KR20210119989A - 뇌 심혈관 이벤트의 장래의 발생 리스크의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치 - Google Patents

뇌 심혈관 이벤트의 장래의 발생 리스크의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치 Download PDF

Info

Publication number
KR20210119989A
KR20210119989A KR1020217023775A KR20217023775A KR20210119989A KR 20210119989 A KR20210119989 A KR 20210119989A KR 1020217023775 A KR1020217023775 A KR 1020217023775A KR 20217023775 A KR20217023775 A KR 20217023775A KR 20210119989 A KR20210119989 A KR 20210119989A
Authority
KR
South Korea
Prior art keywords
evaluation
value
concentration
amino acids
expression
Prior art date
Application number
KR1020217023775A
Other languages
English (en)
Inventor
히로시 야마모토
마사미치 다케시타
아키라 이마이즈미
요코 가게야마
다카히코 무라마쓰
야스하루 다바라
후미히코 마쓰다
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 KR20210119989A publication Critical patent/KR20210119989A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • 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
    • 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
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/28—Neurological disorders
    • G01N2800/2871—Cerebrovascular disorders, e.g. stroke, cerebral infarct, cerebral haemorrhage, transient ischemic event
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/32—Cardiovascular disorders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/50—Determining the risk of developing a disease

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Immunology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Food Science & Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Cell Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Optics & Photonics (AREA)

Abstract

본 실시형태에서는, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met 및 Val 중 적어도 하나의 아미노산의 농도값 및 상기 농도값이 대입되는 변수를 포함하는 Cox 비례 해저드 모델을 사용하여 산출된 상기 모델의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가한다.

Description

뇌 심혈관 이벤트의 장래의 발생 리스크의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치
본 발명은, 뇌 심혈관 이벤트의 장래의 발생 리스크의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치에 관한 것이다.
심근 경색 등의 심질환, 뇌경색 및 뇌출혈 등의 뇌질환은, 일본에서의 사인 중 제2위, 제3위를 차지하고 있다. 뇌 심혈관 이벤트라고 총칭되는 이들 질환은 모두 메타볼릭 신드롬에서 발단되는 동맥경화 등으로 대표되는 혈관의 기능 저하가 주 병인 중 하나라고 생각되고 있다.
뇌 심혈관 이벤트의 예방을 위해서는, 메타볼릭 신드롬 등에 기인하는 병인의 조기 발현과 병인에 따른 적절한 개입이 필요하다. 병인의 발견에는 바이오 마커를 활용하는 것이 유용하다고 생각된다.
바이오 마커로서, 생체 내의 대사물 중에서도 대사 경로의 중심적 존재인 아미노산이 주목받고 있다. 아미노산은 대사물 중에도 혈중에 다량으로 존재하고 있고, 또한 그 물성은 비교적 서로 유사하다. 그 때문에, 아미노산은, 고정밀도로 분석이 가능하다는 바이오 마커의 대상으로서 바람직한 성질을 갖고 있다.
여기서, 혈장 중의 아미노산 농도 분포의 차이가 장래의 뇌 심혈관 이벤트의 리스크 인자인 것이 보고되어 있다(비특허문헌 1 내지 4). 또한, 선행 특허로서, 혈액 중의 아미노산의 농도를 이용하여 심혈관 이벤트의 장래의 상태를 평가하는 방법에 관한 특허문헌 1이 공개되어 있다.
일본 공개특허공보 특개2013-178238호
Ruiz-Canela M. et al. Clin. Chem. 2016, 62, 582-592 Shah SH. et al. Circ. Cardiovasc. Genet. 2010, 3, 207-214 Shah SH. et al. Am. Heart. J. 2012, 163, 844-850 Magnusson M. et al. 2013, Eur. Heart. J. 34, 198201989
그러나, 혈액 중의 아미노산 농도를 이용한, 뇌 심혈관 이벤트의 장래의 발생 리스크에 관한 판정 기술의 개발에는, 더욱 정밀도가 요구되고 있다는 문제점이 있었다.
본 발명은, 상기를 감안하여 이루어진 것으로, 뇌 심혈관 이벤트의 장래의 발생 리스크를 아는 데 참고가 될 수 있는 신뢰성 높은 정보를 제공할 수 있는 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치를 제공하는 것을 목적으로 한다.
상기 과제를 해결하고 목적을 달성하기 위해, 본 발명에 따른 평가 방법은, 평가 대상인 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 스텝을 포함함을 특징으로 한다.
여기서, 본 명세서에 있어서, 뇌 심혈관 이벤트에는, 대동맥 해리, 관동맥 질환(심근경색, 심부전, PCI(경피적 관동맥 형성술) 실시 등), 뇌혈관 장애(뇌졸중(뇌경색, 뇌내출혈, 지주막하 출혈) 등) 등이 포함된다.
또한, 본 명세서에서는 각종 아미노산을 주로 약칭으로 표기하겠지만, 이들의 정식 명칭은 이하와 같다.
(약칭) (정식 명칭)
Ala　　　Alanine
Arg 　　Arginine
Asn　　　Asparagine
Cit　　　Citrulline
Gln　　　Glutamine
Gly　　　Glycine
His　　　Histidine
Ile 　　 Isoleucine
Leu　　　Leucine
Lys　　　Lysine
Met　　　Methionine
Orn　　　Ornithine
Phe　　　Phenylalanine
Pro　　　Proline
Ser　　　Serine
Thr　　　Threonine
Trp　　　Tryptophan
Tyr　　　Tyrosine
Val　　　Valine
또한, 본 발명에 따른 평가 방법은, 상기 적어도 2개의 아미노산은 Gly를 포함함을 특징으로 한다.
또한, 본 발명에 따른 평가 방법은, 상기 적어도 2개의 아미노산은 Cit 및/또는 Trp를 포함함을 특징으로 한다.
또한, 본 발명에 따른 평가 방법은, 상기 적어도 2개의 아미노산은 Met 및/또는 Val을 포함함을 특징으로 한다.
또한, 본 발명에 따른 평가 방법은, 상기 평가 스텝이, 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행됨을 특징으로 한다.
또한, 본 발명에 따른 산출 방법은 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값 및 상기 농도값이 대입되는 변수를 포함하는 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 식을 사용하여 상기 식의 값을 산출하는 산출 스텝을 포함함을 특징으로 한다.
또한, 본 발명에 따른 산출 방법은, 상기 적어도 1개의 상기 적어도 2개의 아미노산은 Gly를 포함함을 특징으로 한다.
또한, 본 발명에 따른 산출 방법은, 상기 적어도 2개의 아미노산은 Cit 및/또는 Trp를 포함함을 특징으로 한다.
또한, 본 발명에 따른 산출 방법은, 상기 적어도 2개의 아미노산은 Met 및/또는 Val을 포함함을 특징으로 한다.
또한, 본 발명에 따른 산출 방법은, 상기 산출 스텝이, 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행됨을 특징으로 한다.
또한, 본 발명에 따른 평가 장치는, 제어부를 구비한 평가 장치로서, 상기 제어부가, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 수단을 구비함을 특징으로 한다.
또한, 본 발명에 따른 평가 장치는, 상기 농도값에 관한 농도 데이터 또는 상기 식의 상기 값을 제공하는 단말 장치와 네트워크를 통하여 통신 가능하게 접속되고, 상기 제어부가, 상기 단말 장치로부터 송신된 상기 농도 데이터 또는 상기 식의 상기 값을 수신하는 데이터 수신 수단과, 상기 평가 수단에서 얻어진 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단을 추가로 구비하고, 상기 평가 수단이, 상기 데이터 수신 수단에서 수신한 상기 농도 데이터에 포함되어 있는 상기 농도값 또는 상기 식의 상기 값을 이용함을 특징으로 한다.
또한, 본 발명에 따른 산출 장치는, 제어부를 구비한 산출 장치로서, 상기 제어부가, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값 및 상기 농도값이 대입되는 변수를 포함하는 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 식을 사용하여, 상기 식의 값을 산출하는 산출 수단을 구비함을 특징으로 한다.
또한, 본 발명에 따른 평가 프로그램은, 제어부를 구비한 정보 처리 장치에서 실행시키기 위한 평가 프로그램으로서, 상기 제어부에서 실행시키기 위한, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 스텝을 포함함을 특징으로 한다.
또한, 본 발명에 따른 산출 프로그램은, 제어부를 구비한 정보 처리 장치에서 실행시키기 위한 산출 프로그램으로서, 상기 제어부에서 실행시키기 위한, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값 및 상기 농도값이 대입되는 변수를 포함하는 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 식을 사용하여, 상기 식의 값을 산출하는 산출 스텝을 포함함을 특징으로 한다.
또한, 본 발명에 따른 기록 매체는, 상기 평가 프로그램 또는 상기 산출 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체이다. 구체적으로는, 본 발명에 따른 기록 매체는, 일시적이지 않은 컴퓨터 판독 가능한 기록 매체로서, 정보 처리 장치에 상기 평가 방법 또는 상기 산출 방법을 실행시키기 위한 프로그램화된 명령을 포함함을 특징으로 한다.
또한, 본 발명에 따른 평가 시스템은, 제어부를 구비한 평가 장치와 제어부를 구비한 단말 장치를 네트워크를 통하여 통신 가능하게 접속해서 구성되는 평가 시스템으로서, 상기 단말 장치의 상기 제어부가, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값에 관한 농도 데이터, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 상기 평가 장치로 송신하는 데이터 송신 수단과, 상기 평가 장치로부터 송신된, 뇌 심혈관 이벤트의 장래의 발생 리스크에 관한 평가 결과를 수신하는 결과 수신 수단을 구비하고, 상기 평가 장치의 상기 제어부가, 상기 단말 장치로부터 송신된 상기 농도 데이터 또는 상기 식의 상기 값을 수신하는 데이터 수신 수단과, 상기 데이터 수신 수단에서 수신한 상기 농도 데이터에 포함되어 있는 상기 농도값 또는 상기 식의 상기 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 수단과, 상기 평가 수단에서 얻어진 상기 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단을 구비함을 특징으로 한다.
또한, 본 발명에 따른 단말 장치는, 제어부를 구비한 단말 장치로서, 상기 제어부가, 뇌 심혈관 이벤트의 장래의 발생 리스크에 관한 평가 결과를 취득하는 결과 취득 수단을 구비하고, 상기 평가 결과가, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가한 결과임을 특징으로 한다.
또한, 본 발명에 따른 단말 장치는, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 장치와 네트워크를 통하여 통신 가능하게 접속되어 있고, 상기 제어부가, 상기 농도값에 관한 농도 데이터 또는 상기 식의 상기 값을 상기 평가 장치로 송신하는 데이터 송신 수단을 구비하고, 상기 결과 취득 수단이, 상기 평가 장치로부터 송신된 상기 평가 결과를 수신함을 특징으로 한다.
본 발명에 의하면, 뇌 심혈관 이벤트의 장래의 발생 리스크를 아는데 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있다는 효과를 나타낸다.
[도 1] 도 1은, 제1 실시형태의 기본 원리를 나타내는 원리 구성도이다.
[도 2] 도 2는, 제2 실시형태의 기본 원리를 나타내는 원리 구성도이다.
[도 3] 도 3은, 본 시스템의 전체 구성의 일례를 나타내는 도면이다.
[도 4] 도 4는, 본 시스템의 전체 구성의 다른 일례를 나타내는 도면이다.
[도 5] 도 5는, 본 시스템의 평가 장치(100)의 구성의 일례를 나타내는 블록도이다.
[도 6] 도 6은, 농도 데이터 파일(106a)에 격납되는 정보의 일례를 나타내는 도면이다.
[도 7] 도 7은, 지표 상태 정보 파일(106b)에 격납되는 정보의 일례를 나타내는 도면이다.
[도 8] 도 8은, 지정 지표 상태 정보 파일(106c)에 격납되는 정보의 일례를 나타내는 도면이다.
[도 9] 도 9는, 식 파일(106d1)에 격납되는 정보의 일례를 나타내는 도면이다.
[도 10] 도 10은, 평가 결과 파일(106e)에 격납되는 정보의 일례를 나타내는 도면이다.
[도 11] 도 11은, 평가부(102d)의 구성을 나타내는 블록도이다.
[도 12] 도 12는, 본 시스템의 클라이언트 장치(200)의 구성의 일례를 나타내는 블록도이다.
[도 13] 도 13은, 본 시스템의 데이터베이스 장치(400)의 구성의 일례를 나타내는 블록도이다.
[도 14] 도 14는, HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 15] 도 15는, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 16] 도 16은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 17] 도 17은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 18] 도 18은, HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 19] 도 19는, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 20] 도 20은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 21] 도 21은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 22] 도 22는, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 23] 도 23은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 24] 도 24는, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 25] 도 25는, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 26] 도 26은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 27] 도 27은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 28] 도 28은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 29] 도 29는, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 30] 도 30은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 31] 도 31은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 32] 도 32는, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 33] 도 33은, 아미노산의 조합 및 HR/SD 및 C-index의 값을 나타내는 도면이다.
[도 34] 도 34는, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 35] 도 35는, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 36] 도 36은, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 37] 도 37은, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 38] 도 38은, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 39] 도 39는, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 40] 도 40은, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 41] 도 41은, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 42] 도 42는, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
[도 43] 도 43은, 각 이벤트의 발생에 관한 상대 리스크를 나타내는 도면이다.
이하에, 본 발명에 따른 평가 방법 및 산출 방법의 실시형태(제1 실시형태) 및 본 발명에 따른 평가 장치, 산출 장치, 평가 방법, 산출 방법, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치의 실시형태(제2 실시형태)를 도면에 기초하여 상세히 설명한다. 또한, 본 발명은 이들 실시형태에 의해 한정되는 것은 아니다.
[제1 실시형태]
[1-1. 제1 실시형태의 개요]
여기서는 제1 실시형태의 개요에 대하여 도 1을 참조해서 설명한다. 도 1은 제1 실시형태의 기본 원리를 나타내는 원리 구성도이다.
우선, 평가 대상(예를 들어 동물 또는 인간 등의 개체)에서 채취한 혈액(예를 들어 혈장 또는 혈청 등을 포함함) 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값을 포함하는 농도 데이터를 취득한다(스텝 S11).
여기서, 스텝 S11에서는, 예를 들어, 농도값 측정을 행하는 기업 등이 측정한 농도 데이터를 취득해도 좋다. 또한, 평가 대상에서 채취한 혈액에서, 예를 들어 이하의 (A), (B) 또는 (C) 등의 측정 방법에 의해 농도값을 측정함으로써 농도 데이터를 취득해도 좋다. 여기서, 농도값의 단위는, 예를 들어 몰 농도, 중량 농도 또는 효소 활성이라도 좋고, 이들 농도에 임의의 상수를 가감승제함으로써 얻어지는 것이라도 좋다.
(A) 채취한 혈액 샘플을 원심함으로써 혈액에서 혈장을 분리한다. 모든 혈장 샘플은, 농도값의 측정시까지 -80℃에서 동결 보존한다. 농도값 측정시에는, 아세토니트릴을 첨가하여 제단백 처리를 행한 후, 필요에 따라 고층 추출 등에 의해 인지질 등의 협잡물을 제거하고, 표지 시약(3-아미노피리딜-N-하이드록시석신이미딜카바메이트)을 사용하여 프리 칼럼 유도체화를 행하고, 그리고, 액체 크로마토 그래피 질량 분석법(탠덤 질량 분석법을 포함함)에 의해 농도값을 분석한다(국제공개 제2003/069328호, 국제공개 제2005/116629호를 참조).
(B) 채취한 혈액 샘플을 원심함으로써 혈액에서 혈장을 분리한다. 모든 혈장 샘플은, 농도값의 측정시까지 -80℃에서 동결 보존한다. 농도값 측정시에는, 설포살리실산을 첨가하여 제단백 처리를 행한 후, 닌히드린 시약을 사용한 포스트칼럼 유도체화법을 원리로 한 아미노산 분석계에 의해 농도값을 분석한다.
(C) 채취한 혈액 샘플을, 막이나 MEMS(Micro Electro Mechanical Systems) 기술 또는 원심 분리의 원리를 사용하여 혈구 분리를 행하여, 혈액에서 혈장 또는 혈청을 분리한다. 혈장 또는 혈청 취득 후 바로 농도값의 측정을 행하지 않은 혈장 또는 혈청 샘플은, 농도값의 측정시까지 -80℃에서 동결 보존한다. 농도값 측정시에는, 효소나 압타머 등 표적으로 하는 혈중 물질과 반응 또는 결합하는 분자 등을 사용하여, 기질 인식에 의해 증감하는 물질이나 분광학적 값을 정량 등 함으로써 농도값을 분석한다.
다음에, 스텝 S11에서 취득한 농도 데이터에 포함되는 농도값을 이용해서, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가(예측)한다(스텝 S12). 여기서, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 것은, 예를 들어, 평가 대상이 장래(예를 들어, 채혈하고나서 10년 이내에), 뇌졸중, 심근 경색을 포함하는 뇌 심혈관 이벤트를 발생하는 리스크를 평가하는 것 등이다. 또한, 스텝 S12를 실행시키 전에 스텝 S11에서 취득한 농도 데이터로부터 결손값이나 벗어난값 등의 데이터를 제거해도 좋다.
이상, 제1 실시형태에 의하면 스텝 S11에서는 평가 대상의 농도 데이터를 취득하고, 스텝 S12에서는 스텝 S11에서 취득한 농도 데이터에 포함되는 농도값을 사용하여, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가한다(요컨대, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 정보를 취득한다). 이로써 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 아는 데 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있다.
또한, 스텝 S12에서는, 스텝 S11에서 취득한 농도 데이터에 포함되는 농도값 및 상기 농도값이 대입되는 변수를 포함하는 식을 사용하여 상기 식의 값을 산출함으로써, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가해도 좋다.
또한, 농도 데이터에 포함되는 농도값이 평가 대상에 대한 뇌 심혈관 이벤트의 장래의 발생 리스크를 반영한 것이라고 결정해도 좋고, 또한 상기 농도값을 예를 들어 이하에 예를 든 수법 등으로 변환하고, 변환 후의 값이 평가 대상에 대한 뇌 심혈관 이벤트의 장래의 발생 리스크를 반영한 것이라고 결정해도 좋다(식의 값에 대해서도 마찬가지이다). 바꿔 말하면, 상기 농도값 또는 변환 후의 값 그 자체를, 평가 대상에 대한 뇌 심혈관 이벤트의 장래의 발생 리스크에 관한 평가 결과로서 취급해도 좋다(식의 값에 대해서도 마찬가지이다). 여기서, 변환의 수법에 대하여 이하에 설명한다. 한편, 이하의 설명은, 농도값을 변환 대상으로 한 것이지만, 식의 값에 대해서도 마찬가지이다.
농도값이 취할 수 있는 범위가 소정 범위(예를 들어 0.0에서 1.0까지의 범위, 0.0에서 10.0까지의 범위, 0.0에서 100.0까지의 범위 또는 -10.0에서 10.0까지의 범위 등)에 들어가도록 하기 등을 위해, 예를 들어, 농도값에 대하여 임의의 값을 가감승제하거나, 농도값을 소정의 변환 수법(예를 들어, 지수 변환, 로그 변환, 각 변환, 평방근 변환, 프로빗 변환, 역수 변환, Box-Cox 변환 또는 멱승 변환 등)으로 변환하거나, 또한 농도값에 대하여 이것들의 계산을 조합하여 행하거나 함으로써 농도값을 변환해도 좋다. 예를 들어, 농도값을 지수로 하고 네이피어 수를 밑으로 하는 지수 함수의 값(구체적으로는, 뇌 심혈관 이벤트의 장래의 발생 리스크가 소정의 상태(예를 들어 리스크가 높은 상태 등)인 확률 p를 정의했을 때의 자연 로그 ln(p/(1-p)이 농도값과 같다고 한 경우에서의 p/(1-p)의 값)을 추가로 산출해도 좋고, 또한 산출한 지수 함수의 값을 1과 상기 값의 합으로 나눈 값(구체적으로는 확률 p의 값)을 추가로 산출해도 좋다.
또한, 특정 조건일 때의 변환 후의 값이 특정 값이 되도록 농도값을 변환해도 좋다. 예를 들어, 특이도가 40%일 때의 변환 후의 값이 5.0이 되고 또한 특이도가 95%일 때의 변환 후의 값이 8.0이 되도록 농도값을 변환해도 좋다.
또한, 아미노산마다 농도값의 분포를 정규 분포화한 후, 평균이 50이고 표준 편차가 10이 되도록 농도값을 편차값화해도 좋다. 또한, 평균이 50이고 표준 편차가 10이 되도록 식의 값을 편차값화해도 좋다.
또한, 이러한 변환은, 남녀별 또는 연령별로 행하여도 좋다.
또한, 본 명세서에서의 농도값는, 농도값 그 자체라도 좋고, 농도값을 변환한 후의 값이라도 좋다. 또한, 본 명세서에서의 식의 값은, 식의 값 그 자체라도 좋고, 식의 값을 변환한 후의 값이라도 좋다.
또한, 모니터 등의 표시 장치 또는 종이 등의 물리 매체에 시인 가능하게 나타나는 소정의 자 위에서의 소정의 표지의 위치에 관한 위치 정보를, 농도 데이터에 포함되는 농도값 또는 상기 농도값을 변환한 경우에는 그 변환 후의 값을 사용하여 생성하고, 생성한 위치 정보가 평가 대상에 대한 뇌 심혈관 이벤트의 장래의 발생 리스크를 반영한 것이라고 결정해도 좋다(식의 값에 대해서도 마찬가지임). 또한, 소정의 자란, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 것으로, 예를 들어, 눈금이 표시된 자로서, 「농도값 또는 변환 후의 수치가 취할 수 있는 범위 또는 상기 범위의 일부분」에서의 상한값과 하한값에 대응하는 눈금이 적어도 나타난 것 등이다(식의 값에 대해서도 마찬가지임). 또한, 소정의 표지란, 농도값 또는 변환 후의 수치에 대응하는 것으로, 예를 들어, 동그라미표 또는 별표 등이다(식의 값에 대해서도 마찬가지임).
또한, 농도 데이터에 포함되는 농도값이, 소정값(평균값±1SD, 2SD, 3SD, N분위점, N퍼센타일 또는 임상적 의의가 인정된 컷오프값 등)보다 낮은 또는 소정값 이하인 경우 또는 소정값 이상 또는 소정값보다 높은 경우에, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가해도 좋다(식의 값에 대해서도 마찬가지임). 그때, 농도값 자체가 아니라 편차값을 사용해도 좋다. 예를 들어, 편차값이 평균-2SD 미만의 경우(편차값<30의 경우) 또는 편차값이 평균값+2SD보다 높은 경우(편차값>70의 경우)에, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가해도 좋다(식의 값에 대해서도 마찬가지임).
또한, 평가 대상에 대한 뇌 심혈관 이벤트의 장래의 발생 리스크를 정성적으로 평가해도 좋다. 구체적으로는, 「농도 데이터에 포함되는 농도값 및 미리 설정된 1개 또는 복수의 임계값」 또는 「농도 데이터에 포함되는 농도값, 상기 농도값이 대입되는 변수를 포함하는 식 및 미리 설정된 하나 또는 복수의 임계값」을 이용하여, 평가 대상을, 뇌 심혈관 이벤트의 장래의 발생 리스크의 정도를 적어도 고려하여 정의된 복수의 구분 중의 어느 1개로 분류해도 좋다. 또한, 복수의 구분에는, 발생 리스크가 높은 대상을 속하게 하기 위한 구분, 발생 리스크가 낮은 대상을 속하게 하기 위한 구분 및 발생 리스크가 중간 정도인 대상을 속하게 하기 위한 구분이 포함되어 있어도 좋다. 또한, 복수의 구분에는, 발생 리스크가 높은 대상을 속하게 하기 위한 구분 및 발생 리스크가 낮은 대상을 속하게 하기 위한 구분이 포함되어 있어도 좋다. 또한, 농도값 또는 식의 값을 예를 들어 상기 수법으로 변환하고, 변환 후의 값을 이용하여 평가 대상을 복수의 구분 중의 어느 하나로 분류해도 좋다.
또한, 평가시에 사용하는 식에 대하여, 그 형식은 특별히 불문하지만, 예를 들어, 이하에 나타내는 형식의 것이라도 좋다.
· 최소 제곱법에 기초하는 중회귀식, 선형 판별식, 주성분 분석, 정준 판별 분석 등의 선형 모델
· 최우법에 기초하는 로지스틱 회귀 등의 일반화 선형 모델
· Cox 비례 해저드 모델 등에 의한 준모수적(semi-parametric)인 생존 시간 해석법에 기초하는 리스크 예측 모델
· 일반화 선형 모델에 더하여 개체간 차, 시설간 차 등의 변량 효과를 고려한 일반화 선형 혼합 모델
· K-means법, 계층적 클러스터 해석 등 클러스터 해석으로 작성된 식
· MCMC(마르코프 연쇄 몬테카를로법), 베이지안 네트워크, 계층 헤이즈법 등 헤이즈 통계에 기초하여 작성된 식
· 서포트 벡터 머신이나 결정목 등 클래스 분류에 의해 작성된 식
· 분수식 등 상기 카테고리에 속하지 않는 수법에 의해 작성된 식
· 다른 형식의 식의 합으로 나타나는 식
또한 평가시에 사용하는 식을, 예를 들어, 본 출원인에 의한 국제출원인 국제공개 제2004/052191호에 기재된 방법 또는 본 출원인에 의한 국제출원인 국제공개 제2006/098192호에 기재된 방법으로 작성해도 좋다. 또한, 이런 방법으로 얻어진 식이면, 입력 데이터로서의 농도 데이터에 포함되는 농도값의 단위에 의하지 않고, 상기 식을 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기에 적합하게 사용할 수 있다.
여기서, 중회귀식, 다중 로지스틱 회귀식, 정준 판별 함수 등에서는 각 변수에 계수 및 상수항이 부가되지만, 이러한 계수 및 상수항은, 바람직하게는 실수이면 상관없고, 보다 바람직하게는, 데이터로부터 상기 각종 분류를 행하기 위해 얻어진 계수 및 상수항의 99% 신뢰 구간의 범위에 속하는 값이면 상관 없고, 더욱 바람직하게는, 데이터로부터 상기 각종 분류를 행하기 위해 얻어진 계수 및 상수항의 95% 신뢰 구간의 범위에 속하는 값이면 상관 없다. 또한, 각 계수의 값 및 그 신뢰 구간은, 이를 실수배한 것이라도 좋고, 상수항의 값 및 그 신뢰 구간은, 여기에 임의의 실상수를 가감승제한 것이라도 좋다. 로지스틱 회귀식, 선형 판별식, 중회귀식 등을 평가시에 사용하는 경우, 선형 변환(상수의 가산, 상수배) 및 단조 증가(감소)의 변환(예를 들어 logit 변환 등)은 평가 성능을 바꾸는 것이 아니라 변환 전과 동등하므로, 이러한 변환이 행해진 후의 것을 사용해도 좋다.
또한, 분수식이란, 상기 분수식의 분자가 변수 A, B, C, …의 합으로 표시되고 그리고/또는 상기 분수식의 분모가 변수 a, b, c, …의 합으로 표시되는 것이다. 또한, 분수식에는, 이러한 구성의 분수식 α, β, γ, …의 합(예를 들어 α+β와 같은 것)도 포함된다. 또한, 분수식에는 분할된 분수식도 포함된다. 또한, 분자나 분모에 사용되는 변수에는 각각 적당한 계수가 붙어도 상관없다. 또한, 분자나 분모에 사용되는 변수는 중복해도 상관없다. 또한, 각 분수식에 적당한 계수가 붙어도 상관 없다. 또한, 각 변수의 계수의 값이나 상수항의 값은, 실수이면 상관없다. 어느 분수식과, 상기 분수식에 있어서 분자의 변수와 분모의 변수가 교체된 것에서는, 목적 변수와 상관된 양과 음의 부호의 부호가 대체로 역전되지만 이들의 상관성이 유지되기 때문에, 평가 성능도 동등하다고 간주할 수 있으므로, 분수식에는, 분자의 변수와 분모의 변수가 교체된 것도 포함된다.
그리고, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가할 때, 농도 데이터에 포함되는 농도값 이외에, 이하에 나타내는 다른 생체 정보에 관한 값을 추가로 사용해도 좋다. 또한, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가할 때에 사용하는 식에는, 농도 데이터에 포함되는 농도값이 대입되는 변수 이외에, 이하에 나타내는 다른 생체 정보에 관한 값이 대입되는 1개 또는 복수의 변수가 추가로 포함되어 있어도 좋다. 다른 생체 정보로서는, 예를 들어 이하와 같은 것을 들 수 있다.
체격 지수 측정 결과(신장, 체중, 배둘레, BMI)
당 대사 지표 측정 결과(혈당치, HbA1c, HOMA-IR, 인슐린)
간 기능 지표 측정 결과(AST, ALT, γGTP)
지질 대사 지표 측정 결과(T-cho, LDL, HDL, TG)
영양 관련 지표 측정 결과(총단백, 알부민)
혈산 지표 측정 결과(적혈구, 백혈구, 헤마토크리트, 혈소판, 림프구, 단구, 호중구, 호산구, 호염기구)
염증 관련 지표 측정 결과(CRP)
내장 지방 관련 지표 측정 결과(내장 지방 면적)
대동맥파 속도 관련 지표 측정 결과
심전도 검사 결과
MRI, MRA 검사 결과
중심 혈압 관련 지표 측정 결과
경동맥 에코·종말당화산물 검사 결과
체지방 측정 결과
질환 기왕의 문진 결과(고혈압증, 지질 이상증, 당뇨병, 뇌졸중, 협심증·심근경색, 통풍, 암 등)
SNPs 데이터 및 엑솜 시퀀스 데이터 등의 게놈 정보
[제2 실시형태]
[2-1. 제2 실시형태의 개요]
여기서는, 제2 실시형태의 개요에 대하여 도 2를 참조하여 설명한다. 도 2는 제2 실시형태의 기본 원리를 나타내는 원리 구성도이다. 또한, 본 제2 실시형태의 설명에서는, 상기 제1 실시형태와 중복되는 설명을 생략하는 경우가 있다. 특히, 여기서는, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가할 때에, 식의 값 또는 그 변환 후의 값을 이용하는 케이스를 일례로서 기재하고 있지만, 예를 들어, 농도 데이터에 포함되는 농도값 또는 그 변환 후의 값(예를 들어 편차값 등)을 사용해도 좋다.
제어부는, 평가 대상(예를 들어 동물이나 인간 등의 개체)의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값을 포함하는 미리 취득한 농도 데이터에 포함되는 상기 농도값 및 상기 농도값이 대입되는 변수를 포함하는 미리 기억부에 기억된 식을 사용하여 식의 값을 산출함으로써, 평가 대상에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가한다(S21). 이로써, 뇌 심혈관 이벤트의 장래의 발생 리스크를 아는 데 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있다.
또한, 스텝 S21에서 사용되는 식은, 이하에 설명하는 식 작성 처리(공정 1 내지 공정 4)에 기초하여 작성된 것이라도 좋다. 여기서, 식 작성 처리의 개요에 대하여 설명한다. 또한, 여기서 설명하는 처리는 어디까지나 일례이며, 식의 작성 방법은 이에 한정되지 않는다.
우선, 제어부는, 농도 데이터와 뇌 심혈관 이벤트의 장래의 발생 리스크를 나타내는 지표 데이터를 포함하는 미리 기억부에 기억된 지표 상태 정보(결손값이나 벗어난값 등을 갖는 데이터가 사전에 제거되어 있는 것이라도 좋다)로부터 소정의 식 작성 수법에 기초하여, 후보식(예를 들어, y = a1x1 + a2x2 + … + anxn, y: 지표 데이터, xi: 농도 데이터, ai: 상수, i = 1, 2, …, n)을 작성한다(공정 1).
또한, 공정 1에 있어서, 지표 상태 정보로부터, 복수의 다른 식 작성 수법( 주성분 분석이나 판별 분석, 서포트 벡터 머신, 중회귀 분석, Cox 회귀 분석, 로지스틱 회귀 분석, k-means법, 클러스터 해석, 결정목 등의 다변량 해석에 관한 것을 포함함)을 병용하여 복수의 후보식을 작성해도 좋다. 구체적으로는, 뇌 심혈관 이벤트 발생군(채혈하고나서 일정 기간 경과 후에 뇌 심혈관 이벤트가 발생한 피험자로 이루어진 군) 및 뇌 심혈관 이벤트 비발생군(채혈하고나서 일정 기간 경과 후에 뇌 심혈관 이벤트가 발생하지 않은 피험자로 이루어진 군)으로부터 얻은 혈액을 분석하여 얻은 농도 데이터 및 지표 데이터로 구성되는 다변량 데이터인 지표 상태 정보에 대하여, 복수의 다른 알고리즘을 이용하여 복수군의 후보식을 동시 병행적으로 작성해도 좋다. 예를 들어, 다른 알고리즘을 이용하여 판별 분석 및 로지스틱 회귀 분석을 동시에 행하여, 2개의 다른 후보식을 작성해도 좋다. 또한, 주성분 분석을 행하여 작성한 후보식을 사용하여 지표 상태 정보를 변환하고, 변환한 지표 상태 정보에 대하여 판별 분석을 행함으로써 후보식을 작성해도 좋다. 이로써, 최종적으로, 평가에 최적인 식을 작성할 수 있다.
여기서, 주성분 분석을 사용하여 작성한 후보식은, 모든 농도 데이터의 분산을 최대로 하는 각 변수를 포함하는 일차식이다. 또한, 판별 분석을 사용하여 작성한 후보식은, 각 군 내의 분산의 합의 모든 농도 데이터의 분산에 대한 비를 최소로 하는 각 변수를 포함하는 고차식(지수나 로그를 포함함)이다. 또한, 서포트 벡터 머신을 사용하여 작성한 후보식은, 군 사이의 경계를 최대로 하는 각 변수를 포함하는 고차식(커널 함수를 포함함)이다. 또한, 중회귀 분석을 사용하여 작성한 후보식은, 모든 농도 데이터로부터의 거리의 합을 최소로 하는 각 변수를 포함하는 고차식이다. 또한, Cox 회귀 분석을 이용하여 작성한 후보식은, 로그 해저드비를 포함하는 선형 모델로, 상기 모델의 우도를 최대로 하는 각 변수와 그 계수를 포함하는 1차식이다. 또한, 로지스틱 회귀 분석을 사용하여 작성한 후보식은, 확률의 로그 오즈를 나타내는 선형 모델이며, 그 확률의 우도를 최대로 하는 각 변수를 포함하는 일차식이다. 또한, k-means법이란, 각 농도 데이터의 k개 근방을 탐색하고, 근방점이 속하는 군 중에서 가장 많은 것을 그 데이터의 소속군이라고 정의하고, 입력된 농도 데이터가 속하는 군이라고 정의된 군이 가장 합치하는 변수를 선택하는 수법이다. 또한, 클러스터 해석이란, 모든 농도 데이터 중에서 가장 가까운 거리에 있는 점끼리를 클러스터링(군화)하는 수법이다. 또한, 결정목이란, 변수에 서열을 매기고, 서열이 상위인 변수가 취할 수 있는 패턴으로부터 농도 데이터의 군을 예측하는 수법이다.
식 작성 처리의 설명으로 돌아가서, 제어부는, 공정 1에서 작성한 후보식을 소정의 검증 수법에 기초하여 검증(상호 검증)한다(공정 2). 후보식의 검증은, 공정 1에서 작성한 각 후보식에 대하여 행한다. 또한, 공정 2에 있어서, 부트 스트랩법이나, 홀드아웃법, N-폴드법, 리브 원 아웃법 등 중 적어도 하나에 기초하여, 후보식의 판별률이나 감도, 특이도, 정보량 기준, ROC_AUC(수신자 특성 곡선의 곡선 아래 면적) 등 중 적어도 1개에 관하여 검증해도 좋다. 이로써, 지표 상태 정보나 평가 조건을 고려한 예측성 또는 완건성이 높은 후보식을 작성할 수 있다.
여기서, 판별률이란, 진짜 상태가 음성인 평가 대상을 본 실시형태에 따른 평가 수법으로 제대로 음성이라고 평가하고, 진짜 상태가 양성인 평가 대상을 본 실시형태에 따른 평가 방법으로 제대로 양성이라고 평가하고 있는 비율이다. 또한, 감도란, 진짜 상태가 양성인 평가 대상을 본 실시형태에 따른 평가 수법으로 제대로 양성이라고 평가하고 있는 비율이다. 또한, 특이도란, 진짜 상태가 음성인 평가 대상을 본 실시형태에 따른 평가 수법으로 제대로 음성이라고 평가하고 있는 비율이다. 또한, 아카이케 정보량 규준이란, 회귀 분석 등의 경우에, 관측 데이터가 통계 모델에 어느 정도 일치하는지를 나타내는 기준이며, 「-2×(통계 모델의 최대 로그 우도) + 2×(통계 모델의 자유 파라미터 수)」로 정의되는 값이 최소가 되는 모델을 가장 좋다고 판단한다. 또한, ROC_AUC는, 2차원 좌표 위에 (x, y) = (1-특이도, 감도)을 플롯하여 작성되는 곡선인 수신자 특성 곡선(ROC)의 곡선 아래 면적으로서 정의되고, ROC_AUC의 값은 완전한 판별에서는 1이 되고, 이 값이 1에 가까울수록 판별성이 높은 것을 나타낸다. 또한, 예측성이란, 후보식의 검증을 반복함으로써 얻어진 판별률이나 감도, 특이성을 평균한 것이다. 또한, 완건성이란, 후보식의 검증을 반복함으로써 얻어진 판별률이나 감도, 특이성의 분산이다.
식 작성 처리의 설명으로 돌아가서, 제어부는, 소정의 변수 선택 수법에 기초하여 후보식의 변수를 선택함으로써, 후보식을 작성할 때에 이용하는 지표 상태 정보에 포함되는 농도 데이터의 조합을 선택한다(공정 3). 또한, 공정 3에 있어서 변수의 선택은, 공정 1에서 작성한 각 후보식에 대하여 행하여도 좋다. 이로써, 후보식의 변수를 적절히 선택할 수 있다. 그리고, 공정 3에서 선택한 농도 데이터를 포함하는 지표 상태 정보를 사용하여 다시 공정 1을 실행한다. 또한, 공정 3에 있어서, 공정 2에서의 검증 결과로부터 스텝 와이즈법, 베스트 패스법, 근방 탐색 법, 유전적 알고리즘 중 적어도 1개에 기초하여 후보식의 변수를 선택해도 좋다. 또한, 베스트 패스법이란, 후보식에 포함되는 변수를 1개씩 순차 줄여가고, 후보식이 부여하는 평가 지표를 최적화함으로써 변수를 선택하는 방법이다.
식 작성 처리의 설명으로 돌아가서, 제어부는, 상기 공정 1, 공정 2 및 공정 3을 반복 실행하고, 이로써 축적한 검증 결과에 기초하여 복수의 후보식 중에서 평가시에 사용하는 후보식을 선출함으로써, 평가시에 사용하는 식을 작성한다(공정 4). 또한, 후보식의 선출에는, 예를 들어, 같은 식 작성 수법으로 작성한 후보식 중에서 가장 적합한 것을 선출하는 경우와, 모든 후보식 중에서 최적의 것을 선출하는 경우가 있다.
이상, 설명한 바와 같이, 식 작성 처리에서는, 지표 상태 정보에 기초하여, 후보식의 작성, 후보식의 검증 및 후보식의 변수의 선택에 관한 처리를 일련의 흐름으로 체계화(시스템화)하여 실행함으로써, 뇌 심혈관 이벤트의 장래의 발생 리스크의 평가에 최적인 식을 작성할 수 있다. 바꿔 말하면, 식 작성 처리에서는, 아미노산의 혈중 농도를 다변량의 통계 해석에 이용하고, 최적이며 견고한 변수의 세트를 선택하기 위해, 변수 선택법과 교차 검증(cross-validation)을 조합하여 평가 성능이 높은 식을 추출한다.
[2-2. 제2 실시형태의 구성]
여기서는, 제2 실시형태에 따른 평가 시스템(이하에서는 본 시스템이라고 기재하는 경우가 있음)의 구성에 대하여, 도 3 내지 14를 참조하여 설명한다. 또한, 본 시스템은 어디까지나 일례이며, 본 발명은 이에 한정되지 않는다. 특히, 여기서는, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가할 때에, 식의 값 또는 그 변환 후의 값을 이용하는 케이스를 일례로서 기재하고 있지만, 예를 들어, 농도 데이터에 포함되는 농도값 또는 그 변환 후의 값(예를 들어 편차값 등)을 사용해도 좋다.
우선, 본 시스템의 전체 구성에 대하여 도 3 및 도 4를 참조하여 설명한다. 도 3은 본 시스템의 전체 구성의 일례를 나타내는 도면이다. 또한, 도 4는 본 시스템의 전체 구성의 일례를 나타내는 도면이다. 본 시스템은, 도 3에 나타내는 바와 같이, 평가 대상인 개체에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 장치(100)와, 개체의 농도 데이터를 제공하는 클라이언트 장치(200)(본 발명의 단말 장치에 상당)를, 네트워크(300)를 통하여 통신 가능하게 접속해서 구성되어 있다.
또한, 본 시스템에 있어서, 평가에 이용되는 데이터의 제공원이 되는 클라이언트 장치(200)와 평가 결과의 제공처가 된 클라이언트 장치(200)는 별개의 것이라도 좋다. 본 시스템은, 도 4에 나타내는 바와 같이, 평가 장치(100)나 클라이언트 장치(200) 이외에, 평가 장치(100)에서 식을 작성할 때에 사용하는 지표 상태 정보나, 평가시에 사용하는 식 등을 격납한 데이터베이스 장치(400)를, 네트워크(300)를 통하여 통신 가능하게 접속하여 구성되어도 좋다.
다음에, 본 시스템의 평가 장치(100)의 구성에 대하여 도 5 내지 11을 참조하여 설명한다. 도 5는, 본 시스템의 평가 장치(100)의 구성의 일례를 나타내는 블록도이고, 상기 구성 중 본 발명에 관계되는 부분만을 개념적으로 나타내고 있다.
평가 장치(100)는, 상기 평가 장치를 총괄적으로 제어하는 CPU(Central Processing Unit) 등의 제어부(102)와, 라우터 등의 통신 장치 및 전용선 등의 유선 또는 무선의 통신 회선을 통하여 상기 평가 장치를 네트워크(300)에 통신 가능하게 접속하는 통신 인터페이스부(104)와, 각종의 데이터베이스나 테이블이나 파일 등을 격납하는 기억부(106)와, 입력 장치(112)나 출력 장치(114)에 접속하는 입출력 인터페이스부(108)로 구성되어 있고, 이들 각 부는 임의의 통신로를 통하여 통신 가능하게 접속되어 있다. 여기서, 평가 장치(100)는, 각종의 분석 장치(예를 들어 아미노산 분석 장치 등)와 동일 케이스로 구성되어도 좋다. 예를 들어, 혈액 중의 아미노산의 농도값을 산출(측정)하고, 산출한 값을 출력(인쇄나 모니터 표시 등)하는 구성(하드웨어 및 소프트웨어)를 갖춘 소형 분석 장치에 있어서, 후술하는 평가부(102d)를 추가로 구비하고, 상기 평가부(102d)에서 얻어진 결과를 상기 구성을 이용하여 출력함을 특징으로 하는 것이라도 좋다.
통신 인터페이스부(104)는, 평가 장치(100)와 네트워크(300)(또는 라우터 등의 통신 장치) 사이에서의 통신을 매개한다. 즉, 통신 인터페이스부(104)는, 다른 단말과 통신 회선을 통하여 데이터를 통신하는 기능을 갖는다.
입출력 인터페이스부(108)는 입력 장치(112)나 출력 장치(114)에 접속한다. 여기서, 출력 장치(114)에는, 모니터(가정용 텔레비전을 포함함) 이외에 스피커나 프린터를 사용할 수 있다(한편, 이하에서는, 출력 장치(114)를 모니터(114)로서 기재하는 경우가 있음). 입력 장치(112)에는, 키보드나 마우스나 마이크 이외에, 마우스와 협동하여 포인팅 디바이스 기능을 실현하는 모니터를 사용할 수 있다.
기억부(106)는 스토리지 수단이고, 예를 들어 RAM(Random Access Memory)·ROM(Read Only Memory) 등의 메모리 장치나, 하드 디스크와 같은 고정 디스크 장치, 플로피 디스크, 광 디스크 등을 사용할 수 있다. 기억부(106)에는, OS(Operating System)와 협동하여 CPU에 명령을 주어 각종 처리를 행하기 위한 컴퓨터 프로그램이 기록되어 있다. 기억부(106)는, 도시한 바와 같이, 농도 데이터 파일(106a)과, 지표 상태 정보 파일(106b)과, 지정 지표 상태 정보 파일(106c)과, 식 관련 정보 데이터베이스(106d)와, 평가 결과 파일(106e)을 격납한다.
농도 데이터 파일(106a)은 농도 데이터를 격납한다. 도 6은, 농도 데이터 파일(106a)에 격납되는 정보의 일례를 나타내는 도면이다. 농도 데이터 파일(106a)에 격납되는 정보는, 도 6에 나타내는 바와 같이, 평가 대상인 개체(샘플)를 일의로 식별하기 위한 개체 번호와, 농도 데이터를 상호 관련지워 구성되어 있다. 여기서, 도 6에서는, 농도 데이터를 수치, 즉 연속 척도로서 취급하고 있는데, 농도 데이터는 명의 척도나 순서 척도라도 좋다. 또한, 명의 척도나 순서 척도의 경우에는, 각각의 상태에 대하여 임의의 수치를 부여함으로써 해석해도 좋다. 또한, 농도 데이터에, 다른 생체 정보에 관한 값(상기 참조)을 조합해도 좋다.
도 5로 돌아가, 지표 상태 정보 파일(106b)은, 식을 작성할 때에 사용하는 지표 상태 정보를 격납한다. 도 7은, 지표 상태 정보 파일(106b)에 격납되는 정보의 일례를 나타내는 도면이다. 지표 상태 정보 파일(106b)에 격납되는 정보는, 도 7에 나타내는 바와 같이, 개체 번호와, 뇌 심혈관 이벤트의 장래의 발생 리스크를 나타내는 지표(지표 T1, 지표 T2, 지표 T3 …)에 관한 지표 데이터(T)와, 농도 데이터를 상호 관련지워 구성되어 있다. 여기서, 도 7에서는, 지표 데이터 및 농도 데이터를 수치(즉, 연속 척도)로서 취급하고 있지만, 지표 데이터 및 농도 데이터는 명의 척도나 순서 척도라도 좋다. 또한, 명의 척도나 순서 척도의 경우에는, 각각의 상태에 대하여 임의의 수치를 부여함으로써 해석해도 좋다. 또한, 지표 데이터는, 뇌 심혈관 이벤트의 장래의 발생 리스크의 마커가 되는 기지(旣知)의 지표 등이고, 수치 데이터를 사용해도 좋다.
도 5로 돌아가서, 지정 지표 상태 정보 파일(106c)은, 후술하는 지정부(102b)에서 지정한 지표 상태 정보를 격납한다. 도 8은, 지정 지표 상태 정보 파일(106c)에 격납되는 정보의 일례를 나타내는 도면이다. 지정 지표 상태 정보 파일(106c)에 격납되는 정보는, 도 8에 나타내는 바와 같이, 개체 번호와, 지정한 지표 데이터와, 지정한 농도 데이터를 상호 관련지어 구성되어 있다.
도 5로 돌아가서, 식 관련 정보 데이터베이스(106d)는, 후술하는 식 작성부(102c)로 작성한 식을 격납하는 식 파일(106d1)로 구성된다. 식 파일(106d1)은, 평가시에 사용하는 식을 격납한다. 도 9는, 식 파일(106d1)에 격납되는 정보의 일례를 나타내는 도면이다. 식 파일(106d1)에 격납되는 정보는, 도 9에 나타내는 바와 같이, 랭크와, 식과, 각 식 작성 수법에 대응하는 임계값과, 각 식의 검증 결과(예를 들어 각 식의 값)를 상호 관련지어 구성되어 있다.
도 5로 돌아가서, 평가 결과 파일(106e)은, 후술하는 평가부(102d)에서 얻어진 평가 결과를 격납한다. 도 10은, 평가 결과 파일(106e)에 격납되는 정보의 일례를 나타내는 도면이다. 평가 결과 파일(106e)에 격납되는 정보는, 개체 번호와, 개체의 농도 데이터와, 뇌 심혈관 이벤트의 장래의 발생 리스크에 관한 평가 결과(예를 들어, 후술하는 산출부(102d1)로 산출한 식의 값, 후술하는 변환부(102d2)에 의한 변환 후의 값, 후술하는 생성부(102d3)에서 생성한 위치 정보 또는 후술하는 분류부(102d4)에서 얻어진 분류 결과 등)를 상호 관련지어 구성되어 있다.
도 5로 돌아가서, 제어부(102)는, OS 등의 제어 프로그램·각종의 처리 순서 등을 규정한 프로그램·소요 데이터 등을 격납하기 위한 내부 메모리를 갖고, 이들 프로그램에 기초하여 각종 정보 처리를 실행한다. 제어부(102)는, 도시한 바와 같이 크게 나누어, 취득부(102a)와 지정부(102b)와 식 작성부(102c)와 평가부(102d)와 결과 출력부(102e)와 송신부(102f)를 구비하고 있다. 제어부(102)는, 데이터베이스 장치(400)로부터 송신된 지표 상태 정보나 클라이언트 장치(200)로부터 송신된 농도 데이터에 대하여, 결손값이 있는 데이터의 제거·벗어난값이 많은 데이터의 제거·결손값이 있는 데이터가 많은 변수의 제거 등의 데이터 처리도 행한다.
취득부(102a)는, 정보(구체적으로는, 농도 데이터나 지표 상태 정보, 식 등)를 취득한다. 예를 들어, 취득부(102a)는, 클라이언트 장치(200)나 데이터베이스 장치(400)로부터 송신된 정보(구체적으로는, 농도 데이터나 지표 상태 정보, 식 등)을, 네트워크(300)를 통하여 수신함으로써, 정보의 취득을 행하여도 좋다. 또한, 취득부(102a)는, 평가 결과의 송신처의 클라이언트 장치(200)와는 다른 클라이언트 장치(200)로부터 송신된 평가에 이용되는 데이터를 수신해도 좋다. 또한, 예를 들어, 기록 매체에 기록되어 있는 정보의 판독을 행하기 위한 기구(하드웨어 및 소프트웨어를 포함함)를 평가 장치(100)가 구비하는 경우, 취득부(102a)는, 기록 매체에 기록되어 있는 정보(구체적으로는, 농도 데이터나 지표 상태 정보, 식 등)를 상기 기구를 통하여 판독함으로써, 정보의 취득을 행하여도 좋다. 지정부(102b)는, 식을 작성함에 있어서 대상으로 하는 지표 데이터 및 농도 데이터를 지정한다.
식 작성부(102c)는, 취득부(102a)에서 취득한 지표 상태 정보나 지정부(102b)에서 지정한 지표 상태 정보에 기초하여 식을 작성한다. 또한, 식이 미리 기억부(106)의 소정의 기억 영역에 격납되어 있는 경우에는, 식 작성부(102c)는, 기억부(106)로부터 원하는 식을 선택함으로써 식을 작성해도 좋다. 또한, 식 작성부(102c)는, 식을 미리 격납한 다른 컴퓨터 장치(예를 들어 데이터베이스 장치(400))로부터 원하는 식을 선택하여 다운로드함으로써 식을 작성해도 좋다.
평가부(102d)는, 사전에 얻어진 식(예를 들어, 식 작성부(102c)에서 작성한 식 또는 취득부(102a)에서 취득한 식 등) 및 취득부(102a)에서 취득한 농도 데이터에 포함되는 농도값을 사용하여 식의 값을 산출함으로써, 개체에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가한다. 또한, 평가부(102d)는, 농도 데이터에 포함되는 농도값 또는 상기 농도값의 변환 후의 값(예를 들어 편차값)을 사용하여 개체에 대하여 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가해도 좋다.
여기서, 평가부(102d)의 구성에 대하여 도 11을 참조해서 설명한다. 도 11은 평가부(102d)의 구성을 나타내는 블록도이고, 상기 구성 중 본 발명에 관계되는 부분만을 개념적으로 나타내고 있다. 평가부(102d)는, 산출부(102d1)와 변환부(102d2)와 생성부(102d3)와 분류부(102d4)를 추가로 구비하고 있다.
산출부(102d1)는, 농도 데이터에 포함되는 농도값 및 상기 농도값이 대입되는 변수를 적어도 포함하는 식을 사용하여 상기 식의 값을 산출한다. 또한, 평가부(102d)는, 산출부(102d1)에서 산출한 식의 값을 평가 결과로 하여 평가 결과 파일(106e)의 소정의 기억 영역에 격납해도 좋다.
변환부(102d2)는, 산출부(102d1)에서 산출한 식의 값을 예를 들어 상기 변환 수법 등으로 변환한다. 또한 평가부(102d)는, 변환부(102d2)에 의한 변환 후의 값을 평가 결과로 하여 평가 결과 파일(106e)의 소정의 기억 영역에 격납해도 좋다. 또한, 변환부(102d2)는, 농도 데이터에 포함되어 있는 농도값을 예를 들어 상기 변환 수법 등으로 변환해도 좋다.
생성부(102d3)는, 모니터 등의 표시 장치 또는 종이 등의 물리 매체에 시인 가능하게 나타나는 소정의 자 위에서의 소정의 표지의 위치에 관한 위치 정보를, 산출부(102d1)에서 산출한 식의 값 또는 변환부(102d2)에 의한 변환 후의 값(농도값 또는 상기 농도값의 변환 후의 값이라도 좋다)을 사용하여 생성한다. 또한, 평가부(102d)는, 생성부(102d3)에서 생성한 위치 정보를 평가 결과로 하여 평가 결과 파일(106e)의 소정의 기억 영역에 격납해도 좋다.
분류부(102d4)는, 산출부(102d1)에서 산출한 식의 값 또는 변환부(102d2)에 의한 변환 후의 값(농도값 또는 상기 농도값의 변환 후의 값이라도 좋다)을 사용하여, 개체를, 뇌 심혈관 이벤트의 장래의 발생 리스크의 정도를 적어도 고려하여 정의된 복수의 구분 중 어느 하나로 분류한다.
결과 출력부(102e)는, 제어부(102)의 각 처리부에서의 처리 결과(평가부(102d)에서 얻어진 평가 결과를 포함함) 등을 출력 장치(114)에 출력한다.
송신부(102f)는, 개체의 농도 데이터의 송신원의 클라이언트 장치(200)에 대하여 평가 결과를 송신하거나, 데이터베이스 장치(400)에 대하여, 평가 장치(100)에서 작성한 식이나 평가 결과를 송신하거나 한다. 또한, 송신부(102f)는, 평가에 사용되는 데이터의 송신원의 클라이언트 장치(200)와는 다른 클라이언트 장치(200)에 대하여 평가 결과를 송신해도 좋다.
다음에, 본 시스템의 클라이언트 장치(200)의 구성에 대하여 도 12를 참조해서 설명한다. 도 12는, 본 시스템의 클라이언트 장치(200)의 구성의 일례를 나타내는 블록도이고, 상기 구성 중 본 발명에 관계되는 부분만을 개념적으로 나타내고 있다.
클라이언트 장치(200)는, 제어부(210)와 ROM(220)과 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 각 부는 임의의 통신로를 통하여 통신 가능하게 접속되어 있다. 클라이언트 장치(200)는, 프린터·모니터·이미지 스캐너 등의 주변 장치를 필요에 따라서 접속한 정보 처리 장치(예를 들어, 기지의 퍼스널 컴퓨터·워크스테이션·가정용 게임 장치·인터넷 TV·PHS(Personal Handyphone System) 단말·휴대 단말·이동체 통신 단말·PDA(Personal Digital Assistant) 등의 정보 처리 단말 등)을 바탕으로 한 것이라도 좋다.
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)를 통하여 수신한 정보를 출력하는 출력 수단이고, 모니터(가정용 TV를 포함함)(261) 및 프린터(262)를 포함한다. 이 밖에, 출력 장치(260)에 스피커 등을 설치해도 좋다. 입출력 IF(270)은 입력 장치(250)나 출력 장치(260)에 접속한다.
통신 IF(280)는, 클라이언트 장치(200)와 네트워크(300)(또는 라우터 등의 통신 장치)를 통신 가능하게 접속한다. 바꿔 말하면, 클라이언트 장치(200)는, 모뎀이나 TA(Terminal Adapter)나 라우터 등의 통신 장치 및 전화 회선을 통하여 또는 전용선을 통하여 네트워크(300)에 접속된다. 이로써, 클라이언트 장치(200)는, 소정의 통신 규약에 따라 평가 장치(100)에 액세스할 수 있다.
제어부(210)는, 수신부(211) 및 송신부(212)를 구비하고 있다. 수신부(211)는, 통신 IF(280)를 통하여, 평가 장치(100)로부터 송신된 평가 결과 등의 각종 정보를 수신한다. 송신부(212)는, 통신 IF(280)를 통하여, 개체의 농도 데이터 등의 각종 정보를 평가 장치(100)로 송신한다.
제어부(210)는, 상기 제어부에서 행하는 처리의 전부 또는 임의의 일부를, CPU 및 상기 CPU에서 해석하여 실행하는 프로그램으로 실현해도 좋다. ROM(220) 또는 HD(230)에는, OS와 협동하여 CPU에 명령을 주고 각종 처리를 행하기 위한 컴퓨터 프로그램이 기록되어 있다. 상기 컴퓨터 프로그램은, RAM(240)에 로딩됨으로써 실행되고, CPU와 협동하여 제어부(210)를 구성한다. 또한, 상기 컴퓨터 프로그램은, 클라이언트 장치(200)와 임의의 네트워크를 통하여 접속되는 어플리케이션 프로그램 서버에 기록되어도 좋고, 클라이언트 장치(200)는, 필요에 따라서 그 전부 또는 일부를 다운로드해도 좋다. 또한, 제어부(210)에서 행하는 처리의 전부 또는 임의의 일부를, 와이어드 로직 등에 의한 하드웨어로 실현해도 좋다.
여기서, 제어부(210)는, 평가 장치(100)에 구비되어 있는 평가부(102d)가 갖는 기능과 동일한 기능을 갖는 평가부(210a)(산출부(210a1), 변환부(210a2), 생성부(210a3) 및 분류부(210a4)를 포함함)를 구비하고 있어도 좋다. 그리고, 제어부(210)에 평가부(210a)가 구비되어 있는 경우에는, 평가부(210a)는, 평가 장치(100)로부터 송신된 평가 결과에 포함되어 있는 정보에 따라서, 변환부(210a2)에서 식의 값(농도값이라도 좋다)을 변환하거나, 생성부(210a3)에서 식의 값 또는 변환 후의 값(농도값 또는 상기 농도값 변환 후의 수치라도 좋다)에 대응하는 위치 정보를 생성하거나, 분류부(210a4)에서 식의 값 또는 변환 후의 수치(농도값 또는 상기 농도값의 변환 후의 값이라도 좋다)를 사용하여 개체를 복수의 구분 중 어느 하나로 분류하거나 해도 좋다.
다음에, 본 시스템의 네트워크(300)에 대하여 도 3 및 도 4를 참조하여 설명한다. 네트워크(300)는, 평가 장치(100)와 클라이언트 장치(200)와 데이터베이스 장치(400)를 상호 통신 가능하게 접속하는 기능을 갖고, 예를 들어 인터넷이나 인트라넷이나 LAN(Local Area Network)(유선/무선 양쪽을 포함함) 등이다. 또한, 네트워크(300)는, VAN(Value-Added Network)이나 PC 통신망이나, 공중 전화망(아날로그/디지털 양쪽을 포함함), 전용 회선망(아날로그/디지털 양쪽을 포함함)이나, CATV(Community Antenna TeleVision)망이나, 휴대 회선 교환망 또는 휴대 패킷 교환망(IMT(International Mobile Telecommunication) 2000 방식, GSM(등록상표)(Global System for Mobile Communications) 방식 또는 PDC(Personal Digital Cellular)/PDC-P 방식 등을 포함함)이나, 무선 호출망이나, Bluetooth(등록상표) 등의 국소 무선망이나, PHS망이나, 위성 통신망(CS(Communication Satellite), BS(Broadcasting Satellite) 또는 ISDB(Integrated Services Digital Broadcasting) 등을 포함함) 등이라도 좋다.
다음에, 본 시스템의 데이터베이스 장치(400)의 구성에 대하여 도 13을 참조하여 설명한다. 도 13은, 본 시스템의 데이터베이스 장치(400)의 구성의 일례를 나타내는 블록도이고, 상기 구성 중 본 발명에 관계되는 부분만을 개념적으로 나타내고 있다.
데이터베이스 장치(400)는, 평가 장치(100) 또는 상기 데이터베이스 장치에서 식을 작성할 때에 사용하는 지표 상태 정보나, 평가 장치(100)에서 작성한 식, 평가 장치(100)에서 얻어진 평가 결과 등을 격납하는 기능을 갖는다. 도 13에 나타내는 바와 같이, 데이터베이스 장치(400)는, 상기 데이터베이스 장치를 총괄적으로 제어하는 CPU 등의 제어부(402)와, 라우터 등의 통신 장치 및 전용선 등의 유선 또는 무선 통신 회로를 통하여 상기 데이터베이스 장치를 네트워크(300)에 통신 가능하게 접속하는 통신 인터페이스부(404)와, 각종의 데이터베이스나 테이블이나 파일(예를 들어 Web 페이지용 파일) 등을 격납하는 기억부(406)와, 입력 장치(412)나 출력 장치(414)에 접속하는 입출력 인터페이스부(408)로 구성되어 있고, 이들 각 부는 임의의 통신로를 통하여 통신 가능하게 접속되어 있다.
기억부(406)는 스토리지 수단이고, 예를 들어, RAM·ROM 등의 메모리 장치나, 하드 디스크와 같은 고정 디스크 장치나, 플로피 디스크나, 광 디스크 등을 사용할 수 있다. 기억부(406)에는, 각종 처리에 사용하는 각종 프로그램 등을 격납한다. 통신 인터페이스부(404)는, 데이터베이스 장치(400)와 네트워크(300)(또는 라우터 등의 통신 장치) 사이에서의 통신을 매개한다. 즉, 통신 인터페이스부(404)는, 다른 단말과 통신 회선을 통하여 데이터를 통신하는 기능을 갖는다. 입출력 인터페이스부(408)는 입력 장치(412)나 출력 장치(414)에 접속한다. 여기서, 출력 장치(414)에는, 모니터(가정용 TV를 포함함) 이외에 스피커나 프린터를 사용할 수 있다. 또한, 입력 장치(412)에는, 키보드나 마우스나 마이크 이외에, 마우스와 협동하여 포인팅 디바이스 기능을 실현하는 모니터를 사용할 수 있다.
제어부(402)는, OS 등의 제어 프로그램·각종의 처리 순서 등을 규정한 프로그램·소요 데이터 등을 격납하기 위한 내부 메모리를 갖고, 이들 프로그램에 기초하여 여러가지 정보 처리를 실행한다. 제어부(402)는, 도시한 바와 같이, 크게 나누어 송신부(402a)와 수신부(402b)를 구비하고 있다. 송신부(402a)는, 지표 상태 정보나 식 등의 각종 정보를 평가 장치(100)로 송신한다. 수신부(402b)는, 평가 장치(100)로부터 송신된 식이나 평가 결과 등의 각종 정보를 수신한다.
또한, 본 설명에서는 평가 장치(100)가, 농도 데이터의 취득으로부터, 식의 값의 산출, 개체의 구분에 대한 분류, 그리고 평가 결과의 송신까지를 실행하고, 클라이언트 장치(200)가 평가 결과의 수신을 실행하는 케이스를 예로 들었지만, 클라이언트 장치(200)에 평가부(210a)가 구비되어 있는 경우에는, 평가 장치(100)는 식의 값의 산출을 실행하면 충분하고, 예를 들어 식의 값의 변환, 위치 정보의 생성 및 개체의 구분에 대한 분류 등의 처리는, 평가 장치(100)와 클라이언트 장치(200)에서 적절히 분담하여 실행해도 좋다.
예를 들어, 클라이언트 장치(200)는, 평가 장치(100)로부터 식의 값을 수신한 경우에는, 평가부(210a)는, 변환부(210a2)에서 식의 값을 변환하거나, 생성부(210a3)에서 식의 값 또는 변환 후의 값에 대응하는 위치 정보를 생성하거나, 분류부(210a4)에서 식의 값 또는 변환 후의 값을 사용하여 개체를 복수의 구분 중 어느 하나로 분류하거나 해도 좋다.
또한, 클라이언트 장치(200)는, 평가 장치(100)로부터 변환 후의 값을 수신한 경우에는, 평가부(210a)는, 생성부(210a3)에서 변환 후의 값에 대응하는 위치 정보를 생성하거나, 분류부(210a4)에서 변환 후의 값을 사용하여 개체를 복수의 구분 중 어느 하나로 분류하거나 해도 좋다.
또한, 클라이언트 장치(200)는, 평가 장치(100)로부터 식의 값 또는 변환 후의 값과 위치 정보를 수신한 경우에는, 평가부(210a)는, 분류부(210a4)에서 식의 값 또는 변환 후의 값을 사용하여 개체를 복수의 구분 중 어느 하나로 분류해도 좋다.
[2-3. 다른 실시형태]
본 발명에 따른 평가 장치, 산출 장치, 평가 방법, 산출 방법, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치는, 상기 제2 실시형태 이외에도, 특허청구범위에 기재한 기술적 사상의 범위 내에서 여러가지 다른 실시형태로 실시되어도 좋은 것이다.
또한, 제2 실시형태에서 설명한 각 처리 중, 자동적으로 행해지는 것으로서 설명한 처리의 전부 또는 일부를 수동적으로 행할 수도 있고, 또는 수동적으로 행해지는 것으로서 설명한 처리의 전부 또는 일부를 공지의 방법으로 자동적으로 행할 수도 있다.
이 이외에, 상기 문헌 중이나 도면 중에서 나타낸 처리 순서, 제어 순서, 구체적 명칭, 각 처리의 등록 데이터나 검색 조건 등의 파라미터를 포함하는 정보, 화면예, 데이터베이스 구성에 대해서는, 특기하는 경우를 제외하고 임의로 변경할 수 있다.
또한, 평가 장치(100)에 관해서 도시하는 각 구성 요소는 기능 개념적인 것이고, 반드시 물리적으로 도시한 바와 같이 구성되어 있는 것을 필요로 하지 않는다.
예를 들어, 평가 장치(100)가 구비하는 처리 기능, 특히 제어부(102)에서 행해지는 각 처리 기능에 대해서는, 그 전부 또는 임의의 일부를, CPU 및 상기 CPU에서 해석 실행되는 프로그램에서 실현해도 좋고, 또한, 와이어드 로직에 의한 하드웨어로서 실현해도 좋다. 또한, 프로그램은, 정보 처리 장치에 본 발명에 따른 평가 방법 또는 산출법을 실행시키기 위한 프로그램화된 명령을 포함하는 일시적이지 않은 컴퓨터 판독 가능한 기록 매체에 기록되어 있고, 필요에 따라서 평가 장치(100)에 기계적으로 판독된다. 즉, ROM 또는 HDD(Hard Disk Drive) 등의 기억부(106) 등에는, OS와 협동하여 CPU에 명령을 주어 각종 처리를 행하기 위한 컴퓨터 프로그램이 기록되어 있다. 이러한 컴퓨터 프로그램은 RAM에 로딩됨에 의해 실행되고, CPU와 협동하여 제어부를 구성한다.
또한, 이러한 컴퓨터 프로그램은 평가 장치(100)에 대하여 임의의 네트워크를 통하여 접속된 어플리케이션 프로그램 서버에 기억되어 있어도 좋고, 필요에 따라서 그 전부 또는 일부를 다운로드하는 것도 가능하다.
또한, 본 발명에 따른 평가 프로그램 또는 산출 프로그램을, 일시적이지 않은 컴퓨터 판독 가능한 기록 매체에 격납해도 좋고, 또한 프로그램 제품으로서 구성할 수도 있다. 여기서, 상기 「기록 매체」란, 메모리 카드 USB(Universal Serial Bus) 메모리, SD(Secure Digital) 카드, 플로피 디스크, 광자기 디스크, ROM, EPROM(Erasable Programmable Read Only Memory), EEPROM(Electrically Erasable and Programmable Read Only Memory)(등록상표), CD-ROM(Compact Disc Read Only Memory), MO(Magneto-Optical disk), DVD(Digital Versatile Disk) 및 Blu-ray(등록상표) Disc 등의 임의의 「가반용 물리 매체」를 포함하는 것으로 한다.
또한, 「프로그램」이란, 임의의 언어 또는 기술 방법에서 기술된 데이터 처리 방법이고, 소스 코드 또는 바이너리 코드 등의 형식을 불문한다. 또한, 「프로그램」은 반드시 단일적으로 구성되는 것에 한정되지 않고, 복수의 모듈이나 라이브러리로서 분산 구성되는 것이나, OS로 대표되는 별개의 프로그램과 협동하여 그 기능을 달성하는 것도 포함한다. 또한, 실시형태에 나타낸 각 장치에 있어서 기록 매체를 판독하기 위한 구체적인 구성 및 판독 순서 및 판독 후의 인스톨 순서 등에 대해서는, 주지의 구성이나 순서을 사용할 수 있다.
기억부(106)에 격납된 각종 데이터베이스 등은, RAM, ROM 등의 메모리 장치, 하드 디스크 등의 고정 디스크 장치, 플로피 디스크 및 광 디스크 등의 스토리지 수단이며, 각종 처리나 웹사이트 제공에 사용하는 각종 프로그램, 테이블, 데이터베이스 및 웹페이지용 파일 등을 격납한다.
또한, 평가 장치(100)는, 기지의 퍼스널 컴퓨터 또는 워크스테이션 등의 정보 처리 장치로서 구성해도 좋고, 또한, 임의의 주변 장치가 접속된 상기 정보 처리 장치로서 구성해도 좋다. 또한, 평가 장치(100)는, 상기 정보 처리 장치에 본 발명의 평가 방법 또는 산출 방법을 실현시키는 소프트웨어(프로그램 또는 데이터 등을 포함함)을 실장함으로써 실현해도 좋다.
또한, 장치의 분산·통합의 구체적 형태는 도시하는 것에 한정되지 않고, 그 전부 또는 일부를, 각종의 부가 등에 따라서 또는 기능 부하에 따라서, 임의의 단위로 기능적 또는 물리적으로 분산·통합하여 구성할 수 있다. 즉, 상기 실시형태를 임의로 조합해서 실시해도 좋고, 실시형태를 선택적으로 실시해도 좋다.
실시예 1
2008년부터 2010년까지 사이에 지역 주민에게 건강검진을 실시하고, 그 때에 채취한 혈액으로부터 상기 아미노산 분석법 (A)로 혈중 유리 아미노산 농도를 측정하였다. 상기 주민 집단에 대하여, 뇌 심혈관 이벤트(뇌졸중(뇌경색, 뇌내출혈, 지주막하출혈), 심근 경색 또는 PCI 실시)의 발생 유무의 추적 조사를, 건강검진의 실시 시기부터 2018년까지 최장 10년간 행하였다. 상기 집단 중, 오전 중에 채혈을 행하고 또한 식사 섭취 후 8시간 이상 경과하고나서 건강검진을 실시한 4,039명의 주민을 대상으로 하였다. 이 중, 이벤트 발생예는 4,039명 중 64명으로, 뇌졸중 발생예는 32예, 심근 경색 발생예는 22예, PCI 실시예는 10예였다.
측정한 혈중 유리 아미노산 농도를, 상기 특허문헌 1(일본 공개특허공보 특개2013-178238호)에 기재된 심혈관 이벤트 발생 유무를 판별하기 위한 식(이하에 나타내는 3개의 식)에 대입하여, 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 뇌 심혈관 이벤트 발생에 대한 표준 편차당 해저드비(HR/SD) 및 C-index를 산출하였다. 산출 결과를 도 14에 나타낸다. 여기서, C-index는, Harrell들이 제창하는 예후 예측의 정도를 나타내는 지표이고, 모델로부터 예측되는 이벤트 발생 확률과 실제의 이벤트 발생 확률의 대소 관계가 어느 정도 일치하고 있는지를 나타내는 비모수의(nonparametric) 지표이다.
로지스틱 회귀식: 0.3452 - 0.009171*Ser - 0.01119*Thr + 0.006555*Lys + 0.01067*Arg - 0.03345*Trp
선형 판별식: -0.5164 + 0.0018*Pro - 0.004*Thr + 0.0038*Orn + 0.0026*Arg - 0.0074*Trp
Cox 비례 해저드 모델: 0.0042*Pro - 0.0133*Thr + 0.0075*Lys + 0.0137*Cit - 0.0279*Trp
또한, 19종류의 아미노산(Thr, Ser, Asn, Gln, Pro, Gly, Ala, Cit, Val, Met, Ile, Leu, Tyr, Phe, His, Trp, Orn, Lys 및 Arg)으로부터 선택되는 2개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 14에 나타내는 값으로부터 HR/SD 또는 C-index가 높은 값을 나타내는 2개의 아미노산의 조합을 도 15 내지 17에 나타낸다. 도 15 내지 17에는, 2개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index의 값이 도 14에 나타내는 값보다도 높은 것에서의 2개의 아미노산의 조합과 HR/SD 및 C-index 값이 나타나 있다.
실시예 2
실시예 1에 기재한 집단 중, 오전 중 또는 오후에 채혈을 행하고 또한 식사 섭취 후 8시간 이상 경과하고나서, 2008년 또는 2009년에 건강검진을 실시한 5,479명의 주민을 대상으로 하였다. 이 중, 이벤트 발생예는 5,479명 중 104명으로, 뇌졸중 발생예는 50예, 심근 경색 발생예는 35예, PCI 실시예는 19예였다.
측정한 혈중 유리 아미노산 농도를, 실시예 1에 기재한 특허문헌 1에 기재된 3개의 식에 대입하여 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 뇌 심혈관 이벤트 발생에 대한 HR/SD 및 C-index를 산출하였다. 산출 결과를 도 18에 나타낸다.
또한, 상기 19종류의 아미노산으로부터 선택되는 2개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 18에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 2개의 아미노산의 조합을 도 19 및 도 20에 나타낸다. 도 19 및 도 20에는, 2개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index의 값이 도 18에 나타내는 값보다도 높은 것에서의 2개의 아미노산의 조합과 HR/SD 및 C-index 값이 나타나 있다.
실시예 3
실시예 1에 기재한 4,039명의 주민을 대상으로 하였다.
13종류의 아미노산(Gly, Gln, His, Thr, Cit, Pro, Tyr, Val, Met, Lys, Ile, Phe 및 Trp)으로부터 선택되는 2개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 14에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 2개의 아미노산의 조합을 도 21 및 도 22에 나타낸다. 도 21 및 도 22에는, 2개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 14에 나타내는 값보다도 높은 것에서의 2개의 아미노산의 조합과 HR/SD 및 C-index의 값이 나타나 있다.
실시예 4
실시예 2에 기재한 5,479명의 주민을 대상으로 하였다.
상기 13종류의 아미노산으로부터 선택되는 2개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 18에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 2개의 아미노산의 조합을 도 23에 나타낸다. 도 23에는, 2개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 18에 나타내는 값보다도 높은 것에서의 2개의 아미노산의 조합과 HR/SD 및 C-index 값이 나타나 있다.
실시예 5
실시예 1에 기재한 4,039명의 주민을 대상으로 하였다.
상기 19종류의 아미노산으로부터 선택되는 3개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 21 및 도 22에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 3개의 아미노산의 조합을 도 24에 나타낸다. 도 24에는, 3개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 21 및 도 22에 나타내는 값보다도 높은 것에서의 3개의 아미노산의 조합과 HR/SD 및 C-index의 값이 나타나 있다.
실시예 6
실시예 2에 기재한 5,479명의 주민을 대상으로 하였다.
상기 19종류의 아미노산으로부터 선택되는 3개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 23에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 3개의 아미노산의 조합을 도 25에 나타낸다. 도 25에는, 3개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 23에 나타내는 값보다도 높은 것에서의 3개의 아미노산의 조합과 HR/SD 및 C-index가 나타나 있다.
실시예 7
실시예 1에 기재한 4,039명의 주민을 대상으로 하였다.
상기 13종류의 아미노산으로부터 선택되는 3개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 24에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 3개의 아미노산의 조합을 도 26에 나타낸다. 도 26에는, 3개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 24에 나타내는 값보다도 높은 것에서의 3개의 아미노산의 조합과 HR/SD 및 C-index의 값이 나타나 있다.
실시예 8
실시예 2에 기재한 5,479명의 주민을 대상으로 하였다.
상기 13종류의 아미노산으로부터 선택되는 3개의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한, HR/SD 및 C-index를 산출하였다. 도 25에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 3개의 아미노산의 조합을 도 27에 나타낸다. 도 27에는, 3개의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 25에 나타내는 값보다도 높은 것에서의 3개의 아미노산의 조합과 HR/SD 및 C-index가 나타나 있다.
실시예 9
실시예 1에 기재한 4,039명의 주민을 대상으로 하였다.
상기 13종류의 아미노산으로부터 선택되는 4개 이상 6개 이하의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 26에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 4개 이상 6개 이하의 아미노산의 조합을 도 28에 나타낸다. 도 28에는, 4개 이상 6개 이하의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 26에 나타내는 값보다도 높은 것에서의 4개 이상 6개 이하의 아미노산의 조합과 HR/SD 및 C-index 값이 나타나 있다.
실시예 10
실시예 2에 기재한 5,479명의 주민을 대상으로 하였다.
상기 13종류의 아미노산으로부터 선택되는 4개 이상 6개 이하의 아미노산의 모든 조합을 추출하고, 측정한 혈중 유리 아미노산 농도를, 추출한 각 조합에 대응하는 Cox 비례 해저드 모델에 대입하여 모델의 선형 예측자의 값을 얻었다. 얻어진 선형 예측자의 값의, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 대한 HR/SD 및 C-index를 산출하였다. 도 27에 나타내는 값보다도 HR/SD 또는 C-index가 높은 값을 나타내는 4개 이상 6개 이하의 아미노산의 조합을 도 29 내지 33에 나타낸다. 도 29 내지 33에는, 4개 이상 6개 이하의 아미노산으로 이루어진 Cox 비례 해저드 모델로서 HR/SD 또는 C-index가 도 27에 나타내는 값보다도 높은 것에서의 4개 이상 6개 이하의 아미노산의 조합과 HR/SD 및 C-index가 나타나 있다.
실시예 11
실시예 1에 기재한 4,039명의 주민을 대상으로 하였다.
실시예 9에 기재된 모델의 선형 예측자의 값의 40%점, 95%점을 각각 컷오프 값으로서 설정하고 피험자의 랭크 분류를 행하였다. 구체적으로는 선형 예측자의 값이 40%점 미만인 피험자를 랭크 A, 40%점 이상 95%점 미만인 피험자를 랭크 B, 95%점 이상인 피험자를 랭크 C로 각각 분류를 행하였다.
4개 이상 6개 이하의 아미노산의 각 조합에 대하여, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 관한, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자의 상대 리스크와, 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의 상대 리스크를 산출하였다.
4개 이상 6개 이하의 아미노산의 각 조합에 대하여, 추적 기간 중의 뇌 혈관 이벤트의 발생 유무에 관한, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자의 상대 리스크와, 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의 상대 리스크를 산출하였다.
4개 이상 6개 이하의 아미노산의 각 조합에 대하여, 추적 기간 중의 심혈관 이벤트의 발생 유무에 관한, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자의 상대 리스크와, 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의 상대 리스크를 산출하였다.
산출한 상대 리스크를 도 34에 나타낸다. 도 34에는, 실시예 9에 기재된 Cox 비례 해저드 모델의 선형 예측자의 값에 기초하여 피험자의 랭크 분류를 행했을 때의, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자와 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의, 뇌 심혈관 이벤트 발생에 관한 상대 리스크, 뇌 혈관 이벤트 발생에 관한 상대 리스크 및 심혈관 이벤트 발생에 관한 상대 리스크가 나타나 있다.
실시예 12
실시예 2에 기재한 5,479명의 주민을 대상으로 하였다.
실시예 10에 기재된 모델의 선형 예측자의 값의 40%점, 95%점을 각각 컷오프 값으로서 설정하고 피험자의 랭크 분류를 행하였다. 구체적으로는 선형 예측자의 값이 40%점 미만인 피험자를 랭크 A, 40%점 이상 95%점 미만인 피험자를 랭크 B, 95%점 이상인 피험자를 랭크 C로 각각 분류하였다.
4개 이상 6개 이하의 아미노산의 각 조합에 대하여, 추적 기간 중의 뇌 심혈관 이벤트의 발생 유무에 관한, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자의 상대 리스크와, 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의 상대 리스크를 산출하였다.
4개 이상 6개 이하의 아미노산의 각 조합에 대하여, 추적 기간 중의 뇌 혈관 이벤트의 발생 유무에 관한, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자의 상대 리스크와, 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의 상대 리스크를 산출하였다.
4개 이상 6개 이하의 아미노산의 각 조합에 대하여, 추적 기간 중의 심혈관 이벤트의 발생 유무에 관한, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자의 상대 리스크와, 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의 상대 리스크를 산출하였다.
산출한 상대 리스크를 도 35 내지 43에 나타낸다. 도 35 내지 43에는 실시예 10에 기재된 Cox 비례 해저드 모델의 선형 예측자의 값에 기초하여 피험자의 랭크 분류를 행하였을 때의, 랭크 A에 해당하는 피험자에 대한 랭크 B에 해당하는 피험자와 랭크 A에 해당하는 피험자에 대한 랭크 C에 해당하는 피험자의, 뇌 심혈관 이벤트의 발생에 관한 상대 리스크, 뇌혈관 이벤트의 발생에 관한 상대 리스크 및 심혈관 이벤트 발생에 관한 상대 리스크가 나타나 있다.
이상과 같이, 본 발명은 산업상의 많은 분야, 특히 의약품이나 식품, 의료 등의 분야에서 널리 실시할 수 있고, 특히 뇌 심혈관 이벤트의 장래의 발생 리스크 예측 등을 행하는 바이오인포매틱스 분야에서 극히 유용하다.
100 평가 장치(산출 장치를 포함함)
102 제어부
102a 취득부
102b 지정부
102c 식 작성부
102d 평가부
102d1 산출부
102d2 변환부
102d3 생성부
102d4 분류부
102e 결과 출력부
102f 송신부
104 통신 인터페이스부
106 기억부
106a 농도 데이터 파일
106b 지표 상태 정보 파일
106c 지정 지표 상태 정보 파일
106d 식 관련 정보 데이터베이스
106d1 식 파일
106e 평가 결과 파일
108 입출력 인터페이스부
112 입력 장치
114 출력 장치
200 클라이언트 장치(단말 장치(정보 통신 단말 장치))
300 네트워크
400 데이터베이스 장치

Claims (19)

  1. 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 스텝을 포함함을 특징으로 하는, 평가 방법.
  2. 제1항에 있어서, 상기 적어도 2개의 아미노산은 Gly를 포함함을 특징으로 하는, 평가 방법.
  3. 제1항 또는 제2항에 있어서, 상기 적어도 2개의 아미노산은 Cit 및/또는 Trp를 포함함을 특징으로 하는, 평가 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 적어도 2개의 아미노산은 Met 및/또는 Val을 포함함을 특징으로 하는, 평가 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 평가 스텝은, 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행됨을 특징으로 하는, 평가 방법.
  6. 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값 및 상기 농도값이 대입되는 변수를 포함하는 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 식을 사용하여 상기 식의 값을 산출하는 산출 스텝을 포함함을 특징으로 하는, 산출 방법.
  7. 제6항에 있어서, 상기 적어도 2개의 아미노산은 Gly를 포함함을 특징으로 하는, 산출 방법.
  8. 제6항 또는 제7항에 있어서, 상기 적어도 2개의 아미노산은 Cit 및/또는 Trp를 포함함을 특징으로 하는, 산출 방법.
  9. 제6항 내지 제8항 중 어느 한 항에 있어서, 상기 적어도 2개의 아미노산은 Met 및/또는 Val을 포함함을 특징으로 하는, 산출 방법.
  10. 제6항 내지 제9항 중 어느 한 항에 있어서, 상기 산출 스텝은, 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행됨을 특징으로 하는, 산출 방법.
  11. 제어부를 구비한 평가 장치로서,
    상기 제어부는,
    평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 수단을 구비함을 특징으로 하는, 평가 장치.
  12. 제11항에 있어서, 상기 농도값에 관한 농도 데이터 또는 상기 식의 상기 값을 제공하는 단말 장치와 네트워크를 통하여 통신 가능하게 접속되고,
    상기 제어부는,
    상기 단말 장치로부터 송신된 상기 농도 데이터 또는 상기 식의 상기 값을 수신하는 데이터 수신 수단과,
    상기 평가 수단에서 얻어진 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단을 추가로 구비하고,
    상기 평가 수단은, 상기 데이터 수신 수단에서 수신한 상기 농도 데이터에 포함되어 있는 상기 농도값 또는 상기 식의 상기 값을 사용함을 특징으로 하는, 평가 장치.
  13. 제어부를 구비한 산출 장치로서,
    상기 제어부는,
    평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값 및 상기 농도값이 대입되는 변수를 포함하는 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 식을 사용하여, 상기 식의 값을 산출하는 산출 수단을 구비함을 특징으로 하는, 산출 장치.
  14. 제어부를 구비한 정보 처리 장치에서 실행시키기 위한 평가 프로그램으로서,
    상기 제어부에서 실행시키기 위한,
    평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 스텝을 포함함을 특징으로 하는, 평가 프로그램.
  15. 제어부를 구비한 정보 처리 장치에서 실행시키기 위한 산출 프로그램으로서,
    상기 제어부에서 실행시키기 위한,
    평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값 및 상기 농도값이 대입되는 변수를 포함하는 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하기 위한 식을 사용하여, 상기 식의 값을 산출하는 산출 스텝을 포함함을 특징으로 하는, 산출 프로그램.
  16. 제14항 또는 제15항에 기재된 프로그램을 기록한, 컴퓨터 판독 가능한 기록 매체.
  17. 제어부를 구비한 평가 장치와 제어부를 구비한 단말 장치를 네트워크를 통하여 통신 가능하게 접속하여 구성되는 평가 시스템으로서,
    상기 단말 장치의 상기 제어부는,
    평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값에 관한 농도 데이터, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 상기 평가 장치로 송신하는 데이터 송신 수단과,
    상기 평가 장치로부터 송신된, 뇌 심혈관 이벤트의 장래의 발생 리스크에 관한 평가 결과를 수신하는 결과 수신 수단을 구비하고,
    상기 평가 장치의 상기 제어부는,
    상기 단말 장치로부터 송신된 상기 농도 데이터 또는 상기 식의 상기 값을 수신하는 데이터 수신 수단과,
    상기 데이터 수신 수단에서 수신한 상기 농도 데이터에 포함되어 있는 상기 농도값 또는 상기 식의 상기 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 수단과,
    상기 평가 수단에서 얻어진 상기 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단을 구비함을 특징으로 하는, 평가 시스템.
  18. 제어부를 구비한 단말 장치로서,
    상기 제어부는,
    뇌 심혈관 이벤트의 장래의 발생 리스크에 관한 평가 결과를 취득하는 결과 취득 수단을 구비하고,
    상기 평가 결과는, 평가 대상의 혈액 중의 Gly, Cit, Trp, Met, Val, His, Pro 및 Tyr 중 적어도 2개의 아미노산의 농도값, 또는 상기 농도값이 대입되는 변수를 포함하는 식 및 상기 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가한 결과임을 특징으로 하는, 단말 장치.
  19. 제18항에 있어서, 뇌 심혈관 이벤트의 장래의 발생 리스크를 평가하는 평가 장치와 네트워크를 통하여 통신 가능하게 접속되어 있고,
    상기 제어부는, 상기 농도값에 관한 농도 데이터 또는 상기 식의 상기 값을 상기 평가 장치로 송신하는 데이터 송신 수단을 구비하고,
    상기 결과 취득 수단은, 상기 평가 장치로부터 송신된 상기 평가 결과를 수신함을 특징으로 하는, 단말 장치.
KR1020217023775A 2019-01-29 2020-01-29 뇌 심혈관 이벤트의 장래의 발생 리스크의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치 KR20210119989A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019013477 2019-01-29
JPJP-P-2019-013477 2019-01-29
PCT/JP2020/003269 WO2020158828A1 (ja) 2019-01-29 2020-01-29 脳心血管イベントの将来の発生リスクの評価方法、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、評価システムおよび端末装置

Publications (1)

Publication Number Publication Date
KR20210119989A true KR20210119989A (ko) 2021-10-06

Family

ID=71840153

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217023775A KR20210119989A (ko) 2019-01-29 2020-01-29 뇌 심혈관 이벤트의 장래의 발생 리스크의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치

Country Status (4)

Country Link
JP (1) JPWO2020158828A1 (ko)
KR (1) KR20210119989A (ko)
SG (1) SG11202108176PA (ko)
WO (1) WO2020158828A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013178238A (ja) 2012-01-31 2013-09-09 Ajinomoto Co Inc 心血管イベントの評価方法、心血管イベント評価装置、心血管イベント評価方法、心血管イベント評価プログラム、心血管イベント評価システムおよび情報通信端末装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009032722A1 (en) * 2007-08-29 2009-03-12 The Cleveland Clinic Foundation Carbamylated proteins and risk of cardiovascular disease
WO2010104964A1 (en) * 2009-03-10 2010-09-16 Duke University Predicting coronary artery disease and risk of cardiovascular events
JP6311705B2 (ja) * 2013-04-09 2018-04-18 味の素株式会社 取得方法、算出方法、インスリン評価装置、算出装置、インスリン評価プログラム、算出プログラム、インスリン評価システム、および端末装置
KR102614827B1 (ko) * 2014-10-08 2023-12-19 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
JP6565010B2 (ja) * 2014-10-09 2019-08-28 有限会社ピコデバイス パーキンソン病の早期診断方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013178238A (ja) 2012-01-31 2013-09-09 Ajinomoto Co Inc 心血管イベントの評価方法、心血管イベント評価装置、心血管イベント評価方法、心血管イベント評価プログラム、心血管イベント評価システムおよび情報通信端末装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Magnusson M. et al. 2013, Eur. Heart. J. 34, 198201989
Ruiz-Canela M. et al. Clin. Chem. 2016, 62, 582-592
Shah SH. et al. Am. Heart. J. 2012, 163, 844-850
Shah SH. et al. Circ. Cardiovasc. Genet. 2010, 3, 207-214

Also Published As

Publication number Publication date
JPWO2020158828A1 (ja) 2021-11-25
SG11202108176PA (en) 2021-08-30
WO2020158828A1 (ja) 2020-08-06

Similar Documents

Publication Publication Date Title
WO2014168125A1 (ja) 生活習慣病指標の評価方法、生活習慣病指標評価装置、生活習慣病指標評価方法、生活習慣病指標評価プログラム、生活習慣病指標評価システム、および情報通信端末装置
US20210172958A1 (en) Evaluating method of ketosis in postpartum dairy cows
JP2024038394A (ja) 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、記録媒体、評価システム
JP7337018B2 (ja) 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、評価システム
JP7311119B2 (ja) 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
WO2020203878A1 (ja) アミロイドベータの脳内への蓄積の評価方法、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、評価システムおよび端末装置
KR20210119989A (ko) 뇌 심혈관 이벤트의 장래의 발생 리스크의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치
WO2021090941A1 (ja) 免疫チェックポイント阻害剤の薬理作用の評価方法、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、評価システムおよび端末装置
JP7093163B2 (ja) 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
WO2019194144A1 (ja) 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
KR102475008B1 (ko) 당뇨병 환자에서의 췌장암의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 평가 시스템 및 단말 장치
WO2022009991A1 (ja) 軽度認知障害の評価方法、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、評価システムおよび端末装置
JP7435855B2 (ja) 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、記録媒体、及び評価システム
JP7435856B2 (ja) 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、記録媒体、及び評価システム
KR102477319B1 (ko) 암 모니터링의 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 평가 시스템, 및 단말 장치
KR20190065267A (ko) 췌장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
JP7093162B2 (ja) 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
WO2016148155A1 (ja) 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
JP6886241B2 (ja) 骨格筋面積の評価方法
JP2011080957A (ja) 線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法