JP7109499B2 - 認知症判定得点算出装置及びそのプログラム - Google Patents
認知症判定得点算出装置及びそのプログラム Download PDFInfo
- Publication number
- JP7109499B2 JP7109499B2 JP2020081930A JP2020081930A JP7109499B2 JP 7109499 B2 JP7109499 B2 JP 7109499B2 JP 2020081930 A JP2020081930 A JP 2020081930A JP 2020081930 A JP2020081930 A JP 2020081930A JP 7109499 B2 JP7109499 B2 JP 7109499B2
- Authority
- JP
- Japan
- Prior art keywords
- dementia determination
- information
- coefficient
- blood test
- dementia
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、認知症判定得点算出装置及びそのプログラムに関する。
従来、被験者の認知症の有無やその程度を簡便に判定する手法として、「ミニメンタルステート検査」（ＭＭＳＥ；Ｍｉｎｉ Ｍｅｎｔａｌ Ｓｔａｔｅ Ｅｘａｍｉｎａｔｉｏｎ）がある。このＭＭＳＥにおいては、被験者に質問を行い、その回答を点数化することによって、被験者の認知症の有無やその程度を判定する。しかしながら、ミニメンタルステート検査における質問及び回答の分析は人手を介するため、労力がかかっていた。そこで、近年、脳波測定装置や核磁気共鳴映像装置、またはＣＴスキャン装置などの診断装置を利用することにより、人手による質問及び回答の分析等を行わずに認知症の判定得点を算出する技術が開示されている（例えば、特許文献１を参照）。
しかしながら、上記のような従来技術においては、認知症判定得点を算出するために利用される診断装置が大掛かりになり、認知症の判定が簡便に行えないという問題があった。
本発明は、上記問題を解決すべくなされたもので、その目的は、判定を簡便に行うことができる認知症判定得点算出装置及びそのプログラムを提供することにある。
本発明の一実施形態は、被験者の一般血液検査の結果を示す血液検査情報を取得する血液検査情報取得部と、前記一般血液検査の検査項目についての演算係数が演算係数情報として記憶されている演算係数記憶部から、前記演算係数情報を取得する演算係数情報取得部と、前記血液検査情報取得部が取得する前記被験者の前記血液検査情報と、前記演算係数情報取得部が取得する前記演算係数情報とに基づいて、前記被験者の認知症判定得点を算出する認知症判定得点算出部とを備える認知症判定得点算出装置である。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、前記認知症判定得点は、ミニメンタルステート検査による検査結果の得点に対応する。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、前記演算係数情報は、前記血液検査情報を機械学習することにより得られる。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、前記一般血液検査の検査項目には、少なくともアルブミン－グロブリン比が含まれ、前記血液検査情報には、少なくとも前記アルブミン－グロブリン比の結果を示す情報が含まれ、前記演算係数情報には、少なくとも前記アルブミン－グロブリン比についての演算係数が含まれ、前記認知症判定得点算出部は、前記被験者の前記アルブミン－グロブリン比の結果を示す情報と、前記アルブミン－グロブリン比についての演算係数とに基づいて、前記被験者の前記認知症判定得点を算出する。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、非侵襲脳活動測定装置による前記被験者の脳活動の測定結果を取得する脳活動測定結果取得部を更に備え、前記演算係数情報取得部は、前記一般血液検査の検査項目についての演算係数と、前記非侵襲脳活動測定装置による脳活動の測定項目のうちの少なくとも一つの測定項目についての演算係数とが関連付けられて演算係数情報として記憶されている演算係数記憶部から、前記演算係数情報を取得し、前記認知症判定得点算出部は、前記脳活動測定結果取得部が取得する前記測定結果に更に基づいて、前記被験者の前記認知症判定得点を算出する。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、前記認知症判定得点は、ミニメンタルステート検査による検査結果の得点に対応する。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、前記演算係数情報は、前記血液検査情報を機械学習することにより得られる。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、前記一般血液検査の検査項目には、少なくともアルブミン－グロブリン比が含まれ、前記血液検査情報には、少なくとも前記アルブミン－グロブリン比の結果を示す情報が含まれ、前記演算係数情報には、少なくとも前記アルブミン－グロブリン比についての演算係数が含まれ、前記認知症判定得点算出部は、前記被験者の前記アルブミン－グロブリン比の結果を示す情報と、前記アルブミン－グロブリン比についての演算係数とに基づいて、前記被験者の前記認知症判定得点を算出する。
また、本発明の一実施形態は、上述の認知症判定得点算出装置において、非侵襲脳活動測定装置による前記被験者の脳活動の測定結果を取得する脳活動測定結果取得部を更に備え、前記演算係数情報取得部は、前記一般血液検査の検査項目についての演算係数と、前記非侵襲脳活動測定装置による脳活動の測定項目のうちの少なくとも一つの測定項目についての演算係数とが関連付けられて演算係数情報として記憶されている演算係数記憶部から、前記演算係数情報を取得し、前記認知症判定得点算出部は、前記脳活動測定結果取得部が取得する前記測定結果に更に基づいて、前記被験者の前記認知症判定得点を算出する。
また、本発明の一実施形態は、コンピュータに、被験者の一般血液検査の結果を示す血液検査情報を取得する血液検査情報取得ステップと、前記一般血液検査の検査項目についての演算係数が演算係数情報として記憶されている演算係数記憶部から、前記演算係数情報を取得する演算係数情報取得ステップと、前記血液検査情報取得ステップにおいて取得される前記被験者の前記血液検査情報と、前記演算係数情報取得ステップにおいて取得される前記演算係数情報とに基づいて、前記被験者の認知症判定得点を算出する認知症判定得点算出ステップとを実行させるためのプログラムである。
この発明によれば、認知症の判定を簡便に行うことができる認知症判定得点算出装置及びそのプログラムを提供することができる。
［第１実施形態］
以下、図面を参照して、本発明の実施形態を説明する。
図１は、本実施形態の認知症判定得点算出システム１の機能構成の一例を示す図である。この認知症判定得点算出システム１は、被験者の年齢や一般血液検査の結果に基づいて、当該被験者の認知症判定得点ＳＣを算出する。この認知症判定得点ＳＣは、認知症の判定に一般的に用いられているいわゆる「ミニメンタルステート検査」（ＭＭＳＥ；Ｍｉｎｉ Ｍｅｎｔａｌ Ｓｔａｔｅ Ｅｘａｍｉｎａｔｉｏｎ）の得点に相当する。ミニメンタルステート検査は、見当識、記憶力、計算力、言語的能力、図形的能力などをカバーする３０点満点の１１の質問からなる。ミニメンタルステート検査の質問に対する被験者の回答の得点が、２４点以上で正常、２０点未満では中等度の知能低下、１０点未満では高度な知能低下、などと判定される。
以下、図面を参照して、本発明の実施形態を説明する。
図１は、本実施形態の認知症判定得点算出システム１の機能構成の一例を示す図である。この認知症判定得点算出システム１は、被験者の年齢や一般血液検査の結果に基づいて、当該被験者の認知症判定得点ＳＣを算出する。この認知症判定得点ＳＣは、認知症の判定に一般的に用いられているいわゆる「ミニメンタルステート検査」（ＭＭＳＥ；Ｍｉｎｉ Ｍｅｎｔａｌ Ｓｔａｔｅ Ｅｘａｍｉｎａｔｉｏｎ）の得点に相当する。ミニメンタルステート検査は、見当識、記憶力、計算力、言語的能力、図形的能力などをカバーする３０点満点の１１の質問からなる。ミニメンタルステート検査の質問に対する被験者の回答の得点が、２４点以上で正常、２０点未満では中等度の知能低下、１０点未満では高度な知能低下、などと判定される。
このミニメンタルステート検査は、検査者（医師など）と被験者とが対面して質問と回答とを繰り返し行う。ミニメンタルステート検査における質問及び回答には、５分から１０分程度の時間を要する。認知症判定得点算出システム１は、被験者の年齢や一般血液検査の結果を参照することにより、これら対面による質問及び回答等の作業を行うことなく、ミニメンタルステート検査の得点に相当する認知症判定得点ＳＣを算出する。したがって、認知症判定得点算出システム１は、質問及び回答が対面で行われることによる労力や時間を低減することができる。以下、対面による質問及び回答等の作業を行わずに認知症判定得点ＳＣを算出することを実現する、認知症判定得点算出システム１の機能構成について図１を参照して説明する。
［認知症判定得点算出システム１の機能構成］
認知症判定得点算出システム１は、認知症判定得点算出装置１０と、情報供給部２０と、記憶部３０と、提示部４０とを備える。
情報供給部２０は、認知症判定得点算出装置１０に対して情報を供給する。情報供給部２０は、例えば、キーボードやタブレット、スキャナなどのヒューマンインタフェイス装置であってもよいし、サーバなどの情報記憶装置であってもよい。
情報供給部２０は、認知症判定得点算出装置１０に対して年齢情報ＡＧと、血液検査情報ＧＢＴとを供給する。年齢情報ＡＧとは、認知症判定の被験者の年齢を示す情報である。血液検査情報ＧＢＴとは、当該被験者の一般血液検査の検査結果を示す情報である。ここで一般血液検査とは、検査項目が一般的である血液検査であり、例えば一般的な健康診断等において行われる血液検査である。一般血液検査の項目の一例について、図２を参照して説明する。
認知症判定得点算出システム１は、認知症判定得点算出装置１０と、情報供給部２０と、記憶部３０と、提示部４０とを備える。
情報供給部２０は、認知症判定得点算出装置１０に対して情報を供給する。情報供給部２０は、例えば、キーボードやタブレット、スキャナなどのヒューマンインタフェイス装置であってもよいし、サーバなどの情報記憶装置であってもよい。
情報供給部２０は、認知症判定得点算出装置１０に対して年齢情報ＡＧと、血液検査情報ＧＢＴとを供給する。年齢情報ＡＧとは、認知症判定の被験者の年齢を示す情報である。血液検査情報ＧＢＴとは、当該被験者の一般血液検査の検査結果を示す情報である。ここで一般血液検査とは、検査項目が一般的である血液検査であり、例えば一般的な健康診断等において行われる血液検査である。一般血液検査の項目の一例について、図２を参照して説明する。
図２は、本実施形態の情報供給部２０が供給する血液検査情報ＧＢＴの一例を示す図である。血液検査情報ＧＢＴには、一般血液検査の検査項目及び検査項目毎の検査値が含まれる。この一例において、血液検査情報ＧＢＴには、白血球数（ＷＢＣ）、ＭＣＶ、ＭＣＨ、血小板数（ＰＬＴ）、総たんぱく（ＴＰ）、アルブミン（Ａｌｂ）、尿酸（ＵＡ）、尿素窒素（ＢＵＮ）、クレアチニン（Ｃｒｅａ）、ソディウム（Ｓｏ）、及びクロール（Ｃｌ）が検査項目として含まれる。
血液検査情報ＧＢＴには、検査項目と、検査項目ごとの基準値と、検査値と、基準値及び検査値の単位とが、互いに対応づけられている。同図に示すある被験者についての具体例の場合、血液検査情報ＧＢＴには、白血球数（ＷＢＣ）が基準値４０００～９０００［個／μＬ］に対して検査値５０００［個／μＬ］、ＭＣＶが基準値８４～９９［ｆｌ］に対して検査値９０［ｆｌ］…という情報が含まれている。
血液検査情報ＧＢＴには、検査項目と、検査項目ごとの基準値と、検査値と、基準値及び検査値の単位とが、互いに対応づけられている。同図に示すある被験者についての具体例の場合、血液検査情報ＧＢＴには、白血球数（ＷＢＣ）が基準値４０００～９０００［個／μＬ］に対して検査値５０００［個／μＬ］、ＭＣＶが基準値８４～９９［ｆｌ］に対して検査値９０［ｆｌ］…という情報が含まれている。
図１に戻り、記憶部３０には、演算係数情報ＣＦが記憶されている。この演算係数情報ＣＦとは、認知症判定得点算出装置１０において認知症判定得点ＳＣが算出される際に参照される係数を示す情報である。演算係数情報ＣＦの具体例について図３を参照して説明する。
図３は、本実施形態の記憶部３０に記憶されている演算係数情報ＣＦの一例を示す図である。記憶部３０には、年齢係数ＣＦ１の演算係数と、一般血液検査の検査項目係数ＣＦ２の演算係数とが記憶されている。同図の具体例の場合、記憶部３０には、演算係数“０．６２３００７５０”が年齢係数ＣＦ１として、演算係数“－０．２９５９４１３５”がＭＣＨ係数ＣＦ２１として、演算係数“－０．２６７８１０３１”がアルブミン係数ＣＦ２２として、演算係数“－０．０４４６８３７２”がＡ＿Ｇ比係数ＣＦ２３として、演算係数“－０．２２５６５９４２”がソディウム係数ＣＦ２４として、それぞれ記憶されている。この一例において、ＭＣＨ係数ＣＦ２１、アルブミン係数ＣＦ２２、Ａ＿Ｇ比係数ＣＦ２３、及びソディウム係数ＣＦ２４を総称して「一般血液検査の検査項目係数ＣＦ２」ともいう。
すなわち、記憶部３０（演算係数記憶部）には、年齢についての演算係数と、一般血液検査の検査項目のうちの少なくとも一つの検査項目についての演算係数とが関連付けられて演算係数情報ＣＦとして記憶されている。
図１に戻り、認知症判定得点算出装置１０は、年齢情報取得部１１０と、血液検査情報取得部１２０と、演算係数情報取得部１３０と、認知症判定得点算出部１４０とを備える。
年齢情報取得部１１０は、情報供給部２０が供給する年齢情報ＡＧを取得する。年齢情報取得部１１０は、取得した年齢情報ＡＧを認知症判定得点算出部１４０に供給する。
血液検査情報取得部１２０は、情報供給部２０が供給する血液検査情報ＧＢＴを取得する。血液検査情報取得部１２０は、取得した血液検査情報ＧＢＴを認知症判定得点算出部１４０に供給する。
演算係数情報取得部１３０は、記憶部３０に記憶されている演算係数情報ＣＦを取得する。演算係数情報取得部１３０は、取得した演算係数情報ＣＦを認知症判定得点算出部１４０に供給する。
血液検査情報取得部１２０は、情報供給部２０が供給する血液検査情報ＧＢＴを取得する。血液検査情報取得部１２０は、取得した血液検査情報ＧＢＴを認知症判定得点算出部１４０に供給する。
演算係数情報取得部１３０は、記憶部３０に記憶されている演算係数情報ＣＦを取得する。演算係数情報取得部１３０は、取得した演算係数情報ＣＦを認知症判定得点算出部１４０に供給する。
認知症判定得点算出部１４０は、年齢情報取得部１１０が取得する年齢情報ＡＧと、血液検査情報取得部１２０が取得する血液検査情報ＧＢＴと、演算係数情報取得部１３０が取得する演算係数情報ＣＦとに基づいて、認知症判定得点ＳＣを算出する。認知症判定得点算出部１４０は、算出した認知症判定得点ＳＣを提示部４０に出力する。
提示部４０は、例えばディスプレイやプリンタであり、認知症判定得点算出装置１０の認知症判定得点算出部１４０から供給される認知症判定得点ＳＣを、表示や印字などの提示手段により提示する。
なお、提示部４０は、ネットワークサーバなどの記憶装置であってもよい。この場合には、提示部４０は、認知症判定得点算出部１４０から供給される認知症判定得点ＳＣを記憶し、記憶した認知症判定得点ＳＣを他の装置に供給する。
なお、提示部４０は、ネットワークサーバなどの記憶装置であってもよい。この場合には、提示部４０は、認知症判定得点算出部１４０から供給される認知症判定得点ＳＣを記憶し、記憶した認知症判定得点ＳＣを他の装置に供給する。
［認知症判定得点算出装置１０の動作］
次に、図４を参照して認知症判定得点算出装置１０の動作の一例について説明する。
図４は、本実施形態の認知症判定得点算出装置１０の動作の一例を示す図である。
次に、図４を参照して認知症判定得点算出装置１０の動作の一例について説明する。
図４は、本実施形態の認知症判定得点算出装置１０の動作の一例を示す図である。
（ステップＳ１０）年齢情報取得部１１０は、情報供給部２０から年齢情報ＡＧを取得する。この年齢情報ＡＧは、被験者の年齢を示す。
（ステップＳ２０）血液検査情報取得部１２０は、情報供給部２０から血液検査情報ＧＢＴを取得する。この一例では、血液検査情報取得部１２０は、図２に示す血液検査情報ＧＢＴを取得する。この血液検査情報ＧＢＴには、被験者の一般血液検査の検査結果（検査値）が含まれている。
（ステップＳ３０）演算係数情報取得部１３０は、記憶部３０から演算係数情報ＣＦを取得する。この一例では、演算係数情報取得部１３０は、図３に示す演算係数情報ＣＦを取得する。この演算係数情報ＣＦには、年齢についての演算係数、及び一般血液検査の検査項目のうちの少なくとも一つの検査項目についての演算係数が含まれている。
（ステップＳ２０）血液検査情報取得部１２０は、情報供給部２０から血液検査情報ＧＢＴを取得する。この一例では、血液検査情報取得部１２０は、図２に示す血液検査情報ＧＢＴを取得する。この血液検査情報ＧＢＴには、被験者の一般血液検査の検査結果（検査値）が含まれている。
（ステップＳ３０）演算係数情報取得部１３０は、記憶部３０から演算係数情報ＣＦを取得する。この一例では、演算係数情報取得部１３０は、図３に示す演算係数情報ＣＦを取得する。この演算係数情報ＣＦには、年齢についての演算係数、及び一般血液検査の検査項目のうちの少なくとも一つの検査項目についての演算係数が含まれている。
（ステップＳ４０）認知症判定得点算出部１４０は、ステップＳ１０において取得した年齢情報ＡＧ、及びステップＳ２０において取得した血液検査情報ＧＢＴに対して、ステップＳ３０において取得した演算係数情報ＣＦによる係数演算を行う。具体的には、認知症判定得点算出部１４０は、式（１）に示す演算を行う。
ここで、認知症判定得点算出部１４０は、血液検査情報ＧＢＴの複数の検査項目の検査値どうしを演算することにより、係数演算対象の値を算出してもよい。例えば、演算係数情報ＣＦに「Ａ＿Ｇ比（アルブミン－グロブリン比）」が含まれている場合であって、血液検査情報ＧＢＴの検査項目に「Ａ＿Ｇ比」が含まれていない場合がある。この場合、認知症判定得点算出部１４０は、血液検査情報ＧＢＴの複数の検査項目の検査値どうしを演算することにより、係数演算対象の値、すなわちＡ＿Ｇ比を算出する。
具体的には、Ａ＿Ｇ比は、血液中のアルブミンの総量とグロブリンの総量との比を示す。ここで、血液中のアルブミンの総量とグロブリンの総量との和は、血液中の総たんぱくの量にほぼ一致する。したがって、血液検査情報ＧＢＴの検査項目に「Ａ＿Ｇ比」が含まれていない場合であっても、検査項目に「総たんぱく」と「アルブミン」とが含まれていれば「Ａ＿Ｇ比」を算出することができる。
この一例の場合、認知症判定得点算出部１４０は、血液検査情報ＧＢＴの検査項目に含まれる「総たんぱく」の検査値と「アルブミン」の検査値とに基づいて、「Ａ＿Ｇ比算出値」を算出する。
具体的には、Ａ＿Ｇ比は、血液中のアルブミンの総量とグロブリンの総量との比を示す。ここで、血液中のアルブミンの総量とグロブリンの総量との和は、血液中の総たんぱくの量にほぼ一致する。したがって、血液検査情報ＧＢＴの検査項目に「Ａ＿Ｇ比」が含まれていない場合であっても、検査項目に「総たんぱく」と「アルブミン」とが含まれていれば「Ａ＿Ｇ比」を算出することができる。
この一例の場合、認知症判定得点算出部１４０は、血液検査情報ＧＢＴの検査項目に含まれる「総たんぱく」の検査値と「アルブミン」の検査値とに基づいて、「Ａ＿Ｇ比算出値」を算出する。
（ステップＳ５０）認知症判定得点算出部１４０は、ステップＳ４０における係数演算の結果に基づいて、認知症判定得点ＳＣを算出する。この一例の場合、認知症判定得点算出部１４０は、式（１）に示した演算により、認知症判定得点ＳＣを算出する。
（ステップＳ６０）認知症判定得点算出部１４０は、算出した認知症判定得点ＳＣを提示部４０に出力して、一連の処理を終了する。
以上説明したように、本実施形態の認知症判定得点算出装置１０は、被験者の年齢と、一般血液検査の結果とに基づいて、当該被験者の認知症判定得点ＳＣを算出する。したがって、本実施形態の認知症判定得点算出装置１０によれば、従来、ＭＭＳＥにおいて質問及び回答が対面で行われることによって生じていた労力や時間を低減することができる。
［演算係数情報ＣＦの算出］
ここで、記憶部３０に記憶されている演算係数情報ＣＦの算出について説明する。この演算係数情報ＣＦは、被験者の年齢及び一般血液検査の検査項目のうち、ＭＭＳＥによる得点に相当する「認知症判定得点ＳＣ」の算出に寄与する項目及びその係数が、機械学習によって求められたものである。換言すれば、演算係数情報ＣＦとは、説明変数（被験者の年齢、及び一般血液検査の検査項目）から、機械学習手法によってＭＭＳＥの得点が予測された結果を示す情報である。
ここで、記憶部３０に記憶されている演算係数情報ＣＦの算出について説明する。この演算係数情報ＣＦは、被験者の年齢及び一般血液検査の検査項目のうち、ＭＭＳＥによる得点に相当する「認知症判定得点ＳＣ」の算出に寄与する項目及びその係数が、機械学習によって求められたものである。換言すれば、演算係数情報ＣＦとは、説明変数（被験者の年齢、及び一般血液検査の検査項目）から、機械学習手法によってＭＭＳＥの得点が予測された結果を示す情報である。
ここで機械学習手法を用いる場合には、一般的に次の２つの注意点がある。すなわち、
１）説明変数が多ければ多いほどよい、というわけではない。余計な説明変数を使うと、予測が劣化する。
２）（過去に存在する情報であればその情報を参照すればよいが）過去に存在しない情報に基づいてＭＭＳＥを予測しなければならない。
注意点 １）に対しては、機械学習手法（ＬＡＳＳＯ Ｒｅｇｒｅｓｓｉｏｎ）によって、説明変数のうちどの説明変数が重要であるかを自動的に判定したうえで予測する。
注意点 ２）に対しては、既知の「Ｌｅａｖｅ Ｏｎｅ Ｏｕｔ Ｐｒｅｄｉｃｔｉｏｎ」手法を用いる。
ここで、図５を参照して、演算係数情報ＣＦを求める機械学習手法の一例について説明する。
１）説明変数が多ければ多いほどよい、というわけではない。余計な説明変数を使うと、予測が劣化する。
２）（過去に存在する情報であればその情報を参照すればよいが）過去に存在しない情報に基づいてＭＭＳＥを予測しなければならない。
注意点 １）に対しては、機械学習手法（ＬＡＳＳＯ Ｒｅｇｒｅｓｓｉｏｎ）によって、説明変数のうちどの説明変数が重要であるかを自動的に判定したうえで予測する。
注意点 ２）に対しては、既知の「Ｌｅａｖｅ Ｏｎｅ Ｏｕｔ Ｐｒｅｄｉｃｔｉｏｎ」手法を用いる。
ここで、図５を参照して、演算係数情報ＣＦを求める機械学習手法の一例について説明する。
図５は、本実施形態の演算係数情報ＣＦを求める手順の一例を示す図である。この手順は、Ｉｔｅｒａｔｅｄ Ｐｎａｌｉｚｅｄ Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ（イタレイテッド・ペナライズド・ロジスティック・リグレッション；繰り返し罰則付き論理的回帰演算）ともいう。
被験者iのＭＭＳＥ得点をｙｉ、被験者ｉの血液検査結果のデータベクトルをｘiとして、（α，λ）を固定したとき、既知のＰｎａｌｉｚｅｄ Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ（ペナライズド・ロジスティック・リグレッション；罰則付き論理的回帰演算）によって、式（２）に示す最小化を遂行する。
被験者iのＭＭＳＥ得点をｙｉ、被験者ｉの血液検査結果のデータベクトルをｘiとして、（α，λ）を固定したとき、既知のＰｎａｌｉｚｅｄ Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ（ペナライズド・ロジスティック・リグレッション；罰則付き論理的回帰演算）によって、式（２）に示す最小化を遂行する。
この式（２）の値は、２つの未知パラメータ（α，λ）の関数である。これら（α，λ）は、（β０，β）よりも上位にあると考えられることから、ｈｙｐｅｒ ｐａｒａｍｅｔｅｒ（ハイパーパラメータ）ともいう。以下、具体的な演算手順について説明する。なお、この演算手順は、コンピュータによって実行可能である。
（ステップＳ１１０）ｋ＝１、ｎ＝１として、未知パラメータαｋ
（ｎ）を選択する。
（ステップＳ１２０）上述した式（２）による最小化問題の解を求める。
（ステップＳ１３０）式（２）においてλを調整し、ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ ｅｒｒｏｒ（クロス・バリデーション・エラー）を最小化するλｋ （ｎ）を求める。
（ステップＳ１４０）（αｋ ＊，λｋ ＊）が確定したか否かを判定する。ここで、（αｋ ＊，λｋ ＊）とは、ステップＳ１３０において最小のｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ ｅｒｒｏｒを与える（αｋ （ｎ），λｋ （ｎ））である。（αｋ ＊，λｋ ＊）が確定していないと判定した場合、ｎをインクリメントして（ステップＳ１５０）、処理をステップＳ１１０に戻して、ステップＳ１４０までの処理を繰り返す。（αｋ ＊，λｋ ＊）が確定したと判定した場合、処理をステップＳ１６０に進める。
（ステップＳ１２０）上述した式（２）による最小化問題の解を求める。
（ステップＳ１３０）式（２）においてλを調整し、ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ ｅｒｒｏｒ（クロス・バリデーション・エラー）を最小化するλｋ （ｎ）を求める。
（ステップＳ１４０）（αｋ ＊，λｋ ＊）が確定したか否かを判定する。ここで、（αｋ ＊，λｋ ＊）とは、ステップＳ１３０において最小のｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ ｅｒｒｏｒを与える（αｋ （ｎ），λｋ （ｎ））である。（αｋ ＊，λｋ ＊）が確定していないと判定した場合、ｎをインクリメントして（ステップＳ１５０）、処理をステップＳ１１０に戻して、ステップＳ１４０までの処理を繰り返す。（αｋ ＊，λｋ ＊）が確定したと判定した場合、処理をステップＳ１６０に進める。
（ステップＳ１６０）λ＝λｋ
＊、α＝αｋ
＊ とした場合の式（２）の最小値を与えるパラメータ（β０，β）の成分のうち、その絶対値が閾値ｔｈ（例えば、１０－３）を越えなかったものを削除し、削除されなかったベクトル（β０ｋ，βｋ）を選別する。ここで、（β０ｋ，βｋ）は、Ｒｐｋの要素である。
（ステップＳ１７０）ｐｋ＝ｐであるか否かを判定する。ｐｋ＝ｐでなければ（ステップＳ１７０；ＮＯ）、ｋをインクリメントし（ステップＳ１８０）、処理をステップＳ１１０に戻して、手順を繰り返す。ｐｋ＝ｐであれば（ステップＳ１７０；ＹＥＳ）、（β０ｋ，βｋ）をこの問題の解とし（ステップＳ１９０）、演算手順を終了する。
Ｐｎａｌｉｚｅｄ Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎを繰り返し適用する上述の演算手順により、２つの未知パラメータ（α，λ）について、より相応しい解を得ることができる。
［第２実施形態］
次に、図６を参照して第２実施形態に係る認知症判定得点算出システム１－１について説明する。なお、上述した第１実施形態と同一の構成及び動作については、同一の符号を付してその説明を省略する。
次に、図６を参照して第２実施形態に係る認知症判定得点算出システム１－１について説明する。なお、上述した第１実施形態と同一の構成及び動作については、同一の符号を付してその説明を省略する。
図６は、第２実施形態の認知症判定得点算出システム１－１の機能構成の一例を示す図である。
認知症判定得点算出システム１－１は、認知症判定得点算出装置１０－１と、情報供給部２０－１と、記憶部３０－１と、提示部４０とを備える。
情報供給部２０－１は、上述した年齢情報ＡＧ及び血液検査情報ＧＢＴに加えて、脳活動測定結果情報ＢＡを認知症判定得点算出装置１０－１に対して供給する。この脳活動測定結果情報ＢＡとは、非侵襲脳活動測定装置による被験者の脳活動の測定結果を示す情報である。非侵襲脳活動測定装置（不図示）は、近赤外線などの人体に対して非侵襲的な検出手段を用いて、脳の血流などを測定することにより、被験者の脳活動を測定する。この非侵襲脳活動測定装置は、例えば、ヘモグロビン濃度（Ｈｂ）、酸素化ヘモグロビン濃度（ＨｂＯ２）、脱酸素化ヘモグロビン濃度（ＨｂＤＯ２）、酸素飽和度（ＳＯ２）などの測定対象項目について測定する。この場合、非侵襲脳活動測定装置は、左脳側、右脳側について上述の測定対象項目をそれぞれ測定する。この一例の場合、情報供給部２０－１は、左脳側ヘモグロビン濃度Ｌ＿Ｈｂ、右脳側ヘモグロビン濃度Ｒ＿Ｈｂ、左脳側酸素化ヘモグロビン濃度Ｌ＿ＨｂＯ２、右脳側酸素化ヘモグロビン濃度Ｒ＿ＨｂＯ２、左脳側脱酸素化ヘモグロビン濃度Ｌ＿ＨｂＤＯ２、右脳側脱酸素化ヘモグロビン濃度Ｒ＿ＨｂＤＯ２、左脳側酸素飽和度Ｌ＿ＳＯ２及び右脳側酸素飽和度Ｒ＿ＳＯ２を、脳活動測定結果情報ＢＡとして認知症判定得点算出装置１０－１に供給する。
認知症判定得点算出システム１－１は、認知症判定得点算出装置１０－１と、情報供給部２０－１と、記憶部３０－１と、提示部４０とを備える。
情報供給部２０－１は、上述した年齢情報ＡＧ及び血液検査情報ＧＢＴに加えて、脳活動測定結果情報ＢＡを認知症判定得点算出装置１０－１に対して供給する。この脳活動測定結果情報ＢＡとは、非侵襲脳活動測定装置による被験者の脳活動の測定結果を示す情報である。非侵襲脳活動測定装置（不図示）は、近赤外線などの人体に対して非侵襲的な検出手段を用いて、脳の血流などを測定することにより、被験者の脳活動を測定する。この非侵襲脳活動測定装置は、例えば、ヘモグロビン濃度（Ｈｂ）、酸素化ヘモグロビン濃度（ＨｂＯ２）、脱酸素化ヘモグロビン濃度（ＨｂＤＯ２）、酸素飽和度（ＳＯ２）などの測定対象項目について測定する。この場合、非侵襲脳活動測定装置は、左脳側、右脳側について上述の測定対象項目をそれぞれ測定する。この一例の場合、情報供給部２０－１は、左脳側ヘモグロビン濃度Ｌ＿Ｈｂ、右脳側ヘモグロビン濃度Ｒ＿Ｈｂ、左脳側酸素化ヘモグロビン濃度Ｌ＿ＨｂＯ２、右脳側酸素化ヘモグロビン濃度Ｒ＿ＨｂＯ２、左脳側脱酸素化ヘモグロビン濃度Ｌ＿ＨｂＤＯ２、右脳側脱酸素化ヘモグロビン濃度Ｒ＿ＨｂＤＯ２、左脳側酸素飽和度Ｌ＿ＳＯ２及び右脳側酸素飽和度Ｒ＿ＳＯ２を、脳活動測定結果情報ＢＡとして認知症判定得点算出装置１０－１に供給する。
記憶部３０－１には、演算係数情報ＣＦが記憶されている。本実施形態の演算係数情報ＣＦの一例について、図７を参照して説明する。
図７は、本実施形態の記憶部３０－１に記憶されている演算係数情報ＣＦの一例を示す図である。記憶部３０－１には、年齢係数ＣＦ１１１の演算係数と、一般血液検査の検査項目係数ＣＦ２１０の演算係数と、脳活動測定の測定対象項目ＣＦ３１０とが記憶されている。
同図の具体例の場合、記憶部３０－１には、演算係数“－３．４６８３１２ｅ－０１”が年齢係数ＣＦ１１１として記憶されている。また、記憶部３０－１には、演算係数“３．５７４６０３ｅ－０１”がＡ＿Ｇ比係数ＣＦ２１１として、演算係数“－１．１３３５８１ｅ－０２”がグルコース係数ＣＦ２１２としてそれぞれ記憶されている。また、記憶部３０－１には、演算係数“２．１３９８０４ｅ－０１”がＲ＿ＳＯ２係数ＣＦ３１１として、演算係数“－３．２０７７６５ｅ－０１”がＬ＿ＨｂＯ２係数ＣＦ３１２として、演算係数“１．４５６７２５ｅ－０１”がＬ＿ＳＯ２係数ＣＦ３１３として、それぞれ記憶されている。
この一例において、Ａ＿Ｇ比係数ＣＦ２１１及びグルコース係数ＣＦ２１２を総称して「一般血液検査の検査項目係数ＣＦ２１０」ともいう。また、この一例において、Ｒ＿ＳＯ２係数ＣＦ３１１、Ｌ＿ＨｂＯ２係数ＣＦ３１２及びＬ＿ＳＯ２係数ＣＦ３１３を総称して「脳活動測定の測定対象項目ＣＦ３１０」ともいう。
同図の具体例の場合、記憶部３０－１には、演算係数“－３．４６８３１２ｅ－０１”が年齢係数ＣＦ１１１として記憶されている。また、記憶部３０－１には、演算係数“３．５７４６０３ｅ－０１”がＡ＿Ｇ比係数ＣＦ２１１として、演算係数“－１．１３３５８１ｅ－０２”がグルコース係数ＣＦ２１２としてそれぞれ記憶されている。また、記憶部３０－１には、演算係数“２．１３９８０４ｅ－０１”がＲ＿ＳＯ２係数ＣＦ３１１として、演算係数“－３．２０７７６５ｅ－０１”がＬ＿ＨｂＯ２係数ＣＦ３１２として、演算係数“１．４５６７２５ｅ－０１”がＬ＿ＳＯ２係数ＣＦ３１３として、それぞれ記憶されている。
この一例において、Ａ＿Ｇ比係数ＣＦ２１１及びグルコース係数ＣＦ２１２を総称して「一般血液検査の検査項目係数ＣＦ２１０」ともいう。また、この一例において、Ｒ＿ＳＯ２係数ＣＦ３１１、Ｌ＿ＨｂＯ２係数ＣＦ３１２及びＬ＿ＳＯ２係数ＣＦ３１３を総称して「脳活動測定の測定対象項目ＣＦ３１０」ともいう。
図６に戻り、認知症判定得点算出装置１０－１は、脳活動測定結果取得部１５０と、演算係数情報取得部１３０－１と、認知症判定得点算出部１４０－１とを備えている。
脳活動測定結果取得部１５０は、情報供給部２０が供給する脳活動測定結果情報ＢＡを取得する。脳活動測定結果取得部１５０は、取得した脳活動測定結果情報ＢＡを認知症判定得点算出部１４０－１に供給する。
演算係数情報取得部１３０－１は、記憶部３０－１に記憶されている演算係数情報ＣＦを取得する。演算係数情報取得部１３０－１は、取得した演算係数情報ＣＦを認知症判定得点算出部１４０－１に供給する。
脳活動測定結果取得部１５０は、情報供給部２０が供給する脳活動測定結果情報ＢＡを取得する。脳活動測定結果取得部１５０は、取得した脳活動測定結果情報ＢＡを認知症判定得点算出部１４０－１に供給する。
演算係数情報取得部１３０－１は、記憶部３０－１に記憶されている演算係数情報ＣＦを取得する。演算係数情報取得部１３０－１は、取得した演算係数情報ＣＦを認知症判定得点算出部１４０－１に供給する。
認知症判定得点算出部１４０－１は、年齢情報取得部１１０が取得する年齢情報ＡＧと、血液検査情報取得部１２０が取得する血液検査情報ＧＢＴと、脳活動測定結果取得部１５０が取得する脳活動測定結果情報ＢＡと、演算係数情報取得部１３０－１が取得する演算係数情報ＣＦとをそれぞれ取得する。
認知症判定得点算出部１４０－１は、取得した年齢情報ＡＧと、血液検査情報ＧＢＴと、脳活動測定結果情報ＢＡと、演算係数情報ＣＦとに基づいて、式（３）を演算することにより、認知症判定得点ＳＣを算出する。認知症判定得点算出部１４０－１は、算出した認知症判定得点ＳＣを提示部４０に出力する。
［変形例］
なお、記憶部３０－１には、図７に示す演算係数情報ＣＦに代えて、図８に示す演算係数情報ＣＦが記憶されていてもよい。
なお、記憶部３０－１には、図７に示す演算係数情報ＣＦに代えて、図８に示す演算係数情報ＣＦが記憶されていてもよい。
図８は、本実施形態の記憶部３０－１に記憶されている演算係数情報ＣＦの変形例を示す。この変形例の場合、記憶部３０－１には、年齢係数ＣＦ１２１の演算係数と、一般血液検査の検査項目係数ＣＦ２２０の演算係数と、脳活動測定の測定対象項目ＣＦ３２０とが記憶されている。
同図の具体例の場合、記憶部３０－１には、演算係数“１．３８７４５９５０”が年齢係数ＣＦ１１１として記憶されている。また、記憶部３０－１には、演算係数“－０．９７７８２５７３”が白血球数係数ＣＦ２２１として、演算係数“－０．７３６３７７７８”がＭＣＶ係数ＣＦ２２２として、演算係数“－０．５９７４８７３０”がＭＣＨ係数ＣＦ２２３として、演算係数“－０．２７８９２２５８”が血小板数係数ＣＦ２２４として、演算係数“－０．２２４０１４９０”がアルブミン係数ＣＦ２２５として、演算係数“－１．６１０５５７１１”がＡ＿Ｇ比係数ＣＦ２２６として、演算係数“－０．９７６５６７７９”が尿酸係数ＣＦ２２７として、演算係数“－１．００９４２４７１”が尿素窒素係数ＣＦ２２８として、演算係数“－０．０７８５４３５５”がクレアチニン係数ＣＦ２２９として、演算係数“－０．５０３６５６００”がソディウム係数ＣＦ２３０として、演算係数“－０．６１０３５８１９”がクロール係数ＣＦ２３１として、それぞれ記憶されている。また、記憶部３０－１には、演算係数“１．２８８４１２１９”がＬ＿Ｈｂ係数ＣＦ３２１として、演算係数“－０．６２０８２７５６”がＬ＿ＳＯ２係数ＣＦ３２２として、それぞれ記憶されている。
この一例において、白血球数係数ＣＦ２２１からクロール係数ＣＦ２３１までを総称して「一般血液検査の検査項目係数ＣＦ２２０」ともいう。また、この一例において、Ｌ＿Ｈｂ係数ＣＦ３２１及びＬ＿ＳＯ２係数ＣＦ３２２を総称して「脳活動測定の測定対象項目ＣＦ３２０」ともいう。
同図の具体例の場合、記憶部３０－１には、演算係数“１．３８７４５９５０”が年齢係数ＣＦ１１１として記憶されている。また、記憶部３０－１には、演算係数“－０．９７７８２５７３”が白血球数係数ＣＦ２２１として、演算係数“－０．７３６３７７７８”がＭＣＶ係数ＣＦ２２２として、演算係数“－０．５９７４８７３０”がＭＣＨ係数ＣＦ２２３として、演算係数“－０．２７８９２２５８”が血小板数係数ＣＦ２２４として、演算係数“－０．２２４０１４９０”がアルブミン係数ＣＦ２２５として、演算係数“－１．６１０５５７１１”がＡ＿Ｇ比係数ＣＦ２２６として、演算係数“－０．９７６５６７７９”が尿酸係数ＣＦ２２７として、演算係数“－１．００９４２４７１”が尿素窒素係数ＣＦ２２８として、演算係数“－０．０７８５４３５５”がクレアチニン係数ＣＦ２２９として、演算係数“－０．５０３６５６００”がソディウム係数ＣＦ２３０として、演算係数“－０．６１０３５８１９”がクロール係数ＣＦ２３１として、それぞれ記憶されている。また、記憶部３０－１には、演算係数“１．２８８４１２１９”がＬ＿Ｈｂ係数ＣＦ３２１として、演算係数“－０．６２０８２７５６”がＬ＿ＳＯ２係数ＣＦ３２２として、それぞれ記憶されている。
この一例において、白血球数係数ＣＦ２２１からクロール係数ＣＦ２３１までを総称して「一般血液検査の検査項目係数ＣＦ２２０」ともいう。また、この一例において、Ｌ＿Ｈｂ係数ＣＦ３２１及びＬ＿ＳＯ２係数ＣＦ３２２を総称して「脳活動測定の測定対象項目ＣＦ３２０」ともいう。
この変形例の場合、認知症判定得点算出部１４０－１は、式（４）に基づいて認知症判定得点ＳＣを算出する。
［まとめ］
上述した実施形態に係る認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、被験者の年齢及び一般血液検査の結果に基づいて、当該被験者の認知症判定得点ＳＣを算出する。このため、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、特殊な検査や問診が不要である。したがって、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、簡便に認知症判定得点を算出することができる。
上述した実施形態に係る認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、被験者の年齢及び一般血液検査の結果に基づいて、当該被験者の認知症判定得点ＳＣを算出する。このため、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、特殊な検査や問診が不要である。したがって、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、簡便に認知症判定得点を算出することができる。
また、上述した実施形態に係る認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、算出された認知症判定得点ＳＣの値が従来のＭＭＳＥによる得点の値と同じである。このため、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、従来のＭＭＳＥを利用して被験者の認知症の状態を判定していた判定者が、認知症判定得点ＳＣを理解しやすい。
また、上述した実施形態に係る認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、認知症判定のための項目及び係数が機械学習によって算出されている。したがって、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、血液検査項目の意味についての先入観にとらわれずに、認知症判定のための項目や係数を算出することができる。
上述した実施形態に係る認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、認知症判定のための項目に、一般血液検査で得られるアルブミン－グロブリン比が含まれている。したがって、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、特殊な検査や問診が不要であり、簡便に認知症判定得点を算出することができる。
上述した実施形態に係る認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１によれば、非侵襲脳活動測定装置による被験者の脳活動の測定結果に基づいて、認知症判定得点ＳＣを算出する。これにより、認知症判定得点算出装置１０及び認知症判定得点算出装置１０－１は、脳活動の測定結果に基づかずに認知症判定得点ＳＣを算出する場合に比べて、認知症判定得点ＳＣとＭＭＳＥによる得点との一致度、すなわち、認知症判定得点ＳＣの算出精度が向上する。
以上、本発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更を加えることができる。上述した各実施形態に記載の構成を組み合わせてもよい。
なお、上記の実施形態における各装置が備える各部は、専用のハードウェアにより実現されるものであってもよく、また、メモリおよびマイクロプロセッサにより実現させるものであってもよい。
なお、各装置が備える各部は、メモリおよびＣＰＵ（中央演算装置）により構成され、各装置が備える各部の機能を実現するためのプログラムをメモリにロードして実行することによりその機能を実現させるものであってもよい。
また、各装置が備える各部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、制御部が備える各部による処理を行ってもよい。
なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
１，１－１…認知症判定得点算出システム、１０，１０－１…認知症判定得点算出装置
、２０，２０－１…情報供給部、３０，３０－１…記憶部、４０…提示部、１１０…年齢
情報取得部、１２０…血液検査情報取得部、１３０，１３０－１…演算係数情報取得部、
１４０，１４０－１…認知症判定得点算出部、１５０…脳活動測定結果取得部
、２０，２０－１…情報供給部、３０，３０－１…記憶部、４０…提示部、１１０…年齢
情報取得部、１２０…血液検査情報取得部、１３０，１３０－１…演算係数情報取得部、
１４０，１４０－１…認知症判定得点算出部、１５０…脳活動測定結果取得部
Claims (4)
- 被験者の年齢を示す年齢情報を取得する年齢情報取得部と、
前記被験者の一般血液検査の結果を示す血液検査情報を取得する血液検査情報取得部と、
一般血液検査の結果のうち認知症判定のための項目及び認知症判定得点を算出するための係数を機械学習によって求める機械学習部と、
前記年齢情報取得部が取得する前記被験者の年齢を示す年齢情報、前記血液検査情報取得部が取得する前記被験者の前記血液検査情報のうち前記機械学習部によって求められた認知症判定のための項目の情報、及び前記機械学習部によって求められた前記認知症判定得点を算出するための係数に基づいて、前記被験者の認知症判定得点を算出する認知症判定得点算出部と、
を備える認知症判定得点算出装置。 - 前記認知症判定得点は、ミニメンタルステート検査による検査結果の得点に対応する 請求項１に記載の認知症判定得点算出装置。
- 請求項１又は２に記載の認知症判定得点算出装置、情報供給部、記憶部及び提示部を含む認知症判定得点算出システムであって、
前記情報供給部は、
被験者の年齢を示す年齢情報と、前記被験者の一般血液検査の結果を示す血液検査情報を、前記認知症判定得点算出装置に供給し、
前記記憶部は、前記機械学習部によって求められた認知症判定のための項目の方法、及び前記機械学習部によって求められた前記認知症判定得点を算出するための係数を記憶し、
前記提示部は、前記認知症判定得点算出部が算出した前記被験者の認知症判定得点を提示する、
認知症判定得点算出システム。 - コンピュータに、
被験者の年齢を示す年齢情報を取得する年齢情報取得ステップと、
前記被験者の一般血液検査の結果を示す血液検査情報を取得する血液検査情報取得ステップと、
一般血液検査の結果のうち認知症判定のための項目及び認知症判定得点を算出するための係数を機械学習によって求める項目及び係数算出ステップと、
前記年齢情報取得ステップにおいて取得される前記被験者の前記年齢情報と、前記血液検査情報取得ステップにおいて取得される前記被験者の前記血液検査情報のうち前記項目及び係数算出ステップで求められた認知症判定のための項目に関する情報と、前記係数算出ステップにおいて取得される前記係数とに基づいて、前記被験者の認知症判定得点を算出する認知症判定得点算出ステップと
を実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020081930A JP7109499B2 (ja) | 2020-05-07 | 2020-05-07 | 認知症判定得点算出装置及びそのプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020081930A JP7109499B2 (ja) | 2020-05-07 | 2020-05-07 | 認知症判定得点算出装置及びそのプログラム |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016189484A Division JP6702836B2 (ja) | 2016-09-28 | 2016-09-28 | 認知症判定得点算出装置及びそのプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020140724A JP2020140724A (ja) | 2020-09-03 |
| JP7109499B2 true JP7109499B2 (ja) | 2022-07-29 |
Family
ID=72280495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020081930A Active JP7109499B2 (ja) | 2020-05-07 | 2020-05-07 | 認知症判定得点算出装置及びそのプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7109499B2 (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005296231A (ja) | 2004-04-09 | 2005-10-27 | Hitachi Medical Corp | 生体光計測装置 |
| JP2007524847A (ja) | 2003-11-07 | 2007-08-30 | サイファージェン バイオシステムズ インコーポレイテッド | アルツハイマー病のためのバイオマーカー |
| US20120232016A1 (en) | 2011-03-08 | 2012-09-13 | Coleman Paul D | Method and system to detect and diagnose alzheimer's disease |
| WO2012165602A1 (ja) | 2011-05-31 | 2012-12-06 | 国立大学法人名古屋工業大学 | 認知機能障害判別装置、認知機能障害判別システム、およびプログラム |
| JP2016511406A (ja) | 2013-03-05 | 2016-04-14 | ランドックス テオランタ | アルツハイマー病の診断のための方法と組成物 |
-
2020
- 2020-05-07 JP JP2020081930A patent/JP7109499B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007524847A (ja) | 2003-11-07 | 2007-08-30 | サイファージェン バイオシステムズ インコーポレイテッド | アルツハイマー病のためのバイオマーカー |
| JP2005296231A (ja) | 2004-04-09 | 2005-10-27 | Hitachi Medical Corp | 生体光計測装置 |
| US20120232016A1 (en) | 2011-03-08 | 2012-09-13 | Coleman Paul D | Method and system to detect and diagnose alzheimer's disease |
| WO2012165602A1 (ja) | 2011-05-31 | 2012-12-06 | 国立大学法人名古屋工業大学 | 認知機能障害判別装置、認知機能障害判別システム、およびプログラム |
| JP2016511406A (ja) | 2013-03-05 | 2016-04-14 | ランドックス テオランタ | アルツハイマー病の診断のための方法と組成物 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020140724A (ja) | 2020-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hallstrand et al. | The timed walk test as a measure of severity and survival in idiopathic pulmonary fibrosis | |
| Roberts et al. | Association between elevated mean arterial blood pressure and neurologic outcome after resuscitation from cardiac arrest: results from a multicenter prospective cohort study | |
| Schmelzeisen-Redeker et al. | Time delay of CGM sensors: relevance, causes, and countermeasures | |
| Wijdicks et al. | Practice Parameter: Prediction of outcome in comatose survivors after cardiopulmonary resuscitation (an evidence-based review) Report of the Quality Standards Subcommittee of the American Academy of Neurology | |
| Cho et al. | Modifiable risk factors and mortality from ischemic and hemorrhagic strokes in patients receiving venoarterial extracorporeal membrane oxygenation: Results from the extracorporeal life support organization registry | |
| Ning et al. | Shapley variable importance cloud for interpretable machine learning | |
| Müllner et al. | Reporting on statistical methods to adjust for confounding: a cross-sectional survey | |
| TW201402059A (zh) | 健康狀態判定方法及健康狀態判定系統 | |
| Hess et al. | The role of cognitive costs, attitudes about aging, and intrinsic motivation in predicting engagement in everyday activities. | |
| US20240057888A1 (en) | Method And System For Determining Brain-State Dependent Functional Areas Of Unitary Pooled Activity And Associated Dynamic Networks With Functional Magnetic Resonance Imaging | |
| Sauthier et al. | Estimated Pao2: A continuous and noninvasive method to estimate Pao2 and oxygenation index | |
| Amin et al. | Physiological characterization of electrodermal activity enables scalable near real-time autonomic nervous system activation inference | |
| Lima et al. | Interrater reliability and diagnostic performance of subjective evaluation of sublingual microcirculation images by physicians and nurses: a multicenter observational study | |
| Morgan et al. | Survival and hemodynamics during pediatric cardiopulmonary resuscitation for bradycardia and poor perfusion versus pulseless cardiac arrest | |
| JP6702836B2 (ja) | 認知症判定得点算出装置及びそのプログラム | |
| Sgalla et al. | Quantitative analysis of lung sounds for monitoring idiopathic pulmonary fibrosis: a prospective pilot study | |
| Overweg et al. | Interpretable outcome prediction with sparse Bayesian neural networks in intensive care | |
| JP7109499B2 (ja) | 認知症判定得点算出装置及びそのプログラム | |
| JP6845716B2 (ja) | 生体機能についての医学的検査の得点判定装置、及びプログラム | |
| Petrova et al. | Coherence between feelings and heart rate: Links to early adversity and responses to stress | |
| Lu et al. | Single-stimulus functional MRI produces a neural individual difference measure for autism spectrum disorder | |
| Friend et al. | Bilateral regional extracranial blood flow regulation to hypoxia and unilateral duplex ultrasound measurement error | |
| Kronberger et al. | Functional capacity testing in patients with pulmonary hypertension (PH) using the one-minute sit-to-stand test (1-min STST) | |
| Chacón et al. | Non-linear models for the detection of impaired cerebral blood flow autoregulation | |
| Francia et al. | Glycemic control maintained over time and joint stiffness in young type 1 patients: what is the mathematical relationship? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200604 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200722 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20201125 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20211119 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20211119 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20211119 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20211208 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220201 |
|
| 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: 20220628 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220719 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7109499 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |