JP2010230428A - 検査データの評価方法および装置 - Google Patents
検査データの評価方法および装置 Download PDFInfo
- Publication number
- JP2010230428A JP2010230428A JP2009077179A JP2009077179A JP2010230428A JP 2010230428 A JP2010230428 A JP 2010230428A JP 2009077179 A JP2009077179 A JP 2009077179A JP 2009077179 A JP2009077179 A JP 2009077179A JP 2010230428 A JP2010230428 A JP 2010230428A
- Authority
- JP
- Japan
- Prior art keywords
- data
- axis
- inspection
- test
- individual
- 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.)
- Withdrawn
Links
Landscapes
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
【課題】臨床検査結果の総合的な評価を行なえるような臨床検査データの評価方法、評価装置、および表示方法を提供する。
【解決手段】横軸にn個の検査項目または経時的測定値を配し、縦軸に前処理を施した検査値xi(i=1,2,…,n)を配したn次元の検査項目または経時的測定値から成る検査データ群を一種のスペクトル・パターンとして捉え、主成分分析(PCA)の手法により、検査データ群の特徴を2次元空間または3次元空間に表示するようにした。
【選択図】図6
【解決手段】横軸にn個の検査項目または経時的測定値を配し、縦軸に前処理を施した検査値xi(i=1,2,…,n)を配したn次元の検査項目または経時的測定値から成る検査データ群を一種のスペクトル・パターンとして捉え、主成分分析(PCA)の手法により、検査データ群の特徴を2次元空間または3次元空間に表示するようにした。
【選択図】図6
Description
本発明は、生化学自動分析装置などの分析装置から出力される臨床検査データの評価方法および装置に関し、より広い意味で、臨床検査データを利用した医療、予防医学、材料評価、薬剤評価のための新しい方法論に関する。
臨床検査データは、通常、検査項目ごとに検査値(分析値)が出力表示される。これらは表形式としての出力が一般的であり、健常値から外れた場合にそのことを示すマークがつく他には、視覚的に検査結果を認識できるような工夫がなされている訳ではない。各測定項目は完全に互いに独立した値として取り扱われ、シングルマーカでの評価法以外に検査結果を総合的に評価する手法は提供されていない。市販の統計解析ソフトにおいても、多項目間でデータをパターンとして捉え、解析に用いた例はない。
一方、複雑なデータの解析手法としては、主成分分析(PCA:Principle Component Analysis)などの手法が広く知られている。この手法を応用した技術としては、混合物のNMRスペクトルデータに対して、含まれている化学成分ごとに、そのNMR信号強度からPCA解析を行なえるようにした、解析用ソフトウェアが市販されている。しかしながら、その種のソフトウェアには、臨床検査データのような分光的スペクトルデータではないデータへの適用は、まったく想定されていない。
宮下芳勝・佐々木慎一著『ケモメトリックス―化学パターン認識と多変量解析』(コンピュータ・ケミストリーシリーズ3)、1995年1月、共立出版刊、17〜85頁。
従来、臨床検査データについては、検査項目ごとの評価は行なわれているものの、先にも述べたように、検査結果を総合的に評価する手法が提供されていないため、例えばメタボリック症候群の特定健診(メタボ健診)などにおいて、データの効果的な表示方法へのニーズがあるにも関わらず、そのような表示方法への積極的な対応はなされていないのが現状である。
本発明は、上述した点に鑑み、臨床検査データ(生化学データなどの健診データ)を多項目の検査値パターンに着目して解析することにより、検査結果の総合的な評価を行なえるような臨床検査データの評価方法および装置を提供することにある。
換言すれば、臨床検査データの多項目結果をマルチマーカのように扱うことにより、従来のシングルマーカ(一因子)方式での評価では捉えることのできにくかった生活習慣病のような多因子が関係する疾患への応用を可能にし、総合的な評価結果を視覚的にわかりやすい表示方法で可視化表示して、誰にでも容易に検査結果の全体像を把握できるようにするものである。
この目的を達成するため、本発明にかかる検査データの評価方法は、
複数の個体についてのn種の検査項目にわたる検査データ、又は複数の個体についてのn個の時刻にわたる経時的検査データ、又は1種類の検査項目についてのn個の吸収データを母集団とした検査データの評価方法であって、
母集団に含まれる各個体の検査データxi(i=1,2,…,n)から成る検査データ群に対して、n種の検査項目又はn個の時刻から規定されるn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第1の軸PC1及び前記第1の軸PC1とは独立しn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第2の軸PC2を決定し、各個体の検査データxiを第1の軸PC1に投影した座標値t1と、第2の軸PC2に投影した座標値t2とを求めるための、重み係数p(−1≦p≦1)を含む変換式、
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
を決定する第1のステップと、
各個体の検査データxiから前記変換式によりt1及びt2を決定し、PC1とPC2から成る二次元座標上の位置(t1,t2)に各個体を表す点をプロットする第2のステップと
から成ることを特徴としている。
複数の個体についてのn種の検査項目にわたる検査データ、又は複数の個体についてのn個の時刻にわたる経時的検査データ、又は1種類の検査項目についてのn個の吸収データを母集団とした検査データの評価方法であって、
母集団に含まれる各個体の検査データxi(i=1,2,…,n)から成る検査データ群に対して、n種の検査項目又はn個の時刻から規定されるn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第1の軸PC1及び前記第1の軸PC1とは独立しn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第2の軸PC2を決定し、各個体の検査データxiを第1の軸PC1に投影した座標値t1と、第2の軸PC2に投影した座標値t2とを求めるための、重み係数p(−1≦p≦1)を含む変換式、
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
を決定する第1のステップと、
各個体の検査データxiから前記変換式によりt1及びt2を決定し、PC1とPC2から成る二次元座標上の位置(t1,t2)に各個体を表す点をプロットする第2のステップと
から成ることを特徴としている。
また、さらに、前記n個の検査項目または時刻の個々についての重み係数pを、横軸(または縦軸)に前記第1の軸PC1への貢献度を表わす重み係数p1i、縦軸(または横軸)に前記第2の軸PC2への貢献度を表わす重み係数p2iを取って、座標(p1i,p2i)として2次元プロットで表わすようにしたことを特徴としている。
また、前記検査項目、前記検査データ、前記経時的検査データは、それぞれ臨床検査項目、臨床検査データ、臨床検査項目についての経時的検査データであることを特徴としている。
また、前記第1のステップにおいて処理対象となる検査データは、事前に統計的処理を施すことができるようなデータに変換する前処理を受けた検査データであることを特徴としている。
また、前記前処理は、
(1)検査項目ごとに平均値を求め、平均値を各検査値から差し引くミーン・センタリングと、
(2)検査項目ごとに標準偏差値を求め、検査値を標準偏差値で割ることによって、無単位でスケールの統一された統計学的数値に変換するオート・スケーリングと、
から成ることを特徴としている。
(1)検査項目ごとに平均値を求め、平均値を各検査値から差し引くミーン・センタリングと、
(2)検査項目ごとに標準偏差値を求め、検査値を標準偏差値で割ることによって、無単位でスケールの統一された統計学的数値に変換するオート・スケーリングと、
から成ることを特徴としている。
また、前記第1ステップにおいて、更に前記軸PC1、PC2とは独立し、n次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第3の軸PC3を決定し、各個体の検査データxiを第1の軸PC1に投影した座標値t1と、第2の軸PC2に投影した座標値t2と、第3の軸PC3に投影した座標値t3とを求めるための、重み係数p(−1≦p≦1)を用いた変換式、
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
t3=x1p31+x2p32+…+xnp3n
を決定すると共に、
前記第2ステップにおいて、各個体の検査データxiから前記変換式によりt1,t2,t3を決定し、PC1とPC2とPC3から成る三次元座標上の位置(t1,t2,t3)に各個体を表す点をプロットするようにしたことを特徴としている。
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
t3=x1p31+x2p32+…+xnp3n
を決定すると共に、
前記第2ステップにおいて、各個体の検査データxiから前記変換式によりt1,t2,t3を決定し、PC1とPC2とPC3から成る三次元座標上の位置(t1,t2,t3)に各個体を表す点をプロットするようにしたことを特徴としている。
また、さらに、前記n個の検査項目または時刻の個々についての重み係数pを構成する、前記第1の軸PC1への貢献度を表わす重み係数p1i、前記第2の軸PC2への貢献度を表わす重み係数p2i、前記第3の軸PC3への貢献度を表わす重み係数p3iについて、座標(p1i,p2i,p3i)として3次元プロットで表わすようにしたことを特徴としている。
また、各個体をグループ分けし得る識別情報に基づき、各個体を表す点をグループ毎に異なる形態でプロットするようにしたことを特徴としている。
また、前記識別情報は、性別、年令、健常者/非健常者、疾患種類、投薬の有無、地域・国籍・人種の区別、生活習慣、遺伝子情報のいずれかであり、各個体を表す点を各個体の性別、年令、健常者/非健常者、疾患種類、投薬の有無、地域・国籍・人種の区別、生活習慣、遺伝子情報により分けられたグループに応じた形態でプロットすることを特徴としている。
また、前記識別情報は、性別、年令、健常者/非健常者、疾患種類、投薬の有無、地域・国籍・人種の区別、生活習慣、遺伝子情報のいずれかであり、各個体を表す点を各個体の性別、年令、健常者/非健常者、疾患種類、投薬の有無、地域・国籍・人種の区別、生活習慣、遺伝子情報により分けられたグループに応じた形態でプロットすることを特徴としている。
また、母集団とは異なる個体の検査データを、前記母集団で決定された変換式を用いて座標値(t1,t2)又は(t1,t2,t3)に変換し、求めた座標点を前記母集団で作られた空間に重畳表示するようにしたことを特徴としている。
また、3次元表示は、鳥瞰図、等高線図、斜視図、断面図、または投影図による表示であることを特徴としている。
また、本発明にかかる検査データの評価装置は、
前記母集団の検査データを記憶する記憶手段、または前記母集団の検査データを読み込む読み込み手段と、検査データに対して前記ステップ1及びステップ2の処理を施す演算表示手段とを備え、該演算表示手段により、請求項1乃至11のいずれかに記載の検査データの評価方法を実行することを特徴としている。
また、本発明にかかる検査データの評価装置は、
前記母集団の検査データを記憶する記憶手段、または前記母集団の検査データを読み込む読み込み手段と、検査データに対して前記ステップ1及びステップ2の処理を施す演算表示手段とを備え、該演算表示手段により、請求項1乃至11のいずれかに記載の検査データの評価方法を実行することを特徴としている。
本発明にかかる検査データの評価方法および装置によれば、複数の個体についてのn種の検査項目にわたる検査データ、又は複数の個体についてのn個の時刻にわたる経時的検査データ、又は1種類の検査項目についてのn個の吸収データを母集団とした検査データの評価方法であって、母集団に含まれる各個体の検査データxi(i=1,2,…,n)から成る検査データ群に対して、n種の検査項目又はn個の時刻から規定されるn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第1の軸PC1及び前記第1の軸PC1とは独立しn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第2の軸PC2を決定し、各個体の検査データxiを第1の軸PC1に投影した座標値t1と、第2の軸PC2に投影した座標値t2とを求めるための、重み係数p(−1≦p≦1)を含む変換式、
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
を決定する第1のステップと、各個体の検査データxiから前記変換式によりt1及びt2を決定し、PC1とPC2から成る二次元座標上の位置(t1,t2)に各個体を表す点をプロットする第2のステップとから成るので、検査結果の総合的な評価を行なえるような臨床検査データの評価方法、評価装置、および表示方法を提供することが可能になった。
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
を決定する第1のステップと、各個体の検査データxiから前記変換式によりt1及びt2を決定し、PC1とPC2から成る二次元座標上の位置(t1,t2)に各個体を表す点をプロットする第2のステップとから成るので、検査結果の総合的な評価を行なえるような臨床検査データの評価方法、評価装置、および表示方法を提供することが可能になった。
以下、図面を参照して、本発明の実施の形態を説明する。
本発明は、複数の臨床検査項目の検査値を1まとめのセットとして取り扱うことに最大の特徴がある。従来、臨床検査項目の種類はきわめて多く、図1はその一部をまとめたものである。評価項目には、図1で示した生化学分析項目のほかにも、例えば身長、体重、BMI、男女、年齢、血圧、血球数などの項目がある。本実施例では、このような複数の臨床検査項目の検査値を一種のスペクトル・パターンとして解析するものである。
図2は、代表的な臨床検査値(収縮期血圧、赤血球数、HDL、ALP)の男女別、年齢別の全国平均データをグラフで示したものである。これらの検査データは、大櫛陽一著『検査値と病気間違いだらけの診断基準』(太田出版、2006年5月刊)、および東海大学のホームページ(www.mi-tokai.com)から引用している。
例えば、このようなデータをBMI、最高血圧(SBP)、最低血圧(DBP)、赤血球数(RBC)、ヘモグロビン(Hb)、ヘマトクリット(Ht)、血小板数(PLT)、クレアチニン(CRE)、尿酸(UA)、血糖(GLU)、総コレステロール(TC)、HDLコレステロール(HDL)、中性脂肪(TG)、AST(GOT)、ALT(GPT)、ALP、LD(LDH)、γ-GTP、総蛋白(TP)の代表的19検査項目についてグラフ化したものが図3の上図である。ここでは22歳の男性の一例を挙げている。
図3の上図の横軸は検査項目名、縦軸は検査値である。ただし、検査値は検査項目ごとに単位系やスケール(変量)がまちまちであるので、このままでは相互に比較することができない。
そこで図3の下図では、検査項目ごとに平均値を求め、平均値を各検査値から差し引くことによってミーン・センタリングを行なう。また、検査項目ごとに標準偏差値を求め、検査値を標準偏差値で割ることによって、無単位でスケールの統一された統計学的数値に変換している。これをオート・スケーリングと言う。
そして、オート・スケーリングのような前処理の結果得られる、検査項目ごとの統計的数値の変化パターンを分光法のスペクトルに見立てて、臨床検査のスペクトル・パターンと名づける。本実施例では、このスペクトル・パターンを多変量統計学的手法に基づいて主成分分析(PCA)することにより、スペクトル・パターンの中に隠されている特徴量を抽出し、性差や加齢などと関係づけて可視化する。
主成分分析の手順は次の通りである。まず、図3の例では、検査項目の数が19あるので、1つの検査項目を1つの次元に割り当て、19項目を19次元空間の座標値として考える。例えば、検査値1つを座標値1つに割り当てて、1つの条件の下で得られたスペクトル・パターンを座標点A=(a1,a2,…,a19)で表わす。さらに別の条件下、例えば男女別、年齢別条件の異なるスペクトル・パターンを、別の座標点B=(b1,b2,…,b19)、C=(c1,c2,…,c19)、…などとして取り扱う。
次に、母集団の各座標点の分散が最も大きくなる軸を探し出し、その軸をその母集団全体の特徴を最も良く表わす主軸となし、第1主成分軸(PC1軸)と名づける。さらに、PC1軸に直交する第2の主軸(直交軸のうち、データ点の分散が最も大きくなる軸)を設定し、この軸を第2主成分軸(PC2軸)と呼ぶ。
この操作を数学的に説明すれば、次の通りである。例えば19次元空間に原点を通る暫定的な軸を1つ設け、その軸に各座標点A、B、C…を投影したときの原点からの距離(スコアt1と呼ぶ)の2乗和を求め、その和の値が最大となるような軸を計算で求めて、PC1軸とする。そして次に、PC1軸に射影した分を差し引いた残りのデータの分散が最大となる軸を、原点からの距離(スコアt2と呼ぶ)の2乗和が最大となるように計算で求めて、PC1軸とは独立した(すなわち、直交した)PC2軸とする。
図4に示すように、このような2つの主軸を設けることにより、普通の人には認識が困難であった19次元空間を、普通の人にも認識が容易な2次元空間(PCA空間)として可視化することが可能になる。
例えば、最も単純な例である2次元の実データ空間(x1x2座標系)を取り上げて、PCA空間への変換方法を説明すれば、まず図5に示すように、x1x2座標系とPCA空間は、オートスケーリングしているために、原点(=重心)が一致した状態で互いに重なり合った形をしている。ここで、x1x2座標系上のデータ点Xi(x1,x2)がPCA空間上のデータ点Ti(t1,t2)に変換される場合、その変換は、1番目のデータ(i=1)として添字iを省略すると、
t1=x1p11+x2p12
t2=x1p21+x2p22
と表わされる。
t1=x1p11+x2p12
t2=x1p21+x2p22
と表わされる。
ここで、t1とt2が第1主成分軸(PC1軸=横軸)および第2主成分軸(PC2軸=縦軸)上のスコアと呼ばれるパラメータである。横軸にPC1軸、縦軸にPC2軸をとって座標点Ti(t1,t2)をプロットしたグラフがスコア・プロットと呼ばれ、2次元のPCA空間そのものを指す。
また、p11はx1のPC1軸側の重み係数、p21はx1のPC2軸側の重み係数、p12はx2のPC1軸側の重み係数、p22はx2のPC2軸側の重み係数であって、それぞれローディング係数と呼ばれるパラメータである。重み係数であるため、ローディング・パラメータpijは一般に−1≦pij≦1である。
横軸にPC1軸側の重み、縦軸にPC2軸側の重みをとって、座標点P1(p11,p21)およびP2(p12,p22)をプロットしたグラフがローディング・プロットと呼ばれ、各座標軸x1、x2のPC1軸側およびPC2軸側への貢献度(重み)を表わすことになる。
19次元の臨床検査データの場合、x1x2座標系の男女別、年齢別ごとに分けられた実データ点の数iだけ、スコア・プロット上に座標点Tiがプロットされることになる。また、PC1軸側の重み(p11,p12,…,p1 19)とPC2軸側の重み(p21,p22,…,p2 19)から、ローディング・プロット上にプロットされる点Pj(j=1、2、…、19)の数は、P1(p11,p21)、P2(p12,p22)、…、P19(p1 19,p2 19)の19点になり、その各々が各臨床検査項目のPC1軸側およびPC2軸側への貢献度(重み)を表わすことになる。数学的には、各臨床検査項目軸における単位ベクトル(大きさ1)をPC1軸とPC2軸へ射影した値に相当する。
図6は、男女別、年齢別ごとに分けられた母集団の全データ点(データ点に傍記されている数字がそのデータ点の年齢を表わす)をPCA空間上に変換したスコア・プロットである。このプロットから確認できる最も大きい特徴量は男女差である。各座標点は2つのグループ、すなわち男性と女性にはっきりと分類できる。この例では、男性はPC1軸上で女性よりも相対的に高いスコアを示している。
また、男女ともに、PC2軸上では低年齢者のデータほどスコアが高く、高齢者ほどスコアが低くなる傾向を示した。すなわち、年齢変化の特徴量がスコア・プロットの上方から下方に向けて見られる。
これらのことから、このスコア・プロットによって抽出された臨床検査データの特徴量は、年齢と性差であったと推定される。
一方、図7は、19種類の臨床検査項目ごとの重みを表わしたローディング・プロットである。スコア・プロットとローディング・プロットを考慮すると、スコア・プロットによって抽出された特徴量(年齢と性差)と各臨床検査項目の貢献度との関係を推測することができる。また、図2から高値である項目との相関が取れていることが分かる。
一方、図7は、19種類の臨床検査項目ごとの重みを表わしたローディング・プロットである。スコア・プロットとローディング・プロットを考慮すると、スコア・プロットによって抽出された特徴量(年齢と性差)と各臨床検査項目の貢献度との関係を推測することができる。また、図2から高値である項目との相関が取れていることが分かる。
その結果、例えば、男性的特徴を表わす結果に大きく貢献している臨床検査項目は、クレアチニン、尿酸、γ-GTP、ALT(GPT)などであることが図7より推定できる。
また、女性的特徴を表わす結果に大きく貢献している臨床検査項目は、血小板数、総蛋白、血糖、HDLコレステロールなどであることが図7より推定できる。
また、若年者の特徴を表わす結果に大きく貢献している臨床検査項目は、赤血球数、ヘモグロビン、ヘマトクリットなどであることが図7より推定できる。
また、若年者の特徴を表わす結果に大きく貢献している臨床検査項目は、赤血球数、ヘモグロビン、ヘマトクリットなどであることが図7より推定できる。
また、高齢者の特徴を表わす結果に大きく貢献している臨床検査項目は、最高血圧、最低血圧、ALP、AST(GOT)などであることが図7より推定できる。
これらのスコア・プロットやローディング・プロットは、仮に臨床検査項目の並ぶ順番を別の順番に変えて主成分分析を行なった場合でも、結果は同じ結果が出る。
これらのスコア・プロットやローディング・プロットは、仮に臨床検査項目の並ぶ順番を別の順番に変えて主成分分析を行なった場合でも、結果は同じ結果が出る。
また、図6〜7は男女別、年齢別ごとに分けられた実データ点を一括して主成分分析した結果であったが、図8〜9のように、男性のみ、または女性のみから成る母集団の実データ点を使って主成分分析を行なわせることも可能である。
このような男女の性別ごとにデータを分けて主成分分析を行なった一例では、スコア・プロットにおいては、年齢別のデータ点が加齢とともにUの字を描くように分布することが明らかになった。また、ローディング・プロットにおいては、検査項目ごとの貢献度が原点の周囲に円輪を描くように分布することが明らかになった。
図8〜9のスコア・プロットのU字型分布からは、
(1)PC1軸上を右から左方向に向けて進むにつれて加齢、PC2軸上を上から下方向に向けて進むにつれて性的な成熟を表わしていること、
(2)Uの字の折り返し点付近に更年期が位置していること、
などの情報を読み取ることができる。
(1)PC1軸上を右から左方向に向けて進むにつれて加齢、PC2軸上を上から下方向に向けて進むにつれて性的な成熟を表わしていること、
(2)Uの字の折り返し点付近に更年期が位置していること、
などの情報を読み取ることができる。
これらの図をさらに詳しく分析することにより、個々の臨床検査値からだけでは分からない総合的な医学的知見を詳細に得ることができる。
実施例1に示すような2次元プロットによって、臨床検査データ群の特徴を十分に表示することができない場合は、第3の変換式、
t3=x1p31+x2p32+…+xnp3n
に基づいて、第1の軸(PC1軸)と第2の軸(PC2軸)に直交する第3の主軸(PC1軸とPC2軸に対する直交軸のうち、データ点の分散が最も大きくなる軸)を設定し、PC1軸、PC2軸、PC3軸の3つの軸で構成される3次元空間内にn次元の臨床検査データ群を変換し、座標点(t1,t2,t3)としてスコア・プロット表示させるとともに、n個の臨床検査項目の個々の重み係数を、座標点(p1i,p2i,p3i)として3次元空間にローディング・プロット表示させても良い。
t3=x1p31+x2p32+…+xnp3n
に基づいて、第1の軸(PC1軸)と第2の軸(PC2軸)に直交する第3の主軸(PC1軸とPC2軸に対する直交軸のうち、データ点の分散が最も大きくなる軸)を設定し、PC1軸、PC2軸、PC3軸の3つの軸で構成される3次元空間内にn次元の臨床検査データ群を変換し、座標点(t1,t2,t3)としてスコア・プロット表示させるとともに、n個の臨床検査項目の個々の重み係数を、座標点(p1i,p2i,p3i)として3次元空間にローディング・プロット表示させても良い。
この場合、3次元空間は一般の人にとって2次元空間よりも認識が容易ではないため、鳥瞰図、等高線図、斜視図、断面図、投影図などで2次元表示し直すことにより、認識を容易ならしめても良い。
実施例1〜2では、評価項目として、身長、体重、BMI、男女、血圧、血球数、各種生化学分析値などが取り上げられたが、データに年齢変動、季節変動、日内変動、日差変動などの時系列的項目を加え、同様に評価しても良い。図10に示すように、スコア・プロットのデータマーカ付近に時系列データ情報を併せてPCA空間に表示するとともに、時系列順にデータマーカを線や矢印で結ぶことによって、時系列を把握しやすく表示しても良い。
また、多数の経時的測定値(ホルター心電図、2時間おきの血圧測定値など)がある場合は、n個の検査項目の代わりに、図11に示すように、n個の経時的測定値を横軸に配してスペクトル・パターンとして取り扱い、n次元空間からPCA空間への変換を行なって、経時的特徴のスコア・プロットやローディング・プロットを得るようにしても良い。
また、追跡データがある場合、個人のみでPCA空間を作成しても良い。
また、n個の検査項目やn個の経時的測定値の代わりに、1種類の検査項目についてn個の波長の吸光度データから成る吸収スペクトルを横軸に配し、n次元空間からPCA空間への変換を行ない、新規マーカの発見、データ精度の向上、補正計算への使用などに役立てても良い。また、n個の波長における吸光度データをm個の検査値についてPCA解析し、n×m次元空間からPCA空間への変換を行なっても良い。
また、n個の検査項目やn個の経時的測定値の代わりに、1種類の検査項目についてn個の波長の吸光度データから成る吸収スペクトルを横軸に配し、n次元空間からPCA空間への変換を行ない、新規マーカの発見、データ精度の向上、補正計算への使用などに役立てても良い。また、n個の波長における吸光度データをm個の検査値についてPCA解析し、n×m次元空間からPCA空間への変換を行なっても良い。
これらの吸収スペクトルを横軸に取った例は、吸収スペクトルのピーク位置における吸光度の情報の他に、ピーク位置から外れた領域の吸光度の情報についても、検査対象者ごとに評価の対象にしようとするものである。例えばGOTやGPTやTPなどの吸収スペクトル波形が、検査対象者ごとに微妙に異なっている可能性があり、その検査項目ごとの吸収スペクトル波形の異なり自体を有用な情報源として役立てようとするものである。
実施例1〜3では、評価データとして、身長、体重、BMI、男女、血圧、血球数、各種生化学分析値などの全国平均値を使用したが、図12(a)に示すように、全国平均値を母集団として主成分分析したスコア・プロット(標準データ)の上に、その母集団で決定された変換式に基づいて1個人のデータをスコア・プロット(標準データ)の上に変換して重畳させ、標準データのPCA空間内に表示させれば、その人が標準的なデータ空間のどこに位置するかが分かり、母集団内でのその人の体質を評価することができる。
また、図12(b)、(c)のように、例えば男性のみの検査データから成るスコア・プロット(あるいは女性のみの検査データから成るスコア・プロットでも良い)を標準データとして用いれば、男性グループの中での体質評価(あるいは女性グループの中での体質評価)を行なうこともできる。
また、図12(d)のように、例えば男性のみの検査データから成るスコア・プロット上に個人の経年データを重畳させ、経年変化を線で結べば、標準的な経年変化からのずれを評価することもできる。
また、若年者のみの検査データから成るスコア・プロット、あるいは中年者のみの検査データから成るスコア・プロット、あるいは高齢者のみの検査データから成るスコア・プロットを標準データとして用いれば、若年者グループの中での体質評価、あるいは中年者グループの中での体質評価、あるいは高齢者グループの中での体質評価を行なうこともできる。
また、地域・国籍・人種の区別、生活習慣、遺伝子情報などごとに分かれたスコア・プロットを標準データとして用いれば、地域・国籍・人種の区別、生活習慣、遺伝子情報などについての体質評価を行なうこともできる。
実施例4では、評価データとして、健常者のみから成る母集団の臨床検査データを用いたが、図13に示すように、健常/非健常者から成る母集団の臨床検査データ、および医師の判断結果(たとえば、経過観察必要者であるか、再検査必要者であるかといった判断)を併せ用いれば、被評価者の疾患の有無を、疑いの程度に合わせて、「経過観察必要者」と「再検査必要者」のように、健常者のデータ範囲からの逸脱の程度に応じて段階的に評価を行なわせることができる。これは、健常者のみのPCA空間であれば、異常判定に使用でき、健常者/中間者/非健常者でPCA空間を作れば、経過観察/再検などの判定が行なえることを意味する。
また、図14(a)に示すように、非健常者の母集団をさらに細分化して、疾患原因毎のプロット(例えば、心臓疾患者、腎臓疾患者、肝臓疾患者、血管疾患者、糖尿病患者など)の母集団に分けてPCA解析を行ない、PCA空間に表示するようにすれば、どの病気になりやすいか(経時追跡の場合、どの病気に近づくか)の判定が行なえる。
さらに、図14(b)に示すように、例えば腎の場合、糖尿病由来、遺伝由来、腎炎由来などとより細分化された母集団に基づいてPCA解析を行ない、PCA空間に表示するようにすれば、特定疾患において、その疾患の由来の判定が行なえる。
また、図15に示すように、病気の進行度ごとに細分化した母集団の臨床検査データをスコア・プロット上およびローディング・プロット上に可視化しておけば、現在の検査値のプロット位置から、疾患者の病気の進行度、あるいは病気からの回復度を評価することができる。
また、追跡データがある場合、個人のみでPCA空間を作成しても良い。
図16に示すように、身長、体重、BMI、男女、血圧、血球数、各種生化学分析値などの評価データを用いて、薬の投薬前/投薬後の2群、または手術前/手術後の2群、または医師による治療前/治療後の2群などを比較できるようにプロットすることで、薬効、副作用、予後、治療効果などの評価や判定に役立てることも可能である。
その他の実施例として、前記のスコア・プロットやローディング・プロットの領域を2次元表示または3次元表示する際に、母集団の領域ごとに色分け、あるいは模様分けをして、あるいはデータマーカの形を異ならせて、エリアマップのようにして表示すれば、見る者にとって分かりやすいスコア・プロットおよびローディング・プロットができる。
本発明を実施するための装置を図17に示す。すなわち、母集団の検査データを記憶するハードディスクなどの記憶手段1と、検査データに対して前述の処理を施すCPUなどの演算手段2と、演算結果を表示する液晶ディスプレイなどの表示手段3とを備え、該演算手段2により、前述したような検査データの評価方法を実行する。
尚、母集団の検査データは、外部からデータ処理の際に読み込むようにしても良い。また、前記表示手段3に印刷手段なども含まれていることは当然である。
臨床検査装置に広く利用できる。また、MS/NMRなど他データと併用できる。
1:記憶手段、2:演算手段、3:表示手段
Claims (12)
- 複数の個体についてのn種の検査項目にわたる検査データ、又は複数の個体についてのn個の時刻にわたる経時的検査データ、又は1種類の検査項目についてn個の吸収データを母集団とした検査データの評価方法であって、
母集団に含まれる各個体の検査データxi(i=1,2,…,n)から成る検査データ群に対して、n種の検査項目又はn個の時刻から規定されるn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第1の軸PC1及び前記第1の軸PC1とは独立しn次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第2の軸PC2を決定し、各個体の検査データxiを第1の軸PC1に投影した座標値t1と、第2の軸PC2に投影した座標値t2とを求めるための、重み係数p(−1≦p≦1)を含む変換式、
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
を決定する第1のステップと、
各個体の検査データxiから前記変換式によりt1及びt2を決定し、PC1とPC2から成る二次元座標上の位置(t1,t2)に各個体を表す点をプロットする第2のステップと
から成ることを特徴とする検査データの評価方法。 - さらに、前記n個の検査項目、または時刻の個々について、またはn個の吸収データの重み係数pを、横軸(または縦軸)に前記第1の軸PC1への貢献度を表わす重み係数p1i、縦軸(または横軸)に前記第2の軸PC2への貢献度を表わす重み係数p2iを取って、座標(p1i,p2i)として2次元プロットで表わすようにしたことを特徴とする請求項1記載の検査データの評価方法。
- 前記検査項目、前記検査データ、前記経時的検査データは、それぞれ臨床検査項目、臨床検査データ、臨床検査項目についての経時的検査データであることを特徴とする請求項1又は2記載の検査データの評価方法。
- 前記第1のステップにおいて処理対象となる検査データは、事前に統計的処理を施すことができるようなデータに変換する前処理を受けた検査データである請求項1記載の検査データの評価方法。
- 前記前処理は、
(1)検査項目ごとに平均値を求め、平均値を各検査値から差し引くミーン・センタリングと、
(2)検査項目ごとに標準偏差値を求め、検査値を標準偏差値で割ることによって、無単位でスケールの統一された統計学的数値に変換するオート・スケーリングと、
から成ることを特徴とする請求項4記載の検査データの評価方法。 - 前記第1ステップにおいて、更に前記軸PC1、PC2とは独立し、n次元空間における各個体の検査データxiの分散が最も大きくなる方向を持つ第3の軸PC3を決定し、各個体の検査データxiを第1の軸PC1に投影した座標値t1と、第2の軸PC2に投影した座標値t2と、第3の軸PC3に投影した座標値t3とを求めるための、重み係数p(−1≦p≦1)を用いた変換式、
t1=x1p11+x2p12+…+xnp1n
t2=x1p21+x2p22+…+xnp2n
t3=x1p31+x2p32+…+xnp3n
を決定すると共に、
前記第2ステップにおいて、各個体の検査データxiから前記変換式によりt1,t2,t3を決定し、PC1とPC2とPC3から成る三次元座標上の位置(t1,t2,t3)に各個体を表す点をプロットするようにしたことを特徴とする請求項1記載の検査データの評価方法。 - さらに、前記n個の検査項目、または時刻の個々について、またはn個の吸収データの重み係数pを構成する、前記第1の軸PC1への貢献度を表わす重み係数p1i、前記第2の軸PC2への貢献度を表わす重み係数p2i、前記第3の軸PC3への貢献度を表わす重み係数p3iについて、座標(p1i,p2i,p3i)として3次元プロットで表わすようにしたことを特徴とする請求項6記載の検査データの評価方法。
- 各個体をグループ分けし得る識別情報に基づき、各個体を表す点をグループ毎に異なる形態でプロットするようにしたことを特徴とする請求項1乃至7のいずれかに記載の検査データの評価方法。
- 前記識別情報は、性別、年令、健常者/非健常者、疾患種類、投薬の有無、地域・国籍・人種の区別、生活習慣、遺伝子情報のいずれかであり、各個体を表す点を各個体の性別、年令、健常者/非健常者、疾患種類、投薬の有無、地域・国籍・人種の区別、生活習慣、遺伝子情報により分けられたグループに応じた形態でプロットすることを特徴とする請求項8記載の検査データの評価方法。
- 母集団とは異なる個体の検査データを、前記母集団で決定された変換式を用いて座標値(t1,t2)又は(t1,t2,t3)に変換し、求めた座標点を前記母集団で作られた空間に重畳表示するようにしたことを特徴とする請求項1乃至9のいずれかに記載の検査データの評価方法。
- 3次元表示は、鳥瞰図、等高線図、斜視図、断面図、または投影図による表示であることを特徴とする請求項6または7に記載の検査データの評価方法。
- 前記母集団の検査データを記憶する記憶手段、または前記母集団の検査データを読み込む読み込み手段と、検査データに対して前記ステップ1及びステップ2の処理を施す演算表示手段とを備え、該演算表示手段により、請求項1乃至11のいずれかに記載の検査データの評価方法を実行することを特徴とする検査データの評価装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009077179A JP2010230428A (ja) | 2009-03-26 | 2009-03-26 | 検査データの評価方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009077179A JP2010230428A (ja) | 2009-03-26 | 2009-03-26 | 検査データの評価方法および装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010230428A true JP2010230428A (ja) | 2010-10-14 |
Family
ID=43046411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009077179A Withdrawn JP2010230428A (ja) | 2009-03-26 | 2009-03-26 | 検査データの評価方法および装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010230428A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013161315A (ja) * | 2012-02-07 | 2013-08-19 | Toshiba Tec Corp | リハビリ管理装置、リハビリ管理システム及び制御プログラム |
JP2014528080A (ja) * | 2011-09-22 | 2014-10-23 | バイオ−ラッド ラボラトリーズ,インコーポレイティド | 生化学データ分析システム及び方法 |
WO2020091053A1 (ja) | 2018-11-02 | 2020-05-07 | 国立研究開発法人理化学研究所 | 健康ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法 |
WO2022101983A1 (ja) * | 2020-11-10 | 2022-05-19 | 株式会社パーキンエルマージャパン | 検体の分類方法 |
-
2009
- 2009-03-26 JP JP2009077179A patent/JP2010230428A/ja not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014528080A (ja) * | 2011-09-22 | 2014-10-23 | バイオ−ラッド ラボラトリーズ,インコーポレイティド | 生化学データ分析システム及び方法 |
US9792548B2 (en) | 2011-09-22 | 2017-10-17 | Bio-Rad Laboratories, Inc. | Systems and methods for biochemical data analysis |
JP2013161315A (ja) * | 2012-02-07 | 2013-08-19 | Toshiba Tec Corp | リハビリ管理装置、リハビリ管理システム及び制御プログラム |
WO2020091053A1 (ja) | 2018-11-02 | 2020-05-07 | 国立研究開発法人理化学研究所 | 健康ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法 |
WO2022101983A1 (ja) * | 2020-11-10 | 2022-05-19 | 株式会社パーキンエルマージャパン | 検体の分類方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Skirton et al. | A systematic review of variability and reliability of manual and automated blood pressure readings | |
Fraz et al. | QUARTZ: Quantitative Analysis of Retinal Vessel Topology and size–An automated system for quantification of retinal vessels morphology | |
Kim et al. | Development of differential criteria on tongue coating thickness in tongue diagnosis | |
US20110022553A1 (en) | Diagnosis support system, diagnosis support method therefor, and information processing apparatus | |
Herrick et al. | Quantitative nailfold capillaroscopy—update and possible next steps | |
Bountziouka et al. | Statistical methods used for the evaluation of reliability and validity of nutrition assessment tools used in medical research | |
JP2006107511A (ja) | 臨床検査データの可視化表現シート | |
JP2010172559A (ja) | 医療診断支援システム及び医療診断支援装置 | |
JP2010230428A (ja) | 検査データの評価方法および装置 | |
Uysal et al. | Using Machine Learning Methods for Detecting Alzheimer's Disease through Hippocampal Volume Analysis | |
KR101843928B1 (ko) | 의료 검사 데이터 분석결과 표현 방법 및 장치 | |
JP5811545B2 (ja) | 疲労のバイオマーカーおよびその利用 | |
EP3876184A1 (en) | Method, system, and program for creating health positioning map and health function, and method for using these | |
Panagoulias et al. | Extreme value analysis for dietary intake based on weight class | |
Tălu et al. | Characterization of human retinal vessel arborisation in normal and amblyopic eyes using multifractal analysis | |
Paunksnis et al. | The use of information technologies for diagnosis in ophthalmology | |
JP6198161B2 (ja) | 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム | |
JP2003141306A (ja) | 評価システム | |
JP2005092853A (ja) | 臨床検査データの可視化表現グラフ及びその作成システム | |
WO2021111658A1 (ja) | 認知症予測装置 | |
JP4892721B2 (ja) | 意味空間を表示した自己組織化マップ | |
JP7062359B2 (ja) | 生理指標の推定方法及び推定装置並びに健康情報の推定方法及び推定装置 | |
Nizam et al. | Characterization of Tissues in Chronic Wound Images | |
RU2285950C2 (ru) | Способ визуального отображения и динамического анализа состояния живого организма | |
Jegelevicius et al. | Web-based health services and clinical decision support |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20111110 |
|
A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20120605 |