匯東華

臨床預測模型系列 03

如何比較兩個臨床預測模型的表現

匯東華統計顧問　·　陳秀敏博士　·　2026／10／30

第 8 期匯東華電子報第 8 期｜2026.10.30 看本期網頁版 →

先抓住三個重點

新模型使用更多預測變數，是否就值得改用？例如，原本只用病理分期，現在再加入年齡、腫瘤大小等資訊。對醫護人員而言，主要關注點為它能否找出高風險病人、算出的風險是否可信，以及用來決定臨床處置時，是否能帶來更多好處。而這三個問題，可使用下列三張圖來回答。

看哪張圖	想知道什麼	讀圖時記住
ROC 曲線	哪個模型比較能分辨高低風險	AUC（ROC 曲線下面積）較高，不代表預測機率較準
決策曲線	依模型決定處置，是否更有幫助	在臨床會採用的風險門檻內比較
校準圖	模型算出的風險，是否接近實際結果	例如預測 20%，實際是否也約 20%

（表格較寬，手機可左右滑動檢視）

本文先用模擬資料，說明如何判讀 ROC 曲線、決策曲線與校準圖，再以胃癌術後的公開資料案例，示範如何比較兩個模型的表現。

比較前先說清楚用途

假設模型要協助我們決定是否安排較密集的追蹤。讀圖前，先想清楚：風險達到多少時，會考慮加強追蹤？讀圖時，就應著重這個風險門檻附近的表現，而不是只挑曲線差距最大的地方。

本文以 10% 至 30% 的風險門檻範圍，示範如何比較決策曲線，這是教學假設，不是臨床建議。也要確認兩個模型是否在同一批、未用來建立模型的病人資料上評估，才較容易公平比較。

閱讀用語

「事件」指研究要預測的結果，例如死亡、復發或再住院；「預測變數」指用來預測結果的項目，例如年齡或病理分期，圖中也稱為「變項」。藍色代表模型 A，紅色代表模型 B；在 ROC 曲線與決策曲線中，A 為虛線、B 為實線。兩個例子的 A、B 設定不同，讀到胃癌案例時會再提醒。

01 ROC 曲線看誰比較能分辨高低風險

先看模擬例子：模型 A 使用原有的預測變數；模型 B 再加入一項新標記。模擬時，模型 A 在與評估資料同類、但不同一批人的族群建立，模型 B 則刻意在事件比例較高的族群建立，用來示範後面的校準問題。兩個模型都用同一批 2,000 人評估，其中 329 人發生事件。這批人未用來建立這兩個模型。

本圖重點：加入新標記的模型 B，較能把之後會發生事件的人排在高風險的位置。

圖 1　模擬資料的 ROC 曲線。模型 B 為紅色實線，模型 A 為藍色虛線。
（點擊圖片可開啟原圖放大檢視）

怎麼讀這張圖

先看座標：橫軸是在「沒有發生事件的人」當中，被判為高風險的比例，稱為偽陽性率；縱軸是在「有發生事件的人」當中，被找出來的比例，稱為敏感度。比較同一個橫軸位置時，曲線越高，代表找出的事件者越多。圖中灰色對角虛線代表完全靠猜的模型，曲線離它越遠越好。

再看 AUC（ROC 曲線下面積）。本例模型 B 為 0.812，模型 A 為 0.710，表示 B 的整體區辨能力較好。兩者差異為 0.102，95% 信賴區間為 0.078 至 0.126，未包含 0，也支持這項差異。[1]

AUC 反映模型分辨高低風險的能力，不能讀成「預測正確的百分比」。若曲線交叉，要留意在不同位置可能各有優勢。即使 AUC 較高，也還不能判定哪個模型的風險機率較準，或哪個更有助於臨床處置。

02 決策曲線看依模型決定處置是否有幫助

本圖重點：在本文假設的 10% 至 30% 風險門檻內，依模型 B 決定處置，整體得失比模型 A 好（下文說明這叫淨效益）；但改善是否值得換模型，仍要考量差距與使用負擔。

圖 2　模擬資料的決策曲線。金色區域為教學設定的門檻範圍；紅線為模型 B，藍線為模型 A。
（點擊圖片可開啟原圖放大檢視）

先懂風險門檻與淨效益

「風險門檻」就是考慮採取處置的最低風險。例如門檻設為 20%，表示模型預測風險達到 20% 時，就考慮安排該項處置；低於 20% 則不安排該項處置。

「淨效益」把正確選出事件者接受處置的好處，扣掉不必要處置的代價，換算成一個數值。門檻越低，表示越願意接受一些不必要的處置，以減少漏掉事件者的機會。[2]

依序判讀

第一步，只看臨床會採用的門檻範圍，本例為金色區域。第二步，比較模型曲線與兩條參考線：「全部治療」是所有人都接受該項處置；「都不治療」是所有人都不接受。模型曲線高於兩條參考線，表示依模型選擇處置對象的淨效益較高。圖上的「治療」，也可以是檢查或加強追蹤。

第三步，再比較兩個模型。在金色區域內，模型 B 的紅線都高於模型 A 的藍線。以門檻 20% 為例，B 的淨效益約為 0.058，A 約為 0.038，差約 0.020。淨效益 0.058 可以理解為：每 100 人中，相當於正確找出約 5.8 位事件者，而沒有任何不必要的處置。0.020 這個差距已扣除不必要處置的代價，不能直接讀成事件發生率降低 2%，或實際多找到 2% 的病人。

曲線較高，也要看差異有多不確定。以門檻範圍上緣 30% 為例，淨效益差異，其 95% 信賴區間為 −0.001 至 0.027，包含 0；因此仍不能排除兩個模型在這個門檻沒有差異。

03 校準圖看模型算出的風險是否可信

本圖重點：模型 B 雖然較能分辨高低風險，算出的風險卻普遍偏高。這也說明，AUC 較高與風險機率較準，是兩回事。

圖 3　模擬資料的校準圖。左圖為模型 A，右圖為模型 B；兩張圖的座標範圍相同。
（點擊圖片可開啟原圖放大檢視）

怎麼讀這張圖

橫軸是模型預測的風險，縱軸是實際發生事件的比例。每個點代表一組預測風險相近的人；灰色斜線表示預測與實際一致。點在斜線下方，表示預測高於實際，模型高估風險；點在斜線上方，則表示模型低估風險。

例如模型說一組病人的風險平均是 20%，而實際約有 20% 發生事件，這組的預測就接近實際。圖中的誤差線是實際比例的 95% 信賴區間，反映這個估計仍有不確定性。

比較時，先看哪個模型的點更接近斜線，再看哪一段偏差較大。模型 A 的點大致貼近斜線；模型 B 的十個點都在斜線下方。例如 B 有一組平均預測 27.6%，實際只有 14.5% 發生事件，顯示風險被高估。

對臨床使用有何影響

這個模擬例子的模型 B，是在事件比例較高的族群建立的，拿到另一個族群使用時出現風險高估。它雖然較能分辨高低風險，預測機率仍須調整並重新評估，才適合用來與病人討論風險。

讀圖時也要看誤差線。誤差線很長，表示估計仍有較大的不確定性；涵蓋斜線，並不等於已證明模型準確。校準圖比較的是一群人的預測與實際比例，也不能保證每位病人的個別機率都正確。[3]

04 胃癌案例評估增加五個預測變數的改善程度

接著看 Eom 等人（2015）的胃癌術後公開資料。本文沿用第 5 期的教學重分析：在一批資料建立模型，再用另外兩家醫院的資料，評估 36 個月內死亡風險。[4]

注意：這次 A、B 的設定與模擬例子不同：模型 A 使用 7 個預測變數，模型 B 只用 pT（原發腫瘤侵犯程度）與 pN（區域淋巴結轉移情形）兩個病理分期變數。以下簡稱「7 變項模型 A」與「2 變項模型 B」（圖中標為「模型 A：7 個變項」與「模型 B：僅 pT＋pN」）。在胃癌案例中，紅線是較簡單的 2 變項模型。

圖 4　胃癌案例的 ROC 曲線。評估資料共 398 人，36 個月內死亡 45 人。資料源自 Eom 等人的公開附件，為本文教學重分析結果。紅線為較簡單的 2 變項模型 B。
（點擊圖片可開啟原圖放大檢視）

本圖重點：7 變項模型 A 的 AUC 為 0.861，2 變項模型 B 為 0.810。差異為 0.051（95% 信賴區間 0.013 至 0.089），支持模型 A 在這批資料上的區辨能力較好。

讀圖時可看到，藍線與紅線在部分區段很接近，差距主要出現在右半段；並非每個位置都差很多。下一步要看，較高的 AUC，能否轉為更好的處置選擇。

案例提醒：本例以 Logistic 迴歸預測 36 個月內死亡，不同於原研究的存活模型。未追蹤滿 36 個月且無法確定結果者已排除。本文僅示範讀圖，不宜直接作為臨床採用模型的依據。

05 胃癌案例的決策曲線差距很小

本圖重點：7 變項模型 A 的 AUC 較高，但在 10% 至 30% 的門檻範圍內，兩個模型的決策曲線大多很接近。

圖 5　胃癌案例的決策曲線。藍線為 7 變項模型 A，紅線為較簡單的 2 變項模型 B；金色區域是教學設定，並非建議採用的追蹤門檻。
（點擊圖片可開啟原圖放大檢視）

怎麼解讀差距

先看金色區域：兩個模型的曲線都高於「全部治療」與「都不治療」。再比較藍線與紅線：兩者大多貼得很近，7 變項模型 A 在約 25% 至 30% 的門檻附近略高。

在金色區域內，差距最大出現在門檻 28%，模型 A 的淨效益比 B 高約 0.010。但差異的 95% 信賴區間為 −0.006 至 0.026，包含 0，因此不能只憑藍線較高，就認定模型 A 確實更有利。

是否值得採用較複雜的模型

這批資料只有 45 人死亡，估計仍不確定。較適當的說法是：「7 變項模型的區辨能力較好，但淨效益的增加很小，目前仍不足以判斷是否值得增加五個預測變數。」

本文以「是否安排較密集的術後追蹤」幫助理解決策曲線；10% 至 30% 是教學設定，並未驗證加強追蹤本身的療效。是否採用模型，仍要依實際用途與使用負擔判斷。

06 胃癌案例尚無法判定誰的風險機率較準

本圖重點：兩個模型的平均預測接近實際死亡比例，但高風險組都有高估的情形。資料仍不足以明確判斷哪個模型的校準較好。

圖 6　胃癌案例的校準圖。左圖為 7 變項模型 A，右圖為較簡單的 2 變項模型 B。高風險組的誤差線較長，估計不確定性較大。
（點擊圖片可開啟原圖放大檢視）

先看預測與實際相差多少

先看兩個模型的點離斜線多遠。高風險的最後一組，模型 A 平均預測 53.7%，模型 B 預測 50.6%，實際死亡比例為 42.5%，兩者都有高估。不過，這組只有 40 人，95% 信賴區間為 27.0% 至 59.1%，估計範圍很寬。

兩個模型各十組的誤差線都涵蓋灰色斜線。結果尚不足以明確判定誰較準，不能因此推論兩個模型已被證明一樣準確。

右圖為何有好幾個點疊在一起

2 變項模型 B 有 203 人的預測值都等於 2.4%。因為模型 B 只用兩個分期變數，pT、pN 相同的人預測值必然相同。為了分成十組，同分者被分到不同組，所以右圖左下角有 5 組落在同一個橫軸位置；其中兩組實際比例都是 0%，重疊成一點，圖上看起來是 4 個點。這幾組的實際比例高低不一，不代表模型把這些同分者預測成不同風險。

因此，點重疊時，要先了解分組方式，不能視為模型表現不穩定之證據。正式評估校準，也不宜只數幾組誤差線涵蓋斜線。[3]

07 讀完三張圖再決定如何下結論

兩個例子最值得記住的，是三張圖可能給出不同的訊息。模型是否適合使用，要回到原本想解決的臨床問題。

比較項目	用哪張圖判斷	模擬例子	胃癌案例
分辨高低風險	ROC 曲線，比較曲線與 AUC	加新標記的模型 B 較好	7 變項模型 A 較好
依模型選擇處置的淨效益	決策曲線，比較指定風險門檻下的淨效益	模型 B 較高，但部分門檻差異仍不確定	兩者很接近，改善程度仍不確定
模型預測的風險，是否接近實際發生事件的比例？	校準圖，比較各組預測風險與實際事件發生比例	模型 B 普遍高估，模型 A 較接近實際	兩者高風險組都偏高，尚難判定優劣
可以下的結論	綜合三張圖判斷	模型 B 有改善，但校準問題仍須處理	增加五個預測變數改善了 AUC，是否值得採用仍待評估

（表格較寬，手機可左右滑動檢視）

臨床判讀的順序

比較兩個模型表現時，先看它們是否使用同一批人評估，再分別判讀三張圖：ROC 曲線看區辨能力、決策曲線看處置的淨效益、校準圖看預測與實際是否接近。三張圖的答案可能不同，應合在一起判斷；AUC 較高，並不足以決定更換模型。

完整實作流程，包括 AUC、校準圖、內部驗證與列線圖，見課程「Step by Step 從零開始：R 語言預測模型實戰」。

參考文獻

DeLong, E. R., D. M. DeLong, and D. L. Clarke-Pearson. “Comparing the Areas under Two or More Correlated Receiver Operating Characteristic Curves: A Nonparametric Approach.” Biometrics, vol. 44, no. 3, 1988, pp. 837–845. https://doi.org/10.2307/2531595
Vickers, A. J., and E. B. Elkin. “Decision Curve Analysis: A Novel Method for Evaluating Prediction Models.” Medical Decision Making, vol. 26, no. 6, 2006, pp. 565–574. https://doi.org/10.1177/0272989X06295361
Riley, R. D., et al. “Evaluation of Clinical Prediction Models (Part 2): How to Undertake an External Validation Study.” BMJ, vol. 384, 2024, e074820. https://doi.org/10.1136/bmj-2023-074820
Eom, B. W., et al. “Survival Nomogram for Curatively Resected Korean Gastric Cancer Patients: Multicenter Retrospective Analysis with External Validation.” PLOS ONE, vol. 10, no. 2, 2015, e0119671. https://doi.org/10.1371/journal.pone.0119671

圖 1 至圖 3 為模擬資料；圖 4 至圖 6 為公開資料的教學重分析，並非原研究直接報告的模型比較結果。