JPWO2008111349A1 - 生存分析システム、生存分析方法および生存分析用プログラム - Google Patents

Abstract

事例の特徴量を示す少なくとも１つの属性値と事象発生までの測定期間である実期間の情報とを含む事例の集合である事例群を基に事象発生までの期間である推定期間を求める生存分析システムであって、複数の実期間毎に事例群の属性値から事象発生の有無を推定する推定器を生成する推定器生成部と、推定器が所定の選別条件を満たすか否かを判定し、推定期間の算出に用いる推定器を選別する推定器選別部と、推定器選別部で選別した推定器を用いて推定期間を算出する期間算出部とを有する。

Description

本発明は、人や生物の生存期間あるいは工業製品の寿命等を解析するために用いられる生存分析システム、生存分析方法及び生存分析用プログラムに関する。

生存分析は、ある不可逆な特定事象が発生するまでの期間を推定し、該特定事象の発生因子を解析することである。例えば、臨床分野では、ある症状、検査結果、薬剤投与等の観測条件（特徴量）で層別化された患者群の生存期間を推定し、死亡に至る因子を解析して治療に役立てるために生存分析が用いられる。生存分析は、生存期間以外に発病や病気の再発等の解析にも用いることができる。また、生存分析は、機器が故障するまでの期間を推定し、機器の信頼性向上に役立てるために故障因子を解析する場合や、顧客が解約するまでの期間を推定し、解約に至る因子を解析して、解約される前に解約を防止する手段を講じるための営業管理等にも適用できる。なお、層別化とは、各事例を、その特徴量に応じて複数の群に分類しておくことである。

生存分析では、ある期間において、目的とする特定事象の発生した事例を死亡例、特定事象の発生していない事例を生存例、特定事象と無関係の原因で事象発生前に観測が打ち切られた事例を打ち切り例と呼ぶ。ここで、死亡や生存は、実際に患者の死亡や生存を意味するとは限らず、例えば特定疾患の発病を解析する場合、ある期間における死亡例は該疾患の発病患者であり、生存例は発病前の監視対象者であり、打ち切り例は事故死や引越しあるいはその他の理由で観測が打ち切られた監視対象者である。

従来の生存分析では、予め定めた発生因子の条件に応じて事例を層別化して検定する手法が主に用いられている。例えば、カプラン・マイヤー解析は、特定疾患の患者群について、横軸を生存期間、縦軸を累積生存確率とする生存曲線を用いて解析する。ここで、打ち切り例については、打ち切り以降は、それ以外の疾患と同じ確率で患者が死亡すると考えて累積生存確率を計算する。したがって、累積生存確率は、時間とともに単純に減少する。また、ログランク検定は、予め定めた複数の条件を満たす複数の患者群を対象とし、所定の時点毎の患者の死亡率を用いて複数の患者群に統計的に有意な差があるか否かを検定し、有意な差がある場合は予め定めた条件が病気の発生因子であったと判定する。

このような生存分析を利用した従来の生存分析システムの一例が特開２００３−１６７９５９号公報に記載されている。この第１従来例の生存分析システムでは、予め定めた複数の条件（喫煙、飲酒、肥満、高血圧、高血糖、高尿酸等）に該当する複数の監視対象者群に対する健康余命の予測曲線を作成しておき、該予測曲線を用いて健康診断の受診者の健康余命を予測している。

また、従来の生存分析システムの他の例が特開２００６−２０２２３５号公報に記載されている。この第２従来例の生存分析システムでは、解析対象の事象の発生率を所定の時点毎に算出する複数の推定器を備え、該推定器の出力値を用いて現象発生確率曲線を作成し、該現象発生確率曲線を用いて、例えば特定疾患（癌等）の発症患者の予後生存率や生存期間を推定している。

しかしながら上記した従来の生存分析システムのうち、第１従来例の生存分析システムでは、予め人が各種の条件を層別化して入力する必要があるため、作業や操作が煩雑であるという問題がある。通常、観測期間が長くなると、打ち切り例の数が増加し、観測対象者の死亡例・生存例の数が減少するため、健康余命の予測値の信頼性が低下する傾向にある。第１従来例の生存分析システムでは、そのような信頼性の低い長期の予測値も、信頼性が比較的高い短期の予測値と同等に用いて健康余命を推定するため、事象発生までの期間（推定期間）を正確に求めることができないという問題がある。さらに、第１従来例の生存分析システムでは、予め人が各種の条件を定めているため、発生した特定事象の発生因子は、予め人が想定した因子以外には発見できない問題もある。

一方、第２従来例の生存分析システムでは、観測期間が長くなるほど事象の発生率を正確に推定する推定器を生成することが困難になるため、所定の時点毎に異なる性能の推定器が生成されてしまう。第２従来例の生存分析システムでは、そのような低い性能の推定器も高い性能の推定器と同等に用いて、例えば発症患者の生存期間を推定するため、事象発生までの期間（推定期間）を正確に求めることができないという問題がある。また、第２従来例の生存分析システムでは、例えば発症患者の生存期間を、複数の推定器を用いて算出した所定の時点毎の発生率を全て用いて推定するため、事象が実際に発生（例えば該発症患者の死亡）してもその発生因子を特定することが困難であるという問題もある。

そこで、本発明は、事象発生までの期間を比較的正確に推定できる生存分析システム及び方法を提供することを目的とする。

また、本発明の他の目的は、事象の新たな発生因子の発見に寄与する生存分析システム及び方法を提供することにある。

上記目的を達成するため本発明の生存分析システムは、事例の特徴量を示す少なくとも１つの属性値と事象発生までの測定期間である実期間の情報とを含む事例の集合である事例群を基に事象発生までの期間である推定期間を求める生存分析システムであって、
複数の前記実期間毎に前記事例群の属性値から事象発生の有無を推定する推定器を生成する推定器生成部と、
前記推定器が所定の選別条件を満たすか否かを判定し、前記推定期間の算出に用いる推定器を選別する推定器選別部と、
前記推定器選別部で選別した推定器を用いて前記推定期間を算出する期間算出部と、
を有する。

一方、本発明の生存分析方法は、事例の特徴量を示す少なくとも１つの属性値と事象発生までの測定期間である実期間の情報とを含む事例の集合である事例群を基に事象発生までの期間である推定期間を求めるための生存分析方法であって、
複数の前記実期間毎に前記事例群の属性値から事象発生の有無を推定する推定器を生成し、
前記推定器が所定の選別条件を満たすか否かを判定し、前記推定期間の算出に用いる推定器を選別し、
前記推定器選別部で選別した推定器を用いて前記推定期間を算出する方法である。

図１は、本発明の生存分析システムの第１の実施の形態の構成を示すブロック図である。 図２は、図１に示した記憶装置一構成例を示すブロック図である。 図３は、図１に示した生存分析システムの実現例を示すブロック図である。 図４は、図１に示した生存分析システムの処理手順を示すフローチャートである。 図５は、本発明の生存分析システムの第２の実施の形態の構成を示すブロック図である。 図６は、図５に示した生存分析システムの処理手順を示すフローチャートである。

次に本発明について図面を参照して説明する。

（第１の実施の形態）
図１は本発明の生存分析システムの第１の実施の形態の構成を示すブロック図であり、図２は図１に示した記憶装置一構成例を示すブロック図である。

第１の実施の形態の生存分析システムは、入力された複数の事例群のデータから機械学習手法によって推定器を生成し、該推定器を用いて利用者が所望する特定事例の情報（出力情報）を生成する例である。

図１に示すように、第１の実施の形態の生存分析システムは、事例群毎に対応する、事象発生の有無を推定する推定器を生成し、該推定器を用いて事象発生までの期間を算出する学習部３００と、事例や各種の条件等のデータを利用者が入力するための入力装置１００と、学習部３００の処理結果を利用者に提示するための出力装置２００と、学習部３００の処理結果や利用者によって入力された事例及び各種の条件等が格納される記憶装置４００とを有する構成である。

図２に示すように、記憶装置４００は、学習部３００で生成された推定器が格納される推定器記憶部４０１と、利用者によって入力された事例群が格納される事例群記憶部４０２と、各事例群に対応する事象発生までの期間である推定期間が格納される期間記憶部４０３とを備えている。ここで、事例群とは事例の集合である。事例には、１つ以上の属性値、実期間及びイベントの各データが含まれている。属性値は事例の特徴（例えば、病名、年齢、性別、生活習慣、各種の検査データ等）を示す値であり、実期間は事象（死亡あるいは打ち切り）が発生するまでの実際の時間（測定時間）を示し、イベントは、生存例、死亡例あるいは打ち切り例を示すデータである。推定期間は、学習部３００（後述する期間算出部３０５）によって算出される事例毎の生存期間の推定値である。

図２に示す推定器記憶部４０１内の推定器１〜ｋ、事例群記憶部４０２内の事例群１〜ｋ、期間記憶部４０３内の推定期間１〜ｋは、それぞれのデータが時系列に短い実時間から順次配置されることを示している。なお、事例群記憶部４０２内の「全群」は入力された全ての事例群が格納される記憶領域であり、「生存群」は入力された全ての事例群から死亡例や打ち切り例の事例を除いた残りである生存例の事例が保存される記憶領域である。図２では、記憶装置４００を、推定器記憶部４０１、事例群記憶部４０２及び期間記憶部４０３に分割して推定器、事例群及び推定期間の各データを個別に格納する例を示しているが、記憶装置４００は、このように分割する必要はなく、対応する推定器、事例群及び推定期間毎に順次格納する構成でもよい。また、例えば事例群記憶部４０２に生存群や事例群の各事例のＩＤ番号を格納し、該ＩＤ番号と実際の事例の各データとの対応関係を示すテーブル等を別途用意しておき、生存分析の実行時に該テーブルを参照して各事例のデータを読み出すようにしてもよい。

学習部３００は、前処理部３０１、制御部３０２、推定器生成部３０３、推定器選別部３０４、期間算出部３０５及び後処理部３０６を備えている。

前処理部３０１は、利用者によって入力装置１００から入力された事例群及び指定条件に応じて各事例群に所定の前処理を実行し、入力された事例群及び前処理後の事例群を事例群記憶部４０２に格納する。指定条件とは、入力装置１００を用いて利用者が入力する指示内容であり、例えば学習パラメータや後述する生存分析に用いる実期間の上限値である最大期間等がある。

制御部３０２は、入力された事例群に対する生存分析を終了するか否かを判定し、終了する場合は後処理部３０６に処理を移し、終了しない場合は推定器生成部３０３に処理を移す。

推定器生成部３０３は、記憶装置４００の事例群記憶部４０２に時系列に格納された事例群毎に推定器を生成し、生成した推定器を事例群に対応付けて推定器記憶部４０１に格納する。

推定器選別部３０４は、事例群記憶部４０２に格納された事例群に対応して生成された推定器のうち、推定期間の算出に用いる推定器を所定の選別条件にしたがって選別する。

推定器の選別条件としては、例えば選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が短くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果と、選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が長くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果とを用いる。

期間算出部３０５は、推定器選別部３０４によって選別された推定器を用いて事象が発生するまでの期間（推定期間）を算出し、算出した推定期間を期間記憶部４０３に格納する。

期間算出部３０５は、例えば推定器選別部３０４にて選別された推定器に対応する実時間のうち、ある推定器に対応する実期間と、該推定器に対応する実期間よりも短い推定器に対応する実期間とを用いて推定期間を算出する。または、事象発生有りと推定された推定器に対応する実期間よりも短い実期間に対応する推定器にて事象発生無しと推定された事例群の実期間を用いて推定期間を算出する。

後処理部３０６は、記憶部４００に格納された推定器、事例群、推定期間を基に、出力装置２００で出力する出力情報（予め設定された情報あるいは利用者が指定した情報）を作成し、作成した出力情報を出力装置２００に供給する。

本実施形態の生存分析システムは、例えばコンピュータによって実現可能である。コンピュータは、例えば、図３に示すように、プログラムにしたがって所定の処理を実行する処理装置１と、処理装置１に対してコマンドや情報等を入力するための入力装置１００と、処理装置１の処理結果をモニタするための出力装置２００とを有する構成である。

処理装置１は、ＣＰＵ１１と、ＣＰＵ１１の処理に必要な情報を一時的に記憶する主記憶装置１２と、ＣＰＵ１１に上記学習部３００の処理を実行させるためのプログラムが記録された記録媒体１３と、利用者によって入力装置１００から入力された事例群や各種の条件、推定器、推定期間等が格納される記憶装置４００として用いられるデータ蓄積装置１４と、主記憶装置１２、記録媒体１３及びデータ蓄積装置１４とのデータ転送を制御するメモリ制御インタフェース部１５と、入力装置２及び出力装置３とのインタフェース装置であるＩ／Ｏインタフェース部１６とを有する構成である。ＣＰＵ１１と、メモリ制御インタフェース部１５及びＩ／Ｏインタフェース部１６とはバス１８を介して接続されている。なお、処理装置１には、ネットワークとデータを送受信するためのインタフェースである通信制御装置１７を備えていてもよい。

処理装置１は、記録媒体１３に記録されたプログラムにしたがって上記学習部３００の機能をそれぞれ実現する。記録媒体１３は、磁気ディスク、半導体メモリ、光ディスクあるいはその他の記録媒体であってもよい。

なお、本実施形態の生存分析システムは、図３に示したコンピュータで実現する構成に限定されるものではない。本実施形態の生存分析システムは、例えば論理回路等から構成されるＬＳＩ（Large Scale Integration）やＤＳＰ（Digital Signal Processor）等の半導体集積回路装置及びメモリ等により、学習部３００や記憶装置４００の機能を実現する構成であってもよい。なお、図３ではデータ蓄積装置１４を処理装置１内に備える構成を示しているが、データ蓄積装置１４は処理装置１から独立して備えていてもよい。

次に、第１の実施の形態の生存分析システムの動作について図４を用いて説明する。

図４は図１に示した生存分析システムの処理手順を示すフローチャートである。

図４に示すように、学習部３００は、入力装置１００から事例群及び指定条件が入力されると（ステップＳ０）、まず前処理部３０１により、入力された事例群をその実期間に応じてソートし、入力された事例群を事例群記憶部４０２の全群及び生存群にそれぞれ格納する。ソート後の各事例群は、時系列に実時間ｔ_１，ｔ_２，・・・，ｔ_Ｎの順に並べられる。

また、前処理部３０１は、重複する事例のデータを除くと共に、各事例群の実期間に付与する符号ｔ_ｉ（ｉ＝１，２，・・・，Ｎ）のｉの値を０に初期化し、生成後の推定器に付与する符号ｋの値を１に初期化する（ステップＳ１）。

なお、事例群が十分に多く存在する場合、あるいは処理時間を短縮したい場合は、前処理部３０１は、入力された全ての事例の期間ではなく、入力された全ての事例のうち、イベントが死亡例である事例のみ用いてソートしてもよい。

また、事象発生までの期間が長期であるために推定期間を求めることが困難な場合、あるいは事象発生までの期間を推定しても実用上意味が無い場合、予め利用者に指定条件として生存分析に用いる実期間の上限値である最大期間を入力させておき、前処理部３０１により、入力された事例群のソートの際に該最大期間を超える事例を除いてもよい。

次に、学習部３００は、制御部３０２により生存分析処理の終了条件ｉ≦Ｎを満たすか否かを判定する（ステップＳ２）。満たす場合は、後処理部３０６による処理へ移行し、満たさない場合は推定器生成部３０３による処理へ移行する。

終了条件ｉ≦Ｎを満たさない場合、学習部３００は、推定器生成部３０３により、事例群記憶部４０２の全群に格納されたデータから機械学習手法で用いる訓練データを生成し、該訓練データを用いて実期間ｔ_ｉの事例群に対応する推定器を生成する。推定器生成部３０３は、予め定めた周知の手法を用いて、あるいは入力装置１００を用いて利用者が指定した手法を用いて推定器ｋを生成し、生成した推定器ｋを推定器記憶部４０１に格納する（ステップＳ３）。訓練データは、実期間及びイベントのデータを用いて、実期間ｔ_ｉ以前に観測が打ち切られた打ち切り例の事例を除くと共に、実期間ｔ_ｉで死亡している事例に死亡例とラベル付けし、生存している事例に生存例とラベル付けした後、属性値とラベルを用いて生成する。推定器は、決定木、サポートベクタマシン、ニューラルネットワーク等の周知の機械学習手法を用いて生成することが可能である。

推定器選別部３０４は、推定器生成部３０３で生成した推定器ｋを用いて生存群に格納された事例群の事象発生の有無を推定し、推定結果に基づき該事象群を生存または死亡に分類する。推定器選別部３０４は、死亡に分類した事例群を事例群記憶部４０２の事例群ｋに格納し、生存に分類した事例群を事例群記憶部４０２の事例群ｋ＋１に格納する（ステップＳ４）。

また、推定器選別部３０４は、これらの分類結果により推定器生成部３０３で生成した推定器ｋが所定の選別条件を満たしているか否かを判定する（ステップＳ５）。選別条件を満たさない場合は実期間ｔ_ｉのｉに１を加算して（ステップＳ９）、ステップＳ２の処理に戻ってステップＳ２からステップＳ５の処理を繰り返す。また、推定器ｋが選別条件を満たす場合は、期間算出部３０５による処理へ移行する。

なお、本実施形態では、ｉを１ずつ増加させる例を示しているが、事例数が多量であるために処理時間を短縮したい場合は、利用者によって指定された実期間の数単位で、すなわち、利用者によって指定された数の単位でｉを増加させてもよい。

推定器選別部３０４による推定器の選別は、事例群ｋ−１と事例群ｋの検定処理の結果と、事例群ｋと事例群ｋ＋１の検定処理の結果とに基づいて行なう。選別条件には、予め設定した条件、あるいは入力装置１００を用いて利用者が入力した条件を用いる。

選別条件の具体例としては、
（Ａ条件）事例群ｋ−１と事例群ｋの検定処理の結果、２群に統計上の有意差がある、
（Ｂ条件）事例群ｋと事例群ｋ＋１の検定処理の結果、２群に統計上の有意差がある、
（Ｃ条件）事例群ｋの数が予め設定した数または利用者によって指定された数以上である、
（Ｄ条件）全ての事例数に対する事例群ｋの事例数が予め設定した割合または利用者に指定された割合以上である、
（Ｅ条件）死亡例と分類された事例群ｋの事例数、及び生存例と分類された事例群ｋ＋１の事例数が共に１以上である、
等の条件のいずれか、あるいはこれらの条件の組合せがある。

検定処理としては、例えばログランク検定や事例群中のイベントが死亡例である事例のみを用いる中央値検定等がある。検定処理にログランク検定を用いる場合、選別条件は、例えば「上記Ａ条件かつＢ条件を満たす」、または「上記Ａ条件かつＢ条件を満たす、または上記Ｄ条件を満たす」を用いればよい。

ところで、上述したように推定器は必ずしも事象の発生を正確に推定できるとは限らない。ある事例に対応する推定器で推定エラーが発生すると、それよりも実期間が長い事例に対応する推定器の検定に悪影響を及ぼしてしまう。例えば、事象発生までの期間が長いために、いくつかの事例を推定器ｋ−１が誤って死亡例と推定した場合、それよりも実期間が長い推定器ｋの性能が優れていても検定処理にて２群に統計上の有意差が生じないことがある。事象発生までの期間が短い事例を推定器ｋ−１が誤って生存例と分類した場合も同様である。

このような推定器ｋ−１の推定エラーの影響を防ぐため、推定器選別部３０４は、事例群記憶部４０２に格納された事例群ｋ−１から、事象発生までの期間が実期間ｔ_ｉ−１よりも長い事例を除き、事例群記憶部４０２に格納された事例群ｋから、事象発生までの期間が実期間ｔ_ｉ−１以下の事例を除いてもよい。

期間算出部３０５は、推定器選別部３０４で選別した推定器を用いて、事例群ｋに対応する事象発生までの期間である推定期間ｋを算出し、記憶装置４００の期間記憶部４０３に格納する（ステップＳ６）。推定期間はｋ、例えば、
（Ｆ条件）実期間ｔ_ｉ−１と実期間ｔ_ｉの平均値とする、
（Ｇ条件）推定期間ｋ−１と実期間ｔ_ｉの平均値とする、
（Ｈ条件）事例群ｋの事象（死亡）発生までの期間の中央値とする、
（Ｉ条件）事例群ｋの事象（死亡）発生までの期間の平均値とする、
等のいずれかの条件を用いて推定する。

ここで、死亡例の実期間の最大値よりも事象発生までの期間が長くなる打ち切り例については、例えば打ち切られた時点で当該事例を死亡例と仮定し、上記（Ｈ条件）及び（Ｉ条件）の「事象（死亡）発生までの期間」を、「事象（死亡）発生までの期間と、死亡例の最大期間よりも長い打ち切り例の事象発生までの期間」に置き換えた条件を用いればよい。

期間算出部３０５により事例群ｋの推定期間を算出すると、学習部３００は、制御部３０２により、生存に分類された事例群ｋ＋１を事例群記憶部４０２の生存群に格納し（ステップＳ７）、ｋに１を加算し（ステップＳ１０）、ｉに１を加算して（ステップＳ９）、ステップＳ２の処理に戻り、ステップＳ２からステップＳ１０の処理を繰り返す。

制御部３０２によるステップＳ２の処理にて終了条件を満たす場合、学習部３００は、後処理部３０６により、予め設定された、または利用者よって指定された出力情報を作成し、出力装置２００に出力情報を渡して処理を終了する（ステップＳ８）。出力情報としては、例えば記憶装置４００に格納された推定器ｋや推定期間ｋのデータがある。また、事例群の生存曲線や事例群の検定結果等の解析データを利用者の指示に応じて出力してもよい。

なお、本実施形態では、推定器を生成しつつ生成した推定器を選別する処理手順を示したが、全ての推定器を生成した後、実期間が短い事例に対応する推定器から順次選別してもよい。また、本実施形態では、事例が、１つ以上の属性値、実期間及びイベントを含む例を示したが、例えば全てのイベントが死亡例である場合は、属性値及び期間のみを含む事例を用いてもよい。

また、推定器の有効性を検証し、該検証結果を出力情報に含めてもよい。推定器の有効性の検証方法としては、上記カプラン・マイヤー解析によって得られる生存曲線を用いる方法、あるいは上記検定処理で用いるログランク検定や中央値検定で得られる検定値を用いる方法がある。

第１の実施の形態の生存分析システムによれば、複数の推定器を自動的に生成し、推定期間に対応する事例群に対して細かな層別化を自動的に行なうことができる。また、所定の選別条件により複数の推定器の中でも比較的予測が正確な推定器を用いて推定期間を求めるため事象発生までの期間を比較的正確に推定できる。

さらに、推定期間と推定器とを対応付けることができるため、その推定器の条件を解析することにより、推定期間に対応する事象発生因子を新たに発見することが可能になる。したがって、事象の新たな発生因子の発見に寄与する生存分析システムが提供される。
（第２の実施の形態）
次に本発明の生存分析システムの第２の実施の形態について図面を用いて説明する。

第２の実施の形態の生存分析システムは、予め入力された複数の事例群のデータから既に推定器が生成され、またそれらに対応する推定期間が既に算出されて記憶装置４００に予め格納されている例である。この場合、利用者が特定の事例や各種の条件を入力することで、所望の情報（出力情報）が出力される。

図５は本発明の生存分析システムの第２の実施の形態の構成を示すブロック図である。

図５に示すように、第２の実施の形態の生存分析システムは、事例群毎に対応する、予め生成された推定器を用いて事象発生の有無を判定する予測部５００と、事例や各種の条件等のデータを利用者が入力するための入力装置１００と、予測部５００の処理結果を利用者に提示するための出力装置２００と、予測部５００の処理結果や利用者によって入力された事例及び各種の条件等が格納される記憶装置４００とを有する構成である。

入力装置１００、出力装置２００及び記憶装置４００の構成及び動作は、第１の実施の形態と同様であるため、ここでは説明を省略する。

記憶装置４００には、第１の実施の形態と同様に、予め生成された推定器が格納される推定器記憶部４０１と、利用者によって入力された事例群が格納される事例群記憶部４０２と、各事例群に対応する事象発生までの期間である推定期間が格納される期間記憶部４０３とを備えている。

推定器記憶部４０１内の推定器１〜ｋ、事例群記憶部４０２内の事例群１〜ｋ、期間記憶部４０３内の推定期間１〜ｋは、第１の実施の形態と同様にそれぞれのデータが時系列に短い実時間から順次配置されている。

予測部５００は、前処理部５０１、判定部５０２及び後処理部５０３を備えている。

前処理部５０１は、利用者によって入力装置１００から入力された事例及び指定条件に応じて各事例に所定の前処理を実行し、入力された事例及び前処理後の事例を事例群記憶部４０２に格納する。

判定部５０２は、前処理後の事例に対応する、推定器記憶部４０１に格納された推定器を用いて事象発生の有無を判定する。また、事象発生有りと推定した推定器に対応する実期間のうち、最も短い実期間を事象発生までの期間である推定期間であると判定する。

後処理部５０３は、判定部５０２で抽出した推定器に対応する実期間を期間記憶部４０３から読み出し、推定期間として出力する。

なお、第２の実施の形態の生存分析システムも、第１の実施の形態と同様に、例えば図３に示すようなコンピュータ、あるいは論理回路等から構成されるＬＳＩやＤＳＰ等の半導体集積回路装置及びメモリ等によって実現することが可能である。

次に、第２の実施の形態の生存分析システムの動作について図６を用いて説明する。

図６は図５に示した生存分析システムの処理手順を示すフローチャートである。

図６に示すように、予測部５００は、入力装置１００から事例群及び指定条件が入力されると（ステップＳ２０）、まず前処理部５０１により、推定器に付与する符号ｋの値を１に初期化する（ステップＳ２１）。ここでは、事例の実期間とイベントの値は未知でよい。また、属性値は、その一部が未知（欠損値）であっても周知の欠損値補間技術（平均値補間、中央地補間等）を用いて欠損したデータを補間すればよい。利用者からは、例えば生存曲線の表示有無等が指定条件として入力装置１００を用いて入力される。

判定部５０２は、前処理後の事例について、推定器記憶部４０１に格納された対応する推定器ｋを用いて事象（生存または死亡）発生の有無を判定する（ステップＳ２２）。また、推定結果が死亡であるか否かを判定し（ステップＳ２３）、判定結果が生存である場合はｋに１を加算して（ステップＳ２５）ステップＳ２２の処理に戻り、ステップＳ２２及びＳ２４の処理を繰り返す。一方、判定結果が死亡の場合は、推定器ｋが該事例に対応していると判定する。

後処理部５０３は、判定部５０２により分析対象の事例に対応している判定された推定器ｋに対応する推定期間ｋを記憶装置４００の期間記憶部４０３から読み出し、該推定期間ｋを出力情報として出力（ステップＳ２４）した後、処理を終了する。

なお、後処理部５０３は、入力装置１００を用いて入力した利用者の指定条件に応じて、推定器記憶部４０１に格納された推定器ｋ、該推定器ｋに対応する事例に該当した条件、期間記憶部４０３に記憶された事例群を用いて対応する事例群ｋの生存曲線や検定処理結果等の解析データを出力情報に含めてもよい。事例群ｋの解析データは予め生成して記憶装置４００に格納しておいてもよい。

また、上記説明では、入力した１つの事例について、対応する推定器を用いて事象発生までの推定期間を出力する例を示したが、入力装置１００から複数の事例（事例群）を入力し、一度に複数の事例の事象発生までの推定期間を算出し、それらを所定の統計処理した後、入力した事例群に関する情報として出力することも可能である。

また、第２の実施の形態の生存分析システムは、第１の実施の形態の生存分析システムから独立して備えることも可能である。

第２の実施の形態の生存分析システムによれば、推定期間と死亡と推定した推定器とを対応付け、利用者からの指定条件に応じて、その推定器の情報を出力するため、事例に対応する事象発生因子を容易に解析することができる。

この出願は、２００７年３月９日に出願された特願２００７−０６０４０９号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

Claims (30)

1. 事例の特徴量を示す少なくとも１つの属性値と事象発生までの測定期間である実期間の情報とを含む事例の集合である事例群を基に事象発生までの期間である推定期間を求める生存分析システムであって、
   複数の前記実期間毎に前記事例群の属性値から事象発生の有無を推定する推定器を生成する推定器生成部と、
   前記推定器が所定の選別条件を満たすか否かを判定し、前記推定期間の算出に用いる推定器を選別する推定器選別部と、
   前記推定器選別部で選別した推定器を用いて前記推定期間を算出する期間算出部と、
   を有する生存分析システム。
2. 前記事例に前記事象発生の有無または観測の打ち切り例を示すイベントの情報を備え、
   前記推定器生成部は、
   前記実期間の時点で打ち切り例の事例を除いた残りの事例群の属性値から前記推定器を生成する請求項１記載の生存分析システム。
3. 前記推定器選別部は、
   選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が短くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果、及び選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が長くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果を、選別対象の推定器を前記推定期間の算出に用いるか否かを判定するための選別条件とする請求項１または２記載の生存分析システム。
4. 前記期間算出部は、
   前記推定器選別部にて選別された推定器に対応する実時間のうち、前記推定器に対応する実期間と、該推定器に対応する実期間よりも短い推定器に対応する実期間とを用いて前記推定期間を算出する請求項１から３のいずれか１項記載の生存分析システム。
5. 前記期間算出部は、
   前記推定器選別部にて選別された推定器に対応する実時間のうち、前記推定器に対応する実期間と、該推定器に対応する実期間よりも短くかつ該実期間に最も近い推定器に対応する実期間との平均値を前記推定期間とする請求項４記載の生存分析システム。
6. 前記期間推定部は、
   前記推定期間の算出に用いる推定器に対応する実期間よりも短い実期間に対応する推定器にて事象発生無しと推定され、前記推定期間の算出に用いる推定器にて事象発生有りと推定された事例群の実期間を用いて推定期間を算出する請求項１から３のいずれか１項記載の生存分析システム。
7. 前記期間推定部は、
   前記推定期間の算出に用いる推定器の生成時点の実期間よりも短い実期間に対応する推定器で事象発生無しと推定され、前記推定期間の算出に用いる推定器で事象発生有りと推定された事例群の実期間の平均値または中央値のいずれか一方を推定期間とする請求項６記載の生存分析システム。
8. 推定期間の算出結果、前記事例群の解析データ及び前記推定器の有効性の検証結果の少なくとも１つを含む、利用者に提示するための出力情報を生成する後処理部を有する請求項１から７のいずれか１項記載の生存分析システム。
9. 入力された事例に含まれる該事例の特徴量を示す属性値から事象発生の有無を推定する複数の推定器と、
   前記事象発生有りと推定した推定器に対応する実期間のうち、最も短い実期間を事象発生までの期間である推定期間と判定する判定部と、
   前記推定期間及び該推定期間に対応する推定器の情報の少なくとも１つを含む出力情報を生成する後処理部と、
   を有する生存分析システム。
10. 前記後処理部は、
    入力された事例に対応する事例群の特徴値を含む出力情報を生成する請求項９に記載の生存分析システム。
11. 事例の特徴量を示す少なくとも１つの属性値と事象発生までの測定期間である実期間の情報とを含む事例の集合である事例群を基に事象発生までの期間である推定期間を求めるための生存分析方法であって、
    複数の前記実期間毎に前記事例群の属性値から事象発生の有無を推定する推定器を生成し、
    前記推定器が所定の選別条件を満たすか否かを判定し、前記推定期間の算出に用いる推定器を選別し、
    前記推定器選別部で選別した推定器を用いて前記推定期間を算出する生存分析方法。
12. 前記事例に前記事象発生の有無または観測の打ち切り例を示すイベントの情報を備え、
    前記実期間の時点で打ち切り例の事例を除いた残りの事例群の属性値から前記推定器を生成する請求項１１記載の生存分析方法。
13. 選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が短くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果、及び選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が長くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果を、選別対象の推定器を前記推定期間の算出に用いるか否かを判定するための選別条件とする請求項１１または１２記載の生存分析方法。
14. 前記選別された推定器に対応する実時間のうち、前記推定器に対応する実期間と、該推定器に対応する実期間よりも短い推定器に対応する実期間とを用いて前記推定期間を算出する請求項１１から１３のいずれか１項記載の生存分析方法。
15. 前記選別された推定器に対応する実時間のうち、前記推定器に対応する実期間と、該推定器に対応する実期間よりも短くかつ該実期間に最も近い推定器に対応する実期間との平均値を前記推定期間とする請求項１４記載の生存分析方法。
16. 前記推定期間の算出に用いる推定器に対応する実期間よりも短い実期間に対応する推定器にて事象発生無しと推定され、前記推定期間の算出に用いる推定器にて事象発生有りと推定された事例群の実期間を用いて推定期間を算出する請求項１１から１３のいずれか１項記載の生存分析方法。
17. 前記推定期間の算出に用いる推定器の生成時点の実期間よりも短い実期間に対応する推定器で事象発生無しと推定され、前記推定期間の算出に用いる推定器で事象発生有りと推定された事例群の実期間の平均値または中央値のいずれか一方を推定期間とする請求項１６記載の生存分析方法。
18. 推定期間の算出結果、前記事例群の解析データ及び前記推定器の有効性の検証結果の少なくとも１つを含む、利用者に提示するための出力情報を生成する請求項１１から１７のいずれか１項記載の生存分析方法。
19. 入力された事例に含まれる該事例の特徴量を示す属性値から事象発生の有無を推定するための複数の推定器を備え、
    前記事象発生有りと推定した推定器に対応する実期間のうち、最も短い実期間を事象発生までの期間である推定期間と判定し、
    前記推定期間及び該推定期間に対応する推定器の情報の少なくとも１つを含む出力情報を生成する生存分析方法。
20. 入力された事例に対応する事例群の特徴値を含む出力情報を生成する請求項１９記載の生存分析方法。
21. 事例の特徴量を示す少なくとも１つの属性値と事象発生までの測定期間である実期間の情報とを含む事例の集合である事例群を基に事象発生までの期間である推定期間を求めるための処理をコンピュータにより実行するためのプログラムであって、
    複数の前記実期間毎に前記事例群の属性値から事象発生の有無を推定する推定器を生成し、
    前記推定器が所定の選別条件を満たすか否かを判定し、前記推定期間の算出に用いる推定器を選別し、
    前記推定器選別部で選別した推定器を用いて前記推定期間を算出するための処理をコンピュータに実行させるためのプログラム。
22. 前記事例に前記事象発生の有無または観測の打ち切り例を示すイベントの情報を備え、
    前記実期間の時点で打ち切り例の事例を除いた残りの事例群の属性値から前記推定器を生成する処理をコンピュータに実行させるための請求項２１記載のプログラム。
23. 選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が短くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果、及び選別対象の推定器による推定結果と該推定器に対応する実時間よりも実時間が長くかつ該実時間に最も近い実時間に対応する推定器による推定結果の検定結果を、選別対象の推定器を前記推定期間の算出に用いるか否かを判定するための選別条件とする処理をコンピュータに実行させるための請求項２１または２２記載のプログラム。
24. 前記選別された推定器に対応する実時間のうち、前記推定器に対応する実期間と、該推定器に対応する実期間よりも短い推定器に対応する実期間とを用いて前記推定期間を算出する処理をコンピュータに実行させるための請求項２１から２３のいずれか１項記載のプログラム。
25. 前記選別された推定器に対応する実時間のうち、前記推定器に対応する実期間と、該推定器に対応する実期間よりも短くかつ該実期間に最も近い推定器に対応する実期間との平均値を前記推定期間とする処理をコンピュータに実行させるための請求項２４記載のプログラム。
26. 前記推定期間の算出に用いる推定器に対応する実期間よりも短い実期間に対応する推定器にて事象発生無しと推定され、前記推定期間の算出に用いる推定器にて事象発生有りと推定された事例群の実期間を用いて推定期間を算出する処理をコンピュータに実行させるための請求項２１から２３のいずれか１項記載のプログラム。
27. 前記推定期間の算出に用いる推定器の生成時点の実期間よりも短い実期間に対応する推定器で事象発生無しと推定され、前記推定期間の算出に用いる推定器で事象発生有りと推定された事例群の実期間の平均値または中央値のいずれか一方を推定期間とする処理をコンピュータに実行させるための請求項２６記載のプログラム。
28. 推定期間の算出結果、前記事例群の解析データ及び前記推定器の有効性の検証結果の少なくとも１つを含む、利用者に提示するための出力情報を生成する処理をコンピュータに実行させるための請求項２１から２７のいずれか１項記載のプログラム。
29. 入力された事例に含まれる該事例の特徴量を示す属性値から事象発生の有無を推定するための複数の推定器を備え、
    前記事象発生有りと推定した推定器に対応する実期間のうち、最も短い実期間を事象発生までの期間である推定期間と判定し、
    前記推定期間及び該推定期間に対応する推定器の情報の少なくとも１つを含む出力情報を生成する処理をコンピュータに実行させるためのプログラム。
30. 入力された事例に対応する事例群の特徴値を含む出力情報を生成する処理をコンピュータに実行させるための請求項２９記載のプログラム。

Images