JP6002117B2 - 取得方法、評価装置、評価プログラム、記録媒体および評価システム - Google Patents

取得方法、評価装置、評価プログラム、記録媒体および評価システム Download PDF

Info

Publication number
JP6002117B2
JP6002117B2 JP2013244385A JP2013244385A JP6002117B2 JP 6002117 B2 JP6002117 B2 JP 6002117B2 JP 2013244385 A JP2013244385 A JP 2013244385A JP 2013244385 A JP2013244385 A JP 2013244385A JP 6002117 B2 JP6002117 B2 JP 6002117B2
Authority
JP
Japan
Prior art keywords
discriminant
value
amino acid
evaluation
acid concentration
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.)
Expired - Fee Related
Application number
JP2013244385A
Other languages
English (en)
Other versions
JP2014044213A (ja
Inventor
孝彦 村松
孝彦 村松
綾俊 安藤
綾俊 安藤
紀文 日比
紀文 日比
理一 久松
理一 久松
岡本　晋
晋 岡本
良成 坂井
良成 坂井
信和 小野
信和 小野
鈴木　学
学 鈴木
敏彦 安東
敏彦 安東
雅棋 橋本
雅棋 橋本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Keio University
Original Assignee
Ajinomoto Co Inc
Keio University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ajinomoto Co Inc, Keio University filed Critical Ajinomoto Co Inc
Priority to JP2013244385A priority Critical patent/JP6002117B2/ja
Publication of JP2014044213A publication Critical patent/JP2014044213A/ja
Application granted granted Critical
Publication of JP6002117B2 publication Critical patent/JP6002117B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/06—Gastro-intestinal diseases
    • G01N2800/065—Bowel diseases, e.g. Crohn, ulcerative colitis, IBS

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Medical Informatics (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Microbiology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、血液（血漿）中のアミノ酸濃度を利用したＩＢＤ（Ｉｎｆｌａｍｍａｔｏｒｙ Ｂｏｗｅｌ Ｄｉｓｅａｓｅ：炎症性腸疾患）の評価方法、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理プログラムおよび記録媒体に関するものである。
なお、本明細書において、炎症性腸疾患、クローン病および潰瘍性大腸炎をそれぞれ、単にＩＢＤ、ＣＤおよびＵＣと記す場合がある。ここで、「ＣＤ」とは、クローン病の英訳である「Ｃｒｏｈｎ Ｄｉｓｅａｓｅ」の略である。「ＵＣ」とは、潰瘍性大腸炎の英訳である「Ｕｌｃｅｒａｔｉｖｅ Ｃｏｌｉｔｉｓ」の略である。
また、本明細書において、「炎症性腸疾患の状態を評価する」とは、例えば、「炎症性腸疾患または非炎症性腸疾患であるか否かを判別する」、「クローン病の状態を評価する」、「潰瘍性大腸炎の状態を評価する」、「クローン病または潰瘍性大腸炎であるか否かを判別する」などを包含する。また、「クローン病の状態を評価する」とは、例えば、「クローン病または非クローン病であるか否かを判別する」、「クローン病の活動期または緩解期であるか否かを判別する」、「クローン病の病勢を評価する」などを包含する。また、「潰瘍性大腸炎の状態を評価する」とは、例えば、「潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別する」、「潰瘍性大腸炎の活動期または緩解期であるか否かを判別する」、「潰瘍性大腸炎の病勢を評価する」などを包含する。また、「クローン病または潰瘍性大腸炎であるか否かを判別する」とは、例えば、「活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別する」などを包含する。
炎症性腸疾患は炎症を伴う腸疾患の総称であり、その主要な疾患としては潰瘍性大腸炎やクローン病などが挙げられる。
潰瘍性大腸炎は、主として大腸粘膜或いは粘膜下層を浸し、びらんや潰瘍をしばしば形成するびまん性非特異性炎症疾患である。臨床症状は、粘血便、腹痛、血便、水様便、発熱、食欲不振、悪心、嘔吐などである。潰瘍性大腸炎の治療用薬剤として、サラゾスルファピリジン、副腎皮質ステロイド、免疫抑制剤、５−アミノサリチル酸（５−ＡＳＡ）などが使用されている。
クローン病は、原因不明の特発性の慢性腸炎であり、小腸から大腸にかけて非特異的な炎症症状が表れる疾患である。クローン病は繊維化や潰瘍を伴う肉芽腫性病変からなり、その病変は口腔から肛門まで全消化管に現れる可能性がある。クローン病は、栄養障害の他、種々の消化器および腸管外症状（例えば、腸管狭窄、腸穿孔、腹部膿瘍、大出血などの重篤な症状）を同時に引き起こし、腸手術などの処置を要することが多い。クローン病の治療としては、日本国内では栄養状態改善を目的に高カロリー輸液或いは経腸栄養療法が行われる。高カロリー輸液は、Ｂａｃｔｅｒｉａｌ ｔｒａｎｓｌｏｃａｔｉｏｎの危険性が高まる為、特に長期には経腸栄養療法が行われる。そして、クローン病の治療としては、更に、薬剤による治療も試みられている。薬物療法では、主に、サラゾスルファピリジン、メトロニダゾール、副腎皮質ステロイド、免疫抑制剤、５−アミノサリチル酸（５−ＡＳＡ）などが投与される。最近では抗ＴＮＦ抗体の投与も臨床で使用され始めている。
潰瘍性大腸炎の病態分類には、病変の拡がりによる病型分類（全大腸炎・左側大腸炎・直腸炎・右側あるいは区域性大腸炎）、臨床的重症度による分類（重症・中等症・軽症）、病期の分類（活動期・緩解期）、臨床経過による分類（再燃緩解型・慢性持続型・急性激症型・初回発作型）などがある。一方、クローン病の大多数は、小腸や大腸またはその両方に、縦走潰瘍、敷石像やアフタなどの病変を有する。クローン病の病型は、縦走潰瘍、敷石像、または狭窄の存在部位により、小腸型、小腸大腸型、大腸型などがある。潰瘍性大腸炎およびクローン病のどちらの疾患も、再燃と緩解を繰り返すことから長期間の医学管理が必要となる（非特許文献１参照）。
ところで、炎症性腸疾患と非炎症性腸疾患との鑑別診断は、感染性腸炎などの除外診断と、注腸Ｘ線検査・全大腸内視鏡検査による特徴的所見や生検の病理像の確認と、で行われている（非特許文献２および非特許文献３参照）。また、クローン病と潰瘍性大腸炎との鑑別診断は、好発部位の違いおよび生検の病理像の比較によって行われている（非特許文献２、非特許文献３および非特許文献４参照）。
また、病勢の変化については、血沈亢進・ＣＲＰ上昇・白血球数増加・血小板増加などで炎症状態を把握し、アルブミン低下・血清総コレステロール低下などで低栄養状態を把握する。また、クローン病のＣＤＡＩ（非特許文献５参照）や潰瘍性大腸炎のＣＡＩ（非特許文献６参照）は、病勢診断指標として用いられている。
また、現在研究段階の診断マーカーとしては、糞中ＣａｌｐｒｏｔｅｃｔｉｎやＡＳＣＡ、ＡＮＣＡ、ＯｍｐＣ抗体、Ｉ２などが知られている（非特許文献７および非特許文献８参照）。また、これまで特許公開されているマーカーとして、ＢＡＦＦ遺伝子の塩基配列の一部のポリヌクレオチド（特許文献１参照）、Ｃ８ＦＷ遺伝子もしくは蛋白質（特許文献２参照）、抗ブタ・アミラーゼ抗体の免疫学的測定法（特許文献３参照）、血小板−白血球複合体量（特許文献４参照）がある。
厚生労働省難病情報センターホームページ（アドレス（２００７年１月１０日時点）：ｈｔｔｐ：／／ｗｗｗ．ｎａｎｂｙｏｕ．ｏｒ．ｊｐ／ｔｏｐ．ｈｔｍｌ） 棟方昭博，潰瘍性大腸炎診断基準改定案（厚生省特定疾患 難治性炎症性腸管障害調査研究班 平成９年度研究報告書），ｐ９６，１９９８ 樋渡信夫，クローン病の診断基準案（２００２）（厚生科学研究費補助金特定疾患対策研究事業「難治性炎症性腸管障害に関する調査研究」班 平成１３年度研究報告書），ｐ７６〜７７，２００２ 「Ｓｉｍｐｌｅ ｍｕｃｏｓａｌ ｂｉｏｐｓｙ ｃｒｉｔｅｒｉａ ｄｉｆｆｅｒｅｎｔｉａｔｉｎｇ ａｍｏｎｇ Ｃｒｏｈｎ ｄｉｓｅａｓｅ， ｕｌｃｅｒａｔｉｖｅ ｃｏｌｉｔｉｓ， ａｎｄ ｏｔｈｅｒ ｆｏｒｍｓ ｏｆ ｃｏｌｉｔｉｓ： ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｖａｌｉｄｉｔｙ．」，Ｓｃａｎｄ Ｊ Ｇａｓｔｒｏｅｎｔｅｒｏｌ．，２０００，Ｍａｒ，３５（３），２８１−６ 「Ｒｅｄｅｒｉｖｅｄ ｖａｌｕｅｓ ｏｆ ｔｈｅ ｅｉｇｈｔ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｔｈｅ Ｃｒｏｈｎ’ｓ Ｄｉｓｅａｓｅ Ａｃｔｉｖｉｔｙ Ｉｎｄｅｘ （ＣＤＡＩ）．」，Ｇａｓｔｒｏｅｎｔｅｒｏｌｏｇｙ．，１９７９，Ｏｃｔ，７７（４ Ｐｔ ２），８４３−６ Ｈａｒｖｅｙ ＲＦ， Ｂｒａｄｓｈａｗ ＪＭ．，「Ａ ｓｉｍｐｌｅ ｉｎｄｅｘ ｏｆ Ｃｒｏｈｎ’ｓ−ｄｉｓｅａｓｅ ａｃｔｉｖｉｔｙ．」，Ｌａｎｃｅｔ，１９８０，１，５１４ 「Ｆａｅｃａｌ ｃａｌｐｒｏｔｅｃｔｉｎ： ａ ｎｅｗ ｍａｒｋｅｒ ｆｏｒ Ｃｒｏｈｎ’ｓ ｄｉｓｅａｓｅ？」，Ａｎｎ Ｃｌｉｎ Ｂｉｏｃｈｅｍ．，２００４，Ｍａｙ，４１（Ｐｔ ３），２３０−２ 「Ｔｈｅ Ｍｏｎｔｒｅａｌ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｉｎｆｌａｍｍａｔｏｒｙ ｂｏｗｅｌ ｄｉｓｅａｓｅ： ｃｏｎｔｒｏｖｅｒｓｉｅｓ， ｃｏｎｓｅｎｓｕｓ， ａｎｄ ｉｍｐｌｉｃａｔｉｏｎｓ．」，Ｇｕｔ．，２００６，Ｊｕｎ，５５（６），７４９−５３
特開２００４−１３５５４６号公報 特開２００４−３２１１７９号公報 特開平１１−１９０７３４号公報 特開２００３−２３２７８８号公報
しかしながら、現在の炎症性腸疾患と非炎症性腸疾患との鑑別診断及びクローン病と潰瘍性大腸炎との鑑別診断のいずれも、高度な医学的知識が必要とされ、専門医の判断が必要になり、確定診断に至るまでには現状では時間がかかる、という問題点がある。また、クローン病のＣＤＡＩや潰瘍性大腸炎のＣＡＩは、病勢診断指標として用いられているが、主観的な項目を含んだ情報を基に算出した指標であり、１週間の健康状態を毎日記録しなければならないといったように利便性が悪い、という問題点があった。また、現在提案されている診断マーカーは、病勢を定量的に評価することができないという問題点がある。なお、特許文献１から４で公開されているマーカーでは、そもそも病勢診断が出来ない。さらに、これまで、アミノ酸の濃度に着目してＩＢＤ発症の有無を診断する技術の開発は、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。
本発明は、上記問題点に鑑みてなされたものであって、血液中のアミノ酸の濃度を利用して炎症性腸疾患の状態を精度よく評価することができるＩＢＤの評価方法、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理プログラムおよび記録媒体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、炎症性腸疾患と非炎症性腸疾患との２群判別、クローン病と非クローン病との２群判別、クローン病の活動期と緩解期との２群判別、潰瘍性大腸炎と非潰瘍性大腸炎との２群判別、潰瘍性大腸炎の活動期と緩解期との２群判別、クローン病と潰瘍性大腸炎との２群判別、活動期のクローン病と活動期の潰瘍性大腸炎との２群判別のそれぞれについて有用なアミノ酸（具体的には、炎症性腸疾患と非炎症性腸疾患との２群間で統計的有意差をもって変動するアミノ酸、クローン病と非クローン病との２群間で統計的有意差をもって変動するアミノ酸、クローン病の活動期と緩解期との２群間で統計的有意差をもって変動するアミノ酸、潰瘍性大腸炎と非潰瘍性大腸炎との２群間で統計的有意差をもって変動するアミノ酸、潰瘍性大腸炎の活動期と緩解期との２群間で統計的有意差をもって変動するアミノ酸、クローン病と潰瘍性大腸炎との２群間で統計的有意差をもって変動するアミノ酸、活動期のクローン病と活動期の潰瘍性大腸炎との２群間で統計的有意差をもって変動するアミノ酸）を同定すると共に、さら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）が炎症性腸疾患の状態（具体的には、病勢、炎症性腸疾患と非炎症性腸疾患との２群判別、クローン病と非クローン病との２群判別、クローン病の活動期と緩解期との２群判別、潰瘍性大腸炎と非潰瘍性大腸炎との２群判別、潰瘍性大腸炎の活動期と緩解期との２群判別、クローン病と潰瘍性大腸炎との２群判別、活動期のクローン病と活動期の潰瘍性大腸炎との２群判別）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。
換言すると、本発明者らは、臨床ニーズを考慮した診断目標として、健康人群と炎症性腸疾患群（クローン病・潰瘍性大腸炎）の２群判別、クローン病と潰瘍性大腸炎の２群判別、活動期のクローン病と活動期の潰瘍性大腸炎の２群判別、クローン病の活動期とクローン病の緩解期の２群判別、潰瘍性大腸炎の活動期と潰瘍性大腸炎の緩解期の２群判別、を対象に指標を算出した。また、健康人の血漿中アミノ酸濃度と炎症性腸疾患患者の血漿中アミノ酸濃度の差異に注目し、血漿アミノ酸濃度測定によって炎症性腸疾患患者を簡便且つ高精度で評価する指標を開発した。また、炎症性腸疾患の活動期の血漿中アミノ酸濃度と炎症性腸疾患の緩解期の血漿中アミノ酸濃度の差異に注目し、血漿アミノ酸濃度測定によって炎症性腸疾患患者の病勢を客観的且つ高精度で評価する指標を開発した。血漿中アミノ酸であれば、安価・高速・簡便に測定することができ、指標として普及する可能性が高く、炎症性腸疾患を客観的に評価することができる。
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ＩＢＤ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基づいて、前記評価対象につき炎症性腸疾患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ＩＢＤの評価方法は、前記のＩＢＤ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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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炎症性腸疾患または非炎症性腸疾患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ＩＢＤの評価方法は、前記のＩＢＤ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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む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炎症性腸疾患または非炎症性腸疾患であるか否かを判別する判別値基準判別ステップとをさらに含むことを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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で表され、それを構成する前記分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを前記変数とすることを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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基づいて、前記評価対象につきクローン病または潰瘍性大腸炎の前記状態を評価することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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クローン病または非クローン病であるか否かを判別する、また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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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潰瘍性大腸炎または非潰瘍性大腸炎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ＩＢＤの評価方法は、前記のＩＢＤ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基づいて、前記評価対象につき前記クローン病または前記潰瘍性大腸炎の活動期または緩解期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ＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記濃度値基準判別ステップは、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Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき前記クローン病の前記活動期または前記緩解期であるか否かを判別する、また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Ｕｒｅａ，Ｇｌｎ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含む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、また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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む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クローン病または非クローン病であるか否かを判別する、また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潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別する判別値基準判別ステップとをさらに含むことを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記多変量判別式は、前記判別値基準判別ステップで前記クローン病または前記非クローン病であるか否かを判別する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを前記変数とすること、前記判別値基準判別ステップで前記潰瘍性大腸炎または前記非潰瘍性大腸炎であるか否かを判別する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを前記変数とすることを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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クローン病または前記潰瘍性大腸炎の活動期または緩解期であるか否かを判別する判別値基準判別ステップとをさらに含むことを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記測定ステップは、前記評価対象から採取した複数の前記血液から、前記アミノ酸濃度データを当該血液ごとに測定し、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複数の前記アミノ酸濃度データ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当該アミノ酸濃度データごとに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複数の前記判別値に基づいて前記評価対象につき前記クローン病または前記潰瘍性大腸炎の病勢を評価する判別値基準病勢評価ステップとをさらに含むことを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記判別値算出ステップは、前記判別値基準判別ステップで前記クローン病の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価ステップで前記クローン病の前記病勢を評価する場合には、前記測定ステップで測定した前記評価対象の１つ又は複数の前記アミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの前記濃度値およびＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて１つ又は複数の前記判別値を算出すること、前記判別値基準判別ステップで前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価ステップで前記潰瘍性大腸炎の前記病勢を評価する場合には、前記測定ステップで測定した前記評価対象の１つ又は複数の前記アミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つの前記濃度値およびＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて１つ又は複数の前記判別値を算出することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記多変量判別式は、前記判別値基準判別ステップで前記クローン病の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価ステップで前記クローン病の前記病勢を評価する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを前記変数とすること、前記判別値基準判別ステップで前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価ステップで前記潰瘍性大腸炎の前記病勢を評価する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを前記変数とすることを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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基づいて、前記評価対象につきクローン病または潰瘍性大腸炎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ＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記濃度値基準判別ステップは、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Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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クローン病または前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記濃度値基準判別ステップは、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基づいて、前記評価対象につき活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記濃度値基準判別ステップは、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Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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クローン病または潰瘍性大腸炎であるか否かを判別する判別値基準判別ステップとをさらに含むことを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つの前記濃度値およびＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを前記変数として含む予め設定した前記多変量判別式に基づいて前記判別値を算出することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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で表され、それを構成する前記分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを前記変数とすることを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて前記評価対象につき活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤの評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つの前記濃度値およびＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて前記判別値を算出することを特徴とする。
また、本発明にかかるＩＢＤの評価方法は、前記のＩＢＤ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で表され、それを構成する前記分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを前記変数とすることを特徴とする。
また、本発明はアミノ酸情報処理装置に関するものであり、本発明にかかるアミノ酸情報処理装置は、制御手段と記憶手段とを備え評価対象につき炎症性腸疾患または非炎症性腸疾患であるか否かを判別するアミノ酸情報処理装置であって、前記制御手段は、アミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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炎症性腸疾患または前記非炎症性腸疾患であるか否かを判別する判別値基準判別手段とを備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、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で表され、それを構成する前記分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを前記変数とすることを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、制御手段と記憶手段とを備え評価対象につきクローン病または非クローン病であるか否か、または潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理装置であって、前記制御手段は、アミノ酸の濃度を変数としＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、当該多変量判別式の値である判別値を算出する、またはアミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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クローン病または前記非クローン病であるか否かを判別する、また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潰瘍性大腸炎または前記非潰瘍性大腸炎であるか否かを判別する判別値基準判別手段とを備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、前記多変量判別式は、前記判別値基準判別手段で前記クローン病または前記非クローン病であるか否かを判別する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを前記変数とすること、前記判別値基準判別手段で前記潰瘍性大腸炎または前記非潰瘍性大腸炎であるか否かを判別する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを前記変数とすることを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、制御手段と記憶手段とを備え評価対象につきクローン病または潰瘍性大腸炎の活動期または緩解期であるか否かを判別するアミノ酸情報処理装置であって、前記制御手段は、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および前記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クローン病または前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する判別値基準判別手段とを備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、制御手段と記憶手段とを備え評価対象につきクローン病または潰瘍性大腸炎の病勢を評価するアミノ酸情報処理装置であって、前記制御手段は、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および前記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複数のアミノ酸濃度データに基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに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複数の前記判別値に基づいて前記評価対象につき前記クローン病または前記潰瘍性大腸炎の前記病勢を評価する判別値基準病勢評価手段とを備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、前記判別値算出手段は、前記判別値基準判別手段で前記クローン病の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価手段で前記クローン病の前記病勢を評価する場合には、Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式および１つ又は複数の前記アミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの前記濃度値に基づいて１つ又は複数の前記判別値を算出すること、前記判別値基準判別手段で前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価手段で前記潰瘍性大腸炎の前記病勢を評価する場合には、Ｔａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを前記変数として含む前記多変量判別式および１つ又は複数の前記アミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つの前記濃度値に基づいて１つ又は複数の前記判別値を算出することを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、前記多変量判別式は、前記判別値基準判別手段で前記クローン病の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価手段で前記クローン病の前記病勢を評価する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを前記変数とすること、前記判別値基準判別手段で前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する場合または前記判別値基準病勢評価手段で前記潰瘍性大腸炎の前記病勢を評価する場合には、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを前記変数とすることを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、制御手段と記憶手段とを備え評価対象につきクローン病または潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理装置であって、前記制御手段は、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および前記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クローン病または前記潰瘍性大腸炎であるか否かを判別する判別値基準判別手段とを備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、前記判別値算出手段は、Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを前記変数として含む前記多変量判別式および前記アミノ酸濃度データに含まれるＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つの前記濃度値およびに基づいて、当該多変量判別式の値である前記判別値を算出することを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、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で表され、それを構成する前記分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを前記変数として含む、またはそれを構成する前記分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを前記変数として含み且つそれを構成する前記分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを前記変数とすることを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて前記評価対象につき活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、前記判別値算出手段は、Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを前記変数として含む前記多変量判別式および前記アミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つの前記濃度値に基づいて前記判別値を算出することを特徴とする。
また、本発明にかかるアミノ酸情報処理装置は、前記のアミノ酸情報処理装置において、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で表され、それを構成する前記分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを前記変数とすることを特徴とする。
また、本発明はアミノ酸情報処理方法に関するものであり、本発明にかかるアミノ酸情報処理方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につき炎症性腸疾患または非炎症性腸疾患であるか否かを判別するアミノ酸情報処理方法であって、前記制御手段で、アミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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炎症性腸疾患または前記非炎症性腸疾患であるか否かを判別する判別値基準判別ステップとを実行することを特徴とする。
また、本発明にかかるアミノ酸情報処理方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につきクローン病または非クローン病であるか否か、または潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理方法であって、前記制御手段で、アミノ酸の濃度を変数としＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、当該多変量判別式の値である判別値を算出する、またはアミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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クローン病または前記非クローン病であるか否かを判別する、また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潰瘍性大腸炎または前記非潰瘍性大腸炎であるか否かを判別する判別値基準判別ステップとを実行することを特徴とする。
また、本発明にかかるアミノ酸情報処理方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につきクローン病または潰瘍性大腸炎の活動期または緩解期であるか否かを判別するアミノ酸情報処理方法であって、前記制御手段で、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および前記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クローン病または前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する判別値基準判別ステップとを実行することを特徴とする。
また、本発明にかかるアミノ酸情報処理方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につきクローン病または潰瘍性大腸炎の病勢を評価するアミノ酸情報処理方法であって、前記制御手段で、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および前記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複数のアミノ酸濃度データに基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに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複数の前記判別値に基づいて前記評価対象につき前記クローン病または前記潰瘍性大腸炎の前記病勢を評価する判別値基準病勢評価ステップとを実行することを特徴とする。
また、本発明にかかるアミノ酸情報処理方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につきクローン病または潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理方法であって、前記制御手段で、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および前記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クローン病または前記潰瘍性大腸炎であるか否かを判別する判別値基準判別ステップとを実行することを特徴とする。
また、本発明にかかるアミノ酸情報処理方法は、前記のアミノ酸情報処理方法において、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて前記評価対象につき活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明はアミノ酸情報処理システムに関するものであり、本発明にかかるアミノ酸情報処理システムは、制御手段と記憶手段とを備え評価対象につき炎症性腸疾患または非炎症性腸疾患であるか否かを判別するアミノ酸情報処理装置と、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アミノ酸情報処理システムであって、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アミノ酸情報処理装置へ送信するアミノ酸濃度データ送信手段と、前記アミノ酸情報処理装置から送信された前記炎症性腸疾患または前記非炎症性腸疾患であるか否かに関する前記評価対象の判別結果を受信する判別結果受信手段とを備え、前記アミノ酸情報処理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、前記アミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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炎症性腸疾患または前記非炎症性腸疾患であるか否かを判別する判別値基準判別手段と、前記判別値基準判別手段での前記評価対象の前記判別結果を前記情報通信端末装置へ送信する判別結果送信手段と、を備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理システムは、制御手段と記憶手段とを備え評価対象につきクローン病または非クローン病であるか否か、または潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理装置と、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アミノ酸情報処理システムであって、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アミノ酸情報処理装置へ送信するアミノ酸濃度データ送信手段と、前記アミノ酸情報処理装置から送信された前記クローン病または前記非クローン病であるか否か、または前記潰瘍性大腸炎または前記非潰瘍性大腸炎であるか否かに関する前記評価対象の判別結果を受信する判別結果受信手段とを備え、前記アミノ酸情報処理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、前記アミノ酸の濃度を変数としＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、当該多変量判別式の値である判別値を算出する、または前記アミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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クローン病または前記非クローン病であるか否かを判別する、また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潰瘍性大腸炎または前記非潰瘍性大腸炎であるか否かを判別する判別値基準判別手段と、前記判別値基準判別手段での前記評価対象の前記判別結果を前記情報通信端末装置へ送信する判別結果送信手段と、を備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理システムは、制御手段と記憶手段とを備え評価対象につきクローン病または潰瘍性大腸炎の活動期または緩解期であるか否かを判別するアミノ酸情報処理装置と、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アミノ酸情報処理システムであって、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アミノ酸情報処理装置へ送信するアミノ酸濃度データ送信手段と、前記アミノ酸情報処理装置から送信された前記クローン病または前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かに関する前記評価対象の判別結果を受信する判別結果受信手段とを備え、前記アミノ酸情報処理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および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クローン病または前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する判別値基準判別手段と、前記判別値基準判別手段での前記評価対象の前記判別結果を前記情報通信端末装置へ送信する判別結果送信手段と、を備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理システムは、制御手段と記憶手段とを備え評価対象につきクローン病または潰瘍性大腸炎の病勢を評価するアミノ酸情報処理装置と、アミノ酸の濃度値に関する前記評価対象の複数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アミノ酸情報処理システムであって、前記情報通信端末装置は、前記評価対象の複数の前記アミノ酸濃度データを前記アミノ酸情報処理装置へ送信するアミノ酸濃度データ送信手段と、前記アミノ酸情報処理装置から送信された前記クローン病または前記潰瘍性大腸炎の前記病勢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、前記アミノ酸情報処理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複数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および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複数の前記アミノ酸濃度データに基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに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複数の前記判別値に基づいて前記評価対象につき前記クローン病または前記潰瘍性大腸炎の前記病勢を評価する判別値基準病勢評価手段と、前記判別値基準病勢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、を備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理システムは、制御手段と記憶手段とを備え評価対象につきクローン病または潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理装置と、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アミノ酸情報処理システムであって、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アミノ酸情報処理装置へ送信するアミノ酸濃度データ送信手段と、前記アミノ酸情報処理装置から送信された前記クローン病または前記潰瘍性大腸炎であるか否かに関する前記評価対象の判別結果を受信する判別結果受信手段とを備え、前記アミノ酸情報処理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および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クローン病または前記潰瘍性大腸炎であるか否かを判別する判別値基準判別手段と、前記判別値基準判別手段での前記評価対象の前記判別結果を前記情報通信端末装置へ送信する判別結果送信手段と、を備えたことを特徴とする。
また、本発明にかかるアミノ酸情報処理システムは、前記のアミノ酸情報処理システムにおいて、前記判別結果は、活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かに関するものであり、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて前記評価対象につき前記活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明はアミノ酸情報処理プログラムに関するものであり、本発明にかかるアミノ酸情報処理プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につき炎症性腸疾患または非炎症性腸疾患であるか否かを判別するアミノ酸情報処理プログラムであって、前記制御手段に、アミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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炎症性腸疾患または前記非炎症性腸疾患であるか否かを判別する判別値基準判別ステップとを実行させることを特徴とする。
また、本発明にかかるアミノ酸情報処理プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につきクローン病または非クローン病であるか否か、または潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理プログラムであって、前記制御手段に、アミノ酸の濃度を変数としＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、当該多変量判別式の値である判別値を算出する、またはアミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記記憶手段で記憶した多変量判別式および前記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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、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クローン病または前記非クローン病であるか否かを判別する、また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潰瘍性大腸炎または前記非潰瘍性大腸炎であるか否かを判別する判別値基準判別ステップとを実行させることを特徴とする。
また、本発明にかかるアミノ酸情報処理プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につきクローン病または潰瘍性大腸炎の活動期または緩解期であるか否かを判別するアミノ酸情報処理プログラムであって、前記制御手段に、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および前記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クローン病または前記潰瘍性大腸炎の前記活動期または前記緩解期であるか否かを判別する判別値基準判別ステップとを実行させることを特徴とする。
また、本発明にかかるアミノ酸情報処理プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につきクローン病または潰瘍性大腸炎の病勢を評価するアミノ酸情報処理プログラムであって、前記制御手段に、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および前記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複数のアミノ酸濃度データに基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに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複数の前記判別値に基づいて前記評価対象につき前記クローン病または前記潰瘍性大腸炎の前記病勢を評価する判別値基準病勢評価ステップとを実行させることを特徴とする。
また、本発明にかかるアミノ酸情報処理プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につきクローン病または潰瘍性大腸炎であるか否かを判別するアミノ酸情報処理プログラムであって、前記制御手段に、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および前記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クローン病または前記潰瘍性大腸炎であるか否かを判別する判別値基準判別ステップとを実行させることを特徴とする。
また、本発明にかかるアミノ酸情報処理プログラムは、前記のアミノ酸情報処理プログラムにおいて、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて前記評価対象につき活動期の前記クローン病または前記活動期の前記潰瘍性大腸炎であるか否かを判別することを特徴とする。
また、本発明は記録媒体に関するものであり、本発明にかかるコンピュータ読み取り可能な記録媒体は、前記のいずれか１つのアミノ酸情報処理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基づいて、評価対象につき炎症性腸疾患の状態を評価するので、血液中のアミノ酸の濃度を利用して炎症性腸疾患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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの濃度値に基づいて、評価対象につき炎症性腸疾患または非炎症性腸疾患であるか否かを判別するので、血液中のアミノ酸の濃度のうち炎症性腸疾患と非炎症性腸疾患との２群判別に有用なアミノ酸の濃度を利用して炎症性腸疾患と非炎症性腸疾患との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、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につき炎症性腸疾患または非炎症性腸疾患であるか否かを判別するので、炎症性腸疾患と非炎症性腸疾患との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炎症性腸疾患と非炎症性腸疾患との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で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含む、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを変数とするので、炎症性腸疾患と非炎症性腸疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して炎症性腸疾患と非炎症性腸疾患との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、測定した評価対象のアミノ酸濃度データに基づいて、評価対象につきクローン病または潰瘍性大腸炎の状態を評価するので、血液中のアミノ酸の濃度を利用してクローン病または潰瘍性大腸炎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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つの濃度値に基づいて、評価対象につきクローン病または非クローン病であるか否かを判別する、または測定した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの濃度値に基づいて、評価対象につき潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別するので、血液中のアミノ酸の濃度のうちクローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との２群判別に有用なアミノ酸の濃度を利用してクローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データに基づいて、評価対象につきクローン病または潰瘍性大腸炎の活動期または緩解期であるか否かを判別するので、血液中のアミノ酸の濃度を利用してクローン病または潰瘍性大腸炎の活動期と緩解期との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、測定した評価対象のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につきクローン病の活動期または緩解期であるか否かを判別する、または測定した評価対象のアミノ酸濃度データに含まれるＵｒｅａ，Ｇｌｎ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つの濃度値に基づいて、評価対象につき潰瘍性大腸炎の活動期または緩解期であるか否かを判別するので、血液中のアミノ酸の濃度のうちクローン病または潰瘍性大腸炎の活動期と緩解期との２群判別に有用なアミノ酸の濃度を利用してクローン病または潰瘍性大腸炎の活動期と緩解期との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、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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しＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む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、または測定した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきクローン病または非クローン病であるか否かを判別、または算出した判別値に基づいて評価対象につき潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別するので、クローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との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クローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との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、クローン病または非クローン病であるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを変数とする、潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含むこと、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを変数とするので、クローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との２群判別に特に有用な多変量判別式で得られる判別値を利用してクローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データ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クローン病または潰瘍性大腸炎の活動期または緩解期であるか否かを判別するので、多変量判別式で得られる判別値を利用してクローン病または潰瘍性大腸炎の活動期と緩解期との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、測定した評価対象の複数のアミノ酸濃度データ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に基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、算出した複数の判別値に基づいて評価対象につきクローン病または潰瘍性大腸炎の病勢を評価するので、多変量判別式で得られる判別値を利用してクローン病または潰瘍性大腸炎の病勢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、クローン病の活動期または緩解期であるか否かを判別する場合またはクローン病の病勢を評価する場合には、測定した評価対象の１つ又は複数のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて１つ又は複数の判別値を算出、潰瘍性大腸炎の活動期または緩解期であるか否かを判別する場合または潰瘍性大腸炎の病勢を評価する場合には、測定した評価対象の１つ又は複数のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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１つ又は複数の判別値を算出するので、クローン病または潰瘍性大腸炎の活動期と緩解期との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クローン病または潰瘍性大腸炎の活動期と緩解期との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、クローン病または潰瘍性大腸炎の病勢の評価に有用な多変量判別式で得られる判別値を利用してクローン病または潰瘍性大腸炎の病勢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、多変量判別式は、クローン病の活動期または緩解期であるか否かを判別する場合またはクローン病の病勢を評価する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とする、潰瘍性大腸炎の活動期または緩解期であるか否かを判別する場合または潰瘍性大腸炎の病勢を評価する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含む、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするので、クローン病または潰瘍性大腸炎の活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してクローン病または潰瘍性大腸炎の活動期と緩解期との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、クローン病または潰瘍性大腸炎の病勢の評価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クローン病または潰瘍性大腸炎の病勢をさらに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基づいて、評価対象につきクローン病または潰瘍性大腸炎であるか否かを判別するので、血液中のアミノ酸の濃度を利用してクローン病と潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データに含まれるＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につきクローン病または潰瘍性大腸炎であるか否かを判別するので、血液中のアミノ酸の濃度のうちクローン病と潰瘍性大腸炎との２群判別に有用なアミノ酸の濃度を利用してクローン病と潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データに基づいて、評価対象につき活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別するので、血液中のアミノ酸の濃度を利用して活動期のクローン病と活動期の潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別するので、血液中のアミノ酸の濃度のうち活動期のクローン病と活動期の潰瘍性大腸炎との２群判別に有用なアミノ酸の濃度を利用して活動期のクローン病と活動期の潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データ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クローン病または潰瘍性大腸炎であるか否かを判別するので、多変量判別式で得られる判別値を利用してクローン病と潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データに含まれるＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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しＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきクローン病または潰瘍性大腸炎であるか否かを判別するので、クローン病と潰瘍性大腸炎との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クローン病と潰瘍性大腸炎との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で表され、それを構成する分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含む、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを変数とするので、クローン病と潰瘍性大腸炎との２群判別に特に有用な多変量判別式で得られる判別値を利用してクローン病と潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データ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活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別するので、多変量判別式で得られる判別値を利用して活動期のクローン病と活動期の潰瘍性大腸炎との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、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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しＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につき活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別するので、活動期のクローン病と活動期の潰瘍性大腸炎との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活動期のクローン病と活動期の潰瘍性大腸炎との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で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含む、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とするので、活動期のクローン病と活動期の潰瘍性大腸炎との２群判別に特に有用な多変量判別式で得られる判別値を利用して活動期のクローン病と活動期の潰瘍性大腸炎との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、まず、情報通信端末装置は、評価対象のアミノ酸濃度データをアミノ酸情報処理装置へ送信する。そして、アミノ酸情報処理装置は、情報通信端末装置から送信された評価対象のアミノ酸濃度データを受信し、アミノ酸の濃度を変数としＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む記憶手段で記憶した多変量判別式および受信した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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し、算出した判別値に基づいて評価対象につき炎症性腸疾患または非炎症性腸疾患であるか否かを判別し、その評価対象の判別結果を情報通信端末装置へ送信する。そして、情報通信端末装置は、アミノ酸情報処理装置から送信された炎症性腸疾患または非炎症性腸疾患であるか否かに関する評価対象の判別結果を受信する。これにより、炎症性腸疾患と非炎症性腸疾患との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炎症性腸疾患と非炎症性腸疾患との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、まず、情報通信端末装置は、評価対象のアミノ酸濃度データをアミノ酸情報処理装置へ送信する。そして、アミノ酸情報処理装置は、情報通信端末装置から送信された評価対象のアミノ酸濃度データを受信し、アミノ酸の濃度を変数としＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む記憶手段で記憶した多変量判別式および受信した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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、または測定した評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきクローン病または非クローン病であるか否かを判別、または算出した判別値に基づいて評価対象につき潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別し、その評価対象の判別結果を情報通信端末装置へ送信する。そして、情報通信端末装置は、アミノ酸情報処理装置から送信されたクローン病または非クローン病であるか否かまたは潰瘍性大腸炎または非潰瘍性大腸炎であるか否かに関する評価対象の判別結果を受信する。これにより、クローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との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クローン病と非クローン病との２群判別または潰瘍性大腸炎と非潰瘍性大腸炎との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、まず、情報通信端末装置は、評価対象のアミノ酸濃度データをアミノ酸情報処理装置へ送信する。そして、アミノ酸情報処理装置は、情報通信端末装置から送信された評価対象のアミノ酸濃度データを受信し、アミノ酸の濃度を変数とする記憶手段で記憶した多変量判別式および受信した評価対象のアミノ酸濃度データに基づいて、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クローン病または潰瘍性大腸炎の活動期または緩解期であるか否かを判別し、その評価対象の判別結果を情報通信端末装置へ送信する。そして、情報通信端末装置は、アミノ酸情報処理装置から送信されたクローン病または潰瘍性大腸炎の活動期または緩解期であるか否かに関する評価対象の判別結果を受信する。これにより、多変量判別式で得られる判別値を利用してクローン病または潰瘍性大腸炎の活動期と緩解期との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、まず、情報通信端末装置は、評価対象の複数のアミノ酸濃度データをアミノ酸情報処理装置へ送信する。そして、アミノ酸情報処理装置は、情報通信端末装置から送信された評価対象の複数のアミノ酸濃度データを受信し、アミノ酸の濃度を変数とする記憶手段で記憶した多変量判別式および受信した評価対象の複数のアミノ酸濃度データに基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、算出した複数の判別値に基づいて評価対象につきクローン病または潰瘍性大腸炎の病勢を評価し、その評価対象の評価結果を情報通信端末装置へ送信する。そして、情報通信端末装置は、アミノ酸情報処理装置から送信されたクローン病または潰瘍性大腸炎の病勢に関する評価対象の評価結果を受信する。これにより、多変量判別式で得られる判別値を利用してクローン病または潰瘍性大腸炎の病勢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、まず、情報通信端末装置は、評価対象のアミノ酸濃度データをアミノ酸情報処理装置へ送信する。そして、アミノ酸情報処理装置は、情報通信端末装置から送信された評価対象のアミノ酸濃度データを受信し、アミノ酸の濃度を変数とする記憶手段で記憶した多変量判別式および受信した評価対象のアミノ酸濃度データに基づいて、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クローン病または潰瘍性大腸炎であるか否かを判別し、その評価対象の判別結果を情報通信端末装置へ送信する。そして、情報通信端末装置は、アミノ酸情報処理装置から送信されたクローン病または潰瘍性大腸炎であるか否かに関する評価対象の判別結果を受信する。これにより、多変量判別式で得られる判別値を利用してクローン病と潰瘍性大腸炎との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、判別結果は、活動期のクローン病または活動期の潰瘍性大腸炎であるか否かに関するものであり、算出した判別値に基づいて評価対象につき活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別するので、多変量判別式で得られる判別値を利用して活動期のクローン病と活動期の潰瘍性大腸炎との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、当該記録媒体に記録されたアミノ酸情報処理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、コンピュータにアミノ酸情報処理プログラムを実行させるので、アミノ酸情報処理プログラムと同様の効果を得ることができるという効果を奏する。
なお、本発明は、炎症性腸疾患の状態を評価する際（具体的には、炎症性腸疾患または非炎症性腸疾患であるか否かを判別する際、クローン病の状態を評価する際（クローン病または非クローン病であるか否かを判別する際、クローン病の活動期または緩解期であるか否かを判別する際、クローン病の病勢を評価する際）、潰瘍性大腸炎の状態を評価する際（潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別する際、潰瘍性大腸炎の活動期または緩解期であるか否かを判別する際、潰瘍性大腸炎の病勢を評価する際）、クローン病または潰瘍性大腸炎であるか否かを判別する際（活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別する際））、アミノ酸の濃度以外に、その他の代謝物の濃度やタンパク質の発現量、被験者の年齢・性別などをさらに用いてもかまわない。また、本発明は、炎症性腸疾患の状態を評価する際（具体的には、炎症性腸疾患または非炎症性腸疾患であるか否かを判別する際、クローン病の状態を評価する際（クローン病または非クローン病であるか否かを判別する際、クローン病の活動期または緩解期であるか否かを判別する際、クローン病の病勢を評価する際）、潰瘍性大腸炎の状態を評価する際（潰瘍性大腸炎または非潰瘍性大腸炎であるか否かを判別する際、潰瘍性大腸炎の活動期または緩解期であるか否かを判別する際、潰瘍性大腸炎の病勢を評価する際）、クローン病または潰瘍性大腸炎であるか否かを判別する際（活動期のクローン病または活動期の潰瘍性大腸炎であるか否かを判別する際））、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度やタンパク質の発現量、被験者の年齢・性別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ＩＢＤ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ＩＢＤ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、ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ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、健康人群と炎症性腸疾患群の２群間のアミノ酸変数の分布を示す箱ひげ図である。 図２４は、健康人群とクローン病群と潰瘍性大腸炎群の３群間のアミノ酸変数の分布を示す箱ひげ図である。 図２５は、緩解期のクローン病群と活動期のクローン病群と緩解期の潰瘍性大腸炎群と活動期の潰瘍性大腸炎群の４群間のアミノ酸変数の分布を示す箱ひげ図である。 図２６は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図２７は、指標式１１と同等の診断性能を有する式の一覧を示す図である。 図２８は、指標式１１と同等の診断性能を有する式の一覧を示す図である。 図２９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図３０は、指標式１２と同等の診断性能を有する式の一覧を示す図である。 図３１は、指標式１２と同等の診断性能を有する式の一覧を示す図である。 図３２は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図３３は、指標式１３と同等の診断性能を有する式の一覧を示す図である。 図３４は、指標式１３と同等の診断性能を有する式の一覧を示す図である。 図３５は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図３６は、指標式１４と同等の診断性能を有する式の一覧を示す図である。 図３７は、指標式１４と同等の診断性能を有する式の一覧を示す図である。 図３８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図３９は、指標式１５と同等の診断性能を有する式の一覧を示す図である。 図４０は、指標式１５と同等の診断性能を有する式の一覧を示す図である。 図４１は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図４２は、指標式１６と同等の診断性能を有する式の一覧を示す図である。 図４３は、指標式１６と同等の診断性能を有する式の一覧を示す図である。 図４４は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図４５は、指標式１７と同等の診断性能を有する式の一覧を示す図である。 図４６は、指標式１７と同等の診断性能を有する式の一覧を示す図である。 図４７は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図４８は、指標式２１と同等の診断性能を有する式の一覧を示す図である。 図４９は、指標式２１と同等の診断性能を有する式の一覧を示す図である。 図５０は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図５１は、指標式２２と同等の診断性能を有する式の一覧を示す図である。 図５２は、指標式２２と同等の診断性能を有する式の一覧を示す図である。 図５３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図５４は、指標式２３と同等の診断性能を有する式の一覧を示す図である。 図５５は、指標式２３と同等の診断性能を有する式の一覧を示す図である。 図５６は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図５７は、指標式２４と同等の診断性能を有する式の一覧を示す図である。 図５８は、指標式２４と同等の診断性能を有する式の一覧を示す図である。 図５９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図６０は、指標式２５と同等の診断性能を有する式の一覧を示す図である。 図６１は、指標式２５と同等の診断性能を有する式の一覧を示す図である。 図６２は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図６３は、指標式２６と同等の診断性能を有する式の一覧を示す図である。 図６４は、指標式２６と同等の診断性能を有する式の一覧を示す図である。 図６５は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図６６は、指標式２７と同等の診断性能を有する式の一覧を示す図である。 図６７は、指標式２７と同等の診断性能を有する式の一覧を示す図である。 図６８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図６９は、指標式２８と同等の診断性能を有する式の一覧を示す図である。 図７０は、指標式２８と同等の診断性能を有する式の一覧を示す図である。 図７１は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図７２は、指標式２９と同等の診断性能を有する式の一覧を示す図である。 図７３は、指標式２９と同等の診断性能を有する式の一覧を示す図である。 図７４は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図７５は、指標式３０と同等の診断性能を有する式の一覧を示す図である。 図７６は、指標式３０と同等の診断性能を有する式の一覧を示す図である。 図７７は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図７８は、指標式３１と同等の診断性能を有する式の一覧を示す図である。 図７９は、指標式３１と同等の診断性能を有する式の一覧を示す図である。 図８０は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図８１は、指標式３２と同等の診断性能を有する式の一覧を示す図である。 図８２は、指標式３２と同等の診断性能を有する式の一覧を示す図である。 図８３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図８４は、指標式３３と同等の診断性能を有する式の一覧を示す図である。 図８５は、指標式３３と同等の診断性能を有する式の一覧を示す図である。 図８６は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図８７は、指標式３４と同等の診断性能を有する式の一覧を示す図である。 図８８は、指標式３４と同等の診断性能を有する式の一覧を示す図である。 図８９は、指標式１６の値とＣＤＡＩの値の経時変化を示す図である。 図９０は、指標式３３’の値とＣＡＩの値の経時変化を示す図である。 図９１は、健康人群と炎症性腸疾患群の２群間のアミノ酸変数の分布を示す箱ひげ図である。 図９２は、健康人群とクローン病群の２群間のアミノ酸変数の分布を示す箱ひげ図である。 図９３は、健康人群と潰瘍性大腸炎群の２群間のアミノ酸変数の分布を示す箱ひげ図である。 図９４は、クローン病群と潰瘍性大腸炎群の群間のアミノ酸変数の分布を示す箱ひげ図である。 図９５は、緩解期のクローン病群と活動期のクローン病群と緩解期の潰瘍性大腸炎群と活動期の潰瘍性大腸炎群の４群間のアミノ酸変数の分布を示す箱ひげ図である。 図９６は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図９７は、指標式３５と同等の診断性能を有する式の一覧を示す図である。 図９８は、指標式３５と同等の診断性能を有する式の一覧を示す図である。 図９９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１００は、指標式３６と同等の診断性能を有する式の一覧を示す図である。 図１０１は、指標式３６と同等の診断性能を有する式の一覧を示す図である。 図１０２は、指標式３６と同等の診断性能を有する式の一覧を示す図である。 図１０３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１０４は、指標式３７と同等の診断性能を有する式の一覧を示す図である。 図１０５は、指標式３７と同等の診断性能を有する式の一覧を示す図である。 図１０６は、指標式３７と同等の診断性能を有する式の一覧を示す図である。 図１０７は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１０８は、指標式３８と同等の診断性能を有する式の一覧を示す図である。 図１０９は、指標式３８と同等の診断性能を有する式の一覧を示す図である。 図１１０は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１１１は、指標式３９と同等の診断性能を有する式の一覧を示す図である。 図１１２は、指標式３９と同等の診断性能を有する式の一覧を示す図である。 図１１３は、指標式３９と同等の診断性能を有する式の一覧を示す図である。 図１１４は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１１５は、指標式４０と同等の診断性能を有する式の一覧を示す図である。 図１１６は、指標式４０と同等の診断性能を有する式の一覧を示す図である。 図１１７は、指標式４０と同等の診断性能を有する式の一覧を示す図である。 図１１８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１１９は、指標式４１と同等の診断性能を有する式の一覧を示す図である。 図１２０は、指標式４１と同等の診断性能を有する式の一覧を示す図である。 図１２１は、指標式４１と同等の診断性能を有する式の一覧を示す図である。 図１２２は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１２３は、指標式４２と同等の診断性能を有する式の一覧を示す図である。 図１２４は、指標式４２と同等の診断性能を有する式の一覧を示す図である。 図１２５は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１２６は、指標式４３と同等の診断性能を有する式の一覧を示す図である。 図１２７は、指標式４３と同等の診断性能を有する式の一覧を示す図である。 図１２８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１２９は、指標式４４と同等の診断性能を有する式の一覧を示す図である。 図１３０は、指標式４４と同等の診断性能を有する式の一覧を示す図である。 図１３１は、指標式４４と同等の診断性能を有する式の一覧を示す図である。 図１３２は、指標式４４と同等の診断性能を有する式の一覧を示す図である。 図１３３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１３４は、指標式４５と同等の診断性能を有する式の一覧を示す図である。 図１３５は、指標式４５と同等の診断性能を有する式の一覧を示す図である。 図１３６は、指標式４５と同等の診断性能を有する式の一覧を示す図である。 図１３７は、指標式４５と同等の診断性能を有する式の一覧を示す図である。 図１３８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１３９は、指標式４６と同等の診断性能を有する式の一覧を示す図である。 図１４０は、指標式４６と同等の診断性能を有する式の一覧を示す図である。 図１４１は、指標式４６と同等の診断性能を有する式の一覧を示す図である。 図１４２は、指標式４６と同等の診断性能を有する式の一覧を示す図である。 図１４３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１４４は、指標式４７と同等の診断性能を有する式の一覧を示す図である。 図１４５は、指標式４７と同等の診断性能を有する式の一覧を示す図である。 図１４６は、指標式４７と同等の診断性能を有する式の一覧を示す図である。 図１４７は、指標式４７と同等の診断性能を有する式の一覧を示す図である。 図１４８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１４９は、指標式４８と同等の診断性能を有する式の一覧を示す図である。 図１５０は、指標式４８と同等の診断性能を有する式の一覧を示す図である。 図１５１は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１５２は、指標式４９と同等の診断性能を有する式の一覧を示す図である。 図１５３は、指標式４９と同等の診断性能を有する式の一覧を示す図である。 図１５４は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１５５は、指標式５０と同等の診断性能を有する式の一覧を示す図である。 図１５６は、指標式５０と同等の診断性能を有する式の一覧を示す図である。 図１５７は、指標式５０と同等の診断性能を有する式の一覧を示す図である。 図１５８は、指標式５０と同等の診断性能を有する式の一覧を示す図である。 図１５９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１６０は、指標式５１と同等の診断性能を有する式の一覧を示す図である。 図１６１は、指標式５１と同等の診断性能を有する式の一覧を示す図である。 図１６２は、指標式５１と同等の診断性能を有する式の一覧を示す図である。 図１６３は、指標式５１と同等の診断性能を有する式の一覧を示す図である。 図１６４は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１６５は、指標式５２と同等の診断性能を有する式の一覧を示す図である。 図１６６は、指標式５２と同等の診断性能を有する式の一覧を示す図である。 図１６７は、指標式５２と同等の診断性能を有する式の一覧を示す図である。 図１６８は、指標式５２と同等の診断性能を有する式の一覧を示す図である。 図１６９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１７０は、指標式５３と同等の診断性能を有する式の一覧を示す図である。 図１７１は、指標式５３と同等の診断性能を有する式の一覧を示す図である。 図１７２は、指標式５３と同等の診断性能を有する式の一覧を示す図である。 図１７３は、指標式５３と同等の診断性能を有する式の一覧を示す図である。 図１７４は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１７５は、指標式５４と同等の診断性能を有する式の一覧を示す図である。 図１７６は、指標式５４と同等の診断性能を有する式の一覧を示す図である。 図１７７は、指標式５４と同等の診断性能を有する式の一覧を示す図である。 図１７８は、指標式５４と同等の診断性能を有する式の一覧を示す図である。 図１７９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１８０は、指標式５５と同等の診断性能を有する式の一覧を示す図である。 図１８１は、指標式５５と同等の診断性能を有する式の一覧を示す図である。 図１８２は、指標式５５と同等の診断性能を有する式の一覧を示す図である。 図１８３は、指標式５５と同等の診断性能を有する式の一覧を示す図である。 図１８４は、指標式５２’の値と同一人の活動期と緩解期を示す図である。 図１８５は、指標式５２’と同等のモニタリング能力を有する式の一覧を示す図である。 図１８６は、指標式５２’と同等のモニタリング能力を有する式の一覧を示す図である。 図１８７は、指標式５２’と同等のモニタリング能力を有する式の一覧を示す図である。 図１８８は、指標式５２’と同等のモニタリング能力を有する式の一覧を示す図である。 図１８９は、指標式５３’の値と同一人の活動期と緩解期を示す図である。 図１９０は、指標式５３’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９１は、指標式５３’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９２は、指標式５３’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９３は、指標式５３’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９４は、指標式５４’の値と同一人の活動期と緩解期を示す図である。 図１９５は、指標式５４’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９６は、指標式５４’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９７は、指標式５４’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９８は、指標式５４’と同等のモニタリング能力を有する式の一覧を示す図である。 図１９９は、指標式５５’の値と同一人の活動期と緩解期を示す図である。 図２００は、指標式５５’と同等のモニタリング能力を有する式の一覧を示す図である。 図２０１は、指標式５５’と同等のモニタリング能力を有する式の一覧を示す図である。 図２０２は、指標式５５’と同等のモニタリング能力を有する式の一覧を示す図である。 図２０３は、指標式５５’と同等のモニタリング能力を有する式の一覧を示す図である。
以下に、本発明のＩＢＤの評価方法の実施の形態（第１実施形態）、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理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ＩＢＤの評価方法の概要について図１を参照して説明する。図１は本発明の基本原理を示す原理構成図である。
まず、本発明では、評価対象（例えば動物やヒトなど個体）から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳ−１１）。ここで、血中アミノ酸濃度の分析は次のように行った。採血した血液サンプルを、ヘパリン処理したチューブに採取し、採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで−７０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し３％濃度調整により除蛋白処理を行い、測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（ＨＰＬＣ）を原理としたアミノ酸分析機を使用した。なお、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
つぎに、本発明では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに基づいて、評価対象につきＩＢＤ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基づいて、評価対象につきＩＢＤの状態を評価する。これにより、血液中のアミノ酸の濃度を利用してＩＢＤの状態を精度よく評価することができる。
なお、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、ＩＢＤの状態をさらに精度よく評価することができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに基づいて、評価対象につきＩＢＤまたは非ＩＢＤ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を利用してＩＢＤと非ＩＢＤとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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ＩＢＤまたは非ＩＢＤであるか否かを判別してもよい。具体的には、Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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ＩＢＤまたは非ＩＢＤ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ＩＢＤと非ＩＢＤとの２群判別に有用なアミノ酸の濃度を利用してＩＢＤと非ＩＢＤとの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ＩＢＤの状態を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＩＢＤ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−１１で測定した評価対象のアミノ酸濃度データ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ＩＢＤまたは非ＩＢＤであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＩＢＤと非ＩＢＤとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきＩＢＤまたは非ＩＢＤ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ＩＢＤまたは非ＩＢＤであるか否かを判別してもよい。これにより、ＩＢＤと非ＩＢＤとの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ＩＢＤと非ＩＢＤとの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で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを変数とするものでもよい。これにより、ＩＢＤと非ＩＢＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＩＢＤと非ＩＢＤとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに基づいて、評価対象につきＣＤの状態を評価してもよい。これにより、血液中のアミノ酸の濃度を利用してＣＤ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−１１で測定した評価対象のアミノ酸濃度データに基づいて、評価対象につきＣＤまたは非ＣＤ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を利用してＣＤと非ＣＤとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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ＣＤまたは非ＣＤであるか否かを判別してもよい。具体的には、Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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ＣＤまたは非ＣＤ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ＣＤと非ＣＤとの２群判別に有用なアミノ酸の濃度を利用してＣＤと非ＣＤとの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基づいて、評価対象につきＣＤの活動期または緩解期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を利用してＣＤの活動期と緩解期との２群判別を精度よく行うことができる。また、ステップＳ−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Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につきＣＤの活動期または緩解期であるか否かを判別してもよい。具体的には、Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につきＣＤの活動期または緩解期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ＣＤの活動期と緩解期との２群判別に有用なアミノ酸の濃度を利用してＣＤの活動期と緩解期との２群判別を精度よく行うことができる。
また、ステップＳ−１１で、評価対象から採取した複数の血液からアミノ酸濃度データを当該血液ごとに測定した場合、ステップＳ−１２では、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データに基づいて評価対象につきＣＤの病勢を評価してもよい。これにより、血液中のアミノ酸の濃度を利用してＣＤの病勢を精度よく評価することができる。また、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につきＣＤの病勢を評価してもよい。具体的には、Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につきＣＤの病勢を評価してもよい。これにより、血液中のアミノ酸の濃度のうちＣＤの病勢の評価に有用なアミノ酸の濃度を利用してＣＤの病勢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、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ＣＤの状態を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤ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−１１で測定した評価対象のアミノ酸濃度データ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ＣＤまたは非ＣＤであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤと非ＣＤとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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しＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきＣＤまたは非ＣＤ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ＣＤまたは非ＣＤであるか否かを判別してもよい。これにより、ＣＤと非ＣＤとの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ＣＤと非ＣＤとの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で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤと非ＣＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤと非ＣＤとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データ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ＣＤの活動期または緩解期であるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤの活動期と緩解期との２群判別を精度よく行うことができる。また、ステップＳ−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Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数としＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきＣＤの活動期または緩解期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ＣＤの活動期または緩解期であるか否かを判別してもよい。これにより、ＣＤの活動期と緩解期との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ＣＤの活動期と緩解期との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で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤの活動期と緩解期との２群判別をさらに精度よく行うことができる。
また、ステップＳ−１１で、評価対象から採取した複数の血液からアミノ酸濃度データを当該血液ごとに測定した場合、ステップＳ−１２では、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データ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に基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、算出した複数の判別値に基づいて、評価対象につきＣＤの病勢を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤの病勢を精度よく評価することができる。また、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数としＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む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当該アミノ酸濃度データごとに算出し、算出した複数の判別値に基づいて評価対象につきＣＤの病勢を評価してもよい。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ＣＤの病勢を評価してもよい。これにより、ＣＤの病勢の評価に有用な多変量判別式で得られる判別値を利用してＣＤの病勢を精度よく評価することができる。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で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤの病勢の評価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ＣＤの病勢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基づいて、評価対象につきＵＣの状態を評価してもよい。これにより、血液中のアミノ酸の濃度を利用してＵＣ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−１１で測定した評価対象のアミノ酸濃度データに基づいて、評価対象につきＵＣまたは非ＵＣ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を利用してＵＣと非ＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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ＵＣまたは非ＵＣであるか否かを判別してもよい。具体的には、Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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ＵＣまたは非ＵＣ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ＵＣと非ＵＣとの２群判別に有用なアミノ酸の濃度を利用してＵＣと非ＵＣとの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基づいて、評価対象につきＵＣの活動期または緩解期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を利用してＵＣの活動期と緩解期との２群判別を精度よく行うことができる。また、ステップＳ−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Ｕｒｅａ，Ｇｌｎ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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ＵＣの活動期または緩解期であるか否かを判別してもよい。具体的には、Ｕｒｅａ，Ｇｌｎ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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ＵＣの活動期または緩解期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ＵＣの活動期と緩解期との２群判別に有用なアミノ酸の濃度を利用してＵＣの活動期と緩解期との２群判別を精度よく行うことができる。
また、ステップＳ−１１で、評価対象から採取した複数の血液からアミノ酸濃度データを当該血液ごとに測定した場合、ステップＳ−１２では、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データに基づいて評価対象につきＵＣの病勢を評価してもよい。これにより、血液中のアミノ酸の濃度を利用してＵＣの病勢を精度よく評価することができる。また、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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ＵＣの病勢を評価してもよい。具体的には、Ｔａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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ＵＣの病勢を評価してもよい。これにより、血液中のアミノ酸の濃度のうちＵＣの病勢の評価に有用なアミノ酸の濃度を利用してＵＣの病勢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、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ＵＣの状態を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣ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−１１で測定した評価対象のアミノ酸濃度データ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ＵＣまたは非ＵＣであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣと非ＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきＵＣまたは非ＵＣ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ＵＣまたは非ＵＣであるか否かを判別してもよい。これにより、ＵＣと非ＵＣとの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ＵＣと非ＵＣとの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で表され、それを構成する分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを変数とするものでもよい。これにより、ＵＣと非ＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣと非ＵＣとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データ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ＵＣの活動期または緩解期であるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣの活動期と緩解期との２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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しＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきＵＣの活動期または緩解期であるか否かを判別してもよい。これにより、ＵＣの活動期と緩解期との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ＵＣの活動期と緩解期との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で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。これにより、ＵＣの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣの活動期と緩解期との２群判別をさらに精度よく行うことができる。
また、ステップＳ−１１で、評価対象から採取した複数の血液からアミノ酸濃度データを当該血液ごとに測定した場合、ステップＳ−１２では、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データ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に基づいて当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、算出した複数の判別値に基づいて評価対象につきＵＣの病勢を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣの病勢を精度よく評価することができる。また、ステップＳ−１１で測定した評価対象の複数のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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しＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含む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当該アミノ酸濃度データごとに算出し、算出した複数の判別値に基づいて評価対象につきＵＣの病勢を評価してもよい。これにより、ＵＣの病勢の評価に有用な多変量判別式で得られる判別値を利用してＵＣの病勢を精度よく評価することができる。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で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。これにより、ＵＣの病勢の評価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ＵＣの病勢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基づいて、評価対象につきＣＤまたはＵＣ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を利用してＣＤとＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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ＣＤまたはＵＣであるか否かを判別してもよい。具体的には、Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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ＣＤまたはＵＣ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ＣＤとＵＣとの２群判別に有用なアミノ酸の濃度を利用してＣＤとＵＣとの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基づいて、評価対象につき活動期のＣＤまたは活動期のＵＣ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を利用して活動期のＣＤと活動期のＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき活動期のＣＤまたは活動期のＵＣであるか否かを判別してもよい。具体的には、Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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、評価対象につき活動期のＣＤまたは活動期のＵＣ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活動期のＣＤと活動期のＵＣとの２群判別に有用なアミノ酸の濃度を利用して活動期のＣＤと活動期のＵＣとの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ＣＤまたはＵＣであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤとＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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しＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につきＣＤまたはＵＣ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ＣＤまたはＵＣであるか否かを判別してもよい。これにより、ＣＤとＵＣとの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ＣＤとＵＣとの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で表され、それを構成する分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを変数とするものでもよい。これにより、ＣＤとＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤとＵＣとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データ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活動期のＣＤまたは活動期のＵＣであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用して活動期のＣＤと活動期のＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−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Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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しＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含む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し、算出した判別値に基づいて評価対象につき活動期のＣＤまたは活動期のＵＣ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、評価対象につき活動期のＣＤまたは活動期のＵＣであるか否かを判別してもよい。これにより、活動期のＣＤと活動期のＵＣとの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活動期のＣＤと活動期のＵＣとの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で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とするものでもよい。これにより、活動期のＣＤと活動期のＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用して活動期のＣＤと活動期のＵＣとの２群判別をさらに精度よく行うことができる。
ここで、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式をＩＢＤの状態の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、且つ当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
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、ニューラルネットなどを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。
また、本発明は、ＩＢＤの状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度やタンパク質の発現量、被験者の年齢・性別などをさらに用いてもかまわない。また、本発明は、ＩＢＤの状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度やタンパク質の発現量、被験者の年齢・性別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ＩＢＤの評価方法］
ここでは、第１実施形態にかかるＩＢＤ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ＩＢＤの評価方法の一例を示すフローチャートである。
まず、動物やヒトなどの個体から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳＡ−１１）。なお、アミノ酸の濃度値の測定は、上述した方法で行う。
つぎに、ステップＳＡ−１１で測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ−１２）。
つぎに、ステップＳＡ−１２で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データや、アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、個体につき、下記１１．〜１９．に示す２群判別や病勢評価のいずれか１つを行う（ステップＳＡ−１３）。
１１．ＩＢＤまたは非ＩＢＤであるか否かの判別
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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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ＩＢＤまたは非ＩＢＤであるか否かを判別する、もしくは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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む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ＩＢＤまたは非ＩＢＤであるか否かを判別する。
１２．ＣＤまたは非ＣＤであるか否かの判別
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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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ＣＤまたは非ＣＤであるか否かを判別する、もしくは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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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しＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む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ＣＤまたは非ＣＤであるか否かを判別する。
１３．ＣＤの活動期または緩解期であるか否かの判別
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Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につきＣＤの活動期または緩解期であるか否かを判別する、もしくは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Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数としＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む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ＣＤの活動期または緩解期であるか否かを判別する。
１４．ＣＤの病勢の評価
ステップＳＡ−１１で同一個体から例えば異なる日に採取した複数の血液からアミノ酸濃度データを当該血液ごとに測定した場合、欠損値や外れ値などのデータが除去された個体の複数のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを当該アミノ段濃度データごとに比較することで個体につきＣＤの病勢を評価する、もしくは欠損値や外れ値などのデータが除去された個体の複数のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数としＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む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当該アミノ酸濃度データごとに算出し、算出した複数の判別値と予め設定された閾値（カットオフ値）とを当該判別値ごとに比較することで個体につきＣＤの病勢を評価する。
１５．ＵＣまたは非ＵＣであるか否かの判別
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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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ＵＣまたは非ＵＣであるか否かを判別する、もしくは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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む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ＵＣまたは非ＵＣであるか否かを判別する。
１６．ＵＣの活動期または緩解期であるか否かの判別
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Ｕｒｅａ，Ｇｌｎ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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ＵＣの活動期または緩解期であるか否かを判別する、もしくは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Ｔａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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しＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含む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ＵＣの活動期または緩解期であるか否かを判別する。
１７．ＵＣの病勢の評価
ステップＳＡ−１１で同一個体から例えば異なる時に採取した複数の血液からアミノ酸濃度データを当該血液ごとに測定した場合、欠損値や外れ値などのデータが除去された個体の複数のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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）とを当該アミノ段濃度データごとに比較することで個体につきＵＣの病勢を評価する、もしくは欠損値や外れ値などのデータが除去された個体の複数のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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しＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含む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当該アミノ酸濃度データごとに算出し、算出した複数の判別値と予め設定された閾値（カットオフ値）とを当該判別値ごとに比較することで個体につきＵＣの病勢を評価する。
１８．ＣＤまたはＵＣであるか否かの判別
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Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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ＣＤまたはＵＣであるか否かを判別する、もしくは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Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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しＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む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ＣＤまたはＵＣであるか否かを判別する。
１９．活動期のＣＤまたは活動期のＵＣであるか否かの判別
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Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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、個体につき活動期のＣＤまたは活動期のＵＣであるか否かを判別する、もしくは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Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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しＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含む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、個体につき活動期のＣＤまたは活動期のＵＣであるか否かを判別する。
［１−３．第１実施形態のまとめ、およびその他の実施形態］
以上、詳細に説明したように、第１実施形態にかかるＩＢＤの評価方法によれば、（１）個体から採取した血液からアミノ酸濃度データを測定し、（２）測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、（３）欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データや、アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、個体につき、上記１１．〜１９．に示す２群判別や病勢評価のいずれか１つを行う。これにより、血液中のアミノ酸の濃度のうちＩＢＤと非ＩＢＤとの２群判別に有用なアミノ酸の濃度を利用又はＩＢＤと非ＩＢＤとの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、ＩＢＤと非ＩＢＤとの２群判別を精度よく行うことができる。また、血液中のアミノ酸の濃度のうちＣＤと非ＣＤとの２群判別に有用なアミノ酸の濃度を利用又はＣＤと非ＣＤとの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、ＣＤと非ＣＤとの２群判別を精度よく行うことができる。また、血液中のアミノ酸の濃度のうちＣＤの活動期と緩解期との２群判別に有用なアミノ酸の濃度を利用又はＣＤの活動期と緩解期との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、ＣＤの活動期と緩解期との２群判別を精度よく行うことができる。また、血液中のアミノ酸の濃度のうちＣＤの病勢の評価に有用なアミノ酸の濃度を利用又はＣＤの病勢の評価に有用な多変量判別式で得られる判別値を利用して、ＣＤの病勢を精度よく評価することができる。また、血液中のアミノ酸の濃度のうちＵＣと非ＵＣとの２群判別に有用なアミノ酸の濃度を利用又はＵＣと非ＵＣとの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、ＵＣと非ＵＣとの２群判別を精度よく行うことができる。また、血液中のアミノ酸の濃度のうちＵＣの活動期と緩解期との２群判別に有用なアミノ酸の濃度を利用又はＵＣの活動期と緩解期との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、ＵＣの活動期と緩解期との２群判別を精度よく行うことができる。また、血液中のアミノ酸の濃度のうちＵＣの病勢の評価に有用なアミノ酸の濃度を利用又はＵＣの病勢の評価に有用な多変量判別式で得られる判別値を利用して、ＵＣの病勢を精度よく評価することができる。また、血液中のアミノ酸の濃度のうちＣＤとＵＣとの２群判別に有用なアミノ酸の濃度を利用又はＣＤとＵＣとの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、ＣＤとＵＣとの２群判別を精度よく行うことができる。また、血液中のアミノ酸の濃度のうち活動期のＣＤと活動期のＵＣとの２群判別に有用なアミノ酸の濃度を利用又は活動期のＣＤと活動期のＵＣとの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、活動期のＣＤと活動期のＵＣとの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において上記１１．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを変数とするものでもよい。これにより、ＩＢＤと非ＩＢＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＩＢＤと非ＩＢＤとの２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−１３において上記１２．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤと非ＣＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤと非ＣＤとの２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−１３において上記１３．に示す２群判別または上記１４．に示す病勢評価を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤの活動期と緩解期との２群判別をさらに精度よく行うことができる。また、ＣＤの病勢の評価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ＣＤの病勢をさらに精度よく評価することができる。
また、ステップＳＡ−１３において上記１５．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを変数とするものでもよい。これにより、ＵＣと非ＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣと非ＵＣとの２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−１３において上記１６．に示す２群判別または上記１７．に示す病勢評価を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。これにより、ＵＣの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣの活動期と緩解期との２群判別をさらに精度よく行うことができる。また、ＵＣの病勢の評価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ＵＣの病勢をさらに精度よく評価することができる。
また、ステップＳＡ−１３において上記１８．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを変数とするものでもよい。これにより、ＣＤとＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤとＵＣとの２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−１３において上記１９．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とするものでもよい。これにより、活動期のＣＤと活動期のＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用して活動期のＣＤと活動期のＵＣとの２群判別をさらに精度よく行うことができる。
ここで、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式をＩＢＤの状態の評価に好適に用いることができる。
［第２実施形態］
［２−１．本発明の概要］
ここでは、本発明にかかるアミノ酸情報処理装置を包含するＩＢＤ評価装置、本発明にかかるアミノ酸情報処理方法を包含するＩＢＤ評価方法、本発明にかかるアミノ酸情報処理システムを包含するＩＢＤ評価システム、本発明にかかるアミノ酸情報処理プログラムを包含するＩＢＤ評価プログラム、および本発明にかかる記録媒体を包含する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、アミノ酸の濃度を変数とする記憶部で記憶した多変量判別式およびアミノ酸の濃度値に関する予め取得した評価対象（例えば動物やヒトなど個体）のアミノ酸濃度データに基づいて、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ＩＢＤの状態を評価する（ステップＳ−２２）。
以上、本発明によれば、アミノ酸の濃度を変数とする記憶部で記憶した多変量判別式および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ＩＢＤの状態を評価する。これにより、多変量判別式で得られる判別値を利用してＩＢＤの状態を精度よく評価することができる。
なお、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ＩＢＤまたは非ＩＢＤであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＩＢＤと非ＩＢＤとの２群判別を精度よく行うことができる。また、ステップＳ−２１では、評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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、当該多変量判別式の値である判別値を算出し、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ＩＢＤまたは非ＩＢＤ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ＩＢＤまたは非ＩＢＤであるか否かを判別してもよい。これにより、ＩＢＤと非ＩＢＤとの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ＩＢＤと非ＩＢＤとの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で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを変数とするものでもよい。これにより、ＩＢＤと非ＩＢＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＩＢＤと非ＩＢＤとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−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ＣＤの状態を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤ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−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ＣＤまたは非ＣＤであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤと非ＣＤとの２群判別を精度よく行うことができる。また、ステップＳ−２１では、評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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しＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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、当該多変量判別式の値である判別値を算出し、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ＣＤまたは非ＣＤ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ＣＤまたは非ＣＤであるか否かを判別してもよい。これにより、ＣＤと非ＣＤとの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ＣＤと非ＣＤとの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で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤと非ＣＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤと非ＣＤとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−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ＣＤの活動期または緩解期であるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤの活動期と緩解期との２群判別を精度よく行うことができる。また、ステップＳ−２１では、評価対象のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数としＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し、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ＣＤの活動期または緩解期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ＣＤの活動期または緩解期であるか否かを判別してもよい。これにより、ＣＤの活動期と緩解期との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ＣＤの活動期と緩解期との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で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤの活動期と緩解期との２群判別をさらに精度よく行うことができる。
また、評価対象のアミノ酸濃度データを予め複数取得した場合、ステップＳ−２１では、評価対象の複数のアミノ酸濃度データおよびアミノ酸の濃度を変数とする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当該アミノ酸濃度データごとに算出し、ステップＳ−２２では、ステップＳ−２１で算出した複数の判別値に基づいて評価対象につきＣＤの病勢を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤの病勢を精度よく評価することができる。また、ステップＳ−２１では、評価対象の複数のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数としＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、ステップＳ−２２では、ステップＳ−２１で算出した複数の判別値に基づいて評価対象につきＣＤの病勢を評価してもよい。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ＣＤの病勢を評価してもよい。これにより、ＣＤの病勢の評価に有用な多変量判別式で得られる判別値を利用してＣＤの病勢を精度よく評価することができる。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で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤの病勢の評価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ＣＤの病勢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−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ＵＣの状態を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣ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−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ＵＣまたは非ＵＣであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣと非ＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−２１では、評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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しＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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、当該多変量判別式の値である判別値を算出し、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ＵＣまたは非ＵＣ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ＵＣまたは非ＵＣであるか否かを判別してもよい。これにより、ＵＣと非ＵＣとの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ＵＣと非ＵＣとの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で表され、それを構成する分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを変数とするものでもよい。これにより、ＵＣと非ＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣと非ＵＣとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−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ＵＣの活動期または緩解期であるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣの活動期と緩解期との２群判別を精度よく行うことができる。また、ステップＳ−２１では、評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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しＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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、当該多変量判別式の値である判別値を算出し、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ＵＣの活動期または緩解期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ＵＣの活動期または緩解期であるか否かを判別してもよい。これにより、ＵＣの活動期と緩解期との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ＵＣの活動期と緩解期との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で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。これにより、ＵＣの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣの活動期と緩解期との２群判別をさらに精度よく行うことができる。
また、評価対象のアミノ酸濃度データを予め複数取得した場合、ステップＳ−２１では、評価対象の複数のアミノ酸濃度データおよびアミノ酸の濃度を変数とする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当該アミノ酸濃度データごとに算出し、ステップＳ−２２では、ステップＳ−２１で算出した複数の判別値に基づいて評価対象につきＵＣの病勢を評価してもよい。これにより、多変量判別式で得られる判別値を利用してＵＣの病勢を精度よく評価することができる。また、ステップＳ−２１では、評価対象の複数のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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しＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓ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、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、ステップＳ−２２では、ステップＳ−２１で算出した複数の判別値に基づいて評価対象につきＵＣの病勢を評価してもよい。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ＵＣの病勢を評価してもよい。これにより、ＵＣの病勢の評価に有用な多変量判別式で得られる判別値を利用してＵＣの病勢を精度よく評価することができる。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で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。これにより、ＵＣの病勢の評価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ＵＣの病勢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−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ＣＤまたはＵＣであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用してＣＤとＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−２１では、評価対象のアミノ酸濃度データに含まれるＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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しＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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、当該多変量判別式の値である判別値を算出し、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ＣＤまたはＵＣ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ＣＤまたはＵＣであるか否かを判別してもよい。これにより、ＣＤとＵＣとの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ＣＤとＵＣとの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で表され、それを構成する分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを変数とするものでもよい。これにより、ＣＤとＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤとＵＣとの２群判別をさらに精度よく行うことができる。
また、ステップＳ−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活動期のＣＤまたは活動期のＵＣであるか否かを判別してもよい。これにより、多変量判別式で得られる判別値を利用して活動期のＣＤと活動期のＵＣとの２群判別を精度よく行うことができる。また、ステップＳ−２１では、評価対象のアミノ酸濃度データに含まれるＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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しＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ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、当該多変量判別式の値である判別値を算出し、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活動期のＣＤまたは活動期のＵＣ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、評価対象につき活動期のＣＤまたは活動期のＵＣであるか否かを判別してもよい。これにより、活動期のＣＤと活動期のＵＣとの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活動期のＣＤと活動期のＵＣとの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で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とするものでもよい。これにより、活動期のＣＤと活動期のＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用して活動期のＣＤと活動期のＵＣとの２群判別をさらに精度よく行うことができる。
ここで、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式をＩＢＤの状態の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、且つ当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
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、ニューラルネットなどを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。
また、本発明は、ＩＢＤの状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度やタンパク質の発現量、被験者の年齢・性別などをさらに用いてもかまわない。また、本発明は、ＩＢＤの状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度やタンパク質の発現量、被験者の年齢・性別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ＩＢＤの状態を表す指標に関するＩＢＤ状態指標データとを含む記憶部で記憶したＩＢＤ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＝ａ１ｘ１＋ａ２ｘ２＋・・・＋ａｎｘｎ、ｙ：ＩＢＤ状態指標データ、ｘｉ：アミノ酸濃度データ、ａｉ：定数、ｉ＝１，２，・・・，ｎ）を作成する（工程１）。なお、事前に、ＩＢＤ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、ＩＢＤ状態情報から、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）を併用して複数の候補多変量判別式を作成してもよい。具体的には、多数の健康者およびＩＢＤ患者から得た血液を分析して得たアミノ酸濃度データおよびＩＢＤ状態指標データから構成される多変量データであるＩＢＤ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ＩＢＤ状態情報を変換し、変換したＩＢＤ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、リープ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、ＩＢＤ状態情報や診断条件を考慮した予測性または堅牢性の高い候補多変量判別式を作成することができる。
ここで、判別率とは、全入力データの中で、本発明で評価したＩＢＤ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ＩＢＤの状態が罹病になっているものの中で、本発明で評価したＩＢＤ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ＩＢＤの状態が健康になっているものの中で、本発明で評価したＩＢＤ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ＩＢＤの状態および入力データに記載されたＩＢＤの状態の差異と、を足し合わせたものである。また、予測性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性を平均したものである。また、堅牢性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性の分散である。
多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いるＩＢＤ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ＩＢＤ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、ＩＢＤ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、ＩＢＤの状態の評価に最適な多変量判別式を作成することができる。
［２−２．システム構成］
ここでは、第２実施形態にかかるＩＢＤ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ＩＢＤの状態を評価するＩＢＤ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、ＩＢＤ評価装置１００やクライアント装置２００の他に、ＩＢＤ評価装置１００で多変量判別式を作成する際に用いるＩＢＤ状態情報やＩＢＤの状態を評価するために用いる多変量判別式などを格納したデータベース装置４００を、ネットワーク３００を介して通信可能に接続して構成されてもよい。これにより、ネットワーク３００を介して、ＩＢＤ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ＩＢＤ評価装置１００へ、ＩＢＤの状態に関する情報などが提供される。ここで、ＩＢＤの状態に関する情報とは、ヒトを含む生物のＩＢＤ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、ＩＢＤの状態に関する情報は、ＩＢＤ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ＩＢＤ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ＩＢＤ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。
ＩＢＤ評価装置１００は、当該ＩＢＤ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ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ状態情報ファイル１０６ｃと、指定ＩＢＤ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（性差、年齢、喫煙の有無、心電図の波形を数値化したもの、酵素濃度、遺伝子発現量、アミノ酸以外の代謝物の濃度など）を組み合わせてもよい。
図６に戻り、ＩＢＤ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ＩＢＤ状態情報を格納する。図９は、ＩＢＤ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。ＩＢＤ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、ＩＢＤの状態を表す指標（指標Ｔ１、指標Ｔ２、指標Ｔ３・・・）に関するＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ状態指標データは、ＩＢＤ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ＩＢＤ状態情報ファイル１０６ｄは、後述するＩＢＤ状態情報指定部１０２ｇで指定したＩＢＤ状態情報を格納する。図１０は、指定ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ状態情報を格納する選択ＩＢＤ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、Ｆ１（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦ２（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆ３（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、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦｍ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆｌ（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ＩＢＤ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ＩＢＤ状態情報を格納する。図１３は、選択ＩＢＤ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ＩＢＤ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ＩＢＤ状態情報指定部１０２ｇで指定したＩＢＤ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、Ｆｐ（Ｐｈｅ，・・・）やＦｐ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ）、Ｆｋ（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での判別結果や、後述する判別値基準病勢評価部１０２ｊ２での評価結果）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、ＩＢＤ（ＣＤやＵＣ）の状態に関する評価結果（具体的には、ＩＢＤまたは非ＩＢＤであるか否かに関する判別結果、ＣＤまたは非ＣＤであるか否かに関する判別結果、ＣＤの活動期または緩解期であるか否かに関する判別結果、ＣＤの病勢に関する評価結果、ＵＣまたは非ＵＣであるか否かに関する判別結果、ＵＣの活動期または緩解期であるか否かに関する判別結果、ＵＣの病勢に関する評価結果、ＣＤまたはＵＣであるか否かに関する判別結果、活動期のＣＤまたは活動期のＵＣであるか否かに関する判別結果）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、ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ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。ＩＢＤ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ＩＢＤ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ＩＢＤ状態情報やＩＢＤ状態情報指定部１０２ｇで指定したＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、リープ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ＩＢＤ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ＩＢＤ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と判別値基準病勢評価部１０２ｊ２と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、例えば、ＩＢＤまたは非ＩＢＤであるか否か、ＣＤまたは非ＣＤであるか否か、ＣＤの活動期または緩解期であるか否か、ＵＣまたは非ＵＣであるか否か、ＵＣの活動期または緩解期であるか否か、ＣＤまたはＵＣであるか否か、活動期のＣＤまたは活動期のＵＣであるか否か、などを判別する。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、例えば、ＩＢＤまたは非ＩＢＤであるか否か、ＣＤまたは非ＣＤであるか否か、ＣＤの活動期または緩解期であるか否か、ＵＣまたは非ＵＣであるか否か、ＵＣの活動期または緩解期であるか否か、ＣＤまたはＵＣであるか否か、活動期のＣＤまたは活動期のＵＣであるか否か、などを判別する。判別値基準病勢評価部１０２ｊ２は、複数の判別値に基づいて評価対象につき、例えば、ＣＤの病勢、ＵＣの病勢などを評価する。具体的には、判別値基準病勢評価部１０２ｊ２は、判別値と予め設定された閾値（カットオフ値）とを当該判別値ごとに比較することで、評価対象につき、例えば、ＣＤの病勢、ＵＣの病勢などを評価する。
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での判別結果や、判別値基準病勢評価部１０２ｊ２での評価結果）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、ＩＢＤ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、ＩＢＤ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ＩＢＤ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ＩＦ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ＩＢＤ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、ＩＢＤ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、ＩＢＤ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ＩＢＤ状態情報や、ＩＢＤ評価装置１００で作成した多変量判別式、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ状態情報や多変量判別式などの各種情報を、ＩＢＤ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ＩＢＤ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、ＩＢＤ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ＩＢＤ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ＩＢＤ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、ＩＢＤ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ＩＢＤ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ＩＢＤ評価装置１００へ行う。
つぎに、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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ＩＢＤ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ＩＢＤ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、ＩＢＤ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、ＩＢＤ評価用（具体的には、例えば、ＩＢＤと非ＩＢＤとの２群判別用、ＣＤと非ＣＤとの２群判別用、ＣＤの活動期と緩解期との２群判別用、ＣＤの病勢の評価用、ＵＣと非ＵＣとの２群判別用、ＵＣの活動期と緩解期との２群判別用、ＵＣの病勢の評価用、ＣＤとＵＣとの２群判別用、活動期のＣＤと活動期のＵＣとの２群判別用など）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、ＩＢＤ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多変量判別式（例えばアップデートされた最新のもの）をＩＢＤ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、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＩＢＤまたは非ＩＢＤであるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＣＤまたは非ＣＤであるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＣＤの活動期または緩解期であるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＣＤの病勢を評価する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＵＣまたは非ＵＣであるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＵＣの活動期または緩解期であるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＵＣの病勢を評価する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６でＣＤまたはＵＣであるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを変数とするものでもよい。
また、ステップＳＡ−２２において、ＩＢＤ評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で活動期のＣＤまたは活動期のＵＣであるか否かを判別する場合には、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含むものでもよい。また、ＩＢＤ評価装置１００へ送信する多変量判別式は、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つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とするものでもよい。
図２１の説明に戻り、ＩＢＤ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、ＩＢＤ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、ＩＢＤ評価装置１００は、判別値算出部１０２ｉで、ステップＳＡ−２４で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データおよびステップＳＡ−２３で受信した多変量判別式に基づいて判別値を算出し（ステップＳＡ−２５）、判別値基準判別部１０２ｊ１や判別値基準病勢評価部１０２ｊ２で、ステップＳＡ−２５で算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき下記２１．〜２９．に示す２群判別や病勢評価のいずれか１つを行い、その判別結果や評価結果を評価結果ファイル１０６ｇの所定の記憶領域に格納する（ステップＳＡ−２６）。
２１．ＩＢＤまたは非ＩＢＤであるか否かの判別
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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの濃度値およびＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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、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ＩＢＤまたは非ＩＢＤであるか否かを判別する。
２２．ＣＤまたは非ＣＤであるか否かの判別
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Ｔａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つの濃度値およびＴａｕ，Ｔｈｒ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ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、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ＣＤまたは非ＣＤであるか否かを判別する。
２３．ＣＤの活動期または緩解期であるか否かの判別
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Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、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ＣＤの活動期または緩解期であるか否かを判別する。
２４．ＣＤの病勢の評価
クライアント装置２００から個体のアミノ酸濃度データを複数受信した場合、欠損値や外れ値などのデータが除去された個体の複数のアミノ酸濃度データに含まれるＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、算出した複数の判別値と予め設定された閾値（カットオフ値）とを当該判別値ごとに比較することで、個体につきＣＤの病勢を評価する。
２５．ＵＣまたは非ＵＣであるか否かの判別
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Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つの濃度値およびＴａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓ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、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ＵＣまたは非ＵＣであるか否かを判別する。
２６．ＵＣの活動期または緩解期であるか否かの判別
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Ｔａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、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ＵＣの活動期または緩解期であるか否かを判別する。
２７．ＵＣの病勢の評価
クライアント装置２００から個体のアミノ酸濃度データを複数受信した場合、欠損値や外れ値などのデータが除去された個体の複数のアミノ酸濃度データに含まれるＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つの濃度値およびＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、当該多変量判別式の値である判別値を当該アミノ酸濃度データごとに算出し、算出した複数の判別値と予め設定された閾値（カットオフ値）とを当該判別値ごとに比較することで、個体につきＵＣの病勢を評価する。
２８．ＣＤまたはＵＣであるか否かの判別
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Ｃｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つの濃度値およびＣｙｓ，ＡＢＡ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ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、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ＣＤまたはＵＣであるか否かを判別する。
２９．活動期のＣＤまたは活動期のＵＣであるか否かの判別
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Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つの濃度値およびＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含む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、個体につき活動期のＣＤまたは活動期のＵＣであるか否かを判別する。
図２１の説明に戻り、ＩＢＤ評価装置１００は、送信部１０２ｍで、ステップＳＡ−２６で得た判別結果（具体的には、例えば、ＩＢＤまたは非ＩＢＤであるか否かに関する判別結果、ＣＤまたは非ＣＤであるか否かに関する判別結果、ＣＤの活動期または緩解期であるか否かに関する判別結果、ＣＤの病勢に関する評価結果、ＵＣまたは非ＵＣであるか否かに関する判別結果、ＵＣの活動期または緩解期であるか否かに関する判別結果、ＵＣの病勢に関する評価結果、ＣＤまたはＵＣであるか否かに関する判別結果、活動期のＣＤまたは活動期のＵＣであるか否かに関する判別結果、など）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、ＩＢＤ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ＩＢＤ評価装置１００へ送信する。ついで、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ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ＩＢＤ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、ＩＢＤ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、例えば、ＩＢＤと非ＩＢＤとの２群判別に関する個体の判別結果、ＣＤと非ＣＤとの２群判別に関する個体の判別結果、ＣＤの活動期と緩解期との２群判別に関する個体の判別結果、ＣＤの病勢に関する個体の評価結果、ＵＣと非ＵＣとの２群判別に関する個体の判別結果、ＵＣの活動期と緩解期との２群判別に関する個体の判別結果、ＵＣの病勢に関する個体の評価結果、ＣＤとＵＣとの２群判別に関する個体の判別結果、活動期のＣＤと活動期のＵＣとの２群判別に関する個体の判別結果、など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ＩＢＤ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、ＩＢＤと非ＩＢＤとの２群判別に関する個体の判別結果、ＣＤと非ＣＤとの２群判別に関する個体の判別結果、ＣＤの活動期と緩解期との２群判別に関する個体の判別結果、ＣＤの病勢に関する個体の評価結果、ＵＣと非ＵＣとの２群判別に関する個体の判別結果、ＵＣの活動期と緩解期との２群判別に関する個体の判別結果、ＵＣの病勢に関する個体の評価結果、ＣＤとＵＣとの２群判別に関する個体の判別結果、活動期のＣＤと活動期のＵＣとの２群判別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、ＩＢＤ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、ＩＢＤ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ＩＢＤ評価装置１００へ送信し、データベース装置４００はＩＢＤ評価装置１００からの要求を受けて、多変量判別式（例えば、ＩＢＤと非ＩＢＤとの２群判別用の多変量判別式、ＣＤと非ＣＤとの２群判別用の多変量判別式、ＣＤの活動期と緩解期との２群判別用の多変量判別式、ＣＤの病勢評価用の多変量判別式、ＵＣと非ＵＣとの２群判別用の多変量判別式、ＵＣの活動期と緩解期との２群判別用の多変量判別式、ＵＣの病勢評価用の多変量判別式、ＣＤとＵＣとの２群判別用の多変量判別式、活動期のＣＤと活動期のＵＣとの２群判別用の多変量判別式、のいずれか１つ）を、ＩＢＤ評価装置１００へ送信する。そして、ＩＢＤ評価装置１００は、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、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、算出した判別値と予め設定した閾値とを比較することで個体につき、上記２１．〜２９．に示す２群判別や病勢評価のいずれか１つを行い、この判別結果や評価結果をクライアント装置２００やデータベース装置４００へ送信し、クライアント装置２００はＩＢＤ評価装置１００から送信された判別結果や評価結果を受信して表示し、データベース装置４００はＩＢＤ評価装置１００から送信された判別結果や評価結果を受信して格納する。これにより、ＩＢＤと非ＩＢＤとの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ＩＢＤと非ＩＢＤとの２群判別を精度よく行うことができる。また、ＣＤと非ＣＤとの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ＣＤと非ＣＤとの２群判別を精度よく行うことができる。また、ＣＤの活動期と緩解期との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ＣＤの活動期と緩解期との２群判別を精度よく行うことができる。また、ＣＤの病勢の評価に有用な多変量判別式で得られる判別値を利用してＣＤの病勢を精度よく評価することができる。また、ＵＣと非ＵＣとの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ＵＣと非ＵＣとの２群判別を精度よく行うことができる。また、ＵＣの活動期と緩解期との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ＵＣの活動期と緩解期との２群判別を精度よく行うことができる。また、ＵＣの病勢の評価に有用な多変量判別式で得られる判別値を利用してＵＣの病勢を精度よく評価することができる。また、ＣＤとＵＣとの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ＣＤとＵＣとの２群判別を精度よく行うことができる。また、活動期のＣＤと活動期のＵＣとの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活動期のＣＤと活動期のＵＣとの２群判別を精度よく行うことができる。
なお、ＩＢＤ評価システムによれば、ステップＳＡ−２６において上記２１．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｌｅｕ，Ｔｙｒ，Ｈｉｓ，Ｉｌｅ，Ｔｈｒを変数とするものでもよい。これにより、ＩＢＤと非ＩＢＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＩＢＤと非ＩＢＤとの２群判別をさらに精度よく行うことができる。
また、ＩＢＤ評価システムによれば、ステップＳＡ−２６において上記２２．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ｔｈｒ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｒｏ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤと非ＣＤとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤと非ＣＤとの２群判別をさらに精度よく行うことができる。
また、ＩＢＤ評価システムによれば、ステップＳＡ−２６において上記２３．に示す２群判別または上記２４．に示す病勢評価を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＧｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ｓｅｒ，Ｔａｕ，Ｉｌｅを変数とするものでもよい。これにより、ＣＤの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤの活動期と緩解期との２群判別をさらに精度よく行うことができる。また、ＣＤの病勢の評価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ＣＤの病勢をさらに精度よく評価することができる。
また、ＩＢＤ評価システムによれば、ステップＳＡ−２６において上記２５．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴａｕ，Ｃｙｓのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｔａｕ，Ｔｙｒ，Ｌｅｕ，Ｈｉｓ，Ａｌａ，Ｉｌｅを変数とするものでもよい。これにより、ＵＣと非ＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣと非ＵＣとの２群判別をさらに精度よく行うことができる。
また、ＩＢＤ評価システムによれば、ステップＳＡ−２６において上記２６．に示す２群判別または上記２７．に示す病勢評価を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｐｒｏ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｈｉｓ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｒｇを変数とするものでもよい。これにより、ＵＣの活動期と緩解期との２群判別に特に有用な多変量判別式で得られる判別値を利用してＵＣの活動期と緩解期との２群判別をさらに精度よく行うことができる。また、ＵＣの病勢の評価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ＵＣの病勢をさらに精度よく評価することができる。
また、ＩＢＤ評価システムによれば、ステップＳＡ−２６において上記２８．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含む、またはそれを構成する分数式の分子にＴｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎのうち少なくとも１つを変数として含み且つそれを構成する分数式の分母にＣｙｓ，ＡＢＡのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｐｒｏ，Ｉｌｅ，Ｔｒｐ，Ｔａｕ，Ｖａｌを変数とするものでもよい。これにより、ＣＤとＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用してＣＤとＵＣとの２群判別をさらに精度よく行うことができる。
また、ＩＢＤ評価システムによれば、ステップＳＡ−２６において上記２９．に示す２群判別を行う場合、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＴａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅのうち少なくとも１つを変数として含むものでもよい。また、多変量判別式は、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つであり、Ｍｅｔ，Ｔａｕ，Ｔｒｐ，Ｔｙｒ，Ｏｒｎ，Ｐｈｅを変数とするものでもよい。これにより、活動期のＣＤと活動期のＵＣとの２群判別に特に有用な多変量判別式で得られる判別値を利用して活動期のＣＤと活動期のＵＣとの２群判別をさらに精度よく行うことができる。
ここで、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式をＩＢＤの状態の評価に好適に用いることができる。
また、本発明は、上述した第２実施形態以外にも、特許請求の範囲の書類に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。例えば、上述した第２実施形態で説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データおよび検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。例えば、ＩＢＤ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、ＩＢＤ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ＩＢＤ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、ＩＢＤ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、ＩＢＤ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、ＩＢＤ評価装置１００は、データベース装置４００から事前に取得したＩＢＤ状態情報を、ＩＢＤ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、ＩＢＤ評価装置１００は、ＩＢＤ状態情報指定部１０２ｇで事前に指定したＩＢＤ状態指標データおよびアミノ酸濃度データを含むＩＢＤ状態情報を、指定ＩＢＤ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ＩＢＤ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ＩＢＤ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、肝線維化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ＩＢＤ状態情報を変換し、変換したＩＢＤ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ＩＢＤ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ＩＢＤ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、リープ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、ＩＢＤ状態情報や診断条件を考慮した予測性または堅牢性の高い候補指標式を選択することができる。
つぎに、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ−２２での検証結果から所定の変数選択手法に基づいて、候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いるＩＢＤ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ＩＢＤ状態情報を選択ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ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ＩＢＤ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。
９５名の健康人群の血液サンプルおよび炎症性腸疾患と判定された１９０名の炎症性腸疾患群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。図２３に、各群（１：健康人群、２：炎症性腸疾患群）のアミノ酸変数の分布に関する箱ひげ図を示す。なお、図２３において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
健康人群と炎症性腸疾患群の２群間の判別を目的に２群間のＴ検定を実施した。健康人群に比べて炎症性腸疾患群では、Ｔａｕ，Ｇｌｕ，Ｃｙｓ，が有意に増加し（有意差確率Ｐ＜０．０５）、またＵｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが有意に減少していた（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｔａｕ，Ｇｌｕ，Ｃｙｓ，Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが、健康人群と炎症性腸疾患群の２群間の判別能を持つことが判明した。
実施例１の血液サンプルに基づいて、実施例１の炎症性腸疾患群を、さらに、９５名のクローン病と判定されたクローン病群と、９５名の潰瘍性大腸炎と判定された潰瘍性大腸炎群と、に分けた。図２４に、各群（１：健康人群、２：クローン病群、３：潰瘍性大腸炎群）のアミノ酸変数の分布に関する箱ひげ図を示す。なお、図２４において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
まず、健康人群とクローン病群の２群間の判別を目的に２群間のＴ検定を実施した。健康人群に比べてクローン病群では、Ｔａｕ，Ｇｌｕ，Ｐｒｏ，Ｇｌｙが有意に増加し（有意差確率Ｐ＜０．０５）、またＵｒｅａ，Ａｓｎ，Ｇｌｎ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが有意に減少していた（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｔａｕ，Ｕｒｅａ，Ａｓｎ，Ｇｌｕ，Ｇｌｎ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｖａｌ，Ｃｙｓ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが、健康人群とクローン病群の２群間の判別能を持つことが判明した。
つぎに、健康人群と潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。健康人群に比べて潰瘍性大腸炎群では、Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが有意に減少した（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｕｒｅａ，Ａｓｎ，Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが、健康人群と潰瘍性大腸炎群の２群間の判別能を持つことが判明した。
つぎに、クローン病群と潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。クローン病群に比べて潰瘍性大腸炎群では、Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｏｒｎが有意に減少した（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｏｒｎが、クローン病群と潰瘍性大腸炎群の２群間の判別能を持つことが判明した。
実施例１の血液サンプルに基づいて、実施例２のクローン病群を、さらに５０名の緩解期のクローン病群と２６名の活動期のクローン病群とに分け、実施例２の潰瘍性大腸炎群を、さらに４６名の緩解期の潰瘍性大腸炎群と２４名の活動期の潰瘍性大腸炎群とに分けた。図２５に、各群（１：緩解期のクローン病群、２：活動期のクローン病群、３：緩解期の潰瘍性大腸炎群、４：活動期の潰瘍性大腸炎群）のアミノ酸変数の分布に関する箱ひげ図を示す。なお、図２５において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
まず、活動期のクローン病群と活動期の潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。活動期のクローン病群に比べて活動期の潰瘍性腸疾患群では、Ｇｌｙ，Ｍｅｔが有意に減少し（有意差確率Ｐ＜０．０５）、アミノ酸変数Ｇｌｙ，Ｍｅｔが、活動期のクローン病群と活動期の潰瘍性大腸炎群の２群間の判別能を持つことが判明した。
つぎに、活動期のクローン病群と緩解期のクローン病群の２群間の判別を目的に２群間のＴ検定を実施した。緩解期のクローン病群に比べて活動期のクローン病群では、Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇが有意に減少した（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇが、活動期のクローン病群と緩解期のクローン病群の２群間の判別能を持つことが判明した。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。緩解期の潰瘍性大腸炎群に比べて活動期の潰瘍性大腸炎群では、Ｕｒｅａ，Ｇｌｎ，Ａｌａ，Ｖａｌ，Ｈｉｓ，Ｔｒｐが有意に減少した（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｕｒｅａ，Ｇｌｎ，Ａｌａ，Ｖａｌ，Ｈｉｓ，Ｔｒｐが、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２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、まず、健康人群と炎症性腸疾患群の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１１が得られた。
指標式１１：（Ｏｒｎ）／（Ｖａｌ） ＋ （Ｔａｕ＋Ｃｙｓ）／（Ｔｒｐ＋Ｈｉｓ）
指標式１１による健康人群と炎症性腸疾患群の２群判別に関して、ＲＯＣ曲線（図２６）のＡＵＣによる評価を行い、０．９４８±０．０１２（９５％信頼区間は０．９２４〜０．９７２）が得られた。また指標式１１による健康人群と炎症性腸疾患群の２群判別のカットオフ値について、最適なカットオフ値を求めると、カットオフ値が１．７５となり、感度８２％、特異度９６％、正診率８７％が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式１１と同等の判別性能を有する分数式は複数得られた。それらを図２７および図２８に示す。
つぎに、健康人群とクローン病群の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１２が得られた。
指標式１２：（Ｏｒｎ）／（Ｖａｌ） ＋ （Ｔａｕ＋Ｃｙｓ）／（Ｈｉｓ＋Ｔｒｐ）
指標式１２による健康人群とクローン病群の２群判別に関して、ＲＯＣ曲線（図２９）のＡＵＣによる評価を行い、０．９７０±０．０１０（９５％信頼区間は０．９５０〜０．９８９）が得られた。また指標式１２による健康人群とクローン病群の２群判別のカットオフ値について、最適なカットオフ値を求めると、カットオフ値が１．０２となり、感度８７％、特異度９７％、正診率９２％が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式１２と同等の判別性能を有する分数式は複数得られた。それらを図３０および図３１に示す。
つぎに、健康人群と潰瘍性大腸炎群の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。
指標式１３：（Ｔａｕ）／（ＡＢＡ＋Ａｓｎ＋Ｔｙｒ） ＋ （Ｃｙｓ）／（Ｈｉｓ）
指標式１３による健康人群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図３２）のＡＵＣによる評価を行い、０．９４５±０．０１５（９５％信頼区間は０．９１５〜０．９７６）が得られた。また指標式１３による健康人群と潰瘍性大腸炎群の２群判別のカットオフ値について、最適なカットオフ値を求めると、カットオフ値が０．７９４となり、感度８３％、特異度９６％、正診率８９％が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式１３と同等の判別性能を有する分数式は複数得られた。それらを図３３および図３４に示す。
つぎに、クローン病群と潰瘍性大腸炎群の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１４が得られた。
指標式１４：（Ｔａｕ）／（Ｓｅｒ） ＋ （Ｐｒｏ＋Ｏｒｎ）／（Ｃｙｓ＋Ｔｒｐ）
指標式１４によるクローン病群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図３５）のＡＵＣによる評価を行い、０．７３７±０．０３７（９５％信頼区間は０．６６４〜０．８０９）が得られた。また指標式１４によるクローン病群と潰瘍性大腸炎群の２群判別のカットオフ値について、最適なカットオフ値を求めると、カットオフ値が３．１７１となり、感度７３％、特異度６９％、正診率７１％が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式１４と同等の判別性能を有する分数式は複数得られた。それらを図３６および図３７に示す。
つぎに、活動期のクローン病群と活動期の潰瘍性大腸炎群の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１５が得られた。
指標式１５：（Ｍｅｔ＋Ｏｒｎ）／（Ｔｒｐ） ＋ （Ｔａｕ＋Ｓｅｒ）／（Ａｒｇ）
指標式１５による活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図３８）のＡＵＣによる評価を行い、０．９０５±０．０４１（９５％信頼区間は０．８２４〜０．９８７）が得られた。また指標式１５による活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別のカットオフ値について、最適なカットオフ値を求めると、カットオフ値が４．６６９となり、感度９２％、特異度７７％、正診率８４％が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式１５と同等の判別性能を有する分数式は複数得られた。それらを図３９および図４０に示す。
つぎに、活動期のクローン病群と緩解期のクローン病群の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。
指標式１６：（Ｇｌｙ）／（Ｌｙｓ） ＋ （Ｓｅｒ＋Ｔａｕ＋Ｍｅｔ）／（Ｈｉｓ）
指標式１６による活動期のクローン病群と緩解期のクローン病群の２群判別に関して、ＲＯＣ曲線（図４１）のＡＵＣによる評価を行い、０．９２２±０．０３０（９５％信頼区間は０．８６４〜０．９８１）が得られた。また指標式１６による活動期のクローン病群と緩解期のクローン病群の２群判別のカットオフ値について、最適なカットオフ値を求めると、カットオフ値が５．１０２となり、感度９６％、特異度６９％、正診率８７％が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式１６と同等の判別性能を有する分数式は複数得られた。それらを図４２および図４３に示す。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の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１７が得られた。
指標式１７：（Ｏｒｎ）／（Ｇｌｕ＋Ｔｒｐ＋Ｈｉｓ）
指標式１７による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図４４）のＡＵＣによる評価を行い、０．６９９±０．０６７（９５％信頼区間は０．５６８〜０．８３０）が得られた。また指標式１７による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別のカットオフ値について、最適なカットオフ値を求めると、カットオフ値が０．３５１となり、感度７８％、特異度５０％、正診率６７％が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式１７と同等の判別性能を有する分数式は複数得られた。それらを図４５および図４６に示す。
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２００６／０９８１９２号に記載の方法（多変量判別式の探索方法）を用いて、まず、健康人群と炎症性腸疾患群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２１が得られた。
指標式２１：１．２９７７７ ＋ ０．００４３３×Ｔａｕ − ０．００００７×Ｕｒｅａ ＋ ０．０１９６７×Ｃｙｓ − ０．０１０５５×Ｔｙｒ − ０．００４７９×Ｈｉｓ − ０．００７３６×Ｔｒｐ
指標式２１による健康人群と炎症性腸疾患群の２群判別に関して、ＲＯＣ曲線（図４７）のＡＵＣによる評価を行い、０．９３１±０．０１９（９５％信頼区間は０．８９４〜０．９６８）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２１と同等の判別性能を有する線形判別式は複数得られた。それらを図４８および図４９に示す。また、図４８、図４９に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群と炎症性腸疾患群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、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。
指標式２２：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝０．８１７６５ ＋ ０．１１４１５×Ｔａｕ ＋ ０．０６４６８×Ｇｌｕ ＋ ０．０１１６６×Ｇｌｙ − ０．０４２１３×Ｌｅｕ − ０．０３０７０×Ｈｉｓ − ０．１２３８０×Ｔｒｐ
指標式２２による健康人群と炎症性腸疾患群の２群判別に関して、ＲＯＣ曲線（図５０）のＡＵＣによる評価を行い、０．９５３±０．０１６（９５％信頼区間は０．９２３〜０．９８３）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２２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。それらのｘを図５１および図５２に示す。また図５１、図５２に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群とクローン病群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２３が得られた。
指標式２３：１．１０７１１ ＋ ０．００４２６×Ｔａｕ ＋ ０．０１０５２×Ｇｌｕ ＋ ０．００１２０×Ｇｌｙ − ０．００２４７×Ｖａｌ − ０．００９５５×Ｔｙｒ − ０．０１１４０×Ｔｒｐ
指標式２３による健康人群とクローン病群の２群判別に関して、ＲＯＣ曲線（図５３）のＡＵＣによる評価を行い、０．９３３±０．０１９（９５％信頼区間は０．８９６〜０．９７０）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２３と同等の判別性能を有する線形判別式は複数得られた。それらを図５４および図５５に示す。また、図５４、図５５に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群とクローン病群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２４が得られた。
指標式２４：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝０．８１７６５ ＋ ０．１１４１５×Ｔａｕ ＋ ０．０６４６８×Ｇｌｕ ＋ ０．０１１６６×Ｇｌｙ − ０．０４２１３×Ｌｅｕ − ０．０３０７０×Ｈｉｓ − ０．１２３８０×Ｔｒｐ
指標式２４による健康人群とクローン病群の２群判別に関して、ＲＯＣ曲線（図５６）のＡＵＣによる評価を行い、０．９５２±０．０１６（９５％信頼区間は０．９２０〜０．９８４）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２４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。それらのｘを図５７および図５８に示す。また図５７、図５８に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群と潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、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。
指標式２５：１．１３４０９ ＋ ０．００９６８×Ｔａｕ − ０．０１２１９×Ａｓｎ ＋ ０．０１６５１×Ｃｙｓ − ０．０１４４５×Ｈｉｓ − ０．００７５９×Ｔｒｐ ＋ ０．００１３４×Ｌｙｓ
指標式２５による健康人群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図５９）のＡＵＣによる評価を行い、０．９４５±０．０１７（９５％信頼区間は０．９１１〜０．９７９）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２５と同等の判別性能を有する線形判別式は複数得られた。それらを図６０および図６１に示す。また、図６０、図６１に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群と潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２６が得られた。
指標式２６：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝４．７９６９１ ＋ ０．１３８１９×Ｔａｕ − ０．１３４２３×Ａｓｎ ＋ ０．１７０５７×Ｃｙｓ − ０．０８２４６×Ｔｙｒ − ０．１４９９９×Ｈｉｓ ＋ ０．０２２０２×Ｌｙｓ
指標式２６による健康人群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図６２）のＡＵＣによる評価を行い、０．９４２±０．０１８（９５％信頼区間は０．９０７〜０．９７７）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式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。それらのｘを図６３および図６４に示す。また、図６３、図６４に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、クローン病群と潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２７が得られた。
指標式２７：−０．０１４８６ ＋ ０．００２０２×Ｔａｕ − ０．０００６２×Ｔｈｒ ＋ ０．００１４９×Ｐｒｏ ＋ ０．００１３５×Ｇｌｙ − ０．００７０４×Ｔｒｐ ＋ ０．００３６６×Ｏｒｎ
指標式２７によるクローン病群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図６５）のＡＵＣによる評価を行い、０．７３５±０．０３６（９５％信頼区間は０．６６４〜０．８０６）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２７と同等の判別性能を有する線形判別式は複数得られた。それらを図６６および図６７に示す。また、図６６、図６７に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、クローン病群と潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、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。
指標式２８：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝−２．４６３４４ ＋ ０．０１０８３×Ｔａｕ − ０．００３２７×Ｔｈｒ ＋ ０．００６６１×Ｐｒｏ ＋ ０．００６５７×Ｇｌｙ − ０．０３２６７×Ｔｒｐ ＋ ０．０１７２０×Ｏｒｎ
指標式２８によるクローン病群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図６８）のＡＵＣによる評価を行い、０．７３３±０．０３６（９５％信頼区間は０．６６２〜０．８０４）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２８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。それらのｘを図６９および図７０に示す。また、図６９、図７０に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式２９が得られた。
指標式２９：０．３２９８６ ＋ ０．００２５１×Ｔａｕ ＋ ０．００５０９×Ｓｅｒ ＋ ０．００１４６×Ａｌａ − ０．０２３６９×Ｃｙｓ ＋ ０．０１１９１×Ｐｈｅ − ０．０１０５６×Ａｒｇ
指標式２９による活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図７１）のＡＵＣによる評価を行い、０．９０７±０．０４４（９５％信頼区間は０．８２２〜０．９９２）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式２９と同等の判別性能を有する線形判別式は複数得られた。それらを図７２および図７３に示す。また、図７２、図７３に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式３０が得られた。
指標式３０：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝−３．４３６０２ ＋ ０．０２８４９×Ｔａｕ ＋ ０．０４６１８×Ｓｅｒ − ０．１８８１５×Ｃｙｓ ＋ ０．１１７６７×Ｐｈｅ ＋ ０．０６７６１×Ｏｒｎ − ０．０８８７４×Ａｒｇ
指標式３０による活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図７４）のＡＵＣによる評価を行い、０．９１４±０．０４２（９５％信頼区間は０．８３２〜０．９９６）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３０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。それらのｘを図７５および図７６に示す。また、図７５、図７６に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期のクローン病群と緩解期のクローン病群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、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。
指標式３１：１．４４８２８ ＋ ０．００３３９×Ｔａｕ ＋ ０．００２２８×Ｇｌｙ ＋ ０．００５５７×Ｌｅｕ − ０．０２０２５×Ｈｉｓ − ０．０１３６９×Ｔｒｐ − ０．００３０６×Ｌｙｓ
指標式３１による活動期のクローン病群と緩解期のクローン病群の２群判別に関して、ＲＯＣ曲線（図７７）のＡＵＣによる評価を行い、０．９４２±０．０３３（９５％信頼区間は０．８７７〜０．９９３）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３１と同等の判別性能を有する線形判別式は複数得られた。それらを図７８および図７９に示す。また、図７８、図７９に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期のクローン病群と緩解期のクローン病群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式３２が得られた。
指標式３２：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝８．９８６４９ ＋ ０．０３４５５×Ｔａｕ ＋ ０．０２３３４×Ｇｌｙ ＋ ０．０２７４６×Ｖａｌ − ０．１８８８０×Ｈｉｓ − ０．１１０７４×Ｔｒｐ − ０．０３５７１×Ｌｙｓ
指標式３２による活動期のクローン病群と緩解期のクローン病群の２群判別に関して、ＲＯＣ曲線（図８０）のＡＵＣによる評価を行い、０．９４５±０．０３２（９５％信頼区間は０．８８２〜０．９９３）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式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。それらのｘを図８１および図８２に示す。また、図８１、図８２に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式３３が得られた。
指標式３３：２．６４６８１ ＋ ０．０００５６×Ｔａｕ − ０．０００１３×Ｕｒｅａ − ０．００７４９×Ｇｌｕ − ０．００１５４×Ｇｌｎ ＋ ０．００７９４×Ｃｉｔ − ０．０１３０１×Ｈｉｓ
指標式３３による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図８３）のＡＵＣによる評価を行い、０．８６６±０．０５１（９５％信頼区間は０．７６６〜０．９６６）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３３と同等の判別性能を有する線形判別式は複数得られた。それらを図８４および図８５に示す。また、図８４、図８５に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、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。
指標式３４：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝１３．０５９１１ − ０．０００９６×Ｕｒｅａ − ０．０４６７７×Ｇｌｕ − ０．００９８５×Ｇｌｎ ＋ ０．０５０１２×Ｃｉｔ ＋ ０．０４２０４×Ｔｙｒ − ０．０９７８０×Ｈｉｓ
指標式３４による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図８６）のＡＵＣによる評価を行い、０．８６７±０．０５１（９５％信頼区間は０．７６８〜０．９６６）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３４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。それらのｘを図８７および図８８に示す。また、図８７、図８８に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
実施例１で測定したサンプルの内、同一人でかつ採血日が異なるデータを用いて、活動期のクローン病群と緩解期のクローン病群の２群判別に有用な実施例４で得られた指標式１６の値の経時変化を既存の活動指数であるＣＤＡＩの値の経時変化と比較することで、指標式１６の評価を行った（図８９）。なお、図８９において、左側からの点線は、活動期のクローン病群と緩解期のクローン病群の２群判別における指標式１６の基準値を示すものであり、右側からの点線は、活動期のクローン病群と緩解期のクローン病群の２群判別におけるＣＤＡＩの基準値を示すものである。
ＣＤＡＩの値が２番目の採血日から３番目の採血日にかけて、基準値である１５０を下回り緩解期水準に推移しているのに対して、指標式１６の値も基準値である５．１０２を下回り緩解期水準に推移しており、指標式１６が同一患者におけるクローン病の病勢のモニタリングとしても有用な指標であることが判明した。
実施例１で測定したサンプルの内、同一人でかつ採血日が異なるデータを用いて、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に有用な実施例５で得られた指標式３３と同等な指標式３３’の値の経時変化を既存の活動指数であるＣＡＩの値の経時変化と比較することで、指標式３３’の評価を行った（図９０）。なお、指標式３３’における定数および係数の値は、あくまでも一例であり、これに限定されるわけではない。また、図９０において、左側からの点線は、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別における指標式３３’の基準値を示すものであり、右側からの点線は、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別におけるＣＡＩの基準値を示すものである。
指標式３３’：２．４２６７ − ０．０１１７２３×Ｈｉｓ − ０．００１００１８×Ｇｌｎ − ０．０００１３２８×Ｕｒｅａ − ０．００５６９９８×Ｇｌｕ
ＣＡＩの値が１番目の採血日から２番目の採血日にかけて、基準値である５を下回り緩解期水準に推移しているのに対して、指標式３３’の値も基準値である５．５６２を下回り緩解期水準に推移しており、指標式３３’が同一患者における潰瘍性大腸炎の病勢のモニタリングとしても有用な指標であることが判明した。
炎症性腸疾患と判定された４０９名の炎症性腸疾患群の血液サンプルと炎症性腸疾患群に対して性別と年齢をマッチングした４０９名の健康人群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。図９１に、各群（１：健康人群、２：炎症性腸疾患群）のアミノ酸変数の分布に関する箱ひげ図を示す。なお、図９１において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
健康人群と炎症性腸疾患群の２群間の判別を目的に２群間のＴ検定を実施した。健康人群に比べて炎症性腸疾患群では、Ｔａｕ，Ｐｒｏ，Ｃｙｓが有意に増加し（有意差確率Ｐ＜０．０５）、またＵｒｅａ，Ａｓｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓが有意に減少していた（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｔａｕ，Ｐｒｏ，Ｃｙｓ，Ｕｒｅａ，Ａｓｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓが、健康人群と炎症性腸疾患群の２群間の判別能を持つことが判明した。
実施例８の血液サンプルに基づいたクローン病と判定された１５２名のクローン病群の血液サンプルとクローン病群に対して性別と年齢をマッチングした１５２名の健康人群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。図９２に、各群（１：健康人群、２：クローン病群）のアミノ酸変数の分布に関する箱ひげ図を示す。なお、図９２において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
健康人群とクローン病群の２群間の判別を目的に２群間のＴ検定を実施した。健康人群に比べてクローン病群では、Ｔａｕ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙが有意に増加し（有意差確率Ｐ＜０．０５）、またＵｒｅａ，Ａｓｎ，ＡＢＡ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが有意に減少していた（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｔａｕ，Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｕｒｅａ，Ａｓｎ，ＡＢＡ，Ｖａｌ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが、健康人群とクローン病群の２群間の判別能を持つことが判明した。
実施例８の血液サンプルに基づいた潰瘍性大腸炎と判定された２５７名の潰瘍性大腸炎群の血液サンプルと潰瘍性大腸炎群に対して性別と年齢をマッチングした２５７名の健康人群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。図９３に、各群（１：健康人群、２：潰瘍性大腸炎病群）のアミノ酸変数の分布に関する箱ひげ図を示す。なお、図９３において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
健康人群と潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。健康人群に比べて潰瘍性大腸炎群では、Ｔａｕ，Ｃｙｓが有意に増加し（有意差確率Ｐ＜０．０５）、またＵｒｅａ，Ａｓｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓが有意に減少していた（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｔａｕ，Ｃｙｓ，Ｕｒｅａ，Ａｓｎ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓが、健康人群と潰瘍性大腸炎群の２群間の判別能を持つことが判明した。
実施例８の血液サンプルに基づいて、クローン病と判定された１５２名のクローン病群の血液サンプルと潰瘍性大腸炎群と判定された１５２名の潰瘍性大腸炎群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。図９４に、各群（１：クローン病群、２：潰瘍性大腸炎病群）のアミノ酸変数の分布に関する箱ひげ図を示す。なお、図９４において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
クローン病群と潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。潰瘍性大腸炎群に比べてクローン病群では、Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，ＡＢＡ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎが有意に増加し（有意差確率Ｐ＜０．０５）、またＡＢＡ，Ｃｙｓが有意に減少していた（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｔｈｒ，Ｐｒｏ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅ，Ｏｒｎ，ＡＢＡ，Ｃｙｓが、クローン病群と潰瘍性大腸炎群の２群間の判別能を持つことが判明した。
実施例８の血液サンプルに基づいて、実施例９のクローン病群を、さらに緩解期のクローン病群と活動期のクローン病群とに分け、実施例１０の潰瘍性大腸炎群を、さらに緩解期の潰瘍性大腸炎群と活動期の潰瘍性大腸炎群とに分けた。図９５に、各群（１：緩解期のクローン病群、２：活動期のクローン病群、３：緩解期の潰瘍性大腸炎群、４：活動期の潰瘍性大腸炎群）のアミノ酸変数の分布に関する箱ひげ図を示す。それぞれの各群の例数は緩解期のクローン病群８２名、活動期のクローン病群３４名、緩解期の潰瘍性大腸炎１１４名、活動期の潰瘍性大腸炎６０名である。なお、図９５において、縦軸はアミノ酸濃度を示し、その単位はｎｍｏｌ／ｍＬであり、図中のＡＢＡはα−ＡＢＡ（α−アミノ酪酸）を、またＣｙｓはＣｙｓｔｉｎｅを表す。
まず、活動期のクローン病群と活動期の潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。活動期の潰瘍性大腸炎群に比べて活動期のクローン病群では、Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅが有意に増加し（有意差確率Ｐ＜０．０５）、アミノ酸変数Ｔａｕ，Ｔｈｒ，Ｓｅｒ，Ｇｌｙ，Ｍｅｔ，Ｉｌｅが、活動期のクローン病群と活動期の潰瘍性大腸炎群の２群間の判別能を持つことが判明した。
つぎに、活動期のクローン病群と緩解期のクローン病群の２群間の判別を目的に２群間のＴ検定を実施した。緩解期のクローン病群に比べて活動期のクローン病群では、Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇが有意に減少した（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｇｌｎ，Ｃｉｔ，Ｖａｌ，Ｌｅｕ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇが、活動期のクローン病群と緩解期のクローン病群の２群間の判別能を持つことが判明した。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群間の判別を目的に２群間のＴ検定を実施した。緩解期の潰瘍性大腸炎群に比べて活動期の潰瘍性大腸炎群では、Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇが有意に減少した（有意差確率Ｐ＜０．０５）。これにより、アミノ酸変数Ｕｒｅａ，Ｔｈｒ，Ａｓｎ，Ｇｌｎ，Ｐｒｏ，Ａｌａ，ＡＢＡ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ｔｙｒ，Ｐｈｅ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓ，Ａｒｇが、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群間の判別能を持つことが判明した。
実施例８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、まず、健康人群と炎症性腸疾患群の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３５が得られた。
指標式３５：（Ｔａｕ）／（Ｔｙｒ） ＋ （Ｔｈｒ＋Ａｒｇ）／（Ｃｉｔ＋Ｈｉｓ）
指標式３５による健康人群と炎症性腸疾患群の２群判別に関して、ＲＯＣ曲線（図９６）のＡＵＣによる評価を行い、０．９０３±０．０１１（９５％信頼区間は０．８８１〜０．９２５）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３５と同等の判別性能を有する分数式は複数得られた。それらを図９７および図９８に示す。
実施例９で用いたサンプルデータを用いた。健康人群とクローン病群の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３６が得られた。
指標式３６：（Ｔａｕ）／（Ｔｙｒ） ＋ （Ｐｒｏ＋Ｏｒｎ＋Ａｒｇ）／（Ｖａｌ）
指標式３６による健康人群とクローン病群の２群判別に関して、ＲＯＣ曲線（図９９）のＡＵＣによる評価を行い、０．９３３±０．０１５（９５％信頼区間は０．９０４〜０．９６２）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３６と同等の判別性能を有する分数式は複数得られた。それらを図１００、図１０１および図１０２に示す。
実施例１０で用いたサンプルデータを用いた。健康人群と潰瘍性大腸炎群の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３７が得られた。
指標式３７：（Ｔａｕ）／（Ｔｙｒ） ＋ （Ｔｈｒ）／（Ｃｉｔ＋Ｈｉｓ）
指標式３７による健康人群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１０３）のＡＵＣによる評価を行い、０．８９４±０．０１４（９５％信頼区間は０．８６６〜０．９２２）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３７と同等の判別性能を有する分数式は複数得られた。それらを図１０４、図１０５および図１０６に示す。
実施例８で用いたサンプルデータを用いた。クローン病群と潰瘍性大腸炎群の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３８が得られた。
指標式３８：（Ｍｅｔ＋Ｉｌｅ）／（Ｖａｌ＋Ｔｒｐ＋ＡＢＡ）
指標式３８によるクローン病群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１０７）のＡＵＣによる評価を行い、０．７０５±０．０２７（９５％信頼区間は０．６５１〜０．７５９）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３８と同等の判別性能を有する分数式は複数得られた。それらを図１０８および図１０９に示す。
つぎに、活動期のクローン病群と活動期の潰瘍性大腸炎群の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。
指標式３９：（Ｔｈｒ）／（Ｖａｌ） ＋ （Ｍｅｔ＋Ｔｙｒ）／（ＡＢＡ＋Ｔｒｐ）
指標式３９による活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１１０）のＡＵＣによる評価を行い、０．８２５±０．０４８（９５％信頼区間は０．７３１〜０．９１９）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式３９と同等の判別性能を有する分数式は複数得られた。それらを図１１１、図１１２および図１１３に示す。
つぎに、活動期のクローン病群と緩解期のクローン病群の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４０が得られた。
指標式４０：（Ｔａｕ）／（Ｇｌｎ） ＋ （Ｓｅｒ＋Ｉｌｅ）／（Ｔｒｐ＋Ｈｉｓ）
指標式４０による活動期のクローン病群と緩解期のクローン病群の２群判別に関して、ＲＯＣ曲線（図１１４）のＡＵＣによる評価を行い、０．８６７±０．０４２（９５％信頼区間は０．７８５〜０．９４９）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４０と同等の判別性能を有する分数式は複数得られた。それらを図１１５、図１１６および図１１７に示す。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の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４１が得られた。
指標式４１：（Ｏｒｎ）／（Ｔｒｐ＋Ｈｉｓ）
指標式４１による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１１８）のＡＵＣによる評価を行い、０．６８９±０．０４４（９５％信頼区間は０．６０３〜０．７７５）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４１と同等の判別性能を有する分数式は複数得られた。それらを図１１９、図１２０および図１２１に示す。
実施例８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２００６／０９８１９２号に記載の方法（多変量判別式の探索方法）を用いて、まず、健康人群と炎症性腸疾患群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４２が得られた。
指標式４２： ０．８２０６ ＋ ０．００６１×Ｔａｕ ＋ ０．００２１×Ｔｈｒ ＋ ０．０１７６×Ｉｌｅ − ０．０１１１×Ｌｅｕ − ０．００８５×Ｔｙｒ − ０．００３１×Ｈｉｓ
指標式４２による健康人群と炎症性腸疾患群の２群判別に関して、ＲＯＣ曲線（図１２２）のＡＵＣによる評価を行い、０．９１６±０．０１０（９５％信頼区間は０．８９６〜０．９３６）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４２と同等の判別性能を有する線形判別式は複数得られた。それらを図１２３および図１２４に示す。また、図１２３、図１２４に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群と炎症性腸疾患群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４３が得られた。
指標式４３：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝０．３２４９ ＋ ０．１０４９×Ｔａｕ ＋ ０．０１０２×Ｐｒｏ − ０．０２５４×Ｖａｌ ＋ ０．２０６５×Ｉｌｅ − ０．０９９４×Ｌｅｕ − ０．０６１２×Ｔｙｒ
指標式４３による健康人群と炎症性腸疾患群の２群判別に関して、ＲＯＣ曲線（図１２５）のＡＵＣによる評価を行い、０．９３０±０．００９（９５％信頼区間は０．９１２〜０．９４８）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４３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。それらのｘを図１２６および図１２７に示す。また、図１２６、図１２７に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
実施例９で用いたサンプルデータを用いた。健康人群とクローン病群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４４が得られた。
指標式４４： ０．９５７９ ＋ ０．００４０×Ｔａｕ ＋ ０．００２２×Ｐｒｏ − ０．００４６×Ｖａｌ ＋ ０．０２１２×Ｉｌｅ − ０．００８２×Ｌｅｕ − ０．００７８×Ｔｙｒ
指標式４４による健康人群とクローン病群の２群判別に関して、ＲＯＣ曲線（図１２８）のＡＵＣによる評価を行い、０．９４５±０．０１４（９５％信頼区間は０．９１８〜０．９７２）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４４と同等の判別性能を有する線形判別式は複数得られた。それらを図１２９、図１３０、図１３１および図１３２に示す。また、図１２９、図１３０、図１３１、図１３２に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群とクローン病群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４５が得られた。
指標式４５：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝２．４１７８ ＋ ０．１２５１×Ｔａｕ ＋ ０．０１８２×Ｐｒｏ − ０．０５３４×Ｖａｌ ＋ ０．２８６６×Ｉｌｅ − ０．１２４８×Ｌｅｕ − ０．０５４４×Ｈｉｓ
指標式４５による健康人群とクローン病群に関して、ＲＯＣ曲線（図１３３）のＡＵＣによる評価を行い、０．９６３±０．０１１（９５％信頼区間は０．９４１〜０．９８５）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４５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。それらのｘを図１３４、図１３５、図１３６および図１３７に示す。また、図１３４、図１３５、図１３６、図１３７に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
実施例１０で用いたサンプルデータを用いた。健康人群と潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４６が得られた。
指標式４６：０．７０２９ ＋ ０．００９７×Ｔａｕ − ０．０００４×Ａｌａ ＋ ０．０２０７×Ｉｌｅ − ０．０１２６×Ｌｅｕ − ０．００５４×Ｔｙｒ − ０．００２２×Ｈｉｓ
指標式４６による健康人群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１３８）のＡＵＣによる評価を行い、０．９１０±０．０２５（９５％信頼区間は０．８４６〜０．９４２）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４６と同等の判別性能を有する線形判別式は複数得られた。それらを図１３９、図１４０、図１４１および図１４２に示す。また、図１３９、図１４０、図１４１、図１４２に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、健康人群と潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４７が得られた。
指標式４７：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝１．１８０１ ＋ ０．０９６４×Ｔａｕ − ０．００１２×ＡＢＡ ＋ ０．１４９８×Ｉｌｅ − ０．０８９８×Ｌｅｕ − ０．０５４１×Ｔｙｒ − ０．０３０９×Ｈｉｓ
指標式４７による健康人群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１４３）のＡＵＣによる評価を行い、０．９１１±０．０２１（９５％信頼区間は０．８６９〜０．９５３）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４７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。それらのｘを図１４４、図１４５、図１４６および図１４７に示す。また、図１４４、図１４５、図１４６、図１４７に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
実施例１１で用いたサンプルデータを用いた。クローン病群と潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４８が得られた。
指標式４８： ０．０８８０ ＋ ０．００１１×Ｔａｕ ＋ ０．０００１×Ａｌａ ＋ ０．０１５１×Ｉｌｅ − ０．００７１×Ｌｅｕ − ０．００２０×Ｔｙｒ ＋ ０．００２０×Ｈｉｓ
指標式４８によるクローン病群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１４８）のＡＵＣによる評価を行い、０．７１８±０．０２７（９５％信頼区間は０．６６５〜０．７７１）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４８と同等の判別性能を有する線形判別式は複数得られた。それらを図１４９および図１５０に示す。また、図１４９、図１５０に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、クローン病群と潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式４９が得られた。
指標式４９：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝−０．１５４２ ＋ ０．０１２１×Ｇｌｕ − ０．０５３６×ＡＢＡ ＋ ０．０５０５×Ｉｌｅ − ０．０１７１×Ｌｅｕ − ０．００１５×Ｔｙｒ − ０．０１７７×Ｔｒｐ
指標式４９によるクローン病群と潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１５１）のＡＵＣによる評価を行い、０．６７８±０．０２８（９５％信頼区間は０．６２３〜０．７３３）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式４９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。それらのｘを図１５２および図１５３に示す。また、図１５２、図１５３に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
実施例８で用いたサンプルデータを用いた。活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式５０が得られた。
指標式５０： −０．０１２３ ＋ ０．００２４×Ｔａｕ ＋ ０．００４０×Ｔｈｒ − ０．０１１９×ＡＢＡ ＋ ０．０１２８×Ｍｅｔ ＋ ０．００６４×Ｔｙｒ − ０．０１６０×Ｔｒｐ
指標式５０による活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１５４）のＡＵＣによる評価を行い、０．８３６±０．０４７（９５％信頼区間は０．７４４〜０．９２８）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式５０と同等の判別性能を有する線形判別式は複数得られた。それらを図１５５、図１５６、図１５７および図１５８に示す。また、図１５５、図１５６、図１５７、図１５８に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式５１が得られた。
指標式５１：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝−３．５１４５ ＋ ０．０２２９×Ｔａｕ − ０．０７１５×ＡＢＡ ＋ ０．１２４５×Ｍｅｔ ＋ ０．０２７１×Ｔｙｒ − ０．１１７０×Ｔｒｐ ＋ ０．０５２１×Ｏｒｎ
指標式５１による活動期のクローン病群と活動期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１５９）のＡＵＣによる評価を行い、０．８４３±０．０４６（９５％信頼区間は０．７５３〜０．９３３）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式５１と同等の判別性能を有するロジスティック回帰式は複数得られた。それらのｘを図１６０、図１６１、図１６２および図１６３に示す。また、図１６０、図１６１、図１６２、図１６３に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期のクローン病群と緩解期のクローン病群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式５２が得られた。
指標式５２：０．７６０３ ＋ ０．００２６×Ｔａｕ ＋ ０．００４２×Ｓｅｒ ＋ ０．０１２０×Ｉｌｅ − ０．０１０４×Ｈｉｓ − ０．０１４７×Ｔｒｐ − ０．００２６×Ｌｙｓ
指標式５２による活動期のクローン病群と緩解期のクローン病群の２群判別に関して、ＲＯＣ曲線（図１６４）のＡＵＣによる評価を行い、０．８９７±０．０３７（９５％信頼区間は０．８２４〜０．９７０）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式５２と同等の判別性能を有する線形判別式は複数得られた。それらを図１６５、図１６６、図１６７および図１６８に示す。また、図１６５、図１６６、図１６７、図１６８に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期のクローン病群と緩解期のクローン病群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式５３が得られた。
指標式５３：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝２．１０５９ ＋ ０．０１９４×Ｔａｕ ＋ ０．０３９４×Ｓｅｒ ＋ ０．１１２０×Ｉｌｅ − ０．０９９２×Ｈｉｓ − ０．１１７０×Ｔｒｐ − ０．０２１６×Ｌｙｓ
指標式５３による活動期のクローン病群と緩解期のクローン病群の２群判別に関して、ＲＯＣ曲線（図１６９）のＡＵＣによる評価を行い、０．８９８±０．０３７（９５％信頼区間は０．８２５〜０．９７１）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式５３と同等の判別性能を有するロジスティック回帰式は複数得られた。それらのｘを図１７０、図１７１、図１７２および図１７３に示す。また、図１７０、図１７１、図１７２、図１７３に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別性能を最大化する指標を線形判別解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式５４が得られた。
指標式５４： １．７２３８ − ０．００３１×Ｖａｌ − ０．０１０６×Ｍｅｔ ＋ ０．００４０×Ｌｅｕ − ０．００３３×Ｔｙｒ − ０．０１２１×Ｈｉｓ ＋ ０．００１５×Ａｒｇ
指標式５４による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１７４）のＡＵＣによる評価を行い、０．８１２±０．０３７（９５％信頼区間は０．７４０〜０．８８４）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式５４と同等の判別性能を有する線形判別式は複数得られた。それらを図１７５、図１７６、図１７７および図１７８に示す。また、図１７５、図１７６、図１７７、図１７８に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
つぎに、活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別性能を最大化する指標をロジスティック回帰解析により鋭意探索し、同等の性能を持つ複数の指標の中に指標式５５が得られた。
指標式５５：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝７．８３４８ − ０．０１９７×Ｖａｌ − ０．０７４４×Ｍｅｔ ＋ ０．０２５６×Ｌｅｕ − ０．０１７３×Ｔｙｒ − ０．０７７０×Ｈｉｓ ＋ ０．００８８×Ａｒｇ
指標式５５による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に関して、ＲＯＣ曲線（図１７９）のＡＵＣによる評価を行い、０．８１３±０．０３７（９５％信頼区間は０．７４１〜０．８８５）が得られ、診断性能が高く有用な指標であることが判明した。なお、このほかに指標式５５と同等の判別性能を有するロジスティック回帰式は複数得られた。それらのｘを図１８０、図１８１、図１８２および図１８３に示す。また、図１８０、図１８１、図１８２、図１８３に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
実施例８で測定したサンプルの内、同一患者でかつ採血日が異なるデータを用いて、線形判別分析による活動期のクローン病群と緩解期のクローン病群の２群判別に有用な実施例２１で得られた指標式５２と同等な指標式５２’の値の活動期から緩解期への経時変化を比較することで、指標式５２’の評価を行った（図１８４）。図１８４における線で結ばれているサンプルは同一患者であることを示す。活動期群と緩解期群の２群間の判別を目的に２群間の対応のあるＴ検定を実施した。活動期群に比べて緩解期群では、指標式が有意に減少していた（有意差確率Ｐ＜０．０５）。指標式５２’が同一患者におけるクローン病の病勢のモニタリングとしても有用な指標であることが判明した。なお、このほかに指標式５２’と同様に活動期群に比べて緩解期群で有意に減少していた（有意差確率Ｐ＜０．０５）線形判別式は複数得られた。それらを図１８５、図１８６、図１８７および図１８８に示す。また、図１８５、図１８６、図１８７、図１８８に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
指標式５２’：０．７６０３ ＋ ０．００２６×Ｔａｕ ＋ ０．００４２×Ｓｅｒ ＋ ０．０１２０×Ｉｌｅ − ０．０１０４×Ｈｉｓ − ０．０１４７×Ｔｒｐ − ０．００２６×Ｌｙｓ
つぎに、実施例８で測定したサンプルの内、同一患者でかつ採血日が異なるデータを用いて、ロジスティック回帰分析による活動期のクローン病群と緩解期のクローン病群の２群判別に有用な実施例２１で得られた指標式５３と同等な指標式５３’の値の活動期から緩解期への経時変化を比較することで、指標式５３’の評価を行った（図１８９）。図１８９における線で結ばれているサンプルは同一患者であることを示す。活動期群と緩解期群の２群間の判別を目的に２群間の対応のあるＴ検定を実施した。活動期群に比べて緩解期群では、指標式が有意に減少していた（有意差確率Ｐ＜０．０５）。指標式５３’が同一患者におけるクローン病の病勢のモニタリングとしても有用な指標であることが判明した。なお、このほかに指標式５３’と同様に活動期群に比べて緩解期群で有意に減少していた（有意差確率Ｐ＜０．０５）ロジスティック回帰式は複数得られた。それらのｘを図１９０、図１９１、図１９２および図１９３に示す。また、図１９０、図１９１、図１９２、図１９３に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
指標式５３’：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝５．５６９２ − ０．１０６×Ｈｉｓ − ０．１２８３×Ｔｒｐ − ０．０１９３×Ｌｙｓ ＋ ０．０２０１×Ｔａｕ ＋ ０．１３４×Ｉｌｅ
実施例８で測定したサンプルの内、同一患者でかつ採血日が異なるデータを用いて、線形判別分析による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に有用な実施例２１で得られた指標式５４と同等な指標式５４’の値の活動期から緩解期への経時変化を比較することで、指標式５４’の評価を行った（図１９４）。図１９４における線で結ばれているサンプルは同一患者であることを示す。活動期群と緩解期群の２群間の判別を目的に２群間の対応のあるＴ検定を実施した。活動期群に比べて緩解期群では、指標式が有意に減少していた（有意差確率Ｐ＜０．０５）。指標式５４’が同一患者における潰瘍性大腸炎の病勢のモニタリングとしても有用な指標であることが判明した。なお、このほかに指標式５４’と同様に活動期群に比べて緩解期群で有意に減少していた（有意差確率Ｐ＜０．０５）線形判別式は複数得られた。それらを図１９５、図１９６、図１９７および図１９８に示す。また、図１９５、図１９６、図１９７、図１９８に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
指標式５４’：１．５２５６１ ＋ ０．０１４５０×Ｃｉｔ − ０．００４２３×Ｖａｌ − ０．０１３４１×Ｍｅｔ ＋ ０．０１２４５×Ｉｌｅ − ０．００７６４×Ｈｉｓ − ０．０１１７３×Ｔｒｐ
つぎに、実施例８で測定したサンプルの内、同一患者でかつ採血日が異なるデータを用いて、ロジスティック回帰分析による活動期の潰瘍性大腸炎群と緩解期の潰瘍性大腸炎群の２群判別に有用な実施例２１で得られた指標式５５と同等な指標式５５’の値の活動期から緩解期への経時変化を比較することで、指標式５５’の評価を行った（図１９９）。図１９９における線で結ばれているサンプルは同一患者であることを示す。活動期群と緩解期群の２群間の判別を目的に２群間の対応のあるＴ検定を実施した。活動期群に比べて緩解期群では、指標式が有意に減少していた（有意差確率Ｐ＜０．０５）。指標式５５’が同一患者におけるクローン病の病勢のモニタリングとしても有用な指標であることが判明した。なお、このほかに指標式５５’と同様に活動期群に比べて緩解期群で有意に減少していた（有意差確率Ｐ＜０．０５）ロジスティック回帰式は複数得られた。それらのｘを図２００、図２０１、図２０２および図２０３に示す。また、図２００、図２０１、図２０２、図２０３に示す式は、定数の加算や定数倍のような線形変換やロジット変換のような単調増加もしくは単調減少の変換したものでもよい。
指標式５５’：１／（１＋ｅｘｐ（−ｘ））
ただし、ｘ＝７．１１１３ − ０．０５６４×Ｈｉｓ − ０．０７９６×Ｔｒｐ − ０．０２０８×Ｖａｌ − ０．１０３７×Ｍｅｔ ＋ ０．０６３５×Ｉｌｅ ＋ ０．１０４５×Ｃｉｔ
以上のように、本発明にかかるＩＢＤの評価方法、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理プログラムおよび記録媒体は、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、ＩＢＤの病態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 ＩＢＤ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 ＩＢＤ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
１０２ｊ２ 判別値基準病勢評価部
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 ＩＢＤ状態情報ファイル
１０６ｄ 指定ＩＢＤ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ＩＢＤ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 (20)

  1. 評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データに含まれるＨｉｓの前記濃度値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得する濃度値基準取得ステップ
    を含むことを特徴とする取得方法。
  2. 前記濃度値基準取得ステップでは、ＨｉｓとＴｒｐの前記濃度値が用いられること
    を特徴とする請求項１に記載の取得方法。
  3. 前記濃度値基準取得ステップは、
    前記評価対象の前記アミノ酸濃度データに含まれるＨｉｓ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多変量判別式を用いて、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、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得するためのものであること
    を特徴とする請求項１に記載の取得方法。
  4. 前記判別値算出ステップでは、ＨｉｓとＴｒｐの前記濃度値、および、ＨｉｓとＴｒｐを前記変数として含む前記多変量判別式が用いられること
    を特徴とする請求項３に記載の取得方法。
  5. 前記濃度値基準取得ステップは、
    前記判別値算出ステップで算出した前記判別値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得する判別値基準取得ステップ
    をさらに含むこと
    を特徴とする請求項３または４に記載の取得方法。
  6. 評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データに含まれるＨｉｓ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多変量判別式を用いて算出された当該多変量判別式の値である判別値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得する判別値基準取得ステップを含み、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得するためのものであること
    を特徴とする取得方法。
  7. 前記判別値は、ＨｉｓとＴｒｐの前記濃度値、および、ＨｉｓとＴｒｐを前記変数として含む前記多変量判別式を用いて算出されたものであること
    を特徴とする請求項６に記載の取得方法。
  8. 制御手段を備えた評価装置であって、
    前記制御手段は、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれるＨｉｓの前記濃度値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する濃度値基準評価手段
    を備えたこと
    を特徴とする評価装置。
  9. 記憶手段をさらに備え、
    前記濃度値基準評価手段は、
    前記評価対象の前記アミノ酸濃度データに含まれるＨｉｓの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式を用いて、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
    をさらに備え、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価するためのものであること
    を特徴とする請求項８に記載の評価装置。
  10. 前記濃度値基準評価手段は、
    前記判別値算出手段で算出した前記判別値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢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９に記載の評価装置。
  11. 制御手段を備えた評価装置であって、
    前記制御手段は、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれるＨｉｓ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多変量判別式を用いて算出された当該多変量判別式の値である判別値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する判別値基準評価手段
    を備え、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価するためのものであること
    を特徴とする評価装置。
  12. 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取得方法であって、
    前記制御手段が、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれるＨｉｓの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式を用いて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
    を実行し、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得するためのものであること
    を特徴とする取得方法。
  13. 制御手段を備えた情報処理装置で実行する取得方法であって、
    前記制御手段が、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれるＨｉｓ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多変量判別式を用いて算出された当該多変量判別式の値である判別値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得する判別値基準取得ステップ
    を実行し、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する指標となる値を取得するためのものであること
    を特徴とする取得方法。
  14. 制御手段と記憶手段とを備えた情報処理装置に実行させる評価プログラムであって、
    前記制御手段に、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれるＨｉｓの前記濃度値、および、前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式を用いて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
    を実行させ、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価するためのものであること
    を特徴とする評価プログラム。
  15. 制御手段を備えた情報処理装置に実行させる評価プログラムであって、
    前記制御手段に、
    血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データに含まれるＨｉｓ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多変量判別式を用いて算出された当該多変量判別式の値である判別値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する判別値基準評価ステップ
    を実行させ、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価するためのものであること
    を特徴とする評価プログラム。
  16. 請求項１４または１５に記載の評価プログラムを記録したこと、
    を特徴とするコンピュータ読み取り可能な記録媒体。
  17. 制御手段と記憶手段とを備えた評価装置と、血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された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、
    前記評価装置から送信された、多変量判別式の値である判別値を受信する結果受信手段と
    を備え、
    前記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Ｈｉｓの前記濃度値および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した前記多変量判別式を用いて、前記判別値を算出する判別値算出手段と、
    前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、
    を備え、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価するためのものであること
    を特徴とする評価システム。
  18. 前記評価装置の前記制御手段は、
    前記判別値算出手段で算出した前記判別値を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する判別値基準評価手段
    をさらに備え、
    前記結果送信手段は、前記判別値基準評価手段での前記評価対象の評価結果を前記情報通信端末装置へ送信し、
    前記結果受信手段は、前記評価装置から送信された前記評価対象の前記評価結果を受信すること、
    を特徴とする請求項１７に記載の評価システム。
  19. 血液中のアミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とネットワークを介して通信可能に接続された、制御手段と記憶手段とを備えた評価装置であって、
    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Ｈｉｓの前記濃度値および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式を用いて、当該多変量判別式の値である判別値を算出する判別値算出手段と、
    前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、
    を備え、
    前記多変量判別式は、Ｈｉｓを前記変数として含む、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価するためのものであること
    を特徴とする評価装置。
  20. 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を用いて、前記評価対象につき、潰瘍性大腸炎の活動期および緩解期の状態もしくは潰瘍性大腸炎の病勢を評価する判別値基準評価手段
    をさらに備え、
    前記結果送信手段は、前記判別値基準評価手段での前記評価対象の評価結果を前記情報通信端末装置へ送信すること、
    を特徴とする請求項１９に記載の評価装置。
JP2013244385A 2007-01-24 2013-11-26 取得方法、評価装置、評価プログラム、記録媒体および評価システム Expired - Fee Related JP6002117B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013244385A JP6002117B2 (ja) 2007-01-24 2013-11-26 取得方法、評価装置、評価プログラム、記録媒体および評価システム

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2007014050 2007-01-24
JP2007014050 2007-01-24
JP2013244385A JP6002117B2 (ja) 2007-01-24 2013-11-26 取得方法、評価装置、評価プログラム、記録媒体および評価システム

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2008013393A Division JP2008203250A (ja) 2007-01-24 2008-01-24 Ｉｂｄの評価方法、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理プログラムおよび記録媒体

Publications (2)

Publication Number Publication Date
JP2014044213A JP2014044213A (ja) 2014-03-13
JP6002117B2 true JP6002117B2 (ja) 2016-10-05

Family

ID=39644515

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2008013393A Pending JP2008203250A (ja) 2007-01-24 2008-01-24 Ｉｂｄの評価方法、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理プログラムおよび記録媒体
JP2013244385A Expired - Fee Related JP6002117B2 (ja) 2007-01-24 2013-11-26 取得方法、評価装置、評価プログラム、記録媒体および評価システム

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2008013393A Pending JP2008203250A (ja) 2007-01-24 2008-01-24 Ｉｂｄの評価方法、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理プログラムおよび記録媒体

Country Status (4)

Country Link
US (1) US20100062413A1 (ja)
EP (1) EP2124059A4 (ja)
JP (2) JP2008203250A (ja)
WO (1) WO2008090941A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5856364B2 (ja) * 2006-08-04 2016-02-09 味の素株式会社 抑うつ病の評価方法、抑うつ病評価装置、抑うつ病評価方法、抑うつ病評価システム、抑うつ病評価プログラム、記録媒体および端末装置
AU2016208458A1 (en) * 2015-01-23 2017-06-15 Société des Produits Nestlé S.A. Predictive markers of IBD
CN107209173B (zh) * 2015-01-23 2020-02-07 雀巢产品有限公司 用于确定患者的独特的营养需求的方法
JP2016173258A (ja) * 2015-03-16 2016-09-29 味の素株式会社 評価方法、評価装置、評価プログラム、評価システム、及び端末装置
CN112345764B (zh) * 2020-10-13 2022-09-27 安徽九陆生物科技有限公司 特定蛋白仪器控制方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11190734A (ja) 1997-12-26 1999-07-13 Wakamoto Pharmaceut Co Ltd クローン病の検査方法および検査用キット
JP3866582B2 (ja) 2002-02-08 2007-01-10 紀文 日比 炎症性疾患の検査方法
JP2004135546A (ja) 2002-10-16 2004-05-13 Sumitomo Pharmaceut Co Ltd クローン病の疾患マーカー及びその利用
JP4581994B2 (ja) * 2002-12-09 2010-11-17 味の素株式会社 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
JP2004321179A (ja) 2003-04-07 2004-11-18 Nitto Boseki Co Ltd 炎症性腸疾患診断用マーカー遺伝子もしくは蛋白質およびそれを利用した炎症性腸疾患診断方法
JPWO2006098192A1 (ja) * 2005-03-16 2008-08-21 味の素株式会社 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
EP1864661A1 (en) * 2005-03-18 2007-12-12 Ajinomoto Co., Inc. Prophylactic/therapeutic agent for stress-induced bowel disease
JPWO2007004613A1 (ja) * 2005-07-01 2009-01-29 味の素株式会社 炎症性腸疾患治療薬及びＴＮＦ−α産生抑制剤

Also Published As

Publication number Publication date
US20100062413A1 (en) 2010-03-11
EP2124059A1 (en) 2009-11-25
WO2008090941A1 (ja) 2008-07-31
JP2014044213A (ja) 2014-03-13
JP2008203250A (ja) 2008-09-04
EP2124059A4 (en) 2010-10-20

Similar Documents

Publication Publication Date Title
JP7193020B2 (ja) 取得方法、算出方法、胃癌評価装置、算出装置、胃癌評価プログラム、算出プログラムおよび胃癌評価システム
JP5746811B2 (ja) 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
JP5470848B2 (ja) 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
JP6269578B2 (ja) 取得方法、前立腺疾患評価装置、前立腺疾患評価プログラム及び前立腺疾患評価システム
JP6269577B2 (ja) 取得方法、女性生殖器癌評価装置、女性生殖器癌評価プログラム及び女性生殖器癌評価システム
WO2009110517A1 (ja) 癌種の評価方法
JP5746810B2 (ja) 乳癌の評価方法、ならびに乳癌評価装置、乳癌評価方法、乳癌評価システム、乳癌評価プログラムおよび記録媒体
JP5817527B2 (ja) 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
JP6002117B2 (ja) 取得方法、評価装置、評価プログラム、記録媒体および評価システム
JPWO2008015929A1 (ja) メタボリック・シンドロームの評価方法、メタボリック・シンドローム評価装置、メタボリック・シンドローム評価方法、メタボリック・シンドローム評価システム、メタボリック・シンドローム評価プログラムおよび記録媒体、ならびにメタボリック・シンドロームの予防・改善物質の探索方法
JPWO2009054350A1 (ja) 耐糖能異常の評価方法、耐糖能異常評価装置、耐糖能異常評価方法、耐糖能異常評価システム、耐糖能異常評価プログラムおよび記録媒体、ならびに耐糖能異常の予防・改善物質の探索方法
JP6270257B2 (ja) 取得方法、心血管イベント評価装置、心血管イベント評価プログラム、心血管イベント評価システムおよび端末装置
JP2011080957A (ja) 線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7426

Effective date: 20131206

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20131206

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20131225

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20140509

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150113

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150313

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150630

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150826

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20151117

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151215

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160308

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160502

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: 20160809

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160902

R150 Certificate of patent or registration of utility model

Ref document number: 6002117

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees