JP7263684B2 - 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 PDFInfo
- Publication number
- JP7263684B2 JP7263684B2 JP2021201816A JP2021201816A JP7263684B2 JP 7263684 B2 JP7263684 B2 JP 7263684B2 JP 2021201816 A JP2021201816 A JP 2021201816A JP 2021201816 A JP2021201816 A JP 2021201816A JP 7263684 B2 JP7263684 B2 JP 7263684B2
- Authority
- JP
- Japan
- Prior art keywords
- periodontal disease
- bacteria
- specimen
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—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)
- Public Health (AREA)
- Medical Informatics (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)
- Wood Science & Technology (AREA)
- Zoology (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)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Databases & Information Systems (AREA)
- Genetics & Genomics (AREA)
Description
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。
<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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
https://support.illumina.com/content/dam/illumina-support/documents/documentation/chemistry_documentation/16s/16s-metagenomic-library-prep-guide-15044223-b.pdf
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。
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。
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 (9)
- 検体からGN02、Ottowia及びSneathiaからなる群から選ばれる少なくとも1種類の菌を検出する検出工程を含む、歯周病検査方法。
- 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み、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、歯周病検査方法。
- 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、請求項1又は請求項2に記載の歯周病検査方法。
- 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、請求項3に記載の歯周病検査方法。
- 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、請求項3又は請求項4に記載の歯周病検査方法。
- 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5のいずれか1項に記載の歯周病検査方法。
- 前記検体が唾液である、請求項1~請求項6のいずれか1項に記載の歯周病検査方法。
- 検体からGN02、Ottowia及びSneathiaからなる群から選ばれる少なくとも1種類の菌を検出する検出部を備える、歯周病検査システム。
- 検体からGN02、Ottowia及びSneathiaからなる群から選ばれる少なくとも1種類の菌を検出する検出デバイスを備える、歯周病検査キット。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017038123 | 2017-03-01 | ||
JP2017038122 | 2017-03-01 | ||
JP2017038122 | 2017-03-01 | ||
JP2017038123 | 2017-03-01 | ||
JP2020176791A 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 |
Related Parent 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 |
---|---|
JP2022047540A JP2022047540A (ja) | 2022-03-24 |
JP7263684B2 true JP7263684B2 (ja) | 2023-04-25 |
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 Before (2)
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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US12014822B2 (ja) |
JP (3) | JP6810789B2 (ja) |
WO (1) | WO2018159712A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7527807B2 (ja) * | 2020-02-20 | 2024-08-05 | 三井化学株式会社 | 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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070269813A1 (en) | 2005-11-03 | 2007-11-22 | Dewhirst Floyd E | Methods and arrays for identifying human microflora |
WO2014179959A1 (en) | 2013-05-09 | 2014-11-13 | The Procter & Gamble Company | Method and system for assessing health condition |
US20160055296A1 (en) | 2013-05-09 | 2016-02-25 | The Procter & Gamble Company | Method And System For Assessing A Health Condition |
Family Cites Families (3)
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 |
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 |
-
2018
- 2018-02-28 US US16/488,661 patent/US12014822B2/en active Active
- 2018-02-28 JP JP2019503084A patent/JP6810789B2/ja active Active
- 2018-02-28 WO PCT/JP2018/007622 patent/WO2018159712A1/ja active Application Filing
-
2020
- 2020-10-21 JP JP2020176791A patent/JP7147823B2/ja active Active
-
2021
- 2021-12-13 JP JP2021201816A patent/JP7263684B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070269813A1 (en) | 2005-11-03 | 2007-11-22 | Dewhirst Floyd E | Methods and arrays for identifying human microflora |
WO2014179959A1 (en) | 2013-05-09 | 2014-11-13 | The Procter & Gamble Company | Method and system for assessing health condition |
US20160055296A1 (en) | 2013-05-09 | 2016-02-25 | The Procter & Gamble Company | Method And System For Assessing A Health Condition |
Non-Patent Citations (2)
Title |
---|
Arch.Microbiol., 2013, Vol.195, pp. 371-383 |
The ISME Journal,2013, Vol. 7, pp. 1016-1025 |
Also Published As
Publication number | Publication date |
---|---|
US20200234831A1 (en) | 2020-07-23 |
JP2021019620A (ja) | 2021-02-18 |
WO2018159712A1 (ja) | 2018-09-07 |
JP6810789B2 (ja) | 2021-01-06 |
US12014822B2 (en) | 2024-06-18 |
JPWO2018159712A1 (ja) | 2019-12-12 |
JP7147823B2 (ja) | 2022-10-05 |
JP2022047540A (ja) | 2022-03-24 |
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 | |
CN105209918B (zh) | 生物标记鉴定方法和系统 | |
Maruyama et al. | Intraindividual variation in core microbiota in peri-implantitis and periodontitis | |
Schwarzberg et al. | The personal human oral microbiome obscures the effects of treatment on periodontal disease | |
Robinson et al. | Intricacies of assessing the human microbiome in epidemiologic studies | |
Canullo et al. | The predictive value of microbiological findings on teeth, internal and external implant portions in clinical decision making | |
JP7263684B2 (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 | |
RU2751241C2 (ru) | Способ и устройство для оценки количества микроорганизмов в таксономической единице в образце | |
WO2021195604A2 (en) | Diagnostic for oral cancer | |
Sisk-Hackworth et al. | Compositional data analysis of periodontal disease microbial communities | |
Shiba et al. | Comparison of periodontal bacteria of edo and modern periods using novel diagnostic approach for periodontitis with micro-CT | |
Wirth et al. | Toward personalized oral diagnosis: Distinct microbiome clusters in periodontitis biofilms | |
Wirth et al. | Microbiomes in supragingival biofilms and saliva of adolescents with gingivitis and gingival health | |
Kesim et al. | Amplicon-based next-generation sequencing for comparative analysis of root canal microbiome of teeth with primary and persistent/secondary endodontic infections | |
US20210142906A1 (en) | Methods and systems for oral microbiome analysis | |
US20220122695A1 (en) | Methods and systems for providing sample information | |
Toyama et al. | Features of the oral microbiome in Japanese elderly people with 20 or more teeth and a non-severe periodontal condition during periodontal maintenance treatment: A cross-sectional study | |
Sicard et al. | Inference of bacterial pathogen instantaneous population growth dynamics | |
EP3764877A1 (en) | Assessing transplant rejection status by analysis of t-cell receptor subunit repertoire diversity | |
JP7527807B2 (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 | |
KR102264060B1 (ko) | 구강 질환의 위험도 예측 방법 및 이를 수행하는 시스템, 그 방법이 을 수행하기 위한 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체 | |
Jeong et al. | Effective microbial molecular diagnosis of periodontitis-related pathogen Porphyromonas gingivalis from salivary samples using rgpA gene | |
González-Recio et al. | Improving phenotypic prediction in dairy cattle breeding using the metagenome | |
RU2607046C2 (ru) | Способ оценки обсемененности пародонта патогенными бактериями с применением полимеразной цепной реакции в реальном времени | |
US20240290488A1 (en) | Systems and methods for determining oral microbiome compositions and health outcomes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221223 |
|
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: 20230314 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7263684 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |