KR101542037B1 - 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체 - Google Patents

암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체 Download PDF

Info

Publication number
KR101542037B1
KR101542037B1 KR1020097012596A KR20097012596A KR101542037B1 KR 101542037 B1 KR101542037 B1 KR 101542037B1 KR 1020097012596 A KR1020097012596 A KR 1020097012596A KR 20097012596 A KR20097012596 A KR 20097012596A KR 101542037 B1 KR101542037 B1 KR 101542037B1
Authority
KR
South Korea
Prior art keywords
cancer
value
discriminant
multivariate discriminant
amino acid
Prior art date
Application number
KR1020097012596A
Other languages
English (en)
Other versions
KR20090091301A (ko
Inventor
아키라 이마이즈미
도시히코 안도
나오유키 오카모토
Original Assignee
아지노모토 가부시키가이샤
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 아지노모토 가부시키가이샤 filed Critical 아지노모토 가부시키가이샤
Publication of KR20090091301A publication Critical patent/KR20090091301A/ko
Application granted granted Critical
Publication of KR101542037B1 publication Critical patent/KR101542037B1/ko

Links

Images

Classifications

    • 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
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
    • G01N33/57488—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites involving compounds identifable in body fluids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Biotechnology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Cell Biology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Food Science & Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Organic Chemistry (AREA)

Abstract

혈액 중의 아미노산 농도 중 암의 상태와 관련된 아미노산의 농도를 이용하여 암의 상태를 정밀하게 평가할 수 있는 암 상태의 평가 방법 및 암 평가 장치(100), 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체를 제공하는 것을 과제로 한다. 본 발명에 따르는 암 상태의 평가 방법은, 평가 대상으로부터 채취한 혈액으로부터, 아미노산의 농도치에 관한 아미노산 농도 데이터를 측정하고, 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 평가 대상에 관해서 암의 상태를 평가한다.
암 평가 방법, 암 평가 장치, 암 평가 시스템, 암 평가 프로그램, 혈중 아미노산 농도, 판별식

Description

암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체{Method of evaluating of cancer state, cancer-evaluating apparatus, cancer-evaluating method, cancer-evaluating system, cancer-evaluating program and recording medium}
본 발명은, 혈액(혈장) 중의 아미노산 농도를 이용한 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체에 관한 것이다.
일본에 있어서의 암에 의한 사망은, 2004년에 남 193075명·여 127259명으로, 총 사망자수의 제1위이다. 암의 종류에도 의하지만, 초기 암의 5년 생존율이 80% 이상인 것이 있는 한편, 진행된 암의 5년 생존율이 10% 정도로 극도로 낮은 것도 있다. 그러므로, 조기 발견이 암 치유에 있어서는 중요하다.
여기에서, 예를 들면 대장암의 진단에는, 대변의 면역학적 잠혈 반응에 의한 진단, 대장 내시경에 의한 대장 생검 등이 있다.
그러나, 변 잠혈에 의한 진단은 확정 진단으로는 되지 않으며, 유소견자의 대부분은 위양성이다. 또한, 초기의 대장암에 있어서는, 변 잠혈에 의한 진단에서는, 검출 감도·검출 특이도 모두 더욱 낮아지는 것이 우려된다. 특히 우측 결장의 초기 암은, 변 잠혈에 의한 진단에서는 간과가 많다. 또한, CT(컴퓨터 단층촬영), MRI(자기 공명 영상), PET(양전자 방출 컴퓨터 단층촬영) 등에 의한 화상 진단은, 대장암의 진단에는 적합하지 않다.
한편, 대장 내시경에 의한 대장 생검은 확정 진단이 되지만, 침습도가 높은 검사이고, 스크리닝의 단계에서 시행하는 것은 실제적이지 않다. 또한, 대장 생검과 같은 침습적 진단에서는 환자가 고통을 동반하는 등 부담이 있으며, 또한 검사에 의한 출혈 등의 리스크도 일어날 수 있다.
이로 인해, 환자에 대한 신체적 부담 및 비용대 효과의 면에서, 대장암 발증의 가능성이 높은 피험자를 압축하고, 그 사람을 치료의 대상으로 하는 것이 바람직하다. 구체적으로는, 침습이 적은 방법으로 피험자를 선택하고, 선택한 피험자에 대하여 대장 내시경 검사를 실시함으로써 피험자를 압축하여 대장암의 확정 진단이 수득된 피험자를 치료의 대상으로 하는 것이 바람직하다.
또한, 예를 들면 폐암의 진단에는, X선 사진·CT·MRI·PET 등 화상에 의한 진단, 객담세포진, 기관지경에 의한 폐 생검, 경피침에 의한 폐 생검, 시험 개흉 또는 흉강경에 의한 폐 생검 등이 있다.
그러나, 화상에 의한 진단은 확정 진단으로는 되지 않는다. 예를 들면 흉부 X선 검사(간접 촬영)의 경우, 유소견율은 20%인 데 대하여 특이도는 0.1%이고, 유소견자의 대부분은 위양성이다. 또한, 흉부 X선 검사의 경우, 검출 감도도 낮고, 후생노동성의 검토 결과에서는 약 80%의 폐암 발증자는 간과되었다는 보고도 있다. 특히, 초기의 폐암에 있어서는, 화상에 의한 진단에서는 검출 감도·검출 특이도 모두 더욱 낮아지는 것이 우려된다. 또한, 흉부 X선 검사에는, 피험자의 방사선 피폭의 문제도 있다. 또한, CT·MRI·PET 등에 의한 화상 진단은, 설비나 비용면에서, 집단 검진으로 실시하기에는 문제가 있다. 또한, 객담세포진의 경우, 2 내지 3할의 환자밖에 확정 진단을 할 수 없다.
한편, 기관지경, 경피침, 시험 개흉 및 흉강경에 의한 폐 생검은 확정 진단이 되지만, 침습도가 높은 검사이고, 화상 진단에 의해 폐암의 의심이 가는 환자 전원에게 시행하는 것은 실제적이지 않다. 또한, 이러한 침습적 진단에서는 환자가 고통을 동반하는 등 부담이 있으며, 또한 검사에 의한 출혈 등의 리스크도 일어날 수 있다.
이로 인해, 환자에 대한 신체적 부담 및 비용대 효과의 면에서, 폐암 발증의 가능성이 높은 피험자를 압축하고, 그 사람을 치료의 대상으로 하는 것이 바람직하다. 구체적으로는, 침습이 적은 방법으로 피험자를 선택하고, 선택한 피험자에 대하여 폐 생검을 실시함으로써 피험자를 압축하여, 폐암의 확정 진단이 수득된 피험자를 치료의 대상으로 하는 것이 바람직하다.
또한, 예를 들면 유방암의 진단에는, 자기 검진, 유방촉시진, 맘모그래피·CT·MRI·PET 등에 의한 화상 진단, 침(針)생검 등이 있다.
그러나, 자기 검진이나 촉시진, 화상 진단은 확정 진단으로는 되지 않는다. 특히, 자기 검진에는, 유방암에 의한 사망율을 낮출 만큼의 효과는 없다. 또한, 자기 검진에서는, 맘모그래피 검사에 의한 정기적인 스크리닝과 같이 다수의 조기 암을 발견할 수도 없다. 또한, 초기의 유방암에 있어서는, 자기 검진이나 촉시진, 화상 진단에서는 검출 감도·검출 특이도 모두 더욱 낮아지는 것이 우려된다. 또한, 맘모그래피에 의한 화상 진단에는, 피험자의 방사선 피폭이나 과잉 진단의 문제도 있다. 또한, CT·MRI·PET 등에 의한 화상 진단은, 설비나 비용면에서, 집단 검진으로 실시하기에는 문제가 있다.
한편, 침생검은 확정 진단이 되지만, 침습도가 높은 검사이고, 화상 진단에 의해 유방암의 의심이 있는 환자 전원에게 시행하는 것은 실제적이지 않다. 또한, 침생검과 같은 침습적 진단에서는 환자가 고통을 동반하는 등 부담이 있으며, 또한 검사에 의한 출혈 등의 리스크도 일어날 수 있다.
그리고, 일반적으로, 유방암의 검사는, 자기 검진을 제외한 많은 경우, 피험자가 정신적 고통을 느끼는 것을 생각할 수 있다.
이로 인해, 환자에 대한 신체적 부담·정신적 부담 및 비용대 효과의 면에서, 유방암 발증의 가능성이 높은 피험자를 압축하여, 그 사람을 치료의 대상으로 하는 것이 바람직하다. 구체적으로는, 정신적 고통이나 침습이 적은 방법으로 피험자를 선택하고, 선택한 피험자에 대하여 침생검을 실시함으로써 피험자를 압축하여, 유방암의 확정 진단이 수득된 피험자를 치료의 대상으로 하는 것이 바람직하다.
또한, 예를 들면 위암의 진단에는, 펩시노겐 검사, X선 검사(간접 촬영), 위내시경 검사, 종양 마커에 의한 진단 등이 있다.
그러나, 펩시노겐 검사, X선 검사, 종양 마커에 의한 진단은 확정 진단으로 는 되지 않는다. 예를 들면 펩시노겐 검사의 경우, 침습성은 낮지만, 감도는 보고에 따라 상이하며 대략 40 내지 85%, 특이도는 70 내지 85%이다. 그러나, 펩시노겐 검사의 경우, 요정밀 검사율은 20%이고, 간과도 많다고 생각되고 있다. 또한, X선 검사의 경우, 감도는 보고에 따라 상이하지만 대략 70 내지 80%, 특이도는 85 내지 90%이다. 그러나, X선 검사의 경우, 바륨 음용에 의한 부작용이나 방사선 피폭의 가능성이 있다. 또한, 종양 마커에 의한 진단의 경우, 위암의 존재 진단에 유효한 종양 마커는 현시점에서는 존재하지 않는다.
한편, 위내시경 검사는 확정 진단이 되지만, 침습도가 높은 검사이고, 스크리닝의 단계에서 실시하는 것은 실제적이지 않다. 또한, 위내시경 검사와 같은 침습적 진단에서는 환자가 고통을 동반하는 등 부담이 있으며, 또한 검사에 의한 출혈 등의 리스크도 일어날 수 있다.
이로 인해, 환자에 대한 신체적 부담 및 비용대 효과의 면에서, 위암 발증의 가능성이 높은 피험자를 압축하여, 그 사람을 치료의 대상으로 하는 것이 바람직하다. 구체적으로는, 감도·특이도가 높은 방법으로 피험자를 선택하고, 선택한 피험자에 대하여 위내시경 검사를 실시함으로써 피험자를 압축하여, 위암의 확정 진단이 수득된 피험자를 치료의 대상으로 하는 바람직하다.
또한, 예를 들면 췌장암과 같이 초기 발견 자체가 곤란한 암도 있다.
그리고, 췌장암의 경우, 자각 증상을 호소한 후에 정밀 검사로 췌장암의 확정 진단을 받게 되는데, 많은 경우 진행암으로 되어 있다.
이로 인해, 환자에 대한 신체적 부담 및 비용대 효과의 면에서, 췌장암 발증 의 가능성이 높은 피험자를 적절한 스크리닝으로 압축하여, 그 사람을 치료의 대상으로 하는 것이 바람직하다. 구체적으로는, 감도·특이도가 높은 방법으로 피험자를 선택하고, 선택한 피험자에 대하여 정밀 검사를 실시함으로써 피험자를 압축하여, 췌장암의 확정 진단이 수득된 피험자를 치료의 대상으로 하는 것이 바람직하다.
그런데, 혈중 아미노산의 농도가, 암 발증에 의해 변화하는 것에 관해서는 알려져 있다. 예를 들면, Cynober에 의하면[참조: 비특허문헌 1], 예를 들면 글루타민은 주로 산화 에너지원으로서, 아르기닌은 질소 산화물이나 폴리아민의 전구체로서, 메티오닌은 암 세포가 메티오닌 도입능의 활성화에 의해, 각각 암 세포에서의 소비량이 증가한다고 하는 보고가 있다. 또한, Vissers 외[참조: 비특허문헌 2]나 Park[참조: 비특허문헌 3]에 의하면, 대장암 환자의 혈장 중 아미노산 조성은 건상자와 상이한 것이 보고되어 있고, Proenza 외[참조: 비특허문헌 4]나 Cascino[참조: 비특허문헌 5]에 의하면, 유방암 환자의 혈장 중 아미노산 조성은 건상자와 상이한 것이 보고되어 있다.
비특허문헌 1: Cynober, L. ed., Metabolic and therapeutic aspects of amino acids in clinical nutrition. 2nd ed., CRC Press
비특허문헌 2: Vissers, Y. LJ., et. al., Plasma arginine concentration are reduced in cancer patients: evidence for arginine deficiency?, The American Journal of Clinical Nutrition, 2005 81, p.1142-1146
비특허문헌 3: Park, K. G., et. al., Arginine metabolism in benign and maglinant disease of brcast and colon: evidence for possible inhibition of tumor-infiltrating macropharges., Nutrition, 19917, p.185-188
비특허문헌 4: Proenza, A. M., J. Oliver, A. Palou and P. Roca, Breast and lung cancer are associated with a decrease in blood cell amino acid content., J Nutr Biochem, 2003. 14(3), p.133-8
비특허문헌 5: Cascino, A., M. Muscaritoli, C. Cangiano, L. Conversano, A. Laviano, S. Ariemma, M. M. Meguid and F. Rossi Fanelli, Plasma amino acid imbalance in patients with lung and breast cancer., Anticancer Res, 1995. 15(2), p.507-10
발명의 개시
발명이 해결하고자 하는 과제
그러나, 지금까지 복수의 아미노산을 변수로 하여 암 발증의 유무를 진단하는 기술의 개발은 시간적 및 금전적인 관점에서 이루어지고 있지 않으며, 실용화되어 있지 않다는 문제점이 있었다.
본 발명은 상기 문제점을 감안하여 이루어진 것으로서, 혈액 중의 아미노산 농도 중 암의 상태와 관련된 아미노산의 농도를 이용하여 암의 상태를 정밀하게 평가할 수 있는 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체를 제공하는 것을 목적으로 한다.
과제를 해결하기 위한 수단
본 발명자 등은, 상기한 과제를 해결하기 위해 예의 검토한 결과, 암과 비암의 2군 판별에 유용한 아미노산(구체적으로는 암과 비암의 2군간에 통계적 유의차로 변동하는 아미노산)을 동정하는 동시에, 또한 동정한 아미노산의 농도를 변수로서 포함하는 다변량 판별식(지표식, 상관식)이 암(구체적으로는 초기 암)의 상태(구체적으로는 병태 진행)에 유의적인 상관이 있는 것을 밝혀내고, 본 발명을 완성하기에 이르렀다.
즉, 상기한 과제를 해결하여, 목적을 달성하기 위해, 본 발명의 한가지 양태에 따르는 암 상태의 평가 방법은, 평가 대상으로부터 채취한 혈액으로부터 아미노산의 농도치에 관한 아미노산 농도 데이터를 측정하는 측정 스텝과, 상기 측정 스텝에서 측정한 상기 평가 대상의 상기 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA (ABA는 α-아미노부티르산을 나타낸다. 이하 동일) 중 적어도 1개의 상기 농도치에 기초하여, 상기 평가 대상에 관해서 암의 상태를 평가하는 농도치 기준 평가 스텝을 포함하는 것을 특징으로 한다.
또한, 본 발명의 다른 양태에 따르는 암 상태의 평가 방법은, 상기 농도치 기준 평가 스텝이, 상기 측정 스텝에서 측정한 상기 평가 대상의 상기 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 상기 농도치에 기초하여, 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 농도치 기준 판별 스텝을 추가로 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 상태의 평가 방법은, 상기 농도치 기준 평가 스텝이, 상기 측정 스텝에서 측정한 상기 평가 대상의 상기 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 상기 농도치 및 상기 아미노산의 농도를 변수로 하는 미리 설정한 다변량 판별식에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 스텝과, 상기 판별치 산출 스텝에서 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암의 상기 상태를 평가하는 판별치 기준 평가 스텝을 추가로 포함하고, 상기 다변량 판별식은, Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 상태의 평가 방법은, 상기 판별치 기준 평가 스텝이, 상기 판별치 산출 스텝에서 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 판별치 기준 판별 스텝을 추가로 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 상태의 평가 방법은, 상기 다변량 판별식이, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 상태의 평가 방법은, 상기 다변량 판별식이 수학식 1 또는 수학식 2인 것을 특징으로 한다:
Figure 112009036698498-pct00001
Figure 112009036698498-pct00002
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명의 또 다른 양태에 따르는 암 상태의 평가 방법은, 상기 다변량 판별식이, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 상태의 평가 방법은, 상기 다변량 판별식이, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로 하는 상기 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 상기 변수로 하는 상기 선형 판별식인 것을 특징으로 한다.
또한, 본 발명은 암 평가 장치에 관한 것이며, 본 발명의 한가지 양태에 따르는 암 평가 장치는, 제어 수단과 기억 수단을 구비하고 평가 대상에 관해서 암의 상태를 평가하는 암 평가 장치로서, 상기 제어 수단은 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 상기 기억 수단으로 기억한 다변량 판별식 및 상기 아미노산의 농도치에 관한 미리 취득한 상기 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 상기 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 수단과, 상기 판별치 산출 수단으로 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암의 상기 상태를 평가하는 판별치 기준 평가 수단을 구비한 것을 특징으로 한다.
또한, 본 발명의 다른 양태에 따르는 암 평가 장치는, 상기 판별치 기준 평가 수단이, 상기 판별치 산출 수단으로 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 판별치 기준 판별 수단을 추가로 구비한 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 장치는, 상기 다변량 판별식이, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 장치는, 상기 다변량 판별식이 수학식 1 또는 수학식 2인 것을 특징으로 한다:
[수학식 1]
Figure 112009036698498-pct00003
[수학식 2]
Figure 112009036698498-pct00004
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 장치는, 상기 다변량 판별식이, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 장치는, 상기 다변량 판별식이, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로 하는 상기 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 상기 변수로 하는 상기 선형 판별식인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 장치는, 상기 제어 수단이, 상기 아미노산 농도 데이터와 상기 암의 상기 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 상기 기억 수단으로 기억한 암 상태 정보에 기초하여, 상기 기억 수단으로 기억하는 상기 다변량 판별식을 작성하는 다변량 판별식 작성 수단을 추가로 구비하고, 상기 다변량 판별식 작성 수단은, 상기 암 상태 정보로부터 소정의 식 작성 수법에 기초하여, 상기 다변량 판별식의 후보인 후보 다변량 판별식을 작성하는 후보 다변량 판별식 작성 수단과, 상기 후보 다변량 판별식 작성 수단으로 작성한 상기 후보 다변량 판별식을, 소정의 검증 수법에 기초하여 검증하는 후보 다변량 판별식 검증 수단과, 상기 후보 다변량 판별식 검증 수단에서의 검증 결과로부터 소정의 변수 선택 수법에 기초하여 상기 후보 다변량 판별식의 변수를 선택함으로써, 상기 후보 다변량 판별식을 작성할 때에 사용하는 상기 암 상태 정보에 포함되는 상기 아미노산 농도 데이터의 조합을 선택하는 변수 선택 수단을 추가로 구비하고, 상기 후보 다변량 판별식 작성 수단, 상기 후보 다변량 판별식 검증 수단 및 상기 변수 선택 수단을 반복 실행하여 축적한 상기 검증 결과에 기초하여, 복수의 상기 후보 다변량 판별식 중에서 상기 다변량 판별식으로서 채용하는 상기 후보 다변량 판별식을 선출함으로써, 상기 다변량 판별식을 작성하는 것을 특징으로 한다.
또한, 본 발명은 암 평가 방법에 관한 것이며, 본 발명의 한가지 양태에 따르는 암 평가 방법은, 제어 수단과 기억 수단을 구비한 정보 처리 장치에서 실행하는, 평가 대상에 관해서 암의 상태를 평가하는 암 평가 방법으로서, 상기 제어 수단으로, 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 상기 기억 수단으로 기억한 다변량 판별식 및 상기 아미노산의 농도치에 관한 미리 취득한 상기 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 상기 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 스텝과, 상기 판별치 산출 스텝에서 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암의 상기 상태를 평가하는 판별치 기준 평가 스텝을 실행하는 것을 특징으로 한다.
또한, 본 발명의 다른 양태에 따르는 암 평가 방법은, 상기 판별치 기준 평가 스텝이, 상기 판별치 산출 스텝에서 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 판별치 기준 판별 스텝을 추가로 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 방법은, 상기 다변량 판별식이, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 방법은, 상기 다변량 판별식이 수학식 1 또는 수학식 2인 것을 특징으로 한다:
[수학식 1]
Figure 112009036698498-pct00005
[수학식 2]
Figure 112009036698498-pct00006
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 방법은, 상기 다변량 판별식이, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 방법은, 상기 다변량 판별식이, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로 하는 상기 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 상기 변수로 하는 상기 선형 판별식인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 방법은, 상기 제어 수단으로, 상기 아미노산 농도 데이터와 상기 암의 상기 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 상기 기억 수단으로 기억한 암 상태 정보에 기초하여, 상기 기억 수단으로 기억하는 상기 다변량 판별식을 작성하는 다변량 판별식 작성 스텝을 추가로 실행하고, 상기 다변량 판별식 작성 스텝은, 상기 암 상태 정보로부터 소정의 식 작성 수법에 기초하여, 상기 다변량 판별식의 후보인 후보 다변량 판별식을 작성하는 후보 다변량 판별식 작성 스텝과, 상기 후보 다변량 판별식 작성 스텝에서 작성한 상기 후보 다변량 판별식을, 소정의 검증 수법에 기초하여 검증하는 후보 다변량 판별식 검증 스텝과, 상기 후보 다변량 판별식 검증 스텝에서의 검증 결과로부터 소정의 변수 선택 수법에 기초하여 상기 후보 다변량 판별식의 변수를 선택함으로써, 상기 후보 다변량 판별식을 작성할 때에 사용하는 상기 암 상태 정보에 포함되는 상기 아미노산 농도 데이터의 조합을 선택하는 변수 선택 스텝을 추가로 포함하고, 상기 후보 다변량 판별식 작성 스텝, 상기 후보 다변량 판별식 검증 스텝 및 상기 변수 선택 스텝을 반복 실행하여 축적한 상기 검증 결과에 기초하여, 복수의 상기 후보 다변량 판별식 중에서 상기 다변량 판별식으로서 채용하는 상기 후보 다변량 판별식을 선출함으로써, 상기 다변량 판별식을 작성하는 것을 특징으로 한다.
또한, 본 발명은 암 평가 시스템에 관한 것이며, 본 발명의 한가지 양태에 따르는 암 평가 시스템은, 제어 수단과 기억 수단을 구비하여 평가 대상에 관해서 암의 상태를 평가하는 암 평가 장치와, 아미노산의 농도치에 관한 상기 평가 대상의 아미노산 농도 데이터를 제공하는 정보 통신 단말 장치를, 네트워크를 개재하여 통신 가능하게 접속하여 구성된 암 평가 시스템으로서, 상기 정보 통신 단말 장치는, 상기 평가 대상의 상기 아미노산 농도 데이터를 상기 암 평가 장치로 송신하는 아미노산 농도 데이터 송신 수단과, 상기 암 평가 장치로부터 송신된 상기 암의 상기 상태에 관해서 상기 평가 대상의 평가 결과를 수신하는 평가 결과 수신 수단을 구비하고, 상기 암 평가 장치의 상기 제어 수단은, 상기 정보 통신 단말 장치로부터 송신된 상기 평가 대상의 상기 아미노산 농도 데이터를 수신하는 아미노산 농도 데이터 수신 수단과, 상기 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 상기 기억 수단으로 기억한 다변량 판별식 및 상기 아미노산 농도 데이터 수신 수단으로 수신한 상기 평가 대상의 상기 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 상기 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 수단과, 상기 판별치 산출 수단으로 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암의 상기 상태를 평가하는 판별치 기준 평가 수단과, 상기 판별치 기준 평가 수단에서의 상기 평가 대상의 상기 평가 결과를 상기 정보 통신 단말 장치로 송신하는 평가 결과 송신 수단을 구비한 것을 특징으로 한다.
또한, 본 발명의 다른 양태에 따르는 암 평가 시스템은, 상기 판별치 기준 평가 수단이, 상기 판별치 산출 수단으로 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 판별치 기준 판별 수단을 추가로 구비한 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 시스템은, 상기 다변량 판별식이, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 시스템은, 상기 다변량 판별식이 수학식 1 또는 수학식 2인 것을 특징으로 한다:
[수학식 1]
Figure 112009036698498-pct00007
[수학식 2]
Figure 112009036698498-pct00008
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 시스템은, 상기 다변량 판별식이, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 시스템은, 상기 다변량 판별식이, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로 하는 상기 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 상기 변수로 하는 상기 선형 판별식인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 시스템은, 상기 제어 수단이, 상기 아미노산 농도 데이터와 상기 암의 상기 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 상기 기억 수단으로 기억한 암 상태 정보에 기초하여, 상기 기억 수단으로 기억하는 상기 다변량 판별식을 작성하는 다변량 판별식 작성 수단을 추가로 구비하고, 상기 다변량 판별식 작성 수단은, 상기 암 상태 정보로부터 소정의 식 작성 수법에 기초하여, 상기 다변량 판별식의 후보인 후보 다변량 판별식을 작성하는 후보 다변량 판별식 작성 수단과, 상기 후보 다변량 판별식 작성 수단으로 작성한 상기 후보 다변량 판별식을, 소정의 검증 수법에 기초하여 검증하는 후보 다변량 판별식 검증 수단과, 상기 후보 다변량 판별식 검증 수단에서의 검증 결과로부터 소정의 변수 선택 수법에 기초하여 상기 후보 다변량 판별식의 변수를 선택함으로써, 상기 후보 다변량 판별식을 작성할 때에 사용하는 상기 암 상태 정보에 포함되는 상기 아미노산 농도 데이터의 조합을 선택하는 변수 선택 수단을 추가로 구비하고, 상기 후보 다변량 판별식 작성 수단, 상기 후보 다변량 판별식 검증 수단 및 상기 변수 선택 수단을 반복 실행하여 축적한 상기 검증 결과에 기초하여, 복수의 상기 후보 다변량 판별식 중에서 상기 다변량 판별식으로서 채용하는 상기 후보 다변량 판별식을 선출함으로써, 상기 다변량 판별식을 작성하는 것을 특징으로 한다.
또한, 본 발명은 암 평가 프로그램에 관한 것이며, 본 발명의 한가지 양태에 따르는 암 평가 프로그램은, 제어 수단과 기억 수단을 구비한 정보 처리 장치에 실행시키는, 평가 대상에 관해서 암의 상태를 평가하는 암 평가 프로그램으로서, 상기 제어 수단에, 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 상기 기억 수단으로 기억한 다변량 판별식 및 상기 아미노산의 농도치에 관한 미리 취득한 상기 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 상기 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 스텝과, 상기 판별치 산출 스텝에서 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암의 상기 상태를 평가하는 판별치 기준 평가 스텝을 실행시키는 것을 특징으로 한다.
또한, 본 발명의 다른 양태에 따르는 암 평가 프로그램은, 상기 판별치 기준 평가 스텝이, 상기 판별치 산출 스텝에서 산출한 상기 판별치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 판별치 기준 판별 스텝을 추가로 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 프로그램은, 상기 다변량 판별식이, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 상기 변수로서 포함하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 프로그램은, 상기 다변량 판별식이 수학식 1 또는 수학식 2인 것을 특징으로 한다:
[수학식 1]
Figure 112009036698498-pct00009
[수학식 2]
Figure 112009036698498-pct00010
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 프로그램은, 상기 다변량 판별식이, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 프로그램은, 상기 다변량 판별식이, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로 하는 상기 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 상기 변수로 하는 상기 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 상기 변수로 하는 상기 선형 판별식인 것을 특징으로 한다.
또한, 본 발명의 또 다른 양태에 따르는 암 평가 프로그램은, 상기 제어 수단으로, 상기 아미노산 농도 데이터와 상기 암의 상기 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 상기 기억 수단으로 기억한 암 상태 정보에 기초하여, 상기 기억 수단으로 기억하는 상기 다변량 판별식을 작성하는 다변량 판별식 작성 스텝을 추가로 실행하고, 상기 다변량 판별식 작성 스텝은, 상기 암 상태 정보로부터 소정의 식 작성 수법에 기초하여, 상기 다변량 판별식의 후보인 후보 다변량 판별식을 작성하는 후보 다변량 판별식 작성 스텝과, 상기 후보 다변량 판별식 작성 스텝에서 작성한 상기 후보 다변량 판별식을, 소정의 검증 수법에 기초하여 검증하는 후보 다변량 판별식 검증 스텝과, 상기 후보 다변량 판별식 검증 스텝에서의 검증 결과로부터 소정의 변수 선택 수법에 기초하여 상기 후보 다변량 판별식의 변수를 선택함으로써, 상기 후보 다변량 판별식을 작성할 때에 사용하는 상기 암 상태 정보에 포함되는 상기 아미노산 농도 데이터의 조합을 선택하는 변수 선택 스텝을 추가로 포함하고, 상기 후보 다변량 판별식 작성 스텝, 상기 후보 다변량 판별식 검증 스텝 및 상기 변수 선택 스텝을 반복 실행하여 축적한 상기 검증 결과에 기초하여, 복수의 상기 후보 다변량 판별식 중에서 상기 다변량 판별식으로서 채용하는 상기 후보 다변량 판별식을 선출함으로써, 상기 다변량 판별식을 작성하는 것을 특징으로 한다.
또한, 본 발명은 기록 매체에 관한 것이며, 본 발명의 한가지 양태에 따르는 기록 매체는, 상기의 어느 하나에 기재된 암 평가 프로그램을 포함한 것을 특징으로 한다.
발명의 효과
본 발명에 따르는 암 상태의 평가 방법에 의하면, 평가 대상으로부터 채취한 혈액으로부터 아미노산의 농도치에 관한 아미노산 농도 데이터를 측정하고, 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 평가 대상에 관해서 암의 상태를 평가하기 때문에, 혈액 중의 아미노산 농도 중 암의 상태와 관련된 아미노산의 농도를 이용하여 암의 상태를 정밀하게 평가할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 상태의 평가 방법에 의하면, 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 평가 대상에 관해서 암 또는 비암인지의 여부를 판별하기 때문에, 혈액 중의 아미노산 농도 중 암과 비암의 2군 판별에 유용한 아미노산의 농도를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 상태의 평가 방법에 의하면, 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치 및 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 미리 설정한 다변량 판별식에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하고, 산출한 판별치에 기초하여 평가 대상에 관해서 암의 상태를 평가하기 때문에, 암의 상태와 유의적인 상관이 있는 다변량 판별식으로 취득되는 판별치를 이용하여 암의 상태를 정밀하게 평가할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 상태의 평가 방법에 의하면, 산출한 판별치에 기초하여 평가 대상에 관해서 암 또는 비암인지의 여부를 판별하기 때문에, 암과 비암의 2군 판별에 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 상태의 평가 방법에 의하면, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 상태의 평가 방법에 의하면, 다변량 판별식은 수학식 1 또는 수학식 2이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
[수학식 1]
Figure 112009036698498-pct00011
[수학식 2]
Figure 112009036698498-pct00012
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명에 따르는 암 상태의 평가 방법에 의하면, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 상태의 평가 방법에 의하면, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법 및 암 평가 프로그램에 의하면, 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 기억 수단으로 기억한 다변량 판별식 및 아미노산의 농도치에 관한 미리 취득한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하고, 산출한 판별치에 기초하여 평가 대상에 관해서 암의 상태를 평가하기 때문에, 암의 상태와 유의적인 상관이 있는 다변량 판별식으로 취득되는 판별치를 이용하여 암의 상태를 정밀하게 평가할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법 및 암 평가 프로그램에 의하면, 산출한 판별치에 기초하여 평가 대상에 관해서 암 또는 비암인지의 여부를 판별하기 때문에, 암과 비암의 2군 판별에 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법 및 암 평가 프로그램에 의하면, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법 및 암 평가 프로그램에 의하면, 다변량 판별식은 수학식 1 또는 수학식 2이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
[수학식 1]
Figure 112009036698498-pct00013
[수학식 2]
Figure 112009036698498-pct00014
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법 및 암 평가 프로그램에 의하면, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법 및 암 평가 프로그램에 의하면, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법 및 암 평가 프로그램에 의하면, 아미노산 농도 데이터와 암의 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 기억 수단으로 기억한 암 상태 정보에 기초하여, 기억 수단으로 기억하는 다변량 판별식을 작성한다. 구체적으로는, (1) 암 상태 정보로부터 소정의 식 작성 수법에 기초하여 후보 다변량 판별식을 작성하고, (2) 작성한 후보 다변량 판별식을 소정의 검증 수법에 기초하여 검증하고, (3) 그 검증 결과로부터 소정의 변수 선택 수법에 기초하여 후보 다변량 판별식의 변수를 선택함으로써, 후보 다변량 판별식을 작성할 때에 사용하는 암 상태 정보에 포함되는 아미노산 농도 데이터의 조합을 선택하고, (4) (1), (2) 및 (3)을 반복 실행하여 축적한 검증 결과에 기초하여, 복수의 후보 다변량 판별식 중에서 다변량 판별식으로서 채용하는 후보 다변량 판별식을 선출함으로써, 다변량 판별식을 작성한다. 이것에 의해, 암의 상태 평가에 최적의 다변량 판별식(구체적으로는 암(초기 암)의 상태(병태 진행)와 유의적인 상관이 있는 다변량 판별식(보다 구체적으로는, 암과 비암의 2군 판별에 유용한 다변량 판별식))을 작성할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 시스템에 의하면, 우선, 정보 통신 단말 장치는, 평가 대상의 아미노산 농도 데이터를 암 평가 장치로 송신한다. 그리고, 암 평가 장치는, 정보 통신 단말 장치로부터 송신된 평가 대상의 아미노산 농도 데이터를 수신하고, 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 기억 수단으로 기억한 다변량 판별식 및 수신한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하고, 산출한 판별치에 기초하여 평가 대상에 관해서 암의 상태를 평가하고, 그 평가 대상의 평가 결과를 정보 통신 단말 장치로 송신한다. 그리고, 정보 통신 단말 장치는, 암 평가 장치로부터 송신된 암의 상태에 관한 평가 대상의 평가 결과를 수신한다. 이것에 의해, 암의 상태와 유의적인 상관이 있는 다변량 판별식으로 취득되는 판별치를 이용하여 암의 상태를 정밀하게 평가할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 시스템에 의하면, 암 평가 장치는, 산출한 판별치에 기초하여 평가 대상에 관해서 암 또는 비암인지의 여부를 판별하기 때문에, 암과 비암의 2군 판별에 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 시스템에 의하면, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 시스템에 의하면, 다변량 판별식은 수학식 1 또는 수학식 2이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
[수학식 1]
Figure 112009036698498-pct00015
[수학식 2]
Figure 112009036698498-pct00016
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 본 발명에 따르는 암 평가 시스템에 의하면, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 시스템에 의하면, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식이기 때문에, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 암 평가 시스템에 의하면, 암 평가 장치는, 아미노산 농도 데이터와 암의 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 기억 수단으로 기억한 암 상태 정보에 기초하여, 기억 수단으로 기억하는 다변량 판별식을 작성한다. 구체적으로는, (1) 암 상태 정보로부터 소정의 식 작성 수법에 기초하여 후보 다변량 판별식을 작성하고, (2) 작성한 후보 다변량 판별식을 소정의 검증 수법에 기초하여 검증하고, (3) 그 검증 결과로부터 소정의 변수 선택 수법에 기초하여 후보 다변량 판별식의 변수를 선택함으로써, 후보 다변량 판별식을 작성할 때에 사용하는 암 상태 정보에 포함되는 아미노산 농도 데이터의 조 합을 선택하고, (4) (1), (2) 및 (3)을 반복 실행하여 축적한 검증 결과에 기초하여, 복수의 후보 다변량 판별식 중에서 다변량 판별식으로서 채용하는 후보 다변량 판별식을 선출함으로써, 다변량 판별식을 작성한다. 이것에 의해, 암의 상태 평가에 최적의 다변량 판별식(구체적으로는 암(초기 암)의 상태(병태 진행)와 유의적인 상관이 있는 다변량 판별식(보다 구체적으로는, 암과 비암의 2군 판별에 유용한 다변량 판별식))을 작성할 수 있는 효과를 나타낸다.
또한, 본 발명에 따르는 기록 매체에 의하면, 당해 기록 매체에 기록된 암 평가 프로그램을 컴퓨터로 판독하여 실행함으로써 컴퓨터에 암 평가 프로그램을 실행시키기 때문에, 암 평가 프로그램과 동일한 효과를 수득할 수 있는 효과를 나타낸다.
또한, 본 발명은, 암의 상태를 평가할 때(구체적으로는 암 또는 비암인지의 여부를 판별할 때), 아미노산의 농도 이외에, 그 밖의 대사물의 농도나 단백질의 발현량, 피험자의 연령·성별 등을 추가로 사용해도 상관없다. 또한, 본 발명은, 암의 상태를 평가할 때(구체적으로는 암 또는 비암인지의 여부를 판별할 때), 다변량 판별식에 있어서의 변수로서, 아미노산의 농도 이외에, 그 밖의 대사물의 농도나 단백질의 발현량, 피험자의 연령·성별 등을 추가로 사용해도 상관없다.
도 1은, 본 발명의 기본 원리를 도시하는 원리 구성도이다.
도 2는, 제1 실시형태에 따르는 암 상태의 평가 방법의 일례를 도시하는 플로우챠트이다.
도 3은, 본 발명의 기본 원리를 도시하는 원리 구성도이다.
도 4는, 본 시스템의 전체 구성의 일례를 도시하는 도면이다.
도 5는, 본 시스템의 전체 구성의 다른 일례를 도시하는 도면이다.
도 6은, 본 시스템의 암 평가 장치(100)의 구성의 일례를 도시하는 블록도이다.
도 7은, 이용자 정보 파일(106a)에 저장되는 정보의 일례를 도시하는 도면이다.
도 8은, 아미노산 농도 데이터 파일(106b)에 저장되는 정보의 일례를 도시하는 도면이다.
도 9는, 암 상태 정보 파일(106c)에 저장되는 정보의 일례를 도시하는 도면이다.
도 10은, 지정 암 상태 정보 파일(106d)에 저장되는 정보의 일례를 도시하는 도면이다.
도 11은, 후보 다변량 판별식 파일(106e1)에 저장되는 정보의 일례를 도시하는 도면이다.
도 12는, 검증 결과 파일(106e2)에 저장되는 정보의 일례를 도시하는 도면이다.
도 13은, 선택 암 상태 정보 파일(106e3)에 저장되는 정보의 일례를 도시하는 도면이다.
도 4는, 다변량 판별식 파일(106e4)에 저장되는 정보의 일례를 도시하는 도면이다.
도 15는, 판별치 파일(106f)에 저장되는 정보의 일례를 도시하는 도면이다.
도 16은, 평가 결과 파일(106g)에 저장되는 정보의 일례를 도시하는 도면이다.
도 17은, 다변량 판별식 작성부(102h)의 구성을 도시하는 블록도이다.
도 18은, 판별치 기준 평가부(102j)의 구성을 도시하는 블록도이다.
도 19는, 본 시스템의 클라이언트 장치(200)의 구성의 일례를 도시하는 블록도이다.
도 20은, 본 시스템의 데이터베이스 장치(400)의 구성의 일례를 도시하는 블록도이다.
도 21은, 본 시스템에서 실시하는 암 평가 서비스 처리의 일례를 도시하는 플로우챠트이다.
도 22는, 본 시스템의 암 평가 장치(100)에서 실시하는 다변량 판별식 작성 처리의 일례를 도시하는 플로우챠트이다.
도 23은, 비암과 암의 2군간의 아미노산 변수의 분포를 도시하는 상자수염 도(box-and-whisker plot)이다.
도 24는, 아미노산 변수의 ROC 곡선의 AUC를 도시하는 도면이다.
도 25는, 2군간의 진단 성능을 평가하기 위한 ROC 곡선을 도시하는 도면이다.
도 26은, 지표식 1과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 27은, 지표식 1과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 28은, 지표식 1과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 29는, 지표식 1과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 30은, 2군간의 진단 성능을 평가하기 위한 ROC 곡선을 도시하는 도면이다.
도 31은, 지표식 2와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 32는, 지표식 2와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 33은, 지표식 2와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 34는, 지표식 2와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 35는, 2군간의 진단 성능을 평가하기 위한 ROC 곡선을 도시하는 도면이다.
도 36은, 지표식 3과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 37은, 지표식 3과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 38은, 지표식 3과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 39는, 지표식 3과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 40은, ROC 곡선의 AUC에 기초하여 추출한 아미노산의 일람을 도시하는 도면이다.
도 41은, 암환자 및 비암환자의 아미노산 변수의 분포를 도시하는 도면이다.
도 42는, 아미노산 변수의 ROC 곡선의 AUC를 도시하는 도면이다.
도 43은, 2군간의 진단 성능을 평가하기 위한 ROC 곡선을 도시하는 도면이다.
도 44는, 지표식 4와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 45는, 지표식 4와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 46은, 2군간의 진단 성능을 평가하기 위한 ROC 곡선을 도시하는 도면이다.
도 47은, 지표식 5와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 48은, 지표식 5와 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 49는, 2군간의 진단 성능을 평가하기 위한 ROC 곡선을 도시하는 도면이다.
도 50은, 지표식 6과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 51은, 지표식 6과 동등한 진단 성능을 갖는 식의 일람을 도시하는 도면이다.
도 52는, ROC 곡선의 AUC에 기초하여 추출한 아미노산의 일람을 도시하는 도면이다.
부호의 설명
100 암 평가 장치
102 제어부
102a 요구 해석부
102b 열람 처리부
102c 인증 처리부
102d 전자 메일 생성부
102e Web 페이지 생성부
102f 수신부
102g 암 상태 정보 지정부
102h 다변량 판별식 작성부
102h1 후보 다변량 판별식 작성부
102h2 후보 다변량 판별식 검증부
102h3 변수 선택부
102i 판별치 산출부
102j 판별치 기준 평가부
102j1 판별치 기준 판별부
102k 결과 출력부
102m 송신부
104 통신 인터페이스부
106 기억부
106a 이용자 정보 파일
106b 아미노산 농도 데이터 파일
106c 암 상태 정보 파일
106d 지정 암 상태 정보 파일
106e 다변량 판별식 관련 정보 데이터베이스
106e1 후보 다변량 판별식 파일
106e2 검증 결과 파일
106e3 선택 암 상태 정보 파일
106e4 다변량 판별식 파일
106f 판별식 파일
106g 평가 결과 파일
108 입출력 인터페이스부
112 입력 장치
114 출력 장치
200 클라이언트 장치(정보 통신 단말 장치)
300 네트워크
400 데이터베이스 장치
이하에, 본 발명에 따르는 암 상태의 평가 방법의 실시 형태(제1 실시형태) 및 본 발명에 따르는 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체의 실시 형태(제2 실시형태)를, 도면에 기초하여 상세하게 설명한다. 또한, 본 실시 형태에 의해 본 발명이 한정되는 것이 아니다.
[제1 실시형태]
[1-1. 본 발명의 개요]
여기에서는, 본 발명에 따르는 암 상태의 평가 방법의 개요에 관해서 도 1을 참조하여 설명한다. 도 1은 본 발명의 기본 원리를 도시하는 원리 구성도이다.
우선, 본 발명에서는, 평가 대상(예를 들면 동물이나 사람 등 개체)으로부터 채취한 혈액으로부터, 아미노산의 농도치에 관한 아미노산 농도 데이터를 측정한다(스텝 S-11). 여기에서, 혈중 아미노산 농도의 분석은 다음과 같이 실시하였다. 채혈한 혈액 샘플을, 헤파린 처리한 튜브에 채취하고, 채취한 혈액 샘플을 원심함으로써 혈액으로부터 혈장을 분리하였다. 모든 혈장 샘플은, 아미노산 농도의 측정시까지 -70℃에서 동결 보존하였다. 아미노산 농도 측정시에는, 설포살리실산을 첨가하여 3% 농도 조정에 의해 제단백 처리를 실시하고, 측정에는, 포스트칼럼으로 닌히드린 반응을 사용한 고속 액체 크로마토그래피(HPLC)를 원리로 한 아미노산 분석기를 사용하였다. 또한, 아미노산 농도의 단위는, 예를 들면 몰 농도나 중량 농도, 이러한 농도에 임의의 정수를 가감승제함으로써 수득되는 것일 수 있다.
다음으로, 본 발명에서는, 스텝 S-11에서 측정한 평가 대상의 아미노산 농도데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 평가 대상에 관해서 암의 상태를 평가한다(스텝 S-12).
이상, 본 발명에 의하면, 평가 대상으로부터 채취한 혈액으로부터 아미노산의 농도치에 관한 아미노산 농도 데이터를 측정하고, 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 평가 대상에 관해서 암의 상태를 평가한다. 이것에 의해, 혈액 중의 아미노산 농도 중 암의 상태와 관련된 아미노산의 농도를 이용하여 암의 상태를 정밀하게 평가할 수 있다.
여기에서, 스텝 S-12를 실행하기 전에, 스텝 S-11에서 측정한 평가 대상의 아미노산 농도 데이터로부터 결손치나 벗어난 값 등의 데이터를 제거할 수 있다. 이것에 의해, 암의 상태를 더욱 정밀하게 평가할 수 있다.
또한, 스텝 S-12에서는, 스텝 S-11에서 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 평가 대상에 관해서 암 또는 비암인지의 여부를 판별할 수 있다. 구체적으로는, Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 평가 대상에 관해서 암 또는 비암인지의 여부를 판별할 수 있다. 이것에 의해, 혈액 중의 아미노산 농도 중 암과 비암의 2군 판별에 유용한 아미노산의 농도를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있다.
또한, 스텝 S-12에서는, 스텝 S-11에서 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치 및 아미노산의 농도를 변수로 하여 Cys, Glu, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 미리 설정한 다변량 판별식에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하고, 산출한 판별치에 기초하여 평가 대상에 관해서 암의 상태를 평가할 수 있다. 이것에 의해, 암의 상태와 유의적인 상관이 있는 다변량 판별식으로 취득되는 판별치를 이용하여 암의 상태를 정밀하게 평가할 수 있다.
또한, 스텝 S-12에서는, 스텝 S-11에서 측정한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치 및 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 미리 설정한 다변량 판별식에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하고, 산출한 판별치에 기초하여 평가 대상에 관해서 암 또는 비암인지의 여부를 판별할 수 있다. 구체적으로는, 판별치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 평가 대상에 관해서 암 또는 비암인지의 여부를 판별할 수 있다. 이것에 의해, 암과 비암의 2군 판별에 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있다.
또한, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 것일 수 있다. 구체적으로는, 다변량 판별식은 수학식 1 또는 수학식 2일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이러한 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2004/052191호 팜플렛에 기재된 방법이나, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 제2 실시형태에 기재된 다변량 판별식 작성 처리)으로 작성할 수 있다. 이러한 방법으로 취득된 다변량 판별식이면, 입력 데이터로서의 아미노산 농도 데이터에 있어서의 아미노산 농도의 단위에 좌우되지 않고, 당해 다변량 판별식을 암의 상태 평가에 적합하게 사용할 수 있다.
[수학식 1]
Figure 112009036698498-pct00017
[수학식 2]
Figure 112009036698498-pct00018
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
여기에서, 분수식이란, 당해 분수식의 분자가 아미노산 A, B, C, …의 합으로 나타내어지고, 당해 분수식의 분모가 아미노산 a, b, c, …의 합으로 나타내어지는 것이다. 또한, 분수식에는, 이러한 구성의 분수식 α, β, γ, …의 합(예를 들면 α+β와 같은 것)도 포함된다. 또한, 분수식에는, 분할된 분수식도 포함된다. 또한, 분자나 분모에 사용되는 아미노산에는 각각 적당한 계수가 부가되어도 상관없다. 또한, 분자나 분모에 사용되는 아미노산은 중복되어도 상관없다. 또한, 각 분수식에 적당한 계수가 부가되어도 상관없다. 또한, 각 변수의 계수의 값이나 상수항의 값은, 실수이면 상관없다. 분수식에서, 분자의 변수와 분모의 변수를 바꿔 넣은 조합은, 목적 변수와의 상관의 양음 부호는 대체로 역전되지만, 이들의 상관성은 유지되기 때문에, 판별성에서는 동등하다고 간주되기 때문에, 분자의 변수와 분모의 변수를 바꿔 넣은 조합도, 포함하는 것이다.
또한, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 등 중 어느 하나일 수 있다. 구체적으로는, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이러한 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 제2 실시형태에 기재된 다변량 판별식 작성 처리)로 작성할 수 있다. 이러한 방법으로 취득된 다변량 판별식이면, 입력 데이터로서의 아미노산 농도 데이터에 있어서의 아미노산 농도의 단위에 좌우되지 않고, 당해 다변량 판별식을 암의 상태 평가에 적합하게 사용할 수 있다.
여기에서, 다변량 판별식이란, 일반적으로 다변량 해석에서 사용되는 식의 형식을 의미하며, 예를 들면 중회귀식, 다중 로지스틱 회귀식, 선형 판별 함수, 마하라노비스 거리, 정준 판별 함수, 서포트 벡터 머신, 결정나무 등을 포함한다. 또한, 상이한 형식의 다변량 판별식의 합으로 나타내어지는 식도 포함된다. 또한, 중회귀식, 다중 로지스틱 회귀식, 정준 판별 함수에 있어서는 각 변수에 계수 및 상수항이 부가되지만, 이 경우의 계수 및 상수항은, 바람직하게는 실수인 것, 보다 바람직하게는 데이터로부터 판별을 실시하기 위해 취득된 계수 및 상수항의 99% 신뢰 구간의 범위에 속하는 값, 더욱 바람직하게는 데이터로부터 판별을 실시하기 위해 취득된 계수 및 상수항의 95% 신뢰 구간의 범위에 속하는 값이면 상관없다. 또한, 각 계수의 값, 및 그 신뢰 구간은, 이를 실수배한 것일 수 있으며, 상수항의 값, 및 그 신뢰 구간은, 거기에 임의의 실상수를 가감승제한 것일 수 있다.
또한, 본 발명은, 암의 상태를 평가할 때(구체적으로는 암 또는 비암인지의 여부를 판별할 때), 아미노산의 농도 이외에, 그 밖의 대사물의 농도나 단백질의 발현량, 피험자의 연령·성별 등을 추가로 사용해도 상관없다. 또한, 본 발명은, 암의 상태를 평가할 때(구체적으로는 암 또는 비암인지의 여부를 판별할 때), 다변량 판별식에 있어서의 변수로서, 아미노산의 농도 이외에, 그 밖의 대사물의 농도나 단백질의 발현량, 피험자의 연령·성별 등을 추가로 사용해도 상관없다.
[1-2. 제1 실시형태에 따르는 암 상태의 평가 방법]
여기에서는, 제1 실시형태에 따르는 암 상태의 평가 방법에 관해서 도 2를 참조하여 설명한다. 도 2는, 제1 실시형태에 따르는 암 상태의 평가 방법의 일례를 도시하는 플로우챠트이다.
우선, 동물이나 사람 등의 개체로부터 채취한 혈액으로부터, 아미노산의 농도치에 관한 아미노산 농도 데이터를 측정한다(스텝 SA-11). 또한, 아미노산의 농도치의 측정은, 상기한 방법으로 실시한다.
다음으로, 스텝 SA-11에서 측정한 개체의 아미노산 농도 데이터로부터 결손치나 벗어난 값 등의 데이터를 제거한다(스텝 SA-12).
다음으로, 스텝 SA-12에서 결손치나 벗어난 값 등의 데이터가 제거된 개체의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 개체에 관해서 암 또는 비암인지의 여부를 판별하거나, 또는 스텝 SA-12에서 결손치나 벗어난 값 등의 데이터가 제거된 개체의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치 및 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 미리 설정한 다변량 판별식에 기초하여 판별치를 산출하고, 산출한 판별치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 개체에 관해서 암 또는 비암인지의 여부를 판별한다(스텝 SA-13).
[1-3. 제1 실시형태의 정리, 및 그 밖의 실시형태]
이상, 상세하게 설명한 바와 같이, 제1 실시형태에 따르는 암 상태의 평가 방법에 의하면, (1) 개체로부터 채취한 혈액으로부터 아미노산 농도 데이터를 측정하고, (2) 측정한 개체의 아미노산 농도 데이터로부터 결손치나 벗어난 값 등의 데이터를 제거하고, (3) 결손치나 벗어난 값 등의 데이터가 제거된 개체의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 개체에 관해서 암 또는 비암인지의 여부를 판별하거나, 또는 결손치나 벗어난 값 등의 데이터가 제거된 개체의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치 및 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 미리 설정한 다변량 판별식에 기초하여 판별치를 산출하고, 산출한 판별치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 개체에 관해서 암 또는 비암인지의 여부를 판별한다. 이것에 의해, 혈액 중의 아미노산 농도 중 암과 비암의 판별에 유용한 아미노산의 농도를 이용 또는 암과 비암의 2군 판별에 유용한 다변량 판별식으로 취득되는 판별치를 이용하여, 암과 비암의 2군 판별을 정밀하게 실시할 수 있다.
또한, 스텝 SA-13에 있어서, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 것일 수 있다. 구체적으로는, 다변량 판별식은 수학식 1 또는 수학식 2일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이러한 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2004/052191호 팜플렛에 기재된 방법이나, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 제2 실시형태에 기재된 다변량 판별식 작성 처리)으로 작성할 수 있다. 이러한 방법으로 취득된 다변량 판별식이면, 입력 데이터로서의 아미노산 농도 데이터에 있어서의 아미노산 농도의 단위에 좌우되지 않고, 당해 다변량 판별식을 암의 상태 평가에 적합하게 사용할 수 있다.
[수학식 1]
Figure 112009036698498-pct00019
[수학식 2]
Figure 112009036698498-pct00020
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 스텝 SA-13에 있어서, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 등의 어느 하나일 수 있다. 구체적으로는, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이러한 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 제2 실시형태에 기재된 다변량 판별식 작성 처리)으로 작성할 수 있다. 이러한 방법으로 취득된 다변량 판별식이면, 입력 데이터로서의 아미노산 농도 데이터에 있어서의 아미노산 농도의 단위에 좌우되지 않고, 당해 다변량 판별식을 암의 상태 평가에 적합하게 사용할 수 있다.
[제2 실시형태]
[2-1. 본 발명의 개요]
여기에서는, 본 발명에 따르는 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체의 개요에 관해서, 도 3을 참조하여 설명한다. 도 3은 본 발명의 기본 원리를 도시하는 원리 구성도이다.
우선, 본 발명은, 제어부에서, 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 기억부에서 기억한 다변량 판별식 및 아미노산의 농도치에 관한 미리 취득한 평가 대상(예를 들면 동물이나 사람 등 개체)의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출한다(스텝 S-21).
다음으로, 본 발명은, 제어부에서, 스텝 S-21에서 산출한 판별치에 기초하여 평가 대상에 관해서 암의 상태를 평가한다(스텝 S-22).
이상, 본 발명에 의하면, 아미노산의 농도를 변수로 하여 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 기억부에서 기억한 다변량 판별식 및 아미노산의 농도치에 관한 미리 취득한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하고, 산출한 판별치에 기초하여 평가 대상에 관해서 암의 상태를 평가한다. 이것에 의해, 암의 상태와 유의적인 상관이 있는 다변량 판별식으로 취득되는 판별치를 이용하여 암의 상태를 정밀하게 평가할 수 있다.
또한, 스텝 S-22에서는, 스텝 S-21에서 산출한 판별치에 기초하여 평가 대상에 관해서 암 또는 비암인지의 여부를 판별할 수 있다. 구체적으로는, 판별치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 평가 대상에 관해서 암 또는 비암인지의 여부를 판별할 수 있다. 이것에 의해, 암과 비암의 2군 판별에 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있다.
또한, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 것일 수 있다. 구체적으로는, 다변량 판별식은 수학식 1 또는 수학식 2일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이들의 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2004/052191호 팜플렛에 기재된 방법이나, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 다변량 판별식 작성 처리)으로 작성할 수 있다. 이러한 방법으로 취득된 다변량 판별식이면, 입력 데이터로서의 아미노산 농도 데이터에 있어서의 아미노산 농도의 단위에 좌우되지 않고, 당해 다변량 판별식을 암의 상태 평가에 적합하게 사용할 수 있다.
[수학식 1]
Figure 112009036698498-pct00021
[수학식 2]
Figure 112009036698498-pct00022
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
여기에서, 분수식이란, 당해 분수식의 분자가 아미노산 A, B, C, …의 합으로 나타내어지고, 당해 분수식의 분모가 아미노산 a, b, c, …의 합으로 나타내어지는 것이다. 또한, 분수식에는, 이러한 구성의 분수식 α, β, γ, …의 합(예를 들면 α+β 같은 것)도 포함된다. 또한, 분수식에는, 분할된 분수식도 포함된다. 또한, 분자나 분모에 사용되는 아미노산에는 각각 적당한 계수가 부가되어도 상관없다. 또한, 분자나 분모에 사용되는 아미노산은 중복해도 상관없다. 또한, 각 분수식에 적당한 계수가 부가되어도 상관없다. 또한, 각 변수의 계수의 값이나 상수항의 값은, 실수이면 상관없다. 분수식에서, 분자의 변수와 분모의 변수를 바꿔 넣은 조합은, 목적 변수와의 상관의 양음 부호는 대체로 역전되지만, 이들의 상관성은 유지되기 때문에, 판별성에서는 동등하다고 간주되기 때문에, 분자의 변수와 분모의 변수를 바꿔 넣은 조합도, 포함하는 것이다.
또한, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 등 중 어느 하나일 수 있다. 구체적으로는, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 특히 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이러한 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 다변량 판별식 작성 처리)로 작성할 수 있다. 이러한 방법으로 취득된 다변량 판별식이면, 입력 데이터로서의 아미노산 농도 데이터에 있어서의 아미노산 농도의 단위에 좌우되지 않고, 당해 다변량 판별식을 암의 상태 평가에 적합하게 사용할 수 있다.
여기에서, 다변량 판별식이란, 일반적으로 다변량 해석에서 사용되는 식의 형식을 의미하며, 예를 들면 중회귀식, 다중 로지스틱 회귀식, 선형 판별 함수, 마하라노비스 거리, 정준 판별 함수, 서포트 벡터 머신, 결정나무 등을 포함한다. 또한, 상이한 형식의 다변량 판별식의 합으로 나타내어지는 식도 포함된다. 또한, 중회귀식, 다중 로지스틱 회귀식, 정준 판별 함수에 있어서는 각 변수에 계수 및 상수항이 부가되는데, 이 경우의 계수 및 상수항은, 바람직하게는 실수인 것, 보다 바람직하게는 데이터로부터 판별을 실시하기 위해 취득된 계수 및 상수항의 99% 신뢰 구간의 범위에 속하는 값, 더욱 바람직하게는 데이터로부터 판별을 실시하기 위해 취득된 계수 및 상수항의 95% 신뢰 구간의 범위에 속하는 값이면 상관없다. 또한, 각 계수의 값, 및 그 신뢰 구간은, 이를 실수배한 것일 수 있으며, 상수항의 값, 및 그 신뢰 구간은, 거기에 임의의 실상수를 가감승제한 것일 수 있다.
또한, 본 발명은, 암의 상태를 평가할 때(구체적으로는 암 또는 비암인지의 여부를 판별할 때), 아미노산의 농도 이외에, 그 밖의 대사물의 농도나 단백질의 발현량, 피험자의 연령·성별 등을 추가로 사용해도 상관없다. 또한, 본 발명은, 암의 상태를 평가할 때(구체적으로는 암 또는 비암인지의 여부를 판별할 때), 다변량 판별식에 있어서의 변수로서, 아미노산의 농도 이외에, 그 밖의 대사물의 농도나 단백질의 발현량, 피험자의 연령·성별 등을 추가로 사용해도 상관없다.
여기에서, 다변량 판별식 작성 처리(공정 1 내지 공정 4)의 개요에 관해서 상세하게 설명한다.
우선, 본 발명은, 제어부에서, 아미노산 농도 데이터와 암의 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 기억부에서 기억한 암 상태 정보로부터 소정의 식 작성 수법에 기초하여, 다변량 판별식의 후보인 후보 다변량 판별식(예를 들면, y = a1x1 + a2x2 + … + anxn, y: 암 상태 지표 데이터, xi: 아미노산 농도 데이터, ai: 상수, i = 1, 2, …, n)을 작성한다(공정 1). 또한, 사전에, 암 상태 정보로부터 결손치나 벗어난 값 등을 갖는 데이터를 제거할 수 있다.
또한, 공정 1에 있어서, 암 상태 정보로부터, 복수의 상이한 식 작성 수법 (주성분 분석이나 판별 분석, 서포트 벡터 머신, 중회귀 분석, 로지스틱 회귀 분석, k-means법, 클러스터 해석, 결정나무 등의 다변량 해석에 관한 것을 포함한다)을 병용하여 복수의 후보 다변량 판별식을 작성할 수 있다. 구체적으로는, 다수의 건상자 및 암환자로부터 수득한 혈액을 분석하여 취득한 아미노산 농도 데이터 및 암 상태 지표 데이터로 구성되는 다변량 데이터인 암 상태 정보에 대하여, 복수의 상이한 알고리즘을 이용하여 복수군의 후보 다변량 판별식을 동시 병행적으로 작성할 수 있다. 예를 들면, 상이한 알고리즘을 이용하여 판별 분석 및 로지스틱 회귀 분석을 동시에 실시하여, 2개의 상이한 후보 다변량 판별식을 작성할 수 있다. 또한, 주성분 분석을 실시하여 작성한 후보 다변량 판별식을 이용하여 암 상태 정보를 변환하고, 변환한 암 상태 정보에 대하여 판별 분석을 실시함으로써 후보 다변량 판별식을 작성할 수 있다. 이것에 의해, 최종적으로, 진단 조건에 맞는 적절한 다변량 판별식을 작성할 수 있다.
여기에서, 주성분 분석을 사용하여 작성한 후보 다변량 판별식은, 모든 아미노산 농도 데이터의 분산을 최대로 하는 각 아미노산 변수로 이루어지는 일차식이다. 또한, 판별 분석을 사용하여 작성한 후보 다변량 판별식은, 각 군내의 분산의 합의 모든 아미노산 농도 데이터의 분산에 대한 비를 최소로 하는 각 아미노산 변수로 이루어지는 고차식(지수나 대수를 포함한다)이다. 또한, 서포트 벡터 머신을 사용하여 작성한 후보 다변량 판별식은, 군간의 경계를 최대로 하는 각 아미노산 변수로 이루어지는 고차식(커넬 함수를 포함한다)이다. 또한, 중회귀 분석을 사용하여 작성한 후보 다변량 판별식은, 모든 아미노산 농도 데이터로부터의 거리의 합을 최소로 하는 각 아미노산 변수로 이루어지는 고차식이다. 로지스틱 회귀 분석을 사용하여 작성한 후보 다변량 판별식은, 우도(尤度, likelihood)를 최대로 하는 각 아미노산 변수로 이루어지는 일차식을 지수로 하는 자연 대수를 항에 갖는 분수식이다. 또한, k-means법이란, 각 아미노산 농도 데이터의 k개 근방을 탐색하여, 근방점이 속하는 군 중에서 가장 많은 것을 그 데이터의 소속군이라고 정의하고, 입력된 아미노산 농도 데이터가 속하는 군과 정의된 군이 가장 합치하는 아미노산 변수를 선택하는 수법이다. 또한, 클러스터 해석이란, 모든 아미노산 농도 데이터 중에서 가장 가까운 거리에 있는 점끼리를 클러스터링(群化)하는 수법이다. 또한, 결정나무란, 아미노산 변수에 서열을 매겨 서열이 상위인 아미노산 변수가 취할 수 있는 패턴으로부터 아미노산 농도 데이터의 군을 예측하는 수법이다.
다변량 판별식 작성 처리의 설명으로 되돌아가서, 본 발명은, 제어부에서, 공정 1에서 작성한 후보 다변량 판별식을, 소정의 검증 수법에 기초하여 검증(상호 검증)한다(공정 2). 후보 다변량 판별식의 검증은, 공정 1에서 작성한 각 후보 다변량 판별식에 대하여 실시한다.
또한, 공정 2에 있어서, 부트스트랩법이나 홀드아웃법, 리프원아웃법 등 중 적어도 1개에 기초하여 후보 다변량 판별식의 판별율이나 감도, 특이성, 정보량 기준 등 중 적어도 1개에 관해서 검증할 수 있다. 이것에 의해, 암 상태 정보나 진단 조건을 고려한 예측성 또는 견뢰성이 높은 후보 다변량 판별식을 작성할 수 있다.
여기에서, 판별율이란, 전체 입력 데이터 중에서, 본 발명에서 평가한 암의 상태가 바른 비율이다. 또한, 감도란, 입력 데이터에 기재된 암의 상태가 나병으로 되어 있는 것 중에서, 본 발명에서 평가한 암의 상태가 바른 비율이다. 또한, 특이성이란, 입력 데이터에 기재된 암의 상태가 건상으로 되어 있는 것 중에서, 본 발명에서 평가한 암의 상태가 바른 비율이다. 또한, 정보량 기준이란, 공정 1에서 작성한 후보 다변량 판별식의 아미노산 변수의 수와, 본 발명에서 평가한 암의 상태 및 입력 데이터에 기재된 암의 상태의 차이를 더한 것이다. 또한, 예측성이란, 후보 다변량 판별식의 검증을 반복함으로써 취득된 판별율이나 감도, 특이성을 평균한 것이다. 또한, 견뢰성이란, 후보 다변량 판별식의 검증을 반복함으로써 취득된 판별율이나 감도, 특이성의 분산이다.
다변량 판별식 작성 처리의 설명으로 되돌아가서, 본 발명은, 제어부에서, 공정 2에서의 검증 결과로부터 소정의 변수 선택 수법에 기초하여 후보 다변량 판별식의 변수를 선택함으로써, 후보 다변량 판별식을 작성할 때에 사용하는 암 상태 정보에 포함되는 아미노산 농도 데이터의 조합을 선택한다(공정 3). 아미노산 변수의 선택은, 공정 1에서 작성한 각 후보 다변량 판별식에 대하여 실시한다. 이것에 의해, 후보 다변량 판별식의 아미노산 변수를 적절히 선택할 수 있다. 그리고, 공정 3에서 선택한 아미노산 농도 데이터를 포함하는 암 상태 정보를 사용하여 다시 공정 1을 실행한다.
또한, 공정 3에 있어서, 공정 2에서의 검증 결과로부터 스텝와이즈법, 베스트패스법, 근방 탐색법, 유전적 알고리즘 중 적어도 1개에 기초하여 후보 다변량 판별식의 아미노산 변수를 선택할 수 있다.
여기에서, 베스트패스법이란, 후보 다변량 판별식에 포함되는 아미노산 변수를 하나씩 순차적으로 감소시켜 후보 다변량 판별식이 주는 평가 지표를 최적화함으로써 아미노산 변수를 선택하는 방법이다.
다변량 판별식 작성 처리의 설명으로 되돌아가서, 본 발명은, 제어부에서, 상기한 공정 1, 공정 2 및 공정 3을 반복 실행하고, 이것에 의해 축적된 검증 결과에 기초하여, 복수의 후보 다변량 판별식 중에서 다변량 판별식으로서 채용하는 후보 다변량 판별식을 선출함으로써, 다변량 판별식을 작성한다(공정 4). 또한, 후보 다변량 판별식의 선출에는, 예를 들면, 동일한 식 작성 수법으로 작성한 후보 다변량 판별식 중에서 최적의 것을 선출하는 경우와, 모든 후보 다변량 판별식 중에서 최적의 것을 선출하는 경우가 있다.
이상, 설명한 바와 같이, 다변량 판별식 작성 처리에서는, 암 상태 정보에 기초하여, 후보 다변량 판별식의 작성, 후보 다변량 판별식의 검증 및 후보 다변량 판별식의 변수의 선택에 관한 처리를 일련의 흐름으로 체계화(시스템화)하여 실행함으로써, 암의 상태 평가에 최적의 다변량 판별식을 작성할 수 있다.
[2-2. 시스템 구성]
여기에서는, 제2 실시형태에 따르는 암 평가 시스템(이하에서는 본 시스템이라고 기재하는 경우가 있다.)의 구성에 관해서, 도 4에서 도 20을 참조하여 설명한다. 또한, 본 시스템은 어디까지나 일례이고, 본 발명은 이것에 한정되지 않는다.
우선, 본 시스템의 전체 구성에 관해서 도 4 및 도 5를 참조하여 설명한다. 도 4는 본 시스템의 전체 구성의 일례를 도시하는 도면이다. 또한, 도 5는 본 시스템의 전체 구성의 다른 일례를 도시하는 도면이다. 본 시스템은, 도 4에 도시하는 바와 같이, 평가 대상에 관해서 암의 상태를 평가하는 암 평가 장치(100)와, 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터를 제공하는 클라이언트 장치(200)(본 발명의 정보 통신 단말 장치에 상당)를, 네트워크(300)를 개재하여 통신 가능하게 접속하여 구성되어 있다.
또한, 본 시스템은, 도 5에 도시하는 바와 같이, 암 평가 장치(100)나 클라이언트 장치(200) 외에, 암 평가 장치(100)로 다변량 판별식을 작성할 때에 사용하는 암 상태 정보나 암의 상태를 평가하기 위해서 사용하는 다변량 판별식 등을 저장한 데이터베이스 장치(400)를, 네트워크(300)를 개재하여 통신 가능하게 접속하여 구성될 수 있다. 이것에 의해, 네트워크(300)를 개재하여, 암 평가 장치(100)로부터 클라이언트 장치(200)나 데이터베이스 장치(400)로, 또는 클라이언트 장치(200)나 데이터베이스 장치(400)로부터 암 평가 장치(100)로, 암의 상태에 관한 정보 등이 제공된다. 여기에서, 암의 상태에 관한 정보란, 사람을 포함하는 생물의 암의 상태에 관한 특정한 항목에 관해서 측정한 값에 관한 정보이다. 또한, 암의 상태에 관한 정보는, 암 평가 장치(100)나 클라이언트 장치(200)나 다른 장치(예를 들면 각종 계측 장치 등)에서 생성되어, 주로 데이터베이스 장치(400)에 축적된다.
다음으로, 본 시스템의 암 평가 장치(100)의 구성에 관해서 도 6에서 도 18을 참조하여 설명한다. 도 6은, 본 시스템의 암 평가 장치(100)의 일례를 도시하는 블록도이고, 당해 구성 중 본 발명에 관계되는 부분만을 개념적으로 도시하고 있다.
암 평가 장치(100)는, 당해 암 평가 장치를 통괄적으로 제어하는 CPU 등의 제어부(102)와, 루터 등의 통신 장치 및 전용선 등의 유선 또는 무선의 통신 회선을 개재하여 당해 암 평가 장치를 네트워크(300)에 통신 가능하게 접속하는 통신 인터페이스부(104)와, 각종 데이터베이스나 테이블이나 파일 등을 저장하는 기억부(106)와, 입력 장치(112)나 출력 장치(114)에 접속하는 입출력 인터페이스부(108)로 구성되어 있고, 이들 각부는 임의의 통신로를 개재하여 통신 가능하게 접속되어 있다. 여기에서, 암 평가 장치(100)는, 각종 분석 장치(예를 들면 아미노산 애널라이저 등)과 동일 개체로 구성될 수 있다. 또한, 암 평가 장치(100)의 분산·통합의 구체적 형태는 도시한 것에 한정되지 않고, 이의 전부 또는 일부를, 각종 부하 등에 따른 임의의 단위로, 기능적 또는 물리적으로 분산·통합하여 구성할 수 있다. 예를 들면, 처리의 일부를 CGI(Common Gateway Interface)를 사용하여 실현할 수 있다.
기억부(106)는 스토리지 수단이고, 예를 들면, RAM(Random Access Memory)·ROM(Read Only Memory) 등의 메모리 장치나, 하드디스크와 같은 고정 디스크 장치, 플렉시블 디스크, 광디스크 등을 사용할 수 있다. 기억부(106)에는, OS(Operating System)과 협동하여 CPU에 명령을 주고 각종 처리를 실시하기 위한 컴퓨터 프로그램이 기록되어 있다. 기억부(106)는 도시와 같이, 이용자 정보 파일(106a)과, 아미노산 농도 데이터 파일(106b)과, 암 상태 정보 파일(106c)과, 지정 암 상태 정보 파일(106d)과, 다변량 판별식 관련 정보 데이터베이스(106e)와, 판별치 파일(106f)과, 평가 결과 파일(106g)을 저장한다.
이용자 정보 파일(106a)은, 이용자에 관한 이용자 정보를 저장한다. 도 7은, 이용자 정보 파일(106a)에 저장되는 정보의 일례를 도시하는 도면이다. 이용자 정보 파일(106a)에 저장되는 정보는, 도 7에 도시하는 바와 같이, 이용자를 한번에 식별하기 위한 이용자 ID와, 이용자가 정당한 자인지 여부의 인증을 실시하기 위한 이용자 패스워드와, 이용자의 성명과, 이용자가 소속되는 소속처를 한번에 식별하기 위한 소속처 ID와, 이용자가 소속하는 소속처의 부문을 한번에 식별하기 위한 부문 ID와, 부문명과, 이용자의 전자메일어드레스를 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 아미노산 농도 데이터 파일(106b)은, 아미노산의 농도치에 관한 아미노산 농도 데이터를 저장한다. 도 8은, 아미노산 농도 데이터 파일(106b)에 저장되는 정보의 일례를 도시하는 도면이다. 아미노산 농도 데이터 파일(106b)에 저장되는 정보는, 도 8에 도시하는 바와 같이, 평가 대상인 개체(샘플)를 한번에 식별하기 위한 개체 번호와, 아미노산 농도 데이터를 서로 관련지어 구성되어 있다. 여기에서, 도 8에서는, 아미노산 농도 데이터를 수치, 즉 연속 척도로서 취급하고 있지만, 아미노산 농도 데이터는 명의 척도나 순서 척도일 수 있다. 또한, 명의 척도나 순서 척도의 경우는, 각각의 상태에 대하여 임의의 수치를 부여함으로써 해석할 수 있다. 또한, 아미노산 농도 데이터에, 다른 생체 정보(성차, 연령, 흡연의 유무, 심전도의 파형을 수치화한 것, 효소 농도, 유전자 발현량, 아미노산 이외의 대사물의 농도 등)를 조합할 수 있다.
도 6으로 되돌아가서, 암 상태 정보 파일(106c)은, 다변량 판별식을 작성할 때에 사용하는 암 상태 정보를 저장한다. 도 9는, 암 상태 정보 파일(106c)에 저장되는 정보의 일례를 도시하는 도면이다. 암 상태 정보 파일(106c)에 저장되는 정보는, 도 9에 도시하는 바와 같이, 개체 번호와, 암의 상태를 나타내는 지표(지표 T1, 지표 T2, 지표 T3…)에 관한 암 상태 지표 데이터(T)와, 아미노산 농도 데이터를 서로 관련지어 구성되어 있다. 여기에서, 도 9에서는, 암 상태 지표 데이터 및 아미노산 농도 데이터를 수치(즉 연속 척도)로서 취급하고 있지만, 암 상태 지표 데이터 및 아미노산 농도 데이터는 명의 척도나 순서 척도일 수 있다. 또한, 명의 척도나 순서 척도의 경우는, 각각의 상태에 대하여 임의의 수치를 부여함으로써 해석할 수 있다. 또한, 암 상태 지표 데이터는, 암 상태의 마커가 되는 기지의 단일 상태 지표이고, 수치 데이터를 사용할 수 있다.
도 6으로 되돌아가서, 지정 암 상태 정보 파일(106d)은, 후술하는 암 상태 정보 지정부(102g)에서 지정한 암 상태 정보를 저장한다. 도 10은, 지정 암 상태 정보 파일(106d)에 저장되는 정보의 일례를 도시하는 도면이다. 지정 암 상태 정보 파일(106d)에 저장되는 정보는, 도 10에 도시하는 바와 같이, 개체 번호와, 지정한 암 상태 지표 데이터와, 지정한 아미노산 농도 데이터를 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 다변량 판별식 관련 정보 데이터베이스(106e)는, 후술하는 후보 다변량 판별식 작성부(102h1)에서 작성한 후보 다변량 판별식을 저장하는 후보 다변량 판별식 파일(106e1)과, 후술하는 후보 다변량 판별식 검증부(102h2)에서의 검증 결과를 저장하는 검증 결과 파일(106e2)과, 후술하는 변수 선택부(102h3)에서 선택한 아미노산 농도 데이터의 조합을 포함하는 암 상태 정보를 저장하는 선택 암 상태 정보 파일(106e3)과, 후술하는 다변량 판별식 작성부(102h)에서 작성한 다변량 판별식을 저장하는 다변량 판별식 파일(106e4)로 구성된다.
후보 다변량 판별식 파일(106e1)은, 후술하는 후보 다변량 판별식 작성부(102h1)에서 작성한 후보 다변량 판별식을 저장한다. 도 11은, 후보 다변량 판별식 파일(106e1)에 저장되는 정보의 일례를 도시하는 도면이다. 후보 다변량 판별식 파일(106e1)에 저장되는 정보는, 도 11에 도시하는 바와 같이, 랭크와, 후보 다변량 판별식(도 11에서는, F1(Gly, Leu, Phe, …)나 F2(Gly, Leu, Phe, …), F3(Gly, Leu, Phe, …) 등)을 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 검증 결과 파일(106e2)은, 후술하는 후보 다변량 판별식 검증부(102h2)에서의 검증 결과를 저장한다. 도 12는, 검증 결과 파일(106e2)에 저장되는 정보의 일례를 도시하는 도면이다. 검증 결과 파일(106e2)에 저장되는 정보는, 도 12에 도시하는 바와 같이, 랭크와, 후보 다변량 판별식(도 12에서는, Fk(Gly, Leu, Phe, …)나 Fm(Gly, Leu, Phe, …), Fl(Gly, Leu, Phe, …) 등)과, 각 후보 다변량 판별식의 검증 결과(예를 들면 각 후보 다변량 판별식의 평가치)를 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 선택 암 상태 정보 파일(106e3)은, 후술하는 변수 선택부(102h3)에서 선택한 변수에 대응하는 아미노산 농도 데이터의 조합을 포함하는 암 상태 정보를 저장한다. 도 13은, 선택 암 상태 정보 파일(106e3)에 저장되는 정보의 일례를 도시하는 도면이다. 선택 암 상태 정보 파일(106e3)에 저장되는 정보는, 도 13에 도시하는 바와 같이, 개체 번호와, 후술하는 암 상태 정보 지정부(102g)에서 지정한 암 상태 지표 데이터와, 후술하는 변수 선택부(102h3)에서 선택한 아미노산 농도 데이터를 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 다변량 판별식 파일(106e4)은, 후술하는 다변량 판별식 작성부(102h)에서 작성한 다변량 판별식을 저장한다. 도 14는, 다변량 판별식 파일(106e4)에 저장되는 정보의 일례를 도시하는 도면이다. 다변량 판별식 파일(106e4)에 저장되는 정보는, 도 14에 도시하는 바와 같이, 순위와, 다변량 판별식(도 14에서는, Fp(Phe, …)나 Fp(Gly, Leu, Phe), Fk(Gly, Leu, Phe, …) 등)과, 각 식 작성 수법에 대응하는 역치와, 각 다변량 판별식의 검증 결과(예를 들면 각 다변량 판별식의 평가치)를 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 판별치 파일(106f)은, 후술하는 판별치 산출부(102i)에서 산출한 판별치를 저장한다. 도 15는, 판별치 파일(106f)에 저장되는 정보의 일례를 도시하는 도면이다. 판별치 파일(106f)에 저장되는 정보는, 도 15에 도시하는 바와 같이, 평가 대상인 개체(샘플)를 한번에 식별하기 위한 개체 번호와, 랭크(다변량 판별식을 한번에 식별하기 위한 번호)와, 판별치를 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 평가 결과 파일(106g)은, 후술하는 판별치 기준 평가부(102j)에서의 평가 결과(구체적으로는, 후술하는 판별치 기준 판별부(102j)에서의 판별 결과)를 저장한다. 도 16은, 평가 결과 파일(106g)에 저장되는 정보의 일례를 도시하는 도면이다. 평가 결과 파일(106g)에 저장되는 정보는, 평가 대상인 개체(샘플)를 한번에 식별하기 위한 개체 번호와, 미리 취득한 평가 대상의 아미노산 농도 데이터와, 다변량 판별식에서 산출한 판별치와, 암의 상태에 관한 평가 결과(구체적으로는, 암 또는 비암인지의 여부에 관한 판별 결과)를 서로 관련지어 구성되어 있다.
도 6으로 되돌아가서, 기억부(106)에는, 상기한 정보 이외에 기타 정보로서, Web 사이트를 클라이언트 장치(200)에 제공하기 위한 각종 Web 데이터나, CGI 프로그램 등이 기록되어 있다. Web 데이터로서는 후술하는 각종 Web 페이지를 표시하기 위한 데이터 등이 있으며, 이들 데이터는 예를 들면 HTML(HyperText Markup Language)이나 XML(Extensible Markup Language)에서 기술된 텍스트 파일로서 형성되어 있다. 또한, Web 데이터를 작성하기 위한 부품용의 파일이나 작업용 파일이나 기타 일시적인 파일 등도 기억부(106)에 기억된다. 기억부(106)에는, 필요에 따라서, 클라이언트 장치(200)에 송신하기 위한 음성을 WAVE 형식이나 AIFF(Audio Interchange File Format) 형식과 같은 음성 파일로 저장하거나, 정지 화면이나 동작 화면을 JPEG(Joint Photographic Experts Group) 형식이나 MPEG2(Moving Picture Experts Group phase 2) 형식과 같은 화상 파일로 저장하거나 할 수 있다.
통신 인터페이스부(104)는, 암 평가 장치(100)와 네트워크(300)(또는 루터 등의 통신 장치)간의 통신을 매개한다. 즉, 통신 인터페이스부(104)는, 다른 단말과 통신 회선을 개재하여 데이터를 통신하는 기능을 갖는다.
입출력 인터페이스부(108)는, 입력 장치(112)나 출력 장치(114)에 접속한다. 여기에서, 출력 장치(114)에는, 모니터(가정용 텔레비전을 포함한다) 외, 스피커나 프린터를 사용할 수 있다(또한, 이하에서는, 출력 장치(114)를 모니터(114)로서 기재하는 경우가 있다.). 입력 장치(112)에는, 키보드나 마우스나 마이크 외, 마우스와 협동하여 포인팅 디바이스 기능을 실현하는 모니터를 사용할 수 있다.
제어부(102)는, OS(Operating System) 등의 제어 프로그램·각종 처리 순서 등을 규정한 프로그램·소요 데이터 등을 저장하기 위한 내부 메모리를 가지며, 이들 프로그램에 기초하여 여러 가지 정보 처리를 실행한다. 제어부(102)는, 도시한 바와 같이, 대별하여, 요구 해석부(102a)와 열람 처리부(102b)와 인증 처리부(102c)와 전자 메일 생성부(102d)와 Web 페이지 생성부(102e)와 수신부(102f)와 암 상태 정보 지정부(102g)와 다변량 판별식 작성부(102h)와 판별치 산출부(102i)와 판별치 기준 평가부(102j)와 결과 출력부(102k)와 송신부(102m)를 구비하고 있다. 제어부(102)는, 데이터베이스 장치(400)로부터 송신된 암 상태 정보나 클라이언트 장치(200)로부터 송신된 아미노산 농도 데이터에 대하여, 결손치가 있는 데이터의 제거·벗어난 값이 많은 데이터의 제거·결손치가 있는 데이터의 많은 변수의 제거 등의 데이터 처리도 실시한다.
요구 해석부(102a)는, 클라이언트 장치(200)나 데이터베이스 장치(400)로부터의 요구 내용을 해석하고, 그 해석 결과에 따라서 제어부(102)의 각부에 처리를 주고 받는다. 열람 처리부(102b)는, 클라이언트 장치(200)로부터의 각종 화면의 열람 요구를 받고, 이들 화면의 Web 데이터의 생성이나 송신을 실시한다. 인증 처리부(102c)는, 클라이언트 장치(200)나 데이터베이스 장치(400)로부터의 인증 요구를 받고, 인증 판단을 실시한다. 전자 메일 생성부(102d)는, 각종 정보를 포함한 전자 메일을 생성한다. Web 페이지 생성부(102e)는, 이용자가 클라이언트 장치(200)로 열람하는 Web 페이지를 생성한다.
수신부(102f)는, 클라이언트 장치(200)나 데이터베이스 장치(400)로부터 송신된 정보(구체적으로는, 아미노산 농도 데이터나 암 상태 정보, 다변량 판별식 등)를, 네트워크(300)를 개재하여 수신한다. 암 상태 정보 지정부(102g)는, 다변량 판별식을 작성함에 있어서, 대상으로 하는 암 상태 지표 데이터 및 아미노산 농도 데이터를 지정한다.
다변량 판별식 작성부(102h)는, 수신부(102f)에서 수신한 암 상태 정보나 암 상태 정보 지정부(102g)에서 지정한 암 상태 정보에 기초하여 다변량 판별식을 작성한다. 구체적으로는, 다변량 판별식 작성부(102h)는, 암 상태 정보로부터, 후보 다변량 판별식 작성부(102b1), 후보 다변량 판별식 검증부(102b2) 및 변수 선택부(102h3)를 반복 실행시킴으로써 축적된 검증 결과에 기초하여, 복수의 후보 다변량 판별식 중에서 다변량 판별식으로서 채용하는 후보 다변량 판별식을 선출함으로써, 다변량 판별식을 작성한다.
또한, 다변량 판별식이 미리 기억부(106)의 소정의 기억 영역에 저장되어 있는 경우에는, 다변량 판별식 작성부(102h)는, 기억부(106)로부터 원하는 다변량 판별식을 선택함으로써, 다변량 판별식을 작성할 수 있다. 또한, 다변량 판별식 작성부(102h)는, 다변량 판별식을 미리 저장한 다른 컴퓨터 장치(예를 들면 데이터베이스 장치(400))로부터 원하는 다변량 판별식을 선택하여 다운로드함으로써, 다변량 판별식을 작성할 수 있다.
여기에서, 다변량 판별식 작성부(102h)의 구성에 관해서 도 17을 참조하여 설명한다. 도 17은, 다변량 판별식 작성부(102h)의 구성을 도시하는 블록도이고, 당해 구성 중 본 발명에 관계하는 부분만을 개념적으로 도시하고 있다. 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 작성부(102h1)와, 후보 다변량 판별식 검증부(102h2)와, 변수 선택부(102h3)를 추가로 구비하고 있다. 후보 다변량 판별식 작성부(102h1)는, 암 상태 정보로부터 소정의 식 작성 수법에 기초하여 다변량 판별식의 후보인 후보 다변량 판별식을 작성한다. 또한, 후보 다변량 판별식 작성부(102h1)는, 암 상태 정보로부터, 복수의 상이한 식 작성 수법을 병용하여 복수의 후보 다변량 판별식을 작성할 수 있다. 후보 다변량 판별식 검증부(102h2)는, 후보 다변량 판별식 작성부(102h1)에서 작성한 후보 다변량 판별식을 소정의 검증 수법에 기초하여 검증한다. 또한, 후보 다변량 판별식 검증부(102h2)는, 부트스트랩법, 홀드아웃법, 리프원아웃법 중 적어도 1개에 기초하여 후보 다변량 판별식의 판별율, 감도, 특이성, 정보량 기준 중 적어도 1개에 관해서 검증할 수 있다. 변수 선택부(102h3)는, 후보 다변량 판별식 검증부(102h2)에서의 검증 결과로부터 소정의 변수 선택 수법에 기초하여 후보 다변량 판별식의 변수를 선택함으로써, 후보 다변량 판별식을 작성할 때에 사용하는 암 상태 정보에 포함되는 아미노산 농도 데이터의 조합을 선택한다. 또한, 변수 선택부(102h3)는, 검증 결과로부터 스텝와이즈법, 베스트패스법, 근방 탐색법, 유전적 알고리즘 중 적어도 1개에 기초하여 후보 다변량 판별식의 변수를 선택할 수 있다.
도 6으로 되돌아가서, 판별치 산출부(102i)는, 다변량 판별식 작성부(102h)에서 작성한 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 다변량 판별식 및 수신부(102f)에서 수신한 평가 대상의 아미노산 농도 데이터에 포함되는 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개의 농도치에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출한다.
여기에서, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 것일 수 있다. 구체적으로는, 다변량 판별식은 수학식 1 또는 수학식 2일 수 있다.
[수학식 1]
Figure 112009036698498-pct00023
[수학식 2]
Figure 112009036698498-pct00024
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 등 중 어느 하나일 수 있다. 구체적으로는, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식일 수 있다.
판별치 기준 평가부(102j)는, 판별치 산출부(102i)에서 산출한 판별치에 기초하여 평가 대상에 관해서 암의 상태를 평가한다. 판별치 기준 평가부(102j)는, 판별치 기준 판별부(102j1)를 추가로 구비하고 있다. 여기에서, 판별치 기준 평가부(102j)의 구성에 관해서 도 18을 참조하여 설명한다. 도 18은, 판별치 기준 평가부(102j)의 구성을 도시하는 블록도이고, 당해 구성 중 본 발명에 관계하는 부분만을 개념적으로 도시하고 있다. 판별치 기준 판별부(102j1)는, 판별치에 기초하여 평가 대상에 관해서 암 또는 비암인지의 여부를 판별한다. 구체적으로는, 판별치 기준 판별부(102j1)는, 판별치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 평가 대상에 관해서 암 또는 비암인지의 여부를 판별한다.
도 6으로 되돌아가서, 결과 출력부(102k)는, 제어부(102)의 각 처리부에서의 처리 결과(판별치 기준 평가부(102j)에서의 평가 결과(구체적으로는 판별치 기준 판별부(102j1)에서의 판별 결과)를 포함한다) 등을 출력 장치(114)로 출력한다.
송신부(102m)는, 평가 대상의 아미노산 농도 데이터의 송신원의 클라이언트 장치(200)에 대하여 평가 결과를 송신하거나, 데이터베이스 장치(400)에 대하여, 암 평가 장치(100)에서 작성한 다변량 판별식이나 평가 결과를 송신하거나 한다.
다음으로, 본 시스템의 클라이언트 장치(200)의 구성에 관해서, 도 19를 참조하여 설명한다. 도 19는, 본 시스템의 클라이언트 장치(200)의 구성의 일례를 도시하는 블록도이고, 당해 구성 중 본 발명에 관계하는 부분만을 개념적으로 도시하고 있다.
클라이언트 장치(200)는, 제어부(210)와 ROM(220)와 HD(Hard Disk)(230)와 RAM(240)과 입력 장치(250)와 출력 장치(260)와 입출력 IF(270)와 통신 IF(280)로 구성되어 있고, 이들 각부는 임의의 통신로를 개재하여 통신 가능하게 접속되어 있다.
제어부(210)는, Web 브라우저(211), 전자 메일러(212), 수신부(213), 송신부(214)를 구비하고 있다. Web 브라우저(211)는, Web 데이터를 해석하고, 해석한 Web 데이터를 후술하는 모니터(261)에 표시하는 브라우즈 처리를 실시한다. 또한, Web 브라우저(211)에는, 스트림 영상의 수신·표시·피드백 등을 실시하는 기능을 구비한 스트림 플레이어 등의 각종 소프트웨어를 플러그인할 수 있다. 전자 메일러(212)는, 소정의 통신 규약(예를 들면, SMTP(Simple Mail Transfer Protocol)이나 POP3(Post Office Protocol version 3) 등)에 따라서 전자 메일의 송수신을 실시한다. 수신부(213)는, 통신 IF(280)을 개재하여, 암 평가 장치(100)로부터 송신된 평가 결과 등의 각종 정보를 수신한다. 송신부(214)는, 통신 IF(280)을 개재하여, 평가 대상의 아미노산 농도 데이터 등의 각종 정보를 암 평가 장치(100)로 송신한다.
입력 장치(250)는 키보드나 마우스나 마이크 등이다. 또한, 후술하는 모니터(261)도 마우스와 협동하여 포인팅 디바이스 기능을 실현한다. 출력 장치(260)는, 통신 IF(280)을 개재하여 수신한 정보를 출력하는 출력 수단이고, 모니터(가정용 텔레비전을 포함한다)(261) 및 프린터(262)를 포함한다. 이밖에, 출력 장치(260)에 스피커 등을 설치할 수 있다. 입출력 IF는 입력 장치(250)나 출력 장치(260)에 접속한다.
통신 IF(280)는, 클라이언트 장치(200)와 네트워크(300)(또는 루터 등의 통신 장치)를 통신 가능하게 접속한다. 환언하면, 클라이언트 장치(200)는, 모뎀이나 TA(Terminal Adapter)나 루터 등의 통신 장치 및 전화 회선을 개재하여, 또는 전용선을 개재하여 네트워크(300)에 접속된다. 이것에 의해, 클라이언트 장치(200)는, 소정의 통신 규약에 따라서 암 평가 장치(100)에 액세스할 수 있다.
여기에서, 프린터·모니터·이미지 스캐너 등의 주변 장치를 필요에 따라서 접속한 정보 처리 장치(예를 들면, 기지의 퍼스널 컴퓨터·워크 스테이션·가정용 게임 장치·인터넷 TV·PHS(Personal Handyphone System) 단말·휴대 단말·이동체 통신 단말·PDA(Personal Digital Assistants) 등의 정보 처리 단말 등)에, Web 데이터의 브라우징 기능이나 전자 메일 기능을 실현시키는 소프트웨어(프로그램, 데이터 등을 포함한다)를 실장함으로써, 클라이언트 장치(200)를 실현할 수 있다.
또한, 클라이언트 장치(200)의 제어부(210)는, 제어부(210)에서 실시하는 처리의 전부 또는 임의의 일부를, CPU 및 당해 CPU에서 해석하여 실행하는 프로그램으로 실현할 수 있다. ROM(220) 또는 HD(230)에는, OS(Operating System)와 협동하여 CPU에 명령을 주고, 각종 처리를 실시하기 위한 컴퓨터 프로그램이 기록되어 있다. 당해 컴퓨터 프로그램은, RAM(240)에 로드됨으로써 실행되어, CPU와 협동하여 제어부(210)를 구성한다. 또한, 당해 컴퓨터 프로그램은, 클라이언트 장치(200)와 임의의 네트워크를 개재하여 접속되는 어플리케이션 프로그램 서버에 기록될 수 있으며, 클라이언트 장치(200)는, 필요에 따라서 그 전부 또는 일부를 다운로드할 수 있다. 또한, 제어부(210)에서 실시하는 처리의 전부 또는 임의의 일부를, 와이어드 로직 등에 의한 하드웨어에서 실현할 수 있다.
다음으로, 본 시스템의 네트워크(300)에 관해서 도 4, 도 5를 참조하여 설명한다. 네트워크(300)는, 암 평가 장치(100)와 클라이언트 장치(200)와 데이터베이스 장치(400)를 서로 통신 가능하게 접속하는 기능을 가지며, 예를 들면 인터넷이나 인트라넷이나 LAN(Local Area Network)(유선/무선의 쌍방을 포함한다) 등이다. 또한, 네트워크(300)는 VAN(Value added Network)이나, 퍼스널 컴퓨터 통신망이나, 공중 전화망(아날로그/디지탈의 쌍방을 포함한다)이나, 전용 회선망(아날로그/디지탈의 쌍방을 포함한다)이나, CATV(Community Antenna Television) 망이나, 휴대 회선 교환망 또는 휴대 패킷 교환망(IMT2000(International Mobile Telecommunication 2000) 방식, GSM(Global System for Mobile Communications) 방식 또는 PDC(Personal Digital Cellular)/PDC-P 방식 등을 포함한다)이나, 무선 호출망이나, Bluetooth(등록상표) 등의 국소 무선망이나, PHS망이나, 위성 통신망(CS(Communication Satellite), BS(Broadcasting Satellite) 또는 ISDB(Integrated Services Digital Broadcasting) 등을 포함한다) 등일 수 있다.
다음으로, 본 시스템의 데이터베이스 장치(400)의 구성에 관해서 도 20을 참조하여 설명한다. 도 20은, 본 시스템의 데이터베이스 장치(400)의 구성의 일례를 도시하는 블록도이고, 당해 구성 중 본 발명에 관계하는 부분만을 개념적으로 나타내고 있다.
데이터베이스 장치(400)는, 암 평가 장치(100) 또는 당해 데이터베이스 장치에서 다변량 판별식을 작성할 때에 사용하는 암 상태 정보나, 암 평가 장치(100)에서 작성한 다변량 판별식, 암 평가 장치(100)에서의 평가 결과 등을 저장하는 기능을 갖는다. 도 20에 도시하는 바와 같이, 데이터베이스 장치(400)는, 당해 데이터베이스 장치를 통괄적으로 제어하는 CPU 등의 제어부(402)와, 루터 등의 통신 장치 및 전용선 등의 유선 또는 무선의 통신 회로를 개재하여 당해 데이터베이스 장치를 네트워크(300)에 통신 가능하게 접속하는 통신 인터페이스부(404)와, 각종 데이터베이스나 테이블이나 파일(예를 들면 Web 페이지용 파일) 등을 저장하는 기억부(406)와, 입력 장치(412)나 출력 장치(414)에 접속하는 입출력 인터페이스부(408)로 구성되어 있고, 이들 각부는 임의의 통신로를 개재하여 통신 가능하게 접속되어 있다.
기억부(406)는 스토리지 수단이고, 예를 들면, RAM·ROM 등의 메모리 장치나, 하드디스크와 같은 고정 디스크 장치나, 플렉시블 디스크나, 광 디스크 등을 사용할 수 있다. 기억부(406)에는, 각종 처리에 사용하는 각종 프로그램 등을 저장한다. 통신 인터페이스부(404)는, 데이터베이스 장치(400)와 네트워크(300)(또는 루터 등의 통신 장치)간의 통신을 매개한다. 즉, 통신 인터페이스부(404)는, 다른 단말과 통신 회선을 개재하여 데이터를 통신하는 기능을 갖는다. 입출력 인터페이스부(408)는, 입력 장치(412)나 출력 장치(414)에 접속한다. 여기에서, 출력 장치(414)에는, 모니터(가정용 텔레비전을 포함한다) 외, 스피커나 프린터를 사용할 수 있다(또한, 이하에서, 출력 장치(414)를 모니터(414)로서 기재하는 경우가 있다.). 또한, 입력 장치(412)에는, 키보드나 마우스나 마이크 외, 마우스와 협동하여 포인팅 디바이스 기능을 실현하는 모니터를 사용할 수 있다.
제어부(402)는, OS(Operating System) 등의 제어 프로그램·각종 처리 순서 등을 규정한 프로그램·소요 데이터 등을 저장하기 위한 내부 메모리를 가지며, 이러한 프로그램에 기초하여 여러 가지 정보 처리를 실행한다. 제어부(402)는 도시한 바와 같이, 대별하여, 요구 해석부(402a)와 열람 처리부(402b)와 인증 처리부(402c)와 전자 메일 생성부(402d)와 Web 페이지 생성부(402c)와 송신부(402f)를 구비하고 있다.
요구 해석부(402a)는, 암 평가 장치(100)로부터의 요구 내용을 해석하고, 그 해석 결과에 따라서 제어부(402)의 각부에 처리를 주고 받는다. 열람 처리부(402b)는 암 평가 장치(100)로부터의 각종 화면의 열람 요구를 받고, 이들 화면의 Web 데이터의 생성이나 송신을 실시한다. 인증 처리부(402c)는, 암 평가 장치(100)로부터의 인증 요구를 받고, 인증 판단을 실시한다. 전자 메일 생성부(402d)는, 각종 정보를 포함한 전자 메일을 생성한다. Web 페이지 생성부(402e)는, 이용자가 클라이언트 장치(200)로 열람하는 Web 페이지를 생성한다. 송신부(402f)는, 암 상태 정보나 다변량 판별식 등의 각종 정보를 암 평가 장치(100)로 송신한다.
[2-3. 본 시스템의 처리]
여기에서는, 이상과 같이 구성된 본 시스템으로 실시되는 암 평가 서비스 처리의 일례를, 도 21을 참조하여 설명한다. 도 21은, 암 평가 서비스 처리의 일례를 도시하는 플로우챠트이다.
또한, 본 처리에서 사용하는 아미노산 농도 데이터는, 개체로부터 미리 채취한 혈액을 분석하여 취득한 아미노산의 농도치에 관한 것이다. 여기에서, 혈액 중의 아미노산의 분석 방법에 관해서 간단히 설명한다. 우선, 채혈한 혈액 샘플을, 헤파린 처리한 튜브에 채취하고, 그 후, 당해 튜브에 대하여 원심분리를 실시함으로써 혈장을 분리한다. 또한, 분리한 모든 혈장 샘플은, 아미노산 농도의 측정시까지 -70℃에서 동결 보존한다. 그리고, 아미노산 농도의 측정시에, 혈장 샘플에 대하여 설포살리실산을 첨가하여, 3% 농도 조정에 의해 제단백 처리를 실시한다. 또한, 아미노산 농도의 측정에는, 포스트 칼럼에서 닌히드린 반응을 사용한 고속 액체 크로마토그래피(HPLC)를 원리로 한 아미노산 분석기를 사용하였다.
우선, Web 브라우저(211)를 표시한 화면 위에서 이용자가 입력 장치(250)를 개재하여 암 평가 장치(100)가 제공하는 Web 사이트의 어드레스(URL 등)를 지정하면, 클라이언트 장치(200)는 암 평가 장치(100)로 액세스한다. 구체적으로는, 이용자가 클라이언트 장치(200)의 Web 브라우저(211)의 화면 갱신을 지시하면, Web 브라우저(211)는, 암 평가 장치(100)가 제공하는 Web 사이트의 어드레스를 소정의 통신 규약으로 암 평가 장치(100)로 송신함으로써, 아미노산 농도 데이터 송신 화면에 대응하는 Web 페이지의 송신 요구를, 당해 어드레스에 기초하는 루팅으로 암 평가 장치(100)에 실시한다.
다음으로, 암 평가 장치(100)는, 요구 해석부(102a)에서, 클라이언트 장치(200)로부터의 송신을 받고, 당해 송신의 내용을 해석하고, 해석 결과에 따라서 제어부(102)의 각부에 처리를 옮긴다. 구체적으로는, 송신의 내용이 아미노산 농도 데이터 송신 화면에 대응하는 Web 페이지의 송신 요구인 경우, 암 평가 장치(100)는, 주로 열람 처리부(102b)에서, 기억부(106)의 소정의 기억 영역에 저장되어 있는 당해 Web 페이지를 표시하기 위한 Web 데이터를 취득하고, 취득한 Web 데이터를 클라이언트 장치(200)로 송신한다. 보다 구체적으로는, 이용자로부터 아미노산 농도 데이터 송신 화면에 대응하는 Web 페이지의 송신 요구가 있는 경우, 암 평가 장치(100)는, 우선, 제어부(102)에서, 이용자 ID나 이용자 패스워드의 입력을 이용자에 대하여 요구한다. 그리고, 이용자 ID나 패스워드가 입력되면, 암 평가 장치(100)는, 인증 처리부(102c)에서, 입력된 이용자 ID나 패스워드와 이용자 정보 파일(106a)에 저장되어 있는 이용자 TD나 이용자 패스워드의 인증 판단을 실시한다. 그리고, 암 평가 장치(100)는, 인증 가능한 경우에만, 열람 처리부(102b)에서, 아미노산 농도 데이터 송신 화면에 대응하는 Web 페이지를 표시하기 위한 Web 데이터를 클라이언트 장치(200)로 송신한다. 또한, 클라이언트 장치(200)의 특정은, 클라이언트 장치(200)로부터 송신 요구와 함께 송신된 IP(Internet Protocol) 어드레스에서 실시한다.
다음으로, 클라이언트 장치(200)는, 암 평가 장치(100)로부터 송신된 Web 데이터(아미노산 농도 데이터 송신 화면에 대응하는 Web 페이지를 표시하기 위한 것)를 수신부(213)에서 수신하고, 수신한 Web 데이터를 Web 브라우저(211)에서 해석하여, 모니터(261)에 아미노산 농도 데이터 송신 화면을 표시한다.
다음으로, 모니터(261)에 표시된 아미노산 농도 데이터 송신 화면에 대하여 이용자가 입력 장치(250)를 개재하여 개체의 아미노산 농도 데이터 등을 입력·선택하면, 클라이언트 장치(200)는, 송신부(214)에서, 입력 정보나 선택 사항을 특정하기 위한 식별자를 암 평가 장치(100)로 송신함으로써, 평가 대상의 개체의 아미노산 농도 데이터를 암 평가 장치(100)로 송신한다(스텝 SA-21). 또한, 스텝 SA-21에 있어서의 아미노산 농도 데이터의 송신은, FTP(File Transfer Protocol) 등의 기존의 파일 전송 기술 등에 의해 실현할 수 있다.
다음으로, 암 평가 장치(100)는, 요구 해석부(102a)에서, 클라이언트 장치(200)로부터 송신된 식별자를 해석함으로써 클라이언트 장치(200)의 요구 내용을 해석하여, 암 평가용(구체적으로는 암과 비암의 2군 판별용)의 다변량 판별식의 송신 요구를 데이터베이스 장치(400)에 한다.
다음으로, 데이터베이스 장치(400)는, 요구 해석부(402a)에서, 암 평가 장치(100)로부터의 송신 요구를 해석하고, 기억부(406)의 소정의 기억 영역에 저장한 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 다변량 판별식(예를 들면 업데이트된 최신의 것)을 암 평가 장치(100)로 송신한다(스텝 SA-22).
여기에서, 스텝 SA-22에 있어서, 암 평가 장치(100)로 송신하는 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 것일 수 있다. 구체적으로는, 암 평가 장치(100)로 송신하는 다변량 판별식은 수학식 1 또는 수학식 2일 수 있다.
[수학식 1]
Figure 112009036698498-pct00025
[수학식 2]
Figure 112009036698498-pct00026
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 스텝 SA-22에 있어서, 암 평가 장치(100)로 송신하는 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 등 중 어느 하나일 수 있다. 구체적으로는, 암 평가 장치(100)로 송신하는 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식일 수 있다.
다음으로, 암 평가 장치(100)는, 수신부(102f)에서, 클라이언트 장치(200)로부터 송신된 개체의 아미노산 농도 데이터 및 데이터베이스 장치(400)로부터 송신된 다변량 판별식을 수신하고, 수신한 아미노산 농도 데이터를 아미노산 농도 데이터 파일(106b)의 소정의 기억 영역에 저장하는 동시에, 수신한 다변량 판별식을 다변량 판별식 파일(106c4)의 소정의 기억 영역에 저장한다(스텝 SA-23).
다음으로, 암 평가 장치(100)는, 제어부(102)에서, 스텝 SA-23에서 수신한 개체의 아미노산 농도 데이터로부터 결손치나 벗어난 값 등의 데이터를 제거한다(스텝 SA-24).
다음으로, 암 평가 장치(100)는, 판별치 산출부(102i)에서, 스텝 SA-24에서 결손치나 벗어난 값 등의 데이터가 제거된 개체의 아미노산 농도 데이터 및 스텝 SA-23에서 수신한 다변량 판별식에 기초하여 판별치를 산출한다(스텝 SA-25).
다음으로, 암 평가 장치(100)는, 판별치 기준 판별부(102j1)에서, 스텝 SA-25에서 산출한 판별치와 미리 설정된 역치(컷오프 값)를 비교함으로써, 개체에 관해서 암 또는 비암인지의 여부를 판별하고, 그 판별 결과를 평가 결과 파일(106g)의 소정의 기억 영역에 저장한다(스텝 SA-26).
다음으로, 암 평가 장치(100)는, 송신부(102m)에서, 스텝 SA-26에서 취득한 판별 결과(암 또는 비암인지의 여부에 관한 판별 결과)를, 아미노산 농도 데이터의 송신원의 클라이언트 장치(200)와 데이터베이스 장치(400)로 송신한다(스텝 SA-27). 구체적으로는, 우선, 암 평가 장치(100)는, Web 페이지 생성부(102e)에서, 판별 결과를 표시하기 위한 Web 페이지를 작성하고, 작성한 Web 페이지에 대응하는 Web 데이터를 기억부(106)의 소정의 기억 영역에 저장한다. 이어서, 이용자가 클라이언트 장치(200)의 Web 브라우저(211)에 입력 장치(250)를 개재하여 소정의 URL(Uniform Resource Locator)을 입력하여 상기한 인증을 거친 후, 클라이언트 장치(200)는, 당해 Web 페이지의 열람 요구를 암 평가 장치(100)로 송신한다. 이어서, 암 평가 장치(100)는 열람 처리부(102b)에서, 클라이언트 장치(200)로부터 송신된 열람 요구를 해석하고, 판별 결과를 표시하기 위한 Web 페이지에 대응하는 Web 데이터를 기억부(106)의 소정의 기억 영역으로부터 읽어낸다. 그리고, 암 평가 장치(100)는, 송신부(102m)에서, 읽어낸 Web 데이터를 클라이언트 장치(200)로 송신하는 동시에, 당해 Web 데이터 또는 판별 결과를 데이터베이스 장치(400)로 송신한다.
여기에서, 스텝 SA-27에 있어서, 암 평가 장치(100)는, 제어부(102)에서, 판별 결과를 전자 메일로 이용자의 클라이언트 장치(200)로 통지할 수 있다. 구체적으로는, 우선, 암 평가 장치(100)는, 전자 메일 생성부(102d)에서, 이용자 ID 등을 기초로 하여 이용자 정보 파일(106a)에 저장되어 있는 이용자 정보를 송신 타이밍에 따라서 참조하여, 이용자의 전자 메일 어드레스를 취득한다. 이어서, 암 평가 장치(100)는, 전자 메일 생성부(102d)에서, 취득한 전자 메일 어드레스를 송부처로 하여 이용자의 성명 및 판별 결과를 포함하는 전자 메일에 관한 데이터를 생성한다. 이어서, 암 평가 장치(100)는, 송신부(102m)에서, 생성된 당해 데이터를 이용자의 클라이언트 장치(200)로 송신한다.
또한, 스텝 SA-27에 있어서, 암 평가 장치(100)는, FTP 등의 기존의 파일 전송 기술 등으로, 판별 결과를 이용자의 클라이언트 장치(200)로 송신할 수 있다.
도 21의 설명으로 되돌아가서, 데이터베이스 장치(400f)는, 제어부(402)에서, 암 평가 장치(100)로부터 송신된 판별 결과 또는 Web 데이터를 수신하고, 수신한 판별 결과 또는 Web 데이터를 기억부(406)의 소정의 기억 영역에 보존(축적)한다(스텝 SA-28).
또한, 클라이언트 장치(200)는, 수신부(213)에서, 암 평가 장치(100)로부터 송신된 Web 데이터를 수신하고, 수신한 Web 데이터를 Web 브라우저(211)에서 해석하여, 개체의 판별 결과가 기록된 Web 페이지의 화면을 모니터(261)에 표시한다(스텝 SA-29). 또한, 판별 결과가 암 평가 장치(100)로부터 전자 메일로 송신된 경우에는, 클라이언트 장치(200)는, 전자 메일러(212)의 공지된 기능으로, 암 평가 장치(100)로부터 송신된 전자 메일을 임의의 타이밍으로 수신하고, 수신한 전자 메일을 모니터(261)에 표시한다.
이상으로부터, 이용자는 모니터(261)에 표시된 Web 페이지를 열람함으로써, 암과 비암의 2군 판별에 관한 개체의 판별 결과를 확인할 수 있다. 또한, 이용자는, 모니터(261)에 표시된 Web 페이지의 표시 내용을 프린터(262)로 인쇄할 수 있다.
또한, 판별 결과가 암 평가 장치(100)로부터 전자 메일로 송신된 경우에는, 이용자는 모니터(261)에 표시된 전자 메일을 열람함으로써, 암과 비암의 2군 판별에 관한 개체의 판별 결과를 확인할 수 있다. 이용자는, 모니터(261)에 표시된 전자 메일의 표시 내용을 프린터(262)로 인쇄할 수 있다.
이것으로 암 평가 서비스 처리의 설명을 종료한다.
[2-4. 제2 실시형태의 정리, 및 그 밖의 실시형태]
이상, 상세하게 설명한 바와 같이, 암 평가 시스템에 의하면, 클라이언트 장치(200)는 개체의 아미노산 농도 데이터를 암 평가 장치(100)로 송신하고, 데이터베이스 장치(400)는 암 평가 장치(100)로부터의 요구를 받아 암과 비암의 2군 판별용의 다변량 판별식을 암 평가 장치(100)로 송신하고, 암 평가 장치(100)는, 클라이언트 장치(200)로부터 아미노산 농도 데이터를 수신하는 동시에 데이터베이스 장치(400)로부터 다변량 판별식을 수신하고, 수신한 아미노산 농도 데이터 및 다변량 판별식에 기초하여 판별치를 산출하고, 산출한 판별치와 미리 설정한 역치를 비교함으로써 개체에 관해서 암 또는 비암인지의 여부를 판별하고, 이 판별 결과를 클라이언트 장치(200)나 데이터베이스 장치(400)로 송신하여, 클라이언트 장치(200)는 암 평가 장치(100)로부터 송신된 판별 결과를 수신하여 표시하고, 데이터베이스 장치(400)는 암 평가 장치(100)로부터 송신된 판별 결과를 수신하여 저장한다. 이것에 의해, 암과 비암의 2군 판별에 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 정밀하게 실시할 수 있다.
또한, 암 평가 시스템에 의하면, 다변량 판별식은, 1개의 분수식 또는 복수의 분수식의 합으로 표시되며, 이를 구성하는 분수식의 분자 및/또는 분모에 Cys, Gln, Trp, Orn, Arg, Glu, His, Ser 및 ABA 중 적어도 1개를 변수로서 포함하는 것일 수 있다. 구체적으로는, 다변량 판별식은 수학식 1 또는 수학식 2일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 더욱 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이러한 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2004/052191호 팜플렛에 기재된 방법이나, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 다변량 판별식 작성 처리)으로 작성할 수 있다. 이러한 방법으로 취득된 다변량 판별식이면, 입력 데이터로서의 아미노산 농도 데이터에 있어서의 아미노산 농도의 단위에 좌우되지 않고, 당해 다변량 판별식을 암의 상태 평가에 적합하게 사용할 수 있다.
[수학식 1]
Figure 112009036698498-pct00027
[수학식 2]
Figure 112009036698498-pct00028
상기 수학식 1 및 2에 있어서,
a1 및 b1은 제로가 아닌 임의의 실수이고,
c1은 임의의 실수이고,
a2, b2, c2 및 d2는 제로가 아닌 임의의 실수이고,
e2는 임의의 실수이다.
또한, 암 평가 시스템에 의하면, 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 등 중 어느 하나일 수 있다. 구체적으로는, 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 변수로 하는 로지스틱 회귀식, 또는 Orn, Cys, Arg, Tau, Trp 및 Gln을 변수로 하는 선형 판별식, 또는 Glu, Gly, ABA, Val, His 및 Lys을 변수로 하는 로지스틱 회귀식, 또는 Glu, Ala, ABA, Val, His 및 Orn을 변수로 하는 선형 판별식일 수 있다. 이것에 의해, 암과 비암의 2군 판별에 더욱 유용한 다변량 판별식으로 취득되는 판별치를 이용하여 암과 비암의 2군 판별을 더욱 정밀하게 실시할 수 있다. 또한, 이러한 다변량 판별식은, 본 출원인에 의한 국제출원인 국제공개 WO2006/098192호 팜플렛에 기재된 방법(후술하는 다변량 판별식 작성 처리)으로 작성할 수 있다.
또한, 본 발명에 따르는 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체는, 상기한 제2 실시형태 이외에도, 특허청구의 범위의 서류에 기재한 기술적 사상의 범위 내에서 여러 가지 상이한 실시형태로 실시될 수 있다. 예를 들면, 상기한 제2 실시형태에서 설명한 각 처리 중, 자동적으로 이루어지는 것으로서 설명한 처리의 전부 또는 일부를 수동적으로 실시할 수도 있으며, 수동적으로 이루어지는 것으로서 설명한 처리의 전부 또는 일부를 공지의 방법으로 자동적으로 실시할 수도 있다. 이밖에, 상기 문서 중이나 도면 중에서 도시한 처리 순서, 제어 순서, 구체적 명칭, 각종 등록 데이터 및 검색 조건 등의 파라미터를 포함하는 정보, 화면예, 데이터베이스 구성에 관해서는, 특기하는 경우를 제외하고 임의로 변경할 수 있다. 예를 들면, 암 평가 장치(100)에 관해서, 도시한 각 구성 요소는 기능 개념적인 것이며, 반드시 물리적으로 도시와 같이 구성되어 있는 것을 요하지 않는다. 또한, 암 평가 장치(100)의 각부 또는 각 장치가 구비하는 처리 기능(특히 제어부(102)에서 이루어지는 각 처리 기능)에 관해서는, CPU(Central Processing Unit) 및 당해 CPU에서 해석 실행되는 프로그램으로, 그 전부 또는 임의의 일부를 실현할 수 있으며, 와이어드 로직에 의한 하드웨어로서 실현할 수도 있다.
여기에서, 「프로그램」이란 임의의 언어나 기술 방법으로 기술된 데이터 처리 방법이고, 소스 코드나 바이너리 코드 등의 형식에 상관하지 않는다. 또한, 「프로그램」은, 반드시 단일적으로 구성되는 것에 한정되지 않고, 복수의 모듈이나 라이브러리로서 분산 구성되는 것이나, OS(Operating System)으로 대표되는 별개의 프로그램과 협동하여 그 기능을 달성하는 것을 포함한다. 또한, 프로그램은, 기록 매체에 기록되어 있고, 필요에 따라서 암 평가 장치(100)로 기계적으로 판독된다. 기록 매체에 기록된 프로그램을 각 장치로 판독하기 위한 구체적인 구성이나 판독 순서나 판독 후의 인스톨 순서 등에 관해서는, 주지의 구성이나 순서를 사용할 수 있다.
또한, 「기록 매체」란 임의의「가반용의 물리 매체」나 임의의「고정용의 물리 매체」나「통신 매체」를 포함하는 것으로 한다. 또한, 「가반용의 물리 매체」란 플렉시블 디스크나 광자기 디스크나 ROM이나 EPROM(Erasable Programmable Read Only Memory)이나 EEPROM(Electronically Erasable and Programmable Read Only Memory)이나 CD-ROM(Compact Disk Read Only Memory)이나 MO(Magneto-Optical disk)나 DVD(Digital Versatile Disk) 등이다. 「고정용의 물리 매체」란 각종 컴퓨터 시스템에 내장되는 ROM나 RAM이나 HD 등이다. 「통신 매체」란, LAN(Local Area Network)이나 WAN(Wide Area Network)이나 인터넷 등의 네트워크를 개재하여 프로그램을 송신하는 경우에 있어서의 통신 회선이나 반송파와 같이, 단기로 프로그램을 유지하는 것이다.
마지막으로, 암 평가 장치(100)에서 실시하는 다변량 판별식 작성 처리의 일례에 관해서 도 22를 참조하여 상세하게 설명한다. 도 22는 다변량 판별식 작성 처리의 일례를 도시하는 플로우챠트이다. 또한, 당해 다변량 판별식 작성 처리는, 암 상태 정보를 관리하는 데이터베이스 장치(400)에서 실시할 수 있다.
또한, 본 설명에서는, 암 평가 장치(100)는, 데이터베이스 장치(400)로부터 사전에 취득한 암 상태 정보를, 암 상태 정보 파일(106c)의 소정의 기억 영역에 저장하고 있는 것으로 한다. 또한, 암 평가 장치(100)는, 암 상태 정보 지정부(102g)에서 사전에 지정한 암 상태 지표 데이터 및 아미노산 농도 데이터를 포함하는 암 상태 정보를, 지정 암 상태 정보 파일(106d)의 소정의 기억 영역에 저장하고 있는 것으로 한다.
우선, 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 작성부(102h1)에서, 지정 암 상태 정보 파일(106d)의 소정의 기억 영역에 저장되어 있는 암 상태 정보로부터 소정의 식 작성 수법에 기초하여 후보 다변량 판별식을 작성하고, 작성한 후보 다변량 판별식을 후보 다변량 판별식 파일(106e)의 소정의 기억 영역에 저장한다(스텝 SB-21). 구체적으로는, 우선, 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 작성부(102h1)에서, 복수의 상이한 식 작성 수법(주성분 분석이나 판별 분석, 서포트 벡터 머신, 중회귀 분석, 로지스틱 회귀 분석, k-means법, 클러스터 해석, 결정나무 등의 다변량 해석에 관한 것을 포함한다.) 중에서 원하는 것을 1개 선택하고, 선택한 식 작성 수법에 기초하여, 작성하는 후보 다변량 판별식의 형(식의 형)을 결정한다. 다음으로, 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 작성부(102h1)에서, 암 상태 정보에 기초하여, 선택한 식 선택 수법에 대응하는 여러 가지(예를 들면 평균이나 분산 등)의 계산을 실행한다. 다음으로, 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 작성부(102h1)에서, 계산 결과 및 결정한 후보 다변량 판별식의 파라미터를 결정한다. 이것에 의해, 선택한 식 작성 수법에 기초하여 후보 다변량 판별식이 작성된다. 또한, 복수의 상이한 식 작성 수법을 병용하여 후보 다변량 판별식을 동시 병행(병렬)적으로 작성하는 경우는, 선택한 식 작성 수법마다 상기의 처리를 병행하여 실행할 수 있다. 또한, 복수의 상이한 식 작성 수법을 병용하여 후보 다변량 판별식을 직렬적으로 작성하는 경우는, 예를 들면, 주성분 분석을 실시하여 작성한 후보 다변량 판별식을 이용하여 암 상태 정보를 변환하고, 변환한 암 상태 정보에 대하여 판별 분석을 실시함으로써 후보 다변량 판별식을 작성할 수 있다.
다음으로, 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 검증부(102h2)에서, 스텝 SB-21에서 작성한 후보 다변량 판별식을 소정의 검증 수법에 기초하여 검증(상호 검증)하고, 검증 결과를 검증 결과 파일(106e2)의 소정의 기억 영역에 저장한다(스텝 SB-22). 구체적으로는, 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 검증부(102h2)에서, 지정 암 상태 정보 파일(106d)의 소정의 기억 영역에 저장되어 있는 암 상태 정보에 기초하여 후보 다변량 판별식을 검증할 때에 사용하는 검증용 데이터를 작성하고, 작성한 검증용 데이터에 기초하여 후보 다변량 판별식을 검증한다. 또한, 스텝 SB-21에서 복수의 상이한 식 작성 수법을 병용하여 후보 다변량 판별식을 복수 작성한 경우에는, 다변량 판별식 작성부(102h)는, 후보 다변량 판별식 검증부(102h2)에서, 각 식 작성 수법에 대응하는 후보 다변량 판별식마다 소정의 검증 수법에 기초하여 검증한다. 여기에서, 스텝 SB-22에 있어서, 부트스트랩법이나 홀드아웃법, 리프원아웃법 등 중 적어도 1개에 기초하여 후보 다변량 판별식의 판별율이나 감도, 특이성, 정보량 기준 등 중 적어도 1개에 관해서 검증할 수 있다. 이것에 의해, 암 상태 정보나 진단 조건을 고려한 예측성 또는 견뢰성이 높은 후보 지표식을 선택할 수 있다.
다음으로, 다변량 판별식 작성부(102h)는, 변수 선택부(102h3)에서, 스텝 SB-22에서의 검증 결과로부터 소정의 변수 선택 수법에 기초하여, 후보 다변량 판별식의 변수를 선택함으로써, 후보 다변량 판별식을 작성할 때에 사용하는 암 상태 정보에 포함되는 아미노산 농도 데이터의 조합을 선택하고, 선택한 아미노산 농도 데이터의 조합을 포함하는 암 상태 정보를 선택 암 상태 정보 파일(106e3)의 소정의 기억 영역에 저장한다(스텝 SB-23). 또한, 스텝 SB-21에서 복수의 상이한 식 작성 수법을 병용하여 후보 다변량 판별식을 복수 작성하고, 스텝 SB-22에서 각 식 작성 수법에 대응하는 후보 다변량 판별식마다 소정의 검증 수법에 기초하여 검증한 경우에는, 스텝 SB-23에 있어서, 다변량 판별식 작성부(102h)는, 변수 선택부(102h3)에서, 스텝 SB-22에서의 검증 결과에 대응하는 후보 다변량 판별식마다 소정의 변수 선택 수법에 기초하여 후보 다변량 판별식의 변수를 선택한다. 여기에서, 스텝 SB-23에 있어서, 검증 결과로부터 스텝와이즈법, 베스트패스법, 근방 탐색법, 유전적 알고리즘 중 적어도 1개에 기초하여 후보 다변량 판별식의 변수를 선택할 수 있다. 또한, 베스트패스법이란, 후보 다변량 판별식에 포함되는 변수를 1개씩 순차적으로 감소시켜 후보 다변량 판별식이 제공하는 평가 지표를 최적화함으로써 변수를 선택하는 방법이다. 또한, 스텝 SB-23에 있어서, 다변량 판별식 작성부(102h)는, 변수 선택부(102h3)에서, 지정 암 상태 정보 파일(106d)의 소정의 기억 영역에 저장되어 있는 암 상태 정보에 기초하여 아미노산 농도 데이터의 조합을 선택할 수 있다.
다음으로, 다변량 판별식 작성부(102h)는, 지정 암 상태 정보 파일(106d)의 소정의 기억 영역에 저장되어 있는 암 상태 정보에 포함되는 아미노산 농도 데이터의 모든 조합이 종료되었는지 여부를 판정하고, 판정 결과가「종료」인 경우(스텝 SB-24: Yes)에는 다음 스텝(스텝 SB-25)으로 진행하고, 판정 결과가「종료」가 아닌 경우(스텝 SB-24: No)에는 스텝 SB-21으로 되돌아간다. 또한, 다변량 판별식 작성부(102h)는, 미리 설정한 회수가 종료되었는지 여부를 판정하고, 판정 결과가「종료」인 경우에는(스텝 SB-24: Yes) 다음 스텝(스텝 SB-25)으로 진행하고, 판정 결과가「종료」가 아닌 경우(스텝 SB-24: No)에는 스텝 SB-21으로 되돌아갈 수 있다. 또한, 다변량 판별식 작성부(102h)는, 스텝 SB-23에서 선택한 아미노산 농도 데이터의 조합이, 지정 암 상태 정보 파일(106d)의 소정의 기억 영역에 저장되어 있는 암 상태 정보에 포함되는 아미노산 농도 데이터의 조합 또는 전회의 스텝 SB-23에서 선택한 아미노산 농도 데이터의 조합과 동일한지 여부를 판정하고, 판정 결과가「동일」한 경우(스텝 SB-24: Yes)에는 다음의 스텝(스텝 SB-25)로 진행하고, 판정 결과가「동일」하지 않은 경우(스텝 SB-24: No)에는 스텝 SB-21로 되돌아갈 수 있다. 또한, 다변량 판별식 작성부(102h)는, 검증 결과가 구체적으로는 각 후보 다변량 판별식에 관한 평가치인 경우에는, 당해 평가치와 각 식 작성 수법에 대응하는 소정의 역치와의 비교 결과에 기초하여, 스텝 SB-25로 진행할지 스텝 SB-21로 되돌아갈지를 판정할 수 있다.
이어서, 다변량 판별식 작성부(102h)는, 검증 결과에 기초하여, 복수의 후보 다변량 판별식 중에서 다변량 판별식으로서 채용하는 후보 다변량 판별식을 선출함으로써 다변량 판별식을 결정하고, 결정한 다변량 판별식(선출한 후보 다변량 판별식)을 다변량 판별식 파일(106e4)의 소정의 기억 영역에 저장한다(스텝 SB-25). 여기에서, 스텝 SB-25에 있어서, 예를 들면, 동일한 식 작성 수법으로 작성한 후보 다변량 판별식 중에서 최적의 것을 선출하는 경우와, 모든 후보 다변량 판별식 중에서 최적의 것을 선출하는 경우가 있다.
이것으로 다변량 판별식 작성 처리의 설명을 종료한다.
실시예 1
암의 확정 진단이 이루어진 암 환자군의 혈액 샘플, 및 비암군의 혈액 샘플로부터, 상기의 아미노산 분석법에 의해 혈중 아미노산 농도를 측정하였다. 아미노산 농도의 단위는 nmol/ml이다. 암환자 및 비암환자의 아미노산 변수의 분포에 관한 상자수염도를 도 23에 도시한다. 도 23에, 암환자 및 비암환자의 아미노산 변수의 분포에 관한 상자수염도를 도시한다. 또한, 도 23에 있어서, 가로축은 비암군(대조)과 암군을 나타내고, 도면 중의 ABA 및 Cys는 각각 α-ABA(α-아미노부티르산) 및 Cystine을 나타낸다. 암군과 비암군의 판별을 목적으로 2군간의 t 검정을 실시하였다.
비암군에 비해 암군에서는, Tau, Glu, Pro, ABA, Cys, Phe, Orn 및 Lys이 유의적으로 증가하고(유의차 확률 P<0.05), 또한 Gln, His, Trp 및 Arg이 유의적으로 감소되어 있었다. 이것에 의해, 아미노산 변수 Tau, Glu, Pro, ABA, Cys, Phe, Orn, Lys, Gln, His, Trp 및 Arg이, 암군과 비암군의 2군간의 판별능을 갖는 것이 판명되었다.
또한, 각 아미노산 변수에 의한 암군과 비암군의 2군 판별에 관해서, ROC(receiver operating characteristic) 곡선(도 24)의 곡선하면적(AUC)에 의한 평가를 실시하여, 아미노산 변수 Tau, Glu, Gln, Cys, Trp, Lys 및 Arg에 관해서 AUC가 0.6보다 큰 값을 나타내었다. 이것에 의해, 아미노산 변수 Tau, Glu, Gln, Cys, Trp, Lys 및 Arg이, 암군과 비암군의 2군간의 판별능을 갖는 것이 판명되었다.
실시예 2
실시예 1에서 사용한 샘플 데이터를 사용하였다. 본 출원인에 의한 국제출원인 국제공개 제2004/052191호 팜플렛에 기재된 방법을 사용하여, 암 판별에 관해서 암군과 비암군의 2군 판별 성능을 최대화하는 지표를 예의 탐색하여, 동등한 성능을 갖는 복수의 지표 중에 지표식 1이 수득되었다.
지표식 1: (Orn)/(Trp+Arg)+(Cys+Ile)/(Leu)
지표식 1에 의한 암의 진단 성능을 암군과 비암군의 2군 판별에 관해서, ROC 곡선(도 25)의 AUC에 의한 평가를 실시하여, 0.925±0.014(95% 신뢰 구간은 0.897 내지 0.953)가 취득되었다. 또한, 지표식 1에 의한 암군과 비암군의 2군 판별의 컷오프 값에 관해서, 암군의 유의율을 0.011로 하여 최적의 컷오프 값을 구하면, 컷오프 값이 1.41가 되고, 감도 82%, 특이도 89%, 양성 적중율 48%, 음성 적중율 98%, 정진율(正診率) 88%가 취득되어 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한, 이것 이외에 지표식 1과 동등한 판별 성능을 갖는 분수식은 복수 취득되었다. 이들을 도 26, 도 27, 도 28 및 도 29에 도시한다.
실시예 3
실시예 1에서 사용한 샘플 데이터를 사용하였다. 암에 관해서 암군과 비암군의 2군 판별 성능을 최대화하는 지표를 로지스틱 해석(BIC(bayesian information criterion) 최소 기준에 의한 변수 망라법)에 의해 탐색하고, 지표식 2로서 Orn, Cys, Tau, Trp, Gln 및 Cit으로 구성되는 로지스틱 회귀식(아미노산 변수 Orn, Cys, Tau, Trp, Gln 및 Cit의 수 계수와 상수항은 순차적으로, 0.144±0.014, 0.085±0.021, 0.051±0.011, -0.161±0.021, -0.016±0.003, -0.084±0.024 및 0.967±1.613)가 취득되었다.
지표식 2에 의한 암의 진단 성능을 암군과 비암군의 2군 판별에 관해서, ROC 곡선(도 30)의 AUC에 의한 평가를 실시하여, 0.946±0.011(95% 신뢰 구간은 0.925 내지 0.968)가 취득되어 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한 지표식 2에 의한 암군과 비암군의 2군 판별의 컷오프 값에 관해서, 암군의 유의율을 0.011로 하여 최적의 컷오프 값을 구하면, 컷오프 값이 0.123이 되고, 감도 88%, 특이도 88%, 양성 적중율 51%, 음성 적중율 98%, 정진율 88%이 취득되어 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한, 이것 이외에 지표식 2와 동등한 판별 성능을 갖는 로지스틱 회귀식은 복수 취득되었다. 이들을 도 31, 도 32, 도 33 및 도 34에 도시한다. 또한, 도 31, 도 32, 도 33 및 도 34에 도시하는 식에 있어서의 각 계수의 값, 및 그 95% 신뢰 구간은, 이를 실수배한 것일 수 있으며, 상수항의 값, 및 그 95% 신뢰 구간은, 그것에 임의의 실상수를 가감승제한 것일 수 있다.
실시예 4
실시예 1에서 사용한 샘플 데이터를 사용하였다. 암에 관해서 암군과 비암군의 2군 판별 성능을 최대화하는 지표를 선형 판별 분석(변수 망라법)에 의해 탐색하고, 지표식 3으로서 Orn, Cys, Arg, Tau, Trp 및 Gln으로 구성되는 선형 판별식(아미노산 변수 Orn, Cys, Arg, Tau, Trp 및 Gln의 수 계수는 순차적으로, 10.683±1.134, 6.461±2.416, -2.416±1.028, 4.872±1.324, -8.048±1.887 및 -1±0.259)가 취득되었다.
지표식 3에 의한 암의 진단 성능을 암군과 비암군의 2군 판별에 관해서, ROC 곡선(도 35)의 AUC에 의한 평가를 실시하여, 0.938±0.012(95% 신뢰 구간은 0.915 내지 0.962)가 취득되어 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한 지표식 3에 의한 암군과 비암군의 2군 판별의 컷오프 값에 관해서, 암군의 유의율을 0.011로 하여 최적의 컷오프 값을 구하면, 컷오프 값이 140.1이 되고, 감도 86%, 특이도 88%, 양성 적중율 51%, 음성 적중율 98%, 정진율 88%이 취득되어, 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한, 이것 이외에 지표식 3과 동등한 판별 성능을 갖는 선형 판별식은 복수 취득되었다. 이들을 도 36, 도 37, 도 38 및 도 39에 도시한다. 또한, 도 36, 도 37, 도 38 및 도 39에 도시하는 식에 있어서의 각 계수의 값, 및 그 95% 신뢰 구간은, 이를 실수배한 것일 수 있으며, 상수항의 값, 및 그 95% 신뢰 구간은, 그것에 임의의 실상수를 가감승제한 것일 수 있다.
실시예 5
실시예 1에서 사용한 샘플 데이터를 사용하였다. 암에 관해서 암군과 비암군의 2군 판별을 실시하는 선형 판별식을 변수 망라법에 의해 모든 식을 추출하였 다. 이 때, 각 식에 출현하는 아미노산 변수의 최대치는 6으로서, 이 조건을 만족시키는 모든 식의 ROC 곡선하면적을 계산하였다. 이 때, ROC 곡선하면적이 일정 역치 이상인 식 중에서, 각 아미노산이 출현하는 빈도를 측정한 결과, Cys, Gln, Trp, Orn 및 Arg이 ROC 곡선하면적 0.75, 0.8, 0.85 및 0.9를 각각 역치로 했을 때, 항상 고빈도로 추출되는 아미노산의 상위 10위 이내가 되는 것이 확인되어, 이들의 아미노산을 변수로서 사용한 다변량 판별식이 암군과 비암군의 2군간의 판별능을 갖는 것이 판명되었다(도 40).
실시예 6
생검에 의한 암의 진단이 이루어진 암환자군의 혈액 샘플 및 비암환자군의 혈액 샘플로부터, 상기의 아미노산 분석법에 의해 혈중 아미노산 농도를 측정하였다. 암환자 및 비암환자의 아미노산 변수의 분포를 도 41에 도시한다. 암군과 비암군의 판별을 목적으로 2군간의 t 검정을 실시하였다.
비암군에 비해 암군에서는, Ser, Glu, Pro, ABA, Ile 및 Orn이 유의적으로 증가하고, His 및 Trp이 유의적으로 감소되고 있었다. 이것에 의해, 아미노산 변수 Ser, Glu, Pro, ABA, Ile, Orn, His 및 Trp이 암군과 비암군의 2군간의 판별능을 갖는 것이 판명되었다.
또한, 각 아미노산 변수에 의한 암군과 비암군의 2군 판별에 관해서, ROC 곡선의 AUC(도 42)에 의한 평가를 실시하여, 아미노산 변수 Ser, Glu, Pro, His 및 Orn에 관해서 AUC가 0.6보다 큰 값을 나타내었다. 이것에 의해, 아미노산 변수 Ser, Glu, Pro, His 및 Orn이, 암군과 비암군의 2군간의 판별능을 갖는 것이 판명되었다.
실시예 7
실시예 6에서 사용한 샘플 데이터를 사용하였다. 본 출원인에 의한 국제출원인 국제공개 제2004/052191호 팜플렛에 기재된 방법을 사용하여, 암 판별에 관해서 암군과 비암군의 2군 판별 성능을 최대화하는 지표를 예의 탐색하여, 동등한 성능을 갖는 복수의 지표 중에 지표식 4가 취득되었다.
지표식 4: Glu/His+0.14×Ser/Trp-0.38×Val/Lys+0.17×Pro/Arg
지표식 4에 의한 암의 진단 성능을 암군과 비암군의 2군 판별에 관해서, ROC 곡선(도 43)의 AUC에 의한 평가를 실시하고, 0.855±0.002(95% 신뢰 구간은 0.816 내지 0.895)가 취득되었다. 또한, 지표식 4에 의한 암군과 비암군의 2군 판별의 컷오프 값에 관해서, 암군의 유의율을 0.8%로 하여 최적의 컷오프 값을 구하면, 컷오프 값이 0.551이 되고, 감도 78.72%, 특이도 76.30%, 양성 적중율 2.61%, 음성 적중율 99.78%, 정진율 76.32%이 취득되고(도 43), 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한, 이밖에 지표식 4와 동등한 판별 성능을 갖는 다변량 판별식은 복수 취득되었다. 이들을 도 44 및 도 45에 도시한다. 또한, 도 44 및 도 45에 도시하는 식에 있어서의 각 계수의 값은, 이를 실수배한 것, 또는 임의의 상수항을 부가한 것일 수 있다.
실시예 8
실시예 6에서 사용한 샘플 데이터를 사용하였다. 암에 관해서 암군과 비암군의 2군 판별 성능을 최대화하는 지표를 로지스틱 해석(BIC 최소 기준에 의한 변수 망라법)에 의해 탐색하여, 지표식 5로서 Glu, Gly, ABA, Val, His 및 Lys으로 구성되는 로지스틱 회귀식(아미노산 변수 Glu, Gly, ABA, Val, His 및 Lys의 수 계수와 상수항은 순차적으로, 0.0954±0.0012, 0.0078±0.0002, 0.1135±0.0024, -0.015±0.0004, -0.0715±0.0012, 0.0158±0.0004 및 -2.2783±0.1168)이 취득되었다.
지표식 5에 의한 암의 진단 성능을 암군과 비암군의 2군 판별에 관해서, ROC 곡선(도 46)의 AUC에 의한 평가를 실시하여, 0.865±0.020(95% 신뢰 구간은 0.826 내지 0.903)가 취득되어 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한, 지표식 5에 의한 암군과 비암군의 2군 판별의 컷오프 값에 관해서, 암군의 유의율을 0.8%로 하여 최적의 컷오프 값을 구하면, 컷오프 값이 0.298이 되고, 감도 81.6%, 특이도 78.9%, 양성 적중율 3.02%, 음성 적중율 99.81%, 정진율 78.92%가 취득되어(도 46), 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한, 이밖에 지표식 5와 동등한 판별 성능을 갖는 로지스틱 회귀식은 복수 취득되었다. 이들을 도 47 및 도 48에 도시한다. 또한, 도 47 및 도 48에 도시하는 식에 있어서의 각 계수의 값은, 이를 실수배한 것일 수 있다.
실시예 9
실시예 6에서 사용한 샘플 데이터를 사용하였다. 암에 관해서 암군과 비암군의 2군 판별 성능을 최대화하는 지표를 선형 판별 분석(변수 망라법)에 의해 탐색하여, 지표식 6으로서 Glu, Ala, ABA, Val, His 및 Orn으로 구성되는 선형 판별 함수(아미노산 변수 Glu, Ala, ABA, Val, His 및 Orn의 수 계수는 순차적으로, 1±0.02, 0.05±0.0018, 1.4209±0.0352, -0.1966±0.0036, -0.7279±0.0133 및 0.3416±0.0110)가 취득되었다.
지표식 6에 의한 암의 진단 성능을 암군과 비암군의 2군 판별에 관해서, ROC 곡선(도 49)의 AUC에 의한 평가를 실시하여, 0.854±0.021(95% 신뢰 구간은 0.814 내지 0.894)가 취득되어 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한 지표식 6에 의한 암군과 비암군의 2군 판별의 컷오프 값에 관해서, 암군의 유의율을 0.8%로 하여 최적의 컷오프 값을 구하면, 컷오프 값이 -8.07이 되고, 감도 81.6%, 특이도 74.0%, 양성 적중율 2.47%, 음성 적중율 99.80%, 정진율 74.1%이 취득되어(도 49), 진단 성능이 높고 유용한 지표인 것이 판명되었다. 또한, 이밖에 지표식 6과 동등한 판별 성능을 갖는 선형 판별 함수는 복수 취득되었다. 이들을 도 50 및 도 51에 도시한다. 또한, 도 50 및 도 51에 도시하는 식에 있어서의 각 계수의 값은, 이를 실수배한 것, 또는 임의의 상수항을 부가한 것일 수 있다.
실시예 10
실시예 6에서 사용한 샘플 데이터를 사용하였다. 암에 관해서 암군과 비암군의 2군 판별을 실시하는 선형 판별식을 변수 망라법에 의해 모든 식을 추출하였 다. 이 때, 각 식에 출현하는 아미노산 변수의 최대치는 4로서, 이 조건을 만족시키는 모든 식의 ROC 곡선하면적을 계산하였다. 이 때, ROC 곡선하면적이 0.8, 0.775, 0.75, 0.725, 0.725 이상인 판별식으로, 각 아미노산이 출현하는 빈도를 측정한 결과, 모든 조건에 있어서 Glu, His, Trp, Orn, Ser 및 ABA가 고빈도로 출현되는 상위 10위 이내로 되어 있는 것이 확인되어, 이들의 아미노산을 변수로서 사용한 다변량 판별식이 암군과 비암군의 2군간의 판별능을 갖는 것이 판명되었다(도 52).
이상과 같이, 본 발명에 따르는 암 상태의 평가 방법, 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체는, 산업상의 많은 분야, 특히 의약품이나 식품, 의료 등의 분야에서 널리 실시할 수 있으며, 특히, 암의 병태 예측이나 질병 리스크 예측이나 프로테옴이나 메타볼롬 해석 등을 실시하는 바이오인포매틱스 분야에서 극히 유용하다.

Claims (40)

  1. 혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치와, 임계치에 기초하여, 상기 평가 대상에 관해서 암인지를 평가하기 위한 정보를 제공하는 농도치 기준 평가 스텝(S-12, SA-13)을 포함하는 것을 특징으로 하는 분석 방법.
  2. 제1항에 있어서, 상기 농도치 기준 평가 스텝(S-12, SA-13)은, 적어도 Gln, Trp, 및 Orn의 상기 농도치와, 임계치에 기초하여, 상기 평가 대상에 관해서 암인지를 평가하기 위한 정보를 제공하는 것을 특징으로 하는 분석 방법.
  3. 제1항 또는 제2항에 있어서, 상기 농도치 기준 평가 스텝(S-12, SA-13)은, 상기 아미노산의 상기 농도치와, 임계치에 기초하여, 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하기 위한 정보를 제공하는 것을 특징으로 하는 분석 방법.
  4. 제1항에 있어서, 상기 농도치 기준 평가 스텝(S-12, SA-13)은, 상기 평가 대상의 상기 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치, 및, 상기 아미노산의 농도를 변수로서 포함하는 상기 암인지를 평가하기 위한 정보를 제공하기 위한 다변량 판별식에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 스텝(S-12, SA-13)을 추가로 포함하고, 상기 다변량 판별식은, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것을 특징으로 하는 분석 방법.
  5. 제4항에 있어서, 상기 판별치 산출 스텝(S-12, SA-13)은, 적어도 Gln, Trp, 및 Orn의 상기 농도치, 및, 적어도 Gln, Trp, 및 Orn을 상기 변수로서 포함하는 상기 다변량 판별식에 기초하여, 상기 판별치를 산출하는 것을 특징으로 하는 분석 방법.
  6. 제4항 또는 제5항에 있어서, 상기 농도치 기준 평가 스텝(S-12, SA-13)은, 상기 판별치 산출 스텝(S-12, SA-13)에서 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가하기 위한 정보를 제공하는 판별치 기준 평가 스텝(S-12, SA-13)을 추가로 포함하는 것을 특징으로 하는 분석 방법.
  7. 제6항에 있어서, 상기 판별치 기준 평가 스텝(S-12, SA-13)은, 상기 판별치 산출 스텝(S-12, SA-13)에서 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하기 위한 정보를 제공하는 것을 특징으로 하는 분석 방법.
  8. 제7항에 있어서, 상기 다변량 판별식은, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자, 분모, 또는 이들의 양쪽에 상기 아미노산을 상기 변수로서 포함하는 것을 특징으로 하는 분석 방법.
  9. 제7항에 있어서, 상기 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 하는 분석 방법.
  10. 제9항에 있어서, 상기 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로서 포함하는 상기 로지스틱 회귀식, 또는, Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로서 포함하는 상기 선형 판별식인 것을 특징으로 하는 분석 방법.
  11. 혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치와 상기 아미노산의 농도를 변수로서 포함하는 암인지를 평가하기 위한 정보를 제공하기 위한 다변량 판별식에 기초하여 산출된 당해 다변량 판별식의 값인 판별치와, 임계치에 기초하여, 상기 평가 대상에 관해서, 상기 암인지를 평가하기 위한 정보를 제공하는 판별치 기준 평가 스텝(S-12, SA-13)을 포함하고, 상기 다변량 판별식은, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것을 특징으로 하는 분석 방법.
  12. 제어 수단(102)과 기억 수단(106)을 구비하는 평가 장치(100)로서,
    상기 제어 수단(102)은,
    혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치, 및, 상기 아미노산의 농도를 변수로서 포함하는 상기 기억 수단(106)으로 기억한 암인지를 평가하기 위한 다변량 판별식으로서, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 수단(102i)을 구비한 것을 특징으로 하는 평가 장치(100).
  13. 제12항에 있어서, 상기 판별치 산출 수단(102i)은, 적어도 Gln, Trp, 및 Orn의 상기 농도치, 및, 적어도 Gln, Trp, 및 Orn을 상기 변수로서 포함하는 상기 다변량 판별식에 기초하여, 상기 판별치를 산출하는 것을 특징으로 하는 평가 장치(100).
  14. 제12항 또는 제13항에 있어서, 상기 제어 수단(102)은, 상기 판별치 산출 수단(102i)으로 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가하는 판별치 기준 평가 수단(102j)을 추가로 구비한 것을 특징으로 하는 평가 장치(100).
  15. 제14항에 있어서, 상기 판별치 기준 평가 수단(102j)은, 상기 판별치 산출 수단(102i)으로 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 것을 특징으로 하는 평가 장치(100).
  16. 제15항에 있어서, 상기 다변량 판별식은, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자, 분모, 또는 이들의 양쪽에 상기 아미노산을 상기 변수로서 포함하는 것을 특징으로 하는 평가 장치(100).
  17. 제15항에 있어서, 상기 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 하는 평가 장치(100).
  18. 제17항에 있어서, 상기 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로서 포함하는 상기 로지스틱 회귀식, 또는, Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로서 포함하는 상기 선형 판별식인 것을 특징으로 하는 평가 장치(100).
  19. 제12항에 있어서, 상기 제어 수단(102)은,
    상기 아미노산 농도 데이터와 상기 암의 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 상기 기억 수단(106)으로 기억한 암 상태 정보에 기초하여, 상기 기억 수단(106)으로 기억하는 상기 다변량 판별식을 작성하는 다변량 판별식 작성 수단(102h)을 추가로 구비하고,
    상기 다변량 판별식 작성 수단(102h)은,
    상기 암 상태 정보로부터 소정의 식 작성 수법에 기초하여, 상기 다변량 판별식의 후보인 후보 다변량 판별식을 작성하는 후보 다변량 판별식 작성 수단(102h1)과,
    상기 후보 다변량 판별식 작성 수단(102h1)으로 작성한 상기 후보 다변량 판별식을, 소정의 검증 수법에 기초하여 검증하는 후보 다변량 판별식 검증 수단(102h2)과,
    소정의 변수 선택 수법에 기초하여 상기 후보 다변량 판별식의 변수를 선택함으로써, 상기 후보 다변량 판별식을 작성할 때에 사용하는 상기 암 상태 정보에 포함되는 상기 아미노산 농도 데이터의 조합을 선택하는 변수 선택 수단(102h3)을 추가로 구비하고,
    상기 후보 다변량 판별식 작성 수단(102h1), 상기 후보 다변량 판별식 검증 수단(102h2) 및 상기 변수 선택 수단(102h3)을 반복 실행하여 축적한 상기 검증 결과에 기초하여, 복수의 상기 후보 다변량 판별식 중에서 상기 다변량 판별식으로서 채용하는 상기 후보 다변량 판별식을 선출함으로써, 상기 다변량 판별식을 작성하는 것을 특징으로 하는 평가 장치(100).
  20. 제어 수단(102)을 구비한 평가 장치(100)로서,
    상기 제어 수단(102)은,
    혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치와 상기 아미노산의 농도를 변수로서 포함하는 암인지를 평가하기 위한 다변량 판별식으로서 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여 산출된 당해 다변량 판별식의 값인 판별치와, 임계치에 기초하여, 상기 평가 대상에 관해서, 상기 암인지를 평가하는 판별치 기준 평가 수단(102j)을 구비한 것을 특징으로 하는 평가 장치(100).
  21. 제어 수단(102)과 기억 수단(106)을 구비한 정보 처리 장치(100)에서 실행하는 분석 방법으로서, 상기 제어 수단(102)으로,
    (i) 혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치, 및, 상기 아미노산의 농도를 변수로서 포함하는 상기 기억 수단(106)으로 기억한 암인지를 평가하기 위한 다변량 판별식으로서, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 스텝(S-21, SA-25)을 실행하는 것을 특징으로 하는 분석 방법.
  22. 제21항에 있어서, 상기 판별치 산출 스텝(S-21, SA-25)은, 적어도 Gln, Trp, 및 Orn의 상기 농도치, 및, 적어도 Gln, Trp, 및 Orn을 상기 변수로서 포함하는 상기 다변량 판별식에 기초하여, 상기 판별치를 산출하는 것을 특징으로 하는 분석 방법.
  23. 제21항 또는 제22항에 있어서, 상기 제어 수단(102)으로,
    (ii) 상기 판별치 산출 스텝(S-21, SA-25)에서 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가하는 판별치 기준 평가 스텝(S-22, SA-26)을 추가로 실행하는 것을 특징으로 하는 분석 방법.
  24. 제23항에 있어서, 상기 판별치 기준 평가 스텝(S-22, SA-26)은, 상기 판별치 산출 스텝(S-21, SA-25)에서 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암 또는 비암인지의 여부를 판별하는 것을 특징으로 하는 분석 방법.
  25. 제24항에 있어서, 상기 다변량 판별식은, 1개의 분수식 또는 복수의 상기 분수식의 합으로 표시되며, 이를 구성하는 상기 분수식의 분자, 분모, 또는 이들의 양쪽에 상기 아미노산을 상기 변수로서 포함하는 것을 특징으로 하는 분석 방법.
  26. 제24항에 있어서, 상기 다변량 판별식은, 로지스틱 회귀식, 선형 판별식, 중회귀식, 서포트 벡터 머신으로 작성된 식, 마하라노비스 거리법으로 작성된 식, 정준 판별 분석으로 작성된 식, 결정나무로 작성된 식 중 어느 하나인 것을 특징으로 하는 분석 방법.
  27. 제26항에 있어서, 상기 다변량 판별식은, Orn, Cys, Tau, Trp, Gln 및 Cit을 상기 변수로서 포함하는 상기 로지스틱 회귀식, 또는, Orn, Cys, Arg, Tau, Trp 및 Gln을 상기 변수로서 포함하는 상기 선형 판별식인 것을 특징으로 하는 분석 방법.
  28. 제21항에 있어서, 상기 제어 수단(102)으로,
    상기 아미노산 농도 데이터와 상기 암의 상태를 나타내는 지표에 관한 암 상태 지표 데이터를 포함하는 상기 기억 수단(106)으로 기억한 암 상태 정보에 기초하여, 상기 기억 수단(106)으로 기억하는 상기 다변량 판별식을 작성하는 다변량 판별식 작성 스텝을 추가로 실행하고,
    상기 다변량 판별식 작성 스텝은,
    상기 암 상태 정보로부터 소정의 식 작성 수법에 기초하여, 상기 다변량 판별식의 후보인 후보 다변량 판별식을 작성하는 후보 다변량 판별식 작성 스텝(SB-21)과,
    상기 후보 다변량 판별식 작성 스텝(SB-21)에서 작성한 상기 후보 다변량 판별식을, 소정의 검증 수법에 기초하여 검증하는 후보 다변량 판별식 검증 스텝(SB-22)과,
    소정의 변수 선택 수법에 기초하여 상기 후보 다변량 판별식의 변수를 선택함으로써, 상기 후보 다변량 판별식을 작성할 때에 사용하는 상기 암 상태 정보에 포함되는 상기 아미노산 농도 데이터의 조합을 선택하는 변수 선택 스텝(SB-23)을 추가로 포함하고,
    상기 후보 다변량 판별식 작성 스텝(SB-21), 상기 후보 다변량 판별식 검증 스텝(SB-22) 및 상기 변수 선택 스텝(SB-23)을 반복 실행하여 축적한 상기 검증 결과에 기초하여, 복수의 상기 후보 다변량 판별식 중에서 상기 다변량 판별식으로서 채용하는 상기 후보 다변량 판별식을 선출함으로써, 상기 다변량 판별식을 작성하는 것을 특징으로 하는 분석 방법.
  29. 제어 수단(102)을 구비한 정보 처리 장치(100)로 실행하는 분석 방법으로서,
    상기 제어 수단(102)으로,
    혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치와 상기 아미노산의 농도를 변수로서 포함하는 암인지를 평가하기 위한 다변량 판별식으로서 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여 산출된 당해 다변량 판별식의 값인 판별치와, 임계치에 기초하여, 상기 평가 대상에 관해서, 상기 암인지를 평가하는 판별치 기준 평가 스텝(S-22, SA-26)을 실행하는 것을 특징으로 하는 분석 방법.
  30. 제어 수단(102)과 기억 수단(106)을 구비한 평가 장치(100)와, 혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터를 제공하는 정보 통신 단말 장치(200)를, 네트워크(300)를 개재하여 통신 가능하게 접속하여 구성된 평가 시스템으로서,
    상기 정보 통신 단말 장치(200)는,
    상기 평가 대상의 상기 아미노산 농도 데이터를 상기 평가 장치(100)로 송신하는 아미노산 농도 데이터 송신 수단(214)과,
    상기 평가 장치(100)로부터 송신된 아미노산의 농도를 변수로서 포함하는 암인지를 평가하기 위한 다변량 판별식의 값인 판별치를 수신하는 결과 수신 수단(213)을 구비하고,
    상기 평가 장치(100)의 상기 제어 수단(102)은,
    상기 정보 통신 단말 장치(200)로부터 송신된 상기 평가 대상의 상기 아미노산 농도 데이터를 수신하는 아미노산 농도 데이터 수신 수단(102f)과,
    상기 아미노산 농도 데이터 수신 수단(102f)으로 수신한 상기 평가 대상의 상기 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치, 및, 상기 기억 수단(106)으로 기억한 상기 다변량 판별식으로서, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여, 상기 판별치를 산출하는 판별치 산출 수단(102i)과,
    상기 판별치 산출 수단(102i)으로 산출한 상기 판별치를 상기 정보 통신 단말 장치(200)로 송신하는 결과 송신 수단(102m)을 구비한 것을 특징으로 하는 평가 시스템.
  31. 제30항에 있어서, 상기 평가 장치(100)의 상기 제어 수단(102)은,
    상기 판별치 산출 수단(102i)으로 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가하는 판별치 기준 평가 수단(102j)을 추가로 구비하고,
    상기 결과 송신 수단(102m)은, 상기 판별치 기준 평가 수단(102j)에서의 상기 평가 대상의 평가 결과를 상기 정보 통신 단말 장치(200)로 송신하고,
    상기 결과 수신 수단(213)은, 상기 평가 장치(100)로부터 송신된 상기 평가 대상의 상기 평가 결과를 수신하는 것을 특징으로 하는 평가 시스템.
  32. 제어 수단(102)과 기억 수단(106)을 구비한 정보 처리 장치(100)에 실행시키는 평가 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체로서,
    상기 제어 수단(102)에,
    (i) 혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치, 및, 상기 아미노산의 농도를 변수로서 포함하는 상기 기억 수단(106)으로 기억한 암인지를 평가하기 위한 다변량 판별식으로서, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 스텝(S-21, SA-25)을 실행시키는 상기 평가 프로그램을 기록한 것을 특징으로 하는 컴퓨터 판독 가능한 기록 매체.
  33. 제32항에 있어서, 상기 제어 수단(102)에, 상기 판별치 산출 스텝(S-21, SA-25)에서 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가하는 판별치 기준 평가 스텝(S-22, SA-26)을 추가로 실행시키는 상기 평가 프로그램을 기록한 것을 특징으로 하는 컴퓨터 판독 가능한 기록 매체.
  34. 제어 수단(102)을 구비한 정보 처리 장치(100)에 실행시키는 평가 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체로서,
    상기 제어 수단(102)에,
    혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치와 상기 아미노산의 농도를 변수로서 포함하는 암인지를 평가하기 위한 다변량 판별식으로서 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여 산출된 당해 다변량 판별식의 값인 판별치와, 임계치에 기초하여, 상기 평가 대상에 관해서, 상기 암인지를 평가하는 판별치 기준 평가 스텝(S-22, SA-26)을 실행시키는 상기 평가 프로그램을 기록한 것을 특징으로 하는 컴퓨터 판독 가능한 기록 매체.
  35. 아미노산의 농도를 변수로서 포함하는 암인지를 평가하기 위한 다변량 판별식의 값인 판별치를 취득하는 결과 취득 수단(213)을 구비하고,
    상기 판별치는, 혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치, 및, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 상기 다변량 판별식에 기초하여 산출한 것인 것을 특징으로 하는 정보 통신 단말 장치(200).
  36. 제35항에 있어서, 상기 결과 취득 수단(213)은, 상기 암인지에 관한 상기 평가 대상의 평가 결과를 취득하고, 상기 평가 결과는, 상기 판별치와 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가한 결과인 것을 특징으로 하는 정보 통신 단말 장치(200).
  37. 제35항에 있어서, 상기 판별치를 산출하는 평가 장치(100)와 네트워크(300)를 개재하여 통신 가능하게 접속되어 있고, 상기 평가 대상의 상기 아미노산 농도 데이터를 상기 평가 장치(100)로 송신하는 아미노산 농도 데이터 송신 수단(214)을 추가로 구비하고, 상기 결과 취득 수단(213)은, 상기 평가 장치(100)로부터 송신된 상기 판별치를 수신하는 것을 특징으로 하는 정보 통신 단말 장치(200).
  38. 제37항에 있어서, 상기 결과 취득 수단(213)은, 상기 평가 장치(100)로부터 송신된, 상기 암인지에 관한 상기 평가 대상의 평가 결과를 수신하고, 상기 평가 결과는, 상기 판별치와 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가한 결과인 것을 특징으로 하는 정보 통신 단말 장치(200).
  39. 혈액 중의 아미노산의 농도치에 관한 평가 대상의 아미노산 농도 데이터를 제공하는 정보 통신 단말 장치(200)와 네트워크(300)를 개재하여 통신 가능하게 접속된, 제어 수단(102)과 기억 수단(106)을 구비한 평가 장치(100)로서,
    상기 제어 수단(102)은,
    상기 정보 통신 단말 장치(200)로부터 송신된 상기 평가 대상의 상기 아미노산 농도 데이터를 수신하는 아미노산 농도 데이터 수신 수단(102f)과,
    상기 아미노산 농도 데이터 수신 수단(102f)으로 수신한 상기 평가 대상의 상기 아미노산 농도 데이터에 포함되는 적어도 Gln 및 Trp의 상기 농도치, 및, 상기 아미노산의 농도를 변수로서 포함하는 상기 기억 수단(106)으로 기억한 암인지를 평가하기 위한 다변량 판별식으로서, 적어도 Gln 및 Trp를 상기 변수로서 포함하는 것에 기초하여, 당해 다변량 판별식의 값인 판별치를 산출하는 판별치 산출 수단(102i)과,
    상기 판별치 산출 수단(102i)으로 산출한 상기 판별치를 상기 정보 통신 단말 장치(200)로 송신하는 결과 송신 수단(102m)을 구비한 것을 특징으로 하는 평가 장치(100).
  40. 제39항에 있어서, 상기 제어 수단(102)은, 상기 판별치 산출 수단(102i)으로 산출한 상기 판별치와, 임계치에 기초하여 상기 평가 대상에 관해서 상기 암인지를 평가하는 판별치 기준 평가 수단(102j)을 추가로 구비하고, 상기 결과 송신 수단(102m)은, 상기 판별치 기준 평가 수단(10 2j)에서의 상기 평가 대상의 평가 결과를 상기 정보 통신 단말 장치(200)로 송신하는 것을 특징으로 하는 평가 장치(100).
KR1020097012596A 2006-12-21 2007-12-18 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체 KR101542037B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2006-344936 2006-12-21
JP2006344936 2006-12-21

Publications (2)

Publication Number Publication Date
KR20090091301A KR20090091301A (ko) 2009-08-27
KR101542037B1 true KR101542037B1 (ko) 2015-08-05

Family

ID=39536294

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020097012596A KR101542037B1 (ko) 2006-12-21 2007-12-18 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체

Country Status (6)

Country Link
US (1) US20100017145A1 (ko)
EP (1) EP2103941A4 (ko)
JP (2) JPWO2008075664A1 (ko)
KR (1) KR101542037B1 (ko)
CN (2) CN103760367B (ko)
WO (1) WO2008075664A1 (ko)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008016111A1 (en) 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Method for evaluation of lung cancer, lung cancer evaluation apparatus, lung cancer evaluation method, lung cancer evaluation system, lung cancer evaluation program, and recording medium
EP2096439A4 (en) 2006-12-21 2011-01-05 Ajinomoto Kk METHOD, APPARATUS, METHOD, SYSTEM AND SOFTWARE FOR EVALUATING COLORECTAL CANCER, AND RECORDING MEDIUM
EP2103940A4 (en) 2006-12-21 2013-04-24 Ajinomoto Kk METHOD, APPARATUS, METHOD, SYSTEM AND SOFTWARE FOR ASSESSING BREAST CANCER, AND RECORDING MEDIUM
EP2172775A4 (en) 2007-06-25 2010-12-01 Ajinomoto Kk METHOD OF EVALUATING VISCERAL GREASE ACCUMULATION
KR101272207B1 (ko) * 2008-02-06 2013-06-07 아지노모토 가부시키가이샤 위암의 평가 방법, 및 위암 평가 장치, 위암 평가 방법, 위암 평가 시스템, 위암 평가 프로그램 및 기록 매체
KR101361601B1 (ko) * 2008-03-04 2014-02-12 아지노모토 가부시키가이샤 암종의 평가 방법
WO2009154296A1 (ja) * 2008-06-20 2009-12-23 味の素株式会社 女性生殖器癌の評価方法
JP5754137B2 (ja) * 2008-06-20 2015-07-29 味の素株式会社 前立腺癌の評価方法、前立腺癌評価装置、前立腺癌評価方法、前立腺癌評価プログラム、記録媒体、前立腺癌評価システム、および情報通信端末装置
JP5817527B2 (ja) * 2009-02-19 2015-11-18 味の素株式会社 肥満の評価方法、肥満評価装置、肥満評価方法、肥満評価システム、肥満評価プログラム、記録媒体、および情報通信端末装置
JP2011247869A (ja) * 2010-04-27 2011-12-08 Kobe Univ メタボローム解析手法を用いた特定疾患の検査方法
BR112012030587A2 (pt) * 2010-06-01 2017-01-24 Ernst Moritz Arndt Universität métodos para diagnóstico de câncer pancreático, para identificar se um indivíduo precisa ou não de uma terapia contra câncer pancreático e para determinar se uma terapia contra câncer pancreático obtém sucesso, dispositivo para diagnóstico de câncer pancreático e uso de pelo menos um biomarcador
WO2013168550A1 (ja) * 2012-05-11 2013-11-14 味の素株式会社 癌免疫療法の評価方法、癌免疫療法評価装置、癌免疫療法評価プログラム、癌免疫療法評価システムおよび情報通信端末装置
JP6299063B2 (ja) * 2012-11-27 2018-03-28 味の素株式会社 膵臓癌リスク疾患の評価のための方法、膵臓癌リスク疾患評価装置、膵臓癌リスク疾患評価方法、膵臓癌リスク疾患評価プログラムおよび膵臓癌リスク疾患評価システム
JP6269502B2 (ja) * 2012-11-27 2018-01-31 味の素株式会社 膵臓癌の評価方法、膵臓癌評価装置、膵臓癌評価方法、膵臓癌評価プログラム、膵臓癌評価システムおよび端末装置
US20160370379A1 (en) * 2014-12-22 2016-12-22 J-Pharma Co., Ltd. Blood-based biomarker for cancer
WO2017213246A1 (ja) 2016-06-10 2017-12-14 株式会社日立製作所 尿中代謝物による疾病診断法
JP6927212B2 (ja) 2016-07-08 2021-08-25 味の素株式会社 軽度認知障害又はアルツハイマー型認知症の評価方法
JP6870679B2 (ja) 2016-07-08 2021-05-12 味の素株式会社 アルツハイマー型認知症の将来の発症リスクの評価方法
KR102427923B1 (ko) 2016-10-04 2022-08-02 아지노모토 가부시키가이샤 대장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
JPWO2018066620A1 (ja) * 2016-10-04 2019-07-18 味の素株式会社 膵臓癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置
WO2018101450A1 (ja) 2016-12-01 2018-06-07 味の素株式会社 癌モニタリングの方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、評価システム、及び端末装置
JP7120027B2 (ja) * 2017-02-02 2022-08-17 味の素株式会社 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、および評価システム
EP3646328A4 (en) * 2017-06-29 2021-04-21 Quanticision Diagnostics Inc. APPARATUS AND METHOD FOR ABSOLUTE QUANTIFICATION OF BIOMARKERS ALLOWING A DIAGNOSIS OF SOLID TUMOR
WO2019194144A1 (ja) * 2018-04-02 2019-10-10 味の素株式会社 乳癌の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置
CN109916849A (zh) * 2019-04-04 2019-06-21 新疆大学 基于近红外光谱相关性分析检测样品理化性质的方法
CN111583993A (zh) * 2020-05-29 2020-08-25 杭州广科安德生物科技有限公司 构建体外检测癌症的数学模型的方法及其应用
CN114279911A (zh) * 2021-11-12 2022-04-05 万贝医疗健康科技(上海)有限公司 放化疗术后卵巢、宫颈癌细胞活动状态评估设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1570779A1 (en) 2002-12-09 2005-09-07 Ajinomoto Co., Inc. Organism condition information processor, organism condition information processing method, organism condition information managing system, program, and recording medium
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61126472A (ja) * 1984-11-24 1986-06-13 Advance Res & Dev Co Ltd 診断方法
US6059724A (en) * 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
US6300136B1 (en) * 1997-09-03 2001-10-09 The Trustees Of The University Of Pennsylvania Methods for diagnosis and treatment of tumors in humans
CA2371385A1 (en) * 1999-04-26 2000-11-02 Surromed, Inc. Phenotype and biological marker identification system
ATE319093T1 (de) * 2000-08-21 2006-03-15 Assist Publ Hopitaux De Paris Verfahren zur diagnose von leberkrankheit unter verwendung von biochemischen merkmalen
US6631330B1 (en) * 2000-08-21 2003-10-07 Assistance Publique-Hopitaux De Paris (Ap-Hp) Diagnosis method of inflammatory, fibrotic or cancerous disease using biochemical markers
JP5236856B2 (ja) * 2001-11-09 2013-07-17 ライフ テクノロジーズ コーポレーション 遺伝子発現プロファイルを用いる病気の同定、観測及び治療及び生物学的状態の同定
US7869033B2 (en) * 2003-12-24 2011-01-11 Vadivel Masilamani Cancer detection by optical analysis of body fluids
US20060170928A1 (en) * 2003-12-24 2006-08-03 Vadivel Masilamani Masila's cancer detector based on optical analysis of body fluids
US20080305962A1 (en) * 2005-07-29 2008-12-11 Ralph Markus Wirtz Methods and Kits for the Prediction of Therapeutic Success, Recurrence Free and Overall Survival in Cancer Therapies
US20100004871A1 (en) * 2005-12-27 2010-01-07 Power3 Medical Products, Inc. Identities, specificities, and use of twenty two (22) differentially expressed protein biomarkers for blood based diagnosis of breast cancer
US8409794B2 (en) * 2006-03-24 2013-04-02 Phenomenome Discoveries Inc. Biomarkers useful for diagnosing prostate cancer, and methods thereof
WO2008016111A1 (en) * 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Method for evaluation of lung cancer, lung cancer evaluation apparatus, lung cancer evaluation method, lung cancer evaluation system, lung cancer evaluation program, and recording medium
US20090075284A1 (en) * 2006-09-19 2009-03-19 The Regents Of The University Of Michigan Metabolomic profiling of prostate cancer
EP2103940A4 (en) * 2006-12-21 2013-04-24 Ajinomoto Kk METHOD, APPARATUS, METHOD, SYSTEM AND SOFTWARE FOR ASSESSING BREAST CANCER, AND RECORDING MEDIUM
EP2096439A4 (en) * 2006-12-21 2011-01-05 Ajinomoto Kk METHOD, APPARATUS, METHOD, SYSTEM AND SOFTWARE FOR EVALUATING COLORECTAL CANCER, AND RECORDING MEDIUM
CN101932934A (zh) * 2007-02-01 2010-12-29 菲诺梅诺米发现公司 诊断卵巢癌健康状况和卵巢癌健康状况危险的方法
KR101272207B1 (ko) * 2008-02-06 2013-06-07 아지노모토 가부시키가이샤 위암의 평가 방법, 및 위암 평가 장치, 위암 평가 방법, 위암 평가 시스템, 위암 평가 프로그램 및 기록 매체
KR101361601B1 (ko) * 2008-03-04 2014-02-12 아지노모토 가부시키가이샤 암종의 평가 방법
WO2009154296A1 (ja) * 2008-06-20 2009-12-23 味の素株式会社 女性生殖器癌の評価方法
JP5754137B2 (ja) * 2008-06-20 2015-07-29 味の素株式会社 前立腺癌の評価方法、前立腺癌評価装置、前立腺癌評価方法、前立腺癌評価プログラム、記録媒体、前立腺癌評価システム、および情報通信端末装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1570779A1 (en) 2002-12-09 2005-09-07 Ajinomoto Co., Inc. Organism condition information processor, organism condition information processing method, organism condition information managing system, program, and recording medium
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Nutritional Support in Cancer and Transplant Patients, pp.107-118 (2001)*

Also Published As

Publication number Publication date
CN103760367A (zh) 2014-04-30
EP2103941A1 (en) 2009-09-23
JPWO2008075664A1 (ja) 2010-04-15
WO2008075664A1 (ja) 2008-06-26
US20100017145A1 (en) 2010-01-21
EP2103941A4 (en) 2010-10-20
KR20090091301A (ko) 2009-08-27
CN101568838A (zh) 2009-10-28
JP2014025946A (ja) 2014-02-06
CN103760367B (zh) 2017-03-01

Similar Documents

Publication Publication Date Title
KR101542037B1 (ko) 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체
JP7193020B2 (ja) 取得方法、算出方法、胃癌評価装置、算出装置、胃癌評価プログラム、算出プログラムおよび胃癌評価システム
JP6551484B2 (ja) 取得方法、算出方法、前立腺疾患評価装置、算出装置、前立腺疾患評価プログラム、算出プログラム及び前立腺疾患評価システム
JP5470848B2 (ja) 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
KR101361601B1 (ko) 암종의 평가 방법
JP6586980B2 (ja) 取得方法、算出方法、女性生殖器癌評価装置、算出装置、女性生殖器癌評価プログラム、算出プログラム及び女性生殖器癌評価システム
US9599618B2 (en) Method, apparatus, system, program, and computer-readable recording medium for evaluating colorectal cancer
US9459255B2 (en) Method of evaluating breast cancer, breast cancer-evaluating apparatus, breast cancer-evaluating method, breast cancer-evaluating system, breast cancer-evaluating program and recording medium

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20180717

Year of fee payment: 4