민감도 및 특이도 계산기
혼동행렬에서 민감도, 특이도, 예측도 및 진단 정확도를 계산합니다.
진단 검사 정확도
진단 검사의 네 가지 결과 건수를 입력하세요.
민감도와 특이도 안내
민감도와 특이도는 진단 검사가 특정 질환이나 상태가 있는 사람 또는 사례를 그렇지 않은 대상과 얼마나 잘 구분하는지 나타냅니다. 계산은 네 가지 건수로 구성된 혼동행렬에서 시작합니다. 진양성은 실제 해당 상태가 있으며 양성으로 올바르게 분류된 사례이고, 위음성은 실제 해당 상태가 있지만 검사에서 놓친 사례입니다. 진음성은 실제 해당 상태가 없으며 음성으로 올바르게 분류된 사례이고, 위양성은 해당 상태가 없는데 양성으로 잘못 판정된 사례입니다. 이 집단을 구분하면 각 결과의 의미가 명확해집니다.
민감도는 진양성률 또는 재현율이라고도 하며 TP / (TP + FN)으로 계산합니다. 실제 해당 상태가 있는 전체 사례 중 검사가 얼마나 검출했는지를 보여 줍니다. 민감도가 높은 선별 검사는 위음성이 적습니다. 특이도는 진음성률이라고도 하며 TN / (TN + FP)으로 계산합니다. 실제 해당 상태가 없는 전체 사례 중 얼마나 올바르게 음성으로 판정했는지를 보여 줍니다. 특이도가 높은 확진 검사는 위양성이 적습니다.
양성 예측도는 TP / (TP + FP), 음성 예측도는 TN / (TN + FN)입니다. 예측도는 검사 대상 집단에서 관찰된 결과가 맞을 확률을 설명합니다. 민감도 및 특이도와 달리 유병률 변화에 따라 크게 달라질 수 있습니다. 따라서 같은 검사에서 나온 양성 결과라도 고위험 진료 집단과 일반 인구 선별 검사에서 예측도가 다를 수 있습니다. 정확도는 (TP + TN)을 전체 관측 건수로 나눈 값입니다. 이해하기 쉽지만 한 결과가 훨씬 흔하면 소수 클래스의 낮은 성능을 가릴 수 있습니다.
동일한 연구 집단과 같은 판정 임계값에서 얻은 정수 건수를 사용하세요. 건수 대신 백분율을 입력하지 마세요. 검사 비교 시 가장 높은 단일 백분율만 선택하지 말고 신뢰구간, 표본 크기, 유병률, 연구 설계와 각 오류의 결과를 고려해야 합니다. 의료적 판단에는 임상 맥락, 검증된 임계값 및 전문가 판단도 필요합니다. 이 계산기는 교육, 연구 확인, 품질 보증 및 머신러닝 분류 검토를 위한 결정론적 점추정치를 제공하며 완전한 통계 분석이나 임상 해석을 대신하지 않습니다.
민감도 및 특이도 예시
다음 혼동행렬은 흔한 진단 성능 패턴을 보여 줍니다.
| 혼동행렬 | 주요 결과 | 해석 |
|---|---|---|
| TP 80, FP 10, TN 90, FN 20 | 민감도 80%; 특이도 90%; 정확도 85% | 실제 질환 사례 다섯 건 중 네 건을 검출하고 비질환 사례 열 건 중 아홉 건을 올바르게 음성으로 판정합니다. |
| TP 95, FP 20, TN 180, FN 5 | 민감도 95%; 특이도 90%; 정확도 91.67% | 민감도가 높아 누락 사례의 비용이 특히 큰 상황에서 유용한 결과 패턴입니다. |
| TP 40, FP 5, TN 95, FN 10 | 민감도 80%; 특이도 95%; 정확도 90% | 위양성이 적어 특이도가 높으며 양성 예측도는 88.89%입니다. |
진단 정확도 계산 방법
- 동일한 검사 집단의 진양성, 위양성, 진음성 및 위음성 결과를 집계하세요.
- 각 입력란에 해당하는 0 이상의 건수를 입력하세요.
- 지표 계산을 선택해 민감도, 특이도, 예측도 및 정확도를 구하세요.
- 지표를 함께 해석하고 유병률, 표본 크기 및 각 오류의 비용을 고려하세요.
민감도 및 특이도 자주 묻는 질문
민감도와 특이도의 차이는 무엇인가요?
민감도는 실제 양성 사례 중 검사가 검출한 비율입니다. 특이도는 실제 음성 사례 중 올바르게 음성으로 판정한 비율입니다.
민감도나 특이도는 어느 정도가 좋아야 하나요?
허용 가능한 성능은 용도와 오류의 결과에 따라 달라져 공통 기준은 없습니다. 선별 검사는 민감도를, 확진 검사는 특이도를 우선할 수 있습니다.
예측도는 왜 유병률에 따라 달라지나요?
예측도는 검사 결과를 조건으로 하므로 검사 집단에서 실제 질환자의 비율이 중요합니다. 민감도와 특이도가 고정되어 있어도 유병률이 높아지면 양성 예측도는 대체로 올라갑니다.
정확도가 오해를 낳을 수 있나요?
네, 특히 한 클래스가 다른 클래스보다 훨씬 흔할 때 그렇습니다. 분류기는 정확도가 높아도 드물지만 중요한 클래스에서는 성능이 낮을 수 있습니다.
건수 대신 백분율을 입력할 수 있나요?
아니요. 혼동행렬의 네 가지 실제 관측 건수를 입력하세요. 계산기는 알맞은 분모로 건수를 백분율로 변환합니다.