如何用AUC值评价logistics模型和ANN模型？

应用患者的肿瘤标志物和B超数据收集的资料，用python语言建立了光使用肿瘤标志物和肿瘤标志物联合B超诊断卵巢包块良性、交界性、恶性的logistics回归模型和ANN模型，现在得出了logistics1（光用肿瘤标志物的logistics回归分类模型）、logistics2（肿瘤标志联合B超的logistics回归分类模型）、BP-ANN1光用肿瘤标志的BP-ANN模型）和BP-ANN2（肿瘤标志联合B超的BP-ANN模型)这4种模型针对卵巢良性、交界性、恶性的诊断ROC曲线和曲线下面积，用于建立这4种模型的样本资料都是一样的，想问下现在是直接对比AUC值得大小就可以评价他们诊断效能的高低吗？还是需要像网上一些算SE、Z值、P值才能评价这些模型间的好坏？比如我给出的图是做出来的四个模型对诊断卵巢良性疾病的ROC曲线，是不是能直接得出bp-ANN2优于logistics2优于bpANN1优于logistics1模型的结论？