JP2021523499A - コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体 - Google Patents

コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体 Download PDF

Info

Publication number
JP2021523499A
JP2021523499A JP2021512348A JP2021512348A JP2021523499A JP 2021523499 A JP2021523499 A JP 2021523499A JP 2021512348 A JP2021512348 A JP 2021512348A JP 2021512348 A JP2021512348 A JP 2021512348A JP 2021523499 A JP2021523499 A JP 2021523499A
Authority
JP
Japan
Prior art keywords
disease
network
data
diseases
factors
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
JP2021512348A
Other languages
English (en)
Inventor
ヒョンウク ハン
ヒョンウク ハン
ジョンマン ユ
ジョンマン ユ
ドンヒョン イ
ドンヒョン イ
ホ ユン
ホ ユン
テソン ファン
テソン ファン
チェウォン イ
チェウォン イ
カンヒョン キム
カンヒョン キム
サンミン ナム
サンミン ナム
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.)
Cha University Industry Academic Cooperation Foundation
Industry Academic Cooperation Foundation of CHA University
Original Assignee
Cha University Industry Academic Cooperation Foundation
Industry Academic Cooperation Foundation of CHA University
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 Cha University Industry Academic Cooperation Foundation, Industry Academic Cooperation Foundation of CHA University filed Critical Cha University Industry Academic Cooperation Foundation
Publication of JP2021523499A publication Critical patent/JP2021523499A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies

Abstract

本発明に係る疾病ネットワーク構築方法は、コホートデータを時系列的にまとめる（１）過程と、前記（１）過程においてまとめられたデータを交絡因子別に階層化又はグループ化する（２）過程と、前記（２）過程において、階層内において疾病の相関性を導出する（３）過程と、（３）過程において導出された相関性に基づいて、疾患ネットワークを構築する（４）過程と、を含むことを特徴とする。ここに、本発明によれば、疾病は、年齢、性別、人種、社会経済的要因、地域及び国の保健医療システム等のような様々な臨床医学的な交絡因子により影響され得るので、疾病間の関連性をさらに信頼性をもって導出できる方法を提供することができる。

Description

本発明は、コホートデータの交絡因子による階層化及び情報間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体に関し、さらに詳しくは、大韓民国の健康保険審査評価院や健康保険公団又は米国のメディケアデータを含む時系列的にまとめられた患者のコホート臨床データを用いて、患者の年齢、性別、人種、社会経済的要因、服用中の薬物、該当地域等のような交絡因子別に階層を構成し、階層化したデータから、相対危険度と相関分析による相関係数を用いて、疾患間の発生危険度を抽出し、これをさらに全体コホートに合わせて交絡因子別にネットワークを再構成する方法、構築されたネットワークのリンクに抽出した階層化因子及び疾病間の発生時間的な差異を視覚化する方法、及び構築された疾病ネットワークのそれぞれのノードとリンクの選択による様々な臨床変数を視覚化することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体に関する。
ネットワーク分析のためには、良質のネットワークデータの確保が不可欠である。既存の伝統的なネットワークの構築についての研究方法には、アンケート調査、文献調査、データマイニングなどがある。
特に、医学分野でも、ネットワークについての研究が盛んに行われており、例えば、遺伝子ネットワーク、タンパク質間相互作用ネットワーク、薬物間相互作用ネットワーク、薬物−遺伝子ネットワーク、及び疾病間相互作用ネットワークなどがある。
疾病ネットワークの研究における最近の争点は、臨床データを用いて、疾患間の発生の前後関係、相対危険度、方向性、有病率、発生率、性別、年齢別ネットワークを視覚化して分析することであるが、疾病は、年齢、人種、性別、社会経済的要因、服用中の薬、地理的な違いなどの様々な原因に応じて、互いに異なる様態を示すにもかかわらず、それを全体論的な立場から構成して解釈しているため、ネットワークを構築してからも、その有効性について、問題が持続的に提起され続けてきた。
また、既存の臨床データに基づく疾病ネットワークの構築に用いられた測定値は、一律に相対危険度のみを用いて構築しているが、これは、短時間の観察における疾病相互関係の把握に有用な方法ではあるものの、時系列データを用いれば、時間の概念を導入してさらに敏感な測定値である相関分析による相関係数を測定してネットワークを構築することができるであろう。
一方、既存の疾病ネットワークでは、疾患の前後関係（方向性）、相対危険度を考慮しているが、疾病間の発生時間的な差異は考慮しておらず、様々な階層化因子を考慮した疾病ネットワークの視覚化が行われていないという問題点があった。
このような観点からみると、長期間にわたって時系列的に病院を訪れる患者の臨床疾患データベースを活用すれば、交絡因子、疾病間の発生時間的な差異、相関分析による疾病ネットワークモデリング方法を用いて、疾病予測技術、それを視覚化する方法等をさらに具体的に把握することができるであろう。
大韓民国公開特許公報第１０−２０１６−００４３７７７号（２０１６.０４．２２．公開）
本発明の目的は、長期間（例えば、１０年以上）、患者のコホートビッグデータを蓄積し、患者の年齢、性別、人種、社会経済的要因、服用中の薬物、該当地域、介護施設等のような交絡因子を用いてコホートを階層化した後、階層化したデータ内において、疾患間の相対危険度を計算して、階層化ネットワークを優先的に構築し、その後、階層化ネットワークをさらに１つの全体疾患ネットワークに統合して構築する、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することである。
本発明の他の目的は、上記と同様の方法で長期間（例えば、１０年以上）、患者のコホートビッグデータを蓄積し、患者の年齢、性別、人種、社会経済的要因、服用中の薬物、該当地域、介護施設等のような交絡因子を用いて階層化した後、階層化したデータ内において、最初の年のデータから特定疾患を患った経験のある人と、そうでない人とを区別し、時系列（年度）により、それぞれのグループにおける新たに観察しようとする疾患の有病率を求めて、それぞれのグループを相関分析し、その後、両者の相関係数の差を見ることにより、特定疾患と観察する疾患との相関関係を明らかにし、それを、さらに１つの全体疾患ネットワークに統合して視覚化する、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することである。
本発明のさらに他の目的は、集団内において、１つの疾病から他の疾病へ移行する平均期間を計算して、ネットワークのリンク情報として活用して視覚化する、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することである。
本発明のさらに他の目的は、構築された疾病ネットワーク、視覚化方法、及び疾病ネットワークのために用いられ分析されたデータを用いて、新たにコホートに進入する患者の時系列疾病データによって、その後、発生し得る疾病が何なのかを予測する、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することである。
本発明のさらに他の目的は、構築された疾病ネットワークの様々な臨床的属性を視覚化する、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することである。
上記した本発明の目的は、疾病ネットワーク構築方法において、コホートデータを時系列的にまとめる（１）過程と、前記（１）過程においてまとめられたデータを交絡因子別に階層化又はグループ化する（２）過程と、前記（２）過程において、階層内において疾病の相関性を導出する（３）過程と、（３）過程において導出された相関性に基づいて、疾患ネットワークを構築する（４）過程と、を含むことを特徴とする疾病ネットワーク構築方法によって達成される。
また、前記（２）過程における交絡因子は、患者の年齢、性別、人種、服用中の薬物、該当地域、介護施設を含むことが好ましい。
また、前記（３）過程は、先行疾患と後行疾患の相対危険度を算出する過程、又は疾患間の相関関係を分析する過程を含むことが好ましい。
また、前記（３）過程では、疾患の発生期間を考慮する過程がさらに含まれることが好ましい。
また、前記コホートデータは、大韓民国の健康保険公団、健康保険審査評価院のデータ、米国のメディケアデータ又は医療ビッグデータの共有のための国際オデッセイコンソーシアムの共通データモデル（ＣＤＭ）に基づくデータを含むことが好ましい。
また、前記（４）過程は、交絡因子別に階層化したサブネットワーク構築過程と、構築された前記サブネットワークを統合する過程とを含むことが好ましい。
また、前記サブネットワークを統合する過程は、前記それぞれのサブネットワークの階層化されたそれぞれのグループ間の平均値又は最大値を選択して統合することが好ましい。
一方、本発明の他の目的は、疾病ネットワーク構築方法によって導出されたそれぞれの疾患が相互関連しているかを視覚的に表示するイメージ視覚化を含むことを特徴とする疾病ネットワーク視覚化方法によっても達成される。
また、ユーザーが前記交絡因子を一つ又は複数を選択すると、ユーザーの選択により、前記疾病ネットワークが再構築され、再構築された結果に基づいて、それぞれの疾患が相互関連しているかを視覚的に表示するイメージ視覚化を含むことが好ましい。
本発明のさらに他の目的は、疾病ネットワーク構築方法、又は疾病ネットワーク視覚化方法を含むことを特徴とするコンピュータで読み取り可能な記録媒体によっても達成される。
本発明によれば、疾病は、年齢、性別、人種、社会経済的要因、地域及び国の保健医療システム等のような様々な臨床医学的な交絡因子により影響され得るので、疾病間の関連性をさらに信頼性をもって導出できる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、このように構成されたそれぞれの疾病ネットワークは、それぞれの階層内において導出される結果物であるので、それぞれの階層化された疾病ネットワークを統合して、１つの全体疾病ネットワークを導出し、それにより、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、臨床データに基づく疾病ネットワークの構築のために、これまで用いられてきたほとんどの統計方法は、伝統的に、二変量範疇型の分割表（Ｃｏｎｔｉｎｇｅｎｃｙ Ｔａｂｌｅ）に基づいて、単に疾病危険度を計算していたが、若し、長期間の時系列データを用いれば、独立変数を年度に設定し、従属変数を疾病発生件数、発生率、又は有病率に設定し、回帰分析に基づいて回帰係数を計算することにより、疾病間の関連を把握することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、これまで、疾病ネットワークでは、発病している疾病間の方向性及び関連性の強度等は考慮されていたが、１つの疾病が他の疾病へ罹患する時間は、全く考慮されていなかったので、長期間観察されるコホートデータが全体患者の時系列的データであると仮定すれば、１つの疾病が他の疾病へ罹患する平均時間を計算することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、上記した構築された疾病ネットワークの効率的な利用又は使い易さを向上させるために、該当ノードとリンクに関するさらに詳細な情報（例えば、総患者数、疾病ノード及びリンクの患者数、疾病ノード及びリンクの性別患者数、疾病ノード及びリンクの性別比率、疾病ノード及びリンクの年度別患者数、疾病ノード及びリンクの年度別／性別患者数、疾病ノード及びリンクの年度別／性別比率、疾病ノード及びリンクの年齢別患者数、疾病ノード及びリンクの年齢別比率、疾病ノード及びリンクの年度別／年齢別患者数、疾病ノード及びリンクの年度別／年齢別比率、疾病ノード及びリンクの年度別／性別／年齢別患者数、疾病ノード及びリンクの年度別／性別／年齢別患者比率、疾病ノード及びリンクの年度別有病率、疾病ノード及びリンクの年度別発生率、疾病ノード及びリンクの該当疾病により服用した薬物分布、疾病ノード及びリンクの社会経済的要因分布、疾病ノード及びリンクの人種分布、疾病ノード及びリンクの地域分布、疾病ノード及びリンクの介護施設別分布）を視覚化して提供することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
本発明の一実施例に係る疾病ネットワーク構築方法を説明するための概略的なフローチャートである。 本発明の一実施例が適用される臨床コホートデータの一例である。 図２ａのデータを時系列的にまとめた一例である。 図２ｂのデータを交絡因子の一つである年齢別にデータをグループ化した一例である。 先行疾患が後行疾患に影響を与える相対危険度を算出するための過程を説明するための図である。 図２ｃのグループ化したデータから、図２ｄと同様の過程を経て、図２ｄにおける相対危険度の算出公式及び算出されたデータの平均値、中央値等を説明するための概略図である。 グループ化したデータを回帰分析に基づいて疾病相関性及び期間を導出する過程を説明するための概略図である。 本発明の他の実施例である相対危険度を用いた疾病サブネットワーク構築及び全体疾病ネットワーク再構成の一例を説明する図表である。 相関係数の差を用いた疾病サブネットワーク構築方法を説明するためのグラフである。 疾病サブネットワークにおいて、平均疾病発生時間の差を求める例を説明するための表及びグラフである。 全体疾病ネットワークにおいて、様々な臨床変数を視覚化することを説明するための概略図である。
以下、図１〜図６を参照して、本発明に係るコホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法（以下、「疾病ネットワーク構築方法」という。）、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体について詳述する。
図１は、本発明の一実施例に係る疾病ネットワーク構築方法を説明するための概略的なフローチャートであり、図２ａは、本発明の一実施例が適用される臨床コホートデータの一例であり、図２ｂは、図２ａのデータを時系列的にまとめた一例であり、図２ｃは、図２ｂのデータを交絡因子の一つである年齢別にデータをグループ化した一例であり、図２ｄは、先行疾患が後行疾患に影響を与える相対危険度を算出するための過程を説明するための図であり、図２ｅは、図２ｃのグループ化したデータから、図２ｄと同様の過程を経て、図２ｄにおける相対危険度の算出公式及び算出されたデータの平均値、中央値等を説明するための概略図であり、図２ｆは、グループ化したデータから、回帰分析に基づいて疾病相関性及び期間を導出する過程を説明するための概略図であり、図３は、本発明の他の実施例である相対危険度を用いた疾病サブネットワーク構築及び全体疾病ネットワーク再構成の一例を説明する図表であり、図４は、相関係数の差を用いた疾病サブネットワーク構築方法を説明するためのグラフであり、図５は、疾病サブネットワークにおいて、平均疾病発生時間の差を求める例を説明するための表及びグラフであり、図６は、全体疾病ネットワークにおいて、様々な臨床変数を視覚化することを説明するための概略図である。
本発明に係る疾病ネットワーク方法は、図１〜図６に示すように、コホートデータを時系列的にまとめる（１）過程（Ｓ１１０）と、前記（１）過程においてまとめられたデータを交絡因子別に階層化又はグループ化する（２）過程（Ｓ１２０）と、前記（２）過程において、階層内において疾病の相関性を導出する（３）過程（Ｓ１３０）と、（３）過程において導出された相関性に基づいて、疾患ネットワークを構築する（４）（Ｓ１４０、Ｓ１５０）過程と、疾病ネットワーク方法を視覚化する過程（Ｓ１６０）と、を含むことが好ましい。
先ず、図２ａのような全体コホートデータＳを、図２ｂのように時系列的にまとめる（Ｓ１１０）。
次に、時系列的にまとめられたデータを、１つの交絡因子別（例えば、Ｓ（１）、Ｓ（２）、Ｓ（３）、…、Ｓ（ｎ））又は二つ以上の交絡因子別の組合せ（例えば、Ｓ（１、２）、Ｓ（１、３）、…、Ｓ（１、２、３）、…、Ｓ（１、２…ｎ））に階層化又はグループ化する（Ｓ１２０）。
さらに例えば、全体コホートデータＳを、交絡因子である年齢を基準として階層化する場合、図２ｃに示すように、Ｓ（年齢）１は、１９歳以下、Ｓ（年齢）２は、２０〜３９歳、Ｓ（年齢）３は、４０〜５９歳、Ｓ（年齢）４は、６０歳以上となり得る。また、全体コホートデータＳを、他の交絡因子である性別によりサブグループに階層化すれば、Ｓ（性別）１は男性、Ｓ（性別）２は女性として、２つのサブグループとなる。
したがって、２つの交絡因子である年齢と性別によりサブグループに階層化して分けると、Ｓ（年齢、性別）１は、１９歳以下の男性、Ｓ（年齢、性別）２は、２０〜３９歳の男性、Ｓ（年齢、性別）３は、４０〜５９歳の男性、Ｓ（年齢、性別）４は、６０歳以上の男性、Ｓ（年齢、性別）５は、１９歳以下の女性、Ｓ（年齢、性別）６は、２０〜３９歳の女性、Ｓ（年齢、性別）７は、４０〜５９歳の女性、Ｓ（年齢、性別）８は、６０歳以上の女性となり、理論的に８つのサブグループに分けられる。その後、それぞれのサブグループから、疾患サブネットワークを統計的方法により抽出する段階と、それぞれの抽出された疾患サブネットワークから、さらにそれぞれの階層化因子により、全体疾患ネットワークに再構成する段階と、に分けられる。
ここで、交絡因子には、患者の年齢、性別、社会経済的要因（又は地位）、該当（居住）地域、人種、介護施設等が含まれる。交絡因子のうち、年齢別に階層化、グループ化の一例は、図２ｃに示すように、０〜１９歳、２０〜３９歳、４０〜５９歳、６０歳以上のグループの４つのグループに分けられ、以下、説明の便宜上、年齢により階層化した例を挙げて説明しており、このような交絡因子は、上記したように、一つ又は複数で選択されてもよいことは言うまでもない。
それぞれの交絡因子別（又は交絡因子の組合せ）に設定されたサブグループ内において、疾病サブネットワークを構成するための過程（Ｓ１３０）は、先行疾病と後行疾病の相対危険度に基づいて疾病相関性を導出する過程（Ｓ１３３）と、疾患間の相関分析に基づいて疾病相関性を導出する過程（Ｓ１３５）と、を含んでもよい。
先ず、相対危険度に基づいて疾病相関性を導出する過程は、図２ｄ及び図３に示すように、コホート臨床データに基づく疾患ネットワークの構築が可能である。このような例は、本発明者を含めた「コホートを用いた疾病発病予測方法、疾患発病ネットワーク視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体（大韓民国特許出願番号１０−２０１６−０１６３２６０）」として出願されており、以下、その詳細な説明は省略する。このような疾患ネットワークは、交絡因子又は交絡因子の組合せによる特定のサブグループ内においてしか行われないので、交絡因子の特定グループに対する１つの疾病サブネットワークが作られる。
図２ｄ、図２ｅ、及び図３に示すように、全体コホートデータＳを、特定の交絡因子別（又は交絡因子の組合せ）によりサブグループに分け、それぞれのサブグループから、相対危険度に基づいて疾病サブネットワークを抽出することができる。例えば、相対危険度（Ｒｅｌａｔｉｖｅ Ｒｉｓｋ）が４を超え、有意水準（Ｐ−ｖａｌｕｅ）が０．０５未満である場合を、デフォルトとして抽出することができる。ここで、若し、ユーザーが、相対危険度と有意水準を選択して設定すれば、設定された値から方向性を考慮した疾病サブネットワークが抽出される。すなわち、Ｓ（１）のサブグループがｎ個である場合、ｎ個の疾患サブネットワークが抽出される（図３参照）。
また、全体コホートデータＳを、特定の交絡因子別によりサブグループに分け、それぞれのサブグループから、相関分析に基づいて疾病サブネットワークを抽出するためには、
先行疾患Ｄｐｒｅと後行疾患Ｄｐｏｓｔにおいて、初期１年間の観察期間の間、一度でも特定疾患Ｄｐｒｅを経験したグループをＧ（Ｄｐｒｅ）に設定し、Ｄｐｒｅをただの一度も経験しなかったグループをＧ（Ｄｐｒｅ−）に設定する（図４参照）。次に、２年からデータが存在する最後の年度まで、Ｇ（Ｄｐｒｅ）とＧ（Ｄｐｒｅ−）のそれぞれのグループにおいて、後行疾患Ｄｐｏｓｔが発生する年度別累積発生者数(又は有病率、累積発生率)を求める。初期１年間、Ｇ（Ｄｐｒｅ）＝ｎ名であり、Ｇ（Ｄｐｒｅ−）＝ｍ名であると仮定すれば、スケールの差で発生するエラーを補正するために、Ｇ（Ｄｐｒｅ）グループに属する年度別累積発生者数にｍ／ｎを掛け、ｘ軸を年度に設定し、ｙ軸をＧ（Ｄｐｒｅ）とＧ（Ｄｐｒｅ−）の累積発生者数に設定してから、相関分析を行う(図４参照)。相関分析の結果、２つの相関係数ｒＤｐｒｅ、ｒＤｐｒｅ−及び２つの有意水準値であるｐ−ｖａｌｕｅ（ＰＤｐｒｅ、ＰＤｐｒｅ−）が計算されるが、ＰＤｐｒｅ＜０．０５であるとともに、ｒＤｐｒｅ＞０である場合、及びＰＤｐｒｅ−の値とは関係なく、ｒＤｐｒｅ−＞０である場合のみを取り、その差（ｒＤｐｒｅ−ｒＤｐｒｅ−）を計算して、疾患Ｄｐｒｅが疾患Ｄｐｏｓｔに影響を与えるかを評価する。理論的に、ｒＤｐｒｅ−ｒＤｐｒｅ−の範囲は、−１〜１であり、ｒＤｐｒｅ−ｒＤｐｒｅ−＞０．２である場合にのみ、デフォルトに指定された「正の相関関係」であると仮定し、Ｄｐｒｅ→Ｄｐｏｓｔに連結する。このような方法で、それぞれのサブグループにおいて、｛Ｄ１、Ｄ２、Ｄ３、…、Ｄｋ｝を順に適用し、全てのサブグループの全ての疾患対に有意な量の相関関係に対して疾患対を連結して（Ｓ１４０）、交絡因子別のサブネットワークを構築することができる。若し、ユーザーが、ｒＤｐｒｅ−ｒＤｐｒｅ−の値を任意に指定すれば、指定値以上の値を正の相関関係として抽出することもできる。
さらに、図２ｆは、疾患間の回帰分析によって、線形的な変化の有無を導出する過程を概略的に示す図である。
一方、本発明の他の実施例は、先行疾患が後行疾患に至る平均発生期間を導出してデータ化する過程（Ｓ１３７）を含み、疾患ネットワークを効果的に視覚化することができる。このため、図５に示すように、先ず、特定の階層化因子のサブグループにおいて、それぞれのサブグループ別にＤｐｒｅ→Ｄｐｏｓｔであるそれぞれの人の発生時間ｔＤｐｒｅ→Ｄｐｏｓｔを求めてから、これらの平均発生時間ｔ'Ｄｐｒｅ→Ｄｐｏｓｔを計算する。このような方法で、それぞれのグループ別に｛Ｄ１、Ｄ２、Ｄ３、…、Ｄｋ｝を順に適用し、全ての疾患対に対してそれぞれの疾患対の平均発生時間を計算し、交絡因子別に階層化したサブネットワークにおいて、期間と関連した情報を構築することができる。
先に計算した疾患対の相対危険度、相関係数差、及び平均発生時間は、階層化因子別に特定のグループ内において計算された値であるが、これを特定のグループではなく、全体グループに統合するための方法（Ｓ１５０）は、グループ間の平均を求めて決める方法、及びそれぞれのグループにおいて最大値を選択する方法を含むことが好ましい。
相対危険度に対する疾患ネットワークの統合方法は、上記した両者の方法（平均値及び最大値を選択する方法)に対して提供され得る。相対危険度のグループ間の平均は、それぞれのグループの相対危険度の算術平均を用いる方法、及び中央値を用いる方法の両者を含むことができる。また、それぞれの疾患における相対危険度は、それぞれのグループのうち、最大になる値を選択して提供することもある。これは、完全にユーザーの選択に従い、デフォルトとしては、グループ間の平均を提供する。
また、相関係数差による疾患ネットワークの統合方法も、上記した両者の方法(平均値及び最大値を選択する方法)に対して提供される得る。相関係数差によるグループ間の平均は、それぞれのグループの相関係数差の算術平均を用いる方法、及び中央値を用いる方法の両者を提供する。また、それぞれの疾患における相関係数差は、それぞれのグループのうち、最大になる値を選択して提供することもある。これは、完全にユーザーの選択に従い、デフォルトとしては、グループ間の平均を提供する。
また、疾患対間の平均発生期間も、上記した両者の方法(平均値及び最大値を選択する方法)に対して提供され得る。疾患対間の平均発生期間の差のグループ間の平均は、それぞれのグループの疾患対間の平均発生期間の算術平均を用いる方法、及び中央値を用いる方法の両者を提供する。また、それぞれの疾患対間の平均発生期間の差は、それぞれのグループのうち、最大になる値を選択して提供することもある。これは、完全にユーザーの選択に従い、デフォルトとしては、グループ間の平均を提供する。
図２ｈは、このように統合して構築された疾患ネットワークの一例を示す図である。
このように構築した疾患ネットワークを、ユーザーは、容易にかつ一目で把握して分かるように視覚化（Ｓ１６０）することができ、本発明によれば、ユーザーは、任意で設定した交絡因子に基づいて、このような疾患ネットワークを再構成して示すことができる。交絡因子は、患者の性別、年齢、社会階層因子（例えば、所得等）、人種、該当地域、介護施設等を含む。一例として、ユーザーが年齢を選択し、年齢により３つのサブグループ（２９歳以下、３０〜５９歳、５９歳以上)に設定すれば、年齢により３つのサブグループにより決定される全体疾患ネットワークが再構成される。他の一例として、ユーザーが、年齢及び性別を同時に選択すれば、６つのサブグループ（２９歳以下の男性、２９歳以下の女性、３０〜５９歳の男性、３０〜５９歳の女性、６０歳以上の男性、６０歳以上の女性）に設定すれば、６つのサブグループにより決定される全体疾患ネットワークが再構成されて視覚化されることが好ましい。
全体疾患ネットワークにおいて、ノードは、円形及び四角形で表現され、疾患の相対的な有病率や発生率により、その大きさが決定される。疾患ネットワークのリンクの視覚化モードは、相対危険度に基づいたリンクモード、相関係数に基づいたリンクモードのうち、ユーザーが選択したモードにより視覚化が可能であることが好ましい。また、リンクのモード選択時、算術平均による視覚化であるか、あるいは中央値による視覚化であるかをユーザーが選択することができ、最大値を基準としてリンクを視覚化することもできる。一例として、ユーザーが、疾患対において年齢別の相対危険度を見ようとする場合は、それぞれのサブグループにおいて、疾患対の全ての相対危険度が視覚化されて示され、疾患対において、年齢別及び性別の相対危険度を選択した場合は、それぞれのサブグループにおいて、疾患対の全ての相対危険度が視覚化されて示される。同様に、ユーザーが設定した全ての階層化因子の組合せについて、相対危険度を計算して示すことができる。
同様な方法で、ユーザーが、疾患対において、年齢別の相関係数差を見ようとする場合は、それぞれのサブグループにおいて、疾患対の全ての相関係数差を視覚化して示し、疾患対において、年齢別及び性別の相関係数差を見ようとする場合は、それぞれのサブグループにおいて、疾患対の全ての相関係数差を視覚化して示す。同様に、ユーザーが設定した全ての交絡因子の組合せについて、相関係数差を計算して示すことができる。
また、疾病ネットワークにおいて、疾病対間に発生時間の差を視覚化するために、全体疾病ネットワークでは、リンクを、短い期間（Ｓｈｏｒｔ−Ｔｅｒｍ）である場合は青色、中間期間（Ｍｉｄｄｌｅ−Ｔｅｒｍ）である場合は緑色、長い期間（Ｌｏｎｇ−Ｔｅｒｍ）である場合は赤色で表現し、短い期間から長い期間に行くほど、青色から赤色に分けられて視覚化されることが好ましい。疾病対間の発生時間差を分ける基準は、ユーザーが選択することができる。
また、上記構築された疾病ネットワークにおいて、特定ノードやリンクを選択する場合、対応する疾病情報に関するさらに詳しい情報を、ダッシュボード（Ｄａｓｈｂｏａｒｄ）の形態で視覚化することができる。疾病ノードに関する詳しい情報は、第一に、資料に含まれている総患者数を視覚化し、第二に、資料に含まれている患者数を年度別に棒グラフの形式で視覚化し、第三に、疾病ノードに対応する総患者数を視覚化し、第四に、疾病ノードに対応する性別患者数及び割合を視覚化し、第五に、疾病ノードの年度別患者数を棒グラフの形式で視覚化し、第六に、疾病ノードの年度別性別患者数及び割合を棒グラフの形式で視覚化し、第七に、疾病ノードの年齢別患者数を棒グラフの形式で視覚化し、第八に、疾病ノードの年齢別割合を円グラフ（Ｐｉｅ Ｃｈａｒｔ）の形態で視覚化し、第九に、疾病ノードの年度別−年齢別患者数を棒グラフの形式で視覚化し、第十に、疾病ノードの年度別年齢比率を棒グラフの形式で視覚化し、第十一に、疾病ノードの年度別−性別−年齢別患者数及び割合を棒グラフの形式で視覚化し、第十二に、疾病ノードの年度別有病率を棒グラフの形式で視覚化し、第十三に、疾病ノードの年度別発生率及び累積発生率を棒グラフの形式で視覚化し、第十四に、疾病ノードの該当疾病により服用した薬物分布を円グラフの形式で視覚化し、第十五に、疾病ノードの社会経済的要因による分布を円グラフの形式で視覚化し、第十六に、疾病ノードの人種分布を円グラフの形式で視覚化し、第十七に、疾病ノードの地域分布を地図上に視覚化し、第十八に、疾病ノードの介護施設別（１次、２次、３次救急医療機関）分布を円グラフの形式で視覚化することが好ましい。
疾病対間リンクに関する詳しい情報は、第一に、相対危険度、回帰係数差、及び疾病対間平均発生期間を視覚化し、第二に、疾病間リンクに対応する総患者数を視覚化し、第三に、疾病間リンクに対応する性別患者数及び割合を視覚化し、第四に、疾病間リンクの年度別患者数を棒グラフの形式で視覚化し、第五に、疾病間リンクの年度別性別患者数及び割合を棒グラフの形式で視覚化し、第六に、疾病間リンクの年齢別患者数を棒グラフの形式で視覚化し、第七に、疾病間リンクの年齢別割合を円グラフ（Ｐｉｅ Ｃｈａｒｔ）の形態で視覚化し、第八に、疾病間リンクの年度別−年齢別患者数を棒グラフの形式で視覚化し、第九に、疾病間リンクの年度別年齢比率を棒グラフの形式で視覚化し、第十に、疾病間リンクの年度別−性別−年齢別患者数及び割合を棒グラフの形式で視覚化し、第十一に、疾病間リンクの年度別有病率を棒グラフの形式で視覚化し、第十二に、疾病間リンクの年度別発生率及び累積発生率を棒グラフの形式で視覚化し、第十三に、疾病間リンクの該当疾病により服用した薬物分布を円グラフの形式で視覚化し、第十四に、疾病間リンクの社会経済的要因による分布を円グラフの形式で視覚化し、第十五に、疾病間リンクの人種分布を円グラフの形式で視覚化し、第十六に、疾病間リンクの地域分布を地図上に視覚化し、第十七に、疾病間リンクの介護施設別（１次、２次、３次救急医療機関）分布を円グラフの形式で視覚化することが好ましく、それに類似した例及び例を図示したものが図６である。
次に、疾病ネットワークを視覚化するためのリストの一例は、総患者数、疾病ノード及びリンクの患者数、疾病ノード及びリンクの性別患者数、疾病ノード及びリンクの性別比率、疾病ノード及びリンクの年度別患者数、疾病ノード及びリンクの年度別性別患者数、疾病ノード及びリンクの年度別性別比率、疾病ノード及びリンクの年齢別患者数、疾病ノード及びリンクの年齢別割合、疾病ノード及びリンクの年度別年齢別患者数、疾病ノード及びリンクの年度別年齢比率、疾病ノード及びリンクの年度別性別-年齢別患者数、疾病ノード及びリンクの年度別性別−年齢別患者割合、疾病ノード及びリンクの年度別有病率、疾病ノード及びリンクの年度別発生率、疾病ノード及びリンクの該当疾病により服用した薬物分布、疾病ノード及びリンクの社会経済的要因分布、疾病ノード及びリンクの人種分布、疾病ノード及びリンクの地域分布、疾病ノード及びリンクの介護施設別分布、疾病リンクの平均発生期間等を含むことが好ましい。
一方、本発明の目的は、上記した疾病発病ネットワーク抽出方法、及びその視覚化方法を記録した記録媒体であって、コンピュータで読み取り可能な記録媒体によっても達成される。
また、前記コホートデータは、大韓民国の健康保険公団、健康保険審査評価院のデータ、及び米国のメディケアデータ及び医療ビッグデータの共有のための国際オデッセイコンソーシアムの共通データモデル（ＣＤＭ）に基づくデータを含むことが好ましい。
このように時系列にまとめられた患者のコホートデータから、様々な交絡因子（例えば、患者の年齢、性別、人種、社会経済的要因、服用中の薬物、該当（居住）地域、介護施設別）を用いて資料を階層化し、階層化した資料から、上記した相対危険度及び相関分析を含む方法に基づいて、疾病間平均発生期間を考慮した疾患サブネットワークを構築し、それぞれのサブネットワークを階層化因子別にさらに再構成して全体ネットワークを作り、最終的にユーザーの便宜利便性を考慮して、疾患ノードやリンクを選択する場合、ノード及びリンクについての詳細な追加の情報を抽出して視覚化することができる。
そこで、本発明によれば、疾病は、年齢、性別、人種、社会経済的要因、地域及び国の保健医療システム等のような様々な臨床医学的な交絡因子により影響され得るので、疾病間の関連性をさらに信頼性をもって導出できる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、このように構成されたそれぞれの疾病ネットワークは、それぞれの階層内において導出される結果物であるので、それぞれの階層化された疾病ネットワークを統合して、１つの全体疾病ネットワークを導出し、それにより、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、臨床データに基づく疾病ネットワークの構築のために、これまで用いられてきたほとんどの統計方法は、伝統的に、二変量範疇型の分割表（Ｃｏｎｔｉｎｇｅｎｃｙ Ｔａｂｌｅ）に基づいて、単に疾病危険度を計算していたが、若し、長期間の時系列データを用いれば、独立変数を年度に設定し、従属変数を疾病発生件数、発生率、又は有病率に設定し、回帰分析に基づいて回帰係数を計算することにより、疾病間の関連を把握することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、これまで、疾病ネットワークでは、発病している疾病間の方向性及び関連性の強度等は考慮されていたが、１つの疾病が他の疾病へ罹患する時間は、全く考慮されていなかったので、長期間観察されるコホートデータが全体患者の時系列的データであると仮定すれば、１つの疾病が他の疾病へ罹患する平均時間を計算することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、上記した構築された疾病ネットワークの効率的な利用又は使い易さを向上させるために、該当ノードとリンクに関するさらに詳細な情報（例えば、総患者数、疾病ノード及びリンクの患者数、疾病ノード及びリンクの性別患者数、疾病ノード及びリンクの性別比率、疾病ノード及びリンクの年度別患者数、疾病ノード及びリンクの年度別／性別患者数、疾病ノード及びリンクの年度別／性別比率、疾病ノード及びリンクの年齢別患者数、疾病ノード及びリンクの年齢別比率、疾病ノード及びリンクの年度別／年齢別患者数、疾病ノード及びリンクの年度別／年齢別比率、疾病ノード及びリンクの年度別／性別／年齢別患者数、疾病ノード及びリンクの年度別／性別／年齢別患者比率、疾病ノード及びリンクの年度別有病率、疾病ノード及びリンクの年度別発生率、疾病ノード及びリンクの該当疾病により服用した薬物分布、疾病ノード及びリンクの社会経済的要因分布、疾病ノード及びリンクの人種分布、疾病ノード及びリンクの地域分布、疾病ノード及びリンクの介護施設別分布）を視覚化して提供することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
ここで、本発明の一実施例を図示して説明したが、本発明の属する技術の分野における通常の知識を有する者であれば、本発明の原則や精神から逸脱しない範囲内で、本実施例を変形し得ることが分かる。発明の範囲は、添付の特許請求の範囲とその均等物により定められるであろう。
本発明によれば、疾病は、年齢、性別、人種、社会経済的要因、地域及び国の保健医療システム等のような様々な臨床医学的な交絡因子により影響され得るので、疾病間の関連性をさらに信頼性をもって導出できる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、このように構成されたそれぞれの疾病ネットワークは、それぞれの階層内において導出される結果物であるので、それぞれの階層化された疾病ネットワークを統合して、１つの全体疾病ネットワークを導出し、それにより、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、臨床データに基づく疾病ネットワークの構築のために、これまで用いられてきたほとんどの統計方法は、伝統的に、二変量範疇型の分割表（Ｃｏｎｔｉｎｇｅｎｃｙ Ｔａｂｌｅ）に基づいて、単に疾病危険度を計算していたが、若し、長期間の時系列データを用いれば、独立変数を年度に設定し、従属変数を疾病発生件数、発生率、又は有病率に設定し、回帰分析に基づいて回帰係数を計算することにより、疾病間の関連を把握することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、これまで、疾病ネットワークでは、発病している疾病間の方向性及び関連性の強度等は考慮されていたが、１つの疾病が他の疾病へ罹患する時間は、全く考慮されていなかったので、長期間観察されるコホートデータが全体患者の時系列的データであると仮定すれば、１つの疾病が他の疾病へ罹患する平均時間を計算することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。
また、上記した構築された疾病ネットワークの効率的な利用又は使い易さを向上させるために、該当ノードとリンクに関するさらに詳細な情報（例えば、総患者数、疾病ノード及びリンクの患者数、疾病ノード及びリンクの性別患者数、疾病ノード及びリンクの性別比率、疾病ノード及びリンクの年度別患者数、疾病ノード及びリンクの年度別／性別患者数、疾病ノード及びリンクの年度別／性別比率、疾病ノード及びリンクの年齢別患者数、疾病ノード及びリンクの年齢別比率、疾病ノード及びリンクの年度別／年齢別患者数、疾病ノード及びリンクの年度別／年齢別比率、疾病ノード及びリンクの年度別／性別／年齢別患者数、疾病ノード及びリンクの年度別／性別／年齢別患者比率、疾病ノード及びリンクの年度別有病率、疾病ノード及びリンクの年度別発生率、疾病ノード及びリンクの該当疾病により服用した薬物分布、疾病ノード及びリンクの社会経済的要因分布、疾病ノード及びリンクの人種分布、疾病ノード及びリンクの地域分布、疾病ノード及びリンクの介護施設別分布）を視覚化して提供することができる、コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体を提供することができる。

Claims (10)

  1. 疾病ネットワーク構築方法において、コホートデータを時系列的にまとめる（１）過程と、前記（１）過程においてまとめられたデータを交絡因子別に階層化又はグループ化する（２）過程と、前記（２）過程において、階層内において疾病の相関性を導出する（３）過程と、（３）過程において導出された相関性に基づいて、疾患ネットワークを構築する（４）過程と、を含むことを特徴とする疾病ネットワーク構築方法。
  2. 前記（２）過程における交絡因子は、患者の年齢、性別、人種、服用中の薬物、該当地域、介護施設を含むことを特徴とする請求項１に記載の疾病ネットワーク構築方法。
  3. 前記（３）過程は、先行疾患と後行疾患の相対危険度を算出する過程、又は疾患間の相関関係を分析する過程を含むことを特徴とする請求項１又は２に記載の疾病ネットワーク構築方法。
  4. 前記（３）過程では、疾患の発生期間を考慮する過程がさらに含まれることを特徴とする請求項３に記載の疾病ネットワーク構築方法。
  5. 前記コホートデータは、大韓民国の健康保険公団、健康保険審査評価院のデータ、米国のメディケアデータ又は医療ビッグデータの共有のための国際オデッセイコンソーシアムの共通データモデル（ＣＤＭ）に基づくデータを含むことを特徴とする請求項１に記載の疾病ネットワーク構築方法。
  6. 前記（４）過程は、交絡因子別に階層化したサブネットワーク構築過程と、構築された前記サブネットワークを統合する過程とを含むことを特徴とする請求項１に記載の疾病ネットワーク構築方法。
  7. 前記サブネットワークを統合する過程は、前記それぞれのサブネットワークの階層化されたそれぞれのグループ間の平均値又は最大値を選択して統合することを特徴とする請求項６に記載の疾病ネットワーク構築方法。
  8. 請求項１に記載の疾病ネットワーク構築方法によって導出されたそれぞれの疾患が相互関連しているかを視覚的に表示するイメージ視覚化を含むことを特徴とする疾病ネットワーク視覚化方法。
  9. ユーザーが前記交絡因子を一つ又は複数を選択すると、ユーザーの選択により、前記疾病ネットワークが再構築され、再構築された結果に基づいて、それぞれの疾患が相互関連しているかを視覚的に表示するイメージ視覚化を含むことを特徴とする請求項８に記載の疾病ネットワーク視覚化方法。
  10. 請求項１に記載の疾病ネットワーク構築方法、又は請求項８に記載の疾病ネットワーク視覚化方法を含むことを特徴とするコンピュータで読み取り可能な記録媒体。
JP2021512348A 2018-05-02 2019-05-02 コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体 Pending JP2021523499A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020180050851A KR102142857B1 (ko) 2018-05-02 2018-05-02 코호트 데이터의 혼란변수에 따른 계층화 및 질병 간 발생 시간이 고려된 질병 네트워크 구축 방법, 그 시각화 방법 및 이를 기록한 컴퓨터 판독 가능한 기록매체
KR10-2018-0050851 2018-05-02
PCT/KR2019/005279 WO2019212262A1 (ko) 2018-05-02 2019-05-02 코호트 데이터의 혼란변수에 따른 계층화 및 질병 간 발생 시간이 고려된 질병 네트워크 구축 방법, 그 시각화 방법 및 이를 기록한 컴퓨터 판독 가능한 기록매체

Publications (1)

Publication Number Publication Date
JP2021523499A true JP2021523499A (ja) 2021-09-02

Family

ID=68385978

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021512348A Pending JP2021523499A (ja) 2018-05-02 2019-05-02 コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体

Country Status (5)

Country Link
US (1) US20210057110A1 (ja)
EP (1) EP3790016A4 (ja)
JP (1) JP2021523499A (ja)
KR (1) KR102142857B1 (ja)
WO (1) WO2019212262A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102203711B1 (ko) * 2018-08-28 2021-01-15 아주대학교산학협력단 연속형 변수의 보정 방법 및 이를 이용한 상관관계 분석 방법 및 그 장치
KR102567536B1 (ko) * 2019-12-12 2023-08-21 (주)유에스티21 Ai를 이용한 지역별, 성별, 연령대별 건강분석방법
KR102567562B1 (ko) * 2021-06-07 2023-08-16 계명대학교 산학협력단 인공지능 기반 개인 질환 예측 장치 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150161346A1 (en) * 2013-12-05 2015-06-11 International Business Machines Corporation Patient risk stratification by combining knowledge-driven and data-driven insights
WO2016147290A1 (ja) * 2015-03-16 2016-09-22 富士通株式会社 情報分析プログラム、情報分析方法および情報分析装置
KR101693015B1 (ko) * 2016-07-26 2017-01-05 한국과학기술정보연구원 개인 질병 예측 방법, 개인 질병 예측 시스템 및 개인 질병 예측을 위한 프로그램을 저장하는 저장매체
KR20170060557A (ko) * 2015-11-23 2017-06-01 한국전자통신연구원 건강 관리 장치 및 그것의 미래 건강 예측 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8145582B2 (en) * 2006-10-03 2012-03-27 International Business Machines Corporation Synthetic events for real time patient analysis
US8055603B2 (en) * 2006-10-03 2011-11-08 International Business Machines Corporation Automatic generation of new rules for processing synthetic events using computer-based learning processes
JP2013191021A (ja) * 2012-03-14 2013-09-26 Seiko Epson Corp 健康診断情報提供装置及び健康診断情報提供方法
KR20160043777A (ko) 2014-10-14 2016-04-22 삼성에스디에스 주식회사 질환 발병 예측 방법 및 그 장치
KR20170061222A (ko) * 2015-11-25 2017-06-05 한국전자통신연구원 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
KR101820431B1 (ko) * 2016-11-25 2018-01-19 주식회사 제로믹스 질병 시각화 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150161346A1 (en) * 2013-12-05 2015-06-11 International Business Machines Corporation Patient risk stratification by combining knowledge-driven and data-driven insights
WO2016147290A1 (ja) * 2015-03-16 2016-09-22 富士通株式会社 情報分析プログラム、情報分析方法および情報分析装置
KR20170060557A (ko) * 2015-11-23 2017-06-01 한국전자통신연구원 건강 관리 장치 및 그것의 미래 건강 예측 방법
KR101693015B1 (ko) * 2016-07-26 2017-01-05 한국과학기술정보연구원 개인 질병 예측 방법, 개인 질병 예측 시스템 및 개인 질병 예측을 위한 프로그램을 저장하는 저장매체

Also Published As

Publication number Publication date
US20210057110A1 (en) 2021-02-25
EP3790016A1 (en) 2021-03-10
EP3790016A4 (en) 2021-06-30
WO2019212262A1 (ko) 2019-11-07
KR20190126658A (ko) 2019-11-12
KR102142857B1 (ko) 2020-08-10

Similar Documents

Publication Publication Date Title
Cook et al. Multistate models for the analysis of life history data
Tao et al. Associations of sleep duration and quality with incident cardiovascular disease, cancer, and mortality: a prospective cohort study of 407,500 UK biobank participants
CN104166667B (zh) 分析系统以及保健事业支援方法
JP6182431B2 (ja) 医療データ分析システム、及び医療データを分析する方法
CN108135548A (zh) 用于监测压力状态的方法和系统
JP2021523499A (ja) コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体
CN103392183A (zh) 用于识别处于转化为阿尔茨海默病的风险中的具有轻度认知障碍的患者的方法和系统
CN107430645A (zh) 用于重症监护病房中的实验室值自动化分析和风险通知的系统
WO2015071968A1 (ja) 分析システム
Alemi et al. Time-between control charts for monitoring asthma attacks
CN110603592B (zh) 生物标志物检测方法、疾病判断方法、生物标志物检测装置和生物标志物检测程序
Glynn et al. Measuring causes of adult mortality in rural northern Malawi over a decade of change
Radhakrishnan et al. Investigating discrete event simulation method to assess the effectiveness of wearable health monitoring devices
von Wagner et al. Towards accurate and automatic emergency department workflow characterization using a real-time locating system
Brazier et al. Identifying and reviewing health state utility values for populating decision models
Humble Caveats regarding the use of control charts
Sayinzoga et al. Assessing the impact of group antenatal care on gestational length in Rwanda: A cluster-randomized trial
Gaiduk et al. Assessing the feasibility of replacing subjective questionnaire-based sleep measurement with an objective approach using a Smartwatch
KR20190104500A (ko) 코호트를 이용한 질환 발병 네트워크 구축 방법 및 이를 기록한 컴퓨터 판독 가능한 기록매체
EP3975200A1 (en) Reduction of healthcare variation
Rippinger et al. Health Care Atlases: Informing the General Public About the Situation of the Austrian Health Care System.
Majewska The quality of mortality data
Wolfe et al. Unmet health care needs and health care policy
Augusto et al. A decision-tree-based Bayesian approach for chance-constrained health prevention budget rationing
EINZALI COMPARATIVE ANALYSIS OF ESTIMATED ABRIDGED LIFE TABLES IN MYANMAR

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20201222

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201221

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201204

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210707

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211216

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211227

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220328

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220527

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220823