JP6810789B2 - 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット - Google Patents

機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット Download PDF

Info

Publication number
JP6810789B2
JP6810789B2 JP2019503084A JP2019503084A JP6810789B2 JP 6810789 B2 JP6810789 B2 JP 6810789B2 JP 2019503084 A JP2019503084 A JP 2019503084A JP 2019503084 A JP2019503084 A JP 2019503084A JP 6810789 B2 JP6810789 B2 JP 6810789B2
Authority
JP
Japan
Prior art keywords
periodontal disease
sample
bacteria
detection
sequences
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
Application number
JP2019503084A
Other languages
English (en)
Other versions
JPWO2018159712A1 (ja
Inventor
谷口　誠
谷口　　誠
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.)
Mitsui Chemicals Inc
Original Assignee
Mitsui Chemicals Inc
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 Mitsui Chemicals Inc filed Critical Mitsui Chemicals Inc
Publication of JPWO2018159712A1 publication Critical patent/JPWO2018159712A1/ja
Application granted granted Critical
Publication of JP6810789B2 publication Critical patent/JP6810789B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H50/20—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C19/00—Dental auxiliary appliances
    • A61C19/04—Measuring instruments specially adapted for dentistry
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
    • C12Q1/6893—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for protozoa
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
    • C12N15/09—Recombinant DNA-technology

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Chemical & Material Sciences (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Organic Chemistry (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Epidemiology (AREA)
  • Computing Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Surgery (AREA)
  • Evolutionary Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Analytical Chemistry (AREA)
  • Biotechnology (AREA)
  • Databases & Information Systems (AREA)
  • Genetics & Genomics (AREA)

Description

本発明は、機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病診断方法、歯周病検査システム及び歯周病検査キットに関する。
歯周病の検査方法として、口腔内における特定の細菌の状態によって歯周病に罹患しているか否かを判断する手法が種々検討されている。例えば、非特許文献１にはFretibacteriumと歯周病の関係について記載されている。
Journal of Endodontics, Volume 41, Issue 12, December 2015 pp. 1975-1984
口腔内における特定の細菌の状態と歯周病との関係に関する報告は非特許文献１をはじめとして複数存在するが、口腔内のどのような情報に基づいて歯周病に罹患しているか否かを判断するのが適しているかについては未だ検討の余地がある。
また、口腔内の情報に基づいて歯周病に罹患しているか否かを判断するための手法を数多く見出すことは、歯周病の検査技術の向上、検査を受ける者にとっての選択肢の充実化等の観点から有益であると考えられる。
本発明は上記事情に鑑み、歯周病の検査に用いる新規な機械学習装置、学習済みモデル及びデータ構造の提供を目的とする。本発明はまた、新規な歯周病検査方法、歯周病診断方法、歯周病検査システム及び歯周病検査キットの提供を目的とする。
前記課題を達成するための具体的手段には、以下の実施態様が含まれる。
＜１＞歯周病の罹患確率又は歯周病の状態を判断するための関数を学習する機械学習装置であって、
検体から検出された口腔内情報と；前記検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値と；から構成される複数の学習データに基づいて、前記判断値を決定する前記関数を学習する学習部を含み、
前記学習部は、前記学習データに基づいて、前記関数を用いて歯周病の罹患確率又は歯周病の状態を決定した結果に対する報酬を計算する報酬計算部と、
該報酬計算部により計算された報酬が高くなるように、前記関数を更新する関数更新部と、
予め定められた収束条件を満たすまで、前記報酬計算部による計算及び前記関数更新部による更新を繰り返させる収束判定部と、
を含む機械学習装置。
＜２＞前記口腔内情報が口腔内の細菌叢組成を含む、＜１＞に記載の機械学習装置。
＜３＞入力された前記口腔内情報から、前記学習部による学習された前記関数を用いて、前記判断値を決定する判断部を更に含む＜１＞又は＜２＞に記載の機械学習装置。
＜４＞検体から検出された口腔内情報に関するデータに基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデルであって、
第１のニューラルネットワークと、前記第１のニューラルネットワークからの出力が入力されるように結合された第２のニューラルネットワークとから構成され、
前記第１のニューラルネットワークが、少なくとも１つの中間層のニューロン数が入力層のニューロン数よりも小さく且つ入力層と出力層のニューロン数が互いに同一であり各入力層への入力値と各入力層に対応する各出力層からの出力値とが等しくなるように重み付け係数が学習されたものであり、
前記第１のニューラルネットワークの入力層から中間層までが、特徴抽出用ニューラルネットワークとして用いられ、
前記第２のニューラルネットワークの重み付け係数が、前記第１のニューラルネットワークの重み付け係数を変更することなく、学習されたものであり、
前記第１のニューラルネットワークの入力層に、前記検体から検出された前記口腔内情報に関するデータから得られる特定の情報の出現頻度が入力されたとき、前記第１及び第２のニューラルネットワークにおける前記学習済みの重み付け係数に基づく演算を行い、前記第２のニューラルネットワークの出力層から歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデル。
＜５＞前記口腔内情報が口腔内の細菌叢組成を含む、＜４＞に記載の学習済みモデル。
＜６＞検体から検出された口腔内情報と、前記検体の提供者を特定する情報と、を含むデータ構造であり、
前記口腔内情報に基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するように予め学習された学習済みモデルを用いて歯周病の罹患又は状態に関する確率を算出する処理に用いられるデータ構造。
＜７＞前記口腔内情報が口腔内の細菌叢組成を含む、＜６＞に記載のデータ構造。
＜８＞検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を検出する検出工程を含む、歯周病検査方法。
＜９＞前記群に含まれる少なくとも２種類の菌がAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌である、＜８＞に記載の歯周病検査方法。
＜１０＞前記検出工程の後に、前記検出工程で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価工程をさらに含む、＜８＞又は＜９＞に記載の歯周病検査方法。
＜１１＞前記評価工程は、前記検出工程で得られた配列数の総和と、前記群に含まれる少なくとも２種類の菌の配列数の総和とを計算する解析工程を含み、前記解析工程で得られる解析結果に基づいて評価を行うものである、＜１０＞に記載の歯周病検査方法。
＜１２＞前記評価工程は、前記検出工程で得られた配列数の総和を１００％としたときの前記群に含まれる少なくとも２種類の菌の配列数の総和が０．０２％以上である場合は前記検体の提供者が歯周病に罹患している可能性が高いと評価するものである、＜１０＞又は＜１１＞に記載の歯周病検査方法。
＜１３＞前記検出がメタゲノム解析により行われる、＜８＞〜＜１２＞のいずれか１項に記載の歯周病検査方法。
＜１４＞前記検体が唾液である、＜８＞〜＜１３＞のいずれか１項に記載の歯周病検査方法。
＜１５＞検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を検出する検出部を備える、歯周病検査システム。
＜１６＞検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を検出する検出デバイスを備える、歯周病検査キット。
＜１７＞検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌を検出する検出工程を含む、歯周病検査方法。
＜１８＞前記群に含まれる少なくとも１種類の菌がLautropiaを含む、＜１７＞に記載の歯周病検査方法。
＜１９＞前記群に含まれる少なくとも１種類の菌がLautropiaと、GN02、Ottowia及びSneathiaからなる群から選ばれる少なくとも１種類の菌との組み合わせである、＜１７＞又は＜１８＞に記載の歯周病検査方法。
＜２０＞前記検出工程の後に、前記検出工程で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価工程をさらに含む、＜１７＞〜＜１９＞のいずれか１項に記載の歯周病検査方法。
＜２１＞前記評価工程は、前記検出工程で得られた配列数の総和と、前記群に含まれる少なくとも２種類の菌の配列数の総和とを計算する解析工程を含み、前記解析工程で得られる解析結果に基づいて評価を行うものである、＜２０＞に記載の歯周病検査方法。
＜２２＞前記評価工程は、前記検出工程で得られた配列数の総和を１００％としたときの前記群に含まれる少なくとも１種類の菌の配列数の総和が０．０１％以下である場合は前記検体の提供者が歯周病に罹患している可能性が高いと評価するものである、＜２０＞又は＜２１＞に記載の歯周病検査方法。
＜２３＞前記検出がメタゲノム解析により行われる、＜１７＞〜＜２２＞のいずれか１項に記載の歯周病検査方法。
＜２４＞前記検体が唾液である、＜１７＞〜＜２３＞のいずれか１項に記載の歯周病検査方法。
＜２５＞検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌を検出する検出部を備える、歯周病検査システム。
＜２６＞検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌を検出する検出デバイスを備える、歯周病検査キット。
本発明によれば、歯周病の検査に用いる新規な機械学習装置、学習済みモデル及びデータ構造が提供される。また本発明によれば、新規な歯周病検査方法、歯周病診断方法、歯周病検査システム及び歯周病検査キットが提供される。
機械学習装置１００の構成の一例を示す概略図である。 機械学習装置１００の機械学習処理ルーチンの一例を示す概念図である。
以下、本発明を実施するための形態について詳細に説明する。但し、本発明は以下の実施形態に限定されるものではない。
本開示において「工程」との語には、他の工程から独立した工程に加え、他の工程と明確に区別できない場合であってもその工程の目的が達成されれば、当該工程も含まれる。
＜機械学習装置＞
本実施形態の機械学習装置は、歯周病の罹患確率又は歯周病の状態を判断するための関数を学習する機械学習装置であって、
検体から検出された口腔内情報と；前記検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値と；から構成される複数の学習データに基づいて、前記判断値を決定する前記関数を学習する学習部を含み、
前記学習部は、前記学習データに基づいて、前記関数を用いて歯周病の罹患確率又は歯周病の状態を決定した結果に対する報酬を計算する報酬計算部と、
該報酬計算部により計算された報酬が高くなるように、前記関数を更新する関数更新部と、
予め定められた収束条件を満たすまで、前記報酬計算部による計算及び前記関数更新部による更新を繰り返させる収束判定部と、を含む機械学習装置である。
上記機械学習装置は、検体の提供者が歯周病に罹患しているか否かの判断、歯周病が治癒しているか否かの判断、歯周病が治癒するか否かの判断、歯周病が進行するか否かの判断などに用いることができる。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
検体から検出する口腔内情報としては、口腔内の細菌叢組成（細菌の塩基配列を含む）が挙げられるが、これらに制限されるものではない。ある実施態様では、後述する歯周病検査方法（１）又は（２）に記載した菌に関する情報であってもよい。具体的には、細菌の系統樹と枝分かれの長さ（Unifrac distance）；次世代シークエンスで得られるリード数（配列と読み取り量）；細菌間情報伝達（クオラムセンシング、オートインデューサー）の種類と量；細菌間の相互栄養共生関係の種類と量；細菌の発育条件（酸素要求、栄養要求等）；免疫機能に影響する抗原の種類と量；生体構造を破壊するプロテアーゼの種類と量；遺伝子発現或いは遺伝子制御に係るポリヌクレオチドの種類と量；エンドトキシンや細菌の細胞壁外膜を構成するリポ多糖の種類と量；細菌の機能を表す特徴量などが利用できる。これらの情報のそれぞれを所定の重みをつけて組み合わせてもよく、主成分分析をして特徴を抽出した後の特徴量やその組み合わせでもよい。
歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値としては、口腔内の細菌叢組成における特定の菌の有無又はその割合に基づく判断値が挙げられるが、これらに制限されるものではない。ある実施態様では、後述する歯周病検査方法（１）又は（２）に記載した菌の有無又はその割合に基づく判断値であってもよい。
上記学習データは、必要に応じ、他の情報を含んでもよい。このような情報としては、例えば、検体の提供者の年齢、性別、喫煙習慣、食習慣、口腔ケアの実施状況、歯の治療歴、持病又は既往症、虫歯の有無、歯並び、唾液の量、口腔内の衛生状態、習癖（歯ぎしり、口呼吸など）、ストレス状態などが挙げられる。
本実施形態の機械学習装置は、入力された口腔内情報から、学習部による学習された前記関数を用いて、上記判断値を決定する判断部を更に含むものであってもよい。
図１は機械学習装置１００の構成の一例を示す概略図である。図１に示す構成の機械学習装置１００は、ＣＰＵと、ＲＡＭと、後述する機械学習処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この機械学習装置１００は、機能的には図１に示すように入力部１０と、演算部２０と、出力部９０とを備えている。
入力部１０は、検体から検出された口腔内情報と；前記検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値と；から構成される複数の学習データを受け付ける。また、入力部１０は、判断対象となる、検体から検出された口腔内情報を受け付ける。
演算部２０は、学習データ記憶部３０と、学習部４０と、学習済みモデル記憶部５０と判断部６０とを備える。
学習データ記憶部３０には、入力部１０により受け付けた複数の学習データが記憶される。
学習部４０は、複数の学習データに基づいて、判断値を決定する関数を学習する。ここで、関数は、後述する学習済みモデルである。
具体的には、学習部４０は、報酬計算部４２、関数更新部４４、及び収束判定部４６を備えている。
報酬計算部４２は、複数の学習データの各々について、当該学習データに基づいて、関数を用いて歯周病の罹患確率又は歯周病の状態を決定した結果に対する報酬を計算する。
関数更新部４４は、報酬計算部４２により複数の学習データの各々について計算された報酬に基づいて、報酬が高くなるように、関数を更新する。
収束判定部４６は、予め定められた収束条件を満たすまで、報酬計算部４２による計算及び関数更新部４４による更新を繰り返させる。
学習済みモデル記憶部５０は、学習部４０により学習された関数を記憶している。
判断部６０は、判断対象として入力された、検体から検出された口腔内情報から、学習部４０による学習された関数を用いて、検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値を決定する。
本実施形態の機械学習装置の各構成要素は特に制限されるものではなく、公知の機械学習装置の各構成要素であってよい。
＜学習済みモデル＞
本実施形態の学習済みモデルは、検体から検出された口腔内情報に関するデータに基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデルであって、
第１のニューラルネットワークと、前記第１のニューラルネットワークからの出力が入力されるように結合された第２のニューラルネットワークとから構成され、
前記第１のニューラルネットワークが、少なくとも１つの中間層のニューロン数が入力層のニューロン数よりも小さく且つ入力層と出力層のニューロン数が互いに同一であり各入力層への入力値と各入力層に対応する各出力層からの出力値とが等しくなるように重み付け係数が学習されたものであり、
前記第１のニューラルネットワークの入力層から中間層までが、特徴抽出用ニューラルネットワークとして用いられ、
前記第２のニューラルネットワークの重み付け係数が、前記第１のニューラルネットワークの重み付け係数を変更することなく、学習されたものであり、
前記第１のニューラルネットワークの入力層に、検体から検出された口腔内情報に関するデータから得られる特定の情報の出現頻度が入力されたとき、前記第１及び第２のニューラルネットワークにおける前記学習済みの重み付け係数に基づく演算を行い、前記第２のニューラルネットワークの出力層から前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデルである。
上記学習済みモデルは、検体の提供者が歯周病に罹患しているか否かの判断、歯周病が治癒しているか否かの判断、歯周病が治癒するか否かの判断、歯周病が進行するか否かの判断などに用いることができる。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
検体から検出する口腔内情報としては、口腔内の細菌叢組成（細菌の塩基配列を含む）が挙げられるが、これらに制限されるものではない。ある実施態様では、後述する歯周病検査方法（１）又は（２）に記載した菌に関する情報であってもよい。具体的には、細菌の系統樹と枝分かれの長さ（Unifrac distance）；次世代シークエンスで得られるリード数（配列と読み取り量）；細菌間情報伝達（クオラムセンシング、オートインデューサー）の種類と量；細菌間の相互栄養共生関係の種類と量；細菌の発育条件（酸素要求、栄養要求等）；免疫機能に影響する抗原の種類と量；生体構造を破壊するプロテアーゼの種類と量；遺伝子発現或いは遺伝子制御に係るポリヌクレオチドの種類と量；エンドトキシンや細菌の細胞壁外膜を構成するリポ多糖の種類と量；細菌の機能を表す特徴量などが利用できる。これらの情報のそれぞれを所定の重みをつけて組み合わせてもよく、主成分分析をして特徴を抽出した後の特徴量やその組み合わせでもよい。
歯周病の罹患確率又は歯周病の状態を表現した値としては、口腔内の細菌叢組成における特定の菌の有無又はその割合に基づく判断値が挙げられるが、これらに制限されるものではない。ある実施態様では、後述する歯周病検査方法（１）又は（２）に記載した菌の有無又はその割合に基づく判断値であってもよい。
上記学習済みモデルは、必要に応じ、口腔内情報と他の情報に基づいて、歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるものであってもよい。このような情報としては、例えば、検体の提供者の年齢、性別、喫煙習慣、食習慣、口腔ケアの実施状況、歯の治療歴、持病又は既往症、虫歯の有無、歯並び、唾液の量、口腔内の衛生状態、習癖（歯ぎしり、口呼吸など）、ストレス状態などが挙げられる。
本実施形態の学習済みモデルの各構成要素は特に制限されず、公知の学習済みモデルの構成要素と同様のものであってよい。
＜データ構造＞
本実施形態のデータ構造は、検体から検出された口腔内情報と、前記検体の提供者を特定する情報と、を含むデータ構造であり、
前記検体から検出された口腔内情報に基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するように予め学習された学習済みモデルを用いて歯周病の罹患又は状態に関する確率を算出する処理に用いられるデータ構造である。
上記データ構造は、検体の提供者が歯周病に罹患しているか否かの判断、歯周病が治癒しているか否かの判断、歯周病が治癒するか否かの判断、歯周病が進行するか否かの判断などに用いることができる。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
検体から検出する口腔内情報としては、口腔内の細菌叢組成（細菌の塩基配列を含む）が挙げられるが、これらに制限されるものではない。ある実施態様では、後述する歯周病検査方法（１）又は（２）に記載した菌に関する情報であってもよい。具体的には、細菌の系統樹と枝分かれの長さ（Unifrac distance）；次世代シークエンスで得られるリード数（配列と読み取り量）；細菌間情報伝達（クオラムセンシング、オートインデューサー）の種類と量；細菌間の相互栄養共生関係の種類と量；細菌の発育条件（酸素要求、栄養要求等）；免疫機能に影響する抗原の種類と量；生体構造を破壊するプロテアーゼの種類と量；遺伝子発現或いは遺伝子制御に係るポリヌクレオチドの種類と量；エンドトキシンや細菌の細胞壁外膜を構成するリポ多糖の種類と量；細菌の機能を表す特徴量などが利用できる。これらの情報のそれぞれを所定の重みをつけて組み合わせてもよく、主成分分析をして特徴を抽出した後の特徴量やその組み合わせでもよい。
歯周病の罹患確率又は歯周病の状態を表現した値としては、口腔内の細菌叢組成における特定の菌の有無又はその割合に基づく判断値が挙げられるが、これらに制限されるものではない。ある実施態様では、後述する歯周病検査方法（１）又は（２）に記載した菌の有無又はその割合に基づく判断値であってもよい。
上記データ構造は、必要に応じ、口腔内情報と他の情報に基づいて、歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう予め学習された学習済みモデルを用いて歯周病の罹患又は状態に関する確率を算出する処理に用いられるものであってもよい。このような情報としては、例えば、検体の提供者の年齢、性別、喫煙習慣、食習慣、口腔ケアの実施状況、歯の治療歴、持病又は既往症、虫歯の有無、歯並び、唾液の量、口腔内の衛生状態、習癖（歯ぎしり、口呼吸など）、ストレス状態などが挙げられる。
本実施形態の学習済みモデルの各構成要素は特に制限されず、公知の学習済みモデルの構成要素と同様のものであってよい。
＜機械学習装置１００の動作＞
入力部１０において複数の学習データを受け付けると、機械学習装置１００は、複数の学習データを、学習データ記憶部３０に格納する。そして機械学習装置１００は、図２に示す機械学習処理ルーチンを実行する。
まず、ステップＳ１００で、複数の学習データの各々について、当該学習データに基づいて、現時点の関数を用いて歯周病の罹患確率又は歯周病の状態を決定した結果に対する報酬を計算する。
ステップＳ１０２では、上記ステップＳ１００により複数の学習データの各々について計算された報酬に基づいて、報酬が高くなるように、関数を更新する。
ステップＳ１０４は、予め定められた収束条件を満たしたか否かを判定し、収束条件を満たさない場合には、上記ステップＳ１００へ戻る。一方、収束条件を満たした場合には、ステップＳ１０６へ移行する。
ステップＳ１０６では、最終的に更新された関数を、学習済みモデル記憶部５０に格納して、学習処理ルーチンを終了する。
そして、入力部１０において、判断対象として入力された、検体から検出された口腔内情報を受け付けると、機械学習装置１００の判断部６０は、判断対象として入力された、検体から検出された口腔内情報から、学習部４０による学習された関数を用いて、検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値を決定し、出力部９０により出力する。
＜歯周病検査方法（１）＞
本実施形態の歯周病検査方法は、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌（以下、検出対象とも称する）を検出する検出工程を含む。
本実施形態の歯周病検査方法は、特定の菌種から選択される少なくとも２種類を検出する工程を含むことにより、１種の菌の検出結果のみを判断基準とする場合に比べて歯周病検査の精度をより高めたものである。口腔内における特定の細菌の中から複数種を検出することによって歯周病に罹患しているか否かを判断するという技術思想は、これまでの先行技術文献に記載も示唆もない。
上記検査方法は、検体の提供者が歯周病に罹患しているか否かの判断、歯周病が治癒しているか否かの判断、歯周病が治癒するか否かの判断、歯周病が進行するか否かの判断などに用いることができる。
（検出工程）
検出工程は、検体に含まれる検出対象を検出可能であればどのような方法で行ってもよい。例えば、メタゲノム解析（メタ１６Ｓ解析等）、イムノクロマト法、遺伝子増幅法（リアルタイムＰＣＲ、ＬＡＭＰ法等）が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。メタゲノム解析は、複数種の菌種の有無及び存在率を一度の工程で検出することができ、１工程あたり１菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
検出される情報として具体的には、細菌の系統樹と枝分かれの長さ（Unifrac distance）；次世代シークエンスで得られるリード数（配列と読み取り量）；細菌間情報伝達（クオラムセンシング、オートインデューサー）の種類と量；細菌間の相互栄養共生関係の種類と量；細菌の発育条件（酸素要求、栄養要求等）；免疫機能に影響する抗原の種類と量；生体構造を破壊するプロテアーゼの種類と量；遺伝子発現或いは遺伝子制御に係るポリヌクレオチドの種類と量；エンドトキシンや細菌の細胞壁外膜を構成するリポ多糖の種類と量；細菌の機能を表す特徴量などが利用できる。これらの情報のそれぞれを所定の重みをつけて組み合わせてもよく、主成分分析をして特徴を抽出した後の特徴量やその組み合わせでもよい。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
検査精度の向上の観点からは、検出対象はAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌であり、少なくとも３種類の菌であることが好ましく、少なくとも４種類の菌であることがより好ましい。
ある実施態様では、検出対象はAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を含む。
（評価工程）
本実施形態の歯周病検査方法は、検出工程の後に、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価工程を含んでもよい。評価工程は、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価することができればどのような方法で行ってもよい。例えば、計算機を用いても、呈色反応等を利用してもよい。
評価工程は、検体に含まれる菌の数の総和と、検出対象の菌の数の総和とを計算する解析工程を含み、解析工程で得られる解析結果に基づいて評価を行うものであってもよい。
ある実施態様では、評価工程では、検出工程で得られた配列数の総和に対する検出対象の菌の配列数の総和の割合が所定の値以上である場合は検体の提供者が歯周病に罹患している可能性が高いと評価する。
検査精度の観点からは、評価工程は、検出工程で得られた配列数の総和を１００％としたときの検出対象の菌の配列数の総和が０．０２％以上である場合は検体の提供者が歯周病に罹患している可能性が高いと評価するものであることが好ましい。
本実施形態の歯周病検査方法において「検出対象の菌の配列数の総和」とは、検体に含まれる菌のうち、Anaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群に含まれる菌であって、検出対象として採用した２種類以上の菌の配列数の総和を意味する。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の配列数は「検出対象の菌の配列数の総和」に含まれない。
評価工程では、必要に応じ、検出工程で得られた結果に加えて他の情報を参照して検体の提供者が歯周病に罹患している可能性を評価してもよい。
このような情報としては、例えば、検体の提供者の年齢、性別、喫煙習慣、食習慣、口腔ケアの実施状況、歯の治療歴、持病又は既往症、虫歯の有無、歯並び、唾液の量、口腔内の衛生状態、習癖（歯ぎしり、口呼吸など）、ストレス状態などが挙げられる。
＜歯周病検査システム（１）＞
本実施形態の歯周病検査システムは、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌（検出対象）を検出する検出部を備える。
上記検査システムは、検体の提供者が歯周病に罹患しているか否かの判断、歯周病が治癒しているか否かの判断、歯周病が治癒するか否かの判断、歯周病が進行するか否かの判断などに用いることができる。
（検出部）
検出部は、検体に含まれる検出対象を検出可能であれば特に制限されない。例えば、メタゲノム解析（メタ１６Ｓ解析等）、イムノクロマト法、遺伝子増幅法（リアルタイムＰＣＲ、ＬＡＭＰ法等）などを実施する装置が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。複数種の菌種の有無及び存在率を一度の工程で検出することができ、１工程あたり１菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
検出される情報として具体的には、細菌の系統樹と枝分かれの長さ（Unifrac distance）；次世代シークエンスで得られるリード数（配列と読み取り量）；細菌間情報伝達（クオラムセンシング、オートインデューサー）の種類と量；細菌間の相互栄養共生関係の種類と量；細菌の発育条件（酸素要求、栄養要求等）；免疫機能に影響する抗原の種類と量；生体構造を破壊するプロテアーゼの種類と量；遺伝子発現或いは遺伝子制御に係るポリヌクレオチドの種類と量；エンドトキシンや細菌の細胞壁外膜を構成するリポ多糖の種類と量；細菌の機能を表す特徴量などが利用できる。これらの情報のそれぞれを所定の重みをつけて組み合わせてもよく、主成分分析をして特徴を抽出した後の特徴量やその組み合わせでもよい。
検出部の具体的な構成は特に制限されず、採用する検出方法に応じて選択できる。例えば、検出部はコンピュータ等の計算機を用いて検出を実施するものであっても、試験片のように手技を介して検出を実施するものであってもよい。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
検査精度の向上の観点からは、検出対象はAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌であり、少なくとも３種類の菌であることが好ましく、少なくとも４種類の菌であることがより好ましい。
ある実施態様では、検出対象はAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を含む。
（評価部）
本実施形態の歯周病検査システムは、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価部を備えてもよい。評価部は、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価できるものであれば特に制限されない。例えば、計算機を用いるものであっても、呈色反応等を利用するものであってもよい。
評価部は、検出工程で得られた配列数の総和と、検出対象の菌の配列数の総和とを計算する解析部を備え、解析部で得られる解析結果に基づいて評価を行うものであってもよい。
ある実施態様では、評価部は、検出部で得られた配列数の総和に対する検出対象の菌の配列数の総和の割合が所定の値以上である場合は検体の提供者が歯周病に罹患している可能性が高いと評価する。
検査精度の観点からは、評価部は、検出工程で得られた配列数の総和を１００％としたときの検出対象の菌の配列数の総和が０．０２％以上である場合は検体の提供者が歯周病に罹患している可能性が高いと評価するものであることが好ましい。
本実施形態の歯周病検査システムにおいて「検出対象の菌の配列数の総和」とは、検体に含まれる菌のうち、Anaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群に含まれる菌であって、検出対象として採用した２種類以上の菌配列数の総和を意味する。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の数は「検出対象の菌の配列数の総和」に含まれない。
本実施形態の歯周病検査システムは、上述した検出部と必要に応じて含まれる評価部及び解析部に加えて他の機能を果たす部位を備えてもよい。また、本実施形態の歯周病検査システムは、上述した各部が一体化した装置の状態であっても、各部をそれぞれ備える装置の組み合わせであってもよい。また、本実施形態の歯周病検査システムには、より簡易な形態（例えば、後述する歯周病検査キット）なども含まれる。
＜歯周病検査キット（１）＞
本実施形態の歯周病検査キットは、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌（検出対象）を検出する検出デバイスを備える。
検出デバイスは、検体に含まれる検出対象を検出可能であれば特に制限されない。例えば、上述した歯周病検査システムが備える検出部として記載したものであってもよい。また、必要に応じて評価、解析その他の機能を果たすデバイスを備えてもよい。
歯周病検査キットがこれらのデバイスを備える場合、これらのデバイスは検出デバイスと一体化した状態（検出デバイスがこれらのデバイスの機能を兼ねる場合も含む）であっても、別個のデバイスの組合せであってもよい。
＜歯周病診断方法（１）＞
本実施形態の歯周病診断方法は、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌（以下、検出対象とも称する）が検出されるか否かの情報に基づいて、前記検体の提供者が歯周病に罹患しているか否かを診断する工程を含む。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
上記方法において検体の提供者が歯周病に罹患しているか否かを診断する場合には、検体の提供者が確実に歯周病に罹患しているか否かを診断する場合に加え、検体の提供者が歯周病に罹患している場合の歯周病の進行度合いを診断する場合、検体の提供者が歯周病に罹患している（又は将来的に罹患する）可能性を診断する場合なども包含される。さらには歯周病が治癒しているか否か、歯周病が治癒するか否か、歯周病が進行するか否かを診断する場合なども包含される。
上記方法において、検体から検出対象が検出されるか否かの情報を得る方法は特に制限されないが、例えば、上述した歯周病検査方法又は歯周病検査システムに記載した手法により得られる情報であってもよい。上述した各実施態様における詳細は、本方法にも適用することができる。
＜歯周病検査方法（２）＞
本実施形態の歯周病検査方法は、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌（以下、検出対象とも称する）を検出する検出工程を含む。
本実施形態の歯周病検査方法は、歯周病に罹患していない提供者から採取した検体と歯周病に罹患している提供者から採取した検体とを比較した場合、歯周病に罹患していない提供者の検体に含まれるGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌が、歯周病に罹患している提供者の検体よりも多い傾向にあるという知見を見出し、これに基づいてなされたものである。
上記検査方法は、検体の提供者が歯周病に罹患しているか否かの判断、歯周病が治癒しているか否かの判断、歯周病が治癒するか否かの判断、歯周病が進行するか否かの判断などに用いることができる。
（検出工程）
検出工程は、検体に含まれる検出対象を検出可能であればどのような方法で行ってもよい。例えば、メタゲノム解析（メタ１６Ｓ解析等）、イムノクロマト法、遺伝子増幅法（リアルタイムＰＣＲ、ＬＡＭＰ法等）が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。メタゲノム解析は、複数種の菌種の有無及び存在率を一度の工程で検出することができ、１工程あたり１菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
検出される情報として具体的には、細菌の系統樹と枝分かれの長さ（Unifrac distance）；次世代シークエンスで得られるリード数（配列と読み取り量）；細菌間情報伝達（クオラムセンシング、オートインデューサー）の種類と量；細菌間の相互栄養共生関係の種類と量；細菌の発育条件（酸素要求、栄養要求等）；免疫機能に影響する抗原の種類と量；生体構造を破壊するプロテアーゼの種類と量；遺伝子発現或いは遺伝子制御に係るポリヌクレオチドの種類と量；エンドトキシンや細菌の細胞壁外膜を構成するリポ多糖の種類と量；細菌の機能を表す特徴量などが利用できる。これらの情報のそれぞれを所定の重みをつけて組み合わせてもよく、主成分分析をして特徴を抽出した後の特徴量やその組み合わせでもよい。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
検査精度の向上の観点からは、検出対象はGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌であり、少なくとも２種類の菌であることが好ましく、少なくとも３種類の菌であることがより好ましい。
検出対象はLautropiaを少なくとも含むことが好ましく、Lautropiaと、N02、Ottowia及びSneathiaからなる群から選ばれる少なくとも１種類の菌との組み合わせであることがより好ましい。
（評価工程）
本実施形態の歯周病検査方法は、検出工程の後に、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価工程を含んでもよい。評価工程は、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価することができればどのような方法で行ってもよい。例えば、計算機を用いても、呈色反応等を利用してもよい。
評価工程は、検出工程で得られた配列(Read)数の総和と、検出対象の菌の配列数の総和とを計算する解析工程を含み、解析工程で得られる解析結果に基づいて評価を行うものであってもよい。
ある実施態様では、評価工程では、検出工程で得られた配列数の総和に対する検出対象の菌の配列数の総和の割合が所定の値以下である場合は検体の提供者が歯周病に罹患している可能性が高いと評価する。
検査精度の観点からは、評価工程は、検出工程で得られた配列数の総和を１００％としたときの検出対象の菌の配列数の総和が０．０１％以下である場合は検体の提供者が歯周病に罹患している可能性が高いと評価するものであることが好ましい。
本実施形態の歯周病検査方法において「検出対象の菌の配列数の総和」とは、検体に含まれる菌のうち、GN02、Ottowia、Sneathia及びLautropiaからなる群に含まれる菌であって、検出対象として採用した１種類以上の菌の配列数の総和を意味する。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の配列数は「検出対象の菌の配列数の総和」に含まれない。
評価工程では、必要に応じ、検出工程で得られた結果に加えて他の情報を参照して検体の提供者が歯周病に罹患している可能性を評価してもよい。
このような情報としては、例えば、検体の提供者の年齢、性別、喫煙習慣、食習慣、口腔ケアの実施状況、歯の治療歴、持病又は既往症、虫歯の有無、歯並び、唾液の量、口腔内の衛生状態、習癖（歯ぎしり、口呼吸など）、ストレス状態などが挙げられる。
＜歯周病検査システム（２）＞
本実施形態の歯周病検査システムは、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌（検出対象）を検出する検出部を備える。
上記検査システムは、検体の提供者が歯周病に罹患しているか否かの判断、歯周病が治癒しているか否かの判断、歯周病が治癒するか否かの判断、歯周病が進行するか否かの判断などに用いることができる。
（検出部）
検出部は、検体に含まれる検出対象を検出可能であれば特に制限されない。例えば、メタゲノム解析（メタ１６Ｓ解析等）、イムノクロマト法、遺伝子増幅法（リアルタイムＰＣＲ、ＬＡＭＰ法等）などを実施する装置が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。複数種の菌種の有無及び存在率を一度の工程で検出することができ、１工程あたり１菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
検出される情報として具体的には、細菌の系統樹と枝分かれの長さ（Unifrac distance）；次世代シークエンスで得られるリード数（配列と読み取り量）；細菌間情報伝達（クオラムセンシング、オートインデューサー）の種類と量；細菌間の相互栄養共生関係の種類と量；細菌の発育条件（酸素要求、栄養要求等）；免疫機能に影響する抗原の種類と量；生体構造を破壊するプロテアーゼの種類と量；遺伝子発現或いは遺伝子制御に係るポリヌクレオチドの種類と量；エンドトキシンや細菌の細胞壁外膜を構成するリポ多糖の種類と量；細菌の機能を表す特徴量などが利用できる。これらの情報のそれぞれを所定の重みをつけて組み合わせてもよく、主成分分析をして特徴を抽出した後の特徴量やその組み合わせでもよい。
検出部の具体的な構成は特に制限されず、採用する検出方法に応じて選択できる。例えば、検出部はコンピュータ等の計算機を用いて検出を実施するものであっても、試験片のように手技を介して検出を実施するものであってもよい。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
検査精度の向上の観点からは、検出対象はGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌であり、少なくとも２種類の菌であることが好ましく、少なくとも３種類の菌であることがより好ましい。また、検出対象はLautropiaを少なくとも含むことが好ましい。
検出対象はLautropiaを少なくとも含むことが好ましく、Lautropiaと、GN02、Ottowia及びSneathiaからなる群から選ばれる少なくとも１種類の菌との組み合わせであることがより好ましい。
（評価部）
本実施形態の歯周病検査システムは、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価部を備えてもよい。評価部は、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価できるものであれば特に制限されない。例えば、計算機を用いるものであっても、呈色反応等を利用するものであってもよい。
評価部は、検出工程で得られた配列数の総和と、検出対象の菌の配列数の総和とを計算する解析部を備え、解析部で得られる解析結果に基づいて評価を行うものであってもよい。
ある実施態様では、評価部は、検出部で得られた配列数の総和に対する検出対象の菌の配列数の総和の割合が所定の値以下である場合は検体の提供者が歯周病に罹患している可能性が高いと評価する。
検査精度の観点からは、評価部は、検出工程で得られた配列数の総和を１００％としたときの検出対象の菌の配列数の総和が０．０１％以下である場合は検体の提供者が歯周病に罹患している可能性が高いと評価するものであることが好ましい。
本実施形態の歯周病検査システムにおいて「検出対象の菌の配列数の総和」とは、検体に含まれる菌のうち、GN02、Ottowia、Sneathia及びLautropiaからなる群に含まれる菌であって、検出対象として採用した１種類以上の菌の配列数の総和を意味する。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の数は「検出対象の菌の配列数の総和」に含まれない。
本実施形態の歯周病検査システムは、上述した検出部と必要に応じて含まれる評価部及び解析部に加えて他の機能を果たす部位を備えてもよい。また、本実施形態の歯周病検査システムは、上述した各部が一体化した装置の状態であっても、各部をそれぞれ備える装置の組み合わせであってもよい。また、本実施形態の歯周病検査システムには、より簡易な形態（例えば、後述する検査キット）なども含まれる。
＜歯周病検査キット（２）＞
本実施形態の歯周病検査キットは、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌（検出対象）を検出する検出デバイスを備える。
検出デバイスは、検体に含まれる検出対象を検出可能であれば特に制限されない。例えば、上述した歯周病検査システムが備える検出部として記載したものであってもよい。また、必要に応じて評価、解析その他の機能を果たすデバイスを備えてもよい。
歯周病検査キットがこれらのデバイスを備える場合、これらのデバイスは検出デバイスと一体化した状態（検出デバイスがこれらのデバイスの機能を兼ねる場合も含む）であっても、別個のデバイスの組合せであってもよい。
＜歯周病診断方法（２）＞
本実施形態の歯周病診断方法は、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌（検出対象）が検出されるか否かの情報に基づいて、前記検体の提供者が歯周病に罹患しているか否かを診断する工程を含む。
ある実施態様では、検体として唾液を使用するが、これらに制限されるものではない。例えば、歯肉溝滲出液、歯垢、バイオフィルム、舌苔などが挙げられる。特に検体として唾液を使用することで、検体の採取のために歯肉等を傷付けることなく簡便な手法で提供者の口腔内情報を得ることができる。
上記方法において検体の提供者が歯周病に罹患しているか否かを診断する場合には、検体の提供者が確実に歯周病に罹患しているか否かを診断する場合に加え、検体の提供者が歯周病に罹患している場合の歯周病の進行度合いを診断する場合、検体の提供者が歯周病に罹患している（又は将来的に罹患する）可能性を診断する場合なども包含される。さらには歯周病が治癒しているか否か、歯周病が治癒するか否か、歯周病が進行するか否かを診断する場合なども包含される。
上記方法において、検体から検出対象が検出されるか否かの情報を得る方法は特に制限されないが、例えば、上述した歯周病検査方法又は歯周病検査システムに記載した手法により得られる情報であってもよい。上述した各実施態様における詳細は、本方法にも適用することができる。
以下、上記実施形態を実施例により具体的に説明するが、上記実施形態はこれらの実施例に限定されるものではない。
＜実施例１＞
歯周病に罹患している被験者Ａ１〜Ａ１０（歯周ポケットが５ｍｍ以上の部位を有する）と、歯周病に罹患していない被験者Ｂ１〜Ｂ８（全顎的に健全な歯周組織を有し、軽微な歯肉炎の有無は問わない）から採取した唾液を用いて、下記の手順で検出対象の菌を検出した。
（検出方法）
唾液から細菌ゲノムＤＮＡを抽出し、１６ＳｒＤＮＡの領域としてＶ３−Ｖ４領域（Ｆ：５’−ＣＣＴＡＣＧＧＧＮＧＧＣＷＧＣＡＧ−３’、Ｒ：５’−ＧＡＣＴＡＣＨＶＧＧＧＴＡＴＣＴＡＡＴＣＣ−３’）またはＶ４領域（Ｆ：５’−ＧＴＧＣＣＡＧＣＭＧＣＣＧＣＧＧＴＡＡ−３’、Ｒ：５’−ＧＧＡＣＴＡＣＨＶＧＧＧＴＷＴＣＴＡＡＴ−３’）を、領域特異的な配列を含むプライマー（Ｖ３−Ｖ４用またはＶ４用）を用いてＰＣＲ（サーモフィッシャー社、ＳｉｍｐｌｉＡｍｐ）にて増幅する。増幅したＰＣＲ断片にアダプター配列及びインデックス配列を付与し、ライブラリーを構築する。次いで、ライブラリーを次世代シークエンサーＭｉＳｅｑ（イルミナ社）に投入し、塩基配列（Ｒｅａｄ）を取得する。
次いで、取得した配列をコンピュータを用いて細菌ゲノムデータベース（公共データベース １６ＳＭｉｃｒｏｂｉａｌ、ＮＣＢＩなど）とＢＬＡＳＴによる照合を行い、配列（Ｒｅａｄ）数より細菌叢組成を明らかにする（メタ１６Ｓ解析）。次いで、表１に示す１６種の菌の単独又は複数の組み合わせの配列数の、検出の結果得られた配列数の総和に対する割合（％）を算出する。
上記方法のベースとなるプロトコールは、下記ＵＲＬから参照できる。
https://support.illumina.com/content/dam/illumina-support/documents/documentation/chemistry_documentation/16s/16s-metagenomic-library-prep-guide-15044223-b.pdf
上記検出により１６種の菌について得られた配列数の割合（％）を表１に示す。表１において「Ａ＋Ｆ」はAnaeroglobus及びFretibacteriumの配列数の総和を表し、「Ａ＋Ｆ＋Ｍ」はAnaeroglobus、Fretibacterium及びMycoplasmaの配列数の総和を表し、「Ａｌｌ」は表中に記載した１６種の菌の配列数の総和を表す。
（検出結果の検討）
歯周病に罹患している被験者群は、検出対象として２種類の菌（Anaeroglobus及びFretibacterium）を採用した場合の配列数の総和が、検出された配列数の総和の０．０２％を超えていた。一方、歯周病に罹患していない被験者群は、検出対象として２種類の菌（Anaeroglobus及びFretibacterium）を採用した場合の配列数の総和が、検出された配列数の総和の０．０２％を下回っていた。
歯周病に罹患している被験者群は、検出対象として３種類の菌（Anaeroglobus、Fretibacterium及びMycoplasma）を採用した場合の配列数の総和が、検出された配列数の総和の０．０２％を超えていた。一方、歯周病に罹患していない被験者群は、検出対象として３種類の菌（Anaeroglobus、Fretibacterium及びMycoplasma）を採用した場合の配列数の総和が、検出された配列数の総和の０．０２％を下回っていた。
歯周病に罹患している被験者群は、検出対象として１６種類の菌（Anaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasma）を採用した場合の配列数の総和が、検出された配列数の総和の０．０２％を超えていた。一方、歯周病に罹患していない被験者群は、検出対象として１６種類の菌（Anaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasma）を採用した場合の配列数の総和が、検出された配列数の総和の０．０２％を下回っていた。
歯周病に罹患していない被験者群のうち、被験者Ｂ８の唾液からはFretibacteriumが検出され、その割合は歯周病に罹患している被験者Ａ５と同程度であった。この結果は、唾液中のFretibacterium単独の検出結果からは歯周病に罹患しているか否かは必ずしも判断できず、複数種の菌の検出結果を利用する方が検査精度に優れていることを示唆していると考えられる。
以上の結果から、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を検出する工程を含む歯周病検査方法は、検体の提供者が歯周病に罹患している可能性の評価に有用であることがわかった。
＜実施例２＞
歯周病に罹患していない被験者Ｃ１〜Ｃ９（歯肉に炎症がない）と、歯周病に罹患している被験者Ｄ１〜Ｄ８（歯周ポケットが６ｍｍ以上の部位を有する）とから採取した唾液を用いて、実施例１と同様にして検出対象の菌を検出し、表１に示す４種の菌の単独又は複数の組み合わせの配列数の、検出の結果得られた配列数の総和に対する割合（％）を算出した。
上記検出により４種の菌について得られた配列数の割合（％）を表１に示す。表１において「Ｏ＋Ｓ」はOttowia及びSneathiaの配列数の総和を表し、「Ｌ＋Ｓ」はLautropia及びSneathiaの配列数の総和を表し、「Ａｌｌ」は表中に記載した４種の菌の配列数の総和を表す。
（検出結果の検討）
歯周病に罹患していない被験者群は、検出対象としてGN02、Ottowia、Sneathia又はLautropiaを単独で採用した場合、少なくとも１種類の菌の配列数の総和が検出された配列数の総和の０．０１％を超えていた。中でもLautropiaの配列数はすべての被験者において検出された配列数の総和の０．０１％を超えていた。一方、歯周病に罹患している被験者群は、検出対象としてGN02、Ottowia、Sneathia又はLautropiaを単独で採用した場合の配列数がいずれも検出された配列数の総和の０．０１％以下であった。
歯周病に罹患していない被験者群は、検出対象としてOttowiaとSneathiaの２種類、又はLautropiaとSneathiaの２種類を採用した場合の配列数の総和が、いずれも検出された配列数の総和の０．０１％を超えていた。一方、歯周病に罹患している被験者群は、検出対象としてOttowiaとSneathiaの２種類、又はLautropiaとSneathiaの２種類を採用した場合の総和が、いずれも検出された配列の総和の０．０１％以下であった。
歯周病に罹患していない被験者群は、検出対象としてGN02、Ottowia、Sneathia及びLautropiaの４種類を採用した場合の配列数の総和が、検出された配列数の総和の０．０１％を超えていた。一方、歯周病に罹患している被験者群は、検出対象としてGN02、Ottowia、Sneathia及びLautropiaの４種類を採用した場合の配列数の総和が、検出された配列数の総和の０．０１％以下であった。
以上の結果から、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも１種類の菌を検出する工程を含む歯周病検査方法は、検体の提供者が歯周病に罹患している可能性の評価に有用であることがわかった。
日本国特許出願第２０１７−０３８１２２号及び第２０１７−０３８１２３号の開示は、その全体が参照により本明細書に取り込まれる。
本明細書に記載された全ての文献、特許出願、および技術規格は、個々の文献、特許出願、および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に援用されて取り込まれる。

Claims (7)

  1. 検体からAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を検出する検出工程と、前記検出工程の後に、前記検出工程で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価工程とを含む、歯周病検査方法。
  2. 前記評価工程は、前記検体に含まれる菌の配列数の総和と、前記群に含まれる少なくとも２種類の菌の配列数の総和とを計算する解析工程を含み、前記解析工程で得られる解析結果に基づいて評価を行うものである、請求項１に記載の歯周病検査方法。
  3. 前記評価工程は、前記検体に含まれる菌の配列数の総和を１００％としたときの前記群に含まれる少なくとも２種類の菌の配列数の総和が０．０２％以上である場合は前記検体の提供者が歯周病に罹患している可能性が高いと評価するものである、請求項１又は請求項２に記載の歯周病検査方法。
  4. 前記検出がメタゲノム解析により行われる、請求項１〜請求項３のいずれか１項に記載の歯周病検査方法。
  5. 前記検体が唾液である、請求項１〜請求項４のいずれか１項に記載の歯周病検査方法。
  6. 検体からAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を検出する検出部と、前記検出部で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価部とを備える、歯周病検査システム。
  7. 検体からAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも２種類の菌を検出する検出デバイスを備える、請求項６に記載の歯周病検査システムとしての、歯周病検査キット。
JP2019503084A 2017-03-01 2018-02-28 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット Active JP6810789B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2017038122 2017-03-01
JP2017038122 2017-03-01
JP2017038123 2017-03-01
JP2017038123 2017-03-01
PCT/JP2018/007622 WO2018159712A1 (ja) 2017-03-01 2018-02-28 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2020176791A Division JP7147823B2 (ja) 2017-03-01 2020-10-21 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット

Publications (2)

Publication Number Publication Date
JPWO2018159712A1 JPWO2018159712A1 (ja) 2019-12-12
JP6810789B2 true JP6810789B2 (ja) 2021-01-06

Family

ID=63370120

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2019503084A Active JP6810789B2 (ja) 2017-03-01 2018-02-28 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット
JP2020176791A Active JP7147823B2 (ja) 2017-03-01 2020-10-21 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット
JP2021201816A Active JP7263684B2 (ja) 2017-03-01 2021-12-13 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット

Family Applications After (2)

Application Number Title Priority Date Filing Date
JP2020176791A Active JP7147823B2 (ja) 2017-03-01 2020-10-21 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット
JP2021201816A Active JP7263684B2 (ja) 2017-03-01 2021-12-13 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット

Country Status (3)

Country Link
US (1) US12014822B2 (ja)
JP (3) JP6810789B2 (ja)
WO (1) WO2018159712A1 (ja)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08249300A (ja) 1995-03-13 1996-09-27 Minolta Co Ltd ニューラルネットワーク及びその作成方法
US20070269813A1 (en) 2005-11-03 2007-11-22 Dewhirst Floyd E Methods and arrays for identifying human microflora
EP2994753B1 (en) 2013-05-09 2018-03-07 The Procter and Gamble Company Method and system for assessing health condition
CN105209918B (zh) 2013-05-09 2017-09-29 宝洁公司 生物标记鉴定方法和系统
JP6579874B2 (ja) 2015-03-31 2019-09-25 大日本印刷株式会社 歯周病菌検出用オリゴヌクレオチドセット及び歯周病菌の検出方法
US10246753B2 (en) * 2015-04-13 2019-04-02 uBiome, Inc. Method and system for characterizing mouth-associated conditions

Also Published As

Publication number Publication date
US20200234831A1 (en) 2020-07-23
JP2021019620A (ja) 2021-02-18
JP7263684B2 (ja) 2023-04-25
WO2018159712A1 (ja) 2018-09-07
JP2022047540A (ja) 2022-03-24
JPWO2018159712A1 (ja) 2019-12-12
JP7147823B2 (ja) 2022-10-05
US12014822B2 (en) 2024-06-18

Similar Documents

Publication Publication Date Title
Velsko et al. Microbial differences between dental plaque and historic dental calculus are related to oral biofilm maturation stage
Schwarzberg et al. The personal human oral microbiome obscures the effects of treatment on periodontal disease
Chen et al. Composition analysis and feature selection of the oral microbiota associated with periodontal disease
Keijser et al. Pyrosequencing analysis of the oral microflora of healthy adults
CN105209918B (zh) 生物标记鉴定方法和系统
Yang et al. Saliva microbiomes distinguish caries-active from healthy human populations
Bik et al. Bacterial diversity in the oral cavity of 10 healthy individuals
WO2006084196A3 (en) Method for defining virtual patient populations
Wirth et al. Toward personalized oral diagnosis: Distinct microbiome clusters in periodontitis biofilms
Valverde et al. Analysis of metagenomic data containing high biodiversity levels
Shiba et al. Comparison of periodontal bacteria of edo and modern periods using novel diagnostic approach for periodontitis with micro-CT
Wirth et al. Microbiomes in supragingival biofilms and saliva of adolescents with gingivitis and gingival health
Belda-Ferre et al. Mining virulence genes using metagenomics
Butcher et al. Meta‐analysis of caries microbiome studies can improve upon disease prediction outcomes
Varoni et al. World Workshop on Oral Medicine VII: Targeting the microbiome for oral medicine specialists—Part 1. A methodological guide
US20210142906A1 (en) Methods and systems for oral microbiome analysis
JP6810789B2 (ja) 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット
JP6709031B2 (ja) 歯周病進行度の数値化装置、及び、数値化プログラム
JP2017085944A (ja) イヌの歯周病の評価方法
JP2021129531A (ja) 歯周病検査方法、歯周病検査システム、歯周病検査キット、機械学習装置、及びデータ構造
Kesim et al. Amplicon-based next-generation sequencing for comparative analysis of root canal microbiome of teeth with primary and persistent/secondary endodontic infections
KR20230033922A (ko) 마이크로바이옴을 이용한 피부 나이 예측 방법
US20220122695A1 (en) Methods and systems for providing sample information
Tomás et al. In situ substrate-formed biofilms using IDODS mimic supragingival tooth-formed biofilms
EP3764877A1 (en) Assessing transplant rejection status by analysis of t-cell receptor subunit repertoire diversity

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190823

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190823

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200901

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201021

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: 20201201

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201211

R150 Certificate of patent or registration of utility model

Ref document number: 6810789

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250