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？
答案 （B）
核心概念
召回率（Recall，又稱敏感度 Sensitivity）＝真正例 ÷（真正例＋假陰性），衡量的是「實際患病的人裡面，模型抓出了幾成」。漏診就是假陰性（實際有病卻被判為沒病），要降低漏診，就是要把假陰性壓低，也就是把召回率拉高。至於精準率（Precision）＝抓出來的人裡面有幾成是真的患者，關心的是誤判（假陽性）的比例——題目明講「即便增加一些誤判也可以接受」，等於直說了不以精準率為主要指標。
答題技巧
快速判斷技巧：把兩個指標各配一個場景記牢——怕漏掉（癌症篩檢、詐欺偵測、瑕疵檢出）看召回率；怕誤報（垃圾郵件過濾、精準行銷推播）看精確率。題目說「不要漏診」，直接選召回率。
易錯陷阱：(D) ROC-AUC 因為最「高級」而容易被選。但題目問的是「最能反映找出癌症患者的能力」，這是單一面向的明確需求，用專門對應的召回率即可；綜合指標反而模糊了焦點。