JP6324828B2 - 薬効分析システム及び薬効分析方法 - Google Patents
薬効分析システム及び薬効分析方法 Download PDFInfo
- Publication number
- JP6324828B2 JP6324828B2 JP2014139785A JP2014139785A JP6324828B2 JP 6324828 B2 JP6324828 B2 JP 6324828B2 JP 2014139785 A JP2014139785 A JP 2014139785A JP 2014139785 A JP2014139785 A JP 2014139785A JP 6324828 B2 JP6324828 B2 JP 6324828B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- factor information
- cpu
- data
- generated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Description
以下、抗がん剤の有害事象(副作用)の発生に関連する因子解析を行う場合を例に本発明の第1実施形態を説明する。図2及び図3を用いて説明すると、分析が行われるヘルスケアデータ400はデータベース301に格納されてHDD221に保存されており、分析処理部300はCPU223で実行される。クライント端末200からネットワーク210を介して分析サーバ220に接続すると、HDD221に保存されているデータベース301からヘルスケアデータ400が呼び出され、分析処理部300はCPU223で実行され、分析結果500をメモリ222上に生成する。その後、分析処理部300は分析結果500をHDD221に保存した後、ネットワーク210を介してクライント端末200に配信し、クライアント端末200のCPU203がモニタ205に分析結果500を表示する。
なお、tは実数値として取り扱う。vBは固有データ410から取り出された2値データの関連因子であり、例えば関連因子412のID=1の患者の場合には1(male)と入力する。vMは固有データ410から取り出された多値データの関連因子であり、例えば関連因子413のID=1の患者の場合には1−of−K表現により、101次元ベクトルの82次元目の要素に1を入力する。vRは固有データ410から取り出された実数値データの関連因子であり、例えば関連因子416のID=1の患者の場合には8.5と入力する。
S804では、
S805では、
次に、S807では正規分布から取り出されたεをv(k)に加えて、
以下、個々の患者における薬剤の効果予測を行う場合を例に本発明の第2実施形態を説明する。なお、第1実施形態の場合と同様に抗がん剤の有害事象の発生予測を例にして説明するが、第1実施形態の場合と同様、様々な有害事象について適用することができる。分析が行われるヘルスケアデータ400はデータベース301に格納され、HDD221に保存されており、また、予測が行われ患者データ1102はクライアントデータベース1101に格納され、HDD201に保存されている。第2実施形態では、第1実施形態で生成した仮想的な固有データを含むヘルスケアデータ400が記憶された状態にあることを前提に、実際の患者の固有データ410を含むデータを入力として、その患者について、薬剤投与後の効果を予測することができる。分析処理部300はサーバ220のCPU223上で実行される。
Claims (11)
- CPUを有するサーバを用いて薬効の分析を行う薬効分析方法であって、
患者の因子情報を持つ固有データと検査データを含むヘルスデータを格納するデータベースから、該ヘルスデータを読み出す読出しステップと、
前記読出しステップにより取得されたヘルスデータを基に、該CPUの実行によって、有害事象の発生に関連する因子情報であって投薬前の検査値を含む患者の因子情報を回帰分析し、投薬後の検査値の推移をモデル化するモデル生成ステップと、
該CPUの実行によって、前記モデル生成ステップによって生成された前記検査値の推移がモデル化された患者の因子情報から、前記患者の因子情報と同じ因子情報を有する患者の因子情報を仮想的に生成し、生成した前記因子情報を有する患者のうち、投薬による前記検査値の変動が一定以上となる患者について、前記因子情報ごとの頻度分布を生成する分布生成ステップと、
前記分布生成ステップにより生成された、前記頻度分布のデータをモニタに表示するステップと、
を有することを特徴とする薬効分析方法。 - 該CPUの実行によって、統計的検定により、前記分布生成ステップにより生成された前記頻度分布の有意差の有無を判定する検証ステップ、
をさらに含むことを特徴とする請求項1に記載の薬効分析方法。 - 前記モデル生成ステップでは、該CPUの実行によって、有害事象としての投薬後の副作用の発生に関連する因子情報を回帰分析する、
ことを特徴とする請求項1または2に記載の薬効分析方法。 - 該CPUの実行によって、分析対象となる患者の因子情報と、前記モデル生成ステップで生成された前記検査値の推移がモデル化された患者の因子情報とに基づいて、分析対象となる患者の薬剤効果を予測する予測処理ステップ、
を含むことを特徴とする請求項1〜3のいずれか1項に記載の薬効分析方法。 - 前記モデル生成ステップでは、該CPUの実行によって、ニューラルネット回帰により、前記患者の因子情報を回帰分析する、
ことを特徴とする請求項1〜4のいずれか1項に記載の薬効分析方法。 - 前記モデル生成ステップでは、該CPUの実行によって、support vector回帰により、前記患者の因子情報を回帰分析する、
ことを特徴とする請求項1〜4のいずれか1項に記載の薬効分析方法。 - 前記モデル生成ステップでは、該CPUの実行によって、deep learning回帰により、前記患者の因子情報を回帰分析する、
ことを特徴とする請求項1〜4のいずれか1項に記載の薬効分析方法。 - CPUを有するサーバを用いて薬効の分析を行う薬効分析システムであって、
患者の因子情報を持つ固有データと検査データを含むヘルスデータを格納するデータベースと、
前記データベースから読み出されたヘルスデータを基に、該CPUの実行によって、有害事象の発生に関連する因子情報であって投薬前の検査値を含む患者の因子情報を回帰分析し、投薬後の検査値の推移をモデル化するモデル生成部と、
該CPUの実行によって、前記モデル生成部によって生成された前記検査値の推移がモデル化された患者の因子情報から、前記患者の因子情報と同じ因子情報を有する患者の因子情報を仮想的に生成し、生成した前記因子情報を有する患者のうち、投薬による前記検査値の変動が一定以上となる患者について、前記因子情報ごとの頻度分布を生成する分布生成部と、
前記分布生成部により生成された、前記頻度分布のデータを表示するモニタと、
を有することを特徴とする薬効分析システム。 - 該CPUの実行によって、統計的検定により、前記分布生成部により生成された前記頻度分布の有意差の有無を判定する検証部、をさらに含むことを特徴とする請求項8に記載の薬効分析システム。
- 前記モデル生成部は、該CPUの実行によって、有害事象としての投薬後の副作用の発生に関連する因子情報を回帰分析する、
ことを特徴とする請求項8または9に記載の薬効分析システム。 - 該CPUの実行によって、分析対象となる患者の因子情報と、前記モデル生成部で生成された前記検査値の推移がモデル化された患者の因子情報とに基づいて、分析対象となる患者の薬剤効果を予測する予測処理部、
を含むことを特徴とする請求項8〜10のいずれか1項に記載の薬効分析システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014139785A JP6324828B2 (ja) | 2014-07-07 | 2014-07-07 | 薬効分析システム及び薬効分析方法 |
US15/323,777 US20170161469A1 (en) | 2014-07-07 | 2015-07-02 | Drug Efficacy Analysis System and Drug Efficacy Analysis Method |
PCT/JP2015/069167 WO2016006532A1 (ja) | 2014-07-07 | 2015-07-02 | 薬効分析システム及び薬効分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014139785A JP6324828B2 (ja) | 2014-07-07 | 2014-07-07 | 薬効分析システム及び薬効分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016018321A JP2016018321A (ja) | 2016-02-01 |
JP6324828B2 true JP6324828B2 (ja) | 2018-05-16 |
Family
ID=55064168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014139785A Active JP6324828B2 (ja) | 2014-07-07 | 2014-07-07 | 薬効分析システム及び薬効分析方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170161469A1 (ja) |
JP (1) | JP6324828B2 (ja) |
WO (1) | WO2016006532A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018042606A1 (ja) * | 2016-09-01 | 2018-03-08 | 株式会社日立製作所 | 分析装置、分析システムおよび分析方法 |
KR101946402B1 (ko) * | 2017-10-31 | 2019-02-11 | 고려대학교산학협력단 | 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템 |
WO2019074191A1 (ko) * | 2017-10-13 | 2019-04-18 | 고려대학교 산학협력단 | 암 치료 예측결과 제공 방법 및 시스템, 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템, 그리고 치료 예측결과 및 근거 자료 일괄 제공 방법 및 시스템 |
KR101946407B1 (ko) * | 2017-10-13 | 2019-02-11 | 고려대학교산학협력단 | 방사선 치료 예측 방법 및 장치 |
JP7458000B2 (ja) | 2019-03-26 | 2024-03-29 | 国立大学法人埼玉大学 | 支援情報提供システム、支援情報提供装置、支援情報提供方法及びプログラム |
KR102497003B1 (ko) * | 2020-11-30 | 2023-02-06 | 재단법인대구경북과학기술원 | 약물 평가 방법 및 장치 |
CN112786104B (zh) * | 2021-02-03 | 2024-03-22 | 东北大学 | 基于机器学习的药物疗效影响因子挖掘方法 |
CN112885487B (zh) * | 2021-03-18 | 2023-03-24 | 宁夏医科大学总医院 | 一种药物基因检测项目管理系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1352970B1 (en) * | 2000-12-12 | 2010-06-02 | Nagoya Industrial Science Research Institute | Method of estimating the risk of expression of adverse drug reaction caused by the administration of a compound, which is either metabloized per se by ugt1a1 or whose intermediate is metabolized by the enzyme |
JP2007279999A (ja) * | 2006-04-06 | 2007-10-25 | Hitachi Ltd | 薬物動態解析システム及び方法 |
JP5436446B2 (ja) * | 2008-12-01 | 2014-03-05 | 国立大学法人山口大学 | 薬剤の作用・副作用予測システムとそのプログラム |
CN102822834B (zh) * | 2010-04-07 | 2020-09-25 | 诺华探索公司 | 用于预测治疗结果的基于计算机的系统 |
JP2013012025A (ja) * | 2011-06-29 | 2013-01-17 | Fujifilm Corp | 診療支援システムおよび方法、並びに、プログラム |
WO2013006704A1 (en) * | 2011-07-05 | 2013-01-10 | Hunt Robert Don | Systems and methods for clinical evaluation of psychiatric disorders |
US9008391B1 (en) * | 2013-10-22 | 2015-04-14 | Eyenuk, Inc. | Systems and methods for processing retinal images for screening of diseases or abnormalities |
-
2014
- 2014-07-07 JP JP2014139785A patent/JP6324828B2/ja active Active
-
2015
- 2015-07-02 US US15/323,777 patent/US20170161469A1/en not_active Abandoned
- 2015-07-02 WO PCT/JP2015/069167 patent/WO2016006532A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JP2016018321A (ja) | 2016-02-01 |
US20170161469A1 (en) | 2017-06-08 |
WO2016006532A1 (ja) | 2016-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6324828B2 (ja) | 薬効分析システム及び薬効分析方法 | |
Spooner et al. | A comparison of machine learning methods for survival analysis of high-dimensional clinical data for dementia prediction | |
Beaulieu-Jones et al. | Missing data imputation in the electronic health record using deeply learned autoencoders | |
Kassahun et al. | Automatic classification of epilepsy types using ontology-based and genetics-based machine learning | |
JP6066825B2 (ja) | データ分析装置及び保健事業支援方法 | |
Neelon et al. | A Bayesian two-part latent class model for longitudinal medical expenditure data: Assessing the impact of mental health and substance abuse parity | |
US20140278130A1 (en) | Method of predicting toxicity for chemical compounds | |
Meier et al. | Predicting treatment process steps from events | |
Coley et al. | Predicting outcomes of psychotherapy for depression with electronic health record data | |
US20200134430A1 (en) | Analyzing apparatus, analysis method and analysis program | |
Alghamdi et al. | A prediction modelling and pattern detection approach for the first-episode psychosis associated to cannabis use | |
Patel | A Review on Importance of Artificial Intelligence in Alzheimer's Disease and it's Future Outcomes for Alzheimer's Disease | |
Prakash et al. | Random forest regression with hyper parameter tuning for medical insurance premium prediction | |
Muthalaly | Using deep learning to predict the mortality of leukemia patients | |
Wahid et al. | Pneumonia detection in chest X-ray images using enhanced restricted Boltzmann machine | |
Manikandan et al. | An hybrid technique for optimized clustering of EHR using binary particle swarm and constrained optimization for better performance in prediction of cardiovascular diseases | |
Arnaoudova et al. | Statistical phylogenetic tree analysis using differences of means | |
JP2008210414A (ja) | 処方実務に関連する医師プロファイルを、自己適合性予測モデルを用いて発生するシステム及び方法 | |
Lip et al. | Transforming Clinical Trials with Artificial Intelligence | |
Gautam et al. | An overview of big data applications in healthcare: opportunities and challenges | |
Subramanian et al. | Wearable Sensor-Based Monitoring and Classification Using Deep Learning For Personalized Healthcare | |
Harish et al. | Prediction of Heart Stroke using A Novel Framework–PySpark | |
Mishra et al. | Deep Learning Advancements in Target Delivery | |
Kawazoe et al. | Prediction-based threshold for medication alert | |
JP2019207520A (ja) | 医学情報処理装置、医学情報処理方法、及び医学情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170309 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180215 |
|
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: 20180320 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6324828 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |