WO2006123611A1 - 近赤外分光を用いた慢性疲労症候群(cfs)診断法および装置 - Google Patents
近赤外分光を用いた慢性疲労症候群(cfs)診断法および装置 Download PDFInfo
- Publication number
- WO2006123611A1 WO2006123611A1 PCT/JP2006/309656 JP2006309656W WO2006123611A1 WO 2006123611 A1 WO2006123611 A1 WO 2006123611A1 JP 2006309656 W JP2006309656 W JP 2006309656W WO 2006123611 A1 WO2006123611 A1 WO 2006123611A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- cfs
- analysis
- wavelength
- diagnosis
- inspection
- Prior art date
Links
- 206010008874 Chronic Fatigue Syndrome Diseases 0.000 title claims abstract description 147
- 208000029766 myalgic encephalomeyelitis/chronic fatigue syndrome Diseases 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000002329 infrared spectrum Methods 0.000 title description 2
- 238000004458 analytical method Methods 0.000 claims abstract description 118
- 238000003745 diagnosis Methods 0.000 claims abstract description 67
- 238000001228 spectrum Methods 0.000 claims abstract description 13
- 241001465754 Metazoa Species 0.000 claims abstract description 6
- 238000007689 inspection Methods 0.000 claims description 45
- 238000000862 absorption spectrum Methods 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 21
- 238000002835 absorbance Methods 0.000 claims description 16
- 238000004611 spectroscopical analysis Methods 0.000 claims description 14
- 230000001678 irradiating effect Effects 0.000 claims description 11
- 210000002966 serum Anatomy 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000000611 regression analysis Methods 0.000 claims description 7
- 210000004369 blood Anatomy 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 6
- 210000001124 body fluid Anatomy 0.000 claims description 5
- 239000010839 body fluid Substances 0.000 claims description 5
- 210000002700 urine Anatomy 0.000 claims description 5
- 238000010224 classification analysis Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 19
- 238000010521 absorption reaction Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 65
- 238000000513 principal component analysis Methods 0.000 description 23
- 208000024891 symptom Diseases 0.000 description 14
- 238000000491 multivariate analysis Methods 0.000 description 12
- 206010016256 fatigue Diseases 0.000 description 11
- 238000004497 NIR spectroscopy Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 7
- 238000011068 loading method Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 210000003811 finger Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 201000007100 Pharyngitis Diseases 0.000 description 2
- 239000004793 Polystyrene Substances 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 210000001165 lymph node Anatomy 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 229920002223 polystyrene Polymers 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 208000006820 Arthralgia Diseases 0.000 description 1
- 208000031462 Bovine Mastitis Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- 206010013496 Disturbance in attention Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010022998 Irritability Diseases 0.000 description 1
- 208000010428 Muscle Weakness Diseases 0.000 description 1
- 206010028372 Muscular weakness Diseases 0.000 description 1
- 206010053156 Musculoskeletal discomfort Diseases 0.000 description 1
- 208000000112 Myalgia Diseases 0.000 description 1
- 206010068319 Oropharyngeal pain Diseases 0.000 description 1
- 206010034960 Photophobia Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 231100000676 disease causative agent Toxicity 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 206010020765 hypersomnia Diseases 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 206010027175 memory impairment Diseases 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 208000013465 muscle pain Diseases 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
- A61B5/414—Evaluating particular organs or parts of the immune or lymphatic systems
- A61B5/415—Evaluating particular organs or parts of the immune or lymphatic systems the glands, e.g. tonsils, adenoids or thymus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
- A61B5/414—Evaluating particular organs or parts of the immune or lymphatic systems
- A61B5/418—Evaluating particular organs or parts of the immune or lymphatic systems lymph vessels, ducts or nodes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/30—Psychoses; Psychiatry
- G01N2800/306—Chronic fatigue syndrome
Definitions
- the present invention relates to a method for performing an examination diagnosis related to chronic fatigue syndrome (CFS) by near infrared spectroscopy, and an apparatus used for the method.
- CFS chronic fatigue syndrome
- CFS chronic fatigue syndrome
- CFS diagnostic criteria of the Ministry of Health and Welfare are defined as CFS diagnostic criteria of the Ministry of Health and Welfare as small criteria (small criteria).
- A) Symptom criteria (the following symptoms persist or repeat for more than 6 months) 1.
- Fever Axillary temperature 37.2 to 38.3 ° C) or chills 2.
- Sore throat 3.
- Cervical or axillary lymph Nodal swelling 4.
- Unexplained muscle weakness 5.
- Muscle pain or discomfort 6.
- General malaise that lasts for more than 24 hours after light exertion 7.
- Headache 8.
- Spiritual nerve Symptoms (any one or more) Photophobia, transient dark spots, forgetfulness, irritability, confusion, poor thinking, poor concentration, depression 10.
- Sleep disorder hyperersomnia, insomnia
- 11. Major symptoms at onset Expressed in hours to days,
- the specific component is quantitatively analyzed by irradiating a sample with visible light and Z or near infrared rays and detecting the wavelength band absorbed by the specific component.
- a sample is injected into a quartz cell, and a near-infrared spectrometer (for example, NIRSystem6500 manufactured by Reco) is used to view a wavelength range of 400 nm to 2500 nm. It is performed by irradiating light and Z or near infrared rays and analyzing the transmitted light, reflected light, or transmitted / reflected light.
- a near-infrared spectrometer for example, NIRSystem6500 manufactured by Reco
- near-infrared rays are electromagnetic waves with low energy that have a very small extinction coefficient of a substance and are difficult to be scattered. Therefore, chemical and physical information can be obtained without damaging a sample.
- sample information can be obtained immediately by detecting the transmitted light from the sample, obtaining absorbance data of the sample, and performing multivariate analysis on the obtained absorbance data.
- the process of changes in the structure and function of biomolecules can be captured directly and in real time.
- Patent Document 1 discloses a method for obtaining subject force information using visible-near infrared rays, specifically, a method for identifying a group to which an unknown subject belongs, a method for identifying an unknown subject, and a subject. A method for monitoring changes in the specimen over time in real time has been disclosed. The CFS diagnostic method by near infrared spectroscopy is not disclosed in this document.
- Patent Document 2 body cells in milk or breast are measured by multivariate analysis of the obtained absorbance data using absorption bands of water molecules in the visible light and Z or near infrared regions. A method for diagnosing bovine mastitis is disclosed. As other prior art, Non-Patent Document 2 describes the clinical symptoms and presently considered chronic fatigue syndrome (CFS). The pathogenesis mechanism has been disclosed.
- CFS chronic fatigue syndrome
- Non-patent document 1 Ministry of Health and Welfare CFS diagnostic criteria draft (March 1995)
- Non-Patent Document 2 Adler RH. Chronic fatigue syndrome (cfs)., Swiss Med Wkly. (2004) 1 34: 268-76.
- Patent Document 1 Japanese Patent Laid-Open No. 2002-5827 (Pages 1-9, Fig. 1)
- Patent Document 2 International Publication WO01Z75420 (Pages 1-5, Fig. 1)
- an object of the present invention is to provide a novel method and apparatus for performing an examination'diagnosis relating to CFS in a simple, rapid and highly accurate manner using near infrared spectroscopy. .
- the present inventor has made it possible to examine and diagnose CFS by near-infrared spectroscopy, and in particular, visible-near-infrared (VIS-NIR) )
- VIS-NIR visible-near-infrared
- the present invention includes the following inventions as medically and industrially useful inventions.
- This is a method for quantitatively or qualitatively examining (diagnosing) Chronic Fatigue Syndrome (CFS) by analyzing the absorbance of all wavelengths or specific wavelengths in the sample using a previously created analysis model.
- CFS Chronic Fatigue Syndrome
- Said specimen sample is blood (including plasma 'serum), urine, other body fluid, tissue, tissue extract, or a part of a living body such as ear, finger or fingertip ) -E) Inspection 'determination method according to any one of
- J) A diagnostic program for creating or updating an analysis model used in the method described in A) above, or an examination 'diagnosis of chronic fatigue syndrome (CFS)' that uses a computer to perform the diagnosis.
- CFS chronic fatigue syndrome
- a data analysis means for performing an inspection 'diagnosis device characterized by comprising:
- Chronic fatigue syndrome (by analysis using spectral data) CFS) Examination 'Examination' diagnosis device according to any one of the above K) M) characterized in that it conducts a diagnosis.
- the present invention it is possible to perform an inspection and diagnosis relating to CFS objectively, simply, quickly and with high accuracy. Because it is simple and rapid, it is particularly useful when it is necessary to examine a large number of samples simultaneously. According to the present invention, it is possible to diagnose CFS using a blood-derived sample such as plasma / serum. In addition, the sample can be noninvasively examined without damaging the living body, using urine and other body fluids, and a part of the living body such as the ear and fingertips of the limbs as a specimen.
- FIG. 1 is a diagram for explaining a method of creating an analysis model and diagnosis of CFS using the created analysis model according to the present invention.
- FIG. 2 is a graph showing Coomans Plots obtained by SIM CA analysis of each specimen sample diluted 5-fold after the CFS test according to Example 1 of the present invention.
- FIG. 3 is a graph showing discriminative power (vertical axis) at each wavelength (horizontal axis) obtained as a result of SIMCA analysis over the CFS inspection according to Example 1 of the present invention.
- FIG. 4 Inspection / diagnosis result using analysis model (PCA model) obtained by PCA in CFS inspection according to Example 2 of the present invention.
- Graph A shows the first principal component (PC1) axis. And plots the PCA score of each test sample against the second principal component (PC2) axis, and
- Graph B plots the PCA ⁇ core of each unknown sample against the PC1 and PC2 axes.
- ⁇ marks are specimens from healthy subjects
- thumbprints are specimens from CFS patients.
- Darah C shows loading of PC1 (solid line) and PC2 (dashed line) in the above PCA model.
- the test using the analysis model (SIMCA model) obtained by the SIMCA method is the diagnosis result, and graph A shows the test sample for each test sample.
- FIG. 6 is a graph showing discriminative power (vertical axis) at each wavelength (horizontal axis) obtained as a result of SIMCA analysis (Factor 10) in the CFS inspection according to Example 3 of the present invention.
- FIG. 7 is a graph showing discrimination power (vertical axis) at each wavelength (horizontal axis) obtained as a result of SIMCA analysis (Factor 20) in the CFS examination according to Example 3 of the present invention.
- the present apparatus performs examination and diagnosis related to CFS will be described with reference to the drawings.
- the inspection / diagnosis by this apparatus adopts the method of the present invention, that is, (a) wavelength 400 ⁇ ! Irradiate the specimen sample derived from the subject or other animals with wavelength light in the range of ⁇ 250 Onm or a part of it, and (b) detect the reflected light, transmitted light or transmitted reflected light to obtain absorbance spectrum data. After that, (c) Analyze the absorbance of all or a specific wavelength of the measured wavelength using the analytical model prepared in advance, and perform CFS inspection and judgment.
- the first characteristic point of this apparatus is that CFS diagnosis is performed objectively, simply, quickly and with high accuracy.
- the wavelength range of the sample sample is 400 ⁇ ! It is in the range of ⁇ 2500 nm or a part thereof (for example, 600 ⁇ : LlOOnm). This wavelength range can be set as one or a plurality of wavelength ranges including wavelength light necessary for inspection / determination using this analysis model after the analysis model is created.
- a halogen lamp LED or the like can be used, but it is not particularly limited.
- the light that is also emitted from the light source is irradiated onto the specimen sample directly or through a light projecting means such as a fiber probe.
- a pre-spectroscopy method that uses a spectroscope to divide the sample before irradiating it, or a post-spectroscopy method that divides the sample after irradiation! ,.
- the pre-spectral method there are a method in which light of the light source power is simultaneously split by a prism at once and a method in which the wavelength is continuously changed by changing the slit interval of the diffraction grating.
- the sample is irradiated with continuous wavelength light whose wavelength is continuously changed by decomposing light having a light source power with a predetermined wavelength width.
- light having a wavelength in the range of 600 to: LlOOnm is decomposed with a wavelength resolution of 2 nm, and the sample is irradiated with light having a wavelength continuously changed by 2 nm.
- Reflected light, transmitted light, or transmitted / reflected light of the light applied to the sample is detected by the detector, and raw absorbance spectrum data is obtained.
- the raw absorbance spectrum data may be used as is for inspection and judgment using an analytical model, but data such as the decomposition of peaks in the obtained spectrum into element peaks by spectroscopic or multivariate analysis techniques. It is preferable to carry out a conversion process and perform a detection determination based on an analysis model using the absorbance spectrum data after conversion. Examples of spectroscopic methods include second-order differential processing and Fourier transform, and multivariate analysis methods include, but are not particularly limited to, powers exemplified by weblet transform and neural network methods.
- This device performs CFS inspection and diagnosis by analyzing the absorbance at a specific wavelength (or all measured wavelengths) in the absorbance spectrum data obtained as described above using an analysis model.
- an analysis model must be created in advance for the final inspection / diagnosis.
- this analysis model may be created at the time of spectrum measurement.
- the above method was used for the creation of a quantitative analysis model, but for the creation of a qualitative analysis model, Principal Component Analysis (PCA), SIMC A method, soft independent modeling for class discrimination were used. of class analogy), KNN method (k nearest neighbors), etc. can be applied.
- the SIMCA method performs principal component analysis for each of multiple groups (classes) and creates principal component models for each class. Then, the unknown sample is compared against the principal component model of each class, and the unknown sample is assigned to the class of the main component model that best matches.
- classification analysis such as SIMCA method can be said to classify absorption spectra and regression vectors into each class by pattern recognition.
- the creation of an analysis model using multivariate analysis such as the SIMCA method or the PLS method can be performed using self-made software or commercially available multivariate analysis software.
- the creation of software specialized for the purpose of use as a CFS inspection 'diagnosis program enables rapid analysis.
- An analysis model assembled using such multivariate analysis software is saved as a file, and this file is called during inspection / diagnosis of an unknown sample, and quantification using the analysis model is performed on the unknown sample. Make a 'diagnostic or qualitative test' diagnosis. This enables simple and quick CFS inspection and diagnosis. It is preferable that a plurality of analysis models such as a quantitative model and a qualitative model are stored as files, and each model is updated as appropriate.
- the inspection 'diagnostic program (analysis software) of the present invention creates, updates or analyzes an analysis model, or uses the created analysis model to inspect CFS from sample spectrum data.
- the program of the present invention can be provided as a computer-readable recording medium on which the program is recorded.
- Such recording media include magnetic storage media such as flexible disks, hard disks, and magnetic tapes, optical storage media such as CD-ROM, CD-R, CD-RW, DVD—ROM ⁇ DVD-RAM, DVD—RW, Electrical storage media such as RAM and ROM, and MO Examples of magnetic z optical storage media include, but are not limited to:
- the wavelength light necessary for inspection / diagnosis using the analysis model is determined.
- This device can simplify the device configuration by irradiating the sample with one or a plurality of wavelength ranges thus determined.
- Fig. 1 shows a summary of the analysis model creation step described above and the CFS inspection 'diagnosis step based on the analysis model.
- the analysis model creation step for example, normal plasma and CFS patient plasma are used as samples, and near-infrared spectroscopic measurement is performed, followed by preprocessing of the obtained spectrum data. Then, multivariate analysis is performed while referring to the existing CFS test 'diagnosis results, and an analysis model is created. Analyze CFS inspection of unknown samples using the analysis model created in this way, or evaluate the analysis model by performing CFS inspection 'diagnosis including the data (wavelength information) used to create the analysis model be able to. If an analytical model with a higher evaluation than the previously created analytical model is obtained, the model can be reconstructed as appropriate by updating it.
- the inspection / diagnosis system configuration of this equipment is composed of four elements: (0 probe (light projecting unit), GO spectroscopy 'detection unit, (iii) data analysis unit, and (iv) result display unit). The following describes each element.
- the probe has a function of guiding light from a light source such as a halogen lamp (LED) (entire range of wavelength 400 nm to 2500 nm or a partial range thereof) to a sample to be measured.
- a light source such as a halogen lamp (LED) (entire range of wavelength 400 nm to 2500 nm or a partial range thereof)
- LED halogen lamp
- a near-infrared spectrometer probe can be manufactured at low cost and is low in cost.
- the light emitted from the light source may be directly projected onto the sample to be measured.
- a probe is not necessary, and the light source functions as a light projecting unit.
- wavelength light necessary for inspection / diagnosis using the analysis model is determined.
- This device can simplify the device configuration by irradiating the sample with one or more wavelength regions determined in this way.
- This apparatus has a configuration of a near-infrared spectrometer as a measurement system.
- a near-infrared spectrometer irradiates a measurement object with light, and a detection unit detects reflected light, transmitted light, or transmitted reflected light from the object. Furthermore, the absorbance of the detected light with respect to incident light is measured for each wavelength.
- the spectroscopic methods include pre-spectroscopy and post-spectrometry. Pre-spectrometry is performed before projecting on the measurement object. Post-spectroscopy detects and separates light from the measurement object.
- the spectroscopic detection unit of the present apparatus may employ either a pre-spectral or post-spectral spectroscopic method.
- reflected light detection In the reflected light detection and the transmitted light detection, the reflected light and the transmitted light from the measurement object are detected by the detector, respectively.
- transmitted / reflected light detection refracted light incident on the object to be measured is reflected inside the object, and light emitted outside the object is detected again.
- the separation / detection unit of the present apparatus may employ any detection method of reflected light detection, transmitted light detection, and transmitted / reflected light detection.
- the detector in the spectroscopic / detection unit can be constituted by, for example, a CCD (Charge Coupled Device) that is a semiconductor element. Of course, other light receiving elements not limited to this may be used. Good.
- the spectroscope can also be configured by known means.
- Spectroscopy / detector force Absorbance by wavelength that is, absorbance spectrum data can be obtained. Day Based on this absorbance spectrum data, the data analyzer performs CFS diagnosis using the analysis model created in advance as described above.
- analysis model prepare a plurality of analysis models such as a quantitative model and a qualitative model, and use different models depending on whether quantitative evaluation is performed or qualitative evaluation is performed.
- the data analysis unit may be configured by a storage unit that stores various data such as spectrum data, a program for multivariate analysis, an analysis model, and an arithmetic processing unit that performs arithmetic processing based on the data and the program.
- a storage unit that stores various data such as spectrum data, a program for multivariate analysis, an analysis model, and an arithmetic processing unit that performs arithmetic processing based on the data and the program.
- it can be realized by an IC chip. Therefore, it is easy to reduce the size of the apparatus in order to make it portable.
- the above analysis model is also written in a storage unit such as an IC chip.
- the result display unit displays the analysis result in the data analysis unit. Specifically, the fatigue level obtained as a result of analysis by the analysis model is displayed. Or, in the case of a qualitative model, indications such as rCFSj “High possibility of CFS”, “Low possibility of CFS”, “High degree of fatigue”, “Low degree of fatigue”, “Healthy person”, etc. I do.
- the result display unit is preferably a flat display such as a liquid crystal.
- the present apparatus can be used for examination and diagnosis related to CFS.
- examination and diagnosis related to CFS are not limited to examination or diagnosis of CFS, but quantitative evaluation of the degree of fatigue (the degree of pathological fatigue) and the degree of disease progression of CFS, evaluation judgment of onset risk, etc. This includes the various examinations and diagnoses related to CFS.
- the absorption spectrum of each sample was measured by the following measurement method. A total of 211 specimens of 119 specimens of normal donor plasma and 92 specimens of plasma from CFS patients were used as specimen specimens, each diluted 5-fold with PBS buffer.
- the absorption spectrum was measured by irradiating the sample with 600 to: L lOOnm wavelength light three times in succession and detecting each reflected light.
- the wavelength resolution is 2nm.
- the optical path length through the sample was set to 10 mm.
- the obtained absorption spectrum was subjected to multivariate analysis by the SIMCA method, and an analysis model was created.
- the known CFS diagnosis was performed according to the CFS diagnostic criteria of the Ministry of Health and Welfare.
- class 1 was defined as CFS and class 2 was defined as healthy.
- a commercially available multivariate analysis software (trade name “Pi rouette ver.3.01 (Informetrics)”) was used to create an analysis model, as shown in Table 1 below.
- SIMCA analysis was performed by the algorithm. A total of 191 samples, including 109 normal donor plasma samples and 82 CFS plasma samples, were used to create the model by SIMCA analysis. After creating the SIMCA model, we examined the usefulness of CFS diagnosis based on whether 10 normal plasma samples from healthy individuals and 10 plasma samples from CFS patients were correctly diagnosed.
- # of Included Samples is the number of samples (number of spectra) used in the analysis, and the number of samples 573 is the number of samples obtained by three consecutive irradiations. It means that absorbance data was used.
- Preprocessing indicates preprocessing
- “Mean-center” indicates that the origin of the plot has been moved to the center of the data set.
- “Scope” the power “Local” with Global and Local was selected.
- Maximum factors indicates the maximum number of Factors (principal components) to be analyzed.
- Optimal Factors indicates the number of Factors that was optimal for creating the model as a result of the analysis.
- “30, 30” indicates that Classl force Factor30 is optimal, and Class2 is optimal up to Factor30.
- “Probability threshold” indicates a threshold for determining whether or not a certain class belongs.
- FIG. 2 shows a Coomans Plot obtained as a result of SIMCA analysis of this example.
- Table 2 below shows the results of the class distance (Interclass Distances), and Table 3 shows the misclassification (Misclassific). ation) results are shown respectively.
- CS1 and CS2 mean class 1 and class 2, respectively (the same applies below).
- CS1 @ 30 means that 30 Factors (principal components) are used in class 1, and the number after @ indicates the number of Factors used.
- FIG. 3 shows the Discriminating Power (vertical axis) at each wavelength (horizontal axis) obtained as a result of the SIMCA analysis.
- the analysis model assembled in this way is saved as a file, and this file is called at the time of inspection / diagnosis of an unknown sample, and the analysis model predicts which class the unknown sample is classified into. This makes it possible to perform a simple and quick examination of CFS.
- the absorption spectrum of each sample 2 mL of each sample was placed in a polystyrene cuvette and measured using a near-infrared spectrometer (FQA—NIRGUN). Specifically, the absorption spectrum was measured by irradiating the sample with 600 to L lOOnm wavelength light three times in succession and detecting each reflected light. The wavelength resolution is 2nm and the measurement temperature is 37 ° C.
- Figure 4 shows the results of inspection and diagnosis using the analysis model (PCA model) obtained by PCA.
- Graph A shows the first principal component (PC1) axis and the second principal component (PC2) axis.
- the PCA score of each test sample is plotted against the PCA axis and PC2 axis, and the PCA score of each unknown sample is plotted against the PC1 axis and PC2 axis.
- Marks are specimens from CFS patients.
- Graph C shows loading of PC1 (solid line) and PC2 (dashed line) in the PCA model.
- CFS patient-derived serum and healthy subject-derived serum of the test sample could be well classified by the PCA score using PC1 and PC2.
- the PCA model can accurately distinguish and predict the serum from CFS patients and healthy samples from unknown samples, and the PCA model is useful for CFS diagnosis. It was shown that there is.
- Fig. 5 shows the results of the test using the analysis model (SIMCA model) obtained by the SIMCA method.
- Graph A shows the group of healthy subjects (circles) and CFS patients for each test sample.
- Coomans Plot graph B, which shows that the group of individuals (marked with thumbs) was successfully classified, shows that the group of healthy subjects (marked with ⁇ ) and the group of patients with CFS (marked with thumbs up) for each unknown sample
- the Coomans Plot which shows that it was able to discriminate and predict
- Graph C show the discriminating power at each wavelength of the SIMCA model.
- a wavelength that is important for discrimination can be estimated from loading information.
- the loading positive peak is around 950 nm
- the negative peak is around 1020 nm
- the negative peak of loading is around 950 nm and the positive peak is around 1020 nm
- the force S is slightly low near 600-700 mn
- the force S near 700-900 mn S is slightly high. I got it.
- the discrimination power of the SIMCA model showed high values near 650, 850, 1020 and 1080 nm.
- the analysis model created by the PCA and SIMCA methods can be used to quickly and accurately diagnose CFS. .
- This method is used not only for CFS diagnosis but also through analysis of wavelengths important for discrimination, etc., to discover molecular markers in blood that are causative agents of CFS, CFS diagnosis using these markers, and research on the mechanism of CFS development. It can also be used to develop CFS treatments.
- a finger was used as a subject, spectrum data was acquired noninvasively with fingertip force, and CFS diagnosis was performed using an analysis model created by the SIMCA method based on the data. More specifically, near infrared spectroscopic transmission measurements from fingers were performed on a total of 92 patients, including 42 CFS patients and 50 healthy individuals, and SIMCA analysis of the obtained near infrared spectrum was performed. Based on this, we examined whether it was possible to create an analysis model for CFS diagnosis.
- Example 2 the same software as in Example 2 was used to create an analysis model, and SIMCA analysis was performed using the algorithm shown in Table 5 below.
- the following algorithm is the force when 20 factor numbers are used.
- the analysis was performed in two ways: when 10 factor numbers were used and when 20 factor numbers were used.
- class 1 was defined as healthy and class 2 as CFS.
- Table 6 and Table 7 below show the results of analysis using 10 factors, Table 6 shows the results of class distance, and Table 7 shows the results of classification errors. As shown in these results, the analysis model created by this SIMCA analysis proved that CFS can be well discriminated and examined.
- FIG. 6 is a graph showing discrimination power at each wavelength of the SIMCA model obtained as a result of performing the SIMCA analysis (Factor 10). As shown in this graph, the discrimination power of the SIMCA model showed high values around 715, 740 and 960 nm.
- Tables 8 and 9 below show the analysis results when 20 factors were used. Table 8 shows the results of class distance, and Table 9 shows the results of classification errors. As shown in these results, the analysis model created by this SIMCA analysis is used to determine whether the CFS is good. I was able to discriminate well, and the test was able to diagnose.
- FIG. 7 is a graph showing discrimination power at each wavelength of the SIMCA model obtained as a result of the SIMCA analysis (Factor 20). As shown in this graph, the discrimination power of the SIMCA model showed high values around 670, 700 and 710 nm.
- the present invention can objectively, easily, quickly and accurately check whether or not it is chronic fatigue syndrome (CFS), and can be widely used for inspection and diagnosis related to CFS. is there.
- CFS chronic fatigue syndrome
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Immunology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Vascular Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Endocrinology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本発明は、波長400nm~2500nmの範囲またはその一部範囲の波長光を被検者その他動物由来の検体試料に照射し、その反射光、透過光または透過反射光を検出して吸光度スペクトルデータを得た後、その中の測定全波長あるいは特定波長の吸光度を、予め作成した解析モデルを用いて解析することによって慢性疲労症候群(CFS)に関する検査・診断を行う方法および装置である。
Description
明 細 書
近赤外分光を用いた慢性疲労症候群 (CFS)診断法および装置
技術分野
[0001] 本発明は、近赤外分光法により慢性疲労症候群 (CFS)に関する検査 '診断を行う 方法、及び同方法に使用する装置に関するものである。
背景技術
[0002] 現在、慢性疲労症候群 (CFS)の診断は臨床症状を指標に行われている。具体的 には、 (1)生活が著しく損なわれるような強い疲労を主症状とし、少なくとも 6ヶ月以 上の期間持続ないし再発を繰り返す (50%以上の期間認められること)、(2)病歴、 身体所見、検査所見で既知の器質的疾患やうつ病と異なること、が大基準 (大クライ テリア)として厚生省 CFS診断基準に定められている(後記の非特許文献 1参照)。
[0003] また、以下の症状クライテリア、および身体所見クライテリアが小基準 (小クライテリ ァ)として厚生省 CFS診断基準に定められている。
A)症状クライテリア(以下の症状が 6月以上にわたり持続または繰り返し生ずること ) 1.徴熱 (腋窩温 37. 2〜38. 3°C)ないし悪寒 2.咽頭痛 3.頸部あるいは腋窩リン パ節の腫張 4.原因不明の筋力低下 5.筋肉痛ないし不快感 6.軽い労作後に 24 時間以上続く全身倦怠感 7.頭痛 8.腫脹や発赤を伴わない移動性関節痛 9.精 神神経症状 (いずれか 1つ以上)羞明,一過性暗点,物忘れ,易刺激性,錯乱,思考 力低下,集中力低下,抑うつ 10.睡眠障害 (過眠,不眠) 11.発症時,主たる症状が 数時間から数日の間に発現、
B)身体所見クライテリア (少なくとも 1月以上の間隔をおいて 2回以上医師が確認) 1 .微熱 2.非浸出性咽頭炎 3.リンパ節の腫大 (頸部,腋窩リンパ節)
[0004] そして、上記の大クライテリア 2項目、小クライテリア (症状クライテリア 11項目,身体 所見クライテリア 3項目)より構成され、大クライテリア 2項目に加えて小クライテリアの 症状クライテリア 8項目以上か、症状クライテリア 6項目 +身体所見クライテリア 2項目 以上満たすと「CFS」と診断されている。大クライテリア 2項目を備えるが、小クライテリ ァで診断基準を満たさな!/、例は「CFS疑診例」とされて 、る。上記基準で診断された
CFS (疑診例は除く〉のうち、感染症が確診された後、それに続発して症状が発現し た例は「感染後 CFS」と呼ばれて 、る。
[0005] しかし、上記方法は、医師による臨床症状所見にたよるため、客観的で技術および 経験を必要としな 、診断法が必要とされて 、る。
[0006] ところで最近では、種々の分野で近赤外線を用いた成分分析が行われて 、る。例 えば、可視光及び Z又は近赤外線を試料に照射して、特定成分に吸収される波長 帯を検出することで、前記特定成分を定量分析することが行われている。
[0007] これは、例えば石英セル中に試料を注入し、これに近赤外分光器 (例えば、 -レコ 社製近赤外分光器 NIRSystem6500)を用いて、 400nm〜2500nmの波長範囲の可 視光及び Z又は近赤外線を照射して、その透過光、反射光、又は透過反射光を分 析することで行う。
[0008] 一般に、近赤外線は、物質の吸光係数が非常に小さく散乱を受け難ぐエネルギ 一の低い電磁波であるので、試料にダメージを与えることなく化学的'物理的情報を 得ることができる。
[0009] そのために、試料からの透過光等を検出して、試料の吸光度データを求めて、得ら れた吸光度データを多変量解析することで、直ちに試料の情報を得ることができ、例 えば生体分子の構造や機能の変化の過程を直接的にまたリアルタイムに捉えること ができる。
[0010] このような近赤外線分光法に関する従来技術として、下記の特許文献 1 · 2記載のも のが挙げられる。特許文献 1には、可視—近赤外線を用いて被検体力 情報を得る 方法、具体的には、未知の被検体が属する群を判別する方法、未知の被検体を同 定する方法、及び被検体における経時変化をリアルタイムでモニターする方法が開 示されている。近赤外線分光法による CFS診断法については当該文献に開示され ていない。
[0011] 特許文献 2には、可視光及び Z又は近赤外線領域における水分子の吸収バンドを 用いて、得られた吸光度データを多変量解析することで、牛乳または乳房中の体細 胞を測定して牛の乳房炎の診断を行う方法が開示されている。その他の従来技術と して、非特許文献 2には、慢性疲労症候群 (CFS)の臨床症状および現在考えられ
て 、る発病機構にっ 、て開示されて 、る。
[0012] 非特許文献 1:厚生省 CFS診断基準試案 (平成 7年 3月 )
非特許文献 2 :Adler RH. Chronic fatigue syndrome (cfs)., Swiss Med Wkly. (2004) 1 34:268-76.
特許文献 1:特開 2002— 5827号公報 (第 1— 9頁、第 1図)
特許文献 2:国際公開 WO01Z75420号公報 (第 1— 5頁、第 1図)
発明の開示
発明が解決しょうとする課題
[0013] 前述のように、 CFS診断において、簡易、迅速かつ高精度な検査 '診断法が求めら れている。特に、大量の検体を一斉に検査する必要がある場合などには、このような 簡易迅速な検査法開発の要請が高 、。
[0014] そこで、本発明は、近赤外線分光法を使用して、簡易、迅速かつ高精度に CFSに 関する検査'診断を行うための新規な方法および装置を提供することをその課題とす る。
課題を解決するための手段
[0015] 本発明者は、上記の課題に鑑み鋭意研究を進めた結果、近赤外線分光法によつ て CFSの検査 '診断が可能であること、特に、可視光-近赤外線 (VIS— NIR)スぺ タトルの測定方法、および、得られたスペクトルデータの解析方法を工夫して解析モ デルを作成することにより、当該解析モデルを用いた良好な検査 ·診断が可能である こと、等を見出し、本発明を完成させるに至った。
[0016] 即ち、本発明は、医療上及び産業上有用な発明として、以下の発明を包含するも のである。
A) 波長 400ηπ!〜 2500nmの範囲またはその一部範囲の波長光を被検者その 他動物由来の検体試料に照射し、その反射光、透過光または透過反射光を検出し て吸光度スペクトルデータを得た後、その中の測定全波長あるいは特定波長の吸光 度を、予め作成した解析モデルを用いて解析することによって定量的または定性的 に慢性疲労症候群 (CFS)に関する検査 '判定 (診断)を行う方法。
B) PLS法などの回帰分析により作成した定量モデルを用いて、慢性疲労症候群
(CFS)に関する検査 ·判定を行うことを特徴とする上記 A)記載の検査'判定方法。
C) SIMCA法などのクラス判別解析により作成した定性モデルを用いて、慢性疲 労症候群 (CFS)に関する検査 ·判定を行うことを特徴とする上記 A)記載の検査 '判 定方法。
D) 600— 700應、 700— 900應、 950— 960應、 1020應、および 1080應 内の各波長の ± 5nmの範囲の複数の波長域力 選ばれる、 2以上の波長の吸光度 スペクトルデータを用いた解析によって、慢性疲労症候群 (CFS)に関する検査 '判 定を行うことを特徴とする上記 A)〜C)のいずれかに記載の検査'判定方法。
E) 650nm、 670應、 700— 715nm、 740nm、 850nm、 950— 960nm、 1020 nm、および 1080nm内の各波長の ± 5nmの範囲の複数の波長域から選ばれる、 2 以上の波長の吸光度スペクトルデータを用いた解析によって、慢性疲労症候群 (CF S)に関する検査 ·判定を行うことを特徴とする上記 A)〜C)のいずれかに記載の検 查,判定方法。
F) 前記検体試料が、血液 (血漿'血清を含む)、尿、その他の体液、組織、組織抽 出液、または、耳、手足の指先など生体の一部であることを特徴とする上記 A)〜E) のいずれかに記載の検査'判定方法。
G) 上記 A)記載の方法に使用される解析モデル。
H) 600— 700nm、 700— 900nm、 950— 960nm、 1020nm、および 1080nm 内の各波長の ± 5nmの範囲の複数の波長域力 選ばれる、 2以上の波長の吸光度 スペクトルデータを用いて解析することを特徴とする上記 G)記載の解析モデル。
I) 650nm、 670應、 700— 715nm、 740nm、 850nm、 950— 960nm、 1020 nm、および 1080nm内の各波長の ± 5nmの範囲の複数の波長域から選ばれる、 2 以上の波長の吸光度スペクトルデータを用いて解析することを特徴とする上記 G)記 載の解析モデル。
J) 上記 A)記載の方法に使用される解析モデルの作成、更新、または作成した解 析モデルを用いた検査 '診断をコンピュータに実行させる、慢性疲労症候群 (CFS) の検査'診断用プログラム。
K) 波長 400ηπ!〜 2500nmの範囲またはその一部範囲の波長光を被検者その
他動物由来の検体試料に照射する投光手段と、
投光前又は投光後に分光する分光手段、および、前記試料に照射された光の反 射光、透過光または透過反射光を検出する検出手段と、
検出により得られた吸光度スペクトルデータの中の測定全波長あるいは特定波長 の吸光度を、予め作成した解析モデルを用いて解析することによって定量的または 定性的に慢性疲労症候群 (CFS)に関する検査'診断を行うデータ解析手段と、を備 えたことを特徴とする検査 '診断装置。
D PLS法などの回帰分析により作成した定量モデルを用いて、慢性疲労症候群 (CFS)に関する検査'診断を行うことを特徴とする上記 K)記載の検査'診断装置。
M) SIMCA法などのクラス判別解析により作成した定性モデルを用いて、慢性疲 労症候群 (CFS)に関する検査'診断を行うことを特徴とする上記 K)記載の検査'診 断装置。
N) 600— 700nm 700— 900nm 950— 960nm 1020 および 1080nm 内の各波長の ± 5nmの範囲の複数の波長域力 選ばれる、 2以上の波長の吸光度 スペクトルデータを用いた解析によって、慢性疲労症候群 (CFS)に関する検査 '診 断を行うことを特徴とする上記 K) M)のいずれかに記載の検査'診断装置。
O) 650nm 670nm 700— 715nm 740nm 850nm 950— 960nm 1020 nm、および 1080nm内の各波長の ± 5nmの範囲の複数の波長域から選ばれる、 2 以上の波長の吸光度スペクトルデータを用いた解析によって、慢性疲労症候群 (CF S)に関する検査 ·診断を行うことを特徴とする上記 K) M)のいずれかに記載の検 查,診断装置。
P) 前記検体試料が、血液 (血漿'血清を含む)、尿、その他の体液、組織、組織抽 出液、または、耳、手足の指先など生体の一部であることを特徴とする上記 κ)〜ο) のいずれかに記載の検査'診断装置。
発明の効果
本発明によれば、客観的、簡易迅速かつ高精度に CFSに関する検査 '診断が可能 である。簡易迅速であるため、大量の検体を一斉に検査する必要がある場合などに 特に有用である。
本発明によれば、たとえば血漿 ·血清など血液由来の試料を使用して、 CFSの診 断が可能である。そのほか、試料には、尿その他の体液、耳や手足の指先など生体 の一部を検体として、生体を傷つけることなく非侵襲的に検査することも可能である。 図面の簡単な説明
[図 1]本発明における解析モデルの作成方法、および作成した解析モデルによる CF Sの検査 '診断について説明する図である。
[図 2]本発明の実施例 1に係る CFS検査にぉ 、て、 5倍希釈した各検体試料の SIM CA解析により得られた Coomans Plotを示すグラフである。
[図 3]本発明の実施例 1に係る CFS検査にぉ ヽて、 SIMCA解析を行った結果得ら れた、各波長 (横軸)における識別力(縦軸)を示すグラフである。
[図 4]本発明の実施例 2に係る CFS検査において、 PCAにより得られた解析モデル( PCAモデル)を用いた検査 ·診断結果であり、グラフ Aは、第 1主成分 (PC1)軸およ び第 2主成分 (PC2)軸に対して各試験サンプルの PCAスコアをプロットしたもの、グ ラフ Bは、 PC1軸および PC2軸に対して各未知サンプルの PCA^コアをプロットした ものであり、いずれも〇印は健常者の検体、參印は CFS患者の検体である。またダラ フ Cは、上記 PCAモデルにおける PC1 (実線)および PC2 (破線)のローデイングを 示す。
[図 5]本発明の実施例 2に係る CFS検査において、 SIMCA法により得られた解析モ デル (SIMCAモデル)を用いた検査 '診断結果であり、グラフ Aは、各試験サンプル につ 、て健常者群(〇印)と CFS患者群(參印)とを良好にクラス分けできたことを示 す Coomans Plot,グラフ Bは、各未知サンプルについて健常者群(〇印)と CFS患者 群(參印)とを良好に判別し予測することができたことを示す Coomans Plot,またダラ フ Cは、上記 SIMCAモデルの各波長における識別力を示す。
[図 6]本発明の実施例 3に係る CFS検査において、 SIMCA解析(Factor 10)を行つ た結果得られた、各波長 (横軸)における識別力(縦軸)を示すグラフである。
[図 7]本発明の実施例 3に係る CFS検査において、 SIMCA解析(Factor20)を行つ た結果得られた、各波長 (横軸)における識別力(縦軸)を示すグラフである。
発明を実施するための最良の形態
[0019] 以下では、本発明の実施の一形態として、 CFSに関する検査'診断を行う装置 (以 下、「本装置」という。)について、図面を参照しながら説明する。
[0020] 〔1〕本装置による VIS— NIRスペクトル測定とデータの解析方法
[1. 1] VIS— NIR ^ベクトル測定の概略
本装置による検査 ·診断は、本発明の方法を採用し、即ち、(a)波長 400ηπ!〜 250 Onmの範囲またはその一部範囲の波長光を被検者その他動物由来の検体試料に 照射し、(b)その反射光、透過光または透過反射光を検出して吸光度スペクトルデー タを得た後、(c)その中の測定全波長あるいは特定波長の吸光度を、予め作成した 解析モデルを用 V、て解析すること〖こよって CFSに関する検査 ·判定を行う。
[0021] 本装置の第 1の特徴点は、客観的、簡易迅速かつ高精度に CFS診断を行う点にあ る。検体試料に照射する波長の範囲は、 400ηπ!〜 2500nmの範囲またはその一部 の範囲(例えば 600〜: L lOOnm)である。この波長の範囲は、解析モデルを作成した 後、この解析モデルによる検査 ·判定に必要な波長光を含む、 1又は複数の波長域と して設定することができる。
[0022] 光源としては、ハロゲンランプ 'LED等を使用できるが、特に限定されるものではな い。光源力も発せられた光は、直接またはファイバープローブ等の投光手段を介して 検体試料に照射される。後述のように、試料に照射する前に分光器によって分光す る前分光方式を採用してもょ ヽし、照射後に分光する後分光方式を採用してもよ!、。 前分光方式の場合は、光源力 の光をプリズムで一度に同時に分光する方法と、回 折格子のスリット間隔を変化させることにより連続的に波長を変化させる方法とがある 。後者の方法の場合には、光源力もの光を所定の波長幅で分解することによって、連 続的に波長を変化させた連続波長光が試料に照射される。後述の実施例では、 600 〜: L lOOnmの範囲の波長光を波長分解能 2nmで分解し、波長を 2nmずつ連続的 に変化させた光を試料に照射して 、る。
[0023] 試料に照射された光の反射光、透過光または透過反射光が検出器により検出され 、生の吸光度スペクトルデータが得られる。生の吸光度スペクトルデータをそのまま使 用して解析モデルによる検査 ·判定を行ってもよいが、得られたスペクトル中のピーク を分光学的手法あるいは多変量解析手法により要素ピークに分解するなどのデータ
変換処理を行 ヽ、変換後の吸光度スペクトルデータを使用して解析モデルによる検 查'判定を行うことが好ましい。分光学的手法としては、例えば、 2次微分処理やフー リエ変換があり、多変量解析手法としてはウェブレット変換、ニューラルネットワーク法 等が例示される力 特に限定されるものではない。
[0024] [1. 2]データの解析方法 (解析モデルの作成)
本装置は、上述のようにして得られた吸光度スペクトルデータの中の特定波長(ま たは測定全波長)の吸光度を解析モデルで解析することによって、 CFSの検査 ·診 断を行う。つまり、最終的な検査 ·診断を行うには、解析モデルが予め作成されている ことを要する。もっとも、この解析モデルはスペクトル測定時にあわせて作成することと してちよい。
[0025] すなわち、解析モデルは測定前に予め作成しておくことが望ましいが、測定時に取 得するスペクトルデータを解析モデル作成用と検査 '診断用とに 2分割し、解析モデ ル作成用データをもとに得られた解析モデルを使用して検査 '診断を行ってもょ 、。 例えば、大量の検体を一斉に検査する場合、検体試料の一部を解析モデル作成用 とする。この場合は、測定時に解析モデルを作成することになる。この手法では教師 データが無くても解析モデルを作成できる。定量および定性モデルの両方に対応可 能である。
[0026] 解析モデルは多変量解析によって作成可能である。例えば、 CFSに関する検査と して疲労度 (症状の程度や進行度)を予測する場合、スペクトル測定により取得した 全波長の吸収スペクトルを格納するデータ行列を特異値分解によりスコアとローディ ングとに分解し、試料中の疲労度の変動を要約する主成分を抽出する (主成分分析 )。これにより、共線性(=説明変量間の相関が高いこと)の少ない独立な成分を重回 帰分析に使用できるようになる。そして説明変量をスコア、目的変量を疲労度とする 重回帰分析を適用する。これにより、測定全波長あるいは特定波長の吸収スペクトル 力も疲労度を推定する解析モデルを作成できる。これら一連の作業 (多変量解析)は 王成分 i J'Jf 法 (PCR: Principal Component Regressionノめる ヽ i^PLS (Partial Least Squares)回帰法として確立されている (参考文献:尾崎幸洋、宇田明史、赤井俊男「 化学者のための多変量解析—ケモメトリックス入門」、講談社、 2002年)。回帰分析法
としてはこのほかに CLS (Classical Least Squares)法、クロスバリデーシヨン法などが 挙げられる。
[0027] 上記方法は定量的解析モデル作成の場合であつたが、定性的解析モデルの作成 には、クラス判別用の主成分分析法(PCA: Principal Component Analysis)、 SIMC A法、soft independent modeling of class analogy)、 KNN法 (k nearest neighbors)等 の多変量解析を適用することができる。 SIMCA法は、複数のグループ (クラス)につ いてそれぞれ主成分分析を行い、各クラスの主成分モデルを作成する。そして、未知 試料が各クラスの主成分モデルに対して比べられ、その未知試料が一番適合する主 成分モデルのクラスに割り当てられる。また、 SIMCA法などのクラス判別解析は、パ ターン認識により吸収スペクトルや回帰ベクトルを各クラスに分類する方法ということ ができる。
[0028] 上記 SIMCA法や PLS法などの多変量解析を使用した解析モデルの作成は、自 作ソフトや市販の多変量解析ソフトを用いて行うことができる。また、 CFSの検査 '診 断用プログラムとして使用目的に特ィ匕したソフトの作成により、迅速な解析が可能に なる。
[0029] このような多変量解析ソフトを用いて組み立てられた解析モデルをファイルとして保 存しておき、未知試料の検査 ·診断時にこのファイルを呼び出し、未知試料に対して 解析モデルを用いた定量的または定性的な検査'診断を行う。これにより、簡易迅速 な CFSの検査.診断が可能になる。なお解析モデルは、定量モデル、定性モデルな ど複数の解析モデルをファイルとして保存しておき、各モデルは適宜更新されること が好ましい。
[0030] このように、本発明の検査 '診断用プログラム (解析ソフト)は、解析モデルの作成、 更新、あるいは、作成した解析モデルを用いてサンプルのスペクトルデータから CFS に関する検査.診断をコンピュータに実行させるものである。本発明のプログラムは、 これを記録した、コンピュータで読み取り可能な記録媒体として提供することができる 。このような記録媒体としては、フレキシブルディスク、ハードディスク、磁気テープ等 の磁気記憶媒体、 CD-ROM, CD-R, CD-RW, DVD— ROMゝ DVD -RAM 、 DVD— RW等の光学記憶媒体、 RAMや ROM等の電気記憶媒体、および MO等
の磁気 z光学記憶媒体を例示することができるが、これらに限定されるものではない
[0031] 解析モデルが作成されれば、当該解析モデルによる検査 ·診断に必要な波長光が 決定される。本装置は、こうして決定された 1又は複数の波長域を試料に照射する構 成とすることで装置構成をより単純ィ匕することができる。
尚、後述の実施例に示すように解析の結果、 CFSに関する検査 ·判定において、 6 00— 700nm (特【こ 650nmおよび 670nm)、 700— 900nm (特【こ 700— 715nm、 7 40nmおよび 850nm)、 950— 960nm、 1020nm、および 1080nm力 S検査に有効 な波長と判断されたので、これら各波長の士 5nmの範囲の複数の波長域力 選ばれ る、 2以上 (好ましくは 2〜15個もしくは 5〜10個程度)の波長の吸光度スペクトルデ ータを用いた解析によって CFSに関する検査を行うことは好ましぐまた、これらの波 長の吸光度スペクトルデータを用いて解析モデルを作成することは好まし 、。
[0032] 以上説明した解析モデル作成ステップ、および解析モデルによる CFS検査 '診断 ステップをまとめたものが図 1に示される。解析モデル作成ステップでは、たとえば健 常者血漿と CFS患者血漿をサンプルに使用して近赤外分光測定、続いて得られた スペクトルデータの前処理を行う。そして、既存の CFS検査'診断結果を参照しなが ら多変量解析を行い、解析モデルを作成する。こうして作成した解析モデルを用いて 未知サンプルの CFS検査 '診断を行い、あるいは解析モデルの作成に使用したデー タ (波長情報)を含めて CFSの検査 '診断を行うことで、解析モデルを評価することが できる。以前作成した解析モデルよりも評価の高い解析モデルが得られれば、更新 するなどして適宜モデルを再構築すればよ!、。
[0033] 〔2〕本装置の具体的構成
本装置の検査 ·診断システムの構成としては、 (0プローブ (投光部)、 GO分光'検出 部、(iii)データ解析部および (iv)結果表示部の 4つの要素を備えて構成することがで きる。以下では、各要素について説明する。
[0034] [2. 1]プローブ (投光手段)
プローブは、ハロゲンランプ 'LED等の光源からの光(波長 400nm〜2500nmの 全範囲またはその一部範囲)を測定対象である試料に導く機能を有する。例えばファ
ィバープローブとし、柔軟な光ファイバ一を介して測定対象 (試料)に投光する構成 が挙げられる。一般に近赤外線分光器のプローブは安価に作製することができ、低 コストである。
[0035] なお、光源から発せられた光を直接測定対象である試料に投光する構成としてもよ いが、その場合プローブは不要であり、光源が投光手段として機能する。
[0036] 前述のように、解析モデルが作成されれば、当該解析モデルによる検査 ·診断に必 要な波長光が決定される。本装置は、こうして決定された 1又は複数の波長域を試料 に照射する構成とすることで装置構成をより単純ィ匕することができる。
[0037] [2. 2]分光'検出部 (分光手段および検出手段)
本装置は、測定システムとして近赤外線分光器の構成を有する。近赤外線分光器 は一般に、光を測定対象物に照射し、この対象物からの反射光や透過光あるいは透 過反射光を検出部で検出する。さらに、検出された光について波長別に入射光に対 する吸光度が測定される。
[0038] 分光方式には前分光と後分光とがある。前分光は、測定対象物に投光する前に分 光する。後分光は、測定対象物からの光を検出し分光する。本装置の分光'検出部 は、前分光、後分光いずれの分光方式を採用するものであってもよい。
[0039] 検出方法には 3種類あり、反射光検出、透過光検出および透過反射光検出がある 。反射光検出および透過光検出は、それぞれ、測定対象物からの反射光と透過光と を検出器によって検出する。透過反射光検出は、入射光が測定対象物内に入射し た屈折光が物体内で反射し、再び物体外に放射された光を検出する。本装置の分 光 ·検出部は、反射光検出、透過光検出および透過反射光検出のいずれの検出方 式を採用するものであってもよい。
[0040] 分光 ·検出部内の検出器は、例えば半導体素子である CCD (Charge Coupled Devi ce)などによって構成することができる力 勿論これに限定されるものではなぐ他の 受光素子を使用してもよい。分光器についても公知の手段によって構成することがで きる。
[0041] [2. 3]データ解析部 (データ解析手段)
分光 ·検出部力 波長別の吸光度、即ち吸光度スペクトルデータが得られる。デー
タ解析部は、この吸光度スペクトルデータをもとに、前述のように予め作成した解析モ デルを使用して、 CFS診断を行う。
[0042] 解析モデルは、定量モデル、定性モデルなど複数の解析モデルを用意しておき、 定量的評価を行うか、あるいは定性的評価を行うかに応じて、異なるものを使用して ちょい。
[0043] データ解析部は、スペクトルデータ、多変量解析用プログラム、解析モデルなどの 各種データを記憶する記憶部と、これらのデータおよびプログラムに基づき演算処理 を行う演算処理部とによって構成することができ、例えば ICチップなどによって実現 可能である。したがって、本装置を携帯型とするため小型化することも容易である。上 記の解析モデルも、 ICチップなどの記憶部に書き込まれる。
[0044] [2. 4]結果表示部 (表示手段)
結果表示部は、データ解析部における解析結果を表示する。具体的には、解析モ デルによる解析の結果得られた疲労度などを表示する。あるいは、定性モデルの場 合は、そのクラス判別結果に基づき、 rCFSj「CFSの可能性高い」「CFSの可能性 低い」「疲労の程度高い」「疲労の程度低い」「健常者」などといった表示を行う。なお 、本装置を携帯型とする場合は、結果表示部を液晶等のフラットディスプレイとするこ とが好ましい。
[0045] 本装置は、以上のように、 CFSに関する検査 '診断に用いることができる。ここで、 C FSに関する検査 ·診断とは、単に CFSかどうかの検査 ·診断に限らず、疲労度 (病的 疲労の程度)や CFSの病状進行度の定量的評価、発症リスクの評価判定など、 CFS に関する種々の検査 ·診断を含む意味である。
実施例
[0046] 以下、近赤外線分光法によって CFSの検査 ·診断が可能であることを示す本発明 の実施例について説明するが、本発明は下記実施例によって何ら限定されるもので はない。
[0047] [実施例 1]
[1. 1]吸収スペクトルの測定
本実施例では、以下の測定方法により、各試料の吸収スペクトルを測定した。
健常人の血漿(Normal donor plasma) 119検体および CFS患者の血漿 92検体の 合計 211検体にっ 、て、それぞれ PBS緩衝液で 5倍希釈したものを検体試料として 使用した。
[0048] 各試料 lmLをポリスチレン製キュベットに入れ、近赤外線分光装置 (製品名「FQA
-NIRGUN (Japan Fantec Research Institute, Shizuoka, Japan)」)を使用して測定 を行った。具体的には、 600〜: L lOOnmの波長光を連続して 3回試料に照射し、各 反射光を検出することによって吸収スペクトルを測定した。波長分解能は 2nmである 。試料を透過する光路長は 10mmに設定した。
[0049] [1. 2]吸収スペクトルの解析
本実施例では、得られた吸収スペクトルにつ 、て SIMCA法による多変量解析を行 い、解析モデルの作成を行った。なお、既知の CFS診断は、厚生省 CFS診断基準 に従って行った。また、 SIMCA法によるクラス分けにおいて、クラス 1を CFS、クラス 2 を健常者と定義した。
[0050] 本実施例にお!、て、解析モデルの作成には市販の多変量解析用ソフト(商品名「Pi rouette ver.3.01 (Informetrics社)」)を使用し、下記表 1に示されるアルゴリズムにより SIMCA解析を行った。 SIMCA解析によるモデル作成には健常人の血漿(Normal donor plasma) 109検体および CFS患者の血漿 82検体の合計 191検体を用いた。 そして、 SIMCAモデル作成後、モデルに含まれていない、健常人の血漿 10検体お よび CFS患者の血漿 10検体が正しく診断されるかどうかで、 CFS診断への有用性を 検討した。
[0051] [表 1]
SI CA
# of Included Samples: 573
Preprocessing: Mean-center
Scope: Local
Maximum factors: 30
Optimal factors: 30, 30
Prob. threshold: 0.9500
Calib Transfer: Not enabled
Transforms:
SNV
Smooth(25)
[0052] 上記アルゴリズムについて簡単に説明すると、「# of Included Samples」は、解析に 使用したサンプル数 (スペクトル数)であり、サンプル数 573は、 3回連続照射にて各 々得られた 3つの吸光度データを使用したことを意味する。
[0053] 「Preprocessing」は前処理を示し、「Mean- center」はデータセットの中心にプロットの 原点を移動したことを示す。「Scope」は Globalと Localがある力 Localを選択した。「Ma ximum factors」は、最大に解析する Factor (主成分)数を示し、 30まで選択した。「Op timal Factors」は解析の結果モデルを作成するのに最適だった Factor数を示し、「30 、 30」は Classl力 Factor30までが最適、 Class2が Factor30までが最適であることを示 す。「Probability threshold」はあるクラスに属するか判断する際の閾値を示す。「Calib ration transferは装置間の違いを緩和させる数学的な調整を行うか否かを示す。「Tr ansformjは変換を示し、「Smooth」は平滑化をしたことを示す。平滑化の変換は Savitz ky-Golayの多項式フィルターの原理に基づき、中心データの点と片側の n個のポイン トを含むウィンドウ内の説明変数への回旋を行っており、 n=25を選択したことを示し ている。 SNVはばらつきを補正する方法である。まず、各サンプルの変数の標準偏 差と平均が計算される。次に各変数の値から平均値が引かれ、さらに標準偏差で割 つて補正される。
[0054] 図 2は、本実施例の SIMCA解析の結果得られた Coomans Plotを示す。また、下記 の表 2にはクラス距離(Interclass Distances)の結果を、表 3には分類ミス(Misclassific
ation)の結果をそれぞれ示す。
[表 2]
表 2において、 CS1、 CS2は、それぞれ、クラス 1、クラス 2を意味する(以下同じ)。 また、 CS1 @ 30は、クラス 1で Factor (主成分)を 30個使用していることを意味し、以 下同様に、 @の後の数値は使用した Factor数を示す。
[0056] 表 3において、「Actuall」は実際のクラスが「1」であることを意味し、他も同様である 。また、「Predl」は本実施例の SIMCA解析により得られた解析モデルを用いて予測 されたクラスが「1」であることを意味し、他も同様である。「No match」は CFSと健常者 のどちらにも判定されな力つた場合を数値ィ匕したものである。これらの結果に示すよう に、 SIMCA解析により得られた解析モデルによって、 CFSかどうかを良好に判別で きることがわかった。
[0057] 次に、本 SIMCA解析により得られた解析モデルを用いて、モデルに含めなかった 未知試料を診断できるかどうかを検討した。その結果を下記の表 4に示す。
[表 4]
Al I samp l es Excl uded samp les
表 4において、「Actuall」は実際のクラスが「1」であることを意味し、他も同様である 。また、「Predl」は本 SIMCA解析により得られた解析モデルを用いて予測されたクラ
スが「1」であることを意味し、他も同様である。「No match」は CFSと健常者のどちらに も判定されなかった場合を数値ィ匕したものである。 All Samplesはモデル作成時に使 用したサンプルに加えて、未知サンプルを予測した結果である。 Excluded samplesは 未知サンプルを予測した結果である。表 4に示すように、良好に未知検体の CFS診 断ができることが示された。
[0059] 図 3は、上記 SIMCA解析の結果得られた、各波長(横軸)における Discriminating Power (縦軸)を示す。 Discriminating Power (識別力)の値が高い波長ほど、当該波 長が 2つのクラス間で異なっていることを示す。すなわち、 Discriminating Powerの高 いシャープなピークの波長が、健常者と CFS患者間の血漿の判別に有効な波長の 1 つと考えられる。したがって、このような SIMCA解析により得られた波長に着目して 判別を行うことによって、 CFSかどうかを簡易迅速かつ精度良く診断することが可能 である。
[0060] こうして組み立てられた解析モデルをファイルとして保存しておき、未知試料の検査 •診断時にこのファイルを呼び出し、未知試料がどのクラスに分類されるかを解析モ デルで予測する。これにより、簡易迅速な CFSの検査 '診断が可能になる。
[0061] [実施例 2]
本実施例では、 CFS患者の血清 77検体および健常者の血清 71検体の合計 148 検体につ 、て、それぞれ PBS緩衝液で 10倍希釈したものを試験サンプルとして使用 し、 PCA (主成分分析)および SIMCA法により、それぞれ CFS診断用の解析モデ ルを作成した。さらに、未知サンプルとして 99検体 (CFS患者群 45、健常者群 54)を 使用し、上記各解析モデルによって正しく診断できるかどうかを評価した。
[0062] 上記各サンプルの吸収スペクトルの測定については、各サンプル 2mLをポリスチレ ン製キュベットに入れ、近赤外線分光装置 (前記 FQA— NIRGUN)を使用して測定 を行った。具体的には、 600〜: L lOOnmの波長光を連続して 3回サンプルに照射し、 各反射光を検出することによって吸収スペクトルを測定した。波長分解能は 2nm、測 定時温度は 37°Cである。
[0063] 本実施例では、上述のように得られた吸収スペクトルについて PCAおよび SIMCA 法による多変量解析を行い、各解析モデルの作成を行った。解析モデルの作成には
市販の多変量解析用ソフト(商品名「Pirouette ver.3.11 (Informetrics社)」)を使用し た。
[0064] 図 4は、 PCAにより得られた解析モデル (PCAモデル)を用いた検査 ·診断結果で あり、グラフ Aは、第 1主成分 (PC1)軸および第 2主成分 (PC2)軸に対して各試験サ ンプルの PCAスコアをプロットしたもの、グラフ Bは、 PC1軸および PC2軸に対して各 未知サンプルの PCAスコアをプロットしたものであり、いずれも〇印は健常者の検体 、參印は CFS患者の検体である。またグラフ Cは、上記 PCAモデルにおける PC1 ( 実線)および PC2 (破線)のローデイングを示す。
[0065] 同図のグラフ Aに示すように、 PC1および PC2を用いた PCAスコアによって、試験 サンプルの CFS患者由来血清と健常者由来血清とを良好に分類することができた。 さらに同図のグラフ Bに示すように、上記 PCAモデルによって、未知サンプルの CFS 患者由来血清と健常者由来血清とを正確に判別し予測することができ、上記 PCAモ デルが CFS診断に有用であることが示された。
[0066] 一方、図 5は、 SIMCA法により得られた解析モデル(SIMCAモデル)を用いた検 查 '診断結果であり、グラフ Aは、各試験サンプルについて健常者群(〇印)と CFS患 者群(參印)とを良好にクラス分けできたことを示す Coomans Plot,グラフ Bは、各未知 サンプルにつ 、て健常者群(〇印)と CFS患者群(參印)とを良好に判別し予測する ことができたことを示す Coomans Plot,またグラフ Cは、上記 SIMCAモデルの各波長 における識別力を示す。
[0067] より詳細には、上記 SIMCAモデルによる試験サンプルのクラス分けについて、健 常者群の 213中 209 (98. 1%)、 CFS患者群の 231中 220 (95. 2%)を正確に分 類することができた (3回連続照射により、各試験サンプルにっき 3個の吸光度データ を使用したため)。未知サンプルについては、上記 SIMCAモデルによって、健常者 群の 54中 54 (100%)、 CFS患者群の 45中 42 (93. 3%)を正確に判別し予測する ことができ、上記 SIMCAモデルが CFS診断に有用であることが示された。
[0068] 前記 PCAモデルにぉ 、て判別に重要な波長は、ローデイング情報により推測する ことができる。図 4のグラフ Cに示すように、第 1主成分 (PC1)について、ローデイング の正ピークは 950nm付近、負ピークは 1020nm付近であり、また 600— 700nm付
近がやや低ぐ 700— 900nm付近がやや高力つた。一方、第 2主成分 (PC2)につ いては、ローデイングの負ピークが 950nm付近、正ピークが 1020nm付近であり、ま た 600— 700mn付近力 Sやや低く、 700— 900mn付近力 Sやや高力つた。
[0069] また、上記 SIMCAモデルにぉ 、て判別に重要な波長は、識別力により推測するこ とができる。図 5のグラフ Cに示すように、上記 SIMCAモデルの識別力は、 650, 85 0, 1020および 1080nm付近で高!ヽ値を示した。
[0070] 以上の結果から、近赤外線分光法により取得した各血清サンプルの吸収スペクトル データに基づき、 PCAおよび SIMCA法により作成した解析モデルによって CFSか どうかを簡易迅速かつ精度良く診断できることがわ力つた。また、本方法は、 CFS診 断への利用のみならず、判別に重要な波長の解析等を通じて、 CFSの原因物質で ある血中分子マーカーの発見、当該マーカーによる CFS診断、 CFS発症メカニズム の研究、さらに CFS治療法の開発にも利用し得るものである。
[0071] [実施例 3]
本実施例では、指を被検体とし、指先力ゝら非侵襲的にスペクトルデータを取得し、 当該データをもとに SIMCA法により作成した解析モデルによる CFS診断を行った。 より具体的には、 CFS患者 42名および健常者 50名の合計 92名について、各名 3回 ずつ指からの近赤外分光透過測定を行 、、得られた近赤外スペクトルの SIMCA解 祈により、 CFS診断用の解析モデルを作成が可能かを検討した。
[0072] 本実施例において、解析モデルの作成には実施例 2と同じソフトを使用し、下記表 5に示されるアルゴリズムにより SIMCA解析を行った。尚、下記のアルゴリズムは Fac tor数を 20個使用した場合である力 本実施例では、 Factor数を 10個使用した場合 と 20個使用した場合の 2通り解析を行った。また、本解析によるクラス分けにおいて、 クラス 1を健常者、クラス 2を CFSと定義した。
[表 5]
SIMCA
# of Included Samples: 276
# of Included X vars: 253
Class Variable: CFS(healthy=1 CFS=2) Preprocessing: Mean-center
Scope: し ocal
Maximum factors: 20
Optimal factors: 20, 20
Prob. threshold: 0.9500
Calib Transfer: Not enabled
丁!^ nsforms:
Smoothd 7) 下記の表 6および表 7は、 Factor数を 10個使用した場合の解析結果であり、表 6は クラス距離の結果を、表 7は分類ミスの結果をそれぞれ示す。これらの結果に示すよう に、本 SIMCA解析により作成した解析モデルによって、 CFSかどうかを良好に判別 し、検査'診断できることがわ力つた。
[表 6]
[0074] [表 7]
[0075] 図 6は、上記 SIMCA解析 (Factor 10)を行った結果得られた SIMCAモデルの各 波長における識別力を示すグラフである。このグラフに示すように、上記 SIMCAモ デルの識別力は、 715, 740および 960nm付近で高い値を示した。
また、下記の表 8および表 9は、 Factor数を 20個使用した場合の解析結果であり、 表 8はクラス距離の結果を、表 9は分類ミスの結果をそれぞれ示す。これらの結果に 示すように、本 SIMCA解析により作成した解析モデルによって、 CFSかどうかを良
好に判別し、検査 '診断できることがわ力つた。
[0077] 図 7は、上記 SIMCA解析 (Factor20)を行った結果得られた SIMCAモデルの各 波長における識別力を示すグラフである。このグラフに示すように、上記 SIMCAモ デルの識別力は、 670, 700および 710nm付近で高い値を示した。
産業上の利用可能性
[0078] 以上のように、本発明は、慢性疲労症候群 (CFS)かどうかを客観的に、簡易迅速 かつ高精度に検査 ·判定することができ、 CFSに関する検査 ·診断に広く利用できる ものである。
Claims
[1] 波長 400ηπ!〜 2500nmの範囲またはその一部範囲の波長光を被検者その他動 物由来の検体試料に照射し、その反射光、透過光または透過反射光を検出して吸 光度スペクトルデータを得た後、その中の測定全波長あるいは特定波長の吸光度を 、予め作成した解析モデルを用いて解析することによって定量的または定性的に慢 性疲労症候群 (CFS)に関する検査'判定を行う方法。
[2] PLS法などの回帰分析により作成した定量モデルを用いて、慢性疲労症候群 (CF
S)に関する検査'判定を行うことを特徴とする請求項 1記載の検査'判定方法。
[3] SIMCA法などのクラス判別解析により作成した定性モデルを用いて、慢性疲労症 候群 (CFS)に関する検査 ·判定を行うことを特徴とする請求項 1記載の検査 ·判定方 法。
[4] 600— 700nm、 700— 900nm、 950— 960nm、 1020nm、および 1080nm内の 各波長の士 5nmの範囲の複数の波長域力も選ばれる、 2以上の波長の吸光度スぺ タトルデータを用いた解析によって、慢性疲労症候群 (CFS)に関する検査 '判定を 行うことを特徴とする請求項 1〜3のいずれか 1項に記載の検査.判定方法。
[5] 650應、 670應、 700— 715nm、 740nm、 850nm、 950— 960nm、 1020nm
、および 1080nm内の各波長の ± 5nmの範囲の複数の波長域から選ばれる、 2以 上の波長の吸光度スペクトルデータを用いた解析によって、慢性疲労症候群 (CFS) に関する検査 ·判定を行うことを特徴とする請求項 1〜3のいずれか 1項に記載の検 查,判定方法。
[6] 前記検体試料が、血液 (血漿'血清を含む)、尿、その他の体液、組織、組織抽出 液、または、耳、手足の指先など生体の一部であることを特徴とする請求項 1〜5のい ずれか 1項に記載の検査'判定方法。
[7] 請求項 1記載の方法に使用される解析モデル。
[8] 600— 700nm、 700— 900nm、 950— 960nm、 1020nm、および 1080nm内の 各波長の士 5nmの範囲の複数の波長域力も選ばれる、 2以上の波長の吸光度スぺ タトルデータを用いて解析することを特徴とする請求項 7記載の解析モデル。
[9] 650應、 670應、 700— 715nm、 740 、 850 、 950— 960nm、 1020nm
、および 1080nm内の各波長の ± 5nmの範囲の複数の波長域から選ばれる、 2以 上の波長の吸光度スペクトルデータを用いて解析することを特徴とする請求項 7記載 の解析モデノレ。
[10] 請求項 1記載の方法に使用される解析モデルの作成、更新、または作成した解析 モデルを用 V、た検査 '診断をコンピュータに実行させる、慢性疲労症候群 (CFS)の 検査'診断用プログラム。
[11] 波長 400ηπ!〜 2500nmの範囲またはその一部範囲の波長光を被検者その他動 物由来の検体試料に照射する投光手段と、
投光前又は投光後に分光する分光手段、および、前記試料に照射された光の反 射光、透過光または透過反射光を検出する検出手段と、
検出により得られた吸光度スペクトルデータの中の測定全波長あるいは特定波長 の吸光度を、予め作成した解析モデルを用いて解析することによって定量的または 定性的に慢性疲労症候群 (CFS)に関する検査'診断を行うデータ解析手段と、を備 えたことを特徴とする検査 '診断装置。
[12] PLS法などの回帰分析により作成した定量モデルを用いて、慢性疲労症候群 (CF
S)に関する検査'診断を行うことを特徴とする請求項 11記載の検査'診断装置。
[13] SIMCA法などのクラス判別解析により作成した定性モデルを用いて、慢性疲労症 候群 (CFS)に関する検査'診断を行うことを特徴とする請求項 11記載の検査'診断 装置。
[14] 600— 700nm、 700— 900nm、 950— 960nm、 1020nm、および 1080nm内の 各波長の士 5nmの範囲の複数の波長域力も選ばれる、 2以上の波長の吸光度スぺ タトルデータを用いた解析によって、慢性疲労症候群 (CFS)に関する検査 '診断を 行うことを特徴とする請求項 11〜13のいずれか 1項に記載の検査 '診断装置。
[15] 650應、 670應、 700— 715nm、 740nm、 850nm、 950— 960nm、 1020nm 、および 1080nm内の各波長の ± 5nmの範囲の複数の波長域から選ばれる、 2以 上の波長の吸光度スペクトルデータを用いた解析によって、慢性疲労症候群 (CFS) に関する検査 ·診断を行うことを特徴とする請求項 11〜13のいずれか 1項に記載の 検査,診断装置。
前記検体試料が、血液 (血漿'血清を含む)、尿、その他の体液、組織、組織抽出 液、または、耳、手足の指先など生体の一部であることを特徴とする請求項 11〜15 のいずれか 1項に記載の検査'診断装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP06732587A EP1882927A4 (en) | 2005-05-18 | 2006-05-15 | METHOD AND DEVICE FOR DIAGNOSING CHRONIC FATIGUE SYNDROME (CFS) USING NEAR-INFRARED SPECTRUM |
US11/914,755 US8233960B2 (en) | 2005-05-18 | 2006-05-15 | Method and device for diagnosing chronic fatigue syndrome (CFS) by using near infrared spectrum |
JP2007516276A JP4961579B2 (ja) | 2005-05-18 | 2006-05-15 | 近赤外分光を用いた慢性疲労症候群(cfs)診断法および装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005-146048 | 2005-05-18 | ||
JP2005146048 | 2005-05-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2006123611A1 true WO2006123611A1 (ja) | 2006-11-23 |
Family
ID=37431184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2006/309656 WO2006123611A1 (ja) | 2005-05-18 | 2006-05-15 | 近赤外分光を用いた慢性疲労症候群(cfs)診断法および装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8233960B2 (ja) |
EP (1) | EP1882927A4 (ja) |
JP (1) | JP4961579B2 (ja) |
WO (1) | WO2006123611A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010151823A (ja) * | 2007-04-02 | 2010-07-08 | Univ Hospital Of North Staffordshire Nhs Trust | Copdの判定方法およびそれに使用する装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2449379C1 (ru) * | 2010-11-02 | 2012-04-27 | Государственное образовательное учреждение высшего профессионального образования "Астраханский государственный университет" (АГУ) | Способ моделирования хронической усталости в эксперименте |
US11325002B2 (en) * | 2019-10-01 | 2022-05-10 | Under Armour, Inc. | System and method for detecting fatigue and providing coaching in response |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002328088A (ja) * | 2001-05-01 | 2002-11-15 | Snow Brand Food Co Ltd | 近赤外分光法による異常肉の判別方法 |
JP2005055228A (ja) * | 2003-07-31 | 2005-03-03 | Japan Science & Technology Agency | 酸化的ストレスの検出方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6438396B1 (en) * | 1998-11-05 | 2002-08-20 | Cytometrics, Inc. | Method and apparatus for providing high contrast imaging |
IL146787A (en) | 2000-03-31 | 2005-06-19 | Japan Government | Method and apparatus for detecting mastitis by using visible light and/or near infrared light |
JP2002005827A (ja) | 2000-06-19 | 2002-01-09 | Kanazawa Kazuki | 被検体の情報を得る方法 |
US6600947B2 (en) * | 2001-03-16 | 2003-07-29 | Nymox Corporation | Method of detecting amyloid-containing lesions by autofluorescence |
JP2002272708A (ja) * | 2001-03-21 | 2002-09-24 | Mitsuba Corp | 体調判定方法および体調判定装置 |
JP2003061921A (ja) * | 2001-08-30 | 2003-03-04 | Mitsuba Corp | 体調判別方法および体調判別装置 |
US20040018500A1 (en) * | 2001-11-21 | 2004-01-29 | Norman Glassbrook | Methods and systems for analyzing complex biological systems |
-
2006
- 2006-05-15 EP EP06732587A patent/EP1882927A4/en not_active Withdrawn
- 2006-05-15 US US11/914,755 patent/US8233960B2/en active Active
- 2006-05-15 WO PCT/JP2006/309656 patent/WO2006123611A1/ja active Application Filing
- 2006-05-15 JP JP2007516276A patent/JP4961579B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002328088A (ja) * | 2001-05-01 | 2002-11-15 | Snow Brand Food Co Ltd | 近赤外分光法による異常肉の判別方法 |
JP2005055228A (ja) * | 2003-07-31 | 2005-03-03 | Japan Science & Technology Agency | 酸化的ストレスの検出方法 |
Non-Patent Citations (2)
Title |
---|
SASAKI T.: "Rodo Kagaku Kenkyusho ga Susumeru 'Mansei Hiro' Kenkyu", DIGEST OF SCIENCE OF LABOUR, vol. 60, no. 4, 1 April 2005 (2005-04-01), pages 32 - 35, XP003006007 * |
See also references of EP1882927A4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010151823A (ja) * | 2007-04-02 | 2010-07-08 | Univ Hospital Of North Staffordshire Nhs Trust | Copdの判定方法およびそれに使用する装置 |
JP2010523964A (ja) * | 2007-04-02 | 2010-07-15 | ザ ユニバーシティ ホスピタル オブ ノース スタフォードシャー エヌエイチエス トラスト | Copdの判定方法およびそれに使用する装置 |
Also Published As
Publication number | Publication date |
---|---|
EP1882927A4 (en) | 2010-11-10 |
US20080198378A1 (en) | 2008-08-21 |
US8233960B2 (en) | 2012-07-31 |
JPWO2006123611A1 (ja) | 2008-12-25 |
JP4961579B2 (ja) | 2012-06-27 |
EP1882927A1 (en) | 2008-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5047962B2 (ja) | 近赤外光を用いたガン、全身性エリテマトーデス(sle)又は抗リン脂質抗体症候群に関する検査・診断装置の作動方法 | |
US6697654B2 (en) | Targeted interference subtraction applied to near-infrared measurement of analytes | |
US6501982B1 (en) | System for the noninvasive estimation of relative age | |
US6405065B1 (en) | Non-invasive in vivo tissue classification using near-infrared measurements | |
EP1250083B1 (en) | Sex determination | |
JP4636762B2 (ja) | 分光装置を較正する方法 | |
US20080113337A1 (en) | Method of Examining/Judging Presence of Virus Infection such as HIV or Presence of Prion Infection by Near-Infrared Spectroscopy and Device Used in Same | |
US20070179367A1 (en) | Method and Apparatus for Noninvasively Estimating a Property of an Animal Body Analyte from Spectral Data | |
US20030023170A1 (en) | Optically similar reference samples and related methods for multivariate calibration models used in optical spectroscopy | |
JP2003144421A (ja) | 生体成分の定量方法及び定量装置 | |
JPH04190141A (ja) | 水分含量を有する生物学的物質の分析方法 | |
Ralbovsky et al. | Vibrational spectroscopy for detection of diabetes: A review | |
JP2007285922A (ja) | 近赤外光を用いた臨床血液検査方法 | |
JP4961579B2 (ja) | 近赤外分光を用いた慢性疲労症候群(cfs)診断法および装置 | |
WO2007066589A1 (ja) | 近赤外分光を用いた生活習慣病に関する検査・診断法および装置 | |
KR100545730B1 (ko) | 라만 분광법을 이용한 소변 성분 분석 시스템 및 그 방법 | |
US10815518B2 (en) | Sampler and method of parameterizing of digital circuits and of non-invasive determination of the concentration of several biomarkers simultaneously and in real time | |
Olaetxea et al. | Determination of physiological lactate and pH by Raman spectroscopy | |
JP2004321325A (ja) | 血糖値の定量方法 | |
CN112971708A (zh) | 基于皮肤荧光谱分析的胆红素无创检测装置 | |
US11742059B1 (en) | System and method for non-invasive quantification of blood biomarkers | |
RU2307351C2 (ru) | Способ исследования сыворотки крови | |
WO2024052898A1 (en) | System and method for non-invasive quantification of blood biomarkers | |
Barroso et al. | Painless Artificial Intelligence Point-of-Care hemogram diagnosis in Companion Animals | |
Daniel et al. | Profiling of Artificial Breathalyzer to early diagnosis of Non-communicable Diseases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application | ||
WWE | Wipo information: entry into national phase |
Ref document number: 2007516276 Country of ref document: JP |
|
WWE | Wipo information: entry into national phase |
Ref document number: 2006732587 Country of ref document: EP |
|
WWE | Wipo information: entry into national phase |
Ref document number: 11914755 Country of ref document: US |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
NENP | Non-entry into the national phase |
Ref country code: RU |
|
WWP | Wipo information: published in national office |
Ref document number: 2006732587 Country of ref document: EP |