JP2021128115A - 新規検査開発サーバ及び新規検査開発方法 - Google Patents
新規検査開発サーバ及び新規検査開発方法 Download PDFInfo
- Publication number
- JP2021128115A JP2021128115A JP2020024153A JP2020024153A JP2021128115A JP 2021128115 A JP2021128115 A JP 2021128115A JP 2020024153 A JP2020024153 A JP 2020024153A JP 2020024153 A JP2020024153 A JP 2020024153A JP 2021128115 A JP2021128115 A JP 2021128115A
- Authority
- JP
- Japan
- Prior art keywords
- urinary
- analysis
- information
- cancer
- new
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011161 development Methods 0.000 title claims description 75
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 96
- 239000002207 metabolite Substances 0.000 claims abstract description 93
- 201000011510 cancer Diseases 0.000 claims abstract description 69
- 210000002700 urine Anatomy 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 230000002485 urinary effect Effects 0.000 claims description 152
- 238000012360 testing method Methods 0.000 claims description 97
- 238000004458 analytical method Methods 0.000 claims description 86
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 238000000585 Mann–Whitney U test Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 abstract 3
- 239000000439 tumor marker Substances 0.000 description 61
- 206010029260 Neuroblastoma Diseases 0.000 description 31
- 208000011654 childhood malignant neoplasm Diseases 0.000 description 19
- 230000037353 metabolic pathway Effects 0.000 description 17
- 238000010998 test method Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 10
- 230000035945 sensitivity Effects 0.000 description 10
- 230000001225 therapeutic effect Effects 0.000 description 10
- 238000003068 pathway analysis Methods 0.000 description 9
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 230000002503 metabolic effect Effects 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 244000035744 Hura crepitans Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- KPVAJIDSYFXVKV-UHFFFAOYSA-N methylisogerammbullone Natural products CS(=O)(=O)C=CC(=O)N(C)CCC1=CC=C(OCCC(C)=CC(=O)C=C(C)C)C=C1 KPVAJIDSYFXVKV-UHFFFAOYSA-N 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 229940109239 creatinine Drugs 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- VURKRJGMSKJIQX-UHFFFAOYSA-N xanthopterin Chemical compound N1C(=O)C=NC2=C1C(=O)N=C(N)N2 VURKRJGMSKJIQX-UHFFFAOYSA-N 0.000 description 4
- 150000001413 amino acids Chemical class 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 235000014113 dietary fatty acids Nutrition 0.000 description 3
- 229930195729 fatty acid Natural products 0.000 description 3
- 239000000194 fatty acid Substances 0.000 description 3
- 150000004665 fatty acids Chemical class 0.000 description 3
- 238000013467 fragmentation Methods 0.000 description 3
- 238000006062 fragmentation reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 108020004707 nucleic acids Proteins 0.000 description 3
- 102000039446 nucleic acids Human genes 0.000 description 3
- 150000007523 nucleic acids Chemical class 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012916 structural analysis Methods 0.000 description 3
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000004896 high resolution mass spectrometry Methods 0.000 description 2
- 229960000890 hydrocortisone Drugs 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000013332 literature search Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000004885 tandem mass spectrometry Methods 0.000 description 2
- ORZHQEJEAKXCJA-UHFFFAOYSA-N 3-methoxytyramine sulfate Chemical compound COc1cc(CC[NH3+])ccc1OS([O-])(=O)=O ORZHQEJEAKXCJA-UHFFFAOYSA-N 0.000 description 1
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 108700011259 MicroRNAs Proteins 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000001793 Wilcoxon signed-rank test Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229960005305 adenosine Drugs 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000132 electrospray ionisation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000000126 in silico method Methods 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000002679 microRNA Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 150000003904 phospholipids Chemical class 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
+γ×(尿中腫瘍マーカ#3の強度)+δ
・・・ (1)
その他の解決手段は、実施形態中において適宜記載する。
図1は、本実施形態における新規検査開発システム1の構成例を示す図である。
新規検査開発システム1は、新規検査開発センタA1に設置され、新しい検査手法(新検査手法)の開発を行うための新規検査開発サーバ100と、外部医療機関A2に設置されている外部医療機関サーバ300と、総合解析センタA3に設置されている総合解析センタサーバ400とを有する。総合解析センタA3は、外部医療機関A2と連携し、がん検査の結果等を集中管理する。なお、総合解析センタA3及び総合解析センタサーバ400は省略可能である。
さらに、新規検査開発センタA1には、外部医療機関A2における尿検体プールPLから送られてくる尿検体UPを貯蔵するための尿検体貯蔵庫204が設置されている。尿検体貯蔵庫では、通常−80℃程度で尿検体が保管されている。
被検者DB311には、被検者の名前や、生年月日等といった被検者に関する情報が保存されている。診療DB312には、各種検査結果を含めたカルテデータ等が保存されている。尿検体管理DB313には、尿検体プールPLに収納されている尿検体UPの採取日時等といった尿検体UPを管理するための情報が保存されている。検査結果DB314には、外部医療機関A2で行われる、がん検査モデルによるがん検査の結果が保存されている。がん検査モデルによるがん検査とは、式(1)に基づく予測値を用いたがん検査である。
図2は、データカタログDB117に保存されているデータカタログ117Aの一例を示す図である。
データカタログ117Aは、「データ種別」、「出所」、「オーナ」、「タグ」、「最終更新日」、「種別」、「ファイル形式」の各項目を有する。
「データ種別」には、がん検査モデルによるがん検査で特徴的なパラメータとして、「尿検体情報」、「被検者情報」、「診療情報/検査数値」、「診療情報/検査画像」、「尿検体UPの網羅的解析結果」、「尿検体分析結果/オスモル濃度」、「尿中腫瘍マーカ定量結果」、「尿検体ウイルスチェック」、「がん検査モデルによる解析結果」、「がん検査モデルによるリスク評価」等が保存される。なお、「診療情報/検査画像」には、後記するMIBGシンチグラフィー画像やCT画像等が含まれる。また、「がん検査モデルによる解析結果」とは、式(1)に基づく予測値の値であり、「がん検査モデルによるリスク評価」とは、式(1)に基づく予測値による、実際のがんの陽性・陰性の評価結果である。
「オーナ」は、「出所」に保存されている施設の長である。
「タグ」は、データ本体のリンクが保存されている。新規検査開発サーバ100は、「タグ」に保存されているリンク先から必要なデータを取得することができる。
「種別」は、対応するデータが「社内」から取得されたものか、「社外」から取得されたものかに関する情報が保存される。なお、「社内」とは新規検査開発センタA1の内部を意味し、「社外」とは新規検査開発センタA1の外部を意味する。
「ファイル形式」は、データの保存形式の情報が格納されている。データベースには、検査数値のような構造データばかりでなく、画像のような非構造データも含まれているので、「ファイル形式」では、その区別を示している。
なお、データカタログ117Aに保存される各データ及び各情報は、管理者等が手入力で入力することが基本であるが、「被検者情報」等、新規検査開発サーバ100によって自動的に収集可能な情報については、新規検査開発サーバ100が収集してもよい。
また、「出所」、「オーナ」、「種別」の情報は省略可能である。
図3は、本実施形態における新検査手法の開発手順の概要を示す図である。
新規検査開発サーバ100は、各種DB113,114,311〜314からデータカタログ117Aを生成する。そして、新規検査開発サーバ100は、生成したデータカタログ117Aから必要なデータをサンドボックス121に抽出する。このサンドボックス121では、様々な解析ツールを用いて種々解析を行うことになる。各種検査結果、解析結果、分析結果等をデータカタログ117Aとして統合できるようにしておいて、いろいろなデータ解析を行って可視化できるようにしてあることが本実施形態のポイントとなる。解析ツールによる結果は、表示装置105に表示される。
図4は、本実施形態における新検査手法の開発における詳細な手順を示すフローチャートである。
なお、図4のステップS301が、図3のサンドボックス121で行われる処理に相当する。
基本的には、新規検査開発センタA1が、大学病院、公的医療機関等から、尿検体群UG(健常者/がん患者)を、診療データを含めて回収する(S101)。
回収された尿検体群UGにおける尿検体UPは、新規検査開発センタA1に設置されているLC/MSによって網羅的に解析される(S102)。ここでは、健常者の尿検体UPと、がん患者の尿検体UPとについて、LC/MSによる解析が行われ、尿中代謝物を多数検出する。後記する処理で、健常者由来の尿中代謝物と、がん患者由来の尿中代謝物とを識別するために、できるだけ多くの尿中代謝物が検出されることが望ましい。そのために、液体クロマトグラフィーにおける複数の分離モード(逆相モード及び親水性相互作用モード)と、質量分析計における正負エレクトロスプレーイオン化法を組み合わせた解析が行われる。
次に、新規検査開発サーバ100が、LC/MSの解析によって得られた解析結果についてデータの前処理を行う(S103)。前処理として、例えば、以下の(T1)に記載する手法等がある。
(T1)尿検体UPは被検者の身体状況によって、その濃度が異なることが予想される。これを補正するため、新規検査開発サーバ100が、オスモル濃度を利用した補正、又は尿中クレアチニンの定量による補正、等を適用してもよい。これらの補正により、オスモル濃度で正規化した解析データの取得が可能となる。
そして、構造解析尿中代謝物に対して代謝経路解析が行われる(S121)。代謝経路解析の結果、がんに関係すると判定された尿中代謝物が尿中腫瘍マーカ候補となる。
図5Aに示すように、「代謝サブパスウェイ#1」、「代謝サブパスウェイ#2」、「代謝サブパスウェイ#3」のいずれかに関わる尿中代謝物が、小児がん(神経芽腫)患者と、健常者とを区別する「尿中腫瘍マーカ群#1」を構成する尿中腫瘍マーカ候補となる。
ステップS107の後、新規検査開発サーバ100が、最終的に抽出した腫瘍マーカ候補群を用いて、多変量解析の一種であるOPLS判別を行う(S108)。これにより、健常者とがん患者を識別するための予測式が計算される。
OPLS判別の場合、尿中腫瘍マーカ数が多くなった場合には、以下の式(11)及び式(12)のような指標を用いて判断することも可能である。ここで、R2Yは説明変数、Q2は予測変数と呼ばれるもので、R2Yの値が1に近いほどモデルの精度は高く、Q2の値が1に近いほどモデルの予測性は高い。
・・・ (11)
Q2=1−{Σ(Yobs−Ypred)2/Σ(Yobs−Yave)2}
・・・ (12)
図6に示す代謝物パネルは、横軸がグループ、年齢、性別、各尿中代謝物の代謝物名となっている(診療情報)。縦軸が被検者となっている。この代謝物パネルにおける基準範囲は、健常者における測定値の95%区間を意味しており、限界値は以下の式(21)で算出される。
このようにして、尿中腫瘍マーカ群が決定され、新規検査開発サーバ100は、決定された尿中腫瘍マーカ群による予測値(式(1))、すなわち、がん解析モデルを決定する(S111)。
なお、ウィルコクソン順位和検定(S105)、ランダムフォレスト解析(S107)、OPLS判定(S108)は、必要に応じて行われればよく、すべてが行われる必要はない。
次に、図7〜図9を参照して、本実施形態に示す新規検査開発システム1を小児がん(神経芽腫)に適用した例を示す。図7〜図9に示す適用例は、図4のステップS301で検討された新検査手法の例である。
まず、図7に、これまで一般的に行われている小児がんの検査結果を示す。
図7には、0歳児から10歳児までの小児がん6名と健常な児58名を一般的にも知られている手法で検査した例を示している。
このときの尿中腫瘍マーカは、3−methoxy−tyramine、sulfate、xanthopterin、cortisolの3種である。つまり、これらの尿中腫瘍マーカの強度に基づいた式(1)により、図7に示す予測値が算出される。なお、図8に示す予測値も同様である。
図7において、ドットで示す棒グラフは、あらかじめ小児がんであることが分かっている患者6名それぞれの予測値を示す。また、白抜きで示す棒グラフは、予め健常であることが分かっている患者58名それぞれの予測値を示す。予測値が正であれば陽性であることを示し、予測値が負であれば陰性であることを示す。
感度は以下に示す式(31)で表され、特異度は以下に示す式(32)で表される。
・・・ (31)
特異度=(予測値によって健常な児と検出された人数/実際の健常な児の数)×100)
・・・ (32)
図7に示す、式(31)、式(32)を適用すると、以下の結果が得られる。
感度=(6/6)×100=100%
特異度=((58−5)/58)×100=91.3%
図8は、図7に示す検査に用いられたデータの年齢構成を示す図である。
図8において、白抜きの部分は、予め健常と分かっている患者において陰性と判定された患者数を示す。ドットの部分は、予めがん(小児がん)を発症している患者において陽性と判定された患者数を示す。そして、斜線の部分は、予め健常とわかっている患者において陽性と判定された患者、すなわち、偽陽性の患者数を示す。ちなみに、陽性とは予測値が正となることであり、陰性とは、予測値が負となることである。
感度=(6/6)×100=100%
特異度=(48/48)×100=100%
(Z1)ユーザは、感度及び特異度が高くなることを新検査の条件として、入力装置104を介して新規検査開発サーバ100に入力する。
(Z2)新規検査開発サーバ100は、感度及び特異度を用いる検査手法において用いるデータをデータカタログ117Aから収集し、ランダムに組み合わせて感度及び特異度が高くなるデータの組み合わせを抽出する。例えば、偽陽性の数を評価値として、新規検査開発サーバ100は、当該評価値(偽陽性の数)が最も低くなるデータ(診療情報)の組み合わせを検索する。
(Z3)新規検査開発サーバ100は、0歳児をデータから除外すると感度及び特異度が高くなることを抽出すると、その検査手法を新検査手法として表示装置105に表示する。
次に、図10A〜図12を参照して、本実施形態に示す新規検査開発システム1を小児がん(神経芽腫)に適用した別の例を示す。図10A〜図12に示す適用例は、図4のステップS301で検討された新検査手法の例である。
小児がん(神経芽腫)では、MIBGシンチグラフィーの画像(MIBGシンチグラフィー画像)による検査を行う場合がある。これは、造影剤であるMIBGが神経芽腫付近に集まることを利用した検査法であり、放射性ラベルを行ったMIBGを静脈注射し、その後、MIBGの分布を画像化する手法である。
神経芽腫部分を縦横の長さと最大輝度で表すことによって、MIBGシンチグラフィー画像における神経芽腫部分の大きさを示すこととする。
図10A及び図10Bは、治療効果が高い場合における治療前後のMIBGシンチグラフィー画像である。図10Aは、治療前のMIBGシンチグラフィー画像であり、図10Bは、治療後のMIBGシンチグラフィー画像である。
図10A及び図10Bは同一の患者によるMIBGシンチグラフィー画像である。また、図10A及び図10Bにおいて、太破線楕円は注目領域を示し、上下白矢印はがん領域の大きさを示している。また、図10A、図10Bにおいて、細破線は放射線が主に検出された箇所、すなわち、神経芽腫部分を示している。なお、図10Bでは、放射線の検出が、非常に弱くなっている。
図10A及び図10Bから、がんが小さくなっていることがわかる。すなわち、治療効果が得られていることがわかる。
図10Cから治療前では陽性を示していたのが、治療後には陰性を示している。この予測値は、図10A及び図10Bの結果と、よく適合していることがわかる。
図11A及び図11Bは同一の患者によるMIBGシンチグラフィー画像である。また、図11A及び図11Bにおいて、太破線楕円は注目領域を示し、上下白矢印はがん領域の大きさを示している。また、図11A、図11Bにおいて、細破線は放射線が主に検出された箇所、すなわち、神経芽腫部分を示している。図11A及び図11Bから、むしろがんが大きくなっていることがわかる。すなわち、治療効果が得られていないことがわかる。なお、図11Bにおけるがん領域は、図11Aにおけるがん領域から位置が移動しているが、がんが移動したことを示している。
図11Cから治療前後において予測値がともに陽性(正)を示している。この予測値は、図11A及び図11Bの結果と、よく適合していることがわかる。
図12に示す表において、検査番号「10001(治療前)」は、図10A、及び、図10Cにおける符号B11に該当する。検査番号「10002(治療後)」は、図10B、及び、図10Cにおける符号B12に該当する。検査番号「10003(治療前)」は、図11A、及び、図11Cにおける符号B21に該当する。検査番号「10004(治療後)」は、図11B、及び、図11Cにおける符号B22に該当する。
このようなデータを収集することで、がん領域の大きさや、輝度を予測値の正負で判定する新しい指標とすることが可能となる。すなわち、放射性ラベルを行ったMIBGを静脈注射しなくても、がん領域の大きさを予測値の正負で判定することができる。このようにすれば、放射性ラベルを行ったMIBGを静脈注射する必要がなくなるため、(特に子供に対して)好ましい結果を得ることができる。
(Y1)ユーザは、MIBGシンチグラフィー画像と、予測値との関係を出力するよう、入力装置104を介して新規検査開発サーバ100に指示する。
(Y2)新規検査開発サーバ100は、データカタログ117Aから、MIBGシンチグラフィー画像と、MIBGシンチグラフィー画像が撮像された時に採取された尿検体UPに基づく尿中代謝物の強度情報を取得する。MIGBシンチグラフィー画像と、尿中代謝物の強度情報とは、治療前後について取得される。
(Y4)新規検査開発サーバ100は、以下の条件(Y10)が成立し、かつ、条件(Y20)が成立する尿中代謝物の組み合わせを抽出する。
条件Y11:治療前ではMIGBシンチグラフィー画像におけるがん領域の大きさが所定の大きさM1以上であり、治療後では所定の大きさM2以下となっている(M1>M2)。なお、がん領域の大きさは、図10A、図10B、図11A、図11Bにおける紙面横方向及び縦方向の矢印の大きさを基に算出されるものである。
条件Y12:治療前では予測値が正であり、治療後では予測値が負となっている。
条件Y21:治療前ではMIGBシンチグラフィー画像におけるがん領域の大きさが所定の大きさM1以上であり、治療後では所定の大きさM3以上となっている。ここで、M1≧M3(ただし、M3>M2)でもよいし、M1≦M3でもよい。
条件Y12:治療前では予測値が正であり、治療後でも予測値が正となっている。
次に、図4のステップS105〜S112の処理による新検査手法の開発例を示す。
ここでは、種類及び代謝経路が異なる尿中腫瘍マーカ群の組み合わせを用いたがん検査について説明する。例えば、小児がん(神経芽腫)には4Sと呼ばれる治療をしなくても自然消滅するものもある。これまでは4Sの小児がんに対しても治療を行っていたが、過剰診療の指摘も存在する。そこで、まず、図4のステップS109における説明変数/予測変数の評価により尿中腫瘍マーカの数を3個まで落としても問題ないということが判断されたうえで、3個の尿中腫瘍マーカの組み合わせが、いろいろと評価される。「尿中腫瘍マーカ群#1」と「尿中腫瘍マーカ群#2」とによる予測値を用いることが有効であることがわかった。ここで、「尿中腫瘍マーカ群#1」は、3−methoxytyramine sulfate、xanthopterin、cortisolである。また、「尿中腫瘍マーカ群#2」は、HVA、VMA、2−hydroxy−3−methylvalerateである。「尿中腫瘍マーカ群#1」による予測値は、4Sの神経芽腫以外の症例で高い値を示す。また、「尿中腫瘍マーカ群#2」による予測値は、4Sの神経芽腫で高い値を示す。
(X1)ユーザが、4Sの神経芽腫と判定された患者における尿中代謝物のデータ、及び、4S以外の神経芽腫と判定された患者における尿中代謝物のデータを収集するよう、入力装置104を介して新規検査開発サーバ100に指示する。新規検査開発サーバ100は、指示に基づいて、4Sの神経芽腫と判定された患者における尿中代謝物のデータ、及び、4S以外の神経芽腫と判定された患者における尿中代謝物のデータをデータカタログ117Aから収集する。
(X6)ユーザは、リストされた尿中腫瘍マーカ群の組み合わせを検討することで、「陽性(4S以外)」と、「4S」とを区別可能な尿中腫瘍マーカ群の組み合わせを抽出する。
LC/MSによる尿検体UPの解析を行うことで、網羅的な尿検体の解析を行うことができる。
また、診療データ(診療情報)を外部医療機関サーバ300から取得することで、外部医療機関A2に蓄積されている膨大な診療データを利用することができる。
また、各実施形態において、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、ほとんどすべての構成が相互に接続されていると考えてよい。
102 演算装置(検索部)
104 入力装置(入力部)
117 データカタログDB(記憶部)
117A データカタログ(がんに関する患者の診療情報、尿中代謝物に関する情報)
121 サンドボックス(検索部)
201 解析装置/分析装置(LC/MS)
300 外部医療機関サーバ(医療機関サーバ)
A2 外部医療機関(医療機関)
S301 新検査手法の検討・出力(検索ステップ、出力ステップ)
Claims (5)
- 入力部を介して入力された情報を基に、がん患者及び健常者の診療情報、及び、がん患者及び健常者の尿から抽出される尿中代謝物の情報の少なくとも一方について、所定の評価値を基に、前記診療情報の最適な組み合わせ、及び、前記尿中代謝物の最適な組み合わせの少なくとも一方を検索する検索部と、
前記検索部による検索の結果を出力する出力部と、
を有することを特徴とする新規検査開発サーバ。 - 前記検索部は、
ウィルコクソン順位和検定、及び、ランダムフォレスト解析のうち、少なくとも一方によって、前記尿中代謝物の組み合わせの絞り込みを行う
ことを特徴とする請求項1に記載の新規検査開発サーバ。 - 前記尿中代謝物に関する情報は、LC/MSによる尿の解析結果である
ことを特徴とする請求項1に記載の新規検査開発サーバ。 - 前記新規検査開発サーバは、
医療機関に設置されている医療機関サーバから、前記診療情報を取得する
ことを特徴とする請求項1に記載の新規検査開発サーバ。 - 新規検査開発サーバが、
入力部を介して入力された情報を基に、がん患者及び健常者の診療情報、及び、がん患者及び健常者の尿から抽出される尿中代謝物の情報の少なくとも一方について、所定の評価値を基に、前記診療情報の最適な組み合わせ、及び、前記尿中代謝物の最適な組み合わせの少なくとも一方を検索する検索ステップと、
前記検索ステップによる検索の結果を出力する出力ステップと、
を実行することを特徴とする新規検査開発方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020024153A JP2021128115A (ja) | 2020-02-17 | 2020-02-17 | 新規検査開発サーバ及び新規検査開発方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020024153A JP2021128115A (ja) | 2020-02-17 | 2020-02-17 | 新規検査開発サーバ及び新規検査開発方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021128115A true JP2021128115A (ja) | 2021-09-02 |
Family
ID=77488676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020024153A Pending JP2021128115A (ja) | 2020-02-17 | 2020-02-17 | 新規検査開発サーバ及び新規検査開発方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021128115A (ja) |
-
2020
- 2020-02-17 JP JP2020024153A patent/JP2021128115A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Siller et al. | Serum neurofilament light chain is a biomarker of acute and chronic neuronal damage in early multiple sclerosis | |
Shan et al. | Abnormal lung quantification in chest CT images of COVID‐19 patients with deep learning and its application to severity prediction | |
Weiner et al. | Recent publications from the Alzheimer's Disease Neuroimaging Initiative: Reviewing progress toward improved AD clinical trials | |
Xi et al. | Radiomics signature: a potential biomarker for the prediction of MGMT promoter methylation in glioblastoma | |
Rathore et al. | A review on neuroimaging-based classification studies and associated feature extraction methods for Alzheimer's disease and its prodromal stages | |
Gallo et al. | Diffusion-tensor magnetic resonance imaging detects normal-appearing white matter damage unrelated to short-term disease activity in patients at the earliest clinical stage of multiple sclerosis | |
Antonelli et al. | Integrating imaging and omics data: a review | |
Bro et al. | Data fusion in metabolomic cancer diagnostics | |
Ibrahim et al. | Breath metabolomic profiling by nuclear magnetic resonance spectroscopy in asthma | |
Dona et al. | Translational and emerging clinical applications of metabolomics in cardiovascular disease diagnosis and treatment | |
US8175816B2 (en) | System and method for analyzing metabolomic data | |
Wei et al. | Structural connectome quantifies tumour invasion and predicts survival in glioblastoma patients | |
Zhang et al. | A radiomics-based formula for the preoperative prediction of postoperative pancreatic fistula in patients with pancreaticoduodenectomy | |
Antila et al. | The PredictAD project: development of novel biomarkers and analysis software for early diagnosis of the Alzheimer's disease | |
JP7016079B2 (ja) | 小児がん検査用尿中代謝物マーカー | |
US11335464B2 (en) | Integrated precision medicine by combining quantitative imaging techniques with quantitative genomics for improved decision making | |
Nowak et al. | End-to-end automated body composition analyses with integrated quality control for opportunistic assessment of sarcopenia in CT | |
Doucet et al. | Quality matters: 2016 annual conference of the national infrastructures for biobanking | |
CN112748191A (zh) | 诊断急性疾病的小分子代谢物生物标志物及其筛选方法和应用 | |
Kayhanian et al. | Modelling outcomes after paediatric brain injury with admission laboratory values: a machine-learning approach | |
Li et al. | Cognitive function assessment and prediction for subjective cognitive decline and mild cognitive impairment | |
US11328792B2 (en) | Device for detecting a dynamical network biomarker, method for detecting same, and program for detecting same | |
Song et al. | Prediction of blood supply in vestibular schwannomas using radiomics machine learning classifiers | |
Xie et al. | The predictive value of renal parenchymal information for renal function impairment in patients with ADPKD: a multicenter prospective study | |
Barba et al. | Sex differences in the 1H NMR metabolic profile of serum in cardiovascular risk patients |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20200304 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200304 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240319 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240513 |