JP2020185382A - 診断支援装置 - Google Patents

診断支援装置 Download PDF

Info

Publication number
JP2020185382A
JP2020185382A JP2020082160A JP2020082160A JP2020185382A JP 2020185382 A JP2020185382 A JP 2020185382A JP 2020082160 A JP2020082160 A JP 2020082160A JP 2020082160 A JP2020082160 A JP 2020082160A JP 2020185382 A JP2020185382 A JP 2020185382A
Authority
JP
Japan
Prior art keywords
information
biological
biological state
disease
support device
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
Application number
JP2020082160A
Other languages
English (en)
Inventor
藤本　克彦
Katsuhiko Fujimoto
克彦 藤本
池田　智
Satoshi Ikeda
智 池田
橋本　敬介
Keisuke Hashimoto
敬介 橋本
柴田　真理子
Mariko Shibata
真理子 柴田
愛未 笹山
Manami Sasayama
愛未 笹山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of JP2020185382A publication Critical patent/JP2020185382A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Chemical & Material Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

【課題】被検体の生体状態を精度良く判定すること。【解決手段】実施形態に係る診断支援装置は、記憶部と、判定部とを備える。記憶部は、被検体の遺伝子発現・変異情報、エピジェネティック環境影響情報、タンパク質発現情報、シグナル伝達情報、免疫機能情報、内分泌機能情報、病理情報、画像診断情報、生理学的情報、身体所見及び病状情報を含む複数種類の生体情報を記憶する。判定部は、複数種類の生体情報に対する解析により得られた複数の解析結果に基づいて、被検体の生体状態を判定する。【選択図】図１

Description

本発明の実施形態は、診断支援装置に関する。
従来、次世代シーケンサー（Next Generation Sequencer（ＮＧＳ））又は遺伝子パネルによる遺伝子診断、ＩＶＤ（In-Vitro Diagnostics）検査、タンパク質分析、抗体検査、病理組織診断、放射線画像診断、放射線画像診断以外の画像診断、及び、非画像検査等の多くの診断及び検査の技術がある。
近年、がんの分野では、ＮＧＳ又は遺伝子パネルを用いた検査により、新規の抗がん剤、分子標的治療薬、免疫チェックポイント阻害薬等の治療薬の選択を適切に行うためのコンパニオン診断等が行われるようになってきている。
がん遺伝子パネル検査においては、数千万に及ぶ論文をベースにしたＩＢＭ Ｗａｔｓｏｎ等のＡＩ（Cognitive Computing System）を用いたプロファイリング等の取り組みの仕組み作りが、日本国内で進められている。また、Ｒｏｃｈｅ−Ｆｏｕｎｄａｔｉｏｎ ＭｅｄｉｃｉｎｅによるＴＭＢ（tumor mutational burden）やＭＳＩ（microsatellite instability）も含めたＣｏｍｐｒｅｈｅｎｓｉｖｅ Ｇｅｎｏｍｉｃ Ｐｒｏｆｉｌｉｎｇの取り組みが進んでいる。
従来の診断及び検査では、例えば、遺伝子プロファイルによる診断等、個別の診断又は個別の検査結果による診断又は臨床判断が行われている。又は、複数の診断結果に基づいて、ガイドライン及び医師の経験に沿って、複合的に判断されている。
しかしながら、これらの限られた診断及び検査を個々に実施し、提示するだけでは、医師は、被検体の生体に関する状態（生体状態）を精度良く判定することが困難である。
特開２０１１−１５２１９４号公報 特開２００９−１８１５６４号公報 特開２０００−６７１３９号公報 特開２０１６−１５４０４２号公報 特開２００５−１９２９５４号公報 特開２００５−１２２２３１号公報 特開２０１３−１２０２５号公報 国際公開第２０１５／０５０１７４号 特開２０１９−８８１２号公報
"複雑な代謝反応ネットワークを実測データだけから推定する手法を開発−未知の代謝経路を理論的に探索することが可能に−"、［online］、平成25年1月11日、独立行政法人理化学研究所、［平成31年4月1日検索］、インターネット〈URL：http://www.riken.jp/pr/press/2013/20130111_1/〉
本発明が解決しようとする課題は、被検体の生体状態を精度良く判定することができる診断支援装置を提供することである。
実施形態に係る診断支援装置は、記憶部と、判定部とを備える。記憶部は、検体の遺伝子発現・変異情報、エピジェネティック環境影響情報、タンパク質発現情報、シグナル伝達情報、免疫機能情報、内分泌機能情報、病理情報、画像診断情報、生理学的情報、身体所見及び病状情報を含む複数種類の生体情報を記憶する。判定部は、複数種類の生体情報に対する解析により得られた複数の解析結果に基づいて、被検体の生体状態を判定する。
図１は、第１の実施形態に係る診断支援装置の構成例を示す図である。 図２は、生体状態判定用データベースのデータ構造の一例を示す図である。 図３は、第１の実施形態において、定量スコアから関係度を算出する方法の一例について説明するための図である。 図４は、第１の実施形態に係る関係度及び総合信頼度の表示の一例を示す図である。 図５は、第１の実施形態に係る診断支援装置による処理の一例の手順を示すフローチャートである。 図６は、第１の実施形態の変形例３に係る警告情報の一例を示す図である。 図７は、第２の実施形態における生体状態の推定方法の一例を説明するための図である。
以下、図面を参照しながら、診断支援装置の実施形態について詳細に説明する。なお、本願に係る診断支援装置は、以下に示す実施形態によって限定されるものではない。
（第１の実施形態）
図１は、第１の実施形態に係る診断支援装置１０の構成例を示す図である。診断支援装置１０は、操作者（例えば、医師）による被検体の疾患（疾病）の診断を支援する装置である。例えば、診断支援装置１０は、サーバ、ワークステーション、パーソナルコンピュータ又はタブレット端末等のコンピュータ機器によって実現される。
図１に示すように、診断支援装置１０は、入力インターフェース１１と、ディスプレイ１２と、記憶回路１３と、処理回路１４とを有する。
入力インターフェース１１は、処理回路１４に接続されており、操作者から各種の指示及び情報の入力操作を受け付ける。具体的には、入力インターフェース１１は、操作者から受け付けた入力操作を電気信号へ変換して処理回路１４に出力する。例えば、入力インターフェース１１は、トラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路及び音声入力回路等の少なくとも１つによって実現される。なお、本明細書において、入力インターフェース１１は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路１４へ出力する電気信号の処理回路も入力インターフェース１１の例に含まれる。
ディスプレイ１２は、処理回路１４に接続されており、各種の情報及び画像を表示する。具体的には、ディスプレイ１２は、処理回路１４から送られる情報及び画像のデータを表示用の電気信号に変換して出力する。例えば、ディスプレイ１２は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ又はタッチパネル等によって実現される。ディスプレイ１２は、表示部の一例である。
記憶回路１３は、処理回路１４に接続されており、各種のデータや情報を記憶する。例えば、記憶回路１３は、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。すなわち、記憶回路１３は、メモリ等により実現される。なお、記憶回路１３は、記憶部の一例である。
記憶回路１３は、遺伝子発現・変異情報１３ａ、エピジェネティック環境影響情報１３ｂ、タンパク質発現情報１３ｃ、シグナル伝達情報１３ｄ、免疫機能情報１３ｅ、内分泌機能情報１３ｆ、病理情報１３ｇ、画像診断情報１３ｈ、生理学的情報１３ｉ、身体所見・病状情報１３ｊ、及び、生体状態判定用データベース１３ｋを記憶する。
遺伝子発現・変異情報１３ａは、例えば、診断対象の被検体の特定の遺伝子の発現量及び変異量を示す生体情報である。例えば、遺伝子発現・変異情報１３ａは、シーケンサー又は遺伝子パネル等が用いられる遺伝子検査等により取得される。そして、取得された遺伝子発現・変異情報１３ａが、記憶回路１３に記憶される。
エピジェネティック環境影響情報１３ｂは、例えば、ヒストン修飾やメチル化等の被検体のエピゲノムに影響を与える後天的な環境要因による遺伝子発現の制御を示す生体情報である。例えば、操作者が、被検体に対して、被検体が１日あたりに吸っている煙草の本数、又は、１日あたりに浴びている紫外線の量等を問診する。または、その結果としてのヒストン修飾やメチル化等の現象を検出し、それらの得られた環境要因情報や検査結果を示す情報がエピジェネティック環境影響情報１３ｂとして、記憶回路１３に記憶される。
タンパク質発現情報１３ｃは、被検体のタンパク質発現に関する生体情報である。例えば、タンパク質発現情報１３ｃは、被検体の血中等の特定のタンパク質の量と、特定のタンパク質の基準となる量との比を示す情報である。被検体の特定のタンパク質の量は、バイオマーカの体外検査又は分光分析、及び、質量分析器（例えば、マススペクトロスコピー等）により取得される。また、特定のタンパク質の基準となる量は、例えば、被検体が健康な状態である場合の特定のタンパク質の量である。そして、得られた特定のタンパク質の量と、特定のタンパク質の基準となる量との比を示す情報が、タンパク質発現情報１３ｃとして記憶回路１３に記憶される。
シグナル伝達情報１３ｄは、被検体の細胞間及び細胞内のシグナル伝達に関する生体情報である。シグナル伝達情報１３ｄは、抗体アレイ等により取得される。そして、取得されたシグナル伝達情報１３ｄが、記憶回路１３に記憶される。
免疫機能情報１３ｅは、被検体の免疫機能に関する生体情報である。例えば、免疫機能情報１３ｅは、被検体の血液の単位量あたりの白血球の数を示す情報である。このような白血球の数は、血液検査等により取得される。なお、免疫機能情報１３ｅは、免疫に関係する特定の遺伝子の発現量及び変異量や、発現した抗体量そのものを示す情報であってもよい。このような情報は、検体検査装置や抗体検査、遺伝子チップ等により取得される。そして、取得された免疫機能情報１３ｅが、記憶回路１３に記憶される。
内分泌機能情報１３ｆは、被検体の内分泌機能に関する生体情報である。例えば、内分泌機能情報１３ｆは、被検体の血液の単位量あたりの特定のホルモンの量を示す情報である。このような特定のホルモンの量を示す情報は、血液検査等により取得される。
病理情報１３ｇは、病理検査又は細胞診検査によって得られた被検体の各種の生体情報である。例えば、病理検査では、腫瘤の組織や細胞が採取され、採取された組織や細胞が、悪性であるか否かが判定される。このような判定の結果を示す情報が、病理情報１３ｇとして記憶回路１３に記憶される。
画像診断情報１３ｈは、被検体の臓器が描出された放射線診断画像と放射線診断画像の画像解析により得られる生体情報である。例えば、検査において、医師が、被検体の心臓が描出されたＣＴ画像の画像診断を行う。かかる画像診断において、医師は、心臓に異常があるか否かを診断する。例えば、医師は、大動脈弁に注目し、心臓弁膜症であるか否かについての診断や、大動脈弁狭窄症であるか否かについての診断を行う。そして、診断結果を示す情報が、画像診断情報１３ｈとして記憶回路１３に記憶される。なお、画像診断には、ＣＴ画像以外の画像の画像診断が含まれてよい。例えば、画像診断には、ＭＲＩ（Magnetic Resonance Imaging）装置により得られたＭＲ画像、Ｘ線診断装置により得られたＸ線診断画像、超音波診断装置により得られた超音波診断画像、及び、核医学診断装置により得られた核医学診断画像の少なくとも１つの画像の画像診断が含まれてもよい。
生理学的情報１３ｉは、例えば心電図により得られた被検体の心電波形に基づく心臓に関する生体情報等を指す。心電図検査において、被検体の心電波形は、心電計により得られる。また、心電波形から、Ｒ−Ｒ間隔等の心臓に関する情報が得られる。そして、このような心臓に関する情報が、生理学的情報１３ｉとして記憶回路１３に記憶される。これ以外にも、生理学的情報１３ｉには、脳波情報や、呼吸モニタの情報、体温、血圧等の様々な生理学的現象を示す情報が含まれる。
身体所見・病状情報１３ｊは、被検体に対する問診によって得られた身体所見及び病状を示す生体情報である。例えば、医師は、被検体に対して問診を行うことにより身体所見及び病状を得る。例えば、身体所見には、被検体の身長及び体重等の人体レベルの情報が含まれる。このようにして得られた身体所見及び病状を示す情報が、身体所見・病状情報１３ｊとして記憶回路１３に記憶される。
上述したように、記憶回路１３は、遺伝子発現・変異情報１３ａ、エピジェネティック環境影響情報１３ｂ、タンパク質発現情報１３ｃ、シグナル伝達情報１３ｄ、免疫機能情報１３ｅ、内分泌機能情報１３ｆ、病理情報１３ｇ、画像診断情報１３ｈ、生理学的情報１３ｉ及び身体所見・病状情報１３ｊを記憶する。このように、記憶回路１３は、被検体の遺伝子レベルの生体情報、分子・細胞レベルの生体情報、臓器レベルの生体情報、及び、人体レベルの生体情報を記憶する。すなわち、記憶回路１３は、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を記憶する。具体例を挙げて説明すると、記憶回路１３は、被検体の遺伝子に関する生体情報、タンパク質に関する生体情報、シグナル伝達に関する生体情報、内分泌機能に関する生体情報、免疫機能に関する生体情報、環境影響に関する生体情報、及び、人体に関する生体情報を含む複数種類の生体情報を記憶する。
生体状態判定用データベース１３ｋは、生体状態を判定する際に用いられるデータベースである。
図２は、生体状態判定用データベース１３ｋのデータ構造の一例を示す図である。図２において、「遺伝子発現・変異」の項目には、遺伝子発現・変異情報１３ａから算出された後述する定量スコアが登録される。「エピジェネティック環境影響」の項目には、エピジェネティック環境影響情報１３ｂから算出された後述する定量スコアが登録される。「タンパク発現（バイオマーカ）」の項目には、タンパク質発現情報１３ｃから算出された後述する定量スコアが登録される。「シグナル伝達」の項目には、シグナル伝達情報１３ｄから算出された後述する定量スコアが登録される。
また、「免疫機能」の項目には、免疫機能情報１３ｅから算出された後述する定量スコアが登録される。「内分泌機能」の項目には、内分泌機能情報１３ｆから算出された後述する定量スコアが登録される。「病理的な変化」の項目には、病理情報１３ｇから算出された後述する定量スコアが登録される。「画像診断」の項目には、画像診断情報１３ｈから算出された後述する定量スコアが登録される。「心電図」の項目には、生理学的情報１３ｉから算出された後述する定量スコアが登録される。「身体所見・病状」の項目には、身体所見・病状情報１３ｊから算出された後述する定量スコアが登録される。
生体状態判定用データベース１３ｋには、複数の疾患Ａ〜疾患Ｎのそれぞれと、複数種類の生体情報のそれぞれとの相関（相関関係）を示す相関係数が登録されている。また、生体状態判定用データベース１３ｋには、相関係数の確からしさを示す信頼度が登録されている。例えば、図２の例では、仮に、相関係数を「Ｒ」とし、信頼度を「Ｓ」とした場合に、疾患と生体情報との組合せ毎に、「Ｒ／Ｓ」という表記で、相関係数及び信頼度が生体状態判定用データベース１３ｋに登録されている。
例えば、生体状態判定用データベース１３ｋは、「遺伝子発現・変異」の項目に登録される定量スコアの元となる遺伝子発現・変異情報１３ａと「疾患Ａ」との組合せにおいて、遺伝子発現・変異情報１３ａと「疾患Ａ」との相関を示す相関係数が、「０．８」であることを示す。疾患と生体情報との他の組合せにおいても、同様である。
本実施形態では、例えば、相関係数の範囲は、「−１」以上「１」以下の範囲である。例えば、ある疾患とある種類の生体情報との相関を示す相関係数が正の値である場合について説明する。この場合、相関係数が「１」に近づくほど、その種類の生体情報を要因として、その疾患に罹患する可能性が高くなるとともに、その疾患の症状が重くなると考えられる。
また、ある疾患とある種類の生体情報との相関を示す相関係数が負の値である場合について説明する。この場合、相関係数が「−１」に近づくほど、その種類の生体情報を要因として、その疾患に罹患しにくくなる可能性が高くなると考えられる。
また、ある疾患とある種類の生体情報との相関を示す相関係数が「０」又は「０」に近い数値である場合、この相関係数は、その種類の生体情報と、その疾患との相関がないことを示す。
また、例えば、生体状態判定用データベース１３ｋは、遺伝子発現・変異情報１３ａと「疾患Ａ」との相関を示す相関係数「０．８」の確からしさを示す信頼度が「Ａ」であることを示す。他の信頼度についても、同様である。ここで、本実施形態では、信頼度は、「Ａ」、「Ｂ」及び「Ｃ」のいずれかで示される。例えば、信頼度「Ａ」は、信頼度「Ｂ」よりも信頼度が高く、信頼度「Ｂ」は、信頼度「Ｃ」よりも信頼度が高い。なお、信頼度「Ａ」、「Ｂ」、「Ｃ」は、数値を示す。例えば、信頼度「Ａ」は、「１．０」であり、信頼度「Ｂ」は、「０．７」であり、信頼度「Ｃ」は、「０．３」である。例えば、信頼度は、相関係数について、科学的な根拠がどの程度あるのかによっても定められる。また、信頼度は、例えば、ガイドライン、データベースに登録された臨床研究の内容、及び、論文内容等から定められてもよい。
処理回路１４は、入力インターフェース１１を介して操作者から受け付けた入力操作に応じて、診断支援装置１０の動作を制御する。例えば、処理回路１４は、プロセッサによって実現される。
処理回路１４は、スコア算出機能１４ａと、生体状態判定機能１４ｂと、表示制御機能１４ｃとを備える。スコア算出機能１４ａは、解析部の一例である。生体状態判定機能１４ｂは、判定部の一例である。表示制御機能１４ｃは、表示制御部の一例である。スコア算出機能１４ａ、生体状態判定機能１４ｂ及び表示制御機能１４ｃについては後述する。
ここで、例えば、図１に示す処理回路１４の構成要素であるスコア算出機能１４ａ、生体状態判定機能１４ｂ及び表示制御機能１４ｃの各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１３に記憶されている。処理回路１４は、各プログラムを記憶回路１３から読み出し、読み出した各プログラムを実行することで各プログラムに対応する機能を実現する。換言すると、各プログラムを読み出した状態の処理回路１４は、図１の処理回路１４内に示された各機能を有することとなる。
なお、スコア算出機能１４ａ、生体状態判定機能１４ｂ及び表示制御機能１４ｃの全ての処理機能がコンピュータによって実行可能な１つのプログラムの形態で、記憶回路１３に記憶されていてもよい。例えば、このようなプログラムは、診断支援プログラムとも称される。この場合、処理回路１４は、診断支援プログラムを記憶回路１３から読み出し、読み出した診断支援プログラムを実行することで診断支援プログラムに対応するスコア算出機能１４ａ、生体状態判定機能１４ｂ及び表示制御機能１４ｃを実現する。
上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、若しくは、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、又は、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは、記憶回路１３に保存されたプログラムを読み出し実行することで機能を実現する。なお、記憶回路１３にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。なお、本実施形態のプロセッサは、単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。
以上、第１の実施形態に係る診断支援装置１０の構成の一例について説明した。本願の発明者らは、鋭意検討の結果、全ての疾患は、遺伝性の要因及び非遺伝性の要因を含む複雑な要因が関係することを見出した。そして、本願の発明者らは、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を用いて、被検体の生体状態を判定することで、精度が良好な判定結果を得られることを見出した。そこで、第１の実施形態に係る診断支援装置１０は、生体状態を精度良く判定するために、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を用いて、以下で説明する各種の処理を実行する。
スコア算出機能１４ａは、記憶回路１３に記憶された複数種類の生体情報のそれぞれに対して、生体情報の異常の度合いを判定する解析を行う。具体例を挙げて説明すると、スコア算出機能１４ａは、複数種類の生体情報のそれぞれに対して、生体情報の異常の度合いを示すスコア（定量スコア）を得るための解析を行い、解析結果として定量スコアを得る。例えば、スコア算出機能１４ａは、「０」以上「１」以下の範囲内の定量スコアを算出する。例えば、定量スコアは、「１」に近づくにつれて、生体情報が示す異常の状態の度合いが大きくなることを示す。スコア算出機能１４ａは、このような定量スコアを、遺伝子発現・変異情報１３ａ、エピジェネティック環境影響情報１３ｂ、タンパク質発現情報１３ｃ、シグナル伝達情報１３ｄ、免疫機能情報１３ｅ、内分泌機能情報１３ｆ、病理情報１３ｇ、画像診断情報１３ｈ、生理学的情報１３ｉ、及び、身体所見・病状情報１３ｊのそれぞれについて算出する。定量スコアは、後述する生体状態判定機能１４ｂにより生体状態が判定される際に用いられる。
一例を挙げて説明すると、スコア算出機能１４ａは、遺伝子発現・変異情報１３ａに対する解析として、遺伝子発現・変異情報１３ａが示す特定の遺伝子の発現量及び変異量が多くなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「遺伝子発現・変異」の項目に登録する。
また、スコア算出機能１４ａは、エピジェネティック環境影響情報１３ｂに対する解析として、エピジェネティック環境影響情報１３ｂが示す煙草の本数又は紫外線の量が多くなるほど、若しくは、メチル化のスコア等が大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「エピジェネティック環境影響」の項目に登録する。
また、スコア算出機能１４ａは、タンパク質発現情報１３ｃに対する解析として、タンパク質発現情報１３ｃが示す比が「１」から遠ざかるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「タンパク発現（バイオマーカ）」の項目に登録する。
また、スコア算出機能１４ａは、シグナル伝達情報１３ｄに対する解析として、シグナル伝達情報１３ｄが示すシグナル伝達に関する情報が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「シグナル伝達」の項目に登録する。
また、スコア算出機能１４ａは、免疫機能情報１３ｅに対する解析として、免疫機能情報１３ｅが示す白血球の数が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。なお、免疫機能情報１３ｅが、免疫に関係する特定の遺伝子の発現量及び変異量を示す場合には、スコア算出機能１４ａは、免疫に関係する特定の遺伝子の発現量及び変異量が多くなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「免疫機能」の項目に登録する。
また、スコア算出機能１４ａは、内分泌機能情報１３ｆに対する解析として、内分泌機能情報１３ｆが示す特定のホルモンの量が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「内分泌機能」の項目に登録する。
また、スコア算出機能１４ａは、病理情報１３ｇに対する解析として、病理情報１３ｇが示す判定結果が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「病理的な変化」の項目に登録する。
また、スコア算出機能１４ａは、画像診断情報１３ｈに対する解析として、画像診断情報１３ｈが示す診断結果が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「画像診断」の項目に登録する。
また、スコア算出機能１４ａは、生理学的情報１３ｉに対する解析として、生理学的情報１３ｉが示す心臓に関する情報が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「心電図」の項目に登録する。
なお、生理学的情報１３ｉが脳波情報を示す場合には、スコア算出機能１４ａは、脳波情報が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「心電図」の項目と同様に設けられた「脳波計」の項目（図示せず）に登録する。
また、スコア算出機能１４ａは、身体所見・病状情報１３ｊに対する解析として、身体所見・病状情報１３ｊが示す身体所見及び病状が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１４ａは、算出した定量スコアを生体状態判定用データベース１３ｋの「身体所見・病状」の項目に登録する。
上述したような方法で、スコア算出機能１４ａは、複数種類の生体情報に対応する複数の定量スコアを算出し、複数の定量スコアを生体状態判定用データベース１３ｋに登録する。
なお、スコア算出機能１４ａは、上述したように定量スコアを自動的に算出しなくてもよい。例えば、スコア算出機能１４ａは、操作者から、入力インターフェース１１を介して、生体情報に対応する定量スコアを受け付けてもよい。そして、スコア算出機能１４ａは、受け付けた定量スコアを、生体状態判定用データベース１３ｋに登録してもよい。
生体状態判定機能１４ｂは、生体状態判定用データベース１３ｋを用いて、複数の疾患（疾患Ａ〜疾患Ｎ）のそれぞれについて、被検体の生体状態を判定する。
具体例を挙げて説明すると、生体状態判定機能１４ｂは、図２に示す生体状態判定用データベース１３ｋから、遺伝子発現・変異情報１３ａと疾患Ａとの相関を示す相関係数「０．８」を取得する。そして、生体状態判定機能１４ｂは、「遺伝子発現・変異」の項目から、遺伝子発現・変異情報１３ａから算出された定量スコアを取得する。そして、生体状態判定機能１４ｂは、取得した定量スコアと、取得した相関係数「０．８」との乗算値ｒ１を算出する。
生体状態判定機能１４ｂは、遺伝子発現・変異情報１３ａ以外の他の生体情報についても、同様の方法で、他の生体情報と疾患Ａとの相関を示す相関係数、及び、他の生体情報から算出された定量スコアを取得する。そして、生体状態判定機能１４ｂは、同様に、取得した相関係数と取得した定量スコアとの乗算値を算出する。
具体的には、生体状態判定機能１４ｂは、エピジェネティック環境影響情報１３ｂから算出された定量スコアと、相関係数「０．５」との乗算値ｒ２を算出する。また、生体状態判定機能１４ｂは、タンパク質発現情報１３ｃから算出された定量スコアと、相関係数「０．６５」との乗算値ｒ３を算出する。また、生体状態判定機能１４ｂは、シグナル伝達情報１３ｄから算出された定量スコアと、相関係数「０．２」との乗算値ｒ４を算出する。
また、生体状態判定機能１４ｂは、免疫機能情報１３ｅから算出された定量スコアと、相関係数「０．４」との乗算値ｒ５を算出する。また、生体状態判定機能１４ｂは、内分泌機能情報１３ｆから算出された定量スコアと、相関係数「０．０１」との乗算値ｒ６を算出する。また、生体状態判定機能１４ｂは、病理情報１３ｇから算出された定量スコアと、相関係数「０．９」との乗算値ｒ７を算出する。
また、生体状態判定機能１４ｂは、画像診断情報１３ｈから算出された定量スコアと、相関係数「０．３」との乗算値ｒ８を算出する。また、生体状態判定機能１４ｂは、生理学的情報１３ｉから算出された定量スコアと、相関係数「０．０」との乗算値ｒ９を算出する。また、生体状態判定機能１４ｂは、身体所見・病状情報１３ｊから算出された定量スコアと、相関係数「０．１」との乗算値ｒ１０を算出する。
そして、生体状態判定機能１４ｂは、１０次元の座標空間に、点ｒ（ｒ１，ｒ２，ｒ３，ｒ４，ｒ５，ｒ６，ｒ７，ｒ８，ｒ９，ｒ１０）を配置した場合の、１０次元の座標空間の原点Ｏと点ｒとの間の距離を算出する。なお、かかる距離は、（ｒ１，ｒ２，ｒ３，ｒ４，ｒ５，ｒ６，ｒ７，ｒ８，ｒ９，ｒ１０）を成分とするベクトルの大きさでもある。
そして、生体状態判定機能１４ｂは、算出した距離が「０」以上「１」以内の範囲の値となるように、算出した距離を正規化し、正規化された距離を関係度として算出する。この関係度は、被検体が疾患Ａに関係している度合いを示す指標であり、疾患Ａに対する被検体の生体状態を示す指標である。より具体的には、この関係度は、被検体が疾患Ａに罹患している度合い（可能性）を示す指標であるとともに、疾患Ａの症状の重さを示す指標である。関係度が「１」に近づくほど、被検体が疾患Ａに罹患している度合いは高くなり、また、疾患Ａの症状が重くなる。一方、関係度が「０」に近づくほど、被検体が疾患Ａに罹患している度合いは低くなり、また、疾患Ａの症状が軽くなる。
ここで、図３を参照して、定量スコアから関係度を算出する方法の一例について説明する。なお、先の図２を用いて、１０種類の生体情報から生成された１０個の定量スコアが生体状態判定用データベース１３ｋに登録され、生体状態判定機能１４ｂが、１０個の定量スコアを用いて関係度を算出する場合について説明した。一方、図３を用いた説明では、説明の便宜のため、３種類の生体情報から生成された３個の定量スコアＳＣ１＿１，ＳＣ２＿１，ＳＣ３＿１が生体状態判定用データベース１３ｋに登録されているものとする。そして、図３を用いた説明では、生体状態判定機能１４ｂが、３個の定量スコアＳＣ１＿１，ＳＣ２＿１，ＳＣ３＿１を用いて、単一の疾患についての関係度を算出するものとして説明を行う。
図３は、第１の実施形態において、定量スコアから関係度を算出する方法の一例について説明するための図である。図３には、軸ＳＣ１、軸ＳＣ２及び軸ＳＣ３により形成される３次元空間が示されている。軸ＳＣ１は、定量スコアＳＣ１＿１の大きさを示す軸である。軸ＳＣ２は、定量スコアＳＣ２＿１の大きさを示す軸である。軸ＳＣ３は、定量スコアＳＣ３＿１の大きさを示す軸である。３つの軸ＳＣ１、軸ＳＣ２及び軸ＳＣ３は、互いに直交している。
図３の例において、生体状態判定機能１４ｂは、定量スコアＳＣ１＿１と、定量スコアＳＣ１＿１に対応する相関係数との乗算値Ｒ１´（不図示）を算出する。また、生体状態判定機能１４ｂは、定量スコアＳＣ２＿１と、定量スコアＳＣ２＿１に対応する相関係数との乗算値Ｒ２´（不図示）を算出する。また、生体状態判定機能１４ｂは、定量スコアＳＣ３＿１と、定量スコアＳＣ３＿１に対応する相関係数との乗算値Ｒ３´（不図示）を算出する。
そして、生体状態判定機能１４ｂは、３次元の座標空間に、点Ｒ´（Ｒ１´，Ｒ２´，Ｒ３´）（不図示）を配置した場合の、３次元の座標空間の原点Ｏと点Ｒ´との間の距離を算出する。なお、かかる距離は、（Ｒ１´，Ｒ２´，Ｒ３´）を成分とするベクトルの大きさでもある。
そして、生体状態判定機能１４ｂは、算出した距離が「０」以上「１」以内の範囲の値となるように、算出した距離を正規化し、正規化された距離Ｄ１を関係度として算出する。なお、図３には、正規化後の距離Ｄ１に対応する点Ｒ（Ｒ１，Ｒ２，Ｒ３）が示されている。点Ｒは、正規化に伴って点Ｒ´の位置が変更されたものである。すなわち、点Ｒは、点Ｒ´に対応する点である。
ここで、図３において、球ＳＰは、半径１の球である。本実施形態では、点Ｒは、球ＳＰの内部及び表面に位置する。
そして、図３に示すように、原点Ｏと点Ｒとを結ぶ線分を更に点Ｒ側から伸ばした線分と球ＳＰの表面との交点を点Ｐとする。このとき、点Ｒと点Ｐとの距離Ｄ２が短いほど、被検体が疾患に罹患している度合いが高くなり、また、疾患の症状が重くなる。
図３を参照して、生体状態判定機能１４ｂが、単一の疾患を表す球ＳＰにおいて、被検体の現在の生体状態を示す点Ｒ（Ｒ１，Ｒ２，Ｒ３）がどの位置にあるのかを判定することで、単一の疾患に対する生体状態を判定する場合について説明した。そして、生体状態判定機能１４ｂは、同様に、他の複数の疾患に対する生体状態についても判定する。すなわち、生体状態判定機能１４ｂは、全ての疾患Ａ〜疾患Ｎのそれぞれに対応する複数の球ＳＰのそれぞれにおいて、被検体の現在の生体状態を示す点がどの位置にあるのかを判定することで、複数の疾患のそれぞれに対する生体状態を判定する。
なお、１つの球ＳＰが、全ての疾患Ａ〜疾患Ｎを表していてもよい。例えば、生体状態判定機能１４ｂは、１つの球ＳＰにおいて、全ての疾患Ａ〜疾患Ｎのそれぞれについての関係度に対応する点が、どの位置にあるかを判定することで、全ての疾患Ａ〜疾患Ｎのそれぞれに対する生体状態を判定してもよい。
図１の説明に戻り、生体状態判定機能１４ｂは、算出した関係度に基づいて、疾患Ａに対する被検体の生体状態を判定する。例えば、生体状態判定機能１４ｂは、複数の閾値と関係度とを比較することにより、生体状態を判定する。
例えば、関係度が閾値「０」以上閾値「０．４」未満の範囲内である場合には、被検体が疾患Ａに罹患していないと考えられる。このため、生体状態判定機能１４ｂは、関係度が閾値「０」以上閾値「０．４」未満の範囲内である場合には、被検体の生体状態が、疾患Ａに罹患していない状態（健康状態）であると判定する。健康状態は、第１の状態の一例である。
また、例えば、関係度が閾値「０．６」以上閾値「０．９」未満の範囲内である場合には、被検体が疾患Ａに罹患しており、また、被検体の疾患Ａの症状が軽症であると考えられる。このため、生体状態判定機能１４ｂは、関係度が閾値「０．６」以上閾値「０．９」未満の範囲内である場合には、被検体の生体状態が、疾患Ａに罹患しており、疾患Ａの症状が軽症である状態（疾患状態）であると判定する。疾患状態は、第２の状態の一例である。
また、例えば、関係度が閾値「０．４」以上閾値「０．６」未満の範囲内である場合には、被検体の生体状態が、健康状態と疾患状態との間の状態（中間状態）であると考えられる。なお、中間状態とは、例えば、被検体が疾患Ａに罹患していない状態であるものの、上記の「健康状態」よりも疾患状態に移行しやすい状態を指す。このため、生体状態判定機能１４ｂは、関係度が閾値「０．４」以上閾値「０．６」未満の範囲内である場合には、被検体の生体状態が、中間状態であると判定する。中間状態は、第３の状態の一例である。
また、例えば、関係度が閾値「０．９」以上閾値「１．０」以下の範囲内である場合には、被検体が疾患Ａに罹患しており、また、被検体の疾患Ａの症状が重症であるか、若しくは、被検体が死亡していると考えられる。このため、生体状態判定機能１４ｂは、関係度が閾値「０．９」以上閾値「１．０」以下の範囲内である場合には、被検体の生体状態が、疾患Ａに罹患しており、また、疾患Ａの症状が重症であるか、若しくは、死亡している状態（重症・死亡）であると判定する。重症・死亡は、第４の状態の一例である。
上述した方法により、生体状態判定機能１４ｂは、複数の定量スコア及び複数の相関係数に基づいて、疾患Ａに対する被検体の生体状態を判定する。より具体的には、生体状態判定機能１４ｂは、複数の定量スコア及び複数の相関係数に基づいて、被検体と疾患Ａとの関係度を算出し、算出した関係度に基づいて、疾患Ａに対する被検体の生体状態を判定する。そして、生体状態判定機能１４ｂは、同様の方法により、被検体と疾患Ｂ〜疾患Ｎのそれぞれとの関係度を算出し、算出した関係度に基づいて、疾患Ｂ〜Ｎのそれぞれに対する被検体の生体状態を判定する。このように、生体状態判定機能１４ｂは、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報に対する解析により得られた複数の定量スコアに基づいて、疾患Ａ〜Ｎのそれぞれに対する被検体の生体状態を判定する。したがって、本実施形態に係る診断支援装置１０は、被検体の生体状態を精度良く判定することができる。
ここで、先の図３において、生体状態判定機能１４ｂが、上述した単一の疾患についての関係度として、虚血性心疾患についての関係度を算出する場合について説明する。この場合、図３に示すように、球ＳＰの表面上の点Ｐが、虚血性心疾患についての関係度「１．０」に対応する点となる。また、点Ｐ１が、虚血性心疾患についての関係度「０．４」に対応する点となる。また、点Ｐ２が、虚血性心疾患についての関係度「０．５」に対応する点となる。
例えば、被検体が、ある疾患に罹患する前の段階で、他の疾患に罹患する場合がある。例えば、被検体が、虚血性心疾患に罹患するまでに、高脂血症及び動脈硬化性疾患に罹患する。具体的には、まず、被検体が高脂血症に罹患し、被検体が高脂血症である状態がしばらく続くと、血管が硬化し、被検体が動脈硬化性疾患に罹患する。そして、被検体が動脈硬化性疾患である状態がしばらく続くと、冠動脈が閉塞し、被検体が虚血性心疾患に罹患する。
このように、被検体は、健康な状態から、突然、虚血性心疾患に罹患するのではなく、虚血性心疾患に罹患する前の段階で、高脂血症及び動脈硬化性疾患等の疾患に罹患する。そのため、例えば、図３に示すように、被検体が高脂血症に罹患している場合には、点Ｐ１に対応する関係度「０．４」が算出される。また、被検体が動脈硬化性疾患に罹患している場合には、点Ｐ２に対応する関係度「０．５」が算出される。
したがって、生体状態判定機能１４ｂは、更に、虚血性心疾患についての関係度から、虚血性心疾患以外の疾患に罹患しているか否かを判定してもよい。すなわち、生体状態判定機能１４ｂは、虚血性心疾患についての関係度に基づいて、虚血性心疾患以外の疾患について被検体の生体状態を判定してもよい。例えば、生体状態判定機能１４ｂは、虚血性心疾患についての関係度が「０．４」である場合には、虚血性心疾患については中間状態であると判定するとともに、高脂血症については疾患状態であると判定してもよい。また、生体状態判定機能１４ｂは、虚血性心疾患についての関係度が「０．５」である場合には、虚血性心疾患については中間状態であると判定するとともに、動脈硬化性疾患については疾患状態であると判定してもよい。
また、生体状態判定機能１４ｂは、生体状態判定用データベース１３ｋを用いて、複数の疾患（疾患Ａ〜疾患Ｎ）のそれぞれについて判定された生体状態の確からしさを示す総合信頼度を算出する。
まず、疾患Ａについて判定された生体状態の確からしさを示す総合信頼度の算出方法の一例について説明する。例えば、生体状態判定機能１４ｂは、生体状態判定用データベース１３ｋから、疾患Ａについて、遺伝子発現・変異情報１３ａに対応する相関係数「０．８」を取得する。また、生体状態判定機能１４ｂは、生体状態判定用データベース１３ｋから、取得済みの相関係数「０．８」の確からしさを示す信頼度「Ａ」を取得する。
そして、生体状態判定機能１４ｂは、取得した相関係数「０．８」の絶対値と、取得した信頼度「Ａ」との乗算値ｒ１１を算出する。
生体状態判定機能１４ｂは、遺伝子発現・変異情報１３ａ以外の他の生体情報についても、同様の方法で、他の生体情報と疾患Ａとの相関を示す相関係数、及び、この相関係数の確からしさを示す信頼度を取得する。そして、生体状態判定機能１４ｂは、同様に、取得した相関係数の絶対値と取得した信頼度との乗算値を算出する。
具体的には、生体状態判定機能１４ｂは、エピジェネティック環境影響情報１３ｂに対応する相関係数「０．５」の絶対値と、信頼度「Ｂ」との乗算値ｒ１２を算出する。また、生体状態判定機能１４ｂは、タンパク質発現情報１３ｃに対応する相関係数「０．６５」の絶対値と、信頼度「Ａ」との乗算値ｒ１３を算出する。また、生体状態判定機能１４ｂは、シグナル伝達情報１３ｄに対応する相関係数「０．２」の絶対値と、信頼度「Ｂ」との乗算値ｒ１４を算出する。
また、生体状態判定機能１４ｂは、免疫機能情報１３ｅに対応する相関係数「０．４」の絶対値と、信頼度「Ｂ」との乗算値ｒ１５を算出する。また、生体状態判定機能１４ｂは、内分泌機能情報１３ｆに対応する相関係数「０．０１」の絶対値と、信頼度「Ｃ」とのの乗算値ｒ１６を算出する。また、生体状態判定機能１４ｂは、病理情報１３ｇに対応する相関係数「０．９」の絶対値と、信頼度「Ａ」との乗算値ｒ１７を算出する。
また、生体状態判定機能１４ｂは、画像診断情報１３ｈに対応する相関係数「０．３」の絶対値と、信頼度「Ｂ」との乗算値ｒ１８を算出する。また、生体状態判定機能１４ｂは、生理学的情報１３ｉに対応する相関係数「０．０」の絶対値と、信頼度「Ｃ」との乗算値ｒ１９を算出する。また、生体状態判定機能１４ｂは、身体所見・病状情報１３ｊに対応する相関係数「０．１」の絶対値と、信頼度「Ｂ」との乗算値ｒ２０を算出する。
そして、生体状態判定機能１４ｂは、下記の式（１）にしたがって、１０個の乗算値ｒ１１〜ｒ２０の和Ｑを総合信頼度として算出する。
Ｑ＝ｒ１１＋ｒ１２＋ｒ１３＋ｒ１４＋ｒ１５＋ｒ１６＋ｒ１７＋ｒ１８＋ｒ１９＋
ｒ２０ （１）
なお、生体状態判定機能１４ｂは、和Ｑをそのまま総合信頼度として用いてもよいし、和ＱをＡ〜Ｅの複数段階のうちのいずれかの段階に正規化した値を、総合信頼度として用いてもよい。例えば、ここでいう総合信頼度「Ａ」は、総合信頼度「Ｂ」よりも信頼度が高く、総合信頼度「Ｂ」は、総合信頼度「Ｃ」よりも信頼度が高い。また、総合信頼度「Ｃ」は、総合信頼度「Ｄ」よりも信頼度が高く、総合信頼度「Ｄ」は、総合信頼度「Ｅ」よりも信頼度が高い。なお、総合信頼度「Ａ」、「Ｂ」、「Ｃ」、「Ｄ」、「Ｅ」は、数値を示す。例えば、総合信頼度「Ａ」は、「１．０」であり、総合信頼度「Ｂ」は、「０．８」であり、総合信頼度「Ｃ」は、「０．６」である。また、例えば、総合信頼度「Ｄ」は、「０．４」であり、総合信頼度「Ｅ」は、「０．２」である。
上述した方法により、生体状態判定機能１４ｂは、複数の信頼度及び複数の相関係数に基づいて、疾患Ａについて判定された生体状態の確からしさを示す総合信頼度を算出する。そして、生体状態判定機能１４ｂは、同様の方法により、疾患Ｂ〜疾患Ｎのそれぞれについて判定された生体状態の確からしさを示す総合信頼度を算出する。
表示制御機能１４ｃは、複数の疾患Ａ〜疾患Ｎのそれぞれについて算出された関係度及び総合信頼度、及び、複数の疾患Ａ〜疾患Ｎのそれぞれについて判定された生体状態をディスプレイ１２に表示させる。図４は、第１の実施形態に係る関係度及び総合信頼度の表示の一例を示す図である。
例えば、図４に示すように、表示制御機能１４ｃは、疾患Ａについて関係度「０．７５」と疾患状態とを対応付けて、ディスプレイ１２の表示領域１２ａに表示させる。これにより、操作者は、疾患Ａについての被検体の生体状態が、疾患状態であることを容易に判断することができる。
また、表示制御機能１４ｃは、疾患Ｎについて関係度「０．８６」と疾患状態とを対応付けて、ディスプレイ１２の表示領域１２ａに表示させる。これにより、操作者は、疾患Ｎについての被検体の生体状態が、疾患状態であることを容易に判断することができる。
なお、図４の例では、疾患Ｂ〜疾患Ｍについて、関係度及び生体状態の図示が省略されているが、疾患Ａ及び疾患Ｎと同様に、判定された生体状態と算出された関係度とが対応付けられて表示領域１２ａに表示される。
このように、被検体の現在の生体状態が、疾患Ａ〜疾患Ｎのそれぞれにどの程度近いかを可視化される。これにより、操作者は、関係度を低減させるように健康アドバイスや支援を被検体に対して行うことができる。
本実施形態では、上述したように、診断支援装置１０は、被検体の生体状態を精度良く判定することができる。そして、診断支援装置１０は、精度良く判定された生体状態をディスプレイ１２に表示させる。したがって、診断支援装置１０は、疾患についての診断を操作者に精度良く行わせることができる。
また、例えば、図４に示すように、表示制御機能１４ｃは、疾患Ａについての総合信頼度「Ｃ」を、ディスプレイ１２の表示領域１２ａに表示させる。これにより、操作者は、疾患Ａについて判定された「疾患状態」の確からしさが、「Ｃ」であることを把握することができる。
また、表示制御機能１４ｃは、疾患Ｎについての総合信頼度「Ｅ」を、ディスプレイ１２の表示領域１２ａに表示させる。これにより、操作者は、疾患Ｎについて判定された「疾患状態」の確からしさが、「Ｅ」であることを把握することができる。
なお、図４の例では、疾患Ｂ〜疾患Ｍについて、総合信頼度の図示が省略されているが、疾患Ａ及び疾患Ｎと同様に、総合信頼度が表示領域１２ａに表示される。
このように、本実施形態に係る診断支援装置１０は、判定された生体状態の確からしさを示す総合信頼度を疾患毎に表示する。したがって、本実施形態に係る診断支援装置１０によれば、判定された生体状態の確からしさを操作者に把握させることができる。この結果、例えば、操作者は、総合信頼度に応じて、追加の検査の実施等が必要かどうかを判断することができる。
図５は、第１の実施形態に係る診断支援装置による処理の一例の手順を示すフローチャートである。例えば、図５に示す処理は、入力インターフェース１１を介して、操作者が生体状態を判定するための指示を処理回路１４に入力した場合に実行される。
図５に例示するように、スコア算出機能１４ａは、記憶回路１３に記憶された複数種類の生体情報のそれぞれに対して、定量スコアを算出する（ステップＳ１０１）。そして、生体状態判定機能１４ｂは、疾患Ａ〜疾患Ｎのそれぞれについて、複数の定量スコア及び複数の相関係数を用いて関係度を算出し、関係度に基づいて生体状態を判定する（ステップＳ１０２）。
そして、生体状態判定機能１４ｂは、疾患Ａ〜疾患Ｎのそれぞれについて、複数の相関係数及び複数の信頼度を用いて総合信頼度を算出する（ステップＳ１０３）。そして、表示制御機能１４ｃは、疾患Ａ〜疾患Ｎのそれぞれについて、生体状態、関係度及び総合信頼度をディスプレイ１２に表示させ（ステップＳ１０４）、処理を終了する。例えば、ステップＳ１０４では、表示制御機能１４ｃは、上述したように、判定された生体状態と、関係度とを対応付けてディスプレイ１２に表示させる。
以上、第１の実施形態に係る診断支援装置１０について説明した。第１の実施形態に係る診断支援装置１０は、上述したように、被検体の生体状態を精度良く判定することができる。
（第１の実施形態の変形例１）
次に、第１の実施形態の変形例１について説明する。上述した実施形態では、生体状態判定機能１４ｂが、疾患Ａ〜疾患Ｎのそれぞれについて、健康状態、中間状態、疾患状態及び重症・死亡の４つの生体状態のうち、いずれの生体状態であるのかを判定する場合について説明した。しかしながら、生体状態判定機能１４ｂによる生体状態の判定方法は、これに限られない。そこで、変形例１では、生体状態判定機能１４ｂによる生体状態の他の判定方法の一例について説明する。
例えば、変形例１に係る生体状態判定機能１４ｂは、少なくとも、健康状態、中間状態及び疾患状態のうち、いずれの生体状態であるのかを判定すればよい。すなわち、生体状態判定機能１４ｂは、明らかに重体でない被検体に対しては、重症・死亡の判定を行わないようにしてもよい。
変形例１によれば、重症・死亡の判定を行わない分、生体状態の判定による処理負荷を軽減することができる。また、変形例１によれば、第１の実施形態と同様の効果を奏することができる。
（第１の実施形態の変形例２）
また、上述した第１の実施形態では、生体状態判定機能１４ｂが、疾患毎に、１０個の相関係数を用いて、生体状態を判定する場合について説明した。しかしながら、生体状態判定機能１４ｂは、疾患毎に、１０個の相関係数のうち、特定の信頼度以上の信頼度に対応する相関係数を用いて生体状態を判定してもよい。そこで、このような変形例を第１の実施形態の変形例２として説明する。なお、変形例２の説明では、第１の実施形態と異なる点を主に説明する。
以下、信頼度「Ａ」が「１．０」であり、信頼度「Ｂ」が「０．７」であり、信頼度「Ｃ」が「０．３」であり、特定の信頼度が「０．８」である場合について説明する。この場合、複数の信頼度「Ａ」、「Ｂ」、「Ｃ」のうち、特定の信頼度「０．８」以上の信頼度は、信頼度「Ａ」である。変形例２では、生体状態判定機能１４ｂは、信頼度「Ａ」に対応する相関係数を用いて、疾患Ａ〜疾患Ｎのそれぞれについての生体状態を判定する。
例えば、生体状態判定機能１４ｂは、疾患Ａについての生体状態を判定する場合、図２に示す生体状態判定用データベース１３ｋの中から、信頼度「Ａ」に対応する相関係数を用いる。例えば、生体状態判定機能１４ｂは、上から順に、信頼度「Ａ」に対応する相関係数「０．８」、信頼度「Ａ」に対応する相関係数「０．６５」、信頼度「Ａ」に対応する相関係数「０．９」を用いる。すなわち、生体状態判定機能１４ｂは、３次元の座標空間に、点ｒ´（ｒ１，ｒ３，ｒ７）を配置した場合の、３次元の座標空間の原点Ｏと点ｒ´との間の距離を算出する。なお、かかる距離は、（ｒ１，ｒ３，ｒ７）を成分とするベクトルの大きさでもある。
そして、生体状態判定機能１４ｂは、第１の実施形態と同様に、算出した距離が「０」以上「１」以内の範囲の値となるように、算出した距離を正規化し、正規化された距離を関係度として算出する。そして、生体状態判定機能１４ｂは、第１の実施形態と同様に、算出された関係度に基づいて、疾患Ａについての生体状態を判定する。そして、生体状態判定機能１４ｂは、同様の方法で、疾患Ｂ〜疾患Ｎのそれぞれについての生体状態を判定する。
変形例２によれば、診断支援装置１０は、特定の信頼度以上の信頼度に対応する相関係数を用いて、生体状態を判定する。したがって、変形例２に係る診断支援装置１０によれば、被検体の生体状態を更に精度良く判定することができる。
（第１の実施形態の変形例３）
上述した第１の実施形態では、生体状態判定機能１４ｂが、図４に示す複数の閾値「０．４」、「０．６」及び「０．９」と、関係度とを比較することにより、疾患Ａに対する生体状態を判定する場合について説明した。ここで、例えば、図４において、疾患Ａについての関係度が「０．３９」である場合、被検体の生体状態が健康状態であると判定されるものの、中間状態に移行しやすい状態でもある。他の生体状態においても同様である。また、他の疾患においても同様である。すなわち、閾値と関係度との差の絶対値が特定の値（例えば、０．２）以下である場合には、被検体は、生体状態判定機能１４ｂにより判定された生体状態とは異なる生体状態に移行しやすい状態である。
そこで、変形例３では、生体状態判定機能１４ｂは、第１の実施形態と同様の処理を行うとともに、判定された生体状態とは異なる生体状態に移行しやすい状態であることを操作者に把握させるために、以下に説明する処理を実行する。なお、変形例３の説明では、第１の実施形態と異なる点を主に説明する。
例えば、生体状態判定機能１４ｂは、複数の閾値のそれぞれと、関係度との差の絶対値を算出する。これにより、複数の差の絶対値が算出される。そして、生体状態判定機能１４ｂは、複数の差の絶対値のそれぞれが、特定の値以下であるか否かを判定する。そして、生体状態判定機能１４ｂは、複数の差の絶対値のうち、少なくとも１つの絶対値が特定の値以下であると判定された場合には、判定された生体状態とは異なる生体状態に移行しやすい状態であることを示す情報（警告情報）をディスプレイ１２に表示させる。すなわち、生体状態判定機能１４ｂは、複数の閾値のうち少なくとも１つの閾値と関係度との差の絶対値が特定の値以下である場合には、警告情報をディスプレイ１２に表示させる。これにより、操作者は、判定された生体状態とは異なる生体状態に移行しやすい状態であることを把握することができる。
図６は、第１の実施形態の変形例３に係る警告情報の一例を示す図である。図６に例示するように、閾値「０．６」と関係度「０．５８」との差の絶対値が、特定の値以下である場合に、生体状態判定機能１４ｂは、警告情報として、テキストデータ「疾患状態に近い中間状態です」を生成し、生成したテキストデータをディスプレイ１２の表示領域１２ａに表示させる。これにより、操作者は、判定された中間状態とは異なる疾患状態に移行しやすい状態であることを把握することができる。
ここで、特に、慢性疾患及びがんでは、正常な状態を維持しようとする恒常性（Homeostasis）の維持が重要である。一般的に、生体システムは、生命活動を維持するために、冗長性と安定性を有する維持機構を有している。例えば、医師が被検体に対して一見して同じ状態と判断できる状態でも、実際には、真に問題無く健康な状態で維持されている状態と、維持機構が最大限働いて何とか機能を維持している状態とがある。
生体の状態及び機能の実現には、複数の冗長経路を有した複雑なシステム（冗長機構）が用いられている。この冗長機構は、恒常性の維持に寄与している一方で、破綻寸前まで状態及び機能を維持しようとすることが多く、疾患の悪化を進める方向に働く。このため、詳細な状態を精度良く判定することが重要となる。
変形例３では、例えば、被検体の生体状態が疾患状態と判定されても、疾患状態と重症・死亡との境界を示す閾値と、関係度との差の絶対値が、特定の値以下である場合には、重症・死亡に移行しやすい状態であることを操作者が把握することができる。すなわち、維持機構が最大限働いて何とか機能を維持している情報を操作者は把握することができる。
（第２の実施形態）
次に、第２の実施形態について説明する。第２の実施形態では、定量スコアを用いずに、生体状態を判定する。そのため、第２の実施形態では、処理回路１４は、スコア算出機能１４ａを備えずに、生体状態判定機能１４ｂ及び表示制御機能１４ｃを備える。
第２の実施形態では、生体状態判定機能１４ｂは、状態方程式及び観測方程式を用いて、生体状態を推定する。
第２の実施形態では、例えば、被検体の現在の生体状態の推定には、離散的な誤差のある観測から、時々刻々と時間変化する量を推定するのに適するカルマンフィルターを、生体という非線形動的システムに応用した状態空間モデルを応用した例を説明する。例えば、過去のデータから未来を予測する時系列分析では、過去のデータが時系列に存在しない又は欠損値がある場合は、予測ができない又は予測精度が大きく劣化する。しかしながら、離散的なデータしか存在しない場合もあるし、観測した結果と実際の状態とが整合しない場合もある。第２の実施形態では、状態方程式と観測方程式とに分けてモデル化し、観測値を推定するとともに、実測値がある部分に関しては、予測水準に反映するという柔軟なモデルを構築する。なお、状態方程式については、マルコフ性を仮定する。
図７は、第２の実施形態における生体状態の推定方法の一例を説明するための図である。図７は、状態空間モデルを概念的に示したものである。第２の実施形態では、生体状態判定機能１４ｂは、以下の状態方程式（２）及び以下の観測方程式（３）を用いて、図７に示すように、被検体の現在の時刻の生体状態Ｓｔを推定する。
Ｓｔ＝Ｇ（Ｓt-1，ａt，ｕt） （２）
Ｄｔ＝Ｆ（Ｇt-1，ｂt，ｗt） （３）
上述の状態方程式（２）において、「Ｓt-1」は、現在の時刻から１ステップ前の時刻の被検体の生体状態を示す変数である。「ａt」は、現在の時刻の説明変数である。「ｕt」は、現在の時刻のシステムノイズ及び生体のゆらぎを示す変数である。
例えば、本実施形態では、４つの生体状態（健康状態、中間状態、疾患状態、重症・死亡）のそれぞれが数値化されて用いられる。したがって、「Ｓt-1」及び「Ｓｔ」は、数値として扱われる。関数Ｇは、「Ｓt-1」、「ａt」及び「ｕt」を用いて、現在の時刻の被検体の生体状態Ｓｔを出力する関数である。また、初期値Ｓ０は、操作者により入力インターフェース１１を介して処理回路１４に入力されて、生体状態判定機能１４ｂにより記憶回路１３に記憶される。
上述の観測方程式（３）において、観測値Ｄtは、現在の時刻の被検体の生体情報を示す変数である。例えば、観測値Ｄtは、血液検査により得られたＨｂＡ１ｃを示す生体情報である。「Ｇt-1」は、「Ｓt」である。「ｂt」は、現在の時刻の説明変数である。「ｗt」は、現在の時刻の観測ノイズを示す変数である。関数Ｆは、「Ｇt-1」、「ｂt」及び「ｗt」を用いて、観測値Ｄｔを出力する関数である。
図７に示すように、観測できない状態をモデルに組み込むことで、より複雑な生体状態の時系列モデルを構築することができる。また、生体状態判定機能１４ｂは、過去の生体状態に基づく現在の生体状態を、現在の観測値を基に補正し、より精度の高い現在の生体状態を判定することが可能となる。
例えば、生体状態判定機能１４ｂは、以下の式（４）を用いて、より精度の高い、補正された現在の時刻の生体状態ＳＡを推定する。
ＳＡ＝ＳＲ＋Ｋ（ＤＲ−ＤＰ） （４）
式（４）において、「ＳＡ」は、補正された現在の時刻の生体状態を示す変数である。「ＳＲ」は、補正前の現在の時刻の生体状態を示す変数である。「Ｋ」は、カルマンゲインである。「ＤＲ」は、実際の観測値である。すなわち、「ＤＲ」は、実際の血液検査により得られた現在の時刻のＨｂＡ１ｃを示す生体情報である。「ＤＰ」は、予測された観測値である。すなわち、「ＤＰ」は、観測方程式（３）により予測された現在の時刻のＨｂＡ１ｃを示す生体情報である。
生体状態判定機能１４ｂは、式（４）を用いて、現在の生体状態を補正することにより、より精度の高い現在の生体状態を判定することができる。
そして、生体状態判定機能１４ｂは、現在の生体状態を、複数の定量スコアに対して整合をとるように更に補正し、その状態から他の観測していない欠損値に対しても統計的に推定することで、観測・非観測を問わず、現在の時刻の生体状態が確定する。
現在の時刻の生体状態が、病気の状態（疾患状態及び重症・死亡）であれば、操作者は、確定診断を行ったり、総合信頼度が低ければ、追加の検査等を行うか否かの判断を行ったりする。
以上、第２の実施形態に係る診断支援装置１０について説明した。第２の実施形態に係る診断支援装置１０は、状態方程式及び観測方程式を用いて、被検体の生体状態を精度良く判定することができる。
（第３の実施形態）
第１の実施形態では、生体状態判定機能１４ｂが、疾患毎に、１０個の定量スコア、及び、１０個の相関係数を用いて関係度を算出する場合について説明した。しかしながら、生体状態判定機能１４ｂは、１０個の相関係数の代わりに、学習済みモデルを用いて、１０個の定量スコアから、関係度を導出してもよい。そこで、このような実施形態を第３の実施形態として説明する。
第３の実施形態では、記憶回路１３に、疾患Ａ〜疾患Ｎのそれぞれに対応する学習済みモデルが記憶されている。すなわち、記憶回路１３には、１４個の学習済みモデルが記憶されている。学習済みモデルは、１０個の定量スコアの入力を受けて、生体状態を出力する。
例えば、疾患Ａに対応する学習済みモデルは、診断支援装置１０で生成されてもよいし、診断支援装置１０以外の装置で生成されてもよい。以下、診断支援装置１０以外の装置が、疾患Ａに対応する学習済みモデルを生成する場合について説明する。以下の説明では、このような装置を、学習済みモデル生成装置と表記する。
学習済みモデル生成装置は、被検体の複数の生体情報の組合せと、疾患Ａに対する生体状態との関係を学習することによって、疾患Ａに対応する学習済みモデルを生成する。ここでいう複数の生体情報とは、遺伝子発現・変異情報１３ａ、エピジェネティック環境影響情報１３ｂ、タンパク質発現情報１３ｃ、シグナル伝達情報１３ｄ、免疫機能情報１３ｅ、内分泌機能情報１３ｆ、病理情報１３ｇ、画像診断情報１３ｈ、生理学的情報１３ｉ及び身体所見・病状情報１３ｊである。
例えば、学習済みモデル生成装置は、上記組合せと生体状態の組を学習用データ（教師データ）として機械学習エンジンに入力することによって、機械学習を行う。
このような機械学習の結果として、学習済みモデル生成装置は、上記組合せの入力に対して、生体状態を出力する学習済みモデルを生成する。このように、学習済みモデル生成装置は、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を用いて学習済みモデルを生成する。このため、学習済みモデル生成装置は、精度の良い生体状態を出力する学習済みモデルを生成することができる。そして、学習済みモデル生成装置は、生成した学習済みモデルを、図示しないネットワークを介して、診断支援装置１０に送信する。診断支援装置１０は、受信した学習済みモデルを記憶回路１３に記憶させる。
そして、診断支援装置１０の生体状態判定機能１４ｂは、疾患Ａに対応する学習済みモデルに１０個の定量スコアを入力することで、生体情報を導出する。生体状態判定機能１４ｂは、同様の方法で、疾患Ｂ〜疾患Ｎのそれぞれに対応する学習済みモデルに１０個の定量スコアを入力することで、疾患Ｂ〜疾患Ｎのそれぞれについての生体情報を導出する。
以上、第３の実施形態に係る診断支援装置１０について説明した。第３の実施形態に係る診断支援装置１０は、学習済みモデルを用いて、被検体の生体状態を精度良く判定することができる。
以上説明した少なくとも１つの実施形態及び変形例によれば、被検体の生体状態を精度良く判定することができる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これらの実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これらの実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１０ 診断支援装置
１３ 記憶回路
１４ 処理回路
１４ａ スコア算出機能
１４ｂ 生体状態判定機能
１４ｃ 表示制御機能

Claims (16)

  1. 被検体の遺伝子発現・変異情報、エピジェネティック環境影響情報、タンパク質発現情報、シグナル伝達情報、免疫機能情報、内分泌機能情報、病理情報、画像診断情報、生理学的情報、身体所見及び病状情報を含む複数種類の生体情報を記憶する記憶部と、
    前記複数種類の生体情報に対する解析により得られた複数の解析結果に基づいて、前記被検体の生体状態を判定する判定部と、
    を備える、診断支援装置。
  2. 前記複数種類の生体情報に対して前記解析を行って、前記複数の解析結果を得る解析部を更に備え、
    前記判定部は、前記複数の解析結果に基づいて、前記生体状態を判定する、
    請求項１に記載の診断支援装置。
  3. 前記判定部は、前記複数の解析結果、及び、疾患と前記複数種類の生体情報のそれぞれとの相関を示す相関係数に基づいて、前記生体状態を判定する、
    請求項２に記載の診断支援装置。
  4. 前記判定部は、前記解析結果、及び、前記相関係数に基づいて、前記被検体と前記疾患との関係度を算出し、算出した関係度に基づいて、前記生体状態を判定する、
    請求項３に記載の診断支援装置。
  5. 前記判定部は、前記生体状態として、少なくとも、前記被検体が前記疾患に罹患していない第１の状態、前記被検体が前記疾患に罹患している第２の状態、及び、前記第１の状態と前記第２の状態との間の第３の状態のいずれの状態であるのかを判定する、
    請求項３又は４に記載の診断支援装置。
  6. 前記判定部は、複数の前記疾患のそれぞれについて、前記生体状態を判定する、
    請求項３〜５のいずれか１つに記載の診断支援装置。
  7. 前記判定部は、複数の前記相関係数のそれぞれの信頼度、及び、前記複数の相関係数に基づいて、前記生体状態の確からしさを示す総合信頼度を算出する、
    請求項３〜５のいずれか１つに記載の診断支援装置。
  8. 前記判定部は、前記複数の疾患のそれぞれについて、複数の前記相関係数のそれぞれの信頼度、及び、前記複数の相関係数に基づいて、前記生体状態の確からしさを示す総合信頼度を算出する、
    請求項６に記載の診断支援装置。
  9. 前記判定部は、前記複数の相関係数のうち、特定の信頼度より高い信頼度に対応する相関係数を用いて、前記生体状態を判定する、
    請求項７又は８に記載の診断支援装置。
  10. 前記判定部は、
    複数の閾値と前記関係度を比較することにより前記生体状態を判定し、
    前記複数の閾値のうちいずれか１つの閾値と前記関係度との差の絶対値が特定の値以下である場合には、判定された前記生体状態とは異なる生体状態に移行しやすい状態であることを示す情報を算出する、
    請求項４に記載の診断支援装置。
  11. 前記判定部は、前記関係度に基づいて、前記疾患以外の疾患について前記被検体の生体状態を判定する、
    請求項４に記載の診断支援装置。
  12. 前記生体状態を表示部に表示させる表示制御部を更に備える、
    請求項１〜１１のいずれか１つに記載の診断支援装置。
  13. 前記関係度を表示部に表示させる表示制御部を更に備える、
    請求項４に記載の診断支援装置。
  14. 前記生体状態及び前記総合信頼度を表示部に表示させる表示制御部を更に備える、
    請求項７〜９のいずれか１つに記載の診断支援装置。
  15. 前記情報を表示部に表示させる表示制御部を更に備える、
    請求項１０に記載の診断支援装置。
  16. 前記記憶部は、前記被検体の遺伝子に関する生体情報、タンパク質に関する生体情報、シグナル伝達に関する生体情報、内分泌機能に関する生体情報、免疫機能に関する生体情報、環境影響に関する生体情報、及び、人体に関する生体情報を含む前記複数種類の生体情報を記憶する、
    請求項１〜１５のいずれか１つに記載の診断支援装置。
JP2020082160A 2019-05-10 2020-05-07 診断支援装置 Pending JP2020185382A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019089492 2019-05-10
JP2019089492 2019-05-10

Publications (1)

Publication Number Publication Date
JP2020185382A true JP2020185382A (ja) 2020-11-19

Family

ID=73046576

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020082160A Pending JP2020185382A (ja) 2019-05-10 2020-05-07 診断支援装置

Country Status (2)

Country Link
US (1) US20200357520A1 (ja)
JP (1) JP2020185382A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023210497A1 (ja) * 2022-04-26 2023-11-02 ソニーグループ株式会社 診断支援装置、診断支援方法およびプログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12094579B2 (en) * 2020-04-03 2024-09-17 Oregon State University Machine-learning method and apparatus to isolate chemical signatures
US11908577B2 (en) 2022-07-22 2024-02-20 Health Science Partners LLC Telemedicine platform including virtual assistance

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006031190A (ja) * 2004-07-13 2006-02-02 Ntt Data Corp リスク評価装置、及び、プログラム
US20080076976A1 (en) * 2006-09-25 2008-03-27 Kabushiki Kaisha Toshiba Examination-item-selection device, an examination-item-selection method, and an examination-item-selection program
JP2008293055A (ja) * 2005-09-06 2008-12-04 Signpost Corp 患者情報管理システム及びその方法
WO2015050174A1 (ja) * 2013-10-01 2015-04-09 国立大学法人東北大学 健康情報処理装置、健康情報表示装置及び方法
JP2017131495A (ja) * 2016-01-29 2017-08-03 芙蓉開発株式会社 病気診断装置
JP2018029612A (ja) * 2009-05-07 2018-03-01 ベラサイト インコーポレイテッド 甲状腺状態の診断のための方法および組成物

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8202095B2 (en) * 2007-12-14 2012-06-19 Medical Care Corporation Cognitive function index
US9153142B2 (en) * 2011-05-26 2015-10-06 International Business Machines Corporation User interface for an evidence-based, hypothesis-generating decision support system
US10437858B2 (en) * 2011-11-23 2019-10-08 23Andme, Inc. Database and data processing system for use with a network-based personal genetics services platform
US20160283686A1 (en) * 2015-03-23 2016-09-29 International Business Machines Corporation Identifying And Ranking Individual-Level Risk Factors Using Personalized Predictive Models
US11200967B1 (en) * 2016-04-05 2021-12-14 Sandeep Jain Medical patient synergistic treatment application
US20180166174A1 (en) * 2016-08-02 2018-06-14 Thomas J. Lewis Disease Mitigation and Elimination Health Learning Engine
JP6644335B2 (ja) * 2018-07-31 2020-02-12 株式会社Ｓｐｌｉｎｋ 認知症リスク提示システム、及び、認知症リスク提示方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006031190A (ja) * 2004-07-13 2006-02-02 Ntt Data Corp リスク評価装置、及び、プログラム
JP2008293055A (ja) * 2005-09-06 2008-12-04 Signpost Corp 患者情報管理システム及びその方法
US20080076976A1 (en) * 2006-09-25 2008-03-27 Kabushiki Kaisha Toshiba Examination-item-selection device, an examination-item-selection method, and an examination-item-selection program
JP2018029612A (ja) * 2009-05-07 2018-03-01 ベラサイト インコーポレイテッド 甲状腺状態の診断のための方法および組成物
WO2015050174A1 (ja) * 2013-10-01 2015-04-09 国立大学法人東北大学 健康情報処理装置、健康情報表示装置及び方法
JP2017131495A (ja) * 2016-01-29 2017-08-03 芙蓉開発株式会社 病気診断装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023210497A1 (ja) * 2022-04-26 2023-11-02 ソニーグループ株式会社 診断支援装置、診断支援方法およびプログラム

Also Published As

Publication number Publication date
US20200357520A1 (en) 2020-11-12

Similar Documents

Publication Publication Date Title
US8280750B2 (en) Patient data mining for cardiology screening
JP2020185382A (ja) 診断支援装置
US11769591B2 (en) Computer aided diagnosis and monitoring of heart failure patients
Bobbia et al. Does physician experience influence the interpretability of focused echocardiography images performed by a pocket device?
Luo et al. Computational methods to automate the initial interpretation of lower extremity arterial Doppler and duplex carotid ultrasound studies
Gognieva et al. Noninvasive assessment of the fractional flow reserve with the CT FFRc 1D method: Final results of a pilot study
Danala et al. Applying quantitative radiographic image markers to predict clinical complications after aneurysmal subarachnoid hemorrhage: A pilot study
JP7451156B2 (ja) 診療支援装置
US20200342964A1 (en) Medical information processing apparatus, ordering system and method
JP2022059448A (ja) 診療支援システム
JP7238705B2 (ja) 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム
JP7394133B2 (ja) 心臓の虚血および冠動脈疾患を診断するためのシステム、および方法
US20210335457A1 (en) Mapping a patient to clinical trials for patient specific clinical decision support
JP7331620B2 (ja) 診断支援方法および診断支援システム
JP7486318B2 (ja) 医用情報処理装置、医用情報処理方法、および医用情報処理プログラム
JP5348998B2 (ja) 画像検索装置及びその方法
JP7498017B2 (ja) 診断支援装置
EP4022636A1 (en) Methods and systems for computer-aided diagnosis with deep learning models
Nicolas et al. Artificial Intelligence–Advisory or Adversary?
US20220285031A1 (en) Medical information processing apparatus
JP7537953B2 (ja) 医用情報処理装置、医用情報処理システム及び医用情報処理方法
US20220102013A1 (en) Medical service support device and medical service support system
Yılmaz et al. Which is Better in Predicting Mortality in Patients Hospitalized for COVID-19: CURB-65 Score Versus Physicians’ Gestalt
National Academies of Sciences, Engineering, and Medicine Overview of Selected Techniques for Diagnosing and Evaluating Patients
Brandt et al. Artificial Intelligence-Based CT-Derived Fractional Flow Reserve (CT-FFR)

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230325

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230913

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230926

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20231027

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240124

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20240508

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240805

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20240815

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240904