Curva ROC e AUC
Definizione
La curva ROC rappresenta graficamente la relazione tra sensibilità e specificità di un test diagnostico. L’area sotto la curva (AUC, area under the curve) ne quantifica l’accuratezza.
Esempio di curva ROC: in rosso la sotto-area dell’AUC a bassa sensibilità e bassa specificità, in verde quella a sensibilità e specificità elevate o sufficienti. Fonte: Wikimedia Commons (Davide Chicco and Giuseppe Jurman, CC BY 4.0).
Interpretazione dell’AUC
- AUC = 1,0 → performance ideale (100% di accuratezza). Un marcatore perfetto non esiste in medicina: significherebbe assenza totale di falsi positivi e falsi negativi.
- AUC = 0,5 → performance pessima, equivalente a un evento casuale (lancio di una moneta).
- AUC < 0,5 → marcatore “inverso”, che dà risultati sistematicamente contrari alla realtà; non ha significato statistico.
- AUC > 0,9 → ottima.
- AUC > 0,8 → buona.
- AUC > 0,75 → sufficiente.
- AUC < 0,8 → marcatore poco affidabile.
Applicazione
È usata per valutare la performance dei Biomarcatori Plasmatici dell’Alzheimer (es. rapporto Aβ42/Aβ40, fosfo-tau 181 e 217).
🔗 Collegamenti
- Biomarcatori Plasmatici dell’Alzheimer — 🔗 applicazione
- Biomarcatori Liquorali dell’Alzheimer — 🔗 cut-off come compromesso sensibilità/specificità