匯東華

臨床預測模型系列 No. 02

預測模型的 ROC 曲線、校準圖與決策曲線：介紹與判讀

匯東華統計顧問　·　陳秀敏博士　·　2026／9／18

第 5 期匯東華電子報第 5 期｜2026.09.18 看本期網頁版 →

一頁先懂｜核心判斷

預測模型的三張核心圖，分別回答三個問題：

ROC 曲線：模型能否區分個體風險高低？ 校準圖：預測機率是否符合實際事件比例？ 決策曲線：依模型分流，是否提高淨效益？

AUC 高，不代表預測機率準確，也不代表依模型決策能提高淨效益。區辨度、校準度與臨床效用必須分別評估。

本文以模擬圖解說判讀原則，再以公開資料的重分析結果示範，最後彙整為對照表。

01｜三張圖，三個不同的問題

第 4 期介紹 TRIPOD+AI 的三項評估面向：區辨度（discrimination）、校準度（calibration）與臨床效用（clinical utility）。本期說明對應圖形的判讀。

要評估的面向	主要的圖	這張圖回答的問題
區辨度	ROC 曲線（附 AUC）	模型能不能把會發生事件的人排在前面？
校準度	校準圖	模型說「風險 20%」的那群人，真的大約 20% 發生嗎？
臨床效用	決策曲線分析（DCA）	依模型分流，比一律治療或一律不治療好嗎？

（表格較寬，手機可左右滑動檢視）

只有 ROC 曲線，尚不足以判斷模型是否適合臨床使用；還須檢視校準與決策效益。

完整開發流程可參考 Efthimiou 等人於 2024 年《BMJ》提出的 13 步驟指引；本文聚焦其中的模型評估。

真實案例採用 Eom 等人 2015 年《PLOS ONE》韓國胃癌術後存活研究的公開附件資料。圖形與數值為我方重新擬合、在驗證世代計算的教學結果，非原文圖表；適用限制請見文末。

02｜區辨度：ROC 曲線與 AUC

圖形結構

橫軸為偽陽性率（1 減特異度），縱軸為敏感度。改變分類門檻，即可得到不同之敏感度與偽陽性率組合，連成 ROC 曲線。

左下至右上的對角線代表無區辨能力，AUC 為 0.5。曲線越靠近左上角，區辨度越佳；曲線下面積為 AUC，1.0 代表完美區分。

評估重點

AUC 衡量模型將事件個案排在非事件個案之前的能力；主要評估風險排序，不評估預測機率是否準確。

判讀步驟

確認座標軸。部分圖以特異度為橫軸，刻度由 1 遞減至 0，須注意方向。
檢視曲線及 AUC 的 95% 信賴區間。區間越寬，估計的不確定性越高。
檢視曲線形狀。相同 AUC 可能對應不同的敏感度與特異度組合。
對照臨床需求。篩檢應先設定可接受的敏感度，再檢查相應的偽陽性率；侵入性檢查則須權衡漏診與不必要檢查的代價，不能固定以曲線左半段或右半段判定用途。

下圖示範相同 AUC 下的曲線差異。

同 AUC 不同形狀的 ROC 曲線對照（模擬資料）。模型 A（紅色實線）對全體病人有中等且平均分布的區辨度，曲線平滑凹型；模型 B（藍色虛線）呈兩極化：半數病人幾乎完美區分、另外半數與亂猜無異，曲線在偽陽性率 0% 處即陡升至敏感度 50%。兩模型 AUC 皆為 0.75，但臨床適用情境截然不同。

同 AUC、不同形狀的 ROC 曲線（模擬資料）。模型 A 為紅色實線，模型 B 為藍色虛線，兩者 AUC 皆為 0.75；模型 B 在偽陽性率 0% 處的敏感度即達 50%。相同總體 AUC，仍可能有不同的局部表現。
（點擊圖片可開啟原圖放大檢視）

曲線差異須在預指定的操作條件下比較；僅憑曲線形狀，不能判定模型適合廣泛篩檢或特定亞群。

AUC 沒有通用的及格線。除數值本身，還須考慮預定用途與現行方法的表現。

真實案例

胃癌術後 36 個月死亡風險 Logistic 模型的 ROC 曲線。驗證世代 n = 398，死亡事件 45 例；AUC = 0.861（95% CI 0.814-0.909）。資料源自 Eom 等人（2015）公開附件，為我方重分析結果。
（點擊圖片可開啟原圖放大檢視）

此結果支持模型具有區辨度；預測機率是否準確、依模型介入是否有益，仍須看校準圖與決策曲線。

03｜校準度：校準圖

本節以校準圖檢視預測機率與觀察比例的一致性，並說明兩項常見數值：Hosmer-Lemeshow 檢定檢查分組差異；Brier score 則補充整體機率預測誤差，不能單獨代表校準度。

圖形結構

橫軸為預測風險，縱軸為實際事件比例。兩軸採相同範圍與比例時，45 度對角線代表完美校準：預測風險與觀察比例一致。

常見畫法包括依預測風險分成十分位、繪出各組觀察比例及 95% 信賴區間，或以不分組的平滑曲線呈現。

評估重點

校準評估預測機率與實際事件比例是否一致。例如，預測風險為 R% 的病人群體，實際事件比例是否接近 R%。

判讀步驟

確認兩軸定義、範圍與比例；判讀應以預測風險等於觀察比例的參考線為準。
檢視點或曲線位於參考線上方或下方。
檢視信賴區間。寬度受組內人數、事件比例及估計方法影響；本文各組人數相近，事件比例接近 50% 的組別通常較寬。須合併評估偏離幅度與不確定性。
確認偏離所在的風險區間，判斷對臨床決策的影響。

如何判斷高估與低估

曲線的位置	意思	臨床後果
落在對角線下方	觀察比例低於預測風險 → 模型高估	可能增加不必要的介入或焦慮
落在對角線上方	觀察比例高於預測風險 → 模型低估	可能低估介入需求，錯失處置時機
貼著對角線	預測與實際一致	支持相應資料範圍內的校準表現

（表格較寬，手機可左右滑動檢視）

橫軸為預測風險、縱軸為觀察比例時：線下代表高估，線上代表低估。

三種校準樣態並排比較（模擬資料）：校準良好時，模型預測風險與實際觀察風險緊貼灰色對角參考線；系統性高估時，藍色曲線落在對角線下方，代表模型持續高估病人風險；系統性低估時，藍色曲線落在對角線上方，代表模型持續低估病人風險。三圖皆以十分位分組並附 95% 信賴區間誤差線，提醒 AUC 相同的模型，校準表現仍可能天差地遠。

三種校準樣態（模擬資料）。曲線貼近對角線代表校準良好；落在下方代表高估，上方代表低估。各圖以十分位分組並附 95% 信賴區間。
（點擊圖片可開啟原圖放大檢視）

若風險轉換保留排序且不產生新的同分，AUC 不變，校準卻可能改變。因此，區辨度相同模型仍可能有不同的機率誤差。

Hosmer-Lemeshow 檢定：檢查分組預測與觀察的差異

Hosmer-Lemeshow（H-L）是常見於 Logistic 迴歸的適合度檢定。先依預測風險分組（常分為十組），再比較各組實際與預期的事件、非事件人數；預期事件數為組內預測機率的總和。將各項「觀察人數減預期人數」的平方除以預期人數後加總，得到卡方統計量，再求得 p 值。

p 值小表示分組預測與觀察結果有差異；未達顯著則只代表未偵測到差異，不能證明校準良好。單一 p 值也無法交代偏離的方向、幅度與風險區間，仍須檢視校準圖。

Eom 等人原文第 7 頁圖 2b，以風險十分位呈現預測與觀察的 5 年存活率；觀察值以 Kaplan-Meier 法估計。原文報告 H-L 卡方為 3.92（p = 0.917），屬於原研究的 5 年存活模型，並非本文 36 個月死亡風險 Logistic 重分析的檢定結果。

Brier score：補充整體機率預測誤差

Brier score 將每人的預測機率減去實際結果（事件發生記為 1，未發生記為 0），平方後取平均。二元結果的分數介於 0 至 1，越低表示整體誤差越小；它非單純的校準度指標，也不能指出風險被高估或低估的位置。一般作為輔助性指標。

真實案例

胃癌術後 36 個月死亡風險模型的十分位校準圖，附 95% 信賴區間。多數分位接近對角線，部分高風險分位偏離；各組 39 至 40 人，事件比例接近 50% 的組別區間較寬。
（點擊圖片可開啟原圖放大檢視）

驗證世代共 398 人，Brier score 為 0.081，摘要的是整體機率預測誤差。校準仍須由圖形判讀：高風險區間估計較不精確，不能僅憑分組圖認定所有個體的預測機率均可靠。

04｜臨床效用：決策曲線分析（Decision Curve Analysis, DCA）

圖形結構

橫軸為門檻機率（threshold probability），縱軸為淨效益（net benefit）。常見三條曲線：

模型曲線：依模型預測結果分流時的淨效益
全部治療（treat all）：對所有人採取處置
都不治療（treat none）：對所有人不採取處置，淨效益固定為 0

門檻機率是決定採取處置的風險水準，反映對漏失事件與不必要處置的權衡。DCA 比較不同門檻下各策略的淨效益。

Vickers 與 Elkin 提出 DCA，利用門檻機率表達偽陽性與偽陰性的相對代價，據此計算淨效益。

評估重點

在指定門檻下，依模型分流是否比全部治療或都不治療提供更高淨效益。此為採用模型之重要依據，但仍須評估實際流程、成本與適用性。

判讀步驟

事前界定臨床合理的門檻區間，避免依圖形結果挑選有利區段。
在該區間比較模型與「全部治療」「都不治療」；模型須同時高於兩者，才優於這兩項基準策略。
檢視淨效益差距，並考慮導入成本與流程負擔。
檢查 y 軸尺度，避免忽略被壓縮的曲線差異。

決策曲線分析（DCA）三條參考線示意圖（模擬資料）：紅色實線為模型的淨效益曲線，藍色虛線為「全部治療」參考線，灰色實線為「都不治療」參考線（固定於 0）。模型曲線在整段門檻機率上皆高於另外兩條參考線，代表依模型建議治療可獲得較高淨效益；門檻機率提高後，模型曲線逐漸下降並向零線靠攏，兩者差距轉趨不明顯，而「全部治療」持續下墜，在門檻機率約 25% 處跌出畫面下緣。

決策曲線示意（模擬資料）。紅色實線為模型，藍色虛線為全部治療，灰色零線為都不治療。圖示門檻範圍內，模型曲線高於兩項基準；門檻提高後，模型曲線逐漸接近零線，全部治療曲線約在 25% 處超出圖面下緣。
（點擊圖片可開啟原圖放大檢視）

判讀重點是臨床合理門檻內的淨效益差距；曲線較高，仍不等於差距足以支持實際導入。

真實案例：注意 y 軸尺度

真實案例決策曲線分析（完整範圍）：胃癌術後死亡風險模型於外部驗證世代的淨效益曲線（紅色實線），對照「全部治療」（藍色虛線）與「都不治療」（灰色實線）。因「全部治療」在高門檻機率時淨效益急遽下降至約 -0.77，y 軸被迫放大顯示，模型曲線與另外兩條參考線在圖中顯得近乎重疊，細節請見下一張聚焦版。

胃癌術後死亡風險模型的決策曲線（完整範圍）。全部治療策略在高門檻時降至約 -0.77，拉大 y 軸範圍，使模型與零線間的差異不易辨識。
（點擊圖片可開啟原圖放大檢視）

本圖門檻範圍為 1% 至 50%；50% 時，全部治療的淨效益約為 -0.77。較大的 y 軸範圍壓縮了模型與都不治療策略的差距。

保持 x 軸門檻範圍不變，縮小 y 軸的淨效益顯示範圍，可看清差異：

真實案例決策曲線分析（y 軸聚焦版）：與上圖同一組資料，y 軸縮限至 -0.02 至 0.12，清楚顯示模型的淨效益曲線（紅色實線）在門檻機率 1% 至 41% 之間，同時高於「全部治療」（藍色虛線）與「都不治療」（灰色實線）兩條參考線；超過約 41% 後，模型淨效益轉為負值，反而不如「都不治療」。

同一組決策曲線的 y 軸聚焦版（-0.02 至 0.12）。門檻機率 1% 至 41% 之間，模型曲線高於兩項基準；超過約 41% 後，模型淨效益轉負，低於都不治療。
（點擊圖片可開啟原圖放大檢視）

調整顯示尺度不會改變數值或結論。曲線看似重疊時，應先確認刻度，再判斷策略間是否確有差異；圖示優勢區間也不等於臨床已核定的介入門檻。

05｜三張圖的判讀對照表

預測模型三張核心圖：判讀對照表

	ROC 曲線 / AUC	校準圖	決策曲線（DCA）
對應的面向	區辨度	校準度	臨床效用
橫軸	偽陽性率（1 -特異度）	模型預測的風險	門檻機率
縱軸	敏感度	實際觀察到的事件比例	淨效益
參考線	左下到右上的對角線（隨機猜測）	45 度對角線（完美校準）	全部治療、都不治療
回答的問題	分不分得出高低風險？	預測機率是否準確？	依模型決策是否增加淨效益？
判讀第 1 步	確認兩條軸的定義與方向	確認兩軸等比例	先圈出臨床會用的門檻區間
判讀第 2 步	看曲線離左上角多近、AUC 與其區間	看曲線在對角線上方還是下方	在該區間內，模型是否同時高於兩條參考線
判讀第 3 步	看形狀，不只看數字	看誤差線寬度與偏離發生在哪一段	看高出的幅度，不只看有沒有高出
常見誤判	只看 AUC，忽略操作點的差異	只報 Hosmer-Lemeshow 的 p 值，看不出方向與位置	忽略 y 軸尺度，誤判曲線差距
無法單獨判斷	預測機率是否準確	依模型決策的淨效益	模型本身的排序能力

（表格較寬，手機可左右滑動檢視）

ROC 評估風險排序，校準圖檢視機率準確性，DCA 比較依模型決策的淨效益。三者互補，不能相互取代。

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

結語｜三張圖要一起看

評估預測模型，須同時回答三件事：能否區分風險、機率是否準確，以及決策是否有益。單一 AUC 無法涵蓋這三項判斷。

閱讀或撰寫模型論文時，應一併檢視三項評估的證據，並交代適用族群與使用限制。

這個示範案例的限制

本例採用 Eom 等人（2015）的公開附件資料；三張真實案例圖及其效能數值均為我方重分析。另引原文的 H-L 結果已於校準小節註明。使用時須注意：

一、驗證資料曾用於教材開發檢視。此世代並非完全未觸碰的最終測試集，結果僅供教學，不宜視為一次未受先前檢視影響的外部驗證。

二、本例為 36 個月死亡風險的 Logistic 教學重分析，不等同原研究的存活模型。

三、本分析以 36 個月全因死亡為結果。未滿 36 個月即設限且死亡狀態未知者排除：開發世代 48 人、驗證世代 35 人。文中 n = 398、死亡 45 例均為排除後數字。

四、AUC、事件盛行率與追蹤時間均為事後教學輸入，不代表原研究曾據此進行事前樣本數設計；用於新研究規劃時須另查依據。

下一期起

第 6 期將介紹兩個模型的 ROC 與決策曲線比較，以及如何事前訂定優劣判準。

參考文獻

Eom BW, Ryu KW, Nam BH, Park Y, Lee HJ, Kim MC, et al. Survival Nomogram for Curatively Resected Korean Gastric Cancer Patients: Multicenter Retrospective Analysis with External Validation. PLOS ONE. 2015;10(2):e0119671. https://doi.org/10.1371/journal.pone.0119671
Vickers AJ, Elkin EB. Decision curve analysis: a novel method for evaluating prediction models. Medical Decision Making. 2006;26(6):565-574. https://doi.org/10.1177/0272989X06295361
Efthimiou O, Seo M, Chalkou K, Debray T, Egger M, Salanti G. Developing clinical prediction models: a step-by-step guide. BMJ. 2024;386:e078276. https://doi.org/10.1136/bmj-2023-078276
ResourceSelection. hoslem.test: Hosmer-Lemeshow Goodness of Fit (GOF) Test. R package documentation. https://search.r-project.org/CRAN/refmans/ResourceSelection/html/hoslem.test.html

AI 使用聲明

本文由匯東華統計顧問有限公司　陳秀敏　博士撰稿，Claude Opus 5 協助原文檢索、引用核對、圖形繪製與版面排版，最終內容已由作者審閱定稿。教學示意圖（同 AUC 不同形狀的 ROC、三種校準樣態、決策曲線示意）使用模擬資料產生；真實案例的三張圖，資料來源為 Eom 等人 2015 年論文之期刊附件公開資料集，圖與數值均為我方重新擬合計算所得，非引用原文圖表，使用上之限制請見〈這個示範案例的限制〉。日期：2026 年 9 月 18 日。