC는 0.91, 검사 B의 AUC는 0.73이다. 두 값 모두 0.5보다 크므로 두 검사 모두 무작위 추측보다는 나은 판별력을 가지지만, A가 B보다 1에 더 가깝다. AUC가 1에 가까울수록 해당 검사는 전체 임계값 범위에서 더 높은 정확도로 질환군과 비질환군을 구분한다 ^[1][2]. 따라서 A가 B보다 전반적인 판별력이 우수하다고 해석하는 것이 타당하다.

각 보기를 살펴보면, 1번은 AUC를 특정 임계값에서의 민감도·특이도로 오인한 것이다. AUC는 단일 임계값의 민감도나 특이도를 의미하지 않으며, 혼동 주의! AUC는 여러 임계값에 걸친 판별력의 요약 지표이지 특정 시점의 민감도 91%나 특이도 91%를 고정해 주는 값이 아니다 ^[1][3]. 2번의 양성예측도는 유병률에 따라 달라지는 지표이므로 AUC와 직접 연결되지 않는다. 3번은 AUC가 높다고 해서 한 검사의 특정 임계값 민감도가 다른 검사의 모든 임계값 민감도보다 항상 높은 것은 아니므로 성립하지 않는다. 5번은 AUC가 임계값 선택과 무관하게 해석 가능한 요약 지표라는 점을 부정하므로 적절하지 않다.

핵심! AUC는 ROC 곡선 아래 전체 면적을 요약한 값으로, 특정 임계값에 의존하지 않고 검사 간 판별력을 비교할 수 있게 해 준다 ^[2][3]. 다만 AUC가 같더라도 ROC 곡선의 모양은 다를 수 있고, 임상적으로 특정 민감도나 특이도가 중요한 상황에서는 부분 AUC(partial AUC)를 고려하기도 한다 ^[4]. 그럼에도 단일 숫자로 두 검사를 비교하는 기본 원칙은 AUC가 클수록 전반적 판별력이 우수하다는 것이다.