JP5836017B2 - Diabetes care support apparatus and diabetes care support method - Google Patents
Diabetes care support apparatus and diabetes care support method Download PDFInfo
- Publication number
- JP5836017B2 JP5836017B2 JP2011188557A JP2011188557A JP5836017B2 JP 5836017 B2 JP5836017 B2 JP 5836017B2 JP 2011188557 A JP2011188557 A JP 2011188557A JP 2011188557 A JP2011188557 A JP 2011188557A JP 5836017 B2 JP5836017 B2 JP 5836017B2
- Authority
- JP
- Japan
- Prior art keywords
- glucose
- insulin
- class
- ability
- insulin secretion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Description
本発明は、インスリン分泌能、インスリン感受性等の患者の糖代謝に関する情報及び糖尿病治療薬による治療効果に関する情報を提供する糖尿病診療支援装置及び糖尿病診療支援方法に関する。 The present invention relates to a diabetes care support apparatus and a diabetes care support method that provide information on glucose metabolism of a patient, such as insulin secretion ability and insulin sensitivity, and information on a therapeutic effect of a therapeutic agent for diabetes.
糖尿病診療においては、糖代謝に関する病態を把握することが重要である。かかる糖代謝に関する病態は、糖代謝に関する基本的指標であるインスリン分泌能及びインスリン感受性が主として使用される。また、肝糖放出能も病態把握に使用されることがある。 In diabetes care, it is important to understand the pathophysiology related to glucose metabolism. Such a pathological condition relating to glucose metabolism mainly uses insulin secretion ability and insulin sensitivity, which are basic indicators relating to sugar metabolism. In addition, hepatic glucose releasing ability may be used to understand the pathological condition.
インスリン分泌能を精密に測定するためには、例えばグルコースクランプ試験の１つである高血糖クランプ試験を実施する必要がある。また、インスリン感受性を精密に測定するためには、例えば上記の高血糖クランプ試験とは異なるグルコースクランプ試験である高インスリン正常血糖クランプ試験を実施する必要がある。肝糖放出能を測定するためには、例えばグルコースを同位体でラベルするグルコーストレーサー試験を実施する必要がある。 In order to accurately measure the insulin secretion ability, for example, it is necessary to perform a hyperglycemic clamp test, which is one of glucose clamp tests. In addition, in order to accurately measure insulin sensitivity, for example, it is necessary to perform a high insulin normoglycemic clamp test which is a glucose clamp test different from the hyperglycemic clamp test described above. In order to measure hepatic glucose releasing ability, for example, it is necessary to perform a glucose tracer test in which glucose is labeled with an isotope.
特許文献１には、食事後の血糖値及び血中インスリン濃度からインスリン感受性を求める方法が開示されている。この特許文献１に開示されている方法では、グルコースクランプ試験を実施することなく、インスリン感受性が求められる。 Patent Document 1 discloses a method for determining insulin sensitivity from blood glucose level after meal and blood insulin concentration. In the method disclosed in Patent Document 1, insulin sensitivity is required without performing a glucose clamp test.
しかしながら、上述したグルコースクランプ試験は、点滴と多数回の採血が必要であり、患者への負担が大きい。特許文献１に開示されている方法では、グルコースクランプ試験を実施する必要がないが、血中インスリン濃度を複数回測定する必要がある。血中インスリン濃度の測定は、血糖値の測定と比較して高コストであるため、頻繁に実施することはできない。また、グルコーストレーサー試験は同位体で標識したブドウ糖を使用するため、簡便に実施することはできない。 However, the glucose clamp test described above requires a drip and multiple blood collections, which imposes a heavy burden on the patient. In the method disclosed in Patent Document 1, it is not necessary to perform a glucose clamp test, but it is necessary to measure the blood insulin concentration a plurality of times. The measurement of blood insulin concentration is expensive compared with the measurement of blood glucose level, so it cannot be performed frequently. In addition, since the glucose tracer test uses glucose labeled with an isotope, it cannot be easily carried out.
本発明は、かかる課題に鑑みてなされたものであり、被験者に大きな負担をかけ、特殊な手順が必要となるグルコースクランプ試験及びグルコーストレーサー試験を必要とせず、従来に比して簡便に糖代謝に関する病態の情報を提供することが可能な糖尿病診療支援装置及び糖尿病診療支援方法を提供することを目的とする。 The present invention has been made in view of the above-described problems, and puts a heavy burden on the subject and does not require a glucose clamp test and a glucose tracer test that require a special procedure, and is simpler than conventional glucose metabolism. It is an object of the present invention to provide a diabetes care support apparatus and a diabetes care support method capable of providing information on a disease state related to the disease.
上述した課題を解決するために、本発明の一の態様の糖尿病診療支援装置は、経口糖負荷試験で得られた経口糖負荷前血糖値及び経口糖負荷後所定時間の血糖値を含む血漿中グルコース濃度変化データ、経口糖負荷試験で得られた血漿中インスリン濃度変化データ、並びにＢＭＩを含む複数の患者それぞれの診療データのうち、前記血漿中インスリン濃度変化データ及び前記血漿中グルコース濃度変化データに基づいて生体の挙動を再現する生体シミュレーションを実行することでそれぞれの患者のインスリン分泌能を示す値、インスリン感受性を示す値、肝糖放出を示す値を推定し、推定されたインスリン分泌能を示す値、インスリン感受性を示す値及び肝糖放出能を示す値に応じて前記複数の患者それぞれの診療データを前記インスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれについて複数のクラスに区分した場合の、区分されたクラスと、各クラスに属する複数の診療データに含まれる経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩに関する情報とを対応付けて記憶する記憶部と、被験者の経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩを含む各測定値の入力を受け付ける受付部と、前記受付部により受け付けた各測定値と、前記記憶部に記憶された前記経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩに関する情報と区分されたクラスとの対応関係に基づいて、被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスを決定する決定手段と、前記決定手段により決定された、前記被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスに関する情報を出力する出力部と、を備える。 In order to solve the above-described problem, a diabetes medical support device according to one aspect of the present invention includes a blood glucose level before oral glucose tolerance obtained in an oral glucose tolerance test and a blood glucose level for a predetermined time after oral glucose tolerance. Among the glucose concentration change data, the plasma insulin concentration change data obtained in the oral glucose tolerance test, and the clinical data of each of a plurality of patients including BMI , the plasma insulin concentration change data and the plasma glucose concentration change data Based on the simulation of the body to reproduce the behavior of the living body, the value indicating the insulin secretion ability , the value indicating the insulin sensitivity , the value indicating the liver glucose release of each patient is estimated, and the estimated insulin secretion ability is shown. The medical data of each of the plurality of patients according to the value, the value indicating insulin sensitivity, and the value indicating hepatic glucose releasing ability泌能, in the case of divided into a plurality of classes for each of the insulin sensitivity and hepatic glucose release capability, and partitioned class, oral glucose tolerance before blood glucose included in the plurality of medical information data belonging to each class, after oral glucose load receiving a storage unit that stores in association with information about the blood glucose level and BMI for a predetermined time, an oral glucose tolerance before blood glucose level of the subject, the input including the measurement of blood glucose level and BMI for a predetermined time after oral glucose load A reception unit, each measurement value received by the reception unit, and a class that is classified from information on the blood glucose level before oral glucose load, the blood glucose level at a predetermined time after oral glucose load, and BMI stored in the storage unit based on the correspondence relationship, determining means for determining a class of insulin secretion in subjects, each of insulin sensitivity and hepatic glucose release capability belongs, determined by the determination means, Comprising serial insulin secretion capacity of the subject, and an output unit which respectively outputs the information about the class belonging insulin sensitivity and hepatic glucose release ability, the.
上記態様において、前記各クラスに含まれる経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩに関する情報は、経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩの平均値ベクトル及び共分散行列であってもよい。 In the above aspect, the information on the blood glucose level before oral glucose load, the blood glucose level at a predetermined time after oral glucose load, and the BMI included in each class includes the blood glucose level before oral glucose load, the blood glucose level at a predetermined time after oral glucose load, and the BMI. Average value vector and covariance matrix .
上記態様において、前記生体シミュレーションは、血漿グルコース濃度、血漿インスリン濃度、グルコース濃度の上昇に依存したインスリン分泌速度、経口糖負荷後の肝糖放出変化速度、及び末梢組織のインスリン作用点におけるインスリン作用量を変数とする生体モデルを用いて実行されてもよい。 In the above aspect, the biological simulation includes plasma glucose concentration, plasma insulin concentration, insulin secretion rate dependent on the increase in glucose concentration, liver glucose release change rate after oral glucose load, and insulin action amount at the insulin action point of peripheral tissues It may be executed using a biological model having as a variable .
上記態様において、前記決定手段は、前記受付部により受け付けた各測定値と、インスリン分泌能について区分された各クラスとの距離をそれぞれ算出し、距離が最小となるクラスを、前記被験者のインスリン分泌能が属するクラスとして決定し、前記受付部により受け付けた各測定値と、インスリン感受性について区分された各クラスとの距離をそれぞれ算出し、距離が最小となるクラスを、前記被験者のインスリン感受性が属するクラスとして決定し、前記受付部により受け付けた各測定値と、肝糖放出能について区分された各クラスとの距離をそれぞれ算出し、距離が最小となるクラスを、前記被験者の肝糖放出能が属するクラスとして決定してもよい。 In the above aspect, the determination unit calculates the distance between each measurement value received by the reception unit and each class classified for insulin secretion ability, and determines the class having the smallest distance as the insulin secretion of the subject. The distance between each measurement value received by the reception unit and each class classified for insulin sensitivity is calculated, and the class with the smallest distance belongs to the insulin sensitivity of the subject. Each class is determined as a class, and the distance between each measurement value received by the reception unit and each class classified for liver glucose releasing ability is calculated, and the class with the smallest distance is determined as the liver glucose releasing ability of the subject. You may determine as a class to which it belongs .
上記態様において、前記出力部は、前記被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスに関する情報として、前記決定手段により決定された前記被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスを示すグラフを出力してもよい。 In the above aspect, the output unit includes the subject's insulin secretion ability, insulin sensitivity, and liver as determined by the decision means as information relating to the class to which each of the subject's insulin secretion ability, insulin sensitivity, and liver glucose releasing ability belongs. A graph indicating the class to which each of the sugar releasing ability belongs may be output .
本発明の一の態様の糖尿病診療支援方法は、経口糖負荷試験で得られた経口糖負荷前血糖値及び経口糖負荷後所定時間の血糖値を含む血漿中グルコース濃度変化データ、経口糖負荷試験で得られた血漿中インスリン濃度変化データ、並びにＢＭＩを含む複数の患者それぞれの診療データのうち、前記血漿中インスリン濃度変化データ及び前記血漿中グルコース濃度変化データに基づいて生体の挙動を再現する生体シミュレーションを実行することでそれぞれの患者のインスリン分泌能を示す値、インスリン感受性を示す値、肝糖放出を示す値を推定し、推定されたインスリン分泌能を示す値、インスリン感受性を示す値及び肝糖放出能を示す値に応じて前記複数の患者それぞれの診療データを前記インスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれについて複数のクラスに区分した場合の、区分されたクラスと、各クラスに属する複数の診療データに含まれる経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩに関する情報とを対応付けて記憶するステップと、被験者の経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩを含む各測定値の入力を受け付けるステップと、受け付けられた各測定値と、記憶された前記経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩに関する情報と区分されたクラスとの対応関係に基づいて、被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスを決定するステップと、決定された、前記被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスに関する情報を出力するステップと、を有する。 The diabetes medical treatment support method according to one aspect of the present invention includes plasma glucose concentration change data including a blood glucose level before oral glucose tolerance and a blood glucose level for a predetermined time after oral glucose tolerance obtained by an oral glucose tolerance test, an oral glucose tolerance test. plasma insulin concentration change data obtained in and out of each of the clinical data a plurality of patients including the BMI, bio to reproduce the behavior of a living body on the basis of the plasma insulin concentration change data and the plasma glucose concentration change data By executing the simulation, a value indicating the insulin secretion ability of each patient, a value indicating the insulin sensitivity , a value indicating the hepatic glucose release, and a value indicating the estimated insulin secretion capacity, a value indicating the insulin sensitivity and the liver are estimated. According to the value indicating the sugar releasing ability, the medical data of each of the plurality of patients is converted into the insulin secretion ability, insulin sensitivity and liver In the case of divided into a plurality of classes for each of the discharge capacity, and partitioned class, oral glucose tolerance before blood glucose included in the plurality of medical information data belonging to each class, to the blood glucose level and BMI for a predetermined time after oral glucose load and storing in association with information, oral glucose tolerance before blood glucose level of the subject, the steps of the blood glucose level and BMI for a predetermined time after oral glucose load accepting input of including each measurement, the measured values accepted And the stored blood glucose level before oral glucose load, the blood glucose level for a predetermined time after oral glucose load, and the information regarding BMI and the classified class, and the subject 's insulin secretion ability, insulin sensitivity and liver glucose a step of each of the discharge capacity to determine the class to which it belongs, is determined, insulin secretory capacity of the subject, it insulin sensitivity and hepatic glucose release capacity And a step of outputting information about the class to which belongs.
本発明によれば、被験者に大きな負担をかけ、特殊な手順が必要となるグルコースクランプ試験及びグルコーストレーサー試験を必要とせず、従来に比して簡便に糖代謝に関する病態の情報を提供することが可能となる。
According to the present invention, it is possible to provide information on a pathological condition relating to glucose metabolism more easily than in the past without requiring a glucose clamp test and a glucose tracer test, which place a heavy burden on the subject and require special procedures. It becomes possible.
以下、本発明の好ましい実施の形態を、図面を参照しながら説明する。 Hereinafter, preferred embodiments of the present invention will be described with reference to the drawings.
［糖尿病診療支援装置の構成］
図１は、本実施の形態に係る糖尿病診療支援装置の構成を示すブロック図である。本実施の形態に係る糖尿病診療支援装置１は、コンピュータ１ａによって実現される。図１に示すように、コンピュータ１ａは、本体１１と、表示部１２と、入力部１３とを備えている。本体１１は、ＣＰＵ１１ａと、ＲＯＭ１１ｂ、ＲＡＭ１１ｃ、ハードディスク１１ｄ、読出装置１１ｅ、入出力インタフェース１１ｆ、及び画像出力インタフェース１１ｇを備えており、ＣＰＵ１１ａ、ＲＯＭ１１ｂ、ＲＡＭ１１ｃ、ハードディスク１１ｄ、読出装置１１ｅ、入出力インタフェース１１ｆ、および画像出力インタフェース１１ｇは、バス１１ｉによって接続されている。
[Configuration of Diabetes Care Support Device]
FIG. 1 is a block diagram showing a configuration of a diabetes medical care support apparatus according to the present embodiment. Diabetes care support device 1 according to the present embodiment is realized by computer 1a. As shown in FIG. 1, the computer 1 a includes a main body 11, a display unit 12, and an input unit 13. The main body 11 includes a CPU 11a, ROM 11b, RAM 11c, hard disk 11d, reading device 11e, input / output interface 11f, and image output interface 11g. The CPU 11a, ROM 11b, RAM 11c, hard disk 11d, reading device 11e, input / output interface 11f. The image output interface 11g is connected by a bus 11i.
ＣＰＵ１１ａは、ＲＡＭ１１ｃにロードされたコンピュータプログラムを実行することが可能である。そして、後述する糖尿病診療支援プログラム１４ａを当該ＣＰＵ１１ａが実行することにより、コンピュータ１ａが糖尿病診療支援装置１として機能する。 The CPU 11a can execute a computer program loaded in the RAM 11c. The computer 11a functions as the diabetes care support apparatus 1 when the CPU 11a executes a diabetes care support program 14a described later.
ＲＯＭ１１ｂは、マスクＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、又はＥＥＰＲＯＭ等によって構成されており、ＣＰＵ１１ａに実行されるコンピュータプログラムおよびこれに用いるデータ等が記録されている。ＲＡＭ１１ｃは、ＳＲＡＭまたはＤＲＡＭ等によって構成されている。ＲＡＭ１１ｃは、ハードディスク１１ｄに記録されているコンピュータプログラムの読み出しに用いられる。また、ＣＰＵ１１ａがコンピュータプログラムを実行するときに、ＣＰＵ１１ａの作業領域として利用される。 The ROM 11b is configured by a mask ROM, PROM, EPROM, EEPROM, or the like, and stores a computer program executed by the CPU 11a, data used for the same, and the like. The RAM 11c is configured by SRAM, DRAM, or the like. The RAM 11c is used to read a computer program recorded on the hard disk 11d. Further, when the CPU 11a executes a computer program, it is used as a work area for the CPU 11a.
ハードディスク１１ｄは、オペレーティングシステムおよびアプリケーションプログラム等、ＣＰＵ１１ａに実行させるための種々のコンピュータプログラムおよび当該コンピュータプログラムの実行に用いられるデータがインストールされている。糖尿病診療支援プログラム１４ａも、このハードディスク１１ｄにインストールされている。 The hard disk 11d is installed with various computer programs to be executed by the CPU 11a, such as an operating system and application programs, and data used for executing the computer programs. The diabetes medical treatment support program 14a is also installed in the hard disk 11d.
また、ハードディスク１１ｄには、生体の糖代謝に関する機能をコンピュータにシミュレートさせるための生体シミュレーションプログラム１４ｂがインストールされている。生体シミュレーションプログラム１４ｂをＣＰＵ１１ａが実行することにより、コンピュータ１ａが生体シミュレーションシステムとして機能する。生体シミュレーションシステムの詳細は後述する。 The hard disk 11d is installed with a living body simulation program 14b for causing a computer to simulate functions related to sugar metabolism in the living body. When the CPU 11a executes the biological simulation program 14b, the computer 1a functions as a biological simulation system. Details of the biological simulation system will be described later.
また、ハードディスク１１ｄには、クラスタ特徴量情報１４ｃが記憶されている。クラスタ特徴量情報１４ｃは、ＣＰＵ１１ａによる糖尿病診療支援プログラム１４ａの実行に使用されるデータである。かかるクラスタ特徴量情報１４ｃの詳細については後述する。 The hard disk 11d stores cluster feature information 14c. The cluster feature information 14c is data used for execution of the diabetes care support program 14a by the CPU 11a. Details of the cluster feature amount information 14c will be described later.
読出装置１１ｅは、フレキシブルディスクドライブ、ＣＤ−ＲＯＭドライブ、またはＤＶＤ−ＲＯＭドライブ等によって構成されており、可搬型記録媒体１４に記録されたコンピュータプログラムまたはデータを読み出すことができる。また、可搬型記録媒体１４には、糖尿病診療支援プログラム１４ａが格納されており、コンピュータ１ａが当該可搬型記録媒体１４から糖尿病診療支援プログラム１４ａを読み出し、当該糖尿病診療支援プログラム１４ａをハードディスク１１ｄにインストールすることが可能である。 The reading device 11e is configured by a flexible disk drive, a CD-ROM drive, a DVD-ROM drive, or the like, and can read a computer program or data recorded on the portable recording medium 14. The portable recording medium 14 stores a diabetes care support program 14a. The computer 1a reads the diabetes care support program 14a from the portable record medium 14, and installs the diabetes care support program 14a in the hard disk 11d. Is possible.
なお、前記糖尿病診療支援プログラム１４ａは、可搬型記録媒体１４によって提供されるのみならず、電気通信回線（有線、無線を問わない）によってコンピュータ１ａと通信可能に接続された外部の機器から前記電気通信回線を通じて提供することも可能である。例えば、前記糖尿病診療支援プログラム１４ａがインターネット上のサーバコンピュータのハードディスク内に格納されており、このサーバコンピュータにコンピュータ１ａがアクセスして、当該コンピュータプログラムをダウンロードし、これをハードディスク１１ｄにインストールすることも可能である。 The diabetes care support program 14a is not only provided by the portable recording medium 14, but also from an external device that is communicably connected to the computer 1a through an electric communication line (whether wired or wireless). It can also be provided through a communication line. For example, the diabetes medical care support program 14a may be stored in a hard disk of a server computer on the Internet, and the computer 1a may access the server computer to download the computer program and install it on the hard disk 11d. Is possible.
また、ハードディスク１１ｄには、例えば米マイクロソフト社が製造販売するWindows（登録商標）等のマルチタスクオペレーティングシステムがインストールされている。以下の説明においては、本実施の形態に係る糖尿病診療支援プログラム１４ａは当該オペレーティングシステム上で動作するものとしている。 The hard disk 11d is installed with a multitask operating system such as Windows (registered trademark) manufactured and sold by Microsoft Corporation. In the following description, it is assumed that the diabetes care support program 14a according to the present embodiment operates on the operating system.
入出力インタフェース１１ｆは、例えばUSB，IEEE1394，又はRS-232C等のシリアルインタフェース、SCSI，IDE，又はIEEE1284等のパラレルインタフェース、およびＤ／Ａ変換器、Ａ／Ｄ変換器等からなるアナログインタフェース等から構成されている。入出力インタフェース１１ｆには、キーボードおよびマウスからなる入力部１３が接続されており、ユーザが当該入力部１３を使用することにより、コンピュータ１ａにデータを入力することが可能である。 The input / output interface 11f is, for example, a serial interface such as USB, IEEE1394, or RS-232C, a parallel interface such as SCSI, IDE, or IEEE1284, and an analog interface including a D / A converter, an A / D converter, and the like. It is configured. An input unit 13 composed of a keyboard and a mouse is connected to the input / output interface 11f, and the user can input data to the computer 1a by using the input unit 13.
画像出力インタフェース１１ｇは、ＬＣＤまたはＣＲＴ等で構成された表示部１２に接続されており、ＣＰＵ１１ａから与えられた画像データに応じた映像信号を表示部１２に出力するようになっている。表示部１２は、入力された映像信号にしたがって、画像（画面）を表示する。 The image output interface 11g is connected to the display unit 12 constituted by an LCD, a CRT, or the like, and outputs a video signal corresponding to the image data given from the CPU 11a to the display unit 12. The display unit 12 displays an image (screen) according to the input video signal.
＜生体シミュレーションシステム＞
次に、生体シミュレーションシステムについて説明する。生体シミュレーションシステムは、クラスタ特徴量情報の作成に使用される。
<Biological simulation system>
Next, the biological simulation system will be described. The biological simulation system is used to create cluster feature amount information.
図２は、生体シミュレーションシステムの構成を示す機能ブロック図である。生体シミュレーションシステム２０は、診療データ入力部２１と、生体モデル２２と、生体モデル駆動部２３と、生体モデル生成部２４と、病態分析部２５とを有している。 FIG. 2 is a functional block diagram showing the configuration of the biological simulation system. The biological simulation system 20 includes a medical data input unit 21, a biological model 22, a biological model drive unit 23, a biological model generation unit 24, and a pathological condition analysis unit 25.
ここで用いる生体モデル２２ としては、例えば、Seike al., Journal of Physiological Sciences, vol 61, 321-330 (2011)で開示されている数式（数理モデル）によって表現したものを用いることができる。 As the biological model 22 used here, for example, a model expressed by a mathematical formula (mathematical model) disclosed in Seike al., Journal of Physiological Sciences, vol 61, 321-330 (2011) can be used.
この数理モデルは、血漿グルコース濃度Ｇ、血漿インスリン濃度Ｉ、グルコース濃度の上昇に依存した総インスリン分泌速度ＲＩ、グルコース濃度の上昇変動に依存したインスリン分泌速度ＲＩ１、グルコース濃度の上昇に依存したインスリン分泌速度ＲＩ２、糖負荷後の肝糖放出変化速度ＲΔＳＧＯ、およびリモートインスリン（末梢組織のインスリン作用点におけるインスリン作用量）を変数とする。ここで、Ｇ（０）、Ｉ（０）は糖負荷時点での値とし、その他の値は時刻tにおける値とすると、これらの変数は、下記の微分方程式で記述される。
ｐＩ１： グルコース濃度血漿からのインスリン消失率（固定値）
ｐＩ２： グルコース濃度の上昇変動に依存したインスリン分泌感度（可変値）
ｐＩ３： 追加インスリン分泌における時定数（可変値）
ｐＩ４： 追加インスリン分泌感度（可変値）
ｐＧ１： 肝を除くインスリン非依存糖取り込み率（固定値）
ｐＧ２： リモートインスリンの消失率（固定値）
ｐＧ３： インスリン感受性（可変値）
ｐＧ４： 肝糖放出関連パラメータ（可変値）
ｐＧ５： 肝糖放出関連パラメータ（可変値）
ｋＷ： 肝糖放出関連定数（固定値）
であって、固定パラメータは患者によらず一定値に定められ、可変パラメータは各患者によって異なる値を持つことができる。
This mathematical model relied on plasma glucose concentration G, plasma insulin concentration I, total insulin secretion rate R I dependent on the increase in glucose concentration, insulin secretion rate R I1 dependent on the increase in glucose concentration, and increase in glucose concentration Insulin secretion rate R I2 , liver glucose release change rate R ΔSGO after glucose loading, and remote insulin (insulin action amount at the insulin action point of peripheral tissues) are variables. Here, when G (0) and I (0) are values at the time of sugar loading, and other values are values at time t, these variables are described by the following differential equations.
p I1 : Glucose concentration Insulin disappearance rate from plasma (fixed value)
p I2 : Insulin secretion sensitivity dependent on fluctuation in glucose concentration (variable value)
p I3 : Time constant (variable value) in the secretion of additional insulin
p I4 : Additional insulin secretion sensitivity (variable value)
p G1 : Insulin-independent sugar uptake rate excluding liver (fixed value)
p G2 : Remote insulin disappearance rate (fixed value)
p G3 : Insulin sensitivity (variable value)
p G4 : hepatic glucose release related parameter (variable value)
p G5 : hepatic glucose release related parameter (variable value)
k W: hepatic glucose release related constants (fixed value)
The fixed parameter is set to a constant value regardless of the patient, and the variable parameter can have a different value for each patient.
生体モデル駆動部２３は、生体モデル２２を用いて、生体の挙動を再現するための計算を行うための部分である。たとえば、ＭａｔＬａｂ（マスワークス社製品）又はＥ−Ｃｅｌｌ（慶應義塾大学公開ソフトウェア）を用いて、生体モデルの挙動を計算してもよい。また、他の計算システムを用いてもよい。 The biological model drive unit 23 is a part for performing calculations for reproducing the behavior of the living body using the biological model 22. For example, the behavior of the biological model may be calculated using MatLab (product of Masworks) or E-Cell (Keio University public software). Other calculation systems may also be used.
前記生体モデル２２として前記ミニマルモデルを用いる場合は、生体モデル駆動部２３として、前記微分方程式を任意の値のパラメータと任意の時間間隔で計算できる数値計算ソフトウェアを用いることができる。 When the minimal model is used as the biological model 22, numerical calculation software capable of calculating the differential equation at an arbitrary value parameter and an arbitrary time interval can be used as the biological model driving unit 23.
生体モデル生成部２４は、生体モデル駆動部２３の出力が、入力された診療データと合致するような、生体モデル２２のパラメータセットを推定するための部分である。パラメータセットの推定方法としては、公知の最少二乗法、最急降下法や遺伝的アルゴリズムを用いることができるが、これらに限るものではなく、必要に応じて他の方法を用いてもよい。 The biological model generation unit 24 is a part for estimating a parameter set of the biological model 22 such that the output of the biological model driving unit 23 matches the input medical data. As a parameter set estimation method, a known least square method, steepest descent method, or genetic algorithm can be used, but is not limited thereto, and other methods may be used as necessary.
前記生体モデル２２として前記数理モデルを用いる場合は、第１のステップとして、前記診療データとして経口糖負荷試験時の血漿中インスリン濃度変化データを用い、前記モデル駆動部２３が出力するＩとの誤差が最少となるように、公知の最少二乗法、最急降下法や遺伝的アルゴリズムを用いて、前記パラメータのうちのｐＩ２、ｐＩ３、ｐＩ４を推定することができる。次のステップで、前記診療データとして経口糖負荷試験時の血漿中グルコース濃度変化データを用い、前期モデル駆動部２３が出力するＧとの誤差が最少となるように、同様の公知手法を用いて前記パラメータのうちのｐＧ3、ｐＧ４、ｐＧ５を推定することができる。 When the mathematical model is used as the biological model 22, as a first step, plasma insulin concentration change data during an oral glucose tolerance test is used as the medical data, and an error from I output by the model driving unit 23 P I2 , p I3 , and p I4 out of the parameters can be estimated by using a known least square method, steepest descent method, or genetic algorithm. In the next step, the plasma glucose concentration change data during the oral glucose tolerance test is used as the medical data, and the same known method is used so that the error from G output from the previous model driving unit 23 is minimized. Of these parameters, p G3, p G4, and p G5 can be estimated.
病態分析部２５は、生体モデル生成部２４が生成したパラメータセットを、糖尿病及び耐糖能異常の病態を理解するうえで重要となる３要素、「インスリン分泌能」、「インスリン感受性」、「肝糖放出能」と対応付け、あらかじめ定めた正常人のパラメータセットと比較し、異常となっているパラメータを検出することで病態を分析する。例えば、前記数理モデルのパラメータのうち、ｐＩ４を「インスリン分泌能（ここでは、追加インスリン分泌感度）」、ｐＧ３を「インスリン感受性」、ＲΔＳＧＯあるいはＲΔＳＧＯの糖負荷後一定時間の積分値を「肝糖放出能」と対応付けることができる。さらに、特定のパラメータについて、正常人のとりうる上限値と下限値を設定し、その範囲を超えた場合に異常と判定してもよい。また、正常人のパラメータの代表値と、生成された患者のパラメータの比率で正常、異常を判定することもできる。 The pathological analysis unit 25 uses the parameter set generated by the biological model generation unit 24 as three elements that are important in understanding the pathophysiology of diabetes and impaired glucose tolerance: “insulin secretion ability”, “insulin sensitivity”, “hepatic glucose” The pathological condition is analyzed by detecting abnormal parameters by comparing with a predetermined parameter set of normal persons in association with the “releasing ability”. For example, among the parameters of the mathematical model, p I4 is “insulin secretion ability (here, additional insulin secretion sensitivity)”, p G3 is “insulin sensitivity”, and R ΔSGO or R ΔSGO is an integrated value of a certain time after sugar loading Can be associated with “liver glucose releasing ability”. Further, an upper limit value and a lower limit value that can be taken by a normal person may be set for a specific parameter, and it may be determined as abnormal when the range is exceeded. Also, normality / abnormality can be determined based on the ratio between the representative value of the parameter of the normal person and the parameter of the generated patient.
＜クラスタ特徴量情報＞
ここで、クラスタ特徴量情報１４ｃについて説明する。クラスタ特徴量情報１４ｃは、インスリン分泌能、インスリン感受性、及び肝糖放出能が既知の複数の患者から得られた参照データから作成される。クラスタ特徴量情報１４ｃには、インスリン分泌能、インスリン感受性、及び肝糖放出能の３種類のクラスタ特徴量情報が含まれている。
<Cluster feature information>
Here, the cluster feature amount information 14c will be described. The cluster feature information 14c is created from reference data obtained from a plurality of patients whose insulin secretion ability, insulin sensitivity, and liver glucose release ability are known. The cluster feature amount information 14c includes three types of cluster feature amount information including insulin secretion ability, insulin sensitivity, and liver glucose releasing ability.
以下、インスリン分泌能についてのクラスタ特徴量情報の作成方法を説明する。クラスタ特徴量情報１４ｃは、コンピュータ１ａが以下のクラスタ特徴量抽出処理を実行することにより作成される。 Hereinafter, a method of creating cluster feature amount information regarding insulin secretion ability will be described. The cluster feature information 14c is created when the computer 1a executes the following cluster feature extraction processing.
図３は、クラスタ特徴量抽出処理の手順を示すフローチャートである。ユーザは、複数の患者に対して経口糖負荷試験を実施し、経口糖負荷試験の測定結果を含む複数の患者の診療データを収集する。収集される診療データとしては、経口糖負荷試験において測定された血糖値及びインスリン濃度、並びに体重を含んでいる。また、経口糖負荷試験において測定された血糖値及びインスリン濃度には、
経口糖負荷後０分、３０分、６０分、及び１２０分の４点において測定された血糖値及びインスリン濃度を含んでいる。ユーザは、収集した複数セットの診療データをコンピュータ１ａに入力し、ＣＰＵ１１ａが、入力された複数セットの診療データを受け付ける（ステップＳ１１）。
FIG. 3 is a flowchart showing a procedure of cluster feature amount extraction processing. The user performs an oral glucose tolerance test on a plurality of patients, and collects medical data of the plurality of patients including measurement results of the oral glucose tolerance test. The collected clinical data includes blood glucose level and insulin concentration measured in the oral glucose tolerance test, and body weight. In addition, blood glucose level and insulin concentration measured in the oral glucose tolerance test include
It includes blood glucose and insulin concentrations measured at 4 points 0, 30, 60, and 120 minutes after oral glucose load. The user inputs the collected sets of medical data to the computer 1a, and the CPU 11a receives the input sets of medical data (step S11).
次にＣＰＵ１１ａは、入力された複数セットの診療データの中から１つを選択し（ステップＳ１２）、選択された診療データを用いて、生体シミュレーション処理を実行する（ステップＳ１３）。 Next, the CPU 11a selects one of the input sets of medical data (step S12), and executes a biological simulation process using the selected medical data (step S13).
図４は、生体シミュレーション処理の手順を示すフローチャートである。これは、コンピュータ１ａのＣＰＵ１１ａが生体シミュレーションプログラム１４ｂを実行することにより行われる。 FIG. 4 is a flowchart showing the procedure of the biological simulation process. This is performed by the CPU 11a of the computer 1a executing the biological simulation program 14b.
生体シミュレーション処理において、まずＣＰＵ１１ａは、生体モデル２２のパラメータセットを初期値に設定する（ステップＳ１３１）。 In the biological simulation process, first, the CPU 11a sets a parameter set of the biological model 22 to an initial value (step S131).
次にＣＰＵ１１ａは、設定されたパラメータセットにより生体モデル駆動部２３に生体の挙動を再現させる（ステップＳ１３２）。続いて、ＣＰＵ１１ａは、生体モデル駆動部２３の出力データと、選択されている診療データとを比較し（ステップＳ１３３）、両者が十分に合致するか否かを判定する（ステップＳ１３４）。 Next, the CPU 11a causes the biological model driving unit 23 to reproduce the behavior of the living body based on the set parameter set (step S132). Subsequently, the CPU 11a compares the output data of the biological model driving unit 23 with the selected medical data (step S133), and determines whether or not both match sufficiently (step S134).
十分に合致しない場合には（ステップＳ１３４においてＮＯ）、ＣＰＵ１１ａはパラメータセットを更新し（ステップＳ１３５）、ステップＳ１３２へ処理を戻す。 If not enough (NO in step S134), the CPU 11a updates the parameter set (step S135) and returns the process to step S132.
一方、生体モデル駆動部２３の出力データと、選択されている診療データとが十分に合致する場合には（ステップＳ１３４においてＹＥＳ）、ＣＰＵ１１ａは、その時点における生体モデル２２のインスリン分泌能、インスリン感受性、及び肝糖放出能を、診療データに対応付けてハードディスク１１ｄに記憶し（ステップＳ１３６）、クラスタ特徴量抽出処理における生体シミュレーション処理の呼出アドレスに処理を戻す。 On the other hand, when the output data of the biological model driving unit 23 and the selected medical data sufficiently match (YES in step S134), the CPU 11a determines the insulin secretion ability and insulin sensitivity of the biological model 22 at that time. And the liver glucose releasing ability are stored in the hard disk 11d in association with the medical data (step S136), and the process is returned to the call address of the biological simulation process in the cluster feature amount extraction process.
次にＣＰＵ１１ａは、入力された全ての診療データに対して生体シミュレーション処理を実行したか否かを判定し（ステップＳ１４）、まだ生体シミュレーション処理を実行していない診療データが残っている場合には（ステップＳ１４においてＮＯ）、ステップＳ１２へ処理を戻す。 Next, the CPU 11a determines whether or not biometric simulation processing has been executed for all input medical data (step S14), and if medical data that has not yet been subjected to biological simulation processing remains. (NO in step S14), the process returns to step S12.
ステップＳ１４において、全ての診療データに対して生体シミュレーション処理が実行されている場合（ステップＳ１４においてＹＥＳ）、ＣＰＵ１１ａは、各患者の診療データを、インスリン分泌能、インスリン感受性、及び肝糖放出能のそれぞれによってソートする（ステップＳ１５）。この処理では、ＣＰＵ１１ａは、各診療データを３つずつ用意し、１つ目のデータセットをインスリン分泌能の高さによってソートし、２つ目のデータセットをインスリン感受性の高さによってソートし、３つ目のデータセットを肝糖放出能によってソートする。 In step S14, when the biological simulation process is executed for all the medical data (YES in step S14), the CPU 11a stores the medical data of each patient with the insulin secretion ability, the insulin sensitivity, and the hepatic glucose releasing ability. Sort by each (step S15). In this process, the CPU 11a prepares three pieces of each medical data, sorts the first data set by the level of insulin secretion ability, sorts the second data set by the level of insulin sensitivity, Sort the third data set by hepatic glucose release capacity.
次にＣＰＵ１１ａは、インスリン分泌能でソートした診療データを、インスリン分泌能の高さの順に３つのクラス（高、中、低）に分割する。同様に、ＣＰＵ１１ａは、インスリン感受性でソートした診療データを、インスリン感受性の高さの順に３つのクラスに分割し、肝糖放出能でソートした診療データを、肝糖放出能の高さの順に３つのクラスに分割する（ステップＳ１６）。各クラスは、低い方から順にレベル１、２、３とラベリングされる。 Next, the CPU 11a divides the medical data sorted by the insulin secretion ability into three classes (high, medium, and low) in the order of the insulin secretion ability. Similarly, the CPU 11a divides the medical data sorted by insulin sensitivity into three classes in the order of the insulin sensitivity, and sorts the medical data sorted by the liver glucose releasing ability into 3 in the order of the liver sugar releasing ability. Divide into two classes (step S16). Each class is labeled level 1, 2, 3 in order from the lowest.
ユーザは、入力部１３を用いて、病態の推定に使用する変数（以下、「推定用変数」という。）を指定する。推定用変数としては、糖代謝に関する測定項目（例えば、空腹時血糖値、食後（経口糖負荷後）所定時間の血糖値、空腹時インスリン濃度、食後（経口糖負荷後）所定時間のインスリン濃度、体重、ＢＭＩ等）を指定することができる。また、推定用変数としては、診療データに含まれる複数の測定項目を指定することができる。診療データに含まれていない測定項目を推定用変数として指定する場合、各診療データに当該測定項目の測定値を追加すればよい。本実施の形態では、３つの推定用変数として、空腹時血糖値、経口糖負荷後１２０分血糖値、及びＢＭＩを指定することとする。ＣＰＵ１１ａは、ユーザから指定された３つの測定項目を受け付け、これらを推定用変数として選択する（ステップＳ１７）。 The user uses the input unit 13 to specify a variable (hereinafter referred to as “estimation variable”) used for estimating the disease state. Variables for estimation include measurement items relating to glucose metabolism (eg fasting blood glucose level, postprandial (after oral glucose load) blood glucose level for a predetermined time, fasting insulin concentration, postprandial (after oral glucose load) for a predetermined time, Weight, BMI, etc.) can be specified. In addition, as the estimation variable, a plurality of measurement items included in the medical data can be designated. When a measurement item that is not included in medical data is designated as an estimation variable, the measurement value of the measurement item may be added to each medical data. In the present embodiment, the fasting blood glucose level, the 120-minute blood glucose level after oral glucose load, and the BMI are designated as the three estimation variables. The CPU 11a accepts three measurement items designated by the user and selects them as estimation variables (step S17).
次に、ＣＰＵ１１ａは、ステップＳ１６において定義した各クラスについて、推定用変数に関する平均値ベクトル（μａ，μｂ，μｃ）及び共分散行列Σを算出し（ステップＳ１８）、処理を終了する。ステップＳ１８の処理について詳しく述べる。前述したように、インスリン分泌能について３つのクラスが、インスリン感受性について３つのクラスが、肝糖放出能について３つのクラスが、それぞれ定義されている。ステップＳ１８の処理では、これらの９のクラスのそれぞれについて、クラスに属する診療データの平均値ベクトル及び共分散行列が算出される。これらの平均値ベクトル及び共分散行列によって、クラスタ特徴量情報１４ｃが構成される。 Next, the CPU 11a calculates an average value vector (μ a , μ b , μ c ) and a covariance matrix Σ regarding the estimation variable for each class defined in step S16 (step S18), and ends the process. The process of step S18 will be described in detail. As described above, three classes for insulin secretion ability, three classes for insulin sensitivity, and three classes for liver glucose releasing ability are defined. In the process of step S18, for each of these nine classes, an average value vector and a covariance matrix of medical data belonging to the class are calculated. These average value vectors and covariance matrix constitute cluster feature information 14c.
上述したような方法により作成されたクラスタ特徴量情報１４ｃが、ハードディスク１１ｄに記憶されている。図５は、クラスタ特徴量情報のデータ構造を示す模式図である。クラスタ特徴量情報１４ｃには、インスリン分泌能についてのクラスタ特徴量情報１４１と、インスリン感受性についてのクラスタ特徴量情報１４２と、肝糖放出能についてのクラスタ特徴量情報１４３とが含まれる。インスリン分泌能についてのクラスタ特徴量情報１４１には、インスリン分泌能のレベル１のクラスの平均値ベクトル及び共分散行列と、インスリン分泌能のレベル２のクラスの平均値ベクトル及び共分散行列と、インスリン分泌能のレベル３のクラスの平均値ベクトル及び共分散行列とが含まれる。同様に、インスリン感受性についてのクラスタ特徴量情報１４２には、インスリン感受性のレベル１〜３のそれぞれのクラスの平均値ベクトル及び共分散行列が含まれ、肝糖放出能についてのクラスタ特徴量情報１４３には、肝糖放出能のレベル１〜３のそれぞれのクラスの平均値ベクトル及び共分散行列が含まれる。 Cluster feature amount information 14c created by the method described above is stored in the hard disk 11d. FIG. 5 is a schematic diagram illustrating a data structure of cluster feature amount information. The cluster feature amount information 14c includes cluster feature amount information 141 regarding insulin secretory ability, cluster feature amount information 142 regarding insulin sensitivity, and cluster feature amount information 143 regarding liver glucose releasing ability. The cluster feature amount information 141 regarding the insulin secretion ability includes an average value vector and covariance matrix of the class 1 of insulin secretion ability, an average vector and covariance matrix of the class 2 of insulin secretion ability, insulin, The mean value vector and covariance matrix for the level 3 class of secretory capacity are included. Similarly, the cluster feature amount information 142 for insulin sensitivity includes the mean value vector and covariance matrix of each class of insulin sensitivity levels 1 to 3, and the cluster feature amount information 143 for liver glucose releasing ability is included in the cluster feature amount information 143. Includes a mean vector and a covariance matrix for each class of liver glucose releasing ability levels 1 to 3.
［糖尿病診療支援装置の動作］
次に、糖尿病診療支援装置１の動作について説明する。糖尿病診療支援装置１は、糖尿病に関する病態を推定する病態推定処理を実行することが可能である。
[Operation of Diabetes Care Support Device]
Next, operation | movement of the diabetes medical treatment assistance apparatus 1 is demonstrated. The diabetes medical treatment support apparatus 1 can execute a pathological condition estimation process for estimating a pathological condition related to diabetes.
図６は、病態推定処理の手順を示すフローチャートである。病態推定処理を開始した後、ユーザは、入力部１３を用いて糖尿病に関する病態を推定する対象の患者の患者ＩＤ、患者の氏名、患者氏名のふりがな、及び病態推定用データｘを糖尿病診療支援装置１に入力する。病態推定用データｘは、糖尿病に関する病態を推定する対象の患者について測定された、推定用変数の測定項目の測定値である。本実施の形態においては、患者の空腹時血糖値、経口糖負荷後１２０分血糖値、及びＢＭＩとされる。ユーザは、かかる病態推定用データｘをコンピュータ１ａに入力し、ＣＰＵ１１ａが、入力された病態推定用データｘを受け付ける（ステップＳ２１）。 FIG. 6 is a flowchart showing the procedure of the pathological condition estimation process. After starting the pathological condition estimation process, the user uses the input unit 13 to obtain the patient ID, the patient name, the name of the patient name, and the pathological condition estimation data x of the target patient whose diabetes state is to be estimated. Enter 1 The pathological condition estimation data x is a measurement value of a measurement item of the estimation variable measured for a patient whose target is a pathological condition related to diabetes. In the present embodiment, the fasting blood glucose level of the patient, the blood glucose level for 120 minutes after oral glucose load, and the BMI are used. The user inputs the disease state estimation data x to the computer 1a, and the CPU 11a receives the input disease state estimation data x (step S21).
次にＣＰＵ１１ａは、クラスタ特徴量情報１４ｃに基づいて、病態推定用データｘから各クラスタへのマハラノビス距離Ｄｉ（ｘ）を算出する（ステップＳ２２）。ステップＳ２２の処理を詳しく説明する。まずＣＰＵ１１ａは、病態推定用データｘと、インスリン分泌能のレベル１のクラスタ特徴量情報（平均値ベクトル及び共分散行列）とから、病態推定用データｘからインスリン分泌能のレベル１のクラスタへのマハラノビス距離を算出する。同様に、ＣＰＵ１１ａは、病態推定用データｘから、インスリン分泌能のレベル２のクラスタ、及びインスリン分泌能のレベル３のクラスタのそれぞれへの各マハラノビス距離を算出する。さらに、ＣＰＵ１１ａは、病態推定用データｘからインスリン感受性のレベル１〜３のクラスタそれぞれへの各マハラノビス距離を算出し、また、病態推定用データｘから肝糖放出能のレベル１〜３のクラスタそれぞれへの各マハラノビス距離を算出する。このように、ステップＳ２２においては、インスリン分泌能、インスリン感受性、及び肝糖放出能のそれぞれについて、３つずつマハラノビス距離が算出される。 Next, the CPU 11a calculates a Mahalanobis distance D i (x) to each cluster from the pathological condition estimation data x based on the cluster feature information 14c (step S22). The process of step S22 will be described in detail. First, the CPU 11a converts the pathological condition estimation data x to the insulin secretion capacity level 1 cluster from the pathological condition estimation data x and the insulin secretory capacity level 1 cluster feature information (average vector and covariance matrix). Calculate Mahalanobis distance. Similarly, the CPU 11a calculates each Mahalanobis distance from the pathological state estimation data x to each of the insulin secretion ability level 2 cluster and the insulin secretion ability level 3 cluster. Further, the CPU 11a calculates each Mahalanobis distance from the pathological condition estimation data x to each of the insulin sensitivity level 1 to 3 clusters, and from the pathological condition estimation data x, the liver glucose releasing ability levels 1 to 3 respectively. Calculate each Mahalanobis distance to. Thus, in step S22, three Mahalanobis distances are calculated for each of insulin secretion ability, insulin sensitivity, and liver glucose release ability.
次にＣＰＵ１１ａは、インスリン分泌能、インスリン感受性、及び肝糖放出能のそれぞれについて、マハラノビス距離が最小となるクラスタを、患者が属するクラスタとして選択する（ステップＳ２３）。つまり、インスリン分泌能のレベル１〜３のクラスタのうち、マハラノビス距離が最小のクラスタが、当該患者が属するインスリン分泌能のクラスタとして選択される。同様に、インスリン感受性のレベル１〜３のクラスタのうち、マハラノビス距離が最小のクラスタが、当該患者が属するインスリン感受性のクラスタとして選択され、肝糖放出能のレベル１〜３のクラスタのうち、マハラノビス距離が最小のクラスタが、当該患者が属する肝糖放出能のクラスタとして選択される。 Next, the CPU 11a selects the cluster having the smallest Mahalanobis distance as the cluster to which the patient belongs for each of insulin secretion ability, insulin sensitivity, and liver glucose releasing ability (step S23). That is, the cluster having the smallest Mahalanobis distance is selected as the insulin secretion ability cluster to which the patient belongs, among the clusters of levels 1 to 3 of insulin secretion ability. Similarly, among the clusters of insulin sensitivity levels 1 to 3, the cluster having the smallest Mahalanobis distance is selected as the insulin sensitivity cluster to which the patient belongs, and among the clusters of liver glucose releasing ability levels 1 to 3, Mahalanobis is selected. The cluster with the smallest distance is selected as the cluster of liver glucose releasing ability to which the patient belongs.
次にＣＰＵ１１ａは、ステップＳ２３において選択されたクラスタに基づいて、病態推定結果画面を表示部１２に表示させ（ステップＳ２４）、病態推定処理を終了する。 Next, the CPU 11a displays a pathological condition estimation result screen on the display unit 12 based on the cluster selected in step S23 (step S24), and ends the pathological condition estimation process.
図７は、病態推定結果画面の一例を示す図である。図に示すように、病態推定結果画面１００には、患者ＩＤを表示する領域１０１と、患者名を表示する領域１０２と、患者名のふりがなを表示する領域１０３とが設けられている。また、病態推定結果画面１００には、病態の推定結果として、患者が属するインスリン分泌能、インスリン感受性、及び肝糖放出能のクラスタの各レベルを示すグラフ１０４と、コメント１０５とが表示される。 FIG. 7 is a diagram illustrating an example of a pathological condition estimation result screen. As shown in the figure, the pathological condition estimation result screen 100 is provided with an area 101 for displaying a patient ID, an area 102 for displaying a patient name, and an area 103 for displaying a furigana of the patient name. In addition, the pathological condition estimation result screen 100 displays a graph 104 indicating each level of the insulin secretion ability, insulin sensitivity, and liver glucose releasing ability cluster to which the patient belongs and a comment 105 as the pathological condition estimation result.
コメント１０５は、ハードディスク１１ｄに格納されているコメントデータ１４ｄから読み出されたものが表示される。コメントデータ１４ｄは、インスリン分泌能、インスリン感受性、及び肝糖放出能のレベルの組み合わせ毎に与えられる複数のコメントを含んでいる。例えば、インスリン分泌能がレベル１、インスリン感受性がレベル２、肝糖放出能がレベル３の場合には、「インスリン分泌能が不十分な病態と考えられます。インスリン感受性は保持されているものの、インスリン分泌が十分でないため、肝糖放出が亢進し、末梢での糖取り込みも低下していると推定されます。」というコメントが対応する。このように、インスリン分泌能、インスリン感受性、及び肝糖放出能のレベルのそれぞれの組み合わせに対応して、病態を説明するコメントが割り当てられており、ステップＳ２３において選択された各クラスタのレベルの組み合わせに対応するコメントが、病態推定結果画面に表示される。 The comment 105 is read from the comment data 14d stored in the hard disk 11d. The comment data 14d includes a plurality of comments given for each combination of levels of insulin secretion ability, insulin sensitivity, and liver glucose releasing ability. For example, if the insulin secretion ability is level 1, the insulin sensitivity is level 2, and the hepatic glucose releasing ability is level 3, “It is considered that the insulin secretion ability is insufficient. Although insulin sensitivity is maintained, It is estimated that hepatic glucose release is increased and glucose uptake in the periphery is also decreased due to insufficient insulin secretion, ”commented. Thus, the comment explaining the disease state is assigned to each combination of the levels of insulin secretion ability, insulin sensitivity, and hepatic glucose release ability, and the combination of the levels of each cluster selected in step S23 A comment corresponding to is displayed on the pathological condition estimation result screen.
かかる病態推定結果画面１００により、ユーザは患者の病態の推定結果、即ち、患者が属するインスリン分泌能、インスリン感受性、肝糖放出能の各クラスタのレベルを容易に把握することができる。また、患者が属するインスリン分泌能、インスリン感受性、肝糖放出能の各クラスタのレベルの組み合わせに応じたコメントが表示されるので、ユーザは患者がどのような病態であると考えられるのかを容易に確認することができる。ユーザは、このような病態推定結果を糖尿病の診療に役立てることができる。 From this pathological condition estimation result screen 100, the user can easily grasp the pathological condition estimation result of the patient, that is, the level of each cluster of insulin secretion ability, insulin sensitivity, and hepatic glucose releasing ability to which the patient belongs. In addition, comments are displayed according to the combination of the levels of each cluster of insulin secretion ability, insulin sensitivity, and hepatic glucose release ability to which the patient belongs, so the user can easily determine what pathological condition the patient is considered to be Can be confirmed. The user can use such a pathological condition estimation result for diabetes medical care.
［評価試験１］
本願出願人は、経口糖負荷試験を実施した９００人の患者の診療データを用いて、本実施の形態に係る糖尿病診療支援装置１の性能評価試験を実施した。この評価試験においては、９００人の患者の診療データのそれぞれに対して本実施の形態に係る生体シミュレーション処理を実行し、各診療データについてインスリン分泌能、インスリン感受性、及び肝糖放出能を推定した。次に、各診療データをインスリン分泌能の高さによってソートし、インスリン分泌能の低い順にレベル１、２、３の３つのクラスに分割した。図８は、診療データをインスリン分泌能の高さに応じてクラス分けをした結果を示すグラフである。図において、十字はレベル１のデータを、三角形はレベル２のデータを、四角形はレベル３のデータを示している。本願出願人は、このようにして得られたクラスのそれぞれについて、クラスタ特徴量情報（平均値ベクトル及び共分散行列）を算出した。
[Evaluation Test 1]
The applicant of the present application performed a performance evaluation test of the diabetes medical assistance device 1 according to the present embodiment using medical data of 900 patients who performed an oral glucose tolerance test. In this evaluation test, the biological simulation processing according to the present embodiment is performed on each of the medical data of 900 patients, and the insulin secretion capacity, insulin sensitivity, and hepatic glucose release capacity are estimated for each medical data. . Next, each medical data was sorted according to the level of insulin secretion ability, and divided into three classes of levels 1, 2, and 3 in descending order of insulin secretion ability. FIG. 8 is a graph showing the result of classifying medical data according to the level of insulin secretion ability. In the figure, the cross indicates level 1 data, the triangle indicates level 2 data, and the square indicates level 3 data. The applicant of the present application calculated cluster feature amount information (mean value vector and covariance matrix) for each of the classes thus obtained.
次に本願出願人は、空腹時血糖値、経口糖負荷後１２０分血糖値、及びＢＭＩのそれぞれを一定の間隔で分割した３次元のメッシュを作成し、メッシュを構成する各データ点を、本実施の形態に係る糖尿病診療支援装置１に入力し、各データ点のインスリン分泌能、インスリン感受性、及び肝糖放出能のレベルを推定した。図９は、各データ点のインスリン分泌能のレベル推定結果を示すグラフである。図において、ドットはレベル１と推定されたデータ点を、三角形はレベル２と推定されたデータ点を、四角形はレベル３と推定されたデータ点を示している。換言すれば、ドットの集合はレベル１のクラスタを、三角形の集合はレベル２のクラスタを、四角形の集合はレベル３のクラスタを示している。 Next, the applicant of the present application creates a three-dimensional mesh obtained by dividing the fasting blood glucose level, the 120-minute blood glucose level after oral glucose load, and the BMI at regular intervals. The data was input to the diabetes care support apparatus 1 according to the embodiment, and the levels of insulin secretion ability, insulin sensitivity, and liver glucose release ability at each data point were estimated. FIG. 9 is a graph showing the level estimation result of the insulin secretion ability at each data point. In the figure, dots indicate data points estimated as level 1, triangles indicate data points estimated as level 2, and squares indicate data points estimated as level 3. In other words, a set of dots indicates a level 1 cluster, a set of triangles indicates a level 2 cluster, and a set of squares indicates a level 3 cluster.
下表に、本評価試験の結果を示す。下表では、生体シミュレーションによる各患者のインスリン分泌能の推定結果と、本実施の形態に係る糖尿病病態推定方法によるインスリン分泌能の推定結果との関係を示している。表において、Ｈは、インスリン分泌能のレベルが高いことを示し、Ｍは、インスリン分泌能のレベルが中程度であることを示し、Ｌは、インスリン分泌能のレベルが低いことを示している。表に示すように、生体シミュレーションによりインスリン分泌能が「高い」と推定された患者のうち、本実施の形態に係る糖尿病病態推定方法によりインスリン分泌能が「高い」と推定された患者の数は２３２であり、インスリン分泌能が「中程度」と推定された患者の数は８２であり、インスリン分泌能が「低い」と推定された患者の数は２７である。また、生体シミュレーションによりインスリン分泌能が「中程度」と推定された患者のうち、本実施の形態に係る糖尿病病態推定方法によりインスリン分泌能が「高い」と推定された患者の数は１０２であり、インスリン分泌能が「中程度」と推定された患者の数は１２０であり、インスリン分泌能が「低い」と推定された患者の数は１１８である。さらに、生体シミュレーションによりインスリン分泌能が「低い」と推定された患者のうち、本実施の形態に係る糖尿病病態推定方法によりインスリン分泌能が「高い」と推定された患者の数は１８であり、インスリン分泌能が「中程度」と推定された患者の数は３９であり、インスリン分泌能が「低い」と推定された患者の数は２８３である。このように、生体シミュレーションによりインスリン分泌能が「高い」と推定された患者のうちの最も多くの患者について、本実施の形態に係る糖尿病病態推定方法によりインスリン分泌能が「高い」と推定されている。また、生体シミュレーションによりインスリン分泌能が「中程度」と推定された患者のうちの最も多くの患者について、本実施の形態に係る糖尿病病態推定方法によりインスリン分泌能が「中程度」と推定されており、生体シミュレーションによりインスリン分泌能が「低い」と推定された患者のうちの最も多くの患者について、本実施の形態に係る糖尿病病態推定方法によりインスリン分泌能が「低い」と推定されている。このように、本実施の形態に係る糖尿病病態推定方法による推定結果と、生体シミュレーションによる推定結果とが高い精度で一致していることが分かる。
したがって、本実施形態の方法によれば、空腹時血糖値と、経口糖負荷試験によって測定可能な糖負荷後２時間血糖値と、ＢＭＩという測定が容易なパラメータを用いるのみで、被験者における糖尿病病態を推定することができる。 Therefore, according to the method of this embodiment, the fasting blood glucose level, the 2-hour post-glucose blood glucose level that can be measured by the oral glucose tolerance test, and a parameter that can be easily measured such as BMI are used. Can be estimated.
［評価試験２］
本願出願人は、経口糖負荷試験を実施後、インスリン抵抗性改善薬による治療が行なわれた３７人の患者の診療データを用いて、本実施の形態に係る糖尿病診療支援装置１の性能評価試験を実施した。この評価試験においては、まず評価試験１で用いた９００例のうちの３７例について、評価試験１で記載の方法で、インスリン感受性が「低い」、「中程度」、「高い」の３つの区分に分類した。また、３７症例の各々について、薬物治療を６ヶ月行なった後、治療前ヘモグロビンＡ１ｃが１割以上低下していることを薬剤奏功の基準として薬物奏功したか否かを評価した。そして、インスリン感受性に基づく３つの区分のそれぞれの区分において、薬物奏功した症例の数とその割合を算出した。
[Evaluation Test 2]
The applicant of the present application uses the clinical data of 37 patients who have been treated with an insulin sensitizer after performing an oral glucose tolerance test, and performs a performance evaluation test of the diabetes medical assistance device 1 according to the present embodiment. Carried out. In this evaluation test, 37 cases out of 900 cases used in evaluation test 1 are classified into three categories of insulin sensitivity “low”, “medium”, and “high” by the method described in evaluation test 1. Classified. Further, for each of 37 cases, after 6 months of drug treatment, it was evaluated whether the drug response was based on the fact that hemoglobin A1c before treatment had decreased by 10% or more as a criterion for drug response. Then, in each of the three categories based on insulin sensitivity, the number of drug-successful cases and the ratio thereof were calculated.
下表に、本評価試験の結果を示す。下表では、本実施の形態に係る糖尿病病態推定方法によるインスリン感受性の推定結果と、インスリン抵抗性改善薬（チアゾリジン誘導体関連薬）による治療効果との関係を示している。表に示すように、インスリン感受性が「低い」と推定された症例数は１２であり、そのうち薬物奏功した症例の数は９であり、奏功率は８３％であった。インスリン感受性が「中程度」と推定された症例数は１７であり、そのうち薬物奏功した症例数は３であり、奏功率は１８％であった。インスリン感受性が「高い」と推定された症例数は８であり、そのうち薬物奏功した症例数は２であり、奏功率は１３％であった。このように、本実施の形態に係る糖尿病病態推定方法によって推定されたインスリン感受性が低いほど、インスリン抵抗性改善薬の奏功率が高いことが分かる。このことから、本実施形態の方法によれば、被験者属する区分として、糖尿病治療薬による治療効果が「高い」、「中程度」、「低い」という情報を提供することができる。
（その他の実施の形態）
上記の実施の形態においては、患者のインスリン分泌能、インスリン感受性、肝糖放出能、及び糖尿病治療薬による治療効果を推定する構成について述べたが、これに限定されるものではない。インスリン分泌能、インスリン感受性、及び肝糖放出能の何れか１つのみを推定する構成であってもよいし、インスリン分泌能、インスリン感受性、肝糖放出能、及び糖尿病治療薬による治療効果のうちの２つを推定する構成であってもよい。しかしながら、インスリン分泌能、インスリン感受性、及び肝糖放出能を総合して判断することにより、患者の糖尿病の病態を正確に把握することができるため、患者のインスリン分泌能、インスリン感受性、及び肝糖放出能の全てを推定する構成とすることが好ましい。上記の実施の形態においては、インスリン感受性に基き、糖尿病治療薬の治療効果を推定する構成について述べたが、これに限定されるものではない。インスリン分泌能、インスリン感受性、及び肝糖放出能の何れか１つのみを推定した結果に基いて治療効果を推定する構成であってもよいし、インスリン分泌能、インスリン感受性、及び肝糖放出能のうちの２つを推定した結果に基いて治療効果を推定する構成であってもよい。病態推定を行なうことなく、糖尿病治療薬による治療効果を推定する場合、糖尿病治療薬による治療効果が既知の被験者から得られた複数の測定値のデータを用いて、評価試験１における生体シミュレーションにより推定したインスリン分泌能、インスリン感受性、又は肝糖放出能の代わりに糖尿病治療薬に対する実際の治療効果を用いることで、評価試験１と同様の手順で複数の集団に分類し、治療効果を予測してもよい。
(Other embodiments)
In the above embodiment, the configuration for estimating the insulin secretion ability, insulin sensitivity, hepatic glucose releasing ability, and therapeutic effect of the therapeutic agent for diabetes in the patient has been described. However, the present invention is not limited to this. It may be configured to estimate only one of insulin secretory ability, insulin sensitivity, and hepatic glucose releasing ability, and among insulin secretory ability, insulin sensitivity, hepatic glucose releasing ability, and therapeutic effect by antidiabetic agent The structure which estimates these two may be sufficient. However, since it is possible to accurately grasp the pathology of diabetes of a patient by comprehensively judging insulin secretion ability, insulin sensitivity, and liver glucose release ability, the patient's insulin secretion ability, insulin sensitivity, and liver glucose It is preferable to have a configuration that estimates all of the release ability. In the above embodiment, the configuration for estimating the therapeutic effect of a therapeutic agent for diabetes based on insulin sensitivity has been described, but the present invention is not limited to this. The configuration may be such that the therapeutic effect is estimated based on the result of estimating only one of insulin secretion ability, insulin sensitivity, and hepatic glucose releasing ability. Insulin secretion ability, insulin sensitivity, and hepatic glucose releasing ability The structure which estimates a therapeutic effect based on the result of having estimated two of them may be sufficient. When estimating the therapeutic effect of an antidiabetic drug without estimating the pathological condition, it is estimated by biological simulation in the evaluation test 1 using data of a plurality of measured values obtained from subjects whose therapeutic effect of the antidiabetic drug is known. By using the actual therapeutic effect on the antidiabetic agent instead of the insulin secretion ability, insulin sensitivity, or hepatic glucose releasing ability, it is classified into a plurality of groups in the same procedure as the evaluation test 1, and the therapeutic effect is predicted. Also good.
また、上記の実施の形態においては、クラスタ特徴量情報１４ｃを生成するために、各患者のインスリン分泌能、インスリン感受性、及び肝糖放出能を生体シミュレーションにより推定する構成について述べたが、これに限定されるものではない。患者から直接測定されたインスリン分泌能、インスリン感受性、及び肝糖放出能を使用して、クラスタ特徴量情報を生成する構成としてもよい。患者からインスリン分泌能、インスリン感受性、及び肝糖放出能を測定するためには、グルコースクランプ試験及びグルコーストレーサー試験を実施する必要があるが、これらの試験は患者に大きな負担を要したり、特殊な試験手順が必要となる。信頼性の高いクラスタ特徴量情報を作成するためには、多くのサンプルが必要であり、このためには多数の患者に対してグルコースクランプ試験及びグルコーストレーサー試験を実施する必要があり、困難である。その点、生体シミュレーションを使用すれば、グルコースクランプ試験及びグルコーストレーサー試験を実施する必要がなく、容易に多数の患者のインスリン分泌能、インスリン感受性、及び肝糖放出能を得ることができる。 In the above embodiment, the configuration for estimating the insulin secretion ability, insulin sensitivity, and hepatic glucose releasing ability of each patient in order to generate the cluster feature information 14c has been described. It is not limited. It is good also as a structure which produces | generates cluster feature-value information using the insulin secretion ability, the insulin sensitivity, and hepatic glucose release ability measured directly from the patient. In order to measure insulin secretion ability, insulin sensitivity, and hepatic glucose release ability from patients, it is necessary to perform glucose clamp test and glucose tracer test. New test procedures are required. In order to create reliable cluster feature information, many samples are required, which requires a glucose clamp test and glucose tracer test to be performed on a large number of patients, which is difficult. . On the other hand, if the biological simulation is used, it is not necessary to perform a glucose clamp test and a glucose tracer test, and it is possible to easily obtain the insulin secretion ability, insulin sensitivity, and liver glucose release ability of a large number of patients.
また、上述した実施の形態においては、ハードディスク１１ｄにインストールされた生体の糖代謝に関する機能をコンピュータにシミュレートさせるための生体シミュレーションプログラム１４ｂによってクラスタ特徴量情報を作成する例を示したが、これに限定されるものではなく、他のコンピュータによって作成したクラスタ特徴量情報を用いることもできる。 In the above-described embodiment, the cluster feature amount information is generated by the biological simulation program 14b for causing the computer to simulate the function related to the sugar metabolism of the biological body installed in the hard disk 11d. It is not limited, and cluster feature amount information created by another computer can also be used.
また、上記の実施の形態においては、病態推定用データｘからインスリン分泌能の各レベルのクラスタ、インスリン感受性の各レベルのクラスタ、及び肝糖放出能の各レベルのクラスタへのマハラノビス距離をそれぞれ算出し、かかるマハラノビス距離を用いて患者がどのクラスタ（レベル）に属するかを判断する構成について述べたが、これに限定されるものではない。クラスタの境界を示すデータを記憶しておき、対象患者の病態推定用データがどのクラスタに属するかを、クラスタの境界と病態推定用データとの位置関係から判定する構成であってもよい。例えば、空腹時血糖値、経口糖負荷後１２０分血糖値、及びＢＭＩを推定用変数とする場合には、空腹時血糖値、経口糖負荷後１２０分血糖値、及びＢＭＩの３軸を有する空間内において、インスリン分泌能、インスリン感受性、及び肝糖放出能のそれぞれについて複数のクラスタを定義し、各クラスタの境界を示すデータをハードディスクに記憶しておく。病態の推定を行う際には、入力された病態推定用データとクラスタの境界とを比較し、病態推定用データがどのクラスタに属するかを判定する。 In the above embodiment, the Mahalanobis distance to each level of the insulin secretion capacity, each level of the insulin sensitivity, and each level of the liver glucose release capacity is calculated from the pathological condition estimation data x. And although the structure which judges to which cluster (level) a patient belongs using such Mahalanobis distance was described, it is not limited to this. Data indicating the cluster boundaries may be stored, and the cluster to which the pathological condition estimation data of the target patient belongs is determined from the positional relationship between the cluster boundaries and the pathological condition estimation data. For example, in the case where fasting blood glucose level, 120 minute blood glucose level after oral glucose load, and BMI are used as estimation variables, a space having three axes of fasting blood glucose level, 120 minute blood glucose level after oral glucose load, and BMI A plurality of clusters are defined for each of insulin secretion ability, insulin sensitivity, and liver glucose releasing ability, and data indicating the boundaries of each cluster is stored in the hard disk. When estimating the pathological condition, the input pathological condition estimation data is compared with the boundaries of the clusters to determine which cluster the pathological condition estimation data belongs to.
また、上記の実施の形態においては、推定用変数として空腹時血糖値、経口糖負荷後１２０分血糖値、及びＢＭＩを用いる構成について述べたが、これに限定されるものではない。推定用変数は、少なくとも血糖値を含み、糖代謝に関するパラメータ（測定項目）であれば、他のパラメータを設定することも可能である。糖代謝に関するパラメータとしては、空腹時血糖値、食後（経口糖負荷後）所定時間の血糖値、体重、ＢＭＩ、ヘモグロビンＡ１ｃ、収縮期血圧、拡張期血圧、ウエスト、ヒップ、年齢、性別、喫煙・飲酒の有無等が挙げられる。また、複数種類の血糖値データを推定用変数とすることも可能である。また、血糖値に加え、所定の時間の１回の採血で得られるインスリン濃度、Ｃペプチド濃度、中性脂肪、総コレステロール、ＨＤＬ、ＬＤＬ、ＧＰＴ(グルタミン酸ピルビン酸トランスアミナーゼ)、ＧＯＴ（グルタミン酸オキサロ酢酸トランスアミナーゼ）、クレアチニンなど、複数項目の検査値を簡便に利用できる推定用変数として用いてもよい。例えば、空腹時血糖値及び経口糖負荷後６０分血糖値を推定用変数としてもよいし、経口糖負荷後６０分血糖値及び経口糖負荷後１２０分血糖値を推定用変数としてもよい。ただし、２以上の血糖値を推定用変数とする場合、１回の経口糖負荷（又は食事）に関する血糖値を使用する必要がある。例えば、経口糖負荷後６０分血糖値及び経口糖負荷後１２０分血糖値を推定用変数とする場合、１回の経口糖負荷についての経口糖負荷後６０分血糖値及び経口糖負荷後１２０分血糖値を使用しなければならない。 In the above-described embodiment, the configuration using the fasting blood glucose level, the 120-minute blood glucose level after oral glucose load, and the BMI as the estimation variables has been described. However, the present invention is not limited to this. The estimation variable includes at least a blood glucose level, and other parameters can be set as long as they are parameters (measurement items) relating to sugar metabolism. Parameters related to glucose metabolism include fasting blood glucose level, postprandial blood glucose level (after oral glucose load), body weight, BMI, hemoglobin A1c, systolic blood pressure, diastolic blood pressure, waist, hip, age, sex, smoking / The presence or absence of drinking is mentioned. It is also possible to use a plurality of types of blood glucose level data as estimation variables. In addition to blood glucose level, insulin concentration, C peptide concentration, neutral fat, total cholesterol, HDL, LDL, GPT (glutamate pyruvate transaminase), GOT (glutamate oxaloacetate transaminase) obtained by collecting blood once in a predetermined time ), Test values of a plurality of items such as creatinine may be used as estimation variables that can be easily used. For example, the fasting blood glucose level and the 60-minute blood glucose level after oral glucose load may be used as estimation variables, or the 60-minute blood glucose level after oral glucose load and 120-minute blood glucose levels after oral sugar load may be used as estimation variables. However, when two or more blood glucose levels are used as estimation variables, it is necessary to use a blood glucose level related to one oral glucose load (or meal). For example, 60 minutes after oral glucose load and 120 minutes after oral glucose load are used as estimation variables, 60 minutes after oral sugar load and 120 minutes after oral glucose load for one oral glucose load Blood sugar levels must be used.
また、上記の実施の形態においては、薬剤奏功の基準を、薬物治療を６ヶ月行なった後、治療前ヘモグロビンＡ１ｃが１割以上低下していることとしたが、これに限定されるものではない。例えば、治療後のヘモグロビンＡ１ｃが６．５％以下になったか、若しくは治療によりヘモグロビンＡ１ｃが１％以上低下したかをもって薬剤が奏効したと推定することもできる。治療期間についても、例えば、３ヶ月とすることも、１年とすることもできる。 In the above embodiment, the standard for drug success is that hemoglobin A1c before treatment has decreased by 10% or more after 6 months of drug treatment, but is not limited thereto. . For example, it can be presumed that the drug was effective depending on whether hemoglobin A1c after treatment became 6.5% or less or hemoglobin A1c decreased by 1% or more by treatment. The treatment period can also be, for example, 3 months or 1 year.
また、上記の実施の形態においては、患者が属するインスリン分泌能、インスリン感受性、及び肝糖放出能のクラスタの各レベルを示すグラフ１０４と、コメント１０５とを含む病態推定結果画面１００を出力する構成としたが、これに限定されるものではない。病態の推定結果として、上記グラフのみを表示してもよい。また、インスリン分泌能のレベルではなく、インスリン分泌能のレベルに対応するインスリン分泌指数（ＩＩ）を求め、このインスリン分泌指数（ＩＩ）を病態推定結果として表示することもできる。これは、例えば、インスリン分泌能のレベル毎に、対応するインスリン分泌指数（ＩＩ）を与えておき（例えば、レベル１に対応するインスリン分泌指数（ＩＩ）を０〜０．３とする等）、患者が属するインスリン分泌能のレベル（クラスタ）が判定された場合に、そのレベルに対応するインスリン分泌指数（ＩＩ）を表示してもよい。同様に、インスリン感受性のレベルではなく、インスリン感受性のレベルに対応するＨＯＭＡ−ＩＲを求め、このＨＯＭＡ−ＩＲを病態推定結果として表示することも可能である。 In the above-described embodiment, the pathological condition estimation result screen 100 including the graph 104 indicating each level of the insulin secretion ability, insulin sensitivity, and liver glucose release ability cluster to which the patient belongs and the comment 105 is output. However, the present invention is not limited to this. Only the graph may be displayed as the pathological condition estimation result. In addition, the insulin secretion index (II) corresponding to the level of insulin secretion ability may be obtained instead of the level of insulin secretion ability, and this insulin secretion index (II) may be displayed as a disease state estimation result. For example, for each level of insulin secretion ability, a corresponding insulin secretion index (II) is given (for example, the insulin secretion index (II) corresponding to level 1 is set to 0 to 0.3, etc.) When the level (cluster) of the insulin secretion ability to which the patient belongs is determined, the insulin secretion index (II) corresponding to that level may be displayed. Similarly, it is also possible to obtain HOMA-IR corresponding to the insulin sensitivity level instead of the insulin sensitivity level, and display this HOMA-IR as the pathological condition estimation result.
また、上述した実施の形態においては、１つのコンピュータ１ａのＣＰＵ１１ａに糖尿病診療支援プログラム１４ａを実行させることにより、このコンピュータ１ａを糖尿病診療支援装置１として機能させる構成について述べたが、これに限定されるものではなく、糖尿病診療支援プログラム１４ａと実質的に同一の処理を実行するための専用のハードウェア回路により糖尿病診療支援装置を構成することもできる。 In the above-described embodiment, the configuration in which the computer 11a of the computer 1a is caused to execute the diabetes care support program 14a so that the computer 1a functions as the diabetes care support device 1 is described. However, the present invention is not limited thereto. The diabetes medical care support apparatus can also be configured by a dedicated hardware circuit for executing substantially the same processing as the diabetes medical care support program 14a.
また、上述した実施の形態においては、単一のコンピュータ１ａにより糖尿病診療支援プログラムの全ての処理を実行する構成について述べたが、これに限定されるものではなく、上述した糖尿病診療支援プログラムと同様の処理を、複数の装置（コンピュータ）により分散して実行する分散システムとすることも可能である。 In the above-described embodiment, the configuration in which all processing of the diabetes medical assistance program is executed by the single computer 1a has been described. However, the present invention is not limited to this and is similar to the above-described diabetes medical assistance program. It is also possible to adopt a distributed system that executes the above processing in a distributed manner by a plurality of devices (computers).
１ 糖尿病診療支援装置
１ａ コンピュータ
１１ 本体
１２ 画像表示部
１３ 入力部
１１ｄ ハードディスク
１１ｇ 画像出力インタフェース
１１ｅ 読出装置
１１ｆ 入出力インタフェース
１４ 可搬型記録媒体
１４ａ 糖尿病診療支援プログラム
１００ 病態推定結果画面
DESCRIPTION OF SYMBOLS 1 Diabetes treatment support apparatus 1a Computer 11 Main body 12 Image display part 13 Input part 11d Hard disk 11g Image output interface 11e Reading apparatus 11f Input / output interface 14 Portable recording medium 14a Diabetes care support program 100 Disease state estimation result screen
Claims (6)
被験者の経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩを含む各測定値の入力を受け付ける受付部と、
前記受付部により受け付けた各測定値と、前記記憶部に記憶された前記経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩに関する情報と区分されたクラスとの対応関係に基づいて、被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスを決定する決定手段と、
前記決定手段により決定された、前記被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスに関する情報を出力する出力部と、
を備える、
糖尿病診療支援装置。 Plasma glucose concentration change data including the blood glucose level before oral glucose tolerance obtained in the oral glucose tolerance test and the blood glucose level for a predetermined time after oral glucose tolerance, plasma insulin concentration change data obtained in the oral glucose tolerance test, and BMI Of a plurality of patients including a blood glucose concentration change data and a plasma glucose concentration change data to perform a biological simulation that reproduces the behavior of the living body based on the plasma insulin concentration change data and the insulin secretion ability of each patient A value indicating insulin sensitivity , a value indicating insulin release , a value indicating liver glucose release, and a plurality of patients according to the estimated value of insulin secretion, the value indicating insulin sensitivity, and the value indicating liver glucose release wherein each of the clinical data insulin secretion capacity, for each of the insulin sensitivity and hepatic glucose release capability in a plurality of classes In the case of minute, and partitioned class, oral glucose tolerance before blood glucose included in the plurality of medical information data belonging to each class, storage for storing in association with information about the blood glucose level and BMI for a predetermined time after oral glucose load And
Oral glucose tolerance before blood glucose level of the subject, a receiving portion for the blood glucose level and BMI for a predetermined time after oral glucose load accepting input of including each measurement,
Based on correspondence between each measurement value received by the reception unit and the information regarding the blood glucose level before oral glucose load, the blood glucose level at a predetermined time after oral glucose load, and the BMI stored in the storage unit A determination means for determining a class to which each of the subject 's insulin secretion ability, insulin sensitivity and liver glucose release ability belongs,
An output unit that outputs information on the class to which each of the subject's insulin secretion ability, insulin sensitivity, and liver glucose release ability belongs, determined by the determination means;
Comprising
Diabetes care support device.
請求項１に記載の糖尿病診療支援装置。 Information on blood glucose level before oral glucose load, blood glucose level for a predetermined time after oral glucose load , and BMI included in each class includes blood glucose level before oral glucose load, blood glucose level for predetermined time after oral glucose load, and average value vector of BMI And a covariance matrix,
The diabetes medical treatment support apparatus according to claim 1 .
請求項１又は２に記載の糖尿病診療支援装置。The diabetes medical treatment assistance apparatus of Claim 1 or 2.
前記受付部により受け付けた各測定値と、インスリン分泌能について区分された各クラスとの距離をそれぞれ算出し、距離が最小となるクラスを、前記被験者のインスリン分泌能が属するクラスとして決定し、Calculate the distance between each measurement value received by the reception unit and each class classified for insulin secretion ability, determine the class with the smallest distance as the class to which the insulin secretion ability of the subject belongs,
前記受付部により受け付けた各測定値と、インスリン感受性について区分された各クラスとの距離をそれぞれ算出し、距離が最小となるクラスを、前記被験者のインスリン感受性が属するクラスとして決定し、Calculate the distance between each measurement value received by the reception unit and each class classified for insulin sensitivity, determine the class with the smallest distance as the class to which the subject's insulin sensitivity belongs,
前記受付部により受け付けた各測定値と、肝糖放出能について区分された各クラスとの距離をそれぞれ算出し、距離が最小となるクラスを、前記被験者の肝糖放出能が属するクラスとして決定する、The distance between each measurement value received by the reception unit and each class classified for liver glucose releasing ability is calculated, and the class with the smallest distance is determined as the class to which the liver glucose releasing ability of the subject belongs. ,
請求項１〜３のいずれか１項に記載の糖尿病診療支援装置。The diabetes medical treatment assistance apparatus of any one of Claims 1-3.
請求項１〜４のいずれか１項に記載の糖尿病診療支援装置。The diabetes medical treatment support apparatus of any one of Claims 1-4.
被験者の経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩを含む各測定値の入力を受け付けるステップと、
受け付けられた各測定値と、記憶された前記経口糖負荷前血糖値、経口糖負荷後所定時間の血糖値及びＢＭＩに関する情報と区分されたクラスとの対応関係に基づいて、被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスを決定するステップと、
決定された、前記被験者のインスリン分泌能、インスリン感受性及び肝糖放出能のそれぞれが属するクラスに関する情報を出力するステップと、
を有する、
糖尿病診療支援方法。 Plasma glucose concentration change data including the blood glucose level before oral glucose tolerance obtained in the oral glucose tolerance test and the blood glucose level for a predetermined time after oral glucose tolerance, plasma insulin concentration change data obtained in the oral glucose tolerance test, and BMI Of a plurality of patients including a blood glucose concentration change data and a plasma glucose concentration change data to perform a biological simulation that reproduces the behavior of the living body based on the plasma insulin concentration change data and the insulin secretion ability of each patient A value indicating insulin sensitivity , a value indicating insulin release , a value indicating liver glucose release, and a plurality of patients according to the estimated value of insulin secretion, the value indicating insulin sensitivity, and the value indicating liver glucose release wherein each of the clinical data insulin secretion capacity, for each of the insulin sensitivity and hepatic glucose release capability in a plurality of classes In the case of minute, and partitioned class, and stores each class in the oral glucose tolerance before blood glucose included in the plurality of medical data belonging, in association with information about the blood glucose level and BMI for a predetermined time after oral glucose load step When,
Oral glucose tolerance before blood glucose level of the subject, the steps of the blood glucose level and BMI for a predetermined time after oral glucose load accepting input of including each measurement,
Based on the correspondence between each received measurement value and the stored blood glucose level before oral glucose load, blood glucose level at a predetermined time after oral glucose load, and information on BMI, and the class classified , the subject 's insulin secretion ability Determining the class to which each of insulin sensitivity and hepatic glucose releasing ability belongs;
Outputting the determined information about the class to which each of the subject's insulin secretion ability, insulin sensitivity and liver glucose release ability belongs , and
Having
Diabetes care support method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011188557A JP5836017B2 (en) | 2011-08-31 | 2011-08-31 | Diabetes care support apparatus and diabetes care support method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011188557A JP5836017B2 (en) | 2011-08-31 | 2011-08-31 | Diabetes care support apparatus and diabetes care support method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2013050387A JP2013050387A (en) | 2013-03-14 |
| JP5836017B2 true JP5836017B2 (en) | 2015-12-24 |
Family
ID=48012530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011188557A Active JP5836017B2 (en) | 2011-08-31 | 2011-08-31 | Diabetes care support apparatus and diabetes care support method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5836017B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6659049B2 (en) * | 2015-10-30 | 2020-03-04 | Ｎｅｃソリューションイノベータ株式会社 | Blood sugar level prediction device, blood sugar level prediction method and program |
-
2011
- 2011-08-31 JP JP2011188557A patent/JP5836017B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2013050387A (en) | 2013-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8793144B2 (en) | Treatment effect prediction system, a treatment effect prediction method, and a computer program product thereof | |
| JP5564708B2 (en) | Health business support system, insurance business support device, and insurance business support program | |
| US7668826B2 (en) | Predicting apparatus, predicting method, and computer product | |
| RU2007124523A (en) | METHODS, SYSTEMS AND COMPUTER SOFTWARE PRODUCTS FOR THE DEVELOPMENT AND USE OF FORECASTING MODELS FOR PREDICTING MOST MEDICAL CASES, EVALUATING THE INTERVENTION STRATEGIES AND FOR THE SHARPET OF SHARPOINT | |
| JP2009273558A (en) | Medical checkup supporting apparatus and program | |
| US20190087540A1 (en) | System and method for analyzing genotype using genetic variation information on individual's genome | |
| WO2016181490A1 (en) | Analysis system and analysis method | |
| Dong et al. | Development of a practical prediction scoring system for severe acute organophosphate poisoning | |
| JP2009205464A (en) | Medical information processor, medical information processing method, and medical information processing program | |
| JP5963198B2 (en) | Dynamic network biomarker detection apparatus, detection method, and detection program | |
| JP5100979B2 (en) | Biological simulation system and computer program | |
| US8630808B2 (en) | Estimation of diagnostic markers | |
| JP5836017B2 (en) | Diabetes care support apparatus and diabetes care support method | |
| JP2013097617A (en) | Fault frequency estimation device, fault frequency estimation program, fault frequency estimation method and fault frequency estimation system | |
| US10973467B2 (en) | Method and system for automated diagnostics of none-infectious illnesses | |
| WO2016103390A1 (en) | Device for analyzing insulin secretion ability, system for analyzing insulin secretion ability provided with same, and method for analyzing insulin secretion ability | |
| JP2004029927A (en) | Diagnostic support system, diagnostic support display unit, diagnostic support method to be executed in the same system, and program to be executed in the same system | |
| JP6198161B2 (en) | Dynamic network biomarker detection apparatus, detection method, and detection program | |
| Nedergaard et al. | Features characterising cardiac autonomic neuropathy in diabetes using ensembled classification | |
| KR20160123151A (en) | System for providing medical information | |
| JP6623774B2 (en) | Pathway analysis program, pathway analysis method, and information processing apparatus | |
| JP5388564B2 (en) | Diabetes care support system, computer program, and recording medium | |
| JP5361683B2 (en) | Medical information processing apparatus and program | |
| US20100211404A1 (en) | Methods and Systems for Real-Time RRi Values PD2i of Heartbeat Intervals | |
| CN110808102A (en) | Information pushing method, system and terminal of health platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140707 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150218 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150317 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150518 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20151006 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151102 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5836017 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |