5  診断精度:感度・特異度・的中率

ここからは、検査で 病気(状態)があるかないか をどれくらい正しく判別できるか、という 診断精度 を扱います。 一致度の評価(第 1〜4 章)では 2 つの測定のどちらも「正解」ではありませんでしたが、診断精度の評価では、正解(参照基準、ゴールドスタンダード) があると考えます。

5.1 データ:随時血糖と糖尿病

Framingham の 1 回目の診察で、随時血糖(食事の時間を問わずに測った血糖値)と、糖尿病 の記録を使います。

糖尿病の人は血糖が高い傾向がありますが、2 つの分布は重なっています。どこかで線を引いて「陽性」とすると、必ず判定の誤りが出ます。

5.2 2×2 表と 4 つの指標

126 mg/dL 以上 を「陽性」としてみます。

  • 感度 59.5%:糖尿病の人の 4 割は、この検査で見逃される
  • 特異度 99.4%:糖尿病でない人は、ほとんど陰性になる
  • 陽性的中率 74.2%:陽性の人の 4 人に 1 人は糖尿病ではない
ノート感度・特異度は「正解」から、的中率は「検査結果」から見る
  • 感度・特異度:正解(病気の有無)で分けて、検査がどう出るか(表の列ごとに見る)
  • 的中率:検査結果で分けて、本当に病気か(表の行ごとに見る)

患者さんにとって知りたいのは、「陽性と言われた自分が、本当に病気である確率」= 陽性的中率 です。

5.2.1 信頼区間も示す

感度は、糖尿病の 116 人だけから計算しているので、不確かさが大きくなります。

感度の 95% 信頼区間は 50〜68% と広く、特異度(99.1〜99.6%)よりずっと不確かです。

5.3 カットオフを変えると

カットオフを下げると感度は上がり、特異度は下がります(トレードオフ)。 どこで切るかは、見逃し(偽陰性)と、過剰な精密検査(偽陽性)のどちらが困るか で決まります。この関係を一覧にしたのが、第 6 章の ROC 曲線です。

警告200 mg/dL 以上で特異度 100% になる理由

このデータの「糖尿病」は、1 回目の診察で 治療中、または随時血糖が 200 mg/dL 以上 の人と定義されています。 つまり、評価している検査(血糖)が、正解の定義に 含まれています。200 以上なら必ず「糖尿病」なので、特異度は必ず 100% になります。 これを 組み込みバイアス(incorporation bias)といい、検査の精度を実際より高く見せます。正解は、評価する検査と 独立に 決める必要があります。

5.4 陽性的中率は、有病率で変わる

感度と特異度は、(ある程度)検査そのものの性質ですが、的中率は、検査を受ける集団の有病率で大きく変わります。 ベイズの定理で計算できます。

\[ \text{陽性的中率} = \frac{\text{感度} \times \text{有病率}}{\text{感度} \times \text{有病率} + (1 - \text{特異度}) \times (1 - \text{有病率})} \]

感度 90%・特異度 95% という「よさそうな」検査でも、有病率 1% の集団(一般の人のスクリーニング)では、陽性の人の 85% は病気ではありません。 同じ検査を、症状があって病気が疑われる人(有病率 30%)に使えば、陽性的中率は 89% になります。

5.4.1 尤度比:検査前の確率を、検査後の確率に更新する

有病率に依存しない形で、検査結果が診断をどれだけ動かすかを表すのが 尤度比 です。

  • 陽性尤度比 LR+ = 感度 / (1 − 特異度):陽性のとき、オッズが何倍になるか
  • 陰性尤度比 LR− = (1 − 感度) / 特異度:陰性のとき、オッズが何倍になるか

検査前確率 3% の人が陽性なら、検査後確率は 75% になります。LR+ ≒ 99 と非常に大きく、陽性なら糖尿病の可能性が大きく上がります。一方、LR− ≒ 0.41 で、陰性でも糖尿病を否定する力は弱い検査です。

5.5 スペクトラムバイアス:誰で評価したか

感度・特異度も、実は 評価に使った人 で変わります。 重症の患者と健康なボランティアを集めた研究(症例対照型の診断研究)では、2 つの集団の差がはっきりしているので、精度が高く出ます。

シミュレーションで確かめます。病気の重症度によって検査値が変わる、とします。

同じ検査・同じカットオフなのに、重症例と健常者で評価すると、感度・特異度がどちらも高く出ます。 検査を実際に使う人(診断がはっきりしない受診者)で評価 しないと、現場での精度を過大評価します。

重要この章のまとめ
  • 感度・特異度は 正解で分けて、的中率は 検査結果で分けて 見る。感度には信頼区間を
  • カットオフを動かすと、感度と特異度は トレードオフ
  • 陽性的中率は有病率で大きく変わる。有病率の低い集団のスクリーニングでは、陽性の大半が偽陽性になりうる
  • 尤度比で、検査前確率を検査後確率に更新できる
  • 正解の定義に検査を含めない(組み込みバイアス)、実際に使う人で評価する(スペクトラムバイアス)