JP2018033516A - 脳情報解析装置及び脳健康指標演算装置 - Google Patents

Abstract

【課題】脳解析情報を扱い易い値に変換し、健康の指標として使用することができる、脳情報解析装置と脳健康指標演算装置を提供する。【解決手段】脳情報解析装置は、被験者のＭＲＩ画像ファイル群から、１１６個の灰白質量データと、４８個の神経線維異方性データを取得する。そして、灰白質量データの平均値を算出したＧＭ−ＢＨＱと、神経線維異方性データの平均値を算出したＦＡ−ＢＨＱを目的変数として、被験者の健康診断結果と生活環境アンケート結果を説明変数として、重回帰分析を行い、係数を算出する。脳健康指標演算装置１１１は、この係数を用いることで、健康の指標となるＧＭ−ＢＨＱ及びＦＡ−ＢＨＱを推定することができる。【選択図】図１

Description

本発明は、脳情報解析装置及び脳健康指標演算装置に関する。
より詳細には、ＭＲＩ（magnetic resonance imaging：核磁気共鳴画像法）等の、人間の脳を非侵襲にて三次元撮像を行う装置が出力する脳画像データを用いて、生体情報を収集し、解析を行う脳情報解析装置と、脳情報解析装置が出力した特徴量を用いて、被験者の健康指標となる値を推定する、脳健康指標演算装置に関する。

元々、ＭＲＩは非侵襲にて脳を含めた内臓疾患を発見し、診断するためのツールであった。しかし、近年、ＭＲＩにて人の脳を撮影し、三次元の脳画像データを取得することが永続的に行われてきたことにより、様々な人々の脳画像データが徐々に蓄積されるようになってきた。そこで、近年の脳科学者は、脳疾患に留まらず、脳画像データから得られる情報と、人の健康との相関性を模索するようになってきた。
これ以降、本明細書において脳画像データから得られる情報を、脳情報と総称する。例えば、脳画像データを画像解析した結果得られる、脳の特定部位における灰白質の量や、脳の特定部位における神経線維の異方性等である。

特許文献１には、撮影したＭＲＩ画像から脳断面の灰白質画像を作成し、その灰白質画像を健常者の灰白質画像と比較して、脳の特定部位の萎縮を判定することで、認知症等の兆候を診断する技術内容が開示されている。

特開２００５−２３０４５６号公報

脳画像データから脳の部位毎に情報を取得する方法は様々なものが存在する。どの脳情報取得方法も、得られる情報は非常に詳細である。しかし、この詳細な情報、すなわち変数の数が多いことが、データの全体の傾向を統計的に類推する、いわゆるビッグデータの解析手法には馴染まない。
ＭＲＩ装置は高価であり、国際比較においてはわが国は相対的に導入台数は多いものの、他の医療機器に比べると、導入台数は多くない。また、その運用コストも安くはない。このため、ＭＲＩによる脳画像データを蓄積することは容易なことではない。したがって、現状では統計的解析の基となるデータの母数があまり多くない。一方で、脳画像データから得られる情報、すなわち変数の数が多い。これは、統計的解析手法では、既知の値については正しい推定結果を出す一方で、未知の値については正しい推定結果が得られない、オーバーフィッティングという現象を引き起こす。
また、変数の数が多いことは、判断の指標が複雑になることを示す。このため、現状の詳細な脳解析情報のままでは、脳科学の専門家しかわからず、一般の人が脳の健康の指標等に利用するのに適していない。

本発明はかかる課題を解決し、脳解析情報を扱い易い値に変換し、健康の指標として使用することができる、脳情報解析装置と脳健康指標演算装置を提供することを目的とする。

上記課題を解決するために、本発明の脳情報解析装置は、被験者の脳画像データから複数の灰白質量データを得る灰白質量算出部と、複数の灰白質量データの平均値を算出した値であるＧＭ−ＢＨＱを出力する平均値演算部と、被験者を一意に識別する被験者ＩＤと、ＧＭ−ＢＨＱとを紐付けて登録するＢＨＱテーブルと、被験者ＩＤと被験者の健康診断結果を紐付けて登録する健康診断テーブルと、ＢＨＱテーブルと健康診断テーブルを、被験者ＩＤにて紐付けた上で多変量解析を行い、ＧＭ−ＢＨＱを推定するための特徴量を出力する多変量解析処理部とを具備する。

本発明により、脳解析情報を扱い易い値に変換し、健康の指標として使用することができる、脳情報解析装置と脳健康指標演算装置を提供することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明の実施形態に係る、脳情報解析装置の概略図と、脳情報解析装置が算出した重回帰式の係数を利用した、脳健康指標演算装置の概略図である。 脳情報解析装置の、ハードウェア構成を示すブロック図である。 脳情報解析装置の、ソフトウェア機能を示すブロック図である。 脳健康指標演算装置の、ソフトウェア機能を示すブロック図である。 被験者の脳画像データから算出したＧＭ−ＢＨＱと年齢との関係を示すグラフと、ＦＡ−ＢＨＱと年齢との関係を示すグラフである。

図１Ａは、本発明の実施形態に係る、脳情報解析装置１０１の概略図である。
脳情報解析装置１０１は、大容量の不揮発性ストレージと、所定の演算能力を備えるパソコンあるいはサーバである。
脳情報解析装置１０１には、（１）被験者の脳をＭＲＩ装置１０２で撮影して得た、ＭＲＩ画像ファイル群１０３と、（２）被験者が受診した健康診断の結果を記した、健康診断結果データ１０４と、（３）被験者が所定の生活環境アンケートに回答した結果を記した、生活環境アンケート結果データ１０５が入力され、データベースとして蓄積される。ＭＲＩ画像ファイル群１０３、健康診断結果データ１０４、そして生活環境アンケート結果データ１０５は、全て被験者１０６を一意に識別する被験者ＩＤによって紐付けされる。特に、ＭＲＩ画像ファイル群１０３を保存するために、脳情報解析装置１０１には大容量の不揮発性ストレージが必要になる。

ＭＲＩ画像ファイル群１０３とは、ＭＲＩ装置１０２が被験者１０６の脳を撮影した複数の画像ファイルである。被験者１０６の脳を仮想的に輪切り状態にて撮影した画像ファイルが、頭頂部から首に至る迄、複数枚得られる。この、複数枚の画像ファイルを用いて、被験者１０６の脳を三次元空間的に解析する。

健康診断結果データ１０４は、通常の健康診断にて得られる診断結果の情報の集合体である。被験者１０６の年齢、身長、体重、視力、聴力、体脂肪率、ＢＭＩ（Body Mass Index：ボディマス指数）、血中中性脂肪値、γＧＴＰ（γ-glutamyltransferase：ガンマグルタミルトランスフェラーゼ）等、年に一回実施される健康診断の診断結果の情報である。これらのデータは、被験者１０６から機械的あるいは化学的な手段で取得される、被験者１０６の主観が入り込む余地のない、客観的な測定結果である。なお、健康診断に留まらず、被験者１０６から日常的に計測を行った体重や血圧等の生体計測データ、歩数や活動量等のライフログデータも、この健康診断結果データ１０４に含めることができる。

生活環境アンケート結果データ１０５は、健康診断の際に設問され、被験者１０６が回答する種々のアンケートの他に、精神神経系の健康指標を推し量るためのアンケートも含まれる。例えば、以下の様な項目について設問を設け、被験者１０６に回答させる。
（１）階層帰属意識及び金融不安を含む社会経済的な状況の自覚
（２）生活に関する満足感と生活向上への意識を含む健康で安心なことについての自覚
（３）個人的な価値観、ポスト物質主義（物質や経済的な富よりも精神や心の安寧（リッチネス）を優先させる考え方）及びエピクロス主義（将来の為の準備よりも現在に生きることに優先権を与えて生きる主義）
すなわち、これらのデータは健康診断結果データ１０４とは異なり、被験者１０６の主観が混じるアンケート結果等の情報である。

脳情報解析装置１０１は、先ず、ＭＲＩ画像ファイル群１０３から所定の画像解析処理を用いて、脳情報を取得する。次に、この脳情報の平均値を算出する。そして、脳情報解析装置１０１は算出した脳情報の平均値を目的変数として、健康診断結果データ１０４と生活環境アンケート結果データ１０５を説明変数として、重回帰分析を行い、重回帰式係数１０７を算出する。

図１Ｂは、脳情報解析装置１０１が算出した重回帰式係数１０７を利用した、脳健康指標演算装置１１１の概略図である。
脳健康指標演算装置１１１は、一般的なパソコンで実現できる。また、近年普及しているスマートフォン等の携帯型無線端末や、ワンチップマイコンを使用する体脂肪計等の健康器具でも実現できる。
脳健康指標演算装置１１１は、任意の被験者１０６の健康診断結果データ１０４と生活環境アンケート結果データ１０５を入力されると、脳情報解析装置１０１が使用していた重回帰式と、脳情報解析装置１０１が算出した重回帰式係数１０７を用いて、診断結果１１２として当該被験者１０６の脳情報の平均値を推定する。
つまり、脳情報の平均値は、人の健康の指標となる値である。脳情報の平均値は、図３以降で詳述する。

図２は、脳情報解析装置１０１の、ハードウェア構成を示すブロック図である。
一般的なパソコンやサーバである脳情報解析装置１０１は、ＣＰＵ２０１、ＲＯＭ２０２、ＲＡＭ２０３、液晶ディスプレイ等の表示部２０４、キーボードやマウス等の操作部２０５、ハードディスク装置等の不揮発性ストレージ２０６がバス２０７に接続されている。バス２０７にはこの他に、ＭＲＩ画像ファイル群１０３と、健康診断結果データ１０４と、生活環境アンケート結果データ１０５を受け付けて、不揮発性ストレージ２０６内に形成するデータベースに登録するための、シリアルポート２０８やＮＩＣ（Network Interface Card）２０９が接続されている。不揮発性ストレージ２０６には、ＯＳと、パソコンやサーバを脳情報解析装置１０１として稼働させるためのプログラムと、図３にて後述する種々のデータベースが格納されている。
なお、脳情報解析装置１０１がサーバである場合、ＮＩＣ２０９は必須だが、表示部２０４と操作部２０５は必ずしも必要ではなく、シリアルポート２０８は不要である。その場合、ネットワークを通じてサーバを操作する端末が別途用意されていればよい。
図２に示す脳情報解析装置１０１のブロック図は、ほぼそのまま脳健康指標演算装置１１１にも共通する。

図３は、脳情報解析装置１０１の、ソフトウェア機能を示すブロック図である。
図１Ａにて説明したように、脳情報解析装置１０１は、ＭＲＩ画像ファイル群１０３と、健康診断結果データ１０４と、生活環境アンケート結果データ１０５を受信する。
灰白質量算出部３０１は、ＭＲＩ画像ファイル群１０３を読み込み、脳の特定部位における灰白質の量を示す、灰白質量データ群３０２を算出する。灰白質量データ群３０２は、脳の１１６箇所の部位における灰白質量データの集合体である。
神経線維異方性算出部３０３は、ＭＲＩ画像ファイル群１０３を読み込み、脳の特定部位における白質を構成する神経線維の異方性の指標値を示す、神経線維異方性データ群３０４を算出する。神経線維異方性データ群３０４は、脳の４８箇所の部位における白質を構成する神経線維の異方性の指標値の集合体である。

灰白質量算出部３０１が算出した灰白質量データ群３０２と、神経線維異方性算出部３０３が算出した神経線維異方性データ群３０４は、被験者１０６の被験者ＩＤ３０５と共に、脳情報テーブル３０６に登録される。
脳情報テーブル３０６は、被験者ＩＤフィールドと、１１６個の灰白質量データフィールドと、４８個の神経線維異方性データフィールドよりなる。すなわち、灰白質量データ群３０２と神経線維異方性データ群３０４は、被験者１０６の被験者ＩＤ３０５に紐付けられて、脳情報テーブル３０６に登録される。
なお、ＭＲＩ画像ファイル群１０３は貴重な画像データの集合体であるので、これも被験者ＩＤ３０５に紐付けられて、大容量の不揮発性ストレージ２０６に記憶される。本発明の実施形態では、ＭＲＩ画像ファイル群１０３をこれ以降の説明では使用しないので、図示及び詳述を略す。

脳情報テーブル３０６に格納された１１６個の灰白質量データ群３０２と、４８個の神経線維異方性データ群３０４は、それぞれ平均値演算部３０７に入力される。
平均値演算部３０７は、１１６個の灰白質量データ群３０２の平均値を算出する。これ以降、灰白質量データ群３０２の平均値をＧＭ−ＢＨＱ（Grey-Matter Brain Healthcare Quotient）と呼ぶ。ＧＭ−ＢＨＱは単一のスカラ値である。
同様に、平均値演算部３０７は、４８個の神経線維異方性データ群３０４の平均値を算出する。これ以降、神経線維異方性データ群３０４の平均値をＦＡ−ＢＨＱ（fractional anisotropy Brain Healthcare Quotient）と呼ぶ。ＦＡ−ＢＨＱもＧＭ−ＢＨＱと同様、単一のスカラ値である。

平均値演算部３０７が算出したＧＭ−ＢＨＱ及びＦＡ−ＢＨＱは、被験者１０６の被験者ＩＤ３０５と共に、ＢＨＱテーブル３０８に登録される。
ＢＨＱテーブル３０８は、被験者ＩＤフィールドと、ＧＭ−ＢＨＱフィールドと、ＦＡ−ＢＨＱフィールドよりなる。すなわち、ＧＭ−ＢＨＱとＦＡ−ＢＨＱは、被験者１０６の被験者ＩＤ３０５に紐付けられて、ＢＨＱテーブル３０８に登録される。
これら、ＧＭ−ＢＨＱとＦＡ−ＢＨＱが、後述する重回帰式における目的変数となる。

一方、健康診断結果データ１０４と、生活環境アンケート結果データ１０５は、被験者１０６の被験者ＩＤ３０５と共に、健康診断テーブル３０９に登録される。
健康診断テーブル３０９は、被験者ＩＤフィールドと、項目毎の健康診断結果データフィールドと、項目毎の生活環境アンケート結果データフィールドよりなる。すなわち、健康診断結果データ１０４と生活環境アンケート結果データ１０５は、被験者１０６の被験者ＩＤ３０５に紐付けられて、健康診断テーブル３０９に登録される。
これら、健康診断結果データ１０４と生活環境アンケート結果データ１０５が、後述する重回帰式における説明変数となる。

重回帰分析処理部３１０は、ＢＨＱテーブル３０８から目的変数であるＧＭ−ＢＨＱを、健康診断テーブル３０９から説明変数である健康診断結果データ１０４と生活環境アンケート結果データ１０５を、それぞれ読み込み、被験者ＩＤ３０５で紐付けた上で、ＧＭ−ＢＨＱにおける重回帰式の係数を算出し、ＧＭ−ＢＨＱ推定のための重回帰式係数である、ＧＭ−ＢＨＱ用重回帰式係数３１１を出力する。
同様に、重回帰分析処理部３１０は、ＢＨＱテーブル３０８から目的変数であるＦＡ−ＢＨＱを、健康診断テーブル３０９から説明変数である健康診断結果データ１０４と生活環境アンケート結果データ１０５を、それぞれ読み込み、被験者ＩＤ３０５で紐付けた上で、ＦＡ−ＢＨＱにおける重回帰式の係数を算出し、ＦＡ−ＢＨＱ推定のための重回帰式係数である、ＦＡ−ＢＨＱ用重回帰式係数３１２を出力する。
これら、ＧＭ−ＢＨＱ用重回帰式係数３１１及びＦＡ−ＢＨＱ用重回帰式係数３１２が、図１Ａ及び図１Ｂにて説明した、重回帰式係数１０７である。

図４は、脳健康指標演算装置１１１の、ソフトウェア機能を示すブロック図である。
重回帰式演算処理部４０１は、任意の被験者１０６の健康診断結果データ１０４と、生活環境アンケート結果データ１０５を読み込むと、図３にて説明した、脳情報解析装置１０１が出力したＧＭ−ＢＨＱ用重回帰式係数３１１を用いて、脳情報解析装置１０１の重回帰分析処理部３１０で使用した重回帰式の演算を行い、当該被験者１０６の、ＧＭ−ＢＨＱ推定値４０２を出力する。
同様に、重回帰式演算処理部４０１は、任意の被験者１０６の健康診断結果データ１０４と、生活環境アンケート結果データ１０５を読み込むと、図３にて説明した、脳情報解析装置１０１が出力したＦＡ−ＢＨＱ用重回帰式係数３１２を用いて、脳情報解析装置１０１の重回帰分析処理部３１０で使用した重回帰式の演算を行い、当該被験者１０６の、ＦＡ−ＢＨＱ推定値４０３を出力する。
これら、ＧＭ−ＢＨＱ推定値４０２及びＦＡ−ＢＨＱ推定値４０３が、図１Ｂにて説明した、診断結果１１２である。

図１では理解を容易にするために診断結果１１２と書いたが、実際には被験者１０６の脳の健康指標を推定した「推定脳健康指標」という方が正確である。脳健康指標演算装置１１１に健康診断データとアンケート結果を入力すれば、ＭＲＩ装置１０２を使わなくとも、被験者１０６の脳の健康状態を推定することができる。

勿論、重回帰式演算処理部４０１が読み込む健康診断結果データ１０４と、生活環境アンケート結果データ１０５は、脳情報解析装置１０１が読み込んだ、被験者１０６達が受診した健康診断やアンケートと同じ内容である必要がある。
すなわち、脳健康指標演算装置１１１の主要な演算処理は、１次関数である重回帰式の計算を行うだけである。この演算処理に大量のデータ処理等は存在しない。周知のように、重回帰式の計算は四則演算で実現できるので、ワンチップマイコン等、演算能力の乏しい低資源装置と呼ばれる計算機資源でも、十分実用になる。

例えば、体重、体脂肪率、内臓脂肪レベル、皮下脂肪率、基礎代謝、骨格筋率、ＢＭＩ、体年齢等を測定できる体組成計に、本発明の実施形態に係る脳健康指標演算装置１１１を適用することを考える。体組成計には、利用者の生年月日と身長を登録することが可能である。しかし、健康診断における血液検査にて得られる値を登録することは面倒であるし、毎日使用される体組成計が得る前述の様々な値と測定日時が食い違うため、現実的ではない。そこで、脳情報解析装置１０１は、体組成計が取得可能な情報だけを使用した、ＧＭ−ＢＨＱ用重回帰式係数３１１とＦＡ−ＢＨＱ用重回帰式係数３１２を算出する。この、体組成計用のＧＭ−ＢＨＱ用重回帰式係数３１１とＦＡ−ＢＨＱ用重回帰式係数３１２を用いれば、体組成計も脳健康指標演算装置１１１として機能することができる。健康診断や生活環境アンケート結果等の全ての情報が揃っている場合と比べると推定精度は落ちるが、有意な健康指標として、体組成計がＧＭ−ＢＨＱ推定値４０２とＦＡ−ＢＨＱ推定値４０３を出力することが可能になる。

また、発明者等は、脳情報解析装置１０１に登録された被験者１０６のＧＭ−ＢＨＱ及びＦＡ−ＢＨＱを説明変数に、そして被験者１０６の年齢を目的変数として重回帰分析を行ったところ、これもまた良好な結果が得られた。このことから、ある被験者１０６の脳画像データを得ると、重回帰分析にて「脳の年齢」を推定することが可能になる。

図５は、被験者１０６の脳画像データから算出したＧＭ−ＢＨＱと年齢との関係を示すグラフと、ＦＡ−ＢＨＱと年齢との関係を示すグラフである。グラフ中、横軸が年齢で、縦軸がＧＭ−ＢＨＱ及びＦＡ−ＢＨＱである。これらのグラフは、発明者等が本発明の実施形態に係る脳情報解析装置１０１及び脳健康指標演算装置１１１を完成するに至った、多数の被験者１０６の脳画像データを解析した結果である。
全てのデータの基となる被験者１０６は、男性８０名、女性６４名よりなる１４４名の健常者で、２６歳から６９歳である。平均年齢は４８．５歳、年齢の標準偏差は８．０５である。
本発明に関わる調査は、理化学研究所、京都大学、東京大学の倫理委員会によって承認されたものであり、これらの研究機関の規則及びガイドラインに従って実施された。全ての参加者から、参加前に文書による同意を得て行った。
全てのＭＲＩ画像データは、理化学研究所、京都大学及び東京大学で３２チャンネルのヘッド・アレイ・コイルを用いて、３Ｔシーメンス・スキャナを使用して収集された。

ＧＭ−ＢＨＱの基となる灰白質質量データを取得するために、構造ＭＲＩ（ｓＭＲＩ）を用いて、三次元磁化準備高速グラディエント・エコー（ＭＰＲＡＧＥ）画像を取得した。画像データから灰白質のみをピクセルの濃度範囲を指定することで抽出し、ＤＡＲＴＥＬ（diffeomorphic anatomical registration through exponentiated Lie algebra）による標準化を施した。そして、得られた画像に積分による平滑化処理を施した後、被験者１０６の頭蓋内容積で除算をすることで、脳の容積の個人差を打ち消して、最終的な灰白質量データを取得した。

ＦＡ−ＢＨＱの基となる神経線維異方性データを取得するために、拡散テンソル画像（ＤＴＩ：Diffusion Tensor Imaging）の基となる拡散テンソルデータを、ＳＥ−ＥＰＩ（Spin-Echo Echo-Planner Imaging）を用いて取得した。ＤＴＩからＦＡ（Fractional anisotropy：拡散の非等方性の程度を表す指標）を取得して、最終的な神経線維異方性データを取得した。

ＧＭ−ＢＨＱのグラフを見ると、年齢とＧＭ−ＢＨＱは比較的急峻な負の比例関係にあることが判る。ＧＭ−ＢＨＱの相関係数Ｒは０．６１であった。なお、グラフ中の破線Ｌ５０１は、重回帰分析による重回帰式よりなる１次関数の線である。破線Ｌ５０１の傾きは−０．６、ｙ切片は１３１である。この線が年齢に対するＧＭ−ＢＨＱ推定値４０２に相当する。
ＦＡ−ＢＨＱのグラフを見ると、年齢とＦＡ−ＢＨＱは比較的緩やかな負の比例関係にあることが判る。ＦＡ−ＢＨＱの相関係数Ｒは０．４２であった。なお、グラフ中の破線Ｌ５０２は、重回帰分析による重回帰式よりなる１次関数の線である。破線Ｌ５０２の傾きは−０．２、ｙ切片は１０９である。この線が年齢に対するＦＡ−ＢＨＱ推定値４０３に相当する。
これら図５のグラフを見て判るように、ＧＭ−ＢＨＱ及びＦＡ−ＢＨＱは、被験者１０６の年齢と有意な相関関係が認められる。
大雑把に言い換えると、人は加齢と共に脳の灰白質量が減少することが、このグラフから判る。また、人は加齢と共に脳の白質に含まれる神経線維の密度が低下することが、このグラフから判る。

従来、脳科学では１１６個の灰白質量データと、４８個の神経線維異方性データについて、個別に研究を重ねてきた。しかし、基となる脳画像データのサンプル数が少ない状況で、これだけ変数の数が多いと、統計的解析手法に適さない。
発明者等は、この膨大な変数の数を減らす方法を試行錯誤してきた。その結果、単純な平均値にすることで、基となる多数の変数から生じるばらつきが良い具合に平準化され、人の身体及び精神の健康を示す、使い勝手が良い情報として利用可能であることが判った。
１１６個の灰白質量データと、４８個の神経線維異方性データを、それぞれ単一のスカラ値である平均値として変換することで、シンプルな重回帰分析が利用可能になった。

なお、本発明の実施形態における脳情報解析装置１０１及び脳健康指標演算装置１１１では、多変量解析として重回帰分析を採用したが、周知のように多変量解析は重回帰分析に留まらない。ロジスティック回帰、主成分分析、ベイズ推定、サポートベクターマシン等、種々の多変量解析を適用可能である。但し、脳情報解析装置１０１にて採用する多変量解析と、脳健康指標演算装置１１１にて採用する多変量推定は同じものを使用する必要がある。例えば、ベイズ推定の場合は、脳健康指標演算装置１１１に脳情報解析装置１０１が作成したデータセットを持たせる必要がある。
すなわち、脳情報解析装置１０１における重回帰分析処理部３１０の上位概念は多変量解析処理部であり、多変量解析処理部が出力する重回帰式係数の上位概念は特徴量であり、脳健康指標演算装置１１１における重回帰式演算処理部４０１の上位概念は多変量推定処理部である。

本発明の実施形態では、脳情報解析装置１０１及び脳健康指標演算装置１１１を説明した。
脳情報解析装置１０１は、被験者１０６のＭＲＩ画像ファイル群１０３から、１１６個の灰白質量データと、４８個の神経線維異方性データを取得する。そして、灰白質量データの平均値を算出したＧＭ−ＢＨＱと、神経線維異方性データの平均値を算出したＦＡ−ＢＨＱを目的変数として、被験者１０６の健康診断結果と生活環境アンケート結果を説明変数として、重回帰分析を行い、係数を算出する。脳健康指標演算装置１１１は、この係数を用いることで、健康の指標となるＧＭ−ＢＨＱ及びＦＡ−ＢＨＱを推定することができる。

以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、他の変形例、応用例を含む。
例えば、上記した実施形態は本発明をわかりやすく説明するために装置及びシステムの構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることは可能であり、更にはある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。
また、上記の各構成、機能、処理部等は、それらの一部又は全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行するためのソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の揮発性あるいは不揮発性のストレージ、または、ＩＣカード、光ディスク等の記録媒体に保持することができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

１０１…脳情報解析装置、１０２…ＭＲＩ装置、１０３…ＭＲＩ画像ファイル群、１０４…健康診断結果データ、１０５…生活環境アンケート結果データ、１０６…被験者、１０７…重回帰式係数、１１１…脳健康指標演算装置、１１２…診断結果、２０１…ＣＰＵ、２０２…ＲＯＭ、２０３…ＲＡＭ、２０４…表示部、２０５…操作部、２０６…不揮発性ストレージ、２０７…バス、２０８…シリアルポート、２０９…ＮＩＣ、３０１…灰白質量算出部、３０２…灰白質量データ群、３０３…神経線維異方性算出部、３０４…神経線維異方性データ群、３０５…被験者ＩＤ、３０６…脳情報テーブル、３０７…平均値演算部、３０８…ＢＨＱテーブル、３０９…健康診断テーブル、３１０…重回帰分析処理部、３１１…ＧＭ−ＢＨＱ用重回帰式係数、３１２…ＦＡ−ＢＨＱ用重回帰式係数、４０１…重回帰式演算処理部、４０２…ＧＭ−ＢＨＱ推定値、４０３…ＦＡ−ＢＨＱ推定値

Claims (6)

1. 被験者の脳画像データから複数の灰白質量データを得る灰白質量算出部と、
   複数の前記灰白質量データの平均値を算出した値であるＧＭ−ＢＨＱを出力する平均値演算部と、
   被験者を一意に識別する被験者ＩＤと、前記ＧＭ−ＢＨＱとを紐付けて登録するＢＨＱテーブルと、
   前記被験者ＩＤと前記被験者の健康診断結果を紐付けて登録する健康診断テーブルと、
   前記ＢＨＱテーブルと前記健康診断テーブルを、前記被験者ＩＤにて紐付けた上で多変量解析を行い、前記ＧＭ−ＢＨＱを推定するための特徴量を出力する多変量解析処理部と
   を具備する、脳情報解析装置。
2. 更に、
   被験者の脳画像データから複数の神経線維異方性データを得る神経線維異方性算出部と
   を具備し、
   前記平均値演算部は、複数の前記神経線維異方性データの平均値を算出した値であるＦＡ−ＢＨＱも出力するものであり、
   前記ＢＨＱテーブルは、前記ＦＡ−ＢＨＱも前記被験者ＩＤと紐付けて登録するものであり、
   前記多変量解析処理部は、前記ＦＡ−ＢＨＱを推定するための特徴量も出力するものである、
   請求項１に記載の脳情報解析装置。
3. 前記多変量解析処理部は、多変量解析に重回帰分析を行い、前記ＧＭ−ＢＨＱを推定するためのＧＭ−ＢＨＱ用重回帰式係数と、前記ＦＡ−ＢＨＱを推定するためのＦＡ−ＢＨＱ用重回帰式係数を出力するものである、
   請求項２に記載の脳情報解析装置。
4. 被験者の脳画像データから複数の灰白質量データを得る灰白質量算出部と、複数の前記灰白質量データの平均値を算出した値であるＧＭ−ＢＨＱを出力する平均値演算部と、被験者を一意に識別する被験者ＩＤと、前記ＧＭ−ＢＨＱとを紐付けて登録するＢＨＱテーブルと、前記被験者ＩＤと前記被験者の健康診断結果を紐付けて登録する健康診断テーブルと、前記ＢＨＱテーブルと前記健康診断テーブルを、前記被験者ＩＤにて紐付けた上で多変量解析を行い、前記ＧＭ−ＢＨＱを推定するための特徴量を出力する多変量解析処理部とを具備する脳情報解析装置が出力した前記特徴量を用いて、任意の被験者の健康診断結果に多変量解析に基づく推定を行い、ＧＭ−ＢＨＱ推定値を出力する、多変量推定処理部と
   を具備する、脳健康指標演算装置。
5. 前記脳情報解析装置は更に、
   被験者の脳画像データから複数の神経線維異方性データを得る神経線維異方性算出部と
   を具備し、
   前記平均値演算部は、複数の前記神経線維異方性データの平均値を算出した値であるＦＡ−ＢＨＱも出力するものであり、
   前記ＢＨＱテーブルは、前記ＦＡ−ＢＨＱも前記被験者ＩＤと紐付けて登録するものであり、
   前記多変量解析処理部は、前記ＦＡ−ＢＨＱを推定するための特徴量も出力するものであり、
   前記多変量推定処理部は、前記任意の被験者の前記健康診断結果に多変量解析に基づく推定を行い、ＦＡ−ＢＨＱ推定値も出力するものである、
   請求項４に記載の、脳健康指標演算装置。
6. 前記多変量解析処理部は、多変量解析に重回帰分析を行い、前記ＧＭ−ＢＨＱを推定するためのＧＭ−ＢＨＱ用重回帰式係数と、前記ＦＡ−ＢＨＱを推定するためのＦＡ−ＢＨＱ用重回帰式係数を出力するものであり、
   前記多変量推定処理部は、前記任意の被験者の前記健康診断結果に、前記ＧＭ−ＢＨＱ用重回帰式係数及び前記ＦＡ−ＢＨＱ用重回帰式係数に基づく重回帰式の演算を行い、ＧＭ−ＢＨＱ推定値及びＦＡ−ＢＨＱ推定値を出力するものである、
   請求項５に記載の脳健康指標演算装置。

Images