JP2022029824A - 癌罹患判定方法、装置、およびプログラム - Google Patents
癌罹患判定方法、装置、およびプログラム Download PDFInfo
- Publication number
- JP2022029824A JP2022029824A JP2020133346A JP2020133346A JP2022029824A JP 2022029824 A JP2022029824 A JP 2022029824A JP 2020133346 A JP2020133346 A JP 2020133346A JP 2020133346 A JP2020133346 A JP 2020133346A JP 2022029824 A JP2022029824 A JP 2022029824A
- Authority
- JP
- Japan
- Prior art keywords
- cancer
- determination
- morbidity
- cancer morbidity
- information
- 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.)
- Granted
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 143
- 201000011510 cancer Diseases 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003745 diagnosis Methods 0.000 title claims description 52
- 230000036541 health Effects 0.000 claims abstract description 52
- 238000003909 pattern recognition Methods 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 37
- 201000010099 disease Diseases 0.000 claims description 34
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 34
- 238000009534 blood test Methods 0.000 claims description 15
- 206010012601 diabetes mellitus Diseases 0.000 claims description 13
- 210000004369 blood Anatomy 0.000 claims description 7
- 239000008280 blood Substances 0.000 claims description 7
- 238000000491 multivariate analysis Methods 0.000 claims description 4
- 208000005718 Stomach Neoplasms Diseases 0.000 abstract description 58
- 206010017758 gastric cancer Diseases 0.000 abstract description 58
- 201000011549 stomach cancer Diseases 0.000 abstract description 58
- 238000012216 screening Methods 0.000 abstract description 14
- 238000007689 inspection Methods 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 description 34
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Chemical compound OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 14
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 239000008103 glucose Substances 0.000 description 9
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 8
- 210000003743 erythrocyte Anatomy 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000012567 pattern recognition method Methods 0.000 description 7
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 6
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 6
- 229940024606 amino acid Drugs 0.000 description 6
- 235000001014 amino acid Nutrition 0.000 description 6
- 150000001413 amino acids Chemical class 0.000 description 6
- 239000011575 calcium Substances 0.000 description 6
- 235000012000 cholesterol Nutrition 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 210000000265 leukocyte Anatomy 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 239000011734 sodium Substances 0.000 description 6
- 108010088751 Albumins Proteins 0.000 description 5
- 102000009027 Albumins Human genes 0.000 description 5
- 239000004382 Amylase Substances 0.000 description 5
- 108010065511 Amylases Proteins 0.000 description 5
- 102000013142 Amylases Human genes 0.000 description 5
- 108010074051 C-Reactive Protein Proteins 0.000 description 5
- 102100032752 C-reactive protein Human genes 0.000 description 5
- 101710107035 Gamma-glutamyltranspeptidase Proteins 0.000 description 5
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 description 5
- 102000001554 Hemoglobins Human genes 0.000 description 5
- 108010054147 Hemoglobins Proteins 0.000 description 5
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 5
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 5
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 5
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 5
- 235000019418 amylase Nutrition 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 210000003979 eosinophil Anatomy 0.000 description 5
- 102000006640 gamma-Glutamyltransferase Human genes 0.000 description 5
- 210000004698 lymphocyte Anatomy 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 229940116269 uric acid Drugs 0.000 description 5
- 208000000461 Esophageal Neoplasms Diseases 0.000 description 4
- 206010030155 Oesophageal carcinoma Diseases 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 4
- 210000003651 basophil Anatomy 0.000 description 4
- 229910052791 calcium Inorganic materials 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 229940109239 creatinine Drugs 0.000 description 4
- 201000004101 esophageal cancer Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000001616 monocyte Anatomy 0.000 description 4
- 210000000440 neutrophil Anatomy 0.000 description 4
- 229910052700 potassium Inorganic materials 0.000 description 4
- 229910052708 sodium Inorganic materials 0.000 description 4
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 3
- 108010082126 Alanine transaminase Proteins 0.000 description 3
- 102000006395 Globulins Human genes 0.000 description 3
- 108010044091 Globulins Proteins 0.000 description 3
- 208000009956 adenocarcinoma Diseases 0.000 description 3
- 208000003532 hypothyroidism Diseases 0.000 description 3
- 230000002989 hypothyroidism Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 235000018102 proteins Nutrition 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000006016 thyroid dysfunction Effects 0.000 description 3
- 210000001685 thyroid gland Anatomy 0.000 description 3
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 3
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 2
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 2
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 206010064571 Gene mutation Diseases 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- 238000008214 LDL Cholesterol Methods 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 208000025747 Rheumatic disease Diseases 0.000 description 2
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 230000000552 rheumatic effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000000439 tumor marker Substances 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 101710142885 Arginine N-succinyltransferase Proteins 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- XUIIKFGFIJCVMT-GFCCVEGCSA-N D-thyroxine Chemical compound IC1=CC(C[C@@H](N)C(O)=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-GFCCVEGCSA-N 0.000 description 1
- 101710088194 Dehydrogenase Proteins 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 102000004160 Phosphoric Monoester Hydrolases Human genes 0.000 description 1
- 108090000608 Phosphoric Monoester Hydrolases Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 102100023105 Sialin Human genes 0.000 description 1
- 101710105284 Sialin Proteins 0.000 description 1
- 208000003252 Signet Ring Cell Carcinoma Diseases 0.000 description 1
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000013142 basic testing Methods 0.000 description 1
- 231100000244 chromosomal damage Toxicity 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000035474 group of disease Diseases 0.000 description 1
- 238000005534 hematocrit Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 201000010879 mucinous adenocarcinoma Diseases 0.000 description 1
- 238000001543 one-way ANOVA Methods 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 201000008123 signet ring cell adenocarcinoma Diseases 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 229940034208 thyroxine Drugs 0.000 description 1
- XUIIKFGFIJCVMT-UHFFFAOYSA-N thyroxine-binding globulin Natural products IC1=CC(CC([NH3+])C([O-])=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-UHFFFAOYSA-N 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 201000007423 tubular adenocarcinoma Diseases 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
(本願発明の原理)
本願発明では、胃癌の早期発見を目的とし、侵襲性の高い検査や、特定の腫瘍マーカーを用いることなく、一般的な健康診断で取得することが可能な、血液検査を中心とする検査データを利用して、より精度の高い癌罹患判定を実現することを目的とする。このような一般的な指標を複数組み合わせて罹患状況や身体の状態を予測、診断する方法としては、例えば甲状腺機能異常を予測、診断する技術が知られている。この技術によると、甲状腺異常により生じるホルモン産生の過剰または不足による影響を、ホルモン量を直接測定することに替えて、血液検査指標で代用すべく開発されたものであり、総コレルテロール、クレアチニン、アルカリフォスファターゼ等を組み合わせることでチロキシン量を推定し甲状腺機能異常を判定するものである。具体的には、実際に健康診断等で取得された総コレルテロール、クレアチニン、アルカリフォスファターゼ等の値と、既知の甲状腺機能の状況との相関関係を種々のコンピュータ解析にかけ、判定アルゴリズムを生成して、対象個人のデータに判定アルゴリズムを適用し、異常の有無を判定する。
(システム構成)
図1は、本発明の一実施形態の全体のシステム構成図である。本実施形態では、図1に示すように、本システムの各種処理を実行する情報処理装置である癌罹患判定サーバ101には、本システムで使用する利用者情報、健康診断情報などを含むマスターデータ群102および判別解析データなどを格納する癌罹患判定データベース103が接続されている。また、癌罹患判定サーバ201は、各種クライアント端末111、121とネットワーク104を介して接続し、各種クライアント端末からの要求等により、各種データベースにアクセスして癌罹患判定を実行する。
本実施形態では、対象者の負担にならずに取得が可能な一般的な健康診断の血液検査による手法などを使用することができ、主にRBC(赤血球)、WBC(白血球)、Ht(ヘマトクリット)、Hb(ヘモグロビン)、PLT(血小板)、HbAlc(ヘモグロビンAlc)、ALP(アルカリフォスファターゼ)、ALT(アラニンアミノトランスフェラーゼ)、AST(アスパラギン酸アミノトランスフェラーゼ)、γ―GTP(γ‐グルタミルトランスペプチダーゼ)、LDH(乳酸脱水素酵素)、AMY(アミラーゼ)、TP(総蛋白)、A/G(アルブミン/グロブリン比)、Alb(アルブミン)、BUN(尿素窒素)、Cr(クレアチニン)、Bil(ビリルビン)、TC(総コレステロール)、HDL(HDLコレステロール)、TG(中性脂肪;トリグリセリド)、LDL(LDLコレステロール)、UA(尿酸)、GLU(グルコース)、RF(リュウマチ因子)、CRP(C反応性蛋白)、SG(尿比重)、BMI(ボディマス指数)を使用することができる。以上の検査にさらにHR(心拍数)またはPR(脈拍数)、MONO(単球)、LYMPH(リンパ球)、NEUT(好中球)、EOSINO(好酸球)、BASO(好塩基球)、Na(ナトリウム)、K(カリウム)、Ca(カルシウム)、P(リン)を加えることができるが、これに限れずにより少ない、あるいはより多い本技術分野で知られた指標を用いることができる。
図6および7に示す複数の個人に対する健康診断データを用いて、種々の解析手法を用い判別式を構築する。
本実施例では、上述の第1実施例と同様の学習データを使用し、1次スクリーニングとして先ずSOM手法によりクラスター分類を行うことにより、胃癌群の2~3のサブクラスターに分離する。すなわち、SOM手法により得られた学習モデルに、ターゲットの健康診断データを投影して胃癌群のクラスターに投影されるか否かで、胃癌罹患の可能性を判定することができる。具体的には、自己組織化ネットワークの入力層のニューロン数は基本的に検査項目数とし、出力層には解像度を考慮して学習サンプル数より十分多いニューロンを二次元的に並べるが、発火するニューロン数は学習サンプル数となる。発火するニューロンの配置は、学習初期はランダムな状態であるが、競合学習が進むにつれて基本的に検査項目の値の組の類似度が高いもの同士ほど近接して配置されていき、徐々にデータ構造を反映したものに変化していく。個々の学習サンプルに対応する発火ニューロンの最適な配置図が自己組織化マップ(SOM)となる。
上述の2つの実施例では基本的に胃癌患者と健常者との分類を行ったが、本実施例では糖尿病患者も含めた分類を行う。すなわち、一次スクリーニングでは胃癌群に多くの糖尿病患者が紛れ込むことが判明しており、糖尿病患者を排除することにより、胃癌患者の検出精度が高くなることが期待される。本実施例では、パターン認識手法により上記実施例でも使用した検査項目を使用して胃癌患者群と糖尿病患者群とを分類する。具体的に図12を参照して説明する。図12は、このようにして得られた胃癌の糖尿病との鑑別のROC曲線を示す図である。上述のいずれかの実施例による1回目のスクリーニングの後、癌罹患と判定される群からさらに糖尿病に関連する指標を用いて糖尿病罹患者を排除することにより、より高精度に判定を行うことができる。計算条件を変化させて得られた最大の感度および特異度はそれぞれ88.1%および98.1%であり、曲線1202で示すようにARD_onでAUC=0.954、曲線1201で示すようにARD_offでAUC=0.938であった。
[第4実施例]
上述の第1および第2実施例では基本的に胃癌患者と健常者の分類を行ったが、本実施例では一般的な癌以外の疾患のデータも含めて分類を行う。すなわち、胃癌とその他の疾患とを区別する鑑別スクリーニングを導入する。図13は各検査項目についての胃癌患者群および疾患患者群1~18の一元配置分析を示す図である。図13には、疾患による検索項目1の一元配置分析1301、疾患による検索項目2の一元配置分析1302、疾患による検索項目3の一元配置分析1303、疾患による検索項目4の一元配置分析1304、疾患による検索項目5の一元配置分析1305、疾患による検索項目6の一元配置分析1306、疾患による検索項目7の一元配置分析1307、疾患による検索項目8の一元配置分析1308および疾患による検索項目9の一元配置分析1309を示す。具体的には図13に示すように、本願発明で処理の対象となる一般的な健康診断で得られる検査指標は、同時に癌以外の疾患に関連する情報を含んでいると考えられるので、癌以外の疾患1~18の各疾患患者群と胃癌患者群との鑑別を、パターン認識手法を用いて行う。具体的には、上述のいずれかの実施例による1回目のスクリーニングの後、癌罹患と判定される群からさらに各疾患に関連する指標を用いて各疾患の患者を排除することにより、より高精度に判定を行うことができる。その結果、疾患により精度は異なるが、いずれも80%~98%といった高い精度で鑑別が行えることが分かった。図14は、本実施例の鑑別スクリーニングのROC曲線を示す図である。鑑別の具体的な手法については、本技術分野で知られたいずれの手法も用いることができる。
上述の実施例では基本的に癌の中でも主に胃癌患者の分類を行ったが、本実施例では胃癌以外の癌との判別を行う。具体的には、胃癌と食道癌とはもともと異なる組織由来の癌であるため、一定程度区別することが可能である。上述の実施例に加えて食道癌患者のデータも加えた学習データを使用して、鑑別計算を行った結果、図17に示すように胃癌患者群と食道癌患者群とを区別することができた。両群を区別する有益な検査パラメータとしては、特にRBC(赤血球)、ALT(アラニンアミノトランスフェラーゼ)、TP(総蛋白)、A/G(アルブミン/グロブリン比)、TC(総コレステロール)、TG(中性脂肪;トリグリセリド)、GLU(グルコース)、BMI(ボディマス指数)などを挙げることができる。
上述の各実施例では様々な手法で予測モデルを構築することを説明してきたが、これらの予測モデルは基本的に各患者の個別の検査データを学習サンプルまたはテストサンプルとするものであり、測定時期という時間的概念はない。しかし、一般に、疾病は時間の経過とともに症状や状態が変化し、それに伴い関連する検査項目やその値の大小の傾向も変化する可能性がある。本実施例では、各患者の所定の期間を置いて測定された測定値を考慮することにより、より高精度で予測モデルを構築するものである。すなわち、前回受診時から今回受診時にかけての各検査値の変動率を例えば1年あたりの変動率に換算した年間変動速度Vを、V(%/年)=((今回検査値-前回検査値)/前回検査値)×(365日/受信間隔)とする。検査値だけでなく、その年間変動速度も変数として使用しパターン認識手法を用いた予測モデルを構築した。
Claims (11)
- 血液検査情報を含む健康診断情報に基づいて癌罹患の可能性を判定する癌罹患判定方法であって、
複数の個人の既知の健康診断情報および、当該個人の癌罹患に関する癌罹患情報に基づきコンピュータ解析を行って、判別式の係数および判定閾値を取得する取得ステップと、
対象個人の健康診断情報から、前記取得した係数による判別式および判定閾値を用いて該対象個人の癌罹患の可能性を判定する判定ステップと
を備えることを特徴とする癌罹患判定方法。 - 前記血液検査情報は、血液の所定のインデックスを含むことを特徴とする請求項1に記載の癌罹患判定方法。
- 前記健康診断情報は、ボディマス指数(BMI)、心拍数(HR)および脈拍数(PR)の少なくとも1つを含むことを特徴とする請求項1または2に記載の癌罹患判定方法。
- 前記コンピュータ解析は、パターン認識による解析または多変量解析であることを特徴とする請求項1ないし3のいずれかに記載の癌罹患判定方法。
- 前記コンピュータ解析は、自己組織化マップによりクラスター分類を行って、癌罹患群と非罹患群とにサブクラスター分類することを特徴とする請求項4に記載の癌罹患判定方法。
- 前記癌罹患の可能性について判定された対象個人の前記健康診断情報のうち、特に糖尿病に関連する健康診断情報を除外して、該対象個人の癌罹患の可能性を判定する糖尿病鑑別ステップをさらに備えることを特徴とする請求項1ないし5のいずれかに記載の癌罹患判定方法。
- 前記癌罹患情報は、罹患した癌のステージ情報を含み、
前記取得ステップは、前記ステージ情報について前記係数および前記判定閾値を取得し、
前記判定ステップは、前記対象個人の癌罹患の可能性を前記ステージ情報について判定することを特徴とする請求項1ないし6のいずれかに記載の癌罹患判定方法。 - 前記取得ステップは、前記癌罹患情報に加えて、癌以外の他の疾患に罹患しているか否かを示す他疾患罹患情報について前記係数および前記判定閾値を取得し、
前記判定ステップは、前記対象個人の癌罹患および前記他の疾患の可能性を判定することを特徴とする請求項1ないし6のいずれかに記載の癌罹患判定方法。 - 前記癌罹患情報は、罹患した癌の癌種情報を含み、
前記取得ステップは、前記癌種情報について前記係数および前記判定閾値を取得し、
前記判定ステップは、該対象個人の癌罹患の可能性を前記癌種について判定することを特徴とする請求項1ないし6のいずれかに記載の癌罹患判定方法。 - 血液検査情報を含む健康診断情報に基づいて癌罹患の可能性を判定する癌罹患判定方法をコンピュータに実行させるプログラムであって、該癌罹患判定方法は、
複数の個人の既知の健康診断情報および、当該個人の癌罹患に関する癌罹患情報に基づきコンピュータ解析を行って、判別式の係数および判定閾値を取得する取得ステップと、
対象個人の健康診断情報から、前記取得した係数による判別式および判定閾値を用いて該対象個人の癌罹患の可能性を判定する判定ステップと
を備えることを特徴とするプログラム。 - 血液検査情報を含む健康診断情報に基づいて癌罹患の可能性を判定する癌罹患判定装置であって、
複数の個人の既知の健康診断情報および、当該個人の癌罹患に関する癌罹患情報に基づきコンピュータ解析を行って、判別式の係数および判定閾値を取得する取得手段と、
対象個人の健康診断情報から、前記取得した係数による判別式および判定閾値を用いて該対象個人の癌罹患の可能性を判定する判定手段と
を備えることを特徴とする癌罹患判定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020133346A JP7157941B2 (ja) | 2020-08-05 | 2020-08-05 | 癌罹患判定方法、装置、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020133346A JP7157941B2 (ja) | 2020-08-05 | 2020-08-05 | 癌罹患判定方法、装置、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022029824A true JP2022029824A (ja) | 2022-02-18 |
JP7157941B2 JP7157941B2 (ja) | 2022-10-21 |
Family
ID=80324753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020133346A Active JP7157941B2 (ja) | 2020-08-05 | 2020-08-05 | 癌罹患判定方法、装置、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7157941B2 (ja) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007052774A (ja) * | 1995-07-25 | 2007-03-01 | Ortho-Clinical Diagnostics Inc | コンピュータ援用疾病診断方法 |
JP2008052511A (ja) * | 2006-08-24 | 2008-03-06 | Alpha International:Kk | Ebmに基づいた生活習慣病チェックプログラム及び当該ebmに基づいた生活習慣病チェックプログラムを記憶したコンピュータ読み取り可能な記憶媒体、並びにebmに基づいた生活習慣病チェックシステム |
JP2008224526A (ja) * | 2007-03-14 | 2008-09-25 | Shinshu Univ | 血栓傾向データ収集方法 |
JP2011501845A (ja) * | 2007-10-12 | 2011-01-13 | ペイシェンツライクミー, インコーポレイテッド | 患者のコミュニティのプロファイルに基づく病状および転帰の個人管理ならびに比較 |
JP2012531581A (ja) * | 2009-06-23 | 2012-12-10 | イベントゥス、ダイアグノスティックス、イスラエル、リミテッド | 癌の検出のための方法およびシステム |
JP2015108515A (ja) * | 2013-12-03 | 2015-06-11 | 株式会社プロトセラ | 大腸癌の診断のための検査方法 |
WO2016013597A1 (ja) * | 2014-07-22 | 2016-01-28 | 国立研究開発法人産業技術総合研究所 | 肝細胞がんマーカー |
WO2016121695A1 (ja) * | 2015-01-26 | 2016-08-04 | 東レ株式会社 | 胆道癌の検出方法及び胆道癌検出用キット |
WO2016181912A1 (ja) * | 2015-05-08 | 2016-11-17 | 学校法人 川崎学園 | 免疫因子を指標とした肺腺癌の予後演算式作成方法と予後推定方法 |
WO2017115816A1 (ja) * | 2015-12-28 | 2017-07-06 | 国立大学法人京都大学 | がんの判定方法、がんの判定のための装置及びコンピュータプログラム |
WO2018186434A1 (ja) * | 2017-04-04 | 2018-10-11 | 株式会社レナテック | 加齢黄斑変性症のリスク評価方法及びシステム |
KR101951727B1 (ko) * | 2018-02-02 | 2019-02-26 | (주)바이오인프라생명과학 | 멀티 암 판별을 위한 컴퓨팅 방법 및 이를 이용한 컴퓨팅 장치 |
JP2019060749A (ja) * | 2017-09-27 | 2019-04-18 | 株式会社レナテック | がんリスク評価方法及びがんリスク評価システム |
JP2019105451A (ja) * | 2017-12-08 | 2019-06-27 | 株式会社日立製作所 | 尿検体採取時間を登録する尿によるがん検査 |
-
2020
- 2020-08-05 JP JP2020133346A patent/JP7157941B2/ja active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007052774A (ja) * | 1995-07-25 | 2007-03-01 | Ortho-Clinical Diagnostics Inc | コンピュータ援用疾病診断方法 |
JP2008052511A (ja) * | 2006-08-24 | 2008-03-06 | Alpha International:Kk | Ebmに基づいた生活習慣病チェックプログラム及び当該ebmに基づいた生活習慣病チェックプログラムを記憶したコンピュータ読み取り可能な記憶媒体、並びにebmに基づいた生活習慣病チェックシステム |
JP2008224526A (ja) * | 2007-03-14 | 2008-09-25 | Shinshu Univ | 血栓傾向データ収集方法 |
JP2011501845A (ja) * | 2007-10-12 | 2011-01-13 | ペイシェンツライクミー, インコーポレイテッド | 患者のコミュニティのプロファイルに基づく病状および転帰の個人管理ならびに比較 |
JP2012531581A (ja) * | 2009-06-23 | 2012-12-10 | イベントゥス、ダイアグノスティックス、イスラエル、リミテッド | 癌の検出のための方法およびシステム |
JP2015108515A (ja) * | 2013-12-03 | 2015-06-11 | 株式会社プロトセラ | 大腸癌の診断のための検査方法 |
WO2016013597A1 (ja) * | 2014-07-22 | 2016-01-28 | 国立研究開発法人産業技術総合研究所 | 肝細胞がんマーカー |
WO2016121695A1 (ja) * | 2015-01-26 | 2016-08-04 | 東レ株式会社 | 胆道癌の検出方法及び胆道癌検出用キット |
WO2016181912A1 (ja) * | 2015-05-08 | 2016-11-17 | 学校法人 川崎学園 | 免疫因子を指標とした肺腺癌の予後演算式作成方法と予後推定方法 |
WO2017115816A1 (ja) * | 2015-12-28 | 2017-07-06 | 国立大学法人京都大学 | がんの判定方法、がんの判定のための装置及びコンピュータプログラム |
WO2018186434A1 (ja) * | 2017-04-04 | 2018-10-11 | 株式会社レナテック | 加齢黄斑変性症のリスク評価方法及びシステム |
JP2019060749A (ja) * | 2017-09-27 | 2019-04-18 | 株式会社レナテック | がんリスク評価方法及びがんリスク評価システム |
JP2019105451A (ja) * | 2017-12-08 | 2019-06-27 | 株式会社日立製作所 | 尿検体採取時間を登録する尿によるがん検査 |
KR101951727B1 (ko) * | 2018-02-02 | 2019-02-26 | (주)바이오인프라생명과학 | 멀티 암 판별을 위한 컴퓨팅 방법 및 이를 이용한 컴퓨팅 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP7157941B2 (ja) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wolff-Hughes et al. | Total activity counts and bouted minutes of moderate-to-vigorous physical activity: relationships with cardiometabolic biomarkers using 2003–2006 NHANES | |
Quante et al. | Practical considerations in using accelerometers to assess physical activity, sedentary behavior, and sleep | |
EP2844131B1 (en) | Methods and systems of evaluating a risk of a gastrointestinal cancer | |
US8965497B2 (en) | Electrophysiological analysis system and method | |
Lacher et al. | Biological variation of laboratory analytes based on the 1999-2002 National Health and Nutrition Examination Survey | |
JP2009535644A (ja) | バイオマーカーを使用して疾患状況を同定するための方法および装置 | |
Ding et al. | Mortality prediction for ICU patients combining just-in-time learning and extreme learning machine | |
Vargason et al. | Towards a multivariate biomarker-based diagnosis of autism spectrum disorder: Review and discussion of recent advancements | |
Wiegert et al. | Cancer cachexia: comparing diagnostic criteria in patients with incurable cancer | |
Vijayalaxmi et al. | Multi-disease prediction with artificial intelligence from core health parameters measured through non-invasive technique | |
Bahr et al. | Neonatal reference intervals for the complete blood count parameters MicroR and HYPO-He: sensitivity beyond the red cell indices for identifying microcytic and hypochromic disorders | |
JP2022029824A (ja) | 癌罹患判定方法、装置、およびプログラム | |
RU2653682C1 (ru) | Способ экспресс-диагностики формы расстройства шизофренического спектра | |
Sharifi et al. | A novel classification method based on multilayer perceptron-artificial neural network technique for diagnosis of chronic kidney disease | |
Zhang et al. | Relationship between novel anthropometric indices and the incidence of hypertension in Chinese individuals: a prospective cohort study based on the CHNS from 1993 to 2015 | |
Boccardi et al. | Dealing with dehydration in hospitalized oldest persons: accuracy of the calculated serum osmolarity | |
RU2320272C1 (ru) | Способ прогнозирования течения сахарного диабета 1 типа | |
US9417242B2 (en) | Method and system for detecting and differentiating cancer and sepsis in mammals using biomarkers | |
RU2650212C1 (ru) | Способ оценки гипердиагностики инфаркта миокарда | |
US8969022B2 (en) | Method and system for detecting lymphosarcoma in cats using biomarkers | |
CN117054669B (zh) | 急性缺血性脑卒中的诊断或预测标志物、产品和方法 | |
Ramroach et al. | CUDA optimized Neural Network predicts blood glucose control from quantified joint mobility and anthropometrics | |
CN117954089A (zh) | 慢性肾脏病中西医慢病管理效果预测模型构建方法及装置 | |
CN116790739A (zh) | 一种用于肌少症的生物标志物及其应用 | |
Amer | Assessment of liver function using hybrid neuro-fuzzy model of blood albumin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210331 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220509 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220920 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220926 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7157941 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |