Tests diagnostiques et courbe ROC

Un test diagnostique confronte un résultat à un examen de référence, souvent appelé gold standard. On classe alors chaque patient dans un tableau 2×2 : vrais positifs, faux positifs, faux négatifs et vrais négatifs. Les faux positifs correspondent à des personnes saines testées positives, tandis que les faux négatifs sont des malades testées négatives. La prévalence de la maladie dans la population étudiée modifie l'interprétation des résultats post-test. Avant de calculer une courbe ROC, il faut donc bien définir le seuil de positivité et la population cible.

La sensibilité mesure la capacité du test à détecter les malades : Se = VP/(VP+FN). La spécificité mesure sa capacité à reconnaître les non-malades : Sp = VN/(VN+FP). Ces deux indices sont des qualités intrinsèques pour un seuil donné et ne dépendent pas directement de la prévalence. Un test très sensible est utile pour exclure une maladie quand il est négatif, tandis qu'un test très spécifique est utile pour la confirmer quand il est positif. Augmenter la sensibilité en abaissant le seuil se fait souvent au prix d'une baisse de la spécificité.

La valeur prédictive positive (VPP) est la probabilité d'être malade lorsque le test est positif : VPP = VP/(VP+FP). La valeur prédictive négative (VPN) est la probabilité d'être non malade lorsque le test est négatif : VPN = VN/(VN+FN). Contrairement à la sensibilité et à la spécificité, VPP et VPN dépendent de la prévalence ou de la probabilité pré-test. Quand une maladie est rare, même un bon test peut produire beaucoup de faux positifs et une VPP faible. Il faut donc toujours interpréter un résultat positif en tenant compte du contexte clinique.

La courbe ROC représente la sensibilité en ordonnée et le taux de faux positifs 1−spécificité en abscisse pour tous les seuils possibles. Chaque point correspond à un seuil de positivité : plus on abaisse le seuil, plus la sensibilité augmente mais plus la spécificité diminue. L'aire sous la courbe, ou AUC, résume la capacité globale du test à discriminer malades et non-malades. Une AUC de 0,5 correspond au hasard et une AUC de 1 à une discrimination parfaite. Le choix du seuil dépend du coût clinique d'un faux négatif versus celui d'un faux positif.