AUCとは？遺伝子検査・PRSの予測性能を読み解く

惜しいけれど、ちょっと違うんだ。AUCは点数というより「見分ける力」を表す指標でね。ROC曲線の下の面積、という意味の略なんだけど、いちばん直感的な理解はこうだよ。発症した人と発症しなかった人をくじ引きで1人ずつ選んだとき、発症した人のほうに高いスコアがついている確率。それがAUCなんだ。

そういうイメージだね。だから0.5だとコイン投げと同じで、まったく見分けられていない。1.0なら完全に見分けられる、ということになる。

そこが難しいところでね。「AUCが◯以上なら良い検査」という万能の基準は存在しないんだ。病気によって、そもそも予測のしやすさが全然違う。それに、何のために使うのかによって必要な水準も変わってくる。

たとえば心血管疾患は、年齢と性別を入れるだけでもかなり高いAUCが出る。そこにPRSを足しても、AUCの伸びはわずかということもあるんだ。だからPRS単独のAUCだけを見せられても、判断はできない。見るべきは3つ。PRSだけのAUC、年齢や性別などの従来モデルのAUC、そして両方を組み合わせたAUC。3つめが2つめからどれだけ伸びたか、が本当の追加価値だよ。

そう。しかもAUCの伸びが小さくても、注目すべき場合がある。PRSの分布のいちばん上、上位数%のところにリスクが強く集中していることがあるんだ。全体の順位づけはあまり改善しなくても、これまでの基準では見つけにくかった高リスクの人を抽出できる可能性がある。ただし、抽出できることと、そこに何かをして実際に利益が出ることは別だからね。そこは較正や絶対リスク、介入の効果まで見て確かめる必要がある。

その通り。それともうひとつ、AUCと必ずセットで覚えてほしい言葉がある。キャリブレーション、日本語では較正だ。

AUCが「順番を正しくつけられるか」だとしたら、キャリブレーションは「示した確率が実際と合っているか」。たとえばモデルが「10年で20%」と示した人を1000人集めたとき、実際に200人前後が発症するなら、よく較正されている、と考えるんだ。

あるんだよ。たとえばモデルを違う集団に当てはめると、順位はそこそこ合っているのに、リスクを一律に高く表示しすぎる、ということが起こる。健保さんが加入者に「あなたの10年リスクは◯%」という数字を返すなら、識別能だけでなく較正まで確認されているかが重要になるんだ。

そこが今日いちばん伝えたいところ。AUCは大事な指標だけど、総合点ではない。どの集団で測ったのか、従来の指標にどれだけ上乗せできたのか、確率として較正されているのか、そして何の目的に使うのか。そこまで見て、はじめて評価できるんだよ。