CN102033122B - 血球计数装置、诊断支援方法以及控制系统 - Google Patents
血球计数装置、诊断支援方法以及控制系统 Download PDFInfo
- Publication number
- CN102033122B CN102033122B CN201010288013.5A CN201010288013A CN102033122B CN 102033122 B CN102033122 B CN 102033122B CN 201010288013 A CN201010288013 A CN 201010288013A CN 102033122 B CN102033122 B CN 102033122B
- Authority
- CN
- China
- Prior art keywords
- blood
- analytical information
- index
- information
- nrbc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004820 blood count Methods 0.000 title claims abstract description 90
- 238000003745 diagnosis Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title abstract description 45
- 210000001772 blood platelet Anatomy 0.000 claims abstract description 125
- 210000004369 blood Anatomy 0.000 claims abstract description 86
- 239000008280 blood Substances 0.000 claims abstract description 86
- 238000004393 prognosis Methods 0.000 claims abstract description 51
- 210000003714 granulocyte Anatomy 0.000 claims abstract description 41
- 210000000601 blood cell Anatomy 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims description 53
- 210000003924 normoblast Anatomy 0.000 claims description 45
- 230000007935 neutral effect Effects 0.000 claims description 43
- 206010036590 Premature baby Diseases 0.000 claims description 25
- 238000011282 treatment Methods 0.000 claims description 9
- 206010061218 Inflammation Diseases 0.000 claims description 5
- 230000004054 inflammatory process Effects 0.000 claims description 5
- 238000004043 dyeing Methods 0.000 claims description 2
- 208000011580 syndromic disease Diseases 0.000 claims 1
- 230000009885 systemic effect Effects 0.000 claims 1
- 210000003743 erythrocyte Anatomy 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract 6
- 238000001514 detection method Methods 0.000 abstract 3
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 description 124
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 67
- 238000010586 diagram Methods 0.000 description 45
- 238000012545 processing Methods 0.000 description 37
- 230000004069 differentiation Effects 0.000 description 31
- 210000000265 leukocyte Anatomy 0.000 description 27
- 230000008859 change Effects 0.000 description 21
- 239000000654 additive Substances 0.000 description 16
- 230000000996 additive effect Effects 0.000 description 16
- 238000007689 inspection Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 210000004027 cell Anatomy 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 230000002969 morbid Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 239000004065 semiconductor Substances 0.000 description 9
- HTTJABKRGRZYRN-UHFFFAOYSA-N Heparin Chemical compound OC1C(NC(=O)C)C(O)OC(COS(O)(=O)=O)C1OC1C(OS(O)(=O)=O)C(O)C(OC2C(C(OS(O)(=O)=O)C(OC3C(C(O)C(O)C(O3)C(O)=O)OS(O)(=O)=O)C(CO)O2)NS(O)(=O)=O)C(C(O)=O)O1 HTTJABKRGRZYRN-UHFFFAOYSA-N 0.000 description 8
- 229960002897 heparin Drugs 0.000 description 8
- 229920000669 heparin Polymers 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- KPHWPUGNDIVLNH-UHFFFAOYSA-M diclofenac sodium Chemical compound [Na+].[O-]C(=O)CC1=CC=CC=C1NC1=C(Cl)C=CC=C1Cl KPHWPUGNDIVLNH-UHFFFAOYSA-M 0.000 description 7
- 239000003795 chemical substances by application Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000035800 maturation Effects 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000004087 circulation Effects 0.000 description 4
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 4
- 238000003113 dilution method Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 2
- 206010018910 Haemolysis Diseases 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008588 hemolysis Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 210000002751 lymph Anatomy 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000008383 multiple organ dysfunction Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 206010053159 Organ failure Diseases 0.000 description 1
- 206010040047 Sepsis Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 229940109239 creatinine Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011866 long-term treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 230000004768 organ dysfunction Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000001995 reticulocyte Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
- G01N15/147—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle the analysis being performed on a sample stream
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
- G01N2015/016—White blood cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
- G01N2015/018—Platelets
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1024—Counting particles by non-optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects
- G01N15/12—Investigating individual particles by measuring electrical or magnetic effects by observing changes in resistance or impedance across apertures when traversed by individual particles, e.g. by using the Coulter principle
- G01N2015/137—Cleaning
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种血球计数装置，具备：对被检验人员的血液中的血球进行检测的检测部；以及根据所述检测部的检测结果，取得与所述血液中的有核红细胞相关的第1分析信息、和与所述血液中的粒细胞相关的第2分析信息或者与所述血液中的血小板相关的第3分析信息，根据所述取得的第1分析信息、和第2分析信息或者第3分析信息，输出支援被检验人员的预后预测的诊断支援信息的控制部，从而可以减轻检查中所需的工作和费用，并且支援被检验人员的预后预测。另外，还提供诊断支援方法以及控制系统。
Description
技术领域
本发明涉及血球计数装置、诊断支援方法以及控制系统。
背景技术
在规定的疾病状态的患者中，特别针对成为临床上重症的疾病状态的患者，在医院内的集中治疗室(ICU)等设施中按照24小时体制来进行管理，而接受集中性的治疗。如果可以针对这样的重症的患者早期地进行预后预测，则可以适当地决定之后的治疗方针、施药的计划。此处，在临床上重症的患者中，包括被诊断成SystemicInflammatory Response Syndrome(SIRS)的患者、和在呼吸、循环、代谢等中陷入重症的功能不全的患者等。另外，预后预测是指，患者是否为高概率地导致死亡的程度的重症的预测、患者是否为需要长期治疗的程度的重症的预测等。例如，如果可以针对被诊断为SIRS的患者，早期地进行预后预测，则可以早期地开始适当的治疗、施药，进而可以未然地避免发展到重症的疾病(例如，多器官功能障碍(MOD))。
以往，作为进行ICU患者的预后预测的方法，采用了APACHE-II(Acute Physiology and Chronic Health Evaluation)、SOFA(Sepsis-related Organ Failure Assessment)进行的得分(score)方法。
此处，在APACHE-II中，基于以作为体温、血压、PaO2、血清肌酸酐等器官功能的指标的12个测定值为基础的点数、根据年龄的点数、慢性疾病的点数来计算出得分值。然后，在APACHE-II中，根据所计算出的得分值对疾病的重症的程度进行层次化，进行与生存·死亡相关的预后预测。
另外，在SOFA中，计算出基于针对吸入氧气浓度的动脉血中的氧分压比(PaO2/FiO2)、血小板数、胆红素浓度、血压、意识障碍的评价尺度(Glasgow coma scale)、肌酸酐浓度或者尿量这6个项目的得分值。然后，在SOFA中，根据所计算出的得分值来推测疾病的重症程度。
另外，在Axcel Stachon.et al.，Critical Care，2007 11(3)：R62.以及B.Montag.et al.，Pabst Science Publishers，2003：69-73.中，公开了重症患者的血液中的有核红细胞(NRBC)与该患者的死亡率相关。另外，在B.Montag.et al.中，还公开了败血症患者的血液中的未成熟粒细胞(IG)与该患者的死亡率相关。
在APACHE-II、SOFA等得分方法中，由于需要多个检查项目的信息，所以存在需要繁杂的检查、费用增加这样的问题。
另一方面，在Axcel Stachon.et al.以及B.Montag.et al.中，公开了有核红细胞(NRBC)与患者的死亡率相关，但即使将有核红细胞(NRBC)用作单独的指标来进行预后预测，也难以从患者成为重症的疾病状态后早期地进行预后预测。另外，在B.Montag.et al.中，还公开了未成熟粒细胞(IG)与患者的死亡率相关，但即使将未成熟粒细胞(IG)用作单独的指标来进行预后预测，仍难以早期地进行预后预测。
因此，本发明提供
(1)一种血球计数装置，其特征在于包括：
检测部，对被检验人员的血液中的血球进行检测；以及
控制部，基于由所述检测部的检测结果，取得与所述血液中的有核红细胞相关的第1分析信息、和与所述血液中的粒细胞相关的第2分析信息或者与所述血液中的血小板相关的第3分析信息，基于所述取得的第1分析信息、和第2分析信息或者第3分析信息，输出支援被检验人员的预后预测的诊断支援信息。
(2)在所述(1)所述的血球计数装置中，其特征在于，
所述控制部基于所述检测部的检测结果，取得所述第1分析信息、所述第2分析信息、所述第3分析信息，基于所述第1分析信息至所述第3分析信息输出所述诊断支援信息。
(3)在所述(2)所述的血球计数装置中，其特征在于，
所述控制部基于所述检测部的检测结果，取得与所述血液中的未成熟网织红细胞相关的第4分析信息，根据所述第1分析信息至所述第4分析信息输出所述诊断支援信息。
(4)在所述(1)所述的血球计数装置中，其特征在于，
所述第2分析信息是与中性球或者未成熟粒细胞相关的信息。
(5)在所述(2)所述的血球计数装置中，其特征在于，
所述第3分析信息是与成熟血小板或者未成熟血小板相关的信息。
(6)在所述(3)所述的血球计数装置中，其特征在于，
所述检测部构成为对染色处理后的血液中的血球进行检测，
所述控制部取得与中性球的数量相关的信息以作为所述第2分析信息，取得与成熟血小板相关的信息以作为所述第3分析信息，基于所述检测部的检测结果，取得表示中性球的染色程度的第5分析信息、与未成熟粒细胞的数量相关的第6分析信息、以及与未成熟血小板相关的第7分析信息，基于所述第1分析信息至所述第7分析信息输出所述诊断支援信息。
(7)在所述(1)～(6)中的任意一项所述的血球计数装置中，其特征在于，
所述控制部使用规定的基准来计算出基于所述第1分析信息、和所述第2分析信息或者所述第3分析信息的指标，基于所述计算出的指标，输出所述诊断支援信息。
(8)在所述(7)所述的血球计数装置中，其特征在于，
将所述指标与规定的阈值进行比较，基于比较后的结果来输出所述诊断支援信息。
(9)在所述(1)～(6)中的任意一项所述的血球计数装置中，其特征在于，
所述控制部使用规定的基准来计算出基于所述第1分析信息、和所述第2分析信息或者所述第3分析信息的指标，将所述计算出的指标作为所述诊断支援信息而输出。
(10)在所述(1)～(6)中的任意一项所述的血球计数装置中，其特征在于，
所述第1分析信息是与有核红细胞的数量相关的信息，所述第2分析信息是与粒细胞的数量相关的信息，所述第3分析信息是与血小板的数量相关的信息。
(11)一种诊断支援方法，其特征在于，
受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、和第2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞相关，所述第2分析信息与所述血液中的粒细胞相关，所述第3分析信息所述血液中的血小板相关，
基于受理所述输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分析信息，输出支援被检验人员的预后预测的诊断支援信息。
(12)在所述(11)所述的诊断支援方法中，其特征在于，
使用规定的基准来计算出基于受理输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分析信息的指标，基于所述计算出的指标，来进行所述诊断支援信息的输出。
(13)在所述(12)所述的诊断支援方法中，其特征在于，
将所述指标与规定的阈值进行比较，基于比较后的结果，来进行所述诊断支援信息的输出。
(14)在所述(11)所述的诊断支援方法中，其特征在于，
所述诊断支援信息是基于受理输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分析信息的、使用规定的基准计算出的指标。
(15)在所述(11)所述的诊断支援方法中，其特征在于，
基于所述第1分析信息、所述第2分析信息、以及所述第3分析信息，进行所述诊断支援信息的输出。
(16)在所述(11)～(15)中的任意一项所述的诊断支援方法中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基于对呈现全身性的炎症反应的被检验人员的血液中的血球进行检测而得到的结果的信息。
(17)在所述(11)～(15)中的任意一项所述的诊断支援方法中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基于对诊断为全身炎症反应综合症的被检验人员的血液中的血球进行检测而得到的结果的信息。
(18)在所述(11)～(15)中的任意一项所述的诊断支援方法中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基于对集中治疗室的被检验人员的血液中的血球进行检测而得到的结果的信息。
(19)一种诊断支援方法，其特征在于，
受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、和第2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞相关，所述第2分析信息与所述血液中的成熟血小板相关，所述第3分析信息与所述血液中的未成熟血小板相关，
基于受理所述输入而得到的所述第1至第3分析信息，输出支援被检验人员的预后预测的诊断支援信息。
(20)一种控制系统，其特征在于，
受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、和第2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞相关，所述第2分析信息与所述血液中的粒细胞相关，所述第3分析信息与所述血液中的血小板相关，
基于受理输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分析信息，输出支援被检验人员的预后预测的诊断支援信息。
(21)在所述(20)所述的控制系统中，其特征在于，
使用规定的基准来计算出基于受理输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分析信息的指标，基于所述计算出的指标，进行所述诊断支援信息的输出。
(22)在所述(21)所述的控制系统中，其特征在于，
将所述指标与规定的阈值进行比较，基于比较后的结果，进行所述诊断支援信息的输出。
(23)在所述(20)所述的控制系统中，其特征在于，
所述诊断支援信息是基于受理输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分析信息的、使用规定的基准计算出的指标。
(24)在所述(20)所述的控制系统中，其特征在于，
基于所述第1分析信息、所述第2分析信息、以及所述第3分析信息，进行所述诊断支援信息的输出。
(25)在所述(20)～(24)中的任意一项所述的控制系统中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基于对呈现全身性的炎症反应的被检验人员的血液中的血球进行检测而得到的结果的信息。
(26)在所述(20)～(24)中的任意一项所述的控制系统中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基于对诊断为全身炎症反应综合症的被检验人员的血液中的血球进行检测而得到的结果的信息。
(27)在所述(20)～(24)中的任意一项所述的控制系统中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基于对集中治疗室的被检验人员的血液中的血球进行检测而得到的结果的信息。
根据所述(1)的装置，无需用于得到多个检查项目的信息的作业，且也无需使用血球计数装置以外的装置来进行检查，所以可以减轻用于支援被检验人员的预后预测的检查中所需的工作和费用。另外，通过设为(3)或者(6)那样的结构，可以仅根据可以从血球计数装置取得的信息，从成为重症的疾病状态后早期地进行预后预测。进而，通过设为(7)、(8)、(9)、(10)那样的结构，无需进行复杂的处理，而可以支援预后预测，可以减轻费用。
根据所述(11)的方法，可以仅根据对被检验人员的血液中的血球进行检测而得到的结果，从成为重症的疾病状态后早期地支援预后预测，可以减轻用于支援预后预测的检查中所需的工作和费用。另外，根据(12)或者(14)的方法，无需进行复杂的处理，而可以支援预后预测，可以减轻费用。
根据所述(20)的系统，可以仅根据对被检验人员的血液中的血球进行检测而得到的结果，从成为重症的疾病状态后早期地支援预后预测，可以减轻用于支援预后预测的检查中所需的工作和费用。另外，根据(21)或者(23)的系统，无需进行复杂的处理，而可以支援预后预测，可以减轻费用。
附图说明
图1是示出本发明的实施方式的血球计数装置的概略结构的主视图。
图2是示出本发明的实施方式的血球计数装置的检测单元的结构的框图。
图3是示意性地示出本发明的实施方式的血球计数装置的检测部的结构的概略平面图。
图4是示出本发明的实施方式的血球计数装置的数据处理单元的结构的框图。
图5是示出本发明的实施方式的血球计数装置的数据处理单元的数据处理部的CPU的处理步骤的流程图。
图6是示出由本发明的实施方式的血球计数装置制作出的NRBC散布图的图。
图7是示出由本发明的实施方式的血球计数装置制作出的DIFF散布图的图。
图8是示出由本发明的实施方式的血球计数装置制作出的WBC/BASO散布图的图。
图9是示出由本发明的实施方式的血球计数装置制作出的RET散布图的图。
图10是示出将由本发明的实施方式的血球计数装置制作出的RET散布图的一部分放大的部分的图。
图11是示出ROC曲线的图。
图12是示出本发明的实施方式的血球计数装置的数据处理单元的数据处理部的CPU的计算指标(ICPS)的步骤的流程图。
图13是示出本发明的实施方式的血球计数装置的数据处理单元的数据处理部的CPU的计算指标(ICPS)的步骤的流程图。
图14是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图15是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的有核红细胞的数量(NRBC#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图16是将在图15中示出的图的纵轴变换成有核红细胞的数量(NRBC#)的得分值的图。
图17是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的未成熟粒细胞的数量(IG#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图18是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图19是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图20是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图21是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图22是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#+IG#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图23是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图24是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
具体实施方式
以下，根据附图，对本发明的实施方式中的血球计数装置、诊断支援装置、诊断支援方法以及计算机程序进行具体说明。
以下的实施方式不限定权利要求书记载的发明，在实施方式中说明的特征性的事项的所有组合当然不是解决手段的必须事项。
图1是示出本发明的实施方式的血球计数装置的概略结构的主视图。如图1所示，本发明的实施方式的血球计数装置1是对成为规定的疾病状态(例如，SIRS等重症的疾病状态)后的被检验人员(患者)的血液中的血球进行检测，来支援被检验人员的预后预测的装置，主要包括检测单元2以及数据处理单元3。检测单元2对被检验人员的血液中的血球进行检测。数据处理单元3接收包括由检测单元2检测出的结果的数据并进行分析处理。血球计数装置1例如设置在医院、病理检查设施等医疗机关的设施内。检测单元2与数据处理单元3通过传送电缆3a连接，以便可以相互进行数据通信。另外，不限于通过传送电缆3a直接连接检测单元2与数据处理单元3的结构。也可以经由例如使用了电话线路的专用线路、LAN、因特网等通信网络来连接检测单元2和数据处理单元3。
在检测单元2的正面的右下部分，设置有可以设置收容了被检验人员的血液的采血管的采血管设置部2a。通过操作人员按下设置在其附近的按钮开关2b而使采血管设置部2a推出到操作人员侧，而成为可以设置采血管的状态。在设置了采血管后，操作人员再次按下按钮开关2b，从而采血管设置部2a移动到检测单元2侧而被收纳。
图2是示出本发明的实施方式的血球计数装置1的检测单元2的结构的框图。如图2所示，检测单元2具备与以往的血球计数装置的主体部同样的结构，具备试样供给部4、检测部5、控制部8、通信部。试样供给部4是具备腔、多个电磁阀、隔膜泵等的流体单元，将设置在检测单元2中的被检验人员的血液和试剂混合后的检测试样供给到检测部5。控制部8对检测单元2的各种构成要素的动作进行控制。通信部9例如是RS-232C接口、USB接口、Ethernet(注册商标)接口，在与数据处理单元3之间进行数据的发送接收。
图3是示意地示出本发明的实施方式的血球计数装置1的检测部5的结构的概略平面图。如图3所示，检测部5是光学式的流式细胞仪，通过利用半导体激光器的流式细胞术法对血液中的有核红细胞(NRBC)、网织红细胞(RET)、成熟红细胞(RBC)、白血球(WBC)、血小板(PLT)等进行检测。另外，在本说明书中，将“红细胞”以包括“有核红细胞(NRBC)”、“网织红细胞(RET)”以及“成熟红细胞(RBC)”的全部的概念来使用。另外，将“血小板”用作包括“成熟血小板”以及“未成熟血小板”的概念来使用。检测部5具备形成检测试样的液流的流通池51。流通池51通过具有透光性的石英、玻璃、合成树脂等材料形成为管状，其内部成为检测试样以及稍液流通的流路。在检测部5中，以朝向流通池51射出激光的方式配置了半导体激光器光源52。在半导体激光器光源52与流通池51之间，配置了由多个透镜构成的照射透镜系统53。通过照射透镜系统53，从半导体激光器光源52射出的平行波束被聚光成光束点(beam spot)。另外，在从半导体激光器光源52直线地延伸的光轴上，以夹着流通池51并与照射透镜系统53对向的方式，设置了光电二极管54，以遮挡来自半导体激光器光源52的直接光方式，配置了波束阻挡器54a。
当对流通池51流通了检测试样，则通过激光而产生散射光以及荧光的光。通过光电二极管54对所产生的光中的激光的照射方向(前方)的光进行光电变换。沿着从半导体激光器光源52直线地延伸的光轴行进的光中的、来自半导体激光器光源52的直接光被波束阻挡器54a遮挡，向光电二极管54仅入射沿着大至光轴方向行进的散射光(以下，称为前方散射光)。针对从流通池51中流通的检测试样发出的前方散射光，通过光电二极管54进行光电变换，针对光电变换后的电信号(以下，称为前方散射光信号)，通过放大器54b进行放大后，输出到控制部8。前方散射光信号反映了血球的大小。
另外，在流通池51的侧方，且相对从半导体激光器光源52向光电二极管54直线地延伸的光轴交差的方向上，配置了侧方聚光透镜55，侧方聚光透镜55对在向流通池51中流通的检测试样照射了激光时产生的侧方光(向相对光轴交差的方向射出的光)进行聚光。在侧方聚光透镜55的下游侧，设置了分色镜56，针对由侧方聚光透镜55聚光的光，通过分色镜56分成散射光分量和荧光分量。在由分色镜56反射的光轴方向(在和连接侧方聚光透镜55与分色镜56的光轴方向交差的方向)上，配置了侧方散射光受光用的光电二极管57，在透射分色镜56的光轴方向上，配置了侧方荧光受光用的光学滤色片58a以及光电二极管58。
由分色镜56反射的光是侧方散射光，通过光电二极管57进行光电变换，把光电变换后的电信号(以下，称为侧方散射光信号)，通过放大器57a进行放大后，输入到控制部8。侧方散射光信号反映了血球的内部信息(核的大小等)。另外，透射了分色镜56的光是侧方荧光，在通过光学滤色片58a进行波长选择之后，通过光电二极管58进行光电变换，把光电变换后的电信号(以下，称为侧方荧光信号)，通过放大器58b进行放大后，输出到控制部8。侧方荧光信号反映了表示血球的染色程度的信息。
图4是示出本发明的实施方式的血球计数装置1的数据处理单元3的结构的框图。如图4所示，数据处理单元3至少包括由CPU(中央运算装置)等构成的数据处理部31、图像显示部32、输入部33。数据处理部31包括：CPU31a、存储器31b、硬盘31c、读出装置31d、输入输出接口31e、图像输出接口31f、通信接口31g、内部总线31h。在数据处理部31中，CPU31a经由内部总线31h分别与存储器31b、硬盘31c、读出装置31d、输入输出接口31e、图像输出接口31f、通信接口31g连接。
CPU31a对所述硬件各部的动作进行控制，按照存储在硬盘31c中的计算机程序34，对从检测单元2接收到的数据进行处理。
存储器31b由SRAM、闪存存储器等易失性存储器构成，在执行计算机程序34时展开装载模块，存储在执行计算机程序34时产生的临时的数据等。
硬盘31c由内置的固定型存储装置等构成。从记录了程序以及数据等信息的DVD、CD-ROM等可移动记录媒体35，通过可移动盘驱动器即读出装置31d下载存储到硬盘31c中的计算机程序34，在执行时从硬盘31c向存储器31b展开而执行。当然，也可以是经由通信接口31g而从外部的计算机下载的计算机程序。在硬盘31c中，作为支援被检验人员的预后预测的诊断支援信息，例如存储有：表示重症度极高且导致死亡的概率较高的消息；以及表示重症度是中等程度，且导致死亡的概率较低的消息。另外，还存储有：在对分析信息进行得分化时使用的每个分析信息的得分用阈值(在后面说明)；以及用于进行被检验人员的预后预测的判别用阈值(在后面说明)。
输入输出接口31e与由键盘、输入板等构成的输入部33连接。图像输出接口31f与CRT监视器、LCD等图像显示部32连接。
通信接口31g与内部总线31h连接，通过连接到因特网、LAN、WAN等外部的网络网，可以与外部的计算机、检测单元2等进行数据发送接收。例如所述硬盘31c不限于内置于数据处理单元3的结构，而也可以是经由通信接口31g连接的外部的存储设备等外部记录媒体。
以下，对本发明的实施方式的血球计数装置1的动作进行说明。首先，血球计数装置1的试样供给部4从设置在采血管设置部2a内的采血管中吸引血液，将所吸引出的血液分割成4个等分试样，并添加规定的专用试剂，从而调制NRBC检测试样、RET检测试样、DIFF检测试样、以及WBC/BASO检测试样。另外，通过对血液进行稀释处理，进而使用有核红细胞检测用的专用试剂来进行染色处理，从而调制NRBC检测试样。通过对血液进行稀释处理，进而使用网状红细胞检测用的专用试剂来进行染色处理，从而调制RET检测试样。通过对血液进行稀释处理，使用白血球分类用的专用试剂来进行溶血处理，进而使用DIFF检测用的专用试剂来进行染色处理，从而调制DIFF检测试样。通过对血液进行稀释处理，进而使用白血球检测用的专用试剂来进行溶血处理，从而调制WBC/BASO检测试样。试样供给部4将所调制出的检测试样供给到检测部5的流通池51。
图5是示出本发明的实施方式的血球计数装置1的数据处理单元3的数据处理部31的CPU31a的处理步骤的流程图。首先，当对流通池51供给了检测试样后，CPU31a经由通信接口31g，分别接收从检测单元2的检测部5输出的前方散射光信号、侧方散射光信号、侧方荧光信号的数据，并存储在存储器31b中(步骤S51)。CPU31a根据存储在存储器31b中的由检测部5检测出的前方散射光信号、侧方散射光信号、侧方荧光信号的数据来制作多个散布图(步骤S52)。具体而言，CPU31a在步骤S52中，针对NRBC检测试样，制作出以前方散射光信号为Y轴方向、以侧方荧光信号为X轴方向的NRBC散布图，针对RET检测试样，制作出以前方散射光信号为Y轴方向、以侧方荧光信号为X轴方向的RET散布图，针对DIFF检测试样，制作出以侧方荧光信号为Y轴方向、以侧方散射光信号为X轴方向的DIFF散布图，针对WBC/BASO检测试样，制作出以前方散射光信号为Y轴方向、以侧方散射光信号为X轴方向的WBC/BASO散布图。
接下来，CPU31a使用NRBC散布图，计算出有核红细胞的数量(NRBC#)(步骤S53)，取得为与血液中的有核红细胞(NRBC)相关的分析信息。图6是示出由本发明的实施方式的血球计数装置1制作出的NRBC散布图的图。如图6所示，在NRBC散布图中，将血球分类成有核红细胞(NRBC)区域60、白血球(WBC)区域61、红细胞影(ghost)区域62这三个区域。通过数出包含在有核红细胞(NRBC)区域60中的红细胞的个数，可以计算出有核红细胞的数量(NRBC#)。
接下来，CPU31a使用DIFF散布图以及WBC/BASO散布图，计算出中性球的数量(Neut#)(步骤S54)，取得为与粒细胞相关的分析信息。另外，在本说明书中，将“粒细胞”用作包括“成熟粒细胞”以及“未成熟粒细胞”这两方的概念。在“成熟粒细胞”中，包括中性球(Neut)、嗜酸球(EO)、嗜碱球(BASO)。图7是示出由本发明的实施方式的血球计数装置1制作出的DIFF散布图的图。图8是示出由本发明的实施方式的血球计数装置1制作出的WBC/BASO散布图的图。如图7所示，在DIFF散布图中，将白血球(WBC)分类成单球(MONO)区域71、淋巴球(LYMPH)区域72、中性球(Neut)+嗜碱球(BASO)区域73、嗜酸球(EO)区域74、以及未成熟粒细胞(IG)区域75这五个区域。因此，通过从DIFF散布图中，数出中性球(Neut)+嗜碱球(BASO)区域73的白血球(WBC)的个数，可以计算出中性球(Neut)的数量与嗜碱球(BASO)的数量之和。
为了根据中性球(Neut)的数量与嗜碱球(BASO)的数量之和来计算出中性球的数量(Neut#)，使用WBC/BASO散布图来求出嗜碱球(BASO)的数量。如图8所示，在WBC/BASO散布图中，将白血球(WBC)分类成单球(MONO)+淋巴球(LYMPH)+中性球(Neut)+嗜酸球(EO)区域81、和嗜碱球(BASO)区域82这二个区域。因此，通过从WBC/BASO散布图中，数出嗜碱球(BASO)区域82的白血球(WBC)的个数，可以计算出嗜碱球(BASO)的数量。通过从根据DIFF散布图计算出的中性球(Neut)的数量与嗜碱球(BASO)的数量之和中，减去根据WBC/BASO散布图计算出的嗜碱球(BASO)的数量，可以计算出中性球的数量(Neut#)。
接下来，CPU31a使用DIFF散布图，计算出表示中性球的染色程度的值(Neut-Y)(步骤S55)，取得作为与粒细胞相关的分析信息。具体而言，通过根据DIFF散布图，计算出中性球(Neut)+嗜碱球(BASO)区域73中包含的所有血球(即中性球(Neut)以及嗜碱球(BASO))的侧方荧光强度的平均值，可以计算出表示中性球的染色程度的值(Neut-Y)。另外，虽然在所计算出的表示中性球的染色程度的值(Neut-Y)中，包含嗜碱球(BASO)的侧方散射光强度的影响，但嗜碱球(BASO)的数量较少而影响较小。
接下来，CPU31a使用DIFF散布图，计算出未成熟粒细胞的数量(IG#)(步骤S56)，取得作为与粒细胞相关的分析信息。具体而言，通过从DIFF散布图，数出未成熟粒细胞(IG)区域75的白血球(WBC)的个数，可以计算出未成熟粒细胞的数量(IG#)。
接下来，CPU31a使用RET散布图，计算出成熟血小板的数量(PLT#)(步骤S57)，取得作为与血液中的血小板相关的分析信息。图9是示出由本发明的实施方式的血球计数装置1制作出的RET散布图的图。如图9所示，在RET散布图中，将血液分类成成熟红细胞(RBC)区域90、血小板(PLT)区域91、网织红细胞(RET)区域92这三个区域。然后，通过从RET散布图，数出血小板(PLT)区域91的血小板的个数，可以计算出成熟血小板的数量(PLT#)。
接下来，CPU31a使用RET散布图，计算出未成熟网织红细胞的数量(IRF#)(步骤S58)，取得为与血液中的未成熟网织红细胞相关的分析信息。具体而言，将网织红细胞(RET)区域92根据侧方荧光强度，分成低荧光强度区域LFR、中荧光强度区域MFR、高荧光强度区域HFR这三个区域，数出中荧光强度区域MFR中包含的网织红细胞的个数以及高荧光强度区域HFR中包含的网织红细胞的个数，并对它们进行加法运算，从而可以计算出未成熟网织红细胞的数量(IRF#)。
接下来，CPU31a使用RET散布图，在血小板(PLT)区域91中，计算出与核酸染色荧光色素良好地反应的大型且侧方荧光强度较高的区域(IPF分度区域)中出现的未成熟血小板的数量(IPF#)(步骤S59)，取得作为与血液中的未成熟血小板相关的分析信息。图10是示出将由本发明的实施方式的血球计数装置1制作出的RET散布图的一部分放大的部分的图。如图10所示，血小板(PLT)区域91可以分成IPF分度区域91a和除此以外的区域。因此，通过从RET散布图数出IPF分度区域91a的血小板的个数，可以计算出未成熟血小板的数量(IPF#)。另外，在步骤S57中计算出的成熟血小板的数量(PLT#)中，还包括未成熟血小板的数量(IPF#)，但由于未成熟血小板的数量与成熟血小板的数量相比十分小，所以在本实施方式中，将血小板(PLT)区域91的血小板的数量作为成熟血小板的数量(PLT#)。当然，也可以将从血小板(PLT)区域91的血小板的数量中减去未成熟血小板的数量(IPF#)而得到的数值作为成熟血小板的数量(PLT#)。
接下来，CPU31a根据在步骤S53至步骤S59中计算而取得的多个分析信息(NRBC#、Neut#、Neut-Y、IG#、PLT#、IRF#、IPF#)，针对每个分析信息(Neut#、Neut-Y、IG#、NRBC#_IRF#、PLT#_IPF#)，按照规定的基准设定得分值，对所设定的得分值进行加法运算而计算出指标(步骤S60)。此处，分析信息(NRBC#_IRF#)是基于有核红细胞的数量(NRBC#)和未成熟网织红细胞的数量(IRF#)的分析信息，分析信息(PLT#_IPF#)是基于成熟血小板的数量(PLT#)和未成熟血小板的数量(IPF#)的分析信息。另外，将在步骤S60中计算的指标在以下称为指标(ICPS：Intensive CarePrognostic Score)。通过对在步骤S53至步骤S59中取得的分析信息、与在硬盘31c中预先针对每个分析信息存储的得分用阈值进行比较，来设定针对每个分析信息设定的得分值。
此处，对得分用阈值的决定方法进行说明。例如通过以下的方法，由血球计数装置1的开发人员等预先决定得分用阈值，并将其存储在硬盘31c中。在本发明的实施方式中，使用了ROC(Receiver OperatingCharacteristic，接受者操作特性)曲线的ROC分析。一般，将ROC分析用于筛选检查等的精度的评价、以往的检查与新的检查的比较中。在以纵轴为灵敏度(％)、以横轴为100-特异度(％)的平面图上示出ROC曲线。另外，灵敏度(％)是指，预测为重症度极其高且导致死亡的概率较高的被检验人员的数量相对由于规定的疾病而导致了死亡的被检验人员的数量的比例。特异度(％)是指，预测为重症度是中等程度且导致死亡的概率较低的被检验人员的数量相对由于规定的疾病没有导致死亡的被检验人员的数量的比例。
由血球计数装置1的开发人员等，如下所述生成ROC曲线。在例如将未成熟粒细胞的数量(IG#)用作分析信息的情况下，开发人员等设定某阈值，并根据该阈值和被检验人员的未成熟粒细胞的数量(IG#)，进行被检验人员的预后预测。针对多个被检验人员执行该预后预测。然后，开发人员等根据进行多个被检验人员的预后预测而得到的结果，计算出灵敏度(％)以及特异度(％)。进而，开发人员等在所述以纵轴为灵敏度(％)、以横轴为100-特异度(％)的平面图上，在与所计算出的灵敏度(％)以及特异度(％)对应的位置，附加标记(点)。即，该标记(点)对应于所设定的阈值下的灵敏度(％)以及特异度(％)。开发人员等一边使阈值依次变化，一边反复所述判别、计算、以及附加标记。然后，开发人员等描绘出对所述平面图上附加的多个标记(点)进行近似的曲线。该曲线便是ROC曲线。
图11是示出ROC曲线的图。在图11所示的平面图中，纵轴是灵敏度，横轴是100-特异度，曲线111是未成熟粒细胞的数量(IG#)的ROC曲线。在曲线111中，从坐标(0，100)到曲线111的距离l最短的点111a是灵敏度和特异度的平衡最佳的点。而且，在对点111a附加标记时设定的阈值是最佳截断值。另外，在由曲线111和轴包围的面积中，坐标(100，0)侧的面积是未成熟粒细胞的数量(IG#)的AUC(Area Under the Curve，曲线下面积)111b。
返回到得分用阈值的决定方法的说明。首先，开发人员等根据ROC曲线取得最佳截断值，将该最佳截断值决定为第1得分用阈值。接下来，开发人员等将根据ROC曲线针对特异度成为85％的点设定的阈值决定为第2得分用阈值。进而，开发人员等将根据ROC曲线针对特异度成为95％的点设定的阈值决定为第3得分用阈值。例如，未成熟粒细胞的数量(IG#)的第1至第3得分用阈值分别是150个/μl、500个/μl、1000个/μl。中性球的数量(Neut#)的第1至第3得分用阈值分别是11000个/μl、15000个/μl、22000个/μl。表示中性球的染色程度的值(Neut-Y)的第1至第3得分用阈值分别是480、500、550。血小板的数量(PLT#)的第1至第3得分用阈值分别是150×103个/μl、100×103个/μl、50×103个/μl。对于NRBC#_IRF#、PLT#_IPF#，也由血球计数装置1的开发人员等通过同样的方法来决定得分用阈值，并存储在硬盘31c中。
以下，说明如下处理：CPU31a使用预先存储在硬盘31c中的所述得分用阈值，针对每个分析信息设定得分值，对所设定的得分值进行加法运算而计算出指标(ICPS)。图12以及图13是示出通过本发明的实施方式的血球计数装置1的数据处理单元3的数据处理部31的CPU31a计算出指标(ICPS)的步骤的流程图。CPU31a从在图5的步骤S53至步骤S59中进行计算而取得的多个分析信息中选择依次进行得分化的分析信息(步骤S121)。CPU31a判断在步骤S121中选择出的分析信息是否为中性球的数量(Neut#)、表示中性球的染色程度的值(Neut-Y)、未成熟粒细胞的数量(IG#)中的某一个(步骤S122)。在CPU31a判断为在步骤S121中选择出的分析信息是中性球的数量(Neut#)、表示中性球的染色程度的值(Neut-Y)、未成熟粒细胞的数量(IG#)中的某一个的情况下(步骤S122：“YES”)，CPU31a使处理进入到图13的步骤S131。例如，对在步骤S121中选择出的分析信息是中性球的数量(Neut#)的情况进行说明。CPU31a判断在步骤S54中计算出的中性球的数量(Neut#)是否为第1得分用阈值以上(步骤S131)。在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)小于第1得分用阈值的情况下(步骤S131：“否”)，CPU31a对在步骤S54中计算出的中性球的数量(Neut#)将得分值设定为‘0(零)’(步骤S132)。
在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)是第1得分用阈值以上的情况下(步骤S131：“是”)，CPU31a判断在步骤S54中计算出的中性球的数量(Neut#)是否为第2得分用阈值以上(步骤S133)。在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)小于第2得分用阈值的情况下(步骤S133：“否”)，CPU31a对在步骤S54中计算出的中性球的数量(Neut#)将得分值设定为‘1’(步骤S134)。
在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)是第2得分用阈值以上的情况下(步骤S133：“是”)，CPU31a判断在步骤S54中计算出的中性球的数量(Neut#)是否为第3得分用阈值以上(步骤S135)。在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)小于第3得分用阈值的情况下(步骤S135：“否”)，CPU31a对在步骤S54中计算出的中性球的数量(Neut#)将得分值设定为‘2’(步骤S136)。在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)是第3得分用阈值以上的情况下(步骤S135：“是”)，CPU31a对在步骤S54中计算出的中性球的数量(Neut#)将得分值设定为‘4’(步骤S137)。然后，CPU31a使处理进入到图12的步骤S125。
在CPU31a判断为在步骤S121中选择出的分析信息不是中性球的数量(Neut#)、表示中性球的染色程度的值(Neut-Y)、未成熟粒细胞的数量(IG#)中的任意一个的情况下(步骤S122：“否”)，CPU31a判断在步骤S121中选择出的分析信息是否为NRBC#_IRF#(步骤S123)。在CPU31a判断为在步骤S121中选择出的分析信息是NRBC#_IRF#的情况下(步骤S123：“是”)，CPU31a使处理进入到步骤S127。
在步骤S127中，首先，对有核红细胞的数量(NRBC#)进行得分化。在硬盘31c中，存储有所述第1以及第2得分用阈值，进而，作为第3得分用阈值，存储有针对特异度成为90％的点设定的阈值，作为第4得分用阈值，存储有针对特异度成为95％的点设定的阈值。然后，CPU31a通过与所述步骤S131至S137同样的方法对有核红细胞的数量(NRBC#)进行得分化。此时，在有核红细胞的数量(NRBC#)是第3得分用阈值以上且小于第4得分用阈值的情况下，得分值被设定为‘3’，在是第4得分用阈值以上的情况下，得分值被设定为‘4’。在硬盘31c中，进而，作为与IRF#相关的得分用阈值，存储有15个/μl以及50个/μl这2个阈值。于是，在步骤S58中取得的IRF#的值小于15个/μl、或者是50个/μl以上的情况下，对针对有核红细胞的数量(NRBC#)设定的得分值被加上‘2’。将这样求出的得分值设定为NRBC#_IRF#的得分值。然后，CPU31a使处理进入到步骤S125。
在CPU31a判断为在步骤S121中选择出的分析信息并非NRBC#_IRF#的情况下(步骤S123：“否”)，CPU31a判断在步骤S121中选择出的分析信息是否为PLT#_IPF#(步骤S124)。在CPU31a判断为在步骤S121中选择出的分析信息并非PLT#_IPF#的情况下(步骤S124：“否”)，CPU31a使处理进入到步骤S125。在CPU31a判断为在步骤S121中选择出的分析信息是PLT#_IPF#的情况下(步骤S124：“是”)，CPU31a使处理进入到步骤S128。
在硬盘31c中，作为针对血小板的数量(PLT#)的得分用阈值，存储有50×103个/μl、100×103个/μl、150×103个/μl，作为针对未成熟血小板的数量(IPF#)的得分用阈值，存储有5000个/μl。根据过去的统计数据，设定这些得分用阈值。在步骤S128中，CPU31a根据这些得分用阈值来设定PLT#_IPF#的得分值。具体而言，在血小板的数量(PLT#)是150×103个/μl以上的情况下，得分值被设定为‘0’。在血小板的数量(PLT#)是100×103个/μl以上且小于150×103个/μl、并且未成熟血小板的数量(IPF#)小于5000个/μl的情况下，得分值被设定为‘1’。另外，在血小板的数量(PLT#)是50×103个/μl以上且小于100×103个/μl、并且未成熟血小板的数量(IPF#)是5000个/μl以上的情况下，得分值也被设定为‘1’。在血小板的数量(PLT#)小于50×103个/μl、并且未成熟血小板的数量(IPF#)是5000个/μl以上的情况下，得分值被设定为‘2’。在血小板的数量(PLT#)是50×103个/μl以上且小于100×103个/μl、并且未成熟血小板的数量(IPF#)小于5000个/μl的情况下，得分值被设定为‘3’。在血小板的数量(PLT#)小于50×103个/μl、并且未成熟血小板的数量(IPF#)小于5000个/μl的情况下，得分值被设定为‘4’。
CPU31a判断在分析信息中，是否有尚未得分化的分析信息(步骤S125)。在CPU31a判断为在分析信息中还有尚未得分化的分析信息的情况下(步骤S125：“是”)，CPU31a使处理返回到步骤S121。在CPU31a判断为对所有分析信息进行了得分化的情况下(步骤S125：“否”)。CPU31a对针对每个分析信息设定的得分值进行加法运算而计算出指标(ICPS)(步骤S126)。另外，对于为了计算指标(ICPS)而针对每个分析信息设定的得分值进行加法运算的方法，不限于对于针对每个分析信息设定的得分值单纯地进行加法运算的方法，也可以使用将针对每个分析信息设定的得分值应用到规定的指标(ICPS)计算式中的方法，例如，也可以是对针对每个分析信息设定的得分值适宜地进行加权而进行加法运算的方法。
回到图5，CPU31a根据在步骤S60中计算出的指标(ICPS)来进行被检验人员的预后预测(步骤S61)。作为基于指标(ICPS)的被检验人员的预后预测，CPU31a对指标(ICPS)与存储在硬盘31c中的判别用阈值进行比较，如果指标(ICPS)是判别用阈值以上，则判别为重症度极其高且导致死亡的概率较高，如果指标(ICPS)小于判别用阈值，则判断为重症度是中等程度且导致死亡的概率较低。
此处，作为基于在步骤S60中计算出的指标(ICPS)的被检验人员的预后预测，以下说明可以进行重症度极其高且导致死亡的概率较高、还是重症度是中等程度且导致死亡的概率较低的判别、以及与指标(ICPS)进行比较的判别用阈值的决定方法。另外，由血球计数装置1的开发人员等预先决定判别用阈值，并存储在硬盘31c中。另外，在以下说明的指标(ICPS)中，通过所述方法对指标(ICPS(＊＊＊+＊＊＊))的“＊＊＊”中记载的分析信息分别进行得分化，以作为对得分化的值进行加法运算而计算出的值。
图14是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图14中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#_IRF#、PLT#_IPF#、Neut#、Neut-Y、IG#分别进行得分化并相加而计算出的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))为纵轴。折线141表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的平均值，折线142表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的平均值。另外，折线141、142所示的误差棒表示各个指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的最高值和最低值。
在折线141中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))几乎不会大于‘5’，在折线142中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))几乎不会成为‘5’以下，所以可以将‘5’决定为SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。即，使用本发明的实施方式的血球计数装置1，计算出指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))，如果所计算出的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))是‘5’以上，则可以预测为重症度极其高且导致死亡的概率较高。相反，如果指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))小于‘5’，则可以预测为重症度是中等程度且导致死亡的概率较低。
回到通过CPU31a进行的诊断支援信息输出处理的说明(参照图5)。CPU31a根据步骤S61中的比较结果，从硬盘31c中读出诊断支援信息，经由图像输出接口31f输出到图像显示部32，经由通信接口31g输出到其他计算机、打印机等(步骤S62)。具体而言，在步骤S62中，如果在步骤S61中进行被检验人员的预后预测而得到的结果是重症度极其高且导致死亡的概率较高的判别(即，指标(ICPS)是判别用阈值以上)，则从硬盘31c中，读出表示重症度极其高且导致死亡的概率较高的消息，作为诊断支援信息而输出。另外，在步骤S62中，如果在步骤S61中进行被检验人员的预后预测而得到的结果为重症度是中等程度且导致死亡的概率较低的判别(即，指标(ICPS)小于判别用阈值)，则从硬盘31c中，读出表示重症度是中等程度且导致死亡的概率较低的消息，作为诊断支援信息而输出。
此处，作为比较例，对作为用于计算指标(ICPS)的分析信息，单独使用了有核红细胞的数量或者未成熟粒细胞的数量的情况下的预后预测的可否进行说明。
图15是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的有核红细胞的数量(NRBC#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图15中，以从诊断为是SIRS的日起的日数为横轴、以有核红细胞的数量(NRBC#)的计数值为纵轴。折线151表示没有导致死亡的SIRS患者群中的有核红细胞的数量(NRBC#)的平均值，折线152表示导致了死亡的SIRS患者群中的有核红细胞的数量(NRBC#)的平均值。另外，折线151、152所示的误差棒表示各个有核红细胞的数量(NRBC#)的计数值的最高值和最低值。
如图15所示，从诊断为是SIRS的日到第25日，无法通过某阈值来分开折线151和折线152，所以无法单独使用有核红细胞的数量(NRBC#)计数值来判别重症度极其高且导致死亡的概率较高、还是重症度是中等程度且导致死亡的概率较低。另一方面，如果对图14与图15进行比较，则在使用了本发明的实施方式的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的情况下，可以与单独使用了有核红细胞的数量(NRBC#)的情况相比更早期地支援预后预测。
图16是将图15中示出的图的纵轴变换为有核红细胞的数量(NRBC#)的得分值的图。在向得分值的变换中，使用了与步骤S127中的有核红细胞的数量(NRBC#)的得分化相同的方法。在图16中，以从诊断为是SIRS的日起的日数为横轴、以有核红细胞的数量(NRBC#)的得分值为纵轴。折线161表示没有导致死亡的SIRS患者群中的有核红细胞的数量(NRBC#)的得分值的平均值，折线162表示导致了死亡的SIRS患者群中的有核红细胞的数量(NRBC#)的得分值的平均值。另外，折线161、162所示的误差棒表示各个有核红细胞的数量(NRBC#)的得分值的最高值和最低值。
如图16所示，从诊断为是SIRS的日到第5日为止，折线161和折线162处于非常近的位置，而无法通过某阈值来分开，所以无法单独使用有核红细胞的数量(NRBC#)的得分值，来判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低。另一方面，如果对图14与图16进行比较，则在使用本发明的实施方式的指标(ICPS(NRBC#+Neut#))来判别重症度极其高且导致死亡的概率较高、还是重症度是中等程度且导致死亡的概率较低的情况下，可以与单独使用了有核红细胞的数量(NRBC#)的得分值的情况相比更早期地支援预后预测。
图17是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的未成熟粒细胞的数量(IG#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图17中，以从诊断为是SIRS的日起的日数为横轴、以未成熟粒细胞的数量(IG#)的得分值为纵轴。折线171表示没有导致死亡的SIRS患者群中的未成熟粒细胞的数量(IG#)的得分值的平均值，折线172表示导致了死亡的SIRS患者群中的未成熟粒细胞的数量(IG#)的得分值的平均值。另外，折线171、172所示的误差棒表示各个未成熟粒细胞的数量(IG#)的得分值的最高值和最低值。
如图17所示，折线171和折线172重叠，而无法单独使用未成熟粒细胞的数量(IG#)的得分值，来判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低。
另外，在所述实施方式中，在指标(ICPS)的计算中使用了所述所有分析信息(Neut#、Neut-Y、IG#、NRBC#_IRF#、PLT#_IPF#)，但无需使用它们的全部，而也可以从这些分析信息中选择规定的2个以上的分析信息，进行得分化，对所得到的多个得分值进行加法运算。另外，也可以不对NRBC#_IRF#进行得分化，而对有核红细胞的数量(NRBC#)进行得分化。在该情况下，也可以使用所述第1至第3得分用阈值，通过与步骤S131至S137同样的方法，对有核红细胞的数量(NRBC#)进行得分化。进而，也可以不对PLT#_IPF#进行得分化，而对血小板的数量(PLT#)进行得分化。在该情况下，也可以使用所述第1至第3得分用阈值，通过与步骤S131至S137同样的方法，对血小板的数量(PLT#)进行得分化。
以下，对指标(ICPS)的计算中所使用的分析信息的组合是可变更的情况进行说明。
图18是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图18中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、Neut#分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+Neut#))为纵轴。折线181表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+Neut#))的平均值，折线182表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+Neut#))的平均值。另外，折线181、182所示的误差棒表示各个指标(ICPS(NRBC#+Neut#))的最高值和最低值。
在折线181中，指标(ICPS(NRBC#+Neut#))几乎不大于‘2’，在折线182中，指标(ICPS(NRBC#+Neut#))几乎不成为‘2’以下，所以可以将‘2’决定为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。
图19是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图19中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、Neut-Y分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+Neut-Y))为纵轴。折线191表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+Neut-Y))的平均值，折线192表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+Neut-Y))的平均值。另外，折线191、192所示的误差棒表示各个指标(ICPS(NRBC#+Neut-Y))的最高值和最低值。
在折线191中，指标(ICPS(NRBC#+Neut-Y))几乎不会大于‘2’，在折线192中，指标(ICPS(NRBC#+Neut-Y))几乎不会成为‘2’以下，所以可以将‘2’决定为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。
另外，图20是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图20中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、PLT#_IPF#分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+PLT#_IPF#))为纵轴。折线201表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#_IPF#))的平均值，折线202表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#_IPF#))的平均值。另外，折线201、202所示的误差棒表示各个指标(ICPS(NRBC#+PLT#_IPF#))的最高值和最低值。
在折线201中，指标(ICPS(NRBC#+PLT#_IPF#))几乎不会大于‘2’，在折线202中，指标(ICPS(NRBC#+PLT#_IPF#))几乎不会成为‘2’以下，所以可以将‘2’决定为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。
另外，图21是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图21中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#_IRF#、PLT#_IPF#分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#_IRF#+PLT#_IPF#))为纵轴。折线211表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的平均值，折线212表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的平均值。另外，折线211、212所示的误差棒表示各个指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的最高值和最低值。
在折线211中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#))几乎不会大于‘3’，在折线212中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#))几乎不会成为‘3’以下，所以可以将‘3’决定为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。
另外，图22是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#+IG#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图22中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、PLT#、IG#分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+PLT#+IG#))为纵轴。折线221表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#+IG#))的平均值，折线222表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#+IG#))的平均值。另外，折线221、222所示的误差棒表示各个指标(ICPS(NRBC#+PLT#+IG#))的最高值和最低值。
在折线221中，指标(ICPS(NRBC#+PLT#+IG#))几乎不会大于‘3’，在折线222中，指标(ICPS(NRBC#+PLT#+IG#))几乎不会成为‘3’以下，所以可以将‘3’决定为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。
另外，图23是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图23中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、PLT#、Neut#分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+PLT#+Neut#))为纵轴。折线231表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#+Neut#))的平均值，折线232表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#+Neut#))的平均值。另外，折线231、232所示的误差棒表示各个指标(ICPS(NRBC#+PLT#+Neut#))的最高值和最低值。
在折线231中，指标(ICPS(NRBC#+PLT#+Neut#))几乎不会大于‘3’，在折线232中，指标(ICPS(NRBC#+PLT#+Neut#))几乎不会成为‘3’以下，所以可以将‘3’决定为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。
另外，图24是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图24中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、PLT#、Neut-Y分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+PLT#+Neut-Y))为纵轴。折线241表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#+Neut-Y))的平均值，折线242表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#+Neut-Y))的平均值。另外，折线241、242所示的误差棒表示各个指标(ICPS(NRBC#+PLT#+Neut-Y))的最高值和最低值。
在折线241中，指标(ICPS(NRBC#+PLT#+Neut-Y))几乎不会大于‘3’，在折线242中，指标(ICPS(NRBC#+PLT#+Neut-Y))几乎不会成为‘3’以下，所以可以将‘3’决定为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。
如上所述，在本发明的实施方式的血球计数装置1中，数据处理单元3根据由检测单元2的检测部5对血球进行检测而得到的结果，根据与血液中的有核红细胞相关的第1分析信息(例如，NRBC#)、与血液中的粒细胞相关的第2分析信息(例如，Neut#、Neut-Y、IG#)或/和与血液中的血小板相关的第3分析信息(例如，PLT#、IPF#)来计算出指标(ICPS)，根据所计算出的指标(ICPS)，输出支援被检验人员的预后预测的诊断支援信息，所以可以仅根据可以从血球计数装置1取得的分析信息，从成为重症的疾病状态后早期地支援预后预测，不需要用于得到多个检查项目的信息的作业，也无需使用血球计数装置以外的装置来进行检测，所以可以减轻用于支援预后预测的检查中所需的工作和费用。
另外，本发明的实施方式的血球计数装置1可以根据对呈现全身性的炎症反应的被检验人员的血液中的血球进行检测而得到的结果来计算出指标(ICPS)，根据所计算出的指标(ICPS)来支援被检验人员的预后预测，且可以针对这样的被检验人员，减轻检查中所需的工作和费用，并且根据由血球计数装置1取得的分析信息，从呈现全身性的炎症反应后早期地支援预后预测。
进而，本发明的实施方式的血球计数装置1可以根据对诊断为全身炎症反应综合症(SIRS)的被检验人员的血液中的血球进行检测而得到的结果来计算出指标(ICPS)，根据所计算出的指标(ICPS)来支援被检验人员的预后预测，且针对这样的被检验人员，也可以减轻检查中所需的工作和费用，并且根据由血球计数装置1取得的分析信息，从诊断为是SIRS后早期地支援预后预测。
另外，本发明的实施方式的血球计数装置1可以根据对集中治疗室的被检验人员的血液中的血球进行检测而得到的结果来计算出指标(ICPS)，根据所计算出的指标(ICPS)来支援被检验人员的预后预测，且针对这样的被检验人员，也可以减轻检查中所需的工作和费用，并且根据由血球计数装置1取得的分析信息，从集中治疗室中的治疗开始后早期地支援预后预测。
另外，所述实施方式的血球计数装置1输出表示重症度极其高且导致死亡的概率较高的消息或者表示重症度是中等程度且导致死亡的概率较低的消息，但本发明不限于此，也可以输出在图5的步骤S60中计算出的指标(ICPS)，来作为诊断支援信息。
另外，所述实施方式的血球计数装置1计算出指标(ICPS)，根据所计算出的指标(ICPS)来进行预后预测，但本发明不限于此，也可以使用其他判别式来进行预后预测。也可以通过针对例如导致了死亡的患者以及没有导致死亡的患者分别取得分析信息，并对所取得的分析信息进行多变量解析，来制作判别式。
另外，所述实施方式的血球计数装置1的检测部5具备单一的流式细胞仪，但也可以具备多个流式细胞仪，也可以除了流式细胞仪以外还具备电气电阻方式的检测器。在该情况下，也可以设为根据来自电气电阻方式的检测器的输出，取得血小板分析信息(PLT#)，对于其他项目，如上所述根据来自流式细胞仪的输出，取得分析信息。
另外，还可以构成为如下诊断支援装置：从本发明的实施方式的血球计数装置1中取出数据处理单元3，受理基于对被检验人员的血液中的血球进行检测而得到的结果的、与血液中的有核红细胞相关的第1分析信息(例如，NRBC#)、与血液中的粒细胞相关的第2分析信息(例如，Neut#、Neut-Y、IG#)、与血液中的血小板相关的第3分析信息(例如，PLT#、IPF#)，根据第1分析信息、第2分析信息或/和第3分析信息，输出支援被检验人员的预后预测的诊断支援信息。
即，诊断支援装置也可以构成为不具备检测单元2，而仅进行图5所示的步骤S60至步骤S62的处理的装置。因此，诊断支援装置如果可以受理第1分析信息、第2分析信息、第3分析信息等，则即使配置在远离检测单元2的场所，也可以支援被检验人员的预后预测。
Claims (7)
1.一种血球计数装置，其特征在于包括：
检测部，对被检验人员的血液中的血球进行检测；以及
控制部，基于所述检测部的检测结果，取得与所述血液中的有核红细胞相关的第1分析信息、和与所述血液中的粒细胞相关的第2分析信息或者与所述血液中的血小板相关的第3分析信息，计算基于取得的所述第1分析信息、和所述第2分析信息或者所述第3分析信息的指标，比较该指标和规定的阈值，基于所述比较的结果输出用于支援被检验人员的全身性炎症反应综合症的预后预测的诊断支援信息。
2.根据权利要求1所述的血球计数装置，其特征在于：
所述控制部基于所述检测部的检测结果，取得所述第1分析信息、所述第2分析信息、所述第3分析信息，计算基于所述第1分析信息至所述第3分析信息的指标，比较该指标和规定的阈值，基于所述比较的结果输出所述诊断支援信息。
3.根据权利要求2所述的血球计数装置，其特征在于：
所述控制部基于所述检测部的检测结果，取得与所述血液中的未成熟网织红细胞相关的第4分析信息，计算基于所述第1分析信息至所述第4分析信息的指标，比较该指标和规定的阈值，基于所述比较的结果输出所述诊断支援信息。
4.根据权利要求1所述的血球计数装置，其特征在于：
所述第2分析信息是与中性球或者未成熟粒细胞相关的信息。
5.根据权利要求2所述的血球计数装置，其特征在于：
所述第3分析信息是与成热血小板或者未成熟血小板相关的信息。
6.根据权利要求3所述的血球计数装置，其特征在于：
所述检测部构成为对染色处理后的血液中的血球进行检测，
所述控制部取得与中性球的数量相关的信息以作为所述第2分析信息，取得与成熟血小板相关的信息以作为所述第3分析信息，基于所述检测部的检测结果，取得表示中性球的染色程度的第5分析信息、与未成熟粒细胞的数量相关的第6分析信息、以及与未成熟血小板相关的第7分析信息，计算基于所述第1分析信息至所述第7分析信息的指标，比较该指标和规定的阈值，基于所述比较的结果输出所述诊断支援信息。
7.根据权利要求1～6中的任意一项所述的血球计数装置，其特征在于：
所述第1分析信息是与有核红细胞的数量相关的信息，所述第2分析信息是与粒细胞的数量相关的信息，所述第3分析信息是与血小板的数量相关的信息。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009-220647 | 2009-09-25 | ||
| JP2009220647A JP5530691B2 (ja) | 2009-09-25 | 2009-09-25 | 血球計数装置、診断支援装置、診断支援方法及びコンピュータプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102033122A CN102033122A (zh) | 2011-04-27 |
| CN102033122B true CN102033122B (zh) | 2014-04-23 |
Family
ID=43532554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010288013.5A Active CN102033122B (zh) | 2009-09-25 | 2010-09-16 | 血球计数装置、诊断支援方法以及控制系统 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20110077870A1 (zh) |
| EP (1) | EP2302377B1 (zh) |
| JP (1) | JP5530691B2 (zh) |
| CN (1) | CN102033122B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012151105A2 (en) | 2011-05-04 | 2012-11-08 | Abbott Laboratories | Basophil analysis system and method |
| ES2927316T3 (es) * | 2011-05-04 | 2022-11-04 | Abbott Lab | Sistema y método de análisis de glóbulos blancos |
| US9103759B2 (en) | 2011-05-04 | 2015-08-11 | Abbott Laboratories | Nucleated red blood cell analysis system and method |
| JP6112597B2 (ja) * | 2012-11-14 | 2017-04-12 | 国立大学法人高知大学 | Ｃｂｃスキャッタグラムを用いた診断支援装置 |
| JP6170865B2 (ja) * | 2014-03-31 | 2017-07-26 | シスメックス株式会社 | 血液分析装置 |
| WO2016106688A1 (zh) * | 2014-12-31 | 2016-07-07 | 深圳迈瑞生物医疗电子股份有限公司 | 一种有核红细胞报警方法、装置及流式细胞分析仪 |
| CN106413535B (zh) | 2015-01-05 | 2019-06-28 | 深圳迈瑞生物医疗电子股份有限公司 | 血压测量仪及其气路结构以及气路盒 |
| JP6858672B2 (ja) * | 2017-08-29 | 2021-04-14 | 富士フイルム株式会社 | 医療画像処理システム及び内視鏡システム |
| WO2019206311A1 (zh) * | 2018-04-28 | 2019-10-31 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析系统、血液分析仪、血液分析方法及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101046439A (zh) * | 2006-03-29 | 2007-10-03 | 希森美康株式会社 | 血样的测定方法及测定装置 |
| CN101358983A (zh) * | 2007-07-31 | 2009-02-04 | 希森美康株式会社 | 辅助诊断系统及辅助诊断信息提供装置 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5692220A (en) * | 1993-09-02 | 1997-11-25 | Coulter Corporation | Decision support system and method for diagnosis consultation in laboratory hematopathology |
| US5812419A (en) * | 1994-08-01 | 1998-09-22 | Abbott Laboratories | Fully automated analysis method with optical system for blood cell analyzer |
| US6784981B1 (en) * | 2000-06-02 | 2004-08-31 | Idexx Laboratories, Inc. | Flow cytometry-based hematology system |
| JP4551649B2 (ja) * | 2003-05-20 | 2010-09-29 | 昌子 野崎 | 血管透過性亢進抑制剤 |
| JP2005024472A (ja) * | 2003-07-04 | 2005-01-27 | Sysmex Corp | 幼若血小板測定装置 |
| US7674598B2 (en) * | 2004-05-21 | 2010-03-09 | Beckman Coulter, Inc. | Method for a fully automated monoclonal antibody-based extended differential |
| JP4679843B2 (ja) * | 2004-07-02 | 2011-05-11 | シスメックス株式会社 | 血液分析装置および分析プログラム |
| US7796797B2 (en) * | 2005-09-28 | 2010-09-14 | Sysmex Corporation | Apparatus for obtaining an image of a blood cell and method for obtaining an image of a blood cell |
| CN1945326A (zh) * | 2006-10-13 | 2007-04-11 | 江西特康科技有限公司 | 基于视觉形态的五分类全血细胞分析方法 |
| JP5010443B2 (ja) * | 2006-12-20 | 2012-08-29 | シスメックス株式会社 | 血球分析装置および血球分析方法 |
| EP4027130B1 (en) * | 2007-02-01 | 2022-11-02 | Sysmex Corporation | Sample analyzer |
| JP4949898B2 (ja) * | 2007-03-09 | 2012-06-13 | シスメックス株式会社 | 血球分析装置 |
| ES2560098T3 (es) * | 2008-03-21 | 2016-02-17 | Abbott Point Of Care, Inc. | Método y aparato para detectar y contar plaquetas individualmente y en agregados |
-
2009
- 2009-09-25 JP JP2009220647A patent/JP5530691B2/ja active Active
-
2010
- 2010-09-16 CN CN201010288013.5A patent/CN102033122B/zh active Active
- 2010-09-23 US US12/888,844 patent/US20110077870A1/en not_active Abandoned
- 2010-09-24 EP EP10179337.0A patent/EP2302377B1/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101046439A (zh) * | 2006-03-29 | 2007-10-03 | 希森美康株式会社 | 血样的测定方法及测定装置 |
| CN101358983A (zh) * | 2007-07-31 | 2009-02-04 | 希森美康株式会社 | 辅助诊断系统及辅助诊断信息提供装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2011069707A (ja) | 2011-04-07 |
| US20110077870A1 (en) | 2011-03-31 |
| JP5530691B2 (ja) | 2014-06-25 |
| EP2302377A2 (en) | 2011-03-30 |
| EP2302377B1 (en) | 2015-05-27 |
| CN102033122A (zh) | 2011-04-27 |
| EP2302377A3 (en) | 2011-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102033122B (zh) | 血球计数装置、诊断支援方法以及控制系统 | |
| CN102033035B (zh) | 血球计数装置、诊断支援装置以及控制系统 | |
| CN102933964B (zh) | 用于测定单个红血细胞的体积和血红蛋白含量的方法 | |
| JP5010443B2 (ja) | 血球分析装置および血球分析方法 | |
| JP4948230B2 (ja) | 試料分析装置および試料分析方法 | |
| Bain et al. | Basic haematological techniques | |
| JP5581283B2 (ja) | 検体分析装置 | |
| CN101358983B (zh) | 辅助诊断系统及辅助诊断信息提供装置 | |
| CN101097180B (zh) | 分析仪及分析方法 | |
| CN101846671B (zh) | 血液分析仪、血液分析方法及控制系统 | |
| CN105388100A (zh) | 血液分析装置及诊断辅助方法 | |
| CN107525758A (zh) | 控制血液分析仪测定血小板的方法 | |
| CN101995456A (zh) | 检测体分析装置以及控制系统 | |
| Longanbach et al. | Automated blood cell analysis | |
| CN104422645A (zh) | 样本分析方法及样本分析装置 | |
| CN104749108A (zh) | 血中丝虫幼虫的检测方法、血液分析装置和信息处理系统 | |
| JP2021173756A (ja) | 血液を検査するための方法、装置、システム、およびコンピュータプログラム製品 | |
| US20180321129A1 (en) | Method of detecting neutrophil extracellular traps | |
| CN114222907B (zh) | 检测和报道中性粒细胞亚群 | |
| JP6346332B2 (ja) | 検体検査システム、情報処理装置、情報処理方法、およびプログラム | |
| US20230129946A1 (en) | Smart material sample analysis | |
| Ma et al. | Hematology Analyzers and Reagents | |
| Molnar | Automated Blood Cell Analysis | |
| JP2023137000A (ja) | 検体分析装置、検体分析方法およびプログラム | |
| Longanbach et al. | Since the 1980s, automated blood cell analysis has virtu-ally replaced manual hemoglobin, hematocrit, and cell |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |