使用Python画出ROC曲线后，如何在ROC曲线代码中增加95%CI？

使用Python画出ROC曲线后，如何在ROC曲线代码中增加95%CI？
计算AUC之后，大部文献都会给出95%CI，如何在代码中增加这一功能呢？希望有大神给出代码！！！！
代码如下：
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.metrics import roc_curve, auc
import numpy as np
from sklearn import metrics
y = np.array([1,1,1,1,1,1, 2,2,2,2,2,2])
pred = np.array([0.1,0.2,0.2,0.3,0.4, 0.4, 0.3,0.5,0.4,0.3,0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=2)
metrics.auc(fpr, tpr)

plt.figure()
lw = 2
plt.figure(figsize=(10,10))
plt.plot(fpr, tpr, color=‘darkorange’,
lw=lw, label=‘ROC curve (area = %0.2f)’ % roc_auc) ###假正率为横坐标，真正率为纵坐标做曲线
plt.plot([0, 1], [0, 1], color=‘navy’, lw=lw, linestyle=’–’)
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel(‘False Positive Rate’)
plt.ylabel(‘True Positive Rate’)
plt.title(‘Receiver operating characteristic example’)
plt.legend(loc=“lower right”)
plt.show()