Eine skalare Zusammenfassung der Diskriminationsfähigkeit eines diagnostischen Tests oder Modells: die Wahrscheinlichkeit, dass ein zufällig gewählter positiver Fall einen höheren Score erhält als ein zufällig gewählter negativer Fall; berechnet als Fläche unter der ROC‑Kurve, reicht von 0 bis 1 (0,5 = Zufall).

Prinzip

Die AUC misst die ordinale Trennschärfe zweier Klassen über alle Entscheidungsgrenzen hinweg und ist invariant gegenüber monotonen Transformationen des Scores; sie bewertet somit Diskriminierung unabhängig von Schwellenwerten oder Prävalenz.

Demonstration

Illustratives Beispiel: Ein Biomarker liefert kontinuierliche Risikoscores. In einer Validierungsstichprobe wird die ROC‑Kurve konstruiert und AUC = 0,85 ermittelt. Bedeutung: Für ein zufällig ausgewähltes Krankheits‑ und Nicht‑Krankheitsindividuum besteht eine 85‑%‑Wahrscheinlichkeit, dass das Erkrankte höhere Werte hat — gute Diskriminierung über Schwellen hinweg.

Fehlanwendung

AUC als Maß für Kalibrierung, klinischen Nutzen oder positive prädiktive Werte zu deuten. Der Fehler besteht darin, Rangordnung mit korrekten Wahrscheinlichkeitsaussagen oder Entscheidungsnutzen gleichzusetzen; eine hohe AUC kann mit schlechter Kalibrierung oder unakzeptablen Falsch‑Positiv‑Raten einhergehen.

Konsequenz

Modelle ausschließlich nach AUC auszuwählen betont Ranking‑Leistung, kann aber zu suboptimalen klinischen Entscheidungen führen, wenn Kalibrierung, Vorhersagewahrscheinlichkeiten, Schwellenwerte, Fehlerkosten oder Prävalenz unberücksichtigt bleiben; folglich Fehleinschätzung des Nutzens möglich.

Umkehrung

Wenn Entscheidungsfolgen von einem konkreten Schwellenwert abhängen, die Klassenprävalenz extrem ist oder verschiedene ROC‑Formen dieselbe AUC haben, ist die AUC nicht länger das relevante Kriterium; stattdessen sind schwellenwertspezifische Maße, Kalibrierung oder entscheidungsanalytische Metriken vorzuziehen.

Abgrenzung

Eindeutig innerhalb: binäres Ergebnis mit kontinuierlichem/ordinalem Score, der ROC‑Kurve erzeugt. Grenzfall: Multiklassenprobleme oder zensierte Zeit‑bis‑Ereignis‑Daten erfordern angepasste AUC‑Definitionen. Eindeutig außerhalb: Kalibrierungsmaße, absolute Risikoänderungen oder kausale Effektschätzer.

Semantische Spannung

Diskriminierung (Ranking durch AUC) versus Kalibrierung/Entscheidungsnutzen (Genauigkeit der vorhergesagten Wahrscheinlichkeiten und Schwellenentscheidungen); Verbesserungen in einem Bereich führen nicht zwangsläufig zu Verbesserungen im anderen.

Synthese

AUC fasst die Rangfähigkeit eines Modells über alle Schwellen zusammen; sie ist ein notwendiger, aber nicht hinreichender Nachweis klinischer Nutzbarkeit — immer ergänzen durch Kalibrierungsanalyse, schwellenwertspezifische Kennzahlen und Entscheidungsanalyse.