JP6946133B2 - がんリスク評価方法及びがんリスク評価システム - Google Patents
がんリスク評価方法及びがんリスク評価システム Download PDFInfo
- Publication number
- JP6946133B2 JP6946133B2 JP2017186273A JP2017186273A JP6946133B2 JP 6946133 B2 JP6946133 B2 JP 6946133B2 JP 2017186273 A JP2017186273 A JP 2017186273A JP 2017186273 A JP2017186273 A JP 2017186273A JP 6946133 B2 JP6946133 B2 JP 6946133B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- cancer
- discrimination
- correlation
- data
- 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
- 206010028980 Neoplasm Diseases 0.000 title claims description 286
- 201000011510 cancer Diseases 0.000 title claims description 281
- 238000012502 risk assessment Methods 0.000 title claims description 74
- 238000000034 method Methods 0.000 title claims description 71
- 238000011156 evaluation Methods 0.000 claims description 224
- 210000002966 serum Anatomy 0.000 claims description 87
- 229910052717 sulfur Inorganic materials 0.000 claims description 66
- 229910052698 phosphorus Inorganic materials 0.000 claims description 58
- 229910052742 iron Inorganic materials 0.000 claims description 56
- 238000004364 calculation method Methods 0.000 claims description 55
- 229910052725 zinc Inorganic materials 0.000 claims description 52
- 229910052791 calcium Inorganic materials 0.000 claims description 51
- 229910052708 sodium Inorganic materials 0.000 claims description 51
- 229910052802 copper Inorganic materials 0.000 claims description 46
- 229910052700 potassium Inorganic materials 0.000 claims description 45
- 206010009944 Colon cancer Diseases 0.000 claims description 42
- 229910052749 magnesium Inorganic materials 0.000 claims description 40
- 229910052785 arsenic Inorganic materials 0.000 claims description 38
- 238000013215 result calculation Methods 0.000 claims description 34
- 229910052709 silver Inorganic materials 0.000 claims description 32
- 229910052712 strontium Inorganic materials 0.000 claims description 32
- 238000013500 data storage Methods 0.000 claims description 28
- 206010061902 Pancreatic neoplasm Diseases 0.000 claims description 24
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 claims description 24
- 201000002528 pancreatic cancer Diseases 0.000 claims description 24
- 208000008443 pancreatic carcinoma Diseases 0.000 claims description 24
- 206010060862 Prostate cancer Diseases 0.000 claims description 22
- 208000000236 Prostatic Neoplasms Diseases 0.000 claims description 22
- 229910052701 rubidium Inorganic materials 0.000 claims description 18
- 229910052792 caesium Inorganic materials 0.000 claims description 13
- 229910052750 molybdenum Inorganic materials 0.000 claims description 13
- 208000029742 colonic neoplasm Diseases 0.000 claims description 12
- 208000002495 Uterine Neoplasms Diseases 0.000 claims 2
- 239000008267 milk Substances 0.000 claims 2
- 210000004080 milk Anatomy 0.000 claims 2
- 235000013336 milk Nutrition 0.000 claims 2
- 206010046766 uterine cancer Diseases 0.000 claims 2
- 238000004458 analytical method Methods 0.000 description 38
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 35
- 239000011701 zinc Substances 0.000 description 34
- 239000010949 copper Substances 0.000 description 31
- 208000001333 Colorectal Neoplasms Diseases 0.000 description 30
- 210000004369 blood Anatomy 0.000 description 23
- 239000008280 blood Substances 0.000 description 23
- 239000011575 calcium Substances 0.000 description 22
- 206010006187 Breast cancer Diseases 0.000 description 19
- 208000026310 Breast neoplasm Diseases 0.000 description 19
- 150000001413 amino acids Chemical class 0.000 description 17
- 238000012360 testing method Methods 0.000 description 13
- 206010014733 Endometrial cancer Diseases 0.000 description 12
- 206010014759 Endometrial neoplasm Diseases 0.000 description 12
- 230000005484 gravity Effects 0.000 description 12
- 239000011573 trace mineral Substances 0.000 description 11
- 235000013619 trace mineral Nutrition 0.000 description 11
- 241000282414 Homo sapiens Species 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 8
- 238000009616 inductively coupled plasma Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 7
- 201000005202 lung cancer Diseases 0.000 description 7
- 208000020816 lung neoplasm Diseases 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 7
- 230000007850 degeneration Effects 0.000 description 6
- 238000004949 mass spectrometry Methods 0.000 description 6
- 238000002405 diagnostic procedure Methods 0.000 description 5
- 201000007741 female breast cancer Diseases 0.000 description 5
- 201000002276 female breast carcinoma Diseases 0.000 description 5
- 238000007477 logistic regression Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 229910052711 selenium Inorganic materials 0.000 description 4
- 239000011669 selenium Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011572 manganese Substances 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 description 2
- 238000002354 inductively-coupled plasma atomic emission spectroscopy Methods 0.000 description 2
- 229910052748 manganese Inorganic materials 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 238000012353 t test Methods 0.000 description 2
- JBQYATWDVHIOAR-UHFFFAOYSA-N tellanylidenegermanium Chemical compound [Te]=[Ge] JBQYATWDVHIOAR-UHFFFAOYSA-N 0.000 description 2
- 229910052719 titanium Inorganic materials 0.000 description 2
- 239000010936 titanium Substances 0.000 description 2
- 208000005623 Carcinogenesis Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- 206010070308 Refractory cancer Diseases 0.000 description 1
- 208000006265 Renal cell carcinoma Diseases 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000001479 atomic absorption spectroscopy Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 230000036952 cancer formation Effects 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 229910017604 nitric acid Inorganic materials 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 210000000664 rectum Anatomy 0.000 description 1
- 208000016691 refractory malignant neoplasm Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052718 tin Inorganic materials 0.000 description 1
- 229910021642 ultra pure water Inorganic materials 0.000 description 1
- 239000012498 ultrapure water Substances 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 238000004876 x-ray fluorescence Methods 0.000 description 1
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
- G01N33/84—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving inorganic compounds or pH
-
- 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
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
-
- 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
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
- G01N33/57488—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites involving compounds identifable in body fluids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2560/00—Chemical aspects of mass spectrometric analysis of biological material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/50—Determining the risk of developing a disease
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/70—Mechanisms involved in disease identification
- G01N2800/7023—(Hyper)proliferation
- G01N2800/7028—Cancer
-
- 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
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/49—Blood
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Hematology (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Cell Biology (AREA)
- Microbiology (AREA)
- Biotechnology (AREA)
- Ecology (AREA)
- Biophysics (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Inorganic Chemistry (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Description
本発明は、がんリスク評価方法及びがんリスク評価システムに関し、さらに言えば、人の血清中に含まれる元素群の濃度バランス（評価用元素群の濃度間の相関関係）を利用して得た指標を用いてがん罹患リスクを評価する、がんリスク評価方法及びがんリスク評価システムに関する。
癌の診断法としては、直接視たり触ったりする方法（触診、内視鏡検査等）や、体内を映し出した画像で判断する方法（Ｘ線撮影、ＣＴ検査、ＭＲＩ検査、ＰＥＴ検査等）、血液や細胞を調べる方法（血液検査、細胞診、生検等）が知られている。
しかし、直接視たり触ったりする方法は、乳房や直腸、胃、大腸等に対象（患部）が限定されてしまうという難点があり、また、画像で診断する方法は、簡易ではあるが、検出感度が低いだけでなく、被験者の放射線被曝という難点がある。その点、血液や細胞を調べる方法は、患者の負担が少ない上に検出感度が高いため、好ましい。特に、患者から採取した血液を分析することによって診断できれば、患者の負担が小さくてすむし、集団検診で実施することも可能であるから、より好ましい。
従来、患者から採取した血液中に含まれるアミノ酸の濃度が、癌発症によって変化することが知られている。特許文献１には、この関係を利用して、患者の血中アミノ酸濃度を測定することによって肺癌を診断する方法が開示されている。この診断法は、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取得するステップと、前記評価ステップで取得した前記評価対象の前記アミノ酸データに含まれるＬｙｓとＨｉｓの前記濃度値に基づいて、前記評価対象につき、肺癌の状態を評価する濃度値基準評価ステップとを実行することを特徴とする肺癌の評価方法である。そして、前記濃度値基準評価ステップでは、前記取得ステップで取得した前記評価対象の前記アミノ酸データに含まれるＬｙｓとＨｉｓの前記濃度値に基づいて、前記評価対象につき、前記肺癌または非肺癌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がある。この診断法によれば、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸濃度を利用して、肺癌の状態を精度よく評価することができる、とされている（請求項１及び２、段落０１０６、図１〜図３を参照）。
他方、血液中に含まれている微量元素の濃度が、癌の発症に関係があることが知られている。例えば、非特許文献１には、乳癌患者の血清中の銅（Ｃｕ）と亜鉛（Ｚｎ）の濃度と、両者の濃度比Ｃｕ／Ｚｎが、患者の病状の進行度合いと相関関係があることが報告されている。また、非特許文献２には、癌患者の血清中のカドミウム（Ｃｄ）と鉛（Ｐｂ）の濃度レベルが健常者のそれより高く、癌患者の亜鉛（Ｚｎ）と鉄（Ｆｅ）とマンガン（Ｍｎ）の濃度レベルが健常者のそれより低いことが報告されている。
しかし、上述した特許文献１の診断法では、血液中のアミノ酸が早期に変成してしまうので、血液の採取後にアミノ酸濃度の測定を迅速に行う必要があるという難点がある。また、診断にコストがかかるため、診断サービスが高価になるという難点もある。他方、上述した非特許文献１及び２のような、血清中の微量元素濃度を利用して癌の診断を行う方法では、特許文献１の診断法のような難点はないので、好ましい。
この点を考慮し、出願人は、癌の発症と人の血清中の元素濃度の相関関係を利用した新規な癌評価方法及び癌評価システムを開発して特許出願し、既に特許を受けている（特許文献２参照）。
特許文献２には、癌の発症と人の血清中の元素濃度の相関関係を利用した癌評価方法が開示されている。この方法は、本出願の出願人のうちの一者が開発したものであり、対象者から採取した血清中の評価用元素群の濃度データを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかの癌を発症しているか否かの指標を得る指標取得ステップとを備えている。そして、前記評価用元素群として、Ｓ，Ｐ，Ｍｇ，Ｚｎ，Ｃｕ，Ｔｉ，Ｒｂの７種の元素の組み合わせ、または、Ｎａ，Ｍｇ，Ａｌ，Ｐ，Ｋ，Ｃａ，Ｔｉ，Ｍｎ，Ｆｅ，Ｚｎ，Ｃｕ，Ｓｅ，Ｒｂ，Ａｇ，Ｓｎ，Ｓの１６種の元素の組み合わせが選択される。この方法によれば、高い精度で対象者の癌罹患リスクを推定することができると共に、血液中のアミノ酸濃度を利用する場合のような早期変性や高コストという難点がなく、しかも、集団検診にも容易に適用可能であるという効果が得られる（請求項１及び２、段落００３６、段落００５７〜００６１、段落００７０〜００７４、図１及び図１４を参照）。
Gupta SK et al., Serum trace elements and Cu/Zn ratio in breast cancer patients, Journal of Surgical Oncology, Mar. 46(3), 178-81, 1991
Necip Pirincci et al., Levels of Serum Trace Elements in Renal Cell Carcinoma Cases, Asian Pacific Journal of Cancer Prevention, Vol. 14(1), 499-502, 2013
ところで、膵がんや子宮体がんについては、従来、スクリーニング用の適切な物質や指標がなかったことから、これらのがんは早期発見・早期治療の対象となる疾患とは考えられていない。これらのがんの発見時には、既に進行がんになっている場合が多く、その予後が悪いことから、これらは難治がんと呼ばれており、適切なスクリーニング法の開発が強く求められている。
また、膵がんや子宮体がんの他に、男では前立腺がんや大腸がん、女では乳がんや大腸がんについても、患者数が増加している。このため、これらのがんについても、適切なスクリーニング法が必要である。
そこで、本発明者らは、特許文献２に記載したような、血清中の微量元素濃度のバランスを利用してがん患者群（症例群）とコントロール群（対照群）を判別する方法を用いて、難治がんと呼ばれる膵がん、子宮体がんに、男では前立腺がん、大腸がんを、女では乳がん、大腸がんを加えてなる一群のがんについて、新たなスクリーニング法の開発の可能性を見出し、本発明をするに至ったものである。
本発明の目的は、高い精度で対象者のがん罹患リスクを推定することができると共に、血液中のアミノ酸濃度を利用する場合のような早期変性や高コストという難点がなく、しかも、どの部位のがんであるかも推定することが可能な、がんリスク評価方法及びがんリスク評価システムを提供することにある。
本発明の他の目的は、集団検診にも容易に適用可能である、がんリスク評価方法及びがんリスク評価システムを提供することにある。
ここに明記しない本発明の他の目的は、以下の説明及び添付図面から明らかになる。
（１）本発明の第１の観点によれば、がんリスク評価方法が提供される。このがんリスク評価方法は、
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成されることを特徴とするものである。
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成されることを特徴とするものである。
本発明の第１の観点によるがんリスク評価方法では、相関関係演算ステップにおいて、対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記濃度データと前記年齢データを前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する。前記評価用元素群としては、上述した１７種の元素の組み合わせが使用される。
そして、前記指標取得ステップでは、前記相関関係演算ステップで得られた前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標が得られるが、その指標は、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データを適用して得た判別得点に基づいて生成される。
したがって、高い精度で前記対象者のがん罹患リスクを推定することができ、しかも、血液中のアミノ酸濃度を利用する場合のような早期変性や高コストという難点がない。
また、前記相関関係演算ステップにおいて、前記評価用元素群として使用した１７種の前記元素の中のいずれの前記濃度データが判別に有意であるかが判明し、しかも、がんの種類に応じて判別に有意な前記元素が変動するため、どの部位のがんであるかを推定することも可能である。
さらに、前記対象者から採取した血清中の前記評価用元素群の濃度データと前記年齢データを用いて、コンピュータで自動演算することにより、前記対象者が対照群と症例群のいずれに属しているかを判別できるから、前記対象者が多数であっても容易且つ迅速に判別することが可能である。よって、集団検診にも容易に適用可能である。
（２） 本発明の第１の観点によるがんリスク評価方法の好ましい例では、前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂの９元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が男である場合には、前記対象者に係るがんの種類が膵がんであるとの推測が前記指標に含められる。この例では、前記指標にがんの種類を「膵がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（３） 本発明の第１の観点によるがんリスク評価方法の他の好ましい例では、前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ａｓ，Ｓｒ，Ｒｂ，Ｍｏの１０元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が男である場合には、前記対象者に係るがんの種類が前立腺がんであるとの推測が前記指標に含められる。この例では、前記指標にがんの種類を「前立腺がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（４） 本発明の第１の観点によるがんリスク評価方法のさらに他の好ましい例では、前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃｕ，Ｚｎ，Ｒｂ，Ｓｅ，Ｍｏ，Ｃｏの１０元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が男である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記指標に含められる。この例では、前記指標にがんの種類を「大腸がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（５） 本発明の第１の観点によるがんリスク評価方法のさらに他の好ましい例では、前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｍｏの６元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が女である場合には、前記対象者に係るがんの種類が子宮体がんであるとの推測が前記指標に含められる。この例では、前記指標にがんの種類を「子宮体がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（６） 本発明の第１の観点によるがんリスク評価方法のさらに他の好ましい例では、前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｐ，Ｓ，Ｆｅ，Ｚｎ，Ｃｓの６元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が女である場合には、前記対象者に係るがんの種類が乳がんであるとの推測が前記指標に含められる。この例では、前記指標にがんの種類を「乳がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（７） 本発明の第１の観点によるがんリスク評価方法のさらに他の好ましい例では、前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ａｓ，Ｃｓ，Ａｇの１０元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が女である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記指標に含められる。この例では、前記指標にがんの種類を「大腸がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（８） 本発明の第２の観点によれば、がんリスク評価システムが提供される。このがんリスク評価システムは、
対象者から採取した血液中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと前記年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記濃度データと前記年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成されることを特徴とする。
対象者から採取した血液中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと前記年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記濃度データと前記年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成されることを特徴とする。
本発明の第２の観点によるがんリスク評価システムでは、対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを前記データ記憶部に記憶させると、前記評価結果演算部が、前記データ記憶部に記憶されている前記濃度データと前記対象者の年齢データとを、前記判別関数生成部で生成された前記判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する。前記評価用元素群としては、上述した１７種の元素の組み合わせが使用される。
そして、演算によって得られた前記相関関係に基づいて、前記評価結果演算部が、前記対象者が何らかのがんに罹患しているか否かの評価結果を出力するが、その評価結果は、前記判別関数生成部で生成された前記判別関数に前記濃度データと前記年齢データを適用して得た判別得点に基づいて生成される。
したがって、高い精度で前記対象者のがん罹患リスクを推定することができ、しかも、血液中のアミノ酸濃度を利用する場合のような早期変性や高コストという難点がない。
また、前記評価結果演算部において、前記評価用元素群として使用した１７種の前記元素の中のいずれの前記濃度データが判別に有意であるかが判明し、しかも、がんの種類に応じて判別に有意な前記元素が変動するため、どの部位のがんであるかを推定することも可能である。
さらに、前記対象者から採取した血清中の評価用元素群の濃度データと前記年齢データを用いて、コンピュータで自動演算することにより、前記対象者が対照群と症例群のいずれに属しているかを判別できるから、前記対象者が多数であっても容易且つ迅速に判別することが可能である。よって、集団検診にも容易に適用可能である。
（９） 本発明の第２の観点によるがんリスク癌評価システムの好ましい例では、前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂの９元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が男である場合には、前記対象者に係るがんの種類が膵がんであるとの推測が前記評価結果に含められる。この例では、前記指標にがんの種類を「膵がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（１０） 本発明の第２の観点によるがんリスク癌評価システムの他の好ましい例では、前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ａｓ，Ｓｒ，Ｒｂ，Ｍｏの１０元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が男である場合には、前記対象者に係るがんの種類が前立腺がんであるとの推測が前記評価結果に含められる。この例では、前記指標にがんの種類を「前立腺がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（１１） 本発明の第２の観点によるがんリスク癌評価システムのさらに他の好ましい例では、前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃｕ，Ｚｎ，Ｒｂ，Ｓｅ，Ｍｏ，Ｃｏの１０元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が男である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記評価結果に含められる。この例では、前記指標にがんの種類を「大腸がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（１２） 本発明の第２の観点によるがんリスク癌評価システムのさらに他の好ましい例では、前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｍｏの６元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が女である場合には、前記対象者に係るがんの種類が子宮体がんであるとの推測が前記評価結果に含められる。この例では、前記指標にがんの種類を「子宮体がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（１３） 本発明の第２の観点によるがんリスク癌評価システムのさらに他の好ましい例では、前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｐ，Ｓ，Ｆｅ，Ｚｎ，Ｃｓの６元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が女である場合には、前記対象者に係るがんの種類が乳がんであるとの推測が前記評価結果に含められる。この例では、前記指標にがんの種類を「乳がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
（１４） 本発明の第２の観点によるがんリスク癌評価システムのさらに他の好ましい例では、前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ａｓ，Ｃｓ，Ａｇの１０元素の前記濃度データとが判別に有意と判断され、しかも、前記対象者が女である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記評価結果に含められる。この例では、前記指標にがんの種類を「大腸がん」と特定して前記対象者にがん罹患リスクを通知することができる、という利点がある。
本発明の第１の観点によるがんリスク評価方法及び第２の観点によるがんリスク評価システムによれば、（ａ）高い精度で対象者のがん罹患リスクを推定することができると共に、血液中のアミノ酸濃度を利用する場合のような早期変性や高コストという難点がなく、しかも、どの部位のがんであるかも推定することが可能である、（ｂ）集団検診にも容易に適用可能である、という効果が得られる。
以下、本発明の好適な実施の形態について、添付図面を参照して詳細に説明する。
（本発明のがんリスク評価方法の基本原理）
本発明者らは、対象者の血清中に含まれる元素群の濃度（含有量）を用いた、新たな癌スクリーニング法として、上述した特許文献２に記載しているような、癌の発症と人の血清中の元素濃度の相関関係を利用した癌評価方法を開発した。本発明者らは、上記の癌評価方法の開発過程で得たさらなる知見に基づき、さらに鋭意研究を重ねた結果、本発明をなすに至ったものである。
本発明者らは、対象者の血清中に含まれる元素群の濃度（含有量）を用いた、新たな癌スクリーニング法として、上述した特許文献２に記載しているような、癌の発症と人の血清中の元素濃度の相関関係を利用した癌評価方法を開発した。本発明者らは、上記の癌評価方法の開発過程で得たさらなる知見に基づき、さらに鋭意研究を重ねた結果、本発明をなすに至ったものである。
本発明では、まず、がん患者群（症例群）に属する血清群とコントロール群（対照群）に属する血清群とを、性別、年齢階級別、部位別に無作為に２つの組に分け、一方の組を「テスト用血清群」とし、他方の組を「評価用血清群」とする。次に、テスト用血清群を用いて血清中の元素濃度を測定すると共に、測定された元素濃度について統計的解析を行って判別式を得る。その後、得られた判別式に評価用血清群の年齢データと元素濃度データを適用し、対象者が何らかのがんに罹患しているか否かの指標を得る。その指標には、必要に応じて、罹患しているのがどの部位のがんかを示す推測を含める。
以下、本発明のがんリスク評価方法を詳細に説明する。
まず、次のようにして予備処理を行い、血清中に含まれる元素群の濃度測定に最適な測定条件を見出した。
テスト用血清群（症例群に属する血清群と対照群に属する血清群の双方を含む）に硝酸を混ぜ、金属汚染の少ない密閉圧力容器内で１８０℃から２００℃に加熱してタンパク質やアミノ酸を分解し、元素群の濃度測定に支障のないように前処理を行った後、金属汚染の無い超純水を使用して所定の濃度に希釈した。こうして得た処理液に含まれている７５種の元素群の濃度をＩＣＰ質量分析法を利用して測定した。得られた結果を用いて、テスト用血清群に含まれる元素群の濃度測定に最適な測定条件を見出した。
多種の元素の濃度測定を行うには、ＩＣＰ質量分析法以外に、ＩＣＰ発光分光分析法（Inductively-Coupled Plasma Optical Emission Spectroscopy, ICP-OES）や、ＩＣＰ質量分析法（Inductively-Coupled Plasma Mass Spectroscopy, ICP-MS）、原子吸光分析法（Atomic Absorption Spectrometry, AAS）、蛍光Ｘ線分析法（X-Ray Fluorescence analysis，XRF）等が使用可能であるが、ＩＣＰ質量分析法を選択したのは、この分析法が、最も簡便で測定結果の定量性が厳密な手法と認識されているからである。したがって、この条件が変われば、また、より好適な他の分析法が開発されれば、ＩＣＰ質量分析法以外の分析法を使用しても良いことは言うまでもない。
見出された最適な測定条件で、同じテスト用血清群（症例群に属する血清群と対照群に属する血清群の双方を含む）を用いて、ＩＣＰ質量分析法を利用してそれら血清群に含まれている７５種の元素群の含有量を測定した。そして、測定した元素群の濃度データについて、症例群と対象群の間の元素濃度の差異を統計学的に解析した。この解析では、症例群と対照群の差異に関与する元素を明らかにし且つがん罹患リスク（確率）を求めるために、判別分析と二項ロジスティック回帰分析を用いた。この時、元素同士の組み合わせを考慮し、双方の元素間に最も差が出る組み合わせ、すなわち、症例群と対照群を最も良好に判別できる元素の組み合わせを、コンピュータによって何度も何度も組み合わせを変えて探索した。その結果、「評価用元素群」として、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせを用いた場合の判別能が最も高いことが判明した。そこで、本発明では、これら１７種の元素の組み合わせを「評価用元素群」として使用することを決定した。
以上のようにして「評価用元素群」が決まると、同じテスト用血清群を用いて血清中の元素濃度を測定する。そして、測定された元素濃度について判別分析を行うと、判別式が得られる。こうして判別式が得られれば、その判別式に評価用血清群の年齢データと元素濃度データを適用して判別値を算出することで、対象者が何らかのがんに罹患しているか否かの指標が得られる。さらに、算出された判別値を用いて二項ロジスティック回帰分析を行うことで、対象者のがん罹患リスク（確率）が判明する。しかも、評価用元素群として使用した１７種の元素の中のいずれの濃度データが判別に有意であるかを調べることにより、対象者が罹患しているのがどの部位のがんも推測できるようになる。
以下、その判別分析と二項ロジスティック回帰分析の詳細について説明する。
まず、「評価用元素群」として測定対象とした１７種の元素群（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）について、対照群と症例群という２つの群について判別分析を実施した。具体的には、対照群と症例群という２群の母平均値の差の検定（ｔ検定）を実施した。これは、１７種の元素群がこれら２つの群識別にどの程度の影響を与えるかを調べるためである。この検定結果では、それぞれの元素単独では両群に差が見られるが、この解析では元素間の関連性が無視されており、症例のリスク評価に用いるには多くの問題を含んでいる。この問題を解決するためには、元素間の関連性を考慮できる多変量解析、すなわち判別分析を用いて解析をする必要がある。
そこで、次に、以下のようにして、判別関数を求めた。これは、元素間の濃度バランス（相関関係）を解析するためである。個々の元素の濃度は個人差があって指標とするのが難しいので、元素間の濃度の相関関係を知るためである。
判別関数は、次の数式（１）のように表せる。
判別値（Ｄ）＝関数（Ｆ）（説明変数１〜ｎ、判別係数） （１）
（ただし、ｎは２以上の整数）
数式（１）は、各説明変数１〜ｎの重み（判別に及ぼす影響度）を考慮すると、次の数式（２）のように書くことができる。
判別値（Ｄ）＝（判別係数１）×（説明変数１）＋（判別係数２）×（説明変数２）＋
・・・（判別係数ｎ）×（説明変数ｎ）＋定数 （２）
そこで、２群の母平均値の差の検定（ｔ検定）の結果から選択された１７種の元素群（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の濃度と、対象者の年齢とを説明変数とし、それらの重みとして判別係数を用いると、判別関数が得られる。所望の判別関数は、これら１７種の元素群の濃度値（濃度データ）と対象者の年齢（年齢データ）とを公知の判別分析法プログラムに読み込ませることで、容易に得ることができる。
判別値（Ｄ）＝関数（Ｆ）（説明変数１〜ｎ、判別係数） （１）
（ただし、ｎは２以上の整数）
数式（１）は、各説明変数１〜ｎの重み（判別に及ぼす影響度）を考慮すると、次の数式（２）のように書くことができる。
判別値（Ｄ）＝（判別係数１）×（説明変数１）＋（判別係数２）×（説明変数２）＋
・・・（判別係数ｎ）×（説明変数ｎ）＋定数 （２）
そこで、２群の母平均値の差の検定（ｔ検定）の結果から選択された１７種の元素群（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の濃度と、対象者の年齢とを説明変数とし、それらの重みとして判別係数を用いると、判別関数が得られる。所望の判別関数は、これら１７種の元素群の濃度値（濃度データ）と対象者の年齢（年齢データ）とを公知の判別分析法プログラムに読み込ませることで、容易に得ることができる。
こうして算出された判別値（判別得点）（Ｄ）が０以下であれば、対象者は症例群に入ると判断され、その判別値（Ｄ）が０以上であれば、対照群に入ると判断される。
次に、対象者が症例群または対照群に入る確率を求めるため、二項ロジスティック回帰分析を実行して、発生率を求める。発生率は、上記の判別分析で求めた判別値（Ｄ）を用いて、次の数式（３）で与えられる。
発生率＝１／［１＋ｅｘｐ（−判別値）］ （３）
数式（３）により発生率が得られるので、対象者が症例群に入る確率まで求めることができる。つまり、対象者は、自分の現在のがん罹患リスクを確率で知ることができるのである。
発生率＝１／［１＋ｅｘｐ（−判別値）］ （３）
数式（３）により発生率が得られるので、対象者が症例群に入る確率まで求めることができる。つまり、対象者は、自分の現在のがん罹患リスクを確率で知ることができるのである。
判別分析の結果、上述した１７元素（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）を用いた場合の判別能が最も高いことが分かった。
本発明のがんリスク評価方法は、上述したような予備処理を経て特定された１７元素（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）を評価用元素群として設定し、これら元素群の対象者の血清中の濃度を測定することで、対象者が何らかのがんに罹患しているか否かの指標を得るものである。
本発明の癌評価方法は、図１に示すように、まず、対象者から採取した血清サンプル２を試験管１に入れ、これを分析装置に収容して分析することで、血清中の所定の元素群（評価用元素群）の濃度を測定する（ステップＳ１）。ここで濃度測定する元素群は、上述した１７元素（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）である。
次に、ステップＳ１で得られた血清中の評価用元素群の濃度データを、所定の判別関数（上記のように判別分析によって得たもの）に適用して演算する（ステップＳ２）。
最後に、ステップＳ２で得られた演算結果に基づいて、血清サンプル２を採取した対象者が何らかのがんに罹患しているか否かの指標を生成する。その結果、がん罹患の有無に関する所望の評価結果が得られる（ステップＳ３）。
このように、本発明の癌評価方法では、相関関係を演算するステップＳ２において、対象者から採取した血清中の評価用元素群（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の濃度データと、同対象者の年齢データとを、濃度データと年齢データを対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、血清における評価用元素群の濃度間の相関関係を演算する。
そして、指標を取得するステップＳ３では、ステップＳ２で得られた相関関係に基づいて、対象者が何らかのがんに罹患しているか否かの指標を得るが、その指標は、ステップＳ２で使用された判別関数に濃度データと年齢データを適用して得た判別得点に基づいて生成される。
したがって、高い精度で前記対象者のがん罹患リスクを推定することができ、しかも、血液中のアミノ酸濃度を利用する場合のような早期変性や高コストという難点がない。
また、相関関係を演算するステップＳ２において、評価用元素群として使用した１７種の元素（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の中のいずれの濃度データが判別に有意であるかが判明し、しかも、がんの種類に応じて判別に有意な前記元素が変動するため、どの部位のがんであるかを推定することも可能である。
さらに、対象者から採取した血清中の評価用元素群の濃度データと年齢データを用いて、コンピュータで自動演算することにより、対象者が対照群と症例群のいずれに属しているかを判別できるから、対象者が多数であっても容易且つ迅速に判別することが可能である。よって、集団検診にも容易に適用可能である。
（本発明のがんリスク評価システムの基本構成）
次に、本発明のがんリスク評価システムについて説明する。
次に、本発明のがんリスク評価システムについて説明する。
本発明のがんリスク評価システム１０の基本構成を図２に示す。本発明のがんリスク評価システム１０は、上述した本発明のがんリスク評価方法を実施するためのものであり、図２より明らかなように、データ記憶部１１と、判別関数生成部１２と、評価結果演算部１３とを備えている。
がんリスク評価システム１０の外部には、血清中元素群濃度測定部５が設けられており、対象者から採取した血清サンプル２を試験管１に入れたものを用いて、血清中の評価用元素群（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の濃度を測定する。こうして血清中元素群濃度測定部５で得られた血清中の評価用元素群の濃度データが、データ記憶部１１に供給される。対象者のデータ記憶部１１には、年齢データも記憶される。血清中元素群濃度測定部５としては、例えば、公知のＩＣＰ質量分析機装置が使用される。
データ記憶部１１は、血清中元素群濃度測定部５で得られた前記評価用元素群の濃度データと、前記年齢データとを記憶する部位であり、公知の記憶装置から構成されるのが通常である。
判別関数生成部１２は、評価結果演算部１３における演算で使用する判別関数を生成する部位であり、公知のプログラムを含めて構成されるのが通常である。
評価結果演算部１３は、所定の方法で演算を行う。評価結果演算部１３が出力する演算結果に基づいて、所望の評価結果、つまり、対象者のがん罹患リスクを評価する。
上述した本発明のがんリスク評価方法をがんリスク評価システム１０で実施する際には、例えば、血清中の評価用元素群の濃度のパターン分析で発癌のリスクを計算し、そのリスクに基づいてがんの可能性を確率的に表現した結果を提出する。具体的に言うと、医療機関あるいは検診機関で健康診断時に採血した血清（例えば０．５ｃｃ）を収集し、検査機関にて特定の評価用元素群（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の濃度測定を実施する。そして、検査機関で測定された評価用元素群の濃度データと、対象者の年齢データとに基づいて、例えばリスク評価センター（仮称）のような機関にてがん罹患リスクの計算を実施する。そのがん罹患リスクの計算結果を採血実施機関に送付し、その採血実施機関から受診者に渡す。がんが疑われる場合には、当該採血実施機関より「現行のがん検診」の受診を勧奨する。個人情報に関しては、採血実施機関において暗号化するか、連番を付し、検査機関やリスク評価センターには個人情報は届かないシステムとする。
以下に述べる実施例１〜６の結果より、血清中の１７元素の濃度データと年齢データとを用いて、男では膵がん、前立腺がん、大腸がん、女では子宮体がん、乳がん、大腸がんの罹患リスクを計算することができることが示された。一度の採血により計測された判別値によって異なるがん部位の罹患リスクを算定することが可能となるのは、図５に示したように、性別、がん部位別に判別に有意な関連性を有する元素が異なっているからである。これらのがんに共通な項目は年齢とイオウ（Ｓ）であり、加齢とともにいずれのがん罹患リスクも高くなること、血中イオウ濃度が少ないとがん罹患リスクが高くなることが示されている。しかし、他の血清中の１６元素については、がん部位によってその影響が大きく異なっていることが明らかである。この相違が複数のがん部位の罹患リスク推定を可能にしていると推測される。
以下、実施例に基づき、本発明をより詳細に説明する。以下の各実施例においてがん罹患リスクを推測する対象者の数は、図４に示すように、男の症例群（男のがん患者）は、膵がん１４４人、前立腺がん９４人、大腸がん１７４人であり、合計７１２人であった。また、男の対照群（コントロール）は３６４人であった。他方、女の症例群（女のがん患者）は、子宮体がん１５５人、乳がん１５７人、大腸がん１５０人であり、合計４６２人であった。また、女の対照群（コントロール）は２４８人であった。
さらに、図４の男女の症例群及び対照群に属する対象者は、年齢毎に、図３に示すように、２０〜２９歳、３０〜３９歳、４０〜４９歳、５０〜５９歳、６０〜６９歳、７０〜７９歳、８０〜８９歳という７個の年齢階級に分けられた。
がんリスク評価に影響を与える項目は、図５に示すようになった。すなわち、男の膵がん患者については、年齢データと、評価用元素群として使用された１７種の元素の中のＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂの９元素の濃度データとが、判別に有意と判断された。男の前立腺がん患者については、年齢データと、Ｎａ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ａｓ，Ｓｒ，Ｒｂ，Ｍｏの１０元素の濃度データとが、判別に有意と判断された。男の大腸がん患者については、年齢データと、Ｎａ，Ｐ，Ｓ，Ｋ，Ｃｕ，Ｚｎ，Ｒｂ，Ｓｅ，Ｍｏ，Ｃｏの１０元素の濃度データとが、判別に有意と判断された。女の子宮体がん患者については、年齢データと、Ｍｇ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｍｏの６元素の前記濃度データとが判別に有意と判断された。女の乳がん患者については、年齢データと、Ｍｇ，Ｐ，Ｓ，Ｆｅ，Ｚｎ，Ｃｓの６元素の前記濃度データとが判別に有意と判断された。女の大腸がん患者については、年齢データと、Ｎａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ａｓ，Ｃｓ，Ａｇの１０元素の前記濃度データとが判別に有意と判断された。
実施例１では、男の膵がんについてのがん罹患リスクを推測した。本実施例でがん罹患リスクを推測する対象者は、図６の表１に示すように、症例群（男の膵がん患者）は１４４人、男の対照群（コントロール）は３６４人であり、彼らの血清を評価対象として使用した。評価に用いたデータは、対象者の年齢データと、評価用元素群として使用された１７種の元素（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の濃度データとした。
図６の表２に、各項目の平均値、標準偏差、最大値、最小値を症例群（膵がん患者）、対照群（コントロール）別に示した。判別分析の結果、図７の表３に示すように、年齢データと、Ｎａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｒｂ，Ｓｅの９元素の濃度データが判別に有意であることが分かった。判別分析に使用した判別式の判別係数と定数項は、図７の表４に示したとおりである。判別係数の符号は、図８の表５に示すように、症例群（男の膵がん患者）と対照群（コントロール）の重心の値から、判別係数が＋の元素は対照群との関連性が強く、判別係数が−の符号を有する元素は症例群（膵がんの罹患）との関連性が強いと結論付けることができる。
図８の表６に判別結果を示した。これによると、症例群の１４４例の中で１１３例が的中しており（感度＝７８．５％）、対照群では３６４件中、３２９件が的中している（特異度＝９０．４％）。したがって、正診率は８７．０％であり、高い値を示した。
判別分析から得られたＲＯＣ曲線下面積（ＡＵＣ）を求めると、図２４に示すように、０．９２８という高い値が得られた。
これらの結果より、血清中の１７種の微量元素（評価用元素群）（Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇ）の濃度データと、対象者の年齢データとを、上記判別式に投入することによって判別得点を算出し、その判別得点を用いて膵がんの罹患リスク（確率）を計算した。その結果を図２６に示す。
図２６から分かるように、男の膵がんの場合、判別得点が負の値を大きくとるほどリスクが高くなり、判別得点がおおよそ−１．８以下であれば、９５％以上の確率で膵がんの罹患が推定できると解釈することが可能である。
実施例２では、男の前立腺がんについてのがん罹患リスクを推測した。本実施例でがん罹患リスクを推測する対象者は、図９の表１１に示すように、症例群（男の前立腺がん患者）は９４人、男の対照群（コントロール）は実施例１と同じ３６４人であり、彼らの血清を評価対象として使用した。評価に用いたデータは、対象者の年齢データと、実施例１において評価用元素群として使用された１７種の元素の濃度データとした。
図９の表１２に、各項目の平均値、標準偏差、最大値、最小値を症例群（前立腺がん患者）、対照群（コントロール）別に示した。判別分析の結果、図１０の表１３に示すように、年齢データと、Ｎａ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ａｓ，Ｓｒ，Ｒｂ，Ｍｏの１０元素の濃度データが判別に有意であることが分かった。判別分析に使用した判別式の判別係数と定数項は、図１０の表１４に示したとおりである。判別係数の符号は、図１１の表１５に示すように、症例群（男の前立腺がん患者）と対照群（コントロール）の重心の値から、判別係数が＋の元素は症例群（前立腺がんの罹患）との関連性が強く、判別係数が−の符号を有する元素は対照群（コントロール）との関連性が強いと結論付けることができる。
図１１の表１６に判別結果を示した。これによると、症例群の９４例の中で８１例が的中しており（感度＝８６．２％）、対照群では３６４件中、３３０件が的中している（特異度＝９０．７％）。したがって、正診率は８９．７％であり、高い値を示した。
判別分析から得られたＲＯＣ曲線下面積（ＡＵＣ）を求めると、図２４に示すように、０．９５５という高い値が得られた。
これらの結果より、実施例１と同様に、血清中の１７種の微量元素（評価用元素群）の濃度データと、対象者の年齢データとを、上記判別式に投入することによって判別得点を算出し、その判別得点を用いて前立腺がんの罹患リスク（確率）を計算した。その結果を図２７に示す。
図２７から分かるように、男の前立腺がんの場合、判別得点が正の値を大きくとるほどリスクが高くなり、判別得点がおおよそ２．３以上であれば、９５％以上の確率で前立腺がんの罹患が推定できると解釈することが可能である。
実施例３では、男の大腸がんについてのがん罹患リスクを推測した。本実施例でがん罹患リスクを推測する対象者は、図１２の表２１に示すように、症例群（男の大腸がん患者）は１７４人、男の対照群（コントロール）は実施例１と同じ３６４人であり、彼らの血清を評価対象として使用した。評価に用いたデータは、対象者の年齢データと、実施例１において評価用元素群として使用された１７種の元素の濃度データとした。
図１２の表２２に、各項目の平均値、標準偏差、最大値、最小値を症例群（大腸がん患者）、対照群（コントロール）別に示した。判別分析の結果、図１３の表２３に示すように、年齢データと、Ｎａ，Ｐ，Ｓ，Ｋ，Ｃｕ，Ｚｎ，Ｒｂ，Ｓｅ，Ｍｏ，Ｃｏの１０元素の濃度データが判別に有意であることが分かった。判別分析に使用した判別式の判別係数と定数項は、図１３の表２４に示したとおりである。判別係数の符号は、図１４の表２５に示すように、症例群（男の大腸がん患者）と対照群（コントロール）の重心の値から、判別係数が＋の元素は症例群（大腸がんの罹患）との関連性が強く、判別係数が−の符号を有する元素は対照群（コントロール）との関連性が強いと結論付けることができる。
図１４の表２６に判別結果を示した。これによると、症例群の１７４例の中で１５２例が的中しており（感度＝８７．４％）、対照群では３６４件中、３３８件が的中している（特異度＝９２．９％）。したがって、正診率は８７．０％であり、高い値を示した。
判別分析から得られたＲＯＣ曲線下面積（ＡＵＣ）を求めると、図２４に示すように、０．９１５という高い値が得られた。
これらの結果より、実施例１と同様に、血清中の１７種の微量元素（評価用元素群）の濃度データと、対象者の年齢データとを、上記判別式に投入することによって判別得点を算出し、その判別得点を用いて大腸がんの罹患リスク（確率）を計算した。その結果を図２８に示す。
図２８から分かるように、男の大腸がんの場合、判別得点が正の値を大きくとるほどリスクが高くなり、判別得点がおおよそ２．３以上であれば、９５％以上の確率で大腸がんの罹患が推定できると解釈することが可能である。
実施例４では、女の子宮体がんについてのがん罹患リスクを推測した。本実施例でがん罹患リスクを推測する対象者は、図１５の表３１に示すように、症例群（女の子宮体がん患者）は１５５人、女の対照群（コントロール）は２４８人であり、彼女らの血清を評価対象として使用した。評価に用いたデータは、対象者の年齢データと、実施例１において評価用元素群として使用された１７種の元素の濃度データとした。
図１５の表３２に、各項目の平均値、標準偏差、最大値、最小値を症例群（子宮体がん患者）、対照群（コントロール）別に示した。判別分析の結果、図１６の表３３に示すように、年齢データと、Ｍｇ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｍｏの６元素の濃度データが判別に有意であることが分かった。判別分析に使用した判別式の判別係数と定数項は、図１６の表３４に示したとおりである。判別係数の符号は、図１７の表３５に示すように、症例群（女の子宮体がん患者）と対照群（コントロール）の重心の値から、判別係数が＋の元素は対照群（コントロール）との関連性が強く、判別係数が−の符号を有する元素は症例群（子宮体がんの罹患）との関連性が強いと結論付けることができる。
図１７の表３６に判別結果を示した。これによると、症例群の１５５例の中で１４１例が的中しており（感度＝９１．０％）、対照群では２４８件中、２２２件が的中している（特異度＝８９．５％）。したがって、正診率は９０．１％であり、高い値を示した。
判別分析から得られたＲＯＣ曲線下面積（ＡＵＣ）を求めると、図２５に示すように、０．９５４という高い値が得られた。
これらの結果より、実施例１と同様に、血清中の１７種の微量元素（評価用元素群）の濃度データと、対象者の年齢データとを、上記判別式に投入することによって判別得点を算出し、その判別得点を用いて子宮体がんの罹患リスク（確率）を計算した。その結果を図２９に示す。
図２９から分かるように、女の子宮体がんの場合、判別得点が負の値を大きくとるほどリスクが高くなり、判別得点がおおよそ−１．８以下であれば、９５％以上の確率で子宮体がんの罹患が推定できると解釈することが可能である。
実施例５では、女の乳がんについてのがん罹患リスクを推測した。本実施例でがん罹患リスクを推測する対象者は、図１８の表４１に示すように、症例群（女の乳がん患者）は１５７人、女の対照群（コントロール）は実施例４と同じ２４８人であり、彼女らの血清を評価対象として使用した。評価に用いたデータは、対象者の年齢データと、実施例１において評価用元素群として使用された１７種の元素の濃度データとした。
図１８の表４２に、各項目の平均値、標準偏差、最大値、最小値を症例群（乳がん患者）、対照群（コントロール）別に示した。判別分析の結果、図１９の表４３に示すように、年齢データと、Ｍｇ，Ｐ，Ｓ，Ｆｅ，Ｚｎ，Ｃｓの６元素の濃度データが判別に有意であることが分かった。判別分析に使用した判別式の判別係数と定数項は、図１９の表４４に示したとおりである。判別係数の符号は、図２０の表４５に示すように、症例群（女の乳がん患者）と対照群（コントロール）の重心の値から、判別係数が＋の元素は対照群（コントロール）との関連性が強く、判別係数が−の符号を有する元素は症例群（乳がんの罹患）との関連性が強いと結論付けることができる。
図２０の表４６に判別結果を示した。これによると、症例群の１５７例の中で１３６例が的中しており（感度＝８６．６％）、対照群では２４８件中、２０７件が的中している（特異度＝８３．５％）。したがって、正診率は８４．７％であり、高い値を示した。
判別分析から得られたＲＯＣ曲線下面積（ＡＵＣ）を求めると、図２５に示すように、０．９３２という高い値が得られた。
これらの結果より、実施例１と同様に、血清中の１７種の微量元素（評価用元素群）の濃度データと、対象者の年齢データとを、上記判別式に投入することによって判別得点を算出し、その判別得点を用いて乳がんの罹患リスク（確率）を計算した。その結果を図３０に示す。
図３０から分かるように、女の乳がんの場合、判別得点が負の値を大きくとるほどリスクが高くなり、判別得点がおおよそ−１．９以下であれば、９５％以上の確率で乳がんの罹患が推定できると解釈することが可能である。
実施例６では、女の大腸がんについてのがん罹患リスクを推測した。本実施例でがん罹患リスクを推測する対象者は、図２１の表５１に示すように、症例群（女の大腸がん患者）は１５０人、女の対照群（コントロール）は実施例４と同じ２４８人であり、彼女らの血清を評価対象として使用した。評価に用いたデータは、対象者の年齢データと、実施例１において評価用元素群として使用された１７種の元素の濃度データとした。
図２１の表５２に、各項目の平均値、標準偏差、最大値、最小値を症例群（大腸がん患者）、対照群（コントロール）別に示した。判別分析の結果、図２２の表５３に示すように、年齢データと、Ｎａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ａｓ，Ｃｓ，Ａｇの１０元素の濃度データが判別に有意であることが分かった。判別分析に使用した判別式の判別係数と定数項は、図２２の表５４に示したとおりである。判別係数の符号は、図２３の表５５に示すように、症例群（女の大腸がん患者）と対照群（コントロール）の重心の値から、判別係数が＋の元素は症例群（大腸がんの罹患）との関連性が強く、判別係数が−の符号を有する元素は対照群（コントロール）との関連性が強いと結論付けることができる。
図２３の表５６に判別結果を示した。これによると、症例群の１５０例の中で１２９例が的中しており（感度＝８６．０％）、対照群では２４８件中、２１２件が的中している（特異度＝８５．５％）。したがって、正診率は８５．７％であり、高い値を示した。
判別分析から得られたＲＯＣ曲線下面積（ＡＵＣ）を求めると、図２５に示すように、０．９３０という高い値が得られた。
これらの結果より、実施例１と同様に、血清中の１７種の微量元素（評価用元素群）の濃度データと、対象者の年齢データとを、上記判別式に投入することによって判別得点を算出し、その判別得点を用いて大腸がんの罹患リスク（確率）を計算した。その結果を図３１に示す。
図３１から分かるように、女の大腸がんの場合、判別得点が正の値を大きくとるほどリスクが高くなり、判別得点がおおよそ２．０以上であれば、９５％以上の確率で乳がんの罹患が推定できると解釈することが可能である。
本発明は、人（または動物）のがん罹患の有無を迅速かつ簡便に推測することが望まれる分野に広く適用可能である。
１ 試験管
２ 血清サンプル
５ 血清中元素群濃度測定部
１０ 癌評価システム
１１ データ記憶部
１２ 判別関数生成部
１３ 評価結果演算部
２ 血清サンプル
５ 血清中元素群濃度測定部
１０ 癌評価システム
１１ データ記憶部
１２ 判別関数生成部
１３ 評価結果演算部
Claims (12)
- がんリスク評価システムを用いて対象者のがんリスクを評価する方法であって、
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成され、
前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂの９元素の前記濃度データとが判別に有意と判断され、前記対象者が男である場合には、前記対象者に係るがんの種類が膵がんであるとの推測が前記指標に含められることを特徴とする、がんリスク評価方法。 - がんリスク評価システムを用いて対象者のがんリスクを評価する方法であって、
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成され、
前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ａｓ，Ｓｒ，Ｒｂ，Ｍｏの１０元素の前記濃度データとが判別に有意と判断され、前記対象者が男である場合には、前記対象者に係るがんの種類が前立腺がんであるとの推測が前記指標に含められることを特徴とする、がんリスク評価方法。 - がんリスク評価システムを用いて対象者のがんリスクを評価する方法であって、
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成され、
前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃｕ，Ｚｎ，Ｒｂ，Ｓｅ，Ｍｏ，Ｃｏの１０元素の前記濃度データとが判別に有意と判断され、前記対象者が男である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記指標に含められることを特徴とする、がんリスク評価方法。 - がんリスク評価システムを用いて対象者のがんリスクを評価する方法であって、
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成され、
前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｍｏの６元素の前記濃度データとが判別に有意と判断され、前記対象者が女である場合には、前記対象者に係るがんの種類が子宮体がんであるとの推測が前記指標に含められることを特徴とする、がんリスク評価方法。 - がんリスク評価システムを用いて対象者のがんリスクを評価する方法であって、
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成され、
前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｐ，Ｓ，Ｆｅ，Ｚｎ，Ｃｓの６元素の前記濃度データとが判別に有意と判断され、前記対象者が女である場合には、前記対象者に係るがんの種類が乳がんであるとの推測が前記指標に含められることを特徴とする、がんリスク評価方法。 - がんリスク評価システムを用いて対象者のがんリスクを評価する方法であって、
対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを、前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算する相関関係演算ステップと、
前記相関関係演算ステップで演算された前記相関関係に基づいて、前記対象者が何らかのがんに罹患しているか否かの指標を得る指標取得ステップとを備え、
前記相関関係演算ステップでは、前記評価用元素群としてＮａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記指標取得ステップでは、前記相関関係演算ステップで使用された前記判別関数に前記濃度データと前記年齢データとを適用して算出された判別得点に基づき、前記指標が生成され、
前記相関関係演算ステップで演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ａｓ，Ｃｓ，Ａｇの１０元素の前記濃度データとが判別に有意と判断され、前記対象者が女である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記指標に含められることを特徴とする、がんリスク評価方法。 - 対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成され、
前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂの９元素の前記濃度データとが判別に有意と判断され、前記対象者が男である場合には、前記対象者に係るがんの種類が膵がんであるとの推測が前記評価結果に含められることを特徴とする、がんリスク評価システム。 - 対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成され、
前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ａｓ，Ｓｒ，Ｒｂ，Ｍｏの１０元素の前記濃度データとが判別に有意と判断され、前記対象者が男である場合には、前記対象者に係るがんの種類が前立腺がんであるとの推測が前記評価結果に含められることを特徴とする、がんリスク評価システム。 - 対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成され、
前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｋ，Ｃｕ，Ｚｎ，Ｒｂ，Ｓｅ，Ｍｏ，Ｃｏの１０元素の前記濃度データとが判別に有意と判断され、前記対象者が男である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記評価結果に含められることを特徴とする、がんリスク評価システム。 - 対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成され、
前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｍｏの６元素の前記濃度データとが判別に有意と判断され、前記対象者が女である場合には、前記対象者に係るがんの種類が子宮体がんであるとの推測が前記評価結果に含められることを特徴とする、がんリスク評価システム。 - 対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成され、
前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＭｇ，Ｐ，Ｓ，Ｆｅ，Ｚｎ，Ｃｓの６元素の前記濃度データとが判別に有意と判断され、前記対象者が女である場合には、前記対象者に係るがんの種類が乳がんであるとの推測が前記評価結果に含められることを特徴とする、がんリスク評価システム。 - 対象者から採取した血清中の評価用元素群の濃度データと、前記対象者の年齢データとを記憶するデータ記憶部と、
前記対象者が対照群と症例群のいずれに属するかを判別するための判別関数を生成する判別関数生成部と、
前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを、前記判別関数生成部で生成された判別関数に適用して、前記血清における前記評価用元素群の濃度間の相関関係を演算し、その相関関係に基づいて前記対象者が何らかのがんに罹患しているか否かの評価結果を出力する評価結果演算部とを備え、
前記評価用元素群としては、Ｎａ，Ｍｇ，Ｐ，Ｓ，Ｋ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ｓｅ，Ｒｂ，Ｓｒ，Ａｓ，Ｍｏ，Ｃｓ，Ｃｏ，Ａｇの１７種の元素の組み合わせが使用され、
前記評価結果演算部では、前記判別関数生成部で生成された判別関数に、前記データ記憶部に記憶された前記対象者の濃度データと年齢データとを適用して判別得点が算出され、その判別得点に基づいて前記評価結果が生成され、
前記評価結果演算部で演算された前記相関関係に基づき、前記年齢データと、前記評価用元素群として使用された１７種の前記元素の中から選ばれるＮａ，Ｐ，Ｓ，Ｃａ，Ｆｅ，Ｃｕ，Ｚｎ，Ａｓ，Ｃｓ，Ａｇの１０元素の前記濃度データとが判別に有意と判断され、前記対象者が女である場合には、前記対象者に係るがんの種類が大腸がんであるとの推測が前記評価結果に含められることを特徴とする、がんリスク評価システム。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017186273A JP6946133B2 (ja) | 2017-09-27 | 2017-09-27 | がんリスク評価方法及びがんリスク評価システム |
| KR1020207011767A KR102635700B1 (ko) | 2017-09-27 | 2018-09-27 | 암 리스크 평가 방법 및 암 리스크 평가 시스템 |
| US16/651,485 US20200264161A1 (en) | 2017-09-27 | 2018-09-27 | Cancer risk evaluation method and cancer risk evaluation system |
| PCT/JP2018/035978 WO2019065854A1 (ja) | 2017-09-27 | 2018-09-27 | がんリスク評価方法及びがんリスク評価システム |
| EP18861409.3A EP3690438A4 (en) | 2017-09-27 | 2018-09-27 | CANCER RISK ASSESSMENT PROCESS AND CANCER RISK ASSESSMENT SYSTEM |
| SG11202002733UA SG11202002733UA (en) | 2017-09-27 | 2018-09-27 | Cancer risk evaluation method and cancer risk evaluation system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017186273A JP6946133B2 (ja) | 2017-09-27 | 2017-09-27 | がんリスク評価方法及びがんリスク評価システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019060749A JP2019060749A (ja) | 2019-04-18 |
| JP6946133B2 true JP6946133B2 (ja) | 2021-10-06 |
Family
ID=65903420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017186273A Active JP6946133B2 (ja) | 2017-09-27 | 2017-09-27 | がんリスク評価方法及びがんリスク評価システム |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20200264161A1 (ja) |
| EP (1) | EP3690438A4 (ja) |
| JP (1) | JP6946133B2 (ja) |
| KR (1) | KR102635700B1 (ja) |
| SG (1) | SG11202002733UA (ja) |
| WO (1) | WO2019065854A1 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111199782B (zh) * | 2019-12-30 | 2023-09-29 | 东软集团股份有限公司 | 病因分析方法，装置，存储介质及电子设备 |
| US20220112509A1 (en) | 2020-02-26 | 2022-04-14 | Imra Japan Kabushikikaisha | Gene knock-in method, gene knock-in cell fabrication method, gene knock-in cell, malignant transformation risk evaluation method, cancer cell production method, and kit for use in these |
| JP7157941B2 (ja) * | 2020-08-05 | 2022-10-21 | 憲一 佐藤 | 癌罹患判定方法、装置、およびプログラム |
| CN113393935A (zh) * | 2021-06-30 | 2021-09-14 | 吾征智能技术(北京)有限公司 | 一种基于体检数据的癌症早期风险评估方法和系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0470848A (ja) | 1990-07-12 | 1992-03-05 | Sharp Corp | 電子写真用トナー |
| JP3315443B2 (ja) | 1992-09-02 | 2002-08-19 | 住友電気工業株式会社 | 自動車用車輪速センサ装置 |
| WO2008016111A1 (en) | 2006-08-04 | 2008-02-07 | Ajinomoto Co., Inc. | Method for evaluation of lung cancer, lung cancer evaluation apparatus, lung cancer evaluation method, lung cancer evaluation system, lung cancer evaluation program, and recording medium |
| JP2011047715A (ja) * | 2009-08-25 | 2011-03-10 | La Belle Vie Kk | 毛髪中ミネラル成分の網羅的分析に基づく癌の検出方法 |
| JP5990029B2 (ja) * | 2012-04-17 | 2016-09-07 | 公益財団法人ひょうご科学技術協会 | 毛髪の分析法 |
| SG11201702076WA (en) | 2014-09-15 | 2017-06-29 | Renatech Co Ltd | Cancer evaluation method and cancer evaluation system |
-
2017
- 2017-09-27 JP JP2017186273A patent/JP6946133B2/ja active Active
-
2018
- 2018-09-27 EP EP18861409.3A patent/EP3690438A4/en active Pending
- 2018-09-27 KR KR1020207011767A patent/KR102635700B1/ko active IP Right Grant
- 2018-09-27 US US16/651,485 patent/US20200264161A1/en active Pending
- 2018-09-27 SG SG11202002733UA patent/SG11202002733UA/en unknown
- 2018-09-27 WO PCT/JP2018/035978 patent/WO2019065854A1/ja unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP3690438A4 (en) | 2021-07-28 |
| KR102635700B1 (ko) | 2024-02-14 |
| US20200264161A1 (en) | 2020-08-20 |
| SG11202002733UA (en) | 2020-04-29 |
| EP3690438A1 (en) | 2020-08-05 |
| JP2019060749A (ja) | 2019-04-18 |
| WO2019065854A1 (ja) | 2019-04-04 |
| KR20200070267A (ko) | 2020-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6946133B2 (ja) | がんリスク評価方法及びがんリスク評価システム | |
| JP6082478B2 (ja) | 癌評価方法及び癌評価システム | |
| JP6692422B2 (ja) | 尿中代謝物による疾病診断法 | |
| JP7016079B2 (ja) | 小児がん検査用尿中代謝物マーカー | |
| US11499975B2 (en) | Data acquisition method for determining likelihood that ovarian endometriotic cyst is cancerous, and diagnostic device for same | |
| JP6629782B2 (ja) | 加齢黄斑変性症のリスク評価方法及びシステム | |
| JP6875451B2 (ja) | 犬のがんリスク評価方法及びがんリスク評価システム | |
| WO2020067261A1 (ja) | 犬のがんリスク評価方法及びがんリスク評価システム | |
| Christensen et al. | Screening for elevated blood lead levels using single hair strands: Accounting for external contamination | |
| CN111965241A (zh) | 用于卵巢癌相关筛查及评估的产品、应用及方法 | |
| JP7452922B2 (ja) | 癌の判別装置の作動方法、判別装置およびプログラム | |
| WO2022054183A1 (ja) | 代謝物パネルによるがん検査法 | |
| KR102365475B1 (ko) | 신체 발톱의 케라틴 조직 중 중금속 프로파일링을 활용한 암진단 및 예후 바이오마커 | |
| CN111965237A (zh) | 用于结直肠癌相关筛查及评估的产品、应用及方法 | |
| Saldaña | Improving Lead Exposure Assessment Using Dried Blood Spots | |
| CN111965239A (zh) | 用于胃癌相关筛查及评估的产品、应用及方法 | |
| CN117789972A (zh) | 一种乳腺癌复发预测模型的构建方法及其预测系统 | |
| CN115458164A (zh) | 一种前列腺健康指数的评估模型及其构建方法、评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200819 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210331 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210531 |
|
| 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: 20210903 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210915 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6946133 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |