JP4619219B2 - 被験者選定装置 - Google Patents

Description

本発明は、臨床試験の支援システムに関し、特に、臨床試験における被験者を選定する被験者選定装置に関する。

新しい医薬品が開発等された場合には、薬事法に基づき、その医薬品の有効性や安全性等に関する審査を受け、国の承認を得る必要がある。そのため、医薬品開発の最終段階においては、医薬品の承認取得を目的とする臨床試験である「治験」が行われる。

この治験の実施基準としては、薬事法に基づき「医薬品の臨床試験の実施の基準に関する省令」（ＧＣＰ（Good Clinical Practice））が定められている。このＧＣＰの下、治験の依頼者（製薬会社等）は、治験薬が決定すると、治験の目的、デザイン、方法、統計学的な考察及び組織・責任体制等を記載した計画書であるプロトコール（治験実施計画書）を作成する。そして、治験の実施は、このプロトコール（以下、治験プロトコールという）に従って行われる。

治験においては、治験を受ける者（治験対象者）である被験者を選定する作業が必要であり、この被験者の選定は、治験プロトコールに記載されている被験者選定基準に従って行われる（例えば、特許文献１参照）。
また、治験等の臨床試験の支援に関する技術とは別に、医療分野においては、患者の生存時間を解析するための技術がある（例えば、特許文献２参照）。
特開平１１−１５４１８５号公報（第３頁、図７） 特開２０００−２６８１１６号公報（第３頁）

上述したように、被験者の選定は、予めその治験を実施するために作成されている治験プロトコールに従って行われるが、実際に治験を開始すると、被験者における臨床症状悪化や併発症の発生等により治験が続行不可能になる早期離脱や中止が生じることが多い。
そして、被験者に早期離脱や中止が生じた場合には、治験中止報告書を作成し、新たに被験者となる新規対象者のエントリを待つことになる。

そのため、治験プロトコールの被験者選定基準に従って、候補者の中から被験者を選定しても、早期離脱や中止が生じた場合には、それまでにその被験者に投じた費用及び時間はすべて無駄となる。さらには、新たな被験者に対して治験を実施する必要が生ずるため、治験の期間延長や高コスト化につながっていた。
このように、治験プロトコールの被験者選定基準に従って被験者を選定するだけでは、治験の効率が悪いという欠点があった。
また、生存時間解析の技術は、臨床試験の支援技術とは直接的な関係はなく、臨床試験の支援に用いられることもなかった。

本発明は、上記実情に鑑みてなされたものであり、臨床試験を効率的に行うことが可能な被験者選定装置を提供することを目的とする。

上記目的を達成するため、本発明の第１の観点に係る被験者選定装置は、
臨床試験の被験者を候補者の中から選定する被験者選定装置であって、
過去の罹患事例における患者情報を集めた疫学データを取得する疫学データ取得手段と、
前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、前記候補者毎に前記臨床試験の実施期間内に該候補者の症状の変化により臨床試験の実施が中止される確率であるリスク値を求めるリスク関数を導出するリスク関数導出手段と、
前記リスク関数を記憶するリスク関数記憶手段と、
前記候補者毎に、少なくとも該候補者の識別情報と、前記リスク関数の共変量に対応する所定の因子の観測値と、を含む候補者情報を記憶する候補者情報記憶手段と、
前記臨床試験の実施期間情報を取得する実施期間情報取得手段と、
前記リスク関数記憶手段からリスク関数を読み出し、前記候補者情報記憶手段から候補者毎に候補者情報を読み出し、前記リスク関数の独立変数に、前記候補者情報の共変量に対応する所定の因子の観測値と前記実施期間情報取得手段が取得した実施期間情報とを代入し、前記リスク関数の従属変数である前記リスク値を前記候補者毎に求めるリスク値演算手段と、
前記臨床試験の計画症例数Ｎを記憶する計画症例数記憶手段と、
前記計画症例数記憶手段から計画症例数Ｎを読み出し、前記候補者の中から、前記リスク値演算手段が求めたリスク値が小さい順にＮ人の候補者を選択し、該選択された候補者の識別情報を出力する識別情報出力手段と、を備え、
前記リスク関数導出手段は、
前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、患者ｉの共変量ベクトルｚ_ｉと時間ｔとの関数であるハザード関数ｈ（ｚ_ｉ，ｔ）を導出する手段と、
ｐ（ｉ，ｔ）＝１−ｈ（ｚ_ｉ，ｔ）の演算を行うことにより、前記リスク関数として関数ｐ（ｉ，ｔ）を導出する手段と、を有する、
ことを特徴とする。

また、本発明の第２の観点に係る被験者選定装置は、
臨床試験の被験者を候補者の中から選定する被験者選定装置であって、
過去の罹患事例における患者情報を集めた疫学データを取得する疫学データ取得手段と、
前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、前記候補者毎に前記臨床試験の実施期間内に該候補者の症状の変化により臨床試験の実施が中止される確率であるリスク値を求めるリスク関数を導出するリスク関数導出手段と、
前記リスク関数を記憶するリスク関数記憶手段と、
前記候補者毎に、少なくとも該候補者の識別情報と、前記リスク関数の共変量に対応する所定の因子の観測値と、を含む候補者情報を記憶する候補者情報記憶手段と、
前記臨床試験の実施期間情報を取得する実施期間情報取得手段と、
前記リスク関数記憶手段からリスク関数を読み出し、前記候補者情報記憶手段から候補者毎に候補者情報を読み出し、前記リスク関数の独立変数に、前記候補者情報の共変量に対応する所定の因子の観測値と前記実施期間情報取得手段が取得した実施期間情報とを代入し、前記リスク関数の従属変数である前記リスク値を前記候補者毎に求めるリスク値演算手段と、
前記リスク値演算手段が求めた前記候補者毎のリスク値を候補者の識別情報に関連付けて記憶するリスク値記憶手段と、
前記臨床試験の計画症例数Ｎを記憶する計画症例数記憶手段と、
前記計画症例数記憶手段から計画症例数Ｎを読み出し、前記候補者の中からＮ人を抽出するすべての組み合わせを求め、該組み合わせ毎に、抽出された候補者である抽出候補者の識別情報を取得する候補者抽出手段と、
前記リスク値記憶手段から、前記候補者抽出手段が取得した抽出候補者の識別情報に関連付けて記憶されているリスク値を読み出し、該読み出したリスク値に基づいて、前記組み合わせ毎に、前記臨床試験の実施にかかる費用の期待値である経費期待値を求める経費期待値演算手段と、
前記経費期待値演算手段が求めた経費期待値の最も小さい組み合わせにおける抽出候補者の識別情報を出力する識別情報出力手段と、を備え、
前記リスク関数導出手段は、
前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、患者ｉの共変量ベクトルｚ _ｉ と時間ｔとの関数であるハザード関数ｈ（ｚ _ｉ ，ｔ）を導出する手段と、
ｐ（ｉ，ｔ）＝１−ｈ（ｚ _ｉ ，ｔ）の演算を行うことにより、前記リスク関数として関数ｐ（ｉ，ｔ）を導出する手段と、を有し、
前記候補者情報記憶手段に記憶されている候補者情報は、候補者毎に、該候補者の臨床試験が実施される施設を識別するための施設識別情報を含み、
前記経費期待値演算手段は、
被験者一人の臨床試験の実施が中止された場合に発生する損害額Ａを記憶する損害額記憶手段と、
前記施設識別情報により特定される施設毎に、該施設に臨床試験を依頼する場合に一律に発生する費用である固定費Ｂを記憶する固定費記憶手段と、
前記施設識別情報により特定される施設毎に、該施設に被験者一人の臨床試験の実施を依頼する場合に発生する費用である単位受託費Ｃを記憶する単位受託費記憶手段と、
前記候補者抽出手段が取得した抽出候補者ｉの識別情報に関連付けて記憶されている施設識別情報を前記候補者情報記憶手段から読み出し、該読み出した施設識別情報に基づいて、前記抽出候補者ｉの組み合わせで臨床試験が実施される場合に使用される施設ｊを特定する施設特定手段と、
前記施設特定手段が特定した施設ｊ毎に、前記抽出候補者ｉの組み合わせで臨床試験が実施される場合の施設ｊでの実施人数である受託症例数Ｍ_ｊを計数する受託症例数計数手段と、
前記リスク値記憶手段から、前記抽出候補者ｉの識別情報に関連付けて記憶されているリスク値ｐ（ｉ）を読み出し、前記損害額記憶手段から損害額Ａを読み出し、前記固定費記憶手段から、前記施設特定手段が特定した施設ｊの固定値Ｂ（ｊ）を読み出し、前記単位受託費記憶手段から、前記施設特定手段が特定した施設ｊの単位受託費Ｃ（ｊ）を読み出し、前記受託症例数計数手段から、前記施設特定手段が特定した施設ｊの受託症例数Ｍ_ｊを取得し、前記組み合わせ毎に、経費期待値Ｓを

の演算を行うことにより求める手段と、を有する、
ことを特徴とする。

本発明によれば、臨床試験を効率的に行うことができる。

以下、本発明の実施の形態を図面を参照して説明する。
まず、本発明の第１の実施の形態について説明する。
図１は、本発明の第１の実施の形態に係る治験支援システムの構成例を示すブロック図である。
本実施の形態に係る治験支援システムは、図示するように、治験実際施設である複数の病院のそれぞれが備える病院情報処理装置１と、治験実施のための被験者の選定を行うセンターが備える被験者選定装置２と、過去に疫学研究で集められた過去の罹患事例における患者情報である疫学データを記憶する疫学データ記憶装置３と、を備え、複数の病院情報処理装置１と被験者選定装置２とが通信ネットワーク４を介して接続され、被験者選定装置２と疫学データ記憶装置３とが通信ネットワーク５を介して接続されている。

各病院が備える病院情報処理装置１には、その病院にかかっている患者の患者情報を記憶する患者情報データベースが格納されている。そして、病院情報処理装置１は、患者情報データベースに記憶されている患者情報を匿名化して、通信ネットワーク４を介してセンターに送信する。
患者情報の匿名化は、例えば、患者情報の中の個人特定情報のうち、患者の氏名、住所、生年月日等を削除し、病院毎に付与される患者の識別情報である病院別患者ＩＤを残すことにより行われる。これにより、患者情報を受信するセンターでは、患者情報から患者の氏名等を特定することができなくなる。

センターが備える被験者選定装置２は、各病院から受信した匿名化された複数の患者情報を匿名化患者情報データベース２１に蓄積する。そして、被験者選定装置２は、この匿名化患者情報データベース２１に情報が記憶されている患者の中から、治験プロトコールに記載されている被験者選定基準に合致する患者を抽出する。さらに、被験者選定装置２は、抽出した患者を被験者の候補となる治験適格者とし、その患者情報を治験適格者情報として治験適格者情報データベース２２に記録する。

また、被験者選定装置２は、通信ネットワーク５を介して疫学データ記憶装置３が備える疫学データベースから疫学データを取得し、取得した疫学データに基づいて統計解析手法である生存時間解析を行い、リスク関数を求める。
ここで、リスク関数とは、被験者が早期離脱や中止により治験実施期間内にドロップアウトする確率を求めるための関数であり、その詳細は後述する。

被験者選定装置２は、生存時間解析により求めたリスク関数を、治験適格者情報データベース２２に記録された治験適格者情報に適用し、治験適格者毎にドロップアウト率を求める。そして、ドロップアウト率の低い順に、治験プロトコールに記載されている計画症例数と同数の治験適格者を被験者として選定し、選定した被験者の特定情報である被験者情報を出力する。

次に、本実施の形態に係る治験支援システムが備える被験者選定装置２について具体的に説明する。
図２は、被験者選定装置２の構成例を示すブロック図である。
被験者選定装置２は、図示するように、通信部３１と、入力部３２と、出力部３３と、記憶部３４と、制御部３５と、を備え、各部はバス３６を介して互いに接続されている。

通信部３１は、通信ネットワーク４及び５を介して、病院情報処理装置１及び疫学データ記憶装置３と通信を行うものであり、通信インタフェース等を備える。例えば、通信部３１は、病院情報処理装置１から匿名化された患者情報を、疫学データ記憶装置３から疫学データを、それぞれ受信する。

入力部３２は、この被験者選定装置２を操作する者が様々な情報を入力するために使用するものであり、キーボード、マウス等の入力装置を備える。例えば、入力部２２には、治験プロトコールに記載されている情報等が入力される。
出力部３３は、様々な情報を出力するものであり、ディスプレイ等の表示装置を備える。例えば、出力部３３には、選定された被験者の被験者情報が表示出力される。

記憶部３４は、様々な情報やプログラム等を記憶するものであり、ハードディスク等の補助記憶装置を備える。また、記憶部３４は、匿名化患者情報データベース２１及び治験適格者情報データベース２２を備える。さらに、記憶部３４は、治験プロトコールの記載情報等を記憶する。

制御部３５は、データの演算処理を行うとともに、バス３６を介して通信部３１、入力部３２、出力部３３、記憶部３４を制御するものであり、ＣＰＵ（Central Processing Unit）３５１、ＲＯＭ（Read Only Memory）３５２、ＲＡＭ（Random Access Memory）３５３等を備える。制御部３５における演算処理及び制御処理は、具体的には、ＣＰＵ３５１が、ＲＡＭ３５３を作業領域として使用して各種データを一時的に記憶させながら、ＲＯＭ３５２に記憶されている制御プログラムを実行することにより行われる。
例えば、制御部３５が、ＲＯＭ３５２や記憶部３４に記憶されている制御プログラムに従って上記各部を制御することにより、被験者選定装置２において、被験者選定処理等が行われる。

次に、被験者選定装置２における被験者の選定動作を説明する。
図３は、被験者選定装置２の機能構成例を示すブロック図である。
なお、図３に示す被験者選定装置２の各構成要素は、図２に示す制御部３５が、同じく図２に示す通信部３１、入力部３２、出力部３３、又は記憶部３４を制御することにより、実現することができる。
また、既に説明した構成と同じ機能を有する部分については、同じ符号を付してその説明を省略する。

匿名化患者情報受信部４１は、各病院から匿名化された患者情報を受信し、受信した複数の患者情報を匿名化患者情報データベース２１に蓄積する。
図４は、匿名化患者情報データベース２１に記憶されている患者情報のデータ構成例を示す図である。
図示するように、患者情報は、患者毎の個人特定情報、生活歴、既往歴、検査値等の情報からなる。そして、それぞれの情報はさらに細分化された情報を有する。匿名化患者情報データベース２１に記憶されている患者情報は、病院情報処理装置１の患者情報データベースに記憶されている患者情報を匿名化したものであり、この匿名化により、個人特定情報のうち、生年月日、職業、出生地等の情報が削除されている。
また、匿名化患者情報受信部４１は、患者情報を匿名化患者情報データベース２１に蓄積する際に、センター側で患者を識別するための患者ＩＤと、送信元の病院を識別するための病院ＩＤと、を個人特定情報に付加する。

図３に戻り、治験プロトコール取得部４２は、製薬会社等の治験依頼者が作成した治験プロトコールを取得し、記憶する。具体的には、例えば、治験プロトコール取得部４２は、治験プロトコールに記載されている情報を、図２の入力部３２から取得したり、また、他の情報端末で作成された治験プロトコールのデータを通信部３１を介して取得したりして、治験プロトコールを取得し、記憶しておく。

治験適格者抽出部４３は、治験プロトコール取得部４２が取得した治験プロトコールに記載の被験者選定基準に従って、匿名化患者情報データベース２１を検索し、治験プロトコールに合致する患者を被験者候補となる治験適格者として抽出する。具体的には、例えば、治験適格者抽出部４３は、治験プロトコール取得部４２から治験プロトコールに記載の被験者選定基準を読み出し、その被験者選定基準に示されている対象疾患名、年齢、性別等の選定条件と、匿名化患者情報データベース２１に記憶されている患者情報とを比較し、被験者選定基準に合致する患者を匿名化患者情報データベース２１から抽出する。そして、抽出した患者の患者情報を、治験適格者情報として治験適格者情報データベース２２に記録する。

このように、治験適格者抽出部４３が治験プロトコールに合致する患者を抽出することにより、被験者の選定を行うセンターは、治験の対象となり得る患者の存在状況を把握することができる。
なお、治験適格者情報データベース２２には、治験適格者抽出部４３が抽出した患者の患者ＩＤのみを記録しておき、抽出した患者のその他の患者情報は、必要に応じて、匿名化患者情報データベース２１を参照することにより取得するようにしてもよい。

計画症例数判別部４４は、治験適格者抽出部４３で抽出された治験適格者の数が、治験プロトコールに記載の計画症例数を上回っているか否かを判別する。
具体的には、例えば、計画症例数判別部４４は、まず、治験プロトコール取得部４２から治験プロトコールに記載の計画症例数Ｎを読み出す。ここで、計画症例数とは、治験において選定すべき被験者の数である。
次に、計画症例数判別部４４は、治験適格者抽出部４３で抽出されて治験適格者情報データベース２２に記憶されている治験適格者情報を参照し、治験適格者の数をカウントする。そして、カウントした治験適格者数と計画症例数Ｎとを比較し、治験適格者数が計画症例数Ｎより大きいか否かを判別する。

治験適格者数が計画症例数Ｎ以下の場合には、計画症例数判別部４４は、治験適格者抽出部４３が抽出したすべての治験適格者を実際の被験者とすべく、治験適格者情報データベース２２からすべての治験適格者の患者ＩＤを読み出し、選定被験者表示部４５に出力する。
選定被験者表示部４５は、計画症例数判別部４４から出力された患者ＩＤを、選定した被験者の情報として表示する。

一方、計画症例数判別部４４において、治験適格者数が計画症例数Ｎより大きいと判別された場合には、被験者選定装置２は、続いて、治験適格者の中から計画症例数であるＮ人の被験者を選定する動作を行う。そのため、計画症例数判別部４４は、後述するリスク値算出部４８に選定要求信号を出力する。

本実施の形態に係る被験者選定装置２は、効率的に治験を実施するために、治験の開始後に早期離脱や中止が起きる可能性を考慮して、被験者の選定を行う。そのため、早期離脱や中止の対象となる症状の変化である臨床症状悪化や併発症の発生等を治験開始前に予測し、この予測結果を評価値として、患者の治験対象としてのプライオリティ（優先順位）をコントロールする。
治験適格者である患者は、合併症発生や重症転化するリスクを内包している。そのため、被験者選定装置２は、具体的には、臨床データ等の治験適格者の個人情報から、治験実施期間内に臨床症状悪化、併発症の発生する確率をシミュレーションし、その値の低いものから順に治験対象として好ましいと判断し、治験適格者に優先順位を付ける。そして、この優先順位に基づいて被験者の選定を行う。

臨床症状悪化、併発症の発生の確率計算には、過去に疫学研究で集められた疫学データを用いる。疫学データは図１の疫学データ記憶装置３の疫学データベースに蓄積されており、疫学データには患者の臨床情報等の個人成績が収められている。

図５は、疫学データベースに記憶されている疫学データのデータ構成例を示す図である。
疫学データは疾患（罹患病名）毎に作成されている。そして、疫学データにおいて、患者から観測される変量としては、図示するように、例えば、患者ＩＤ（標本ＩＤ）、年齢、性別、罹患病名及び発症日、診療日時及びその時の診断（重症度）、検査項目及び結果（検査値）、合併症の有無、経過観察期間等が挙げられる。

以下、疫学データを利用して、被験者選定装置２において被験者を選定する動作を説明する。
図３に戻り、疫学データ受信部４６は、疫学データ記憶装置３から疫学データを受信する。具体的には、疫学データ記憶装置３が例えばＦＴＰ（File Transfer Protocol）サーバ機能を有し、被験者選定装置２にＦＴＰソフトウェアがインストールされている場合には、疫学データ受信部４６は、図２の入力部３２への操作に応じて、適宜、疫学データをダウンロードすることができる。

リスク関数導出部４７は、疫学データ受信部４６が受信した疫学データを基に、被験者選定のための評価関数として、治験対象となり得る患者ｉにおいて治験実施期間ｔ内に重症転化若しくは合併症を併発する確率密度関数ｐ（ｉ，ｔ）を求める。
この確率密度関数ｐ（ｉ，ｔ）は、換言すると、患者ｉが治験実施期間ｔ内にドロップアウトする確率を算出するための関数であり、以後、リスク関数と呼ぶ。そして、このリスク関数ｐ（ｉ，ｔ）を、患者情報に適用することにより、患者毎に、治験途中で脱落するか否かの確率（治験の実施が中止される確率）であるリスク値ｐを求めることができる。
なお、このリスク関数ｐ（ｉ，ｔ）の導出計算にはリアルタイム処理は要求されないため、特に高速な解法は必要なく、Ｃｏｘ比例ハザード法等の周知の生存時間解析手法を用いることができる。

ここで、生存時間解析によるリスク関数ｐ（ｉ，ｔ）の導出方法について説明する。
リスク関数ｐ（ｉ，ｔ）は、ある地域の疫学研究（コホートstudy）にて得られたデータを基に、コックス回帰の基礎となる統計モデル（比例ハザードモデル）を用いることで算出することができる。
これに関しては従来から、ＳＡＳシステム（統計解析パッケージ）のＰＨＲＥＧプロシージャを利用して生存時間解析を行うことが知られている。

固体ｉの共変量の値がベクトルｚ_ｉ＝（ｚ_ｉ１，ｚ_ｉ２，・・・，ｚ_ｉｐ）で表されているとしたとき、その固体ｉがある時間ｔまで生存する確率関数は、次のようなハザード関数ｈ（ｚ_ｉ，ｔ）により表される。
ｈ（ｚ_ｉ，ｔ）
＝ｈ_０（ｔ）・ｅｘｐ（β^Ｔｚ_ｉ）
＝ｈ_０（ｔ）・ｅｘｐ（β_１ｚ_ｉ１＋β_２ｚ_ｉ２＋・・・＋β_ｐｚ_ｉｐ） ・・・（１）

ここで、共変量とは、例えば図５に示した患者の疫学データを用いて生存時間解析を行う場合には、年齢、性別、罹患病名及び発症日、診療日時及び重症度、検査項目及び検査値等である。
また、ｈ_０（ｔ）は、すべての共変量の影響がゼロである基準人の時間ｔにおける生存確率（ベースラインハザード）である。

そして、疫学データ記憶装置３に記憶されている疫学データを用いて、比例ハザード解析を行い、上記式（１）のβ_１、β_２、・・・、β_ｐを推定することにより、ハザード関数ｈ（ｚ_ｉ，ｔ）を導出する。
次に、ハザード関数とリスク関数との関係であるが、図５に示した疫学データを用いて生存時間解析を行った場合の“生存”とは、合併症を併発しない等の意味であるから、臨床症状悪化等による治験中止の確率関数であるリスク関数ｐ（ｉ，ｔ）は、次のようにして求められる。
ｐ（ｉ，ｔ）＝１−ｈ（ｚ_ｉ，ｔ） ・・・（２）

以上のようにして、リスク関数導出部４７は、患者ｉに付随する共変量の値（年齢、性別、罹患病名及び発症日、診療日時及び重症度、検査項目及び検査値等の因子の観測値）と、時間（治験実施期間）ｔと、を独立変数とし、リスク値を従属変数とするリスク関数ｐ（ｉ，ｔ）を疫学データから導出する。
なお、リスク関数導出部４７におけるリスク関数ｐ（ｉ，ｔ）の導出は、前述のようにリアルタイム処理の必要はないため、予め適当な時に行っておき、記憶しておけばよい。

リスク値算出部４８は、計画症例数判別部４４により治験適格者数が計画症例数Ｎより大きいと判別された場合に、治験適格者ｉ毎にリスク関数ｐ（ｉ，ｔ）を作用させ、治験実施期間ｔ中にドロップアウトする率であるリスク値ｐの計算を行う。このリスク値ｐを評価値とすることにより、実際の治験にエントリーする患者の優先順位を決定することができる。

具体的には、リスク値算出部４８は、計画症例数判別部４４から選定要求信号を受け取ると、リスク関数導出部４７からリスク関数ｐ（ｉ，ｔ）を取得する。そして、リスク関数の時間ｔに代入する値として、治験プロトコール取得部４２から治験プロトコールに記載されている治験実施期間を読み出す。
さらに、リスク値算出部４８は、治験適格者情報データベース２２から治験適格者ｉ毎に、リスク関数ｐ（ｉ，ｔ）の共変量に対応する因子の観測値を読み出す。具体的には、例えば図５に示す疫学データに基づいてリスク関数が導出された場合には、リスク値算出部４８は、治験適格者情報データベース２２に記憶されている患者情報から、治験適格者の年齢、性別、罹患病名及び発症日、診療日時及び重症度、検査項目及び検査値等の因子の観測値を読み出す。
そして、リスク値算出部４８は、読み出した治験実施期間及び各因子の観測値をリスク関数ｐ（ｉ，ｔ）に代入し、治験適格者毎にリスク値ｐを算出し、治験適格者の患者ＩＤとリスク値ｐとを関連付けて被験者選定部４９に出力する。

被験者選定部４９は、リスク値算出部４８から治験適格者毎に算出されたリスク値ｐを受け取り、治験適格者全員をリスク値ｐが低い（小さい）順（昇順）にソートする。さらに、被験者選定部４９は、治験プロトコール取得部４２から計画症例数Ｎを読み出し、ソート結果の上位Ｎ人分を選択し、選択した治験適格者の患者ＩＤを選定被験者表示部４５に出力する。

図６は、被験者選定部４９による被験者の選択動作を模式的に示す図である。
図示するように、被験者選定部４９においては、治験適格者の患者ＩＤが、リスク値ｐが低い順（昇順）にソートされる。そして、例えば計画症例数Ｎ＝４の場合には、リスク値の低い上位４人が被験者として選定される。

選定被験者表示部４５は、被験者選定部４９から出力される患者ＩＤを、選定した被験者の情報として表示する。
これにより、センターでは、早期離脱や中止の確率が低い被験者を優先的に選定することができ、被験者の選定を行う者は、そのように選定された被験者を選定被験者表示部４５の表示を見ることにより知ることができる。

なお、選定被験者表示部４５は、被験者として選定された患者の病院ＩＤ及び病院別患者ＩＤを表示するようにしてもよい。そのためには、選択された患者ＩＤを受け取った選定被験者表示部４５が、治験適格者情報データベース２２から、患者ＩＤに関連付けて記憶されている病院ＩＤ及び病院別患者ＩＤを読み出し、表示すればよい。そして、この場合、センターで被験者の選定を行う者は、被験者として選定された患者がかかっている病院及びその病院での患者の識別情報を知ることができる。

次に、被験者選定装置２における被験者選定処理の例を図７に示すフローチャートを用いて説明する。
なお、ここで説明する被験者選定処理は、図２における制御部３５が、ＲＯＭ３５２や記憶部３４に記憶されている制御プログラムに従って、通信部３１、入力部３２、出力部３３、又は記憶部３４を制御することにより実行される。また、以下のフローチャートの説明において、制御部３５による通信制御、メモリ制御等の通常のコンピュータによる処理と同一の処理については、理解を容易にするため、逐一言及することを避ける。

この被験者選定処理は、匿名化患者情報データベース２１に、各病院の病院情報処理装置１から送信された患者情報が蓄積されており、記憶部３４に、疫学データ記憶装置３が備える疫学データベースに基づいて導出されたリスク関数及び治験プロトコールが記憶されている状態において、例えば、被験者選定装置２の操作者により、被験者の選定を開始する旨の情報が入力部３２へ入力されると、開始される。

まず、制御部３５は、治験プロトコールに合致する患者を匿名化患者情報データベース（ＤＢ（database））２１から抽出する（ステップＳ１１）。具体的には、例えば、制御部３５は、記憶部３４から治験プロトコールに記載の被験者選定基準を読み出し、この被験者選定基準に合致する患者情報を匿名化患者情報データベース２１から抽出して治験適格者情報データベース２２に格納する。

次に、制御部３５は、患者の抽出数が治験プロトコールに記載の計画症例数より大きいか否かを判別する（ステップＳ１２）。具体的には、例えば、制御部３５は、治験適格者情報データベース２２を参照して、抽出された患者の数をカウントするとともに、記憶部３４から治験プロトコールに記載の計画症例数を読み出し、読み出した計画症例数とカウントした抽出数とを比較する。

制御部３５は、抽出数が計画症例数以下であると判別すると（ステップＳ１２；Ｎｏ）、抽出した患者をすべて出力し（ステップＳ１３）、被験者選定処理を終了する。具体的には、例えば、制御部３５は、抽出により治験適格者情報データベース２２に記録されているすべての患者の患者ＩＤを、出力部３３の表示装置に表示する。

一方、抽出数が計画症例数より大きいと判別すると（ステップＳ１２；Ｙｅｓ）、制御部３５は、治験適格者情報データベース２２にリスク関数を作用させ、リスク値を昇順にソートし、上位Ｎ人を抽出する（ステップＳ１４）。具体的には、例えば、制御部３５は、記憶部３４からリスク関数と治験プロトコールに記載の治験実施期間とを読み出し、治験適格者情報データベース２２からはリスク関数の共変量に対応する因子の観測値を読み出す。そして、リスク関数に、読み出した治験実施期間及び各因子の観測値を代入することにより、治験適格者毎にリスク値を求め、リスク値の低い順に患者ＩＤをソートする。さらに、記憶部３４から治験プロトコールに記載の計画症例数Ｎを読み出し、リスク値の低い上位Ｎ人の患者ＩＤを抽出する。

続いて、制御部３５は、抽出した計画症例数の患者を出力し（ステップＳ１５）、被験者選定処理を終了する。具体的には、例えば、制御部３５は、抽出した計画症例数Ｎ人分の患者ＩＤを出力部３３の表示装置に表示する。

以上説明したように、本発明の第１の実施の形態に係る被験者選定システムによれば、患者の疫学データに基づいて生存時間解析を行い、その解析結果に基づいて被験者の選定を行うことにより、治験実施期間中にドロップアウトする症例（被験候補者）を治験前に高い確度ではじくことができる。これにより、ドロップアウトにより治験にかかる費用が増大することを防ぐことができ、さらには治験実施期間の延長を防ぐことができ、治験を効率的に行うことができる。

次に、本発明の第２の実施の形態について説明する。
上記第１の実施の形態においては、生存時間解析を行うことにより個体ｉに対するリスク値ｐを求め、このリスク値ｐを利用して被験者の選定を行った。
しかし、例えば次のような場合には、上記第１の実施の形態において説明した方法では単純にリスク値ｐを求めることができない。
・患者から観測される変量に欠測値がある場合
・疫学解析した地域コホートと治験適格者情報データベース２２のデータカラムに一部、相互運用性がない（同じような項目があっても互換性が無い）場合

そこで、本発明の第２の実施の形態に係る治験支援システムにおいては、患者の身体情報以外の情報も考慮し、リスク値以外のパラメータを含めた総合的な判断により、被験者の選定を行う。
被験者の選定において考慮できるパラメータは、リスク値以外にも存在し、例えば、治験実施施設である患者が通院する病院（治験受託機関）には、同意取得率、受託単価（治験に要する費用）、被験者エントリー率（スケジュールどおりに進捗するか）等のパラメータが存在し、これらのパラメータはトータルの治験コスト（治験費用）と密接に関連する。
第２の実施の形態においては、これらのパラメータをリスク値と複合し、数理計算法等の手法を用いることで目的とする評価関数を導出し、治験のトータルコストを最小化するよう被験者を選定する。

まず、第２の実施の形態に係る治験支援システムを用いて被験者を選定する場合の前提条件ａ，ｂ，ｃを示す。
ａ．それぞれの患者は、匿名化患者情報データベース２１に患者情報を送信した病院のどれか一つに必ずかかっている。
ｂ．被験者一人が脱落（治験実施中止）することで発生する損害（その患者に投じた費用）の平均額をＡとする。
ｃ．製薬会社等の治験依頼者が、病院ｊ（受託予定症例数Ｍ_ｊ）に治験依頼する際に必要となるコストを次の２つに分ける。
・一律に発生する固定費Ｂ（ｊ）：主に治験をコーディネートする人件費
・症例数に比例する受託費｛Ｃ（ｊ）×Ｍ_ｊ｝：ここで、Ｃ（ｊ）は被験者一人に対する単位受託費
そして、固定費Ｂ（ｊ）及び単位受託費Ｃ（ｊ）には、病院ｊ間で差が存在する。

第２の実施の形態に係る治験支援システムが備える被験者選定装置２においては、このような病院側のパラメータと、上記第１の実施の形態において既に説明したリスク値ｐと、を併せて評価計算を行う。そして、病院のパラメータを評価関数に組み込むために、評価値をリスクの大小ではなく、コストの大小とする。

図８は、本発明の第２の実施の形態に係る治験支援システムが備える被験者選定装置２の機能構成例を示すブロック図である。
なお、図１及び図２に示した第１の実施の形態に係る治験支援システム及び被験者選定装置２の構成は、第２の実施の形態に係る治験支援システム及び被験者選定装置２と共通する。
また、図８における、匿名化患者情報受信部４１、治験プロトコール取得部４２、治験適格者抽出部４３、計画症例数判別部４４、選定被験者表示部４５、疫学データ受信部４６、リスク関数導出部４７、リスク値算出部４８は、図３に示した第１の実施の形態に係る被験者選定装置２と同じ機能を有するため、同じ符号を付してその説明を省略する。

リスク値記憶部５１は、リスク値算出部４８が治験適格者毎に算出したリスク値ｐを、治験適格者の患者ＩＤと関連付けて記憶する。
治験適格者組み合わせ部５２は、治験プロトコール取得部４２から治験プロトコールに記載の計画症例数Ｎを読み出す。そして、治験適格者情報データベース２２に登録されている治験適格者を被験者候補として、その中から、計画症例数Ｎ人を選び出すすべての組み合わせを求める。さらに、治験適格者組み合わせ部５２は、求めた組み合わせ毎に、その組み合わせを構成する治験適格者（抽出候補者）の患者ＩＤ及び病院ＩＤを、治験適格者情報データベース２２から読み出し記憶しておく。

前提費用記憶部５３は、本実施の形態における被験者選定の前提条件として前述した損害平均額Ａ、並びに、病院ｊ毎の固定費Ｂ（ｊ）及び単位受託費Ｃ（ｊ）を、治験費用算出のための前提費用として記憶している。
図９は、病院に対する治験コストを記憶するデータテーブルの例を示す図である。
図９（ａ）は、病院に対する治験コストのうち、病院ｊ毎の固定費Ｂ（ｊ）を記憶するデータテーブルであり、病院を特定する病院ＩＤに関連付けてその病院の固定費が記憶されている。図９（ｂ）は、病院に対する治験コストのうち、病院ｊ毎の単位受託費Ｃ（ｊ）である症例比例報酬を記憶するデータテーブルであり、病院ＩＤに関連付けてその病院の症例比例報酬が記憶されている。
図９（ａ）及び（ｂ）に示すデータテーブルは、前提費用記憶部５３を構成する図２の記憶部３４に格納されており、次に説明する治験費用算出部５４が治験費用を算出する際に、必要に応じて読み出される。

治験費用算出部５４は、治験適格者組み合わせ部５２が求めた組み合わせ毎に、治験の実施にかかるコストである治験費用を算出する。具体的には、治験費用算出部５４は、前提費用記憶部５３から前提費用を読み出し、治験適格者組み合わせ部５２から組み合わせ毎に組み合わせを構成する治験適格者の患者ＩＤ及び病院ＩＤを読み出し、その患者ＩＤに対応するリスク値ｐをリスク値記憶部５１から読み出す。そして、読み出した各データに基づき、治験適格者組み合わせ部５２が求めた組み合わせ毎に、治験費用を算出する。さらに、治験費用算出部５４は、組み合わせを構成する治験適格者の患者ＩＤと、その組み合わせで算出された治験費用と、を関連付けて組み合わせ選択部５５に出力する。
なお、治験費用算出部５４における治験費用の算出動作の詳細は後述する。

組み合わせ選択部５５は、治験適格者組み合わせ部５２が求めた組み合わせの中から、治験費用算出部５４により算出された治験費用が最小となる組み合わせを選択する。具体的には、例えば、組み合わせ選択部５５は、治験費用算出部５４から組み合わせ毎に算出された治験費用を受け取ると、治験費用の最小値とその組み合わせ構成者を保存する。そして、治験費用算出部５４からすべての組み合わせに対する治験費用を受け取った後に、治験費用が最小値であるとして保存されている組み合わせを構成する治験適格者の患者ＩＤを選定被験者表示部４５に出力する。
選定被験者表示部４５は、組み合わせ選択部５５から出力された患者ＩＤを、選定された被験者の情報として表示する。

次に、治験費用算出部５４における治験費用の算出動作を説明する。
本実施の形態においてはコストの大小を評価値とするため、治験費用算出部５４では、患者のリスク値ｐをコストへと変換する動作を行う。
既に説明したように、個体ｉのリスク値はｐ（ｉ）である。そして、前述した前提条件ｂのもとでは、個体ｉにかかる治験で発生するコスト（損害の期待値）は、ｐ（ｉ）×Ａとなる。
そのため、治験適格者組み合わせ部５２が求めた組み合わせ毎の損害の期待値を考えると、１つの組み合わせにおける損害の期待値は、組み合わせを構成する治験適格者ｉ毎に計算したｐ（ｉ）×Ａの和となる。

ここで、リスク値ｐ（ｉ）の計算不能な患者については、ベースラインハザードｈ_０（ｔ）を利用して、１−ｈ_０（ｔ）をその患者のリスク値ｐ（ｉ）の代替として用いる。
なお、計算不能な患者のリスク値の代替として、計算可能な患者のリスク値の平均値を用いてもよい。

また、前提条件ｃに示したように、治験の実施に際しては、患者がかかっている病院（治験実施施設）に治験を依頼するための治験依頼費が発生する。
１つの組み合わせにおける治験依頼費を求める場合、治験費用算出部５４は、まず、その組み合わせを構成する各治験適格者の病院ＩＤを取得し、その組み合わせ内において同じ病院ＩＤの治験適格者の数をカウントする。これにより、治験費用算出部５４は、その組み合わせで治験を実施する場合の病院ｊと、その病院ｊで治験が実施される被験者数を示す受託予定症例数Ｍ_ｊを取得する。
そして、この場合、病院ｊへの治験依頼費は、固定費Ｂ（ｊ）と受託費｛Ｃ（ｊ）×Ｍ_ｊ｝の和となる。
このため、１つの組み合わせにおける治験依頼費は、その組み合わせにおいて治験が実施される病院ｊ毎に計算したＢ（ｊ）＋Ｃ（ｊ）×Ｍ_ｊの和となる。

以上の損害の期待値と治験依頼費を考慮すると、治験適格者組み合わせ部５２が求めた１つの組み合わせにおける治験にかかるコストの総和（経費期待値）Ｓを求めるための評価関数は次式のようになる。

治験費用算出部５４は、前提費用記憶部５３から損害平均額Ａを読み出すとともに、治験適格者組み合わせ部５２から取得した組み合わせを構成する治験適格者の病院ＩＤに基づき、前提費用記憶部５３に格納されている図９に示したデータテーブルから、病院ｊの固定費Ｂ（ｊ）及び受託費Ｃ（ｊ）を読み出す。さらに、治験費用算出部５４は、治験適格者組み合わせ部５２から取得した組み合わせを構成する治験適格者の患者ＩＤに基づき、リスク値記憶部５１から、その患者のリスク値ｐを読み出す。そして、治験費用算出部５４は、読み出したこれらの値に基づき、上記式（３）の評価関数を用いて、治験適格者組み合わせ部５２が求めた組み合わせ毎に、治験費用である治験にかかるコストの総和Ｓを算出する。

そして、組み合わせ選択部５５が、治験費用算出部５４により算出されたＳを最小化する治験適格者の組み合わせを選択することにより、製薬会社等の治験依頼者は治験を委託する費用を抑えることができる。

次に、本発明の第２の実施の形態に係る治験支援システムの被験者選定装置２における被験者選定処理を図１０乃至図１３に示すフローチャートを用いて説明する。
図１０は、本発明の第２の実施の形態に係る被験者選定処理の例を示すフローチャートである。
なお、図１０に示す被験者選定処理は、図７に示した第１の実施の形態に係る被験者選定処理に、ステップ２４及びステップ２５を追加したものに相当する。

被験者選定装置２の操作者により、被験者の選定を開始する旨の情報が、例えば入力部３２へ入力されると、この被験者選定処理が開始され、制御部３５は、治験プロトコールに合致する患者を匿名化患者情報データベース２１から抽出する（ステップＳ２１）。
次に、制御部３５は、患者の抽出数が治験プロトコールに記載の計画症例数より大きいか否かを判別する（ステップＳ２２）。
制御部３５は、抽出数が計画症例数以下であると判別すると（ステップＳ２２；Ｎｏ）、抽出した患者をすべて出力し（ステップＳ２３）、被験者選定処理を終了する。

一方、抽出数が計画症例数より大きいと判別すると（ステップＳ２２；Ｙｅｓ）、制御部３５は、ステップＳ２１で抽出した患者すべてにリスク関数の適用が可能か否かを判別する（ステップＳ２４）。具体的には、例えば、制御部３５は、治験適格者情報データベース２２に記憶されている治験適格者の患者情報を参照して、リスク関数の共変量に対応する因子と相互運用できる因子項目が患者情報にない場合、又は、相互運用できる因子項目があっても欠測値がある場合に、抽出した患者すべてにリスク関数の適用が可能ではないと判別する。

制御部３５は、抽出した患者すべてにリスク関数の適用が可能ではないと判別すると（ステップＳ２４；Ｎｏ）、リスク値以外のパラメータを含めた総合判断処理を行うことにより、被験者の選定を行い（ステップＳ２５）、被験者選定処理を終了する。なお、この「リスク値以外のパラメータを含めた総合判断処理」の詳細は後述する。

また、制御部３５は、抽出した患者すべてにリスク関数の適用が可能であると判別すると（ステップＳ２４；Ｙｅｓ）、治験適格者情報データベース２２にリスク関数を作用させ、リスク値を昇順にソートし、上位Ｎ人を抽出する（ステップＳ２６）。続いて、制御部３５は、抽出した計画症例数の患者を出力し（ステップＳ２７）、被験者選定処理を終了する。

次に、ステップＳ２５における「リスク値以外のパラメータを含めた総合判断処理」を図１１を用いて説明する。
この「リスク値以外のパラメータを含めた総合判断処理」において、制御部３５は、まず、ループ（繰り返し）１として、図１０のステップＳ２１において匿名化患者情報データベース２１から抽出した患者（治験適格者）のうち、Ｎ人を抜き出すすべての組み合わせに対し、ステップＳ３２〜Ｓ３４の処理を実施する（ステップＳ３１）。具体的には、例えば、制御部３５は、記憶部３４から治験プロトコールに記載の計画症例数Ｎを読み出し、治験適格者情報データベース２２に登録されている治験適格者から、計画症例数Ｎ人分を抜き出すすべての組み合わせを求める。

ループ１内において、制御部３５は、１つの組み合わせに対して、治験にかかるコストの総和計算処理を行う（ステップＳ３２）。この処理により、制御部３５は、１つの組み合わせにおける治験にかかるコストの総和Ｓを計算する。なお、この「治験にかかるコストの総和計算処理」の詳細は後述する。

次に、制御部３５は、ステップＳ３２で計算された治験にかかるコストの総和Ｓが、ループの中で最小値か否かを判別する（ステップＳ３３）。具体的には、例えば、制御部３５は、既に実行されたループ１により計算されて他の組み合わせの中で最小値されているＳと、同じループ１内のステップＳ３２で計算されたＳと、を比較し、最小値か否かを判別する。
制御部３５は、ステップＳ３２で計算したＳが最小値であると判別すると（ステップＳ３３；Ｙｅｓ）、Ｓ及びそのＳを与える組み合わせを構成するＮ人のリストを記憶部３４に保存する（ステップＳ３４）。そして、ステップＳ３１に示したループ１の終了条件を判別する。一方、最小値でないと判別すると（ステップＳ３３；Ｎｏ）、ステップＳ３４をスキップして、ループ１の終了条件を判別する。

制御部３５は、このステップＳ３２〜Ｓ３４の処理を、匿名化患者情報データベース２１から抽出した患者（治験適格者）のうちＮ人を抜き出すすべての組み合わせに対して実行すると（終了条件を満たすと）、ループ１を抜ける（ステップＳ３５）。
続いて、制御部３５は、記憶部３４に最終的に保存されたＮ人のリストを出力部３３に出力し（ステップＳ３６）、「リスク値以外のパラメータを含めた総合判断処理」を終了して図１０の被験者選定処理に戻る。

この「リスク値以外のパラメータを含めた総合判断処理」により、図１０のステップＳ２４において、抽出した患者すべてにリスク関数の適用が可能でないと判別された場合には（ステップＳ２４；Ｎｏ）、治験にかかるコストの総和Ｓを最小にする組み合わせを構成するＮ人の治験適格者が被験者として選定される。
よって、製薬会社等の治験依頼者の立場において治験コストを最小にする被験者を選定することができる。
また、この「リスク値以外のパラメータを含めた総合判断処理」では、治験適格者情報データベース２２に登録されている治験適格者（被験者候補）からＮ人選び出すすべての組み合わせについてＳを計算し、その最小値を保存することで、簡単にＳを最小にする解を導出することができる。

次に、図１１のステップＳ３２における「治験にかかるコストの総和計算処理」を図１２を用いて説明する。
この「治験にかかるコストの総和計算処理」において、制御部３５は、まず、被験者の脱落による損害計算処理を行う（ステップＳ４１）。この処理により、制御部３５は、１つの組み合わせに対して、被験者が脱落することで発生する損害ｐ１を計算する。なお、この「被験者の脱落による損害計算処理」の詳細は後述する。

次に、制御部３５は、病院ｊに委託する際に必要となる固定費の、病院すべてにわたる総和ΣＢ（ｊ）を求め、その値をｐ２に代入する（ステップＳ４２）。換言すると、制御部３５は、１つの組み合わせに対して、その組み合わせで治験が実施される場合に治験を委託するすべての病院にわたる固定費の総和を求める。

次に、制御部３５は、病院ｊに委託する際に必要となる受託費｛Ｃ（ｊ）×Ｍ_ｊ｝の、病院すべてにわたる総和Σ｛Ｃ（ｊ）×Ｍ_ｊ｝を求め、その値をｐ３に代入する（ステップＳ４３）。換言すると、制御部３５は、１つの組み合わせに対して、その組み合わせで治験が実施される場合に治験を委託するすべての病院にわたる受託費の総和を求める。
続いて、制御部３５は、Ｐ１＋Ｐ２＋Ｐ３をコストの総和としてＳに代入し（ステップＳ４４）、「被験者の脱落による損害計算処理」を終了して図１１の「リスク値以外のパラメータを含めた総合判断処理」に戻る。

次に、図１２のステップＳ４１における「被験者の脱落による損害計算処理」を図１３を用いて説明する。
この「被験者の脱落による損害計算処理」において、制御部３５は、まず、Ｐ１に０を代入する（ステップＳ５１）。
次に、制御部３５は、ループ２として、変数ｉの初期値を０とし、変数ｉを１ずつ増加し、変数ｉがＮより小さい間、ステップＳ５３〜Ｓ５５の処理を実行する（ステップＳ５２）。ここで、変数ｉは、１つの組み合わせを構成するＮ人の治験適格者（ｉ＝０〜Ｎ−１）を表す。

ループ２内において、制御部３５は、変数ｉに対応するリスク値ｐ（ｉ）が計算可能か否かを判別する（ステップＳ５３）。
制御部３５は、リスク値ｐ（ｉ）が計算可能であると判別すると（ステップＳ５３；Ｙｅｓ）、Ｐ１＋ｐ（ｉ）×Ａの計算を行い、計算した値をＰ１に代入してＰ１の値を更新する（ステップＳ５４）。そして、ステップＳ５２に示したループ２の終了条件を判別する。なお、Ａは、前述したように、被験者一人当たりの脱落により発生する損額額（平均）である。

一方、リスク値ｐ（ｉ）が計算可能でないと判別すると（ステップＳ５３；Ｎｏ）、制御部３５は、１−ｈ_０（ｔ）をリスク値ｐ（ｉ）の代替として用いて、Ｐ１＋｛１−ｈ_０（ｔ）｝×Ａの計算を行い、計算した値をＰ１に代入してＰ１の値を更新する（ステップＳ５５）。そして、ループ２の終了条件を判別する。。なお、ｈ_０（ｔ）は、前述したように、ベースラインハザードである。

制御部３５は、ループ２を繰り返し、変数ｉがＮに達すると（終了条件を満たすと）、ループ２を抜け（ステップＳ５６）、「被験者の脱落による損害計算処理」を終了して図１２の「治験にかかるコストの総和計算処理」に戻る。
この「被験者の脱落による損害計算処理」により、ｐ１は、１つの組み合わせにおける被験者の脱落による損害額となる。

以上説明したように、本発明の第２の実施の形態に係る被験者選定システムによれば、患者の疫学データに基づいて生存時間解析を行うとともに、各病院での治験実績や治験にかかるコストをも考慮して被験者を選定する。これにより、治験途中でドロップアウトする症例を事前にはじくことができるとともに、治験におけるコストを低減することができ、治験を効率的に行うことができる。

以上、本発明の実施の形態を説明したが、本発明を実施するにあたっては、種々の形態による変形及び応用が可能であり、上記実施の形態に限られるものではない。
例えば、上記第２の実施の形態は、患者情報に欠測値等があり単純にリスク値を求めることができない場合として説明したが、患者情報に欠測値等がなく、すべての患者に対してリスク値を求めることができる場合にも、上記第２の実施の形態で説明した治験費用の計算を行って被験者を選定してもよい。その場合には、より正確に評価値となるコストを計算することができ、より効率的に治験を実施するための被験者選定を行うことができる。

また、被験者の選定において考慮するパラメータは、上記実施の形態に示したパラメータに限定されるものではない。
例えば、患者個人の車保有の有無、患者の自宅から治験実施病院までの距離、年齢、勤務先等を被験者選定のためのパラメータとして考慮してもよい。これらのパラメータを考慮した場合には、治験実施期間中に自動車事故等によりドロップアウトする確率が高い被験者を事前にはじくことができ、被験者のドロップアウトによる治験費用の増大及び治験実施期間の延長を防ぐことができる。

また、上記第１の実施の形態では治験途中に被験者がドロップアウトする確率を最小にすることを主な観点とする評価関数により、また、上記第２の実施の形態では治験のトータルコストを最小にすることを主な観点する評価関数により、被験者の選定を行ったが、評価関数の取り方には他にも様々なとり方が考えられる。
例えば、製薬会社等の治験委託者の要望を汲んだ形で治験計画を設定することを目的に、受託機関数を最小にする観点や、治験実施期間を最短にする観点等の評価関数を設定し、これらの評価関数により被験者を選定してもよい。

また、上記実施の形態では、治験を効率的に行うための治験支援システム、被験者選定装置等について説明した。しかし、本発明は、治験に限定されるものではなく、市販後臨床試験等の医薬品等の承認取得を目的としない他の臨床試験にも適用することができる。
また、上記実施の形態では、比例ハザードモデルを用いてリスク関数を導出した。しかし、本発明は、これに限定されるものではなく、例えばロジスティックモデルを利用した他の生存時間解析方法を用いてリスク関数を導出してもよい。

また、上記実施の形態においては、予め記憶部に治験プロトコールを記憶させておき、必要に応じて、治験プロトコールに記載の被験者選定基準、計画症例数、治験実施期間等の情報を読み出して取得した。しかし、これらの情報を、必要に応じて入力部から受け付けることにより、取得してもよい。

また、上記実施の形態では、センターと病院とを接続する通信ネットワークと、センターと疫学データ記録装置とを接続する通信ネットワークと、を分けているが、インターネット等の共通の通信ネットワークを用いて接続してもよい。また、疫学データ記録装置をセンターが備えるようにしてもよい。

なお、本発明の被験者選定装置は、専用のハードウェアに限られるものではなく、通常のコンピュータシステムによっても実現することができる。
例えば、上記実施の形態では、被験者選定装置のプログラムが、メモリ等に予め記憶されているものとして説明した。しかし、上述の処理動作を実行させるためのプログラムを、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto-Optical disk）等のコンピュータ読み取り可能な記録媒体に格納して配布し、そのプログラムをコンピュータにインストールすることにより、上述の処理動作を実行をする被験者選定装置を構成してもよい。

また、プログラムをインターネット等の通信ネットワーク上の所定のサーバ装置が有するディスク装置等に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロード等するようにしてもよい。さらに、通信ネットワークを介してプログラムを転送しながら起動実行することによっても、上述の処理を達成することができる。
また、上述の機能を、ＯＳ（Operating System）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロード等してもよい。

本発明の第１の実施の形態に係る治験支援システムの構成例を示すブロック図である。 被験者選定装置の構成例を示すブロック図である。 被験者選定装置の機能構成例を示すブロック図である。 匿名化患者情報データベースに記憶されている患者情報のデータ構成例を示す図である。 疫学データベースに記憶されている疫学データのデータ構成例を示す図である。 被験者選定部による被験者の選択動作を模式的に示す図である。 本発明の第１の実施の形態に係る被験者選定処理の例を示すフローチャートである。 本発明の第２の実施の形態に係る被験者選定装置の機能構成例を示すブロック図である。 病院に対する治験コストを記憶するデータテーブルの例を示す図である。 本発明の第２の実施の形態に係る被験者選定処理の例を示すフローチャートである。 リスク値以外のパラメータを含めた総合判断処理の例を示すフローチャートである。 治験にかかるコストの総和計算処理の例を示すフローチャートである。 被験者の脱落による損害計算処理の例を示すフローチャートである。

符号の説明

１ 病院情報処理装置
２ 被験者選定装置
３ 疫学データ記憶装置
４，５ 通信ネットワーク
２１ 匿名化患者情報データベース
２２ 治験適格者情報データベース
３１ 通信部
３２ 入力部
３３ 出力部
３４ 記憶部
３５ 制御部
３６ バス
４１ 匿名化患者情報受信部
４２ 治験プロトコール取得部
４３ 治験適格者抽出部
４４ 計画症例数判別部
４５ 選定被験者表示部
４６ 疫学データ受信部
４７ リスク関数導出部
４８ リスク値算出部
４９ 被験者選定部
５１ リスク値記憶部
５２ 治験適格者組み合わせ部
５３ 前提費用記憶部
５４ 治験費用算出部
５５ 組み合わせ選択部
３５１ ＣＰＵ
３５２ ＲＯＭ
３５３ ＲＡＭ

Claims (2)

1. 臨床試験の被験者を候補者の中から選定する被験者選定装置であって、
   過去の罹患事例における患者情報を集めた疫学データを取得する疫学データ取得手段と、
   前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、前記候補者毎に前記臨床試験の実施期間内に該候補者の症状の変化により臨床試験の実施が中止される確率であるリスク値を求めるリスク関数を導出するリスク関数導出手段と、
   前記リスク関数を記憶するリスク関数記憶手段と、
   前記候補者毎に、少なくとも該候補者の識別情報と、前記リスク関数の共変量に対応する所定の因子の観測値と、を含む候補者情報を記憶する候補者情報記憶手段と、
   前記臨床試験の実施期間情報を取得する実施期間情報取得手段と、
   前記リスク関数記憶手段からリスク関数を読み出し、前記候補者情報記憶手段から候補者毎に候補者情報を読み出し、前記リスク関数の独立変数に、前記候補者情報の共変量に対応する所定の因子の観測値と前記実施期間情報取得手段が取得した実施期間情報とを代入し、前記リスク関数の従属変数である前記リスク値を前記候補者毎に求めるリスク値演算手段と、
   前記臨床試験の計画症例数Ｎを記憶する計画症例数記憶手段と、
   前記計画症例数記憶手段から計画症例数Ｎを読み出し、前記候補者の中から、前記リスク値演算手段が求めたリスク値が小さい順にＮ人の候補者を選択し、該選択された候補者の識別情報を出力する識別情報出力手段と、を備え、
   前記リスク関数導出手段は、
   前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、患者ｉの共変量ベクトルｚ_ｉと時間ｔとの関数であるハザード関数ｈ（ｚ_ｉ，ｔ）を導出する手段と、
   ｐ（ｉ，ｔ）＝１−ｈ（ｚ_ｉ，ｔ）の演算を行うことにより、前記リスク関数として関数ｐ（ｉ，ｔ）を導出する手段と、を有する、
   ことを特徴とする被験者選定装置。
2. 臨床試験の被験者を候補者の中から選定する被験者選定装置であって、
   過去の罹患事例における患者情報を集めた疫学データを取得する疫学データ取得手段と、
   前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、前記候補者毎に前記臨床試験の実施期間内に該候補者の症状の変化により臨床試験の実施が中止される確率であるリスク値を求めるリスク関数を導出するリスク関数導出手段と、
   前記リスク関数を記憶するリスク関数記憶手段と、
   前記候補者毎に、少なくとも該候補者の識別情報と、前記リスク関数の共変量に対応する所定の因子の観測値と、を含む候補者情報を記憶する候補者情報記憶手段と、
   前記臨床試験の実施期間情報を取得する実施期間情報取得手段と、
   前記リスク関数記憶手段からリスク関数を読み出し、前記候補者情報記憶手段から候補者毎に候補者情報を読み出し、前記リスク関数の独立変数に、前記候補者情報の共変量に対応する所定の因子の観測値と前記実施期間情報取得手段が取得した実施期間情報とを代入し、前記リスク関数の従属変数である前記リスク値を前記候補者毎に求めるリスク値演算手段と、
   前記リスク値演算手段が求めた前記候補者毎のリスク値を候補者の識別情報に関連付けて記憶するリスク値記憶手段と、
   前記臨床試験の計画症例数Ｎを記憶する計画症例数記憶手段と、
   前記計画症例数記憶手段から計画症例数Ｎを読み出し、前記候補者の中からＮ人を抽出するすべての組み合わせを求め、該組み合わせ毎に、抽出された候補者である抽出候補者の識別情報を取得する候補者抽出手段と、
   前記リスク値記憶手段から、前記候補者抽出手段が取得した抽出候補者の識別情報に関連付けて記憶されているリスク値を読み出し、該読み出したリスク値に基づいて、前記組み合わせ毎に、前記臨床試験の実施にかかる費用の期待値である経費期待値を求める経費期待値演算手段と、
   前記経費期待値演算手段が求めた経費期待値の最も小さい組み合わせにおける抽出候補者の識別情報を出力する識別情報出力手段と、を備え、
   前記リスク関数導出手段は、
   前記疫学データ取得手段が取得した疫学データに基づいて生存時間解析を行い、患者ｉの共変量ベクトルｚ _ｉ と時間ｔとの関数であるハザード関数ｈ（ｚ _ｉ ，ｔ）を導出する手段と、
   ｐ（ｉ，ｔ）＝１−ｈ（ｚ _ｉ ，ｔ）の演算を行うことにより、前記リスク関数として関数ｐ（ｉ，ｔ）を導出する手段と、を有し、
   前記候補者情報記憶手段に記憶されている候補者情報は、候補者毎に、該候補者の臨床試験が実施される施設を識別するための施設識別情報を含み、
   前記経費期待値演算手段は、
   被験者一人の臨床試験の実施が中止された場合に発生する損害額Ａを記憶する損害額記憶手段と、
   前記施設識別情報により特定される施設毎に、該施設に臨床試験を依頼する場合に一律に発生する費用である固定費Ｂを記憶する固定費記憶手段と、
   前記施設識別情報により特定される施設毎に、該施設に被験者一人の臨床試験の実施を依頼する場合に発生する費用である単位受託費Ｃを記憶する単位受託費記憶手段と、
   前記候補者抽出手段が取得した抽出候補者ｉの識別情報に関連付けて記憶されている施設識別情報を前記候補者情報記憶手段から読み出し、該読み出した施設識別情報に基づいて、前記抽出候補者ｉの組み合わせで臨床試験が実施される場合に使用される施設ｊを特定する施設特定手段と、
   前記施設特定手段が特定した施設ｊ毎に、前記抽出候補者ｉの組み合わせで臨床試験が実施される場合の施設ｊでの実施人数である受託症例数Ｍ_ｊを計数する受託症例数計数手段と、
   前記リスク値記憶手段から、前記抽出候補者ｉの識別情報に関連付けて記憶されているリスク値ｐ（ｉ）を読み出し、前記損害額記憶手段から損害額Ａを読み出し、前記固定費記憶手段から、前記施設特定手段が特定した施設ｊの固定値Ｂ（ｊ）を読み出し、前記単位受託費記憶手段から、前記施設特定手段が特定した施設ｊの単位受託費Ｃ（ｊ）を読み出し、前記受託症例数計数手段から、前記施設特定手段が特定した施設ｊの受託症例数Ｍ_ｊを取得し、前記組み合わせ毎に、経費期待値Ｓを
   

   

   の演算を行うことにより求める手段と、を有する、
   ことを特徴とする被験者選定装置。

Images