JP7408000B1 - 骨粗鬆症による骨折の推測及び予測の少なくとも一方の方法、骨折スコア出力方法、学習モデル生成方法、学習モデル、骨粗鬆症による骨折のリスク因子推定方法、グラフ作成方法、プログラム、情報処理装置、並びに、学習データセット作成方法 - Google Patents
骨粗鬆症による骨折の推測及び予測の少なくとも一方の方法、骨折スコア出力方法、学習モデル生成方法、学習モデル、骨粗鬆症による骨折のリスク因子推定方法、グラフ作成方法、プログラム、情報処理装置、並びに、学習データセット作成方法 Download PDFInfo
- Publication number
- JP7408000B1 JP7408000B1 JP2023101241A JP2023101241A JP7408000B1 JP 7408000 B1 JP7408000 B1 JP 7408000B1 JP 2023101241 A JP2023101241 A JP 2023101241A JP 2023101241 A JP2023101241 A JP 2023101241A JP 7408000 B1 JP7408000 B1 JP 7408000B1
- Authority
- JP
- Japan
- Prior art keywords
- fracture
- time point
- subject
- fractures
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 257
- 230000010365 information processing Effects 0.000 title claims abstract description 87
- 206010017076 Fracture Diseases 0.000 title claims description 1116
- 208000010392 Bone Fractures Diseases 0.000 title claims description 757
- 208000001132 Osteoporosis Diseases 0.000 title claims description 168
- 208000001164 Osteoporotic Fractures Diseases 0.000 title description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 129
- 238000010801 machine learning Methods 0.000 claims abstract description 87
- 230000009245 menopause Effects 0.000 claims abstract description 87
- 230000001364 causal effect Effects 0.000 claims abstract description 45
- 230000037182 bone density Effects 0.000 claims abstract description 42
- 230000009247 menarche Effects 0.000 claims abstract description 32
- 206010065687 Bone loss Diseases 0.000 claims abstract description 27
- 230000004097 bone metabolism Effects 0.000 claims abstract description 23
- 210000002027 skeletal muscle Anatomy 0.000 claims abstract description 23
- 230000003907 kidney function Effects 0.000 claims abstract description 22
- 238000012360 testing method Methods 0.000 claims description 269
- 230000004044 response Effects 0.000 claims description 99
- 239000003550 marker Substances 0.000 claims description 62
- 230000008569 process Effects 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 28
- 210000000577 adipose tissue Anatomy 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 13
- 210000000115 thoracic cavity Anatomy 0.000 claims description 11
- 210000000689 upper leg Anatomy 0.000 claims description 11
- 238000012502 risk assessment Methods 0.000 claims description 6
- 210000002758 humerus Anatomy 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 24
- 238000011282 treatment Methods 0.000 description 67
- 238000013528 artificial neural network Methods 0.000 description 48
- 210000000988 bone and bone Anatomy 0.000 description 45
- VZSRBBMJRBPUNF-UHFFFAOYSA-N 2-(2,3-dihydro-1H-inden-2-ylamino)-N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]pyrimidine-5-carboxamide Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C(=O)NCCC(N1CC2=C(CC1)NN=N2)=O VZSRBBMJRBPUNF-UHFFFAOYSA-N 0.000 description 34
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 34
- 201000010099 disease Diseases 0.000 description 33
- 238000005259 measurement Methods 0.000 description 30
- 210000004369 blood Anatomy 0.000 description 29
- 239000008280 blood Substances 0.000 description 29
- 238000003745 diagnosis Methods 0.000 description 29
- 238000004891 communication Methods 0.000 description 26
- 230000007423 decrease Effects 0.000 description 22
- 210000004351 coronary vessel Anatomy 0.000 description 20
- 238000011221 initial treatment Methods 0.000 description 19
- AFCARXCZXQIEQB-UHFFFAOYSA-N N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical compound O=C(CCNC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 AFCARXCZXQIEQB-UHFFFAOYSA-N 0.000 description 18
- 238000012795 verification Methods 0.000 description 18
- 208000011200 Kawasaki disease Diseases 0.000 description 17
- 208000001725 mucocutaneous lymph node syndrome Diseases 0.000 description 17
- 230000002265 prevention Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 16
- 238000010606 normalization Methods 0.000 description 15
- 230000003247 decreasing effect Effects 0.000 description 14
- 210000002700 urine Anatomy 0.000 description 12
- 230000037118 bone strength Effects 0.000 description 11
- 238000002790 cross-validation Methods 0.000 description 11
- 239000003814 drug Substances 0.000 description 10
- 201000001474 proteinuria Diseases 0.000 description 10
- 238000010993 response surface methodology Methods 0.000 description 10
- 238000013179 statistical model Methods 0.000 description 10
- 210000002966 serum Anatomy 0.000 description 9
- OHVLMTFVQDZYHP-UHFFFAOYSA-N 1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-2-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]ethanone Chemical compound N1N=NC=2CN(CCC=21)C(CN1CCN(CC1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)=O OHVLMTFVQDZYHP-UHFFFAOYSA-N 0.000 description 8
- 208000006386 Bone Resorption Diseases 0.000 description 8
- 206010047115 Vasculitis Diseases 0.000 description 8
- 230000024279 bone resorption Effects 0.000 description 8
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 8
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 8
- 238000000556 factor analysis Methods 0.000 description 8
- WZFUQSJFWNHZHM-UHFFFAOYSA-N 2-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]piperazin-1-yl]-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)N1CCN(CC1)CC(=O)N1CC2=C(CC1)NN=N2 WZFUQSJFWNHZHM-UHFFFAOYSA-N 0.000 description 7
- JQMFQLVAJGZSQS-UHFFFAOYSA-N 2-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]piperazin-1-yl]-N-(2-oxo-3H-1,3-benzoxazol-6-yl)acetamide Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)N1CCN(CC1)CC(=O)NC1=CC2=C(NC(O2)=O)C=C1 JQMFQLVAJGZSQS-UHFFFAOYSA-N 0.000 description 7
- CONKBQPVFMXDOV-QHCPKHFHSA-N 6-[(5S)-5-[[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]piperazin-1-yl]methyl]-2-oxo-1,3-oxazolidin-3-yl]-3H-1,3-benzoxazol-2-one Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)N1CCN(CC1)C[C@H]1CN(C(O1)=O)C1=CC2=C(NC(O2)=O)C=C1 CONKBQPVFMXDOV-QHCPKHFHSA-N 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 7
- 229940011871 estrogen Drugs 0.000 description 7
- 239000000262 estrogen Substances 0.000 description 7
- 108010074051 C-Reactive Protein Proteins 0.000 description 6
- 102100032752 C-reactive protein Human genes 0.000 description 6
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical group CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 6
- 206010016454 Femur fracture Diseases 0.000 description 6
- 238000009534 blood test Methods 0.000 description 6
- 230000008416 bone turnover Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 229940079593 drug Drugs 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 239000003154 D dimer Substances 0.000 description 5
- 208000031814 IgA Vasculitis Diseases 0.000 description 5
- 208000004732 Systemic Vasculitis Diseases 0.000 description 5
- 108010052295 fibrin fragment D Proteins 0.000 description 5
- 208000015446 immunoglobulin a vasculitis Diseases 0.000 description 5
- 230000011164 ossification Effects 0.000 description 5
- 238000000053 physical method Methods 0.000 description 5
- 229960005205 prednisolone Drugs 0.000 description 5
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 230000002485 urinary effect Effects 0.000 description 5
- 206010003439 Artificial menopause Diseases 0.000 description 4
- 208000002193 Pain Diseases 0.000 description 4
- 206010058907 Spinal deformity Diseases 0.000 description 4
- 230000037396 body weight Effects 0.000 description 4
- 229940109239 creatinine Drugs 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 206010036601 premature menopause Diseases 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 208000004998 Abdominal Pain Diseases 0.000 description 3
- 229940122361 Bisphosphonate Drugs 0.000 description 3
- 206010011071 Coronary artery aneurysm Diseases 0.000 description 3
- 102000012192 Cystatin C Human genes 0.000 description 3
- 108010061642 Cystatin C Proteins 0.000 description 3
- 208000034826 Genetic Predisposition to Disease Diseases 0.000 description 3
- 102000004067 Osteocalcin Human genes 0.000 description 3
- 108090000573 Osteocalcin Proteins 0.000 description 3
- 238000000692 Student's t-test Methods 0.000 description 3
- 208000026935 allergic disease Diseases 0.000 description 3
- 238000011861 anti-inflammatory therapy Methods 0.000 description 3
- 150000004663 bisphosphonates Chemical class 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 230000002611 ovarian Effects 0.000 description 3
- 210000001672 ovary Anatomy 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- AZUYLZMQTIKGSC-UHFFFAOYSA-N 1-[6-[4-(5-chloro-6-methyl-1H-indazol-4-yl)-5-methyl-3-(1-methylindazol-5-yl)pyrazol-1-yl]-2-azaspiro[3.3]heptan-2-yl]prop-2-en-1-one Chemical compound ClC=1C(=C2C=NNC2=CC=1C)C=1C(=NN(C=1C)C1CC2(CN(C2)C(C=C)=O)C1)C=1C=C2C=NN(C2=CC=1)C AZUYLZMQTIKGSC-UHFFFAOYSA-N 0.000 description 2
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 2
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 206010050685 Cytokine storm Diseases 0.000 description 2
- 206010066871 Disuse syndrome Diseases 0.000 description 2
- 108010058861 Fibrin Fibrinogen Degradation Products Proteins 0.000 description 2
- 102000012673 Follicle Stimulating Hormone Human genes 0.000 description 2
- 108010079345 Follicle Stimulating Hormone Proteins 0.000 description 2
- 102000001390 Fructose-Bisphosphate Aldolase Human genes 0.000 description 2
- 108010068561 Fructose-Bisphosphate Aldolase Proteins 0.000 description 2
- 206010020850 Hyperthyroidism Diseases 0.000 description 2
- 208000009525 Myocarditis Diseases 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 230000003110 anti-inflammatory effect Effects 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 2
- 102000015736 beta 2-Microglobulin Human genes 0.000 description 2
- 108010081355 beta 2-Microglobulin Proteins 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009535 clinical urine test Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 206010052015 cytokine release syndrome Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000208 fibrin degradation product Substances 0.000 description 2
- 229940028334 follicle stimulating hormone Drugs 0.000 description 2
- 239000003862 glucocorticoid Substances 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 210000001699 lower leg Anatomy 0.000 description 2
- 210000004705 lumbosacral region Anatomy 0.000 description 2
- 230000003821 menstrual periods Effects 0.000 description 2
- 208000030159 metabolic disease Diseases 0.000 description 2
- 238000010202 multivariate logistic regression analysis Methods 0.000 description 2
- 201000008383 nephritis Diseases 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 210000004197 pelvis Anatomy 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 229940037128 systemic glucocorticoids Drugs 0.000 description 2
- MZOFCQQQCNRIBI-VMXHOPILSA-N (3s)-4-[[(2s)-1-[[(2s)-1-[[(1s)-1-carboxy-2-hydroxyethyl]amino]-4-methyl-1-oxopentan-2-yl]amino]-5-(diaminomethylideneamino)-1-oxopentan-2-yl]amino]-3-[[2-[[(2s)-2,6-diaminohexanoyl]amino]acetyl]amino]-4-oxobutanoic acid Chemical compound OC[C@@H](C(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CC(O)=O)NC(=O)CNC(=O)[C@@H](N)CCCCN MZOFCQQQCNRIBI-VMXHOPILSA-N 0.000 description 1
- VOXZDWNPVJITMN-ZBRFXRBCSA-N 17β-estradiol Chemical compound OC1=CC=C2[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 VOXZDWNPVJITMN-ZBRFXRBCSA-N 0.000 description 1
- VHRSUDSXCMQTMA-PJHHCJLFSA-N 6alpha-methylprednisolone Chemical compound C([C@@]12C)=CC(=O)C=C1[C@@H](C)C[C@@H]1[C@@H]2[C@@H](O)C[C@]2(C)[C@@](O)(C(=O)CO)CC[C@H]21 VHRSUDSXCMQTMA-PJHHCJLFSA-N 0.000 description 1
- 201000000736 Amenorrhea Diseases 0.000 description 1
- 206010001928 Amenorrhoea Diseases 0.000 description 1
- 102000009091 Amyloidogenic Proteins Human genes 0.000 description 1
- 108010048112 Amyloidogenic Proteins Proteins 0.000 description 1
- 206010002199 Anaphylactic shock Diseases 0.000 description 1
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 1
- 208000008035 Back Pain Diseases 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 102100021943 C-C motif chemokine 2 Human genes 0.000 description 1
- 101710155857 C-C motif chemokine 2 Proteins 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010022452 Collagen Type I Proteins 0.000 description 1
- 102000012422 Collagen Type I Human genes 0.000 description 1
- 206010010214 Compression fracture Diseases 0.000 description 1
- 206010010741 Conjunctivitis Diseases 0.000 description 1
- 102000004420 Creatine Kinase Human genes 0.000 description 1
- 108010042126 Creatine kinase Proteins 0.000 description 1
- CMSMOCZEIVJLDB-UHFFFAOYSA-N Cyclophosphamide Chemical compound ClCCN(CCCl)P1(=O)NCCCO1 CMSMOCZEIVJLDB-UHFFFAOYSA-N 0.000 description 1
- 229930105110 Cyclosporin A Natural products 0.000 description 1
- PMATZTZNYRCHOR-CGLBZJNRSA-N Cyclosporin A Chemical compound CC[C@@H]1NC(=O)[C@H]([C@H](O)[C@H](C)C\C=C\C)N(C)C(=O)[C@H](C(C)C)N(C)C(=O)[C@H](CC(C)C)N(C)C(=O)[C@H](CC(C)C)N(C)C(=O)[C@@H](C)NC(=O)[C@H](C)NC(=O)[C@H](CC(C)C)N(C)C(=O)[C@H](C(C)C)NC(=O)[C@H](CC(C)C)N(C)C(=O)CN(C)C1=O PMATZTZNYRCHOR-CGLBZJNRSA-N 0.000 description 1
- 108010036949 Cyclosporine Proteins 0.000 description 1
- 102000004127 Cytokines Human genes 0.000 description 1
- 108090000695 Cytokines Proteins 0.000 description 1
- 206010012218 Delirium Diseases 0.000 description 1
- 206010012438 Dermatitis atopic Diseases 0.000 description 1
- 208000002251 Dissecting Aneurysm Diseases 0.000 description 1
- 108060006698 EGF receptor Proteins 0.000 description 1
- 208000032274 Encephalopathy Diseases 0.000 description 1
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 206010053759 Growth retardation Diseases 0.000 description 1
- 101001082142 Homo sapiens Pentraxin-related protein PTX3 Proteins 0.000 description 1
- 206010020462 Humerus fracture Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- -1 IL-1β Proteins 0.000 description 1
- 108060003951 Immunoglobulin Proteins 0.000 description 1
- 102000014150 Interferons Human genes 0.000 description 1
- 108010050904 Interferons Proteins 0.000 description 1
- 108090001005 Interleukin-6 Proteins 0.000 description 1
- 201000008450 Intracranial aneurysm Diseases 0.000 description 1
- 206010023201 Joint contracture Diseases 0.000 description 1
- 206010067125 Liver injury Diseases 0.000 description 1
- 208000006670 Multiple fractures Diseases 0.000 description 1
- 208000001089 Multiple system atrophy Diseases 0.000 description 1
- 208000010428 Muscle Weakness Diseases 0.000 description 1
- 206010028372 Muscular weakness Diseases 0.000 description 1
- 206010029164 Nephrotic syndrome Diseases 0.000 description 1
- 206010030247 Oestrogen deficiency Diseases 0.000 description 1
- 206010031127 Orthostatic hypotension Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010034156 Pathological fracture Diseases 0.000 description 1
- 102100027351 Pentraxin-related protein PTX3 Human genes 0.000 description 1
- 108010048233 Procalcitonin Proteins 0.000 description 1
- 206010037802 Radius fracture Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 206010039085 Rhinitis allergic Diseases 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 208000013201 Stress fracture Diseases 0.000 description 1
- 102000007591 Tartrate-Resistant Acid Phosphatase Human genes 0.000 description 1
- 108010032050 Tartrate-Resistant Acid Phosphatase Proteins 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 108060008682 Tumor Necrosis Factor Proteins 0.000 description 1
- 102000000852 Tumor Necrosis Factor-alpha Human genes 0.000 description 1
- 208000024780 Urticaria Diseases 0.000 description 1
- 229930003316 Vitamin D Natural products 0.000 description 1
- QYSXJUFSXHHAJI-XFEUOLMDSA-N Vitamin D3 Natural products C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C/C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-XFEUOLMDSA-N 0.000 description 1
- 238000001772 Wald test Methods 0.000 description 1
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229960001138 acetylsalicylic acid Drugs 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 201000010105 allergic rhinitis Diseases 0.000 description 1
- 231100000540 amenorrhea Toxicity 0.000 description 1
- 208000003455 anaphylaxis Diseases 0.000 description 1
- 206010002895 aortic dissection Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000003149 assay kit Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 201000008937 atopic dermatitis Diseases 0.000 description 1
- LMEKQMALGUDUQG-UHFFFAOYSA-N azathioprine Chemical compound CN1C=NC([N+]([O-])=O)=C1SC1=NC=NC2=C1NC=N2 LMEKQMALGUDUQG-UHFFFAOYSA-N 0.000 description 1
- 229960002170 azathioprine Drugs 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000010072 bone remodeling Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007475 c-index Methods 0.000 description 1
- 206010007625 cardiogenic shock Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000000854 cervical rib Anatomy 0.000 description 1
- 238000007705 chemical test Methods 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 108010049937 collagen type I trimeric cross-linked peptide Proteins 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 229960004397 cyclophosphamide Drugs 0.000 description 1
- 201000003146 cystitis Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000000326 densiometry Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000011549 displacement method Methods 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 229960005309 estradiol Drugs 0.000 description 1
- 229930182833 estradiol Natural products 0.000 description 1
- 210000002436 femur neck Anatomy 0.000 description 1
- 210000002082 fibula Anatomy 0.000 description 1
- 208000021302 gastroesophageal reflux disease Diseases 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000024924 glomerular filtration Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 231100000234 hepatic damage Toxicity 0.000 description 1
- 238000009802 hysterectomy Methods 0.000 description 1
- 102000018358 immunoglobulin Human genes 0.000 description 1
- 229960000598 infliximab Drugs 0.000 description 1
- 208000030603 inherited susceptibility to asthma Diseases 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 229940079322 interferon Drugs 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 210000002239 ischium bone Anatomy 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008818 liver damage Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 210000001872 metatarsal bone Anatomy 0.000 description 1
- 229960004584 methylprednisolone Drugs 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- RTGDFNSFWBGLEC-SYZQJQIISA-N mycophenolate mofetil Chemical compound COC1=C(C)C=2COC(=O)C=2C(O)=C1C\C=C(/C)CCC(=O)OCCN1CCOCC1 RTGDFNSFWBGLEC-SYZQJQIISA-N 0.000 description 1
- 229960004866 mycophenolate mofetil Drugs 0.000 description 1
- 208000009928 nephrosis Diseases 0.000 description 1
- 231100001027 nephrosis Toxicity 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000009806 oophorectomy Methods 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 210000000963 osteoblast Anatomy 0.000 description 1
- 210000002997 osteoclast Anatomy 0.000 description 1
- 230000001009 osteoporotic effect Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 208000000689 peptic esophagitis Diseases 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- CWCXERYKLSEGEZ-KDKHKZEGSA-N procalcitonin Chemical compound C([C@@H](C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@H](C(=O)N[C@@H](C)C(=O)N[C@@H]([C@@H](C)CC)C(=O)NCC(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1[C@@H](CCC1)C(=O)NCC(O)=O)[C@@H](C)O)NC(=O)[C@@H](NC(=O)[C@H](CC=1NC=NC=1)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCSC)NC(=O)[C@H]1NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CO)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(N)=O)NC(=O)CNC(=O)[C@@H](N)CSSC1)[C@@H](C)O)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 CWCXERYKLSEGEZ-KDKHKZEGSA-N 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 210000003689 pubic bone Anatomy 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 210000002320 radius Anatomy 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 206010039073 rheumatoid arthritis Diseases 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 206010041569 spinal fracture Diseases 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 210000002303 tibia Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 229950008558 ulinastatin Drugs 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 108010088854 urinastatin Proteins 0.000 description 1
- ODVKSTFPQDVPJZ-UHFFFAOYSA-N urinastatin Chemical compound C1C=CCCC11COC(C=2OC=CC=2)OC1 ODVKSTFPQDVPJZ-UHFFFAOYSA-N 0.000 description 1
- 239000011710 vitamin D Substances 0.000 description 1
- 235000019166 vitamin D Nutrition 0.000 description 1
- 150000003710 vitamin D derivatives Chemical class 0.000 description 1
- 239000011647 vitamin D3 Substances 0.000 description 1
- QYSXJUFSXHHAJI-YRZJJWOYSA-N vitamin D3 Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C\C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-YRZJJWOYSA-N 0.000 description 1
- 229940046008 vitamin d Drugs 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
前記骨折スコアを出力可能な学習モデルに対象者の前記第1時点での臨床情報を入力して前記対象者の前記骨折スコアを出力する処理を情報処理装置に実行させるステップを含み、
前記骨折スコアを出力可能な学習モデルは、前記第1時点での前記既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記経過期間内での前記新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での前記臨床情報を入力されると、前記各被験者の前記骨折スコアを出力するように機械学習したものであり、
前記第1時点での前記臨床情報は、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータからなる群より選ばれる4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記各被験者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられ共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである。
前記第1時点での前記臨床情報は、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれた4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである。
前記学習モデルは、前記第1時点での前記既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記経過期間内での前記新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での臨床情報が入力されると前記各被験者の前記骨折スコアを出力するように重み付け値が機械学習されたものであり、且つ、対象者の前記第1時点での前記臨床情報が入力される場合には前記対象者の前記臨床情報に対して前記重み付け値に基づく演算を行って前記対象者の前記骨折スコアを出力するように情報処理装置を機能させるものであり、
前記第1時点での前記臨床情報には、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれた4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記各被験者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである。
前記骨折リスク陽性領域は、前記学習モデルに基づいて、前記骨折スコアの値を示す第1軸と前記4種以上の臨床データから選択された1種の臨床データの値を示す第2軸とを有し且つ前記応答曲面と前記骨折スコアのカットオフ値との関係を示す二次元グラフ又は三次元グラフを作成する処理を情報処理装置に実行させる場合に、作成される前記二次元グラフ又は前記三次元グラフに含まれる前記応答曲面において前記骨折スコアの値が前記カットオフ値よりも高値となる部分の領域であり、
前記推定されるリスク因子は、少なくとも、前記第2軸における前記選択された1種の臨床データの値に関するものであり得る。
前記第1時点での前記4種以上の臨床データは、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれる。
前記受診者らに含まれる各受診者は、前記病気に関して診察された第1診察時点では前記合併症が発生していないことを診断され、且つ、前記第1診察時点を過ぎてから後の第2診察時点までの経過観察期間内での前記合併症の発生の有無を判定する診断をされた者であり、
前記方法は、前記各受診者の臨床情報が入力されると前記各受診者の合併症発生スコアを出力するように機械学習した学習モデルに基づいて、応答曲面法により前記受診者らの前記臨床情報と前記受診者らの前記合併症発生スコアとの関係を示す応答曲面を生成し、生成される前記応答曲面に合併症発生リスク陽性領域が含まれる場合には推定されるリスク因子を特定する処理を情報処理装置に実行させるステップを含み、
前記各受診者の前記臨床情報は、前記第1診察時点における前記各受診者に関する4種以上の臨床データを含み、
前記各受診者の前記合併症発生スコアは、前記各受診者の前記判定の結果と、前記各受診者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータであり、
前記合併症発生リスク陽性領域は、前記学習モデルに基づいて、前記合併症発生スコアの値を示す第1軸と前記4種以上の臨床データから選択された1種の臨床データの値を示す第2軸とを有し且つ前記応答曲面と前記合併症発生スコアのカットオフ値との関係を示す二次元グラフ又は三次元グラフを作成する処理を情報処理装置に実行させる場合に、作成される前記二次元グラフ又は前記三次元グラフに含まれる前記応答曲面において前記合併症発生スコアの値が前記カットオフ値よりも高値となる部分の領域であり、
前記推定されるリスク因子は、少なくとも、前記第2軸における前記選択された1種の臨床データの値に関するものである。
図1に示すように、実施形態1に係る骨粗鬆症による骨折の推測・予測方法S10aは、学習データセット作成方法S30aと、学習モデル生成方法S20aと、骨折スコア出力方法S15aとを含み得る。学習データセット作成方法S30aは、各被験者の臨床情報及び判定結果取得ステップS31aと、各被験者の臨床情報正規化ステップS32と、各被験者の骨折スコア算出ステップS33aとを含み得る。
図9には、実施形態2に係る骨粗鬆症による骨折の推測・予測方法S10cと、該方法S10cに含まれ得る、学習データセット作成方法S30c、学習モデル生成方法S20c及び骨折スコア出力方法S15cとを示す。これらの方法(S10c、S15c、S20c、S30c)の説明にあたり、図1を用いて説明した各方法(S10a、S15a、S20a及びS30a)と比べて、共通事項の説明を適宜省略し、異なる事項を主に説明する。図9に示す学習データセット作成方法S30cでは、各被験者の他の臨床情報及びBMDデータ取得ステップS21と、各被験者の他の臨床情報正規化ステップS22と、BLR(骨量減少率)学習ステップS24と、BLR学習後選別ステップS25とを含み得ることにより、BLR(予測値)を出力可能な学習モデルを生成しやすく構成されている。学習データセット作成方法S30cでは、さらに、各被験者の臨床情報及び判定結果取得ステップS31cと、各被験者の臨床情報正規化ステップS32と、各被験者の骨折スコア算出ステップS33aとを含み得る。
前述した図5(a)、図5(b)、及び、図6(c)乃至図6(f)では、第1軸(Z軸)で骨折スコアの値を示す三次元グラフにおいて、応答曲面法により生成される応答曲面(92a乃至92f)に骨折スコアの値が閾値表示95(カットオフ値)よりも高値となる骨折リスク陽性の予測領域99が形成される場合に、その三次元グラフの第2軸(X軸)に示される臨床データと第3軸(Z軸)に示される臨床データとの組み合わせが、骨粗鬆症という病気の合併症の一種である骨折を発生させるリスク因子の組み合わせと推定され得ることを説明した。また、後述するように、それぞれ、試験例22では骨粗鬆症による新規骨折を発生させるリスク因子の組み合わせを推定でき、試験例23では骨粗鬆症による既存骨折数1を発生させるリスク因子の組み合わせを推定でき、試験例24では川崎病(KD)の合併症の1種である冠動脈拡大病変(CAL)を発生させるリスク因子の組み合わせを推定でき、試験例25ではIgA血管炎(IgAV)の合併症の1種である紫斑病性腎炎(PN)で高度蛋白尿を伴う症例を発生させるリスク因子の組み合わせを推定できた。これらの合併症はいずれも、発生の正確な作用機序が未だ不明で、従来は発生の推測・予測が難しかったにも関わらず、後述の試験例22乃至試験例25で合併症発生のリスク因子を推定可能であったことを考慮すると、試験例22乃至試験例25の手法は、多種多様な病気の様々な合併症に関して、合併症発生のリスク因子を探索可能又は推定可能な汎用性を有していると考えられる。このため、一実施形態に係る合併症のリスク因子推定方法において、リスク因子を探索又は推定しようとする合併症と、この合併症を誘発させる場合がある病気との組み合わせは、特に限定されないが、例えば次の例が挙げられる。
(1)
閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上に関する骨折スコアを出力する方法であって、
前記骨折スコアを出力可能な学習モデルに対象者の前記第1時点での臨床情報を入力して前記対象者の前記骨折スコアを出力する処理を情報処理装置に実行させるステップを含み、
前記骨折スコアを出力可能な学習モデルは、前記第1時点での前記既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記経過期間内での前記新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での前記臨床情報を入力されると、前記各被験者の前記骨折スコアを出力するように機械学習したものであり、
前記第1時点での前記臨床情報は、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータからなる群より選ばれる4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記各被験者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられ共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである、骨折スコア出力方法。
(2)
前記骨量減少率予測値は、骨量減少率を出力可能な学習モデルに前記第1時点での骨密度と前記第1時点での他の臨床情報とを入力して前記骨量減少率予測値を出力する処理を情報処理装置に実行させて出力される臨床データであり、
前記骨量減少率を出力可能な学習モデルは、前記第1時点と前記第2時点とで骨密度を計測された各被験者についての、前記第1時点での骨密度と、前記第1時点での前記他の臨床情報とを入力されると、前記第2時点での骨密度と、前記経過期間内での骨量減少率とを出力するように機械学習したものであり、
前記第1時点での前記他の臨床情報は、年齢、身長、体重、BMI、体脂肪率、除脂肪体重、体脂肪量、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、及び、これらのいずれかを間接的に示すデータから選ばれた1種以上の他の臨床データを含む、前記(1)に記載された骨折スコア出力方法。
(3)
前記骨密度は、上腕骨近位部、橈骨遠位部、頚椎、胸椎、腰椎及び大腿骨近位部から選ばれた1箇所以上の身体部位における少なくとも一部の領域についてのものである、前記(1)に記載された骨折スコア出力方法。
(4)
前記(1)乃至(3)のいずれかに記載された骨折スコア出力方法により前記対象者の前記骨折スコアを出力し、出力された前記対象者の前記骨折スコアと前記骨折スコアの閾値との比較結果に基づいて、前記対象者についての、前記第1時点での前記既存骨折の有無の推測結果、前記第1時点での前記既存骨折の骨折数の推測結果、前記経過期間内での前記新規骨折の有無の予測結果、及び、前記経過期間内での前記新規骨折の骨折数の予測結果から選ばれた1種以上に関する結果データを出力する処理を情報処理装置に実行させる、骨粗鬆症による骨折の推測及び予測の少なくとも一方の方法。
(5)
閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での臨床情報が入力されると前記各被験者の骨折スコアを出力する学習モデルを、機械学習により生成するステップを含み、
前記第1時点での前記臨床情報は、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれた4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである、学習モデル生成方法。
(6)
閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上に関する骨折スコアを出力可能な学習モデルであって、
前記学習モデルは、前記第1時点での前記既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記経過期間内での前記新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での臨床情報が入力されると前記各被験者の前記骨折スコアを出力するように重み付け値が機械学習されたものであり、且つ、対象者の前記第1時点での前記臨床情報が入力される場合には前記対象者の前記臨床情報に対して前記重み付け値に基づく演算を行って前記対象者の前記骨折スコアを出力するように情報処理装置を機能させるものであり、
前記第1時点での前記臨床情報には、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれた4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記各被験者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである、学習モデル。
(7)
前記(6)に記載された学習モデルに基づいて、応答曲面法により、前記各被験者を含む被験者らの前記臨床情報と前記被験者らの前記骨折スコアとの関係を示す応答曲面を生成し、生成される前記応答曲面に骨折リスク陽性領域が含まれている場合には、推定されるリスク因子を特定する処理を情報処理装置に実行させるステップを含み、
前記骨折リスク陽性領域は、前記学習モデルに基づいて、前記骨折スコアの値を示す第1軸と前記4種以上の臨床データから選択された1種の臨床データの値を示す第2軸とを有し且つ前記応答曲面と前記骨折スコアのカットオフ値との関係を示す二次元グラフ又は三次元グラフを作成する処理を情報処理装置に実行させる場合に、作成される前記二次元グラフ又は前記三次元グラフに含まれる前記応答曲面において前記骨折スコアの値が前記カットオフ値よりも高値となる部分の領域であり、
前記推定されるリスク因子は、少なくとも、前記第2軸における前記選択された1種の臨床データの値に関するものである、骨粗鬆症による骨折のリスク因子推定方法。
(8)
前記対象者の前記第1時点での前記臨床情報を取得し、取得した該臨床情報を前記(6)に記載された学習モデルに入力して前記対象者の前記骨折スコアを出力する処理を情報処理装置に実行させるプログラム。
(9)
前記学習モデルが記憶される記憶部と、
前記対象者の前記第1時点での前記臨床情報を取得した場合に、所得した該臨床情報を前記学習モデルに入力して前記対象者の前記骨折スコアを出力する処理を実行する演算部と、
を備える、前記(6)に記載された学習モデルを有する情報処理装置。
(10)
閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記判定の結果と、前記各被験者の前記第1時点での4種以上の臨床データと、を含む5種以上の観測変数を設けて共分散構造分析を行い、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータを取得するステップを含み、
前記第1時点での前記4種以上の臨床データは、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれる、学習データセット作成方法。
(11)
病気に関する受診者らの臨床情報に基づいて、前記病気で発生する場合がある合併症のリスク因子を推定する方法であって、
前記受診者らに含まれる各受診者は、前記病気に関して診察された第1診察時点では前記合併症が発生していないことを診断され、且つ、前記第1診察時点を過ぎてから後の第2診察時点までの経過観察期間内での前記合併症の発生の有無を判定する診断をされた者であり、
前記方法は、前記各受診者の臨床情報が入力されると前記各受診者の合併症発生スコアを出力するように機械学習した学習モデルに基づいて、応答曲面法により前記受診者らの前記臨床情報と前記受診者らの前記合併症発生スコアとの関係を示す応答曲面を生成し、生成される前記応答曲面に合併症発生リスク陽性領域が含まれる場合には推定されるリスク因子を特定する処理を情報処理装置に実行させるステップを含み、
前記各受診者の前記臨床情報は、前記第1診察時点における前記各受診者に関する4種以上の臨床データを含み、
前記各受診者の前記合併症発生スコアは、前記各受診者の前記判定の結果と、前記各受診者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータであり、
前記合併症発生リスク陽性領域は、前記学習モデルに基づいて、前記合併症発生スコアの値を示す第1軸と前記4種以上の臨床データから選択された1種の臨床データの値を示す第2軸とを有し且つ前記応答曲面と前記合併症発生スコアのカットオフ値との関係を示す二次元グラフ又は三次元グラフを作成する処理を情報処理装置に実行させる場合に、作成される前記二次元グラフ又は前記三次元グラフに含まれる前記応答曲面において前記合併症発生スコアの値が前記カットオフ値よりも高値となる部分の領域であり、
前記推定されるリスク因子は、少なくとも、前記第2軸における前記選択された1種の臨床データの値に関するものである、合併症のリスク因子推定方法。
各受診者について、骨粗鬆症による新規骨折の発生を予測可能か、共分散構造分析と機械学習との組み合わせにより検証した。このために、各受診者について表1に示す臨床情報のうち12種の臨床データを観測変数とし、表2に示す新規骨折判定結果も観測変数とした。次の表3に示すように合計13種の観測変数を選定し、図12に示すパスモデルを作成した。このパスモデルでは、各被験者の新規骨折判定結果に係る観測変数に対して、直接的な因果関係を有すると仮定される潜在変数を設けた。このパスモデルを用いてSEMによる平均共分散構造分析の演算を実行し、潜在変数の因子得点を算出し、各受診者の骨折スコアとした。スチューデントt検定により、新規骨折判定結果と、骨折スコア(潜在変数の因子得点)との間で、統計的有意性を分析した。図12に示すパスモデルでは、0.3を上回る相関係数とp<0.001という有意なp値とに基づいて、潜在変数と結果との間の標準化されたパスで最大の係数値を示した複数のパスを選定した。
試験例1-1と比べて、前述の表2に示した「新規骨折判定結果」に代わり「既存骨折判定結果」データを用い、その他は同様にして検証した。図16に示すパスモデルを作成し、平均共分散構造分析により骨折スコア(潜在変数の因子得点)を算出させた。試験例1-2で作成した場合のパスモデル(図16)では、表3に示した評価がされ、優れた適合(統計的有意性)が示され、潜在変数から「既存骨折判定結果に係る観測変数」に対して直接的な有意な因果関係が認められた。図17に示すように、「既存骨折あり」と判定された受診者49名の骨折スコアは、「既存骨折なし」と判定された受診者184名の骨折スコアと比べて、著しく高値であった(p<0.0001)。このため、骨折スコアの高さに基づき、既存骨折判定結果を推測可能なことが示唆された。ROC解析により算出された「既存骨折あり」又は「既存骨折なし」を判別するカットオフ値(骨折スコアの閾値)は0.27であった。図18及び表4に示したように機械学習を繰り返し行い、生成された多数の学習モデルから過学習のモデルを避け、R2値が比較的に大きいモデルを1つ選定し、試験例1-2に係る学習モデルとした。平均共分散構造分析で算出された骨折スコアと、試験例1-2に係る学習モデルにより出力された骨折スコア(推測値)とでは、図19及び表4に示したように、関連性の高さとしてR2=0.915という高値が示された。骨折スコア(推測値)とカットオフ値0.27との比較により、各受診者で既存骨折の有無を判別したところ、表4に示した推測精度であった。試験例1-2に係る学習モデルで骨粗鬆症による既存骨折の有無を高精度に推測可能なことが、示唆された。
受診者233名のうち初診時年齢が75歳未満である189名について、初診時の前記FRAX結果で骨折発生確率15%以上である場合に「新規骨折あり」と予測し、この確率が15%未満である場合に「新規骨折なし」と予測する条件で、FRAX(登録商標)による新規骨折判定結果の予測精度を検証したところ、次の表5に示す結果であった。FRAXと比べて、試験例1-1に係る学習モデルでは、予測精度が高いことが示唆された。
受診者233名のうち臨床データに欠損値がない141名について、初診時年齢、初診時身長、初診時体重、初診時BMI、初診時身長低下、初診時の前記FRAX結果、初診時BLR予測値、初診時BMD計測値、閉経年齢、初経年齢、初診時血中Cr検査値及び初診時BAP検査値の臨床データを用い、SPSS version 23.0(IBM-SPSS社製ソフトウェア)の多変量ロジスチック回帰分析により新規骨折判定結果の予測精度を検証したところ、表5に示す結果であった。多変量ロジスチック回帰分析と比べて、試験例1-1に係る学習モデルでは、予測精度が高いことが示唆された。
再検証Iでは、実験例1-1及び実験例1-2の各学習モデルを臨床応用可能か、新たなデータセットで検証した。2020年2月以降に初めて箕面市立病院の骨粗鬆症外来を受診した閉経後女性(以下「新規受診者」ともいう)を、対象者とした。初診時(第1時点)が2020年2月から2021年1月末までの期間内である新規受診者27名について、次の表6に示す12種の臨床データと、既存骨折判定結果とを新たなデータセットに含めた。なお、この27名のうちで初診時年齢が75歳以上の者は4名であった。
再検証IIでは、上述した再検証Iの新規受診者27名に、初診時(第1時点)が2020年4月から2022年9月末までの期間内である新規受診者33名を加え、合計60名を対象者とした。この新規受診者60名のプロフィールを、次の表8に示した。再検証Iと同様に、新規受診者60名のうち表8に示した12種の臨床データに欠損値がない41名について、12種の臨床データを試験例1-1に係る学習モデルに入力し、学習モデルにより出力された骨折スコア(推測値)により初診時(第1時点)の既存骨折判定結果を推測可能か検証した。この再検証IIでは前述の表7に示した結果が得られ、再検証Iと同程度の推測精度が認められた。
前述した試験例1-1と比べて、観測変数や入力変数で「初診時BLR予測値」を削減する他は同様に試験し、新規骨折判定結果を予測可能か検証した。図20に示したパスモデルを用いて平均共分散構造分析により骨折スコア(潜在変数の因子得点)を算出させた。このパスモデル(図20)では、後述の表9に示した評価結果で、優れた適合(統計的有意性)と、潜在変数から「新規骨折判定結果に係る観測変数」に対して直接的に有意な因果関係とが認められた。ROC解析による骨折スコアのカットオフ値は1.08であった。図21に示したように、「新規骨折あり」と判定された被験者らでは、「新規骨折なし」と判定された被験者らと比べて、骨折スコアが著しく高値(p<0.0001)で、骨折スコアの高さに基づき新規骨折判定結果を推測可能なことが示唆された。
前述した試験例1-2と比べて、観測変数や入力変数で「初診時BLR予測値」を削減する他は同様に試験し、既存骨折判定結果を推測可能か検証した。図24に示すパスモデルで平均共分散構造分析を行い、骨折スコア(潜在変数の因子得点)を算出した。パスモデル(図24)では、前述の表9に示した評価結果が得られ、優れた適合(統計的有意性)と、潜在変数から「既存骨折判定結果に係る観測変数」に対して直接的な有意な因果関係と、が認められた。ROC解析による骨折スコアのカットオフ値は0.27であった。図25に示すように、「既存骨折あり」と判定された被験者らでは、「既存骨折なし」と判定された被験者らと比べて、骨折スコアが著しく高値(p<0.0001)で、骨折スコアの高さに基づき既存骨折判定結果を推測可能なことが示唆された。表10に示した11種の臨床データ(欠損値のない受診者143名)を入力変数とし、図26に示すようにANNに繰り返し学習させ、生成した多数のモデルから選定した試験例4-2に係る学習モデルでは、オーバーフィットペナルティは0.04で、五分割交差検証法によるR2値は0.600であった。平均共分散構造分析で算出した骨折スコアと、試験例4-2に係る学習モデルにより出力した骨折スコア(推測値)との関連性はR2=0.881であった(図27)。各受診者の骨折スコア(推測値)をカットオフ値と比較し、各受診者で既存骨折の有無を判別したところ、表10に示した推測精度で、試験例4-2でも既存骨折判定結果を高精度に推測可能なことが示唆された。
前述した試験例1-1と比べて、観測変数や入力変数から「初診時血中Cr検査値」及び「初診時BAP検査値」を削減する他は同様に試験し、新規骨折判定結果を予測可能か検証した。図28に示すパスモデルで平均共分散構造分析を行い、骨折スコア(潜在変数の因子得点)を算出させた。このパスモデル(図28)では、優れた適合(統計的有意性)と、潜在変数で「既存骨折判定結果に係る観測変数」に対して直接的に有意な因果関係と、が認められた(前述の表9)。ROC解析による骨折スコアのカットオフ値は1.15であった。表10に示した10種の臨床データ(欠損値のない受診者141名)を入力変数とし、図29に示したようにANNに繰り返し学習させ、生成した多数の学習モデルから試験例5-1に係る学習モデルを選定した。平均共分散構造分析で算出した骨折スコアと、試験例5-1に係る学習モデルにより出力した骨折スコア(予測値)との関連性を示すR2値は0.835であった(図30及び表10)。骨折スコア(予測値)をROC解析によるカットオフ値と比較し、新規骨折の有無を判別したところ、前述の表11に示す予測精度で、試験例5-1でも新規骨折判定結果を高精度に予測可能なことが示唆された。
前述した試験例1-2と比べて、観測変数や入力変数から「初診時血中Cr検査値」及び「初診時BAP検査値」を削減する他は同様に試験し、既存骨折判定結果を推測可能か検証した。図31に示すパスモデルで平均共分散構造分析を行い、骨折スコア(潜在変数の因子得点)を算出した。パスモデル(図31)では、表11に示した評価結果が得られ、優れた適合(統計的有意性)と、潜在変数から「既存骨折判定結果に係る観測変数」に対して直接的な有意な因果関係とが認められた。ROC解析による骨折スコアのカットオフ値は0.41であった。表10に示した10種の臨床データ(欠損値のない受診者141名)を入力変数とし、図32に示したようにANNに繰り返し学習させ、生成した多数の学習モデルから試験例5-2に係る学習モデルを選定した。平均共分散構造分析で算出した骨折スコアと、試験例5-2に係る学習モデルにより出力した骨折スコア(推測値)との関連性はR2=0.895であった(図33)。各受診者の骨折スコア(推測値)をROC解析によるカットオフ値と比較し、既存骨折の有無を判別したところ、表11に示した推測精度であった。試験例5-2でも、既存骨折を高精度に推測可能なことが示唆された。
試験例6乃至13の各々では、前述した試験例1-1と比べて、次の表11に示したように観測変数や入力変数として用いるデータ項目を幾つか削減した他は、同様にして、新規骨折判定結果を予測可能か検証した。表11に示した正規化していない臨床データを観測変数として用いたいずれのパスモデルでも、優れた適合(統計的有意性)と、潜在変数で「新規骨折判定結果に係る観測変数」に対して直接的な有意な因果関係と、が認められた。表11に示した入力変数(正規化した臨床データ)と出力変数(潜在変数の因子得点)とによりANNに繰り返し学習させ、生成した多数の学習モデルから試験例ごとに1つの学習モデルを選定した。平均共分散構造分析で算出した骨折スコアと、選定した学習モデルにより出力した骨折スコア(予測値)との関連性を示すR2値は、表11に示したようにいずれも高値であった。骨折スコア(予測値)をROC解析によるカットオフ値と比較し、新規骨折の有無を判別したところ、表11に示した予測精度であった。このため、例えば、学習データセットに含まれる受診者らの臨床データに測定誤差が少ない等、質の高い臨床データセットを取得できる場合には、新規骨折判定結果を高精度に予測できる可能性が示唆された。
試験例14乃至17の各々では、前述した試験例1-1と比べて、次の表12に示すように観測変数や入力変数として用いるデータ項目を幾つか削減した他は、同様にして、新規骨折判定結果を予測可能か検証した。次の表12に示した正規化していない臨床データを観測変数として用いたいずれのパスモデルでも、優れた適合(統計的有意性)と、潜在変数で「新規骨折判定結果に係る観測変数」に対して直接的な有意な因果関係と、が認められた。表12に示した入力変数(正規化した臨床データ)と出力変数(潜在変数の因子得点)とによりANNに繰り返し学習させ、生成した多数の学習モデルから試験例ごとに1つの学習モデルを選定した。平均共分散構造分析で算出した骨折スコア(潜在変数の因子得点)と、選定した学習モデルにより出力した骨折スコア(予測値)との関連性を示すR2値は、表12に示したように高値であった。骨折スコア(予測値)をROC解析によるカットオフ値と比較し、新規骨折の有無を判別したところ、表12に示した精度であった。観測変数や入力変数として用いる臨床データが4種でも、例えばデータに測定誤差が少ない等、質の高い学習データセットを作成できる場合に、新規骨折判定結果を高精度に予測できる可能性が示唆された。
初診時に既存骨折数0と判定された各受診者と、初診時に既存骨折数1と判定された各受診者とを判別する推測可能か、共分散構造分析と機械学習との組み合わせにより検証した。前述した試験例1-2と比べて、以下に説明することの他は同様にして検証した。
試験例19では、以下に説明することの他は、上述した試験例18と同様にして検証した。表14に示したように、試験例18と比べて観測変数からBLR予測値を削減し、図24に示すパスモデルを作成し、平均共分散構造分析により、骨折数0又は1の判別に関する既存骨折スコア(潜在変数の因子得点)を算出させた。この試験例19で作成した場合のパスモデル(図24)では、表15に示した評価結果が得られ、優れた適合(統計的有意性)と、潜在変数から「既存骨折判定結果に係る観測変数」に対して直接的に有意な因果関係とが認められた。ROC解析による既存骨折スコアのカットオフ値は0.49であった。「初診時の既存骨折数0」と判定された受診者らでは、「初診時の既存骨折数1」と判定された受診者らと比べて、既存骨折スコアが著しく高値で(p<0.0001)、既存骨折スコアの高さに基づき既存骨折判定結果(骨折数0又は1)を推測可能なことが示唆された。BLR予測値を含まない11種の臨床データを入力変数として使用し(表14)、図26に示したようにANNに繰り返し学習させ、生成した多数のモデルから選定した試験例19に係る学習モデルでは、オーバーフィットペナルティは0.01で、五分割交差検証法によるR2値は0.517であった。平均共分散構造分析で算出した既存骨折スコアと、試験例19に係る学習モデルにより出力した既存骨折スコア(推測値)との関連性はR2=0.951であった。各受診者の骨折スコア(推測値)をカットオフ値と比較し、各受診者で既存骨折数が0又は1のいずれか判別したところ、表15に示した精度であった。試験例19で、初診時の既存骨折数(0又は1)を高精度に推測可能なことが示唆された。
初診時に既存骨折数0と判定された各受診者と、初診時に既存骨折数2と判定された各受診者とを判別する推測可能か、共分散構造分析と機械学習との組み合わせにより検証した。前述した試験例1-2と比べて、以下に説明することの他は同様にして検証した。
初診時に既存骨折数0と判定された各受診者と、初診時に既存骨折数3と判定された各受診者とを判別する推測可能か、共分散構造分析と機械学習との組み合わせにより検証した。前述した試験例1-2と比べて、以下に説明することの他は同様にして検証した。
再検証IIIでは、前述した再検証IIと同じ新規受診者60名(表8)を対象者らとし、前述した試験例18及び試験例19の各々に係る学習モデルを用い、初診時に既存骨折なし(骨折数0)と判定された新規受診者52名と、初診時に既存骨折あり(骨折数1)と判定された新規受診者8名と、を判別可能か検討した。このためには、試験例18に係る学習モデルに、新規受診者らの12種の臨床データ(欠損値のない新規受診者 名)を入力変数として入力し、各新規受診者の既存骨折スコア(推測値)を出力させ、出力された既存骨折スコアとカットオフ値0.53とを比較することにより、各新規受診者の骨折数が0又は1のいずれか判別した。また、試験例19の再試験例19に係る学習モデルに、新規受診者らのBLR予測値を除く11種の臨床データ(欠損値のない新規受診者41名)を入力変数として入力し、各新規受診者の既存骨折スコア(推測値)を出力させ、出力された既存骨折スコアとカットオフ値0.49とを比較することにより、各新規受診者の骨折数が0又は1のいずれか判別した。これら判別の結果を次の表18に示した。
市販の統計解析ソフトウェア(SAS Institute Inc.製、JMP(登録商標)version 8.0)をインストールした市販のPCで、前述した試験例1-1に係る学習モデルを生成し、この統計解析ソフトウェアに実装された機能により、試験例1-1に係る学習モデルに基づき、機械学習に供した受診者らの入力変数(12種の臨床データ)及び出力変数(潜在変数の因子得点)を反映した応答曲面を生成させた。この応答曲面の全体像は、本来は13次元グラフに描かれるはずのものであるが、この統計解析ソフトウェアにより視認可能な三次元グラフへと加工された。三次元グラフで、第1軸(Z軸)は骨折スコアの大きさを示す軸とし、第2軸(X軸)及び第3軸(Y軸)の各々は1種の入力変数(1種の臨床データ)を示す軸とした。12種の入力変数から任意の2種の組み合わせを選択する場合の数は、66通りある。市販の統計ソフトウェアにより、それぞれ第2軸(X軸)及び第3軸(Y軸)のデータ項目の組み合わせが異なる三次元グラフを幾つか作成した。作成したうちの大半の三次元グラフでは、応答曲面上の骨折スコアの値がカットオフ値1.08以下で、応答曲面は閾値表示の下側にある骨折リスク陰性の予測領域のみを形成していた。このような三次元グラフで第2軸(X軸)及び第3軸(Y軸)として選定した臨床データ項目の組み合わせは、骨粗鬆症による骨折のリスク因子として不適当と考えられる。
上述の試験例22で述べたPCにおいて、試験例1-1に係る学習モデルに代えて試験例19に係る学習モデルを使用した他は、試験例22と同様にして被験者らの応答曲線を生成させ、第2軸(X軸)及び第3軸(Y軸)として選定した被験者らの臨床データ項目の組み合わせがそれぞれ異なる三次元グラフを66通り作成した。大半の三次元グラフでは、応答曲面上の骨折スコア最高値が、カットオフ値0.53よりも低値であった。一方、幾つかの三次元グラフでは、応答曲面上の骨折スコア最高値がカットオフ値よりも高値で、応答曲面の一部に骨折(既存骨折数1)リスク陽性の推測領域が形成されていた。これら三次元図に示された応答曲面上の骨折スコア最高値の大きさに基づいて、推定される「既存骨折数1」リスク因子の組み合わせの有用性を順位付けすると、次の表19に示す結果となった。順位が上位の組み合わせほど、骨粗鬆症による既存骨折数1のリスク因子として、有用と推定されたと考えられる。
特許文献2に記載された「第3期研究(実施例1-1)」で生成した学習モデル(以下「試験例24に係る学習モデル」ともいう)に基づいて、応答曲面法により、川崎病(KD)合併症(冠動脈拡大病変:CAL)発生のリスク因子の組み合わせを推定しようと試みた。なお、試験例24に係る学習モデルは、以下の方法で作成した統計モデルである。
特許文献2に記載された「IgAVにおいてPNで高度蛋白尿を伴う症例発生予測:実施例2-1」と比べて、被験者の人数を増やし、合併症発生の判定基準を「尿蛋白/Cr比が2.0以上」へと高める変更をした他は、同様にして試験例25に係る学習モデルを生成した。具体的には、以下に説明する手法により生成した。
Claims (11)
- 閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上に関する骨折スコアを出力する方法であって、
前記骨折スコアを出力可能な学習モデルに対象者の前記第1時点での臨床情報を入力して前記対象者の前記骨折スコアを出力する処理を情報処理装置に実行させるステップを含み、
前記骨折スコアを出力可能な学習モデルは、前記第1時点での前記既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記経過期間内での前記新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での前記臨床情報を入力されると、前記各被験者の前記骨折スコアを出力するように機械学習したものであり、
前記第1時点での前記臨床情報は、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータからなる群より選ばれる4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記各被験者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられ共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである、骨折スコア出力方法。 - 前記骨量減少率予測値は、骨量減少率を出力可能な学習モデルに前記第1時点での骨密度と前記第1時点での他の臨床情報とを入力して前記骨量減少率予測値を出力する処理を情報処理装置に実行させて出力される臨床データであり、
前記骨量減少率を出力可能な学習モデルは、前記第1時点と前記第2時点とで骨密度を計測された各被験者についての、前記第1時点での骨密度と、前記第1時点での前記他の臨床情報とを入力されると、前記第2時点での骨密度と、前記経過期間内での骨量減少率とを出力するように機械学習したものであり、
前記第1時点での前記他の臨床情報は、年齢、身長、体重、BMI、体脂肪率、除脂肪体重、体脂肪量、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、及び、これらのいずれかを間接的に示すデータから選ばれた1種以上の他の臨床データを含む、請求項1に記載された骨折スコア出力方法。 - 前記骨密度は、上腕骨近位部、橈骨遠位部、頚椎、胸椎、腰椎及び大腿骨近位部から選ばれた1箇所以上の身体部位における少なくとも一部の領域についてのものである、請求項1に記載された骨折スコア出力方法。
- 請求項1乃至請求項3のいずれか一項に記載された骨折スコア出力方法により前記対象者の前記骨折スコアを出力し、出力された前記対象者の前記骨折スコアと前記骨折スコアの閾値との比較結果に基づいて、前記対象者についての、前記第1時点での前記既存骨折の有無の推測結果、前記第1時点での前記既存骨折の骨折数の推測結果、前記経過期間内での前記新規骨折の有無の予測結果、及び、前記経過期間内での前記新規骨折の骨折数の予測結果から選ばれた1種以上に関する結果データを出力する処理を情報処理装置に実行させる、骨粗鬆症による骨折の推測及び予測の少なくとも一方の方法。
- 閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での臨床情報が入力されると前記各被験者の骨折スコアを出力する学習モデルを、機械学習により生成するステップを含み、
前記第1時点での前記臨床情報は、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれた4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである、学習モデル生成方法。 - 閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上に関する骨折スコアを出力可能な学習モデルであって、
前記学習モデルは、前記第1時点での前記既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記経過期間内での前記新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記第1時点での臨床情報が入力層に入力されると出力層が前記各被験者の前記骨折スコアを出力するように重み付け値が機械学習されたものであり、且つ、対象者の前記第1時点での前記臨床情報が前記入力層に入力される場合には前記対象者の前記臨床情報に対して前記重み付け値に基づく演算を行って前記出力層が前記対象者の前記骨折スコアを出力するように情報処理装置を機能させるものであり、
前記第1時点での前記臨床情報には、年齢、身長、体重、BMI、骨密度、骨代謝マーカー検査値、腎機能マーカー検査値、骨格筋量マーカー検査値、既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、FRAX(登録商標)による骨折リスク評価結果、前記第2時点の骨密度予測値、前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれた4種以上の臨床データを含み、
前記各被験者の前記骨折スコアは、前記判定の結果と、前記各被験者の前記4種以上の臨床データと、を含む5種以上の観測変数が設けられて共分散構造分析が行われる場合に、前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータである、学習モデル。 - 請求項6に記載された学習モデルに基づいて、応答曲面法により、前記各被験者を含む被験者らの前記臨床情報と前記被験者らの前記骨折スコアとの関係を示す応答曲面を生成し、生成される前記応答曲面に骨折リスク陽性領域が含まれている場合には、推定されるリスク因子を特定する処理を情報処理装置に実行させるステップを含み、
前記骨折リスク陽性領域は、前記学習モデルに基づいて、前記骨折スコアの値を示す第1軸と前記4種以上の臨床データから選択された1種の臨床データの値を示す第2軸とを有し且つ前記応答曲面と前記骨折スコアのカットオフ値との関係を示す二次元グラフ又は三次元グラフを作成する処理を情報処理装置に実行させる場合に、作成される前記二次元グラフ又は前記三次元グラフに含まれる前記応答曲面において前記骨折スコアの値が前記カットオフ値よりも高値となる部分の領域であり、
前記推定されるリスク因子は、少なくとも、前記第2軸における前記選択された1種の臨床データの値に関するものである、骨粗鬆症による骨折のリスク因子推定方法。 - 請求項6に記載された学習モデルに基づいて、応答曲面法により、前記各被験者を含む被験者らの前記臨床情報と前記被験者らの前記骨折スコアとの関係を示す応答曲面を生成し、生成される前記応答曲面と前記骨折スコアの閾値との関係を示すグラフのデータを生成する処理を情報処理装置に実行させるステップを含み、
前記グラフは、
前記骨折スコアの値を示す第1軸と、前記4種以上の臨床データから選択された1種の臨床データの値を示す第2軸と、前記応答曲面に関する表示と、前記骨折スコアの閾値に関する表示と、を含む二次元グラフである、又は、
前記第1軸と、前記第2軸と、前記4種以上の臨床データから選択された他の1種の臨床データの値を示す第3軸と、前記応答曲面に関する表示と、前記骨折スコアの閾値に関する表示と、を含む三次元グラフである、
グラフ作成方法。 - 前記対象者の前記第1時点での前記臨床情報を取得し、取得した該臨床情報を請求項6に記載された学習モデルに入力して前記対象者の前記骨折スコアを出力する処理を情報処理装置に実行させるプログラム。
- 前記学習モデルが記憶される記憶部と、
前記対象者の前記第1時点での前記臨床情報を取得した場合に、所得した該臨床情報を前記学習モデルに入力して前記対象者の前記骨折スコアを出力する処理を実行する演算部と、
を備える、請求項6に記載された学習モデルを有する情報処理装置。 - 学習モデルを生成する機械学習に用いる学習データセットの作成方法であって、
前記作成方法は、
閉経後である第1時点での骨粗鬆症による既存骨折の有無、前記第1時点での前記既存骨折の骨折数、前記第1時点を過ぎてから後の第2時点までの経過期間内での骨粗鬆症による新規骨折の有無、及び、前記経過期間内での前記新規骨折の骨折数から選ばれた1種以上を判定された各被験者の前記判定の結果と、
前記各被験者の、前記第1時点での年齢、前記第1時点での身長、前記第1時点での体重、前記第1時点でのBMI、前記第1時点での骨密度、前記第1時点での骨代謝マーカー検査値、前記第1時点での腎機能マーカー検査値、前記第1時点での骨格筋量マーカー検査値、前記第1時点で既存の身長低下、初経年齢、閉経年齢、閉経時から前記第1時点までの年数、前記経過期間の長さ、前記第1時点のFRAX(登録商標)による骨折リスク評価結果、前記第1時点での前記第2時点の骨密度予測値、前記第1時点での前記経過期間内の骨量減少率予測値、及び、これらのいずれかを間接的に示すデータから選ばれた4種以上の臨床データと、
を含む5種以上の観測変数が設けられた条件下において、情報処理装置に共分散構造分析を行って前記判定の結果に係る観測変数に対して直接的に有意な因果関係が認められる潜在変数の因子得点に関するデータを取得する処理を実行させるステップを含み、
前記4種以上の臨床データ及び前記ステップで取得された前記潜在変数の因子得点に関するデータを含む前記学習データセットを作成する、学習データセット作成方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022099113 | 2022-06-20 | ||
JP2022099113 | 2022-06-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7408000B1 true JP7408000B1 (ja) | 2024-01-04 |
JP2024003774A JP2024003774A (ja) | 2024-01-15 |
Family
ID=89377160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023101241A Active JP7408000B1 (ja) | 2022-06-20 | 2023-06-20 | 骨粗鬆症による骨折の推測及び予測の少なくとも一方の方法、骨折スコア出力方法、学習モデル生成方法、学習モデル、骨粗鬆症による骨折のリスク因子推定方法、グラフ作成方法、プログラム、情報処理装置、並びに、学習データセット作成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7408000B1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006158975A (ja) | 1996-04-19 | 2006-06-22 | Osiris Therapeutics Inc | 間葉幹細胞を用いる骨の再生および増強 |
US20180116584A1 (en) | 2013-08-09 | 2018-05-03 | O.N.Diagnostics, LLC | Clinical Assessment of Fragile Bone Strength |
JP2019200788A (ja) | 2018-05-09 | 2019-11-21 | 威久 山本 | 将来の骨量を予測する方法、情報処理装置、及びコンピュータプログラム |
US20210015421A1 (en) | 2019-07-16 | 2021-01-21 | 16 Bit Inc. | Systems and Methods for Approximating Bone Mineral Density and Fracture Risk using Single Energy X-Rays |
JP2022019701A (ja) | 2020-07-16 | 2022-01-27 | 威久 山本 | 川崎病またはIgA血管炎での合併症発生リスク予測方法、学習済みモデル及びその生成方法 |
-
2023
- 2023-06-20 JP JP2023101241A patent/JP7408000B1/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006158975A (ja) | 1996-04-19 | 2006-06-22 | Osiris Therapeutics Inc | 間葉幹細胞を用いる骨の再生および増強 |
US20180116584A1 (en) | 2013-08-09 | 2018-05-03 | O.N.Diagnostics, LLC | Clinical Assessment of Fragile Bone Strength |
JP2019200788A (ja) | 2018-05-09 | 2019-11-21 | 威久 山本 | 将来の骨量を予測する方法、情報処理装置、及びコンピュータプログラム |
US20210015421A1 (en) | 2019-07-16 | 2021-01-21 | 16 Bit Inc. | Systems and Methods for Approximating Bone Mineral Density and Fracture Risk using Single Energy X-Rays |
JP2022019701A (ja) | 2020-07-16 | 2022-01-27 | 威久 山本 | 川崎病またはIgA血管炎での合併症発生リスク予測方法、学習済みモデル及びその生成方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2024003774A (ja) | 2024-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Williams et al. | Red flags to screen for vertebral fracture in patients presenting with low‐back pain | |
Sanchez-Rodriguez et al. | The Belgian Bone Club 2020 guidelines for the management of osteoporosis in postmenopausal women | |
Lee et al. | Pain and its clinical associations in individuals with COPD: a systematic review | |
JP7245236B2 (ja) | 全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 | |
Horn et al. | Measuring severity of illness to predict patient resource use within DRGs | |
Milleron et al. | Pathogenic FBN1 genetic variation and aortic dissection in patients with Marfan syndrome | |
CN111524602A (zh) | 一种老年人记忆及认知功能评估筛查预警系统 | |
JP5300426B2 (ja) | 保健指導支援装置及び保健指導支援プログラム | |
Burn et al. | Lifetime risk of knee and hip replacement following a GP diagnosis of osteoarthritis: a real-world cohort study | |
Metintas et al. | Menopause Rating Scale as a screening tool in rural Turkey | |
JP6585869B1 (ja) | 将来の骨量を予測する方法、情報処理装置、及びコンピュータプログラム | |
Akinade et al. | The influence of racial-ethnic discrimination on women's health care outcomes: A mixed methods systematic review | |
Vanem et al. | Marfan syndrome: Evolving organ manifestations—A 10‐year follow‐up study | |
JP6986650B1 (ja) | 川崎病またはIgA血管炎での合併症発生リスク予測方法、学習済みモデル及びその生成方法 | |
Moverman et al. | Functional somatic syndromes are associated with suboptimal outcomes and high cost after shoulder arthroplasty | |
Gibson et al. | Intersection of catastrophizing, gender, and disease severity in preoperative rotator cuff surgical patients: a cross-sectional study | |
CA2580486A1 (en) | Computer installation for establishing a diagnosis | |
Gordon et al. | Guideline chaos: conflicting recommendations for preoperative cardiac assessment | |
Ward et al. | Meniscal degeneration is prognostic of destabilzing meniscal tear and accelerated knee osteoarthritis: Data from the Osteoarthritis Initiative | |
Kesty et al. | Subjective versus objective determination of bladder emptying following urogynecological surgery:“do you feel that you completely emptied your bladder?” | |
JP7408000B1 (ja) | 骨粗鬆症による骨折の推測及び予測の少なくとも一方の方法、骨折スコア出力方法、学習モデル生成方法、学習モデル、骨粗鬆症による骨折のリスク因子推定方法、グラフ作成方法、プログラム、情報処理装置、並びに、学習データセット作成方法 | |
Lo et al. | A novel approach to studying early knee osteoarthritis illustrates that bilateral medial tibiofemoral osteoarthritis is a heritable phenotype: an offspring study | |
El Miedany et al. | Osteoporosis, fracture prevention and falls risk assessment–closing the gap between treatment guidelines and clinical practice | |
KIRKLEY | Scoring systems for the functional assessment of the shoulder | |
Greene | Who should have total hip replacement? Use of patient-reported outcome measures in identifying the indications for and assessment of total hip replacement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230630 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230630 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231030 |
|
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: 20231208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7408000 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |