寧可誤診不能漏診，癌症模型要看哪個指標？
某醫院使用機器學習模型篩檢癌症患者。模型預測結果會決定哪些病人需要進一步檢查。院方非常重視盡量找出所有可能的癌症患者，即希望降低漏診（Missed Diagnosis）風險，即便這可能增加一些誤判。下列哪一個評估指標最能反映模型找出癌症患者的能力？
某醫院用機器學習模型篩檢癌症患者，模型預測結果決定哪些病人需要進一步檢查。院方的優先考量是：盡量找出所有可能的癌症患者、降低漏診風險，即便這樣會增加一些誤判也可以接受。
問你：哪一個評估指標最能反映模型找出癌症患者的能力？
一句話總結
召回率（Recall）衡量「在所有真正的患者中，模型找到了幾個」，要降低漏診、確保不放過任何真正的癌症患者，Recall 是最直接反映這個能力的指標。
先感受問題：漏診一個癌症患者和多叫幾個人複查，哪個代價更大？
想像你是「仁愛醫院」的資料科學家。你建了一個肺癌篩檢模型，用電腦斷層影像預測哪些病人需要進一步精密檢查。
現在 100 個病人做了篩檢，其中實際上有 10 人真的有肺癌早期跡象。你的模型預測結果是：
- 預測「可能有癌」並通知複查：共 20 人（其中 8 人真的有，12 人是虛驚一場）
- 預測「沒問題」放行：共 80 人（其中 2 人其實有癌，被漏掉了）
院長問你：「我最擔心的是漏掉的那 2 個人，怎麼知道我們的模型有沒有改善這個問題？」
你需要的指標是：在 10 個真的有癌的人裡，模型找到幾個。8 個找到 → Recall = 8/10 = 80%。
院長要的不是「在我們叫去複查的人裡有幾個真的有癌」（那是 Precision = 8/20 = 40%），而是「在所有有癌的人裡，我們有沒有找到他們」（Recall）。
用準確率（Accuracy）評估癌症篩檢的五個問題
- 類別不平衡讓準確率失真：如果 1000 人裡只有 10 人有癌，模型把所有人都預測「沒癌」，準確率是 99%，但 10 個患者全被漏掉了，這是最差的模型
- 無法反映漏診風險：準確率只看整體對錯，不區分「漏診（把有癌說成沒癌）」和「誤診（把沒癌說成有癌）」哪個更嚴重
- 不能指導模型閾值調整：提高判定為「有癌」的靈敏度（降低門檻），會增加 Recall 但降低 Precision，準確率無法描述這個 tradeoff
- 醫療決策需要不對稱評估：漏診一個癌症患者的代價，遠大於讓一個健康人多做一次複查。準確率把兩種錯誤等同看待，不合醫療邏輯
- 對稀有病例不敏感：癌症篩檢的正例（有癌）本來就少，準確率主要反映多數類別（沒癌）的預測結果，完全掩蓋了少數類別的表現
「仁愛醫院」第一版模型準確率 98%，但 Recall 只有 50%，有一半有癌的患者被漏掉了。院長看到 98% 很開心，直到第一個漏診事件發生。
Recall 怎麼解決漏診問題
Recall（召回率）的定義是：在所有真正的陽性樣本中，模型預測為陽性的比例。
對癌症篩檢：Recall = 被模型找出來的癌症患者數 ÷ 所有真正的癌症患者數。
Recall = 1 代表所有真正的患者都被找出來，沒有一個漏診。Recall 越高，漏診風險越低。
院方的目標是「降低漏診」，翻譯成指標語言就是「提高 Recall」。
提高 Recall 的代價是可能增加 Precision 下降，也就是更多健康人被叫去複查（誤診增加）。對癌症篩檢場景，這是可接受的代價：多做一次複查的成本遠低於錯過一個早期癌症的代價。
「仁愛醫院」把模型的判定門檻調低之後，Recall 從 50% 提升到 90%，代價是每 100 個篩檢多叫了 15 個人做複查。院方評估後認為這個 tradeoff 值得接受。
這就是選項 B 講的：召回率（Recall），最能反映模型找出所有癌症患者的能力。
技術版：Precision、Recall、F1 的關係與醫療應用
分類模型的評估有四個基本計數，組成混淆矩陣（Confusion Matrix）：
- TP（True Positive）：實際有癌，預測有癌（正確找出）
- FP（False Positive）：實際沒癌，預測有癌（誤判，虛驚一場）
- FN（False Negative）：實際有癌，預測沒癌（漏診，最嚴重）
- TN（True Negative）：實際沒癌，預測沒癌（正確放行）
三個核心指標的計算：
- Precision（精準率）= TP / (TP + FP)：模型預測為陽性的樣本中，有幾個真的是陽性。問的是「我叫去複查的人，有多少真的有癌？」高 Precision 代表少誤診。
- Recall（召回率）= TP / (TP + FN)：所有真正陽性的樣本中，模型找出幾個。問的是「在所有有癌的人裡，我找到幾個？」高 Recall 代表少漏診。
- F1 Score = 2 × (Precision × Recall) / (Precision + Recall)：Precision 和 Recall 的調和平均值，在兩者都需要兼顧時使用。
什麼時候用哪個：漏診代價高的場景（癌症、罕病、詐欺偵測）→ 優先 Recall。誤診代價高的場景（決定是否手術、刑事判決）→ 優先 Precision。兩者都重要 → F1 Score。
ROC-AUC 的角色：ROC-AUC 衡量模型在所有可能閾值下的整體辨識能力，適合比較兩個模型的整體優劣，但不直接對應「漏診風險」這個具體需求。
為什麼出題者要考這題：AI 應用規劃師在部署醫療模型時，必須根據業務場景的「錯誤代價」選擇評估指標。漏診和誤診的代價完全不同，不能一律用準確率評估。
為什麼其他選項是錯的
A精準率（Precision）
在模型預測為陽性（有癌）的所有樣本中，有多少比例真的是陽性。問的是：「我叫去複查的人，有幾個真的有癌？」
Precision 反映的是「陽性預測的可靠性」，跟漏診無關。就算 Precision = 100%（叫去複查的人全部真的有癌），仍可能有大量有癌的人沒有被叫去複查（高漏診率）。題目要降低的是漏診，Recall 才是對的指標。
分不清 Precision 和 Recall 分別關注哪群人的人。Precision 看的是「被預測為陽性的這群人」，Recall 看的是「所有真正陽性的這群人」，兩個分母完全不同。
C假陽性率（False Positive Rate）
在所有真正陰性（沒有癌）的人中，被模型錯誤預測為陽性（有癌）的比例。反映的是「誤診率」。
假陽性率衡量的是「把健康人誤判成有病」的比例，跟題目要降低的「漏診（把有病的人判成健康）」方向完全相反。題目問的是「找出患者的能力」，假陽性率沒有涉及真正患者的識別情況。
知道「假陽性」跟癌症診斷有關，但把假陽性率和召回率的關注對象搞反的人。假陽性率分母是「真正陰性（健康人）」，Recall 分母是「真正陽性（患者）」，兩者衡量完全不同的事情。
DROC-AUC 曲線
繪製在不同判定閾值下 True Positive Rate（即 Recall）對 False Positive Rate 的曲線，AUC 是這條曲線下的面積，代表模型整體辨識能力。
ROC-AUC 是評估模型「整體辨識能力」的綜合指標，適合比較兩個模型哪個更好，但無法直接回答「降低漏診風險」這個業務需求。院方問的是一個具體的操作指標，不是模型的整體比較分數。此外，ROC-AUC 在類別嚴重不平衡的醫療場景下可能過於樂觀，Precision-Recall 曲線更適合。
記得「醫療模型要用 AUC 評估」但沒有分辨「整體模型評估」和「特定業務需求指標」差別的人。AUC 用來選模型，Recall 用來監控漏診風險，兩者用途不同。
同個考點下次怎麼變形
垃圾郵件過濾器最應該優先哪個指標：Precision 還是 Recall？
垃圾郵件跟癌症篩檢都是分類問題，應該也是 Recall？
垃圾郵件過濾器應該優先 Precision。把一封真正的重要郵件（合約、面試通知）過濾成垃圾是很嚴重的代價，用戶可能永遠看不到。所以「被判為垃圾的郵件要盡可能真的是垃圾」= 高 Precision。相反地，漏過幾封垃圾郵件（低 Recall）的代價相對較小，用戶只是多看幾封廣告，可以接受。
詐欺交易偵測系統，Precision 和 Recall 哪個更重要？為什麼？
詐欺要盡量找出來，是 Recall？但誤判會讓正常客戶很生氣……
兩個都很重要，需要根據業務決定 tradeoff。通常優先 Recall（找出詐欺），因為漏掉一筆詐欺交易的損失可能很大。但 Precision 也不能太低，否則大量正常交易被凍結，客戶抱怨激增。實務上通常設定 Recall 底線（如不低於 90%），再盡量提升 Precision。
F1 Score 是什麼？什麼時候用？
既然 Precision 和 Recall 都重要，直接取平均不就好了？
F1 Score 是 Precision 和 Recall 的調和平均值，公式是 2×P×R/(P+R)。調和平均的特性是：如果 P 和 R 差距很大，F1 比算術平均更低，強調兩者都要達到一定水準。適合使用時機：無法明確說哪個更重要、或者想用一個數字描述模型整體在不平衡資料上的表現。
為什麼在類別不平衡的資料上，準確率（Accuracy）是不可信的指標？
準確率最直觀，為什麼不能用？
以癌症篩檢為例：1000 個人裡 10 個有癌。如果模型把所有人都預測為「沒癌」，準確率 = 990/1000 = 99%，看起來很好。但這個模型完全沒有找出任何患者，Recall = 0/10 = 0%。準確率在類別不平衡時，主要反映多數類別（沒癌）的預測，完全掩蓋了少數類別（有癌）的表現。
提高模型的 Recall，通常會付出什麼代價？
Recall 越高越好，不是應該盡量提高嗎？
提高 Recall 通常以降低判定門檻來實現，這會讓更多人被預測為陽性，其中包含更多假陽性（健康人被誤判），導致 Precision 下降。Precision 和 Recall 之間存在 tradeoff：把所有人都預測為有癌，Recall = 100%，但 Precision 極低，大量健康人被誤診。實際應用要根據業務場景決定可接受的 tradeoff 點。
想再往下看，這 5 個
- 召回率（Recall）真正陽性樣本中被模型找出的比例，衡量不放過任何患者的能力，是漏診代價高場景的首選指標
- 精確率（Precision）模型預測陽性中真正是陽性的比例，與 Recall 對立，提高 Recall 通常會降低 Precision
- F1 分數（F1 Score）Precision 與 Recall 的調和平均，在兩者需同時兼顧時使用，對不平衡資料比準確率更有意義
- ROC 曲線下面積（Area Under the ROC Curve）衡量模型在不同閾值下整體辨識能力的綜合指標，適合比較模型但不直接對應降低漏診的業務需求
- 準確率（Accuracy）整體預測正確的比例，在類別不均衡時（如癌症篩檢）可能誤導決策，不適合作為主要指標