JP2024511897A - 被験体の疾患をスクリーニングするためのシステム、方法及び装置 - Google Patents

Abstract

被験体の疾患をスクリーニングするためのシステム、方法及び装置が提供される。本システムは、被験体の試験試料を収集するための収集チャンバと、一組の化学的感応性センサと、一組の化学的感応性センサを割り当てるように構成された分析チャンバであって、一組の化学的感応性センサは、試験試料中のＶＯＣを検出し、検出の結果として試験試料中のＶＯＣの有無を示す出力信号を生成するように適合されている、分析チャンバと、生成された出力信号を受信するために、一組の化学的感応性センサに動作可能に接続された第１の処理ユニットと、を含む、携帯型医療用スクリーニング装置を備える。システムはまた、生成された出力信号を処理及び分類することによって、疾患に関する結果を決定するための人工知能ベースの分類ソフトウェアを備える。分類ソフトウェアは、第１の処理ユニット、コンピュータ装置にインストールされたソフトウェアアプリケーション、又は遠隔処理ユニットによって実行することができる。

Description

本発明は、一般に癌スクリーニングソリューションに関する。特に、本発明は、非侵襲性かつ非照射性の疾患スクリーニングシステム、装置及び方法に関する。

早くもローマ時代には、医学はヒトの生理学的代謝産物に特別な注意を払っており、例えば、制御されていない糖尿病は、歴史的に尿中の甘味によって診断され、肝不全は魚のような匂いを生じた。しかしながら、ヒト代謝研究は、ロンドンのＫｉｎｇ’ｓ Ｃｏｌｌｅｇｅ ＨｏｓｐｉｔａｌのＨｙｗｅｌ Ｗｉｌｌｉａｍｓ博士及びＡｎｄｒｅｓ Ｐｅｍｂｒｏｋｅ博士が雑誌Ｔｈｅ Ｌａｎｃｅｔに自身の診療に参加したＣｏｌｌｉｅ－Ｄｏｂｅｒｍａｎ所有者についての症例を報告した１９８９年４月まで腫瘍学分野に合致しなかった。彼女は、自分の犬が自分の脚のほくろをなめることにますます関心を示していると主張した。次いで、ほくろは癌性であることが示され、除去され、患者の生命を救った。

この転換点は、癌がヒトの生理機能において代謝の変化を生じさせ、したがって身体の味、質感、匂いを変化させることを明らかにした。それ以来、体内の癌の存在を警告する生物学的試料中の特定の分子又は代謝産物、すなわち癌バイオマーカーを見出すことを目的とするいくつかの刊行物が公開されている。このような研究の例としては、患者の呼気中の肺癌バイオマーカー、尿中の卵巣癌バイオマーカー及び実際に尿中の乳癌癌バイオマーカーの探索が挙げられる。

先行技術は、１つの共通の特徴を有する：刊行物は、典型的には、試験試料中の特定の代謝産物の存在が疾患、例えば、乳癌の診断に関連するという原理に基づく。しかしながら、説明された発明は、試料中の特定の成分の存在だけでなく、それらの間の比例関係、並びに最近の試料と以前に分析及び診断された試料との間の比較にも焦点を当てている。

同様に、米国癌協会（American Cancer Society）は、２０２０年に米国で診断された全ての癌の３０％が乳癌であると予測している。乳癌は女性の死亡の主な原因であると考えられている。しかしながら、それ専用の研究は、その発生率に比例しない。実際には、ＮＩＨは、医療研究において女性が少ないと認識していた。この傾向は、特に現在の乳癌スクリーニングを考慮して、腫瘍学の分野で観察することができる。実際、米国の疾病管理予防センター（ＣＤＣ）による研究では、過去２年間に同センターに参加した女性はわずか６５％であり、１／３の乳癌の検出が遅すぎた可能性があり、したがって女性の予後及び生存の可能性が悪化したと述べられた。この疾患を治癒する機会を増加させる多くの因子の１つは、その早期検出である。疾患の管理及び治癒に役立つ初期段階で疾患の存在を検出することが非常に重要である。

マンモグラフィは、現在、乳癌スクリーニングの至適基準であり、低エネルギーＸ線を使用して、診断及びスクリーニングのためにヒト乳房を検査する。しかしながら、最小の放射線量ではあるが、マンモグラムへの連続的な曝露は癌を引き起こす可能性がある。更に、マンモグラムの欠席の４６％は疼痛に起因する。更に、Ｃａｔａｌａｎ Ｈｅａｌｔｈｃａｒｅ Ｓｙｓｔｅｍは、陽性結果の９３％が偽陽性であると報告した。マンモグラフィが痛みを伴い、照射され、かつ非感受性であるという点で要約されるこれらの欠点は全て、乳癌診断のための改善された方法の必要性を引き起こす。

更に、磁気共鳴画像法（ＭＲＩ）及び超音波検査など、市場で入手可能な他の乳癌スクリーニングソリューションがある。しかしながら、これら２つの画像ベースの技術のいずれも、全てのタイプの乳癌を検出することができない。実際、画像ベースの技術は、線維嚢胞性乳房を有する女性（世界中で４０％を超える女性が実際に線維嚢胞性乳房を有する）において、乳房腫瘍を健康な高密度組織から区別する際に困難に直面することが多い。最後に、遺伝子試験は、ある種の乳癌を有する確率を診断することもできるが、この方法は非常に高価である。

本発明は、マンモグラフィスクリーニング方法及び市販されている他の癌スクリーニングソリューションの欠点を改善することを意図している。

この分野における他の方法及び装置は、以下の特許及び特許出願によって知られている。

国際公開第２０１９０９５７９０（Ａ１）号は、疾患を示す様々なタイプのガス分子又は揮発性有機化合物（ＶＯＣ）を検出及び識別するための方法及び装置を開示している。呼気試料からのＶＯＣの存在又は濃度を示す電気信号を測定するために、複数の検知電極及び基準電極を備えるセンサアレイが使用される。アルゴリズムは、アレイから収集されたデータを処理し、健康な被験体からの応答パターンと比較される応答パターンを生成する。

米国特許第８３６６６３０（Ｂ２）号は、呼気試料に由来するＶＯＣを検出するためのシステムであって、非極性小有機分子で被覆された単層カーボンナノチューブの化学的感応性センサのアレイを備える装置と、学習及びパターン認識分析器を備える処理ユニットとを備え、学習及びパターン認識分析器は、センサ出力信号を受信し、それらを記憶されたデータと比較する、システムに関する。

米国特許出願公開第２０１２０３２６０９２（Ａ１）号は、試験被験体から試験呼気試料を収集することによって試験被験体における結腸癌を診断し、試験試料中の結腸癌を示す一組のＶＯＣからの少なくとも１つのＶＯＣのレベルを決定し、試験試料からの少なくとも１つのＶＯＣのレベルを対照試料中の当該少なくとも１つのＶＯＣのレベルと比較するための方法であって、対照試料中の当該化合物のレベルと比較した試験試料中の当該少なくとも１つのＶＯＣの有意に異なるレベルが結腸癌を示す、方法を開示する。

米国特許出願公開第２０１９２７１６８５（Ａ１）号は、試験被験体の呼気中のＶＯＣの存在に反応する少なくとも３つのセンサを含む選択された明確なセンサセットであって、センサが、第１の有機被覆で被覆された金属ナノ粒子及び第２の有機被覆で被覆された単層カーボンナノチューブ（ＳＷＣＮＴ）から選択されるナノ材料を含む、センサセットと、パターン認識分析器を含む処理ユニットとを含み、パターン認識分析器が、例えば、センサセットの出力信号を受信する、システムに関する。

米国特許第１００１１４８１（Ｂ２）号は、特定の化学感応性電界効果トランジスタに基づく電子嗅覚装置を提供する。特に、電子嗅覚装置のセンサは、ＶＯＣを検出することができる非酸化官能化シリコンナノワイヤから構成される。様々なタイプの癌を含む疾患の診断における使用方法が開示される。

上記にもかかわらず、当技術分野で知られているスクリーニング及び検出の方法及び装置は、使いやすいように設計されていないので、高価で複雑である。更に、個人は、関連する費用及び複雑さのために、早期癌スクリーニングを受けることは困難であると考える。２０１７年に、世界保健機関は、「ＷＨＯ Ｐｏｓｉｔｉｏｎ ｐａｐｅｒ ｏｎ ｍａｍｍｏｇｒａｐｈｙ ｓｃｒｅｅｎｉｎｇ」を発表し、乳癌スクリーニングのための新しいソリューションが緊急に必要であると述べている。更に、乳癌は、欧州委員会によって、研究における優先事項の１つとして特定されている。したがって、非侵襲性で、安価で、感度が高く、家庭内での疾患（例えば、癌）スクリーニングソリューションが必要とされている。

本発明の目的は、当技術分野で知られているスクリーニング方法及び装置を改善する、非侵襲性及び非照射性疾患スクリーニングソリューションを提供することである。

本発明は、ヒト試料の分析に適用される人口知能（ＡＩ）に基づいており、これは、ユーザの家庭環境内又は臨床環境などの複数の設定で使用することができる、低コストで、使いやすく、非侵襲性で、永続的な癌スクリーニングソリューションを提供する。更に、本発明は、多くの方法で、例えば、病院又は訓練された人員を必要としない特定の自己スクリーニングとして、又は医療専門家、例えば、看護師又は婦人科医によって、無痛及び無放射線迅速検査を行うことができる。更に、組み込まれた分類アルゴリズムは、ＡＩ及び／又は機械学習（ＭＬ）に依存するので、分析される試料が多いほど、分類率が高くなり、したがって、疾患をより早く予測することができる。

本発明は、マンモグラフィとは異なり、癌の発症リスクを高めることなく癌を診断することができる。更に、それは、癌が日常の尿試料収集から診断され得、高感度（未診断のまま残された症例が少ない）、精密、正確であり、高い信頼性（転移性進行期乳癌を分類する場合、９５％超）を提供するので、無放射線であり、非侵襲性である。

先行技術に対する別の利点は、在宅診断に適した携帯型医療用スクリーニング装置が提供され、したがって、乳癌の早期検出により集団における乳癌の重症度が低減されることである。本発明の目的は、上述した問題点を解決するために、使用者がいつでもどこでも容易に携帯することができ、簡単な採尿によって乳癌を診断することができる携帯型乳癌診断装置を提供することにある。特に、携帯型乳癌診断装置は、乳癌を早期にスクリーニングするのに潜在的に有効である。

ユーザは、モバイルアプリケーションなどのユーザインタフェースを介して携帯型医療用スクリーニング装置とデータを交換することができ、これにより、医療又は生物工学の背景を必要とせずに、携帯型医療用スクリーニング装置を使いやすく、使用しやすくする。本装置は、異なるユーザによって区別なく、経時的に無期限に使用されることができ、それを再使用可能医療装置にする。最後に、本装置は、非常に高い医療費を伴う現在のスクリーニング方法と比較して低コストであり、多くのユーザによって何度も使用することができる。

本発明は、添付の独立請求項によって定義される。実施形態は従属請求項に記載されている。

そのために、本発明は、第１の態様によれば、被験体における疾患、特に乳癌などの癌をスクリーニングするためのシステムを提供する。システムは、携帯型医療用スクリーニング装置と、人工知能ベースの分類ソフトウェアとを備える。

携帯型医療用スクリーニング装置は、尿、血、汗、膣分泌物、呼気、唾液、涙、粘液、糞便、耳垢、膿、オナラ、皮脂などであるが、これらに限定されない被験体の試験試料を収集するための収集チャンバと、一組の化学的感応性センサと、一組の化学的感応性センサを割り当てるように構成された分析チャンバであって、一組の化学的感応性センサは、試験試料中の揮発性有機化合物（ＶＯＣ）を検出し、検出の結果として試験試料中のＶＯＣの有無を示す出力信号を生成するように適合されている、分析チャンバと、前記生成された出力信号を受信するために、一組の化学的感応性センサに動作可能に接続された第１の処理ユニットと、を有する。

人工知能ベースの分類ソフトウェアは、第１の処理ユニットによって、コンピュータ装置（例えば、とりわけ、スマートフォン、タブレット又はＰＣなどのインターネットベースの装置）にインストールされたソフトウェアアプリケーションによって、又は遠隔処理ユニット（例えば、クラウドベースのサーバ）によって実行することができ、生成された出力信号を処理及び分類することによって疾患に関する結果を決定するように構成される。

人工知能ベースの分類ソフトウェアがソフトウェアアプリケーションによって、又は遠隔処理ユニットによって実行される場合、携帯型医療用スクリーニング装置は、第１の処理ユニットに動作可能に接続され、遠隔処理ユニット及び／又はソフトウェアアプリケーションと、例えばＢｌｕｅｔｏｏｔｈ（登録商標）、ＷＩＦＩ、有線接続などを介して通信を確立するように構成された通信ユニットを更に含む。したがって、携帯型医療用スクリーニング装置は、遠隔処理ユニットに、又はソフトウェアアプリケーションを有する別の装置に接続することができる。遠隔処理ユニットは、ソフトウェアアプリケーションがインストールされた前述のコンピュータ装置を介してアクセスすることができる。

本発明はまた、第２の態様によれば、被験体における疾患、特に癌をスクリーニングする方法を提供する。本方法は、携帯型医療用スクリーニング装置の収集チャンバによって、被験体の少なくとも１つの試験試料を収集することと、携帯型医療用スクリーニング装置の分析チャンバに配置された一組の化学的感応性センサによって、試験試料中のＶＯＣを検出し、検出の結果として試験試料中のＶＯＣの強度レベル（濃度）を示す出力信号を生成することと、携帯型医療用スクリーニング装置の第１の処理ユニットによって、生成された出力信号を受信することと、第１の処理ユニット、コンピュータ装置にインストールされたソフトウェアアプリケーション、又は遠隔処理ユニットのいずれかによって実行される人工知能ベースの分類ソフトウェアによって、生成された出力信号を処理及び分類することによって疾患に関する結果を決定することであって、人工知能ベースの分類ソフトウェアがソフトウェアアプリケーション又は遠隔処理ユニットによって実行される場合、ソフトウェアアプリケーション又は遠隔処理ユニットは、携帯型医療用スクリーニング装置の通信ユニットに動作可能に接続される、ことと、を含む。

本発明はまた、第３の態様によれば、携帯型医療用スクリーニング装置であって、被験体の少なくとも１つの試験試料を収集するための収集チャンバと、一組の化学的感応性センサと、一組の化学的感応性センサを割り当てるように構成された分析チャンバであって、一組の化学的感応性センサは、試験試料中のＶＯＣを検出し、検出の結果として試験試料中のＶＯＣの有無を示す出力信号を生成するように適合されている、分析チャンバと、生成された出力信号を受信するために、一組の化学的感応性センサに動作可能に接続された第１の処理ユニットと、を有する、携帯型医療用スクリーニング装置を提供する。

「被験体」、「ユーザ」及び「患者」という用語は、本明細書では互換的に使用され、本発明のシステム、装置及び方法によって試料がスクリーニングされる任意の哺乳動物被験体、特にヒト被験体を指す。

本発明によれば、第１の処理ユニット（又は計算構成要素）は、オンエッジで（すなわち、携帯型医療用スクリーニング装置自体上で）情報を処理するか、又は情報（すなわち、生成された出力信号）を通信ユニットに渡すことができ、通信ユニットは、情報を遠隔処理ユニット又はソフトウェアアプリケーションに送信し、ソフトウェアアプリケーションも遠隔処理ユニットに接続することができる。したがって、情報は、開示された携帯型医療用スクリーニング装置自体に、又はソフトウェアアプリケーション上、又は遠隔処理ユニット上で分類することができる。データ分類の結果は、例えば、携帯型医療用スクリーニング装置上の出力スクリーンを介して、医療装置における任意のユーザインタフェース（色分けされたＬＥＤシステム、発せられた音など）を介して、又はソフトウェアアプリケーションがインストールされているコンピュータ装置上に表示され得る。いくつかの実施形態では、第１の処理ユニットは、Ａｒｄｕｉｎｏなどのマイクロプロセッサ及び／又はマイクロコントローラであり得る。

システム構成
一実施形態では、第１の態様によるシステムは、携帯型医療用スクリーニング装置と、人工知能（ＡＩ）ベースの分類ソフトウェアとを備え、ＡＩベースの分類ソフトウェアは、装置の第１の処理ユニットによって実行される。

一実施形態では、システムは、携帯型医療用スクリーニング装置（上述の通信ユニットを含む）と、ＡＩベースの分類ソフトウェアと、コンピュータ装置にインストールされたソフトウェアアプリケーションとを備え、ＡＩベースの分類ソフトウェアは、ソフトウェアアプリケーションによって実行される。通信ユニットは、装置の第１の処理ユニットに動作可能に接続され、ソフトウェアアプリケーションとの通信を確立するように構成される。

一実施形態では、システムは、携帯型医療用スクリーニング装置（通信ユニットを含む）と、ＡＩベースの分類ソフトウェアと、遠隔処理ユニットとを備え、ＡＩベースの分類ソフトウェアは、遠隔処理ユニットによって実行される。通信ユニットは、装置の第１の処理ユニットに動作可能に接続され、遠隔処理ユニットとの通信を確立するように構成される。

一実施形態では、システムは、携帯型医療用スクリーニング装置（通信ユニットを含む）と、ＡＩベースの分類ソフトウェアと、コンピュータ装置及び遠隔処理ユニットにインストールされたソフトウェアアプリケーションとを備え、ＡＩベースの分類ソフトウェアは、ソフトウェアアプリケーションによって実行される。通信ユニットは、装置の第１の処理ユニットに動作可能に接続され、遠隔処理ユニット及びソフトウェアアプリケーションとの通信を確立するように構成される。同様に、ソフトウェアアプリケーション及び遠隔処理ユニットは、動作可能に接続され、それらの間で通信することができる。

一実施形態では、システムは、携帯型医療用スクリーニング装置（通信ユニットを含む）と、ＡＩベースの分類ソフトウェアと、コンピュータ装置及び遠隔処理ユニットにインストールされたソフトウェアアプリケーションとを備え、ＡＩベースの分類ソフトウェアは、遠隔処理ユニットによって実行される。通信ユニットは、装置の第１の処理ユニットに動作可能に接続され、遠隔処理ユニット及びソフトウェアアプリケーションとの通信を確立するように構成される。同様に、ソフトウェアアプリケーション及び遠隔処理ユニットは、動作可能に接続され、それらの間で通信することができる。

いくつかの実施形態では、携帯型医療用スクリーニング装置は、第１の処理ユニット及び通信ユニットからなるハードウェアボードを含む。

メモリ又はデータベース、健康データ及び／又は人口統計データ
いくつかの実施形態では、システムは更に、被験体及び／又は複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データを記憶するように構成される、少なくとも１つのメモリ又はデータベースを備える。メモリ又はデータベースは、ＡＩベースの分類ソフトウェアによって使用され、第１の処理ユニット、遠隔処理ユニット、及び／又はソフトウェアアプリケーションのいずれかと通信する。メモリ又はデータベースに含まれる任意のデータは、メモリ又はデータベースセット全体を変更することなく、メモリ又はデータベースセットから使用、抽出及び／又は更新することができる。このメモリ又はデータベースは、比較結果を結果に変換するために、中のデータを被験体自身のデータと比較することを可能にする。

一実施形態では、メモリ又はデータベースは遠隔処理ユニットに含まれる。他の実施形態では、メモリ又はデータベースは遠隔であり、遠隔処理ユニット及び／又はソフトウェアアプリケーションに関連付けられる。他の実施形態では、メモリ又はデータベースはソフトウェアアプリケーションに含まれる。別の実施形態では、メモリ又はデータベースは、第１の処理ユニットに含まれる。

一実施形態では、システムは、少なくとも２つのエンティティ／要素、すなわち、携帯型医療用スクリーニング装置及び少なくとも１つのメモリ又はデータベースから構成される。

一実施形態では、システムは、少なくとも３つのエンティティ／要素、すなわち、携帯型医療用スクリーニング装置、ソフトウェアアプリケーション、及び少なくとも１つのメモリ又はデータベースから構成される。

一実施形態では、システムは、少なくとも３つのエンティティ／要素、すなわち、携帯型医療用スクリーニング装置、遠隔処理ユニット、及び少なくとも１つのメモリ又はデータベースから構成される。

一実施形態では、システムは、少なくとも４つのエンティティ／要素、すなわち、携帯型医療用スクリーニング装置、遠隔処理ユニット、ソフトウェアアプリケーション、及び少なくとも１つのメモリ又はデータベースから構成される。

先に説明したように、メモリ又はデータベースは、被験体及び／又は複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データを記憶することができる。一実施形態では、ＡＩベースの分類ソフトウェアは、複数の健康な個人及び／又は不健康な個人及び／又は被験体の少なくとも記憶された健康データ及び／又は人口統計データを考慮して、疾患に関する結果（すなわち、データ分類結果）を決定するように更に構成されている。メモリ／データベースはまた、後のスクリーニングプロセスにおいて考慮されるために、疾患に関する決定された結果を記憶することができる。

「健康データ」という用語は、本発明の文脈において、個人の身体的又は精神的健康に関する任意の情報を指し、更に、健康状態、治療の選択に関する個人的選択、健康保障又は保険契約番号、全ての種類の治療報告、健康及びウェルネスに関する社会経済的パラメータ、又は過去数年の疾患などの歴史的健康背景に関する全てのタイプのデータを指す。健康データは、ユーザ又は個人の病歴、被験体の家族病歴、薬剤服用、喫煙習慣又は薬物消費を指すが、これらに限定されない。

用語「人口統計データ」は、本発明の文脈において、年齢、人種、性別などの因子に基づく集団の研究に関連する任意の情報を指す。人口統計データはまた、雇用、教育、収入、結婚率、出生率、死亡率などを含む統計的に表現された社会経済的情報を指す。人口統計データは、年齢、ジェンダ、性別、民族、出身地／居住地、又はスポーツ練習の頻度などの他の習慣／実況を指すが、これらに限定されない。

特定の実施形態では、ユーザ／複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データは、年齢、性別、ジェンダ、民族性、出身地／居住地、体重、身長、肥満度指数、薬物消費に関連する習慣（例えば、タバコ、アルコール、大麻及び他の毒性物質）、ユーザの病歴、家族病歴、家族癌歴、ユーザ自身の癌歴（例えば、乳癌、肺癌、前立腺癌、結腸直腸癌、メラノーマ、膀胱癌、腎臓癌、非ホジキンリンパ腫）、腫瘍の組織型、腫瘍挙動（インサイチュ又は侵襲的）、腫瘍プロファイル（ｌｕｍｉｎａｌ Ａ、ｌｕｍｉｎａｌ Ｂ ＨＥＲ２／ｎｅｕ＋、ｌｕｍｉｎａｌ Ｂ ＨＥＲ２／ｎｅｕ－、ＨＥＲ２／ｎｅｕ＋ｏｒＴｒｉｐｌｅ－）、腫瘍サイズ、腫瘍ＴＮＭ分類、腫瘍ステージ（Ｉ、ＩＩ、ＩＩＩ又はＩＶ）、癌検出方法（スクリーニング又は臨床的）、腫瘍組織学的程度（Ｇ１、Ｇ２又はＧ３）、月経、初潮及び閉経特性（例えば、周期、タイミング）、出産した子供の数、早産の数、流産の数、生きている子供の数、生殖状態（例えば、不妊治療下、妊娠中、授乳中、産後）、乳房疾患歴（例えば、月経周期中の胸痛、ホルモン変化、腫脹、乳腺のしこり又は圧痛、嚢胞、線維腺腫、一般的なしこり、乳房分泌物、乳頭の痛み／ひび割れ／痒み、陥没乳頭）、内分泌障害（例えば、糖尿病、甲状腺障害、多嚢胞性卵巣症候群、低テストステロン、骨粗鬆症）又は食事タイプ（例えば、雑食、セミベジタリアン、「ニワトリ」－ａｒｉａｎｉｓｍ、ペスカタリアニズム、菜食主義者、牛乳菜食主義者、オボベジタリアニズム、ａｐｉｖｅｇｅｔａｒｉａｎｉｓｍ、菜食主義者、生菜食主義者、ｇｒａｎｉｖｏｒｉａｎｉｓｍ、果実食主義、ケトン産生食）を含むことができる。

特に、ユーザ／複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データは、年齢、性別、薬物消費に関連する習慣、ユーザの病歴、家族病歴、家族癌歴、ユーザ自身の癌歴、及び／又は乳房疾患歴を含む。

メモリ又はデータベースは、スクリーニング構成に従って異なる種類の情報を含むことができる。例えば、メモリ又はデータベースは、被験体のデータがメモリ又はデータベースにまだ記憶されていない場合、例えば、被験体の最初のスクリーニングである場合、複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データのみを含むことができる。別の例では、メモリ又はデータベースは、複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データ、並びに被験体の健康データ及び／又は人口統計データを含むことができ、例えば、被験体は、以前のスクリーニングからそれ自体のデータをすでに導入しており、当該データは、メモリ又はデータベースにすでに記憶されている。

特定の実施形態では、メモリ又はデータベースは、複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データを含む。

特定の実施形態では、メモリ又はデータベースは、被験体並びに複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データを含む。

本発明において、メモリ又はデータベースに記憶されるデータは、生データ及び／又は処理済みデータであり得ることが理解される。いくつかの実施形態では、メモリ又はデータベースに含まれるデータは、生データ、すなわち、ＡＩベースの分類ソフトウェアによって処理されていないデータであり得る。いくつかの実施形態では、メモリ又はデータベースに含まれるデータは、いくつかのスクリーニング後のデータから抽出されたパターン等の処理されたデータであり得る。

いくつかの実装形態では、メモリ又はデータベースは、複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データをその中に記憶して含み、ＡＩベースの分類ソフトウェアは、記憶された健康データ及び／又は人口統計データを考慮して疾患に関する結果を決定することを含む。

いくつかの実装形態では、方法はまた、被験体の健康データ及び／又は人口統計データを取得することと、取得されたデータをメモリ又はデータベースに記憶することとを含み、ＡＩベースの分類ソフトウェアは、被験体の記憶された健康データ及び／又は人口統計データを考慮して疾患に関する結果を決定することを含む。

いくつかの実施形態では、健康データ及び／又は人口統計データは、ソフトウェアアプリケーションのユーザインタフェース又は携帯型スクリーニング医療用装置を介して取得される。

携帯型医療用スクリーニング装置本発明において、携帯型医療用スクリーニング装置は、スクリーニングを実行するために異なる要素を収容するように適合され得る。要素の一組を囲む携帯型医療用スクリーニング装置は、個人によって容易に取り扱われ、使用されるようにするサイズ及び構成であり、したがって、家庭内スクリーニングを可能にする。

一実施形態では、携帯型医療用スクリーニング装置は、第１の処理ユニットに動作可能に接続され、遠隔処理ユニット、及び／又はコンピュータ装置上にインストールされたソフトウェアアプリケーションとの通信を確立するように構成された通信ユニットを備える。

一実施形態では、携帯型医療用スクリーニング装置は、収集チャンバの上方に配置されたグリッド、及び／又は収集チャンバを開閉及び支持するための引き出しを含む。

いくつかの実装形態では、携帯型医療用スクリーニング装置は、収集チャンバ、グリッド、分析チャンバ、第１の処理ユニット、及び通信ユニットを囲むように適合された箱体から構成されることができ、箱体は、引き出しの導入のための中空部分を有する。

特に、携帯型医療用スクリーニング装置収集チャンバの上方に配置されたグリッド、及び／又は収集チャンバを開閉及び支持するための引き出しを備え、携帯型医療用スクリーニング装置は、収集チャンバ、グリッド、分析チャンバ、第１の処理ユニット及び通信ユニットを囲むように適合された箱体から構成され、箱体は、引き出しの導入のための中空部分を有する。

一実施形態では、装置は、尿試料などのヒト試料を収集する収集チャンバを備える。試験試料は、装置内に直接収集され得るか、又は別個の装置もしくは容器内に収集され、次いで、開示される装置内に導入され得る。

いくつかの実施形態では、引き出しは絶縁材料で充填することができる。更に、引き出しは、穴（収集チャンバを割り当てるように構成された穴）を備えることができ、その壁は、試料に熱を照射するように構成され、そこで試験試料を収集することができる。特定の実施形態では、全体の壁は、壁を覆う熱ブランケットによって試料に熱を照射する。

本発明において、携帯型医療用スクリーニング装置は、スクリーニングを実行するために被験体によって使用される要素である。更に、上述のシステム構成によれば、とりわけ、コンピュータ装置、特に携帯電話又はタブレットにインストールされたソフトウェアアプリケーションをシステムに更に含めることができ、装置の第１の処理ユニットとの通信を確立するように構成することができる。同様に、遠隔処理ユニットをシステムに更に含めることができる。遠隔処理ユニットは、とりわけ、クラウド内に、又はＰＣ、タブレット、もしくはラップトップ等のコンピュータ装置上に配置することができる。異なるシステム要素間の通信は、有線又は無線（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＷＩＦＩ、衛星又は５Ｇを介して）であり得る。本明細書で使用される「コンピュータ装置」という用語は、コンピュータ、ラップトップ、タブレット、携帯情報端末（ＰＤＡ）、スマートフォン、又はスマートウォッチを含むがこれらに限定されない、中央処理装置（ＣＰＵ）を有する任意のコンピュータハードウェアを指す。

一実施形態では、遠隔処理ユニットは、例えば、クラウド、ウェブブラウザ、コンピュータ、ラップトップ、スマートフォン、又はタブレットに配置される。

一実施形態では、ソフトウェアアプリケーションは、例えば、ウェブブラウザ、コンピュータ、ラップトップ、スマートフォン、ＰＤＡ、タブレット、又はスマートウォッチに配置される。

一実施形態では、ソフトウェアアプリケーション及び／又は遠隔処理ユニットは、第１の処理ユニットと無線で動作可能に接続される。特定の実施形態では、無線接続は、Ｂｌｕｅｔｏｏｔｈ（登録商標）及び／又はＷＩＦＩを介する。

特定の実施形態では、医療装置は遠隔地で操作することができる。その場合、医療装置は、特にそのような目的のために装置に埋め込まれた特別な接続モジュールを使用して、衛星又は５Ｇを介してクラウドに直接接続する能力を有する。特定の実施形態では、無線接続は、衛星及び／又は５Ｇを介する。

ユーザインタフェース
本発明では、被験体の健康データ及び／又は人口統計データは、ユーザインタフェースを介して収集され、次いで、ＡＩベースの分類ソフトウェアによって処理され、及び／又はメモリ／データベースに記憶される。ユーザインタフェースは、ソフトウェアアプリケーション又は携帯型医療用スクリーニング装置のいずれかによって表示され得る。例えば、ユーザインタフェースは、コンピュータ装置にインストールされたソフトウェアアプリケーションによって表示され、コンピュータ装置はスマートフォンである。

ソフトウェアアプリケーションは、ＸＭＬ、ＪａｖａＳｃｒｉｐｔ（登録商標）、Ｓｗｉｆｔ、Ｐｙｔｈｏｎ、ＳＱＬ、ＰＨＰ、Ｒｕｂｙ、Ｃ、Ｃ＋＋又はＣ Ｓｈａｒｐを含むがこれらに限定されない異なるプログラミング言語を使用して開発することができる。ソフトウェアアプリケーションは、限定はしないが、Ａｎｄｒｏｉｄ、ｉＯｓ、Ｌｉｎｕｘ、Ｍａｃ ＯＳ、Ｗｉｎｄｏｗｓ ＭＳ、Ｕｂｕｎｔｕ、Ａｎｄｒｏｉｄ、Ｆｅｄｏｒａ、Ｓｏｌａｒｉｓ、Ｆｒｅｅ ＢＳＤ、又はＣｈｒｏｍｅ ＯＳを含む異なるオペレーティングシステム上で実行することができる。特定の実施形態では、ソフトウェアアプリケーションは、Ａｎｄｒｏｉｄスマートフォン上で実行され、ソフトウェアアプリケーションは、ＸＭＬ及び／又はＪａｖａ（登録商標）を使用して開発される。特定の実施形態では、ソフトウェアアプリケーションはｉＯｓスマートフォン上で実行され、ソフトウェアアプリケーションはＳｗｉｆｔを使用して開発される。

ソフトウェアアプリケーションがコンピュータ装置にインストールされると、被験体は、名前又はニックネーム、電子メール、誕生日、性別、及びパスワードなどの個人データを紹介して登録する（すなわち、アカウントを作成する）ことができる。ログイン後、ソフトウェアアプリケーションは、とりわけ、個人情報インタフェース（例えば、被験体の健康データ及び人口統計データ）（図９パネルＡ）、スクリーニング履歴インタフェース（図９パネルＣ及びＤ）、スクリーニング検査実行インタフェース（図１０パネルＡ～Ｆ）、構成／設定インタフェース（図９パネルＢ）等の異なるインタフェースを表示する。

スクリーニング検査実行インタフェースによって、ソフトウェアアプリケーションは、診断が表示されるまで、スクリーニングプロセスを通して被験体及び／又は医療専門家を直感的に案内することができる。被験体は、スクリーニング検査の実行をいつ開始するかを決定することができ、インタフェースは、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＷＩＦＩ、及び／又はセルラー設定を有効にし（図１０パネルＡ）、試験試料を携帯型医療用スクリーニング装置に導入する（図１０パネルＣ）ための命令をユーザに表示する。これらの命令の後、データは自動的に処理され、コンピュータ装置に送り返され（データがコンピュータ装置内に位置しない処理ユニット内で処理される場合）、コンピュータ装置は、疾患に関する結果を理解可能な方法で表示する（図１０のパネルＦ）。いくつかの実施形態では、ソフトウェアアプリケーションは、スクリーニングプロセスを通して被験体を案内することができる。

ソフトウェアアプリケーションは、ユーザが疾患に関する結果を受信するためのいくつかのオプションを更に含むことができ、これには、コンピュータ装置に結果を表示すること、医療従事者（医師、看護師、又は心理学者など）から電話を受けること、又は医師の面会予約を設定することが含まれ、あるいは診断は、通知又は腫瘍報告として医療従事者に到着することができる。

個人情報インタフェースによって、ユーザは、正確な結果を生成するためにＡＩベースのソフトウェアによって更に考慮される健康データ及び／又は人口統計データを導入することができる。

いくつかの実施形態では、被験体の健康データ及び／又は人口統計データは、ソフトウェアアプリケーションのユーザインタフェースを介して収集され、次いで、メモリ／データベースに記憶される。

更に、ソフトウェアアプリケーションは、結果を配信しながらユーザの心理的評価を連続的に実行する自然言語処理（ＮＬＰ）によって電力供給されるチャットボットである埋め込み仮想エージェントを組み込むことができる。仮想エージェントは、（例えば、ソフトウェアアプリケーションに組み込まれたチャットボットを介して）ユーザのテキストベースの応答を分析し、ユーザが、それに応じて、又は回避行動パターンに従って感情を処理しており、したがって、心理的支援を必要としているかどうかを判定する。代替又は追加として、仮想エージェントは、ユーザの顔の表情（コンピュータのカメラによって取り込まれる）を分析し、畳み込みニューラルネットワークを使用してそれを処理して、それらをユーザが感じている可能性がある感情と相関させることができる。

スクリーニングが行われる環境に応じて、異なるソフトウェアアプリケーションを使用することができる。一実施形態では、スクリーニングが家庭内で行われることが意図される場合、ソフトウェアアプリケーションは、被験体に向けられ、例えば、複数の目的（例えば、ソーシャルネットワーキング、科学論文共有、又は健康データ共有）のためのフォーラムを含む。別の実施形態において、スクリーニングは、簡略化されたソフトウェアアプリケーションであり、主に結果表示を含む、ＩＴ能力が制限された被験体（例えば、高齢者）によって自宅で行われることが意図される。更に別の実施形態では、スクリーニングは、家庭内で行われることが意図され、ソフトウェアアプリケーションは、被験体に向けられ、結果表示を含まず、むしろ被験体のスクリーニング履歴を含む（結果は、医療専門家に送信される）。別の実施形態では、スクリーニングは、臨床環境（例えば、病院、療養所、薬局、救急車）において行われることが意図され、ソフトウェアアプリケーションは、ＰＤＡ又はタブレットにインストールされ、医療専門家によって管理され、主に結果表示を含む。

化学的感応性センサ
本発明において、携帯型医療用スクリーニング装置は、生成された出力信号を受信するために、第１の処理ユニットが動作可能に接続された、試験試料中のＶＯＣの有無を検出する一組の化学的感応性センサを含む。特定の実施形態では、第１の処理ユニットは、有線接続を介して一組の化学的感応性センサに接続される。

本発明は、疾患（例えば、乳癌）の存在が、試験試料（例えば、尿）中に見られる特定の化学化合物によって示されるのではなく、例えば、尿に見られる全ての化学化合物間の比例関係によって示されるという原理に基づく。

分析チャンバにおける一組の化学的感応性センサは、いくつかのバイオマーカー（例えば、乳癌バイオマーカー）に特異的ではなく、むしろ複数の試料特性又は組成に対して感受性である。更に、試料分類は、例えば、癌バイオマーカーの特定の組の有無に単純に依存しない。

化学的感応性センサによって捕捉される化合物は直接的なものではなく、例えば癌性代謝産物である。代わりに、それらは細胞代謝から生じる残留代謝産物である。例えば、癌は身体の生理機能の変化を引き起こすので、前述の代謝産物は、癌に起因して濃度が変化する。特定のバイオマーカーの代わりに化学物質間の割合を標的とするこの戦略は、犬の嗅覚皮質の後に着想される。

本発明によれば、生成された出力信号は、試験試料中のＶＯＣの有無を示す。一実施形態において、生成された出力信号は、電圧がＶＯＣの濃度に比例する電気信号を含む。例えば、出力信号は、ＶＯＣが存在しない場合には「０」であり、試験試料がＶＯＣで飽和されている場合には「１０２３」であり、信号は、ある量のＶＯＣが存在する場合には中間値をとる。すなわち、出力信号は、特にアナログ信号である。

一実施形態では、一組の化学的感応性センサは、光イオン化検出器（ＰＩＤ）、炎イオン化検出器（ＦＩＤ）、金属酸化物センサ（ＭＯＳ）及び／もしくはシリコンフォトニックリング共振器（ＳＰＲＲ）、又は揮発性有機化合物に対して感応性であり、濃度非依存フィンガープリントを有する自己組織化単分子膜被覆センサアレイからなる任意のタイプのガス感知構造を含む。一実施形態では、一組の化学的感応性センサは、金属酸化物センサ及び／又は有機化合物感応性センサ（例えば、半導体ベースの化学抵抗センサ、電気化学センサ、金属酸化物センサ及びＰＩＤセンサ）を含む。特定の実施形態では、ＭＯＳは酸化スズセンサである。

これらのセンサは、ナノテクノロジー又はマイクロ流体技術と組み合わせて又は組み合わせずに使用することができ、分析前又は分析中にマイクロ流体回路を通って循環するヒトの体液を有し、マイクロ流体回路を流れるその能力を測定し、更にその匂いを測定する。一実施形態では、一組の化学的感応性センサは、マイクロ流体技術と組み合わせて使用される。一実施形態では、一組の化学的感応性センサは、ナノテクノロジー技術と組み合わせて使用される。

一実施形態では、携帯型医療用スクリーニング装置は、少なくとも１つの化学的感応性センサから構成される。特に、携帯型医療用スクリーニング装置は、１～２０個の化学的感応性センサから構成される。より詳細には、携帯型医療用スクリーニング装置は、５～１０個の化学的感応性センサから構成される。より詳細には、携帯型医療用スクリーニング装置は、９つの化学的感応性センサから構成される。

一組の化学的感応性センサは、ＶＯＣを全て同時に検出するように構成することができる。他の実施形態では、化学的感応性センサの各々は、所与の時間間隔でＶＯＣを検出するように構成することができる。同様に、いくつかの実施形態では、化学的感応性センサの各々は、１つ以上のＶＯＣに反応することができる。

一実施形態では、一組の化学的感応性センサは、様々な分、好ましくは４５分未満にわたってＶＯＣを検出する。特定の実施形態では、一組の化学的感応性センサは、１０～１２０分の時間間隔、好ましくは２５～３５分の時間間隔の間にＶＯＣを検出する。

試験試料
一実施形態では、ＶＯＣの有無を検出することとは別に、携帯型医療用スクリーニング装置は、他の物理的／化学的特性の中でも特に、化学組成、匂い、温度、粘度（すなわち、レイノルズ数）、密度、色、導電率、静電容量、沸騰時間、その重量又は透光性、屈折率、経時又は試料が加熱されている間の任意の化学的／物理的特性の変化など、試験試料のいくつかの特性を更に検出する。

いくつかの実施形態では、化学試薬又は任意の他の物質、音波処理などの物理的振動、熱、圧力、基板のデカンテーションなどの移動、及び他の刺激などであるがこれらに限定されない何らかの化学的又は物理的刺激を試料に加えることが必要な場合がある。更に、観測は、前述の観測の変化又は変化が起こる速度に基づいて行うこともできる。

別の実施形態では、携帯型医療用スクリーニング装置は、試験試料の性質を考慮して、又は試験試料の特定の匂いを考慮して、特定の応答（すなわち、パターン）を生成する。

本発明は、少なくとも１つの試験試料を分析して、ＶＯＣの有無を示す出力信号を生成することができる。

試験試料は、尿、血、汗、涙、膣粘液、膣分泌物、月経血、月経粘液、呼気、唾液、漿液、糞便、精子、涙、粘液、便、耳垢、膿、オナラ、皮脂であり得るが、これらに限定されない。特に、試験試料は、尿、呼気、膣分泌物、月経血、糞便及び唾液であり得る。より具体的には、試験試料は尿である。

いくつかの実施形態では、システム、装置、及び方法は、２つの試験試料、例えば、尿及び呼気、尿及び月経血、又は呼気及び月経血を収集及び分析する。いくつかの実施形態では、システム、装置、及び方法は、３つの試験試料、例えば、尿、呼気、及び月経血を収集し、分析する。

いくつかの実施形態では、引き出しは、絶縁材料で充填され、穴（収集チャンバを割り当てるように構成される穴）を備え、したがって、試料を含有する収集チャンバは、穴に導入され、より良好に保持されることができる。更に、穴の壁は、試料に熱を更に照射することができる。いくつかの実施形態では、これは、熱ブランケット（すなわち、電気エネルギーを熱に変換する散逸抵抗）で覆われている穴壁の内側によって行われる。したがって、熱ブランケットは、試料又は収集チャンバと直接接触している穴の壁を加熱することができ、したがって、熱を収集チャンバ及び試料に伝達することができる。試料加熱プロセスを制御するために、一実施形態では、第１の処理ユニットは、システムが熱ブランケット及び穴壁と接触している温度センサに電圧を供給することを機械的に開始及び停止することができるリレーに動作可能に接続される。温度センサは、熱ブランケット内に一体化されてもよく、穴壁に接触して直接配置されてもよく、収集チャンバに接触して直接配置されてもよく、又は試料に接触して直接配置されてもよい。温度センサは、第１の処理ユニットと動作可能に接続されており、第１の処理ユニットは、試料が存在する温度（又は近似値）を、各時点において、連続的に報告する。この情報に基づいて、第１の処理ユニットは、熱ブランケットをオン又はオフに保つ決定を行い、したがって試料の温度並びに試料が加熱される速度を制御するように構成される。そうすることによって、熱ブランケット、温度センサ、リレー、及び第１の処理ユニットは、フィードバック制御ループを形成して、試料の温度を設定する。

一実施形態では、一組の化学的感応性センサは、試験試料の温度が少なくとも２５℃の温度に達すると、試験試料中のＶＯＣを検出するように構成される。特に、試験試料は、少なくとも４０℃の温度に達する。特に、試験試料は、少なくとも５０℃の温度に達する。更に別の特定の実施形態において、試験試料は、２５℃～９０℃の温度に達する。更に別の特定の実施形態では、試験試料は４０℃～９０℃の温度に達する。スクリーニングの精度及び最適化は、試験試料がそのような温度に達する場合に改善される。化学的感応性センサは、試験試料中の温度が、試料を加熱するために選択された温度に応じて例えば８０～９５℃の温度に達すると、ＶＯＣの検出を停止する。

試験試料は、携帯型医療用スクリーニング装置内に直接収集され得るか、又は別個の装置もしくは容器内に収集され、次いで、開示される装置内に導入され得る。特定の実施形態では、容器は収集チャンバである。

人工知能ベースの分類ソフトウェア
人工知能ベースの分類ソフトウェアは、１つ以上の機械学習／人工知能ベース（ＭＬ／ＡＩ）、又は統計分類アルゴリズムを含むことができ、これらに限定されないが、長短期記憶（ＬＳＴＭ）などの人工回帰ニューラルネットワーク（ＲＮＮ）、人工ニューラルネットワーク（ＡＮＮ）、畳み込みニューラルネットワーク（ｃＮＮ又はＣｏｎｖＮｅｔ）、主成分分析（ＰＣＡ）、多層知覚（ＭＬＰ）、一般化回帰ニューラルネットワーク（ＧＲＮＮ）、ファジー推論システム（ＦＩＳ）、自己組織化マップ（ＳＯＭ）、ラジアルバイアス関数（ＲＢＦ）、遺伝的アルゴリズム（ＧＡＳ）、ニューロファジーシステム（ＮＦＳ）、適応共鳴理論（ＡＲＴ）、部分最小二乗（ＰＬＳ）、多重線形回帰（ＭＬＲ）、主成分回帰（ＰＣＲ）、判別関数分析（ＤＦＡ）、線形判別分析（ＬＤＡ）、クラスタ分析、及び最近傍を含む。特に、ＡＩ／ＭＬ分類アルゴリズムは、ＬＳＴＭ及び／又はＡＮＮなどのＲＮＮである。

ＶＯＣのパターンを同定し、それらの濃度を定量化するのに適した追加のアルゴリズムは、フィッシャー線形判別分析（ＦＬＤＡ）、クラスアナロジのソフト独立モデリング（ＳＩＭＣＡ）、ｋ最近傍法（ｋＮＮ）、及びファジー論理アルゴリズムを含むことができるが、これらに限定されない。いくつかの実施形態では、ＦＬＤＡ及び正準判別分析（ＣＤＡ）並びにそれらの組み合わせを使用して、出力シグネチャとデータベースからの利用可能なデータとを比較する。

アルゴリズムの多くは、ニューラルネットワークベースのアルゴリズムである。ニューラルネットワークは、入力層、処理層及び出力層を有する。試料からセンサによって抽出されたデータは、入力として入力層に供給され、出力層に到達するまで処理層を通って流れる。各処理層において、情報は修正され、次の層に渡される。出力層に到達する情報は、分類の結果につながる。処理層は、それらのノードへの相互接続によってニューロンをシミュレートするノードから構成される。動作中、ニューラルネットワークがセンサアレイと組み合わされるとき、センサデータはネットワークを通して伝搬される。このようにして、一連のベクトル行列乗算が実行され、未知の分析物を容易に識別し、決定することができる。ニューラルネットワークは、所与の入力からの誤った出力又は望ましくない出力を訂正することによって訓練される。データの集合内の基礎となるパターンを明らかにする統計分析と同様に、ニューラルネットワークは、所定の基準に基づいて、データの集合内の一貫したパターンを見つける。

疾患に関する結果
本発明では、ＡＩベースの分類ソフトウェアが全ての入力（例えば、センサによって取得されたデータ及びソフトウェアアプリケーションによって導入されたユーザのデータ）を処理すると、ソフトウェアアプリケーション又は携帯型医療用スクリーニング装置は、結果をユーザに表示することができる。

用語「結果」は、本明細書では、疾患の決定又は検出（例えば、疾患の診断）を指し、これは、とりわけ、疾患の有無に関する指標、疾患に罹患するリスク確率、疾患の程度及び／又はタイプ（又はサブタイプ）及び／又は腫瘍のサイズの指標、特定の治療の推奨、特定の疾患の進行の予測を含み得る。

いくつかの実施形態では、試料分類が、ソフトウェアアプリケーションでホストされるＡＩベースの分類ソフトウェアによって行われる場合、結果は、コンピュータ装置で示される。別の実施形態では、試料分類が、ソフトウェアアプリケーションでホストされるＡＩベースの分類ソフトウェアによって行われる場合、結果は、インターネット、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又は別の手段を介して送信され、携帯型スクリーニング装置において示される。別の実施形態では、試料分類が、スクリーニング装置又はクラウドベースのサーバにおいてホストされるＡＩベースの分類ソフトウェアによって行われる場合、結果は、例えば、インターネット又はＢｌｕｅｔｏｏｔｈ（登録商標）を介して、そのようなスクリーニング装置から、又はクラウドサーバからソフトウェアアプリケーションに送信されることができ、そこで結果が表示される。別の実施形態では、試料分類が、クラウドベースのサーバにおいてホストされるＡＩベースの分類ソフトウェアによって行われる場合、結果は、例えば、インターネット又はＢｌｕｅｔｏｏｔｈ（登録商標）を介して、そのようなスクリーニング装置から携帯型スクリーニング装置に送信されることができ、そこで、結果が表示される。更に別の実施形態では、試料分類が、第１の処理ユニットにおいてホストされるＡＩベースの分類ソフトウェアによって行われる場合、結果は、スクリーニング装置において示される。これにより、ユーザは、分類が完了するとすぐに結果をチェックすることができる。

一実施形態では、ＡＩベースの分類ソフトウェアは、生成された出力信号を処理及び分類することによって疾患に関する結果を決定するように構成される。一部の実施形態では、疾患に関する結果は、疾患の有無に関する指標を含む。例えば、結果は、報告又はバイナリ結果（例えば、「癌」及び「健康」等に対する値「０」又は「１」）の形態であり得る。ＡＩベースの分類ソフトウェアは、疾患に罹患するリスク確率を通じて結果を決定することができる。いくつかの実施形態において、疾患に関する結果は、疾患に罹患するリスク確率である。

更に、人工知能はまた、分析中の試験試料についての情報、すなわち腫瘍のサイズ（適用可能な場合）、癌のタイプ（適用可能な場合）及び他の情報を提供するように実施される。特定の実施形態では、結果は、疾患の程度及び／もしくはタイプ（もしくはサブタイプ）の指標、並びに／又は疾患が癌である場合、腫瘍のサイズの指標を含む。「疾患」という用語はまた、健康な被験体と比較して変化している被験体の任意の状態、障害、症候群、又は状態を含むことができ、生物の全部又は一部の構造又は機能に悪影響を及ぼす特定の異常な状態を指す。被験体の状態又は変化した状態は、疾患、障害、症候群、又は重度の状態を引き起こし得る特定の徴候及び症状に関連することが多い。

癌、糖尿病、ストレス、テンカン、アルツハイマー疾患、口腔感染、歯周病、口臭、ケトーシス、酵母菌感染、尿路感染、肺炎、肺感染、性感染症、膣炎、腎炎、ビリルビン産生、腎臓疾患、尿毒症、トリメチルアミン尿症、心臓血管疾患、コレステロール過剰血症、及び胃腸感染症を含むがこれらに限定されない多くの疾患を本発明によって診断、予測又は監視することができる。

本発明は、急性ぜんそく、肝昏睡、リウマチ性関節炎、精神分裂症、ケトーシス、心肺病、尿毒症、真性糖尿病、味覚異常／嗅覚障害、シスチン尿症、硬変、ヒスチジン血症、チロシン血症、口臭、及びフェニルケトン尿症を含むがこれらに限定されない他の医学的障害を診断するのに更に役立ち得る。

本発明によって検出され得る癌の非限定的な例は、脳癌、卵巣癌、膵臓癌、肝臓癌、結腸癌、前立腺癌、腎臓癌、膀胱癌、乳癌、肺癌、口腔癌、及び皮膚癌である。癌の具体例は以下の通りである：腺癌、副腎腫瘍、エナメル芽細胞腫、未分化腫瘍、甲状腺細胞の未分化癌、血管線維腫、血管腫、血管肉腫、アプドーマ、銀親和性腫、アレイ芽細胞腫、腹水腫瘍細胞、腹水腫瘍、星状芽細胞腫、星状細胞腫、毛細血管拡張性運動失調症、心房粘液腫、基底細胞癌、良性腫瘍、骨癌、骨腫瘍、脳幹神経膠腫、脳腫瘍、乳癌、膣腫瘍、バーキットリンパ腫、癌腫、小脳星状細胞腫、子宮頸癌、老年性血管腫、胆管癌、胆管腫、軟骨芽細胞腫、軟骨腫、軟骨肉腫、絨毛芽細胞腫、絨毛癌、喉頭癌、結腸癌、一般的な急性リンパ芽球性白血病、頭蓋咽頭癌、嚢胞癌、嚢胞腫、嚢胞腫、線維芽細胞腫、線維芽細胞腫、乳管内上皮内癌、乳管乳頭腫、未分化胚細胞腫、脳腫、子宮内膜癌、内皮腫、上衣腫、上皮腫、赤白血病、ユーイング肉腫、リンパ節外リンパ腫、ネコ肉腫、線維腺腫、線維肉腫、甲状腺の濾胞性癌、神経節腫、ガストリノーマ、多形性神経膠芽腫、神経膠腫、性腺芽腫、血管芽腫、血管内皮芽腫、血管内皮腫、血管周囲細胞腫、造血器腫、血球芽細胞腫、血球細胞腫、有毛細胞白血病、過誤腫、肝細胞癌、肝細胞癌、肝細胞腫、ヒストマ、ホジキン病、高腎腫、浸潤癌、浸潤性乳管細胞癌、インスリノーマ、若年性線維腫、カポジ肉腫、腎腫瘍、大細胞リンパ腫、急性白血病、白血病、肝癌、肝転移、ルッケ癌腫、リンパ腺腫、リンパ管腫、リンパ球性白血病、リンパ球性リンパ腫、リンパ細胞腫、リンパ浮腫、リンパ腫、肺癌、悪性中皮腫、悪性奇形腫、肥満細胞腫、髄芽腫、黒色腫、髄膜腫、中皮腫、転移性癌、モートン神経腫、多発性骨髄腫、骨髄芽腫、骨髄性白血病、骨髄脂肪腫、骨髄腫、筋芽腫、粘液腫、鼻咽頭癌、腎芽腫、神経芽細胞腫、神経線維腫、神経線維腫症、神経膠腫、神経腫、非ホジキンリンパ腫、乏突起膠腫、視神経膠腫、骨軟骨腫、骨原性肉腫、骨肉腫、卵巣癌、乳頭のパジェット病、パンコースト腫瘍、膵臓癌、褐色細胞腫、褐色細胞腫、褐色細胞腫、形質細胞腫、原発性脳腫瘍、プロゲストーマ、プロラクチノーマ、腎細胞癌、網膜芽細胞腫、横紋筋肉腫、横紋肉腫、固形腫瘍、肉腫、続発性腫瘍、セミノーマ、皮膚癌、小細胞癌、扁平上皮癌、いちご状血管腫、Ｔ細胞リンパ腫、奇形腫、精巣癌、胸腺腫、栄養膜腫瘍、腫瘍形成性、前庭神経鞘腫、ウィルムス腫瘍、又はそれらの組み合わせ。

いくつかの実施形態において、疾患は、癌、糖尿病及びストレスからなる群から選択される。特定の実施形態では、疾患は癌である。特定の実施形態では、癌は、乳癌、膵臓癌、肝臓癌、卵巣癌、結腸癌、脳癌、子宮癌又は肺癌からなる群から選択することができる。より特定の実施形態では、癌は乳癌である。

本発明はまた、癌に関与するパターンの同定にも関する。特に、本発明は、そのステージ内及びステージ間の異なるグレードの癌を同定することができる。大まかに定義すると、これらの病期は、非悪性対悪性であるが、正常対異型（任意選択で、反応性及び前新生物を含む）対癌性とみなすこともできる。病期の別の定義は、正常対前癌性（例えば、異型乳管過形成（ＡＤＨ）又は異型小葉過形成（ＡＬＨ））対癌性（例えば、ＤＣＩＳ及び／又はＬＣＩＳなどの上皮内癌）対侵襲性（例えば、ＩＤＣ及び／又はＩＬＣなどの癌）である。本発明はまた、正常細胞と非正常細胞（癌性細胞及び他の非正常細胞を含む）との間の識別に適用され得る。

例えば、乳癌の等級付けは、通常、浸潤性腺管癌（ＩＤＣ）の症例について行われ、浸潤性小葉癌（ＩＬＣ）についても同様に行うことができ、ノッティンガムＢＳＲ、核形態、組織構造、増殖指数（ＰＣＮＡ又はＫｉ６７についてのアッセイなど）、及び分化の程度などの細胞学的基準を使用して、Ｉ、ＩＩ又はＩＩＩの等級を特定の乳癌試料に割り当てる。グレードＩは、通常、細胞がまだ十分に分化しており、エストロゲン受容体（ＥＲ）に対して通常陽性である場合である。グレードＩＩＩは、通常、細胞が低分化であり、通常、ＥＲに対して陰性である場合である。グレードＩＩは、一般に、細胞がグレードＩとグレードＩＩＩの中間の特性を有し、測定される全試料の約６０％を構成し得る場合である。

例えば、乳癌の「ステージ」（複数可）（又はその等価物）は、例えば、公知の細胞学手順又は組織学手順（免疫組織学、組織化学及び免疫組織化学を含む）によって規定されるような、乳房細胞の生理学的状態を指す。非限定的な例としては、正常対異常、非癌性対癌性、本明細書に記載される異なるステージ（例えば、過形成、癌腫、及び浸潤性）、及び異なるステージ内のグレード（例えば、グレードＩ、ＩＩ、もしくはＩＩＩ又は癌性ステージ内のそれらの等価物）が挙げられる。

一実施形態において、疾患に関する結果は、疾患のステージ、組織学的グレード、組織型、挙動、プロファイル、ＴＮＭステージ分類（腫瘍／節／転移）などの疾患の程度の指標を含む。特定の実施形態において、疾患に関するステージは、Ｉ、ＩＩ、ＩＩＩ又はＩＶであり得る。特定の実施形態において、疾患に関する挙動は、過形成性、癌腫又は浸潤性であり得る。特定の実施形態では、疾患に関する組織学的グレードは、グレードＩ、グレードＩＩ又はグレードＩＩＩであり得る。特定の実施形態では、疾患に関するプロファイルは、ＬｕｍｉｎａｌＡ、ＬｕｍｉｎａｌＢ ＨＥＲ２／ｎｅｕ＋、ＬｕｍｉｎａｌＢ ＨＥＲ２／ｎｅｕ－、ＨＥＲ２／ｎｅｕ＋又はトリプル－であり得る。

被験体は、１回のスクリーニングでいくつかの疾患を診断するために本発明を使用することができる。したがって、一実施形態では、疾患に関する結果は、少なくとも１つの疾患を含む。特定の実施形態では、結果は、疾患のタイプの指標を含む。特定の実施形態では、乳癌、膵臓癌、肺癌、結腸癌、卵巣癌、肝臓癌及び子宮癌を診断することができる。特定の実施形態では、乳癌、膵臓癌及び肺癌を診断することができる。

腫瘍体積は、治療計画並びに腫瘍退縮及び疾患予後の程度の評価にとって重要である。したがって、本発明はまた、腫瘍自体のサイズ及び体積を決定することができる。一実施形態において、疾患に関する結果は、腫瘍のサイズの指標を含む。特定の実施形態において、疾患は癌であり、結果は腫瘍のサイズの指標を含む。

加えて、それは、過去に行われた治療の観察及びそれらの成功率に基づく、治療推奨を含むことができる。一実施形態では、疾患に関する結果は、治療推奨を含む。

一部の実施形態では、疾患に関する結果は、現在の試料と以前に分析された試料との間の比較に基づく疾患の進行の予測である。

本発明は、疾患のスクリーニング及び監視目的のために使用され得る。例えば、乳癌と診断された患者を定期的にスクリーニングして、異なる時点で疾患のステージ／グレードに関する診断を得ることができる。いくつかの態様において、本発明は、被験体における疾患の進行、退行、再発、及び／又は治療に対する応答を監視するために使用することができる。

特定の実施形態において、本発明は更に、被験体における腫瘍の再発を監視するために使用される。一実施形態では、本発明は、所与の患者における腫瘍の経過及びその治療を個別に監視するための臨床アルゴリズムを提供する。監視は、治療前、治療中、又は治療後（例えば、手術、放射線及び／又は化学療法の後）であり得る。したがって、本発明のシステム及び方法は、腫瘍の進行、拡散、治療、転移、及び／又は再発を監視するために使用することができる。

一実施形態において、疾患に関する結果は、少なくとも７５％の精度（すなわち、分類率）を有する。特定の実施形態において、疾患に関する結果は、７５％、７６％、７７％、７８％、７９％、８０％、８１％、８２％、８３％、８４％、８５％、８６％、８７％、８８％、８９％、９０％、９１％、９２％、９３％、９４％、９５％、９６％、９７％、９８％、９９％又は１００％の精度を有する。特定の実施形態において、疾患に関する結果は、少なくとも９５％の精度を有する。特定の実施形態において、疾患に関する結果は、９５％、９６％、９７％、９８％、９９％又は１００％の精度を有する。別の実施形態では、精度％は１００％である。

一実施形態において、疾患に関する結果は、少なくとも７５％の感度を有する。特定の実施形態において、疾患に関する結果は、７５％、７６％、７７％、７８％、７９％、８０％、８１％、８２％、８３％、８４％、８５％、８６％、８７％、８８％、８９％、９０％、９１％、９２％、９３％、９４％、９５％、９６％、９７％、９８％、９９％又は１００％の感度を有する。特定の実施形態において、疾患に関する結果は、少なくとも９５％の感度を有する。特定の実施形態では、疾患に関する結果は、９５％、９６％、９７％、９８％、９９％又は１００％の感度を有する。別の実施形態では、感度％は１００％である。

一実施形態において、疾患に関する結果は、少なくとも７５％の特異性を有する。特定の実施形態において、疾患に関する結果は、７５％、７６％、７７％、７８％、７９％、８０％、８１％、８２％、８３％、８４％、８５％、８６％、８７％、８８％、８９％、９０％、９１％、９２％、９３％、９４％、９５％、９６％、９７％、９８％、９９％又は１００％の特異性を有する。特定の実施形態において、疾患に関する結果は、少なくとも９５％の特異性を有する。特定の実施形態において、疾患に関する結果は、９５％、９６％、９７％、９８％、９９％又は１００％の特異性を有する。別の実施形態では、特異性の割合は１００％である。

スクリーニング方法の実施形態
試験試料中のＶＯＣを検出するステップは、ＶＯＣの濃度、すなわち、試験試料中に存在するいくつかのＶＯＣの強度、及びそれらの強度間の比例性に応じて、ＶＯＣの有無を決定することを指す。一組の化学的感応性センサの各センサは、強度が試料中の様々なＶＯＣの濃度に比例する電気信号を出力する。各センサは、ある範囲のＶＯＣに対して異なる親和性を有する。いくつかのＶＯＣは、２つ以上のセンサによって検出することができる。したがって、全てのセンサの組み合わされた応答は、試料の組成に関する情報を提供する。ＶＯＣの濃度は、検知期間の各時点で分析され、検知期間は、試料が加熱されている間、例えば３０分間続くことができる。試料ヘッドスペースは、試料容器の内側（又は試料容器が使用されない場合は引き出しの内側）、すなわち試料によって占有されていない分析チャンバの全ての空間である。分析を開始する前に、試料ヘッドスペースを室温の周囲空気で満たす。分析中、熱ブランケットが試料容器及び／又は試料に熱を伝達する一方で、試料に含まれるＶＯＣは、それらの特定の蒸発温度で蒸発する。したがって、試料及び試料ヘッドスペースは、ＶＯＣが試料から蒸発して試料ヘッドスペースに存在するようになるので、経時的に組成が変化する。したがって、センサの応答は時間とともに変化する。典型的には、より小さな揮発性分子からなるＶＯＣは先に蒸発する。検知期間中に抽出された情報から電気出力信号が生成され、これは、検出の結果としての試験試料中のＶＯＣの濃度を示す。例えば、出力信号は、ＶＯＣが存在しない場合には「０」であり、試験試料がＶＯＣで飽和されている場合には「１０２３」であり、信号は、ある量のＶＯＣが存在する場合には中間値をとる。すなわち、電気出力信号は、特にアナログ信号である。

生成された電気出力信号は、次いで、有線又は無線接続を介して第１の処理ユニットに送信される。第１の処理ユニットが試験試料から抽出されたＶＯＣデータを受信すると、この情報は、ＡＩベースの分類ソフトウェアを介して生成された出力信号を処理及び分類することによって、疾患に関する結果を決定するために処理される必要がある。

ＡＩベースの分類ソフトウェアを利用する前に、システムは、バージョンバケットにおいて分類ソフトウェアの最新バージョンをチェックする。任意の分類の前に、システムは、分類アルゴリズムの最新バージョンがインストールされていることを確認する。ＡＩベースの分類ソフトウェアは、リアルタイム更新を周期的に受信する。

ＡＩベースの分類ソフトウェアは、結果を生成するために異なるデータを使用する異なるアルゴリズムを含む。例えば、アルゴリズムは、コンピュータ装置にインストールされたソフトウェアアプリケーションから取得された被験体の健康データ及び人口統計データを処理する役割を果たす。アルゴリズムは、一組の化学的感応性センサから得られたデータを処理する役割を担い、アルゴリズムは、全ての入力データをマージし、メモリ又はデータベースに記憶された情報の中のパターンを認識する。

一実施形態において、ＡＩベースの分類ソフトウェアは、少なくとも１つのＭＬ／ＡＩに基づく分類アルゴリズムを含む。特定の実施形態では、ＡＩベースの分類ソフトウェアは、被験体の健康データ及び人口統計データを入力として取り込むＡＮＮを含む。特定の実施形態では、ＡＩベースの分類ソフトウェアは、センサデータを入力として受け取るＬＳＴＭネットワークを含む。

入力は、例えば、２Ｄデータ配列からなる。アレイの各行は、１つのセンサの応答を含む１Ｄベクトルである。各列の全ての要素は、時間の瞬間に関連する。したがって、データ配列は、９つの行（センサ毎に１つ）と、例えば１００列とすることができる、試料が臭気を帯びた回数と同数の列とを有する。

本発明では、決定された結果をメモリ又はデータベースに記憶することができる。この場合、ＡＩベースの分類ソフトウェアは、その後のスクリーニング操作において、被験体の第１の又は最初のスクリーニング結果を考慮して、その更なるスクリーニング結果を決定することもできる。したがって、一実施形態では、方法は、疾患に関する決定された結果をメモリ又はデータベースに記憶することを更に含み、人工知能ベースの分類ソフトウェアは、記憶された結果を考慮して疾患に関する結果を決定することを含む。

新しい分析毎に、分類アルゴリズムは、入力信号が以前に分析された罹患試料又は対照（健康）試料に、より類似するかどうかによって決定される出力に到達する。これは、分類ソフトウェアにおけるＡＩアルゴリズムが以前に訓練されている、すなわちネットワークにおける全てのニューロンの重みは、判別誤差、すなわち、癌を有する予測確率と絶対的真実（携帯型医療用スクリーニング装置分析後に実行される生検によって決定されるように、全ての試料について０％又は１００％）との間の差を最小化するように調整されているために可能である。

加えて、試験試料に関する知識をそれらの組成に一意に基づいて生成する代わりに、本発明は、いくつかの実施形態では、新しい試験試料が分析され、スクリーニング装置によってヒト試料からいくつかのデータが取得されるたびに、取得されたデータが、データベース内の全てのデータ、すなわち、全ての以前に分析された試料からのセンサデータ、ユーザがユーザインタフェースを介して以前に入力した患者データ、及び／又は他のユーザからのセンサ／患者データと比較されることを提案する。新しい試験試料の分類は、特に、それが以前に分析されたデータに類似する程度に基づいて評価される。そのクラスは、新しい試験試料が以前に分析された癌性試料に類似する程度、及び新しい試験試料が以前に分析された対照（健康）試料に類似する程度に依存する。すなわち、試験試料を分類するように機械学習を行う。

したがって、本発明は、被験体からの異なるタイプの試験試料を使用して癌を診断するために使用することができる携帯型スクリーニングソリューションを提供する。開示された装置は、１人の被験体又は複数の被験体によって複数回使用することができる。

前述及び他の利点及び特徴は、添付の図面を参照して、以下の実施例及び実施形態の詳細な説明からより完全に理解されるであろう。添付の図面は、例示的かつ非限定的な様式で考慮されなければならない。

一実施形態による携帯型医療用スクリーニング装置の一例を示す。 一実施形態による携帯型医療用スクリーニング装置の内部構造の一例を示す。 一実施形態による、携帯型医療用スクリーニング装置の内部構造の内側への化学的感応性センサの配置の一例を示す。 一実施形態による、携帯型医療用スクリーニング装置の内部構造の内側への化学的感応性センサの配置の一例を示す。 一実施形態による、被験体における疾患をスクリーニングするためのシステムを示す。 ＡＩベースの分類ソフトウェアが実行され得る異なる例を示す。 提案されたシステムの別の例を示す。 パネルＡは、クラス間の試料変動性を最大化する仮想平面に対して投影された対照（十字）及び乳癌（三角）ヒト尿試料を含むスコアプロットを示す。仮想平面は、２つのベクトル、すなわち主成分（ＰＣ）１及びＰＣ２によって定義される。これら２つのベクトルは、異なる特徴の線形結合を表す。これらの試料は、ガスクロマトグラフ質量分析計を用いて分析された。 図６のパネルＢは、ほとんどの試料が置かれている領域への拡大を示す。象限Ｉ（左上）は６０個の試料を含み、そのうちの４９個は対照（８１．７％）である。象限ＩＩ及びＩＩＩ（それぞれ右上及び右下）は、合計１４（８５．７％）個のうち１２個の乳癌試料を含有する。象限ＩＶ（左下）は、１６個の乳癌試料を示す。 パネルＡは、装置で匂いを嗅いだ後の対照及び乳癌ヒト尿試料の分布を示す。これらの試料は、本発明の携帯型医療用スクリーニング装置で分析された。仮想平面は、２つのベクトルＰＣ１及びＰＣ３によって定義される。試料は、それらの最も高い変動平面に対して投影されている。図７のパネルＢは、関心領域へのズームを示す。乳癌試料が仮想的な灰色の点線の下にクラスタ化する傾向が観察される。対照試料は、より分散した、より高い変動性の様式を示す。 パネルＡ及びＢは、それぞれ、ＣＮＮモデルを訓練するために使用された試料の数による精度及び損失を示す。精度は、全ての収集された試料から適切に分類される試料の割合を指す。損失関数は、アルゴリズムの現在の出力と期待される出力との間の距離を計算する関数である。したがって、それは、分類アルゴリズムが試料をどれだけうまく分類しているかを記述する。より多くの試料がモデルを訓練するために使用される一方で、精度は上昇し、損失は低下する。試料は一度に１バッチずつモデルに入り、モデルはそれらのクラスを予測する。損失関数は、予測が現実からどれだけ離れているかを計算するために使用される。次に、モデルは、損失の値に比例して調整される。結果として、試料の次のバッチがモデルに入るとき、その予測はより正確になり（したがって、精度はより高くなる）、損失値はより低くなる。これらのグラフは、全てのバッチがモデルに入るときのこれらの値の変化を示す。 一実施形態による、ソフトウェアアプリケーションの異なるインタフェースを示す。Ａ）個人情報インタフェース（例えば、被験体の健康データ及び人口統計データ）を示す。Ｂ）構成／設定インタフェースを示す。 一実施形態による、ソフトウェアアプリケーションの異なるインタフェースを示す。Ｃ）及びＤ）は、スクリーニング履歴インタフェースを示す。 スクリーニングを実行するための異なるステップを通してユーザを案内する試験インタフェースを示す。ステップは以下の通りである：Ａ）携帯型医療用スクリーニング装置を例えばコンピュータ装置に接続すること、Ｂ）試験試料を収集すること。 スクリーニングを実行するための異なるステップを通してユーザを案内する試験インタフェースを示す。ステップは以下の通りである：Ｃ）試験試料を導入すること、Ｄ）引き出しを閉じること。 スクリーニングを実行するための異なるステップを通してユーザを案内する試験インタフェースを示す。ステップは以下の通りである：Ｅ）スクリーニングプロセスを開始すること、Ｆ）スクリーニング結果及び結果に従った推奨を表示すること。

本発明は、被験体における疾患、特に乳癌などの癌をスクリーニングするためのシステム、装置、及び方法を提供する。

図１及び図２Ａ～図２Ｃを参照すると、提案された携帯型医療用スクリーニング装置（又は単にスクリーニング装置）１００の一例が示されている。この実施形態によれば、スクリーニング装置１００は、引き出し１０２を導入するための中空部分を有する箱体１０１から構成される。ユーザ／被験体は、引き出し１０２を開き、スクリーニング／分析される試験試料をスクリーニング装置１００の収集チャンバ１０４内に導入することができる。ユーザは、引き出し１０２に取り付けられたノブ又は他のそのような手段を引いたり押したりすることによって引き出し１０２を開閉することができる。図示されていない他の実施形態では、スクリーニング装置１００は、引き出し１０２を含まなくてもよいことに留意されたい。

図２Ａは、収集チャンバ１０４、グリッド１０５（他の実施形態では、スクリーニング装置はこの構成要素を有さなくてもよいので、限定的ではない）、及び分析チャンバ１０７を含むスクリーニング装置１００の内部構造体１０３の一例を示す。スクリーニング装置１００はまた、本発明の特定の実施形態として図２Ｂ及び図２Ｃに示される一組の化学的感応性センサ２０１～２０９と、計算構成要素（又は第１の処理ユニット）と、任意選択で通信ユニットとを含む。他の実施形態では、一組の化学的感応性センサは、センサの数及びタイプが異なり得る（特に、５～２０個を含み得る）。内部構造体１０３は、箱体１０１の内部に収容されている。

試験試料（例えば、とりわけ、尿、血液、汗、膣分泌物などのヒト試料）が収集チャンバ１０４に導入されると、化学成分が試料から蒸発し、グリッド１０５（存在する場合）を横切って分析チャンバ１０７が位置する上部区画に到達し、一組の化学的感応性センサ２０１～２０９、特に金属酸化物センサ（例えば、とりわけ酸化スズセンサ）及び／又は有機化合物感応性センサは、試験試料中のＶＯＣを検出し、検出の結果として試験試料中のそのようなＶＯＣの有無を示す出力信号を生成することができる。特に、生成された出力信号は、電圧がＶＯＣ濃度に比例する（アナログ）電気信号である。

特に、第１の処理ユニット及び通信ユニット（存在する場合）は、スクリーニング装置１００の下部、内部構造体１０３内、及び収集チャンバ１０４の背後に配置される。第１の処理ユニットは、生成された出力信号を受信するために、有線又は無線接続を介して、一組の化学的感応性センサ２０１～２０９に動作可能に接続される。いくつかの実施形態における第１の処理ユニットは、マイクロプロセッサであり得る。

図示されていないが、いくつかの実施形態では、引き出し１０２（存在する場合）は、絶縁材料で充填され、スクリーニング／分析される試験試料をその中に含有する収集チャンバを挿入するための穴を備えることができる。更に、穴の内壁を熱ブランケットで更に被覆することができる。試料加熱プロセスを制御するために、第１の処理ユニットは、装置が熱ブランケット及び穴壁と接触している温度センサに電圧を供給することを機械的に開始及び停止することができるリレーに動作可能に接続され得る。

図３は、ユーザ／被験体における疾患、特に癌をスクリーニングするための提案されたシステムに含まれ得る異なる要素／エンティティの一例を示す。この特定の実施形態のシステムは、開示されたスクリーニング装置１００と、ユーザのコンピュータ装置１２０（図４参照）にインストールされたソフトウェアアプリケーション１２１と、遠隔処理ユニット１３０と、データベース（又はメモリ）１４０とを備える。他の実施形態では、システムは、上述の要素の全てを含む必要はないことに留意されたい。更に、他の実施形態では、システムは、２つ以上のメモリ／データベースを備えることができ、メモリ／データベース１４０は、遠隔である代わりに、他のシステム要素、すなわち、ソフトウェアアプリケーション１２１、第１の処理ユニット、及び／又は遠隔処理ユニット１３０のいずれかに含まれ得る。

図３に示されるように、スクリーニング装置１００、ソフトウェアアプリケーション１２１、遠隔処理ユニット１３０、例えば、クラウドベースのサーバ、及びメモリ又はデータベース１４０は、動作可能に接続され、それらの間でデータ（例えば、出力信号又はセンサデータ、被験体のデータ、メモリ又はデータベースに記憶されたデータ、すなわち被験体及び／又は複数の健康な個人及び不健康な個人の健康又は人口統計データ、又は疾患に関する結果－）を交換することができる。いくつかの実施形態では、スクリーニング装置１００は、ユーザのコンピュータ装置１２０を介してアクセスされ、次いで、メモリ／データベース１４０からデータを送信及び受信することができる遠隔処理ユニット１３０に接続される。代替的又は補完的に、データは更に、ソフトウェアアプリケーション１２１から遠隔処理ユニット１３０へ、及び遠隔処理ユニット１３０からソフトウェアアプリケーション１２１へ流れることができる。同様に、データは、遠隔処理ユニット１３０に接続されたユーザのコンピュータ装置１２０から直接評価され、情報を交換することができる。更に、遠隔処理ユニット１３０は、メモリ／データベース１４０に接続されることができ、データは、遠隔処理ユニット１３０からメモリ／データベース１４０に、及びその逆に流れる。

したがって、分類は、スクリーニング装置１００、ソフトウェアアプリケーション１２１、及び／又は遠隔処理ユニット１３０（図４の破線ボックス参照）など、提案された解決策の多くの場所で、ＡＩベースの分類ソフトウェア１５０によって行うことができる。ユーザ／被験体は、例えば出力ディスプレイを介してスクリーニング装置１００自体で、又はソフトウェアアプリケーション１２１を使用してユーザのコンピュータ装置１２０で結果を見ることができる。ユーザのコンピュータ装置１２０は、とりわけ、スマートフォン、ラップトップコンピュータ、ＰＤＡ、タブレットコンピュータ、ウェアラブル装置、又は前述のものの任意の組み合わせ等の任意の装置であり得る。

メモリ／データベース１４０は、被験体及び複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データを記憶することもできる。例えば、ユーザ／複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データは、年齢、ジェンダ、性別、民族性、出身地／居住地、薬物消費（例えば、タバコ習慣、アルコール習慣、大麻習慣、他の毒性習慣）、食習慣、ユーザ又は個人の病歴、被験体の家族病歴、薬剤服用、家族乳癌歴（例えば、母親、姉妹、娘、祖母、叔母）、個人癌歴（例えば、乳癌、肺癌、卵巣癌、結腸直腸癌、メラノーマ、膀胱癌、非ホジキンリンパ腫、腎臓癌）、体重、身長、糖尿病歴、甲状腺障害、多嚢胞性卵巣症候群、骨粗鬆症、他の内分泌障害、初潮タイミング、月経、閉経、出産日までに出産した子供の数、早産の数、流産の数、出産した子供の数、生殖状態（例えば、妊娠、母乳哺育、産後、妊孕投薬）、乳房疾患歴（例えば、月経周期中の乳痛、ホルモン変化、嚢胞、線維腺腫、一般的なしこり、乳房分泌物、痛み、ひび割れ及び痒みのある乳首、逆乳首）、初潮年齢、最初に出産した年齢、閉経が始まった年齢、マンモグラム及びＸ線撮影の実施回数などを含むことができる。

特に、そのような分類を実行するために、本発明は、機械学習（ＭＬ）及び／又は人工知能（ＡＩ）技法を利用する処理アルゴリズム及び分類アルゴリズムからなる、引用された人工知能ベースの分類ソフトウェア１５０を提供する。分類は、ヒト試料の性質に基づく。したがって、Ａｌベースの分類ソフトウェア１５０は、生成された出力信号を処理及び分類することによって、疾患に関する結果を決定することができる。いくつかの他の実施形態では、ＡＩベースの分類ソフトウェア１５０は更に、複数の健康な個人及び／又は不健康な個人、並びにユーザ／被験体の健康データ及び／又は人口統計データを考慮して、疾患に関する結果を決定することができる。

いくつかの実施形態において、疾患に関する結果は、疾患の有無についての指標からなる。例えば、結果は、スクリーニング結果が良好であるか不良であるかを主張する「０」もしくは「１」値又は単語（例えば、「健康」又は「不健康」）のみであり得る。他の実施形態では、結果は、疾患の程度（例えば、レベルＩＩ）、疾患のタイプ（又はサブタイプ）（例えば、疾患のタイプについては乳癌、又は例えば、疾患のサブタイプについては乳癌のタイプ）、治療についての推奨、更には腫瘍のサイズを更に示すことができる。

特定の実施形態によれば、ＡＩベースの分類ソフトウェア１５０は、ユーザ／被験体の人口統計データを入力として受け取る人工ニューラルネットワーク（ＡＮＮ）を含む。このＡＮＮは、被験体の医学的状態についての情報を抽出するためのエンコーダとして使用され、次のデータ処理ステップを受けるために読み取り可能かつ有益であるように、この情報を符号化する。更に、長短期記憶（ＬＳＴＭ）ネットワークにセンサデータ（すなわち、生成された出力信号）を供給することができる。ＬＳＴＭネットワークの入力層は、２つのタイプのニューロンからなる、すなわち１）ＡＮＮによって符号化された符号化された被験体のデータを入力として受け取るニューロンと、２）化学的感応性センサ２０１～２０９から来るデータを入力として受け取るニューロンである。したがって、ＬＳＴＭは、ニューロンの２つの別個のセット（２つのサブネット）からなる。これらは、それら自体の内部及び互いに完全に接続されており、すなわち、本質的に高密度ネットワークである。

一実施形態では、ＡＩベースの分類ソフトウェア１５０は、ソフトウェアアプリケーション１２１によって実行される。したがって、この場合、データ（例えば、出力信号又はセンサデータ）は、スクリーニング装置１００からコンピュータ装置１２０に流れる。この特定の実施形態によれば、ＡＩベースの分類ソフトウェア１５０によって生成された結果は、ソフトウェアアプリケーション１２１によってコンピュータ装置１２０に表示される。結果を生成するために、ＡＩベースの分類ソフトウェア１５０は、上記で説明したように、複数の健康な個人及び／又は不健康な個人、並びにユーザ／被験体の健康データ及び／又は人口統計データを考慮することができる。

別の実施形態では、ＡＩベースの分類ソフトウェア１５０は、遠隔処理ユニット１３０によって実行される。したがって、データ（例えば、出力信号）は、スクリーニング装置１００から遠隔処理ユニット１３０に流れる。更に、コンピュータ装置１２０によって収集された追加データ（例えば、被験体のデータ）は、後者から遠隔処理ユニット１３０に流れることができる。同様に、メモリ／データベース１４０に記憶されたデータは、後者から遠隔処理ユニット１３０に流れることができ、逆もまた同様である。ＡＩベースの分類ソフトウェア１５０によって生成された結果は、ソフトウェアアプリケーション１２１によって、遠隔処理ユニット１３０自体によって、又はスクリーニング装置１００によって、コンピュータ装置１２０に表示することができる。

更に別の実施形態では、ＡＩベースの分類ソフトウェア１５０は、スクリーニング装置１００内に位置する第１の処理ユニットによって実行される。この場合、ＡＩベースの分類ソフトウェア１５０によって生成された結果は、システム／方法構成に応じて、スクリーニング装置１００によって、コンピュータ装置１２０によって、又は遠隔処理ユニット１３０によって直接表示することができる。当該結果を生成するために、ＡＩベースの分類ソフトウェア１５０は、上記で説明したように、複数の健康な個人及び／又は不健康な個人、並びにユーザ／被験体の健康データ及び／又は人口統計データを考慮することができる。

図５は、システムの別の実施形態を示す。この場合、第１の処理ユニット及び通信ユニットは、スクリーニング装置１００に含まれるハードウェアボード１１０に実装される。２つの前述の構成要素は、試料から分析チャンバ１０７で取得されたデータ（すなわち、生成された出力信号）を受信する。データは、スクリーニング装置１００上で分類され得るか、又はソフトウェアアプリケーション１２１もしくは遠隔処理ユニット１３０に送信され得る。ソフトウェアアプリケーション１２１及び遠隔処理ユニット１３０の両方が、ＡＩベースの分類ソフトウェア１５０を割り当てることができる。ソフトウェアアプリケーション１２１は、スクリーニング装置１００を使用する前にダウンロードされる必要があり、試験試料から得られたデータは、通信ユニットがデータを受信するとすぐにソフトウェアアプリケーション１２１に転送され得る。ソフトウェアアプリケーション１２１は、その後、データを分類するか、又は遠隔処理ユニット１３０にデータを送信して分類することができる。

ＡＩベースの分類ソフトウェア１５０を利用する前に、システムは、バージョンバケット１３１において分類ソフトウェア１５０の最新バージョンをチェックする。任意の分類の前に、システムは、分類アルゴリズム１５０の最新バージョンがインストールされていることを確認する。ＡＩベースの分類ソフトウェア１５０は、リアルタイム更新を周期的に受信する。ある試験試料から得られたデータが分析され分類されると、これらのデータはデータベース１４０に記憶される。更に、ＡＩベースの分類ソフトウェア１５０が診断を決定した場合、これは、前述のように表示され得る。

ソフトウェアアプリケーション１２１は、Ｐｙｔｈｏｎを使用して開発することができ、端末セッションを使用してＬｉｎｕｘ上で実行することができる。ソフトウェアアプリケーション１２１は、スクリーニングプロセスを通じてユーザガイドとして機能することができる。いくつかの実施形態では、ソフトウェアアプリケーション１２１へのアクセスは、所与のユーザインタフェース（図９及び図１０参照）を通じたユーザログインを介して行われる。ソフトウェアアプリケーション１２１は、アプリケーションのユーザが見ることになる様々な画面を提供するアプリケーションのウェルカム画面、メニュー、個人データ画面、及びスクリーニング履歴画面を更に提供することができる。ソフトウェアアプリケーション１２１は、ユーザ／被験体の健康データ及び／又は人口統計データを取得するために使用されることができる。

実施例
実施例１：第１の装置プロトタイプの乳癌スクリーニングセットアップ
目的は、実際のヒト尿試料中の乳癌を最終的にスクリーニングすることができるようにスクリーニング装置プロトタイプを訓練するために、対照被験体及び転移性乳癌患者からの合成尿及びヒト尿の両方においてＶＯＣパターンを見出すことであった。

１．１ 方法
１．１．１ 合成尿調製物及びヒト尿収集
６つの単一ＶＯＣ溶液及び３０個の合成尿試料を調製し、９０個のヒト尿試料を収集した。

まず、第１の理論的アプローチのために、１１ｍＬの蒸留水中に対照ＶＯＣ（ＣＴＲ）（すなわち、健康なヒト尿中に通常見出されるＶＯＣ）又は乳癌関連ＶＯＣ（ＢＣ）を含有する６つのＶＯＣ試料を調製した（表１）。

単一ＶＯＣ溶液アリコートの後、分類アルゴリズムを更に試験するために３０個の合成尿試料を調製した。合成尿を可能な限り現実に近づける目的で、予想範囲内の異なるＶＯＣ濃度値を採用して１０種類の尿をシミュレートした（表２）。１１ｍＬの尿溶液は、１００ｍＬのヒト尿中で遭遇すると予想される濃度に対応するＶＯＣ濃度を含有していた。

単一ＶＯＣ溶液及び合成尿試料が作製されたら、ヒト尿試料を収集した。研究における参加者の匿名性を保証するために、各参加者は、分析中にその試料が参照される番号を無作為に割り当てられた。

９０人の成人女性に対してヒトサンプリングを行った。患者が、乳癌、尿路感染症、又は尿組成に影響を及ぼし得る他の病状以外の任意の癌型の病歴を有していた場合、除外した。アルコール消費は、試料抽出前１２時間以内に抑制された。患者の民族性及びタバコ、薬物又は食品の消費に関する除外基準はなかった。月経は除外基準ではなかった。しかし、サンプリング事象に対するその近接性は、起こり得る任意の将来の誤分類を理解するために記録された。尿のアリコートを１１ｍＬヘッドスペースバイアルに移し、分析まで凍結させた。ヒト尿試料を０℃で２４～４８時間保存した。

乳癌患者の尿サンプリングを、Ｈｏｓｐｉｔａｌ Ｕｎｉｖｅｒｓｉｔａｒｉ Ｓａｎｔ Ｊｏａｎ，Ｒｅｕｓ（スペイン）において、進行期の３９人の転移性乳癌患者に対して行った。彼らの年齢は２９～７５歳（平均年齢５４．９±１２．０歳）であった。患者は、病院の乳癌腫瘍学チームによって無作為に選択された。そのプロトコル、患者の同意及び法的倫理的側面は、Ｆｕｎｄａｃｉｏ Ｉｎｓｔｉｔｕｔ ｄ’ｌｎｖｅｓｔｉｇａｃｉｏ Ｓａｎｉｔａｒｉａ Ｐｅｒｅ Ｖｉｒｇｉｌｉ Ｅｔｈｉｃｓ Ｃｏｍｍｉｔｔｅｅ（ＣＥＩｍ）によって審査及び承認された。

対照ヒト尿収集は、いずれのタイプの癌も提示しなかったか、又はそれについての知識がなかった、１８～７８歳（平均年齢２９．７±１５．８歳）内のＴａｒｒａｇｏｎａ、Ｂａｒｃｅｌｏｎａ及びＲｅｕｓから均一にサンプリングされた５１人の被験体に対して実施した。全ての被験体は、糖尿病、心血管疾患及び他のタイプの癌から除外され、参加前に口頭のインフォームドコンセントを与えられた。

１．１．２ ガスクロマトグラフィ－質量分析（ＧＣ－ＭＳ）試料分析
ガスクロマトグラフィ－質量分析（ＣＧ－ＭＳ）データ検査の第１の考慮事項は、研究中のＶＯＣが分析によって実際に検出されたかどうかを試験することであった。ＧＣ－ＭＳ真空設定及び機械較正を行った。

単一ＶＯＣ溶液、合成尿及びヒト試料を、それらの組成をよりよく理解するためにＧＣ－ＭＳで分析した。ヒト試料については、５１個の対照試料及び３９個の乳癌試料を３回分析した。ＧＣ－ＭＳは、２０分間にわたって２０５２個の分析を実施するようにプログラムされた。

１．１．３ 分類アルゴリズムの訓練及び試験
このステップでは、以前に得られた試料読み取り値が検査された。目的は以下の通りである。
１）単一ＶＯＣ溶液の読み取り値を検査して、ＧＣ－ＭＳ及び研究中の装置がそれらを適切に検出することができたかどうかを判定すること。
２）合成尿の読み取り値を検査して、ＧＣ－ＭＳ及び研究中の装置が、シミュレートされた罹患尿とシミュレートされた対照尿とを適切に区別することができたかどうかを判定すること。言い換えれば、複数のＶＯＣが同時に存在する場合に尿組成が有意であるかどうかを評価することである。
３）ヒト尿溶液の読み取り値を検査して、ＧＣ－ＭＳ及び研究中の装置がクラス間の差異を見つけることができるかどうかを決定すること。

試料調製及びＧＣ－ＭＳ分析が行われると、前処理、処理及び予測アルゴリズムを用いて試料を分類した。入力データは、ＶＯＣ溶液、合成尿及びヒト尿からの臭気プロファイルを含有するＧＣ－ＭＳからの生データファイルであった。

信号前処理手順は、複雑な生データをノイズのない、読み取り可能な、有意なデータに変える目的で実施された。これは、補間、クロマトグラム設計、ベースライン除去、平滑化フィルタリング、正規化及び３倍試料平均化を実施することによって試みられた。このステップは、生のＧＭ－ＭＳファイルを入力として取り、それらを処理してそれらの総イオンクロマトグラム（ＴＩＣ）を出力するＲベースのコードを使用して行われた。

処理ステップのために、Ｐｙｔｈｏｎベースの処理コードが使用され、これは、入力としてＴＩＣを取り込み、試料分類を出力するためにそれらを統計的に処理する。この場合に使用したアルゴリズムは主成分分析（ＰＣＡ）であり、位相検査を行った。

次に、アルゴリズムの性能を予測目的のために設計した。単一ＶＯＣ調製物、合成試料及びヒト尿に関するそれらの結果を別々に評価した。ＧＣ－ＭＳが標的ＶＯＣを検出することができるかどうかを評価するために、Ｒベースのコード及びｋ最近傍（ｋＮＮ）アルゴリズムを使用して、ＶＯＣパターンコンパレータを得た。

１．１．４ 装置プロトタイプ設計及び検査
次のステップは、前述のように試料手順を実行することからなるが、ここでは、ＧＣ－ＭＳを使用する代わりに、研究中の装置プロトタイプを用いて尿を分析する。ＴＩＣと呼ばれる尿の「匂い」を捕捉するための４つのＶＯＣ化学的感応性センサ（金属酸化物センサ）を有するＡｒｄｕｉｎｏボードに基づいて、装置の第１のプロトタイプが設計及び構築された。使用した金属酸化物センサは以下の通りである：
－ＴＧＳ ２６００，Ｆｉｇａｒｏ Ｉｎｃ．（気体空気汚染物質に敏感）
－ＴＧＳ ２６０２，Ｆｉｇａｒｏ Ｉｎｃ．（とりわけ、ＶＯＣ、ＮＨ_３、メチルベンゼンに対して敏感である）
－ＴＧＳ ２６１０，Ｆｉｇａｒｏ Ｉｎｃ．（（とりわけプロパン、ブタンに敏感である）
－ＴＧＳ ２６２０、Ｆｉｇａｒｏ Ｉｎｃ．（アルコール、有機蒸気、ＶＯＣに敏感）

装置プロトタイプによって９０個のヒト尿試料の匂いを嗅ぎ、以前に設計されたソフトウェアが、Ａｒｄｕｉｎｏマイクロコントローラに実装された。各試料は、３０秒間毎秒で４つ全ての化学的感応性センサが一度匂いを嗅いだ。したがって、試料記録の出力は、全ての試料に対する１２０次元特徴ベクトルである。

分類を実行するための入力データは、装置プロトタイプによって匂いを嗅がれた合成尿及びヒト試料の臭気プロファイルであった。ＰＣＡ及びｋＮＮアルゴリズムをテンプレートとして使用して、分類アルゴリズムを設計した。

Ａｒｄｕｉｎｏマイクロプロセッサは、ＰＣＡコードをホストするのに十分な記憶装置を有していないので、このコードは、オンラインで設計され、その後、Ａｒｄｕｉｎｏに実装され、装置に実装された別のコードを介してオフラインで自律的に実行することを可能にする。このコードは、装置がＶＯＣプロファイルに基づいて試料を対照又は乳癌として分類することを可能にする分類アルゴリズムを含む。

アルゴリズムがＡｒｄｕｉｎｏマイクロプロセッサに実装されると、５４個の試料が全データセット（ｎ＝９０）からランダムに選択され、アルゴリズムを訓練するために、すなわちＰＣＡを定義するスコア、つまりパラメータを定義するために使用される。残りの３６個の試験試料を使用して、試料を分類することによって装置プロトタイプを試験した。最後に、装置プロトタイプによって得られた分類結果を検証するために、結果を、得られたＧＣ－ＭＳデータ（ＰＣＡ及びｋＮＮを使用することによって得られた分類）と比較した。

１．２ 結果
１．２．１ ＧＣ－ＭＳスクリーニング及び試料分類
このセクションは、ＧＣ－ＭＳを用いて分析されたヒト尿試料の分類成功を評価するためのものである。図６（Ａ）に示すように、ＰＣＡによる次元削減後のＧＣ－ＭＳデータは、対照（十字）尿試料と転移性乳癌（三角）尿試料との間の差を視覚的に示す。図６（Ｂ）は、図６（Ａ）の拡大表示である。主成分（ＰＣ）１及び２は、クラス間の分散の大部分を説明する。ＰＣは、初期特徴、すなわち、各瞬間における化学的感応性センサの応答の線形結合又は混合として構築される新しい特徴である。幾何学的に言えば、ＰＣは、分散の最大量を説明するデータの方向、すなわち、データのほとんどの情報を捕捉する線を表す。

図６のスコアプロットは、象限Ｉ（左上）の試料の８１．７％が対照であり、象限ＩＩ及びＩＩＩ（右）の試料の８５．７％が乳癌のものであり、象限ＩＶ（左下）の試料の１００％も乳癌であることを示す。したがって、次元削減は、試料空間分散の強力な最適化を実行し、最初の２つのＰＣによって説明される分散は、所与の試料が属するクラスによって大きく引き起こされる可能性があると言える。

この手順は、ＧＣ－ＭＳが、対照試料から乳癌試料を識別するのに十分な感度があるかどうかを判定することを目的とし、したがって、２つのクラスの試料間に十分な差異が存在するという証拠を得た。したがって、試料分類の第１のステップは、ＧＣ－ＭＳデータを用いて実施した。

分析されたヒト尿試料についてＰＣＡによって構築されたスコアプロットを得た後、ｋＮＮアルゴリズムも使用して別の分類を得た。４６個の訓練試料及び４４個の試験試料を使用した。１９個の実際の乳癌試料のうち１１個の試料が乳癌として分類された。２４個の対照試料を２５個の対照試料から、そのようなものとして分類した。その結果、この正確な例は、７９．５５％の分類率で機能する。

モデル検証のために考慮されるべき次の点は、試料クラスタリング及び分類に関するものである。このモデルは、患者の治療及び結果に影響を及ぼすヒト試料を操作するので、分類率だけでなく、偽陰性（感度）及び偽陽性（特異性）の率も評価されるべきである。結果を表３に示す。

上記の結果に依存することによって、ｋＮＮ分類アプローチは、ＰＣＡのクラス予測よりも良好なクラス予測をもたらすと結論付けることができ、ｋＮＮは、分類率において優れているだけでなく、ヘルスケア用途でモデルを検証するときの最も重要なパラメータの１つである感度においても優れている。

１．２．２ 装置プロトタイプスクリーニング
このセクションは、装置プロトタイプを用いて分析されたヒト尿試料の分類の成功を評価するためのものである。各センサは各分析毎に各試料を３０回読み取るので、各試料の読み取りは４列（センサ毎に１つ）及び３０行で提示された。ＶＯＣ化学的感応性センサを介して試料を分析することによってＶＯＣパターンが得られると、得られたデータを分類した。９０個の試料のうち５４個を用いてモデルを訓練し、残りの３６個の試料を用いてモデルを試験した。

平面ＰＣ１－ＰＣ３に対する試料投影のスコアプロットを図７により詳細に示す。この投影を観察することによって、３３個の試料が想像線の下に集まり、そのうちの２９個（８７．９％）が乳癌試料である。この閾値を超えると、４０個の対照試料があり、その８５．１％が対照試料である。乳癌試料は、対照試料と有意に異なることが見出された。

表４に、訓練モデルの検証結果を示す。

試験試料から、真陽性（ＴＰ）、真陰性（ＴＮ）、偽陽性（ＦＰ）及び偽陰性（ＦＮ）の数は、それぞれ１２、９、１１及び４個であった。

臭気ベースの癌スクリーニング装置のこの初期モデルは、実施例２において更に開発された。

実施例２：改良された装置プロトタイプを使用することによる乳癌スクリーニング
２．１ 方法
２．１．１ データ収集及び処理
実施例１から抽出されたデータ（４つの化学的感応性センサから得られた生データ－まだ前処理されていない）を使用して、実施例を行った。したがって、対照被験体からの５１個の尿試料及び乳癌被験体からの３９個の尿試料のデータを、改善された分類アルゴリズムを使用して分析及び分類した。

データを分類する前に、データを前処理して、分類が後に無関係なアーチファクトではなく癌の特徴に依存することを確実にした。まず、データを正規化した。

２．１．２ ソフトウェア設計及び試験
試料前処理の後、データを畳み込みニューラルネットワーク（ｃＮＮ）に供給した。このネットは、サイズ３２、６４、１２８、１２８の４つの畳み込みフィルタ及び線形活性化から構成された。ニューラルネットワークの出力層は、ソフトマックス活性化関数を有する２つのセル（２つの出力）を提示した。具体的には、このモデルは、６５個の尿試料で訓練され、１２個の試料で試験され、１３個の試料で検証された。

ＰＣＡ、決定木、ｋＮＮ、及びＰＣＡを伴うｋＮＮなどの他の分類方法も実施した。

２．１．３ 改良された装置プロトタイプ設計及び試験
以前のプロトタイプと比較して、この第２の装置は、９個のＶＯＣ化学的感応性センサ及びより強力なマイクロプロセッサを有していた。統計ベースのアルゴリズムはまた、ＡＩアルゴリズムによって置き換えられた。以前のマイクロプロセッサはＡｒｄｕｉｎｏ ＵＮＯであったが、この第２のプロトタイプは、ＷｉＦｉ接続性を含むＭＫＲ Ａｒｄｕｉｎｏ ＷｉＦｉを有していた。加えて、このプロトタイプの分類アルゴリズムは、クラウドベースのサーバ内で実行され、これは、分類アルゴリズムがエッジ上で（Ａｒｄｕｉｎｏボード上で）実行される以前のプロトタイプよりも多くの計算能力を可能にする。

２．２ 結果
図８（Ａ）に示すように、ｃＮＮモデルの精度（ｙ軸）は、より多くの試料を使用して訓練するほど訓練され、各試料は複数回使用される（ｘ軸）。精度は、訓練（「＊」ライン）及び試験（「－」ライン）データセットの両方において同様の様式に従うので、モデルが過剰適合されていないと結論付けることができる。同様の論理（ただし、今回は損失関数に適用される）を損失関数プロット（図８（Ｂ））に適用することができる。モデルが訓練されるにつれて損失関数が減少するため、分類がより良好になる。数値結果を表５に示す。

他の分類方法（ＰＣＡ、決定木、ｋＮＮ及びＰＣＡを伴うｋＮＮ）も実施したが、これらの方法のいずれもＡ１モデルよりも良好に機能しなかった（表６）。

明細書及び特許請求の範囲の全体を通して、「備える」及び「含む」という用語並びにその変形は、他の技術的特徴、添加剤、構成要素、又はステップを除外することを意図するものではない。本発明の更なる目的、利点、及び特徴は、本明細書を検討すると当業者に明らかになるか、又は本発明の実施によって知ることができる。更に、本発明は、本明細書に記載の特定の好ましい実施形態の全ての可能な組み合わせを包含する。

本実施形態は、特定の例示的な実施形態を参照して説明されてきたが、様々な実施形態のより広い趣旨及び範囲から逸脱することなく、これらの実施形態に様々な修正及び変更が行われ得ることは明らかであろう。

Claims (23)

1. 被験体における疾患をスクリーニングするためのシステムであって、前記システムは、
   －携帯型医療用スクリーニング装置（１００）であって、
   被験体の少なくとも１つの試験試料を収集するように構成された収集チャンバ（１０４）と、
   一組の化学的感応性センサ（２０１～２０９）と、
   前記一組の化学的感応性センサ（２０１～２０９）を割り当てるように構成された分析チャンバ（１０７）であって、前記一組の化学的感応性センサ（２０１～２０９）は、前記試験試料中の揮発性有機化合物を検出し、前記検出の結果として前記試験試料中の揮発性有機化合物の有無を示す出力信号を生成するように適合されている、分析チャンバ（１０７）と、
   前記生成された出力信号を受信するために、前記一組の化学的感応性センサ（２０１～２０９）に動作可能に接続された第１の処理ユニットと、を備える、携帯型医療用スクリーニング装置（１００）と、
   －前記生成された出力信号を処理及び分類することによって、前記疾患に関する結果を決定するように構成された人工知能ベースの分類ソフトウェア（１５０）と、を備え、
   前記人工知能ベースの分類ソフトウェア（１５０）は、前記第１の処理ユニットによって、コンピュータ装置（１２０）にインストールされたソフトウェアアプリケーション（１２１）によって、又は遠隔処理ユニット（１３０）によって実行され、前記人工知能ベースの分類ソフトウェア（１５０）が前記ソフトウェアアプリケーション（１２１）によって、又は前記遠隔処理ユニット（１３０）によって実行される場合、前記携帯型医療用スクリーニング装置（１００）は、前記第１の処理ユニットに動作可能に接続され、前記遠隔処理ユニット（１３０）及び／又は前記ソフトウェアアプリケーション（１２１）との通信を確立するように構成された通信ユニットを更に含む、システム。
2. 前記システムは、前記遠隔処理ユニット（１３０）と、前記ソフトウェアアプリケーション（１２１）と、前記被験体及び／又は複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データを記憶するように構成された少なくとも１つのメモリ又はデータベース（１４０）と、を備える、請求項１に記載のシステム。
3. 前記人工知能ベースの分類ソフトウェア（１５０）は、前記複数の健康な個人及び／又は不健康な個人の少なくとも前記記憶された健康データ及び／又は人口統計データを考慮して、前記疾患に関する前記結果を決定するように更に構成されている、請求項２に記載のシステム。
4. 前記人工知能ベースの分類ソフトウェア（１５０）は、少なくとも１つの機械学習及び／又は人工知能ベースの分類アルゴリズムを含む、請求項１～３のいずれか一項に記載のシステム。
5. 前記携帯型医療用スクリーニング装置（１００）は、前記収集チャンバ（１０４）の上方に配置されたグリッド（１０５）、及び／又は前記収集チャンバ（１０４）を開閉及び支持するための引き出し（１０２）を含む、請求項１～４のいずれか一項に記載のシステム。
6. 前記携帯型医療用スクリーニング装置は、前記収集チャンバ（１０４）、前記グリッド（１０５）、前記分析チャンバ（１０７）、前記第１の処理ユニット、及び前記通信ユニットを囲むように適合された箱体（１０１）から構成され、前記箱体（１０１）は、前記引き出し（１０２）の導入のための中空部分を有する、請求項５に記載のシステム。
7. 前記生成された出力信号は、電圧が揮発性有機化合物濃度に比例する電気信号を含む、請求項１～６のいずれか一項に記載のシステム。
8. 前記一組の化学的感応性センサ（２０１～２０９）は、金属酸化物センサ及び／又は有機化合物感応性センサを含む、請求項１～７のいずれか一項に記載のシステム。
9. 前記第１の処理ユニットは、無線接続を介して前記一組の化学的感応性センサ（２０１～２０９）に接続される、請求項１～８のいずれか一項に記載のシステム。
10. 前記疾患は癌である、請求項１～９のいずれか一項に記載のシステム。
11. 前記試験試料は、尿、呼気、膣分泌物、月経血、糞便及び唾液からなる群から選択される、請求項１～１０のいずれか一項に記載のシステム。
12. 被験体における疾患をスクリーニングするための方法であって、前記方法は、
    携帯型医療用スクリーニング装置（１００）の収集チャンバ（１０４）によって、被験体の少なくとも１つの試験試料を収集することと、
    前記携帯型医療用スクリーニング装置（１００）の分析チャンバ（１０７）に配置された一組の化学的感応性センサ（２０１～２０９）によって、前記試験試料中の揮発性有機化合物を検出し、前記検出の結果として前記試験試料中の揮発性有機化合物の有無を示す出力信号を生成することと、
    前記携帯型医療用スクリーニング装置（１００）の第１の処理ユニットによって、前記生成された出力信号を受信することと、
    人工知能ベースの分類ソフトウェア（１５０）によって、前記生成された出力信号を処理及び分類することによって前記疾患に関する結果を決定することと、を含み、
    前記人工知能ベースの分類ソフトウェア（１５０）は、前記第１の処理ユニットによって、コンピュータ装置（１２０）にインストールされたソフトウェアアプリケーション（１２１）によって、又は遠隔処理ユニット（１３０）によって実行され、前記人工知能ベースの分類ソフトウェア（１５０）が前記ソフトウェアアプリケーション（１２１）によって、又は前記遠隔処理ユニット（１３０）によって実行される場合、前記ソフトウェアアプリケーション（１２１）又は前記遠隔処理ユニット（１３０）は、前記携帯型医療用スクリーニング装置（１００）の通信ユニットに動作可能に接続される、方法。
13. メモリ又はデータベース（１４０）は、複数の健康な個人及び／又は不健康な個人の健康データ及び／又は人口統計データをその中に記憶して含み、前記人工知能ベースの分類ソフトウェア（１５０）は、前記記憶された健康データ及び／又は人口統計データを考慮して前記疾患に関する前記結果を決定することを含む、請求項１２に記載の方法。
14. 前記被験体の健康データ及び／又は人口統計データを取得することと、前記取得されたデータをメモリ又はデータベースに記憶することとを更に含み、前記人工知能ベースの分類ソフトウェア（１５０）は、前記被験体の前記記憶された健康データ及び／又は人口統計データを考慮して前記疾患に関する前記結果を決定することを含む、請求項１３に記載の方法。
15. 前記疾患に関する前記決定された結果をメモリ又はデータベース（１４０）に記憶することを更に含み、前記人工知能ベースの分類ソフトウェア（１５０）は、前記記憶された結果を考慮して前記疾患に関する前記結果を決定することを含む、請求項１２～１４のいずれか一項に記載の方法。
16. 前記人工知能ベースの分類ソフトウェア（１５０）は、少なくとも１つの機械学習及び／又は人工知能ベースの分類アルゴリズムを含む、請求項１２～１５のいずれか一項に記載の方法。
17. 前記疾患に関する前記結果は、前記疾患の有無の指標を含む、請求項１２～１６のいずれか一項に記載の方法。
18. 前記結果は、前記疾患の程度及び／もしくはタイプ並びに／又は腫瘍のサイズの指標を含む、請求項１２～１７のいずれか一項に記載の方法。
19. 前記疾患は癌である、請求項１２～１８のいずれか一項に記載の方法。
20. 前記試験試料は、尿、呼気、膣分泌物、月経血、糞便及び唾液からなる群から選択される、請求項１２～１９のいずれか一項に記載の方法。
21. 携帯型医療用スクリーニング装置であって、
    －被験体の少なくとも１つの試験試料を収集するように構成された収集チャンバ（１０４）と、
    －一組の化学的感応性センサ（２０１～２０９）と、
    －前記一組の化学的感応性センサ（２０１～２０９）を割り当てるように構成された分析チャンバ（１０７）であって、前記一組の化学的感応性センサ（２０１～２０９）は、前記試験試料中の揮発性有機化合物を検出し、前記検出の結果として前記試験試料中の揮発性有機化合物の有無を示す出力信号を生成するように適合されている、分析チャンバ（１０７）と、
    －前記生成された出力信号を受信するために、前記一組の化学的感応性センサ（２０１～２０９）に動作可能に接続された第１の処理ユニットと、
    を備える、携帯型医療用スクリーニング装置。
22. 前記第１の処理ユニットに動作可能に接続され、遠隔処理ユニット（１３０）、及び／又はコンピュータ装置（１２０）にインストールされたソフトウェアアプリケーション（１２１）との通信を確立するように構成された通信ユニットを備える、請求項２１に記載の装置。
23. 前記収集チャンバ（１０４）の上方に配置されたグリッド（１０５）、及び／又は前記収集チャンバ（１０４）を開閉及び支持するための引き出し（１０２）を備え、前記携帯型医療用スクリーニング装置（１００）は、前記収集チャンバ（１０４）、前記グリッド（１０５）、前記分析チャンバ（１０７）、前記第１の処理ユニット及び前記通信ユニットを囲むように適合された箱体（１０１）から構成され、前記箱体（１０１）は、前記引き出し（１０２）の導入のための中空部分を有する、請求項２２に記載の装置。