ROC 曲線を R で書く方法をわかりやすく解説
ROC 曲線とは?
ROC曲線は、病気の診断のための検査を分析するために使われる。
真実の分類と、真実の分類を見分ける検査結果を使って、どのレベルより上だと病気とするか?を決める分析ツール。
胃がんや大腸がんを見つけるには、内視鏡をしないと見つけられないが、簡単な血液検査で見つけたいとする。
血液検査の値がいくつのときに、がんとがんではないかを一番クリアに分けることができるか?
こういう問題に答えられる。
ROC 曲線を R で書いてみるためのサンプルデータ
データは、KTSND という検査の点数(連続データとして扱う)と、SMK が正解の分類(二値のカテゴリカルデータ)。
KTSND のカットオフ値としていくつがもっとも SMK を予測するかという分析になる。
> str(dat)
'data.frame': 484 obs. of 2 variables:
$ KTSND: int 15 13 16 4 18 29 15 15 11 6 ...
$ SMK : int 1 1 1 1 1 1 1 1 1 0 ...
ROC 曲線を R で書くためのパッケージのインストール
Epi というパッケージをインストールする。
install.packages("Epi")
そのあと呼び出して使えるようにする。
library(Epi)
ROC 曲線を R で書いてみる
データをdatという名前で読み込む。1行目が変数名(KTSND、SMK)なので、header = TRUE を付けておく。
dat <- read.table("ROC-curve-sample-data.txt", header = TRUE)
plot=”ROC”でROC曲線分析を指定。
ROC(test=dat$KTSND, stat=dat$SMK, plot="ROC")
test= で検査値、stat= で正解の分類を指定する。
そうすると、以下のグラフ(黒い太めの実線)が描ける。
ガタガタしていてあまりなめらかでないが、一応曲線に見えなくもない。
これが ROC 曲線である。

KTSNDが11点のところが、感度+特異度が最大になる分岐点(Youden指数=感度+特異度−1が最大の点)であると、示している。
Epi の ROC() では、表示されたカットオフ値「より大きい」場合を陽性とする。今回は「11点より大きい(12点以上)なら陽性、11点以下なら陰性」という分け方だ。
このカットオフ値としたときの以下の 4 つの指標が表示されている。
- Sens (感度)71.8%
- Spec(特異度)74.5%
- PV+ 27.3%(ただし、通常の意味の陽性反応的中率ではない。下の注意を参照)
- PV- 26.4%(ただし、通常の意味の陰性反応的中率ではない。下の注意を参照)
注意:Epi の PV+・PV- は、ふつうの的中率とは別物
感度71.8%・特異度74.5%なのに、陽性反応的中率が27.3%というのはおかしい。
Epi の ROC() のソースコードを見ると、PV+ は「検査値がカットオフ以下(陰性)の人のうち、SMK=1 の人の割合」、PV- は「検査値がカットオフより大きい(陽性)の人のうち、SMK=0 の人の割合」として計算されている。
つまり、表示の 27.3% は「1−陰性反応的中率」、26.4% は「1−陽性反応的中率」にあたる。
ふつうの意味(陽性と出た人のうち本当に SMK=1 の割合、陰性と出た人のうち本当に SMK=0 の割合)で計算しなおすと、以下になる。
- 陽性反応的中率 約73.6%(=1−26.4%)
- 陰性反応的中率 約72.7%(=1−27.3%)
的中率は、後半で紹介する pROC パッケージで出すか、2×2表から自分で計算するのが確実だ。
AUCは0.798(95%信頼区間 0.76〜0.84)で、まずまず良い判別ができる検査といえる。
AUCがなるべく1に近いほうがいい。0.5なら、コイン投げと同じで判別できていないことになる。
正方形の面積が1だ。
ROC曲線の下側(右下側)の面積がAUCで、今回は約0.8だ。
AUCには、わかりやすい意味がある。SMK=1 の人と SMK=0 の人を1人ずつ選んだとき、SMK=1 の人のほうに高い KTSND がつく確率だ。AUC 約0.8 なら、10組中およそ8組で正しい順番に並ぶ。
なお、同じデータで最適なカットオフを選んで、同じデータで感度・特異度を測ると、性能は楽観的に出やすい。カットオフのばらつきや確かめ方は「ROC曲線における最適なカットオフ値のブートストラップ信頼区間を理解する」で解説している。
ROC 曲線以外にも感度・特異度・的中率のグラフも書ける
先ほど plot=”ROC” と指定したところを plot=”sp” とする。
plot=”sp”は感度、特異度、的中率を表示する指定。
ROC(test=dat$KTSND, stat=dat$SMK, plot="sp")
Sensitivity(感度)とSpecificity(特異度)の曲線は、11点付近で交わっている。
ただし「感度と特異度が等しくなる点」と「感度+特異度が最大になる点(Youden指数)」は別の基準だ。今回はたまたま近い値になったが、データによっては異なるカットオフになるので、混同しないようにしたい。
グラフの PV+ の横に書かれた 49.8% は、データ全体で SMK=1 の人の割合(有病割合)だ。mean(dat$SMK) で確かめられる。陽性反応的中率の上限という意味ではない。
また、このグラフの PV+・PV- の線も、上で説明した Epi 独自の定義(1−陰性反応的中率、1−陽性反応的中率)で描かれている点に注意したい。

pROC で的中率と AUC の信頼区間を出す
的中率を通常の定義で出したいときや、AUCの信頼区間がほしいときは、pROC パッケージが便利だ。
install.packages("pROC")
library(pROC)
roc_obj <- roc(dat$SMK, dat$KTSND)
ci.auc(roc_obj)
coords(roc_obj, x = "best", best.method = "youden",
ret = c("threshold", "sensitivity", "specificity", "ppv", "npv"))
roc() には、正解の分類、検査値の順で渡す。
ci.auc() で AUC の95%信頼区間(DeLong法)が出る。
coords() で x = “best”、best.method = “youden” とすると、感度+特異度が最大になる点の感度、特異度、陽性反応的中率(ppv)、陰性反応的中率(npv)が出る。
95% CI: 0.7594-0.8376 (DeLong)
threshold sensitivity specificity ppv npv
threshold 11.5 0.7178423 0.744856 0.7361702 0.7269076
pROC のカットオフ値は、隣り合う検査値の真ん中(11.5)で表示される。整数の点数なら「12点以上で陽性」という意味で、Epi の「11点より大きい」と同じ分け方だ。
自分で2×2表を作って確かめることもできる。
table(陽性 = dat$KTSND > 11, SMK = dat$SMK)
SMK
陽性 0 1
FALSE 181 68
TRUE 62 173
陽性反応的中率は 173 ÷(62+173)= 73.6%、陰性反応的中率は 181 ÷(181+68)= 72.7% だ。
なお、的中率は有病割合で大きく変わる。このデータは SMK=1 が約半分(49.8%)だが、有病割合の低い集団で同じ検査を使うと、陽性反応的中率はずっと低くなる。
まとめ
Rで、ROC曲線を書くには、Epi パッケージの ROC() 関数を使うのが便利だ。
とてもきれいな図が簡単に描ける。
ただし、Epi の PV+・PV- は通常の的中率とは定義が異なる。的中率やAUCの信頼区間は、pROC パッケージや2×2表で確かめよう。
参考リンク
Epi: Statistical Analysis in Epidemiology(CRAN)
pROC: Display and Analyze ROC Curves(CRAN)


コメント
コメント一覧 (1件)
[…] R で ROC 曲線を書く方法 ROC 曲線を R で書く方法をわかりやすく解説 […]