AUC можна обчислити за правилом трапеції. Загалом AUC 0,5 означає відсутність дискримінації (тобто здатність до
пацієнтів із захворюванням або станом або без нього на основі тесту), від 0,7 до 0,8 вважається прийнятним, 0,8 до 0,9 вважається відмінним, а більше 0,9 вважається відмінним.
Точність тесту вимірюється AUC, який можна розрахувати за допомогою багатьох статистичних програм (1,2). Базуючись на грубій системі класифікації, AUC можна інтерпретувати таким чином: 90 -100 = відмінно; 80 – 90 = добре; 70 – 80 = справедливо; 60 – 70 = погано; 50-60 = невдача.
Оцінка ROC AUC може варіюватися від 0 до 1. Оцінка 0,5 означає випадкове вгадування, а оцінка 1 вказує на ідеальну продуктивність. Оцінка трохи вище 0,5 показує, що модель має принаймні «деяку» (хоча й невелику) прогностичну силу. Це, як правило, недостатньо для будь-яких реальних програм.
Існує кілька шкал для інтерпретації значень AUC, але, як правило, криві ROC з AUC ≤0,75 є не є клінічно корисним і AUC 0,97 має дуже високе клінічне значення, що корелює з відношеннями ймовірності приблизно 10 і 0,1.
Таблиця 4.
| Площа під кривою (AUC) | Інтерпретація |
|---|---|
| 0,9 ≤ AUC | Чудово |
| 0,8 ≤ AUC < 0,9 | добре |
| 0,7 ≤ AUC < 0,8 | ярмарок |
| 0,6 ≤ AUC < 0,7 | Бідний |
AUC не залежить від масштабу. Це вимірює, наскільки добре ранжовані прогнози, а не їх абсолютні значення. AUC не залежить від порогу класифікації. Він вимірює якість прогнозів моделі незалежно від обраного порогу класифікації.