JP2004000556A

JP2004000556A - 骨粗鬆症のスクリーニング法

Info

Publication number: JP2004000556A
Application number: JP2003109962A
Authority: JP
Inventors: Piet Dewaele; ピエト・デワエレ; Gerrit Dispersyn; ゲリト・デイスペルシン
Original assignee: Agfa Gevaert NV
Current assignee: Agfa Gevaert NV
Priority date: 2002-04-17
Filing date: 2003-04-15
Publication date: 2004-01-08
Also published as: EP1357480A1

Abstract

【課題】骨粗鬆症の危険のある人を発見する
【解決手段】骨の鉱物密度（ＢＭＤ）測定および、前以て規定された危険因子の適用性に関する評価値を組み合わせることにより得られる総合点の結果を組み合わせて、個人が骨粗鬆症の危険下にあるかどうかを示す値をもたらす。
【選択図】　　　なし

Description

【０００１】
【発明の属する技術分野】
本発明は骨粗鬆症の危険下ある個人の発見法に関する。
【０００２】
【従来の技術】
骨粗鬆症は骨質量の喪失および骨の微細構造の劣化を特徴として、骨折の危険性をもたらす、広範囲にわたる疾患である。関与するすべてのパラメーターのうちで、低い骨質量が、特に腰骨、脊椎および手首の骨の脆弱性および骨折の危険性を決定するもっとも重要な因子である。骨粗鬆症は米国のみにおいて２６百万人以上が罹患するが、本疾患を罹患する女性の１０％未満および男性の１％のみが診断され、処置を受ける。骨粗鬆症を予防または、それが開始した後に進行を遅らせるためには、最初にその個人が危険下にあるかどうかを知らなければならない。無症候人口中で危険下にある個人を発見することをスクリーニングと呼ぶ。
【０００３】
無症候の個人における低い骨質量を検出するために、数々の放射線学的スクリーニング試験が提唱されてきた。骨質量測定の最近の非侵襲的方法の一つは骨鉱物密度（ｂｏｎｅ　ｍｉｎｅｒａｌ　ｄｅｎｓｉｔｙ：ＢＭＤ）測定である。ＢＭＤ測定の方法には通常の骨格放射線撮影（放射線測定法および吸収測定法）、ＳＰＡ（単一光電子吸収測定法）、ＤＰＡ（二重光電子吸収測定法）、ＤＸＡ（二重−エネルギーＸ−線吸収測定法）、定量計算断層Ｘ線撮影法（ＱＣＴ）および超音波法（ＵＳ）が含まれる。ＢＭＤを測定するための最近の最適な基準は最古のフィルムに基づいた方法に徐々に取って代わってきたＤＸＡである。しかし、ＤＸＡ法は甚大な獲得時間、従って実質的な診断時間、十分訓練されたオペレーターおよび高価な装置を必要とし、そして従って質量スクリーニング手段としてのその使用可能性は制約される。ＱＣＴ（定量計算断層Ｘ線撮影法）は脊椎の横断切片および小柱領域の解剖学および密度の検査には著しく正確であるが、費用および高い放射線暴露のために日常的なスクリーニング試験としてはあまり実際的ではない。ＤＸＡ（二重−エネルギーＸ−線吸収測定法）およＱＣＴ（定量計算断層Ｘ線撮影法）はそれらが脊椎および腰部の測定値を提供する点で軸方向の方法である。
【０００４】
フィルム上に記録される通常の骨格のＸ線は骨の障害および骨折を検出するために使用されるが、それらは骨質量を測定する点では制約された価値をもつ。しかし、計算された放射線撮影法および直接的（ディジタル）放射線撮影法のようなディジタルＸ線法の出現により、それらの固有の精度がディジタル測定値により実質的に高められるので、通常の骨質量測定法が新たな興味を獲得するようになった。放射線吸収測定法およびディジタルＸ線放射線撮影法の報告されている精度は１％の次元にあり、それは確立されたＤＸＡ（二重−エネルギーＸ−線吸収測定法）のものの範囲内に十分に入るかまたはそれより下である。更に、これらの方法はそれらが四肢の骨格を分析する点で末梢と呼ばれ、従って臨床的実行の操作がずっと早急である。しかし、それらが末梢的測定値を提供する事実を考慮して、ＢＭＤ（骨鉱物密度）の腰部ＢＭＤおよび腰部骨折の危険度との相関は制約され、疑問視される。
【０００５】
骨折予防の手段としてのスクリーニングには重要な限界が存在する。骨密度の１個の測定値においては、不正確な値の僅かな危険性が存在し、かつ骨折を起こす患者とそうでない患者の間を明確に区別するＢＭＤ（骨鉱物密度）値は存在しない。
【０００６】
【特許文献１】
米国特許第５７１２８９２号明細書
【０００７】
【特許文献２】
米国特許第６２４６７４５号明細書
【０００８】
【特許文献３】
米国特許第５９１７８７７号明細書
【０００９】
【発明が解決しようとする課題】
高い成功率を伴なう、骨粗鬆症の危険下にある個人を同定するためのスクリーニング法を提供することが本発明の目的である。
【００１０】
【課題を解決するための手段】
前記の目的は請求項１に提示される具体的な特徴物を有する方法により実現される。
【００１１】
本発明の具体的な態様は付記の請求項に提示される。
【００１２】
本発明の具体的なアスペクトは計算機上で実施される時に、本発明の方法を実施するように適応された計算機プログラムのプロダクト（ｐｒｏｄｕｃｔ）に関する。本発明は更に、本発明の方法の段階を実施するように適応された、計算機で実行可能なプログラムコードを含んで成る、ＣＤ−ＲＯＭのような計算機で読み取り可能なキャリヤー媒体に関する。
【００１３】
更にもう一つのアスペクトは本発明の方法を実施するためのシステムに関する。これらのシステムは、ＢＭＤ測定結果および例えば、問診票によりまたは日常的身体検査をとおして収集した危険因子の値を入力すると、本発明の段階を実施するようにプログラムされた計算機を含んで成る。
【００１４】
【実施例】
骨鉱物密度測定を実施するための方法の具体的な態様は放射線撮影法および放射線吸収測定法である。これらの方法は簡単で、安価であり、双方の特徴は経済的制限時に重要である。
【００１５】
放射線撮影に基づいたＢＭＤ（骨鉱物密度）測定は映像の面における幾何学的測定の実施および、ＢＭＤ測定と骨折の危険度へのこれらの測定値の関連する表現から成る。放射線撮影法における根本的推定は、骨粗鬆症が発症すると、小管状骨の外皮厚さが減少し、他方、骨内膜の吸収のために骨髄腔が拡大する事実に基づく。管状骨の外径Ｄおよびその内径ｄが測定される。
【００１６】
下記は放射線撮影測定値の例である、
・外皮インデックス＝（Ｄ−ｄ）／Ｄ、合わせた外皮の厚さ＝Ｄ−ｄ。骨内膜の吸収が起ると、外皮インデックスおよび合わせた外皮厚さが減少する。
・相対的外皮面積＝１００＊（Ｄ^２−ｄ^２）／Ｄ^２であり、外皮面積＝（Ｄ^２−ｄ^２）、
・面積当たりの容量ＶＰＡ＝ｆ＊ｄ＊（１−ｄ／Ｄ）であり、ここでｆは管状骨に推定される幾何学的モデルに応じた幾何学的因子である（円筒に対してはｆ＝ＰＩ）。
【００１７】
前記に概説した原理に従うディジタルＸ線放射線撮影測定を使用する骨のＢＭＤ（骨鉱物密度）測定法は先行技術分野で既知である。例えば、欧州特許第１　０４６　３７４号明細書にこのような方法が開示された。
【００１８】
臨床研究により、ＤＸＡ（二重−エネルギーＸ−線吸収測定法）により脊椎で０．６０、ＤＸＡにより腰骨で０．５６、そしてＤＸＡによりとう骨で０．８３の、３カ所の中央の中手骨におけるディジタル放射線撮影法のＶＰＡ（面積当たり容量）測定値の相関が報告され、前者の値はもっともらしく、対応する骨格部位のために比較的高い。
【００１９】
放射線吸収測定（ＲＡ）に基づくＢＭＤ測定はフィルムまたはディジタル映像上の骨領域の密度を、同時に放射線撮影したアルミナムの対照ウェッジの密度と比較する。通常これらの領域は３本の中央の指の中央節骨である。結果はアルミナムの厚さの単位当量で表わす。ソフトウェアは軟組織の補正を包含することができる。
【００２０】
特許文献１は、身体の四肢領域および目盛合わせのウェッジに連続スペクトルのＸ線ビーム、Ｘ線映像をディジタル映像信号に変換するためのＸ線映像変換器および、身体の四肢に対応する領域の映像信号を引き出し、そして骨密度測定値に変換するための映像プロセッサーにかけることに基づくＢＭＤ（骨鉱物密度）測定法を開示している。
【００２１】
特許文献２および特許文献３は、複数のＸ線エネルギーによりまたはエネルギー選択的複数フィルムのいずれかにより獲得された、更なる露出をを使用する、放射線吸収測定（手首または踵骨の）に基づくＢＭＤ測定値を計算する方法を開示している。
【００２２】
臨床研究により、ＤＸＡ（二重−エネルギーＸ−線吸収測定法）により脊椎で０．６６、ＤＸＡにより腰骨で０．５５、そしてＤＸＡによりとう骨で０．７６の数字ＩＩ、ＩＩＩおよびＩＶの指の中央節骨上で計算したディジタルＲＡ（放射線吸収法）測定値の相関が報告され、前者の値は相当する骨格部位のためにもっともらしく、比較的高い。放射線測定と吸収測定のＤＸＡとの相関の間の差異はＤＸＡによる脊椎（ｐ＝０．３０）およびＤＸＡによる腰骨（ｐ＝０．９５）に対しては有意でないが、ＤＸＡによるとう骨（ｐ＝０．０７）に対しては有意である。
【００２３】
末梢骨格を研究するために使用されるもう一つの重要な方法は、踵骨（踵）の定量的超音波走査法（ＱＵＳ）である。手および手首のような部位は接近しやすく、踵骨は高率の小柱状骨を含む。超音波装置はイオン化光線を使用しないので魅力的である。広域超音波減衰（ＢＵＡ）および音速度（ＳＯＳ）が、測定される主要な超音波変数であり、それらは骨密度および骨構造の双方に関連する。これらの変数に基づいた、硬さインデックスと呼ばれる臨床的測定値が提供され、それは腰骨および脊椎のＤＸＡにより測定されるようなＢＭＤに匹敵する骨粗鬆症による骨折の危険度を示す。
【００２４】
ＢＭＤ測定法の更にその他の態様は末梢定量的計算機断層撮影法（ｐ−ＱＣＴ）または末梢二重エネルギーＸ線吸収測定法（ｐ−ＤＥＸＡ）に基づく。
【００２５】
部位に得意的な予測のためには、個人における骨折の危険度を予測するためにはどんな骨の密度測定も使用することができるが、興味深い部位を測定するべきである（すなわち腰骨骨折の危険度を予測する時は腰骨を測定する）。不幸にも、特に初期閉経後期間には、同一人物において異なる部位で実施された、異なるＢＭＤ測定値の間に不一致が存在する。そのため、実際には、中央または末梢骨格の測定の選択は年齢による。しかし、スクリーニングの仕事のためには、前腕または踵のような、接近が容易な骨格部位が必要であり、これらの部位のＢＭＤ測定値は軸方向のＢＭＤ測定値とは中程度に相関するのみである。
【００２６】
本発明者は、末梢ＢＭＤ測定値のみの使用に伴なう欠点を補完するために、骨折の危険度を予測させる、末梢ＢＭＤ測定以外の追加の因子を総合的スクリーニング法に取込む必要があることを見いだした。本発明に従うと、前以て規定された危険度因子の適用性に関する評価値を計算機に入力する。危険度因子の値は例えば、スクリーニングされる個人に問診表に書き込ませることにより、または通常の身体検査のいずれかにより、収集することができる。
【００２７】
骨折の危険度はまた、骨の鉱物密度測定値以外の因子の組み合わせによりモデルを形成することもできる。この方法は予測危険度評価（ＲＳ）モデルのクラスに入る。予測評価モデルまたは「危険度評価」モデルは明白な説明力を有し、使用が簡単である。このようなモデルにおいて、選択された独立の変数に対する評価値を最大ｃ−インデックス［ＲＯＣ（レシーバーオペレイティング特性）曲線の下方面積に等しい］により決定されるロジスティック回帰（またはＣｏｘ比例ハザード回帰）モデルの正規化ベータ係数から誘導される。評価値は総合危険度に加算され、次に履歴危険度と相関される。
【００２８】
前以て規定される危険因子は例えば、年齢、体重、身長、身体質量インデックス、人種、ホルモン置き換え治療およびカルシウム摂取のような特定の医薬摂取、以前の骨折の個人的病歴並びに骨粗鬆症の家族歴、喫煙、アルコールの使用または身体活動のような生活様式の因子である。
【００２９】
危険因子には、絶対的な変数および連続的な変数が含まれ得る。連続的な変数は例えば、年齢、体重および身長、身体質量インデックスである。身長、腰骨の軸長および大腿の長さのような骨の幾何学構造の寄与は、落下による骨折の危険度増加と関連する連続的な変数である。絶対的な変数は不連続的数値のみをとり、例えば、民族の種類、喫煙状態および身体活動を含む変数である。
【００３０】
これらの危険因子の値の評価から、下記のような幾つかの評価値を誘導することができる、すなわち
・　単純計算骨粗鬆症危険度予測（ＳＣＯＲＥ）。
【００３１】
候補因子の大きな貯留物から、実際のｔ−スコアをモデルにするために多変数線形回帰を、そして低い骨密度の危険度をモデルにするために多変数ロジスティック回帰を使用して回帰（ｒｅｄｕｃｅｄ）セットを誘導した。候補の線形およびロジスティック回帰モデルのスクリーニング特性を感受性および、９０％の感受性を与える確率のカットポイント値に対する特異性を計算することにより評価した。
【００３２】
その最後の形態において、それはそれぞれ、女性に対する下記の因子および関連体重から成る用語を使用する、
人種、非黒人の場合には（５点）
＋リューマチ様関節炎が存在する場合には（４点）
＋骨折の病歴（腰、手首または肋骨のいずれかの各型の骨折に４点を加える）
＋（３＊年齢）／１０（切り捨て）
＋ホルモン置き換え治療（１点）
−（体重（ポンド）／１０）（切り捨て）。
評価点≧６は要検査を示す。
・骨粗鬆症危険度評価点装置（ＯＲＡＩ）は下記のシステムを使用する、７５歳以上の年齢に１５点、６５〜７４歳に９点、５５〜６４歳に５点、体重＜６０ｋｇに９点、６０〜６９．９ｋｇに３点そして、最近エストローゲンを摂取していない場合に２点。≧９の評価点は要検査を示す。
・年齢、身体の大きさ、エストローゲンなしの評価（ＡＢＯＮＥ）は下記の評価システムを使用する、年齢＞６５歳の場合に１点、体重＜６３．５ｋｇの場合に１点、そして経口避妊薬またはエストローゲンを少なくとも６カ月摂取しない場合に１点。評価点が≧６は要検査を示す。体重の基準は単に、体重＜７０ｋｇを検査の基準として使用する。
【００３３】
それらの簡便性にもかかわらず、人口統計学および患者のデータに独占的に基づいた危険度評価法の性能は多数スクリーニングプログラムを確立するための単独の基礎として使用するには低すぎると考えられる。
【００３４】
本発明の発明者はＢＭＤ測定値と前記の危険因子の組み合わせが性能増加をもたらすことを見いだした。
【００３５】
前以て規定された危険因子に関与する個人の評価値を組み合わせる方法は組み合わせのレベルに従って大まかに２群に分類することができる、（１）いずれかの特徴を単一の分類構造物中に組み合わせる、または（２）特徴の分類体を第２段階の分類システムにより組み合わせる。
（１）組み合わせた特徴の分類
骨粗鬆症の危険度のｄ測定値が収集される本発明に従うスクリーニング法において、Ｒ^ｄからの、セット（危険下にある、危険下にない）への作図を実施することができる。これらの作図はｄ−次元入力ベクトルおよび２種の出力クラスをもつ分類システムの特徴を表わす。
【００３６】
幾つかの組み合わせた特徴分類システムが適用可能である。
【００３７】
幾つかのパラメーターを特徴とする、パラメーター分類システムは、各クラスの特徴が、クラスに条件付きの特徴の確率密度関数（ＰＤＦ）に従うと想定される。例えば、平均値ベクトルおよび特徴の共分散マトリックスは多次元正規分布（多変数ガウス型、ＭＶＧ）を特徴とする。データからの研究により、この固定数のモデルのパラメーターを推定させる。仮定されたモデルが実際のものと異なる場合は、この型の分類システムは確実にモデル−ミスマッチエラーを受けるはずである。このような分類システムの１例は線形または２次ベイズの分類システムである。
【００３８】
非パラメーター分類システムは存在する特徴の確率密度関数に制約を与えない。データからの研究は、ずっと多数のパラメーター（例えば、ガウスの混合モデル、ＧＭＭ）を推定する更に労力を要する段階を伴なう。この種の分類システムはデータが適合し過ぎる（ｏｖｅｒｆｉｔ）と弱い一般化をこおむって、訓練データと試験データセット間に不適合をもたらす可能性がある。
【００３９】
Ｋ−最近隣（Ｋ−ＮＮ）の分類システムはこのカテゴリーに入る。この種類の特殊化は最近隣（ＮＮ）分類システム、重み付きＫ−ＮＮ分類システム、ｋ−平均アルゴリズムおよびベクトル量子化である。
【００４０】
境界決定分類システムはデータから、クラスを分離する線形もしくは非線形境界関数を学習することを試みる。多層パーセプトロン、線形および多項決定ツリー分類システムおよび人工神経ネットワークがこのカテゴリーに入る。例えば、線形決定ツリーは空間の多面形の準分割を規定し、葉の部分が他のクラスからのポイントを含有しない場合にそれは分類システムである。この分類システムは概括的に長い訓練期間を要するが、クラスが十分に規定された境界関数により分離可能であれば、有効であることができる。このパラダイムのその他の例は、支援ベクトルマシン（ＳＶＭ）およびカーネル法である。
（２）分類決定法の組み合わせ
分類システムの決定法を組み合わせるための多数の可能性が存在し、一般的な組み合わせスキームは特定の組み合わせ規則よりも広い適用性を有する。パターン認識のこの領域は、情報融合と呼ばれ、その情報はデータ、特徴または決定である。データ融合は単一のセンサーのみからは可能でないような推理を実施するために、多数のセンサーからのデータをいかに組み合わせるかの問題に関する。データ融合は、特徴中の幾つかの信頼できないデータの測定値を組み合わせて、共通の信号を増幅し、非相関ノイズを減衰することにより、より正確な信号を作成することができる。融合は、決定に関与する時には、広範な２種のカテゴリー、すなわち（ａ）発見的アプローチ、および（ｂ）確率論および統計学に基づいた方法に分類される。
【００４１】
発見的アプローチは決定を実施する際の人間の方法を模倣することを試みている。投票戦略はこのクラスに入る。各特徴をエキスパートルールにより分類して、１票を得る。次に分類の問題をｎ−票からｋ−票を選ぶ投票法に帰結させる。少なくともｄ−中ｋ−の危険因子が存在する時は、この方法の結果は、患者が臨床追跡およびより集中的な、ＤＸＡ（二重−エネルギーＸ−線吸収測定法）のような軸方向のＢＭＤ測定にかけられることになる。ｋの幾つかの値に対して、具体的な決定融合スキームが得られる、
−　ｋ＝１．これは各危険因子の個別の２分類をオーアール（ＯＲ）することに当たる。従って、少なくとも１個の危険因子が存在する時に、患者は危険下にあると考えられる。スクリーニングの設定においては、これは、より多くの患者が再検査の個人であると考えられ、従ってＴＰＲ（真の正の率）はより高く、実際に危険下にある患者のより少数が見落とされるが、再検査を言及される患者数もまたより多くなるであろうことを意味する。特異性［ＴＮＲ（真の負の率）］はより低いであろう。
−　ｋ＝ｄ．これはＡＮＤ（および）ルールである。すべてのｄ危険因子が存在する時にのみ個人は再検査を言及される。これは、課されたより厳格な危険条件のために、試験が陽性である患者数がより低い点で、過剰言及を抑制するであろう。ＦＮ（誤った負の）数は増加し、ＴＰ（真の正の）数は同量だけ減少するために、ＴＰＲ（真の正の率）はより小さくなるであろう。
−　Ｋ＝（ｄ＋１）／２．これはＭＡＪＯＲＩＴＹ（多数決）ルールである。それはＡＮＤ（および）とＯＲ（または）ルールの間の妥協物である。
【００４２】
ＢＭＤ測定および危険因子の総合評価の結果に基づいた決定の適用可能な組み合わせのその他の例は例えば、個々の特徴の多数価の分類を使用するファジーロジックに基づいた論理的演算子あるいは、確率論を使用するベイズの統計に基づいたまたは証拠のＤｅｍｐｓｔｅｒ−Ｓｈａｆｅｒ論理に基づいた数学的方法である。
分類システムの性能の測定
分類システムの性能はその誤分類率を評価することにより試験することができる。しかし、医学的スクリーニングの仕事のためには、代替的目的を最適化することがより合理的にさせる。
【００４３】
典型的なアプローチは混乱マトリックスによりスクリーニング性能を分析することである（表１）。このマトリックスの一方の軸はスクリーニングの場合の２種の変数である（正もしくは負いずれかのスクリーニング試験の結果）試験の分類値を表わし、他方の軸は真の値を表わす（個人が実際に疾患を有するかまたは骨粗鬆症を罹患する危険を有する）。
【００４４】
表１　混乱マトリックス
スクリーニング試験
正　　　　　　　負　　　　　
実際　　　　　正　　　　　　　　　　　ＴＰ　　　　　　　ＦＮ
負　　　　　　　　　　　ＦＰ　　　　　　　ＴＮ
スクリーニングされた個人の総数Ｎ　　　Ｎ　　　ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ
精度　　　　　　　　　　　　　　　　　ＡＣ　　（ＴＰ＋ＴＮ）／
（ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ）
誤分類　　　　　　　　　　　　　　　　ＭＣ　　（ＦＰ＋ＦＮ）／
（ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ）
実際の正　　　　　　　　　　　　　　　ＡＰ　　　ＴＰ＋ＦＮ
実際の負　　　　　　　　　　　　　　　ＡＮ　　　ＦＰ＋ＴＮ
感受性（真の正の率）　　　　　　　　ＳＥＮＳ　　ＴＰ／（ＴＰ＋ＦＮ）
特異性（真の負の率）　　　　　　　　ＳＰＥＣ　　ＴＮ／（ＴＮ＋ＦＰ）
誤った正の率　　　　　　　　　　　　ＦＰＲ　　　ＦＰ／（ＴＮ＋ＦＰ）
誤った負の率　　　　　　　　　　　　ＦＮＲ　　　ＦＮ／（ＴＰ＋ＦＮ）
正の予測値　　　　　　　　　　　　　ＰＰＶ　　　ＴＰ／（ＴＰ＋ＦＰ）
負の予測値　　　　　　　　　　　　　ＮＰＶ　　　ＴＮ／（ＴＮ＋ＦＮ）
誤分類率を最少にする代わりに、診断またはスクリーニングモデルの感受性もしくは真の正の率（ＳＥＮＳ）および特異性もしくは真の負の率（ＳＰＥＣ）を最大にすることが好ましい。「感受性」は、疾患が存在する時に試験結果が正になるであろう確立を表わす。「特異性」は疾患が存在しない時に試験結果が負になるであろう確率を表わす。「正の予測値」は試験が正である時に疾患が存在する確率を表わす。「負の予測値」は試験が負である時に疾患が不在である確率を意味する。
【００４５】
このような目標がより適切である理由が幾つかある。例えば、
−誤った正（ＦＰ）または誤った負（ＦＮ）の誤分類の費用は異なるかも知れない。正とスクリーニングされた個人に、より高価なＢＭＤ試験を誤って言及する場合の経費は、後の段階の非外傷的骨折によるより複雑な経費のかかる測定値を妨げるために、適切な後処理または処置を実際に受けるべき負にスクリーニングされた個人に再検査を言及しない経費とは概括的に異なる。これらの社会−経済的経費は多人口のスクリーニングの設定において相互に平衡しなければならない。
−真のクラス分布は著しく非対称性で、正の症例は人口のごく少部分を構成し、従って誤分類率（ＭＣ）または精度（ＡＣ）はモデルの性能の著しく偏った測定値を提供するかも知れない。実際、ＭＣ（誤分類率）＝［ＦＰ（誤った正）の数＋ＦＮ（誤った負）の数］／（スクリーニングされた個人の総数）の定義から、ＭＣ（誤分類率）およびＡＣ（精度）は片方またはどちらかのタイプのエラーにより著しく偏ったものであることができるかも知れない。ＭＣ（誤分類率）の定義の比例的重み付きにより、ＭＣ（誤分類率）は常に、それぞれのグループにおいて、最大数の個人により得られた、そのようなタイプのエラー［ＦＰＲ（誤った正の率）またはＦＮＲ（誤った負の率）］に、より近いであろう。
【００４６】
従って、方法または試験のスクリーニング性能の評価に決定的である、誤った負および誤った正の分類の同時の帰結はしばしば、レシーバーオペーレーティング特性（ＲＯＣ）分析により処理される。ＲＯＣ分析は、試験データを正もしくは負のいずれかの症例に指定するために使用される遮断閾値の関数として、１−特異性である、誤った正の率に対する真の正の率（感受性）を描くことにより、感受性と特異性に関する分類システムの性能を特定する。ＲＯＣ（レシーバーオペーレーティング特性）曲線の下方面積（ＡＵＣ）は試験の識別力を示す。例えば、０．８の面積は実際の正のグループから無作為に選択された個人が症例の８０％において、負のグループから無作為に選択された個人の値より高い試験値を有することを意味する。ＲＯＣ（レシーバーオペーレーティング特性）曲線は試験の最適遮断閾値、例えば、同時の最大感受性（１００％）および特異性（１００％）の理想点にもっとも近い点である、曲線上の上部最左側の点に対応する遮断閾値、を示すまたは誘導するために使用することができる。
【００４７】
選択される点はスクリーニング試験の作業点と呼ばれる。スクリーニングの設定に選択された点は最大可能な誤った負の情報（誤った症例）が与えられるような経済的因子に基づくことができる。
【００４８】
ＡＵＣ（曲線下方面積）が０．５である時は、研究中の試験は２グループ間を区別することができない。１．０に等しいＡＵＣは２グループの完全な分離が存在することを意味する。
【００４９】
優れた基準（すなわち：ＤＸＡ（二重−エネルギーＸ−線吸収測定法）が軸方向の骨粗鬆症を検出する時には個人が危険下にあると考えられる）としてＤＸＡに関して単一の末梢ＢＭＤ測定値のスクリーニング力を測定する臨床研究は、最大の負の予測値（試験が負である時には個人が危険下にない可能性）の下記の作業点における感受性および特異性をもたらす、
・１１％のＦＮ（誤った負の）百分率において、３個の中手骨のＶＰＡ（面積当たり容量）に基づく放射線撮影法測定値に対してそれぞれ８０．４％および５２．３％、
・９．８％のＦＮ（誤った負の）百分率において、３個の指節骨の吸収法測定値に対してそれぞれ８４．３％および５１．８％。
【００５０】
しかし、これらのＢＭＤ測定値が人口統計学的および臨床的データ（融合のＯＲタイプ）に基づいた評価値と組み合わされる時には、感受性および特異性のこれらの値は（最大の負の予測値の作動点における）以下の点まで増加する、
・４．６％のＦＮ（誤った負の）百分率において、放射線撮影測定値に対して９０．０％、
・３．８％のＦＮ（誤った負の）百分率において、吸収法測定値に対して９１．８％。
従って、患者の問診表の評点とそれらを適切に組み合わせることによる本発明により、単一の測定値のいずれかの感受性は実質的に増加され、ＦＮ（誤った負の）百分率（患者が実際そうである時に、患者が危険下にあると検出されない（試験が負である）割合）は実質的に減少する。
【００５１】
個人の年齢および軸方向のＢＭＤ値に伝統的に基づいた１年もしくは１０年間に個人が骨折をこおむるであろう確率を表わす、生涯の骨折危険度（ＬＦＲ）および残りの生涯の骨折危険度（ＲＬＦＲ）を、より集中的な人口統計学および患者のデータおよび評価点により補完されたＢＭＤデータに基づいて計算し、改善することができる。
【００５２】
本発明の特徴および態様を以下に示す。
１．　−個人に対して骨鉱物密度（ＢＭＤ）測定を実施し、それによりＢＭＤ測定値を作成すること、
−前記個人に対する前以て規定された危険因子の適用性に関する評価値を得ること、
−前記評価値により総合的評価を計算すること、
−前記ＢＭＤ測定値と前記総合的評価を合わせて、前記の個人が骨粗鬆症の危険下にあるかどうかを示す値を出すこと、
の段階を含んで成る骨粗鬆症の危険下にある個人を発見する方法。
２．　前記評価値それぞれを評価し、そしてすべての評価された評価値を総合することにより前記総合評価を得る、第１項記載の方法。
３．　個人が骨粗鬆症の危険下にあるかどうかを示す前記の値が前記の総合評価と前記のＢＭＤ（骨鉱物密度）測定値を操作する分類システム（ｃｌａｓｓｉｆｅｒ）の結果である、第１項記載の方法。
４．　前記分類システムが
−線形または２次方程式のベイズの分類システムのようなパラメーター分類システム、
−Ｋ−最近隣分類システム（ＫＮＮ）、２元決定ツリー（ＢＤＴ）または人工神経ネットワーク（ＡＮＮ）または支援ベクトルマシン（ＳＶＭ）のような非パラメーターの分類システム、
のうちの一つである、第３項記載の方法。
５．　前記個人が骨粗鬆症の危険下にあるかどうかを示す前記の値が、前記ＢＭＤ（骨鉱物密度）測定値に基づいた決定および前記の総合評価に基づいた決定の組み合わせの結果である、第１項記載の方法。
６．　前記の組み合わせが
−ＯＲ（または）およびＡＮＤ（および）のようなブール代数に基づいた論理演算子、
−個々の特徴の複数評価分類を使用するファジー論理に基づいた論理演算子、
−確率論を使用する、ベイズ推定に基づいたまたは証拠のＤｅｍｐｓｔｅｒ−Ｓｈａｆｅｒ理論に基づいた数学的方法、
のうちの１項である、第５項記載の方法。
７．　計算機上で実行する際に、第１〜６項のいずれかの段階を実行するように適応された計算機プログラムのプロダクト（ｐｒｏｄｕｃｔ）。
８．　第１〜６項のいずれかの段階を実行するように適応された計算機実行可能なプログラムコードを含んで成る、計算機読み取り可能なキャリヤー媒体。
９．　ＢＭＤ（骨鉱物密度）測定結果および危険因子の値の入力時に第１〜６項のいずれかの段階を実施するようにプログラムされた計算機を含んで成る、骨粗鬆症の危険下にある個人を発見するためのシステム。

Claims

−個人に対して骨鉱物密度（ＢＭＤ）測定を実施し、それによりＢＭＤ測定値を作成すること、
−前記個人に対する前以て規定された危険因子の適用性に関する評価値を得ること、
−前記評価値により総合的評価を計算すること、
−前記ＢＭＤ測定値と前記総合的評価を合わせて、前記の個人が骨粗鬆症の危険下にあるかどうかを示す値を出すこと、
の段階を含んで成る骨粗鬆症の危険下にある個人を発見する方法。
計算機上で実行する際に、請求項１の段階を実行するように適応された計算機プログラムのプロダクト（ｐｒｏｄｕｃｔ）。
請求項１の段階を実行するように適応された計算機実行可能なプログラムコードを含んで成る、計算機読み取り可能なキャリヤー媒体。
ＢＭＤ（骨鉱物密度）測定結果および危険因子の値の入力時に請求項１の段階を実施するようにプログラムされた計算機を含んで成る、骨粗鬆症の危険下にある個人を発見するためのシステム。