GABARITO: ALTERNATIVA C.

Estrategista,

Em termos didáticos, uma curva ROC é um dispositivo gráfico onde comparamos a relação entre a sensibilidade e a "produção" de falso-positivos de um teste. Sabemos que o problema de termos um teste muito sensível é que geralmente quanto maior for a sensibilidade, maior será a probabilidade de termos também um resultado falso-positivo.

O ideal é que tivéssemos um teste onde, ao subirmos a sensibilidade, não produzíssemos qualquer falso-positivo (imagem A) - ou seja, o teste "subiria" na vertical. Porém, esse teste não existe. Em contrapartida, não podemos ter também um teste que, conforme a sensibilidade aumenta, a produção de falso-positivos aumenta de forma proporcional, pois isso significaria um teste muito ruim, sem capacidade de discriminação entre saudáveis e doentes (imagem B). Portanto, já que não existe o teste ideal, o interessante é termos um teste que consiga "segurar" a produção de falso-positivos o máximo que ele puder. Por isso, quanto "mais vertical" o teste sobe, e mais se aproxima do canto superior esquerdo, melhor. É como se o teste apresentasse um efeito tampão: conforme aumentamos a sensibilidade, ele vai "segurando" o número de falso-positivos, como em um efeito tampão, e só "perde" esse tampão lá em cima... por isso, quanto mais ele sobe sem perder "logo" esse tamponamento, melhor (ver imagem C).

Agora vem o voo da coruja: A curva ROC é excelente para determinamos em qual ponto de corte teremos a melhor sensibilidade para o teste operar, justamente porque, ao observamos a curva, conseguiremos identificar qual é a sensibilidade máxima em que o teste chega sem ainda produzir tantos falso-positivos. Em outras palavras, o melhor ponto de corte a ser utilizado pelo teste será justamente aquele que antecede "a perda do tamponamento" de falso-positivos.

Por isso, vamos responder objetivamente a pergunta que o examinador fez: a importância da curva ROC em estudos diagnósticos é determinar o melhor ponto de corte do teste, que é aquele em que temos a sensibilidade máxima, mas ainda com baixo número de falso-positivos.