评估一项新检测，好比拿它和“标准答案”对照；可如果标准答案也会错，普通ROC曲线就会被带偏。ROC曲线衡量检测在不同阈值下识别患者、避免误报的权衡。Yi Chang等人提出BC-DRM，专门处理参考标准——用来标记是否患病的基准——并不完美的情况。
方法把名义上的患病组和健康组视为两种真实人群的混合，再反推真正的生物标志物分布。它采用半参数模型：只规定两组分布之间的关系，不把分布形状完全写死。最值得注意的一步，是让Box–Cox变换的参数也由数据共同估计。此前若先挑一种数据变换，再假装它早已确定，论文模拟显示置信区间可能覆盖不足，也就是看起来比实际更有把握。
作者还给出ROC、AUC和最佳截点等指标的推断方法，并用EM算法处理看不见的真实患病状态。不过，模型要求两组标签的真实构成比例已由外部验证研究给出，并假设在真实患病状态确定后，生物标志物与参考标准相互独立；结论能否成立，取决于这些前提。