[분할표와 ROC curve의 이해] 3. 민감도와 특이도

지난시간에 만든 분할표는 아래와 같습니다. 

 

	환자	정상	합계
양성	TP	FP	TP+FP
음성	FN	TN	FN+TN
합계	TP+FN	FP+TN	TP+FP+FN+TN

 

이 분할표를 이용하여 아래와 같은 다양한 지표들을 계산할 수 있습니다. 

 

- Sensitivity(민감도)

- Specificity(특이도)

- Positive Predictive Value(양성예측도)

- Negative Predictive Value(음성예측도)

- Positive Likelihood Ratio(양의 가능도비)

- Negative Likelihood Ratio(음의 가능도비)

- Odds Ratio(오즈비)

- Relative Risk(상대위험도)

- Accuraycy(정확도)

- Prevalence(유병률)

- ROC curve

 

진단기준의 성능을 판단할 수 있는 방법들입니다. 오늘은 대표적인 값인 민감도,특이도를 배워보겠습니다. 지난 강의에서 진단의 결과가 아래 네가지 경우로 나뉜다고 배웠습니다. 

 

정상을 정상으로 진단

정상을 환자로 진단

환자를 정상으로 진단

환자를 환자로 진단

 

위 네가지 경우에 '비율'이라는 말을 붙여봅시다. 

 

정상을 정상으로 진단하는 비율

정상을 환자로 진단하는 비율

환자를 정상으로 진단하는 비율

환자를 환자로 진단하는 비율

 

이 비율들 중에서 가장 높아야 하는 비율이 무엇일까요? 진단에 있어서 말입니다. 아마도 환자를 환자로 진단하는 비율일 것입니다. 환자의 생명과 직결되기 때문입니다. 참고로 환자를 환자로 진단하는 비율과, 환자를 정상으로 진단하는 비율의 합은 1입니다. 하나가 정해지면 다른 하나는 자동으로 정해집니다. 환자를 환자로 진단하는 비율을 민감도(sensitivity)라고 합니다. 아래와 같이 정의됩니다.

 

 

반대로 정상인에서는 어떤 값이 높아야 할까요? 정상인은 정상으로 진단하는 비율이 높아야 합니다. 물론 생명과는 직결되지 않습니다. 비용과 직결됩니다. 정상인이 환자로 판정받으면, 불필요한 검사와 치료를 받아야 하기 때문입니다. 정상인을 정상인으로 진단하는 비율을 '특이도(specificity)' 라고 합니다. 

 

 

다음시간에는 첫시간에 예로 들었던 문제로 돌아가서 최적의 k값을 구하는 방법에 대해 이야기해보도록 하겠습니다.