CN104407158B - 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质 - Google Patents

胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质 Download PDF

Info

Publication number
CN104407158B
CN104407158B CN201410746343.2A CN201410746343A CN104407158B CN 104407158 B CN104407158 B CN 104407158B CN 201410746343 A CN201410746343 A CN 201410746343A CN 104407158 B CN104407158 B CN 104407158B
Authority
CN
China
Prior art keywords
gastric cancer
mentioned
amino acid
discriminate
multivariable
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
Application number
CN201410746343.2A
Other languages
English (en)
Other versions
CN104407158A (zh
Inventor
今泉明
安东敏彥
木村毅
野口泰志
合地明
山本浩史
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Original Assignee
Ajinomoto Co Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ajinomoto Co Inc filed Critical Ajinomoto Co Inc
Publication of CN104407158A publication Critical patent/CN104407158A/zh
Application granted granted Critical
Publication of CN104407158B publication Critical patent/CN104407158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G01N33/57407—Specifically defined cancers
    • G01N33/57446—Specifically defined cancers of stomach or intestine
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Abstract

本发明的课题在于，提供可以利用血液中的氨基酸浓度中与胃癌的状态相关的氨基酸浓度来高精度地评价胃癌状态的胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质。本发明所述的胃癌的评价方法是针对从评价对象采集到的血液测定关于氨基酸浓度值的氨基酸浓度数据，根据测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，对于评价对象评价胃癌的状态。

Description

胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评 价系统、胃癌评价程序和记录介质
本申请是原案申请日为2009年1月30日、原案申请号为200980104993.4(国际申请号为PCT/JP2009/051548)、发明名称为“胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质”的专利申请的分案申请。
技术领域
本发明涉及利用血液(血浆)中的氨基酸浓度的胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质。
背景技术
在2003年，日本因胃癌而死亡的人数中，男性为32846人，女性为17711人，为全部因癌症死亡总人数的第2位，在男性中为因癌症死亡人数的第2位，在女性中为因癌症死亡人数的第1位。
在胃癌的治疗中，肿瘤局限于粘膜和粘膜下层时预后良好，早期(I-II期)胃癌的5年存活率为50％以上，特别是IA期胃癌(浸润程度为粘膜和粘膜下层，无淋巴结转移)的5年存活率约为90％。
但是，随着胃癌病期的进展，存活率降低，因此早期发现对于胃癌治愈来说至关重要。
这里，胃癌的诊断有：胃蛋白酶原检查、X射线检查、内窥镜检查、肿瘤标志物等。
但是，胃蛋白酶原检查、X射线检查、肿瘤标志物并不能进行确诊。例如胃蛋白酶原检查时，虽然侵袭性低，但关于灵敏度则是各有不同的报告，大约为40～85％，特异度为70～85％。但是，胃蛋白酶原检查的要精密检查率为20％，可以认为漏检多。另外，采用X射线检查(间接拍摄)时，关于灵敏度各有不同的报告，大约为70～80％，特异度为85～90％。但是可能有钡餐带来的副作用或暴露于放射线的可能性。关于肿瘤标志物，目前尚未存在对胃癌的存在诊断有效的肿瘤标志物。
而内窥镜检查可以确诊，但这是侵袭度高的检查，在筛查阶段进行内窥镜检查是不现实的。并且，在象内窥镜检查这样的侵袭诊断中，患者有伴随痛苦等的负担，也可能发生检查导致的出血等的风险。
因此，从对患者的身体的负担以及费用与效果的角度考虑，优选缩小筛选范围至胃癌发病可能性高的被验者，以这些人作为治疗的对象。具体来说，优选用侵袭少且灵敏度、特异度高的方法选择被验者，通过对选择的被验者实施胃内窥镜来缩小被验者范围，以确诊为胃癌的被验者作为治疗的对象。
已知血液中的氨基酸浓度根据癌症发病而变化。例如根据Cynober的报道(非专利文献1)，例如由于谷氨酰胺主要作为氧化能量源、精氨酸作为氮氧化物或多胺的前体，它们激活癌细胞甲硫氨酸摄入能力，甲硫氨酸在各癌细胞中的消耗量增加。根据Vissers等人(非专利文献2)或Kubota(非专利文献3)的报道，胃癌患者的血浆中氨基酸组成与健康人不同。
专利文献1或专利文献2公开了氨基酸浓度与生物状态(biological state)相关联的方法。
专利文献1：国际公开第2004/052191号小册子
专利文献2：国际公开第2006/098192号小册子
非专利文献1：Cynober,L.ed.,Metabolic and therapeutic aspects of aminoacids in clinical nutrition.2nd ed.,CRC Press.
非专利文献2：Vissers,Y.LJ.,等人.,Plasma arginine concentration arereduced in cancer patients:evidence for arginine deficiency？,The AmericanJournal ofClinical Nutrition,2005,81,1142-1146页.
非专利文献3：Kubota,A.,Meguid,M.M.,和Hitch,D.C.,Amino acid profilescorrelate diagnosticallywith organ site in three kinds ofmalignant tumors.,Cancer,1991,69,2343-2348页.
发明内容
发明所要解决的课题
但是，目前为止存在的问题是，以多种氨基酸为变数来诊断有否胃癌发病的技术的开发从时间和成本的角度考虑并未得到进行，未得到实际应用。另外存在的问题是，即使利用专利文献1或专利文献2中公开的指标式进行胃癌发病的有无的评价，也无法获得足够的精度。
本发明针对上述问题而设，其目的在于提供可利用血液中的氨基酸浓度中与胃癌的状态相关的氨基酸的浓度高精度地评价胃癌的状态的胃癌的评价方法，以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质。
解决课题的方法
本发明人等为解决上述课题进行了深入的研究，结果鉴定了对于胃癌和非胃癌的2组判别有用的氨基酸(具体来说，是在胃癌和非胃癌的2组间随着统计学上的显著性差异而变动的氨基酸)、或对于胃癌病期的判别有用的氨基酸(具体来说，是在胃癌的病期Ia、Ib、II、IIIa、IIIb、IV中随着统计学上的显著性差异而变动的氨基酸)、对于胃癌有否向其它器官转移的判别有用的氨基酸(具体来说，是在向其它器官有转移和无转移的2组间随着统计学上的显著性差异而变动的氨基酸)，同时进一步发现，包括已鉴定的氨基酸的浓度为变数的多变量判别式(指标式、相关式)与胃癌(具体来说是早期胃癌)的状态(具体来说是病态进展)具有显著相关，从而完成了本发明。
为了解决上述课题并达成目的，本发明所述的胃癌的评价方法的特征在于，该方法包括下述步骤：测定步骤，针对从评价对象采集到的血液测定关于氨基酸浓度值的氨基酸浓度数据；浓度值基准评价步骤，根据在上述测定步骤中测定的上述评价对象的上述氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的上述浓度值，对于上述评价对象评价其胃癌的状态。
本发明所述的胃癌的评价方法的特征还在于，在上述的胃癌的评价方法中，上述浓度值基准评价步骤进一步包括下述浓度值基准判别步骤：根据在上述测定步骤中测定的上述评价对象的上述氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的上述浓度值，对于上述评价对象，判别是上述胃癌还是非胃癌、判别上述胃癌的病期、或判别上述胃癌有否向其它器官转移。
本发明所述的胃癌的评价方法的特征还在于，在上述的胃癌的评价方法中，上述浓度值基准评价步骤进一步包括下述步骤：判别值计算步骤，根据在上述测定步骤中测定的上述评价对象的上述氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的上述浓度值以及以上述氨基酸的浓度为变数的预先设定的多变量判别式，计算该多变量判别式的值即判别值；判别值基准评价步骤，根据在上述判别值计算步骤中计算的上述判别值，对于上述评价对象评价上述胃癌的上述状态，上述多变量判别式含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数。
本发明所述的胃癌的评价方法的特征还在于，在上述的胃癌的评价方法中，上述判别值基准评价步骤进一步包括下述判别值基准判别步骤：根据在上述判别值计算步骤中计算的上述判别值，对于上述评价对象，判别是上述胃癌还是非胃癌、判别上述胃癌的病期、或判别上述胃癌有否向其它器官转移。
本发明所述的胃癌的评价方法的特征还在于，在上述的胃癌的评价方法中，上述多变量判别式以1个分数式或多个上述分数式之和表示，构成该判别式的上述分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数。
本发明所述的胃癌的评价方法的特征还在于，在上述的胃癌的评价方法中，在上述判别值基准判别步骤中判别是上述胃癌或上述非胃癌时，上述多变量判别式是数式1、数式2或数式3；在上述判别值基准判别步骤中判别上述胃癌的上述病期时，上述多变量判别式是数式4；在上述判别值基准判别步骤中判别上述胃癌有否向上述其它器官转移时，上述多变量判别式是数式5，
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
本发明所述的胃癌的评价方法的特征还在于，在上述的胃癌的评价方法中，上述多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析(Canonical Discriminant Analysis)制作的公式、由决策树制作的公式的任意一种。
本发明所述的胃癌的评价方法的特征还在于，在上述的胃癌的评价方法中，上述多变量判别式是以Orn、Gln、Trp、Cit为上述变数的上述逻辑回归式，或以Orn、Gln、Trp、Phe、Cit、Tyr为上述变数的上述线性判别式，或以Glu、Phe、His、Trp为上述变数的上述逻辑回归式，或以Glu、Pro、His、Trp为上述变数的上述线性判别式，或以Val、Ile、His、Trp为上述变数的上述逻辑回归式，或以Thr、Ile、His、Trp为上述变数的上述线性判别式。
本发明还涉及胃癌评价装置，本发明所述的胃癌评价装置为具备控制装置和存储装置且对于评价对象评价其胃癌的状态的胃癌评价装置，其特征在于，上述控制装置具备下述装置：判别值计算装置，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数、在上述存储装置中存储的多变量判别式以及预先取得的与上述氨基酸的浓度值相关的上述评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的上述浓度值，计算该多变量判别式的值即判别值；判别值基准评价装置，根据在上述判别值计算装置中计算的上述判别值，对于上述评价对象评价上述胃癌的上述状态。
本发明所述的胃癌评价装置的特征还在于，在上述的胃癌评价装置中，上述判别值基准评价装置进一步具备下述判别值基准判别装置：根据在上述判别值计算装置中计算的上述判别值，对于上述评价对象，判别是上述胃癌还是非胃癌、判别上述胃癌的病期、或判别上述胃癌有否向其它器官转移。
本发明所述的胃癌评价装置的特征还在于，在上述的胃癌评价装置中，上述多变量判别式以1个分数式或多个上述分数式之和表示，构成该判别式的上述分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数。
本发明所述的胃癌评价装置的特征还在于，在上述的胃癌评价装置中，在上述判别值基准判别装置中判别是上述胃癌或上述非胃癌时，上述多变量判别式是数式1、数式2或数式3；在上述判别值基准判别装置中判别上述胃癌的上述病期时，上述多变量判别式是数式4；在上述判别值基准判别步骤中判别上述胃癌有否向上述其它器官转移时，上述多变量判别式是数式5，
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
本发明所述的胃癌评价装置的特征还在于，在上述的胃癌评价装置中，上述多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式的任意一种。
本发明所述的胃癌评价装置的特征还在于，在上述的胃癌评价装置中，上述多变量判别式是以Orn、Gln、Trp、Cit为上述变数的上述逻辑回归式；或以Orn、Gln、Trp、Phe、Cit、Tyr为上述变数的上述线性判别式；或以Glu、Phe、His、Trp为上述变数的上述逻辑回归式；或以Glu、Pro、His、Trp为上述变数的上述线性判别式；或以Val、Ile、His、Trp为上述变数的上述逻辑回归式；或以Thr、Ile、His、Trp为上述变数的上述线性判别式。
本发明所述的胃癌评价装置的特征还在于，在上述的胃癌评价装置中，上述控制装置进一步具备下述多变量判别式制作装置：根据含有上述氨基酸浓度数据和与表示上述胃癌的上述状态的指标相关的胃癌状态指标数据、在上述存储装置中存储的胃癌状态信息，制作在上述存储装置中存储的上述多变量判别式，上述多变量判别式制作装置进一步具备下述装置：候选多变量判别式制作装置，根据规定的公式制作方法，由上述胃癌状态信息制作上述多变量判别式的候选即候选多变量判别式；候选多变量判别式验证装置，根据规定的验证方法，验证在上述候选多变量判别式制作装置中制作的上述候选多变量判别式；变数选择装置，根据规定的变数选择方法，从上述候选多变量判别式验证装置的验证结果中选择上述候选多变量判别式的变数，来选择在制作上述候选多变量判别式时使用的上述胃癌状态信息中所含的上述氨基酸浓度数据的组合，根据反复运行上述候选多变量判别式制作装置、上述候选多变量判别式验证装置以及上述变数选择装置而累积的上述验证结果，从多个上述候选多变量判别式中选出用作上述多变量判别式的上述候选多变量判别式，来制作上述多变量判别式。
本发明还涉及胃癌评价方法，本发明所述的胃癌评价方法是在具备控制装置和存储装置的信息处理装置中实行的对于评价对象评价其胃癌的状态的胃癌评价方法，其特征在于，在上述控制装置中实行以下步骤：判别值计算步骤，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数、在上述存储装置中存储的多变量判别式以及关于上述氨基酸的浓度值的预先取得的上述评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的上述浓度值，计算该多变量判别式的值即判别值；判别值基准评价步骤，根据在上述判别值计算步骤中计算的上述判别值，对于上述评价对象评价上述胃癌的上述状态。
本发明所述的胃癌评价方法的特征还在于，在上述的胃癌评价方法中，上述判别值基准评价步骤进一步包括下述判别值基准判别步骤：根据在上述判别值计算步骤中计算的上述判别值，对于上述评价对象，判别是上述胃癌还是非胃癌、判别上述胃癌的病期、或判别上述胃癌有否向其它器官转移。
本发明所述的胃癌评价方法的特征还在于，在上述的胃癌评价方法中，上述多变量判别式以1个分数式或多个上述分数式之和表示，构成该判别式的上述分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数。
本发明所述的胃癌评价方法的特征还在于，在上述的胃癌评价方法中，在上述判别值基准判别步骤中判别是上述胃癌或上述非胃癌时，上述多变量判别式是数式1、数式2或数式3；在上述判别值基准判别步骤中判别上述胃癌的上述病期时，上述多变量判别式是数式4；在上述判别值基准判别步骤中判别上述胃癌有否向上述其它器官转移时，上述多变量判别式是数式5，
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
本发明所述的胃癌评价方法的特征还在于，在上述的胃癌评价方法中，上述多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式的任意一种。
本发明所述的胃癌评价方法的特征还在于，在上述的胃癌评价方法中，上述多变量判别式是以Orn、Gln、Trp、Cit为上述变数的上述逻辑回归式；或以Orn、Gln、Trp、Phe、Cit、Tyr为上述变数的上述线性判别式；或以Glu、Phe、His、Trp为上述变数的上述逻辑回归式；或以Glu、Pro、His、Trp为上述变数的上述线性判别式；或以Val、Ile、His、Trp为上述变数的上述逻辑回归式；或以Thr、Ile、His、Trp为上述变数的上述线性判别式。
本发明所述的胃癌评价方法的特征还在于，在上述的胃癌评价方法中，在上述控制装置中进一步实行下述多变量判别式制作步骤：根据包含上述氨基酸浓度数据和与表示上述胃癌的上述状态的指标相关的胃癌状态指标数据、在上述存储装置中存储的胃癌状态信息，制作在上述存储装置中存储的上述多变量判别式，上述多变量判别式制作步骤进一步包括下述步骤：候选多变量判别式制作步骤，根据规定的公式制作方法，由上述胃癌状态信息制作上述多变量判别式的候选即候选多变量判别式；候选多变量判别式验证步骤，根据规定的验证方法，验证在上述候选多变量判别式制作步骤中制作的上述候选多变量判别式；变数选择步骤，根据规定的变数选择方法，从上述候选多变量判别式验证步骤的验证结果中选择上述候选多变量判别式的变数，来选择在制作上述候选多变量判别式时使用的上述胃癌状态信息中所含的上述氨基酸浓度数据的组合，根据反复运行上述候选多变量判别式制作步骤、上述候选多变量判别式验证步骤以及上述变数选择步骤而累积的上述验证结果，从多个上述候选多变量判别式中选出用作上述多变量判别式的上述候选多变量判别式，来制作上述多变量判别式。
本发明还涉及胃癌评价系统，本发明所述的胃癌评价系统是经由网络以可通信的方式将具备控制装置和存储装置且对于评价对象评价其胃癌的状态的胃癌评价装置，以及提供上述评价对象的关于氨基酸浓度值的氨基酸浓度数据的信息通信终端装置连接在一起而构成，上述信息通信终端装置具备下述装置：氨基酸浓度数据发送装置，将上述评价对象的上述氨基酸浓度数据发送至上述胃癌评价装置；评价结果接收装置，接收由上述胃癌评价装置发送的针对上述评价对象作出的与上述胃癌的上述状态相关的评价结果，上述胃癌评价装置的上述控制装置具备下述装置：氨基酸浓度数据接收装置，接收由上述信息通信终端装置发送的上述评价对象的上述氨基酸浓度数据；判别值计算装置，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数、在上述存储装置中存储的多变量判别式，以及在上述氨基酸的浓度数据接收装置中接收的上述评价对象的上述氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的上述浓度值，计算该多变量判别式的值即判别值；判别值基准评价装置，根据在上述判别值计算装置中计算的上述判别值，对于上述评价对象评价上述胃癌的上述状态；评价结果发送装置，将上述判别值基准评价装置中作出的对上述评价对象的上述评价结果发送至上述信息通信终端装置。
本发明所述的胃癌评价系统的特征还在于，在上述的胃癌评价系统中，上述判别值基准评价装置进一步具备下述判别值基准判别装置：根据在上述判别值计算装置中计算的上述判别值，对于上述评价对象，判别是上述胃癌还是非胃癌、判别上述胃癌的病期、或判别上述胃癌有否向其它器官转移。
本发明所述的胃癌评价系统的特征还在于，在上述的胃癌评价系统中，上述多变量判别式以1个分数式或多个上述分数式之和表示，构成该判别式的上述分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数。
本发明所述的胃癌评价系统的特征还在于，在上述的胃癌评价系统中，在上述判别值基准判别装置中判别是上述胃癌或上述非胃癌时，上述多变量判别式是数式1、数式2或数式3；在上述判别值基准判别装置中判别上述胃癌的上述病期时，上述多变量判别式是数式4；在上述判别值基准判别装置中判别上述胃癌有否向上述其它器官转移时，上述多变量判别式是数式5，
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
本发明所述的胃癌评价系统的特征还在于，在上述的胃癌评价系统中，上述多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式的任意一种。
本发明所述的胃癌评价系统的特征还在于，在上述的胃癌评价系统中，上述多变量判别式是以Orn、Gln、Trp、Cit为上述变数的上述逻辑回归式；或以Orn、Gln、Trp、Phe、Cit、Tyr为上述变数的上述线性判别式；或以Glu、Phe、His、Trp为上述变数的上述逻辑回归式；或以Glu、Pro、His、Trp为上述变数的上述线性判别式；或以Val、Ile、His、Trp为上述变数的上述逻辑回归式；或以Thr、Ile、His、Trp为上述变数的上述线性判别式。
本发明所述的胃癌评价系统的特征还在于，在上述的胃癌评价系统中，上述控制装置进一步具备下述多变量判别式制作装置：根据含有上述氨基酸浓度数据和与表示上述胃癌的上述状态的指标相关的胃癌状态指标数据、在上述存储装置中存储的胃癌状态信息，制作在上述存储装置中存储的上述多变量判别式，上述多变量判别式制作装置进一步具备下述装置：候选多变量判别式制作装置，根据规定的公式制作方法，由上述胃癌状态信息制作上述多变量判别式的候选即候选多变量判别式；候选多变量判别式验证装置，根据规定的验证方法，验证在上述候选多变量判别式制作装置中制作的上述候选多变量判别式；变数选择装置，根据规定的变数选择方法，从上述候选多变量判别式验证装置的验证结果中选择上述候选多变量判别式的变数，来选择在制作上述候选多变量判别式时使用的上述胃癌状态信息中所含的上述氨基酸浓度数据的组合，根据反复运行上述候选多变量判别式制作装置、上述候选多变量判别式验证装置以及上述变数选择装置而累积的上述验证结果，从多个上述候选多变量判别式中选出用作上述多变量判别式的上述候选多变量判别式，来制作上述多变量判别式。
本发明还涉及胃癌评价程序，本发明所述的胃癌评价程序其是在具备控制装置和存储装置的信息处理装置中实行的对于评价对象评价胃癌的状态的胃癌评价程序，其特征在于，在上述控制装置中实行下述步骤：判别值计算步骤，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数、在上述存储装置中存储的多变量判别式，以及关于上述氨基酸的浓度值的预先取得的上述评价对象的上述氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的上述浓度值，计算该多变量判别式的值即判别值；判别值基准评价步骤，根据在上述判别值计算步骤中计算的上述判别值，对于上述评价对象评价上述胃癌的上述状态。
本发明所述的胃癌评价程序的特征还在于，在上述的胃癌评价程序中，上述判别值基准评价步骤进一步具备下述判别值基准判别步骤：根据在上述判别值计算步骤中计算的上述判别值，对于上述评价对象，判别是上述胃癌还是非胃癌、判别上述胃癌的病期、或判别上述胃癌有否向其它器官转移。
本发明所述的胃癌评价程序的特征还在于，在上述的胃癌评价程序中，上述多变量判别式以1个分数式或多个上述分数式之和表示，构成该判别式的上述分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数。
本发明所述的胃癌评价程序的特征还在于，在上述的胃癌评价程序中，在上述判别值基准判别步骤中判别是上述胃癌或上述非胃癌时，上述多变量判别式是数式1、数式2或数式3；在上述判别值基准判别步骤中判别上述胃癌的上述病期时，上述多变量判别式是数式4；在上述判别值基准判别步骤中判别上述胃癌有否向上述其它器官转移时，上述多变量判别式是数式5，
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
本发明所述的胃癌评价程序的特征还在于，在上述的胃癌评价程序中，上述多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式的任意一种。
本发明所述的胃癌评价程序的特征还在于，在上述的胃癌评价程序中，上述多变量判别式是以Orn、Gln、Trp、Cit为上述变数的上述逻辑回归式；或以Orn、Gln、Trp、Phe、Cit、Tyr为上述变数的上述线性判别式；或以Glu、Phe、His、Trp为上述变数的上述逻辑回归式；或以Glu、Pro、His、Trp为上述变数的上述线性判别式；或以Val、Ile、His、Trp为上述变数的上述逻辑回归式；或以Thr、Ile、His、Trp为上述变数的上述线性判别式。
本发明所述的胃癌评价程序的特征还在于，在上述的胃癌评价程序中，上述控制装置进一步实行下述多变量判别式制作步骤：根据含有上述氨基酸浓度数据和与表示上述胃癌的上述状态的指标相关的胃癌状态指标数据、在上述存储装置中存储的胃癌状态信息，制作在上述存储装置中存储的上述多变量判别式，上述多变量判别式制作步骤进一步包括下述步骤：候选多变量判别式制作步骤，根据规定的公式制作方法，由上述胃癌状态信息制作上述多变量判别式的候选即候选多变量判别式；候选多变量判别式验证步骤，根据规定的验证方法，验证在上述候选多变量判别式制作步骤中制作的上述候选多变量判别式；变数选择步骤，根据规定的变数选择方法，从上述候选多变量判别式验证装置的验证结果中选择上述候选多变量判别式的变数，来选择在制作上述候选多变量判别式时使用的上述胃癌状态信息中所含的上述氨基酸浓度数据的组合，根据反复运行上述候选多变量判别式制作步骤、上述候选多变量判别式验证步骤以及上述变数选择步骤而累积的上述验证结果，从多个上述候选多变量判别式中选出用作上述多变量判别式的上述候选多变量判别式，来制作上述多变量判别式。
本发明还涉及记录介质，本发明所述的记录介质的特征在于，该记录介质记录有上述的胃癌评价程序。
发明效果
根据本发明所述的胃癌的评价方法，针对从评价对象采集到的血液测定关于氨基酸浓度值的氨基酸浓度数据，根据测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，对于评价对象评价其胃癌的状态，因此，利用血液中的氨基酸浓度中与胃癌的状态相关的氨基酸的浓度，发挥可高精度地评价胃癌的状态的效果。
根据本发明所述的胃癌的评价方法，根据所测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，因此，利用血液中的氨基酸浓度中对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别有用的氨基酸的浓度，发挥可高精度地进行这些判别的效果。
根据本发明所述的胃癌的评价方法，根据所测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值以及以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸为变数的预先设定的多变量判别式，计算该多变量判别式的值即判别值，根据计算的判别值，对于评价对象评价胃癌的状态，因此，利用由与胃癌的状态具有显著相关的多变量判别式得到的判别值，发挥可高精度地评价胃癌的状态的效果。
根据本发明所述的胃癌的评价方法，根据计算的判别值，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，因此，利用由多变量判别式得到的判别值，发挥可高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别有用。
根据本发明所述的胃癌的评价方法，多变量判别式以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为上述变数，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌的评价方法，在判别是胃癌或非胃癌时，多变量判别式是数式1、数式2或数式3；在判别胃癌的病期时，多变量判别式是数式4；在判别胃癌有否向其它器官转移时，多变量判别式是数式5，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
根据本发明所述的胃癌的评价方法，多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析(Canonical Discriminant Analysis)制作的公式、由决策树制作的公式的任意一种，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌的评价方法，多变量判别式是以Orn、Gln、Trp、Cit为变数的逻辑回归式，或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式，或以Glu、Phe、His、Trp为变数的逻辑回归式，或以Glu、Pro、His、Trp为变数的线性判别式，或以Val、Ile、His、Trp为变数的逻辑回归式，或以Thr、Ile、His、Trp为变数的线性判别式，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌评价装置、胃癌评价方法和胃癌评价程序，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数、在存储装置中存储的多变量判别式以及预先取得的与氨基酸的浓度值相关的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，计算该多变量判别式的值即判别值，根据计算的判别值，对于评价对象评价胃癌的状态，因此，利用由与胃癌的状态具有显著相关的多变量判别式得到的判别值，发挥可高精度地评价胃癌的状态的效果。
根据本发明所述的胃癌评价装置、胃癌评价方法和胃癌评价程序，根据计算的判别值，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，因此，利用由多变量判别式得到的判别值，发挥可高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别有用。
根据本发明所述的胃癌评价装置、胃癌评价方法和胃癌评价程序，多变量判别式以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌评价装置、胃癌评价方法和胃癌评价程序，在判别是胃癌或非胃癌时，多变量判别式是数式1、数式2或数式3；在判别胃癌的病期时，多变量判别式是数式4；在判别胃癌有否向其它器官转移时，多变量判别式是数式5，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
根据本发明所述的胃癌评价装置、胃癌评价方法和胃癌评价程序，多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式的任意一种，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌评价装置、胃癌评价方法和胃癌评价程序，多变量判别式是以Orn、Gln、Trp、Cit为变数的逻辑回归式；或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式；或以Glu、Phe、His、Trp为变数的逻辑回归式；或以Glu、Pro、His、Trp为变数的线性判别式；或以Val、Ile、His、Trp为变数的逻辑回归式；或以Thr、Ile、His、Trp为变数的线性判别式，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌评价装置、胃癌评价方法和胃癌评价程序，根据含有氨基酸浓度数据和与表示胃癌的状态的指标相关的胃癌状态指标数据、在存储装置中存储的胃癌状态信息，制作在存储装置中存储的多变量判别式。具体来说，(1)根据规定的公式制作方法，由胃癌状态信息制作候选多变量判别式；(2)根据规定的验证方法，验证制作的候选多变量判别式；(3)根据规定的变数选择方法，从该验证结果中选择候选多变量判别式的变数，来选择在制作候选多变量判别式时使用的胃癌状态信息中所含的上述氨基酸浓度数据的组合；(4)根据反复运行(1)、(2)和(3)而累积的验证结果，从多个候选多变量判别式中选出用作多变量判别式的候选多变量判别式，来制作多变量判别式。由此，发挥可制作最适合胃癌状态评价的多变量判别式(具体来说，是与胃癌(早期胃癌)的状态(病态进展)具有显著相关的多变量判别式(更具体来说，是对于胃癌和非胃癌的2组判别有用的多变量判别式、对于胃癌病期的判别有用的多变量判别式、对于胃癌有否向其它器官转移的2组判别有用的多变量判别式))的效果。
根据本发明所述的胃癌评价系统，首先，信息通信终端装置将评价对象的氨基酸浓度数据发送到胃癌评价装置。胃癌评价装置接收由信息通信终端装置发送来的评价对象的氨基酸浓度数据，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数、在存储装置中存储的多变量判别式以及接收的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，计算该多变量判别式的值即判别值，根据计算的判别值，对于评价对象评价胃癌的状态，将该评价对象的评价结果发送至信息通信终端装置。信息通信终端装置接收由胃癌评价装置发送的针对评价对象作出的与胃癌状态相关的评价结果。由此，利用由与胃癌的状态具有显著相关的多变量判别式得到的判别值，发挥可高精度地评价胃癌的状态的效果。
根据本发明所述的胃癌评价系统，胃癌评价装置根据计算的判别值，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，因此，利用由多变量判别式得到的判别值，发挥可高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别有用。
根据本发明所述的胃癌评价系统，多变量判别式以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌评价系统，在判别是胃癌或非胃癌时，多变量判别式是数式1、数式2或数式3；在判别胃癌的病期时，多变量判别式是数式4；在判别胃癌有否向其它器官转移时，多变量判别式是数式5，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
根据本发明所述的胃癌评价系统，多变量判别式为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式的任意一种，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌评价系统，多变量判别式是以Orn、Gln、Trp、Cit为变数的逻辑回归式；或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式；或以Glu、Phe、His、Trp为变数的逻辑回归式；或以Glu、Pro、His、Trp为变数的线性判别式；或以Val、Ile、His、Trp为变数的逻辑回归式；或以Thr、Ile、His、Trp为变数的线性判别式，因此，利用由多变量判别式得到的判别值，发挥可进一步高精度地进行这些判别的效果，其中，所述多变量判别式对于胃癌和非胃癌的2组判别、或胃癌病期的判别、或胃癌有否向其它器官转移的2组判别特别有用。
根据本发明所述的胃癌评价系统，胃癌评价装置根据含有氨基酸浓度数据和与表示胃癌的状态的指标相关的胃癌状态指标数据、在存储装置中存储的胃癌状态信息，制作在存储装置中存储的多变量判别式。具体来说，(1)根据规定的公式制作方法，由胃癌状态信息制作候选多变量判别式；(2)根据规定的验证方法，验证制作的候选多变量判别式；(3)根据规定的变数选择方法，从该验证结果中选择候选多变量判别式的变数，来选择在制作候选多变量判别式时使用的胃癌状态信息中所含的上述氨基酸浓度数据的组合；(4)根据反复运行(1)、(2)和(3)而累积的验证结果，从多个候选多变量判别式中选出用作多变量判别式的候选多变量判别式，来制作多变量判别式。由此，发挥可制作最适合胃癌状态评价的多变量判别式(具体来说，是与胃癌(早期胃癌)的状态(病态进展)具有显著相关的多变量判别式(更具体来说，是对于胃癌和非胃癌的2组判别有用的多变量判别式、对于胃癌病期的判别有用的多变量判别式、对于胃癌有否向其它器官转移的2组判别有用的多变量判别式))的效果。
根据本发明所述的记录介质，通过计算机读取并实行记录在该记录介质上的胃癌评价程序，在计算机上实行胃癌评价程序，因此，发挥可获得与胃癌评价程序同样的效果的效果。
本发明中，在评价胃癌的状态时(具体来说，在判别胃癌或非胃癌时、判别胃癌的病期时、判别胃癌有否向其它器官转移时等)，除氨基酸的浓度以外，可以进一步使用其它的代谢物(生物代谢物)的浓度或蛋白质的表达量、被验者的年龄和性别、生物指标等。另外，本发明中，在评价胃癌的状态时(具体来说，判别胃癌或非胃癌时、判别胃癌的病期、判别胃癌有否向其它器官转移时等)，作为多变量判别式中的变数，除氨基酸的浓度之外，还可以进一步使用其它的代谢物(生物代谢物)的浓度或蛋白质的表达量、被验者的年龄和性别、生物指标等。
附图说明
图1是表示本发明的基本原理的原理构成图。
图2是表示实施方案1所述的胃癌的评价方法的一个例子的流程图。
图3是表示本发明的基本原理的原理构成图。
图4是表示本系统的全体构成的一个例子的图。
图5是表示本系统的全体构成的又一个例子的图。
图6是表示本系统的胃癌评价装置100的构成的一个例子的框图。
图7是表示保存在利用者信息文件106a中的信息的一个例子的图。
图8是表示保存在氨基酸浓度数据文件106b中的信息的一个例子的图。
图9是表示保存在胃癌状态信息文件106c中的信息的一个例子的图。
图10是表示保存在指定胃癌状态信息文件106d中的信息的一个例子的图。
图11是表示保存在候选多变量判别式文件106e1中的信息的一个例子的图。
图12是表示保存在验证结果文件106e2中的信息的一个例子的图。
图13是表示保存在选择胃癌状态信息文件106e3中的信息的一个例子的图。
图14是表示保存在多变量判别式文件106e4中的信息的一个例子的图。
图15是表示保存在判别值文件106f中的信息的一个例子的图。
图16是表示保存在评价结果文件106g中的信息的一个例子的图。
图17是表示多变量判别式制作部102h的构成的框图。
图18是表示判别值基准评价部102j的构成的框图。
图19是表示本系统的客户端装置200的构成的一个例子的框图。
图20是表示本系统的数据库装置400的构成的一个例子的框图。
图21是表示在本系统中进行的胃癌评价服务处理的一个例子的流程图。
图22是表示在本系统的胃癌评价装置100中进行的多变量判别式制作处理的一个例子的流程图。
图23是表示非胃癌与胃癌的2组间的氨基酸变数的分布的箱线图。
图24是表示氨基酸变数的ROC曲线的AUC的图。
图25是表示用于评价2组间的诊断性能的ROC曲线的图。
图26是表示与指标式1具有同等的诊断性能的式的一览图。
图27是表示与指标式1具有同等的诊断性能的式的一览图。
图28是表示与指标式1具有同等的诊断性能的式的一览图。
图29是表示与指标式1具有同等的诊断性能的式的一览图。
图30是表示用于评价2组间的诊断性能的ROC曲线的图。
图31是表示与指标式2具有同等的诊断性能的式的一览图。
图32是表示与指标式2具有同等的诊断性能的式的一览图。
图33是表示与指标式2具有同等的诊断性能的式的一览图。
图34是表示与指标式2具有同等的诊断性能的式的一览图。
图35是表示用于评价2组间的诊断性能ROC曲线的图。
图36是表示与指标式3具有同等的诊断性能的式的一览图。
图37是表示与指标式3具有同等的诊断性能的式的一览图。
图38是表示与指标式3具有同等的诊断性能的式的一览图。
图39是表示与指标式3具有同等的诊断性能的式的一览图。
图40是表示胃癌的病理病期和指标式4的值的标图。
图41是表示与指标式4具有同等的诊断性能的式的一览图。
图42是表示与指标式4具有同等的诊断性能的式的一览图。
图43是表示与指标式4具有同等的诊断性能的式的一览图。
图44是表示与指标式4具有同等的诊断性能的式的一览图。
图45是表示胃癌的病理病期和指标式5的值的标图。
图46是表示与指标式5具有同等的诊断性能的式的一览图。
图47是表示与指标式5具有同等的诊断性能的式的一览图。
图48是表示与指标式5具有同等的诊断性能的式的一览图。
图49是表示与指标式5具有同等的诊断性能的式的一览图。
图50是表示用于评价2组间的诊断性能的ROC曲线的图。
图51是表示与指标式6具有同等的诊断性能的式的一览图。
图52是表示与指标式6具有同等的诊断性能的式的一览图。
图53是表示与指标式6具有同等的诊断性能的式的一览图。
图54是表示与指标式6具有同等的诊断性能的式的一览图。
图55是表示用于评价2组间的诊断性能的ROC曲线的图。
图56是表示与指标式7具有同等的诊断性能的式的一览图。
图57是表示与指标式7具有同等的诊断性能的式的一览图。
图58是表示与指标式7具有同等的诊断性能的式的一览图。
图59是表示与指标式7具有同等的诊断性能的式的一览图。
图60是表示用于评价2组间的诊断性能的ROC曲线的图。
图61是表示与指标式8具有同等的诊断性能的式的一览图。
图62是表示与指标式8具有同等的诊断性能的式的一览图。
图63是表示与指标式8具有同等的诊断性能的式的一览图。
图64是表示与指标式8具有同等的诊断性能的式的一览图。
图65是表示根据ROC曲线的AUC提取的氨基酸的一览图。
图66是表示胃癌患者和非胃癌患者的氨基酸变数的分布的图。
图67是表示氨基酸变数的ROC曲线的AUC的图。
图68是表示用于评价2组间的诊断性能的ROC曲线的图。
图69是表示与指标式9具有同等的诊断性能的式的一览图。
图70是表示与指标式9具有同等的诊断性能的式的一览图。
图71是表示用于评价2组间的诊断性能的ROC曲线的图。
图72是表示与指标式10具有同等的诊断性能的式的一览图。
图73是表示与指标式10具有同等的诊断性能的式的一览图。
图74是表示用于评价2组间的诊断性能的ROC曲线的图。
图75是表示与指标式11具有同等的诊断性能的式的一览图。
图76是表示与指标式11具有同等的诊断性能的式的一览图。
图77是表示根据ROC曲线的AUC提取的氨基酸的一览图。
图78是表示胃癌患者和非胃癌患者的氨基酸变数的分布的图。
图79是表示氨基酸变数的ROC曲线的AUC的图。
图80是表示与指标式12具有同等的诊断性能的式的一览图。
图81是表示与指标式12具有同等的诊断性能的式的一览图。
图82是表示与指标式12具有同等的诊断性能的式的一览图。
图83是表示与指标式12具有同等的诊断性能的式的一览图。
图84是表示用于评价2组间的诊断性能的ROC曲线的图。
图85是表示与指标式13具有同等的诊断性能的式的一览图。
图86是表示与指标式13具有同等的诊断性能的式的一览图。
图87是表示与指标式13具有同等的诊断性能的式的一览图。
图88是表示与指标式13具有同等的诊断性能的式的一览图。
图89是表示用于评价2组间的诊断性能的ROC曲线的图。
图90是表示与指标式14具有同等的诊断性能的式的一览图。
图91是表示与指标式14具有同等的诊断性能的式的一览图。
图92是表示与指标式14具有同等的诊断性能的式的一览图。
图93是表示用于评价2组间的诊断性能的ROC曲线的图。
图94是表示根据ROC曲线的AUC提取的氨基酸的一览图。
符号说明
100胃癌评价装置
102控制部
102a要求解释部
102b阅览处理部
102c认证处理部
102d电子邮件生成部
102e网页生成部
102f接收部
102g胃癌状态信息指定部
102h多变量判别式制作部
102h1候选多变量判别式制作部
102h2候选多变量判别式验证部
102h3变数选择部
102i判别值计算部
102j判别值基准评价部
102j1判别值基准判别部
102k结果输出部
102m发送部
104通信接口部
106存储部
106a利用者信息文件
106b氨基酸浓度数据文件
106c胃癌状态信息文件
106d指定胃癌状态信息文件
106e多变量判别式关联信息数据库
106e1候选多变量判别式文件
106e2验证结果文件
106e3选择胃癌状态信息文件
106e4多变量判别式文件
106f判别值文件
106g评价结果文件
108输入输出接口部
112输入装置
114输出装置
200客户端装置(信息通信终端装置)
300网络
400数据库装置
具体实施方式
以下，根据附图，对本发明所述的胃癌的评价方法的实施方案(实施方案1)以及本发明所述的胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质的实施方案(实施方案2)进行详细说明。本发明并不受本实施方案限定。
[实施方案1]
[1-1.本发明的概要]
这里，参照图1，对本发明所述的胃癌的评价方法的概要进行说明。图1是表示本发明的基本原理的原理构成图。
首先，本发明中，针对从评价对象(例如，动物或人等个体)采集到的血液测定关于氨基酸浓度值的氨基酸浓度数据(步骤S-11)。这里，血液中氨基酸浓度的分析如下进行。将采血得到的血样采集到经肝素处理的管中，将采集到的血样通过离心从血液中分离血浆。全部的血浆样品在-70℃下冷冻保存至氨基酸浓度测定之前。在氨基酸浓度测定时，添加硫代水杨酸调节为3％浓度，由此进行除蛋白处理，测定使用氨基酸分析仪，该氨基酸分析仪是以采用了柱后茚三酮反应的高效液相色谱(HPLC)为原理。氨基酸浓度的单位可以是例如摩尔浓度或重量浓度、对这些浓度加减乘除任意的常数而得到的。
接着，本发明中，根据在步骤S-11测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，对于评价对象评价其胃癌的状态(步骤S-12)。
以上，根据本发明，针对从评价对象采集到的血液测定关于氨基酸浓度值的氨基酸浓度数据，根据测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，对于评价对象评价胃癌的状态。由此，利用血液中的氨基酸浓度中与胃癌状态相关的氨基酸的浓度，可高精度地评价胃癌的状态。
这里，在实行步骤S-12之前，可以从步骤S-11中测定的评价对象的氨基酸浓度数据中除去缺失值或偏离值等数据。由此，可进一步高精度地评价胃癌的状态。
步骤S-12中，根据在步骤S-11中测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，对于评价对象，可以判别是胃癌还是非胃癌、判别胃癌的病期(具体来说是Ia、Ib、II、IIIa、IIIb、IV)、或者判别胃癌有否向其它器官(具体来说是淋巴结或腹膜或肝脏等)转移。具体来说，可通过对Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值和预先设定的阀值进行比较，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。由此，利用血液中的氨基酸浓度中对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别有用的氨基酸的浓度，可高精度地进行这些的判别。
步骤S-12中，根据在步骤S-11中测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值以及以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数的预先设定的多变量判别式，计算该多变量判别式的值即判别值，可根据计算的判别值，对于评价对象评价胃癌的状态。由此，利用由与胃癌的状态具有显著相关的多变量判别式得到判别值，可高精度地评价胃癌的状态。
步骤S-12中，可以根据在步骤S-11中测定的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值以及以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数的预先设定的多变量判别式，计算该多变量判别式的值即判别值，可根据计算的判别值，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。具体来说，可通过对判别值和预先设定的阀值进行比较，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。由此，利用由多变量判别式得到的判别值，可高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别有用。
多变量判别式可以以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中可含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数。具体来说，在步骤S-12中判别是胃癌或非胃癌时，多变量判别式可以是数式1、数式2或数式3，在步骤S-12中判别胃癌病期时，多变量判别式可以是数式4，在步骤S-12中判别胃癌有否向其它器官转移时，多变量判别式可以是数式5。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别特别有用。这些多变量判别式可以按照本本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法、或本申请人的国际申请即国际公开第2006/098192号小册子中所述的方法(后述的实施方案2中所述的多变量判别式制作处理)制作。如果是由这些方法得到的多变量判别式，则不管作为输入数据的氨基酸浓度数据中的氨基酸浓度的单位，该多变量判别式均可适用于胃癌状态的评价。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
这里，分数式是指：该分数式的分子由氨基酸A、B、C等的之和表示，且该分数式的分母由氨基酸a、b、c等的之和表示。分数式也包含上述构成的分数式α、β、γ等的之和(例如，α+β等)。分数式也包含分割的分数式(divided ffactional expression)。分子或分母中使用的氨基酸可以分别具有适当的系数。分子或分母中使用的氨基酸可以重复。各分数式可以具有适当的系数。另外，各变数的系数的值或常数项的值只要是实数即可。分数式中，将分子的变数和分母的变数互换的组合中，与目标变数相关的正负符号均颠倒，但它们仍保持相关性，因此，在判别性中视为同等，因此，分数式也包含将分子的变数与分母的变数互换的组合。
多变量判别式还可以是逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式等的任意一种。具体来说，多变量判别式可以是以Orn、Gln、Trp、Cit为变数的逻辑回归式，或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式，或以Glu、Phe、His、Trp为变数的逻辑回归式，或以Glu、Pro、His、Trp为变数的线性判别式，或以Val、Ile、His、Trp为变数的逻辑回归式，或以Thr、Ile、His、Trp为变数的线性判别式。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别特别有用。这些多变量判别式可按照本申请人的国际申请即国际公开第2006/098192号小册子中所述的方法(后述的实施方案2中所述的多变量判别式制作处理)制作。如果是由该方法得到的多变量判别式，则不管作为输入数据的氨基酸浓度数据中的氨基酸浓度的单位，该多变量判别式均可适用于胃癌状态的评价。
这里，多变量判别式是指通常在多变量分析中使用的式的形式，包含例如多重回归式、多重逻辑回归式、线性判别函数、马氏距离、典型判别函数、支持向量机、决策树等。还包含由不同形式的多变量判别式之和表示的式。多重回归式、多重逻辑回归式、典型判别函数中，各变数可以附加系数和常数项，此时的系数和常数项优选为实数，更优选为了由数据进行判别而得到的系数和常数项的99％可靠区间的范围的值，进一步优选为了由数据进行判别而得到的系数和常数项的95％可靠区间的范围的值。各系数的值及其可靠区间可以是将其实数倍所得的值，常数项的值及其可靠区间可以是对其加减乘除任意的实常数所得的值。
本发明在评价胃癌的状态时(具体来说是判别是胃癌或非胃癌时、判别胃癌的病期时、判别胃癌有否向其它器官转移时等)，除氨基酸的浓度之外，可以进一步使用其它的代谢物(生物代谢物)的浓度或蛋白质的表达量、被验者的年龄和性别、生物指标等。本发明在评价胃癌的状态时(具体来说是在判别是胃癌或非胃癌时、判别胃癌的病期时、判别胃癌有否向其它器官转移时等)，作为多变量判别式中的变数，除氨基酸的浓度之外，还可以进一步使用其它代谢物(生物代谢物)的浓度或蛋白质的表达量、被验者的年龄和性别、生物指标等。
[1-2.实施方案1的胃癌的评价方法]
这里，参照图2对实施方案1所述的胃癌的评价方法进行说明。图2是表示实施方案1所述的胃癌的评价方法的一个例子的流程图。
首先，针对从动物或人等的个体采集的血液测定关于氨基酸的浓度值的氨基酸浓度数据(步骤SA-11)。氨基酸的浓度值的测定按照上述方法进行。
接着，从在步骤SA-11中测定的个体的氨基酸浓度数据中除去缺失值或偏离值等的数据(步骤SA-12)。
接着，对步骤SA-12中除去了缺失值或偏离值等数据的个体的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值和预先设定的阀值进行比较，对于个体判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，或者，根据步骤SA-12中除去了缺失值或偏离值等的数据的个体的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值以及含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数的预先设定的多变量判别式，计算判别值，通过对计算的判别值和预先设定的阀值进行比较，对于个体判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移(步骤SA-13)。
[1-3.实施方案1的总结、以及其它实施方案]
如以上的详细说明，根据实施方案1所述的胃癌的评价方法，(1)针对从个体采集到的血液测定氨基酸浓度数据，(2)从测定的个体的氨基酸浓度数据中除去缺失值或偏离值等的数据，(3)通过对除去了缺失值或偏离值等数据的个体的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值和预先设定的阀值进行比较，对于个体判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，或者，根据除去了缺失值或偏离值等的数据的个体的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值以及含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数的预先设定的多变量判别式，计算判别值，通过对计算的判别值和预先设定的阀值进行比较，对于个体判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。由此，利用血液中的氨基酸浓度中对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别有用的氨基酸的浓度、或利用由对这些判别有用的多变量判别式得到的判别值，可高精度地进行这些的判别。
步骤SA-13中，多变量判别式可以以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中可含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数。具体来说，步骤SA-13中判别是胃癌或非胃癌时，多变量判别式可以是数式1、数式2或数式3，步骤SA-13中判别胃癌的病期时，多变量判别式可以是数式4，步骤SA-13中判别胃癌有否向其它器官转移时，多变量判别式可以是数式5。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别特别有用。这些多变量判别式可按照本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法、或本申请人的国际申请即国际公开第2006/098192号小册子中所述的方法(后述的实施方案2中所述的多变量判别式制作处理)制作。如果是由这些方法得到的多变量判别式，则不管作为输入数据的氨基酸浓度数据中的氨基酸浓度的单位，该多变量判别式均可适用于胃癌状态的评价。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
步骤SA-13中，多变量判别式可以是逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式等的任意一种。具体来说，多变量判别式是以Orn、Gln、Trp、Cit为变数的逻辑回归式，或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式，或以Glu、Phe、His、Trp为变数的逻辑回归式，或以Glu、Pro、His、Trp为变数的线性判别式，或以Val、Ile、His、Trp为变数的逻辑回归式，或以Thr、Ile、His、Trp为变数的线性判别式。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别特别有用。这些多变量判别式可按照本申请人的国际申请即国际公开第2006/098192号小册子中所述的方法(后述的实施方案2中所述的多变量判别式制作处理)制作。如果是由该方法得到的多变量判别式，则不管作为输入数据的氨基酸浓度数据中氨基酸浓度的单位，该多变量判别式均可适用于胃癌状态的评价。
[实施方案2]
[2-1.本发明的概要]
这里，参照图3对本发明所述的胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质的概要进行说明。图3是表示本发明的基本原理的原理构成图。
首先，本发明是在控制部，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数、在存储部存储的多变量判别式以及预先取得的与氨基酸浓度值相关的评价对象(例如，动物或人等个体)的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，计算该多变量判别式的值即判别值(步骤S-21)。
接着，本发明是在控制部，根据在步骤S-21中计算的判别值，对于评价对象评价胃癌的状态(步骤S-22)。
以上，根据本发明，根据以氨基酸的浓度为变数、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数、在存储部存储的多变量判别式以及预先取得的与氨基酸浓度值相关的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，计算该多变量判别式的值即判别值，根据计算的判别值，对于评价对象评价胃癌的状态。由此，利用由与胃癌的状态具有显著相关的多变量判别式得到的判别值，可高精度地评价胃癌的状态。
步骤S-22中，可以根据在步骤S-21中计算的判别值，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。具体来说，通过对判别值和预先设定的阀值进行比较，可以对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。由此，利用由多变量判别式得到的判别值，可高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别有用。
多变量判别式可以以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中可含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数。具体来说，在步骤S-22中判别是胃癌或非胃癌时，多变量判别式可以是数式1、数式2或数式3，在步骤S-22中判别胃癌的病期时，多变量判别式可以是数式4，在步骤S-22中判别胃癌有否向其它器官转移时，多变量判别式可以是数式5。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别特别有用。这些多变量判别式可按照本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法、或本申请人的国际申请即国际公开第2006/098192号小册子中所述的方法(后述的多变量判别式制作处理)制作。如果是由这些方法得到的多变量判别式，则不管作为输入数据的氨基酸浓度数据中的氨基酸浓度的单位，该多变量判别式均可适用于胃癌状态的评价。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
这里，分数式是指：该分数式的分子由氨基酸A、B、C等的之和表示，且该分数式的分母由氨基酸a、b、c等的之和表示。分数式也包含上述构成的分数式α、β、γ等的之和(例如，α+β等)。分数式也包含分割的分数式。分子或分母中使用的氨基酸可以分别具有适当的系数。分子或分母中使用的氨基酸可以重复。各分数式可以具有适当的系数。另外，各变数的系数的值或常数项的值只要是实数即可。分数式中，将分子的变数和分母的变数互换的组合中，与目标变数相关的正负符号均颠倒，但它们仍保持相关性，因此，在判别性中视为同等，因此，分数式也包含将分子的变数与分母的变数互换的组合。
多变量判别式可以是逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式等的任意一种。具体来说，多变量判别式可以是以Orn、Gln、Trp、Cit为变数的逻辑回归式，或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式，或以Glu、Phe、His、Trp为变数的逻辑回归式，或以Glu、Pro、His、Trp为变数的线性判别式，或以Val、Ile、His、Trp为变数的逻辑回归式，或以Thr、Ile、His、Trp为变数的线性判别式。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别特别有用。这些多变量判别式可按照本申请人的国际申请即国际公开第2006/098192号小册子所述的方法(后述的多变量判别式制作处理)制作。如果是由该方法得到的多变量判别式，则不管作为输入数据的氨基酸浓度数据中的氨基酸浓度的单位，该多变量判别式均可适用于胃癌状态的评价。
这里，多变量判别式是指通常在多变量分析中使用的式的形式，包含例如多重回归式、多重逻辑回归式、线性判别函数、马氏距离、典型判别函数、支持向量机、决策树等。也包含由不同形式的多变量判别式之和表示的式。多重回归式、多重逻辑回归式、典型判别函数中，各变数可以附加系数和常数项，此时的系数和常数项优选为实数，更优选为了由数据进行判别而得到的系数和常数项的99％可靠区间的范围的值，进一步优选为了由数据进行判别而得到的系数和常数项的95％可靠区间的范围的值。各系数的值及其可靠区间可以是其的实数倍的值，常数项的值及其可靠区间可以是对其加减乘除任意的实常数而得到的值。
本发明在评价胃癌的状态时(具体来说，是判别是胃癌或非胃癌时、判别胃癌的病期时、判别胃癌有否向其它器官转移时等)，除氨基酸的浓度以外，可以进一步使用其它的代谢物(生物代谢物)的浓度或蛋白质的表达量、被验者的年龄和性别、生物指标等。本发明在评价胃癌的状态时(具体来说，是判别是胃癌或非胃癌时、判别胃癌的病期时、判别胃癌有否向其它器官转移时等)，作为多变量判别式中的变数，除氨基酸的浓度以外，还可以进一步使用其它的代谢物(生物代谢物)的浓度或蛋白质的表达量、被验者的年龄和性别、生物指标等。
这里，对多变量判别式制作处理(步骤1～步骤4)的概要进行详细说明。
首先，本发明是在控制部，根据规定的公式制作方法，由含有氨基酸浓度数据和与表示胃癌的状态的指标相关的胃癌状态指标数据、在存储部存储的胃癌状态信息制作多变量判别式的候选即候选多变量判别式(例如、y＝a1x1+a2x2+…+anxn，y：胃癌状态指标数据，xi：氨基酸浓度数据，ai：常数，i＝1，2，…，n)(步骤1)。可以事先从胃癌状态信息中除去具有缺失值或偏离值等的数据。
步骤1中，可以结合使用多个不同的公式制作方法(包括与主成分分析或判别分析、支持向量机、多重回归分析、逻辑回归分析、k-means法、聚类分析、决策树等的多变量分析相关的方法)，由胃癌状态信息制作多个候选多变量判别式。具体来说，可以利用多种不同的算法，对于胃癌状态信息，同时并行地制作多个群的候选多变量判别式，其中，所述胃癌状态信息是由通过分析从许多的健康人和胃癌患者获取的血液而得到的氨基酸浓度数据和胃癌状态指标数据构成的多变量数据。例如，可以利用不同的算法，同时进行判别分析和逻辑回归分析，制作两种不同的候选多变量判别式。还可以利用进行主成分分析来制作的候选多变量判别式，变换胃癌状态信息，对变换的胃癌状态信息进行判别分析，从而制作候选多变量判别式。由此，最终可以制作符合诊断条件的适当的变量判别式。
这里，使用主成分分析制作的候选多变量判别式是含有使全部的氨基酸浓度数据的离散为最大的各氨基酸变数的一次式。使用判别分析制作的候选多变量判别式是含有使各群内的离散之和相对于全部氨基酸浓度数据的离散的比为最小的各氨基酸变数的高次式(包括指数或对数)。另外，使用支持向量机制作的候选多变量判别式是含有使群间的分界为最大的各氨基酸变数的高次式(包括核函数)。使用多重回归分析制作的候选多变量判别式是含有使自全部氨基酸浓度数据的距离之和为最小的各氨基酸变数的高次式。使用逻辑回归分析制作的候选多变量判别式是含有使似然率为最大的各氨基酸变数、项中具有以一次式作为指数的自然对数的分数式。k-means法是探索k个各氨基酸浓度数据聚类(近傍)，在聚类点(近傍点)所属的群中，将最多的数据定义为该数据的所属群，选择使输入的氨基酸浓度数据所属的群与定义的群最一致的氨基酸变数的方法。聚类分析是将全部氨基酸浓度数据中位于最近距离的点之间进行聚类(群化)的方法。决策树是给氨基酸变数排序，由序列上位的氨基酸变数可取得的图案来预测氨基酸浓度数据的群的方法。
返回多变量判别式制作处理的说明，本发明是在控制部，根据规定的验证方法，验证(相互验证)步骤1中制作的候选多变量判别式(步骤2)。候选多变量判别式的验证是对步骤1中制作的各候选多变量判别式进行。
步骤2中，可以根据自举(bootstrap)法或保持(holdout)法、留一(leave-one-out)法等中的至少一种，验证候选多变量判别式的判别率或灵敏度、特异性、信息量基准等中的至少一种。由此，可以制作考虑了胃癌状态信息或诊断条件的、预测性或可靠性高的候选多变量判别式。
这里，判别率是在全部输入数据中本发明所评价的胃癌的状态正确的比例。灵敏度是在输入数据所记载的胃癌的状态为患病的数据中本发明所评价的胃癌的状态正确的比例。特异性是在输入数据所记载的胃癌的状态为正常的数据中本发明所评价的胃癌的状态正确的比例。信息量基准是将步骤1中制作的候选多变量判别式的氨基酸变数的数目、和本发明所评价的胃癌的状态以及输入数据所记载的胃癌的状态的差异加在一起所得。预测性是反复进行候选多变量判别式的验证得到的判别率或灵敏度、特异性的平均。可靠性是反复进行候选多变量判别式的验证得到的判别率或灵敏度、特异性的离散。
返回多变量判别式制作处理的说明，本发明是在控制部，根据规定的变数选择方法，从步骤2的验证结果中选择候选多变量判别式的变数，来选择在制作候选多变量判别式时使用的上述胃癌状态信息中所含的氨基酸浓度数据的组合(步骤3)。氨基酸变数的选择是对步骤1中制作的各候选多变量判别式进行。由此，可以适当选择候选多变量判别式的氨基酸变数。使用包含步骤3中选择的氨基酸浓度数据的胃癌状态信息，再次运行步骤1。
步骤3中，可以根据逐步法、最优路径法(best path method)、聚类探索法(近傍探索法，local search method)、遗传算法中的至少一种，从步骤2的验证结果中选择候选多变量判别式的氨基酸变数。
这里，最优路径法是将候选多变量判别式中所含的氨基酸变数一个个依次减少，使候选多变量判别式带来的评价指标最优化，由此选择氨基酸变数的方法。
回到多变量判别式制作处理的说明中，本发明是在控制部，根据反复运行上述的步骤1、步骤2和步骤3而累积的验证结果，从多个候选多变量判别式中选出用作多变量判别式的候选多变量判别式，由此制作多变量判别式(步骤4)。候选多变量判别式的选出，例如有从按照相同的公式制作方法制作的候选多变量判别式中选出最佳的情况，也有从所有的候选多变量判别式中选出最佳的情况。
如上述说明，在多变量判别式制作处理中，根据胃癌状态信息，通过一系列的流程使与候选多变量判别式的制作、候选多变量判别式的验证和候选多变量判别式的变数的选择相关的处理体系化(系统化)并运行，由此可以制作最适合胃癌状态评价的多变量判别式。
[2-2.系统构成]
这里，参照图4～图20对实施方案2所述的胃癌评价系统(以下可以称为本系统)的构成进行说明。本系统只是一个举例，本发明并不限于此。
首先，参照图4和图5对本系统的全体构成进行说明。图4是表示本系统的全体构成的一个例子的图。图5是表示本系统的全体构成的又一例子的图。本系统如图4所示，是经由网络300以可通信的方式将对于评价对象评价胃癌的状态的胃癌评价装置100和提供评价对象的关于氨基酸浓度值的氨基酸浓度数据的客户端装置200(相当于本发明的信息通信终端装置)连接在一起而构成。
本系统如图5所示，除胃癌评价装置100或客户端装置200之外，还可以将保存了在胃癌评价装置100中制作多变量判别式时使用的胃癌状态信息或用于评价胃癌状态的多变量判别式等的数据库装置400经由网络300以可通信的方式连接在一起而构成。由此，经由网络300可以自胃癌评价装置100向客户端装置200或数据库装置400、或者自客户端装置200或数据库装置400向胃癌评价装置100提供与胃癌状态相关的信息等。这里，与胃癌状态相关的信息是对与包括人的生物的胃癌状态相关的特定项目进行测定所得的值的相关信息。与胃癌状态相关的信息是在胃癌评价装置100或客户端装置200或其它装置(例如，各种计测装置等)中生成，主要积累在数据库装置400中。
接着，参照图6～图18对于本系统的胃癌评价装置100的构成进行说明。图6是表示本系统的胃癌评价装置100的构成的一个例子的框图，只概念性表示了该构成中与本发明有关的部分。
胃癌评价装置100由下述部分构成：综合地控制该胃癌评价装置100的CPU(中央处理装置，Central Processing Unit)等的控制部102；经由路由器等的通信装置和专用线等的有线或无线的通信线路，将该胃癌评价装置与网络300以可通信的方式连接在一起的通信接口部104；保存各种数据库或表格或文件等的存储部106；与输入装置112或输出装置114连接的输入输出接口部108，这些部分可以经由任意的通信线路以可通信的方式连接。这里，胃癌评价装置100可以与各种的分析装置(例如，氨基酸分析仪等)在同一框体中构成。胃癌评价装置100的分散/综合的具体的形态并不限于图示，可以将其全部或部分以对应各种负荷等的任意单元进行功能性或物理性地分散/综合来构成。例如，可以使用CGI(公共网关接口，Common Gateway Interface)实现处理的一部分。
存储部106是存储装置，可以使用例如RAM和ROM等的存储装置、硬盘等的固定盘装置、软盘、光盘等。存储部106中记录计算机程序，该计算机程序与OS(操作系统，OperatingSystem)协同，对CPU发出指令，进行各种处理。存储部106如图所示，保存利用者信息文件106a、氨基酸浓度数据文件106b、胃癌状态信息文件106c、指定胃癌状态信息文件106d、多变量判别式关联信息数据库106e、判别值文件106f和评价结果文件106g。
利用者信息文件106a中保存与利用者相关的利用者信息。图7是表示保存在利用者信息文件106a中的信息的一个例子的图。保存在利用者信息文件106a中的信息如图7所示，由用于专门识别利用者的利用者ID、用于认证利用者是否为正当的利用者的利用者密码、利用者姓名、用于专门识别利用者的所属机构的所属机构ID、用于专门识别利用者的所属机构的部门的部门ID、部门名称和利用者的电子邮件地址相互关联地构成。
返回图6，氨基酸浓度数据文件106b保存关于氨基酸浓度值的氨基酸浓度数据。图8是表示保存在氨基酸浓度数据文件106b中的信息的一个例子的图。保存在氨基酸浓度数据文件106b中的信息如图8所示，由用于专门识别评价对象个体(样品)的个体编号和氨基酸浓度数据相互关联地构成。这里，图8中，将氨基酸浓度数据作为数值即连续尺度应用，但氨基酸浓度数据也可以是名义尺度或顺序尺度。为名义尺度或顺序尺度时，可通过对各状态赋予任意的数值进行分析。氨基酸浓度数据中还可以组合其它的生物信息(性别差异、年龄、有无吸烟、数字化的心电图的波形、酶浓度、基因表达量、胃蛋白酶原的值、有否幽门螺杆菌感染、氨基酸以外的代谢产物的浓度等)。
返回图6，胃癌状态信息文件106c中保存制作多变量判别式时使用的胃癌状态信息。图9是表示保存在胃癌状态信息文件106c中的信息的一个例子的图。保存在胃癌状态信息文件106c中的信息如图9所示，由个体编号、与表示胃癌状态的指标(指标T1、指标T2、指标T3…)相关的胃癌状态指标数据(T)和氨基酸浓度数据相互关联地构成。这里，图9中，胃癌状态指标数据和氨基酸浓度数据以数值(即连续尺度)的形式应用，胃癌状态指标数据和氨基酸浓度数据也可以是名义尺度或顺序尺度。为名义尺度或顺序尺度时，可通过对各状态赋予任意的数值进行分析。胃癌状态指标数据是作为胃癌状态的标志物的已知的单一的状态指标，可以使用数值数据。
返回图6，指定胃癌状态信息文件106d中保存在后述的胃癌状态信息指定部102g中指定的胃癌状态信息。图10是表示保存在指定胃癌状态信息文件106d中的信息的一个例子。保存在指定胃癌状态信息文件106d中的信息如图10所示，由个体编号、指定的胃癌状态指标数据和指定的氨基酸浓度数据相互关联地构成。
返回图6，多变量判别式关联信息数据库106e由以下文件构成：保存在后述的候选多变量判别式制作部102h1中制作的候选多变量判别式的候选多变量判别式文件106e1、保存后述的候选多变量判别式验证部102h2中的验证结果的验证结果文件106e2、保存包括在后述的变数选择部102h3中选择的氨基酸浓度数据的组合的胃癌状态信息的选择胃癌状态信息文件106e3、保存在后述的多变量判别式制作部102h中制作的多变量判别式的多变量判别式文件106e4。
候选多变量判别式文件106e1中保存在后述的候选多变量判别式制作部102h1中制作的候选多变量判别式。图11是表示保存在候选多变量判别式文件106e1中的信息的一个例子的图。保存在候选多变量判别式文件106e1中的信息如图11所示，由顺序(rank)和候选多变量判别式(图11中的F1(Gly，Leu，Phe，…)或F2(Gly，Leu，Phe，…)、F3(Gly，Leu，Phe，…)等)相互关联地构成。
返回图6，验证结果文件106e2中保存后述的候选多变量判别式验证部102h2中的验证结果。图12是表示保存在验证结果文件106e2中的信息的一个例子的图。保存在验证结果文件106e2中的信息如图12所示，由顺序、候选多变量判别式(图12中的Fk(Gly，Leu，Phe，…)或Fm(Gly，Leu，Phe，…)、Fl(Gly，Leu，Phe，…)等)和各候选多变量判别式的验证结果(例如，各候选多变量判别式的评价值)相互关联地构成。
返回图6，选择胃癌状态信息文件106e3中保存胃癌状态信息，该胃癌状态信息包括与在后述的变数选择部102h3中选择的变数对应的氨基酸浓度数据的组合。图13是表示保存在选择胃癌状态信息文件106e3中的信息的一个例子的图。保存在选择胃癌状态信息文件106e3中的信息如图13所示，由个体编号、在后述的胃癌状态信息指定部102g中指定的胃癌状态指标数据和在后述的变数选择部102h3中选择的氨基酸浓度数据相互关联地构成。
返回图6，多变量判别式文件106e4中保存在后述的多变量判别式制作部102h中制作的多变量判别式。图14是表示保存在多变量判别式文件106e4中的信息的一个例子的图。保存在多变量判别式文件106e4中的信息如图14所示，由顺序、多变量判别式(图14中的Fp(Phe，…)或Fp(Gly，Leu，Phe)、Fk(Gly，Leu，Phe，…)等)、与各公式制作方法对应的阀值和各多变量判别式的验证结果(例如，各多变量判别式的评价值)相互关联地构成。
返回图6，判别值文件106f中保存在后述的判别值计算部102i计算的判别值。图15是表示保存在判别值文件106f中的信息的一个例子的图。保存在判别值文件106f中的信息如图15所示，由用于专门识别评价对象个体(样品)的个体编号、顺序(用于专门识别多变量判别式的编号)和判别值相互关联地构成。
返回图6，评价结果文件106g保存在后述的判别值基准评价部102j中得到的评价结果(具体来说，在后述的判别值基准判别部102j1中得到的判别结果)。图16是表示保存在评价结果文件106g中的信息的一个例子的图。保存在评价结果文件106g中的信息由用于专门识别评价对象个体(样品)的个体编号、预先取得的评价对象的氨基酸浓度数据、由多变量判别式计算的判别值和关于胃癌状态的评价结果(具体来说，是关于是胃癌还是非胃癌的判别结果、关于胃癌的病期的判别结果、关于胃癌有否向其它器官转移的判别结果等)相互关联地构成。
返回图6，在存储部106中，除上述信息之外，作为其它信息，还记录有用于将网站提供给客户端装置200的各种网站数据、CGI程序等。网站数据有用于表示后述的各种网页的数据等，这些数据以例如用HTML或XML记述的文本文件的形式形成。用于制作网站数据的部件用的文件(部品用のファイル)或操作用的文件(作業用のファイル)或其它临时性的文件等也存储于存储部106中。在存储部106中，根据需要可以将发送给客户端装置200的声音以如WAVE形式或AIFF形式的声音文件保存、或者将静止图像或动态图像以如JPEG形式或MPEG2形式的图像文件保存。
通信接口部104连通胃癌评价装置100和网络300(或路由器等的通信装置)之间的通信。即，通信接口部104具有经由通信线路与其它终端进行数据通信的功能。
输入输出接口部108与输入装置112或输出装置114连接。这里，输出装置114除了使用监视器(包括家庭用电视)之外，也可以使用扩音器或打印机(以下可以将输出装置114称为监视器114)。输入装置112除了使用键盘或鼠标或麦克风之外，还可以使用与鼠标协同、实现指点器(pointing device)功能的监视器。
控制部102具有用于保存OS(操作系统)等的控制程序、规定各种处理顺序等的程序和所需要的数据等的内存，根据这些程序运行各种信息处理。控制部102如图所示，大致具备要求解释部102a、阅览处理部102b、认证处理部102c、电子邮件生成部102d、网页生成部102e、接收部102f、胃癌状态信息指定部102g、多变量判别式制作部102h、判别值计算部102i、判别值基准评价部102j、结果输出部102k和发送部102m。控制部102对于由数据库装置400发送的胃癌状态信息或由客户端装置200发送的氨基酸浓度数据进行有缺失值的数据的除去、偏离值多的数据的除去、除去有缺失值的数据的很多变数等的数据处理。
要求解释部102a是解释来自客户端装置200或数据库装置400的要求内容，根据该解释结果，将处理交付控制部102的各部。阅览处理部102b接受来自客户端装置200的各种画面的阅览要求，进行这些画面的网站数据的生成或发送。认证处理部102c接受来自客户端装置200或数据库装置400的认证要求，进行认证判断。电子邮件生成部102d生成包含各种信息的电子邮件。网页生成部102e生成利用者可在客户端装置200阅览的网页。
接收部102f经由网络300，接收由客户端装置200或数据库装置400发送的信息(具体来说，氨基酸浓度数据或胃癌状态信息、多变量判别式等)。胃癌状态信息指定部102g在制作多变量判别式时，指定作为对象的胃癌状态指标数据和氨基酸浓度数据。
多变量判别式制作部102h根据在接收部102f中接收的胃癌状态信息、或在胃癌状态信息指定部102g中指定的胃癌状态信息制作多变量判别式。具体来说，多变量判别式制作部102h是根据反复运行候选多变量判别式制作部102h1、候选多变量判别式验证部102h2和变数选择部102h3而累积的验证结果，根据胃癌状态信息，从多个候选多变量判别式中选出用作多变量判别式的候选多变量判别式，来制作多变量判别式。
多变量判别式预先保存在存储部106的规定的存储区域时，多变量判别式制作部102h可以通过从存储部106中选择所需要的多变量判别式来制作多变量判别式。多变量判别式制作部102h通过从预先保存了多变量判别式的其它的计算机装置(例如，数据库装置400)中选择所需要的多变量判别式并下载，可以制作多变量判别式。
这里，参照图17对多变量判别式制作部102h的构成进行说明。图17是表示多变量判别式制作部102h的构成的框图，该构成中只概念性地表示了与本发明有关的部分。多变量判别式制作部102h进一步具备候选多变量判别式制作部102h1、候选多变量判别式验证部102h2和变数选择部102h3。候选多变量判别式制作部102h1是根据规定的公式制作方法由胃癌状态信息制作多变量判别式的候选即候选多变量判别式。候选多变量判别式制作部102h1可以将多个不同的公式制作方法结合使用，由胃癌状态信息制作多个候选多变量判别式。候选多变量判别式验证部102h2根据规定的验证方法，验证在候选多变量判别式制作部102h1中制作的候选多变量判别式。候选多变量判别式验证部102h2还可以根据自举法、保持法、留一法中的至少一种，对于候选多变量判别式的判别率、灵敏度、特异性、信息量基准中的至少一种进行验证。变数选择部102h3根据规定的变数选择方法，从候选多变量判别式验证部102h2的验证结果中选择候选多变量判别式的变数，来选择在制作候选多变量判别式时使用的胃癌状态信息中所含的氨基酸浓度数据的组合。变数选择部102h3还可根据逐步法、最优路径法、聚类探索法、遗传算法中的至少一种，从验证结果中选择候选多变量判别式的变数。
返回图6，判别值计算部102i根据在多变量判别式制作部102h中制作的含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数的多变量判别式以及在接收部102f中接收的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸的浓度值，计算该多变量判别式的值即判别值。
这里，多变量判别式可以以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数。具体来说，在判别是胃癌或非胃癌时，多变量判别式可以是数式1、数式2或数式3；在判别胃癌的病期时，多变量判别式可以是数式4；在判别胃癌有否向其它器官转移时，多变量判别式可以是数式5。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
多变量判别式还可以为逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式等的任意一种。具体来说，多变量判别式可以是以Orn、Gln、Trp、Cit为变数的逻辑回归式；或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式；或以Glu、Phe、His、Trp为变数的逻辑回归式；或以Glu、Pro、His、Trp为变数的线性判别式；或以Val、Ile、His、Trp为变数的逻辑回归式；或以Thr、Ile、His、Trp为变数的线性判别式。
判别值基准评价部102j根据在判别值计算部102i计算的判别值，对于评价对象评价胃癌的状态。判别值基准评价部102j进一步具备判别值基准判别部102j1。这里，参照图18对判别值基准评价部102j的构成进行说明。图18是表示判别值基准评价部102j的构成的框图，只概念性地表示了该构成中与本发明有关的部分。判别值基准判别部102j1根据判别值，对评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。具体来说，判别值基准判别部102j1通过对判别值和预先设定的阀值进行比较，对于评价对象判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移。
返回图6，结果输出部102k将控制部102的各处理部得到的处理结果(包括在判别值基准评价部102j得到的评价结果(具体来说是在判别值基准判别部102j1得到的判别结果))等输出到输出装置114中。
发送部102m对评价对象的氨基酸浓度数据的发送源头的客户端装置200发送评价结果，或对数据库装置400发送在胃癌评价装置100制作的多变量判别式或评价结果。
接着，参照图19对本系统的客户端装置200的构成进行说明。图19是表示本系统的客户端装置200的构成的一个例子的框图，只概念性地表示该构成中与本发明有关的部分。
客户端装置200由控制部210、ROM220、HD230、RAM240、输入装置250、输出装置260、输入输出IF270和通信IF280构成，这些各部经由任意的通信线路以可通信的方式连接。
控制部210具备网页浏览器211、电子邮箱212、接收部213、发送部214。网页浏览器211进行解释网站数据、将解释的网站数据显示在后述的监视器261上的浏览处理。可以在网页浏览器211中插入具备进行影像流的接收、显示、反馈等的功能的流式播放器等的各种软件。电子邮箱212按照规定的通信协议(例如，SMTP(简单邮件传输协议)或POP3(邮局协议的第3个版本)等)进行电子邮件的发送接收。接收部213经由通信IF280，接收由胃癌评价装置100发送的评价结果等的各种信息。发送部214经由通信IF280，将评价对象的氨基酸浓度数据等的各种信息发送至胃癌评价装置100。
输入装置250是键盘或鼠标或麦克风等。后述的监视器261也与鼠标协同，实现指点器功能。输出装置260是将经由通信IF280接收的信息进行输出的输出装置，包含监视器(包括家庭用电视机)261和打印机262。除此之外还可以在输出装置260中设置扩音器等。输入输出IF270与输入装置250或输出装置260连接。
通信IF280将客户端装置200与网络300(或路由器等的通信装置)以可通信的方式连接。换言之，客户端装置200经由调制解调器或TA或路由器等的通信装置以及电话线路，或者经由专用线，与网络300连接。由此，客户端装置200按照规定的通信协议与胃癌评价装置100连通(access)。
这里，通过在根据需要连接了打印机、监视器、图像扫描仪等的外围装置的信息处理装置(例如，已知的个人计算机、工作站、家庭用游戏装置、互联网TV、PHS终端、便携终端、移动通信终端、PDA等的信息处理终端等)上安装可实现网站数据的浏览功能或电子邮件功能的软件(程序、数据等)，也可以实现客户端装置200。
客户端装置200的控制部210中，通过CPU和由该CPU解释并运行的程序，也可实现在控制部210进行的处理的全部或任意的一部分。ROM220或HD230中记录与OS(操作系统)协同、对CPU发出指令、用于进行各种处理的计算机程序。该计算机程序通过装载在RAM240中来运行，与CPU协同，构成控制部210。该计算机程序可以记录在经由任意的网络与客户端装置200连接的应用程序服务器中，客户端装置200可以根据需要下载其全部或部分。还可通过布线逻辑等的硬件实现在控制部210进行的处理的全部或任意的一部分。
接着，参照图4、图5对本系统的网络300进行说明。网络300具有以可通信的方式将胃癌评价装置100和客户端装置200和数据库装置400相互连接在一起的功能，例如互联网或内联网或LAN(包括有线/无线两者)等。网络300可以是VAN、个人计算机通信网、公众电话网(包括模拟/数字两者)、专用线路网(包括模拟/数字两者)、CATV网、便携线路交换网或便携网络包交换网(包括IMT2000方式、GSM方式或PDC/PDC-P方式等)、无线呼出网、Bluetooth(蓝牙)(注册商标)等的局域无线网、PHS网或卫星通信网(包括CS、BS或ISDB等)等。
接着，参照图20对本系统的数据库装置400的构成进行说明。图20是表示本系统的数据库装置400的构成的一个例子的框图，只概念性地表示了该构成中与本发明有关的部分。
数据库装置400具有保存在胃癌评价装置100或该数据库装置400制作多变量判别式时使用的胃癌状态信息、在胃癌评价装置100制作的多变量判别式、胃癌评价装置100的评价结果等的功能。如图20所示，数据库装置400由综合控制该数据库装置400的CPU等的控制部402、经由路由器等的通信装置以及专用线等的有线或无线通信线路将该数据库装置与网络300以可通信的方式连接的通信接口部404、保存各种数据库或表格或文件(例如，网页用文件)等的存储部406、和与输入装置412或输出装置414连接的输入输出接口部408构成，这些部分经由任意的通信线路以可通信的方式连接。
存储部406是存储装置，可使用例如RAM、ROM等的存储装置、硬盘等的固定盘装置、软盘或光盘等。存储部406中保存各种处理中所使用的各种程序等。通信接口部404连通数据库装置400与网络300(或路由器等的通信装置)之间的通信。即，通信接口部404具有经由通信线路与其它终端进行数据通信的功能。输入输出接口部408与输入装置412或输出装置414连接。这里，输出装置414除使用监视器(包括家庭用电视机)之外，还可以使用扩音器或打印机(以下，有时将输出装置414记为监视器414)。输入装置412除键盘或鼠标或麦克风之外，还可以使用与鼠标协同、实现指点器功能的监视器。
控制部402具有用于保存OS(操作系统)等的控制程序、对各种处理顺序等进行规定的程序、所需数据等的内存，根据这些程序运行各种信息处理。控制部402如图所示，大体具备要求解释部402a、阅览处理部402b、认证处理部402c、电子邮件生成部402d、网页生成部402e和发送部402f。
要求解释部402a解释来自胃癌评价装置100的要求内容，根据该解释结果，将处理交付控制部402的各部。阅览处理部402b接受来自胃癌评价装置100的各种画面的阅览要求，进行这些画面的网站数据的生成或发送。认证处理部402c接受来自胃癌评价装置100的认证要求，进行认证判断。电子邮件生成部402d生成包含各种信息的电子邮件。网页生成部402e生成利用者通过客户端装置200阅览的网页。发送部402f将胃癌状态信息或多变量判别式等的各种信息发送给胃癌评价装置100。
[2-3.本系统的处理]
这里，参照图21对由如上构成的本系统进行的胃癌评价服务处理的一个例子进行说明。图21是表示胃癌评价服务处理的一个例子的流程图。
本处理中使用的氨基酸浓度数据是关于对预先由个体采血得到的血液进行分析得到的氨基酸的浓度值。这里，对血液的氨基酸的分析方法进行简单说明。首先，将采血得到的血样采集到肝素处理的管中，然后对该管进行离心，分离血浆。分离的全部的血浆样品在-70℃下冷冻保存至氨基酸浓度测定之前。测定氨基酸浓度时，在血浆样品中添加硫代水杨酸调节为3％浓度，由此进行除蛋白处理。氨基酸浓度的测定采用氨基酸分析仪，该氨基酸分析仪以使用柱后茚三酮反应的高效液相色谱(HPLC)为原理。
首先，在显示了网页浏览器211的画面上，利用者经由输入装置250来指定胃癌评价装置100所提供的网站的地址(URL等)，客户端装置200与胃癌评价装置100连通。具体来说，利用者指示客户端装置200的网页浏览器211的画面更新，则网页浏览器211通过规定的通信协议，将胃癌评价装置100所提供的网站的地址发送给胃癌评价装置100，通过基于该地址的路由，对胃癌评价装置100提出发送与氨基酸浓度数据发送画面对应的网页的要求。
接着，胃癌评价装置100在要求解释部102a接受来自客户端装置200的发送，分析该发送的内容，根据分析结果将处理转移至控制部102的各部。具体来说，发送的内容是要求发送与氨基酸浓度数据发送画面对应的网页时，胃癌评价装置100主要是在阅览处理部102b取得保存在存储部106的规定的存储区、用于显示该网页的网站数据，将取得的网站数据发送给客户端装置200。更具体地说，利用者要求发送与氨基酸浓度数据发送画面对应的网页时，胃癌评价装置100首先在控制部102要求利用者输入利用者ID或利用者密码。输入利用者ID或密码后，胃癌评价装置100在认证处理部102c对输入的利用者ID或密码、和保存在利用者信息文件106a中的利用者ID或利用者密码进行认证判断。只在可以认证时，胃癌评价装置100在阅览处理部102b将用于显示与氨基酸浓度数据发送画面对应的网页的网站数据发送至客户端装置200。客户端装置200的特定是通过在来自客户端装置200的发送要求的同时发送的IP地址进行。
接着，客户端装置200在接收部213接收由胃癌评价装置100发送的网站数据(用于显示与氨基酸浓度数据发送画面对应的网页)，在网页浏览器211解释所接收的网站数据，将氨基酸浓度数据发送画面显示在监视器261上。
接着，利用者经由输入装置250，对于显示在监视器261上的氨基酸浓度数据发送画面进行个体的氨基酸浓度数据等的输入、选择，则客户端装置200在发送部214将用于特定输入信息或选择事项的标识符发送至胃癌评价装置100，由此将评价对象个体的氨基酸浓度数据发送至胃癌评价装置100(步骤SA-21)。步骤SA-21中的氨基酸浓度数据的发送可通过FTP等的现有的文件传输技术等来实现。
接着，胃癌评价装置100在要求解释部102a解释由客户端装置200发送的标识符，由此解释客户端装置200的要求内容，将胃癌评价用(具体来说，是胃癌和非胃癌的2组判别用、胃癌病期的判别用、胃癌有否向其它器官转移的2组判别用等)的多变量判别式的发送要求发送至数据库装置400。
接着，数据库装置400在要求解释部402a解释来自胃癌评价装置100的发送要求，将保存在存储部406的规定的存储区域的、含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数的多变量判别式(例如，更新的最新的多变量判别式)发送至胃癌评价装置100(步骤SA-22)。
这里，步骤SA-22中，发送至胃癌评价装置100的多变量判别式可以以1个分数式或多个分数式之和表示，构成该判别式的上述分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数。具体来说，在步骤SA-26中判别是胃癌或非胃癌时，发送到胃癌评价装置100的多变量判别式可以是数式1、数式2或数式3；在步骤SA-26中判别胃癌的病期时，多变量判别式可以是数式4；在步骤SA-26中判别胃癌有否向其它器官转移时，多变量判别式可以是数式5。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
步骤SA-22中，发送至胃癌评价装置100的多变量判别式可以是逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式等的任意一种。具体来说，发送至胃癌评价装置100的多变量判别式可以是以Orn、Gln、Trp、Cit为变数的逻辑回归式，或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式，或以Glu、Phe、His、Trp为变数的逻辑回归式，或以Glu、Pro、His、Trp为变数的线性判别式，或以Val、Ile、His、Trp为变数的逻辑回归式，或以Thr、Ile、His、Trp为变数的线性判别式。
接着，胃癌评价装置100在接收部102f接收由客户端装置200发送的个体的氨基酸浓度数据和由数据库装置400发送的多变量判别式，将接收的氨基酸浓度数据保存在氨基酸浓度数据文件106b的规定的存储区域，同时将接收的多变量判别式保存在多变量判别式文件106e4的规定的存储区域(步骤SA-23)。
接着，胃癌评价装置100在控制部102，从在步骤SA-23接收的个体的氨基酸浓度数据中除去缺失值或偏离值等的数据(步骤SA-24)。
接着，胃癌评价装置100在判别值计算部102i，根据在步骤SA-24中除去了缺失值或偏离值等数据的个体的氨基酸浓度数据以及在步骤SA-23接收的多变量判别式，计算判别值(步骤SA-25)。
接着，胃癌评价装置100在判别值基准判别部102j1对在步骤SA-25计算的判别值和预先设定的阀值进行比较，对于个体判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，将该判别结果保存在评价结果文件106g的规定的存储区域(步骤SA-26)。
接着，胃癌评价装置100在发送部102m将在步骤SA-26得到的判别结果(关于是胃癌或还是非胃癌的判别结果、关于胃癌的病期的判别结果、关于胃癌有否向其它器官转移的判别结果)发送至氨基酸浓度数据的发送源头的客户端装置200和数据库装置400(步骤SA-27)。具体来说，首先，胃癌评价装置100在网页生成部102e制作用于显示判别结果的网页，将与制作的网页对应的网站数据保存在存储部106的规定的存储区域。接着，利用者经由输入装置250，向客户端装置200的网页浏览器211输入规定的URL，通过了上述的认证后，客户端装置200将该网页的阅览要求发送给胃癌评价装置100。接着，胃癌评价装置100在阅览处理部102b解释由客户端装置200发送的阅览要求，由存储部106的规定的存储区域读取与用于表示判别结果的网页对应的网站数据。然后，胃癌评价装置100在发送部102m将读取的网站数据发送至客户端装置200，同时将该网站数据或判别结果发送至数据库装置400。
这里，在步骤SA-27中，胃癌评价装置100可以在控制部102通过电子邮件将判别结果通知利用者的客户端装置200。具体来说，首先，胃癌评价装置100在电子邮件生成部102d，基于利用者ID等，按照发送时间，参照保存在利用者信息文件106a的利用者信息，取得利用者的电子邮件地址。接着，胃癌评价装置100在电子邮件生成部102d，以获得的电子邮件地址为发送地址，生成包含利用者的姓名和判别结果的电子邮件相关的数据。接着，胃癌评价装置100在发送部102m将生成的该数据发送至利用者的客户端装置200。
步骤SA-27中，胃癌评价装置100可以通过FTP等的已有的文件传输技术等，将判别结果发送至利用者的客户端装置200。
返回图21的说明，数据库装置400在控制部402接收由胃癌评价装置100发送的判别结果或网站数据，将接收的判别结果或网站数据保存(积累)在存储部406的规定的存储区域(步骤SA-28)。
客户端装置200在接收部213接收由胃癌评价装置100发送的网站数据，在网页浏览器211中解释接收的网站数据，将记录有个体的判别结果的网页的画面表示在监视器261上(步骤SA-29)。判别结果通过电子邮件由胃癌评价装置100发送时，客户端装置200由于电子邮箱212的公知的功能，可以在任意的时间接收由胃癌评价装置100发送的电子邮件，并将接收的电子邮件显示在监视器261上。
以上，利用者通过阅览在监视器261上显示的网页，可以确认关于胃癌和非胃癌的2组判别的个体的判别结果、或关于胃癌病期的判别的个体的判别结果、或关于胃癌有否向其它器官转移的2组判别的个体的判别结果。利用者可以通过打印机262打印显示在监视器261上的网页的显示内容。
判别结果通过电子邮件由胃癌评价装置100发送时，利用者通过阅览在监视器261上显示的电子邮件，可以确认关于胃癌和非胃癌的2组判别的个体的判别结果、或关于胃癌病期的判别的个体的判别结果、或关于胃癌有否向其它器官转移的2组判别的个体的判别结果。利用者可以通过打印机262打印显示在监视器261上的电子邮件的显示内容。
至此，胃癌评价服务处理的说明结束。
[2-4.实施方案2的总结、以及其它的实施方案]
如上述详细说明，根据胃癌评价系统，客户端装置200将个体的氨基酸浓度数据发送至胃癌评价装置100，数据库装置400接受来自胃癌评价装置100的要求，将胃癌评价用的多变量判别式(具体来说，是胃癌和非胃癌的2组判别用的多变量判别式、胃癌病期的判别用的多变量判别式、胃癌有否向其它器官转移的2组判别用的多变量判别式等)发送至胃癌评价装置100，胃癌评价装置100接收来自客户端装置200的氨基酸浓度数据，同时接收来自数据库装置400的多变量判别式，根据接收的氨基酸浓度数据和多变量判别式计算判别值，通过对计算的判别值和预先设定的阀值进行比较，对个体判别是胃癌还是非胃癌、判别胃癌的病期、或判别胃癌有否向其它器官转移，将该判别结果发送至客户端装置200或数据库装置400，客户端装置200接收由胃癌评价装置100发送的判别结果并显示，数据库装置400接收由胃癌评价装置100发送的判别结果并保存。由此，利用由多变量判别式得到的判别值，可高精度地进行这些的2组判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别有用。
根据胃癌评价系统，多变量判别式可以以1个分数式或多个分数式之和表示，构成该判别式的分数式的分子和/或分母中含有Asn、Cys、His、Met、Orn、Phe、Trp、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr中的至少一种氨基酸作为变数。具体来说，在判别是胃癌或非胃癌时，多变量判别式可以是数式1、数式2或数式3；在判别胃癌的病期时，多变量判别式可以是数式4；在判别胃癌有否向其它器官转移时，多变量判别式可以是数式5。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别更为有用。这些多变量判别式可通过本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法或本申请人的国际申请即国际公开第2006/098192号小册子中所述的方法(后述的多变量判别式制作处理)来制作。如果是由这些方法得到的多变量判别式，则不管作为输入数据的氨基酸浓度数据中的氨基酸浓度的单位，该多变量判别式均可适用于胃癌状态的评价。
a1×Orn/(Trp+His)+b1×(ABA+Ile)/Leu+c1 …(数式1)
a2×Glu/His+b2×Ser/Trp+c2×Arg/Pro+d2 …(数式2)
a3×Trp/Gln+b3×His/Glu+c3 …(数式3)
a4×Gly/(Glu+Trp+Val)+b4×Arg/His+c4 …(数式4)
a5×Ile/Glu+b5×(Gly+Asn+Arg)/His+c5 …(数式5)
(数式1中，a1、b1是不为零的任意的实数，c1是任意的实数；数式2中，a2、b2、c2是不为零的任意的实数，d2是任意的实数；数式3中，a3、b3是不为零的任意的实数，c3是任意的实数；数式4中，a4、b4是不为零的任意的实数，c4为任意的实数；数式5中，a5、b5是不为零的任意的实数，c5是任意的实数)。
根据胃癌评价系统，多变量判别式可以是逻辑回归式、线性判别式、多重回归式、由支持向量机制作的公式、由马氏距离法制作的公式、由典型判别分析制作的公式、由决策树制作的公式等的任意一种。具体来说，多变量判别式可以是以Orn、Gln、Trp、Cit为变数的逻辑回归式，或以Orn、Gln、Trp、Phe、Cit、Tyr为变数的线性判别式，或以Glu、Phe、His、Trp为变数的逻辑回归式，或以Glu、Pro、His、Trp为变数的线性判别式，或以Val、Ile、His、Trp为变数的逻辑回归式，或以Thr、Ile、His、Trp为变数的线性判别式。由此，利用由多变量判别式得到的判别值，可进一步高精度地进行这些的判别，其中，所述多变量判别式对于胃癌和非胃癌的2组判别或胃癌病期的判别或胃癌有否向其它器官转移的2组判别更为有用。这些多变量判别式可通过本申请人的国际申请即国际公开第2006/098192号小册子中所述的方法(后述的多变量判别式制作处理)制作。
本发明所述的胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质除了上述的实施方案2以外，在权利要求文件记载的技术思想的范围内，可以以各种不同的实施方案实施。例如，在上述实施方案2中说明的各处理中，以自动进行的形式说明的处理的全部或一部分可以是手动进行，以手动进行的形式说明的处理的全部或一部分可以按照公知的方法自动进行。除此之外，除了特别说明的之外，上述文章中或附图中表示的处理程序、控制程序、具体名称、各种登录数据以及包括检索条件等的参数的信息、画面例、数据库构成均可任意变更。例如关于胃癌评价装置100，图示的各构成要素是功能概念性的，物理学上未必是如图示的构成。另外，关于胃癌评价装置100的各部或各装置所具备的处理功能(特别是通过控制部102进行的各处理功能)，可通过CPU(中央处理装置)以及由该CPU解释并运行的程序来实现其全部或任意的一部分，也可以以接线逻辑的硬件的形式实现。
这里，“程序”是通过任意的语言或记述方法记述的数据处理方法，不管其源代码或二进制代码等的形式。“程序”并不限于单一构成，包含多个模块或以库的形式分散构成的程序、或与以OS(操作系统)为代表的个别程序协同来实现其功能的程序。程序记录在记录介质上，根据需要，可以机械读取到胃癌评价装置100中。关于在各装置中读取记录在记录介质上的程序的具体的构成或读取程序或读取后的安装程序等，可以采用周知的构成或程序。
“记录介质”包含任意的“可移动的物理介质”或任意的“固定的物理介质”或“通信介质”。“可移动的物理介质”是指软盘、光磁盘、ROM、EPROM、EEPROM、CD-ROM、MO或DVD等。“固定的物理介质”是指内置于各种计算机系统的ROM、RAM或HD等。“通信介质”如经由LAN或WAN或互联网等网络发送程序时的通信线路或载波，是短期保有程序的介质。
最后，参照图22对于在胃癌评价装置100中进行的多变量判别式制作处理的一个例子进行详细说明。图22是表示多变量判别式制作处理的一个例子的流程图。该多变量判别式制作处理可以在管理胃癌状态信息的数据库装置400中进行。
本说明中，胃癌评价装置100是将事先由数据库装置400取得的胃癌状态信息保存在胃癌状态信息文件106c的规定的存储区域。胃癌评价装置100是将事先在胃癌状态信息指定部102g中指定的包含胃癌状态指标数据和氨基酸浓度数据的胃癌状态信息保存在指定胃癌状态信息文件106d的规定的存储区域。
首先，多变量判别式制作部102h是在候选多变量判别式制作部102h1中，根据规定的公式制作方法，由保存在指定胃癌状态信息文件106d的规定的存储区域的胃癌状态信息制作候选多变量判别式，将制作的候选多变量判别式保存在候选多变量判别式文件106e1的规定的存储区域(步骤SB-21)。具体来说，首先，多变量判别式制作部102h是在候选多变量判别式制作部102h1中，从多个不同的公式制作方法(包含关于主成分分析或判别分析、支持向量机、多重回归分析、逻辑回归分析、k-means法、聚类分析、决策树等的多变量分析的方法)中选择所需的一种，根据所选择的公式制作方法，确定制作的候选多变量判别式的形式(公式的形式)。接着，多变量判别式制作部102h是在候选多变量判别式制作部102h1，根据胃癌状态信息，运行与所选择的公式选择方法对应的各种(例如，平均或分散等)的计算。接着，多变量判别式制作部102h是在候选多变量判别式制作部102h1中，确定计算结果和所确定的候选多变量判别式的参数。由此，根据所选择的公式制作方法来制作候选多变量判别式。将多个不同的公式制作方法结合使用、同时并行(并列)地制作候选多变量判别式时，可以根据所选择的公式制作方法，将上述处理并行运行。另外，将多个不同的公式制作方法结合使用、依次制作候选多变量判别式时，例如可以利用进行主成分分析制作的候选多变量判别式，变换胃癌状态信息，对变换的胃癌状态信息进行判别分析，由此制作候选多变量判别式。
接着，多变量判别式制作部102h是在候选多变量判别式验证部102h2中，根据规定的验证方法，对在步骤SB-21中制作的候选多变量判别式进行验证(相互验证)，将验证结果保存在验证结果文件106e2的规定的存储区域(步骤SB-22)。具体来说，多变量判别式制作部102h是在候选多变量判别式验证部102h2中，根据保存在指定胃癌状态信息文件106d的规定的存储区域的胃癌状态信息，制作验证候选多变量判别式时使用的验证用数据，根据制作的验证用数据来验证候选多变量判别式。在步骤SB-21中结合使用多个不同的公式制作方法来制作多个候选多变量判别式时，多变量判别式制作部102h是在候选多变量判别式验证部102h2中，对于每种与各公式制作方法对应的候选多变量判别式，按照规定的验证方法进行验证。这里，在步骤SB-22中，可以根据自举法或保持法、留一法等中的至少一种，对候选多变量判别式的判别率或灵敏度、特异性、信息量基准等中的至少一种进行验证。由此，可以选择考虑了胃癌状态信息或诊断条件的、预测性或可靠性高的候选指标式。
接着，多变量判别式制作部102h是在变数选择部102h3中，根据规定的变数选择方法，由步骤SB-22中的验证结果选择候选多变量判别式的变数，由此选择在制作候选多变量判别式时使用的胃癌状态信息中所含的氨基酸浓度数据的组合，将包含所选择的氨基酸浓度数据的组合的胃癌状态信息保存在选择胃癌状态信息文件106e3的规定的存储区域(步骤SB-23)。在步骤SB-21中，结合使用多个不同的公式制作方法，制作多个候选多变量判别式，在步骤SB-22中，根据规定的验证方法，对于每种与各公式制作方法对应的候选多变量判别式进行验证时，在步骤SB-23中，多变量判别式制作部102h是在变数选择部102h3中，对每种与步骤SB-22中的验证结果对应的候选多变量判别式，根据规定的变数选择方法选择候选多变量判别式的变数。这里，步骤SB-23中，可以根据逐步法、最优路径法、聚类探索法、遗传算法中的至少一种，由验证结果选择候选多变量判别式的变数。最优路径法是将候选多变量判别式中所含的变数一个个依次减少，使候选多变量判别式所赋予的评价指标最佳化，由此选择变数的方法。步骤SB-23中，多变量判别式制作部102h是在变数选择部102h3中，可以根据保存在指定胃癌状态信息文件106d的规定的存储区域的胃癌状态信息，选择氨基酸浓度数据的组合。
接着，多变量判别式制作部102h判定保存在指定胃癌状态信息文件106d的规定的存储区域的胃癌状态信息中所含的全部氨基酸浓度数据的组合是否结束，判定结果为“结束”时(步骤SB-24：Yes)，进入下一步骤(步骤SB-25)，判定结果为未“结束”时(步骤SB-24：No)，返回步骤SB-21。多变量判别式制作部102h判定预先设定的次数是否结束，判定结果为“结束”时(步骤SB-24：Yes)，进入下一步骤(步骤SB-25)，判定结果为未“结束”时(步骤SB-24：No)，可以返回步骤SB-21。多变量判别式制作部102h判定在步骤SB-23中选择的氨基酸浓度数据的组合与保存在指定胃癌状态信息文件106d的规定的存储区域的胃癌状态信息中所含的氨基酸浓度数据的组合或在上一步骤SB-23中选择的氨基酸浓度数据的组合是否相同，判定结果为“相同”时(步骤SB-24：Yes)，进入下一步骤(步骤SB-25)，判定结果为不“相同”时(步骤SB-24：No)，可以返回步骤SB-21。在具体来说验证结果为关于各候选多变量判别式的评价值时，多变量判别式制作部102h可根据该评价值与各公式制作方法所对应的规定的阀值的比较结果，判定是进入步骤SB-25还是返回步骤SB-21。
接着，多变量判别式制作部102h根据验证结果，从多个候选多变量判别式中选出用作多变量判别式的候选多变量判别式，由此确定多变量判别式，将确定的多变量判别式(选出的候选多变量判别式)保存在多变量判别式文件106e4的规定的存储区域(步骤SB-25)。这里，在步骤SB-25中，例如有从按照相同的公式制作方法制作的候选多变量判别式中选出最佳的情况，也有从全部的候选多变量判别式中选出最佳的情况。
至此，对多变量判别式制作处理的说明结束。
实施例1
通过上述的氨基酸分析法，针对确诊为胃癌的胃癌患者组的血样以及非胃癌组的血样测定血液中氨基酸浓度。氨基酸浓度的单位是nmol/ml。与胃癌患者和非胃癌患者的氨基酸变数的分布相关的箱线图(boxplot)如图23所示。图23中，横轴表示非胃癌组(对照)和胃癌组，图中的ABA和Cys分别表示α-ABA(α-氨基丁酸)和半胱氨酸。为了进行胃癌组和非胃癌组的判别，实施了2组间的t检验。
与非胃癌组相比，胃癌组中Thr、Ser、Pro、Gly、Ala、Cit、Cys、Val、Met、Ile、Leu、Tyr、Phe、Orn、Lys显著增加(显著性差异概率P<0.05)，ABA、His显著减少(显著性差异概率P<0.05)。由此表明，氨基酸变数Thr、Ser、Pro、Gly、Ala、Cit、Cys、Val、Met、Ile、Leu、Tyr、Phe、Orn、Lys、ABA、His具有胃癌组和非胃癌组的2组间的判别能力。
并且，关于基于各氨基酸变数的胃癌组和非胃癌组的2组判别，利用ROC曲线(图24)的曲线下面积(AUC)进行评价，关于氨基酸变数Ser、Asn、Pro、Cit、Cys、Met、Ile、Phe、His、Orn，AUC显示出大于0.7的值。由此表明，氨基酸变数Ser、Asn、Cys、Pro、Cit、Met、Ile、Phe、His、Orn具有胃癌组和非胃癌组的2组间的判别能力。实施例2
使用实施例1中使用的样品数据。采用本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法，关于胃癌判别，深入研究使胃癌组和非胃癌组的2组判别性能最大化的指标，在具有同等性能的多个指标中得到了指标式1。
指标式1：
(Asn)/(ABA)+(Leu)/(His)
关于胃癌组和非胃癌组的2组判别，基于指标式1的胃癌的诊断性能通过ROC曲线(图25)的AUC进行评价，得到0.972±0.011(95％可靠区间为0.951-0.994)。关于通过指标式1进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.038，求出最佳的阀值时，阀值为4.51，并且得到灵敏度为93％，特异度为94％，阳性预测值为65％、阴性预测值为99％，诊断正确率为94％，由此表明指标式1的诊断性能高是有用的指标。除此之外还得到了多个与指标式1具有同等的判别性能的分数式。它们如图26、图27、图28、图29所示。
实施例3
使用实施例1中使用的样品数据。关于胃癌，通过逻辑分析(BIC最小基准的变数覆盖法(variable coverage method))，研究使胃癌组和非胃癌组的2组判别性能最大化的指标，以指标式2的形式得到由Asn、Orn、Phe、His构成的逻辑回归式(氨基酸变数Asn、Orn、Phe、His的数的系数和常数项依次为0.291±0.051、0.088±0.028、0.116±0.025、-0.299±0.067、-9.499±3.204)。
关于胃癌组和非胃癌组的2组判别，基于指标式2的胃癌的诊断性能通过ROC曲线(图30)的AUC进行评价，得到0.997±0.002(95％可靠区间为0.993-1.00)，由此表明指标式2的诊断性能高是有用的指标。关于通过指标式2进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.038，求出最佳的阀值时，阀值为0.125，并且得到灵敏度为98％，特异度为99％，阳性预测值为92％，阴性预测值为99％，诊断正确率为99％，由此表明指标式2的诊断性能高是有用的指标。除此之外，还得到了多个与指标式2具有同等的判别性能的逻辑回归式。它们如图31、图32、图33、图34所示。图31、图32、图33、图34所示的式中的各系数的值及其95％可靠区间可以是将其实数倍所得的值，常数项的值及其95％可靠区间可以是对其加减乘除任意的实常数所得的值。
实施例4
使用实施例1中使用的样品数据。关于胃癌，通过线性判别分析(变数覆盖法)，研究使胃癌组和非胃癌组的2组判别性能最大化的指标，以指标式3的形式得到由Asn、Orn、Phe、His、Gln、Tyr构成的线性判别式(氨基酸变数Asn、Orn、Phe、His、Gln、Tyr的数的系数依次为33.35±1.69，9.85±1.67，12.62±2.70，-15.80±2.48，-1.00±0.35，-9.02±2.16)。
关于胃癌组和非胃癌组的2组判别，基于指标式3的胃癌的诊断性能通过ROC曲线(图35)的AUC进行评价，得到0.996±0.003(95％可靠区间为0.991-1.00)，由此表明指标式3的诊断性能高是有用的指标。关于通过指标式3进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.038，求出最佳的阀值时，阀值为1177，并且得到灵敏度为98％，特异度为99％，阳性预测值为98％，阴性预测值为99％，诊断正确率为99％，由此表明指标式3的诊断性能高是有用的指标。除此之外，还得到了多个与指标式3具有同等的判别性能的线性判别式。它们如图36、图37、图38、图39所示。图36、图37、图38、图39所示的式中的各系数的值及其95％可靠区间可以是将其实数倍所得的值，常数项的值及其95％可靠区间可以是对其加减乘除任意的实常数后所得的值。
实施例5
使用实施例1中使用的样品数据。关于胃癌，对胃癌的病理病期(Ia、Ib、II、IIIa、IIIb、IV)和壁浸润程度、有无组织学的腹膜播种、有无组织学的肝转移、有无组织学的淋巴结转移的数据进行典型相关分析，使胃癌的病理病期数值化。通过多重回归分析(BIC最小基准的变数覆盖法)，对所得的病理病期的数值数据研究与病期相关性最高的指标，以指标式4的形式得到含有His、Glu、Gly、Arg的线性判别式(氨基酸变数His、Glu、Gly、Arg的数的系数依次为-11.68±4.14、-3.91±3.25、1.00±0.66、3.22±2.39)。
此时，进行数值化的病理病期与指标式4的值之间的皮尔逊相关系数为0.542(95％可靠区间为0.400-0.659，p<0.001)，由此表明指标式4的诊断性能高是有用的指标(图40)。除此之外，还得到了多个与指标式4具有同等的判别性能的线性判别式。它们如图41、图42、图43、图44所示。图41、图42、图43、图44所示的式中的各系数的值及其95％可靠区间可以是将其实数倍所得的值，常数项的值及其95％可靠区间可以是对其加减乘除任意的实常数所得的值。
实施例6
使用实施例1中使用的样品数据。采用本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法，关于胃癌，对与胃癌的病理病期(Ia、Ib、II、IIIa、IIIb、IV)深入研究与病期的相关性最高的指标，在具有同等性能的多个指标中得到了指标式5。
指标式5：
(Gly)/(Glu+Trp+Val)+(Arg)/(His)
此时，病理病期与指标式5的值之间的斯皮尔曼等级相关系数为0.482(95％可靠区间为0.324-0.615，p<0.001)，由此表明指标式5的诊断性能高是有用的指标(图45)。除此之外，还得到了多个与指标式5具有同等的判别性能的指标式。它们如图46、图47、图48、图49所示。
实施例7
采用本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法，关于胃癌，对于胃癌有否向淋巴结转移，深入研究使2组判别性能最大化的指标，在具有同等性能的多个指标中得到了指标式6。
指标式6：
(Ile)/(Glu)+(Gly+Asn+Arg)/(His)
关于转移组和非转移组的2组判别，基于指标式6的胃癌向淋巴结转移的诊断性能通过ROC曲线(图50)的AUC进行评价，得到0.760±0.044(95％可靠区间为0.673-0.847)。关于通过指标式6进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.038，求出最佳的阀值时，阀值为7.706，并且得到灵敏度为69％，特异度为69％，阳性预测值为64％，阴性预测值为74％，诊断正确率为69％，由此表明指标式6的诊断性能高是有用的指标。除此之外，还得到了多个与指标式6具有同等的判别性能的分数式。它们如图51、图52、图53、图54所示。
实施例8
使用实施例1中使用的样品数据。关于胃癌，通过逻辑分析(BIC最小基准的变数覆盖法)研究使胃癌有否向淋巴结转移的2组判别性能最大化的指标，以指标式7的形式得到了由His、Met、Tyr构成的逻辑回归式(氨基酸变数His、Met、Tyr的数的系数和常数项依次为-0.067±0.009、0.161±0.002、-0.045±0.025、2.476±1.319)。
关于转移组和非转移组的2组判别，基于指标式7的胃癌的诊断性能通过ROC曲线(图55)的AUC进行评价，得到0.729±0.046(95％可靠区间为0.631-0.819)，由此表明指标式7的诊断性能高是有用的指标。关于通过指标式7进行的转移组和非转移组的2组判别的阀值，以转移组的有症率为0.443，求出最佳的阀值时，阀值为0.468，并且得到灵敏度为59％、特异度为76％、阳性预测值为67％、阴性预测值为70％、诊断正确率为69％，由此表明指标式7的诊断性能高是有用的指标。除此之外，还得到了多个与指标式7具有同等的判别性能的线性判别式。它们如图56、图57、图58、图59所示。图56、图57、图58、图59所示的式中的各系数的值及其95％可靠区间可以是将其实数倍所得的值，常数项的值及其95％可靠区间可以是对其加减乘除任意的实常数所得的值。
实施例9
使用实施例1中使用的样品数据。关于胃癌，通过线性判别分析(变数覆盖法)研究使有否向淋巴结转移的2组判别性能最大化的指标，以指标式8的形式得到了由His、Met、Tyr构成的线性判别式(氨基酸变数His、Met、Tyr的数的系数依次为-1.885±0.982、3.680±1.821、-1.000±0.704)。
关于转移组和非转移组的2组判别，基于指标式8的胃癌的诊断性能通过ROC曲线(图60)的AUC进行评价，得到0.731±0.046(95％可靠区间为0.642-0.821)，由此表明指标式8的诊断性能高是有用的指标。关于通过指标式8进行的胃癌组和非胃癌组的2组判别的阀值，以转移组的有症率为0.443，求出最佳的阀值时，阀值为-83.3，并且得到灵敏度为61％、特异度为76％、阳性预测值为67％、阴性预测值为71％、诊断正确率为70％，由此表明指标式8的诊断性能高是有用的指标。除此之外，还得到了多个与指标式8具有同等的判别性能的线性判别式。它们如图61、图62、图63、图64所示。图61、图62、图63、图64所示的式中的各系数的值及其95％可靠区间可以是将其实数倍所得的值，常数项的值及其95％可靠区间可以是对其加减乘除任意的实常数所得的值。
实施例10
通过变数覆盖法，从全部公式中提取进行2组判别的线性判别式。此时，出现在各式中的氨基酸变数的最大值为4，计算满足该条件的全部公式的ROC曲线下面积。此时，在ROC曲线下面积为某一阀值以上的式中测定出现各氨基酸的频率，结果，在分别以ROC曲线下面积0.9、0.925、0.95、0.975作为阀值时，可确认Asn、Cys、His、Met、Orn、Phe为常以高频率提取的氨基酸前10位以内，表明使用这些氨基酸作为变数的多变量判别式具有胃癌组和非胃癌组的2组间的判别能力(图65)。
实施例11
通过上述的氨基酸分析法，针对通过胃活检确诊为胃癌的胃癌患者组的血样和非胃癌患者组的血样测定血液中氨基酸浓度。胃癌患者和非胃癌患者的氨基酸变数的分布如图66所示。以胃癌组和非胃癌胃癌组的判别为目的，实施了2组间的t检验。
与非胃癌组相比，胃癌组中Glu显著增加，Asn、Val、Met、Ile、Leu、Tyr、Phe、His、Trp、Lys、Arg显著减少。由此表明，氨基酸变数Glu、Asn、Val、Met、Ile、Leu、Tyr、Phe、His、Trp、Lys、Arg具有胃癌组和非胃癌组的2组间的判别能力。
并且，关于胃癌组和非胃癌组的2组判别，通过ROC曲线的AUC进行评价，对于氨基酸变数Asn、Glu、Met、Leu、Phe、His、Trp、Lys、Arg，AUC显示出大于0.75的值(图67)。由此表明，氨基酸变数Asn、Glu、Met、Leu、Phe、His、Trp、Lys、Arg具有胃癌组和非胃癌组的2组间的判别能力。
实施例12
使用实施例11中使用的样品数据。采用本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法，关于胃癌判别，深入研究使胃癌组和非胃癌组的2组判别性能最大化的指标，在具有同等性能的多个指标中得到了指标式9。
指标式9：
Glu/His+0.15×Ser/Trp-0.38×Arg/Pro
关于胃癌组和非胃癌组的2组判别，基于指标式9的胃癌的诊断性能通过ROC曲线(图68)的AUC进行评价，得到0.997±0.003(95％可靠区间为0.991-1)。关于通过指标式9进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.16％，求出最佳的阀值时，阀值为0.585，得到灵敏度为96.67％、特异度为100.0％、阳性预测值为100.0％、阴性预测值为99.99％、诊断正确率为99.99％(图68)，由此表明指标式9的诊断性能高是有用的指标。除此之外，还得到了多个与指标式9具有同等的判别性能的多变量判别式。它们如图69和图70所示。图69和图70所示的式中的各系数的值可以是将其实数倍所得的值，或者附加任意的常数项所得的值。
实施例13
使用实施例11中使用的样品数据。关于胃癌，通过逻辑分析(BIC最小基准的变数覆盖法)研究使胃癌组和非胃癌组的2组判别性能最大化的指标，以指标式10的形式得到由Glu、Phe、His、Trp构成的逻辑回归式(氨基酸变数Glu，Phe，His，Trp的数的系数和常数项依次为0.1254±0.001、-0.0684±0.004、-0.1066±0.002、-0.1257±0.0027、12.9742±0.1855)。
关于胃癌组和非胃癌组的2组判别，基于指标式10的胃癌的诊断性能通过ROC曲线(图71)的AUC进行评价，得到0.977±0.023(95％可靠区间为0.932-1)，由此表明指标式10的诊断性能高是有用的指标。关于通过指标式10进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.16％，求出最佳的阀值时，阀值为0.536，并且得到灵敏度为96.7％、特异度为100％、阳性预测值为100％、阴性预测值为99.99％、诊断正确率为99.99％(图71)，由此表明指标式10的诊断性能高是有用的指标。除此之外，还得到了多个与指标式10具有同等的判别性能的逻辑回归式。它们如图72和图73所示。图72和图73所示的式中的各系数的值可以是将其实数倍所得的值。
实施例14
使用实施例11中使用的样品数据。关于胃癌，通过线性判别分析(变数覆盖法)研究使胃癌组和非胃癌组的2组判别性能最大化的指标，以指标式11的形式得到由Glu、Pro、His、Trp构成的线性判别函数(氨基酸变数Glu、Pro、His、Trp的数的系数依次为1±0.2、0.2703±0.0085、-1.0845±0.0359、-1.4648±0.0464)。
关于胃癌组和非胃癌组的2组判别，基于指标式11的胃癌的诊断性能通过ROC曲线(图74)的AUC进行评价，得到0.984±0.015(95％可靠区间为0.955-1)，由此表明指标式11的诊断性能高是有用的指标。关于通过指标式11进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.16％，求出最佳的阀值时，阀值为-72.45，并且得到灵敏度为96.7％、特异度为98.3％、阳性预测值为8.50％、阴性预测值为99.99％、诊断正确率为98.33％(图74)，由此表明指标式11的诊断性能高是有用的指标。除此之外，还得到了多个与指标式11具有同等的判别性能的线性判别函数。它们如图75和图76所示。图75和图76所示的式中的各系数的值可以是将其实数倍所得的值，或附加任意的常数项所得的值。
实施例15
使用实施例11中使用的样品数据。关于胃癌，通过变数覆盖法从全部公式中提取进行胃癌组和非胃癌组的2组判别的线性判别式，此时，出现在各式中的氨基酸变数的最大值为4，计算满足该条件的全部公式的ROC曲线下面积。此时，用ROC曲线下面积最大达到前500的判别式测定出现各氨基酸的频率，结果可确认Trp、Glu、His、Ala、Pro位于以高频率提取的氨基酸的前5位，由此表明使用这些氨基酸作为变数的多变量判别式具有胃癌组和非胃癌组的2组间的判别能力(图77)。
实施例16
通过上述的氨基酸分析法，针对通过胃活检确诊为胃癌的胃癌患者组的血样和非胃癌患者组的血样测定血液中氨基酸浓度。胃癌患者和非胃癌患者的氨基酸变数的分布如图78所示。以胃癌组和非胃癌胃癌组的判别为目的，实施了2组间的威尔科克森(氏)秩和检验。
与非胃癌组相比，胃癌组中Glu显著增加，Thr、Asn、Ala、Cit、Val、Met、Leu、Tyr、Phe、His、Trp、Lys、Arg显著减少。由此表明，氨基酸变数Glu、Thr、Asn、Ala、Val、Met、Leu、Tyr、Phe、His、Trp、Lys、Arg具有胃癌组和非胃癌组的2组间的判别能力。
并且，关于胃癌组和非胃癌组的2组判别，通过ROC曲线的AUC进行评价，对于氨基酸变数Thr、Asn、Val、Met、Tyr、Phe、His、Trp、Arg，AUC显示出大于0.7的值(图79)。由此表明，氨基酸变数Thr、Asn、Val、Met、Tyr、Phe、His、Trp、Arg具有胃癌组和非胃癌组的2组间的判别能力。
实施例17
使用实施例16中使用的样品数据。采用本申请人的国际申请即国际公开第2004/052191号小册子中所述的方法，关于胃癌判别，深入研究使胃癌组和非胃癌组的2组判别性能最大化的指标，在具有同等性能的多个指标中得到了指标式12。除此之外，还得到了多个与指标式12具有同等的判别性能的多变量判别式。它们如图80、图81、图82和图83所示。图80、图81、图82和图83所示的式中的各系数的值可以是将其实数倍所得的值，或附加任意的常数项所得的值。
指标式12：
-6.272×Trp/Gln-0.08814×His/Glu
关于胃癌组和非胃癌组的2组判别，基于指标式12的胃癌的诊断性能通过ROC曲线(图84)的AUC(曲线下面积)进行评价，得到0.905±0.022(95％可靠区间为0.860-0.950)。关于通过指标式12进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.16％，求出最佳的阀值时，阀值为-0.712，并且得到灵敏度为84.3％、特异度为84.9％、阳性预测值为0.886％、阴性预测值为99.97％、诊断正确率为84.88％(图84)，由此表明指标式12的诊断性能高是有用的指标。
实施例18
使用实施例16中使用的样品数据。关于胃癌，通过逻辑分析(BIC最小基准的变数覆盖法)研究使胃癌组和非胃癌组的2组判别性能最大化的指标，以指标式13的形式得到由Val、Ile、His、Trp构成的逻辑回归式(氨基酸变数Val、Ile、His、Trp的数的系数和常数项依次为-0.0149±0.0061、0.0467±0.0148、-0.0296±0.0197、-0.1659±0.0233、9.182±1.467)。除此之外，还得到了多个与指标式13具有同等的判别性能的逻辑回归式。它们如图85、图86、图87和图88所示。图85、图86、图87和图88所示的式中的各系数的值可以是将其实数倍所得的值。
关于胃癌组和非胃癌组的2组判别，基于指标式13的胃癌的诊断性能通过ROC曲线(图89)的AUC进行评价，得到0.909±0.027(95％可靠区间为0.857-0.961)，由此表明指标式13的诊断性能高是有用的指标。关于通过指标式13进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.16％，求出最佳的阀值时，阀值为-1.477，并且得到灵敏度为87.1％、特异度为88.1％、阳性预测值为1.16％、阴性预测值为99.98％、诊断正确率为88.08％(图89)，由此表明指标式13的诊断性能高是有用的指标。
实施例19
使用实施例16中使用的样品数据。关于胃癌，通过线性判别分析(变数覆盖法)研究使胃癌组和非胃癌组的2组判别性能最大化的指标，以指标式14的形式得到由Thr、Ile、His、Trp构成的线性判别函数(氨基酸变数Thr、Ile、His、Trp的数的系数依次为-0.0021±-0.0011、0.0039±-0.0018、-0.0038±-0.0023、-0.0143±-0.0024)。除此之外，还得到了多个与指标式14具有同等的判别性能的线性判别函数。它们如图90、图91和图92所示。图90、图91和图92所示的式中的各系数的值可以是将其实数倍所得的值，或者附加任意的常数项所得的值。
关于胃癌组和非胃癌组的2组判别，基于指标式14的胃癌的诊断性能通过ROC曲线(图93)的AUC进行评价，得到0.914±0.024(95％可靠区间为0.867-0.962)，由此表明指标式14的诊断性能高是有用的指标。关于通过指标式14进行的胃癌组和非胃癌组的2组判别的阀值，以胃癌组的有症率为0.16％，求出最佳的阀值时，阀值为-0.935，并且得到灵敏度为85.7％、特异度为89.8％、阳性预测值为1.33％、阴性预测值为99.97％、诊断正确率为89.82％(图93)，由此表明指标式14的诊断性能高是有用的指标。
实施例20
使用实施例16中使用的样品数据。关于胃癌，自使用进行胃癌组和非胃癌组的2组判别的逻辑回归式的氨基酸变数中，以出现在各式中的氨基酸变数的最大值为4，计算全部公式的ROC曲线下面积。此时，通过各组合中ROC曲线下面积达到前100位、250位、500位、1000位的判别式，按照出现频率自高至低的顺序提取10种氨基酸。其结果，提取了作为在达到前100位、250位、500位、1000位的判别式中常常出现频率为前10位以内的氨基酸Trp、Asn、Glu、Cit、Thr、Tyr、Arg，表明使用这些氨基酸作为变数的多变量判别式具有胃癌组和非胃癌组的2组间的判别能力(图94)。
产业实用性
如上所述，本发明所述的胃癌的评价方法、胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质可在工业上的众多领域、特别是药物或食品、医疗等的领域中广泛实施，特别是在进行胃癌的病态预测或疾病风险预测或蛋白质组或代谢组学分析等的生物信息领域极为有用。

Claims (20)

1.胃癌评价装置，其为具备控制装置和存储装置的胃癌评价装置，其特征在于，上述控制装置具备下述装置：
判别值计算装置，根据预先取得的评价对象的氨基酸浓度数据中所含的Trp、Cys、Orn、Pro、Glu、Arg、Thr、ABA、Cit、Gly、Ile、Ser中的至少1种氨基酸的浓度值、以及含有Trp、Cys、Orn、Pro、Glu、Arg、Thr、ABA、Cit、Gly、Ile、Ser中的至少1种氨基酸作为变数的存储于所述存储装置中的多变量判别式，计算该多变量判别式的判别值；
判别值基准评价装置，根据上述判别值计算装置中计算的上述判别值，对于上述评价对象评价胃癌的状态。
2.胃癌评价装置，其为具备控制装置和存储装置的胃癌评价装置，其特征在于，上述控制装置具备下述装置：
判别值计算装置，根据预先取得的评价对象的氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr、ABA、Cit、Gln、Gly、Ile、Ser、Val中的至少1种氨基酸和Trp的浓度值、以及含有Asn、Cys、His、Met、Orn、Phe、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr、ABA、Cit、Gln、Gly、Ile、Ser、Val中的至少1种氨基酸和Trp作为变数的存储于所述存储装置中的多变量判别式，计算该多变量判别式的判别值；
判别值基准评价装置，根据上述判别值计算装置中计算的上述判别值，对于上述评价对象评价胃癌的状态。
3.权利要求2所述的胃癌评价装置，其特征在于，上述判别值计算装置，根据His和Trp的上述浓度值、以及含有His和Trp作为上述变数的上述多变量判别式，计算上述判别值。
4.权利要求3所述的胃癌评价装置，其特征在于，上述判别值计算装置，根据His、Leu和Trp；His、Ala和Trp；或His、Lys和Trp的上述浓度值、以及含有His、Leu和Trp；His、Ala和Trp；或His、Lys和Trp作为上述变数的上述多变量判别式，计算上述判别值。
5.权利要求4所述的胃癌评价装置，其特征在于，上述判别值计算装置，根据His、Leu、Val和Trp的上述浓度值、以及含有His、Leu、Val和Trp作为上述变数的上述多变量判别式，计算上述判别值。
6.胃癌评价系统，该胃癌评价系统是经由网络以可通信的方式将具备控制装置和存储装置的胃癌评价装置，以及信息通信终端装置连接在一起而构成，其特征在于，
上述信息通信终端装置具备下述装置：
氨基酸浓度数据发送装置，将评价对象的氨基酸浓度数据发送至上述胃癌评价装置；以及
评价结果接收装置，接收由上述胃癌评价装置发送的关于胃癌状态的上述评价对象的评价结果，
上述胃癌评价装置的上述控制装置具备下述装置：
氨基酸浓度数据接收装置，接收由上述信息通信终端装置发送的上述评价对象的上述氨基酸浓度数据；
判别值计算装置，根据上述氨基酸浓度数据接收装置接收的上述评价对象的上述氨基酸浓度数据中所含的Trp、Cys、Orn、Pro、Glu、Arg、Thr、ABA、Cit、Gly、Ile、Ser中的至少1种氨基酸的浓度值、以及含有Trp、Cys、Orn、Pro、Glu、Arg、Thr、ABA、Cit、Gly、Ile、Ser中的至少1种氨基酸作为变数的存储于所述存储装置中的多变量判别式，计算该多变量判别式的判别值；
判别值基准评价装置，根据上述判别值计算装置中计算的上述判别值，对于上述评价对象评价胃癌的状态；以及
评价结果发送装置，将上述判别值基准评价装置中的上述评价对象的上述评价结果发送至上述信息通信终端装置。
7.胃癌评价系统，该胃癌评价系统是经由网络以可通信的方式将具备控制装置和存储装置的胃癌评价装置，以及信息通信终端装置连接在一起而构成，其特征在于，
上述信息通信终端装置具备下述装置：
氨基酸浓度数据发送装置，将评价对象的氨基酸浓度数据发送至上述胃癌评价装置；以及
评价结果接收装置，接收由上述胃癌评价装置发送的关于胃癌状态的上述评价对象的评价结果，
上述胃癌评价装置的上述控制装置具备下述装置：
氨基酸浓度数据接收装置，接收由上述信息通信终端装置发送的上述评价对象的上述氨基酸浓度数据；
判别值计算装置，根据上述氨基酸浓度数据接收装置接收的上述评价对象的上述氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr、ABA、Cit、Gln、Gly、Ile、Ser、Val中的至少1种氨基酸和Trp的浓度值、以及含有Asn、Cys、His、Met、Orn、Phe、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr、ABA、Cit、Gln、Gly、Ile、Ser、Val中的至少1种氨基酸和Trp作为变数的存储于所述存储装置中的多变量判别式，计算该多变量判别式的判别值；
判别值基准评价装置，根据上述判别值计算装置中计算的上述判别值，对于上述评价对象评价胃癌的状态；以及
评价结果发送装置，将上述判别值基准评价装置中的上述评价对象的上述评价结果发送至上述信息通信终端装置。
8.权利要求7所述的胃癌评价系统，其特征在于，上述判别值计算装置，根据His和Trp的上述浓度值、以及含有His和Trp作为上述变数的上述多变量判别式，计算上述判别值。
9.权利要求8所述的胃癌评价系统，其特征在于，上述判别值计算装置，根据His、Leu和Trp；His、Ala和Trp；或His、Lys和Trp的上述浓度值、以及含有His、Leu和Trp；His、Ala和Trp；或His、Lys和Trp作为上述变数的上述多变量判别式，计算上述判别值。
10.权利要求9所述的胃癌评价系统，其特征在于，上述判别值计算装置，根据His、Leu、Val和Trp的上述浓度值、以及含有His、Leu、Val和Trp作为上述变数的上述多变量判别式，计算上述判别值。
11.信息通信终端装置，其特征在于，该信息通信终端装置具备：
氨基酸浓度数据发送装置，将含有Trp、Cys、Orn、Pro、Glu、Arg、Thr、ABA、Cit、Gly、Ile、Ser中的至少1种氨基酸的浓度值的评价对象的氨基酸浓度数据发送至胃癌评价装置；以及
评价结果接收装置，接收由上述胃癌评价装置发送的关于胃癌状态的上述评价对象的评价结果。
12.信息通信终端装置，其特征在于，该信息通信终端装置具备：
氨基酸浓度数据发送装置，将含有Asn、Cys、His、Met、Orn、Phe、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr、ABA、Cit、Gln、Gly、Ile、Ser、Val中的至少1种氨基酸和Trp的浓度值的评价对象的氨基酸浓度数据发送至胃癌评价装置；以及
评价结果接收装置，接收由上述胃癌评价装置发送的关于胃癌状态的上述评价对象的评价结果。
13.权利要求12所述的信息通信终端装置，其特征在于，上述氨基酸浓度数据发送装置，将含有His和Trp的上述浓度值的上述氨基酸浓度数据发送至上述胃癌评价装置。
14.权利要求13所述的信息通信终端装置，其特征在于，上述氨基酸浓度数据发送装置，将含有His、Leu和Trp；His、Ala和Trp；或His、Lys和Trp的上述浓度值的上述氨基酸浓度数据发送至上述胃癌评价装置。
15.权利要求14所述的信息通信终端装置，其特征在于，上述氨基酸浓度数据发送装置，将含有His、Leu、Val和Trp的上述浓度值的上述氨基酸浓度数据发送至上述胃癌评价装置。
16.胃癌评价装置，该胃癌评价装置具备控制装置和存储装置，其特征在于，上述控制装置具备下述装置：
氨基酸浓度数据接受装置，接收由信息通信终端装置发送的评价对象的氨基酸浓度数据；
判别值计算装置，根据上述氨基酸浓度数据接收装置接收的上述评价对象的上述氨基酸浓度数据中所含的Trp、Cys、Orn、Pro、Glu、Arg、Thr、ABA、Cit、Gly、Ile、Ser中的至少1种氨基酸的浓度值、以及含有Trp、Cys、Orn、Pro、Glu、Arg、Thr、ABA、Cit、Gly、Ile、Ser中的至少1种氨基酸作为变数的存储于所述存储装置中的多变量判别式，计算该多变量判别式的判别值；
判别值基准评价装置，根据上述判别值计算装置中计算的上述判别值，对于上述评价对象评价胃癌状态；以及
评价结果发送装置，将上述判别值基准评价装置中的上述评价对象的评价结果发送至上述信息通信终端装置。
17.胃癌评价装置，该胃癌评价装置具备控制装置和存储装置，其特征在于，上述控制装置具备下述装置：
氨基酸浓度数据接受装置，接收由信息通信终端装置发送的评价对象的氨基酸浓度数据；
判别值计算装置，根据上述氨基酸浓度数据接收装置接收的上述评价对象的上述氨基酸浓度数据中所含的Asn、Cys、His、Met、Orn、Phe、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr、ABA、Cit、Gln、Gly、Ile、Ser、Val中的至少1种氨基酸和Trp的浓度值、以及含有Asn、Cys、His、Met、Orn、Phe、Pro、Lys、Leu、Glu、Arg、Ala、Thr、Tyr、ABA、Cit、Gln、Gly、Ile、Ser、Val中的至少1种氨基酸和Trp作为变数的存储于所述存储装置中的多变量判别式，计算该多变量判别式的判别值；
判别值基准评价装置，根据上述判别值计算装置中计算的上述判别值，对于上述评价对象评价胃癌状态；以及
评价结果发送装置，将上述判别值基准评价装置中的上述评价对象的评价结果发送至上述信息通信终端装置。
18.权利要求17所述的胃癌评价装置，其特征在于，上述判别值计算装置，根据His和Trp的上述浓度值、以及含有His和Trp作为上述变数的上述多变量判别式，计算上述判别值。
19.权利要求18所述的胃癌评价装置，其特征在于，上述判别值计算装置，根据His、Leu和Trp；His、Ala和Trp；或His、Lys和Trp的上述浓度值、以及含有His、Leu和Trp；His、Ala和Trp；或His、Lys和Trp作为上述变数的上述多变量判别式，计算上述判别值。
20.权利要求19所述的胃癌评价装置，其特征在于，上述判别值计算装置，根据His、Leu、Val和Trp的上述浓度值和含有His、Leu、Val和Trp作为上述变数的上述多变量判别式，计算上述判别值。
CN201410746343.2A 2008-02-06 2009-01-30 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质 Active CN104407158B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2008-026837 2008-02-06
JP2008026837 2008-02-06
CN200980104993.4A CN101939652B (zh) 2008-02-06 2009-01-30 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN200980104993.4A Division CN101939652B (zh) 2008-02-06 2009-01-30 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质

Publications (2)

Publication Number Publication Date
CN104407158A CN104407158A (zh) 2015-03-11
CN104407158B true CN104407158B (zh) 2019-03-29

Family

ID=40952080

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201410746343.2A Active CN104407158B (zh) 2008-02-06 2009-01-30 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
CN200980104993.4A Active CN101939652B (zh) 2008-02-06 2009-01-30 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
CN201410323349.9A Active CN104237528B (zh) 2008-02-06 2009-01-30 胃癌的评价方法、胃癌评价装置、以及胃癌评价系统

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN200980104993.4A Active CN101939652B (zh) 2008-02-06 2009-01-30 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
CN201410323349.9A Active CN104237528B (zh) 2008-02-06 2009-01-30 胃癌的评价方法、胃癌评价装置、以及胃癌评价系统

Country Status (5)

Country Link
US (1) US20110035156A1 (zh)
JP (5) JP5976987B2 (zh)
KR (1) KR101272207B1 (zh)
CN (3) CN104407158B (zh)
WO (1) WO2009099005A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008016111A1 (en) 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Method for evaluation of lung cancer, lung cancer evaluation apparatus, lung cancer evaluation method, lung cancer evaluation system, lung cancer evaluation program, and recording medium
EP2053405A4 (en) * 2006-08-04 2009-11-11 Ajinomoto Kk METHOD FOR EVALUATING STRESS, STRESS EVALUATION DEVICE, STRESS EVALUATION METHOD, STRESS EVALUATION SYSTEM, STRESS EVALUATION PROGRAM AND RECORDING MEDIUM
JP5746811B2 (ja) 2006-12-21 2015-07-08 味の素株式会社 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
CN103760367B (zh) * 2006-12-21 2017-03-01 味之素株式会社 评估癌症状态的方法、癌症评估装置、癌症评估方法、癌症评估系统、癌症评估程序和记录介质
JP5746810B2 (ja) 2006-12-21 2015-07-08 味の素株式会社 乳癌の評価方法、ならびに乳癌評価装置、乳癌評価方法、乳癌評価システム、乳癌評価プログラムおよび記録媒体
KR101272207B1 (ko) * 2008-02-06 2013-06-07 아지노모토 가부시키가이샤 위암의 평가 방법, 및 위암 평가 장치, 위암 평가 방법, 위암 평가 시스템, 위암 평가 프로그램 및 기록 매체
KR101361601B1 (ko) * 2008-03-04 2014-02-12 아지노모토 가부시키가이샤 암종의 평가 방법
CN102057276B (zh) * 2008-06-20 2016-04-06 味之素株式会社 女性生殖器癌症的评价方法
WO2009154297A1 (ja) 2008-06-20 2009-12-23 味の素株式会社 前立腺疾患の評価方法
KR101349083B1 (ko) * 2012-02-28 2014-01-16 한국식품연구원 간 추출물의 대사체 농도를 측정하여 노화 진단 판단 방법
KR101824937B1 (ko) * 2012-11-27 2018-02-02 아지노모토 가부시키가이샤 췌장암의 평가 방법, 췌장암 평가 장치, 췌장암 평가 방법, 췌장암 평가 프로그램, 췌장암 평가 시스템 및 정보 통신 단말 장치
JP2016184221A (ja) * 2015-03-25 2016-10-20 富士フイルム株式会社 診療支援装置とその作動方法および作動プログラム、並びに診療支援システム
JPWO2018066621A1 (ja) 2016-10-04 2019-07-18 味の素株式会社 大腸癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置
WO2018101450A1 (ja) * 2016-12-01 2018-06-07 味の素株式会社 癌モニタリングの方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、評価システム、及び端末装置
JP7230335B2 (ja) 2018-04-02 2023-03-01 味の素株式会社 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、及び評価システム
CN117153392A (zh) * 2023-08-25 2023-12-01 云基智能生物科技(广州)有限公司 一种胃癌预后预测的标志物、评估模型及其构建方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61126472A (ja) * 1984-11-24 1986-06-13 Advance Res & Dev Co Ltd 診断方法
US6059724A (en) * 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
US6300136B1 (en) * 1997-09-03 2001-10-09 The Trustees Of The University Of Pennsylvania Methods for diagnosis and treatment of tumors in humans
JP5236856B2 (ja) * 2001-11-09 2013-07-17 ライフ テクノロジーズ コーポレーション 遺伝子発現プロファイルを用いる病気の同定、観測及び治療及び生物学的状態の同定
CN100502763C (zh) * 2002-12-09 2009-06-24 味之素株式会社 生物体状态信息处理装置和其方法、以及生物体状态信息管理系统
US7869033B2 (en) * 2003-12-24 2011-01-11 Vadivel Masilamani Cancer detection by optical analysis of body fluids
US20060170928A1 (en) * 2003-12-24 2006-08-03 Vadivel Masilamani Masila's cancer detector based on optical analysis of body fluids
JPWO2006098192A1 (ja) * 2005-03-16 2008-08-21 味の素株式会社 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
US20080305962A1 (en) * 2005-07-29 2008-12-11 Ralph Markus Wirtz Methods and Kits for the Prediction of Therapeutic Success, Recurrence Free and Overall Survival in Cancer Therapies
US20100004871A1 (en) * 2005-12-27 2010-01-07 Power3 Medical Products, Inc. Identities, specificities, and use of twenty two (22) differentially expressed protein biomarkers for blood based diagnosis of breast cancer
WO2007107334A1 (en) * 2006-03-20 2007-09-27 Nowicky Wassili Ex vivo cancer diagnostic method
WO2008016111A1 (en) * 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Method for evaluation of lung cancer, lung cancer evaluation apparatus, lung cancer evaluation method, lung cancer evaluation system, lung cancer evaluation program, and recording medium
US20090075284A1 (en) * 2006-09-19 2009-03-19 The Regents Of The University Of Michigan Metabolomic profiling of prostate cancer
CN103760367B (zh) * 2006-12-21 2017-03-01 味之素株式会社 评估癌症状态的方法、癌症评估装置、癌症评估方法、癌症评估系统、癌症评估程序和记录介质
JP5746810B2 (ja) * 2006-12-21 2015-07-08 味の素株式会社 乳癌の評価方法、ならびに乳癌評価装置、乳癌評価方法、乳癌評価システム、乳癌評価プログラムおよび記録媒体
JP5746811B2 (ja) * 2006-12-21 2015-07-08 味の素株式会社 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
KR101272207B1 (ko) * 2008-02-06 2013-06-07 아지노모토 가부시키가이샤 위암의 평가 방법, 및 위암 평가 장치, 위암 평가 방법, 위암 평가 시스템, 위암 평가 프로그램 및 기록 매체
KR101361601B1 (ko) * 2008-03-04 2014-02-12 아지노모토 가부시키가이샤 암종의 평가 방법
CN102057276B (zh) * 2008-06-20 2016-04-06 味之素株式会社 女性生殖器癌症的评价方法
WO2009154297A1 (ja) * 2008-06-20 2009-12-23 味の素株式会社 前立腺疾患の評価方法

Also Published As

Publication number Publication date
CN104237528A (zh) 2014-12-24
CN104407158A (zh) 2015-03-11
CN101939652A (zh) 2011-01-05
KR20100120673A (ko) 2010-11-16
JP7193020B2 (ja) 2022-12-20
KR101272207B1 (ko) 2013-06-07
JP2015143717A (ja) 2015-08-06
JP7198787B2 (ja) 2023-01-04
JP2020073943A (ja) 2020-05-14
JP2017198694A (ja) 2017-11-02
JP5976987B2 (ja) 2016-08-24
WO2009099005A1 (ja) 2009-08-13
US20110035156A1 (en) 2011-02-10
CN101939652B (zh) 2015-01-07
JPWO2009099005A1 (ja) 2011-05-26
CN104237528B (zh) 2017-10-31
JP2022058852A (ja) 2022-04-12

Similar Documents

Publication Publication Date Title
CN104407158B (zh) 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
CN102066946B (zh) 前列腺疾病的评价方法
KR101542037B1 (ko) 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체
JP5470848B2 (ja) 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
CN104316701B (zh) 女性生殖器癌症的评价方法
KR101361601B1 (ko) 암종의 평가 방법
EP2096439A1 (en) Method for evaluation of colorectal cancer, colorectal cancer evaluation apparatus, colorectal cancer evaluation method, colorectal cancer evaluation system, colorectal cancer evaluation program, and recording medium
US20100009402A1 (en) Method of evaluating breast cancer, breast cancer-evaluating apparatus, breast cancer-evaluating method, breast cancer-evaluating system, breast cancer-evaluating program and recording medium

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant