CN116662835A - 分层方法以及分层装置 - Google Patents
分层方法以及分层装置 Download PDFInfo
- Publication number
- CN116662835A CN116662835A CN202210149360.2A CN202210149360A CN116662835A CN 116662835 A CN116662835 A CN 116662835A CN 202210149360 A CN202210149360 A CN 202210149360A CN 116662835 A CN116662835 A CN 116662835A
- Authority
- CN
- China
- Prior art keywords
- classification
- score
- threshold
- classified
- group
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 177
- 230000000971 hippocampal effect Effects 0.000 claims abstract description 194
- 208000024827 Alzheimer disease Diseases 0.000 claims abstract description 171
- 208000010877 cognitive disease Diseases 0.000 claims abstract description 83
- 208000027061 mild cognitive impairment Diseases 0.000 claims abstract description 83
- 238000012360 testing method Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims description 46
- 101150033839 4 gene Proteins 0.000 claims description 30
- 101710095339 Apolipoprotein E Proteins 0.000 claims description 30
- 102100029470 Apolipoprotein E Human genes 0.000 claims description 30
- 239000002131 composite material Substances 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 108010060159 Apolipoprotein E4 Proteins 0.000 claims description 5
- 230000008569 process Effects 0.000 description 117
- 108010025628 Apolipoproteins E Proteins 0.000 description 81
- 102000013918 Apolipoproteins E Human genes 0.000 description 81
- 230000006870 function Effects 0.000 description 67
- 101150037123 APOE gene Proteins 0.000 description 49
- 101100216294 Danio rerio apoeb gene Proteins 0.000 description 49
- 238000012545 processing Methods 0.000 description 49
- 238000011835 investigation Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 14
- 238000007796 conventional method Methods 0.000 description 12
- 102000013455 Amyloid beta-Peptides Human genes 0.000 description 9
- 108010090849 Amyloid beta-Peptides Proteins 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 7
- 230000001149 cognitive effect Effects 0.000 description 6
- 238000013517 stratification Methods 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 101150100654 pacC gene Proteins 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Business, Economics & Management (AREA)
- Psychiatry (AREA)
- Human Resources & Organizations (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Neurology (AREA)
- Theoretical Computer Science (AREA)
- Psychology (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Social Psychology (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Physiology (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Radiology & Medical Imaging (AREA)
- Entrepreneurship & Innovation (AREA)
- High Energy & Nuclear Physics (AREA)
- Economics (AREA)
Abstract
本发明提供分层方法以及分层装置。一种分层方法,将具有轻度认知障碍的多个分类对象的每一个,分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组。分层方法包括:获得步骤,针对具有轻度认知障碍的多个分类对象的每一个,获得对该分类对象进行临床心理测验的结果的分数、和该分类对象的右侧海马体积;分类步骤,针对多个分类对象的每一个,根据该分类对象的所述得分和该分类对象的右侧海马体积,将该分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组;以及输出步骤,输出通过分类步骤的分类结果。
Description
技术领域
本发明涉及一种患病风险分层方法,将患有轻度认知障碍(Mild CognitiveImpairment,MCI)的多个分类对象的每一个,根据其未来发展为阿尔茨海默病(Alzheimer’s disease,AD)的可能性,进行精准的风险度分层。
背景技术
在轻度认知障碍群体中,既有将来会发展为阿尔茨海默病的人,也有不会发展为阿尔茨海默病的人。
在轻度认知障碍群体中,若能够将今后会发展为阿尔茨海默病的风险相对高的人作为研究对象来进行临床试验等,则能够有效地进行这种临床试验,建立有效的预防方法。
在以往的技术中,将患有轻度认知障碍的多个分类对象,分别分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组,例如有已知的非专利文献1所记载的技术。
(现有技术文献)
(非专利文献)
非专利文献1 Bin Zhou et.al,Protective Factors Modulate the Risk ofBeta Amyloid in Alzheimer’s Disease,Behavioral Neurology,Volume 2020,ArticleID 7029642
在非专利文献1所记载的以往的技术中,利用脑β-淀粉样蛋白PET检查的结果来进行上述的分类。
脑β-淀粉样蛋白PET检查价格较为昂贵。因此,非专利文献1中记载的以往的技术所进行的上述分类是难于广泛普及的。此外,在脑β-淀粉样蛋白PET检查中,检查到异常的人在平均26个月的随访中只有约41%的人发展为阿尔茨海默病。
发明内容
鉴于上述问题,本发明的目的在于提供一种分层方法等,本发明采用与以往的利用脑β-淀粉样蛋白PET检查结果的技术不同的方法,将患有轻度认知障碍的每一个个体,根据将来是否发展为阿尔茨海默病的风险高低,分类至相应的组别。
本发明所涉及的分层方法包括如下的步骤:获得步骤,针对具有轻度认知障碍的多个分类对象的每一个,获得该分类对象进行临床心理测验的得分、以及该分类对象的右侧海马体积;分类步骤,针对所述多个分类对象的每一个,根据该分类对象的认知评估得分、右侧海马体积,将其分为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组等多个组中某一组;以及输出步骤,输出通过所述分层步骤的分层结果。
本发明的一个形态所涉及的分层装置包括:数据获取部分,针对患有轻度认知障碍的多个分类对象的每一个,获得个体的临床心理测验结果、及右侧海马体积;数据分类部分,针对所述多个分类对象的每一个,根据该分类对象的上述得分、及右侧海马体积,将该分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的高危组、和将来发展为阿尔茨海默病的风险相对低的低危组;数据输出部分,输出通过上述步骤获得的分类结果。
通过本发明的一个形态所涉及的分层方法,能够以和以往的技术不同的方法,将具有轻度认知障碍的多个分类对象的每一个,分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组。
附图说明
图1是示出由本发明人员进行的将各种因素作为对象的风险评价的内容的一个例子的模式图。
图2是执行实施方式1所涉及的分层方法的分层装置的构成的示例的方框图。
图3是示出由本发明人员进行的跟踪调查的结果的Kaplan-Meier曲线(卡普兰-迈耶生存曲线)。
图4是示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图5是实施方式1所涉及的第1分类处理的流程图。
图6是执行实施方式2所涉及的分层方法的分层装置的构成的示例的方框图。
图7A是示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图7B是示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图8A是实施方式2所涉及的第2分类处理的流程图。
图8B是实施方式2所涉及的第2分类处理的流程图。
图9是执行实施方式3所涉及的分层方法的分层装置的构成的示例的方框图。
图10A是示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图10B是示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图11是实施方式3所涉及的第3分类处理的流程图。
图12是执行实施方式4所涉及的分层方法的分层装置的构成的示例的方框图。
图13A是实施方式4所涉及的第4分类处理的流程图。
图13B是实施方式4所涉及的第4分类处理的流程图。
图14是执行实施方式5所涉及的分层方法的分层装置的构成的示例的方框图。
图15A是示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图15B是示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图16是实施方式5所涉及的第5分类处理的流程图。
具体实施方式
(本发明形态的形成过程)
本发明人员为了能够比较准确地得到将具有轻度认知障碍的多个分类对象的每一个,分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组的分层方法,因此将各种因素作为对象,对从轻度认知障碍发展为阿尔茨海默病的风险进行了评价。
图1是示出由本发明人员进行的纳入各种因素的风险评价内容的一个例子的模式图。
本发明人员在对各种因素进行风险评价的过程中得到了如下发现,即通过利用针对分类对象进行临床心理测验的结果而得到的分数、与该分类对象的右侧海马体积进行组合而得到的指标,从而能够比较准确地对从轻度认知障碍发展为阿尔茨海默病的风险进行评价。
于是,本发明人员基于上述发现,进一步进行了研究探讨。从而,形成了如下的分层方法等。
在本发明的一个形态所涉及的分层方法包括如下的步骤:获得步骤,针对具有轻度认知障碍的多个分类对象的每一个,获得针对该分类对象进行临床心理测验的结果的分数、以及该分类对象的右侧海马体积;分类步骤,针对所述多个分类对象的每一个,根据该分类对象的所述分数、以及该分类对象的右侧海马体积,将该分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中某一组;输出步骤,输出通过所述分类步骤的分类结果。
通过上述的分层方法,能够以和以往的利用脑β-淀粉样蛋白PET检查结果的技术不同的方法,将具有轻度认知障碍的多个分类对象的每一个,分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组。
并且也可以是,所述临床心理测验是阿尔茨海默病评定量表-认知分量表。
并且也可以是,在所述分类步骤中,针对所述多个分类对象的每一个,在该分类对象的所述分数比第1阈值大、且该分类对象的右侧海马体积比第2阈值小的情况下,将该分类对象分类为所述第1组,在该分类对象的所述分数比所述第1阈值小、且该分类对象的右侧海马体积比所述第2阈值大的情况下,将该分类对象分类为所述第2组。
并且也可以是,所述第1阈值为20.0,所述第2阈值为3.651[cm3]。
并且也可以是,所述临床心理测验是临床前阿尔茨海默认知功能检测综合分数。
并且也可以是,在所述分类步骤中,针对所述多个分类对象的每一个,在该分类对象的所述分数比第3阈值小、且该分类对象的右侧海马体积比第4阈值小的情况下,将该分类对象分类为所述第1组,在该分类对象的所述分数比所述第3阈值大、且该分类对象的右侧海马体积比所述第4阈值大的情况下,将该分类对象分类为所述第2组。
并且也可以是,所述第3阈值为0.111,所述第4阈值为3.651[cm3]。
并且也可以是,在所述获得步骤中,针对所述多个分类对象的每一个,进一步获得表示该分类对象是否具有载脂蛋白Eε4基因的信息,在所述分类步骤中,针对所述多个分类对象的每一个,还根据所述信息,将该分类对象分类为所述多个组中的某一组。
并且也可以是,所述临床心理测验包括:阿尔茨海默病评定量表-认知分量表、以及临床前阿尔茨海默认知功能检测综合分数,在所述获得步骤中,针对所述多个分类对象的每一个,进一步获得表示该分类对象是否具有载脂蛋白Eε4基因的信息,在所述分类步骤中,针对所述多个分类对象的每一个,在如下(1)至(4)的情况下,将该分类对象分类为所述第1组,在如下(5)至(7)的情况下,将该分类对象分类为所述第2组,所述(1)至(4)的情况是指:(1)该分类对象的第1分数比第5阈值小、且该分类对象的右侧海马体积比第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的第2分数比第7阈值小的情况,所述第1分数是作为针对该分类对象进行的所述阿尔茨海默病评定量表-认知分量表的结果而得到的分数,所述第2分数是针对该分类对象进行临床前阿尔茨海默认知功能检测综合结果而得到的分数;(2)该分类对象的所述第1分数比所述第5阈值大、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值小的情况;(3)该分类对象的所述第1分数比所述第5阈值大、且该分类对象的右侧海马体积比所述第6阈值小的情况;(4)该分类对象的所述第1分数比所述第5阈值小、且该分类对象的右侧海马体积比所述第6阈值小、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值小的情况,所述(5)至(7)的情况是指:(5)该分类对象的所述第1分数比所述第5阈值小、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值大的情况;(6)该分类对象的所述第1分数比所述第5阈值大、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值大的情况;(7)该分类对象的所述第1分数比所述第5阈值小、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出不具有载脂蛋白Eε4基因的情况。
并且也可以是,所述第5阈值为20.0,所述第6阈值为3.651[cm3],所述第7阈值为0.111。
本发明的一个形态所涉及的分层装置具备:获得部,针对具有轻度认知障碍的多个分类对象的每一个,获得针对该分类对象进行临床心理测验的结果的分数、以及该分类对象的右侧海马体积;分类部,针对所述多个分类对象的每一个,根据该分类对象的所述分数、以及该分类对象的右侧海马体积,将该分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组;输出部,输出由所述分类部进行的分类结果。
通过上述的分层装置,能够以和以往的利用脑β-淀粉样蛋白PET检查结果的技术不同的方法,将具有轻度认知障碍的多个分类对象的每一个,分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组。
以下参照附图,对本发明的一个形态所涉及的分层方法等的具体例子进行说明。
在此所示的实施方式均为示出本发明的示例。因此,以下的实施方式所示的数值、形状、构成要素、构成要素的配置以及连接方式、步骤(工序)以及步骤的顺序等为示例,其主旨并非是对本发明进行限定。并且,各个图为模式图,并非严谨的图示。在各个图中,对于实质上相同的构成赋予相同的编号,并省略或简化重复的说明。
在本说明书中,分层方法也称为分类方法,分层装置也称为分类装置。
(实施方式1)
以下对执行实施方式1所涉及的分层方法的实施方式1中的分层装置进行说明。该分层装置是将具有轻度认知障碍的多个分类对象的每一个,分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组的装置。多个组中至少包括将来发展为阿尔茨海默病的风险相对高的高危组即第1组、以及将来发展为阿尔茨海默病的风险相对低的低危组即第2组。
并且,执行上述分层方法的分层装置是执行分类处理的装置的示例,在该分类处理中反应了通过本发明人员将具有轻度认知障碍的多个分类对象作为对象来进行队列研究(cohort study)而得到的见解。
<构成>
图2是执行实施方式1所涉及的分层方法的分层装置10的构成的示例的方框图。
分层装置10例如由计算机装置来实现。在这种情况下,分层装置10例如通过计算机装置中的处理器,执行被存储在计算机装置中的存储器的程序来实现。
如图2所示,分层装置10具备:获得部20、分类部30、以及输出部40。
获得部20针对具有轻度认知障碍的多个分类对象的每一个,获得通过对分类对象进行临床心理测验的结果而得到的分数、以及分类对象的右侧海马体积。右侧海马体积能够通过如下的方法来测量,例如针对分类对象进行MRI检查,并对通过进行MRI检查的结果而得到的头部MRI图像进行图像处理等来进行测量。
在实施方式1中将要说明的针对分类对象进行的临床心理测验为阿尔茨海默病评定量表-认知分量表【ADAS-cog(Alzheimer’s Disease Assessment Scale-cognitivesubscale)】。
获得部20例如可以具备通信接口,通过通信接口,从外部装置获得通过针对分类对象进行阿尔茨海默病评定量表-认知分量表的结果而得到的分数(以下也称为“阿尔茨海默病评定量表-认知分量表的分数”)、以及分类对象的右侧海马体积,也可以具备从可携带移动的存储器(例如,USB存储器)读出数据的存储器接口,通过存储器接口,从可携带移动的存储器获得阿尔茨海默病评定量表-认知分量表的分数以及右侧海马体积,也可以具备接受利用分层装置10的用户进行的操作的输入输出接口,通过输入输出接口,来接受用户进行的数据输入操作,据此来获得阿尔茨海默病评定量表-认知分量表的分数以及右侧海马体积。
分类部30针对多个分类对象的每一个,根据阿尔茨海默病评定量表-认知分量表的分数以及右侧海马体积,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。在实施方式1中,多个组除了第1组和第2组以外,还包括第3组和第4组,以多个组为4个组来进行说明。
分类部30根据通过本发明人员将具有轻度认知障碍的多个分类对象作为对象来进行队列研究而得到的见解,进行上述的分类。
具体而言,分类部30针对多个分类对象的每一个,进行如下(1)至(4)的分类,(1)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第1组,(2)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第2组,(3)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第3组,(4)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第4组。在此,分类部30将第1阈值设为20.0,将第2阈值设为3.651[cm3],来进行上述的分类。
以下对本发明人员将具有轻度认知障碍的多个分类对象作为对象进行队列研究而得到的见解进行说明。
本发明人员在队列研究中,将具有轻度认知障碍的多个分类对象作为对象,对从轻度认知障碍向阿尔茨海默病的发展进行了跟踪调查。
图3是在队列研究中示出由本发明人员进行的跟踪调查的结果的Kaplan-Meier曲线。
在图3的Kaplan-Meier曲线中,横轴为从开始跟踪调查经过的时间[年],纵轴为从轻度认知障碍发展为阿尔茨海默病的分类对象的累积转化率[%]。
如图3所示,在队列研究中,本发明人员将具有轻度认知障碍的分类对象325名作为对象,针对从轻度认知障碍向阿尔茨海默病的发展,进行了大约5年的跟踪调查。在该大约5年的期间中,从轻度认知障碍发展为阿尔茨海默病的分类对象为104名。
在队列研究中,本发明人员针对多个分类对象的每一个,在开始进行跟踪调查时,分类为如下的(1)至(4)组中的某一组,并对示出分类后的各组的跟踪调查的结果的Kaplan-Meier曲线进行了评价,上述的(1)至(4)组是指:(1)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的分类对象构成的组C(对应于第1组),(2)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的分类对象构成的组B(对应于第2组),(3)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的分类对象构成的组D(对应于第3组),(4)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的分类对象构成的组A(对应于第4组)。
图4是在队列研究中,示出由本发明人员进行的针对每个组的跟踪调查的结果的Kaplan-Meier曲线。
在图4所示的Kaplan-Meier曲线中,横轴为从开始跟踪调查经过的时间[年],纵轴为从轻度认知障碍发展为阿尔茨海默病的分类对象的累积转化率[%]。
从图4所示Kaplan-Meier曲线可以知道,在第1组至第4组中,第1组是在跟踪调查的开始时,就成为将来发展为阿尔茨海默病的风险相对高的组,而第2组是在跟踪调查的开始时,就是将来发展为阿尔茨海默病的风险相对低的组。
这样,本发明人员通过队列研究得到了如下的见解,即针对具有轻度认知障碍的多个分类对象的每一个,(1)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第1组,(2)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第2组,(3)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第3组,(4)在阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第4组,通过进行上述这样的分类,从而能够将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组(在此为4个组)中的某一组。
并且,本发明人员通过队列研究得到了如下的见解,即在上述的分类中,第1阈值优选为20.0±1SD,第2阈值优选为3.651±1SD[cm3]。在此,第1阈值的1SD为6.3,第2阈值的1SD为0.653[cm3]。
再次返回到图2,继续对分层装置10进行说明。
输出部40输出由分类部30进行的分类结果。
输出部40例如可以具备输出端口,经由输出端口,将包括分类结果的显示控制信号输出到外部的显示装置,并且所述显示控制信号用于使外部的显示装置显示表示分类结果的图像,例如也可以具备通信接口,经由通信接口,对包括分类结果的分类结果信息进行发送。
<工作>
以下参照附图对具有上述构成的分层装置10的工作进行说明。
图5是分层装置10进行的第1分类处理的流程图。该第1分类处理是针对多个分类对象的每一个,根据阿尔茨海默病评定量表-认知分量表的分数以及右侧海马体积,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的4个组中的某一组的处理。
第1分类处理例如是通过利用分层装置10的用户,对分层装置10进行使第1分类处理开始的操作而被开始执行的。
当第1分类处理开始时,获得部20针对具有轻度认知障碍的多个分类对象的每一个,获得作为对分类对象进行阿尔茨海默病评定量表-认知分量表(ADAS-cog)的结果而得到的分数(以下也称为“ADAS-cog的分数”)、以及分类对象的右侧海马体积(步骤S5)。
当获得了多个分类对象的ADAS-cog的分数以及右侧海马体积时,分类部30从多个分类对象中选择一个分类对象(步骤S10)。于是,分类部30调查处于选择状态的分类对象的ADAS-cog的分数是否为20.0以上(步骤S15)。
在步骤S15的处理中,在ADAS-cog的分数为20.0以上的情况下(步骤S15的“是”),分类部30调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S20)。
在步骤S20的处理中,在右侧海马体积不是3.651以上的情况下(步骤S20的“否”),分类部30将处于选择状态的分类对象分类为第1组(步骤S25)。
在步骤S20的处理中,在右侧海马体积为3.651以上的情况下(步骤S20的“是”),分类部30将处于选择状态的分类对象分类为第3组(步骤S30)。
在步骤S15的处理中,在ADAS-cog的分数不是20.0以上的情况下(步骤S15的“否”),分类部30调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S35)。
在步骤S35的处理中,在右侧海马体积不是3.651以上的情况下(步骤S35的“否”),分类部30将处于选择状态的分类对象分类为第4组(步骤S40)。
在步骤S35的处理中,在右侧海马体积为3.651以上的情况下(步骤S35的“是”),分类部30将处于选择状态的分类对象分类为第2组(步骤S45)。
在步骤S25的处理结束、步骤S30的处理结束、步骤S40的处理结束、以及步骤S45的处理结束的情况下,分类部30调查多个分类对象中是否有没被选择的分类对象(步骤S50)。在此,没被选择的分类对象是指,在步骤S10的处理中没有选择的分类对象,并且从步骤S15的处理一直进入到步骤S50的“是”之后再次进入到步骤S15的处理的循环处理中,后述的步骤S55的处理中未曾选择过的分类对象。
在步骤S50的处理中,在有没被选择的分类对象的情况下(步骤S50的“是”),分类部30从没被选择的分类对象中选择一个分类对象(步骤S55)。
在步骤S55的处理结束时,进入到步骤S15的处理。
在步骤S50的处理中,在没有没被选择的分类对象的情况下(步骤S50的“否”),输出部40输出由分类部30对多个分类对象的每一个进行的分类结果(步骤S60)。
在步骤S60的处理结束时,分层装置10结束上述的第1分类处理。
<考察>
通过具有上述构成的分层装置10,能够将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。
因此,通过利用分层装置10,预先对具有轻度认知障碍的多个分类对象进行分类,从而能够有效地进行将从轻度认知障碍发展为阿尔茨海默病的人作为研究对象的临床试验等。
并且,通过具有上述构成的分层装置10,能够以和以往的技术不同的方法来进行上述的分类。即,通过分层装置10,在上述的分类中,不利用以往的技术中所必需的价格比较高的脑β-淀粉样蛋白PET检查的结果。
因此,通过利用分层装置10,与利用了以往的技术的情况相比,能够廉价且分类效果更佳地进行上述的分类。
(实施方式2)
以下对执行实施方式2所涉及的分层方法的实施方式2中的分层装置进行说明,在实施方式2的构成中,对实施方式1所涉及的分层装置10的功能的一部分进行了变更。如实施方式1中的说明所示,分层装置10根据作为进行阿尔茨海默病评定量表-认知分量表的结果而得到的分数、以及右侧海马体积,对具有轻度认知障碍的多个分类对象进行分类。对此,在实施方式2所涉及的分层方法中,除了根据作为进行阿尔茨海默病评定量表-认知分量表的结果而得到的分数、以及右侧海马体积以外,还根据是否存在载脂蛋白Eε4基因,来对具有轻度认知障碍的多个分类对象进行分类。在此,针对执行实施方式2所涉及的分层方法的分层装置,对于与分层装置10相同的构成要素,由于已经进行了说明,因此赋予相同的编号并省略详细的说明,以下以与分层装置10的不同之处为中心进行说明。
<构成>
图6是执行实施方式2所涉及的分层方法的分层装置10A的构成的示例的方框图。
如图6所示,分层装置10A与实施方式1所涉及的分层装置10的不同之处是,获得部20变更为获得部20A、分类部30变更为分类部30A。
获得部20A针对具有轻度认知障碍的多个分类对象的每一个,除了获得作为针对分类对象进行阿尔茨海默病评定量表-认知分量表的结果而得到的分数、以及分类对象的右侧海马体积以外,还获得表示分类对象是否具有载脂蛋白Eε4基因的信息(以下也称为“ApoE分型”)。
分类部30A针对多个分类对象的每一个,根据阿尔茨海默病评定量表-认知分量表的分数、右侧海马体积、以及ApoE分型,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。
在实施方式2中,多个组除了包括第1组和第2组以外,还包括第3组、第4组、第5组、第6组、第7组、第8组,以下对由这8个组构成的多个组进行说明。
分类部30A根据本发明人员将具有轻度认知障碍的多个分类对象作为对象来进行队列研究而得到的见解,进行上述的分类。
更具体而言,分类部30A针对多个分类对象的每一个进行如下(1)至(8)的分类,(1)在ApoE分型示出分类对象具有载脂蛋白Eε4基因(以下也称为“ApoE+”)、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第1组,(2)在ApoE分型示出ApoE+、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第2组,(3)在ApoE分型示出ApoE+、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第3组,(4)在ApoE分型示出ApoE+、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第4组,(5)在ApoE分型示出分类对象不具有载脂蛋白Eε4基因(以下也称为“ApoE-”)、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第5组,(6)在ApoE分型示出ApoE-、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第6组,(7)在ApoE分型示出ApoE-、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第7组,(8)在ApoE分型示出ApoE-、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第8组。在此,分类部30A将第1阈值设为20.0,将第2阈值设为3.651[cm3],进行上述的分类。
以下对本发明人员将具有轻度认知障碍的多个分类对象作为对象来进行队列研究而得到的见解进行说明。
在队列研究中,本发明人员针对多个分类对象的每一个,在跟踪调查的开始时,首先,作为第1阶段的分类,分类为(A)由不具有载脂蛋白Eε4基因的分类对象构成的组α、(B)由具有载脂蛋白Eε4基因的分类对象构成的组β,接着,作为第2阶段的分类,针对组α和组β的每一组,分类为如下的(1)至(4)中的某一组,并对示出分类后的每个组的跟踪调查的结果的Kaplan-Meier曲线进行评价,被分类的(1)至(4)的组为:(1)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的分类对象构成的组C(在组α中与第1组对应,在组β中与第5组对应);(2)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的分类对象构成的组B(在组α中与第2组对应、在组β中与第6组对应);(3)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的分类对象构成的组D(在组α中与第3组对应、在组β中与第7组对应);(4)由阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的分类对象构成的组A(在组α中与第4组对应、在组β中与第8组对应)。
图7A以及图7B是在队列研究中示出由本发明人员进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
图7A是示出以组α为对象来进行的每个组的跟踪调查的结果的Kaplan-Meier曲线,图7B是示出以组β为对象来进行的每个组的跟踪调查的结果的Kaplan-Meier曲线。
在图7A以及图7B所示的Kaplan-Meier曲线中,横轴为从开始跟踪调查经过的时间[年],纵轴为从轻度认知障碍发展为阿尔茨海默病的分类对象的累积转化率[%]。
从图7A以及图7B所示的Kaplan-Meier曲线可以知道,从第1组至第8组中,第1组是在跟踪调查开始时就成为将来发展为阿尔茨海默病的风险相对高的组,第2组是在跟踪调查开始时就成为将来发展为阿尔茨海默病的风险相对低的组。
这样,本发明人员通过队列研究得到了如下的见解,即针对具有轻度认知障碍的多个分类对象的每一个,进行如下(1)至(8)所示的分类,(1)在ApoE分型示出ApoE+、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第1组,(2)在ApoE分型示出ApoE+、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第2组,(3)在ApoE分型示出ApoE+、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第3组,(4)在ApoE分型示出ApoE+、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第4组、(5)在ApoE分型示出分类对象不具有载脂蛋白Eε4基因(以下也称为“ApoE-”)、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第5组、(6)在ApoE分型示出ApoE-、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第6组,(7)在ApoE分型示出ApoE-、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值大、且右侧海马体积比第2阈值大的情况下,将分类对象分类为第7组,(8)在ApoE分型示出ApoE-、且阿尔茨海默病评定量表-认知分量表的分数比第1阈值小、且右侧海马体积比第2阈值小的情况下,将分类对象分类为第8组,通过进行上述的分类,从而能够将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组(在此为8个组)中的某一组。
并且,从图7A以及图7B所示的Kaplan-Meier曲线可以知道,与针对由具有载脂蛋白Eε4基因的分类对象构成的组β,进行上述的第2阶段的分类所得到的分类结果相比,针对由不具有载脂蛋白Eε4基因的分类对象构成的组α,进行上述的第2阶段的分类所得到的分类结果能够更准确地,将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的组、和将来发展为阿尔茨海默病的风险相对低的组的多个组中的某一组。
这样,本发明人员通过队列研究,得到了如下的见解,即除了根据阿尔茨海默病评定量表-认知分量表的分数和右侧海马体积以外,还根据ApoE分型,则能够更准确地将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。
<工作>
以下参照附图对具有上述构成的分层装置10A的工作进行说明。
分层装置10A进行第2分类处理,该第2分类处理是对分层装置10进行的第1分类处理中的一部分进行了变更的处理。
图8A以及图8B是分层装置10A进行的第2分类处理的流程图。
如图8A以及图8B所示,第2分类处理与第1分类处理相比,增加了步骤S100~步骤S180的处理。
因此,以下将以步骤S100~步骤S180的处理为中心进行说明。
在第2分类处理开始时,获得部20A针对具有轻度认知障碍的多个分类对象的每一个,获得ADAS-cog的分数、分类对象的右侧海马体积、以及ApoE分型(步骤S100)。
在步骤S100的处理结束时,进入到步骤S10的处理。
在步骤S10的处理结束、且步骤S55的处理结束了的情况下,分类部30A调查处于选择状态的分类对象的ApoE分型是否表示ApoE+(步骤S110)。
在步骤S110的处理中,在处于选择状态的分类对象的ApoE分型没有示出ApoE+的情况下(步骤S110的“否”),进入到步骤S15的处理。
在步骤S110的处理中,在处于选择状态的分类对象的ApoE分型示出ApoE+的情况下(步骤S110的“是”),分类部30A调查处于选择状态的分类对象的ADAS-cog的分数是否为20.0以上(步骤S120)。
在步骤S120的处理中,在ADAS-cog的分数为20.0以上的情况下(步骤S120的“是”),分类部30A调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S130)。
在步骤S130的处理中,在右侧海马体积不是3.651以上的情况下(步骤S130的“否”),分类部30A将处于选择状态的分类对象分类为第5组(步骤S140)。
在步骤S130的处理中,在右侧海马体积为3.651以上的情况下(步骤S130的“是”),分类部30A将处于选择状态的分类对象分类为第7组(步骤S150)。
在步骤S120的处理中,在ADAS-cog的分数不是20.0以上的情况下(步骤S120的“否”),分类部30A调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S160)。
在步骤S160的处理中,在右侧海马体积不是3.651以上的情况下(步骤S160的“否”),分类部30A将处于选择状态的分类对象分类为第8组(步骤S170)。
在步骤S160的处理中,在右侧海马体积是3.651以上的情况下(步骤S160的“是”),分类部30A将处于选择状态的分类对象分类为第6组(步骤S180)。
在步骤S140的处理结束、且步骤S150的处理结束、且步骤S170的处理结束、且步骤S180的处理结束的情况下,进入到步骤S50的处理。
在步骤S60的处理结束时,分层装置10A结束该第2分类处理。
<考察>
具有上述这种构成的分层装置10A针对具有轻度认知障碍的多个分类对象,除了根据阿尔茨海默病评定量表-认知分量表的分数和右侧海马体积以外,还根据是否具有载脂蛋白Eε4基因来进行分类。据此,分层装置10A能够更准确地对分类对象进行分类。
(实施方式3)
以下对执行实施方式3所涉及的分层方法的实施方式3中的分层装置进行说明,实施方式3所涉及的分层装置的构成为,对实施方式1所涉及的分层装置10的一部分的功能进行了变更。如实施方式1的说明所示,分层装置10根据作为对分类对象进行的临床心理测验即阿尔茨海默病评定量表-认知分量表的结果而得到的分数、以及右侧海马体积,对具有轻度认知障碍的多个分类对象进行分类。在此,实施方式3所涉及的分层方法根据对分类对象进行的临床心理测验即临床前阿尔茨海默认知功能检测的综合分数(PACC(PreclinicalAlzheimer Cognitive Composit))、以及右侧海马体积,对具有轻度认知障碍的多个分类对象进行分类。在此,关于执行实施方式3所涉及的分层方法的分层装置,对于与分层装置10相同的构成要素,由于已经进行了说明,因此赋予相同的编号并省略详细说明,以下以与分层装置10不同之处为中心进行说明。
<构成>
图9是执行实施方式3所涉及的分层方法的分层装置10B的构成的示例的方框图。
如图9所示,分层装置10B与实施方式1所涉及的分层装置10的不同之处是,获得部20被变更为获得部20B,分类部30被变更为分类部30B。
获得部20B针对具有轻度认知障碍的多个分类对象的每一个,获得针对分类对象进行的临床前阿尔茨海默几个认知功能检测的综合结果而得到的分数(以下也称为“临床前阿尔茨海默认知功能检测综合分数”)、以及分类对象的右侧海马体积。
分类部30B针对多个分类对象的每一个,根据临床前阿尔茨海默认知功能检测综合分数、以及右侧海马体积,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。在实施方式3中,多个组除了第1组和第2组以外,还包括第3组和第4组,对由这4组构成的多个组进行说明。
分类部30B根据本发明人员将具有轻度认知障碍的多个分类对象作为对象,进行队列研究而得到的见解,来进行上述的分类。
更具体而言,分类部30B针对多个分类对象的每一个进行如下的分类,(1)在临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第1组,(2)在临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第2组,(3)在临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第3组,(4)在临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第4组。在此,分类部30B将第4阈值设为0.111、将第4阈值设为3.651[cm3],来进行上述的分类。
以下对本发明人员将具有轻度认知障碍的多个分类对象作为对象,通过队列研究而得到的见解进行说明。
在队列研究中,本发明人员针对多个分类对象的每一个,在开始进行跟踪调查时,首先作为第1阶段的分类,进行(A)分类为由不具有载脂蛋白Eε4基因的分类对象构成的组α;以及(B)分类为由具有载脂蛋白Eε4基因的分类对象构成的组β,接着针对在第1阶段被分类的组α和组β分别进行第2阶段的分类,并对示出分类后的每个组的跟踪调查的结果的Kaplan-Meier曲线进行了评价,第2阶段的分类是指,分类为如下(1)至(4)中的某一组,(1)由临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值小的分类对象构成的组A(在组α中与第1组对应,在组β中与第5组对应);(2)由临床前阿尔茨海默认知功能综合分数比第3阈值大、且右侧海马体积比第4阈值大的分类对象构成的组D(在组α中与第2组对应,在组β中与第6组对应);(3)由临床前阿尔茨海默认知功能综合分数比第3阈值小、且右侧海马体积比第4阈值大的分类对象构成的组B(在组α中与第3组对应,在组β中与第7组对应);以及(4)由临床前阿尔茨海默认知功能综合分数比第3阈值大、且右侧海马体积比第4阈值小的分类对象构成的组C(在组α中与第4组对应,在组β中与第8组对应)。
图10A以及图10B是示出在队列研究中,示出由本发明人员进行的针对每个组的跟踪调查的结果的Kaplan-Meier曲线。
图10A是将组α作为对象,示出每个组的跟踪调查的结果的Kaplan-Meier曲线,图10B是将组β作为对象,示出每个组的跟踪调查的结果的Kaplan-Meier曲线。
在图10A以及图10B所示的Kaplan-Meier曲线中,横轴是从开始进行跟踪调查经过的时间[年],纵轴是从轻度认知障碍发展为阿尔茨海默病的分类对象的累积转化率[%]。
从图10A以及图10B所示的Kaplan-Meier曲线可以知道,在第1组至第8组中,第1组和第5组是在跟踪调查的开始时就成为将来发展为阿尔茨海默病的风险相对高的组,第2组和第6组是在跟踪调查的开始时就成为将来发展为阿尔茨海默病的风险相对低的组。
这样,本发明人员通过队列研究得到了如下的见解,即针对具有轻度认知障碍的多个分类对象的每一个,通过进行如下(1)至(4)的分类,从而能够将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组(在此为4个组)中的某一组,所述(1)至(4)的分类是指:(1)在临床前阿尔茨海默认知功能综合分数比第3阈值小、且右侧海马体积比第4阈值小的情况下,将分类对象分类为所述第1组;(2)在临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第2组;(3)在临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第3组;(4)在临床前阿尔茨海默认知功能综合分数比第3阈值大、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第4组。
并且,本发明人员通过队列研究,在上述的分类中还得到了如下的见解,即第1阈值优选为0.111±1SD、第2阈值优选为3.651±1SD[cm3]。在此,第1阈值的1SD为2.630、第2阈值的1SD为0.653[cm3]。
<工作>
以下参照附图,对具有上述构成的分层装置10B的工作进行说明。
图11是分层装置10B进行的第3分类处理的流程图。该第3分类处理是针对多个分类对象的每一个,根据临床前阿尔茨海默认知功能检测综合分数、以及右侧海马体积,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的4个组中的某一组。
第3分类处理例如是通过利用分层装置10B的用户针对分层装置10B,进行使第3分类处理开始的操作而被开始执行的。
当第3分类处理开始时,获得部20B针对具有轻度认知障碍的多个分类对象的每一个,获得针对分类对象进行的临床前阿尔茨海默认知功能检测综合(PACC)的结果而得到的分数(以下也称为“PACC的分数”)、以及分类对象的右侧海马体积(步骤S205)。
在获得了多个分类对象的PACC的分数和右侧海马体积时,分类部30B从多个分类对象中选择一个分类对象(步骤S210)。于是,分类部30B调查处于选择状态的分类对象的PACC的分数是否为0.111以上(步骤S215)。
在步骤S215的处理中,在PACC的分数不是0.111以上的情况下(步骤S215的“否”),分类部30B调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S220)。
在步骤S220的处理中,在右侧海马体积不是3.651以上的情况下(步骤S220的“否”),分类部30B将处于选择状态的分类对象分类为第1组(步骤S225)。
在步骤S220的处理中,在右侧海马体积是3.651以上的情况下(步骤S220的“是”),分类部30B将处于选择状态的分类对象分类为第3组(步骤S230)。
在步骤S215的处理中,在PACC的分数是0.111以上的情况下(步骤S215的“是”),分类部30B调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S235)。
在步骤S235的处理中,在右侧海马体积不是3.651以上的情况下(步骤S235的“否”),分类部30B将处于选择状态的分类对象分类为第4组(步骤S240)。
在步骤S235的处理中,在右侧海马体积是3.651以上的情况下(步骤S235的“是”),分类部30B将处于选择状态的分类对象分类为第2组(步骤S245)。
在步骤S225的处理结束、且步骤S230的处理结束、且步骤S240的处理结束、且步骤S245的处理结束时,分类部30B调查多个分类对象中是否有没被选择的分类对象(步骤S250)。
在此,没被选择的分类对象是指,在步骤S210的处理中没有被选择的分类对象,并且从步骤S215的处理直到步骤S250的“是”的处理之后再次进入到步骤S215的处理的循环处理中,后述的步骤S255的处理中还没被选择的分类对象。
在步骤S250的处理中,在有没被选择的分类对象的情况下(步骤S250的“是”),分类部30B从没被选择的分类对象中选择一个分类对象(步骤S255)。
当步骤S255的处理结束时,进入到步骤S215的处理。
在步骤S250的处理中,在没有没被选择的分类对象的情况下(步骤S250的“否”),输出部40输出由分类部30B针对多个分类对象的每一个进行的分类结果(步骤S260)。
当步骤S260的处理结束时,分层装置10B结束该第3分类处理。
<考察>
通过具有上述构成的分层装置10B,能够将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。
因此,通过利用分层装置10B,预先将具有轻度认知障碍的多个分类对象进行分类,从而能够有效地进行将轻度认知障碍向阿尔茨海默病发展的人作为对象的临床试验等。
并且,通过具有上述构成的分层装置10B,能够以和以往的技术不同的方法来进行上述的分类。即,在通过分层装置10B进行的上述的分类中,不利用以往技术中所必需的检查费用比较贵的脑β-淀粉样蛋白PET检查的结果。
因此,通过利用分层装置10B,与利用以往的技术相比,能够廉价且更有效地进行上述的分类。
(实施方式4)
以下对执行实施方式4所涉及的分层方法的实施方式4中的分层装置进行说明,在实施方式4的构成中,对实施方式3所涉及的分层装置10B的功能的一部分进行了变更。如实施方式3中的说明所示,分层装置10B根据临床前阿尔茨海默认知功能检测综合分数和右侧海马体积,对具有轻度认知障碍的多个分类对象进行分类。在此,实施方式4所涉及的分层方法在对具有轻度认知障碍的多个分类对象进行分类时,除了根据临床前阿尔茨海默认知功能检测综合分数和右侧海马体积以外,还根据是否具有载脂蛋白Eε4基因来进行分类。在此,关于执行实施方式4所涉及的分层方法的分层装置,对于与分层装置10B相同的构成要素由于已经进行了说明,因此赋予相同的编号并省略详细说明,以下以与分层装置10B的不同之处为中心进行说明。
<构成>
图12是执行实施方式4所涉及的分层方法10C的分层装置的构成的示例的方框图。
如图12所示,分层装置10C的构成与实施方式3所涉及的分层装置10B的不同之处在于,获得部20B被变更为获得部20C,分类部30B被变更为分类部30C。
获得部20C针对具有轻度认知障碍的多个分类对象的每一个,除了获得针对分类对象进行临床前阿尔茨海默认知功能检测综合的结果而得到的分数、以及分类对象的右侧海马体积以外,还获得ApoE分型。
分类部30C针对多个分类对象的每一个,根据临床前阿尔茨海默认知功能检测综合分数、右侧海马体积、以及ApoE分型,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。
在实施方式4中,多个组除了包括第1组和第2组以外,还包括第3组、第4组、第5组、第6组、第7组、第8组,以下对由这8个组构成的多个组进行说明。
分类部30C根据本发明人员将具有轻度认知障碍的多个分类对象作为对象,来进行队列研究而得到见解,进行上述的分类。
更具体而言,分类部30C针对多个分类对象的每一个进行如下(1)至(8)的分类,(1)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第1组,(2)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第2组,(3)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第3组,(4)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第4组,(5)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第5组,(6)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第6组,(7)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第7组,(8)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第8组。在此,分类部30C将第3阈值设为0.111、将第4阈值设为3.651[cm3],来进行上述的分类。
以下对本发明人员通过将具有轻度认知障碍的多个分类对象作为对象的队列研究而得到见解进行说明。
从图10A以及图10B所示的Kaplan-Meier曲线可以知道,第1组至第8组中,第1组是在开始跟踪调查时就成为将来发展为阿尔茨海默病的风险相对高的组,第2组是在开始跟踪调查时就成为将来发展为阿尔茨海默病的风险相对低的组。
这样,本发明人员通过队列研究得到了如下的见解,即通过针对具有轻度认知障碍的多个分类对象的每一个进行如下(1)至(8)的分类,从而能够将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组(在此为8个组)中的某一组,上述的(1)至(8)的分类是指:(1)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第1组;(2)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第2组;(3)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第3组;(4)在ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第4组;(5)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第5组;(6)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第6组;(7)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值小、且右侧海马体积比第4阈值大的情况下,将分类对象分类为第7组;(8)在ApoE分型示出ApoE-、且临床前阿尔茨海默认知功能检测综合分数比第3阈值大、且右侧海马体积比第4阈值小的情况下,将分类对象分类为第8组。
并且,从图10A以及图10B所示的Kaplan-Meier曲线可以知道,与针对由具有载脂蛋白Eε4基因的分类对象构成的组β进行上述的第2阶段的分类而得到的分类结果相比,针对由不具有载脂蛋白Eε4基因的分类对象构成的组α进行上述的第2阶段的分类而得到的分类结果,能够更准确地将具有轻度认知障碍的多个分类对象,分类为至少包括将来发展为阿尔茨海默病的风险相对高的组、和将来发展为阿尔茨海默病的风险相对低的组的多个组中的某一组。
这样,本发明人员通过队列研究,得到了如下的见解,即除了根据临床前阿尔茨海默认知功能检测综合分数和右侧海马体积以外,进一步根据ApoE分型,则能够更准确地将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组。
<工作>
以下参照附图,对具有上述构成的分层装置10C的工作l进行说明。
分层装置10C进行第4分类处理,该第4分类处理是分层装置10B所进行的第3分类处理中的一部分处理被变更后的处理。
图13A以及图13B是分层装置10C进行第4分类处理的流程图。
如图13A以及图13B所示,第4分类处理相对于第3分类处理,增加了步骤S300的处理至步骤S380的处理。
因此,在此以步骤S300的处理至步骤S380的处理为中心进行说明。
当第4分类处理开始时,获得部20C针对具有轻度认知障碍的多个分类对象的每一个,获得PACC的分数、分类对象的右侧海马体积、以及ApoE分型(步骤S300)。
当步骤S300的处理结束时,进入到步骤S210的处理。
当步骤S210的处理结束、且步骤S255的处理结束的情况下,分类部30C调查处于选择状态的分类对象的ApoE分型是否示出ApoE+(步骤S310)。
在步骤S310的处理中,在处于选择状态的分类对象的ApoE分型不表示ApoE+的情况下(步骤S310的“否”),进入到步骤S215的处理。
在步骤S310的处理中,在处于选择状态的分类对象的ApoE分型示出ApoE+的情况下(步骤S310的“是”),分类部30C调查处于选择状态的分类对象的PACC的分数是否在为0.111以上(步骤S320)。
在步骤S320的处理中,在PACC的分数不是0.111以上的情况下(步骤S320的“否”),分类部30C调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S330)。
在步骤S330的处理中,在右侧海马体积不是3.651以上的情况下(步骤S330的“否”),分类部30C将处于选择状态的分类对象分类为第5组(步骤S340)。
在步骤S330的处理中,在右侧海马体积是3.651以上的情况下(步骤S330的“是”),分类部30C将处于选择状态的分类对象分类为第7组(步骤S350)。
在步骤S320的处理中,在PACC的分数是0.111以上的情况下(步骤S320的“是”),分类部30C调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S360)。
在步骤S360的处理中,在右侧海马体积不是3.651以上的情况下(步骤S360的“否”),分类部30C将处于选择状态的分类对象分类为第8组(步骤S370)。
在步骤S360的处理中,在右侧海马体积是3.651以上的情况下(步骤S360的“是”),分类部30C将处于选择状态的分类对象分类为第6组(步骤S380)。
在步骤S340的处理结束、且步骤S350的处理结束、且步骤S370的处理结束、且步骤S380的处理结束的情况下,进入到步骤S250的处理。
当步骤S260的处理结束时,分层装置10C结束该第4分类处理。
<考察>
具有上述构成的分层装置10C在对具有轻度认知障碍的多个分类对象进行分类时,不仅根据临床前阿尔茨海默认知功能检测综合分数和右侧海马体积,而且还根据是否具有载脂蛋白Eε4基因来进行分类。据此,分层装置10C能够更准确地对分类对象进行分类。
(实施方式5)
以下对执行实施方式5所涉及的分层方法的实施方式5中的分层装置进行说明,实施方式5的构成为,对实施方式1所涉及的分层装置10的功能的一部分进行了变更。如实施方式1的说明所示,分层装置10根据作为进行阿尔茨海默病评定量表-认知分量表的结果而得到的分数、以及右侧海马体积,对具有轻度认知障碍的多个分类对象进行分类。在此,实施方式5所涉及的分层方法在对具有轻度认知障碍的多个分类对象进行分类时,除了根据作为进行阿尔茨海默病评定量表-认知分量表的结果而得到的分数和右侧海马体积以外,还根据进行临床前阿尔茨海默认知功能检测的综合结果而得到的分数、以及是否具有载脂蛋白Eε4基因来进行分类。在此,关于执行实施方式5所涉及的分层方法的分层装置,对于与分层装置10相同的构成要素,由于已经进行了说明,因此赋予相同的编号并省略详细说明,以下以与分层装置10的不同之处为中心进行说明。
<构成>
图14是执行实施方式5所涉及的分层方法的实施方式5中的分层装置10D的构成的示例的方框图。
如图14所示,分层装置10D的构成与实施方式1所涉及的分层装置10的不同之处是,获得部20被变更为获得部20D,分类部30被变更为分类部30D。
获得部20D针对具有轻度认知障碍的多个分类对象的每一个,除了获得作为针对分类对象进行阿尔茨海默病评定量表-认知分量表的结果而得到的分数、以及分类对象的右侧海马体积以外,还获得针对分类对象进行临床前阿尔茨海默认知功能检测综合结果而得到的分数、以及示出分类对象是否具有载脂蛋白Eε4基因的信息(ApoE分型)。
分类部30D针对多个分类对象的每一个,根据阿尔茨海默病评定量表-认知分量表的分数、右侧海马体积、ApoE分型、临床前阿尔茨海默认知功能检测综合分数,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第6组、第7组、和第8组、以及将来发展为阿尔茨海默病的风险相对低的第1组和第2组的多个组中的某一组。
在实施方式5中,多个组除了包括第1组、第2组、第6组、第7组、以及第8组以外,还包括第3组、第4组、以及第5组,对由这8个组构成的多个组进行说明。
分类部30D根据本发明人员将具有轻度认知障碍的多个分类对象作为对象,来进行队列研究而得到的见解,进行上述的分类。
更具体而言,分类部30D针对多个分类对象的每一个进行如下(1)至(8)的分类,(1)阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE-的情况下,将分类对象分类为第1组,(2)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大的情况、以及阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大的情况下,将分类对象分类为第2组,(3)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大情况下,将分类对象分类为第3组,(4)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE-的情况下,将分类对象分类为第4组,(5)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE-的情况下,将分类对象分类为第5组,(6)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小的情况、以及阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小的情况下,将分类对象分类为第6组,(7)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值小情况下,将分类对象分类为第7组,(8)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小情况下,将分类对象分类为第8组。在此,分类部30D将第5阈值设为20.0、将第6阈值设为3.651[cm3]、将第7阈值设为0.111,来进行上述的分类。
以下对本发明人员将具有轻度认知障碍的多个分类对象作为对象来进行队列研究所得到的见解进行说明。
在队列研究中,本发明人员将多个分类对象的每一个,分类为如下(1)至(8)所示的组中的某一组,并对示出分类后的每个组跟踪调查的结果的Kaplan-Meier曲线进行了评价,所述(1)至(8)所示的组是指:(1)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE-的分类对象构成的第1组;(2)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大的分类对象、或者由阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大的分类对象构成的第2组;(3)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大的分类对象构成的第3组;(4)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE-的分类对象构成的第4组;(5)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE-的分类对象构成的第5组;(6)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小的分类对象、或者由阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小的分类对象构成的第6组;(7)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值小的分类对象构成的第7组;(8)由阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小的分类对象构成的第8组。
图15A和图15B是示出在队列研究中,由本发明人员进行的针对每个组的跟踪调查的结果的Kaplan-Meier曲线。
在图15A和图15B所示的Kaplan-Meier曲线中,横轴为跟踪调查开始后经过的时间[年],纵轴为从轻度认知障碍发展为阿尔茨海默病的分类对象的累积转化率[%]。
从图15A和图15B可知,在跟踪调查开始后经过的时间超过3年时,由于分类对象的人数减少,因此从轻度认知障碍发展为阿尔茨海默病的分类对象的累积转化率的可靠性降低。因此,针对在跟踪调查开始后经过时间超过3年的情况下的从轻度认知障碍发展为阿尔茨海默病的分类对象的累积转化率的值,在队列研究中对不使用该值进行了探讨。
从图15A和图15B所示的Kaplan-Meier曲线可以知道,在第1组至第8组中,第6组、第7组、和第8组是在跟踪调查开始时,就成为将来发展为阿尔茨海默病的风险相对高的组,而第1组和第2组是在跟踪调查开始时,就成为将来发展为阿尔茨海默病的风险相对低的组。
这样,本发明人员通过队列研究得到了如下的见解,即通过针对具有轻度认知障碍的多个分类对象的每一个进行如下(1)至(8)的分类,则能够将具有轻度认知障碍的多个分类对象,分类为包括将来发展为阿尔茨海默病的风险相对高的第6组、第7组、和第8组、以及将来发展为阿尔茨海默病的风险相对低的第1组和第2组的多个组(在此为8个组)中的某一组,所述(1)至(8)的分类是指:(1)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE-的情况下,将分类对象分类为第1组;(2)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大的情况、以及在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大的情况下,将分类对象分类为第2组;(3)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值大情况下,将分类对象分类为第3组;(4)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE-的情况下,将分类对象分类为第4组;(5)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE-的情况下,将分类对象分类为第5组;(6)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小的情况、以及在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值大、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小的情况下,将分类对象分类为第6组;(7)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值大、且右侧海马体积比第6阈值小情况下,将分类对象分类为第7组;(8)在阿尔茨海默病评定量表-认知分量表的分数比第5阈值小、且右侧海马体积比第6阈值小、且ApoE分型示出ApoE+、且临床前阿尔茨海默认知功能检测综合分数比第7阈值小情况下,将分类对象分类为第8组。
并且,本发明人员通过队列研究得到了如下的见解,即在上述的分类中,第5阈值优选为20.0±1SD、第6阈值优选为3.651±1SD[cm3]、第7阈值优选为0.111±1SD。在此,第5阈值的1SD为6.3、第6阈值的1SD为0.653[cm3]、第7阈值的1SD为2.630。
<工作>
以下参照附图,对具有上述构成的分层装置10D的工作进行说明。
图16是分层装置10D进行的第5分类处理的流程图。该第5分类处理是,针对多个分类对象的每一个,根据阿尔茨海默病评定量表-认知分量表的分数、右侧海马体积、ApoE分型、以及临床前阿尔茨海默认知功能检测综合分数,将分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第6组、第7组、和第8组、以及将来发展为阿尔茨海默病的风险相对低的第1组和第2组的8个组中的某一组的处理。
第5分类处理例如是通过利用分层装置10D的用户,对分层装置10D进行使第5分类处理开始的操作来开始执行的。
当第5分类处理开始时,获得部20D针对具有轻度认知障碍的多个分类对象的每一个,获得作为针对分类对象进行阿尔茨海默病评定量表-认知分量表(ADAS-cog)的结果而得到的分数(ADAS-cog的分数)、针对分类对象进行临床前阿尔茨海默认知功能检测综合(PACC)的结果而得到的分数(PACC的分数)、分类对象的右侧海马体积、以及ApoE分型(步骤S405)。
当获得了多个分类对象的ADAS-cog的分数、PACC的分数、右侧海马体积、以及ApoE分型时,分类部30D从多个分类对象的中选择一个分类对象(步骤S410)。于是,分类部30D调查处于选择状态的分类对象的ADAS-cog的分数是否为20.0以上(步骤S415)。
在步骤S415的处理中,在ADAS-cog的分数不是20.0以上的情况下(步骤S415的“否”),分类部30D调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S420)。
在步骤S420的处理中,在右侧海马体积是3.651以上的情况下(步骤S420的“是”),分类部30D调查处于选择状态的分类对象的ApoE分型是否表示ApoE+(步骤S425)。
在步骤S425的处理中,在处于选择状态的分类对象的ApoE分型没有示出ApoE+的情况下(步骤S425的“否”),分类部30D将处于选择状态的分类对象分类为第1组(步骤S430)。
在步骤S420的处理中,在右侧海马体积不是3.651以上的情况下(步骤S420的“否”),分类部30D调查处于选择状态的分类对象的ApoE分型是否表示ApoE+(步骤S435)。
在步骤S435的处理中,在处于选择状态的分类对象的ApoE分型没有示出ApoE+的情况下(步骤S435的“否”),分类部30D将处于选择状态的分类对象分类为第4组(步骤S440)。
在步骤S435的处理中,在处于选择状态的分类对象的ApoE分型示出ApoE+的情况下(步骤S435的“是”),分类部30D调查处于选择状态的分类对象的PACC的分数是否为0.111以上(步骤S445)。
在步骤S445的处理中,在PACC的分数是0.111以上的情况下(步骤S445的“是”),分类部30D将处于选择状态的分类对象分类为第3组(步骤S450)。
在步骤S445的处理中,在PACC的分数不是0.111以上的情况下(步骤S445的“否”),分类部30D将处于选择状态的分类对象分类为第8组(步骤S455)。
在步骤S415的处理中,在ADAS-cog的分数是20.0以上的情况下(步骤S415的“是”),分类部30D调查处于选择状态的分类对象的右侧海马体积是否为3.651以上(步骤S460)。
在步骤S460的处理中,在右侧海马体积是3.651以上的情况下(步骤S460的“是”),分类部30D调查处于选择状态的分类对象的ApoE分型是否表示ApoE+(步骤S465)。
在步骤S465的处理中,在处于选择状态的分类对象的ApoE分型没有示出ApoE+的情况下(步骤S465的“是”),分类部30D将处于选择状态的分类对象分类为第5组(步骤S470)。
在步骤S425的处理中,在处于选择状态的分类对象的ApoE分型示出ApoE+的情况(步骤S425的“是”)、以及在步骤S465的处理中,处于选择状态的分类对象的ApoE分型示出ApoE+的情况下(步骤S465的“是”),分类部30D调查处于选择状态的分类对象的PACC的分数是否为0.111以上(步骤S475)。
在步骤S475的处理中,在PACC的分数是0.111以上的情况下(步骤S475的“是”),分类部30D将处于选择状态的分类对象分类为第2组(步骤S480)。
在步骤S475的处理中,在PACC的分数不是0.111以上的情况下(步骤S475的“否”),分类部30D将处于选择状态的分类对象分类为第6组(步骤S485)。
在步骤S460的处理中,在右侧海马体积不是3.651以上的情况下(步骤S460的“否”),分类部30D将处于选择状态的分类对象分类为第7组(步骤S490)。
在步骤S430的处理结束、且步骤S440的处理结束、且步骤S450的处理结束、且步骤S455的处理结束、且步骤S470的处理结束、且步骤S480的处理结束、且步骤S485的处理结束、且步骤S490的处理结束的情况下,分类部30D调查多个分类对象中是否有没被选择的分类对象(步骤S495)。
在此,没被选择的分类对象是指,在步骤S410的处理中没有被选择的分类对象、且在经过步骤S415的处理至步骤S495的“是”的处理后再次进入到步骤S415的处理的循环处理中,在后述的步骤S496的处理中还没有被选择的分类对象。
在步骤S495的处理中,在有没被选择的分类对象的情况下(步骤S495的“是”),分类部30D从没有被选择的分类对象中,选择一个分类对象(步骤S496)。
当步骤S496的处理结束时,进入到步骤S415的处理。
在步骤S495的处理中,在没有没被选择的分类对象的情况下(步骤S495的“否”),输出部40输出由分类部30D针对多个分类对象的每一个进行的分类结果(步骤S497)。
当步骤S497的处理结束时,分层装置10D结束该第5分类处理。
<考察>
具有上述构成的分层装置10D在对具有轻度认知障碍的多个分类对象进行分类时,除了根据阿尔茨海默病评定量表-认知分量表的分数和右侧海马体积以外,还根据临床前阿尔茨海默认知功能检测综合分数、以及是否有载脂蛋白Eε4基因来进行分类。据此,分层装置10D能够更准确地对分类对象进行分类。
(补充)
如以上所述,基于实施方式1~5,对本发明中公开的技术进行了举例说明。不过,本发明并非受这些实施方式所限。在不脱离本发明的主旨的范围内,将本领域技术人员所能够想到的各种变形执行于本实施方式而得到的形态、或者通过对不同的实施方式中的构成要素进行组合而构筑的形态均可以包括在本发明的一个或多个形态的范围内。
本发明的一个形态不仅可以是这些分层装置10~10D、而且可以是将分层装置10~10D中包括的具有特征性的构成部作为步骤来执行的分层方法。并且,本发明的一个形态也可以是使计算机执行分层方法中包括的特征性的各个步骤的计算机程序。并且,本发明的一个形态也可以是记录有上述的计算机程序的计算机可读取的非暂时性的记录介质。
另外,本发明的一个形态所涉及的分层方法有效利用于阿尔茨海默病的早期诊断和预防开发。
本发明能够广泛利用于将具有轻度认知障碍的多个分类对象的每一个,分类为将来会发展为阿尔茨海默病的风险相对应的多个组中的某一组的分层方法等。
符号说明
10、10A、10B、10C、10D 分层装置
20、20A、20B、20C、20D 获得部
30、30A、30B、30C、30D 分类部
40 输出部
Claims (11)
1.一种分层方法,包括如下的步骤:
获得步骤,针对具有轻度认知障碍的多个分类对象的每一个,获得针对该分类对象进行临床心理测验的结果的分数、以及该分类对象的右侧海马体积;
分类步骤,针对所述多个分类对象的每一个,根据该分类对象的所述分数、以及该分类对象的右侧海马体积,将该分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中某一组;以及
输出步骤,输出通过所述分类步骤的分类结果。
2.如权利要求1所述的分层方法,
所述临床心理测验是阿尔茨海默病评定量表-认知分量表。
3.如权利要求2所述的分层方法,
在所述分类步骤中,针对所述多个分类对象的每一个,在该分类对象的所述分数比第1阈值大、且该分类对象的右侧海马体积比第2阈值小的情况下,将该分类对象分类为所述第1组,在该分类对象的所述分数比所述第1阈值小、且该分类对象的右侧海马体积比所述第2阈值大的情况下,将该分类对象分类为所述第2组。
4.如权利要求3所述的分层方法,
所述第1阈值为20.0,
所述第2阈值为3.651[cm3]。
5.如权利要求1所述的分层方法,
所述临床心理测验是临床前阿尔茨海默认知功能检测综合分数。
6.如权利要求5所述的分层方法,
在所述分类步骤中,针对所述多个分类对象的每一个,在该分类对象的所述分数比第3阈值小、且该分类对象的右侧海马体积比第4阈值小的情况下,将该分类对象分类为所述第1组,在该分类对象的所述分数比所述第3阈值大、且该分类对象的右侧海马体积比所述第4阈值大的情况下,将该分类对象分类为所述第2组。
7.如权利要求6所述的分层方法,
所述第3阈值为0.111,
所述第4阈值为3.651[cm3]。
8.如权利要求1至7的任一项所述的分层方法,
在所述获得步骤中,针对所述多个分类对象的每一个,进一步获得表示该分类对象是否具有载脂蛋白Eε4基因的信息,
在所述分类步骤中,针对所述多个分类对象的每一个,还根据所述信息,将该分类对象分类为所述多个组中的某一组。
9.如权利要求1所述的分层方法,
所述临床心理测验包括:阿尔茨海默病评定量表-认知分量表、以及临床前阿尔茨海默认知功能检测综合分数,
在所述获得步骤中,针对所述多个分类对象的每一个,进一步获得表示该分类对象是否具有载脂蛋白Eε4基因的信息,
在所述分类步骤中,针对所述多个分类对象的每一个,在如下(1)至(4)的情况下,将该分类对象分类为所述第1组,在如下(5)至(7)的情况下,将该分类对象分类为所述第2组,
所述(1)至(4)的情况是指:(1)该分类对象的第1分数比第5阈值小、且该分类对象的右侧海马体积比第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的第2分数比第7阈值小的情况,所述第1分数是作为针对该分类对象进行的所述阿尔茨海默病评定量表-认知分量表的结果而得到的分数,所述第2分数是针对该分类对象进行临床前阿尔茨海默认知功能检测综合结果而得到的分数;(2)该分类对象的所述第1分数比所述第5阈值大、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值小的情况;(3)该分类对象的所述第1分数比所述第5阈值大、且该分类对象的右侧海马体积比所述第6阈值小的情况;(4)该分类对象的所述第1分数比所述第5阈值小、且该分类对象的右侧海马体积比所述第6阈值小、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值小的情况,
所述(5)至(7)的情况是指:(5)该分类对象的所述第1分数比所述第5阈值小、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值大的情况;(6)该分类对象的所述第1分数比所述第5阈值大、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出具有载脂蛋白Eε4基因、且该分类对象的所述第2分数比所述第7阈值大的情况;(7)该分类对象的所述第1分数比所述第5阈值小、且该分类对象的右侧海马体积比所述第6阈值大、且该分类对象的所述信息示出不具有载脂蛋白Eε4基因的情况。
10.如权利要求9所述的分层方法,
所述第5阈值为20.0,
所述第6阈值为3.651[cm3],
所述第7阈值为0.111。
11.一种分层装置,具备:
获得部,针对具有轻度认知障碍的多个分类对象的每一个,获得针对该分类对象进行临床心理测验的结果的分数、以及该分类对象的右侧海马体积;
分类部,针对所述多个分类对象的每一个,根据该分类对象的所述分数、以及该分类对象的右侧海马体积,将该分类对象分类为至少包括将来发展为阿尔茨海默病的风险相对高的第1组、和将来发展为阿尔茨海默病的风险相对低的第2组的多个组中的某一组;以及
输出部,输出由所述分类部得到的分类结果。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149360.2A CN116662835A (zh) | 2022-02-18 | 2022-02-18 | 分层方法以及分层装置 |
CN202280061563.4A CN117940065A (zh) | 2022-02-18 | 2022-12-16 | 分层方法以及分层装置 |
JP2024500980A JP7496180B2 (ja) | 2022-02-18 | 2022-12-16 | 分層方法、および、分層装置 |
TW111148389A TW202341175A (zh) | 2022-02-18 | 2022-12-16 | 分層方法及分層裝置 |
PCT/JP2022/046352 WO2023157447A1 (ja) | 2022-02-18 | 2022-12-16 | 分層方法、および、分層装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149360.2A CN116662835A (zh) | 2022-02-18 | 2022-02-18 | 分层方法以及分层装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116662835A true CN116662835A (zh) | 2023-08-29 |
Family
ID=87578022
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210149360.2A Pending CN116662835A (zh) | 2022-02-18 | 2022-02-18 | 分层方法以及分层装置 |
CN202280061563.4A Pending CN117940065A (zh) | 2022-02-18 | 2022-12-16 | 分层方法以及分层装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280061563.4A Pending CN117940065A (zh) | 2022-02-18 | 2022-12-16 | 分层方法以及分层装置 |
Country Status (3)
Country | Link |
---|---|
CN (2) | CN116662835A (zh) |
TW (1) | TW202341175A (zh) |
WO (1) | WO2023157447A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201511372D0 (en) * | 2015-06-29 | 2015-08-12 | Ixico Technologies Ltd | Methods, systems and tools for selecting subjects suffering from neurodegerative disease |
CA3053491A1 (en) * | 2017-03-01 | 2018-09-07 | Hdl Therapeutics, Inc. | Methods for prophylactically preventing, slowing the progression of, or treating alzheimer's disease |
GB201705044D0 (en) * | 2017-03-29 | 2017-05-10 | Neuro-Bio Ltd | Biomarker |
KR20220024434A (ko) * | 2019-06-17 | 2022-03-03 | 알제온, 인크. | 신경퇴행성 장애를 치료하는 방법 |
JP7293050B2 (ja) * | 2019-08-26 | 2023-06-19 | Tdk株式会社 | 軽度認知障害判定システム |
JP6679017B1 (ja) * | 2019-12-20 | 2020-04-15 | 株式会社Splink | 認知症リスクの提示システムおよび方法 |
JPWO2022071158A1 (zh) * | 2020-10-01 | 2022-04-07 |
-
2022
- 2022-02-18 CN CN202210149360.2A patent/CN116662835A/zh active Pending
- 2022-12-16 TW TW111148389A patent/TW202341175A/zh unknown
- 2022-12-16 CN CN202280061563.4A patent/CN117940065A/zh active Pending
- 2022-12-16 WO PCT/JP2022/046352 patent/WO2023157447A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN117940065A (zh) | 2024-04-26 |
JPWO2023157447A1 (zh) | 2023-08-24 |
WO2023157447A1 (ja) | 2023-08-24 |
TW202341175A (zh) | 2023-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11880974B2 (en) | Method and device for detecting circulating abnormal cells | |
Cui et al. | Identification of conversion from mild cognitive impairment to Alzheimer's disease using multivariate predictors | |
JP5995215B2 (ja) | 癌細胞領域抽出装置、方法、及びプログラム | |
WO2014052041A4 (en) | Methods for card processing for card decks | |
JP2015173827A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP6625504B2 (ja) | 情報処理装置、情報処理システム及びプログラム | |
US20230041229A1 (en) | Systems and methods for designing accurate fluorescence in-situ hybridization probe detection on microscopic blood cell images using machine learning | |
JP2010257140A (ja) | 情報処理装置及び情報処理方法 | |
Majtner et al. | A deep learning framework for autonomous detection and classification of Crohnʼs disease lesions in the small bowel and colon with capsule endoscopy | |
CN113593714A (zh) | 一种多分类新冠肺炎病例的检测方法、系统、设备及介质 | |
CN105740752B (zh) | 敏感图片过滤方法和系统 | |
CN116662835A (zh) | 分层方法以及分层装置 | |
Vécsei et al. | Automated classification of duodenal imagery in celiac disease using evolved fourier feature vectors | |
CN112669273A (zh) | 眼底图像中玻璃膜疣自动分割方法、装置及可读存储介质 | |
Naesens | The special relativity of noninvasive biomarkers for acute rejection | |
EP3955177A1 (en) | Search method and information processing system | |
Taher et al. | Extraction of sputum cells using thresholding techniques for lung cancer detection | |
CN113255766B (zh) | 一种图像分类方法、装置、设备和存储介质 | |
Zeng et al. | Assessing electrocardiogram changes after ischemic stroke with artificial intelligence | |
CN113537253A (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
US11669970B2 (en) | System, apparatus, and method for detection of ureteropelvic junction obstruction | |
CN112560970A (zh) | 基于自编码的异常图片检测方法、系统、设备及存储介质 | |
CN110647945B (zh) | 液基宫颈细胞涂片分类方法、系统和实现装置 | |
JP7496180B2 (ja) | 分層方法、および、分層装置 | |
KR20190111284A (ko) | 건강검진 결과 스캔 및 분석방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |