検査結果を受け取った当事者にとって最も知りたいのは、「陽性と出たけれど、本当に病気なのか？」という確率です。これを表す指標が「陽性的中率（PPV: Positive Predictive Value）」であり、陰性と出た場合に本当に健康である確率を「陰性的中率（NPV）」と呼びます。
特異度が高くても、母集団における有病率（病気を持っている人の割合）が極端に低い環境では、陽性的中率が大きく低下する「有病率の罠」が存在します。1万人に1人しかかからない疾患の場合、特異度99%の優れた検査であっても、陽性判定者の大半が偽陽性になるという現象が起こり得ます。
こうした検査の全体的な識別能力を可視化するツールが「ROC曲線（受信者動作特性曲線）」です。縦軸に「感度」、横軸に「1－特異度（偽陽性率）」を取り、判定基準（カットオフ値）を変化させたときの軌跡をプロットします。曲線が左上の隅に近づくほど、感度と特異度をハイレベルで両立した理想的な検査・AIモデルであることを示します。
