JP2023175142A - 疾病評価指標算出システム、方法、及び、プログラム - Google Patents
疾病評価指標算出システム、方法、及び、プログラム Download PDFInfo
- Publication number
- JP2023175142A JP2023175142A JP2022087445A JP2022087445A JP2023175142A JP 2023175142 A JP2023175142 A JP 2023175142A JP 2022087445 A JP2022087445 A JP 2022087445A JP 2022087445 A JP2022087445 A JP 2022087445A JP 2023175142 A JP2023175142 A JP 2023175142A
- Authority
- JP
- Japan
- Prior art keywords
- disease
- variable
- score
- data
- model
- 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
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 167
- 201000010099 disease Diseases 0.000 title claims abstract description 165
- 238000011156 evaluation Methods 0.000 title claims abstract description 50
- 238000004364 calculation method Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title description 20
- 230000000968 intestinal effect Effects 0.000 claims abstract description 82
- 241000894006 Bacteria Species 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 14
- 244000005709 gut microbiome Species 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 230000001580 bacterial effect Effects 0.000 abstract description 37
- 206010003645 Atopy Diseases 0.000 description 33
- 206010012438 Dermatitis atopic Diseases 0.000 description 28
- 201000008937 atopic dermatitis Diseases 0.000 description 28
- 238000004458 analytical method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 208000012657 Atopic disease Diseases 0.000 description 11
- 208000006673 asthma Diseases 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 206010020751 Hypersensitivity Diseases 0.000 description 7
- 230000007815 allergy Effects 0.000 description 7
- 206010020772 Hypertension Diseases 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 229940079593 drug Drugs 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 208000019622 heart disease Diseases 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 108020004414 DNA Proteins 0.000 description 3
- 238000007400 DNA extraction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002538 fungal effect Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 208000018522 Gastrointestinal disease Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 208000010643 digestive system disease Diseases 0.000 description 2
- 208000024711 extrinsic asthma Diseases 0.000 description 2
- 208000018685 gastrointestinal system disease Diseases 0.000 description 2
- 239000000820 nonprescription drug Substances 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000079383 Agathobacter Species 0.000 description 1
- 108091093088 Amplicon Proteins 0.000 description 1
- 208000006820 Arthralgia Diseases 0.000 description 1
- 108020000946 Bacterial DNA Proteins 0.000 description 1
- 208000020084 Bone disease Diseases 0.000 description 1
- 241001216243 Butyricimonas Species 0.000 description 1
- 241000503641 Coprobacter Species 0.000 description 1
- 208000032928 Dyslipidaemia Diseases 0.000 description 1
- 241000089032 Erysipelatoclostridium Species 0.000 description 1
- 241000412001 Fusicatenibacter Species 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 208000012659 Joint disease Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 208000008930 Low Back Pain Diseases 0.000 description 1
- 238000000585 Mann–Whitney U test Methods 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 241000843248 Oscillibacter Species 0.000 description 1
- 241000095588 Ruminococcaceae Species 0.000 description 1
- 208000007107 Stomach Ulcer Diseases 0.000 description 1
- 241000194017 Streptococcus Species 0.000 description 1
- 229940035676 analgesics Drugs 0.000 description 1
- 239000000730 antalgic agent Substances 0.000 description 1
- 230000001754 anti-pyretic effect Effects 0.000 description 1
- 239000002221 antipyretic Substances 0.000 description 1
- 229940125716 antipyretic agent Drugs 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 208000000718 duodenal ulcer Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 201000005917 gastric ulcer Diseases 0.000 description 1
- 208000021302 gastroesophageal reflux disease Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000030603 inherited susceptibility to asthma Diseases 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000002175 menstrual effect Effects 0.000 description 1
- 244000005706 microflora Species 0.000 description 1
- 210000004789 organ system Anatomy 0.000 description 1
- 208000000689 peptic esophagitis Diseases 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 235000013406 prebiotics Nutrition 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- 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
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
図1は、本発明の実施形態に係る疾病評価指標算出システムの全体概略図である。疾病評価指標算出システムは、多数の被験者が提出する採便キットから腸内細菌叢データベース(DB)を作成するフェーズ、1又は複数の疾病(特定の疾病)に関するモデルを作成するフェーズ、及び、特定の疾病に対するリスクの評価指標を算出するフェーズを備える。
腸内細菌叢DB作成フェーズでは、一万人以上という多数の被験者が各自の大便をトイレで排泄し、それを採便キットで採取する。次に、採便キットを受け取った抽出業者は、採便キットを腸内細菌DNA抽出装置100に入力し、腸内細菌叢に関するDNA溶液が出力される。
モデル作成フェーズではまず、モデル作成業者は、評価したい疾病を選定する。連関モデル作成装置500は、選定された疾病の入力を受け付ける入力部と、疾病に関係する被験者のID情報をアンケートDB400から男女の属性毎に抽出し、該当するID情報の腸内細菌叢データも腸内細菌叢DB300から抽出する抽出部と、後述する作成方法によって連関モデルを作成する作成部を備える。モデル作成装置500は、作成した連関モデルを連関モデルDB600に格納する。
疾病評価指標算出フェーズでは、評価業者は、採便キットで採取した大便を提出し、かつ、特定の疾病に対するリスクの評価を希望する者(以下、ユーザという)に対し、腸内細菌叢DB作成フェーズで説明した採便キットの提出を依頼する。ユーザの採便キットは、前述した多数の被験者の採便キットと同様、腸内細菌DNA抽出装置100及び腸内細菌叢解析装置200で処理される。ユーザの腸内細菌叢データは腸内細菌叢DB300に格納される。さらに、ユーザが評価を希望する疾病(特定の疾病)、及び、ユーザのID情報(ユーザの性別など属性を含む)を疾病評価指標算出装置900に入力する。
図2は、本実施形態に係る疾病評価指標算出処理のフローチャートである。この処理は2つの処理群に分かれる。疾病毎に得点推定モデルを予め作成する第1の処理群(S100からS120)と、ユーザが評価を希望する疾病に対するリスクの評価指標を算出する第2の処理群(S200からS240)に分かれる。
本実施形態では疾病の例として「アトピー性皮膚炎」を用いる。以下では単に「アトピー」と称する。S100は、腸内細菌叢DB300から、健康な人の群及びアトピーに罹患している人の群の腸内細菌叢データを抽出する。図3から図6は各群を抽出する条件を示す。これらの条件には女性のみに適用される条件も含まれている。
S110は、アトピーに関する連関モデルを作成するステップである。本実施形態では、女性の群を用いるため、女性のアトピーに関する連関モデルを作成することになる。まずS100で抽出した腸内細菌叢データに対し、有心対数比変換(Centerd Log-Ratio transformation、CLR変換)を行い、腸内細菌叢データの各菌属のカウント値をCLR値に変換する。この変換処理を行うことによって、統計処理がしやすくなる。
S120は、疾病罹患状況が未知である場合に、潜在変数の得点を推定するモデルを作成するステップである。連関モデルを作成する際には、NCとASの合併集団のデータ(すなわち、腸内細菌叢データとアトピーの罹患状況データ)を用いる。しかしながら、ユーザは特定の疾病に対するリスクの評価を希望する者であり、疾病罹患状況が未知である。そこで、特定の疾病の罹患状況が未知である場合に潜在変数の得点を推定するモデルが必要である。
S200は、ユーザが評価を希望する疾病を入力するステップである。本実施形態では、アトピーに関する得点推定モデルを性別に分けて作成している。このため、ユーザは性別も入力する。ユーザは女性である。
S210は、ユーザの腸内細菌叢データを抽出するステップである。ユーザは採便キットを提出し、ユーザの腸内細菌叢データは腸内細菌叢DB300に格納される。S210は、ユーザのID情報を用いて腸内細菌叢DB300からユーザの腸内細菌叢データを抽出する。
S220は、アトピーに関する得点推定モデル2を用いて潜在変数の得点を推定するステップである。具体的には、ユーザの腸内細菌叢データを、アトピーに関する得点推定モデル2の観測変数に入力し、アトピーに関する得点推定モデル2の潜在変数のユーザの得点を推定する。
S230は、アトピーに対するリスクの評価指標を算出するステップである。具体的には、図9の潜在変数Lv1、Lv2から観測変数Atopyへのパス係数と、潜在変数Lv1、Lv2の推定値(Lv1est、Lv2est)を用いて、ユーザのアトピーに対するリスクを算出する。図9の一点鎖線は、リスク算出モデル3に関する部分を表す。
図10は、本実施形態に係るアトピーのリスク値に対するROC分析の結果を示す図である。本実施形態に係るリスクの算定、及び、算定したリスクの精度について説明する。
本実施形態によれば、多数被験者の腸内細菌叢データ及び疾病罹患状況データを用いて疾病毎の連関モデル(図9の連関モデル1)を作成し、連関モデルの測定方程式部分から得点推定モデル(図9の得点推定モデル2)を予め作成する。特定の疾病に対するリスクの評価を希望するユーザに対して、特定の疾病に関する得点推定モデル、及び、ユーザの腸内細菌叢データを用いて、潜在変数の得点を推定する。さらに、推定した潜在変数の得点をリスク算出モデル(図9のリスク算出モデル3)に入力すると、ユーザの特定の疾病に対するリスクを算出することができる。
上述した実施形態では、連関モデルから、潜在変数から菌属の観測変数への影響を示す測定方程式モデルを抽出し、測定方程式モデルの各パラメータの値と同じ値を得点推定モデルの各パラメータの値に設定している。すなわち、学習しておらず、測定方程式モデルの各パラメータの値を得点推定モデルの各パラメータの値にそのまま用いている。これに対し、変形例1では、NC及びASの腸内細菌叢データを用いて、得点推定モデルの各パラメータの値を学習する。
図11は、変形例2に係る複数の連関モデルの概要を示す図である。この図では2つ連関モデルを用い、図面の都合上、矢印の数値などは省略している。
図12は、変形例3に係る連関モデルの概要を示す図である。この図では複数の疾病罹患状況変数を観測変数とする潜在変数を連関モデルに用い、図面の都合上、矢印の数値などは省略している。
200 腸内細菌叢解析装置
300 腸内細菌叢DB
400 アンケートDB
500 連関モデル作成装置
600 連関モデルDB
700 得点推定モデル作成装置
800 得点推定モデルDB
900 疾病評価指標算出装置
Claims (9)
- ユーザが調べて欲しいと望む1又は複数の疾病を入力する入力部と、
複数の被験者の便を解析した結果である腸内細菌叢に関するデータを格納する第1のデータベースと、前記被験者へのアンケート結果を格納する第2のデータベースを用いて、健康な人の第1の腸内細菌叢データ、及び、前記疾病に罹患している人の第2の腸内細菌叢データを抽出する抽出部と、
前記第1の腸内細菌叢データと前記第2の腸内細菌叢データとの違いを示す1又は複数の菌に関する第1の観測変数、前記疾病に関する第2の観測変数、及び、前記第1の観測変数と関係する1又は複数の潜在変数で構成される連関モデルを作成する第1の作成部と、
前記1又は複数の菌を説明変数とし、前記潜在変数の得点を目的変数とする得点推定モデルを作成する第2の作成部と、
前記ユーザの腸内細菌叢データを前記得点推定モデルに入力し、前記潜在変数の得点を推定する推定部と、
前記連関モデル内の、前記潜在変数から前記第2の観測変数へのパス係数と、前記推定された得点を用いて、前記ユーザの前記疾病に対するリスクを算出する算出部と、
を備える疾病評価指標算出システム。 - 前記疾病に罹患している人は、現在罹患している人及び/又は過去に罹患していた人を含む請求項1に記載の疾病評価指標算出システム。
- 前記第1の作成部は、効果量を指標として、前記1又は複数の菌を選抜する選抜部をさらに備える請求項1に記載の疾病評価指標算出システム。
- 前記第2の作成部は、前記連関モデルから、前記潜在変数から前記第1の観測変数への影響を示す測定方程式モデルを抽出し、
前記測定方程式モデルの各パラメータの値と同じ値を前記得点推定モデルの各パラメータの値に設定する請求項1に記載の疾病評価指標算出システム。 - 前記第2の作成部は、前記第1の腸内細菌叢データ及び前記第2の腸内細菌叢データを用いて、前記得点推定モデルの各パラメータの値を学習する学習部をさらに備える請求項4に記載の疾病評価指標算出システム。
- 前記疾病が複数の場合、
前記第1の作成部は、前記疾病毎に前記連関モデルを複数作成し、
前記第2の作成部は、前記疾病毎に前記特定推定モデルを複数作成し、
前記算出部は、前記疾病毎の前記リスク、又は、前記複数の疾病に対する前記リスクを算出する請求項1に記載の疾病評価指標算出システム。 - 前記疾病が複数の場合、前記疾病に関する第2の観測変数は複数になり、
前記第1の作成部は、前記複数の第2の観測変数に関する他の潜在変数を前記連関モデルに加え、
前記算出部は、前記推定された得点から前記他の潜在変数の得点を推定し、前記他の潜在変数から前記第2の観測変数へのパス係数と、前記他の潜在変数の得点を用いて、前記ユーザの前記複数の疾病に対するリスクを算出する請求項1に記載の疾病評価指標算出システム。 - ユーザが調べて欲しいと望む1又は複数の疾病の入力を受け付け、
複数の被験者の便を解析した結果である腸内細菌叢に関するデータを格納する第1のデータベースと、前記被験者へのアンケート結果を格納する第2のデータベースを用いて、健康な人の第1の腸内細菌叢データ、及び、前記疾病に罹患している人の第2の腸内細菌叢データを抽出し、
前記第1の腸内細菌叢データと前記第2の腸内細菌叢データとの違いを示す1又は複数の菌に関する第1の観測変数、前記疾病に関する第2の観測変数、及び、前記第1の観測変数と関係する1又は複数の潜在変数で構成される連関モデルを作成し、
前記1又は複数の菌を説明変数とし、前記潜在変数の得点を目的変数とする得点推定モデルを作成し、
前記ユーザの腸内細菌叢データを前記得点推定モデルに入力し、前記潜在変数の得点を推定し、
前記連関モデル内の、前記潜在変数から前記第2の観測変数へのパス係数と、前記推定された得点を用いて、前記ユーザの前記疾病に対するリスクを算出するコンピュータによる疾病評価指標算出方法。 - ユーザが調べて欲しいと望む1又は複数の疾病の入力を受け付ける入力ステップと、
複数の被験者の便を解析した結果である腸内細菌叢に関するデータを格納する第1のデータベースと、前記被験者へのアンケート結果を格納する第2のデータベースを用いて、健康な人の第1の腸内細菌叢データ、及び、前記疾病に罹患している人の第2の腸内細菌叢データを抽出する抽出ステップと、
前記第1の腸内細菌叢データと前記第2の腸内細菌叢データとの違いを示す1又は複数の菌に関する第1の観測変数、前記疾病に関する第2の観測変数、及び、前記第1の観測変数と関係する1又は複数の潜在変数で構成される連関モデルを作成する第1の作成ステップと、
前記1又は複数の菌を説明変数とし、前記潜在変数の得点を目的変数とする得点推定モデルを作成する第2の作成ステップと、
前記ユーザの腸内細菌叢データを前記得点推定モデルに入力し、前記潜在変数の得点を推定する推定ステップと、
前記連関モデル内の、前記潜在変数から前記第2の観測変数へのパス係数と、前記推定された得点を用いて、前記ユーザの前記疾病に対するリスクを算出する算出ステップと、
をコンピュータに実行させる疾病評価指標算出プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022087445A JP7270143B1 (ja) | 2022-05-30 | 2022-05-30 | 疾病評価指標算出システム、方法、及び、プログラム |
PCT/JP2023/019621 WO2023234188A1 (ja) | 2022-05-30 | 2023-05-26 | 疾病評価指標算出システム、方法、及び、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022087445A JP7270143B1 (ja) | 2022-05-30 | 2022-05-30 | 疾病評価指標算出システム、方法、及び、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7270143B1 JP7270143B1 (ja) | 2023-05-10 |
JP2023175142A true JP2023175142A (ja) | 2023-12-12 |
Family
ID=86316789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022087445A Active JP7270143B1 (ja) | 2022-05-30 | 2022-05-30 | 疾病評価指標算出システム、方法、及び、プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7270143B1 (ja) |
WO (1) | WO2023234188A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7411177B1 (ja) | 2023-05-31 | 2024-01-11 | シンバイオシス・ソリューションズ株式会社 | 軽度認知障害のリスク指標算出装置、方法、及び、プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012165716A (ja) * | 2011-02-16 | 2012-09-06 | Infocom Corp | 腸内常在菌解析情報を基にした食事支援システム |
US20190259501A1 (en) * | 2018-02-15 | 2019-08-22 | Atlas Llc | Method for evaluation of disease risk in the user on the basis of genetic data and data on the composition of gut microbiota |
JP2020030662A (ja) * | 2018-08-23 | 2020-02-27 | 一般社団法人日本農業フロンティア開発機構 | 疾病評価指標算出方法、装置、システム、及び、プログラム、並びに、疾病評価指標を算出するためのモデル作成方法。 |
CN114283890A (zh) * | 2021-12-15 | 2022-04-05 | 南京医科大学 | 一种基于瘤胃球菌微生物群的疾病风险预测方法及装置 |
-
2022
- 2022-05-30 JP JP2022087445A patent/JP7270143B1/ja active Active
-
2023
- 2023-05-26 WO PCT/JP2023/019621 patent/WO2023234188A1/ja unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012165716A (ja) * | 2011-02-16 | 2012-09-06 | Infocom Corp | 腸内常在菌解析情報を基にした食事支援システム |
US20190259501A1 (en) * | 2018-02-15 | 2019-08-22 | Atlas Llc | Method for evaluation of disease risk in the user on the basis of genetic data and data on the composition of gut microbiota |
JP2020030662A (ja) * | 2018-08-23 | 2020-02-27 | 一般社団法人日本農業フロンティア開発機構 | 疾病評価指標算出方法、装置、システム、及び、プログラム、並びに、疾病評価指標を算出するためのモデル作成方法。 |
CN114283890A (zh) * | 2021-12-15 | 2022-04-05 | 南京医科大学 | 一种基于瘤胃球菌微生物群的疾病风险预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7270143B1 (ja) | 2023-05-10 |
WO2023234188A1 (ja) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11488718B2 (en) | Computer aided medical method and medical system for medical prediction | |
CN116756579B (zh) | 大语言模型的训练方法及基于大语言模型的文本处理方法 | |
US7805385B2 (en) | Prognosis modeling from literature and other sources | |
Guilleux et al. | RespOnse Shift ALgorithm in Item response theory (ROSALI) for response shift detection with missing data in longitudinal patient-reported outcome studies | |
US20020035486A1 (en) | Computerized clinical questionnaire with dynamically presented questions | |
CN110838368A (zh) | 一种基于中医临床知识图谱的机器人主动问诊方法 | |
TWI521467B (zh) | Nursing decision support system | |
Maroof | Binary logistic regression | |
WO2023234188A1 (ja) | 疾病評価指標算出システム、方法、及び、プログラム | |
CN116779164A (zh) | 一种慢性病共病患者自我管理评价量表的生成方法 | |
Cundick et al. | Iliad as a patient case simulator to teach medical problem solving | |
Li et al. | Personalized intelligent syndrome differentiation guided by TCM consultation philosophy | |
Haze et al. | Influence on the accuracy in ChatGPT: Differences in the amount of information per medical field | |
US20210312942A1 (en) | System, method, and computer program for cognitive training | |
CN116864062A (zh) | 一种基于互联网的健康体检报告数据分析管理系统 | |
CN110610766A (zh) | 基于症状特征权重推导疾病概率的装置和存储介质 | |
CN114201613B (zh) | 试题生成方法、试题生成装置、电子设备以及存储介质 | |
Tamanini et al. | Towards an applied multicriteria model to the diagnosis of Alzheimer's disease: a neuroimaging study case | |
Abdeljaber | Detecting autistic traits using computational intelligence & machine learning techniques | |
Sapdana et al. | Implementation Expert System for Diagnosing Tuberculosis Using Dempster-Shafer Method | |
Syaukani et al. | Modeling on clinical group decision support system for screening and working diagnosis acute respiratory infections | |
Amini et al. | An ai-assisted online tool for cognitive impairment detection using images from the clock drawing test | |
Miró Catalina et al. | Knowledge and Perception of the Use of AI and its Implementation in the Field of Radiology: Cross-Sectional Study | |
Addisu et al. | Case-based reasoning framework for malaria diagnosis | |
Pastre et al. | Development and validation of a clinical diagnostic scoring system for the diagnosis of idiopathic pulmonary fibrosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220617 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220617 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221107 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230207 |
|
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: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230410 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7270143 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |