JP5817527B2 - 肥満の評価方法、肥満評価装置、肥満評価方法、肥満評価システム、肥満評価プログラム、記録媒体、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肥満の評価方法に関するものである。

２００６年に厚生労働省が実施した「平成１８年国民健康・栄養調査結果」によると、日本人の肥満者数は増加傾向にあり、特に男性においては、全ての年齢階級において肥満者の割合が２０年前（昭和６１年）および１０年前（平成８年）と比べて増加している。肥満を放置しておくと糖尿病や高脂血症、心筋梗塞、狭心症、脳梗塞、脳血栓、痛風、脂肪肝、睡眠時無呼吸症候群、変形性関節症、腰痛などの疾患リスクが高まるため、肥満者を早期にスクリーングし生活習慣の改善を促す必要がある。そのためには、肥満の状態を定量的且つ簡便且つ迅速にスクリーニングできる指標が必要である。

ここで、肥満の状態を評価する既存の指標としては、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）や体脂肪率、内臓脂肪面積がある。しかし、ＢＭＩは、標準体型の人には適用できるが、骨太な人や足長な人、骨細の人、筋肉の多い人等には適用できないという問題がある。また、体脂肪率は、測定誤差が大きいという問題がある。また、内蔵脂肪面積は、測定コストが高く、被爆の頻度が高くなるという問題がある。そのため、これらの代替となる指標が求められている。

ところで、血中アミノ酸の濃度が、肥満者で変化することについては知られている。例えば、Ｃｈｅｖａｌｉｅｒら（非特許文献１）やＳｈｅら（非特許文献２）によれば、血漿中の分岐鎖アミノ酸（バリン、ロイシン、イソロイシン）が、健常者に比べて肥満者で増加していることが報告されている。Ｂｒｅｕｍら（非特許文献３）やＪｅｅｖａｎａｎｄａｍら（非特許文献４）によれば、血漿中の分岐鎖アミノ酸と芳香族アミノ酸（チロシン、フェニルアラニン）の総和に対するトリプトファンの比率が、健常者に比べて肥満者で減少していることが報告されている。Ｃａｂａｌｌｅｒｏら（非特許文献５）によれば、血漿中の分岐鎖アミノ酸とグルタミン酸が、健常者に比べて肥満者で増加していること、グリシン、トリプトファン、スレオニン、ヒスチジン、タウリン、シトルリン、シスチンが、健常者に比べて肥満者で減少していることが報告されている。Ｄoｒｎｅｒら（非特許文献６）によれば、血漿中の分岐鎖アミノ酸と芳香族アミノ酸が、健常者に比べて肥満者で増加していることが報告されている。

また、先行特許として、アミノ酸濃度と生体状態とを関連付ける方法に関する特許文献１および特許文献２が公開されている。また、アミノ酸濃度を用いてメタボリックシンドロームの状態を評価する方法に関する特許文献３や、アミノ酸濃度を用いて内臓脂肪蓄積を評価する方法に関する特許文献４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２００８／０１５９２９号 国際公開第２００９／００１８６２号

Ｃｈｅｖａｌｉｅｒ，Ｓ．，Ｂｕｒｇｅｓｓ，ＳＣ．，ｅｔ．ａｌ．，"Ｔｈｅ ｇｒｅａｔｅｒ ｃｏｎｔｒｉｂｕｔｉｏｎ ｏｆ ｇｌｕｃｏｎｅｏｇｅｎｅｓｉｓ ｔｏ ｇｌｕｃｏｓｅ ｐｒｏｄｕｃｔｉｏｎ ｉｎ ｏｂｅｓｉｔｙ ｉｓ ｒｅｌａｔｅｄ ｔｏ ｉｎｃｒｅａｓｅｄ ｗｈｏｌｅ−ｂｏｄｙ ｐｒｏｔｅｉｎ ｃａｔａｂｏｌｉｓｍ．"，Ｄｉａｂｅｔｅｓ，２００６，５５，ｐ６７５−６８１ Ｓｈｅ，Ｐ．，Ｖａｎ，ＨＣ．，ｅｔ．ａｌ．，"Ｏｂｅｓｉｔｙ−ｒｅｌａｔｅｄ ｅｌｅｖａｔｉｏｎｓ ｉｎ ｐｌａｓｍａ ｌｅｕｃｉｎｅ ａｒｅ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ａｌｔｅｒａｔｉｏｎｓ ｉｎ ｅｎｚｙｍｅｓ ｉｎｖｏｌｖｅｄ ｉｎ ｂｒａｎｃｈｅｄ−ｃｈａｉｎ ａｍｉｎｏ ａｃｉｄ ｍｅｔａｂｏｌｉｓｍ．"，Ａｍｅｒｉｃａｎ ｊｏｕｒｎａｌ ｏｆ ｐｈｙｓｉｏｌｏｇｙ，Ｅｎｄｏｃｒｉｎｏｌｏｇｙ ａｎｄ ｍｅｔａｂｏｌｉｓｍ，２００７，２９３，６，ｐ１５５２−１５６３ Ｂｒｅｕｍ，Ｌ．，Ｒａｓｍｕｓｓｅｎ，ＭＨ．，ｅｔ．ａｌ．，"Ｔｗｅｎｔｙ−ｆｏｕｒ−ｈｏｕｒ ｐｌａｓｍａ ｔｒｙｐｔｏｐｈａｎ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ａｎｄ ｒａｔｉｏｓ ａｒｅ ｂｅｌｏｗ ｎｏｒｍａｌ ｉｎ ｏｂｅｓｅ ｓｕｂｊｅｃｔｓ ａｎｄ ａｒｅ ｎｏｔ ｎｏｒｍａｌｉｚｅｄ ｂｙ ｓｕｂｓｔａｎｔｉａｌ ｗｅｉｇｈｔ ｒｅｄｕｃｔｉｏｎ．"，Ｔｈｅ Ａｍｅｒｉｃａｎ ｊｏｕｒｎａｌ ｏｆ ｃｌｉｎｉｃａｌ ｎｕｔｒｉｔｉｏｎ，２００３，７７，５，ｐ１１２２−１１２８ Ｊｅｅｖａｎａｎｄａｍ，Ｍ．，Ｒａｍｉａｓ，Ｌ．，ｅｔ．ａｌ．，"Ａｌｔｅｒｅｄ ｐｌａｓｍａ ｆｒｅｅ ａｍｉｎｏ ａｃｉｄ ｌｅｖｅｌｓ ｉｎ ｏｂｅｓｅ ｔｒａｕｍａｔｉｚｅｄ ｍａｎ．"，Ｍｅｔａｂｏｌｉｓｍ：ｃｌｉｎｉｃａｌ ａｎｄ ｅｘｐｅｒｉｍｅｎｔａｌ，１９９１，４０，４，ｐ３８５−３９０ Ｃａｂａｌｌｅｒｏ，Ｂ．，Ｆｉｎｅｒ，Ｎ．，Ｗｕｒｔｍａｎ，ＲＪ．，ｅｔ．ａｌ．，"Ｐｌａｓｍａ ａｍｉｎｏ ａｃｉｄｓ ａｎｄ ｉｎｓｕｌｉｎ ｌｅｖｅｌｓ ｉｎ ｏｂｅｓｉｔｙ： ｒｅｓｐｏｎｓｅ ｔｏ ｃａｒｂｏｈｙｄｒａｔｅ ｉｎｔａｋｅ ａｎｄ ｔｒｙｐｔｏｐｈａｎ ｓｕｐｐｌｅｍｅｎｔｓ．"，Ｍｅｔａｂｏｌｉｓｍ：ｃｌｉｎｉｃａｌ ａｎｄ ｅｘｐｅｒｉｍｅｎｔａｌ，１９８８，３７，７，ｐ６７２−６７６ Ｄoｒｎｅｒ， Ｇ．， Ｂｅｗｅｒ， Ｇ．， ｅｔ． ａｌ．， Ｃｈａｎｇｅｓ ｏｆ ｔｈｅ ｐｌａｓｍａ ｔｒｙｐｔｏｐｈａｎ ｔｏ ｎｅｕｔｒａｌ ａｍｉｎｏ ａｃｉｄｓ ｒａｔｉｏ ｉｎ ｆｏｒｍｕｌａ−ｆｅｄ ｉｎｆａｎｔｓ： ｐｏｓｓｉｂｌｅ ｅｆｆｅｃｔｓ ｏｎ ｂｒａｉｎ ｄｅｖｅｌｏｐｍｅｎｔ．， Ｅｘｐｅｒｉｍｅｎｔａｌ ａｎｄ ｃｌｉｎｉｃａｌ ｅｎｄｏｃｒｉｎｏｌｏｇｙ， １９８３， ８２， ３， ｐ３６８−３７１

しかしながら、これまで、複数のアミノ酸を変数として、肥満の状態を評価する方法の開発は行われておらず、実用化されていないという問題点があった。また、特許文献１、特許文献２、特許文献３および特許文献４に開示されている指標式群で肥満の状態を評価しても、十分な精度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、血液中のアミノ酸の濃度のうちＢＭＩおよびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満や隠れ肥満、肥満の状態と関連するアミノ酸の濃度を利用して、見掛け肥満や隠れ肥満、肥満の状態を精度よく評価することができる肥満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、ＢＭＩおよびＶＦＡで定義される見掛け肥満や隠れ肥満、肥満の状態評価に対して、より特異的なアミノ酸変数を探索・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）がこれらの肥満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。

すなわち、上述した課題を解決し、目的を達成するために、本発明にかかる肥満の評価方法は、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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つ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、本発明にかかる肥満の評価方法は、前記に記載の肥満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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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ＢＭＩおよび前記ＶＦＡで定義される健常または前記見掛け肥満、前記健常または前記隠れ肥満、前記健常または前記肥満、前記見掛け肥満または前記隠れ肥満、前記見掛け肥満または前記肥満、前記隠れ肥満または前記肥満、または、前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満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、本発明にかかる肥満の評価方法は、前記に記載の肥満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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つ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、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、本発明にかかる肥満の評価方法は、前記に記載の肥満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ＢＭＩおよび前記ＶＦＡで定義される健常または前記見掛け肥満、前記健常または前記隠れ肥満、前記健常または前記肥満、前記見掛け肥満または前記隠れ肥満、前記見掛け肥満または前記肥満、前記隠れ肥満または前記肥満、または、前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満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、本発明にかかる肥満の評価方法は、前記に記載の肥満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、もしく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、本発明にかかる肥満の評価方法は、前記に記載の肥満の評価方法において、前記判別値基準判別ステップにて前記健常または前記見掛け肥満であるか否かを判別する場合、前記多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを前記変数とする前記ロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを前記変数とする前記線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、本発明にかかる肥満の評価方法は、前記に記載の肥満の評価方法において、前記判別値基準判別ステップにて前記健常または前記隠れ肥満であるか否かを判別する場合、前記多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを前記変数とする前記線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、本発明にかかる肥満の評価方法は、前記に記載の肥満の評価方法において、前記判別値基準判別ステップにて前記健常または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、本発明にかかる肥満の評価方法は、前記に記載の肥満の評価方法において、前記判別値基準判別ステップにて前記見掛け肥満または前記隠れ肥満であるか否かを判別する場合、前記多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを前記変数とする前記線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、本発明にかかる肥満の評価方法は、前記に記載の肥満の評価方法において、前記判別値基準判別ステップにて前記見掛け肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを前記変数とする前記線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、本発明にかかる肥満の評価方法は、前記に記載の肥満の評価方法において、前記判別値基準判別ステップにて前記隠れ肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、本発明にかかる肥満の評価方法は、前記に記載の肥満の評価方法において、前記判別値基準判別ステップにて前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

また、本発明にかかる肥満評価装置は、制御手段と記憶手段とを備え、評価対象につき、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する肥満評価装置であって、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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つ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、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、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ＢＭＩおよび前記ＶＦＡで定義される健常または前記見掛け肥満、前記健常または前記隠れ肥満、前記健常または前記肥満、前記見掛け肥満または前記隠れ肥満、前記見掛け肥満または前記肥満、前記隠れ肥満または前記肥満、または、前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満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、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、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、もしく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、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記判別値基準判別手段にて前記健常または前記見掛け肥満であるか否かを判別する場合、前記多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを前記変数とする前記ロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを前記変数とする前記線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記判別値基準判別手段にて前記健常または前記隠れ肥満であるか否かを判別する場合、前記多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを前記変数とする前記線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記判別値基準判別手段にて前記健常または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記判別値基準判別手段にて前記見掛け肥満または前記隠れ肥満であるか否かを判別する場合、前記多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを前記変数とする前記線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記判別値基準判別手段にて前記見掛け肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを前記変数とする前記線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記判別値基準判別手段にて前記隠れ肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記判別値基準判別手段にて前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

また、本発明にかかる肥満評価装置は、前記に記載の肥満評価装置において、前記制御手段は、前記アミノ酸濃度データと前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つの状態を表す指標に関する肥満状態指標データとを含む前記記憶手段で記憶した肥満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、前記肥満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肥満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、本発明にかかる肥満評価方法は、制御手段と記憶手段とを備えた情報処理装置において実行される、評価対象につき、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する肥満評価方法であって、前記制御手段において実行される、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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つの状態を評価する判別値基準評価ステップとを含み、前記多変量判別式は、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、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ＢＭＩおよび前記ＶＦＡで定義される健常または前記見掛け肥満、前記健常または前記隠れ肥満、前記健常または前記肥満、前記見掛け肥満または前記隠れ肥満、前記見掛け肥満または前記肥満、前記隠れ肥満または前記肥満、または、前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満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、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、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、もしく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、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記判別値基準判別ステップにて前記健常または前記見掛け肥満であるか否かを判別する場合、前記多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを前記変数とする前記ロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを前記変数とする前記線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記判別値基準判別ステップにて前記健常または前記隠れ肥満であるか否かを判別する場合、前記多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを前記変数とする前記線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記判別値基準判別ステップにて前記健常または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記判別値基準判別ステップにて前記見掛け肥満または前記隠れ肥満であるか否かを判別する場合、前記多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを前記変数とする前記線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記判別値基準判別ステップにて前記見掛け肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを前記変数とする前記線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記判別値基準判別ステップにて前記隠れ肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記判別値基準判別ステップにて前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であることを特徴とする。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

また、本発明にかかる肥満評価方法は、前記に記載の肥満評価方法において、前記制御手段において実行される、前記アミノ酸濃度データと前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つの状態を表す指標に関する肥満状態指標データとを含む前記記憶手段で記憶した肥満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含み、前記多変量判別式作成ステップは、前記肥満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肥満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、本発明にかかる肥満評価システムは、制御手段と記憶手段とを備え、評価対象につき、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する肥満評価装置と、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肥満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肥満評価装置へ送信するアミノ酸濃度データ送信手段と、前記肥満評価装置から送信された前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つの状態評価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、前記肥満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アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つ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、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、本発明にかかる肥満評価プログラムは、制御手段と記憶手段とを備えた情報処理装置において実行させるための、評価対象につき、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する肥満評価プログラムであって、前記制御手段において実行させるための、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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも１つの状態を評価する判別値基準評価ステップとを含み、前記多変量判別式は、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、前記に記載の肥満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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩおよびＶＦＡで定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する。これにより、血液中のアミノ酸の濃度のうちＢＭＩおよびＶＦＡで定義される見掛け肥満や隠れ肥満、肥満の状態と関連するアミノ酸の濃度を利用して、見掛け肥満や隠れ肥満、肥満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。

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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩおよびＶＦＡで定義される健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する。これにより、血液中のアミノ酸の濃度のうち、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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、評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する。これにより、見掛け肥満や隠れ肥満、肥満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、見掛け肥満や隠れ肥満、肥満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。

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、ＢＭＩおよびＶＦＡで定義される健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する。これにより、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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、もしく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。これにより、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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、健常または見掛け肥満であるか否かを判別する場合、多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを変数とするロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とする線形判別式である。これにより、健常と見掛け肥満の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、この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。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、本発明によれば、健常または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを変数とする線形判別式である。これにより、健常と隠れ肥満の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、この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。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、本発明によれば、健常または肥満であるか否かを判別する場合、多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式である。これにより、健常と肥満の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、この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。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、本発明によれば、見掛け肥満または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを変数とするロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式である。これにより、見掛け肥満または隠れ肥満の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、この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。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、本発明によれば、見掛け肥満または肥満であるか否かを判別する場合、多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とする線形判別式である。これにより、見掛け肥満または肥満の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、この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。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、本発明によれば、隠れ肥満または肥満であるか否かを判別する場合、多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを変数とする線形判別式である。これにより、隠れ肥満または肥満の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、この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。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、本発明によれば、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する場合、多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とするロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを変数とする線形判別式である。これにより、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の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、この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。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

また、本発明によれば、アミノ酸濃度データと見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を表す指標に関する肥満状態指標データとを含む記憶手段で記憶した肥満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）肥満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肥満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、見掛け肥満や隠れ肥満、肥満の状態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肥満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、コンピュータに肥満評価プログラムを実行させるので、上記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、見掛け肥満や隠れ肥満、肥満の状態評価を行う際、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。また、本発明は、見掛け肥満や隠れ肥満、肥満の状態評価を行う際、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、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、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実施形態にかかる肥満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、本システムの肥満評価装置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、肥満状態情報ファイル１０６ｃに格納される情報の一例を示す図である。 図１０は、指定肥満状態情報ファイル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、選択肥満状態情報ファイル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、本システムで行う肥満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、本システムの肥満評価装置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、健常群、見掛け肥満群、隠れ肥満群および肥満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、指標式１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図２５は、指標式１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図２６は、健常群と見掛け肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図２７は、指標式２と同等の判別性能を有する多変量判別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多変量判別式の一覧を示す図である。 図２９は、健常群と見掛け肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図３０は、指標式３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図３１は、指標式３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図３２は、健常群と見掛け肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図３３は、指標式４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図３４は、指標式４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図３５は、健常群と隠れ肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図３６は、指標式５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図３７は、指標式５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図３８は、健常群と隠れ肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図３９は、指標式６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図４０は、指標式６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図４１は、健常群と隠れ肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図４２は、指標式７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図４３は、指標式７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図４４は、健常群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図４５は、指標式８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図４６は、指標式８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図４７は、健常群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図４８は、指標式９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図４９は、指標式９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図５０は、健常群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図５１は、指標式１０と同等の判別性能を有する多変量判別式の一覧を示す図である。 図５２は、指標式１０と同等の判別性能を有する多変量判別式の一覧を示す図である。 図５３は、見掛け肥満群と隠れ肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図５４は、指標式１１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図５５は、指標式１１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図５６は、見掛け肥満群と隠れ肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図５７は、指標式１２と同等の判別性能を有する多変量判別式の一覧を示す図である。 図５８は、指標式１２と同等の判別性能を有する多変量判別式の一覧を示す図である。 図５９は、見掛け肥満群と隠れ肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図６０は、指標式１３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図６１は、指標式１３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図６２は、見掛け肥満群と隠れ肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図６３は、指標式１４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図６４は、指標式１４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図６５は、見掛け肥満群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図６６は、指標式１５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図６７は、指標式１５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図６８は、見掛け肥満群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図６９は、指標式１６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図７０は、指標式１６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図７１は、隠れ肥満群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図７２は、指標式１７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図７３は、指標式１７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図７４は、隠れ肥満群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図７５は、指標式１８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図７６は、指標式１８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図７７は、隠れ肥満群と肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図７８は、健常群と見掛け肥満群、健常群と隠れ肥満群、健常群と肥満群、見掛け肥満群と隠れ肥満群、見掛け肥満群と肥満群、隠れ肥満群と肥満群の２群判別性能の検証結果を示す図である。 図７９は、健常群と見掛け肥満群、健常群と隠れ肥満群、健常群と肥満群、見掛け肥満群と隠れ肥満群、見掛け肥満群と肥満群、隠れ肥満群と肥満群の２群判別性能の検証結果を示す図である。 図８０は、指標式１９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８１は、指標式１９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８２は、指標式２０と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８３は、指標式２０と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８４は、指標式２１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８５は、指標式２１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８６は、指標式２２と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８７は、指標式２２と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８８は、指標式２３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図８９は、指標式２３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９０は、指標式２４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９１は、指標式２４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９２は、指標式２５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９３は、指標式２５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９４は、指標式２６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９５は、指標式２６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９６は、指標式２７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９７は、指標式２７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９８は、指標式２８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図９９は、指標式２８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１００は、指標式２９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０１は、指標式２９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０２は、指標式３０と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０３は、指標式３０と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０４は、指標式３１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０５は、指標式３１と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０６は、指標式３２と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０７は、指標式３２と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０８は、指標式３３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１０９は、指標式３３と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１０は、指標式３４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１１は、指標式３４と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１２は、指標式３５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１３は、指標式３５と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１４は、指標式３６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１５は、指標式３６と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１６は、指標式３７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１７は、指標式３７と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１１８は、健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図１１９は、指標式３８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１２０は、指標式３８と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１２１は、健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。 図１２２は、指標式３９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１２３は、指標式３９と同等の判別性能を有する多変量判別式の一覧を示す図である。 図１２４は、健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別におけるＲＯＣ曲線下面積を示す図である。

以下に、本発明にかかる肥満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肥満評価装置、肥満評価方法、肥満評価システム、肥満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、本発明にかかる肥満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、評価対象（例えば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、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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する（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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩおよびＶＦＡで定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する。これにより、血液中のアミノ酸の濃度のうちＢＭＩおよびＶＦＡで定義される見掛け肥満や隠れ肥満、肥満の状態と関連するアミノ酸の濃度を利用して、見掛け肥満や隠れ肥満、肥満の状態を精度よく評価することができる。

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、見掛け肥満や隠れ肥満、肥満の状態評価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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩおよびＶＦＡで定義される健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」であるか否かを判別してもよい。具体的には、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、評価対象につき、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」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、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価してもよい。これにより、見掛け肥満や隠れ肥満、肥満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、見掛け肥満や隠れ肥満、肥満の状態を精度よく評価することができる。

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、ＢＭＩおよびＶＦＡで定義される健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」であるか否かを判別してもよい。これにより、これにより、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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群判別を精度よく行うことができる。

なお、多変量判別式は、多変量判別式は、１つの分数式または複数の分数式の和、もしく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、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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群判別をさらに精度よく行うことができる。

具体的には、健常または見掛け肥満であるか否かを判別する場合、多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを変数とするロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、健常と見掛け肥満の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、この２群判別をさらに精度よく行うことができる。ここで、本実施形態において、変数「ＢＣＡＡ」は「変数Ｖａｌ，ＬｅｕおよびＩｌｅの和」を表す。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、健常または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／ＢＣＡＡ）＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、健常または肥満であるか否かを判別する場合、多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（ＢＣＡＡ／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、見掛け肥満または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを変数とするロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，ＢＣＡＡを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式でもよい。これにより、見掛け肥満または隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／ＢＣＡＡ）＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、見掛け肥満または肥満であるか否かを判別する場合、多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、見掛け肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（ＢＣＡＡ／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、隠れ肥満または肥満であるか否かを判別する場合、多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを変数とする線形判別式でもよい。これにより、隠れ肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」であるか否かを判別する場合、多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

また、上記した各多変量判別式は、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、ＢＭＩおよびＶＦＡで定義される見掛け肥満や隠れ肥満、肥満の状態評価に好適に用いることができる。

また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は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。

また、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。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。

そして、本発明は、見掛け肥満や隠れ肥満、肥満の状態評価を行う際、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。また、本発明は、見掛け肥満や隠れ肥満、肥満の状態評価を行う際、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、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。

［１−２．第１実施形態にかかる肥満の評価方法］
ここでは、第１実施形態にかかる肥満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実施形態にかかる肥満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に含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する（ステップＳＡ−１３）。

［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実施形態にかかる肥満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に含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する。これにより、血液中のアミノ酸の濃度のうち、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群判別に有用なアミノ酸の濃度を利用して、これらの２群判別を精度よく行うことができる。

ここで、ステップＳＡ−１３において、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に含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別してもよい。これにより、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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群判別を精度よく行うことができる。

なお、ステップＳＡ−１３において、多変量判別式は、１つの分数式または複数の分数式の和、もしく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、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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群判別をさらに精度よく行うことができる。

具体的には、健常または見掛け肥満であるか否かを判別する場合、多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを変数とするロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、これにより、健常と見掛け肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、健常または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／ＢＣＡＡ）＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、健常または肥満であるか否かを判別する場合、多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（ＢＣＡＡ／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、見掛け肥満または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを変数とするロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，ＢＣＡＡを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式でもよい。これにより、見掛け肥満または隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／ＢＣＡＡ）＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、見掛け肥満または肥満であるか否かを判別する場合、多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、見掛け肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（ＢＣＡＡ／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、隠れ肥満または肥満であるか否かを判別する場合、多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを変数とする線形判別式でもよい。これにより、隠れ肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する場合、多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

また、上記した各多変量判別式は、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、見掛け肥満や隠れ肥満、肥満の状態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、本発明にかかる肥満評価装置、肥満評価方法、肥満評価システム、肥満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の個体）のアミノ酸濃度データＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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する記憶部で記憶した多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する（ステップＳ−２２）。

以上、本発明によれば、評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩおよびＶＦＡで定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する。これにより、見掛け肥満や隠れ肥満、肥満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、見掛け肥満や隠れ肥満、肥満の状態を精度よく評価することができる。

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、ＢＭＩおよびＶＦＡで定義される健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」であるか否かを判別してもよい。これにより、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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、もしく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、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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群判別をさらに精度よく行うことができる。

具体的には、健常または見掛け肥満であるか否かを判別する場合、多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを変数とするロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、健常と見掛け肥満の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、この２群判別をさらに精度よく行うことができる。ここで、本実施形態において、変数「ＢＣＡＡ」は「変数Ｖａｌ，ＬｅｕおよびＩｌｅの和」を表す。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、健常または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／ＢＣＡＡ）＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、健常または肥満であるか否かを判別する場合、多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（ＢＣＡＡ／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、見掛け肥満または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを変数とするロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，ＢＣＡＡを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式でもよい。これにより、見掛け肥満または隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／ＢＣＡＡ）＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、見掛け肥満または肥満であるか否かを判別する場合、多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、見掛け肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（ＢＣＡＡ／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、隠れ肥満または肥満であるか否かを判別する場合、多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを変数とする線形判別式でもよい。これにより、隠れ肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、「健常もしくは見掛け肥満」または「隠れ肥満もしくは肥満」であるか否かを判別する場合、多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

また、上記した各多変量判別式は、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、ＢＭＩおよびＶＦＡで定義される見掛け肥満や隠れ肥満、肥満の状態評価に好適に用いることができる。

また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は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。

また、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。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。

そして、本発明は、見掛け肥満や隠れ肥満、肥満の状態評価を行う際、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。また、本発明は、見掛け肥満や隠れ肥満、肥満の状態評価を行う際、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、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、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見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を表す指標に関する肥満状態指標データとを含む記憶部で記憶した肥満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：肥満状態指標データ、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、肥満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、肥満状態情報から、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、多数の正常群および肥満群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肥満状態指標データから構成される多変量データである肥満状態情報に対して、複数の異なるアルゴリズムを利用して複数群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肥満状態情報を変換し、変換した肥満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、肥満状態情報や診断条件を考慮した予測性または頑健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、本発明で評価した肥満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肥満の状態になっているものの中で、本発明で評価した肥満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肥満が正常になっているものの中で、本発明で評価した肥満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、本発明で評価した肥満の状態および入力データに記載された肥満の状態の差異と、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、頑健性とは、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肥満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肥満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、肥満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、見掛け肥満や隠れ肥満および肥満の状態評価に最適な多変量判別式を作成することができる。換言すると、多変量判別式作成処理では、アミノ酸濃度を多変量の統計解析に用い、最適でロバストな変数の組を選択するために変数選択法とクロスバリデーションとを組み合わせて、診断性能の高い多変量判別式を抽出する。多変量判別式としては、ロジスティック回帰、線形判別、サポートベクターマシン、マハラノビス距離法、重回帰分析、クラスター解析などを用いることができる。

［２−２．システム構成］
ここでは、第２実施形態にかかる肥満評価システム（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、ＢＭＩおよびＶＦＡで定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態評価を行う肥満評価装置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クライアント装置２００（本発明の情報通信端末装置に相当）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、肥満評価装置１００やクライアント装置２００の他に、肥満評価装置１００で多変量判別式を作成する際に用いる肥満状態情報や、見掛け肥満や隠れ肥満、肥満の状態評価を行う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、肥満評価装置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から肥満評価装置１００へ、見掛け肥満や隠れ肥満、肥満の状態に関する情報などが提供される。ここで、見掛け肥満や隠れ肥満、肥満の状態に関する情報とは、ヒトを含む生物の見掛け肥満や隠れ肥満、肥満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、見掛け肥満や隠れ肥満、肥満の状態に関する情報は、肥満評価装置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、本システムの肥満評価装置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、本システムの肥満評価装置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。

肥満評価装置１００は、当該肥満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肥満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、肥満評価装置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、肥満評価装置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、肥満状態情報ファイル１０６ｃと、指定肥満状態情報ファイル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（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）を組み合わせてもよい。

図６に戻り、肥満状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる肥満状態情報を格納する。図９は、肥満状態情報ファイル１０６ｃに格納される情報の一例を示す図である。肥満状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、見掛け肥満や隠れ肥満、肥満の状態を表す指標（指標Ｔ_１、指標Ｔ_２、指標Ｔ_３・・・）に関する肥満状態指標データ（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、肥満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、肥満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、肥満状態指標データは、見掛け肥満や隠れ肥満、肥満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、指定肥満状態情報ファイル１０６ｄは、後述する肥満状態情報指定部１０２ｇで指定した肥満状態情報を格納する。図１０は、指定肥満状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定肥満状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した肥満状態指標データと、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肥満状態情報を格納する選択肥満状態情報ファイル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、選択肥満状態情報ファイル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肥満状態情報を格納する。図１３は、選択肥満状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択肥満状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する肥満状態情報指定部１０２ｇで指定した肥満状態指標データと、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、見掛け肥満や隠れ肥満、肥満の状態評価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、肥満評価装置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と肥満状態情報指定部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から送信された肥満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肥満状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。肥満状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする肥満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で受信した肥満状態情報や肥満状態情報指定部１０２ｇで指定した肥満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、肥満状態情報から、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、肥満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、肥満状態情報から、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肥満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、多変量判別式作成部１０２ｈで作成した多変量判別式（例えば、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうち少なくとも１つを変数として含むもの）、および受信部１０２ｆで受信した評価対象のアミノ酸濃度データ（例えば、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうち少なくとも１つの濃度値）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。

具体的には、後述する判別値基準判別部１０２ｊ１にて健常または見掛け肥満であるか否かを判別する場合、多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを変数とするロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，ＢＣＡＡを変数とする線形判別式でもよい。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、判別値基準判別部１０２ｊ１にて健常または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを変数とする線形判別式でもよい。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／ＢＣＡＡ）＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、判別値基準判別部１０２ｊ１にて健常または肥満であるか否かを判別する場合、多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（ＢＣＡＡ／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、判別値基準判別部１０２ｊ１にて見掛け肥満または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを変数とするロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，ＢＣＡＡを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式でもよい。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／ＢＣＡＡ）＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、判別値基準判別部１０２ｊ１にて見掛け肥満または肥満であるか否かを判別する場合、多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，ＢＣＡＡを変数とする線形判別式でもよい。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（ＢＣＡＡ／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、判別値基準判別部１０２ｊ１にて隠れ肥満または肥満であるか否かを判別する場合、多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを変数とする線形判別式でもよい。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、判別値基準判別部１０２ｊ１にて健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する場合、多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，ＢＣＡＡを変数とする線形判別式でもよい。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

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、見掛け肥満、隠れ肥満および肥満のうち少なくとも１つの状態を評価する。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、判別値に基づいて、評価対象につき、ＢＭＩおよびＶＦＡで定義される健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する。具体的には、判別値基準判別部１０２ｊ１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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満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、肥満評価装置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、肥満評価装置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肥満評価装置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肥満評価装置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、肥満評価装置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（登録商標）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、肥満評価装置１００または当該データベース装置で多変量判別式を作成する際に用いる肥満状態情報や、肥満評価装置１００で作成した多変量判別式、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満状態情報や多変量判別式などの各種情報を、肥満評価装置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肥満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、肥満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を介して肥満評価装置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は肥満評価装置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、肥満評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で肥満評価装置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肥満評価装置１００へ行う。

つぎに、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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肥満評価装置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肥満評価装置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、肥満評価装置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、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうち少なくとも１つを変数として含む見掛け肥満や隠れ肥満、肥満の状態評価用の多変量判別式（具体的には、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、または、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群判別用の多変量判別式）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、肥満評価装置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、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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）を肥満評価装置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、肥満評価装置１００へ送信する多変量判別式は、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。

具体的には、ステップＳＡ−２６にて健常または見掛け肥満であるか否かを判別する場合、多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを変数とするロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，ＢＣＡＡを変数とする線形判別式でもよい。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、ステップＳＡ−２６にて健常または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを変数とする線形判別式でもよい。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／ＢＣＡＡ）＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、ステップＳＡ−２６にて健常または肥満であるか否かを判別する場合、多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（ＢＣＡＡ／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、ステップＳＡ−２６にて見掛け肥満または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを変数とするロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，ＢＣＡＡを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式でもよい。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／ＢＣＡＡ）＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、ステップＳＡ−２６にて見掛け肥満または肥満であるか否かを判別する場合、多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，ＢＣＡＡを変数とする線形判別式でもよい。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（ＢＣＡＡ／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、ステップＳＡ−２６にて隠れ肥満または肥満であるか否かを判別する場合、多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを変数とする線形判別式でもよい。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、ステップＳＡ−２６にて健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する場合、多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，ＢＣＡＡを変数とする線形判別式でもよい。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

つぎに、肥満評価装置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、肥満評価装置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、肥満評価装置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に含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうち少なくとも１つの濃度値、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、判別値を算出する（ステップＳＡ−２５）。

つぎに、肥満評価装置１００は、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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別し、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）。

つぎに、肥満評価装置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、肥満評価装置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肥満評価装置１００へ送信する。ついで、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、肥満評価装置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、判別結果が肥満評価装置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、肥満評価装置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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否か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、判別結果が肥満評価装置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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否か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、肥満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、肥満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肥満評価装置１００へ送信し、データベース装置４００は肥満評価装置１００からの要求を受けて、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かの判別用の多変量判別式を肥満評価装置１００へ送信する。そして、肥満評価装置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、健常または見掛け肥満、健常または隠れ肥満、健常または肥満、見掛け肥満または隠れ肥満、見掛け肥満または肥満、隠れ肥満または肥満、または、健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別し、（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は肥満評価装置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は肥満評価装置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、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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群判別を精度よく行うことができる。

ここで、肥満評価システムによれば、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つでもよい。これにより、健常と見掛け肥満の２群判別や健常と隠れ肥満の２群判別、健常と肥満の２群判別、見掛け肥満と隠れ肥満の２群判別、見掛け肥満と肥満の２群判別、隠れ肥満と肥満の２群判別、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の２群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群判別をさらに精度よく行うことができる。

具体的には、ステップＳＡ−２６にて健常または見掛け肥満であるか否かを判別する場合、多変量判別式は、数式１、数式２、Ｇｌｕ，Ｔｈｒ，Ｐｈｅを変数とするロジスティック回帰式、Ｐｒｏ，Ａｓｎ，Ｔｈｒ，Ａｒｇ，Ｔｙｒ，Ｏｒｎを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ｖａｌ，Ｏｒｎ，Ｔｒｐを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ａｓｎ，Ｏｒｎ，Ｐｈｅ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、健常と見掛け肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１（Ｇｌｕ／Ｇｌｙ）＋ｂ_１（Ｈｉｓ／Ｉｌｅ）＋ｃ_１（Ｔｈｒ／Ｐｈｅ）＋ｄ_１
・・・（数式１）
ａ_２（Ｐｒｏ／Ｓｅｒ）＋ｂ_２（Ｔｈｒ／Ａｓｎ）＋ｃ_２（Ａｒｇ／Ｔｙｒ）＋ｄ_２（Ｏｒｎ／Ｇｌｎ）＋ｅ_２
・・・（数式２）
（数式１においてａ_１，ｂ_１，ｃ_１はゼロでない任意の実数、ｄ_１は任意の実数である。数式２においてａ_２，ｂ_２，ｃ_２，ｄ_２はゼロでない任意の実数、ｅ_２は任意の実数である。）

また、ステップＳＡ−２６にて健常または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式３、数式４、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｏｒｎ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｇｌｙ，Ｃｉｔ，Ａｌａ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ｈｉｓ，Ｔｈｒ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式、またはＧｌｕ，Ｈｉｓ，ＡＢＡ，Ｔｙｒ，Ｍｅｔ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_３（Ｓｅｒ／Ａｌａ）＋ｂ_３（Ｇｌｙ／Ｔｙｒ）＋ｃ_３（Ｔｒｐ／Ｇｌｕ）＋ｄ_３
・・・（数式３）
ａ_４（Ｓｅｒ／Ｃｉｔ）＋ｂ_４（Ｇｌｙ／ＢＣＡＡ）＋ｃ_４（Ｇｌｎ／Ａｌａ）＋ｄ_４（Ｔｈｒ／Ｇｌｕ）＋ｅ_４
・・・（数式４）
（数式３においてａ_３，ｂ_３，ｃ_３はゼロでない任意の実数、ｄ_３は任意の実数である。数式４においてａ_４，ｂ_４，ｃ_４，ｄ_４はゼロでない任意の実数、ｅ_４は任意の実数である。）

また、ステップＳＡ−２６にて健常または肥満であるか否かを判別する場合、多変量判別式は、数式５、数式６、Ｇｌｕ，Ｓｅｒ，Ｃｉｔ，Ａｌａ，Ｔｙｒ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｓｅｒ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｃｉｔ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、健常と肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_５（Ｇｌｕ／Ｓｅｒ）＋ｂ_５（Ｃｉｔ／Ａｌａ）＋ｃ_５（Ｔｒｐ／Ｔｙｒ）＋ｄ_５
・・・（数式５）
ａ_６（Ｇｌｕ／Ｇｌｙ）＋ｂ_６（Ｓｅｒ／Ａｌａ）＋ｃ_６（Ｔｒｐ／Ｔｙｒ）＋ｄ_６（ＢＣＡＡ／Ａｓｎ）＋ｅ_６
・・・（数式６）
（数式５においてａ_５，ｂ_５，ｃ_５はゼロでない任意の実数、ｄ_５は任意の実数である。数式６においてａ_６，ｂ_６，ｃ_６，ｄ_６はゼロでない任意の実数、ｅ_６は任意の実数である。）

また、ステップＳＡ−２６にて見掛け肥満または隠れ肥満であるか否かを判別する場合、多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを変数とするロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，ＢＣＡＡを変数とするロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とする線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを変数とする線形判別式でもよい。これにより、見掛け肥満または隠れ肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
・・・（数式７）
ａ_８（Ｐｒｏ／ＢＣＡＡ）＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８
・・・（数式８）
（数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）

また、ステップＳＡ−２６にて見掛け肥満または肥満であるか否かを判別する場合、多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，ＢＣＡＡを変数とするロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを変数とする線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、見掛け肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
・・・（数式９）
ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（ＢＣＡＡ／Ｔｒｐ）＋ｅ_１０
・・・（数式１０）
（数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）

また、ステップＳＡ−２６にて隠れ肥満または肥満であるか否かを判別する場合、多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを変数とするロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを変数とするロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを変数とする線形判別式でもよい。これにより、隠れ肥満または肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
・・・（数式１１）
ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２
・・・（数式１２）
（数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）

また、ステップＳＡ−２６にて健常もしくは見掛け肥満または隠れ肥満もしくは肥満であるか否かを判別する場合、多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，ＢＣＡＡを変数とするロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，ＢＣＡＡを変数とする線形判別式でもよい。これにより、健常もしくは見掛け肥満と隠れ肥満もしくは肥満の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、この２群判別をさらに精度よく行うことができる。
ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３
・・・（数式１３）
（数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）

なお、上記した各多変量判別式は、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、見掛け肥満や隠れ肥満、肥満の状態評価に好適に用いることができる。

また、本発明にかかる肥満評価装置、肥満評価方法、肥満評価システム、肥満評価プログラムおよび記録媒体は、上述した第２実施形態以外にも、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、肥満評価装置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、肥満評価装置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、必要に応じて肥満評価装置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、肥満評価装置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、肥満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、肥満評価装置１００は、データベース装置４００から事前に取得した肥満状態情報を、肥満状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、肥満評価装置１００は、肥満状態情報指定部１０２ｇで事前に指定した肥満状態指標データおよびアミノ酸濃度データを含む肥満状態情報を、指定肥満状態情報ファイル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、指定肥満状態情報ファイル１０６ｄの所定の記憶領域に格納されている肥満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、肥満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肥満状態情報を変換し、変換した肥満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、指定肥満状態情報ファイル１０６ｄの所定の記憶領域に格納されている肥満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、肥満状態情報や診断条件を考慮した予測性または頑健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肥満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肥満状態情報を選択肥満状態情報ファイル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、指定肥満状態情報ファイル１０６ｄの所定の記憶領域に格納されている肥満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、指定肥満状態情報ファイル１０６ｄの所定の記憶領域に格納されている肥満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、指定肥満状態情報ファイル１０６ｄの所定の記憶領域に格納されている肥満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。

ついで、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。

人間ドック受診者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。受診者を、健常群（ＢＭＩ＜２５、ＶＦＡ（内臓脂肪面積）＜１００ｃｍ^２）、見掛け肥満群（ＢＭＩ≧２５、ＶＦＡ＜１００ｃｍ^２）、隠れ肥満群（ＢＭＩ＜２５、ＶＦＡ≧１００ｃｍ^２）および肥満群（ＢＭＩ≧２５、ＶＦＡ≧１００ｃｍ^２）の４群に分けた。４群間のアミノ酸変数の分布を図２３に示す。当該図中、“１”は健常群、“２”は見掛け肥満群、“３”は隠れ肥満群、“４”は肥満群のアミノ酸変数の分布を示す。肥満状態の評価を目的に、４群間でＫｒｕｓｋａｌ Ｗａｌｌｉｓ検定を実施した。

４群間では、Ｇｌｕ、Ｓｅｒ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｙｓ２、Ｔｙｒ、Ｖａｌ、Ｏｒｎ、Ｍｅｔ、Ｌｙｓ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｔｒｐが有意に変化しており、４群間の判別能を持つことが判明した。

実施例１で用いたサンプルデータを用いた。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、健常群と見掛け肥満群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１が得られた。なお、この他に指標式１と同等の判別性能を有する多変量判別式は複数得られた。それらを図２４、図２５に示す。なお、図２４、図２５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１：０．７０７（Ｇｌｕ）／（Ｇｌｙ）−０．０９５５７（Ｈｉｓ）／（Ｉｌｅ）＋０．１０３１（Ｔｈｒ）／（Ｐｈｅ）＋０．８７５

指標式１による健常群と見掛け肥満群の２群判別に関して、ＲＯＣ曲線（図２６）の曲線下面積で評価し、０．８７６±０．０３９（９５％信頼区間は０．８００〜０．９５３）が得られた。また、指標式１による健常群と見掛け肥満群の２群判別のカットオフ値について、見掛け肥満の有症率を６％として最適なカットオフ値を求めると、カットオフ値が１．１５１となり、感度８０．００％、特異度９２．６８％、陽性適中率４１．１０％、陰性適中率９８．６４％、正診率９１．９２％が得られた。これにより、指標式１が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。健常群と見掛け肥満群の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最大基準による変数網羅法）により探索し、指標式２としてＧｌｕ、Ｔｈｒ、Ｐｈｅから構成されるロジスティック回帰式（アミノ酸変数：Ｇｌｕ、Ｔｈｒ、Ｐｈｅの数係数と定数項は順に、０．０６１６、０．０２５０、−０．０４８８、−５．５２７８）が得られた。なお、この他に指標式２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２７、図２８に示す。なお、図２７、図２８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い。

指標式２による健常群と見掛け肥満群の２群判別に関して、ＲＯＣ曲線（図２９）の曲線下面積で評価し、０．８１７±０．０５３（９５％信頼区間は０．７１４〜０．９２０）が得られた。また、指標式２による健常群と見掛け肥満群の２群判別のカットオフ値について、見掛け肥満の有症率を６％として最適なカットオフ値を求めると、カットオフ値が０．０６１となり、感度９０．００％、特異度７９．２７％、陽性適中率２１．７０％、陰性適中率９９．２０％、正診率７９．９１％が得られた。これにより、指標式２が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。健常群と見掛け肥満群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式３としてＨｉｓ、Ｔｈｒ、Ｖａｌ、Ｏｒｎ、Ｔｒｐから構成される線形判別関数（アミノ酸変数Ｈｉｓ、Ｔｈｒ、Ｖａｌ、Ｏｒｎ、Ｔｒｐの数係数と定数項は順に、０．８４１１、−０．４５７、−０．１９７３、−０．１０５３、−０．１８３８、−４９．５６）が得られた。なお、この他に指標式３と同等の判別性能を有する線形判別関数は複数得られた。それらを図３０、図３１に示す。なお、図３０、図３１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。

指標式３による健常群と見掛け肥満群の２群判別に関して、ＲＯＣ曲線（図３２）の曲線下面積で評価し、０．８２６±０．０５１（９５％信頼区間は０．７２６〜０．９２５）が得られた。また、指標式３による健常群と見掛け肥満群の２群判別のカットオフ値について、見掛け肥満の有症率を６％として最適なカットオフ値を求めると、カットオフ値が６．２９となり、感度８０．００％、特異度７５．６１％、陽性適中率１７．３１％、陰性適中率９８．３４％、正診率７５．８７％が得られた。これにより、指標式３が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。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、健常群と隠れ肥満群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式４が得られた。なお、この他に指標式４と同等の判別性能を有する多変量判別式は複数得られた。それらを図３３、図３４に示す。なお、図３３、図３４に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式４：−１．３１４（Ｓｅｒ）／（Ａｌａ）−０．０８４３２（Ｇｌｙ）／（Ｔｙｒ）−０．１９５７（Ｔｒｐ）／（Ｇｌｕ）＋２．５２９

指標式４による健常群と隠れ肥満群の２群判別に関して、ＲＯＣ曲線（図３５）の曲線下面積で評価し、０．８０７±０．０２４（９５％信頼区間は０．７６０〜０．８５４）が得られた。また、指標式４による健常群と隠れ肥満群の２群判別のカットオフ値について、隠れ肥満の有症率を５０％として最適なカットオフ値を求めると、カットオフ値が１．５３４となり、感度７１．０１％、特異度７０．１２％、陽性適中率７０．３８％、陰性適中率７０．７５％、正診率７０．５６％が得られた。これにより、指標式４が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。健常群と隠れ肥満群の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最大基準による変数網羅法）により探索し、指標式５としてＧｌｕ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ｌｅｕ、Ｔｒｐから構成されるロジスティック回帰式（アミノ酸変数： Ｇｌｕ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ｌｅｕ、Ｔｒｐの数係数と定数項は順に、０．０６０６、−０．０２６２、０．００５２、０．０１５６、０．０１４８、−０．０２９９、−２．３４２１）が得られた。なお、この他に指標式５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３６、図３７に示す。なお、図３６、図３７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い。

指標式５による健常群と隠れ肥満群の２群判別に関して、ＲＯＣ曲線（図３８）の曲線下面積で評価し、０．７９９±０．０２４（９５％信頼区間は０．７５１〜０．８４７）が得られた。また、指標式５による健常群と隠れ肥満群の２群判別のカットオフ値について、隠れ肥満の有症率を５０％として最適なカットオフ値を求めると、カットオフ値が０．４８５となり、感度７３．９６％、特異度７１．３４％、陽性適中率７２．０７％、陰性適中率７３．２６％、正診率７２．６５％が得られた。これにより、指標式５が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。健常群と隠れ肥満群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式６としてＧｌｕ、Ｓｅｒ、Ｈｉｓ、Ｔｈｒ、Ｌｙｓ、Ｐｈｅから構成される線形判別関数（アミノ酸変数Ｇｌｕ、Ｓｅｒ、Ｈｉｓ、Ｔｈｒ、Ｌｙｓ、Ｐｈｅの数係数と定数項は順に、０．９１８５、−０．３６６７、０．０８６１１、０．０５４０９、０．１００７、−０．０３８７、２９．５１）が得られた。なお、この他に指標式６と同等の判別性能を有する線形判別関数は複数得られた。それらを図３９、図４０に示す。なお、図３９、図４０に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。

指標式６による健常群と隠れ肥満群の２群判別に関して、ＲＯＣ曲線（図４１）の曲線下面積で評価し、０．８０３±０．０２４（９５％信頼区間は０．７５６〜０．８５１）が得られ。また、指標式６による健常群と隠れ肥満群の２群判別のカットオフ値について、隠れ肥満の有症率を５０％として最適なカットオフ値を求めると、カットオフ値が−０．０６となり、感度７０．４１％、特異度７５．６１％、陽性適中率７４．２７％、陰性適中率７１．８８％、正診率７３．０１％が得られた。これにより、指標式６が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。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、健常群と肥満群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式７が得られた。なお、この他に指標式７と同等の判別性能を有する多変量判別式は複数得られた。それらを図４２、図４３に示す。なお、図４２、図４３に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式７：１．１（Ｇｌｕ）／（Ｓｅｒ）−３．７２（Ｃｉｔ）／（Ａｌａ）−０．５２５３（Ｔｒｐ）／（Ｔｙｒ）＋１．７０４

指標式７による健常群と肥満群の２群判別に関して、ＲＯＣ曲線（図４４）の曲線下面積で評価し、０．９４５±０．０１３（９５％信頼区間は０．９１９〜０．９７１）が得られた。また、指標式７による健常群と肥満群の２群判別のカットオフ値について、肥満の有症率を４２％として最適なカットオフ値を求めると、カットオフ値が１．４４６となり、感度８６．５５％、特異度９２．０７％、陽性適中率８８．７７％、陰性適中率９０．４４％、正診率８９．７６％が得られた。これにより、指標式７が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。健常群と肥満群の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最大基準による変数網羅法）により探索し、指標式８としてＧｌｕ、Ｓｅｒ、Ｃｉｔ、Ａｌａ、Ｔｙｒ、Ｔｒｐから構成されるロジスティック回帰式（アミノ酸変数：Ｇｌｕ、Ｓｅｒ、Ｃｉｔ、Ａｌａ、Ｔｙｒ、Ｔｒｐの数係数と定数項は順に、０．１２９９、−０．０３８４、−０．０６３３、０．０１１５、０．０５３６、−０．０４８０、−５．８４４９）が得られた。なお、この他に指標式８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４５、図４６に示す。なお、図４５、図４６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い。

指標式８による健常群と肥満群の２群判別に関して、ＲＯＣ曲線（図４７）の曲線下面積で評価し、０．９４５±０．０１３（９５％信頼区間は０．９１９〜０．９７１）が得られた。また、指標式８による健常群と肥満群の２群判別のカットオフ値について、肥満の有症率を４２％として最適なカットオフ値を求めると、カットオフ値が０．４４１となり、感度８６．５５％、特異度９０．２４％、陽性適中率８６．５３％、陰性適中率９０．２６％、正診率８８．６９％が得られた。これにより、指標式８が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。健常群と肥満群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式９としてＧｌｕ、Ｔｈｒ、Ａｌａ、Ｔｙｒ、Ｏｒｎ、Ｌｙｓから構成される線形判別関数（アミノ酸変数Ｇｌｕ、Ｔｈｒ、Ａｌａ、Ｔｙｒ、Ｏｒｎ、Ｌｙｓの数係数と定数項は順に、０．９１１３、−０．０６３２４、０．０７５２３、０．３５４、０．１７６２、０．０５９８５、１１５．６）が得られた。なお、この他に指標式９と同等の判別性能を有する線形判別関数は複数得られた。それらを図４８、図４９に示す。なお、図４８、図４９に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。

指標式９による健常群と肥満群の２群判別に関して、ＲＯＣ曲線（図５０）の曲線下面積で評価し、０．９４３±０．０１４（９５％信頼区間は０．９１７〜０．９７０）が得られた。また、指標式９による健常群と肥満群の２群判別のカットオフ値について、肥満群の有症率を４２％として最適なカットオフ値を求めると、カットオフ値が０．０８となり、感度８５．７１％、特異度８７．２０％、陽性適中率８２．９０％、陰性適中率８９．３９％、正診率８６．５７％が得られた。これにより、指標式９が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。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、見掛け肥満群と隠れ肥満群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式４が得られた。なお、この他に指標式１０と同等の判別性能を有する多変量判別式は複数得られた。それらを図５１、図５２に示す。なお、図５１、図５２に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１０：−０．０９３７６（Ｔｈｒ）／（Ｔｙｒ）＋０．０１０８（Ａｌａ）／（Ｉｌｅ）＋０．３６３４（Ａｒｇ）／（Ｇｌｎ）＋１．９６９

指標式１０による見掛け肥満群と隠れ肥満群の２群判別に関して、ＲＯＣ曲線（図５３）の曲線下面積で評価し、０．７６６±０．０９０（９５％信頼区間は０．５９０〜０．９４１）が得られた。また、指標式１０による見掛け肥満群と隠れ肥満群の２群判別のカットオフ値について、隠れ肥満の有症率を６％として最適なカットオフ値を求めると、カットオフ値が１．９３４となり、感度７１．６０％、特異度８０．００％、陽性適中率１８．６０％、陰性適中率９７．７８％、正診率７９．５０％が得られた。これにより、指標式１０が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。見掛け肥満群と隠れ肥満群の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最大基準による変数網羅法）により探索し、指標式１１としてＧｌｕ、Ｔｈｒ、Ａｌａ、Ａｒｇ、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：Ｇｌｕ、Ｔｈｒ、Ａｌａ、Ａｒｇ、Ｔｙｒ、Ｌｙｓの数係数と定数項は順に、０．００１５、−０．０１５７、０．００１８、０．０１５７、０．０１０１、−０．００４６、２．７４７８）が得られた。なお、この他に指標式１１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５４、図５５に示す。なお、図５４、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い。

指標式１１による見掛け肥満群と隠れ肥満群の２群判別に関して、ＲＯＣ曲線（図５６）の曲線下面積で評価し、０．７５０±０．０９１（９５％信頼区間は０．５７１〜０．９２９）が得られた。また、指標式１１による見掛け肥満群と隠れ肥満群の２群判別のカットオフ値について、隠れ肥満の有症率を６％として最適なカットオフ値を求めると、カットオフ値が０．９４２となり、感度７２．７８％、特異度８０．０％、陽性適中率１８．８５％、陰性適中率９７．８７％、正診率７９．５７％が得られた。これにより、指標式１１が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。見掛け肥満群と隠れ肥満群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式１２としてＨｉｓ、Ｔｈｒ、Ａｌａ、Ｔｙｒ、Ｏｒｎ、Ｐｈｅから構成される線形判別関数（アミノ酸変数Ｈｉｓ、Ｔｈｒ、Ａｌａ、Ｔｙｒ、Ｏｒｎ、Ｐｈｅの数係数と定数項は順に、−０．７９６８、０．４２４９、−０．０１４１３、−０．１２５８、０．２０７２、−０．３５４４、−３７．７７）が得られた。なお、この他に指標式１２と同等の判別性能を有する線形判別関数は複数得られた。それらを図５７、図５８に示す。なお、図５７、図５８に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。

指標式１２による見掛け肥満群と隠れ肥満群の２群判別に関して、ＲＯＣ曲線（図５９）の曲線下面積で評価し、０．６９±０．０９５（９５％信頼区間は０．５０４〜０．８７７）が得られた。また、指標式１２による見掛け肥満群と隠れ肥満群の２群判別のカットオフ値について、隠れ肥満の有症率を６％として最適なカットオフ値を求めると、カットオフ値が−０．２７となり、感度６０．９５％、特異度７０．００％、陽性適中率１１．４８％、陰性適中率９６．５６％、正診率６９．４６％が得られた。これにより、指標式１２が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。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、見掛け肥満群と肥満群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１３が得られた。なお、この他に指標式１３と同等の判別性能を有する多変量判別式は複数得られた。それらを図６０、図６１に示す。なお、図６０、図６１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１３：−０．０４３１１（Ｇｌｙ）／（Ｇｌｕ）＋０．２４８８（Ｈｉｓ）／（Ｔｒｐ）＋０．４２７５（Ｌｅｕ）／（Ｇｌｎ）＋１．６６９

指標式１３による見掛け肥満群と肥満群の２群判別に関して、ＲＯＣ曲線（図６２）の曲線下面積で評価し、０．８３０±０．０８１（９５％信頼区間は０．６７１〜０．９９０）が得られた。また、指標式１３による見掛け肥満群と肥満群の２群判別のカットオフ値について、肥満の有症率を８％として最適なカットオフ値を求めると、カットオフ値が１．８８２となり、感度７８．１５％、特異度７０．００％、陽性適中率１８．４７％、陰性適中率９７．３６％、正診率７０．６５％が得られた。これにより、指標式３が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。見掛け肥満群と肥満群の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最大基準による変数網羅法）により探索し、指標式１４としてＧｌｕ、Ａｓｎ、Ｇｌｙ、Ｈｉｓ、Ｌｅｕ、Ｔｒｐから構成されるロジスティック回帰式（アミノ酸変数：Ｇｌｕ、Ａｓｎ、Ｇｌｙ、Ｈｉｓ、Ｌｅｕ、Ｔｒｐの数係数と定数項は順に、０．０３６５、−０．０５７２、−０．０１５１、０．０８３１、０．０２３６、−０．０６８１、１．３６１６）が得られた。なお、この他に指標式１４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６３、図６４に示す。なお、図６３、図６４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い。

指標式１４による見掛け肥満群と肥満群の２群判別に関して、ＲＯＣ曲線（図６５）の曲線下面積で評価し、０．８３５±０．０８０（９５％信頼区間は０．６７８〜０．９９３）が得られた。また、指標式１４による見掛け肥満群と肥満群の２群判別のカットオフ値について、肥満の有症率を８％として最適なカットオフ値を求めると、カットオフ値が０．９３８となり、感度７１．４２％、特異度８０．０％、陽性適中率２３．７０％、陰性適中率９６．９９％、正診率７９．３１％が得られた。これにより、指標式１４が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。見掛け肥満群と肥満群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式１５としてＧｌｕ、Ｇｌｙ、Ｈｉｓ、Ａｌａ、Ｌｙｓから構成される線形判別関数（アミノ酸変数Ｇｌｕ、Ｇｌｙ、Ｈｉｓ、Ａｌａ、Ｌｙｓの数係数と定数項は順に、−０．３３５７、０．３８５９、−０．８５５５、−０．０６０６８、−０．０５２７８、−４７．９２）が得られた。なお、この他に指標式１５と同等の判別性能を有する線形判別関数は複数得られた。それらを図６６、図６７に示す。なお、図６６、図６７に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。

指標式１５による見掛け肥満群と肥満群の２群判別に関して、ＲＯＣ曲線（図６８）の曲線下面積で評価し、０．７９６±０．０８７（９５％信頼区間は０．６２６〜０．９６５）が得られた。また、指標式１５による見掛け肥満群と肥満群の２群判別のカットオフ値について、肥満の有症率を８％として最適なカットオフ値を求めると、カットオフ値が−０．４３となり、感度７５．６３％、特異度７０．００％、陽性適中率１７．９８％、陰性適中率９７．０６％、正診率７０．４５％が得られた。これにより、指標式１５が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。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、隠れ肥満群と肥満群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１６が得られた。なお、この他に指標式１６と同等の判別性能を有する多変量判別式は複数得られた。それらを図６９、図７０に示す。なお、図６９、図７０に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１６：３．５８８（Ｇｌｕ）／（Ｇｌｎ）＋１．０４１（Ｔｙｒ）／（Ｇｌｙ）＋０．１１１１（Ｌｙｓ）／（Ｔｒｐ）＋０．２５３４

指標式１６による隠れ肥満群と肥満群の２群判別に関して、ＲＯＣ曲線（図７１）の曲線下面積で評価し、０．７７２±０．０２７（９５％信頼区間は０．７１９〜０．８２５）が得られた。また、指標式１６による隠れ肥満群と肥満群の２群判別のカットオフ値について、肥満の有症率を４１％として最適なカットオフ値を求めると、カットオフ値が１．４０３となり、感度７３．１１％、特異度７０．４１％、陽性適中率６３．２０％、陰性適中率７９．０３％、正診率７１．５２％が得られた。これにより、指標式１６が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。隠れ肥満群と肥満群の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最大基準による変数網羅法）により探索し、指標式１７としてＧｌｕ、Ｇｌｙ、Ｃｉｔ、Ｔｙｒ、Ｖａｌ、Ｐｈｅから構成されるロジスティック回帰式（アミノ酸変数：Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、Ｔｙｒ、Ｖａｌ、Ｐｈｅの数係数と定数項は順に、０．０３３７、−０．００８０、−０．０２２５、０．０１９３、０．００５１、０．０１１０、−３．４６６５）が得られた。なお、この他に指標式１７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７２、図７３に示す。なお、図７２、図７３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い。

指標式１７による隠れ肥満群と肥満群の２群判別に関して、ＲＯＣ曲線（図７４）の曲線下面積で評価し、０．７６５±０．０２７（９５％信頼区間は０．７１１〜０．８１９）が得られた。また、指標式１７による隠れ肥満群と肥満群の２群判別のカットオフ値について、肥満の有症率を４１％として最適なカットオフ値を求めると、カットオフ値が０．４２３となり、感度７０．５９％、特異度７２．１９％、陽性適中率６３．８２％、陰性適中率７７．９３％、正診率７１．５３％が得られた。これにより、指標式１７が診断性能の高い有用な指標であることが判明した。

実施例１で用いたサンプルデータを用いた。隠れ肥満群と肥満群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式１８としてＧｌｕ、Ｃｉｔ、Ｔｙｒ、Ｏｒｎ、Ｍｅｔ、Ｔｒｐから構成される線形判別関数（アミノ酸変数Ｇｌｕ、Ｃｉｔ、Ｔｙｒ、Ｏｒｎ、Ｍｅｔ、Ｔｒｐの数係数と定数項は順に、０．５７１８、−０．５７５７、０．２８９７、０．２９５２、０．３８３９、−０．１５２２、５６．１）が得られた。なお、この他に指標式１８と同等の判別性能を有する線形判別関数は複数得られた。それらを図７５、図７６に示す。なお、図７５、図７６に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。

指標式１８による隠れ肥満群と肥満群の２群判別に関して、ＲＯＣ曲線（図７７）の曲線下面積で評価し、０．７６３±０．０２８（９５％信頼区間は０．７０９〜０．８１７）が得られた。また、指標式１８による隠れ肥満群と肥満群の２群判別のカットオフ値について、肥満の有症率を４１％として最適なカットオフ値を求めると、カットオフ値が０．０５となり、感度６８．０７％、特異度７１．６０％、陽性適中率６２．４８％、陰性適中率７６．３４％、正診率７０．１５％が得られた。これにより、指標式１８が診断性能の高い有用な指標であることが判明した。

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２〜１９に対する比較例として、本出願人による国際出願である国際公開第２００８／０１５９２９号に記載の指標式１および４（図７８、図７９に示す上２つの指標式）、ならびに国際公開第２００９／００１８６２号に記載の指標式１、２、３、４、５および６（図７８、図７９に示す下６つの指標式）を用いて、健常群と見掛け肥満群、健常群と隠れ肥満群、健常群と肥満群、見掛け肥満群と隠れ肥満群、見掛け肥満群と肥満群、隠れ肥満群と肥満群の２群判別性能を検証した。その結果、図７８、７９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２〜１９で得られたＲＯＣ曲線の曲線下面積の値を上回るものは得られなかった。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２００８／０１５９２９号、国際公開第２００９／００１８６２号に記載の指標式群よりも、これら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。

人間ドック受診者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。受診者を、健常群（ＢＭＩ＜２５、ＶＦＡ（内臓脂肪面積）＜１００ｃｍ^２）、見掛け肥満群（ＢＭＩ≧２５、ＶＦＡ＜１００ｃｍ^２）、隠れ肥満群（ＢＭＩ＜２５、ＶＦＡ≧１００ｃｍ^２）および肥満群（ＢＭＩ≧２５、ＶＦＡ≧１００ｃｍ^２）の４群に分けた。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、健常群と見掛け肥満群の２群判別性能を最大化する指標をＲＯＣ最大基準により鋭意探索し、同等の性能を有する複数の指標式の中に指標式１９が得られた。なお、この他に指標式１９と同等の判別性能を有する多変量判別式は複数得られた。それらを図８０、図８１に示す。なお、図８０、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、あるいは任意の定数項を付加したものでもよい。
指標式１９：０．０８２８４（Ｐｒｏ／Ｓｅｒ）＋０．０５６４８（Ｔｈｒ／Ａｓｎ）−０．０９８（Ａｒｇ／Ｔｙｒ）−０．８０６７（Ｏｒｎ／Ｇｌｎ）＋１．０５９

実施例２１で用いたサンプルデータを用いた。健常群と見掛け肥満群の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最大基準による変数網羅法）により探索し、指標式２０として以下のロジスティック回帰式が得られた。なお、この他に指標式２０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８２、図８３に示す。なお、図８２、図８３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い。
指標式２０：（−２．０８４）＋（０．００８０６１）Ｐｒｏ＋（−０．０４０４９）Ａｓｎ＋（０．０１１９９）Ｔｈｒ＋（−０．０１５５７）Ａｒｇ＋（０．０１８８０）Ｔｙｒ＋（−０．０１４４５）Ｏｒｎ

実施例２１で用いたサンプルデータを用いた。健常群と見掛け肥満群の２群判別性能を最大化する指標を線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索し、指標式２１として以下の線形判別関数が得られた（式中のアミノ酸変数「ＢＣＡＡ」は「Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ」を表す。以下同様。）。なお、この他に指標式２１と同等の判別性能を有する線形判別関数は複数得られた。それらを図８４、図８５に示す。なお、図８４、図８５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式２１：（−０．１１９）Ｓｅｒ＋（０．３３７８）Ｐｒｏ＋（−０．７５３４）Ａｓｎ＋（−０．４５９８）Ｏｒｎ＋（０．３０２２）Ｐｈｅ＋（０．０３８１２）ＢＣＡＡ＋（９．６１６）

実施例２１で用いたサンプルデータを用いた。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、健常群と隠れ肥満群の２群判別性能を最大化する指標をＲＯＣ最大基準により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２２が得られた。なお、この他に指標式２２と同等の判別性能を有する多変量判別式は複数得られた。それらを図８６、図８７に示す。なお、図８６、図８７に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式２２：−０．０６２６６（Ｓｅｒ／Ｃｉｔ）−０．５９８２（Ｇｌｙ／ＢＣＡＡ）−０．２０９７（Ｇｌｎ／Ａｌａ）−０．０７１０７（Ｔｈｒ／Ｇｌｕ）＋２．６１１

実施例２１で用いたサンプルデータを用いた。健常群と隠れ肥満群の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最大基準による変数網羅法）により探索し、指標式２３として以下のロジスティック回帰式が得られた。なお、この他に指標式２３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８８、図８９に示す。なお、図８８、図８９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い。
指標式２３：（−３．０９３）＋（０．０３４７０）Ｇｌｕ＋（−０．０１２９４）Ｓｅｒ＋（−０．００６９５４）Ｇｌｙ＋（０．０２７２５）Ｃｉｔ＋（０．００３５７９）Ａｌａ＋（０．００５４５３）ＢＣＡＡ

実施例２１で用いたサンプルデータを用いた。健常群と隠れ肥満群の２群判別性能を最大化する指標を線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索し、指標式２４として以下の線形判別関数が得られた。なお、この他に指標式２４と同等の判別性能を有する線形判別関数は複数得られた。それらを図９０、図９１に示す。なお、図９０、図９１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式２４：（−０．６９０４）Ｇｌｕ＋（−０．１５１３）Ｈｉｓ＋（０．００４０９１）ＡＢＡ＋（−０．４７３）Ｔｙｒ＋（０．５１３）Ｍｅｔ＋（−０．１１６６）Ｌｙｓ＋（−８７．８４）

実施例２１で用いたサンプルデータを用いた。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、健常群と肥満群の２群判別性能を最大化する指標をＲＯＣ最大基準により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２５が得られた。なお、この他に指標式２５と同等の判別性能を有する多変量判別式は複数得られた。それらを図９２、図９３に示す。なお、図９２、図９３に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式２５：１．３８３（Ｇｌｕ／Ｇｌｙ）−０．９７１２（Ｓｅｒ／Ａｌａ）−０．４９９３（Ｔｒｐ／Ｔｙｒ）＋０．０３６１３（ＢＣＡＡ／Ａｓｎ）＋１．４６７

実施例２１で用いたサンプルデータを用いた。健常群と肥満群の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最大基準による変数網羅法）により探索し、指標式２６として以下のロジスティック回帰式が得られた。なお、この他に指標式２６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９４、図９５に示す。なお、図９４、図９５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い。
指標式２６：（−５．１８８）＋（０．０５２６４）Ｇｌｕ＋（−０．０２２９４）Ｓｅｒ＋（０．００３７７７）Ａｌａ＋（０．０３４３８）Ｔｙｒ＋（−０．０３５６７）Ｔｒｐ＋（０．００６６８９）ＢＣＡＡ

実施例２１で用いたサンプルデータを用いた。健常群と肥満群の２群判別性能を最大化する指標を線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索し、指標式２７として以下の線形判別関数が得られた。なお、この他に指標式２７と同等の判別性能を有する線形判別関数は複数得られた。それらを図９６、図９７に示す。なお、図９６、図９７に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式２７：（−０．８２８７）Ｇｌｕ＋（−０．１２８）Ｐｒｏ＋（−０．１２４７）Ｈｉｓ＋（０．５０２２）Ｃｉｔ＋（−０．１０６６）Ｏｒｎ＋（−０．１３３３）Ｌｙｓ＋（−８５．１６）

実施例２１で用いたサンプルデータを用いた。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、見掛け肥満群と隠れ肥満群の２群判別性能を最大化する指標をＲＯＣ最大基準により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２８が得られた。なお、この他に指標式２８と同等の判別性能を有する多変量判別式は複数得られた。それらを図９８、図９９に示す。なお、図９８、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、あるいは任意の定数項を付加したものでもよい。
指標式２８：−０．４３０９（Ｐｒｏ／ＢＣＡＡ）−０．０５２５４（Ｇｌｙ／Ｏｒｎ）−０．１１９（Ｇｌｎ／Ａｌａ）＋０．３００６（ＡＢＡ／Ｔｈｒ）＋２．３７４

実施例２１で用いたサンプルデータを用いた。見掛け肥満群と隠れ肥満群の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最大基準による変数網羅法）により探索し、指標式２９として以下のロジスティック回帰式が得られた。なお、この他に指標式２９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１００、図１０１に示す。なお、図１００、図１０１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い。
指標式２９：（０．８５３９）＋（−０．００９７５２）Ｐｒｏ＋（−０．００６１７３）Ｇｌｙ＋（−０．００３７７７）Ｇｌｎ＋（０．００４３００）Ａｌａ＋（０．０４１５１）Ｏｒｎ＋（０．００５５５３）ＢＣＡＡ

実施例２１で用いたサンプルデータを用いた。見掛け肥満群と隠れ肥満群の２群判別性能を最大化する指標を線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索し、指標式３０として以下の線形判別関数が得られた。なお、この他に指標式３０と同等の判別性能を有する線形判別関数は複数得られた。それらを図１０２、図１０３に示す。なお、図１０２、図１０３に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３０：（−０．１４１７）Ｓｅｒ＋（−０．０７３８）Ｐｒｏ＋（−０．１５５９）Ｇｌｙ＋（０．９２０２）Ｃｉｔ＋（０．２８４１）Ｌｙｓ＋（０．１５０５）Ｐｈｅ＋（３７．５５）

実施例２１で用いたサンプルデータを用いた。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、見掛け肥満群と肥満群の２群判別性能を最大化する指標をＲＯＣ最大基準により鋭意探索し、同等の性能を持つ複数の指標の中に指標式３１が得られた。なお、この他に指標式３１と同等の判別性能を有する多変量判別式は複数得られた。それらを図１０４、図１０５に示す。なお、図１０４、図１０５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３１：０．０９８６５（Ｇｌｕ／Ａｓｎ）＋０．４３５７（ＡＢＡ／Ｓｅｒ）＋０．４７５８（Ｌｙｓ／Ｇｌｎ）＋０．０２９６８（ＢＣＡＡ／Ｔｒｐ）＋１．２３２

実施例２１で用いたサンプルデータを用いた。見掛け肥満群と肥満群の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最大基準による変数網羅法）により探索し、指標式３２として以下のロジスティック回帰式が得られた。なお、この他に指標式３２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１０６、図１０７に示す。なお、図１０６、図１０７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い。
指標式３２：（−４．８３１）＋（０．０３１５３）Ｇｌｕ＋（０．００３５１０）Ａｌａ＋（０．０３０７８）ＡＢＡ＋（−０．０６０６９）Ｍｅｔ＋（０．０１１１８）Ｌｙｓ＋（０．００５４５９）ＢＣＡＡ

実施例２１で用いたサンプルデータを用いた。見掛け肥満群と肥満群の２群判別性能を最大化する指標を線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索し、指標式３３として以下の線形判別関数が得られた。なお、この他に指標式３３と同等の判別性能を有する線形判別関数は複数得られた。それらを図１０８、図１０９に示す。なお、図１０８、図１０９に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３３：（−０．６０４７）Ｇｌｕ＋（０．２２２９）Ｔｈｒ＋（−０．０７８１８）Ａｌａ＋（−０．７１２３）ＡＢＡ＋（−０．２４２６）Ｌｙｓ＋（−０．１１０９）ＢＣＡＡ＋（−１６１．８）

実施例２１で用いたサンプルデータを用いた。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、隠れ肥満群と肥満群の２群判別性能を最大化する指標をＲＯＣ最大基準により鋭意探索し、同等の性能を持つ複数の指標の中に指標式３４が得られた。なお、この他に指標式３４と同等の判別性能を有する多変量判別式は複数得られた。それらを図１１０、図１１１に示す。なお、図１１０、図１１１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３４：０．２２２４（Ｇｌｕ／Ａｓｎ）−０．２４８１（Ｈｉｓ／Ｔｈｒ）＋０．１６９５（Ｐｈｅ／Ｃｉｔ）−０．３７０８（Ｔｒｐ／Ｔｙｒ）＋１．２８８

実施例２１で用いたサンプルデータを用いた。隠れ肥満群と肥満群の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最大基準による変数網羅法）により探索し、指標式３５として以下のロジスティック回帰式が得られた。なお、この他に指標式３５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１１２、図１１３に示す。なお、図１１２、図１１３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い。
指標式３５：（−１．８５３）＋（０．０２４３９）Ｇｌｕ＋（０．００４２８６）Ｐｒｏ＋（−０．０４５３２）Ｃｉｔ＋（０．０１４０５）Ｔｙｒ＋（０．０１５９４）Ｐｈｅ＋（−０．０１６８５）Ｔｒｐ

実施例２１で用いたサンプルデータを用いた。隠れ肥満群と肥満群の２群判別性能を最大化する指標を線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索し、指標式３６として以下の線形判別関数が得られた。なお、この他に指標式３６と同等の判別性能を有する線形判別関数は複数得られた。それらを図１１４、図１１５に示す。なお、図１１４、図１１５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３６：（０．７７７９）Ｇｌｕ＋（０．１２２３）Ｐｒｏ＋（−０．２２４６）Ｈｉｓ＋（０．３７０４）Ｍｅｔ＋（０．４３８４）Ｐｈｅ＋（８３．０９）

実施例２１で用いたサンプルデータを用いた。ＶＦＡが１００ｃｍ^２未満の「健常群＋見掛け肥満群」（健常群・見掛け肥満群）とＶＦＡが１００ｃｍ^２以上の「隠れ肥満群＋肥満群」（隠れ肥満群・肥満群）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最大基準による変数網羅法）により探索し、指標式３７としてＧｌｕ、Ｇｌｙ、Ａｌａ、Ｔｙｒ、Ｔｒｐ、ＢＣＡＡから構成されるロジスティック回帰式（アミノ酸変数：Ｇｌｕ、Ｇｌｙ、Ａｌａ、Ｔｙｒ、Ｔｒｐ、ＢＣＡＡの数係数と定数項は順に、０．０３７９、−０．００７０、０．００３４、０．０１９６、−０．０２１６、０．００５４、−３．５２５０）が得られた。なお、この他に指標式３７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に示す。なお、図１１６、図１１７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い。
指標式３７：（−３．５２５０）＋（０．０３７９）Ｇｌｕ＋（−０．００７０）Ｇｌｙ＋（０．００３４）Ａｌａ＋（０．０１９６）Ｔｙｒ＋（−０．０２１６）Ｔｒｐ＋（０．００５４）ＢＣＡＡ

指標式３７による健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別に関して、ＲＯＣ曲線（図１１８）の曲線下面積で評価し、０．８０７±０．０１２（９５％信頼区間は０．７８３〜０．８３１）が得られた。また、指標式３７による健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別のカットオフ値について、隠れ肥満・肥満の有症率を６０％として最適なカットオフ値を求めると、カットオフ値が０．２１０となり、感度７６．５８％、特異度６９．２４％、陽性適中率７８．８８％、陰性適中率６６．３５％、正診率７３．６５％が得られた。これにより、指標式３７が診断性能の高い有用な指標であることが判明した。

実施例２１で用いたサンプルデータを用いた。健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別性能を最大化する指標を線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索し、指標式３８としてＧｌｕ、Ａｌａ、Ａｒｇ、Ｔｙｒ、Ｏｒｎ、ＢＣＡＡから構成される線形判別関数（アミノ酸変数Ｇｌｕ、Ａｌａ、Ａｒｇ、Ｔｙｒ、Ｏｒｎ、ＢＣＡＡの数係数と定数項は順に、−０．７７８７、−０．０７７３６、０．２２４８、−０．４３１８、０．３７９、−０．０８３７５、−９４．８３）が得られた。なお、この他に指標式３８と同等の判別性能を有する線形判別関数は複数得られた。それらを図１１９、図１２０に示す。なお、図１１９、図１２０に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３８：（−０．７７８７）Ｇｌｕ＋（−０．０７７３６）Ａｌａ＋（０．２２４８）Ａｒｇ＋（−０．４３１８）Ｔｙｒ＋（０．３７９）Ｏｒｎ＋（−０．０８３７５）ＢＣＡＡ＋（−９４．８３）

指標式３８による健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別に関して、ＲＯＣ曲線（図１２１）の曲線下面積で評価し、０．７８２±０．０１３（９５％信頼区間は０．７５７〜０．８０７）が得られた。また、指標式３８による健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別のカットオフ値について、隠れ肥満・肥満の有症率を６０％として最適なカットオフ値を求めると、カットオフ値が−１８５となり、感度７０．０１％、特異度７０．１０％、陽性適中率７７．８４％、陰性適中率６０．９１％、正診率７０．０５％が得られた。これにより、指標式３８が診断性能の高い有用な指標であることが判明した。

実施例２１で用いたサンプルデータを用いた。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、健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式３９が得られた。なお、この他に指標式３９と同等の判別性能を有する多変量判別式は複数得られた。それらを図１２２、図１２３に示す。なお、図１２２、図１２３に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３９：０．２５４１（Ｇｌｕ／Ａｓｎ）−０．７４９３（Ｓｅｒ／Ａｌａ）−０．３８９６（Ｃｉｔ／Ｐｈｅ）＋０．２１５２（Ｔｙｒ／Ｔｒｐ）＋１．１０２

指標式３９による健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別に関して、ＲＯＣ曲線（図１２４）の曲線下面積で評価し、０．７７６±０．０１３（９５％信頼区間は０．７５０〜０．８０１）が得られた。また、指標式３９による健常群・見掛け肥満群と隠れ肥満群・肥満群の２群判別のカットオフ値について、隠れ肥満・肥満の有症率を６０％として最適なカットオフ値を求めると、カットオフ値が１．２０７となり、感度７０．２４％、特異度７０．１０％、陽性適中率７７．９０％、陰性適中率６１．１０％、正診率７０．１９％が得られた。これにより、指標式３９が診断性能の高い有用な指標であることが判明した。

以上のように、本発明にかかる肥満の評価方法は、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、ＢＭＩおよびＶＦＡで定義される見掛け肥満や隠れ肥満、肥満の状態の進行予測や疾病リスク予測やプロテオームやメタボローム解析などを行うバイオインフォマティクス分野において極めて有用である。

１００ 肥満評価装置
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 肥満状態情報指定部
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 肥満状態情報ファイル
１０６ｄ 指定肥満状態情報ファイル
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 選択肥満状態情報ファイル
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 (25)

1. 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取得する取得ステップと、
   前記取得ステップで取得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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも２つ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肥満の評価方法。
2. 前記濃度値基準評価ステップは、少なくとも、前記見掛け肥満、前記隠れ肥満および前記肥満の状態を評価すること、
   を特徴とする請求項１に記載の肥満の評価方法。
3. 前記濃度値基準評価ステップは、
   前記取得ステップで取得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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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、前記見掛け肥満または前記隠れ肥満、前記見掛け肥満または前記肥満、前記隠れ肥満または前記肥満、または、前記ＢＭＩおよび前記ＶＦＡで定義される健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満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請求項１に記載の肥満の評価方法。
4. 前記濃度値基準評価ステップは、
   前記取得ステップで取得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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ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して含む予め設定した、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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
   をさらに含み、
   前記多変量判別式は、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうち少なくとも１つを前記変数として含むこと
   を特徴とする請求項１に記載の肥満の評価方法。
5. 前記濃度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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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４に記載の肥満の評価方法。
6. 前記判別値基準評価ステップは、少なくとも、前記見掛け肥満、前記隠れ肥満および前記肥満の状態を評価すること、
   を特徴とする請求項５に記載の肥満の評価方法。
7. 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、前記見掛け肥満または前記隠れ肥満、前記見掛け肥満または前記肥満、前記隠れ肥満または前記肥満、または、前記ＢＭＩおよび前記ＶＦＡで定義される健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満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５に記載の肥満の評価方法。
8. 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、もしく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７に記載の肥満の評価方法。
9. 前記判別値基準判別ステップにて前記見掛け肥満または前記隠れ肥満であるか否かを判別する場合、前記多変量判別式は、数式７、数式８、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、Ｐｒｏ，Ｇｌｙ，Ｇｌｎ，Ａｌａ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを前記変数とする前記線形判別式、またはＳｅｒ，Ｐｒｏ，Ｇｌｙ，Ｃｉｔ，Ｌｙｓ，Ｐｈｅを前記変数とする前記線形判別式であること
   ａ_７（Ｔｈｒ／Ｔｙｒ）＋ｂ_７（Ａｌａ／Ｉｌｅ）＋ｃ_７（Ａｒｇ／Ｇｌｎ）＋ｄ_７
   ・・・（数式７）
   ａ_８（Ｐｒｏ／（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ））＋ｂ_８（Ｇｌｙ／Ｏｒｎ）＋ｃ_８（Ｇｌｎ／Ａｌａ）＋ｄ_８（ＡＢＡ／Ｔｈｒ）＋ｅ_８ ・・・（数式８）
   （数式７においてａ_７，ｂ_７，ｃ_７はゼロでない任意の実数、ｄ_７は任意の実数である。数式８においてａ_８，ｂ_８，ｃ_８，ｄ_８はゼロでない任意の実数、ｅ_８は任意の実数である。）
   を特徴とする請求項８に記載の肥満の評価方法。
10. 前記判別値基準判別ステップにて前記見掛け肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式９、数式１０、Ｇｌｕ，Ａｓｎ，Ｇｌｙ，Ｈｉｓ，Ｌｅｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ａｌａ，ＡＢＡ，Ｍｅｔ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｇｌｙ，Ｈｉｓ，Ａｌａ，Ｌｙｓを前記変数とする前記線形判別式、またはＧｌｕ，Ｔｈｒ，Ａｌａ，ＡＢＡ，Ｌｙｓ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であること
    ａ_９（Ｇｌｙ／Ｇｌｕ）＋ｂ_９（Ｈｉｓ／Ｔｒｐ）＋ｃ_９（Ｌｅｕ／Ｇｌｎ）＋ｄ_９
    ・・・（数式９）
    ａ_１０（Ｇｌｕ／Ａｓｎ）＋ｂ_１０（ＡＢＡ／Ｓｅｒ）＋ｃ_１０（Ｌｙｓ／Ｇｌｎ）＋ｄ_１０（（Ｖａｌ＋Ｌｅｕ＋Ｉｌｅ）／Ｔｒｐ）＋ｅ_１０ ・・・（数式１０）
    （数式９においてａ_９，ｂ_９，ｃ_９はゼロでない任意の実数、ｄ_９は任意の実数である。数式１０においてａ_１０，ｂ_１０，ｃ_１０，ｄ_１０はゼロでない任意の実数、ｅ_１０は任意の実数である。）
    を特徴とする請求項８に記載の肥満の評価方法。
11. 前記判別値基準判別ステップにて前記隠れ肥満または前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１１、数式１２、Ｇｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ｐｈｅを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｐｒｏ，Ｃｉｔ，Ｔｙｒ，Ｐｈｅ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式、またはＧｌｕ，Ｐｒｏ，Ｈｉｓ，Ｍｅｔ，Ｐｈｅを前記変数とする前記線形判別式であること
    ａ_１１（Ｇｌｕ／Ｇｌｎ）＋ｂ_１１（Ｔｙｒ／Ｇｌｙ）＋ｃ_１１（Ｌｙｓ／Ｔｒｐ）＋ｄ_１１
    ・・・（数式１１）
    ａ_１２（Ｇｌｕ／Ａｓｎ）＋ｂ_１２（Ｈｉｓ／Ｔｈｒ）＋ｃ_１２（Ｐｈｅ／Ｃｉｔ）＋ｄ_１２（Ｔｒｐ／Ｔｙｒ）＋ｅ_１２ ・・・（数式１２）
    （数式１１においてａ_１１，ｂ_１１，ｃ_１１はゼロでない任意の実数、ｄ_１１は任意の実数である。数式１２においてａ_１２，ｂ_１２，ｃ_１２，ｄ_１２はゼロでない任意の実数、ｅ_１２は任意の実数である。）
    を特徴とする請求項８に記載の肥満の評価方法。
12. 前記判別値基準判別ステップにて前記健常もしくは前記見掛け肥満または前記隠れ肥満もしくは前記肥満であるか否かを判別する場合、前記多変量判別式は、数式１３、Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記ロジスティック回帰式、またはＧｌｕ，Ａｌａ，Ａｒｇ，Ｔｙｒ，Ｏｒｎ，Ｖａｌ，Ｌｅｕ，Ｉｌｅを前記変数とする前記線形判別式であること
    ａ_１３（Ｇｌｕ／Ａｓｎ）＋ｂ_１３（Ｓｅｒ／Ａｌａ）＋ｃ_１３（Ｃｉｔ／Ｐｈｅ）＋ｄ_１３（Ｔｙｒ／Ｔｒｐ）＋ｅ_１３ ・・・（数式１３）
    （数式１３においてａ_１３，ｂ_１３，ｃ_１３，ｄ_１３はゼロでない任意の実数、ｅ_１３は任意の実数である。）
    を特徴とする請求項８に記載の肥満の評価方法。
13. 制御手段と記憶手段とを備えた肥満評価装置であって、
    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評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つのアミノ酸の濃度値、および、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つの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多変量判別式であって、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも２つの状態を評価するためのものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段を備えたこと、
    を特徴とする肥満評価装置。
14. 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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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１３に記載の肥満評価装置。
15. 前記判別値基準評価手段は、少なくとも、前記見掛け肥満、前記隠れ肥満および前記肥満の状態を評価すること、
    を特徴とする請求項１４に記載の肥満評価装置。
16. 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肥満評価方法であって、
    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評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つのアミノ酸の濃度値、および、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つの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多変量判別式であって、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも２つの状態を評価するためのものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップを実行すること、
    を特徴とする肥満評価方法。
17. 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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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１６に記載の肥満評価方法。
18. 制御手段と記憶手段とを備えた肥満評価装置と、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肥満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肥満評価装置へ送信するアミノ酸濃度データ送信手段と、
    前記肥満評価装置から送信された評価結果を受信する結果受信手段と
    を備え、
    前記肥満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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つのアミノ酸の濃度値、および、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つの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多変量判別式であって、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも２つの状態を評価するためのものに基づいて、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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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評価結果を前記情報通信端末装置へ送信する結果送信手段と、
    を備えたこと、
    を特徴とする肥満評価システム。
19. 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肥満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評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つのアミノ酸の濃度値、および、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つの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多変量判別式であって、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも２つの状態を評価するためのものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップを実行させること、
    を特徴とする肥満評価プログラム。
20. 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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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１９に記載の肥満評価プログラム。
21. 請求項１９または２０に記載の肥満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。
22. 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、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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つのアミノ酸の濃度値、および、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つのアミノ酸を変数として含む前記多変量判別式であって、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも２つの状態を評価するためのものに基づいて算出したものであること、
    を特徴とする情報通信端末装置。
23. 前記結果取得手段は、前記判別値に代えて、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つの状態を評価した結果であること、
    を特徴とする請求項２２に記載の情報通信端末装置。
24. 前記判別値を算出する肥満評価装置とネットワークを介して通信可能に接続されており、
    前記評価対象の前記アミノ酸濃度データを前記肥満評価装置へ送信するアミノ酸濃度データ送信手段をさらに備え、
    前記結果取得手段は、前記肥満評価装置から送信された、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つの状態に関する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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つの状態を評価した結果であること、
    を特徴とする請求項２２に記載の情報通信端末装置。
25. 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肥満評価装置であって、
    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Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つのアミノ酸の濃度値、および、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ａｌａ，Ｃｙｓ２，Ｔｙｒ，Ｖａｌ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐのうちの少なくとも１つの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多変量判別式であって、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）およびＶＦＡ（Ｖｉｓｃｅｒａｌ Ｆａｔ Ａｒｅａ）で定義される見掛け肥満、隠れ肥満および肥満のうち少なくとも２つの状態を評価するためのものに基づいて、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、前記見掛け肥満、前記隠れ肥満および前記肥満のうち少なくとも２つ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評価結果を前記情報通信端末装置へ送信する結果送信手段と、
    を備えたこと、
    を特徴とする肥満評価装置。

Images