JP5754136B2 - 女性生殖器癌の評価方法、女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価プログラム、記録媒体、女性生殖器癌評価システム、および情報通信端末装置 - Google Patents

Description

本発明は、血液（血漿）中のアミノ酸濃度を利用した、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の評価方法に関するものである。

日本における子宮頸癌による死亡者数は２００４年で２４９４人、子宮体癌における死亡者数は１４３６人、卵巣癌による死亡者数は４４２０人である。これらの癌の生存率について、初期（Ｉ期〜ＩＩ期）の癌の５年生存率は８０％以上のものもあるが、進行した癌の５年生存率は１０％〜２０％程度と極度に低下する。したがって、これらの癌の治癒にとっては早期発見が重要である。

子宮頸癌の診断は、細胞診や組織診、コルポ診、ＨＰＶ（ヒトパピローマウイルス）検査により行われている。細胞診やＨＰＶ検査は確定診断とはならず、組織診やコルポ診を行うことにより確定診断となる。しかし、組織診やコルポ診は侵襲度の高い検査であり、子宮頸癌の疑いのある患者全員に施行するのは実際的でない。

子宮体癌の診断は、主に子宮内膜細胞診により行われている。子宮内膜細胞診は確定診断とはならず、掻爬診を行うことにより確定診断となる。しかし、掻爬診は侵襲度の高い検査であり、子宮体癌の疑いのある患者全員に施行するのは実際的でない。

卵巣癌の診断は、超音波断層法と腫瘍マーカー（主にＣＡ１２５）、ＣＴやＭＲＩにより行われている。これらの方法は確定診断とはならず、手術によって摘出された卵巣の病理組織学的診断を行うことにより確定診断となる。しかし、１例の卵巣癌（真陽性）の発見のために１１例の良性腫瘍（偽陽性）の摘出手術が必要であったというｖａｎ Ｎａｇｅｌｌ ＪＲらの報告（非特許文献１参照）によれば、卵巣癌の陽性的中率が８．３％と低かった。

また、これらの癌の診断方法の多くは前述の通り侵襲的であるので、これらの診断方法の施行において患者は身体的苦痛や精神的苦痛などの負担を伴い、また検査による出血などのリスクも起こりえる。さらに、これらの診断方法は女性生殖器癌の状態ごとに独立に行われ、また個々の検査ごとに費用が発生することから、被験者の経済的負担や時間的負担も多くなる。従って、女性生殖器癌発症の可能性の高い被験者を侵襲や精神的苦痛の少ない方法でしかも１回の検査で安価に選択し、選択したその者に対し診断を施行し、確定診断が得られた者を治療の対象とすることが、患者に対する身体的負担や費用対効果などの面から望ましい。

一方、血中アミノ酸の濃度が、癌発症により変化することについては知られている。例えば、シノベールによれば（非特許文献２参照）、例えばグルタミンは主に酸化エネルギー源として、アルギニンは窒素酸化物やポリアミンの前駆体として、メチオニンは癌細胞のメチオニン取り込み能の活性化により、それぞれ癌細胞での消費量が増加するという報告がある。また、ヴィッセルスら（非特許文献３参照）やパーク（非特許文献４参照）、プロエンツァら（非特許文献５参照）やカスツィーノ（非特許文献６参照）によれば、癌患者の血漿中アミノ酸組成が健常者のものと異なっていることが報告されている。

また、アミノ酸濃度と生体状態とを関連付ける方法については、特許文献１や特許文献２が公開されている。また、アミノ酸濃度を用いて肺癌の状態を評価する方法については、特許文献３が公開されている。

国際公開第２００４／０５２１９１号 国際公開第２００６／０９８１９２号 国際公開第２００８／０１６１１１号

ｖａｎ Ｎａｇｅｌｌ ＪＲ， ＤｅＰｒｉｅｓｔ ＰＤ， Ｒｅｅｄｙ ＭＢ， Ｇａｌｌｉｏｎ ＨＨ， Ｕｅｌａｎｄ ＦＲ， Ｐａｖｌｉｋ ＥＪ， Ｋｒｙｓｃｉｏ ＲＪ． Ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｔｒａｎｓｖａｇｉｎａｌ ｓｏｎｏｇｒａｐｈｉｃ ｓｃｒｅｅｎｉｎｇ ｉｎ ａｓｙｍｐｔｏｍａｔｉｃ ｗｏｍｅｎ ａｔ ｒｉｓｋ ｆｏｒ ｏｖａｒｉａｎ ｃａｎｃｅｒ． Ｇｙｎｅｃｏｌ Ｏｎｃｏｌ， ２０００， ７７； ３５０−３５６ Ｃｙｎｏｂｅｒ， Ｌ． ｅｄ．， Ｍｅｔａｂｏｌｉｃ ａｎｄ ｔｈｅｒａｐｅｕｔｉｃ ａｓｐｅｃｔｓ ｏｆ ａｍｉｎｏ ａｃｉｄｓ ｉｎ ｃｌｉｎｉｃａｌ ｎｕｔｒｉｔｉｏｎ． ２ｎｄ ｅｄ．， ＣＲＣ Ｐｒｅｓｓ Ｖｉｓｓｅｒｓ， Ｙ． ＬＪ．， ｅｔ．ａｌ．， Ｐｌａｓｍａ ａｒｇｉｎｉｎｅ ｃｏｎｃｅｎｔｒａｔｉｏｎ ａｒｅ ｒｅｄｕｃｅｄ ｉｎ ｃａｎｃｅｒ ｐａｔｉｅｎｔｓ： ｅｖｉｄｅｎｃｅ ｆｏｒ ａｒｇｉｎｉｎｅ ｄｅｆｉｃｉｅｎｃｙ？， Ｔｈｅ Ａｍｅｒｉｃａｎ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｎｉｃａｌ Ｎｕｔｒｉｔｉｏｎ， ２００５ ８１， ｐ．１１４２−１１４６ Ｐａｒｋ， Ｋ．Ｇ．， ｅｔ ａｌ．， Ａｒｇｉｎｉｎｅ ｍｅｔａｂｏｌｉｓｍ ｉｎ ｂｅｎｉｇｎ ａｎｄ ｍａｇｌｉｎａｎｔ ｄｉｓｅａｓｅ ｏｆ ｂｒｅａｓｔ ａｎｄ ｃｏｌｏｎ： ｅｖｉｄｅｎｃｅ ｆｏｒ ｐｏｓｓｉｂｌｅ ｉｎｈｉｂｉｔｉｏｎ ｏｆ ｔｕｍｏｒ−ｉｎｆｉｌｔｒａｔｉｎｇ ｍａｃｒｏｐｈａｒｇｅｓ．， Ｎｕｔｒｉｔｉｏｎ， １９９１ ７， ｐ．１８５−１８８ Ｐｒｏｅｎｚａ， Ａ．Ｍ．， Ｊ． Ｏｌｉｖｅｒ， Ａ． Ｐａｌｏｕ ａｎｄ Ｐ． Ｒｏｃａ， Ｂｒｅａｓｔ ａｎｄ ｌｕｎｇ ｃａｎｃｅｒ ａｒｅ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ａ ｄｅｃｒｅａｓｅ ｉｎ ｂｌｏｏｄ ｃｅｌｌ ａｍｉｎｏ ａｃｉｄ ｃｏｎｔｅｎｔ．， Ｊ Ｎｕｔｒ Ｂｉｏｃｈｅｍ， ２００３． １４（３）， ｐ．１３３−８ Ｃａｓｃｉｎｏ， Ａ．， Ｍ． Ｍｕｓｃａｒｉｔｏｌｉ， Ｃ． Ｃａｎｇｉａｎｏ， Ｌ． Ｃｏｎｖｅｒｓａｎｏ， Ａ． Ｌａｖｉａｎｏ， Ｓ． Ａｒｉｅｍｍａ， Ｍ．Ｍ． Ｍｅｇｕｉｄ ａｎｄ Ｆ． Ｒｏｓｓｉ Ｆａｎｅｌｌｉ， Ｐｌａｓｍａ ａｍｉｎｏ ａｃｉｄ ｉｍｂａｌａｎｃｅ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｌｕｎｇ ａｎｄ ｂｒｅａｓｔ ｃａｎｃｅｒ．， Ａｎｔｉｃａｎｃｅｒ Ｒｅｓ， １９９５． １５（２）， ｐ．５０７−１０

しかしながら、これまでに、複数のアミノ酸を変数として女性生殖器癌発症の有無を診断するような診断方法や診断装置の開発は時間的および金銭的な観点から行われておらず、実用化されていないという問題点がある。また、特許文献３に開示されている肺癌判別用の指標式群で女性生殖器癌発症の有無を判別しても、判別対象が異なるため、十分な判別能を得ることができないという問題点がある。

本発明は、上記問題点に鑑みてなされたものであって、血液中のアミノ酸の濃度のうち女性生殖器癌の状態と関連するアミノ酸の濃度を利用して、女性生殖器癌の状態を精度よく評価することができる女性生殖器癌の評価方法を提供することを目的とする。

本発明者らは、上述した課題を解決するために鋭意検討した結果、女性生殖器癌と非女性生殖器癌との２群判別に有用なアミノ酸を同定すると共に、同定したアミノ酸の濃度を変数として含む多変量判別式（指標式、相関式）が女性生殖器癌の状態に有意な相関があることを見出し、本発明を完成するに至った。具体的には、女性生殖器癌に対してより特異的な指標式を探索した結果、特許文献１や特許文献２、特許文献３などに開示されている指標式よりも女性生殖器癌の状態の評価に適した指標式を得ることができ、本発明を完成するに至った。

すなわち、上述した課題を解決し、目的を達成するために、本発明にかかる女性生殖器癌の評価方法は、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定する測定ステップと、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価する濃度値基準評価ステップとを含むことを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記女性生殖器癌または非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは前記非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、前記子宮頸癌または前記非子宮頸癌であるか否か、前記子宮体癌または前記非子宮体癌であるか否か、前記卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかであるか否かを判別する濃度値基準判別ステップをさらに含むことを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップとをさらに含み、前記多変量判別式は、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含むことを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌または非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは前記非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、前記子宮頸癌または前記非子宮頸癌であるか否か、前記子宮体癌または前記非子宮体癌であるか否か、前記卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかであるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは前記非女性生殖器癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを前記変数とする前記分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを前記変数とする前記線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを前記変数とする前記ロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌のいずれかまたは前記非子宮頸癌、前記非子宮体癌のいずれかであるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを前記変数とする前記ロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌または前記非子宮頸癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを前記変数とする前記分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを前記変数とする前記分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを前記変数とする前記線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを前記変数とする前記線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮体癌または前記非子宮体癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを前記変数とする前記分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを前記変数とする前記線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを前記変数とする前記線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記卵巣癌または前記非卵巣癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを前記変数とする前記分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを前記変数とする前記分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを前記変数とする前記分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを前記変数とする前記線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを前記変数とする前記線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌罹患リスク群または前記健常群であるか否かを判別することを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかであるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌の評価方法は、前記に記載の女性生殖器癌の評価方法において、前記多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを前記変数とする前記マハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを前記変数とする前記マハラノビス距離法で作成された式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、制御手段と記憶手段とを備え、評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価する女性生殖器癌評価装置であって、前記制御手段は、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価手段とを備え、前記多変量判別式は、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含むことを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌または非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは前記非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、前記子宮頸癌または前記非子宮頸癌であるか否か、前記子宮体癌または前記非子宮体癌であるか否か、前記卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかであるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは前記非女性生殖器癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを前記変数とする前記分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを前記変数とする前記線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを前記変数とする前記ロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌のいずれかまたは前記非子宮頸癌、前記非子宮体癌のいずれかであるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを前記変数とする前記ロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌または前記非子宮頸癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを前記変数とする前記分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを前記変数とする前記分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを前記変数とする前記線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを前記変数とする前記線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記子宮体癌または前記非子宮体癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを前記変数とする前記分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを前記変数とする前記線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを前記変数とする前記線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記卵巣癌または前記非卵巣癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを前記変数とする前記分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを前記変数とする前記分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを前記変数とする前記分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを前記変数とする前記線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを前記変数とする前記線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌罹患リスク群または前記健常群であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかであるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを前記変数とする前記マハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを前記変数とする前記マハラノビス距離法で作成された式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価装置は、前記に記載の女性生殖器癌評価装置において、前記制御手段は、前記アミノ酸濃度データと前記女性生殖器癌の前記状態を表す指標に関する女性生殖器癌状態指標データとを含む前記記憶手段で記憶した女性生殖器癌状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成手段をさらに備え、前記多変量判別式作成手段は、前記女性生殖器癌状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証手段と、前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記女性生殖器癌状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変量判別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価する女性生殖器癌評価方法であって、前記制御手段で、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップとを実行し、前記多変量判別式は、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含むことを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌または非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは前記非女性生殖器癌であるか否か、前記子宮頸癌、前記子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、前記子宮頸癌または前記非子宮頸癌であるか否か、前記子宮体癌または前記非子宮体癌であるか否か、前記卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかであるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは前記非女性生殖器癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを前記変数とする前記分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを前記変数とする前記線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを前記変数とする前記ロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌のいずれかまたは前記非子宮頸癌、前記非子宮体癌のいずれかであるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを前記変数とする前記ロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌または前記非子宮頸癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを前記変数とする前記分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを前記変数とする前記分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを前記変数とする前記分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを前記変数とする前記線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを前記変数とする前記線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮体癌または前記非子宮体癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを前記変数とする前記分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを前記変数とする前記分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを前記変数とする前記分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを前記変数とする前記線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを前記変数とする前記線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを前記変数とする前記線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記卵巣癌または前記非卵巣癌であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを前記変数とする前記分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを前記変数とする前記分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを前記変数とする前記分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを前記変数とする前記線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを前記変数とする前記線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを前記変数とする前記ロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを前記変数とする前記ロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌罹患リスク群または前記健常群であるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかであるか否かを判別することを特徴とする。また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを前記変数とする前記マハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを前記変数とする前記マハラノビス距離法で作成された式であることを特徴とする。

また、本発明にかかる女性生殖器癌評価方法は、前記に記載の女性生殖器癌評価方法において、前記制御手段で、前記アミノ酸濃度データと前記女性生殖器癌の前記状態を表す指標に関する女性生殖器癌状態指標データとを含む前記記憶手段で記憶した女性生殖器癌状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成ステップをさらに実行し、前記多変量判別式作成ステップは、前記女性生殖器癌状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成ステップと、前記候補多変量判別式作成ステップで作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証ステップと、前記候補多変量判別式検証ステップでの検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記女性生殖器癌状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択ステップと、をさらに含み、前記候補多変量判別式作成ステップ、前記候補多変量判別式検証ステップおよび前記変数選択ステップを繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。

また、本発明にかかる女性生殖器癌評価システムは、制御手段と記憶手段とを備え、評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価する女性生殖器癌評価装置と、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された女性生殖器癌評価システムであって、前記情報通信端末装置は、前記評価対象の前記アミノ酸濃度データを前記女性生殖器癌評価装置へ送信するアミノ酸濃度データ送信手段と、前記女性生殖器癌評価装置から送信された前記女性生殖器癌の状態に関する前記評価対象の評価結果を受信する評価結果受信手段とを備え、前記女性生殖器癌評価装置の前記制御手段は、前記情報通信端末装置から送信された前記評価対象の前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度データ受信手段で受信した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価手段と、前記判別値基準評価手段での前記評価対象の前記評価結果を前記情報通信端末装置へ送信する評価結果送信手段と、を備え、前記多変量判別式は、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含むことを特徴とする。

また、本発明にかかる女性生殖器癌評価プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価する女性生殖器癌評価プログラムであって、前記制御手段に、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップとを実行させ、前記多変量判別式は、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを前記変数として含むことを特徴とする。

また、本発明にかかる記録媒体は、コンピュータ読み取り可能な記録媒体であって、前記に記載の女性生殖器癌評価プログラムを記録したことを特徴とする。

本発明によれば、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価するので、血液中のアミノ酸の濃度のうち女性生殖器癌の状態と関連するアミノ酸の濃度を利用して、女性生殖器癌の状態を精度よく評価することができるという効果を奏する。具体的には、女性生殖器癌に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができるという効果を奏する。また、具体的には、複数のアミノ酸の濃度により、ある検体が女性生殖器癌を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、女性生殖器癌または非女性生殖器癌であるか否か、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否か、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、子宮頸癌または非子宮頸癌であるか否か、子宮体癌または非子宮体癌であるか否か、卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別するので、血液中のアミノ酸の濃度のうち、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に有用なアミノ酸の濃度を利用して、これらの２群判別やこれらの判別を精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする予め設定した多変量判別式であってＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、女性生殖器癌の状態を評価するので、女性生殖器癌の状態と有意な相関がある多変量判別式で得られる判別値を利用して、女性生殖器癌の状態を精度よく評価することができるという効果を奏する。具体的には、女性生殖器癌に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができるという効果を奏する。また、具体的には、複数のアミノ酸の濃度や当該アミノ酸の濃度を変数とする判別式により、ある検体が女性生殖器癌を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができるという効果を奏する。

また、本発明によれば、算出した判別値に基づいて、評価対象につき、女性生殖器癌または非女性生殖器癌であるか否か、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否か、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、子宮頸癌または非子宮頸癌であるか否か、子宮体癌または非子宮体癌であるか否か、卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別するので、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別を精度よく行うことができるという効果を奏する。

また、本発明によれば、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別するので、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを変数とする分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とする線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを変数とするロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とするロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式であるので、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別するので、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とするロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式であるので、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌または非子宮頸癌であるか否かを判別するので、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを変数とする分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを変数とする分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを変数とする線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とするロジスティック回帰式であるので、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮体癌または非子宮体癌であるか否かを判別するので、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを変数とする分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とする線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とするロジスティック回帰式であるので、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、卵巣癌または非卵巣癌であるか否かを判別するので、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを変数とする分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを変数とする分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを変数とする線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを変数とする線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを変数とするロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを変数とするロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とするロジスティック回帰式であるので、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、女性生殖器癌罹患リスク群または健常群であるか否かを判別するので、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式であるので、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別するので、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを変数とするマハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを変数とするマハラノビス距離法で作成された式であるので、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができるという効果を奏する。

また、本発明によれば、アミノ酸濃度データと女性生殖器癌の状態を表す指標に関する女性生殖器癌状態指標データとを含む記憶手段で記憶した女性生殖器癌状態情報に基づいて、記憶手段で記憶する多変量判別式を作成する。具体的には、（１）女性生殖器癌状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、（２）作成した候補多変量判別式を所定の検証手法に基づいて検証し、（３）その検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる女性生殖器癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、（４）（１）、（２）および（３）を繰り返し実行して蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。これにより、女性生殖器癌の状態の評価に最適な多変量判別式を作成することができるという効果を奏する。

また、本発明によれば、当該記録媒体に記録された女性生殖器癌評価プログラムをコンピュータに読み取らせて実行することで、コンピュータに女性生殖器癌評価プログラムを実行させるので、女性生殖器癌評価プログラムと同様の効果を得ることができるという効果を奏する。

なお、本発明は、女性生殖器癌の状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。また、本発明は、女性生殖器癌の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。

図１は、本発明の基本原理を示す原理構成図である。 図２は、第１実施形態にかかる女性生殖器癌の評価方法の一例を示すフローチャートである。 図３は、本発明の基本原理を示す原理構成図である。 図４は、本システムの全体構成の一例を示す図である。 図５は、本システムの全体構成の他の一例を示す図である。 図６は、本システムの女性生殖器癌評価装置１００の構成の一例を示すブロック図である。 図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。 図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。 図９は、女性生殖器癌状態情報ファイル１０６ｃに格納される情報の一例を示す図である。 図１０は、指定女性生殖器癌状態情報ファイル１０６ｄに格納される情報の一例を示す図である。 図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。 図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。 図１３は、選択女性生殖器癌状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。 図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。 図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。 図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。 図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図である。 図１８は、判別値基準評価部１０２ｊの構成を示すブロック図である。 図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図である。 図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図である。 図２１は、本システムで行う女性生殖器癌評価サービス処理の一例を示すフローチャートである。 図２２は、本システムの女性生殖器癌評価装置１００で行う多変量判別式作成処理の一例を示すフローチャートである。 図２３は、癌患者群、良性疾患群及び健常群のアミノ酸変数の分布に関する箱ひげ図である。 図２４は、子宮頸癌群、子宮体癌群、卵巣癌群、良性疾患群及び健常群のアミノ酸変数の分布に関する箱ひげ図である。 図２５は、各群間の２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図２６は、指標式１〜１２、並びにそれぞれの指標式に関するＲＯＣ曲線下面積、カットオフ値、感度、特異度、陽性的中率、陰性的中率及び正答率を示す図である。 図２７は、指標式１と同等の判別性能を有する指標式の一覧を示す図である。 図２８は、指標式２と同等の判別性能を有する指標式の一覧を示す図である。 図２９は、指標式３と同等の判別性能を有する指標式の一覧を示す図である。 図３０は、指標式３と同等の判別性能を有する指標式の一覧を示す図である。 図３１は、指標式４と同等の判別性能を有する指標式の一覧を示す図である。 図３２は、指標式５と同等の判別性能を有する指標式の一覧を示す図である。 図３３は、指標式６と同等の判別性能を有する指標式の一覧を示す図である。 図３４は、指標式６と同等の判別性能を有する指標式の一覧を示す図である。 図３５は、指標式７と同等の判別性能を有する指標式の一覧を示す図である。 図３６は、指標式８と同等の判別性能を有する指標式の一覧を示す図である。 図３７は、指標式９と同等の判別性能を有する指標式の一覧を示す図である。 図３８は、指標式９と同等の判別性能を有する指標式の一覧を示す図である。 図３９は、指標式１０と同等の判別性能を有する指標式の一覧を示す図である。 図４０は、指標式１１と同等の判別性能を有する指標式の一覧を示す図である。 図４１は、指標式１２と同等の判別性能を有する指標式の一覧を示す図である。 図４２は、指標式１２と同等の判別性能を有する指標式の一覧を示す図である。 図４３は、指標式１３〜２１、並びにそれぞれの指標式に関するＲＯＣ曲線下面積、カットオフ値、感度、特異度、陽性的中率、陰性的中率及び正答率を示す図である。 図４４は、指標式１３と同等の判別性能を有する指標式の一覧を示す図である。 図４５は、指標式１４と同等の判別性能を有する指標式の一覧を示す図である。 図４６は、指標式１５と同等の判別性能を有する指標式の一覧を示す図である。 図４７は、指標式１５と同等の判別性能を有する指標式の一覧を示す図である。 図４８は、指標式１６と同等の判別性能を有する指標式の一覧を示す図である。 図４９は、指標式１７と同等の判別性能を有する指標式の一覧を示す図である。 図５０は、指標式１８と同等の判別性能を有する指標式の一覧を示す図である。 図５１は、指標式１８と同等の判別性能を有する指標式の一覧を示す図である。 図５２は、指標式１９と同等の判別性能を有する指標式の一覧を示す図である。 図５３は、指標式２０と同等の判別性能を有する指標式の一覧を示す図である。 図５４は、指標式２１と同等の判別性能を有する指標式の一覧を示す図である。 図５５は、指標式２１と同等の判別性能を有する指標式の一覧を示す図である。 図５６は、指標式２２〜３０、並びにそれぞれの指標式に関するＲＯＣ曲線下面積、カットオフ値、感度、特異度、陽性的中率、陰性的中率及び正答率を示す図である。 図５７は、指標式２２と同等の判別性能を有する指標式の一覧を示す図である。 図５８は、指標式２３と同等の判別性能を有する指標式の一覧を示す図である。 図５９は、指標式２４と同等の判別性能を有する指標式の一覧を示す図である。 図６０は、指標式２４と同等の判別性能を有する指標式の一覧を示す図である。 図６１は、指標式２５と同等の判別性能を有する指標式の一覧を示す図である。 図６２は、指標式２６と同等の判別性能を有する指標式の一覧を示す図である。 図６３は、指標式２７と同等の判別性能を有する指標式の一覧を示す図である。 図６４は、指標式２７と同等の判別性能を有する指標式の一覧を示す図である。 図６５は、指標式２８と同等の判別性能を有する指標式の一覧を示す図である。 図６６は、指標式２９と同等の判別性能を有する指標式の一覧を示す図である。 図６７は、指標式３０と同等の判別性能を有する指標式の一覧を示す図である。 図６８は、指標式３０と同等の判別性能を有する指標式の一覧を示す図である。 図６９は、指標式３１〜３９、並びにそれぞれの指標式に関するＲＯＣ曲線下面積、カットオフ値、感度、特異度、陽性的中率、陰性的中率及び正答率を示す図である。 図７０は、指標式３１と同等の判別性能を有する指標式の一覧を示す図である。 図７１は、指標式３２と同等の判別性能を有する指標式の一覧を示す図である。 図７２は、指標式３３と同等の判別性能を有する指標式の一覧を示す図である。 図７３は、指標式３３と同等の判別性能を有する指標式の一覧を示す図である。 図７４は、指標式３４と同等の判別性能を有する指標式の一覧を示す図である。 図７５は、指標式３５と同等の判別性能を有する指標式の一覧を示す図である。 図７６は、指標式３６と同等の判別性能を有する指標式の一覧を示す図である。 図７７は、指標式３６と同等の判別性能を有する指標式の一覧を示す図である。 図７８は、指標式３７と同等の判別性能を有する指標式の一覧を示す図である。 図７９は、指標式３８と同等の判別性能を有する指標式の一覧を示す図である。 図８０は、指標式３９と同等の判別性能を有する指標式の一覧を示す図である。 図８１は、指標式３９と同等の判別性能を有する指標式の一覧を示す図である。 図８２は、指標式４０〜４８、並びにそれぞれの指標式に関するＲＯＣ曲線下面積、カットオフ値、感度、特異度、陽性的中率、陰性的中率及び正答率を示す図である。 図８３は、指標式４０と同等の判別性能を有する指標式の一覧を示す図である。 図８４は、指標式４１と同等の判別性能を有する指標式の一覧を示す図である。 図８５は、指標式４２と同等の判別性能を有する指標式の一覧を示す図である。 図８６は、指標式４２と同等の判別性能を有する指標式の一覧を示す図である。 図８７は、指標式４３と同等の判別性能を有する指標式の一覧を示す図である。 図８８は、指標式４４と同等の判別性能を有する指標式の一覧を示す図である。 図８９は、指標式４５と同等の判別性能を有する指標式の一覧を示す図である。 図９０は、指標式４５と同等の判別性能を有する指標式の一覧を示す図である。 図９１は、指標式４６と同等の判別性能を有する指標式の一覧を示す図である。 図９２は、指標式４７と同等の判別性能を有する指標式の一覧を示す図である。 図９３は、指標式４８と同等の判別性能を有する指標式の一覧を示す図である。 図９４は、指標式４８と同等の判別性能を有する指標式の一覧を示す図である。 図９５は、指標式４９及び５０、並びにそれぞれの指標式に関するスピアマン相関係数及びＲＯＣ曲線下面積を示す図である。 図９６は、指標式４９と同等の判別性能を有する指標式の一覧を示す図である。 図９７は、指標式４９と同等の判別性能を有する指標式の一覧を示す図である。 図９８は、指標式５０と同等の判別性能を有する指標式の一覧を示す図である。 図９９は、指標式５０と同等の判別性能を有する指標式の一覧を示す図である。 図１００は、子宮頸癌、子宮体癌、卵巣癌の正答率を示す図である。 図１０１は、変数群１と同等の判別性能を示したアミノ酸変数群の組み合わせの一覧を示す図である。 図１０２は、変数群１と同等の判別性能を示したアミノ酸変数群の組み合わせの一覧を示す図である。 図１０３は、変数群１と同等の判別性能を示したアミノ酸変数群の組み合わせの一覧を示す図である。 図１０４は、指標式群１としての、アミノ酸変数Ａｓｎ、Ｐｒｏ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｉｌｅ、Ｔｙｒ、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ及び定数項からなる判別式群を示す図である。 図１０５は、子宮頸癌、子宮体癌、卵巣癌の正答率を示す図である。 図１０６は、指標式群１と同等の判別性能を示したアミノ酸変数群の組み合わせの一覧を示す図である。 図１０７は、指標式群１と同等の判別性能を示したアミノ酸変数群の組み合わせの一覧を示す図である。 図１０８は、それぞれの指標式に関する各２群判別でのＲＯＣ曲線下面積を示す図である。 図１０９は、癌患者群および非癌群のアミノ酸変数の分布に関する箱ひげ図である。 図１１０は、子宮癌患者群および非子宮癌群のアミノ酸変数の分布に関する箱ひげ図である。 図１１１は、子宮体癌患者群および非子宮体癌群のアミノ酸変数の分布に関する箱ひげ図である。 図１１２は、子宮頸癌患者群および非子宮頸癌群のアミノ酸変数の分布に関する箱ひげ図である。 図１１３は、卵巣癌患者群および非卵巣癌群のアミノ酸変数の分布に関する箱ひげ図である。 図１１４は、女性生殖器癌罹患リスク群および健常群のアミノ酸変数の分布に関する箱ひげ図である。 図１１５は、指標式５１に関するＲＯＣ曲線を示す図である。 図１１６は、指標式５１と同等の判別性能を有する指標式の一覧を示す図である。 図１１７は、指標式５１と同等の判別性能を有する指標式の一覧を示す図である。 図１１８は、指標式５１と同等の判別性能を有する指標式の一覧を示す図である。 図１１９は、指標式５１と同等の判別性能を有する指標式の一覧を示す図である。 図１２０は、指標式５２に関するＲＯＣ曲線を示す図である。 図１２１は、指標式５２と同等の判別性能を有する指標式の一覧を示す図である。 図１２２は、指標式５２と同等の判別性能を有する指標式の一覧を示す図である。 図１２３は、指標式５２と同等の判別性能を有する指標式の一覧を示す図である。 図１２４は、指標式５２と同等の判別性能を有する指標式の一覧を示す図である。 図１２５は、各アミノ酸の出現頻度の一覧を示す図である。 図１２６は、指標式５３に関するＲＯＣ曲線を示す図である。 図１２７は、指標式５３と同等の判別性能を有する指標式の一覧を示す図である。 図１２８は、指標式５３と同等の判別性能を有する指標式の一覧を示す図である。 図１２９は、指標式５３と同等の判別性能を有する指標式の一覧を示す図である。 図１３０は、指標式５３と同等の判別性能を有する指標式の一覧を示す図である。 図１３１は、指標式５４に関するＲＯＣ曲線を示す図である。 図１３２は、指標式５４と同等の判別性能を有する指標式の一覧を示す図である。 図１３３は、指標式５４と同等の判別性能を有する指標式の一覧を示す図である。 図１３４は、指標式５４と同等の判別性能を有する指標式の一覧を示す図である。 図１３５は、指標式５４と同等の判別性能を有する指標式の一覧を示す図である。 図１３６は、各アミノ酸の出現頻度の一覧を示す図である。 図１３７は、指標式５５に関するＲＯＣ曲線を示す図である。 図１３８は、指標式５５と同等の判別性能を有する指標式の一覧を示す図である。 図１３９は、指標式５５と同等の判別性能を有する指標式の一覧を示す図である。 図１４０は、指標式５５と同等の判別性能を有する指標式の一覧を示す図である。 図１４１は、指標式５５と同等の判別性能を有する指標式の一覧を示す図である。 図１４２は、指標式５６に関するＲＯＣ曲線を示す図である。 図１４３は、指標式５６と同等の判別性能を有する指標式の一覧を示す図である。 図１４４は、指標式５６と同等の判別性能を有する指標式の一覧を示す図である。 図１４５は、指標式５６と同等の判別性能を有する指標式の一覧を示す図である。 図１４６は、指標式５６と同等の判別性能を有する指標式の一覧を示す図である。 図１４７は、各アミノ酸の出現頻度の一覧を示す図である。 図１４８は、指標式５７に関するＲＯＣ曲線を示す図である。 図１４９は、指標式５７と同等の判別性能を有する指標式の一覧を示す図である。 図１５０は、指標式５７と同等の判別性能を有する指標式の一覧を示す図である。 図１５１は、指標式５７と同等の判別性能を有する指標式の一覧を示す図である。 図１５２は、指標式５７と同等の判別性能を有する指標式の一覧を示す図である。 図１５３は、指標式５８に関するＲＯＣ曲線を示す図である。 図１５４は、指標式５８と同等の判別性能を有する指標式の一覧を示す図である。 図１５５は、指標式５８と同等の判別性能を有する指標式の一覧を示す図である。 図１５６は、指標式５８と同等の判別性能を有する指標式の一覧を示す図である。 図１５７は、指標式５８と同等の判別性能を有する指標式の一覧を示す図である。 図１５８は、各アミノ酸の出現頻度の一覧を示す図である。 図１５９は、指標式５９に関するＲＯＣ曲線を示す図である。 図１６０は、指標式５９と同等の判別性能を有する指標式の一覧を示す図である。 図１６１は、指標式５９と同等の判別性能を有する指標式の一覧を示す図である。 図１６２は、指標式５９と同等の判別性能を有する指標式の一覧を示す図である。 図１６３は、指標式５９と同等の判別性能を有する指標式の一覧を示す図である。 図１６４は、指標式６０に関するＲＯＣ曲線を示す図である。 図１６５は、指標式６０と同等の判別性能を有する指標式の一覧を示す図である。 図１６６は、指標式６０と同等の判別性能を有する指標式の一覧を示す図である。 図１６７は、指標式６０と同等の判別性能を有する指標式の一覧を示す図である。 図１６８は、指標式６０と同等の判別性能を有する指標式の一覧を示す図である。 図１６９は、各アミノ酸の出現頻度の一覧を示す図である。 図１７０は、指標式６１に関するＲＯＣ曲線を示す図である。 図１７１は、指標式６１と同等の判別性能を有する指標式の一覧を示す図である。 図１７２は、指標式６１と同等の判別性能を有する指標式の一覧を示す図である。 図１７３は、指標式６１と同等の判別性能を有する指標式の一覧を示す図である。 図１７４は、指標式６１と同等の判別性能を有する指標式の一覧を示す図である。 図１７５は、指標式６２に関するＲＯＣ曲線を示す図である。 図１７６は、指標式６２と同等の判別性能を有する指標式の一覧を示す図である。 図１７７は、指標式６２と同等の判別性能を有する指標式の一覧を示す図である。 図１７８は、指標式６２と同等の判別性能を有する指標式の一覧を示す図である。 図１７９は、指標式６２と同等の判別性能を有する指標式の一覧を示す図である。 図１８０は、各アミノ酸の出現頻度の一覧を示す図である。 図１８１は、指標式６３と同等の判別性能を有する指標式の一覧を示す図である。 図１８２は、指標式６３と同等の判別性能を有する指標式の一覧を示す図である。 図１８３は、変数群１と同等の判別性能を有するアミノ酸変数群の組み合わせを示す図である。 図１８４は、変数群１と同等の判別性能を有するアミノ酸変数群の組み合わせを示す図である。 図１８５は、線形判別式群１と同等の判別性能を有する線形判別式群を構成するアミノ酸変数群の組み合わせを示す図である。 図１８６は、線形判別式群１と同等の判別性能を有する線形判別式群を構成するアミノ酸変数群の組み合わせを示す図である。

以下に、本発明にかかる女性生殖器癌の評価方法の実施の形態（第１実施形態）ならびに本発明にかかる女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価システム、女性生殖器癌評価プログラムおよび記録媒体の実施の形態（第２実施形態）を、図面に基づいて詳細に説明する。なお、本実施の形態により本発明が限定されるものではない。

［第１実施形態］
［１−１．本発明の概要］
ここでは、本発明にかかる女性生殖器癌の評価方法の概要について図１を参照して説明する。図１は本発明の基本原理を示す原理構成図である。

まず、本発明では、評価対象（例えば動物やヒトなど個体）から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳ−１１）。ここで、血中アミノ酸濃度の分析は次のように行った。採血した血液サンプルを、ヘパリン処理したチューブに採取し、採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで−７０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し３％濃度調整により除蛋白処理を行い、測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（ＨＰＬＣ）を原理としたアミノ酸分析機を使用した。なお、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。

つぎに、本発明では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価する（ステップＳ−１２）。

以上、本発明によれば、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、女性生殖器癌の状態を評価する。これにより、血液中のアミノ酸の濃度のうち女性生殖器癌の状態と関連するアミノ酸の濃度を利用して、女性生殖器癌の状態を精度よく評価することができる。具体的には、女性生殖器癌に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができる。また、具体的には、複数のアミノ酸の濃度により、ある検体が女性生殖器癌を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができる。

ここで、ステップＳ−１２を実行する前に、ステップＳ−１１で測定した評価対象のアミノ酸濃度データから欠損値や外れ値などのデータを除去してもよい。これにより、女性生殖器癌の状態をさらに精度よく評価することができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、女性生殖器癌または非女性生殖器癌であるか否か、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否か、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、子宮頸癌または非子宮頸癌であるか否か、子宮体癌または非子宮体癌であるか否か、卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に有用なアミノ酸の濃度を利用して、これらの２群判別やこれらの判別を精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする予め設定した多変量判別式であってＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、女性生殖器癌の状態を評価してもよい。これにより、女性生殖器癌の状態と有意な相関がある多変量判別式で得られる判別値を利用して、女性生殖器癌の状態を精度よく評価することができる。具体的には、女性生殖器癌に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができる。また、具体的には、複数のアミノ酸の濃度や当該アミノ酸の濃度を変数とする判別式により、ある検体が女性生殖器癌を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができる。

また、ステップＳ−１２では、算出した判別値に基づいて、評価対象につき、女性生殖器癌または非女性生殖器癌であるか否か、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否か、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、子宮頸癌または非子宮頸癌であるか否か、子宮体癌または非子宮体癌であるか否か、卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、女性生殖器癌または非女性生殖器癌であるか否か、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否か、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、子宮頸癌または非子宮頸癌であるか否か、子宮体癌または非子宮体癌であるか否か、卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別してもよい。これにより、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別を精度よく行うことができる。

なお、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別をさらに精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別してもよい。これにより、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを変数とする分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とする線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを変数とするロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とするロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別してもよい。これにより、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とするロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌または非子宮頸癌であるか否かを判別してもよい。これにより、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを変数とする分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを変数とする分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを変数とする線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮体癌または非子宮体癌であるか否かを判別してもよい。これにより、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを変数とする分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とする線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とするロジスティック回帰式でもよい。これにより、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、卵巣癌または非卵巣癌であるか否かを判別してもよい。これにより、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを変数とする分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを変数とする分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを変数とする線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを変数とする線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを変数とするロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを変数とするロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とするロジスティック回帰式でもよい。これにより、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、女性生殖器癌罹患リスク群または健常群であるか否かを判別してもよい。これにより、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式でもよい。これにより、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別してもよい。これにより、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを変数とするマハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを変数とするマハラノビス距離法で作成された式でもよい。これにより、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を女性生殖器癌の状態の評価に好適に用いることができる。

ここで、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば分数式、重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。

また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ、且つ当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。

なお、本発明は、女性生殖器癌の状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。また、本発明は、女性生殖器癌の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。

［１−２．第１実施形態にかかる女性生殖器癌の状態の評価方法］
ここでは、第１実施形態にかかる女性生殖器癌の状態の評価方法について図２を参照して説明する。図２は、第１実施形態にかかる女性生殖器癌の状態の評価方法の一例を示すフローチャートである。

まず、動物やヒトなどの個体から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳＡ−１１）。なお、アミノ酸の濃度値の測定は、上述した方法で行う。

つぎに、ステップＳＡ−１１で測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ−１２）。

つぎに、ステップＳＡ−１２で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データや、アミノ酸の濃度を変数とする予め設定した多変量判別式（当該多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つである。）に基づいて、個体につき、下記１１．〜１８．に示す判別のいずれか１つを行う（ステップＳＡ−１３）。

１１．女性生殖器癌または非女性生殖器癌であるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、女性生殖器癌または非女性生殖器癌であるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、女性生殖器癌または非女性生殖器癌であるか否かを判別する。

１２．子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別する。

１３．子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別する。

１４．子宮頸癌または非子宮頸癌であるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌または非子宮頸癌であるか否かを判別する、またはアミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌または非子宮頸癌であるか否かを判別する。

１５．子宮体癌または非子宮体癌であるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮体癌または非子宮体癌であるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮体癌または非子宮体癌であるか否かを判別する。

１６．卵巣癌または非卵巣癌であるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、卵巣癌または非卵巣癌であるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、卵巣癌または非卵巣癌であるか否かを判別する。

１７．子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別する。

１８．女性生殖器癌罹患リスク群または健常群であるか否かの判別
アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、女性生殖器癌罹患リスク群または健常群であるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、女性生殖器癌罹患リスク群または健常群であるか否かを判別する。

［１−３．第１実施形態のまとめ、およびその他の実施形態］
以上、詳細に説明したように、第１実施形態にかかる女性生殖器癌の評価方法によれば、（１）個体から採取した血液からアミノ酸濃度データを測定し、（２）測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、（３）欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データや、アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、個体につき、上記１１．〜１８．に示す判別のいずれか１つを行う。これにより、血液中のアミノ酸の濃度のうち、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に有用なアミノ酸の濃度を利用して、これらの２群判別やこれらの判別を精度よく行うことができる。また、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別をさらに精度よく行うことができる。

なお、ステップＳＡ−１３において上記１２．に示す判別を行う場合、多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを変数とする分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とする線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを変数とするロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とするロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳＡ−１３において上記１３．に示す判別を行う場合、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とするロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳＡ−１３において上記１４．に示す判別を行う場合、多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを変数とする分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを変数とする分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを変数とする線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳＡ−１３において上記１５．に示す判別を行う場合、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを変数とする分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とする線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とするロジスティック回帰式でもよい。これにより、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳＡ−１３において上記１６．に示す判別を行う場合、多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを変数とする分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを変数とする分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを変数とする線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを変数とする線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを変数とするロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを変数とするロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とするロジスティック回帰式でもよい。これにより、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳＡ−１３において上記１７．に示す判別を行う場合、多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを変数とするマハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを変数とするマハラノビス距離法で作成された式でもよい。これにより、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳＡ−１３において上記１８．に示す判別を行う場合、多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式でもよい。これにより、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を女性生殖器癌の状態の評価に好適に用いることができる。

［第２実施形態］
［２−１．本発明の概要］
ここでは、本発明にかかる女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価システム、女性生殖器癌評価プログラムおよび記録媒体の概要について、図３を参照して説明する。図３は本発明の基本原理を示す原理構成図である。

まず、本発明は、制御部で、アミノ酸の濃度値に関する予め取得した評価対象（例えば動物やヒトなど個体）のアミノ酸濃度データに含まれるＡｒｇ、Ａｓｎ、Ｃｉｔ、Ｇｌｙ、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｌｙｓ、Ｐｈｅ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、Ｖａｌのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする記憶部で記憶した多変量判別式であってＡｒｇ、Ａｓｎ、Ｃｉｔ、Ｇｌｙ、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｌｙｓ、Ｐｈｅ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、Ｖａｌのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する（ステップＳ−２１）。

つぎに、本発明は、制御部で、ステップＳ−２１で算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌および卵巣癌のうち少なくとも１つを含む女性生殖器癌の状態を評価する（ステップＳ−２２）。

以上、本発明によれば、アミノ酸の濃度値に関する予め取得した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする記憶部で記憶した多変量判別式であってＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、女性生殖器癌の状態を評価する。これにより、女性生殖器癌の状態と有意な相関がある多変量判別式で得られる判別値を利用して、女性生殖器癌の状態を精度よく評価することができる。具体的には、女性生殖器癌に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができる。また、具体的には、複数のアミノ酸の濃度や当該アミノ酸の濃度を変数とする判別式により、ある検体が女性生殖器癌を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができる。

ここで、ステップＳ−２２では、ステップＳ−２１で算出した判別値に基づいて、評価対象につき、女性生殖器癌または非女性生殖器癌であるか否か、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否か、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、子宮頸癌または非子宮頸癌であるか否か、子宮体癌または非子宮体癌であるか否か、卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別してもよい。これにより、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別を精度よく行うことができる。

また、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別をさらに精度よく行うことができる。

また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別してもよい。これにより、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを変数とする分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とする線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを変数とするロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とするロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別してもよい。これにより、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＣｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とするロジスティック回帰式もしくはＣｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳ−２１では、アミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、子宮頸癌または非子宮頸癌であるか否かを判別してもよい。これにより、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを変数とする分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを変数とする分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを変数とする線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの濃度値およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、子宮体癌または非子宮体癌であるか否かを判別してもよい。これにより、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを変数とする分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とする線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とするロジスティック回帰式でもよい。これにより、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、卵巣癌または非卵巣癌であるか否かを判別してもよい。これにより、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを変数とする分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを変数とする分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを変数とする線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを変数とする線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを変数とするロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを変数とするロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とするロジスティック回帰式でもよい。これにより、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、女性生殖器癌罹患リスク群または健常群であるか否かを判別してもよい。これにより、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを前記変数とする前記ロジスティック回帰式でもよい。これにより、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別してもよい。これにより、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを変数とするマハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを変数とするマハラノビス距離法で作成された式でもよい。これにより、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を女性生殖器癌の状態の評価に好適に用いることができる。

ここで、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば分数式、重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。

また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ、且つ当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。

なお、本発明は、女性生殖器癌の状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。また、本発明は、女性生殖器癌の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。

ここで、多変量判別式作成処理（工程１〜工程４）の概要について詳細に説明する。

まず、本発明は、制御部で、アミノ酸濃度データと女性生殖器癌の状態を表す指標に関する女性生殖器癌状態指標データとを含む記憶部で記憶した女性生殖器癌状態情報から所定の式作成手法に基づいて、多変量判別式の候補である候補多変量判別式（例えば、ｙ＝ａ_１ｘ_１＋ａ_２ｘ_２＋・・・＋ａ_ｎｘ_ｎ、ｙ：女性生殖器癌状態指標データ、ｘ_ｉ：アミノ酸濃度データ、ａ_ｉ：定数、ｉ＝１，２，・・・，ｎ）を作成する（工程１）。なお、事前に、女性生殖器癌状態情報から欠損値や外れ値などを持つデータを除去してもよい。

なお、工程１において、女性生殖器癌状態情報から、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）を併用して複数の候補多変量判別式を作成してもよい。具体的には、多数の健常者および女性生殖器癌患者から得た血液を分析して得たアミノ酸濃度データおよび女性生殖器癌状態指標データから構成される多変量データである女性生殖器癌状態情報に対して、複数の異なるアルゴリズムを利用して複数の候補多変量判別式を同時並行的に作成してもよい。例えば、異なるアルゴリズムを利用して判別分析およびロジスティック回帰分析を同時に行い、２つの異なる候補多変量判別式を作成してもよい。また、主成分分析を行って作成した候補多変量判別式を利用して女性生殖器癌状態情報を変換し、変換した女性生殖器癌状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。これにより、最終的に、診断条件に合った適切な多変量判別式を作成することができる。

ここで、主成分分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データの分散を最大にするような各アミノ酸変数からなる一次式である。また、判別分析を用いて作成した候補多変量判別式は、各群内の分散の和の全てのアミノ酸濃度データの分散に対する比を最小にするような各アミノ酸変数からなる高次式（指数や対数を含む）である。また、サポートベクターマシンを用いて作成した候補多変量判別式は、群間の境界を最大にするような各アミノ酸変数からなる高次式（カーネル関数を含む）である。また、重回帰分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データからの距離の和を最小にするような各アミノ酸変数からなる高次式である。ロジスティック回帰分析を用いて作成した候補多変量判別式は、尤度を最大にするような各アミノ酸変数からなる一次式を指数とする自然対数を項に持つ分数式である。また、ｋ−ｍｅａｎｓ法とは、各アミノ酸濃度データのｋ個近傍を探索し、近傍点の属する群の中で一番多いものをそのデータの所属群と定義し、入力されたアミノ酸濃度データの属する群と定義された群とが最も合致するようなアミノ酸変数を選択する手法である。また、クラスター解析とは、全てのアミノ酸濃度データの中で最も近い距離にある点同士をクラスタリング（群化）する手法である。また、決定木とは、アミノ酸変数に序列をつけて、序列が上位であるアミノ酸変数の取りうるパターンからアミノ酸濃度データの群を予測する手法である。

多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程１で作成した候補多変量判別式を、所定の検証手法に基づいて検証（相互検証）する（工程２）。候補多変量判別式の検証は、工程１で作成した各候補多変量判別式に対して行う。

なお、工程２において、ブートストラップ法やホールドアウト法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異性、情報量基準などのうち少なくとも１つに関して検証してもよい。これにより、女性生殖器癌状態情報や診断条件を考慮した予測性または堅牢性の高い候補多変量判別式を作成することができる。

ここで、判別率とは、全入力データの中で、本発明で評価した女性生殖器癌の状態が正しい割合である。また、感度とは、入力データに記載された女性生殖器癌の状態が罹病になっているものの中で、本発明で評価した女性生殖器癌の状態が正しい割合である。また、特異性とは、入力データに記載された女性生殖器癌の状態が健常になっているものの中で、本発明で評価した女性生殖器癌の状態が正しい割合である。また、情報量基準とは、工程１で作成した候補多変量判別式のアミノ酸変数の数と、本発明で評価した女性生殖器癌の状態および入力データに記載された女性生殖器癌の状態の差異と、を足し合わせたものである。また、予測性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性を平均したものである。また、堅牢性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性の分散である。

多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる女性生殖器癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択する（工程３）。アミノ酸変数の選択は、工程１で作成した各候補多変量判別式に対して行う。これにより、候補多変量判別式のアミノ酸変数を適切に選択することができる。そして、工程３で選択したアミノ酸濃度データを含む女性生殖器癌状態情報を用いて再び工程１を実行する。

なお、工程３において、工程２での検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式のアミノ酸変数を選択してもよい。

ここで、ベストパス法とは、候補多変量判別式に含まれるアミノ酸変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することでアミノ酸変数を選択する方法である。

多変量判別式作成処理の説明に戻り、本発明は、制御部で、上述した工程１、工程２および工程３を繰り返し実行し、これにより蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する（工程４）。なお、候補多変量判別式の選出には、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。

以上、説明したように、多変量判別式作成処理では、女性生殖器癌状態情報に基づいて、候補多変量判別式の作成、候補多変量判別式の検証および候補多変量判別式の変数の選択に関する処理を一連の流れで体系化（システム化）して実行することにより、個々の女性生殖器癌の状態の評価に最適な多変量判別式を作成することができる。

［２−２．システム構成］
ここでは、第２実施形態にかかる女性生殖器癌評価システム（以下では本システムと記す場合がある。）の構成について、図４から図２０を参照して説明する。なお、本システムはあくまでも一例であり、本発明はこれに限定されない。

まず、本システムの全体構成について図４および図５を参照して説明する。図４は本システムの全体構成の一例を示す図である。また、図５は本システムの全体構成の他の一例を示す図である。本システムは、図４に示すように、評価対象につき女性生殖器癌の状態を評価する女性生殖器癌評価装置１００と、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置であるクライアント装置２００とを、ネットワーク３００を介して通信可能に接続して構成されている。

なお、本システムは、図５に示すように、女性生殖器癌評価装置１００やクライアント装置２００の他に、女性生殖器癌評価装置１００で多変量判別式を作成する際に用いる女性生殖器癌状態情報や女性生殖器癌の状態を評価するために用いる多変量判別式などを格納したデータベース装置４００を、ネットワーク３００を介して通信可能に接続して構成されてもよい。これにより、ネットワーク３００を介して、女性生殖器癌評価装置１００からクライアント装置２００やデータベース装置４００へ、あるいはクライアント装置２００やデータベース装置４００から女性生殖器癌評価装置１００へ、女性生殖器癌の状態に関する情報などが提供される。ここで、女性生殖器癌の状態に関する情報とは、ヒトの女性生殖器癌の状態に関する特定の項目について測定した値に関する情報である。また、女性生殖器癌の状態に関する情報は、女性生殖器癌評価装置１００やクライアント装置２００や他の装置（例えば各種の計測装置等）で生成され、主にデータベース装置４００に蓄積される。

つぎに、本システムの女性生殖器癌評価装置１００の構成について図６から図１８を参照して説明する。図６は、本システムの女性生殖器癌評価装置１００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。

女性生殖器癌評価装置１００は、当該女性生殖器癌評価装置を統括的に制御するＣＰＵ等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して当該女性生殖器癌評価装置をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。ここで、女性生殖器癌評価装置１００は、各種の分析装置（例えばアミノ酸アナライザー等）と同一筐体で構成されてもよい。また、女性生殖器癌評価装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意の単位で、機能的または物理的に分散・統合して構成してもよい。例えば、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。

記憶部１０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置、フレキシブルディスク、光ディスク等を用いることができる。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え各種処理を行うためのコンピュータプログラムが記録されている。記憶部１０６は、図示の如く、利用者情報ファイル１０６ａと、アミノ酸濃度データファイル１０６ｂと、女性生殖器癌状態情報ファイル１０６ｃと、指定女性生殖器癌状態情報ファイル１０６ｄと、多変量判別式関連情報データベース１０６ｅと、判別値ファイル１０６ｆと、評価結果ファイル１０６ｇと、を格納する。

利用者情報ファイル１０６ａは、利用者に関する利用者情報を格納する。図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。利用者情報ファイル１０６ａに格納される情報は、図７に示すように、利用者を一意に識別するための利用者ＩＤと、利用者が正当な者であるか否かの認証を行うための利用者パスワードと、利用者の氏名と、利用者の所属する所属先を一意に識別するための所属先ＩＤと、利用者の所属する所属先の部門を一意に識別するための部門ＩＤと、部門名と、利用者の電子メールアドレスと、を相互に関連付けて構成されている。

図６に戻り、アミノ酸濃度データファイル１０６ｂは、アミノ酸の濃度値に関するアミノ酸濃度データを格納する。図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。アミノ酸濃度データファイル１０６ｂに格納される情報は、図８に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、アミノ酸濃度データとを相互に関連付けて構成されている。ここで、図８では、アミノ酸濃度データを数値、すなわち連続尺度として扱っているが、アミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、アミノ酸濃度データに、他の生体情報（アミノ酸以外の他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなど）を組み合わせてもよい。

図６に戻り、女性生殖器癌状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる女性生殖器癌状態情報を格納する。図９は、女性生殖器癌状態情報ファイル１０６ｃに格納される情報の一例を示す図である。女性生殖器癌状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、女性生殖器癌の状態を表す指標（指標Ｔ_１、指標Ｔ_２、指標Ｔ_３・・・）に関する女性生殖器癌状態指標データ（Ｔ）と、アミノ酸濃度データと、を相互に関連付けて構成されている。ここで、図９では、女性生殖器癌状態指標データおよびアミノ酸濃度データを数値（すなわち連続尺度）として扱っているが、女性生殖器癌状態指標データおよびアミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、女性生殖器癌状態指標データは、女性生殖器癌の状態のマーカーとなる既知の単一の状態指標であり、数値データを用いてもよい。

図６に戻り、指定女性生殖器癌状態情報ファイル１０６ｄは、後述する女性生殖器癌状態情報指定部１０２ｇで指定した女性生殖器癌状態情報を格納する。図１０は、指定女性生殖器癌状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定女性生殖器癌状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した女性生殖器癌状態指標データと、指定したアミノ酸濃度データと、を相互に関連付けて構成されている。

図６に戻り、多変量判別式関連情報データベース１０６ｅは、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する候補多変量判別式ファイル１０６ｅ１と、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する検証結果ファイル１０６ｅ２と、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データの組み合わせを含む女性生殖器癌状態情報を格納する選択女性生殖器癌状態情報ファイル１０６ｅ３と、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する多変量判別式ファイル１０６ｅ４と、で構成される。

候補多変量判別式ファイル１０６ｅ１は、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する。図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。候補多変量判別式ファイル１０６ｅ１に格納される情報は、図１１に示すように、ランクと、候補多変量判別式（図１１では、Ｆ_１（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦ_２（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆ_３（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）とを相互に関連付けて構成されている。

図６に戻り、検証結果ファイル１０６ｅ２は、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する。図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。検証結果ファイル１０６ｅ２に格納される情報は、図１２に示すように、ランクと、候補多変量判別式（図１２では、Ｆ_ｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦ_ｍ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆ_ｌ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各候補多変量判別式の検証結果（例えば各候補多変量判別式の評価値）と、を相互に関連付けて構成されている。

図６に戻り、選択女性生殖器癌状態情報ファイル１０６ｅ３は、後述する変数選択部１０２ｈ３で選択した変数に対応するアミノ酸濃度データの組み合わせを含む女性生殖器癌状態情報を格納する。図１３は、選択女性生殖器癌状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択女性生殖器癌状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する女性生殖器癌状態情報指定部１０２ｇで指定した女性生殖器癌状態指標データと、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データと、を相互に関連付けて構成されている。

図６に戻り、多変量判別式ファイル１０６ｅ４は、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する。図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。多変量判別式ファイル１０６ｅ４に格納される情報は、図１４に示すように、ランクと、多変量判別式（図１４では、Ｆ_ｐ（Ｐｈｅ，・・・）やＦ_ｐ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ）、Ｆ_ｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各式作成手法に対応する閾値と、各多変量判別式の検証結果（例えば各多変量判別式の評価値）と、を相互に関連付けて構成されている。

図６に戻り、判別値ファイル１０６ｆは、後述する判別値算出部１０２ｉで算出した判別値を格納する。図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。判別値ファイル１０６ｆに格納される情報は、図１５に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、ランク（多変量判別式を一意に識別するための番号）と、判別値と、を相互に関連付けて構成されている。

図６に戻り、評価結果ファイル１０６ｇは、後述する判別値基準評価部１０２ｊでの評価結果（具体的には、後述する判別値基準判別部１０２ｊ１での判別結果）を格納する。図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。評価結果ファイル１０６ｇに格納される情報は、評価対象である個体（サンプル）を一意に識別するための個体番号と、予め取得した評価対象のアミノ酸濃度データと、多変量判別式で算出した判別値と、女性生殖器癌の状態に関する評価結果と、を相互に関連付けて構成されている。

図６に戻り、記憶部１０６には、上述した情報以外にその他情報として、Ｗｅｂサイトをクライアント装置２００に提供するための各種のＷｅｂデータや、ＣＧＩプログラム等が記録されている。Ｗｅｂデータとしては後述する各種のＷｅｂページを表示するためのデータ等があり、これらデータは例えばＨＴＭＬやＸＭＬで記述されたテキストファイルとして形成されている。また、Ｗｅｂデータを作成するための部品用のファイルや作業用のファイルやその他一時的なファイル等も記憶部１０６に記憶される。記憶部１０６には、必要に応じて、クライアント装置２００に送信するための音声をＷＡＶＥ形式やＡＩＦＦ形式の如き音声ファイルで格納したり、静止画や動画をＪＰＥＧ形式やＭＰＥＧ２形式の如き画像ファイルで格納したりすることができる。

通信インターフェース部１０４は、女性生殖器癌評価装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。

入出力インターフェース部１０８は、入力装置１１２や出力装置１１４に接続する。ここで、出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下では、出力装置１１４をモニタ１１４として記載する場合がある。）。入力装置１１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。

制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部１０２は、図示の如く、大別して、要求解釈部１０２ａと閲覧処理部１０２ｂと認証処理部１０２ｃと電子メール生成部１０２ｄとＷｅｂページ生成部１０２ｅと受信部１０２ｆと女性生殖器癌状態情報指定部１０２ｇと多変量判別式作成部１０２ｈと判別値算出部１０２ｉと判別値基準評価部１０２ｊと結果出力部１０２ｋと送信部１０２ｍとを備えている。制御部１０２は、データベース装置４００から送信された女性生殖器癌状態情報やクライアント装置２００から送信されたアミノ酸濃度データに対して、欠損値のあるデータの除去・外れ値の多いデータの除去・欠損値のあるデータの多い変数の除去などのデータ処理も行う。

要求解釈部１０２ａは、クライアント装置２００やデータベース装置４００からの要求内容を解釈し、その解釈結果に応じて制御部１０２の各部に処理を受け渡す。閲覧処理部１０２ｂは、クライアント装置２００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行なう。認証処理部１０２ｃは、クライアント装置２００やデータベース装置４００からの認証要求を受けて、認証判断を行う。電子メール生成部１０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部１０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。

受信部１０２ｆは、クライアント装置２００やデータベース装置４００から送信された情報（具体的には、アミノ酸濃度データや女性生殖器癌状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。女性生殖器癌状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする女性生殖器癌状態指標データおよびアミノ酸濃度データを指定する。

多変量判別式作成部１０２ｈは、受信部１０２ｆで受信した女性生殖器癌状態情報や女性生殖器癌状態情報指定部１０２ｇで指定した女性生殖器癌状態情報に基づいて多変量判別式を作成する。具体的には、多変量判別式作成部１０２ｈは、女性生殖器癌状態情報から、候補多変量判別式作成部１０２ｈ１、候補多変量判別式検証部１０２ｈ２および変数選択部１０２ｈ３を繰り返し実行させることにより蓄積された検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。

なお、多変量判別式が予め記憶部１０６の所定の記憶領域に格納されている場合には、多変量判別式作成部１０２ｈは、記憶部１０６から所望の多変量判別式を選択することで、多変量判別式を作成してもよい。また、多変量判別式作成部１０２ｈは、多変量判別式を予め格納した他のコンピュータ装置（例えばデータベース装置４００）から所望の多変量判別式を選択しダウンロードすることで、多変量判別式を作成してもよい。

ここで、多変量判別式作成部１０２ｈの構成について図１７を参照して説明する。図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１と、候補多変量判別式検証部１０２ｈ２と、変数選択部１０２ｈ３と、をさらに備えている。候補多変量判別式作成部１０２ｈ１は、女性生殖器癌状態情報から所定の式作成手法に基づいて多変量判別式の候補である候補多変量判別式を作成する。なお、候補多変量判別式作成部１０２ｈ１は、女性生殖器癌状態情報から、複数の異なる式作成手法を併用して複数の候補多変量判別式を作成してもよい。候補多変量判別式検証部１０２ｈ２は、候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を所定の検証手法に基づいて検証する。なお、候補多変量判別式検証部１０２ｈ２は、ブートストラップ法、ホールドアウト法、リーブワンアウト法のうち少なくとも１つに基づいて候補多変量判別式の判別率、感度、特異性、情報量基準のうち少なくとも１つに関して検証してもよい。変数選択部１０２ｈ３は、候補多変量判別式検証部１０２ｈ２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる女性生殖器癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択する。なお、変数選択部１０２ｈ３は、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。

図６に戻り、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成した多変量判別式であってＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する。

ここで、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。

また、判別値基準判別部１０２ｊ１で子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを変数とする分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とする線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを変数とするロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とするロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。

また、判別値基準判別部１０２ｊ１で子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とするロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。

また、判別値基準判別部１０２ｊ１で子宮頸癌または非子宮頸癌であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを変数とする分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを変数とする分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを変数とする線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とするロジスティック回帰式でもよい。

また、判別値基準判別部１０２ｊ１で子宮体癌または非子宮体癌であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを変数とする分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とする線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とするロジスティック回帰式でもよい。

また、判別値基準判別部１０２ｊ１で卵巣癌または非卵巣癌であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを変数とする分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを変数とする分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを変数とする線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを変数とする線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを変数とするロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを変数とするロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とするロジスティック回帰式でもよい。

また、判別値基準判別部１０２ｊ１で女性生殖器癌罹患リスク群または健常群であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式でもよい。

また、判別値基準判別部１０２ｊ１で子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを変数とするマハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを変数とするマハラノビス距離法で作成された式でもよい。

判別値基準評価部１０２ｊは、判別値算出部１０２ｉで算出した判別値に基づいて、評価対象につき、女性生殖器癌の状態を評価する。判別値基準評価部１０２ｊは、判別値基準判別部１０２ｊ１をさらに備えている。ここで、判別値基準評価部１０２ｊの構成について図１８を参照して説明する。図１８は、判別値基準評価部１０２ｊの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。判別値基準判別部１０２ｊ１は、判別値算出部１０２ｉで算出した判別値に基づいて、評価対象につき、女性生殖器癌または非女性生殖器癌であるか否か、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否か、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否か、子宮頸癌または非子宮頸癌であるか否か、子宮体癌または非子宮体癌であるか否か、卵巣癌または非卵巣癌であるか否か、女性生殖器癌罹患リスク群または健常群であるか否か、または、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別する。

図６に戻り、結果出力部１０２ｋは、制御部１０２の各処理部での処理結果（判別値基準評価部１０２ｊでの評価結果（具体的には判別値基準判別部１０２ｊ１での判別結果）を含む）等を出力装置１１４に出力する。

送信部１０２ｍは、評価対象のアミノ酸濃度データの送信元のクライアント装置２００に対して評価結果を送信したり、データベース装置４００に対して、女性生殖器癌評価装置１００で作成した多変量判別式や評価結果を送信したりする。

つぎに、本システムのクライアント装置２００の構成について図１９を参照して説明する。図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。

クライアント装置２００は、制御部２１０とＲＯＭ２２０とＨＤ２３０とＲＡＭ２４０と入力装置２５０と出力装置２６０と入出力ＩＦ２７０と通信ＩＦ２８０とで構成されており、これら各部は任意の通信路を介して通信可能に接続されている。

制御部２１０は、Ｗｅｂブラウザ２１１、電子メーラ２１２、受信部２１３、送信部２１４を備えている。Ｗｅｂブラウザ２１１は、Ｗｅｂデータを解釈し、解釈したＷｅｂデータを後述するモニタ２６１に表示するブラウズ処理を行う。なお、Ｗｅｂブラウザ２１１には、ストリーム映像の受信・表示・フィードバック等を行う機能を備えたストリームプレイヤ等の各種のソフトウェアをプラグインしてもよい。電子メーラ２１２は、所定の通信規約（例えば、ＳＭＴＰ（Ｓｉｍｐｌｅ Ｍａｉｌ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）やＰＯＰ３（Ｐｏｓｔ Ｏｆｆｉｃｅ Ｐｒｏｔｏｃｏｌ ｖｅｒｓｉｏｎ ３）等）に従って電子メールの送受信を行う。受信部２１３は、通信ＩＦ２８０を介して、女性生殖器癌評価装置１００から送信された評価結果などの各種情報を受信する。送信部２１４は、通信ＩＦ２８０を介して、評価対象のアミノ酸濃度データなどの各種情報を女性生殖器癌評価装置１００へ送信する。

入力装置２５０はキーボードやマウスやマイク等である。なお、後述するモニタ２６１もマウスと協働してポインティングデバイス機能を実現する。出力装置２６０は、通信ＩＦ２８０を介して受信した情報を出力する出力手段であり、モニタ（家庭用テレビを含む）２６１およびプリンタ２６２を含む。この他、出力装置２６０にスピーカ等を設けてもよい。入出力ＩＦ２７０は入力装置２５０や出力装置２６０に接続する。

通信ＩＦ２８０は、クライアント装置２００とネットワーク３００（またはルータ等の通信装置）とを通信可能に接続する。換言すると、クライアント装置２００は、モデムやＴＡやルータなどの通信装置および電話回線を介して、または専用線を介してネットワーク３００に接続される。これにより、クライアント装置２００は、所定の通信規約に従って女性生殖器癌評価装置１００にアクセスすることができる。

ここで、プリンタ・モニタ・イメージスキャナ等の周辺装置を必要に応じて接続した情報処理装置（例えば、既知のパーソナルコンピュータ・ワークステーション・家庭用ゲーム装置・インターネットＴＶ・ＰＨＳ端末・携帯端末・移動体通信端末・ＰＤＡ等の情報処理端末など）に、Ｗｅｂデータのブラウジング機能や電子メール機能を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより、クライアント装置２００を実現してもよい。

また、クライアント装置２００の制御部２１０は、制御部２１０で行う処理の全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈して実行するプログラムで実現してもよい。ＲＯＭ２２０またはＨＤ２３０には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。当該コンピュータプログラムは、ＲＡＭ２４０にロードされることで実行され、ＣＰＵと協働して制御部２１０を構成する。また、当該コンピュータプログラムは、クライアント装置２００と任意のネットワークを介して接続されるアプリケーションプログラムサーバに記録されてもよく、クライアント装置２００は、必要に応じてその全部または一部をダウンロードしてもよい。また、制御部２１０で行う処理の全部または任意の一部を、ワイヤードロジック等によるハードウェアで実現してもよい。

つぎに、本システムのネットワーク３００について図４、図５を参照して説明する。ネットワーク３００は、女性生殖器癌評価装置１００とクライアント装置２００とデータベース装置４００とを相互に通信可能に接続する機能を有し、例えばインターネットやイントラネットやＬＡＮ（有線／無線の双方を含む）等である。なお、ネットワーク３００は、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、携帯回線交換網または携帯パケット交換網（ＩＭＴ２０００方式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ−Ｐ方式等を含む）や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、衛星通信網（ＣＳ、ＢＳまたはＩＳＤＢ等を含む）等でもよい。

つぎに、本システムのデータベース装置４００の構成について図２０を参照して説明する。図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。

データベース装置４００は、女性生殖器癌評価装置１００または当該データベース装置４００で多変量判別式を作成する際に用いる女性生殖器癌状態情報や、女性生殖器癌評価装置１００で作成した多変量判別式、女性生殖器癌評価装置１００での評価結果などを格納する機能を有する。図２０に示すように、データベース装置４００は、当該データベース装置４００を統括的に制御するＣＰＵ等の制御部４０２と、ルータ等の通信装置および専用線等の有線または無線の通信回路を介して当該データベース装置をネットワーク３００に通信可能に接続する通信インターフェース部４０４と、各種のデータベースやテーブルやファイル（例えばＷｅｂページ用ファイル）などを格納する記憶部４０６と、入力装置４１２や出力装置４１４に接続する入出力インターフェース部４０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。

記憶部４０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用いることができる。記憶部４０６には、各種処理に用いる各種プログラム等を格納する。通信インターフェース部４０４は、データベース装置４００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部４０４は、他の端末と通信回線を介してデータを通信する機能を有する。入出力インターフェース部４０８は、入力装置４１２や出力装置４１４に接続する。ここで、出力装置４１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下で、出力装置４１４をモニタ４１４として記載する場合がある。）。また、入力装置４１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。

制御部４０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部４０２は、図示の如く、大別して、要求解釈部４０２ａと閲覧処理部４０２ｂと認証処理部４０２ｃと電子メール生成部４０２ｄとＷｅｂページ生成部４０２ｅと送信部４０２ｆとを備えている。

要求解釈部４０２ａは、女性生殖器癌評価装置１００からの要求内容を解釈し、その解釈結果に応じて制御部４０２の各部に処理を受け渡す。閲覧処理部４０２ｂは、女性生殖器癌評価装置１００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行う。認証処理部４０２ｃは、女性生殖器癌評価装置１００からの認証要求を受けて、認証判断を行う。電子メール生成部４０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部４０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。送信部４０２ｆは、女性生殖器癌状態情報や多変量判別式などの各種情報を、女性生殖器癌評価装置１００へ送信する。

［２−３．本システムの処理］
ここでは、以上のように構成された本システムで行われる女性生殖器癌評価サービス処理の一例を、図２１を参照して説明する。図２１は、女性生殖器癌評価サービス処理の一例を示すフローチャートである。

なお、本処理で用いるアミノ酸濃度データは、個体から予め採取した血液を分析して得たアミノ酸の濃度値に関するものである。ここで、血液中のアミノ酸の分析方法について簡単に説明する。まず、採血した血液サンプルを、ヘパリン処理したチューブに採取し、その後、当該チューブに対して遠心分離を行うことで血漿を分離する。なお、分離したすべての血漿サンプルは、アミノ酸濃度の測定時まで−７０℃で凍結保存する。そして、アミノ酸濃度の測定時に、血漿サンプルに対してスルホサリチル酸を添加し、３％濃度調整により除蛋白処理を行う。なお、アミノ酸濃度の測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（ＨＰＬＣ）を原理としたアミノ酸分析機を使用した。

まず、Ｗｅｂブラウザ２１１を表示した画面上で利用者が入力装置２５０を介して女性生殖器癌評価装置１００が提供するＷｅｂサイトのアドレス（ＵＲＬなど）を指定すると、クライアント装置２００は女性生殖器癌評価装置１００へアクセスする。具体的には、利用者がクライアント装置２００のＷｅｂブラウザ２１１の画面更新を指示すると、Ｗｅｂブラウザ２１１は、女性生殖器癌評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で女性生殖器癌評価装置１００へ送信することで、アミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求を、当該アドレスに基づくルーティングで女性生殖器癌評価装置１００へ行う。

つぎに、女性生殖器癌評価装置１００は、要求解釈部１０２ａで、クライアント装置２００からの送信を受け、当該送信の内容を解析し、解析結果に応じて制御部１０２の各部に処理を移す。具体的には、送信の内容がアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求であった場合、女性生殖器癌評価装置１００は、主として閲覧処理部１０２ｂで、記憶部１０６の所定の記憶領域に格納されている当該Ｗｅｂページを表示するためのＷｅｂデータを取得し、取得したＷｅｂデータをクライアント装置２００へ送信する。より具体的には、利用者からアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求があった場合、女性生殖器癌評価装置１００は、まず、制御部１０２で、利用者ＩＤや利用者パスワードの入力を利用者に対して求める。そして、利用者ＩＤやパスワードが入力されると、女性生殖器癌評価装置１００は、認証処理部１０２ｃで、入力された利用者ＩＤやパスワードと利用者情報ファイル１０６ａに格納されている利用者ＩＤや利用者パスワードとの認証判断を行う。そして、女性生殖器癌評価装置１００は、認証可の場合にのみ、閲覧処理部１０２ｂで、アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのＷｅｂデータをクライアント装置２００へ送信する。なお、クライアント装置２００の特定は、クライアント装置２００から送信要求と共に送信されたＩＰアドレスで行う。

つぎに、クライアント装置２００は、女性生殖器癌評価装置１００から送信されたＷｅｂデータ（アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのもの）を受信部２１３で受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、モニタ２６１にアミノ酸濃度データ送信画面を表示する。

つぎに、モニタ２６１に表示されたアミノ酸濃度データ送信画面に対し利用者が入力装置２５０を介して個体のアミノ酸濃度データなどを入力・選択すると、クライアント装置２００は、送信部２１４で、入力情報や選択事項を特定するための識別子を女性生殖器癌評価装置１００へ送信することで、評価対象の個体のアミノ酸濃度データを女性生殖器癌評価装置１００へ送信する（ステップＳＡ−２１）。なお、ステップＳＡ−２１におけるアミノ酸濃度データの送信は、ＦＴＰ等の既存のファイル転送技術等により実現してもよい。

つぎに、女性生殖器癌評価装置１００は、要求解釈部１０２ａで、クライアント装置２００から送信された識別子を解釈することによりクライアント装置２００の要求内容を解釈し、女性生殖器癌の状態の評価用の多変量判別式の送信要求をデータベース装置４００へ行う。

つぎに、データベース装置４００は、要求解釈部４０２ａで、女性生殖器癌評価装置１００からの送信要求を解釈し、記憶部４０６の所定の記憶領域に格納した、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式（例えばアップデートされた最新のもの。当該多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つである。）を女性生殖器癌評価装置１００へ送信する（ステップＳＡ−２２）。

ここで、ステップＳＡ−２２において女性生殖器癌評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別する場合には、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを変数とする分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とする線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを変数とするロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とするロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。

また、ステップＳＡ−２２において女性生殖器癌評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別する場合には、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とするロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。

また、ステップＳＡ−２２において女性生殖器癌評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で子宮頸癌または非子宮頸癌であるか否かを判別する場合には、Ａｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを変数とする分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを変数とする分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを変数とする線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とするロジスティック回帰式でもよい。

また、ステップＳＡ−２２において女性生殖器癌評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で子宮体癌または非子宮体癌であるか否かを判別する場合には、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを変数とする分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とする線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とするロジスティック回帰式でもよい。

また、ステップＳＡ−２２において女性生殖器癌評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で卵巣癌または非卵巣癌であるか否かを判別する場合には、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを変数とする分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを変数とする分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを変数とする線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを変数とする線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを変数とするロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを変数とするロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とするロジスティック回帰式でもよい。

また、ステップＳＡ−２２において女性生殖器癌評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で女性生殖器癌罹患リスク群または健常群であるか否かを判別する場合には、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式でもよい。

また、ステップＳＡ−２２において女性生殖器癌評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別する場合には、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを変数とするマハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを変数とするマハラノビス距離法で作成された式でもよい。

図２１の説明に戻り、女性生殖器癌評価装置１００は、受信部１０２ｆで、クライアント装置２００から送信された個体のアミノ酸濃度データおよびデータベース装置４００から送信された多変量判別式を受信し、受信したアミノ酸濃度データをアミノ酸濃度データファイル１０６ｂの所定の記憶領域に格納すると共に、受信した多変量判別式を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＡ−２３）。

つぎに、女性生殖器癌評価装置１００は、制御部１０２で、ステップＳＡ−２３で受信した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ−２４）。

つぎに、女性生殖器癌評価装置１００は、判別値算出部１０２ｉで、ステップＳＡ−２４で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データおよびステップＳＡ−２３で受信した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し（ステップＳＡ−２５）、判別値基準判別部１０２ｊ１で、ステップＳＡ−２５で算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、下記２１．〜２８．に示す判別のいずれか１つを行い、その判別結果を評価結果ファイル１０６ｇの所定の記憶領域に格納する（ステップＳＡ−２６）。

２１．女性生殖器癌または非女性生殖器癌であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、女性生殖器癌または非女性生殖器癌であるか否かを判別する。

２２．子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌、卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別する。

２３．子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌のいずれかまたは非子宮頸癌、非子宮体癌のいずれかであるか否かを判別する。

２４．子宮頸癌または非子宮頸癌であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＡｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌または非子宮頸癌であるか否かを判別する。

２５．子宮体癌または非子宮体癌であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｐｒｏ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮体癌または非子宮体癌であるか否かを判別する。

２６．卵巣癌または非卵巣癌であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ａｌａ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、卵巣癌または非卵巣癌であるか否かを判別する。

２７．子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｇｌｎ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、子宮頸癌、子宮体癌、卵巣癌のいずれかであるか否かを判別する。

２８．女性生殖器癌罹患リスク群または健常群であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つの濃度値、およびＴｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｎ、Ｐｒｏ、Ａｌａ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｔｙｒ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値に基づいて、評価対象につき、女性生殖器癌罹患リスク群または健常群であるか否かを判別する。

図２１の説明に戻り、女性生殖器癌評価装置１００は、送信部１０２ｍで、ステップＳＡ−２６で得た判別結果を、アミノ酸濃度データの送信元のクライアント装置２００とデータベース装置４００とへ送信する（ステップＳＡ−２７）。具体的には、まず、女性生殖器癌評価装置１００は、Ｗｅｂページ生成部１０２ｅで、判別結果を表示するためのＷｅｂページを作成し、作成したＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域に格納する。ついで、利用者がクライアント装置２００のＷｅｂブラウザ２１１に入力装置２５０を介して所定のＵＲＬを入力し上述した認証を経た後、クライアント装置２００は、当該Ｗｅｂページの閲覧要求を女性生殖器癌評価装置１００へ送信する。ついで、女性生殖器癌評価装置１００は、閲覧処理部１０２ｂで、クライアント装置２００から送信された閲覧要求を解釈し、判別結果を表示するためのＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域から読み出す。そして、女性生殖器癌評価装置１００は、送信部１０２ｍで、読み出したＷｅｂデータをクライアント装置２００へ送信すると共に、当該Ｗｅｂデータ又は判別結果をデータベース装置４００へ送信する。

ここで、ステップＳＡ−２７において、女性生殖器癌評価装置１００は、制御部１０２で、判別結果を電子メールで利用者のクライアント装置２００へ通知してもよい。具体的には、まず、女性生殖器癌評価装置１００は、電子メール生成部１０２ｄで、利用者ＩＤなどを基にして利用者情報ファイル１０６ａに格納されている利用者情報を送信タイミングに従って参照し、利用者の電子メールアドレスを取得する。ついで、女性生殖器癌評価装置１００は、電子メール生成部１０２ｄで、取得した電子メールアドレスを宛て先とし利用者の氏名および判別結果を含む電子メールに関するデータを生成する。ついで、女性生殖器癌評価装置１００は、送信部１０２ｍで、生成した当該データを利用者のクライアント装置２００へ送信する。

また、ステップＳＡ−２７において、女性生殖器癌評価装置１００は、ＦＴＰ等の既存のファイル転送技術等で、判別結果を利用者のクライアント装置２００へ送信してもよい。

図２１の説明に戻り、データベース装置４００は、制御部４０２で、女性生殖器癌評価装置１００から送信された判別結果またはＷｅｂデータを受信し、受信した判別結果またはＷｅｂデータを記憶部４０６の所定の記憶領域に保存（蓄積）する（ステップＳＡ−２８）。

また、クライアント装置２００は、受信部２１３で、女性生殖器癌評価装置１００から送信されたＷｅｂデータを受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、個体の判別結果が記されたＷｅｂページの画面をモニタ２６１に表示する（ステップＳＡ−２９）。なお、判別結果が女性生殖器癌評価装置１００から電子メールで送信された場合には、クライアント装置２００は、電子メーラ２１２の公知の機能で、女性生殖器癌評価装置１００から送信された電子メールを任意のタイミングで受信し、受信した電子メールをモニタ２６１に表示する。

以上により、利用者は、モニタ２６１に表示されたＷｅｂページを閲覧することで、女性生殖器癌に関する個体の判別結果を確認することができる。なお、利用者は、モニタ２６１に表示されたＷｅｂページの表示内容をプリンタ２６２で印刷してもよい。

また、判別結果が女性生殖器癌評価装置１００から電子メールで送信された場合には、利用者は、モニタ２６１に表示された電子メールを閲覧することで、女性生殖器癌に関する個体の判別結果を確認することができる。利用者は、モニタ２６１に表示された電子メールの表示内容をプリンタ２６２で印刷してもよい。

これにて、女性生殖器癌評価サービス処理の説明を終了する。

［２−４．第２実施形態のまとめ、およびその他の実施形態］
以上、詳細に説明したように、女性生殖器癌評価システムによれば、クライアント装置２００は個体のアミノ酸濃度データを女性生殖器癌評価装置１００へ送信し、データベース装置４００は女性生殖器癌評価装置１００からの要求を受けて女性生殖器癌の判別用の多変量判別式を女性生殖器癌評価装置１００へ送信する。そして、女性生殖器癌評価装置１００は、（１）クライアント装置２００からアミノ酸濃度データを受信すると共にデータベース装置４００から多変量判別式を受信し、（２）受信したアミノ酸濃度データおよび多変量判別式に基づいて判別値を算出し、（３）算出した判別値と予め設定した閾値とを比較することで、個体につき、上記２１．〜２８．に示す判別のいずれか１つを行い、（４）この判別結果をクライアント装置２００やデータベース装置４００へ送信する。そして、クライアント装置２００は女性生殖器癌評価装置１００から送信された判別結果を受信して表示し、データベース装置４００は女性生殖器癌評価装置１００から送信された判別結果を受信して格納する。これにより、女性生殖器癌と非女性生殖器癌との２群判別や子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別、子宮頸癌と非子宮頸癌との２群判別、子宮体癌と非子宮体癌との２群判別、卵巣癌と非卵巣癌との２群判別、女性生殖器癌罹患リスク群と健常群との２群判別、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別やこれらの判別をさらに精度よく行うことができる。

なお、ステップＳＡ−２６において上記２２．に示す判別を行う場合、多変量判別式は、Ｇｌｎ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを変数とする分数式もしくはａ−ＡＢＡ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とする線形判別式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｃｉｔ、Ｍｅｔ、Ｐｈｅを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒ、Ｈｉｓを変数とするロジスティック回帰式、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを変数とするロジスティック回帰式、Ｃｉｔ、ａ−ＡＢＡ、Ｍｅｔ、Ｔｙｒを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌、卵巣癌のいずれかと非女性生殖器癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳＡ−２６において上記２３．に示す判別を行う場合、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とする線形判別式、またはＶａｌ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式、Ｔｈｒ、ａ−ＡＢＡ、Ｍｅｔ、Ｈｉｓを変数とするロジスティック回帰式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌、子宮体癌のいずれかと非子宮頸癌、非子宮体癌のいずれかとの判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳＡ−２６において上記２４．に示す判別を行う場合、多変量判別式は、ａ−ＡＢＡ、Ｈｉｓ、Ｖａｌを変数とする分数式、ａ−ＡＢＡ、Ｍｅｔ、Ｖａｌを変数とする分数式もしくはＭｅｔ、Ｈｉｓ、Ｃｉｔ、Ａｒｇを変数とする分数式、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｖａｌ、Ｍｅｔ、Ｌｙｓを変数とする線形判別式、Ｃｉｔ、Ｍｅｔ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とする線形判別式、またはＶａｌ、Ｌｅｕ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｍｅｔ、Ｈｉｓ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｖａｌ、Ｔｙｒ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓを変数とするロジスティック回帰式でもよい。これにより、子宮頸癌と非子宮頸癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳＡ−２６において上記２５．に示す判別を行う場合、多変量判別式は、Ｌｙｓ、Ｈｉｓ、Ａｒｇを変数とする分数式、ａ−ＡＢＡ、Ｈｉｓ、Ｍｅｔを変数とする分数式もしくはＩｌｅ、Ｈｉｓ、Ａｓｎ、Ｃｉｔを変数とする分数式、Ｇｌｎ、Ｈｉｓ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、Ｇｌｙ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓを変数とする線形判別式、Ｃｉｔ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とする線形判別式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とする線形判別式、またはＧｌｎ、Ｇｌｙ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｐｈｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式、Ｇｌｎ、Ｉｌｅ、Ｈｉｓ、Ａｒｇを変数とするロジスティック回帰式もしくはＨｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅを変数とするロジスティック回帰式でもよい。これにより、子宮体癌と非子宮体癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳＡ−２６において上記２６．に示す判別を行う場合、多変量判別式は、Ｏｒｎ、Ｃｉｔ、Ｍｅｔを変数とする分数式、Ｇｌｎ、Ｃｉｔ、Ｔｙｒを変数とする分数式もしくはＯｒｎ、Ｈｉｓ、Ｐｈｅ、Ｔｒｐを変数とする分数式、Ｓｅｒ、Ｃｉｔ、Ｏｒｎ、Ｔｒｐを変数とする線形判別式、Ｓｅｒ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓを変数とする線形判別式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とする線形判別式、またはＳｅｒ、Ｃｉｔ、Ｔｒｐ、Ｏｒｎを変数とするロジスティック回帰式、Ｇｌｎ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒを変数とするロジスティック回帰式、Ａｓｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐを変数とするロジスティック回帰式もしくはＨｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎを変数とするロジスティック回帰式でもよい。これにより、卵巣癌と非卵巣癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

また、ステップＳＡ−２６において上記２７．に示す判別を行う場合、多変量判別式は、Ｃｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡを変数とするマハラノビス距離法で作成された式、またはＨｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓを変数とするマハラノビス距離法で作成された式でもよい。これにより、子宮頸癌と子宮体癌と卵巣癌との判別に特に有用な多変量判別式で得られる判別値を利用して、当該判別をさらに精度よく行うことができる。

また、ステップＳＡ−２６において上記２８．に示す判別を行う場合、多変量判別式は、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とする線形判別式、またはＰｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇを変数とするロジスティック回帰式でもよい。これにより、女性生殖器癌罹患リスク群と健常群との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。

なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を女性生殖器癌の状態の評価に好適に用いることができる。

また、本発明は、上述した第２実施形態以外にも、特許請求の範囲の書類に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。例えば、上述した第２実施形態で説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データおよび検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。例えば、女性生殖器癌評価装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。また、女性生殖器癌評価装置１００の各部または各装置が備える処理機能（特に制御部１０２にて行なわれる各処理機能）については、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて、その全部または任意の一部を実現することができ、ワイヤードロジックによるハードウェアとして実現することもできる。

ここで、「プログラム」とは任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は、必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものを含む。なお、プログラムは、記録媒体に記録されており、必要に応じて女性生殖器癌評価装置１００に機械的に読み取られる。記録媒体に記録されたプログラムを各装置で読み取るための具体的な構成や読み取り手順や読み取り後のインストール手順等については、周知の構成や手順を用いることができる。

また、「記録媒体」とは任意の「可搬用の物理媒体」や任意の「固定用の物理媒体」や「通信媒体」を含むものとする。なお、「可搬用の物理媒体」とはフレキシブルディスクや光磁気ディスクやＲＯＭやＥＰＲＯＭやＥＥＰＲＯＭやＣＤ−ＲＯＭやＭＯやＤＶＤ等である。「固定用の物理媒体」とは各種コンピュータシステムに内蔵されるＲＯＭやＲＡＭやＨＤ等である。「通信媒体」とは、ＬＡＮやＷＡＮやインターネット等のネットワークを介してプログラムを送信する場合における通信回線や搬送波のように、短期にプログラムを保持するものである。

最後に、女性生殖器癌評価装置１００で行う多変量判別式作成処理の一例について図２２を参照して詳細に説明する。図２２は多変量判別式作成処理の一例を示すフローチャートである。なお、当該多変量判別式作成処理は、女性生殖器癌状態情報を管理するデータベース装置４００で行ってもよい。

なお、本説明では、女性生殖器癌評価装置１００は、データベース装置４００から事前に取得した女性生殖器癌状態情報を、女性生殖器癌状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、女性生殖器癌評価装置１００は、女性生殖器癌状態情報指定部１０２ｇで事前に指定した女性生殖器癌状態指標データおよびアミノ酸濃度データを含む女性生殖器癌状態情報を、指定女性生殖器癌状態情報ファイル１０６ｄの所定の記憶領域に格納しているものとする。

まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、指定女性生殖器癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている女性生殖器癌状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、作成した候補多変量判別式を候補多変量判別式ファイル１０６ｅ１の所定の記憶領域に格納する（ステップＳＢ−２１）。具体的には、まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）の中から所望のものを１つ選択し、選択した式作成手法に基づいて、作成する候補多変量判別式の形（式の形）を決定する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、女性生殖器癌状態情報に基づいて、選択した式選択手法に対応する種々（例えば平均や分散など）の計算を実行する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、計算結果および決定した候補多変量判別式のパラメータを決定する。これにより、選択した式作成手法に基づいて候補多変量判別式が作成される。なお、複数の異なる式作成手法を併用して候補多変量判別式を同時並行（並列）的に作成する場合は、選択した式作成手法ごとに上記の処理を並行して実行すればよい。また、複数の異なる式作成手法を併用して候補多変量判別式を直列的に作成する場合は、例えば、主成分分析を行って作成した候補多変量判別式を利用して女性生殖器癌状態情報を変換し、変換した女性生殖器癌状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。

つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、ステップＳＢ−２１で作成した候補多変量判別式を所定の検証手法に基づいて検証（相互検証）し、検証結果を検証結果ファイル１０６ｅ２の所定の記憶領域に格納する（ステップＳＢ−２２）。具体的には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、指定女性生殖器癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている女性生殖器癌状態情報に基づいて候補多変量判別式を検証する際に用いる検証用データを作成し、作成した検証用データに基づいて候補多変量判別式を検証する。なお、ステップＳＢ−２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成した場合には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証する。ここで、ステップＳＢ−２２において、ブートストラップ法やホールドアウト法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異性、情報量基準などのうち少なくとも１つに関して検証してもよい。これにより、女性生殖器癌状態情報や診断条件を考慮した予測性または堅牢性の高い候補指標式を選択することができる。

つぎに、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ−２２での検証結果から所定の変数選択手法に基づいて、候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる女性生殖器癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、選択したアミノ酸濃度データの組み合わせを含む女性生殖器癌状態情報を選択女性生殖器癌状態情報ファイル１０６ｅ３の所定の記憶領域に格納する（ステップＳＢ−２３）。なお、ステップＳＢ−２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成し、ステップＳＢ−２２で各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証した場合には、ステップＳＢ−２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ−２２での検証結果に対応する候補多変量判別式ごとに所定の変数選択手法に基づいて候補多変量判別式の変数を選択する。ここで、ステップＳＢ−２３において、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。なお、ベストパス法とは、候補多変量判別式に含まれる変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することで変数を選択する方法である。また、ステップＳＢ−２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、指定女性生殖器癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている女性生殖器癌状態情報に基づいてアミノ酸濃度データの組み合わせを選択してもよい。

つぎに、多変量判別式作成部１０２ｈは、指定女性生殖器癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている女性生殖器癌状態情報に含まれるアミノ酸濃度データの全ての組み合わせが終了したか否かを判定し、判定結果が「終了」であった場合（ステップＳＢ−２４：Ｙｅｓ）には次のステップ（ステップＳＢ−２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻る。なお、多変量判別式作成部１０２ｈは、予め設定した回数が終了したか否かを判定し、判定結果が「終了」であった場合には（ステップＳＢ−２４：Ｙｅｓ）次のステップ（ステップＳＢ−２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、ステップＳＢ−２３で選択したアミノ酸濃度データの組み合わせが、指定女性生殖器癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている女性生殖器癌状態情報に含まれるアミノ酸濃度データの組み合わせまたは前回のステップＳＢ−２３で選択したアミノ酸濃度データの組み合わせと同じであるか否かを判定し、判定結果が「同じ」であった場合（ステップＳＢ−２４：Ｙｅｓ）には次のステップ（ステップＳＢ−２５）へ進み、判定結果が「同じ」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、検証結果が具体的には各候補多変量判別式に関する評価値である場合には、当該評価値と各式作成手法に対応する所定の閾値との比較結果に基づいて、ステップＳＢ−２５へ進むかステップＳＢ−２１へ戻るかを判定してもよい。

つぎに、多変量判別式作成部１０２ｈは、検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで多変量判別式を決定し、決定した多変量判別式（選出した候補多変量判別式）を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＢ−２５）。ここで、ステップＳＢ−２５において、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。

これにて、多変量判別式作成処理の説明を終了する。

子宮頸癌、子宮体癌、卵巣癌の確定診断が行われた子宮頸癌、子宮体癌、卵巣癌の患者群の血液サンプルおよび非子宮頸癌、非子宮体癌、非卵巣癌の群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。ここで、本実施例１および以後の実施例において、子宮頸癌、子宮体癌、卵巣癌の患者群を総称して癌患者群と表記し、非子宮頸癌、非子宮体癌、非卵巣癌の群を非癌群と表記する場合がある。また、非癌群のうち、子宮筋腫などの良性疾患に罹患している群を良性疾患群、それ以外の群を健常群と表記する場合がある。また、良性疾患群と癌患者群の集団を女性生殖器癌罹患リスク群と表記する場合がある。

癌患者群、良性疾患群及び健常群のアミノ酸変数の分布に関する箱ひげ図を図２３に、子宮頸癌群、子宮体癌群、卵巣癌群、良性疾患群及び健常群のアミノ酸変数の分布に関する箱ひげ図を図２４に示す。また、各群間の２群判別に関して、各アミノ酸変数のＲＯＣ曲線下面積を計算した結果を図２５に示す。

図２３、図２４、図２５に示したように、健常群、良性疾患群、癌患者群の間で、多くのアミノ酸の濃度に差異が認められた。特に、非癌群、良性疾患群もしくは健常群と癌患者群との２群判別や健常群と女性生殖器癌罹患リスク群との２群判別においては、Ａｓｎ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ａｒｇが常にＲＯＣ＿ＡＵＣの値の高い上位１２位以内にあることが認められた。また、非癌群、良性疾患群または健常群と子宮頸癌群との２群判別においては、Ｇｌｙ、Ｖａｌ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｌｙｓ、Ａｒｇが常にＲＯＣ＿ＡＵＣの値の高い上位１２位以内にあることが認められた。また、非癌群、良性疾患群または健常群と子宮体癌群との２群判別においては、Ｔｈｒ、Ａｓｎ、Ｇｌｙ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ａｒｇが常にＲＯＣ＿ＡＵＣの値の高い上位１２位以内にあることが認められた。さらに、非癌群、良性疾患群または健常群と卵巣癌群との２群判別においては、Ａｓｎ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｔｙｒ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ａｒｇが常にＲＯＣ＿ＡＵＣの値の高い上位１２位以内にあることが認められた。このことから、これらのアミノ酸が、子宮頸癌、子宮体癌、卵巣癌に寄与していることが認められた。

実施例１で用いたサンプルデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と非癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１（図２６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と非癌群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２（図２６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と非癌群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した、その結果、同等の性能を持つ複数の指標式の中に指標式３（図２６参照）が得られた。なお、指標式１、指標式２、指標式３に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と健常群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４（図２６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と健常群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式５（図２６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と健常群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式６（図２６参照）が得られた。なお、指標式４、指標式５、指標式６に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と良性疾患群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式７（図２６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と良性疾患群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式（図２６参照）の中に指標式８が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と良性疾患群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式９（図２６参照）が得られた。なお、指標式７、指標式８、指標式９に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、健常群と女性生殖器癌罹患リスク群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１０（図２６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、健常群と女性生殖器癌罹患リスク群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１１（図２６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、健常群と女性生殖器癌罹患リスク群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１２（図２６参照）が得られた。なお、指標式１０、指標式１１、指標式１２に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別における指標式１〜３の診断性能を検証すべく、癌患者群と非癌群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図２６に示すような診断性能が得られ、これら視指標式が診断性能の高い有用なものであることが判明した。また、図２６に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮頸癌群、子宮体癌群、卵巣癌群の判別における指標式４〜６の診断性能を検証すべく、癌患者群と健常群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図２６に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図２６に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮頸癌群、子宮体癌群、卵巣癌群の判別における指標式７〜９の診断性能を検証すべく、癌患者群と良性疾患群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図２６に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図２６に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮頸癌群、子宮体癌群、卵巣癌群の判別における指標式１０〜１２の診断性能を検証すべく、健常群と女性生殖器癌罹患リスク群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図２６に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図２６に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

指標式１〜１２のそれぞれについて、図２７から図４２に順に示すように、同等の判別の性能を有する指標式が複数得られた。なお、図２７から図４２に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１に用いたサンプルデータのうち、子宮頸癌群、子宮体癌群及び非癌群のデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と非癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１３（図４３参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と非癌群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１４（図４３参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と非癌群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１５（図４３参照）が得られた。なお、指標式１３、指標式１４、指標式１５に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と健常群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１６（図４３参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と健常群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１７（図４３参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と健常群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１８（図４３参照）が得られた。なお、指標式１６、指標式１７、指標式１８に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と良性疾患群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１９（図４３参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と良性疾患群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２０（図４３参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群及び子宮体癌群と良性疾患群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２１（図４３参照）が得られた。なお、指標式１９、指標式２０、指標式２１に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群の判別における指標式１３〜１５の診断性能を検証すべく、子宮頸癌群及び子宮体癌群と非癌群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図４３に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図４３に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮頸癌群、子宮体癌群の判別における指標式１６〜１８の診断性能を検証すべく、子宮頸癌群及び子宮体癌群と健常群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図４３に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図４３に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮頸癌群、子宮体癌群の判別における指標式１９〜２１の診断性能を検証すべく、子宮頸癌群及び子宮体癌群と良性疾患群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図４３に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図４３に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

指標式１３〜２１のそれぞれについて、図４４〜図５５に順に示すように、同等の判別の性能を有する指標式が複数得られた。なお、図４４〜図５５に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１に用いたサンプルデータのうち、子宮頸癌群及び非癌群のデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と非癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２２（図５６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と非癌群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２３（図５６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と非癌群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２４（図５６参照）が得られた。なお、指標式２２、指標式２３、指標式２４に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と健常群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２５（図５６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と健常群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２６（図５６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と健常群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２７（図５６参照）が得られた。なお、指標式２５、指標式２６、指標式２７に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と良性疾患群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２８（図５６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と良性疾患群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式２９（図５６参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群と良性疾患群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３０（図５６参照）が得られた。なお、指標式２８、指標式２９、指標式３０に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群の判別における指標式２２〜２５の診断性能を検証すべく、子宮頸癌群と非癌群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図５６に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図５６に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮頸癌群の判別における指標式２５〜２７の診断性能を検証すべく、子宮頸癌群と健常群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図５６に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図５６に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮頸癌群の判別における指標式２８〜３０の診断性能を検証すべく、子宮頸癌群と良性疾患群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図５６に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図５６に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

指標式２２〜３０のそれぞれについて、図５７〜図６８に順に示すように、同等の判別の性能を有する指標式が複数得られた。なお、図５７〜図６８に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１に用いたサンプルデータのうち、子宮体癌群及び非癌群のデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と非癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３１（図６９参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と非癌群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３２（図６９参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と非癌群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３３（図６９参照）が得られた。なお、指標式３１、指標式３２、指標式３３に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と健常群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３４（図６９参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と健常群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３５（図６９参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と健常群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３６（図６９参照）が得られた。なお、指標式３４、指標式３５、指標式３６に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と良性疾患群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３７（図６９参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と良性疾患群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３８（図６９参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮体癌群と良性疾患群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式３９（図６９参照）が得られた。なお、指標式３７、指標式３８、指標式３９に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮体癌群の判別における指標式３１〜３３の診断性能を検証すべく、子宮体癌群と非癌群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図６９に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図６９に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮体癌群の判別における指標式３４〜３６の診断性能を検証すべく、子宮体癌群と健常群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図６９に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図６９に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

子宮体癌群の判別における指標式３７〜３９の診断性能を検証すべく、子宮体癌群と良性疾患群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図６９に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図６９に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

指標式３１〜３９のそれぞれについて、図７０〜図８１に順に示すように、同等の判別の性能を有する指標式が複数得られた。なお、図７０〜図８１に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１に用いたサンプルデータのうち、卵巣癌群及び非癌群のデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と非癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４０（図８２参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と非癌群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４１（図８２参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と非癌群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４２（図８２参照）が得られた。なお、指標式４０、指標式４１、指標式４２に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と健常群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４３（図８２参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と健常群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４４（図８２参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と健常群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４５（図８２参照）が得られた。なお、指標式４３、指標式４４、指標式４５に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と良性疾患群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４６（図８２参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と良性疾患群との２群判別性能を最大化する指標を、線形判別分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４７（図８２参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、卵巣癌群と良性疾患群との２群判別性能を最大化する指標を、ロジスティック回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４８（図８２参照）が得られた。なお、指標式４６、指標式４７、指標式４８に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

卵巣癌群の判別における指標式４０〜４２の診断性能を検証すべく、卵巣癌群と非癌群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図８２に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図８２に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

卵巣癌群の判別における指標式４３〜４５の診断性能を検証すべく、卵巣癌群と健常群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図８２に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図８２に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

卵巣癌群の判別における指標式４６〜４８の診断性能を検証すべく、卵巣癌群と良性疾患群との２群判別についてＲＯＣ曲線による評価を行った。その結果、図８２に示すような診断性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。また、図８２に示すように、これらの指標式について、最適なカットオフ値や、用いたデータでの感度、特異度、陽性的中率、陰性的中率及び正答率を求めた。

指標式４０〜４８のそれぞれについて、図８３〜図９４に順に示すように、同等の判別の性能を有する指標式が複数得られた。なお、図８３〜図９４に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１に用いたサンプルデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群、良性疾患群、健常群の３群間のスピアマン順位相関係数を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式４９（図９５参照）が得られた。また、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群、良性疾患群、健常群の３群間のスピアマン相関係数を最大化する指標を、重回帰分析（ＡＩＣ最小基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に指標式５０（図９５参照）が得られた。なお、指標式４９、指標式５０に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頸癌群、子宮体癌群、卵巣癌群の判別における指標式４９及び５０の診断性能を検証すべく、癌患者群、良性疾患群、健常群の３群間のスピアマン順位相関係数、並びに癌患者群と健常群、癌患者群と良性疾患群、及び良性疾患群と健常群の２群判別について、ＲＯＣ曲線による評価を行った。その結果、図９５に示すような判別性能が得られ、これらの指標式が診断性能の高い有用なものであることが判明した。

指標式４９及び５０のそれぞれについて、図９６〜図９９に順に示すように、同等の判別の性能を有する指標式が複数得られた。なお、図９６〜図９９に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１に用いたサンプルデータのうち、子宮頸癌群、子宮体癌群及び卵巣癌群のデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群、子宮体癌群、卵巣癌群の３群判別性能を最大化する指標を、ステップワイズ変数選択法によるマハラノビス距離による判別分析により探索した。その結果、変数群１としてＣｉｔ、Ｍｅｔ、Ｌｙｓ、Ａｓｎ、Ａｌａ、Ｔｈｒ、Ｇｌｎ、ａ−ＡＢＡが得られた。

変数群１による子宮頸癌群、子宮体癌群、卵巣癌群の診断性能を、判別結果の正答率で評価した。その結果、図１００に示すように、子宮頸癌の正答率が９０．０％、子宮体癌の正答率が９０．２％、卵巣癌の正答率が８１．０％、全体の正答率が事前確率を各群それぞれ３３．３％で等しいとした場合８７．１％、と高い判別性能を示した。

図１０１〜図１０３に示すように、変数群１と同等の判別性能を有するアミノ酸変数群の組み合わせが複数得られた。

実施例１に用いたサンプルデータのうち、子宮頸癌群、子宮体癌群及び卵巣癌群のデータを用いた。子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、子宮頸癌群、子宮体癌群、卵巣癌群の３群判別性能を最大化する指標を、ステップワイズ変数選択法による線形判別分析により探索した。その結果、指標式群１として、アミノ酸変数Ａｓｎ、Ｐｒｏ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｉｌｅ、Ｔｙｒ、Ｐｈｅ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ及び定数項からなる判別式群（図１０４参照）が得られた。なお、指標式群１における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

指標式群１による子宮頸癌群、子宮体癌群、卵巣癌群の診断性能を、判別結果の正答率で評価した。その結果、図１０５に示すように、子宮頸癌の正答率が５５．０％、子宮体癌の正答率が５８．５％、卵巣癌の正答率が８１．０％、全体の正答率が事前確率を各群それぞれ３３．３％で等しいとした場合６３．４％、と高い判別性能を示した。

図１０６、図１０７に示すように、指標式群１と同等の判別の性能を有するアミノ酸変数群の組み合わせが複数得られた。

実施例１に用いたサンプルデータを用いた。上述した実施例２に対する比較例として、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して、癌患者群と非癌群、健常群と良性疾患群、癌患者群と健常群、良性疾患群と癌患者群、及び女性生殖器癌罹患リスク群と健常群の２群判別性能を、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の指標式１，１０，１１，１３を用いて検証した。その結果、図１０８に示すように、それぞれの２群判別に対しいずれの式を用いても、上述した実施例２で得られたＲＯＣ＿ＡＵＣを上回るＲＯＣ＿ＡＵＣの値は得られなかった。これにより、本発明における多変量判別式が、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の指標式群よりも、子宮頸癌群、子宮体癌群、卵巣癌群の判別に関して高い判別性能を有することが確認された。

子宮頸癌、子宮体癌、卵巣癌の確定診断が行われた子宮頸癌、子宮体癌、卵巣癌患者群の血液サンプル、および非子宮頸癌、非子宮体癌、非卵巣癌群の血液サンプルから、前述のアミノ酸分析により血中アミノ酸濃度を測定した。アミノ酸濃度の単位はｎｍｏｌ／ｍｌである。ここで、本実施例１１および以後の実施例において、子宮頸癌、子宮体癌、卵巣癌の患者群を総称して癌患者群と表記し、非子宮頸癌、非子宮体癌、非卵巣癌の群を非癌群と表記する場合がある。また、子宮頸癌、子宮体癌の患者群を総称して子宮癌患者群と表記する場合がある。また、非癌群のうち、子宮筋腫などの良性疾患に罹患している群を良性疾患群、それ以外の群を健常群と表記する場合がある。また、良性疾患群と癌患者群の集団を女性生殖器癌罹患リスク群と表記する場合がある。

癌患者群および非癌群のアミノ酸変数の分布に関する箱ひげ図を図１０９に示す。なお、図１０９において、横軸は非癌群（Ｃｏｎｔｒｏｌ）と癌患者群（Ｃａｎｃｅｒ）とを表し、図中のＡＢＡおよびＣｙｓはそれぞれα−ＡＢＡ（α−アミノ酪酸）およびＣｙｓｔｉｎｅを表す。

癌患者群と非癌群の判別を目的に２群間のｔ検定を実施した。その結果、非癌群に比べて癌患者群では、Ｐｒｏ、Ｉｌｅ、Ｏｒｎが有意に増加し（有意差確率ｐ＜０．０５）、またＰｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ｔｈｒ、Ｇｌｎ、Ａｌａ、Ｔｙｒ、Ａｒｇが有意に減少した（有意差確率ｐ＜０．０５）。これにより、アミノ酸変数Ｐｒｏ、Ｉｌｅ、Ｏｒｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ｔｈｒ、Ｇｌｎ、Ａｌａ、Ｔｙｒ、Ａｒｇが、癌患者群と非癌群の２群間の判別能を持つことが判明した。

更に、癌患者群と非癌群との２群判別における各アミノ酸変数の判別性能をＲＯＣ曲線のＡＵＣで評価した。その結果、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、ＭｅｔについてＡＵＣが０．６５より大きい値を示した。これにより、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔが、癌患者群と非癌群の２群間の判別能を持つことが判明した。

子宮癌患者群および非子宮癌群のアミノ酸変数の分布に関する箱ひげ図を図１１０に示す。なお、図１１０において、横軸は非子宮癌群（Ｃｏｎｔｒｏｌ）と子宮癌患者群（Ｃａｎｃｅｒ）とを表し、図中のＡＢＡおよびＣｙｓはそれぞれα−ＡＢＡ（α−アミノ酪酸）およびＣｙｓｔｉｎｅを表す。

子宮癌患者群と非子宮癌群の判別を目的に２群間のｔ検定を実施した。その結果、非子宮癌群に比べて子宮癌患者群では、Ｐｒｏ、Ｉｌｅ、Ｏｒｎが有意に増加し（有意差確率ｐ＜０．０５）、またＰｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ａｒｇが有意に減少した（有意差確率ｐ＜０．０５）。これにより、アミノ酸変数Ｐｒｏ、Ｉｌｅ、Ｏｒｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ａｒｇが、子宮癌患者群と非子宮癌群の２群間の判別能を持つことが判明した。

更に、子宮癌患者群と非子宮癌群との２群判別における各アミノ酸変数の判別性能をＲＯＣ曲線のＡＵＣで評価した。その結果、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、ＭｅｔについてＡＵＣが０．６５より大きい値を示した。これにより、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔが、子宮癌患者群と非子宮癌群の２群間の判別能を持つことが判明した。

子宮体癌患者群および非子宮体癌群のアミノ酸変数の分布に関する箱ひげ図を図１１１に示す。なお、図１１１において、横軸は非子宮体癌群（Ｃｏｎｔｒｏｌ）と子宮体癌患者群（Ｃａｎｃｅｒ）とを表し、図中のＡＢＡおよびＣｙｓはそれぞれα−ＡＢＡ（α−アミノ酪酸）およびＣｙｓｔｉｎｅを表す。

子宮体癌患者群と非子宮体癌群の判別を目的に２群間のｔ検定を実施した。その結果、非子宮体癌群に比べて子宮体癌患者群では、Ｐｒｏ、Ｉｌｅが有意に増加し（有意差確率ｐ＜０．０５）、またＰｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ａｒｇが有意に減少した（有意差確率ｐ＜０．０５）。これにより、アミノ酸変数Ｐｒｏ、Ｉｌｅ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ａｒｇが、子宮体癌患者群と非子宮体癌群の２群間の判別能を持つことが判明した。

更に、子宮体癌患者群と非子宮体癌群との２群判別における各アミノ酸変数の判別性能をＲＯＣ曲線のＡＵＣで評価した。その結果、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、ＶａｌについてＡＵＣが０．６５より大きい値を示した。これにより、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌが、子宮体癌患者群と非子宮体癌群の２群間の判別能を持つことが判明した。

子宮頸癌患者群および非子宮頸癌群のアミノ酸変数の分布に関する箱ひげ図を図１１２に示す。なお、図１１２において、横軸は非子宮頸癌群（Ｃｏｎｔｒｏｌ）と子宮頸癌患者群（Ｃａｎｃｅｒ）とを表し、図中のＡＢＡおよびＣｙｓはそれぞれα−ＡＢＡ（α−アミノ酪酸）およびＣｙｓｔｉｎｅを表す。

子宮頸癌患者群と非子宮頸癌群の判別を目的に２群間のｔ検定を実施した。その結果、非子宮頸癌群に比べて子宮頸癌患者群では、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ａｒｇが有意に減少した（有意差確率ｐ＜０．０５）。これにより、アミノ酸変数Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ａｒｇが、子宮頸癌患者群と非子宮頸癌群の２群間の判別能を持つことが判明した。

更に、子宮頸癌患者群と非子宮頸癌群との２群判別における各アミノ酸変数の判別性能をＲＯＣ曲線のＡＵＣで評価した。その結果、アミノ酸変数Ｐｈｅ、Ｈｉｓ、Ｖａｌ、Ｌｅｕ、ＭｅｔについてＡＵＣが０．６５より大きい値を示した。これにより、アミノ酸変数Ｐｈｅ、Ｈｉｓ、Ｖａｌ、Ｌｅｕ、Ｍｅｔが、子宮頸癌患者群と非子宮頸癌群の２群間の判別能を持つことが判明した。

卵巣癌患者群および非卵巣癌群のアミノ酸変数の分布に関する箱ひげ図を図１１３に示す。なお、図１１３において、横軸は非卵巣癌群（Ｃｏｎｔｒｏｌ）と卵巣癌患者群（Ｃａｎｃｅｒ）とを表し、図中のＡＢＡおよびＣｙｓはそれぞれα−ＡＢＡ（α−アミノ酪酸）およびＣｙｓｔｉｎｅを表す。

卵巣癌患者群と非卵巣癌群の判別を目的に２群間のｔ検定を実施した。その結果、非卵巣癌群に比べて卵巣癌患者群では、Ｃｉｔが有意に増加し（有意差確率ｐ＜０．０５）、またＰｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ｔｈｒ、Ｇｌｎ、Ａｌａ、Ｔｙｒ、Ｌｙｓ、Ａｒｇが有意に減少した（有意差確率ｐ＜０．０５）。これにより、アミノ酸変数Ｃｉｔ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ｔｈｒ、Ｇｌｎ、Ａｌａ、Ｔｙｒ、Ｌｙｓ、Ａｒｇが、卵巣癌患者群と非卵巣癌群の２群間の判別能を持つことが判明した。

更に、卵巣癌患者群と非卵巣癌群との２群判別における各アミノ酸変数の判別性能をＲＯＣ曲線のＡＵＣで評価した。その結果、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｔｈｒ、Ａｌａ、Ｔｙｒ、Ｌｙｓ、ＡｒｇについてＡＵＣが０．６５より大きい値を示した。これにより、アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｔｈｒ、Ａｌａ、Ｔｙｒ、Ｌｙｓ、Ａｒｇが、卵巣癌患者群と非卵巣癌群の２群間の判別能を持つことが判明した。

女性生殖器癌罹患リスク群および健常群のアミノ酸変数の分布に関する箱ひげ図を図１１４に示す。なお、図１１４において、横軸は健常群（Ｃｏｎｔｒｏｌ）と女性生殖器癌罹患リスク群（Ｒｉｓｋ）とを表し、図中のＡＢＡおよびＣｙｓはそれぞれα−ＡＢＡ（α−アミノ酪酸）およびＣｙｓｔｉｎｅを表す。

女性生殖器癌罹患リスク群と健常群の判別を目的に２群間のｔ検定を実施した。その結果、健常群に比べて女性生殖器癌罹患リスク群では、Ｐｒｏ、Ｉｌｅ、Ｏｒｎが有意に増加し（有意差確率ｐ＜０．０５）、またＰｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ｔｈｒ、Ｇｌｎ、Ａｌａ、Ｔｙｒ、Ａｒｇが有意に減少した（有意差確率ｐ＜０．０５）。これにより、アミノ酸変数Ｐｒｏ、Ｉｌｅ、Ｏｒｎ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ａｓｎ、Ｖａｌ、Ｌｅｕ、Ｍｅｔ、Ｓｅｒ、Ｔｈｒ、Ｇｌｎ、Ａｌａ、Ｔｙｒ、Ａｒｇが、女性生殖器癌罹患リスク群と健常群の２群間の判別能を持つことが判明した。

更に、女性生殖器癌罹患リスク群と健常群との２群判別における各アミノ酸変数の判別性能をＲＯＣ曲線のＡＵＣで評価した。その結果、アミノ酸変数Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、ＭｅｔについてＡＵＣが０．６５より大きい値を示した。これにより、アミノ酸変数Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｍｅｔが、女性生殖器癌罹患リスク群と健常群の２群間の判別能を持つことが判明した。

実施例１１で用いたサンプルデータを用いた。癌患者群と非癌群との２群判別性能を最大化する指標をロジスティック解析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５１として、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒから構成されるロジスティック回帰式（アミノ酸変数Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒの数係数と定数項は順に、−０．１００００、−０．０４３７８、−０．１７８７９、０．０３９１１、０．０７８５２、０．０３５６６、５．８６０３６）が得られた。

癌患者群と非癌群との２群判別における指標式５１の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１１５参照）。その結果、０．８９８±０．０１７（９５％信頼区間は０．８６５〜０．９３２）が得られた。これにより、指標式５１が診断性能の高い有用な指標であることが判明した。また、指標式５１による癌患者群と非癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−１．０２１となり、感度８５．８３％、特異度８２．７４％が得られた。これにより、指標式５１が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５１と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図１１６、図１１７、図１１８および図１１９に示す。なお、図１１６、図１１７、図１１８および図１１９に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。癌患者群と非癌群との２群判別性能を最大化する指標を線形判別分析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５２として、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒから構成される線形判別式（アミノ酸変数Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒの数係数と定数項は順に、−０．０９７９３、−０．０４２７０、−０．１７５９５、０．０５４７７、０．０７５１２、０．０３３３１、６．２７２１１）が得られた。

癌患者群と非癌群との２群判別における指標式５２の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１２０参照）。その結果、０．８９９±０．０１７（９５％信頼区間は０．８６６〜０．９３２）が得られた。これにより、指標式５２が診断性能の高い有用な指標であることが判明した。また、指標式５２による癌患者群と非癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−０．０８６９７となり、感度８５．０４％、特異度９３。７１％が得られた。これにより、指標式５２が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５２と同等の判別性能を有する線形判別式は複数得られた。それらを図１２１、図１２２、図１２３および図１２４に示す。なお、図１２１、図１２２、図１２３および図１２４に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。癌患者群と非癌群との２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ａｓｎ、Ｐｒｏ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、ＯｒｎがＲＯＣ曲線下面積０．７，０．７５，０．８、０．８５をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認された（図１２５参照）。これにより、これらのアミノ酸を変数として用いた多変量判別式が癌患者群と非癌群との２群間の判別能を持つことが判明した。

実施例１１で用いたサンプルデータを用いた。子宮癌患者群と非子宮癌群の２群判別性能を最大化する指標をロジスティック解析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５３として、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒから構成されるロジスティック回帰式（アミノ酸変数Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒの数係数と定数項は順に、−０．０９２９８、−０．０４４３４、−０．１７１３９、０．５７３２、０．０７２６７、０．０３７９０、４．６７２３０）が得られた。

子宮癌患者群と非子宮癌群との２群判別における指標式５３の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１２６参照）。その結果、０．８９３±０．０１９（９５％信頼区間は０．８５６〜０．９３０）が得られた。これにより、指標式５３が診断性能の高い有用な指標であることが判明した。また、指標式５３による子宮癌患者群と非子宮癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−０．１６０８となり、感度８７．１０％、特異度８２．７４％が得られた。これにより、指標式５３が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５３と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図１２７、図１２８、図１２９および図１３０に示す。なお、図１２７、図１２８、図１２９および図１３０に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。子宮癌患者群と非子宮癌群との２群判別性能を最大化する指標を線形判別分析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５４として、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒから構成される線形判別式（アミノ酸変数Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｃｉｔ、Ｉｌｅ、Ｔｙｒの数係数と定数項は順に、−０．０９００１、−０．０４３３６、−０．１７３９４、０．０７５３７、０．０６８２５、０．０３６７３、５．３５８２７）が得られた。

子宮癌患者群と非子宮癌群との２群判別における指標式５４の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１３１参照）。その結果、０．８９８±０．０１７（９５％信頼区間は０．８６５〜０．９３２）が得られた。これにより、指標式５４が診断性能の高い有用な指標であることが判明した。また、指標式５４による子宮癌患者群と非子宮癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−１．０２１となり、感度８５．８３％、特異度８３．０６％が得られた。これにより、指標式５４が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５４と同等の判別性能を有する線形判別式は複数得られた。それらを図１３２、図１３３、図１３４および図１３５に示す。なお、図１３２、図１３３、図１３４および図１３５に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。子宮癌患者群と非子宮癌群との２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ｐｒｏ、Ｍｅｔ、Ｉｌｅ、Ｈｉｓ、ＯｒｎがＲＯＣ曲線下面積０．７，０．７５，０．８、０．８５をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認された（図１３６参照）。これにより、これらのアミノ酸を変数として用いた多変量判別式が子宮癌群と非子宮癌群との２群間の判別能を持つことが判明した。

実施例１１で用いたサンプルデータを用いた。子宮体癌患者群と非子宮体癌群との２群判別性能を最大化する指標をロジスティック解析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５５として、Ｈｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅから構成されるロジスティック回帰式（アミノ酸変数Ｈｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅの数係数と定数項は順に、−０．１０１４９、−０．０７９６８、−０．０１３３６、０．０１０１８、０．０７１２９、０．０４０４６、４．９２３９７）が得られた。

子宮体癌患者群と非子宮体癌群との２群判別における指標式５５の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１３７参照）。その結果、０．８９８８±０．０２０（９５％信頼区間は０．８５９〜０．９３８）が得られた。これにより、指標式５５が診断性能の高い有用な指標であることが判明した。また、指標式５５による子宮体癌患者群と非子宮体癌群との２群判別おけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−１．４９０となり、感度８８．５２％、特異度８３．０６が得られた。これにより、指標式５５が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５５と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図１３８、図１３９、図１４０および図１４１に示す。なお、図１３８、図１３９、図１４０および図１４１に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。子宮体癌患者群と非子宮体癌群との２群判別性能を最大化する指標を線形判別分析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５６として、Ｈｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅから構成される線形判別式（アミノ酸変数Ｈｉｓ、Ａｓｎ、Ｖａｌ、Ｐｒｏ、Ｃｉｔ、Ｉｌｅの数係数と定数項は順に、−０．１０１５９、−０．０８５３２、−０．０１１９０、０．０１４８９、０．０９５９１、０．０３０３２、５．６１３２３）が得られた。

子宮体癌患者群と非子宮体癌群との２群判別における指標式５６の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１４２参照）。その結果、０．８８６±０．０２４（９５％信頼区間は０．８４０〜０．９３３）が得られた。これにより、指標式５６が診断性能の高い有用な指標であることが判明した。また、指標式５６による子宮体癌患者群と非子宮体癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−１．３５６となり、感度８８．５２％、特異度７７．８５％が得られた。これにより、指標式５６が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５６と同等の判別性能を有する線形判別式は複数得られた。それらを図１４３、図１４４、図１４５および図１４６に示す。なお、図１４３、図１４４、図１４５および図１４６に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。子宮体癌患者群と非子宮体癌群との２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ａｓｎ、Ｐｒｏ、Ｃｉｔ、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、ＴｒｐがＲＯＣ曲線下面積０．７，０．７５，０．８、０．８５をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認された（図１４７参照）。これにより、これらのアミノ酸を変数として用いた多変量判別式が子宮体癌群と非子宮体癌群との２群間の判別能を持つことが判明した。

実施例１１で用いたサンプルデータを用いた。子宮頚癌患者群と非子宮頸癌群との２群判別性能を最大化する指標をロジスティック解析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５７として、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓから構成されるロジスティック回帰式（アミノ酸変数Ｏｒｎ，Ｇｌｎ，Ｔｒｐ，Ｃｉｔの数係数と定数項は順に、−０．０８５１２、−０．０７０７６、−０．２３７７６、０．０７１０９、０．０４４４８、０．０１６２１、５．３７１６５）が得られた。

子宮頚癌患者群と非子宮頸癌群との２群判別における指標式５７の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１４８参照）。その結果、０．９１９±０．０２０（９５％信頼区間は０．８７９〜０．９５９）が得られた。これにより、指標式５７が診断性能の高い有用な指標であることが判明した。また、指標式５７による子宮頚癌患者群と非子宮頸癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−２．４９８となり、感度８１．１１％、特異度８５．８７％が得られた。これにより、指標式５７が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５７と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図１４９、図１５０、図１５１および図１５２に示す。なお、図１４９、図１５０、図１５１および図１５２に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。子宮頚癌患者群と非子宮頚癌群との２群判別性能を最大化する指標を線形判別分析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５８として、Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓから構成される線形判別式（アミノ酸変数Ｈｉｓ、Ｌｅｕ、Ｍｅｔ、Ｉｌｅ、Ｔｙｒ、Ｌｙｓの数係数と定数項は順に、−０．０９５９８、−０．０８８９１、−０．２５４８７、０．０９９１９、０．０４４４０、０．０２２２３、７．６８５７６）が得られた。

子宮頚癌患者群と非子宮頚癌群との２群判別における指標式５８の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１５３参照）。その結果、０．９２１±０．０１９（９５％信頼区間は０．８８３〜０．９５９）が得られた。これにより、指標式５８が診断性能の高い有用な指標であることが判明した。また、指標式５８による子宮頚癌患者群と非子宮頚癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−０．２１８９となり、感度９０．６３％、特異度８３．３９％が得られた。これにより、指標式５８が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５８と同等の判別性能を有する線形判別式は複数得られた。それらを図１５４、図１５５、図１５６および図１５７に示す。なお、図１５４、図１５５、図１５６および図１５７に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。子宮頚癌患者群と非子宮頚癌群との２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、ＯｒｎがＲＯＣ曲線下面積０．７，０．７５，０．８、０．８５をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認された（図１５８参照）。これにより、これらのアミノ酸を変数として用いた多変量判別式が子宮頚癌群と非子宮頚癌群との２群間の判別能を持つことが判明した。

実施例１１で用いたサンプルデータを用いた。卵巣癌患者群と非卵巣癌群との２群判別性能を最大化する指標をロジスティック解析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式５９として、Ｈｉｓ、Ｔｒｐ、Ｇｌｕ，ＣＩｔ、Ｉｌｅ、Ｏｒｎから構成されるロジスティック回帰式（アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ｇｌｕ，ＣＩｔ、Ｉｌｅ、Ｏｒｎの数係数と定数項は順に、−０．１３７６７−０．１１４５７−０．０４０３１−０．１５４４９、０．０８７６５、０．０４６３１、１０．７０４６４）が得られた。

卵巣癌患者群と非卵巣癌群との２群判別における指標式５９の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１５９参照）。その結果、０．９５０±０．０１６（９５％信頼区間は０．９１７〜０．９８２）が得られた。これにより、指標式５９が診断性能の高い有用な指標であることが判明した。また、指標式５９による卵巣癌患者群と非卵巣癌群の２群判別おけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−１．９０９となり、感度８８．２４、特異度８９．５８％が得られた。これにより、指標式５９が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式５９と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図１６０、図１６１、図１６２および図１６３に示す。なお、図１６０、図１６１、図１６２および図１６３に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。卵巣癌患者群と非卵巣癌群との２群判別性能を最大化する指標を線形判別分析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式６０として、Ｈｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎから構成される線形判別式（アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ｇｌｕ、Ｃｉｔ、Ｉｌｅ、Ｏｒｎの数係数と定数項は順に、−０．１３９８３、−０．１１３４１、−０．０４５７２−０．１０３６８、０．１２１６０、０．０５４５９、９．２７９８１）が得られた。

卵巣癌患者群と非卵巣癌群との２群判別における指標式６０の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１６４参照）。その結果、０．９５１±０．０１４（９５％信頼区間は０．９２４〜０．９７９）が得られた。これにより、指標式６０が診断性能の高い有用な指標であることが判明した。また、指標式６０による卵巣癌患者群と非卵巣癌群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が０．０９５１２となり、感度８８．２４％、特異度８９．５８％が得られた。これにより、指標式６０が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式６０と同等の判別性能を有する線形判別式は複数得られた。それらを図１６５、図１６６、図１６７および図１６８に示す。なお、図１６５、図１６６、図１６７および図１６８に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。卵巣癌患者群と非卵巣癌群との２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ａｓｎ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、ＯｒｎがＲＯＣ曲線下面積０．７５，０．８、０．８５、０．９をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認された（図１６９参照）。これにより、これらのアミノ酸を変数として用いた多変量判別式が卵巣癌群と非卵巣癌群との２群間の判別能を持つことが判明した。

実施例１１で用いたサンプルデータを用いた。女性生殖器癌罹患リスク群と健常群との２群判別性能を最大化する指標をロジスティック解析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式６１として、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇから構成されるロジスティック回帰式（アミノ酸変数Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇの数係数と定数項は順に、−０．０６０９５、−０．１１８２７、−０．１４７７６、０．０１４５９、０．０３２９９、−０．０３８７５、１０．４０２５０）が得られた。

女性生殖器癌罹患リスク群と健常群との２群判別における指標式６１の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１７０参照）。その結果、０．９０３±０．０１４（９５％信頼区間は０．８７６〜０．９３０）が得られた。これにより、指標式６１が診断性能の高い有用な指標であることが判明した。また、指標式６１による女性生殖器癌罹患リスク群と健常群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−０．５３１３となり、感度８９．１４％、特異度７６．５３％が得られた。これにより、指標式６１が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式６１と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図１７１、図１７２、図１７３および図１７４に示す。なお、図１７１、図１７２、図１７３および図１７４に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。女性生殖器癌罹患リスク群と健常群との２群判別性能を最大化する指標を線形判別分析（ＲＯＣ曲線下面積最大化基準による変数網羅法）により探索した。その結果、指標式６２として、Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇから構成される線形判別式（アミノ酸変数Ｐｈｅ、Ｈｉｓ、Ｍｅｔ、Ｐｒｏ、Ｌｙｓ、Ａｒｇの数係数と定数項は順に、−０．０５２１３、−０．１０９３３、−０．１４６８６、０．０１４８０、０．０３２０７、−０．０３３１８、８．８４４５０）が得られた。

女性生殖器癌罹患リスク群と健常群との２群判別における指標式６２の判別性能をＲＯＣ曲線のＡＵＣで評価した（図１７５参照）。その結果、０．９０３±０．０１４（９５％信頼区間は０．８７６〜０．９３０）が得られた。これにより、指標式６２が診断性能の高い有用な指標であることが判明した。また、指標式６２による女性生殖器癌罹患リスク群と健常群との２群判別におけるカットオフ値について、感度と特異度の平均値について最適なカットオフ値を求めると、カットオフ値が−０．４７７８となり、感度８８．６９％、特異度７７．９３％が得られた。これにより、指標式６２が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式６２と同等の判別性能を有する線形判別式は複数得られた。それらを図１７６、図１７７、図１７８および図１７９に示す。なお、図１７６、図１７７、図１７８および図１７９に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１で用いたサンプルデータを用いた。女性生殖器癌罹患リスク群と健常群との２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ｐｒｏ、Ｍｅｔ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、ＡｒｇがＲＯＣ曲線下面積０．７，０．７５，０．８、０．８５をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認された（図１８０参照）。これにより、これらのアミノ酸を変数として用いた多変量判別式が女性生殖器癌罹患リスク群と健常群の２群間の判別能を持つことが判明した。

実施例１１に用いたサンプルデータを用いた。癌患者群、良性疾患群、健常群の３群判別性能を最大化する指標を線形判別分析（スピアマン順位相関係数最大化基準による変数網羅法）により探索した。その結果、同等の性能を持つ複数の指標式の中に、指標式６３「Ｈｉｓ、Ｔｒｐ、Ｍｅｔ、Ｐｒｏ、Ｉｌｅ、Ｌｙｓから構成される線形判別式（アミノ酸変数Ｈｉｓ、Ｔｒｐ、Ｍｅｔ、Ｐｒｏ、Ｉｌｅ、Ｌｙｓの数係数と定数項は順に、−０．０２７４９、−０．０１４８３、−０．０４０９９、０．００２３２、０．０１３３８、０．００４１９）」が得られた。癌患者群、良性疾患群、健常群の３群判別における指標式６３の判別性能をスピアマン順位相関係数で評価した。その結果、０．７２８が得られた。これにより、指標式６３が診断性能の高い有用な指標であることが判明した。また、癌患者群と健常群、癌患者群と良性疾患群、及び良性疾患群と健常群のそれぞれの２群判別における指標式６３の判別性能をＲＯＣ曲線のＡＵＣで評価した。その結果、それぞれの２群判別に対して、０．９４３、０．７５７、０．８４１が得られた。これにより、指標式６３が診断性能の高い有用な指標であることが判明した。なお、このほかに指標式６３と同等の判別性能を有する線形判別式は複数得られた。それらを図１８１および図１８２に示す。なお、図１８１および図１８２に示す式における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

実施例１１に用いたサンプルデータのうち、子宮頚癌群、子宮体癌群及び卵巣癌群のデータを用いた。子宮頚癌群、子宮体癌群、卵巣癌群の３群判別性能を最大化するアミノ酸変数を、マハラノビス距離による判別分析により探索した。その結果、変数群１として、Ｈｉｓ、Ｌｅｕ、Ｓｅｒ、Ｔｈｒ、Ｇｌｕ、Ｇｌｎ、Ａｌａ、Ｌｙｓが得られた。

子宮頚癌群、子宮体癌群、卵巣癌群の３群判別における変数群１の判別性能を、判別結果の正答率で評価した。その結果、全体の正答率が８０．３％と高い判別性能を示した。なお、図１８３および図１８４に示すように、変数群１と同等の判別性能を有するアミノ酸変数群の組み合わせが複数得られた。

実施例１１に用いたサンプルデータのうち、子宮頚癌群、子宮体癌群及び卵巣癌群のデータを用いた。子宮頚癌群、子宮体癌群、卵巣癌群の３群判別性能を最大化する指標を線形判別分析により探索した。その結果、アミノ酸変数Ｐｈｅ、Ｔｒｐ、Ｐｒｏ、Ｇｌｕ、Ｃｉｔ、Ｔｙｒ、Ｌｙｓ及び定数項からなる線形判別式群１が得られた。なお、線形判別式群１における各係数の値は、それを実数倍したものでもよく、定数項の値は、それに任意の実定数を加減乗除したものでもよい。

子宮頚癌群、子宮体癌群、卵巣癌群の３群判別における線形判別式群１の判別性能を、判別結果の正答率で評価した。その結果、全体の正答率が６２．２％と高い判別性能を示した。なお、図１８５、図１８６に示すように、線形判別式群１と同等の判別性能を有する線形判別式群を構成するアミノ酸変数群の組み合わせが複数得られた。

以上のように、本発明にかかる女性生殖器癌の評価方法は、産業上の多くの分野、特に医薬品や食品、医療などの分野で広く実施することができ、特に、女性生殖器癌の病態予測や疾病リスク予測などを行う分野において極めて有用である。

１００ 女性生殖器癌評価装置
１０２ 制御部
１０２ａ 要求解釈部
１０２ｂ 閲覧処理部
１０２ｃ 認証処理部
１０２ｄ 電子メール生成部
１０２ｅ Ｗｅｂページ生成部
１０２ｆ 受信部
１０２ｇ 女性生殖器癌状態情報指定部
１０２ｈ 多変量判別式作成部
１０２ｈ１ 候補多変量判別式作成部
１０２ｈ２ 候補多変量判別式検証部
１０２ｈ３ 変数選択部
１０２ｉ 判別値算出部
１０２ｊ 判別値基準評価部
１０２ｊ１ 判別値基準判別部
１０２ｋ 結果出力部
１０２ｍ 送信部
１０４ 通信インターフェース部
１０６ 記憶部
１０６ａ 利用者情報ファイル
１０６ｂ アミノ酸濃度データファイル
１０６ｃ 女性生殖器癌状態情報ファイル
１０６ｄ 指定女性生殖器癌状態情報ファイル
１０６ｅ 多変量判別式関連情報データベース
１０６ｅ１ 候補多変量判別式ファイル
１０６ｅ２ 検証結果ファイル
１０６ｅ３ 選択女性生殖器癌状態情報ファイル
１０６ｅ４ 多変量判別式ファイル
１０６ｆ 判別値ファイル
１０６ｇ 評価結果ファイル
１０８ 入出力インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ クライアント装置（情報通信端末装置）
３００ ネットワーク
４００ データベース装置

Claims (24)

1. 血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値、および、前記アミノ酸の濃度を変数として含む、女性生殖器癌の状態を評価するための多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
   を含み、
   前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
   前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと
   を特徴とする女性生殖器癌の評価方法。
2. 前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップをさらに含むこと
   を特徴とする請求項１に記載の女性生殖器癌の評価方法。
3. 前記判別値基準評価ステップは、
   前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記子宮頸癌、前記子宮体癌、前記卵巣癌のいずれかまたは非女性生殖器癌であるか否かを判別する判別値基準判別ステップ
   をさらに含むこと
   を特徴とする請求項２に記載の女性生殖器癌の評価方法。
4. 前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであること
   を特徴とする請求項３に記載の女性生殖器癌の評価方法。
5. 前記多変量判別式は、Ｉｌｅ、Ｈｉｓ、Ｃｉｔ、Ａｒｇ、Ｔｙｒ、Ｔｒｐを前記変数として含む前記分数式、Ａｌａ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数として含む前記線形判別式、または、Ｖａｌ、Ｉｌｅ、Ｈｉｓ、Ｔｒｐ、Ａｒｇを前記変数として含む前記ロジスティック回帰式であること
   を特徴とする請求項４に記載の女性生殖器癌の評価方法。
6. 血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値と、前記アミノ酸の濃度を変数として含む、女性生殖器癌の状態を評価するための多変量判別式とに基づいて算出された、当該多変量判別式の値である判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップ
   を含み、
   前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
   前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含み、
   を特徴とする女性生殖器癌の評価方法。
7. 制御手段と記憶手段とを備えた女性生殖器癌評価装置であって、
   前記制御手段は、
   血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した、女性生殖器癌の状態を評価するための多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段
   を備え、
   前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
   前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
   を特徴とする女性生殖器癌評価装置。
8. 前記制御手段は、
   前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価手段
   をさらに備えたこと、
   を特徴とする請求項７に記載の女性生殖器癌評価装置。
9. 制御手段を備えた女性生殖器癌評価装置であって、
   前記制御手段は、
   血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値と、前記アミノ酸の濃度を変数として含む女性生殖器癌の状態を評価するための多変量判別式とに基づいて算出された、当該多変量判別式の値である判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価手段
   を備え、
   前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
   前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
   を特徴とする女性生殖器癌評価装置。
10. 制御手段と記憶手段とを備えた情報処理装置で実行する女性生殖器癌評価方法であって、
    前記制御手段で、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した、女性生殖器癌の状態を評価するための多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
    を実行し、
    前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
    前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
    を特徴とする女性生殖器癌評価方法。
11. 前記制御手段で、
    前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップ
    をさらに実行すること、
    を特徴とする請求項１０に記載の女性生殖器癌評価方法。
12. 制御手段を備えた情報処理装置で実行する女性生殖器癌評価方法であって、
    前記制御手段で、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値と、前記アミノ酸の濃度を変数として含む女性生殖器癌の状態を評価するための多変量判別式とに基づいて算出された、当該多変量判別式の値である判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップ
    を実行し、
    前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
    前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
    を特徴とする女性生殖器癌評価方法。
13. 制御手段と記憶手段とを備えた情報処理装置に実行させる女性生殖器癌評価プログラムであって、
    前記制御手段に、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した、女性生殖器癌の状態を評価するための多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
    を実行させ、
    前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
    前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
    を特徴とする女性生殖器癌評価プログラム。
14. 前記制御手段に、
    前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップ
    をさらに実行させること、
    を特徴とする請求項１３に記載の女性生殖器癌評価プログラム。
15. 制御手段を備えた情報処理装置に実行させる女性生殖器癌評価プログラムであって、
    前記制御手段に、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値と、前記アミノ酸の濃度を変数として含む女性生殖器癌の状態を評価するための多変量判別式とに基づいて算出された、当該多変量判別式の値である判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価ステップ
    を実行させ、
    前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
    前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
    を特徴とする女性生殖器癌評価プログラム。
16. 前記請求項１３から１５のいずれか一つに記載の女性生殖器癌評価プログラムを記録したこと
    を特徴とするコンピュータ読み取り可能な記録媒体。
17. 制御手段と記憶手段とを備えた女性生殖器癌評価装置と、血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された女性生殖器癌評価システムであって、
    前記情報通信端末装置は、
    前記評価対象の前記アミノ酸濃度データを前記女性生殖器癌評価装置へ送信するアミノ酸濃度データ送信手段と、
    前記女性生殖器癌評価装置から送信された、多変量判別式の値である判別値を受信する結果受信手段と
    を備え、
    前記女性生殖器癌評価装置の前記制御手段は、
    前記情報通信端末装置から送信された前記評価対象の前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、
    前記アミノ酸濃度データ受信手段で受信した前記評価対象の前記アミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した、女性生殖器癌の状態を評価するための多変量判別式に基づいて、前記判別値を算出する判別値算出手段と、
    前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、
    を備え、
    前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
    前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
    を特徴とする女性生殖器癌評価システム。
18. 前記女性生殖器癌評価装置の前記制御手段は、
    前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価手段
    をさらに備え、
    前記結果送信手段は、前記判別値基準評価手段での前記評価対象の評価結果を前記情報通信端末装置へ送信し、
    前記結果受信手段は、前記女性生殖器癌評価装置から送信された前記評価対象の前記評価結果を受信すること、
    を特徴とする請求項１７に記載の女性生殖器癌評価システム。
19. 多変量判別式の値である判別値を取得する結果取得手段
    を備え、
    前記判別値は、血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値、および、前記アミノ酸の濃度を変数として含む、女性生殖器癌の状態を評価するための前記多変量判別式に基づいて算出したものであり、
    前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
    前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
    を特徴とする情報通信端末装置。
20. 前記結果取得手段は、前記女性生殖器癌の状態に関する前記評価対象の評価結果を取得し、
    前記評価結果は、前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価した結果であること、
    を特徴とする請求項１９に記載の情報通信端末装置。
21. 前記判別値を算出する女性生殖器癌評価装置とネットワークを介して通信可能に接続され、
    前記結果取得手段は、前記女性生殖器癌評価装置から送信された前記判別値を受信すること、
    を特徴とする請求項１９に記載の情報通信端末装置。
22. 前記女性生殖器癌評価装置は、前記評価対象につき、前記女性生殖器癌の状態を評価し、
    前記結果取得手段は、前記女性生殖器癌評価装置から送信された前記評価対象の評価結果を受信し、
    前記評価結果は、前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価した結果であること、
    を特徴とする請求項２１に記載の情報通信端末装置。
23. 血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とネットワークを介して通信可能に接続された、制御手段と記憶手段とを備えた女性生殖器癌評価装置であって、
    前記制御手段は、
    前記情報通信端末装置から送信された前記評価対象の前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、
    前記アミノ酸濃度データ受信手段で受信した前記評価対象の前記アミノ酸濃度データに含まれる少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した、女性生殖器癌の状態を評価するための多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、
    前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、
    を備え、
    前記女性生殖器癌は、子宮頸癌、子宮体癌、および卵巣癌を総称したものであり、
    前記多変量判別式は、少なくともＩｌｅ、Ｈｉｓ、およびＴｒｐを前記変数として含むこと、
    を特徴とする女性生殖器癌評価装置。
24. 前記制御手段は、
    前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記女性生殖器癌の状態を評価する判別値基準評価手段
    をさらに備え、
    前記結果送信手段は、前記判別値基準評価手段での前記評価対象の評価結果を前記情報通信端末装置へ送信すること、
    を特徴とする請求項２３に記載の女性生殖器癌評価装置。

Images