WO2013146621A1 - 脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置 - Google Patents

脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置 Download PDF

Info

Publication number
WO2013146621A1
WO2013146621A1 PCT/JP2013/058444 JP2013058444W WO2013146621A1 WO 2013146621 A1 WO2013146621 A1 WO 2013146621A1 JP 2013058444 W JP2013058444 W JP 2013058444W WO 2013146621 A1 WO2013146621 A1 WO 2013146621A1
Authority
WO
WIPO (PCT)
Prior art keywords
cerebrovascular disorder
evaluation
amino acid
discriminant
value
Prior art date
Application number
PCT/JP2013/058444
Other languages
English (en)
French (fr)
Inventor
田中　孝幸
山本　浩史
實 山門
Original Assignee
味の素株式会社
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 味の素株式会社 filed Critical 味の素株式会社
Publication of WO2013146621A1 publication Critical patent/WO2013146621A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids
    • G—PHYSICS
    • 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

Definitions

  • the present invention relates to a cerebrovascular disorder evaluation method, a cerebrovascular disorder evaluation apparatus, a cerebrovascular disorder evaluation method, a cerebrovascular disorder evaluation program, a cerebrovascular disorder evaluation system, and an information communication terminal device.
  • Arteriosclerosis can occur in the brain, heart or other whole body mainly due to metabolic syndrome (eg dyslipidemia, diabetes or hypertension).
  • Atherosclerosis is a risk that tissue clogging occurs due to blood clogging and blood circulation at each site, causing angina or myocardial infarction in the heart, cerebral infarction in the brain, and eventually death There is.
  • visceral cardiovascular diseases that occur particularly in the heart or brain are highly important disease areas not only in terms of the number of deaths but also in terms of the number of patients and medical costs. It is. Therefore, there is a high demand for screening for preventing visceral circulatory diseases.
  • the progress of arteriosclerosis throughout the body is basically examined. In this examination, it is standard to determine the progress of arteriosclerosis throughout the body based on PWV (pulse wave velocity). However, since PWV has a strong correlation with blood pressure, it is difficult to determine the progress from PWV. Moreover, this inspection is only performed as a part of the human dock or the option of the human dock, and its spread is not necessarily high.
  • PWV pulse wave velocity
  • arteriosclerosis is an important index as a risk of visceral cardiovascular disease. Further, there is a need for a better diagnostic method for visceral circulatory diseases in terms of accuracy, cost, physical burden, and the like.
  • Non-Patent Document 1 it is reported that the risk of atherosclerosis is higher in the group in which homocysteine in the blood has a higher value than in the group in which the lower value is present.
  • Patent Literature 1, Patent Literature 2, and Patent Literature 3 relating to a method for associating an amino acid concentration with a biological state are disclosed as prior patents.
  • Patent Document 4 regarding a method for evaluating the state of metabolic syndrome using amino acid concentration
  • Patent Document 5 regarding a method for evaluating the state of visceral fat accumulation using amino acid concentration
  • Patent Document 7 relating to a method for evaluating an obesity state using amino acid concentrations are disclosed.
  • the present invention has been made in view of the above problems, and accurately evaluates the state of cerebrovascular disorder using the concentration of amino acid useful for evaluating the state of cerebrovascular disorder among the concentration of amino acids in blood. It is an object of the present invention to provide a cerebrovascular disorder evaluation method, a cerebrovascular disorder evaluation apparatus, a cerebrovascular disorder evaluation method, a cerebrovascular disorder evaluation program, a cerebrovascular disorder evaluation system, and an information communication terminal device.
  • the method for evaluating cerebrovascular disorder includes an acquisition step of acquiring amino acid concentration data relating to a concentration value of amino acids in blood collected from an evaluation target; Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, included in the amino acid concentration data of the evaluation object acquired in the acquisition step And a concentration value reference evaluation step for evaluating a state of cerebrovascular disorder for the evaluation object based on the concentration value of at least one of Arg, Trp, and Orn.
  • cerebrovascular disorders include cerebral arteriosclerosis (eg, microarteriosclerosis), stroke (cerebral hemorrhage, subarachnoid hemorrhage, transient ischemic attack, lacunar infarction, atherothrombotic infarction, Cardiogenic cerebral embolism, etc.).
  • cerebral arteriosclerosis eg, microarteriosclerosis
  • stroke Cerebral hemorrhage, subarachnoid hemorrhage, transient ischemic attack, lacunar infarction, atherothrombotic infarction, Cardiogenic cerebral embolism, etc.
  • the cerebrovascular disorder evaluation method is the above-described cerebrovascular disorder evaluation method, wherein the concentration value reference evaluation step includes Glu, Gly, Phe, Ser, Gln, Ile included in the amino acid concentration data. , Ala, Tyr, Trp, Val, Asn, Met, and His, the evaluation target is evaluated for having the cerebrovascular disorder based on the concentration value.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the cerebrovascular disorder includes cerebral arteriosclerosis, and the concentration value criterion evaluation step is included in the amino acid concentration data. Based on the concentration value of at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, Met, It is characterized by evaluating whether it has sclerosis.
  • the cerebrovascular disorder evaluation method is the above-mentioned cerebrovascular disorder evaluation method, wherein the cerebrovascular disorder includes stroke, and the concentration value criterion evaluation step includes Gly, Evaluating whether the subject has the stroke based on the concentration value of at least one of Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn, It is characterized by.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the cerebrovascular disorder includes cerebral arteriosclerosis and stroke, and the concentration value reference evaluation step includes the amino acid concentration data. Based on the concentration value of at least one of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the cerebral arteriosclerosis or the stroke, It is characterized by evaluating whether it has.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the cerebrovascular disorder includes cerebral arteriosclerosis and stroke, and the concentration value reference evaluation step includes the amino acid concentration data. Based on the concentration value of at least one of Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, and Phe, the cerebral arteriosclerosis, the stroke, or the non-cerebral artery It is characterized by evaluating whether it is sclerosis and non-stroke.
  • the cerebrovascular disorder evaluation method is the above-described cerebrovascular disorder evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Gly, Tyr, Val included in the amino acid concentration data. , Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg, Trp, Orn
  • a multivariate discriminant for evaluating the state of the cerebrovascular disorder including Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Based on what includes at least one of Asn, Met, Arg, Trp, Orn as the variable, Further comprising a discriminant value calculating step of calculating a discriminant value that is a value of multivariate discriminant, and wherein.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the multivariate discriminant is a logistic regression equation, a fractional equation, a linear discriminant, a multiple regression equation, or a support vector machine. It is any one of a created formula, a formula created by Mahalanobis distance method, a formula created by canonical discriminant analysis, and a formula created by a decision tree.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the concentration value reference evaluation step is based on the discriminant value calculated in the discriminant value calculation step.
  • the method further includes a discriminant value criterion evaluation step for evaluating the state of the cerebrovascular disorder.
  • the cerebrovascular disorder evaluation method is the above-described cerebrovascular disorder evaluation method, wherein the discriminant value calculating step includes Glu, Gly, Phe, Ser, Gln, Ile, At least one of the above-mentioned concentration values of Ala, Tyr, Trp, Val, Asn, Met, His, and Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, His
  • the discriminant value is calculated based on the multivariate discriminant including at least one as the variable, and the discriminant value criterion evaluation step has the cerebrovascular disorder for the evaluation object based on the discriminant value. It is characterized by evaluating.
  • the cerebrovascular disorder evaluation method is the above-described cerebrovascular disorder evaluation method, wherein the multivariate discriminant includes Ser, Glu, Gly, Ala, Phe, His as the variables.
  • the logistic regression equation includes Asn, Gln, Gly, Val, Phe, and His as the variables.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the cerebrovascular disorder includes cerebral arteriosclerosis, and the discriminant value calculating step is included in the amino acid concentration data.
  • the cerebrovascular disorder evaluation method is the above-described cerebrovascular disorder evaluation method, wherein the multivariate discriminant includes the Glu, Gln, ABA, Tyr, His, Lys as the variables.
  • the logistic regression equation includes Asn, Gln, Gly, Leu, and Lys as the variables.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the cerebrovascular disorder includes stroke, and the discriminant value calculating step includes Gly, Glu included in the amino acid concentration data. , Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn, the concentration value, and Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser,
  • the discriminant value is calculated based on the multivariate discriminant including at least one of Ile, Lys, Asn, and Orn as the variable, and the discriminant value criterion evaluation step is configured to evaluate the evaluation based on the discriminant value. Evaluating whether the subject has the stroke.
  • the cerebrovascular disorder evaluation method is the above-mentioned cerebrovascular disorder evaluation method, wherein the multivariate discriminant includes the logistic regression equation or Gly including Glu, Gly, Cit, Tyr, Orn as the variables. , Cit, Val, Tyr, Arg as the variables, the logistic regression equation.
  • the cerebrovascular disorder evaluation method is the cerebrovascular disorder evaluation method, wherein the cerebrovascular disorder includes cerebral arteriosclerosis and stroke, and the discriminant value calculating step includes the amino acid concentration data.
  • the discriminant value is calculated based on the multivariate discriminant including at least one of the variables as the variable
  • the discriminant value criterion evaluation step is based on the discriminant value for the evaluation object. It is characterized by evaluating whether it has the said cerebral arteriosclerosis or the said stroke.
  • the cerebrovascular disorder evaluation method is the above-described cerebrovascular disorder evaluation method, wherein the multivariate discriminant is the logistic regression equation including Pro, Gly, Ala, Tyr, Orn as the variables. It is characterized by this.
  • the cerebrovascular disorder evaluation apparatus includes a control unit and a storage unit, and is a cerebrovascular disorder evaluation apparatus that evaluates the state of the cerebrovascular disorder for each evaluation target.
  • the cerebrovascular disorder evaluation apparatus is the cerebrovascular disorder evaluation apparatus according to the present invention, wherein the control unit is configured to perform the cerebrovascular disorder for the evaluation target based on the discrimination value calculated by the discrimination value calculation unit. And a discriminant value criterion evaluating means for evaluating the state.
  • the cerebrovascular disorder evaluation apparatus is the cerebrovascular disorder evaluation apparatus, wherein (i) the control unit is a cerebrovascular disorder state relating to the amino acid concentration data and an index representing the state of the cerebrovascular disorder. And (ii) the multivariate discriminant creating means for creating the multivariate discriminant stored in the storage unit based on the cerebrovascular disorder state information stored in the storage unit including index data,
  • the variable discriminant creating means is a candidate multivariate discriminant creating means for creating a candidate multivariate discriminant that is a candidate for the multivariate discriminant based on a predetermined formula creating method from the cerebrovascular disorder state information;
  • Candidate multivariate discriminant verification means for verifying the candidate multivariate discriminant created by the candidate multivariate discriminant creation means based on a predetermined verification method, and the candidate multivariate discriminant based on a predetermined variable selection method
  • Variable selection means for selecting a combination of the amino acid concentration data included in the cerebrovascular disorder state information used when creating the candidate multivariate discrimin
  • a cerebrovascular disorder evaluation method is a cerebrovascular disorder evaluation method for evaluating a cerebrovascular disorder state for an evaluation target, which is executed in an information processing apparatus including a control unit and a storage unit.
  • Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala included in the evaluation target amino acid concentration data regarding the amino acid concentration value executed in the control unit.
  • the cerebrovascular disorder evaluation program is a cerebrovascular disorder evaluation program for evaluating the state of a cerebrovascular disorder for an evaluation target to be executed by an information processing apparatus including a control unit and a storage unit.
  • Evaluating the state of the cerebrovascular disorder stored in the storage unit including at least one of the concentration values of Ala, His, Cit, Asn, Met, Arg, Trp, Orn and the concentration of the amino acid as a variable.
  • a recording medium according to the present invention is a non-transitory computer-readable recording medium, and includes a programmed instruction for causing an information processing apparatus to execute the cerebrovascular disease evaluation method. To do.
  • the cerebrovascular disorder evaluation system includes a control unit and a storage unit, and includes a cerebrovascular disorder evaluation apparatus that evaluates the state of cerebrovascular disorder for each evaluation target, and a control unit, and the amino acid concentration value
  • the information communication terminal device that provides the evaluation target amino acid concentration data is connected to be communicably connected via a network, and the control unit of the information communication terminal device includes: , Receiving amino acid concentration data transmitting means for transmitting the amino acid concentration data to be evaluated to the cerebrovascular disease evaluation device, and a discriminant value transmitted from the cerebrovascular disease evaluation device, which is a multivariate discriminant value.
  • a result receiving means wherein the controller of the cerebrovascular disorder evaluation apparatus receives the amino acid concentration data transmitted from the information communication terminal apparatus.
  • Variable discriminant at least one of Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg, Trp, Orn
  • the cerebrovascular disorder evaluation system is the cerebrovascular disorder evaluation system, wherein the control unit of the cerebrovascular disorder evaluation apparatus is based on the discriminant value calculated by the discriminant value calculator.
  • the information communication terminal device further includes a discriminant value criterion-evaluating unit that evaluates the state of the cerebrovascular disorder per evaluation object, and the result transmitting unit transmits the evaluation result of the evaluation object obtained by the discriminant value criterion-evaluating unit.
  • the result receiving means receives the evaluation result of the evaluation target transmitted from the cerebrovascular disorder evaluation apparatus.
  • the information communication terminal device is an information communication terminal device that includes a control unit and provides amino acid concentration data to be evaluated regarding the amino acid concentration value, wherein the control unit is a multivariate discriminant value.
  • ABA Ala, His, Cit, Asn, Met, Arg, Trp, Orn
  • a multivariate discriminating method for evaluating the state of cerebrovascular disorder including the concentration value and the amino acid concentration as variables Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, IS, is Cit, Asn, Met, Arg, Trp, wherein it is obtained by calculation on the basis of those containing at least one as the variable of Orn.
  • the result acquisition unit acquires an evaluation result related to the state of the cerebrovascular disorder to be evaluated, and the evaluation result It is a result of evaluating the state of the cerebrovascular disorder for the evaluation object based on a discriminant value.
  • the information communication terminal device is connected to the cerebrovascular disease evaluation device that evaluates the state of the cerebrovascular disease for the evaluation target in the information communication terminal device so as to be communicable via a network.
  • the control unit further includes an amino acid concentration data transmitting means for transmitting the amino acid concentration data to be evaluated to the cerebrovascular disorder evaluation apparatus, and the result acquisition means is transmitted from the cerebrovascular disorder evaluation apparatus. The discriminant value is received.
  • the result acquisition unit is an evaluation related to the state of the cerebrovascular disorder to be evaluated, transmitted from the cerebrovascular disorder evaluation apparatus.
  • a result is received, and the evaluation result is a result of evaluating the state of the cerebrovascular disorder for the evaluation object based on the discriminant value.
  • the cerebrovascular disorder evaluation apparatus includes a control unit and a storage unit that are communicably connected to an information communication terminal device that provides amino acid concentration data to be evaluated regarding amino acid concentration values via a network.
  • a cerebrovascular disorder evaluation apparatus that evaluates the state of cerebrovascular disorder for the evaluation object, wherein the control unit receives the amino acid concentration data transmitted from the information communication terminal device.
  • the concentration value of at least one of Met, Arg, Trp, Orn and the concentration of the amino acid are changed.
  • a multivariate discriminant for evaluating the state of the cerebrovascular disorder stored in the storage unit including Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln , ABA, Ala, His, Cit, Asn, Met, Arg, Trp, Orn, and a discriminant value calculation that calculates a discriminant value that is a value of the multivariate discriminant based on the one including at least one of the variables And a result transmitting means for transmitting the discriminant value calculated by the discriminant value calculating means to the information communication terminal device.
  • the cerebrovascular disorder evaluation apparatus is the cerebrovascular disorder evaluation apparatus according to the present invention, wherein the control unit is configured to perform the cerebrovascular disorder for the evaluation target based on the discrimination value calculated by the discrimination value calculation unit. Further comprising a discriminant value criterion-evaluating unit that evaluates the state, and the result transmitting unit transmits the evaluation result of the evaluation target obtained by the discriminant value criterion-evaluating unit to the information communication terminal device. And
  • the method for searching for a substance for preventing / ameliorating cerebrovascular disorder according to the present invention is an amino acid concentration related to a concentration value of amino acids in blood collected from an evaluation subject to which a desired substance group consisting of one or a plurality of substances is administered.
  • amino acid concentration data relating to the concentration value of amino acids in blood collected from an evaluation object is acquired, and Glu, Ser, Pro, Gly, Tyr, Val, Ile included in the acquired amino acid concentration data of the evaluation object.
  • Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg, Trp, Orn the state of cerebrovascular disorder is evaluated for each evaluation object. This produces an effect that the state of cerebrovascular disorder can be accurately evaluated using the concentration of amino acid useful for evaluating the state of cerebrovascular disorder among the concentrations of amino acids in the blood.
  • the present invention based on at least one concentration value among Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His included in the amino acid concentration data, Evaluate whether the subject has cerebrovascular disorder. Thereby, the effect that the said evaluation can be performed accurately using the density
  • the cerebrovascular disorder includes cerebral arteriosclerosis, and Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu included in the amino acid concentration data.
  • the evaluation object is evaluated for having cerebral arteriosclerosis based on the concentration value.
  • the cerebrovascular disorder includes stroke, and at least of Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn included in the amino acid concentration data. Based on one concentration value, whether the subject has a stroke is evaluated. Thereby, the effect that the said evaluation can be accurately performed using the density
  • the cerebrovascular disorder includes cerebral arteriosclerosis and stroke, and among Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the amino acid concentration data. Based on the at least one concentration value, the evaluation subject is evaluated for having cerebral arteriosclerosis or stroke. Accordingly, the amino acid concentration useful for the evaluation of cerebral arteriosclerosis and stroke among the amino acid concentrations in the blood can be used to accurately perform the evaluation.
  • the cerebrovascular disorder includes cerebral arteriosclerosis and stroke, and the concentration of at least one of Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, and Phe included in the amino acid concentration data. Based on the value, whether the subject is cerebral arteriosclerosis, stroke, or non-cerebral arteriosclerosis and non-stroke is evaluated. As a result, it is possible to accurately perform the evaluation using the amino acid concentration useful for the evaluation of cerebral arteriosclerosis and stroke and non-cerebral arteriosclerosis and non-stroke among amino acid concentrations in blood. Play.
  • a multivariate discriminant for evaluating the state of cerebrovascular disorder which includes a concentration value of at least one of Trp and Orn and an amino acid concentration as variables, and is Glu, Ser, Pro, Gly, Tyr , Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg,
  • a discrimination value that is a value is calculated.
  • the multivariate discriminant useful for evaluating the state of cerebrovascular disorder can be used to obtain a discriminant value reflecting the state of the cerebrovascular disorder to be evaluated.
  • the multivariate discriminant is a logistic regression equation, a fractional equation, a linear discriminant equation, a multiple regression equation, an equation created by a support vector machine, an equation created by the Mahalanobis distance method, a canonical discriminant.
  • the state of cerebrovascular disorder is evaluated for each evaluation object based on the calculated discriminant value. Accordingly, the discriminant value obtained by the multivariate discriminant useful for the evaluation of the state of cerebrovascular disorder can be used to achieve an effect that the state of cerebrovascular disorder can be accurately evaluated.
  • At least one concentration value of Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, His included in the amino acid concentration data, and Glu A discriminant value is calculated based on a multivariate discriminant including at least one of Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His as a variable. Then, whether the subject has cerebrovascular disorder is evaluated. Thereby, the discriminant value obtained by the multivariate discriminant useful for the evaluation of the cerebrovascular disorder is used, and there is an effect that the evaluation can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation (for example, the logistic regression equation of Equation 1) or Asn, Gln, Gly, Val including Ser, Glu, Gly, Ala, Phe, His as variables. , Phe and His as variables (for example, a logistic regression equation of Formula 2).
  • the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of cerebrovascular disorder is utilized, and the effect that the evaluation can be performed with higher accuracy is achieved.
  • the cerebrovascular disorder includes cerebral arteriosclerosis, and Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu included in the amino acid concentration data. , Ile, Met, and at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, Met as a variable
  • a discriminant value is calculated on the basis of the multivariate discriminant including, and based on the discriminant value, it is evaluated whether the evaluation target has cerebral arteriosclerosis. Thereby, the discriminant value obtained by the multivariate discriminant useful for the evaluation of cerebral arteriosclerosis is utilized, and there is an effect that the evaluation can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including Glu, Gln, ABA, Tyr, His, Lys as a variable (for example, the logistic regression equation of Equation 3) or Asn, Gln, Gly, Leu. , Lys as a variable (for example, the logistic regression equation of Equation 4).
  • the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of cerebral arteriosclerosis is utilized, and the effect that the evaluation can be performed with higher accuracy is achieved.
  • the cerebrovascular disorder includes stroke, and at least of Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn included in the amino acid concentration data.
  • Discriminant value based on one concentration value and a multivariate discriminant including at least one of Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn as a variable
  • the discriminant value obtained by the multivariate discriminant useful for the evaluation of the stroke is used, and the effect that the evaluation can be performed with high accuracy is achieved.
  • the multivariate discriminant is a logistic regression equation including Glu, Gly, Cit, Tyr, Orn (for example, a logistic regression equation of Equation 5) or Gly, Cit, Val, Tyr, Arg. Is a logistic regression formula (for example, a logistic regression formula of Formula 6).
  • the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of the stroke is used, and the effect that the evaluation can be performed with higher accuracy is achieved.
  • Equation 6 (In Equation 5, a 5 , b 5 , c 5 , d 5 , e 5 are arbitrary non-zero real numbers, and f 5 is an arbitrary real number. In Equation 6, a 6 , b 6 , c 6 , D 6 and e 6 are arbitrary non-zero real numbers, and f 6 is an arbitrary real number.)
  • the cerebrovascular disorder includes cerebral arteriosclerosis and stroke, and among Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the amino acid concentration data.
  • a discriminant value is calculated based on at least one concentration value and a multivariate discriminant including at least one of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn as a variable.
  • the discriminant value obtained by the multivariate discriminant useful for the evaluation of cerebral arteriosclerosis and stroke is used, and the effect that the evaluation can be performed with high accuracy is achieved.
  • the multivariate discriminant is a logistic regression equation including Pro, Gly, Ala, Tyr, and Orn as variables (for example, a logistic regression equation of Equation 7).
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for the evaluation of cerebral arteriosclerosis and stroke is used, and the effect that the evaluation can be performed with higher accuracy is achieved.
  • f 7 is an arbitrary real number.
  • the storage means stores the cerebrovascular disorder state information stored in the storage means including the amino acid concentration data and the cerebrovascular disorder state index data relating to the index representing the cerebrovascular disorder state.
  • a multivariate discriminant may be created. Specifically, (i) a candidate multivariate discriminant is created from a cerebrovascular disorder state information based on a predetermined formula creation method, and (ii) the created candidate multivariate discriminant is verified based on a predetermined verification method (Iii) A combination of amino acid concentration data included in cerebrovascular disorder state information used when creating a candidate multivariate discriminant by selecting a variable of the candidate multivariate discriminant based on a predetermined variable selection method Is selected from among a plurality of candidate multivariate discriminants based on the verification results accumulated by repeatedly executing (iv) (i), (ii) and (iii).
  • a multivariate discriminant may be created by selecting a variable discriminant.
  • amino acid concentration data relating to amino acid concentration values collected from an evaluation subject to which a desired substance group consisting of one or a plurality of substances is administered is obtained, and the obtained amino acid concentration data is obtained.
  • the state of cerebrovascular disorder is evaluated for each evaluation target, and it is determined whether the desired substance group is a substance that prevents or improves the state of cerebrovascular disorder based on the evaluation result. May be.
  • a method for evaluating cerebrovascular disorder which can accurately evaluate the state of cerebrovascular disorder using the concentration of amino acid useful for evaluating the state of cerebrovascular disorder among amino acid concentrations in blood.
  • a substance capable of preventing cerebrovascular disorder or improving the state of cerebrovascular disorder can be searched with high accuracy.
  • according to the present invention by utilizing information on typical amino acid concentration fluctuation patterns in cerebrovascular disorders and multivariate discriminants corresponding to cerebrovascular disorders, existing conditions partially reflecting cerebrovascular disorder states It becomes possible to select an effective animal model and a clinically effective drug at an early stage.
  • the state of cerebrovascular disorder when evaluating the state of cerebrovascular disorder, as a variable in the multivariate discriminant, in addition to the amino acid concentration, other biological information (for example, body weight, BMI, waist circumference, body fat percentage, age, gender) , Systolic blood pressure, diastolic blood pressure, blood glucose level, HbA1c, oral glucose tolerance test results (blood glucose level, insulin level), glycated albumin, ⁇ GTP, insulin, insulin resistance index, arteriosclerosis index (AEI, lipid peroxide, SOD) Activity, LDL / HDL), electroencephalogram propagation velocity (PWV, ABI), carotid artery test results (intima-media thickness, maximum thickness, atherosclerotic lesion), LDL cholesterol, HDL cholesterol, neutral fat, renal function Test values (urea nitrogen, creatinine, uric acid, sodium, potassium, chlor, inorganic phosphorus, calcium), smoking information, drinking information, stress information, exercise information, Business information, may be further
  • FIG. 1 is a principle configuration diagram showing the basic principle of the first embodiment.
  • FIG. 2 is a flowchart showing an example of a method for evaluating a cerebrovascular disorder according to the first embodiment.
  • FIG. 3 is a principle configuration diagram showing the basic principle of the second embodiment.
  • FIG. 4 is a diagram illustrating an example of the overall configuration of the present system.
  • FIG. 5 is a diagram showing another example of the overall configuration of the present system.
  • FIG. 6 is a block diagram illustrating an example of the configuration of the cerebrovascular disorder evaluation apparatus 100 of the present system.
  • FIG. 7 is a diagram illustrating an example of information stored in the user information file 106a.
  • FIG. 8 is a diagram showing an example of information stored in the amino acid concentration data file 106b.
  • FIG. 9 is a diagram illustrating an example of information stored in the cerebrovascular disorder state information file 106c.
  • FIG. 10 is a diagram showing an example of information stored in the designated cerebrovascular disorder state information file 106d.
  • FIG. 11 is a diagram illustrating an example of information stored in the candidate multivariate discriminant file 106e1.
  • FIG. 12 is a diagram illustrating an example of information stored in the verification result file 106e2.
  • FIG. 13 is a diagram illustrating an example of information stored in the selected cerebrovascular disorder state information file 106e3.
  • FIG. 14 is a diagram illustrating an example of information stored in the multivariate discriminant file 106e4.
  • FIG. 15 is a diagram illustrating an example of information stored in the discrimination value file 106f.
  • FIG. 16 is a diagram illustrating an example of information stored in the evaluation result file 106g.
  • FIG. 17 is a block diagram showing a configuration of the multivariate discriminant-preparing part 102h.
  • FIG. 18 is a block diagram illustrating a configuration of the discriminant value criterion-evaluating unit 102j.
  • FIG. 19 is a block diagram illustrating an example of the configuration of the client apparatus 200 of the present system.
  • FIG. 20 is a block diagram showing an example of the configuration of the database apparatus 400 of this system.
  • FIG. 21 is a flowchart showing an example of a cerebrovascular disease evaluation service process performed by the present system.
  • FIG. 22 is a flowchart illustrating an example of multivariate discriminant creation processing performed by the cerebrovascular disorder evaluation apparatus 100 of the present system.
  • FIG. 23 is a diagram showing the distribution of amino acid variables among the three groups.
  • FIG. 24 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the cerebral arteriosclerosis group.
  • FIG. 25 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the healthy group and the cerebral arteriosclerosis group.
  • FIG. 26 is a diagram showing the appearance frequencies of the top 10 amino acids.
  • FIG. 27 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the healthy group and the cerebral arteriosclerosis group.
  • FIG. 28 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the healthy group and the cerebral arteriosclerosis group.
  • FIG. 29 is a diagram showing the appearance frequencies of the top 10 amino acids.
  • FIG. 30 is a diagram showing an ROC curve.
  • FIG. 31 is a diagram showing an ROC curve.
  • FIG. 32 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the stroke group.
  • FIG. 33 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the stroke group.
  • FIG. 34 is a diagram showing the appearance frequencies of the top 10 amino acids.
  • FIG. 35 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the healthy group and the stroke group.
  • FIG. 36 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the stroke group.
  • FIG. 37 is a diagram showing the appearance frequencies of the top 10 amino acids.
  • FIG. 38 is a diagram showing an ROC curve.
  • FIG. 39 is a diagram showing an ROC curve.
  • FIG. 40 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the healthy group and the cerebrovascular disorder group.
  • FIG. 41 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the healthy group and the cerebrovascular disorder group.
  • FIG. 42 is a diagram showing the appearance frequencies of the top 10 amino acids.
  • FIG. 43 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the cerebrovascular disorder group.
  • FIG. 44 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the cerebrovascular disorder group.
  • FIG. 45 is a diagram showing the appearance frequencies of the top 10 amino acids.
  • FIG. 46 is a diagram showing an ROC curve.
  • FIG. 47 is a diagram showing an ROC curve.
  • FIG. 48 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the cerebral arteriosclerosis group and the stroke group.
  • FIG. 49 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the cerebral arteriosclerosis group and the stroke group.
  • FIG. 50 is a diagram showing the appearance frequencies of the top 10 amino acids.
  • FIG. 51 is a diagram showing an ROC curve.
  • first embodiment an embodiment of a cerebrovascular disorder evaluation method
  • second embodiment an embodiment of a cerebrovascular disorder evaluation program
  • recording medium a cerebrovascular disorder evaluation system
  • second embodiment an apparatus embodiment
  • FIG. 1 is a principle configuration diagram showing the basic principle of the first embodiment.
  • amino acid concentration data relating to the concentration value of amino acids in blood (eg, including plasma, serum, etc.) collected from an evaluation target is acquired (step S11).
  • amino acid concentration data measured by a company or the like that performs amino acid concentration measurement may be acquired.
  • the following (A) or (B) may be obtained from blood collected from an evaluation target.
  • Amino acid concentration data may be obtained by measuring amino acid concentration data by a measurement method.
  • the unit of amino acid concentration may be obtained by, for example, molar concentration, weight concentration, or by adding / subtracting / subtracting an arbitrary constant to / from these concentrations.
  • B Plasma was separated from blood by centrifuging the collected blood sample. All plasma samples were stored frozen at ⁇ 80 ° C. until the measurement of amino acid concentration.
  • amino acid concentration When measuring the amino acid concentration, sulfosalicylic acid was added to remove the protein, and then the amino acid concentration was analyzed by an amino acid analyzer based on the post-column derivatization method using a ninhydrin reagent.
  • the state of cerebrovascular disorder (for example, the current state) is evaluated for the evaluation target (step S12).
  • amino acid concentration data related to the concentration value of amino acids in blood collected from an evaluation object is acquired, and Glu, Ser, Pro, Gly, Tyr included in the acquired amino acid concentration data of the evaluation object , Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg, Trp, Orn (In short, provide information for evaluating the state of cerebrovascular disorder for each evaluation target). This makes it possible to accurately evaluate the state of cerebrovascular disorder using the amino acid concentration useful for evaluating the state of cerebrovascular disorder among amino acid concentrations in blood (in short, the state of cerebrovascular disorder is Provide accurate information for evaluation).
  • step S12 data such as missing values and outliers may be removed from the amino acid concentration data acquired in step S11. Thereby, the state of cerebrovascular disorder can be evaluated more accurately.
  • step S12 at least one concentration value of Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His included in the amino acid concentration data acquired in step S11 is set.
  • the evaluation target it may be evaluated whether the subject has a cerebrovascular disorder. For example, it is determined whether the subject to be evaluated is a cerebrovascular disorder or a non-cerebral vascular disorder (specifically, healthy, etc.), or the degree of possibility of suffering from a cerebrovascular disorder is defined
  • the evaluation target may be classified into any one of a plurality of divisions (ranks). Thereby, the said evaluation can be accurately performed using the amino acid density
  • step S12 at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, and Met included in the amino acid concentration data acquired in step S11.
  • the subject may be evaluated whether the subject has cerebral arteriosclerosis. For example, it is determined whether the subject to be evaluated is cerebral arteriosclerosis or non-cerebral arteriosclerosis (specifically, healthy, etc.), and the degree of possibility of suffering from cerebral arteriosclerosis is considered
  • the evaluation target may be classified into any one of a plurality of categories (ranks) defined as above. Thereby, the said evaluation can be accurately performed using the amino acid density
  • step S12 at least one concentration value is selected from Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, and Orn included in the amino acid concentration data acquired in step S11.
  • the evaluation target it may be evaluated whether the subject has a stroke. For example, it is possible to determine whether the subject is a stroke or non-stroke (specifically, healthy), and to define multiple categories defined by considering the degree of possibility of suffering from a stroke (The evaluation target may be classified into any one of (rank). Thereby, the said evaluation can be accurately performed using the amino acid density
  • step S12 evaluation is performed based on at least one concentration value of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the amino acid concentration data acquired in step S11.
  • Subjects may be assessed for having cerebral arteriosclerosis or stroke. For example, it is possible to determine whether or not the evaluation target is cerebral arteriosclerosis or stroke, and to define multiple categories (ranks) that are defined in consideration of the possibility of suffering from cerebral arteriosclerosis or stroke. ) May be classified into one of the following. Thereby, the said evaluation can be accurately performed using the amino acid density
  • step S12 the brain is evaluated for each evaluation object based on at least one concentration value of Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, and Phe included in the amino acid concentration data acquired in step S11.
  • You may evaluate whether it is arteriosclerosis, a stroke, or non-cerebral arteriosclerosis and non-stroke (specifically healthy etc.). For example, it is determined whether or not the evaluation target is cerebral arteriosclerosis, stroke, or non-cerebral arteriosclerosis and non-stroke, and the degree of possibility of having cerebral arteriosclerosis or stroke
  • the evaluation target may be classified into any one of a plurality of categories (ranks) defined in consideration of the possibility of cerebral arteriosclerosis and non-stroke. This makes it possible to accurately perform the three-group discrimination using the amino acid concentrations useful for the evaluation of cerebral arteriosclerosis and stroke and non-cerebral arteriosclerosis and non-stroke among amino acid concentrations in blood.
  • the range that the density value can take is a predetermined range (for example, a range from 0.0 to 1.0, a range from 0.0 to 10.0, a range from 0.0 to 100.0, or ⁇ 10.
  • a predetermined range for example, a range from 0.0 to 1.0, a range from 0.0 to 10.0, a range from 0.0 to 100.0, or ⁇ 10.
  • an arbitrary value is added / subtracted / multiplied / divided with respect to the density value so as to fall within a range from 0 to 10.0, or the density value is converted into a predetermined conversion method (for example, exponential conversion, logarithmic conversion,
  • the density value may be converted by performing conversion by angle conversion, square root conversion, probit conversion, reciprocal conversion, or the like, or by combining these calculations with respect to the density value.
  • a value of an exponential function having a concentration value as an index and a Napier number as a base (specifically, a natural logarithm ln (p / (1-p)) when a probability p of having a cerebrovascular disorder is defined) (P / (1-p) value) when the value is equal to the concentration value), or a value obtained by dividing the calculated exponential function value by the sum of 1 and the value (specifically, The value of probability p) may be further calculated.
  • the density value may be converted so that the value after conversion under a specific condition becomes a specific value. For example, the density value may be converted so that the value after conversion when the specificity is 80% is 5.0 and the value after conversion when the specificity is 95% is 8.0.
  • step S12 Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met included in the amino acid concentration data acquired in step S11.
  • Arg, Trp, Orn a preset multivariate discriminant for evaluating the state of cerebrovascular disorder, including the amino acid concentration as a variable, and Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg, Trp, Orn, based on what includes at least one as a variable, the multivariate
  • a discriminant value that is a discriminant value may be calculated, and further, based on the calculated discriminant value, Per value target may evaluate the state of brain vascular disorders.
  • a multivariate discriminant useful for evaluating the state of cerebrovascular disorder can be used to obtain a discriminant value reflecting the state of the cerebrovascular disorder to be evaluated. It is possible to accurately evaluate the state of cerebrovascular disorder using the discriminant value obtained by the multivariate discriminant useful for the evaluation of the above.
  • Multivariate discriminants are logistic regression formula, fractional formula, linear discriminant formula, multiple regression formula, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis. Any one of the expressions created by the decision tree may be used. Thereby, the state of the cerebrovascular disorder can be accurately evaluated using the discriminant value obtained by the multivariate discriminant useful for evaluating the state of the cerebrovascular disorder.
  • step S12 at least one concentration value among Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His included in the amino acid concentration data acquired in step S11, And a discriminant value is calculated based on a multivariate discriminant including at least one of Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His as a variable. Based on the value, whether the subject to be evaluated has a cerebrovascular disorder may be evaluated.
  • the evaluation target is a cerebrovascular disorder or a non-cerebrovascular disorder, and to define multiple categories (ranks) that are defined in consideration of the possibility of suffering from a cerebrovascular disorder
  • the evaluation target may be classified into any one of the above. Thereby, the evaluation can be performed with high accuracy by using the discriminant value obtained by the multivariate discriminant useful for the evaluation of the cerebrovascular disorder.
  • the multivariate discriminant used in the evaluation is a logistic regression equation including Ser, Glu, Gly, Ala, Phe, and His as variables (for example, a logistic regression equation of Equation 1) or Asn, Gln, Gly, Val, A logistic regression equation (for example, a logistic regression equation of Equation 2) including Phe and His as variables may be used.
  • the evaluation can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of the cerebrovascular disorder.
  • step S12 at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, and Met included in the amino acid concentration data acquired in step S11.
  • a multivariate discriminant that includes at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, Met as a variable.
  • the discriminant value may be calculated, and based on the discriminant value, it may be evaluated whether or not the evaluation target has cerebral arteriosclerosis.
  • the assessment target is cerebral arteriosclerosis or non-cerebral arteriosclerosis, and to define multiple categories that are defined in consideration of the possibility of suffering from cerebral arteriosclerosis.
  • the evaluation target may be classified into any one of (rank). Thereby, the said evaluation can be performed accurately using the discriminant value obtained by the multivariate discriminant useful for evaluation of cerebral arteriosclerosis.
  • the multivariate discriminant used in the evaluation is a logistic regression equation including Glu, Gln, ABA, Tyr, His, Lys as a variable (for example, a logistic regression equation of Equation 3) or Asn, Gln, Gly, Leu, A logistic regression equation including Lys as a variable (for example, a logistic regression equation of Equation 4) may be used.
  • the evaluation can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of cerebral arteriosclerosis.
  • step S12 at least one concentration value of Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn included in the amino acid concentration data acquired in step S11, And a discriminant value is calculated based on a multivariate discriminant including at least one of Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, and Orn as a variable. Based on the value, whether the subject has a stroke may be evaluated. For example, it is determined whether or not the evaluation target is a stroke or non-stroke, and any one of a plurality of categories (ranks) defined in consideration of the possibility of suffering from a stroke.
  • the multivariate discriminant used in the evaluation is a logistic regression equation including Glu, Gly, Cit, Tyr, Orn (for example, a logistic regression equation of Equation 5) or Gly, Cit, Val, Tyr, Arg.
  • a logistic regression equation (for example, a logistic regression equation of Equation 6) included as a variable may be used.
  • the evaluation can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of the stroke.
  • step S12 at least one concentration value of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the amino acid concentration data acquired in step S11, and Tyr, Gly. , Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn, a discriminant value is calculated based on a multivariate discriminant including at least one as a variable.
  • the multivariate discriminant used in the evaluation may be a logistic regression equation including Pro, Gly, Ala, Tyr, and Orn as variables (for example, a logistic regression equation of Equation 7).
  • the evaluation can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of cerebral arteriosclerosis and stroke.
  • the discriminant value can have a predetermined range (for example, a range from 0.0 to 1.0, a range from 0.0 to 10.0, a range from 0.0 to 100.0, or ⁇ 10.
  • a predetermined range for example, a range from 0.0 to 1.0, a range from 0.0 to 10.0, a range from 0.0 to 100.0, or ⁇ 10.
  • an arbitrary value is added / subtracted / multiplied / divided with respect to the discriminant value so that the discriminant value falls within a range from 0 to 10.0, etc.
  • the discriminant value may be converted by performing conversion by angle conversion, square root conversion, probit conversion, or reciprocal conversion, or by combining these calculations with respect to the discriminant value.
  • the value of an exponential function with the discriminant value as the index and the Napier number as the base (specifically, the natural logarithm ln (p / (1-p)) when the probability p of having cerebrovascular disease is defined) (P / (1 ⁇ p) value in the case where is equal to the discriminant value), or a value obtained by dividing the calculated exponential function value by the sum of 1 and the value (specifically, The value of probability p) may be further calculated.
  • the discriminant value may be converted so that the value after conversion under a specific condition becomes a specific value.
  • the discriminant value may be converted so that the value after conversion when the specificity is 80% is 5.0 and the value after conversion when the specificity is 95% is 8.0.
  • the discriminant value in this specification may be the value of the multivariate discriminant itself, or may be a value after converting the value of the multivariate discriminant.
  • each multivariate discriminant described above is described in, for example, the method described in International Publication No. 2004/052191 which is an international application by the present applicant or International Publication No. 2006/098192 which is an international application by the present applicant. You may create by the method of description. If the multivariate discriminant obtained by these methods is used, the multivariate discriminant is suitably used for evaluating the state of cerebrovascular disorder regardless of the unit of amino acid concentration in the amino acid concentration data as input data. be able to.
  • the multivariate discriminant generally means the format of formulas used in multivariate analysis. For example, fractional formulas, multiple regression formulas, multiple logistic regression formulas, linear discriminant functions, Mahalanobis distances, canonical discriminant functions, support vectors Includes machines, decision trees, etc. Also included are expressions as indicated by the sum of different forms of multivariate discriminants.
  • a coefficient and a constant term are added to each variable. In this case, the coefficient and the constant term are preferably real numbers, more preferably data.
  • each coefficient and its confidence interval may be obtained by multiplying it by a real number
  • the value of the constant term and its confidence interval may be obtained by adding / subtracting / multiplying / dividing an arbitrary real constant thereto.
  • the fractional expression means that the numerator of the fractional expression is represented by the sum of amino acids A, B, C,... And / or the denominator of the fractional expression is the sum of amino acids a, b, c,. It is represented by
  • the fractional expression includes a sum of fractional expressions ⁇ , ⁇ , ⁇ ,.
  • the fractional expression also includes a divided fractional expression.
  • An appropriate coefficient may be added to each amino acid used in the numerator and denominator.
  • amino acids used in the numerator and denominator may overlap.
  • an appropriate coefficient may be attached to each fractional expression.
  • the value of the coefficient of each variable and the value of the constant term may be real numbers.
  • the combination of the numerator variable and the denominator variable is generally reversed in the sign of the correlation with the target variable, but since the correlation is maintained, it can be considered equivalent in discriminability. Combinations of swapping numerator and denominator variables are also included.
  • the state of cerebrovascular disorder in addition to the amino acid concentration, other biological information (for example, body weight, BMI, waist circumference, body fat percentage, age, sex, systolic blood pressure, dilation) Blood pressure, blood glucose level, HbA1c, oral glucose tolerance test results (blood glucose level, insulin level), glycated albumin, ⁇ GTP, insulin, insulin resistance index, arteriosclerosis index (AEI, lipid peroxide, SOD activity, LDL / HDL) , EEG propagation velocity (PWV, ABI), carotid artery test results (intima-media thickness, maximum thickness, atherosclerotic lesion), LDL cholesterol, HDL cholesterol, neutral fat, renal function test values (urea nitrogen, Creatinine, uric acid, sodium, potassium, chlor, inorganic phosphorus, calcium), smoking information, drinking information, stress information, exercise information, meal information, sleep information, etc.
  • other biological information for example, body weight, BMI, waist circumference, body fat percentage
  • the state of cerebrovascular disorder when evaluating the state of cerebrovascular disorder, as a variable in the multivariate discriminant, in addition to the amino acid concentration, other biological information (for example, body weight, BMI, waist circumference, body fat percentage, age) , Sex, systolic blood pressure, diastolic blood pressure, blood glucose level, HbA1c, oral glucose tolerance test results (blood glucose level, insulin level), glycated albumin, ⁇ GTP, insulin, insulin resistance index, arteriosclerosis index (AEI, lipid peroxide) , SOD activity, LDL / HDL), electroencephalogram propagation velocity (PWV, ABI), carotid artery test results (intimal media thickness, maximum thickness, atherosclerotic lesion), LDL cholesterol, HDL cholesterol, neutral fat, Renal function test values (urea nitrogen, creatinine, uric acid, sodium, potassium, chlor, inorganic phosphorus, calcium), smoking information, drinking information, stress information,
  • other biological information
  • a desired substance group consisting of one or more substances is administered to the evaluation object, blood is collected from the evaluation object, and in step S11, amino acids are collected from the collected blood.
  • the administered substance group prevents cerebrovascular disorder or improves the state of cerebrovascular disorder. You may determine whether it is a thing.
  • a method for evaluating cerebrovascular disorder which can accurately evaluate the state of cerebrovascular disorder using the concentration of amino acid useful for evaluating the state of cerebrovascular disorder among amino acid concentrations in blood. It is possible to accurately search for substances that prevent cerebrovascular disorders or improve the state of cerebrovascular disorders.
  • an appropriate combination of existing drugs, amino acids, foods, and supplements that can be administered to humans for example, drugs that are known to be effective in preventing or improving cerebrovascular disorders (for example, “glycerol” and “mannitol” which are antibrain edema drugs, “urokinase” and “t-PA” used in thrombolytic therapy, “edaravone” which is a brain protective drug, “catacrot” which is an antiplatelet drug, “ Aspirin, ticlopidine hydrochloride, cerebral circulation metabolism-improving drugs such as “Saamion”, “Lucidorell”, “Celoclal”, “Adefos”, “Ketas”, and combined Chinese herbal medicine “Ginoueki” (For example, enzymes, SOD (superoxide dismutase), catalase, vitamin A, vitamin B2, vitamin C, Min E, vitamin B12, folic acid, phytonutrients (phytochemicals), polyphenol,
  • SOD superoxide dismuta
  • the administration method, dose, and dosage form may be appropriately combined depending on the disease state.
  • the dosage form may be determined based on a known technique.
  • the dose is not particularly defined, but may be given, for example, in a form containing 1 ug to 100 g as an active ingredient.
  • the group of substances administered may be searched for preventing cerebrovascular disorder or improving the state of cerebrovascular disorder.
  • the group of substances administered may be searched for preventing cerebrovascular disorder or improving the state of cerebrovascular disorder.
  • a substance searched by this search method for example, “Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg , A group of amino acids containing at least one of Trp, Orn ”.
  • a substance that normalizes the concentration value of the “group” and the discriminant value of each multivariate discriminant can be selected using the cerebrovascular disorder evaluation method of the first embodiment or the cerebrovascular disorder evaluation apparatus of the second embodiment. it can.
  • “Searching for a substance to prevent or ameliorate” not only finds a new substance effective in preventing or ameliorating cerebrovascular disorder, but also finds a new use of a known substance for preventing or improving cerebrovascular disorder. And finding new compositions that combine existing drugs / supplements that can be expected to be effective in preventing / ameliorating cerebrovascular disorders, and finding the appropriate usage / dose / combination as described above. , Presenting a prevention / treatment menu including meals / exercises, etc., monitoring the effect of the prevention / treatment menu, and presenting menu changes for each individual as necessary.
  • FIG. 2 is a flowchart showing an example of a method for evaluating a cerebrovascular disorder according to the first embodiment.
  • amino acid concentration data relating to the concentration value of amino acids in blood collected from individuals such as animals and humans is acquired (step SA11).
  • amino acid concentration data measured by a company or the like that measures amino acid concentration may be acquired, and a measuring method such as (A) or (B) described above from blood collected from an individual.
  • the amino acid concentration data may be obtained by measuring the amino acid concentration data.
  • step SA12 data such as missing values and outliers are removed from the amino acid concentration data of the individual obtained in step SA11 (step SA12).
  • step SA13 based on the amino acid concentration data of individuals from which data such as missing values and outliers have been removed.
  • a discriminant value is calculated based on a multivariate discriminant including at least one as a variable, and the discriminant value and a preset threshold value To determine whether the individual has a stroke or non-stroke.
  • (14B) At least one concentration value of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the amino acid concentration data, and Tyr, Gly, Phe, ABA, Glu, Lys , Ala, Pro, Asn, Leu, Orn based on a multivariate discriminant including at least one as a variable, a discriminant value is calculated, and the discriminant value is compared with a preset threshold value. Determine if you have cerebral arteriosclerosis or stroke.
  • FIG. 3 is a principle configuration diagram showing the basic principle of the second embodiment.
  • control unit includes Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, included in the amino acid concentration data of an evaluation object (for example, an individual such as an animal or a human) acquired in advance regarding the amino acid concentration value.
  • a multivariate discriminant stored in a storage unit including at least one concentration value of Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg, Trp, Orn, and an amino acid concentration as a variable.
  • a discriminant value which is the value of the multivariate discriminant is calculated (step S21).
  • control unit evaluates the state of cerebrovascular disorder (for example, the current state) for the evaluation target based on the discriminant value calculated in step S21 (step S22).
  • Met, Arg, Trp, Orn is a multivariate discriminant including at least one concentration value and amino acid concentration as a variable, and is Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys.
  • a multivariate discriminant useful for evaluating the state of cerebrovascular disorder can be used to obtain a discriminant value reflecting the state of the cerebrovascular disorder to be evaluated. It is possible to accurately evaluate the state of cerebrovascular disorder using the discriminant value obtained by the multivariate discriminant useful for the evaluation of the above.
  • Multivariate discriminants are logistic regression formula, fractional formula, linear discriminant formula, multiple regression formula, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis. Any one of the expressions created by the decision tree may be used. Thereby, the state of the cerebrovascular disorder can be accurately evaluated using the discriminant value obtained by the multivariate discriminant useful for evaluating the state of the cerebrovascular disorder.
  • step S21 at least one concentration value of Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His included in the amino acid concentration data, and Glu, Gly,
  • a discriminant value is calculated based on a multivariate discriminant including at least one of Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His as a variable.
  • step S22 step S21 is performed. Whether the subject to be evaluated has a cerebrovascular disorder may be evaluated based on the discriminant value calculated in (1).
  • the subject to be evaluated is a cerebrovascular disorder or a non-cerebral vascular disorder (specifically, healthy, etc.), or the degree of possibility of suffering from a cerebrovascular disorder is defined
  • the evaluation target may be classified into any one of a plurality of divisions (ranks). Thereby, the evaluation can be performed with high accuracy by using the discriminant value obtained by the multivariate discriminant useful for the evaluation of the cerebrovascular disorder.
  • the multivariate discriminant used in the evaluation is a logistic regression equation including Ser, Glu, Gly, Ala, Phe, and His as variables (for example, a logistic regression equation of Equation 1) or Asn, Gln, Gly, Val, A logistic regression equation (for example, a logistic regression equation of Equation 2) including Phe and His as variables may be used.
  • the evaluation can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of the cerebrovascular disorder.
  • step S21 at least one concentration value of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, Met included in the amino acid concentration data, and Discriminant value is calculated based on multivariate discriminant including at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, Met as a variable.
  • step S22 whether the subject has cerebral arteriosclerosis may be evaluated based on the discriminant value calculated in step S21.
  • the evaluation target may be classified into any one of a plurality of categories (ranks) defined as above. Thereby, the said evaluation can be performed accurately using the discriminant value obtained by the multivariate discriminant useful for evaluation of cerebral arteriosclerosis.
  • the multivariate discriminant used in the evaluation is a logistic regression equation including Glu, Gln, ABA, Tyr, His, Lys as a variable (for example, a logistic regression equation of Equation 3) or Asn, Gln, Gly, Leu, A logistic regression equation including Lys as a variable (for example, a logistic regression equation of Equation 4) may be used.
  • the evaluation can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of cerebral arteriosclerosis.
  • step S21 at least one concentration value of Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn included in the amino acid concentration data, and Gly, Glu,
  • a discriminant value is calculated based on a multivariate discriminant including at least one of Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, and Orn as a variable.
  • step S22 step S21 is performed. Based on the discriminant value calculated in (1), it may be evaluated whether the evaluation target has a stroke.
  • the evaluation target may be classified into any one of (rank).
  • the said evaluation can be performed accurately using the discriminant value obtained by the multivariate discriminant useful for stroke evaluation.
  • the multivariate discriminant used in the evaluation is a logistic regression equation including Glu, Gly, Cit, Tyr, Orn (for example, a logistic regression equation of Equation 5) or Gly, Cit, Val, Tyr, Arg.
  • a logistic regression equation (for example, a logistic regression equation of Equation 6) included as a variable may be used.
  • step S21 at least one concentration value of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the amino acid concentration data, and Tyr, Gly, Phe, ABA,
  • a discriminant value is calculated based on a multivariate discriminant including at least one of Glu, Lys, Ala, Pro, Asn, Leu, Orn as a variable, and in step S22, based on the discriminant value calculated in step S21.
  • the subject to be evaluated may be evaluated as having cerebral arteriosclerosis or stroke.
  • the evaluation target is cerebral arteriosclerosis or stroke, and to define multiple categories (ranks) that are defined in consideration of the possibility of suffering from cerebral arteriosclerosis or stroke. ) May be classified into one of the following.
  • the said evaluation can be performed accurately using the discriminant value obtained by the multivariate discriminant useful for evaluation of cerebral arteriosclerosis and stroke.
  • the multivariate discriminant used in the evaluation may be a logistic regression equation including Pro, Gly, Ala, Tyr, and Orn as variables (for example, a logistic regression equation of Equation 7).
  • the evaluation can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the evaluation of cerebral arteriosclerosis and stroke.
  • the discriminant value can have a predetermined range (for example, a range from 0.0 to 1.0, a range from 0.0 to 10.0, a range from 0.0 to 100.0, or ⁇ 10.
  • a predetermined range for example, a range from 0.0 to 1.0, a range from 0.0 to 10.0, a range from 0.0 to 100.0, or ⁇ 10.
  • an arbitrary value is added / subtracted / multiplied / divided with respect to the discriminant value so that the discriminant value falls within a range from 0 to 10.0, etc.
  • the discriminant value may be converted by performing conversion by angle conversion, square root conversion, probit conversion, or reciprocal conversion, or by combining these calculations with respect to the discriminant value.
  • the value of an exponential function with the discriminant value as the index and the Napier number as the base (specifically, the natural logarithm ln (p / (1-p)) when the probability p of having cerebrovascular disease is defined) (P / (1 ⁇ p) value in the case where is equal to the discriminant value), or a value obtained by dividing the calculated exponential function value by the sum of 1 and the value (specifically, The value of probability p) may be further calculated.
  • the discriminant value may be converted so that the value after conversion under a specific condition becomes a specific value.
  • the discriminant value may be converted so that the value after conversion when the specificity is 80% is 5.0 and the value after conversion when the specificity is 95% is 8.0.
  • the discriminant value in this specification may be the value of the multivariate discriminant itself, or may be a value after converting the value of the multivariate discriminant.
  • each multivariate discriminant described above is described in, for example, the method described in International Publication No. 2004/052191 which is an international application by the present applicant or International Publication No. 2006/098192 which is an international application by the present applicant. You may create by the method of description. If the multivariate discriminant obtained by these methods is used, the multivariate discriminant is suitably used for evaluating the state of cerebrovascular disorder regardless of the unit of amino acid concentration in the amino acid concentration data as input data. be able to.
  • the multivariate discriminant generally means the format of formulas used in multivariate analysis. For example, fractional formulas, multiple regression formulas, multiple logistic regression formulas, linear discriminant functions, Mahalanobis distances, canonical discriminant functions, support vectors Includes machines, decision trees, etc. Also included are expressions as indicated by the sum of different forms of multivariate discriminants.
  • a coefficient and a constant term are added to each variable. In this case, the coefficient and the constant term are preferably real numbers, more preferably data.
  • each coefficient and its confidence interval may be obtained by multiplying it by a real number
  • the value of the constant term and its confidence interval may be obtained by adding / subtracting / multiplying / dividing an arbitrary real constant thereto.
  • the fractional expression means that the numerator of the fractional expression is represented by the sum of amino acids A, B, C,... And / or the denominator of the fractional expression is the sum of amino acids a, b, c,. It is represented by
  • the fractional expression includes a sum of fractional expressions ⁇ , ⁇ , ⁇ ,.
  • the fractional expression also includes a divided fractional expression.
  • An appropriate coefficient may be added to each amino acid used in the numerator and denominator.
  • amino acids used in the numerator and denominator may overlap.
  • an appropriate coefficient may be attached to each fractional expression.
  • the value of the coefficient of each variable and the value of the constant term may be real numbers.
  • the combination of the numerator variable and the denominator variable is generally reversed in the sign of the correlation with the target variable, but since the correlation is maintained, it can be considered equivalent in discriminability. Combinations of swapping numerator and denominator variables are also included.
  • the state of cerebrovascular disorder in addition to the amino acid concentration, other biological information (for example, body weight, BMI, abdominal circumference, body fat percentage, age, sex, systolic blood pressure, dilation) Blood pressure, blood glucose level, HbA1c, oral glucose tolerance test results (blood glucose level, insulin level), glycated albumin, ⁇ GTP, insulin, insulin resistance index, arteriosclerosis index (AEI, lipid peroxide, SOD activity, LDL / HDL) , EEG propagation velocity (PWV, ABI), carotid artery test results (intima-media thickness, maximum thickness, atherosclerotic lesion), LDL cholesterol, HDL cholesterol, neutral fat, renal function test values (urea nitrogen, Creatinine, uric acid, sodium, potassium, chlor, inorganic phosphorus, calcium), smoking information, drinking information, stress information, exercise information, meal information, sleep information, etc.
  • other biological information for example, body weight, BMI, abdominal circumference, body fat percentage
  • the state of cerebrovascular disorder when assessing the state of cerebrovascular disorder, as a variable in the multivariate discriminant, in addition to the amino acid concentration, other biological information (for example, body weight, BMI, waist circumference, body fat percentage, age) , Sex, systolic blood pressure, diastolic blood pressure, blood glucose level, HbA1c, oral glucose tolerance test results (blood glucose level, insulin level), glycated albumin, ⁇ GTP, insulin, insulin resistance index, arteriosclerosis index (AEI, lipid peroxide) , SOD activity, LDL / HDL), electroencephalogram propagation velocity (PWV, ABI), carotid artery test results (intimal media thickness, maximum thickness, atherosclerotic lesion), LDL cholesterol, HDL cholesterol, neutral fat, Renal function test values (urea nitrogen, creatinine, uric acid, sodium, potassium, chlor, inorganic phosphorus, calcium), smoking information, drinking information, stress information, exercise Broad
  • step 1 to step 4 the outline of the multivariate discriminant creation process (step 1 to step 4) will be described in detail. Note that the processing described here is merely an example, and the method of creating the multivariate discriminant is not limited to this.
  • the control unit uses a predetermined formula creation method based on a predetermined formula creation method from the cerebrovascular disorder state information stored in the storage unit including the amino acid concentration data and the cerebrovascular disorder state index data related to the index representing the cerebrovascular disorder state.
  • Step 1 a plurality of different formula creation methods (principal component analysis, discriminant analysis, support vector machine, multiple regression analysis, logistic regression analysis, k-means method, cluster analysis, decision tree, etc. are obtained from cerebrovascular disorder state information.
  • a plurality of candidate multivariate discriminants may be created by using the above in combination.
  • cerebrovascular disorder status information which is multivariate data composed of amino acid concentration data and cerebrovascular disorder status index data obtained by analyzing blood obtained from many healthy groups and cerebrovascular disorder groups
  • a plurality of groups of candidate multivariate discriminants may be created concurrently using a plurality of different algorithms.
  • two different candidate multivariate discriminants may be created by performing discriminant analysis and logistic regression analysis simultaneously using different algorithms.
  • the candidate multivariate discriminant created by performing principal component analysis is converted to cerebrovascular disorder state information, and the discriminant analysis is performed on the converted cerebrovascular disorder state information to obtain the candidate multivariate discriminant. You may create it. Thereby, finally, an appropriate multivariate discriminant suitable for the diagnostic condition can be created.
  • the candidate multivariate discriminant prepared using principal component analysis is a linear expression including each amino acid variable that maximizes the variance of all amino acid concentration data.
  • the candidate multivariate discriminant created using discriminant analysis is a high-order formula (exponential or exponential) including each amino acid variable that minimizes the ratio of the sum of variances within each group to the variance of all amino acid concentration data. Including logarithm).
  • the candidate multivariate discriminant created using the support vector machine is a higher-order formula (including a kernel function) including each amino acid variable that maximizes the boundary between groups.
  • the candidate multivariate discriminant created using multiple regression analysis is a high-order expression including each amino acid variable that minimizes the sum of distances from all amino acid concentration data.
  • a candidate multivariate discriminant created using logistic regression analysis is a linear model representing the log odds of probability, and is a linear expression including each amino acid variable that maximizes the likelihood of the probability.
  • the k-means method searches k neighborhoods of each amino acid concentration data, defines the largest group among the groups to which the neighboring points belong as the group to which the data belongs, This is a method of selecting an amino acid variable that best matches the group to which the group belongs.
  • Cluster analysis is a method of clustering (grouping) points that are closest to each other in all amino acid concentration data.
  • the decision tree is a technique for predicting a group of amino acid concentration data based on patterns that can be taken by amino acid variables having higher ranks by adding ranks to amino acid variables.
  • control unit verifies (mutually verifies) the candidate multivariate discriminant created in step 1 based on a predetermined verification method (step 2).
  • the candidate multivariate discriminant is verified for each candidate multivariate discriminant created in step 1.
  • step 2 the discrimination rate, sensitivity, specificity, information criterion of the candidate multivariate discriminant based on at least one of the bootstrap method, holdout method, N-fold method, leave one out method, etc.
  • the verification may be performed on at least one of ROC_AUC (area under the curve of the receiver characteristic curve) and the like.
  • the discrimination rate is the correct ratio of the cerebrovascular disorder state evaluated in the present embodiment among all input data.
  • Sensitivity is the correct ratio of the cerebrovascular disorder state evaluated in this embodiment among the cerebrovascular disorder states described in the input data.
  • the specificity is a ratio of the correct state of the cerebrovascular disorder evaluated in the present embodiment among the cerebrovascular disorder states described in the input data being normal.
  • the information criterion is the difference between the number of amino acid variables in the candidate multivariate discriminant created in step 1, the cerebrovascular disorder state evaluated in this embodiment, and the cerebrovascular disorder state described in the input data. And are added together.
  • ROC_AUC area under the curve of the receiver characteristic curve
  • ROC receiver characteristic curve
  • the value of ROC_AUC is 1 in complete discrimination, and the closer this value is to 1, the higher the discriminability.
  • the predictability is an average of the discrimination rate, sensitivity, and specificity obtained by repeating the verification of the candidate multivariate discriminant.
  • Robustness is the variance of discrimination rate, sensitivity, and specificity obtained by repeating verification of candidate multivariate discriminants.
  • the control unit selects a variable of the candidate multivariate discriminant based on a predetermined variable selection method, so that the cerebrovascular disorder used when creating the candidate multivariate discriminant A combination of amino acid concentration data included in the state information is selected (step 3).
  • the selection of amino acid variables may be performed for each candidate multivariate discriminant created in step 1. Thereby, the amino acid variable of a candidate multivariate discriminant can be selected appropriately.
  • Step 1 is executed again using the cerebrovascular disorder state information including the amino acid concentration data selected in Step 3.
  • step 3 the amino acid variable of the candidate multivariate discriminant may be selected from the verification result in step 2 based on at least one of stepwise method, best path method, neighborhood search method, and genetic algorithm. .
  • the best path method is a method of selecting amino acid variables by sequentially reducing amino acid variables included in the candidate multivariate discriminant one by one and optimizing the evaluation index given by the candidate multivariate discriminant. is there.
  • the control unit repeatedly executes the above-described step 1, step 2 and step 3, and based on the verification results accumulated thereby, the control unit can select from a plurality of candidate multivariate discriminants.
  • a multivariate discriminant is created by selecting candidate multivariate discriminants to be adopted as the multivariate discriminant (step 4).
  • candidate multivariate discriminants for example, selecting the optimal one from among candidate multivariate discriminants created by the same formula creation method, and selecting the optimum from all candidate multivariate discriminants Sometimes there is a choice.
  • the multivariate discriminant creation process relates to the creation of a candidate multivariate discriminant, verification of the candidate multivariate discriminant, and selection of a variable of the candidate multivariate discriminant based on the cerebrovascular disorder state information.
  • systematized systematized
  • the amino acid concentration is used for multivariate statistical analysis, and the variable selection method and cross-validation are combined to select the optimal and robust variable set. Extract the variable discriminant.
  • logistic regression, linear discrimination, support vector machine, Mahalanobis distance method, multiple regression analysis, cluster analysis, Cox proportional hazard model, and the like can be used.
  • FIG. 4 is a diagram showing an example of the overall configuration of the present system.
  • FIG. 5 is a diagram showing another example of the overall configuration of the present system.
  • the present system includes a cerebrovascular disorder evaluation apparatus 100 that evaluates the state of cerebrovascular disorder for each evaluation object, and a client apparatus 200 that provides amino acid concentration data of the evaluation object relating to amino acid concentration values (present invention). And an information communication terminal device) are communicably connected via the network 300.
  • this system uses cerebrovascular disorder state information used when creating a multivariate discriminant in the cerebrovascular disorder evaluation apparatus 100.
  • the database device 400 storing a multivariate discriminant used for evaluating the state of cerebrovascular disorder may be configured to be communicably connected via the network 300. Thereby, information on the state of the cerebrovascular disorder from the cerebrovascular disorder evaluation apparatus 100 to the client apparatus 200 or the database apparatus 400 or from the client apparatus 200 or the database apparatus 400 to the cerebrovascular disorder evaluation apparatus 100 via the network 300, etc. Is provided.
  • the information relating to the state of cerebrovascular disorder is information relating to values measured for specific items relating to the state of cerebrovascular disorder of organisms including humans.
  • Information regarding the state of the cerebrovascular disorder is generated by the cerebrovascular disorder evaluation apparatus 100, the client apparatus 200, and other apparatuses (for example, various measuring apparatuses) and is mainly stored in the database apparatus 400.
  • FIG. 6 is a block diagram showing an example of the configuration of the cerebrovascular disorder evaluation apparatus 100 of this system, and conceptually shows only the portion related to the present invention in the configuration.
  • the cerebrovascular disorder evaluation apparatus 100 includes a control unit 102 such as a CPU that comprehensively controls the cerebrovascular disorder evaluation apparatus, a communication apparatus such as a router, and a wired or wireless communication line such as a dedicated line.
  • a communication interface unit 104 that connects the failure evaluation apparatus to the network 300 to be communicable, a storage unit 106 that stores various databases, tables, files, and the like, and an input / output interface unit 108 that connects to the input device 112 and the output device 114 These units are connected to be communicable via an arbitrary communication path.
  • the cerebrovascular disorder evaluation apparatus 100 may be configured in the same housing as various analysis apparatuses (for example, an amino acid analyzer or the like).
  • the storage unit 106 is a storage means, and for example, a memory device such as a RAM / ROM, a fixed disk device such as a hard disk, a flexible disk, an optical disk, or the like can be used.
  • the storage unit 106 stores a computer program for giving instructions to the CPU and performing various processes in cooperation with an OS (Operating System).
  • the storage unit 106 includes a user information file 106a, an amino acid concentration data file 106b, a cerebrovascular disorder state information file 106c, a designated cerebrovascular disorder state information file 106d, and a multivariate discriminant-related information database 106e. And the discriminant value file 106f and the evaluation result file 106g are stored.
  • the user information file 106a stores user information related to users.
  • FIG. 7 is a diagram illustrating an example of information stored in the user information file 106a.
  • the information stored in the user information file 106a includes a user ID for uniquely identifying a user and authentication for whether or not the user is a valid person.
  • the amino acid concentration data file 106b stores amino acid concentration data relating to amino acid concentration values.
  • FIG. 8 is a diagram showing an example of information stored in the amino acid concentration data file 106b. As shown in FIG. 8, the information stored in the amino acid concentration data file 106b is configured by associating an individual number for uniquely identifying an individual (sample) to be evaluated with amino acid concentration data. Yes.
  • the amino acid concentration data is treated as a numerical value, that is, a continuous scale, but the amino acid concentration data may be a nominal scale or an order scale. In the case of a nominal scale or an order scale, analysis may be performed by giving an arbitrary numerical value to each state.
  • amino acid concentration data includes other biological information (for example, body weight, BMI, waist circumference, body fat percentage, age, sex, systolic blood pressure, diastolic blood pressure, blood glucose level, HbA1c, oral glucose tolerance test results (blood glucose level, Insulin value), glycated albumin, ⁇ GTP, insulin, insulin resistance index, arteriosclerosis index (AEI, lipid peroxide, SOD activity, LDL / HDL), electroencephalogram propagation velocity (PWV, ABI), carotid artery test results (intima) Medial thickness, maximum thickness, atherosclerotic lesion), LDL cholesterol, HDL cholesterol, neutral fat, renal function test values (urea nitrogen, creatinine, uric acid, sodium, potassium, chlor, inorganic phosphorus, calcium), smoking Information, drinking information, stress information, exercise information, meal information, sleep information, etc.) may be combined.
  • biological information for example, body weight, BMI, waist circumference, body fat percentage, age,
  • the cerebrovascular disorder state information file 106c stores cerebrovascular disorder state information used when creating a multivariate discriminant.
  • FIG. 9 is a diagram illustrating an example of information stored in the cerebrovascular disorder state information file 106c.
  • the information stored in the cerebrovascular disorder state information file 106c relates to an individual number and an index (index T 1 , index T 2 , index T 3 ...) Representing the cerebrovascular disorder status.
  • Cerebrovascular disorder state index data (T) and amino acid concentration data are associated with each other.
  • the cerebrovascular disorder state index data and the amino acid concentration data are treated as numerical values (that is, a continuous scale).
  • the cerebrovascular disorder state index data and the amino acid concentration data may be a nominal scale or an order scale. In the case of a nominal scale or an order scale, analysis may be performed by giving an arbitrary numerical value to each state.
  • the cerebrovascular disorder state index data is a known single state index that serves as a marker of the cerebrovascular disorder state, and numerical data may be used.
  • the designated cerebrovascular disorder state information file 106d stores the cerebrovascular disorder state information specified by the cerebrovascular disorder state information specifying unit 102g described later.
  • FIG. 10 is a diagram showing an example of information stored in the designated cerebrovascular disorder state information file 106d. As shown in FIG. 10, the information stored in the designated cerebrovascular disorder state information file 106d is configured by associating an individual number, designated cerebrovascular disorder state index data, and designated amino acid concentration data with each other. ing.
  • the multivariate discriminant-related information database 106e includes a candidate multivariate discriminant file 106e1 for storing the candidate multivariate discriminant created by the candidate multivariate discriminant-preparing part 102h1 described below, and a candidate multivariate discriminant file 106e1 described later.
  • a multivariate discriminant file 106e4 that stores the multivariate discriminant created by the multivariate discriminant creation unit 102h described later.
  • the candidate multivariate discriminant file 106e1 stores the candidate multivariate discriminant created by the candidate multivariate discriminant creation unit 102h1 described later.
  • FIG. 11 is a diagram illustrating an example of information stored in the candidate multivariate discriminant file 106e1.
  • information stored in the candidate multivariate discriminant file 106e1 includes a rank, a candidate multivariate discriminant (in FIG. 11, F 1 (Gly, Leu, Phe,%)) And F 2. (Gly, Leu, Phe,%), F 3 (Gly, Leu, Phe,...)) Are associated with each other.
  • FIG. 12 is a diagram illustrating an example of information stored in the verification result file 106e2.
  • the information stored in the verification result file 106e2 includes rank, candidate multivariate discriminant (in FIG. 12, F k (Gly, Leu, Phe,%) And F m (Gly, Le, Phe,%), Fl (Gly, Leu, Phe, etc) And the verification results of each candidate multivariate discriminant (for example, the evaluation value of each candidate multivariate discriminant). They are related to each other.
  • the selected cerebrovascular disorder state information file 106e3 stores cerebrovascular disorder state information including a combination of amino acid concentration data corresponding to variables selected by a variable selection unit 102h3 described later.
  • FIG. 13 is a diagram illustrating an example of information stored in the selected cerebrovascular disorder state information file 106e3. As shown in FIG. 13, information stored in the selected cerebrovascular disorder state information file 106e3 includes an individual number, cerebrovascular disorder state index data designated by a cerebrovascular disorder state information designation unit 102g described later, and variables described later. The amino acid concentration data selected by the selection unit 102h3 is associated with each other.
  • the multivariate discriminant file 106e4 stores the multivariate discriminant created by the multivariate discriminant-preparing part 102h described later.
  • FIG. 14 is a diagram illustrating an example of information stored in the multivariate discriminant file 106e4.
  • the information stored in the multivariate discriminant file 106e4 includes the rank, the multivariate discriminant (in FIG. 14, F p (Phe,%) And F p (Gly, Leu, Phe). ), F k (Gly, Leu, Phe,...)), A threshold corresponding to each formula creation method, a verification result of each multivariate discriminant (for example, an evaluation value of each multivariate discriminant), Are related to each other.
  • the discriminant value file 106f stores the discriminant value calculated by the discriminant value calculator 102i described later.
  • FIG. 15 is a diagram illustrating an example of information stored in the discrimination value file 106f. As shown in FIG. 15, information stored in the discriminant value file 106f includes an individual number for uniquely identifying an individual (sample) to be evaluated and a rank (for uniquely identifying a multivariate discriminant). Number) and the discriminant value are associated with each other.
  • the evaluation result file 106g stores the evaluation result in the discriminant value criterion-evaluating unit 102j described later (specifically, the discrimination result / classification result in the discriminant value criterion-discriminating unit 102j1 described later).
  • FIG. 16 is a diagram illustrating an example of information stored in the evaluation result file 106g.
  • Information stored in the evaluation result file 106g includes an individual number for uniquely identifying an individual (sample) to be evaluated, amino acid concentration data of the evaluation target acquired in advance, and a discriminant value calculated by a multivariate discriminant. And the evaluation result regarding the evaluation of the state of cerebrovascular disorder are associated with each other.
  • the storage unit 106 stores various types of Web data for providing the Web site to the client device 200, CGI programs, and the like as other information in addition to the information described above.
  • the Web data includes data for displaying various Web pages to be described later, and these data are formed as text files described in HTML or XML, for example.
  • a part file, a work file, and other temporary files for creating Web data are also stored in the storage unit 106.
  • the storage unit 106 stores audio for transmission to the client device 200 as an audio file such as WAVE format or AIFF format, and stores still images or moving images as image files such as JPEG format or MPEG2 format as necessary. Can be stored.
  • the communication interface unit 104 mediates communication between the cerebrovascular disorder evaluation apparatus 100 and the network 300 (or a communication apparatus such as a router). That is, the communication interface unit 104 has a function of communicating data with other terminals via a communication line.
  • the input / output interface unit 108 is connected to the input device 112 and the output device 114.
  • a monitor including a home television
  • a speaker or a printer can be used as the output device 114 (hereinafter, the output device 114 may be described as the monitor 114).
  • the input device 112 a monitor that realizes a pointing device function in cooperation with a mouse can be used in addition to a keyboard, a mouse, and a microphone.
  • the control unit 102 has an internal memory for storing a control program such as an OS (Operating System), a program defining various processing procedures, and necessary data, and performs various information processing based on these programs. Execute. As shown in the figure, the control unit 102 is roughly divided into a request interpretation unit 102a, a browsing processing unit 102b, an authentication processing unit 102c, an email generation unit 102d, a Web page generation unit 102e, a reception unit 102f, and a cerebrovascular disease state information designation unit.
  • OS Operating System
  • control unit 102 removes data with missing values, removes data with many outliers, and missing values. Data processing such as removal of variables with a lot of data is also performed.
  • the request interpretation unit 102a interprets the request content from the client device 200 or the database device 400, and passes the processing to each unit of the control unit 102 according to the interpretation result.
  • the browsing processing unit 102b Upon receiving browsing requests for various screens from the client device 200, the browsing processing unit 102b generates and transmits Web data for these screens.
  • the authentication processing unit 102c makes an authentication determination.
  • the e-mail generation unit 102d generates an e-mail including various types of information.
  • the web page generation unit 102e generates a web page that the user browses on the client device 200.
  • the receiving unit 102 f receives information (specifically, amino acid concentration data, cerebrovascular disorder state information, multivariate discriminant, etc.) transmitted from the client device 200 or the database device 400 via the network 300.
  • the cerebrovascular disorder state information designation unit 102g designates target cerebrovascular disorder state index data and amino acid concentration data when creating a multivariate discriminant.
  • the multivariate discriminant creation unit 102h creates a multivariate discriminant based on the cerebrovascular disorder state information received by the receiving unit 102f and the cerebrovascular disorder state information specified by the cerebrovascular disorder state information specifying unit 102g. Specifically, the multivariate discriminant creation unit 102h accumulates the cerebrovascular disorder state information by repeatedly executing the candidate multivariate discriminant creation unit 102h1, the candidate multivariate discriminant verification unit 102h2, and the variable selection unit 102h3. A multivariate discriminant is created by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from among a plurality of candidate multivariate discriminants based on the verified results.
  • the multivariate discriminant-preparing unit 102h selects a desired multivariate discriminant from the storage unit 106, A multivariate discriminant may be created.
  • the multivariate discriminant creation unit 102h creates a multivariate discriminant by selecting and downloading a desired multivariate discriminant from another computer device (for example, the database device 400) that stores the multivariate discriminant in advance. May be.
  • FIG. 17 is a block diagram showing the configuration of the multivariate discriminant-preparing part 102h, and conceptually shows only the part related to the present invention.
  • the multivariate discriminant creation unit 102h further includes a candidate multivariate discriminant creation unit 102h1, a candidate multivariate discriminant verification unit 102h2, and a variable selection unit 102h3.
  • the candidate multivariate discriminant creation unit 102h1 creates a candidate multivariate discriminant that is a candidate for the multivariate discriminant based on a predetermined formula creation method from the cerebrovascular disorder state information.
  • the candidate multivariate discriminant-preparing part 102h1 may create a plurality of candidate multivariate discriminants from the cerebrovascular disorder state information by using a plurality of different formula creation methods.
  • the candidate multivariate discriminant verification unit 102h2 verifies the candidate multivariate discriminant created by the candidate multivariate discriminant creation unit 102h1 based on a predetermined verification method.
  • the candidate multivariate discriminant verification unit 102h2 determines the discriminant rate, sensitivity, and specificity of the candidate multivariate discriminant based on at least one of the bootstrap method, holdout method, N-fold method, and leave one out method.
  • Information criterion, ROC_AUC area under the receiver characteristic curve
  • variable selection unit 102h3 selects the variable of the candidate multivariate discriminant based on a predetermined variable selection method, so that the amino acid concentration data included in the cerebrovascular disorder state information used when creating the candidate multivariate discriminant Select a combination.
  • the variable selection unit 102h3 may select a variable of the candidate multivariate discriminant from the verification result based on at least one of the stepwise method, the best path method, the neighborhood search method, and the genetic algorithm.
  • the discriminant value calculation unit 102 i determines the multivariate discriminant based on the multivariate discriminant created by the multivariate discriminant creation unit 102 h and the evaluation target amino acid concentration data received by the receiver 102 f.
  • the discriminant value which is a value is calculated.
  • Multivariate discriminants are logistic regression formula, fractional formula, linear discriminant formula, multiple regression formula, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis. Any one of the expressions created by the decision tree may be used.
  • the discriminant value calculation unit 102i includes Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, included in the amino acid concentration data. Concentration value of at least one of Arg, Trp, Orn, and Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, Phe, Lys, Gln, ABA, Ala, His, Cit, Asn, Met, Arg, The discriminant value may be calculated based on a multivariate discriminant including at least one of Trp and Orn as a variable.
  • the discriminant value criterion-evaluating unit 102j evaluates whether or not the evaluation target has a cerebrovascular disorder (for example, the discriminant value criterion-discriminating unit 102j1 described later is a cerebrovascular disorder or a non-cerebral vascular disorder for each evaluation object Or whether the evaluation target is classified into one of a plurality of categories (ranks) defined in consideration of the possibility of having a cerebrovascular disorder. ),
  • the discriminant value calculation unit 102i includes at least one concentration value among Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His included in the amino acid concentration data.
  • a multivariate including at least one of Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His may calculate the discrimination value.
  • the multivariate discriminant used in the evaluation of cerebrovascular disorder is a logistic regression equation including Ser, Glu, Gly, Ala, Phe, and His as variables (for example, a logistic regression equation of Equation 1) or Asn, Gln, Gly. , Val, Phe, His may be a logistic regression equation (for example, a logistic regression equation of Equation 2).
  • the discriminant value criterion-evaluating unit 102j evaluates whether or not the evaluation object has cerebral arteriosclerosis (for example, whether the discriminant value criterion-discriminating unit 102j1 is cerebral arteriosclerosis or non-cerebral arteriosclerosis for the evaluation object) And the evaluation target is classified into one of a plurality of categories (ranks) defined in consideration of the possibility of suffering from cerebral arteriosclerosis)
  • the discriminant value calculating unit 102i includes at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, and Met included in the amino acid concentration data.
  • the multivariate discriminant used in the evaluation of cerebral arteriosclerosis is a logistic regression equation including Glu, Gln, ABA, Tyr, His, Lys as a variable (for example, a logistic regression equation of Equation 3) or Asn, Gln,
  • a logistic regression equation including Gly, Leu, and Lys as variables for example, a logistic regression equation of Equation 4) may be used.
  • the discriminant value criterion-evaluating unit 102j evaluates whether the evaluation object has a stroke (for example, the discriminant value criterion-discriminating unit 102j1 determines whether the evaluation object is a stroke or a non-stroke, When the evaluation target is classified into any one of a plurality of categories (ranks) defined in consideration of the degree of possibility of being affected by the At least one concentration value among Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn included in the concentration data, and Gly, Glu, Cit, Tyr, Val, Arg , Leu, Trp, Ser, Ile, Lys, Asn, Orn based on a multivariate discriminant including at least one as a variable It may be.
  • the multivariate discriminant used in stroke evaluation is a logistic regression equation including Glu, Gly, Cit, Tyr, Orn as a variable (for example, a logistic regression equation of Equation 5) or Gly, Cit, Val, Tyr, Arg. May be a logistic regression formula (for example, a logistic regression formula of Formula 6).
  • a 5 Glu + b 5 Gly + c 5 Cit + d 5 Tyr + e 5 Orn + f 5 ... (Formula 5) a 6 Gly + b 6 Cit + c 6 Val + d 6 Tyr + e 6 Arg + f 6 ...
  • Equation 6 (In Equation 5, a 5 , b 5 , c 5 , d 5 , e 5 are arbitrary non-zero real numbers, and f 5 is an arbitrary real number. In Equation 6, a 6 , b 6 , c 6 , D 6 and e 6 are arbitrary non-zero real numbers, and f 6 is an arbitrary real number.)
  • the discriminant value criterion-evaluating unit 102j evaluates whether the evaluation object has cerebral arteriosclerosis or stroke (for example, the discriminant value criterion-discriminating unit 102j1 determines whether the evaluation object has cerebral arteriosclerosis or stroke. Or classify the evaluation target in one of multiple categories (ranks) defined taking into account the likelihood of suffering from cerebral arteriosclerosis or stroke)
  • the discriminant value calculation unit 102i may include at least one concentration value of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn included in the amino acid concentration data, and Tyr, Gly.
  • the multivariate discriminant used in the evaluation of cerebral arteriosclerosis and stroke may be a logistic regression equation including Pro, Gly, Ala, Tyr, and Orn as variables (for example, a logistic regression equation of Equation 7).
  • Formula 7 (In Equation 7, a 7 , b 7 , c 7 , d 7 , e 7 are arbitrary non-zero real numbers, and f 7 is an arbitrary real number.)
  • the discriminant value criterion-evaluating unit 102j evaluates the state of cerebrovascular disorder for each evaluation object based on the discriminant value calculated by the discriminant value calculating unit 102i.
  • the discriminant value criterion-evaluating unit 102j evaluates, for example, whether the evaluation object has a cerebrovascular disorder, evaluates whether the evaluation object has cerebral arteriosclerosis, or evaluates whether the evaluation object has a stroke. , Whether the subject to be evaluated has cerebral arteriosclerosis or stroke.
  • the discrimination value criterion evaluation unit 102j further includes a discrimination value criterion discrimination unit 102j1.
  • FIG. 18 is a block diagram showing the configuration of the discriminant value criterion-evaluating unit 102j, and conceptually shows only the portion related to the present invention.
  • the discriminant value criterion discriminating unit 102j1 discriminates (1) whether the subject is a cerebrovascular disorder or a non-cerebrovascular disorder, or (2) suffers from a cerebrovascular disorder. Whether the assessment target is classified into one of a plurality of categories (ranks) defined in consideration of the degree of possibility, or (3) whether or not cerebral arteriosclerosis or non-cerebral arteriosclerosis Or (4) classifying the evaluation target into one of a plurality of categories (ranks) defined in consideration of the possibility of suffering from cerebral arteriosclerosis, ( 5) Determine whether or not a stroke or non-stroke, or (6) any one of a plurality of categories (ranks) defined in consideration of the possibility of having a stroke Classify the evaluation target, (7) determine whether or not cerebral arteriosclerosis or stroke (8) or classifying the evaluation target in any one of a plurality of sections that are defined in consideration of the degree of possibility of suffering from cerebral arteriosclerosis or stroke (rank).
  • the discriminant value criterion discriminating unit 102j1 compares (1) a cerebrovascular disorder or a non-cerebrovascular disorder with respect to an evaluation target by comparing the discriminant value with a preset threshold value (cutoff value). Or (2) classify the evaluation target into one of a plurality of categories (ranks) defined taking into consideration the degree of possibility of suffering from cerebrovascular disorder , (3) Discriminating whether or not cerebral arteriosclerosis or non-cerebral arteriosclerosis, or (4) Multiple categories defined in consideration of the possibility of suffering from cerebral arteriosclerosis Classify the assessment target to one of (Rank), (5) Discriminate whether or not stroke or non-stroke, (6) Consider the possibility of suffering from stroke Classify the evaluation target into one of multiple categories (ranks) defined as 7) Determine whether or not cerebral arteriosclerosis or stroke, or (8) Multiple categories (ranks) defined taking into account the degree of possibility of suffering from cerebral arteriosclerosis or stroke For example, the evaluation target is classified into one of them.
  • the result output unit 102k outputs the processing results in each processing unit of the control unit 102 (evaluation results in the discrimination value criterion evaluation unit 102j (specifically, discrimination results or classification in the discrimination value criterion discrimination unit 102j1). Including the result) is output to the output device 114.
  • the transmission unit 102m transmits, for example, a discrimination value, an evaluation result (eg, a discrimination result, a classification result, etc.) to the client device 200 that is a transmission source of the evaluation target amino acid concentration data, or the database device 400.
  • a discrimination value e.g. a discrimination result, a classification result, etc.
  • an evaluation result e.g. a discrimination result, a classification result, etc.
  • a multivariate discriminant created by the cerebrovascular disorder evaluation apparatus 100 an evaluation result (for example, a discrimination result, a classification result, or the like) is transmitted.
  • FIG. 19 is a block diagram showing an example of the configuration of the client apparatus 200 of the present system, and conceptually shows only the portion related to the present invention in the configuration.
  • the client device 200 includes a control unit 210, a ROM 220, an HD 230, a RAM 240, an input device 250, an output device 260, an input / output IF 270, and a communication IF 280. These units are communicably connected via an arbitrary communication path. Has been.
  • the control unit 210 includes a web browser 211, an electronic mailer 212, a reception unit 213, and a transmission unit 214.
  • the web browser 211 performs browse processing for interpreting the web data and displaying the interpreted web data on a monitor 261 described later.
  • the Web browser 211 may be plugged in with various software such as a stream player having a function of receiving, displaying, and feeding back a stream video.
  • the electronic mailer 212 transmits and receives electronic mail according to a predetermined communication protocol (for example, SMTP (Simple Mail Transfer Protocol), POP3 (Post Office Protocol version 3), etc.).
  • SMTP Simple Mail Transfer Protocol
  • POP3 Post Office Protocol version 3
  • the receiving unit 213 (corresponding to an example of the result acquisition unit of the present invention), such as a discrimination value and an evaluation result (for example, a discrimination result, a classification result, etc.) transmitted from the cerebrovascular disorder evaluation apparatus 100 via the communication IF 280 Receive various information.
  • the client device has a function of acquiring various information such as a discrimination value and an evaluation result.
  • the transmission unit 214 transmits various information such as amino acid concentration data to be evaluated to the cerebrovascular disorder evaluation apparatus 100 via the communication IF 280.
  • the input device 250 is a keyboard, a mouse, a microphone, or the like.
  • a monitor 261 which will be described later, also realizes a pointing device function in cooperation with the mouse.
  • the output device 260 is an output unit that outputs information received via the communication IF 280, and includes a monitor (including a home television) 261 and a printer 262. In addition, the output device 260 may be provided with a speaker or the like.
  • the input / output IF 270 is connected to the input device 250 and the output device 260.
  • the communication IF 280 connects the client device 200 and the network 300 (or a communication device such as a router) so that they can communicate with each other.
  • the client device 200 is connected to the network 300 via a communication device such as a modem, TA, or router and a telephone line, or via a dedicated line.
  • the client apparatus 200 can access the cerebrovascular disorder evaluation apparatus 100 according to a predetermined communication protocol.
  • an information processing device for example, a known personal computer, workstation, home game device, Internet TV, PHS terminal, portable terminal, mobile object
  • peripheral devices such as a printer, a monitor, and an image scanner as necessary.
  • the client device 200 may be realized by installing software (including programs, data, and the like) that realizes a Web data browsing function and an e-mail function in a communication terminal / information processing terminal such as a PDA).
  • control unit 210 of the client device 200 may be realized by a CPU and a program that is interpreted and executed by the CPU and all or any part of the processing performed by the control unit 210.
  • the ROM 220 or the HD 230 stores computer programs for giving instructions to the CPU and performing various processes in cooperation with an OS (Operating System).
  • the computer program is executed by being loaded into the RAM 240, and constitutes the control unit 210 in cooperation with the CPU.
  • the computer program may be recorded in an application program server connected to the client apparatus 200 via an arbitrary network, and the client apparatus 200 may download all or a part thereof as necessary. .
  • all or any part of the processing performed by the control unit 210 may be realized by hardware such as wired logic.
  • the network 300 has a function of connecting the cerebrovascular disorder evaluation apparatus 100, the client apparatus 200, and the database apparatus 400 so that they can communicate with each other.
  • the network 300 includes a VAN, a personal computer communication network, a public telephone network (including both analog / digital), a dedicated line network (including both analog / digital), a CATV network, and a mobile line switching network.
  • mobile packet switching network including IMT2000 system, GSM (registered trademark) system or PDC / PDC-P system
  • wireless paging network including local wireless network such as Bluetooth (registered trademark), PHS network, satellite A communication network (including CS, BS or ISDB) may be used.
  • FIG. 20 is a block diagram showing an example of the configuration of the database apparatus 400 of this system, and conceptually shows only the portion related to the present invention in the configuration.
  • the database apparatus 400 is a cerebrovascular disorder evaluation apparatus 100 or a cerebrovascular disorder state information used when creating a multivariate discriminant with the database apparatus, a multivariate discriminant created with the cerebrovascular disorder evaluation apparatus 100, or a cerebrovascular disorder. It has a function of storing an evaluation result in the evaluation apparatus 100 and the like.
  • the database device 400 includes a control unit 402 such as a CPU that comprehensively controls the database device, a communication device such as a router, and a wired or wireless communication circuit such as a dedicated line.
  • a communication interface unit 404 that connects the apparatus to the network 300 to be communicable, a storage unit 406 that stores various databases, tables, and files (for example, files for Web pages), and an input unit that connects to the input unit 412 and the output unit 414. And an output interface unit 408. These units are communicably connected via an arbitrary communication path.
  • the storage unit 406 is a storage means, and for example, a memory device such as a RAM / ROM, a fixed disk device such as a hard disk, a flexible disk, an optical disk, or the like can be used.
  • the storage unit 406 stores various programs used for various processes.
  • the communication interface unit 404 mediates communication between the database device 400 and the network 300 (or a communication device such as a router). That is, the communication interface unit 404 has a function of communicating data with other terminals via a communication line.
  • the input / output interface unit 408 is connected to the input device 412 and the output device 414.
  • the output device 414 in addition to a monitor (including a home TV), a speaker or a printer can be used as the output device 414 (hereinafter, the output device 414 may be described as the monitor 414).
  • the input device 412 can be a monitor that realizes a pointing device function in cooperation with the mouse.
  • the control unit 402 has an internal memory for storing a control program such as an OS (Operating System), a program that defines various processing procedures, and necessary data, and performs various information processing based on these programs. Execute. As shown in the figure, the control unit 402 is roughly divided into a request interpreting unit 402a, a browsing processing unit 402b, an authentication processing unit 402c, an e-mail generating unit 402d, a Web page generating unit 402e, and a transmitting unit 402f.
  • a control program such as an OS (Operating System)
  • OS Operating System
  • the request interpretation unit 402a interprets the request content from the cerebrovascular disorder evaluation apparatus 100 and passes the processing to each unit of the control unit 402 according to the interpretation result.
  • the browsing processing unit 402b Upon receiving browsing requests for various screens from the cerebrovascular disease evaluation apparatus 100, the browsing processing unit 402b generates and transmits Web data for these screens.
  • the authentication processing unit 402c makes an authentication determination.
  • the e-mail generation unit 402d generates an e-mail including various types of information.
  • the web page generation unit 402e generates a web page that the user browses on the client device 200.
  • the transmission unit 402f transmits various information such as cerebrovascular disorder state information and multivariate discriminant to the cerebrovascular disorder evaluation apparatus 100.
  • FIG. 21 is a flowchart illustrating an example of a cerebrovascular disease evaluation service process according to the second embodiment.
  • the amino acid concentration data used in this processing is a specialist who uses blood (including plasma, serum, etc.) collected in advance from an individual such as an animal or human, for example, using a measurement method such as (A) or (B) below. Is related to the concentration value of amino acids obtained by analysis or independent analysis.
  • the unit of amino acid concentration may be obtained by, for example, molar concentration, weight concentration, or by adding / subtracting / subtracting an arbitrary constant to / from these concentrations.
  • Plasma was separated from blood by centrifuging the collected blood sample. All plasma samples were stored frozen at ⁇ 80 ° C. until the measurement of amino acid concentration.
  • amino acid concentration measurement For amino acid concentration measurement, acetonitrile was added to remove protein, followed by precolumn derivatization using a labeling reagent (3-aminopyridyl-N-hydroxysuccinimidyl carbamate), and liquid chromatography mass spectrometry The amino acid concentration was analyzed by a total (LC / MS) (see International Publication No. 2003/069328 and International Publication No. 2005/116629).
  • Plasma was separated from blood by centrifuging the collected blood sample. All plasma samples were stored frozen at ⁇ 80 ° C. until the measurement of amino acid concentration.
  • amino acid concentration When measuring the amino acid concentration, sulfosalicylic acid was added to remove the protein, and then the amino acid concentration was analyzed by an amino acid analyzer based on the post-column derivatization method using a ninhydrin reagent.
  • the client apparatus 200 causes the cerebrovascular disease evaluation apparatus. 100 is accessed. Specifically, when the user instructs to update the screen of the Web browser 211 of the client apparatus 200, the Web browser 211 uses the predetermined communication protocol to evaluate the cerebrovascular disorder evaluation according to a predetermined communication protocol. By transmitting to the apparatus 100, a transmission request for a Web page corresponding to the amino acid concentration data transmission screen is made to the cerebrovascular disorder evaluation apparatus 100 by routing based on the address.
  • the cerebrovascular disorder evaluation apparatus 100 receives the transmission from the client apparatus 200 by the request interpretation unit 102a, analyzes the content of the transmission, and moves the processing to each unit of the control unit 102 according to the analysis result.
  • the cerebrovascular disease evaluation apparatus 100 is a predetermined storage area of the storage unit 106, which is mainly the browsing processing unit 102b. Web data for displaying the Web page stored in is acquired, and the acquired Web data is transmitted to the client apparatus 200.
  • the cerebrovascular disorder evaluation apparatus 100 when there is a web page transmission request corresponding to the amino acid concentration data transmission screen from the user, the cerebrovascular disorder evaluation apparatus 100 first uses the control unit 102 to check the user ID and the user password. Ask the user for input. When the user ID and password are input, the cerebrovascular disease evaluation apparatus 100 causes the authentication processing unit 102c to input the input user ID and password and the user ID stored in the user information file 106a. Make authentication with user password. Then, the cerebrovascular disorder evaluation apparatus 100 transmits, to the client apparatus 200, Web data for displaying a Web page corresponding to the amino acid concentration data transmission screen by the browsing processing unit 102b only when authentication is possible. The client device 200 is identified by the IP address transmitted from the client device 200 together with the transmission request.
  • the client apparatus 200 receives the Web data transmitted from the cerebrovascular disorder evaluation apparatus 100 (for displaying a Web page corresponding to the amino acid concentration data transmission screen) by the receiving unit 213, and receives the received Web data. Is interpreted by the Web browser 211, and the amino acid concentration data transmission screen is displayed on the monitor 261.
  • step SA21 when the user inputs / selects individual amino acid concentration data or the like via the input device 250 on the amino acid concentration data transmission screen displayed on the monitor 261, the client device 200 uses the transmission unit 214 to input information and By transmitting an identifier for specifying the selection item to the cerebrovascular disorder evaluation apparatus 100, the individual amino acid concentration data is transmitted to the cerebrovascular disorder evaluation apparatus 100 (step SA21).
  • the transmission of amino acid concentration data in step SA21 may be realized by an existing file transfer technique such as FTP.
  • the request interpretation unit 102a interprets the request content of the client apparatus 200 by interpreting the identifier transmitted from the client apparatus 200, and the cerebrovascular disorder evaluation apparatus 100a evaluates the state of the cerebrovascular disorder.
  • Variable discriminant specifically, multivariate discriminant for cerebrovascular disorder and non-cerebrovascular disorder 2-group discrimination, multivariate discriminant for 2-group discrimination of cerebral arteriosclerosis and non-cerebral arteriosclerosis, stroke And a non-stroke 2-group discrimination multivariate discriminant or a cerebral arteriosclerosis-stroke 2-group discriminant multivariate discriminant).
  • the database apparatus 400 interprets the transmission request from the cerebrovascular disorder evaluation apparatus 100 by the request interpretation unit 402a and stores the multivariate discriminant (for example, the updated latest formula) stored in a predetermined storage area of the storage unit 406. Is transmitted to the cerebrovascular disorder evaluation apparatus 100 (step SA22).
  • the multivariate discriminant for example, the updated latest formula
  • step SA26 when it is determined in step SA26 whether the individual has a cerebrovascular disorder or a non-cerebral vascular disorder, in step SA22, Glu, Gly, Phe, Ser, Gln, Ile, Ala. , Tyr, Trp, Val, Asn, Met, and His, a multivariate discriminant including at least one as a variable is transmitted to the cerebrovascular disorder evaluation apparatus 100.
  • step SA26 When it is determined in step SA26 whether the individual has cerebral arteriosclerosis or non-cerebral arteriosclerosis, in step SA22, Glu, Lys, Gln, ABA, Ala, His, Tyr, A multivariate discriminant including at least one of Phe, Val, Cit, Gly, Asn, Leu, Ile, and Met as a variable is transmitted to the cerebrovascular disorder evaluation apparatus 100.
  • step SA26 when it is determined whether the individual has a stroke or non-stroke, in step SA22, Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, A multivariate discriminant including at least one of Lys, Asn, and Orn as a variable is transmitted to the cerebrovascular disorder evaluation apparatus 100.
  • step SA26 If it is determined in step SA26 whether the individual has cerebral arteriosclerosis or stroke, in step SA22, Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, A multivariate discriminant including at least one of Leu and Orn as a variable is transmitted to the cerebrovascular disorder evaluation apparatus 100.
  • the controller 102 removes data such as missing values and outliers from the individual amino acid concentration data received in step SA23 (step SA24).
  • the cerebrovascular disorder evaluation apparatus 100 uses the discriminant value calculation unit 102i to convert the amino acid concentration data of the individual from which data such as missing values and outliers have been removed in step SA24 and the multivariate discriminant received in step SA23. Based on this, a discrimination value is calculated (step SA25).
  • a multivariate discriminant (brain that includes at least one of Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His as a variable.
  • the cerebrovascular disorder evaluation apparatus 100 uses the discriminant value calculation unit 102i to perform Glu, Gly included in the amino acid concentration data. , Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val, Asn, Met, and His, and a discriminant value is calculated based on the received multivariate discriminant.
  • a multivariate discriminant including at least one of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, and Met as a variable
  • the cerebrovascular disorder evaluation apparatus 100 is included in the amino acid concentration data by the discriminant value calculation unit 102i. Based on at least one concentration value of Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit, Gly, Asn, Leu, Ile, Met and the received multivariate discriminant, A discrimination value is calculated.
  • a multivariate discriminant including at least one of Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile, Lys, Asn, Orn as a variable (stroke and non-stroke) Is received in the discriminant value calculation unit 102i, the Gly, Glu, Cit, Tyr, Val, and the like included in the amino acid concentration data are received.
  • a discriminant value is calculated based on at least one concentration value among Arg, Leu, Trp, Ser, Ile, Lys, Asn, and Orn and the received multivariate discriminant.
  • a multivariate discriminant including at least one of Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu, Orn as a variable (2 of cerebral arteriosclerosis and stroke).
  • the cerebrovascular disorder evaluation apparatus 100 uses the discriminant value calculation unit 102i to determine Tyr, Gly, Phe, ABA, Glu, Lys, A discriminant value is calculated based on at least one concentration value of Ala, Pro, Asn, Leu, Orn and the received multivariate discriminant.
  • the cerebrovascular disorder evaluation apparatus 100 uses the discriminant value criterion discriminating unit 102j1 based on the discriminant value calculated in step SA25 as described in 21. below. 24.
  • the discrimination result is stored in a predetermined storage area of the evaluation result file 106g (step SA26).
  • step SA25 The discrimination value calculated in step SA25 corresponding to the multivariate discriminant for 2-group discrimination between cerebrovascular disorder and non-cerebrovascular disorder and a preset threshold value (cut-off value) ) To determine whether the individual has a cerebrovascular disorder or a non-cerebrovascular disorder.
  • 2-group discrimination between cerebral arteriosclerosis and non-cerebral arteriosclerosis Discrimination value calculated in step SA25 corresponding to the multivariate discriminant for 2-group discrimination between cerebral arteriosclerosis and non-cerebral arteriosclerosis and a preset threshold value To determine whether the individual has cerebral arteriosclerosis or non-cerebral arteriosclerosis.
  • the cerebrovascular disorder evaluation apparatus 100 uses the transmission unit 102m to send the determination result obtained in step SA26 (which may include the determination value calculated in step SA25) to the client apparatus 200 that is the transmission source of amino acid concentration data.
  • the data is transmitted to the database device 400 (step SA27).
  • the cerebrovascular disorder evaluation apparatus 100 creates a web page for displaying the discrimination result by the web page generation unit 102e, and stores web data corresponding to the created web page in the storage unit 106. Stored in the storage area.
  • the client device 200 sends a browsing request for the Web page to the cerebrovascular disease evaluation device 100.
  • the browsing processing unit 102b interprets the browsing request transmitted from the client device 200, and stores Web data corresponding to the Web page for displaying the determination result in a predetermined unit of the storage unit 106. Read from storage area.
  • the cerebrovascular disorder evaluation apparatus 100 transmits the read Web data to the client apparatus 200 and transmits the Web data or the determination result to the database apparatus 400 by the transmission unit 102m.
  • the cerebrovascular disorder evaluation apparatus 100 may notify the discrimination result to the user client apparatus 200 by e-mail at the control unit 102. Specifically, first, the cerebrovascular disorder evaluation apparatus 100 refers to the user information stored in the user information file 106a based on the user ID or the like in the e-mail generation unit 102d according to the transmission timing, Get the user's email address. Next, the cerebrovascular disorder evaluation apparatus 100 uses the e-mail generation unit 102d to generate data related to the e-mail including the name and determination result of the user with the acquired e-mail address as the destination. Next, the cerebrovascular disorder evaluation apparatus 100 transmits the generated data to the user client apparatus 200 by the transmission unit 102m.
  • the cerebrovascular disorder evaluation apparatus 100 may transmit the determination result to the user client apparatus 200 using an existing file transfer technology such as FTP.
  • control unit 402 receives the discrimination result or Web data transmitted from the cerebrovascular disorder evaluation device 100, and the received discrimination result or Web data is stored in a predetermined unit of the storage unit 406. Save (accumulate) in the storage area (step SA28).
  • the client device 200 receives the Web data transmitted from the cerebrovascular disease evaluation device 100 by the receiving unit 213, interprets the received Web data by the Web browser 211, and the Web page on which the individual determination result is described. Is displayed on the monitor 261 (step SA29).
  • the client apparatus 200 arbitrarily selects the e-mail transmitted from the cerebrovascular disorder evaluation apparatus 100 by a known function of the e-mailer 212.
  • the received e-mail is displayed on the monitor 261.
  • the user can check the determination result regarding the above-described two-group determination by browsing the Web page displayed on the monitor 261.
  • the user may print the display content of the Web page displayed on the monitor 261 with the printer 262.
  • the user checks the discrimination result related to the above-mentioned two-group discrimination by browsing the e-mail displayed on the monitor 261. be able to.
  • the user may print the content of the e-mail displayed on the monitor 261 with the printer 262.
  • the cerebrovascular disorder evaluation apparatus, the cerebrovascular disorder evaluation method, the cerebrovascular disorder evaluation program, the recording medium, the cerebrovascular disorder evaluation system, and the information communication terminal device according to the present invention are claimed in addition to the second embodiment described above.
  • the present invention may be implemented in various different embodiments within the scope of the technical idea described in the above.
  • each illustrated component is functionally conceptual and does not necessarily need to be physically configured as illustrated.
  • all or some of the processing functions provided in the cerebrovascular disorder evaluation apparatus 100 are interpreted and executed by a CPU (Central Processing Unit) and the CPU. It may be realized by a program or hardware based on wired logic.
  • the program is recorded on a non-transitory computer-readable recording medium including a programmed instruction for causing the information processing apparatus to execute the cerebrovascular disorder evaluation method according to the present invention. It is mechanically read by the vascular disorder evaluation apparatus 100. That is, in the storage unit 106 such as a ROM or an HDD, computer programs for performing various processes by giving instructions to the CPU in cooperation with an OS (Operating System) are recorded. This computer program is executed by being loaded into the RAM, and constitutes a control unit in cooperation with the CPU.
  • OS Operating System
  • the computer program may be stored in an application program server connected to the cerebrovascular disorder evaluation apparatus 100 via an arbitrary network, and may be downloaded in whole or in part as necessary. Is possible.
  • the cerebrovascular disorder evaluation program may be stored in a non-temporary computer-readable recording medium, or may be configured as a program product.
  • the “recording medium” means a memory card, USB memory, SD card, flexible disk, magneto-optical disk, ROM, EPROM, EEPROM (registered trademark), CD-ROM, MO, DVD, and Blu-ray. It includes any “portable physical medium” such as Disc.
  • the “program” is a data processing method described in an arbitrary language or description method, and may be in the form of source code or binary code. Note that the “program” is not necessarily limited to a single configuration, but is distributed in the form of a plurality of modules and libraries, or in cooperation with a separate program typified by an OS (Operating System). Including those that achieve the function. In addition, a well-known structure and procedure can be used about the specific structure and reading procedure for reading a recording medium in each apparatus shown to embodiment, the installation procedure after reading, etc.
  • Various databases and the like stored in the storage unit 106 are storage devices such as a memory device such as a RAM and a ROM, a fixed disk device such as a hard disk, a flexible disk, and an optical disk. Programs, tables, databases, web page files, and the like.
  • the cerebrovascular disorder evaluation apparatus 100 may be configured as an information processing apparatus such as a known personal computer or workstation, or may be configured as the information processing apparatus connected to an arbitrary peripheral device. Further, the cerebrovascular disorder evaluation apparatus 100 may be realized by installing software (including a program or data) for realizing the cerebrovascular disorder evaluation method of the present invention in the information processing apparatus.
  • the specific form of distribution / integration of the devices is not limited to that shown in the figure, and all or a part of them may be functionally or physically in arbitrary units according to various additions or according to functional loads. It can be configured to be distributed and integrated. That is, the above-described embodiments may be arbitrarily combined and may be selectively implemented.
  • FIG. 22 is a flowchart illustrating an example of multivariate discriminant creation processing.
  • the multivariate discriminant creation process may be performed by the database apparatus 400 that manages cerebrovascular disorder state information.
  • the cerebrovascular disorder evaluation apparatus 100 stores the cerebrovascular disorder state information acquired in advance from the database apparatus 400 in a predetermined storage area of the cerebrovascular disorder state information file 106c.
  • the cerebrovascular disorder evaluation apparatus 100 converts the cerebrovascular disorder state information including the cerebrovascular disorder state index data and amino acid concentration data designated in advance by the cerebrovascular disorder state information designating unit 102g into the designated cerebrovascular disorder state information file 106d. Are stored in a predetermined storage area.
  • the multivariate discriminant-preparing part 102h is a candidate multivariate discriminant-preparing part 102h1, and creates a predetermined formula from the cerebrovascular disorder state information stored in a predetermined storage area of the designated cerebrovascular disorder state information file 106d.
  • the candidate multivariate discriminant is created based on the above, and the created candidate multivariate discriminant is stored in a predetermined storage area of the candidate multivariate discriminant file 106e1 (step SB21).
  • the multivariate discriminant-preparing part 102h is a candidate multivariate discriminant-preparing part 102h1, and a plurality of different formula creation methods (principal component analysis, discriminant analysis, support vector machine, multiple regression analysis, logistic regression) Analysis, k-means method, cluster analysis, decision tree, etc. related to multivariate analysis.) Select a desired one from among them, and create candidate multivariate discrimination based on the selected formula creation method Determine the form of the expression (form of the expression).
  • the multivariate discriminant-preparing part 102 h is a candidate multivariate discriminant-preparing part 102 h 1 that performs various calculations (for example, average and variance) corresponding to the selected formula selection method based on the cerebrovascular disorder state information.
  • the multivariate discriminant-preparing part 102h determines the calculation result and parameters of the determined candidate multivariate discriminant-expression in the candidate multivariate discriminant-preparing part 102h1. Thereby, a candidate multivariate discriminant is created based on the selected formula creation method.
  • the above-described processing may be executed in parallel for each selected formula creation method.
  • a candidate multivariate discriminant is created in series by using a plurality of different formula creation methods, for example, the candidate multivariate discriminant created by performing principal component analysis is used for cerebrovascular disorder state information and a candidate multivariate discriminant may be created by performing discriminant analysis on the converted cerebrovascular disorder state information.
  • the multivariate discriminant-preparing part 102h verifies (mutually verifies) the candidate multivariate discriminant created in step SB21 with the candidate multivariate discriminant-verifying part 102h2, and verifies the verification result.
  • the result is stored in a predetermined storage area of the verification result file 106e2 (step SB22).
  • the multivariate discriminant-preparing part 102h is a candidate multivariate discriminant-verifying part 102h2 based on the cerebrovascular disorder state information stored in a predetermined storage area of the designated cerebrovascular disorder state information file 106d.
  • the verification data used when verifying the candidate multivariate discriminant is created, and the candidate multivariate discriminant is verified based on the created verification data.
  • the multivariate discriminant creation unit 102h creates each formula in the candidate multivariate discriminant verification unit 102h2.
  • Each candidate multivariate discriminant corresponding to the method is verified based on a predetermined verification method.
  • the discrimination rate, sensitivity, specificity, information criterion of the candidate multivariate discriminant based on at least one of the bootstrap method, holdout method, N-fold method, leave one out method, etc. , ROC_AUC (area under the curve of the receiver characteristic curve) or the like.
  • the multivariate discriminant-preparing part 102h creates a candidate multivariate discriminant by selecting a variable of the candidate multivariate discriminant based on a predetermined variable selection method by the variable selector 102h3.
  • a combination of amino acid concentration data included in the cerebrovascular disorder state information to be used is selected, and cerebrovascular disorder state information including the selected combination of amino acid concentration data is stored in a predetermined storage area of the selected cerebrovascular disorder state information file 106e3 ( Step SB23).
  • a plurality of candidate multivariate discriminants are created in combination with a plurality of different formula creation methods, and in step SB22, each candidate multivariate discriminant corresponding to each formula creation method is verified based on a predetermined verification method.
  • the multivariate discriminant-preparing part 102h selects a variable of the candidate multivariate discriminant based on a predetermined variable selection method for each candidate multivariate discriminant in the variable selector 102h3. Also good.
  • the variable of the candidate multivariate discriminant may be selected based on at least one of the stepwise method, the best path method, the neighborhood search method, and the genetic algorithm from the verification result.
  • the best path method is a method of selecting variables by sequentially reducing the variables included in the candidate multivariate discriminant one by one and optimizing the evaluation index given by the candidate multivariate discriminant.
  • the multivariate discriminant-preparing part 102h uses the variable selection part 102h3 to determine amino acid concentration data based on the cerebrovascular disorder state information stored in a predetermined storage area of the designated cerebrovascular disorder state information file 106d. You may select the combination.
  • the multivariate discriminant-preparing part 102h determines whether all combinations of amino acid concentration data included in the cerebrovascular disorder state information stored in the predetermined storage area of the designated cerebrovascular disorder state information file 106d have been completed. When the determination result is “end” (step SB24: Yes), the process proceeds to the next step (step SB25), and when the determination result is not “end” (step SB24: No). Returns to step SB21.
  • the multivariate discriminant-preparing part 102h determines whether or not the preset number of times has ended, and if the determination result is “end” (step SB24: Yes), the next step (step SB25). If the determination result is not “end” (step SB24: No), the process may return to step SB21.
  • the multivariate discriminant-preparing part 102h uses the amino acid concentration data selected in step SB23 as the amino acid concentration included in the cerebrovascular disorder state information stored in the predetermined storage area of the designated cerebrovascular disorder state information file 106d. It is determined whether the combination of the concentration data or the combination of the amino acid concentration data selected in the previous step SB23 is the same. If the determination result is “same” (step SB24: Yes), the next step ( The process proceeds to step SB25), and if the determination result is not “same” (step SB24: No), the process may return to step SB21.
  • the multivariate discriminant creation unit 102h compares the evaluation value with a predetermined threshold corresponding to each formula creation method. Based on the result, it may be determined whether to proceed to step SB25 or to return to step SB21.
  • the multivariate discriminant-preparing part 102h selects a multivariate discriminant by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from a plurality of candidate multivariate discriminants based on the verification result.
  • the determined multivariate discriminant (selected candidate multivariate discriminant) is stored in a predetermined storage area of the multivariate discriminant file 106e4 (step SB25).
  • step SB25 for example, when the optimum one is selected from candidate multivariate discriminants created by the same formula creation method, and when the optimum one is selected from all candidate multivariate discriminants There is.
  • the blood amino acid concentration was measured from the blood sample of the brain dock examinee by the amino acid analysis method (A) described above.
  • the doctor makes a definitive diagnosis for each patient from the MRI and MRA images, so that the patient has 83 healthy groups, 62 cerebral arteriosclerosis (small arteriosclerosis) groups, and 15 stroke (lacuna infarction) groups. Divided into three groups. The distribution of these three groups of amino acid variables is shown in FIG. In FIG. 23, 1 indicates a healthy group, 2 indicates a cerebral arteriosclerosis group, and 3 indicates a stroke group.
  • the Kruskal Wallis test was performed in these three groups. As a result, Glu, Ser, Pro, Gly, Tyr, Val, Ile, Leu, and Phe were significantly changed among these three groups. Therefore, the test revealed that these amino acids have discriminating ability between the three groups.
  • Example 2 The same amino acid concentration data as measured in Example 1 was used. Using a logistic regression analysis method (variable coverage method based on ROC maximum criteria), an intensive search was conducted for an index that maximizes the 2-group discrimination performance between the healthy group and the cerebral arteriosclerosis group.
  • FIGS. 1 A list of logistic regression equations using 2 to 6 amino acid variables out of 21 amino acid variables and equally good discriminating ability evaluated by ROC_AUC is shown in FIGS.
  • index formula 1 was obtained as having discriminative ability similar to the logistic regression formula shown in FIGS.
  • the appearance frequency of the amino acid contained in the top 1000 formulas of ROC_AUC is shown in FIG. Based on FIG. 24, FIG. 25 and FIG. 26, it is “Glu, Lys, Gln, ABA, Ala, His, Tyr, Phe, Val, Cit” that is listed in order of increasing appearance frequency of amino acid variables.
  • the 21 amino acid variables are Ala, ABA, Arg, Asn, Cit, Glu, Gln, Gly, His, Ile, Leu, Lys, Met, Orn, Phe, Pro, Ser, Thr, Trp, Tyr, Val. (The same applies hereinafter).
  • Index Formula 1 ( ⁇ 4.169) + (0.08627) Glu + (0.005095) Gln + (0.07594) ABA + ( ⁇ 0.02154) Tyr + (0.018332) His + ( ⁇ 0.01808) Lys
  • FIGS. 27 and 28 show a list of logistic regression equations that use two or more and six or less amino acid variables out of 19 amino acid variables and have equally good discriminating ability evaluated by ROC_AUC.
  • index formula 2 was obtained as having the same discriminating ability as the logistic regression formula shown in FIGS.
  • the appearance frequency of the amino acid contained in the top 1000 formulas of ROC_AUC is shown in FIG. Based on FIG. 27, FIG. 28 and FIG. 29, when the appearance frequency of amino acid variables is listed up to 10th in order of descending frequency, it is “Lys, Gly, Asn, Leu, Val, Gln, Ile, His, Ala, Met”.
  • each coefficient in these equations may be a value obtained by multiplying it by a real number or an arbitrary constant term.
  • the 2-group discrimination performance of the healthy group and the cerebral arteriosclerosis group based on the index formula 1 is evaluated by the area under the curve of the ROC curve shown in FIG. 30, and the 2-group discrimination performance of the healthy group and the cerebral arteriosclerosis group based on the index formula 2 is evaluated.
  • the ROC_AUC values are 0.810 and 0.711, respectively, and the index formula 1 and the index formula 2 are useful indexes with high diagnostic performance. found.
  • the cutoff value is 0.4257
  • the sensitivity is 77.42%
  • the specificity is 76.62%
  • index formula 2 the cutoff value is 0.4452.
  • the sensitivity was 70.97% and the specificity was 67.53%, all of which were good values.
  • the sensitivity and specificity shown here are values when the highest discriminant point at which the average of sensitivity and specificity is the highest is taken as a cutoff value.
  • Example 2 The same amino acid concentration data as measured in Example 1 was used. Using a logistic regression analysis method (variable coverage method based on ROC maximum criteria), an index that maximizes the 2-group discrimination performance of the healthy group and the stroke group was eagerly searched.
  • FIGS. 32 and 33 show a list of logistic regression equations having two or more amino acid variables of 21 amino acid variables and equally good discrimination ability evaluated by ROC_AUC.
  • index formula 3 was obtained as having the same discriminating ability as the logistic regression formula shown in FIGS. 32 and 33.
  • the appearance frequency of the amino acid contained in the top 1000 formulas of ROC_AUC is shown in FIG. Based on FIG. 32, FIG. 33, and FIG. 34, when the appearance frequency of amino acid variables is listed up to 10th in descending order, it is “Gly, Glu, Cit, Tyr, Val, Arg, Leu, Trp, Ser, Ile”.
  • Index Formula 3 ( ⁇ 3.021) + (0.04956) Glu + ( ⁇ 0.02739) Gly + (0.07668) Cit + (0.05980) Tyr + ( ⁇ 0.02994) Orn
  • FIG. 35 and 36 show a list of logistic regression equations that have two or more and six or less amino acid variables out of 19 amino acid variables and have equally good discriminating ability evaluated by ROC_AUC.
  • index formula 4 was obtained as having discriminative ability similar to the logistic regression formula shown in FIGS. 35 and 36.
  • the appearance frequency of the amino acid contained in the top 1000 formulas of ROC_AUC is shown in FIG. Based on FIG. 35, FIG. 36 and FIG. 37, when the appearance frequency of amino acid variables is listed up to the 10th in descending order, it is “Gly, Tyr, Cit, Ile, Val, Arg, Trp, Lys, Leu, Asn”.
  • Index formula 4 ( ⁇ 1.688) + ( ⁇ 0.03192) Gly + (0.08261) Cit + (0.0413) Val + (0.07564) Tyr + ( ⁇ 0.05094) Arg
  • FIG. 32, FIG. 33, FIG. 35, and FIG. 36 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • the value of each coefficient in these equations may be a value obtained by multiplying it by a real number or an arbitrary constant term.
  • the 2-group discrimination performance of the healthy group and the stroke group based on the index formula 3 is evaluated by the area under the curve of the ROC curve shown in FIG.
  • the ROC_AUC values were 0.864 and 0.854, respectively, and it was found that index formula 3 and index formula 4 are useful indexes with high diagnostic performance.
  • the cutoff value is 0.2192
  • the sensitivity is 86.67%
  • the specificity is 88.31%.
  • index formula 4 the cutoff value is 0.1617.
  • the sensitivity was 86.67% and the specificity was 80.52%, all of which were good values.
  • the sensitivity and specificity shown here are values when the highest discriminant point at which the average of sensitivity and specificity is the highest is taken as a cutoff value.
  • FIG. 40 A list of logistic regression equations using 2 to 6 amino acid variables out of 21 amino acid variables and equally good discrimination performance evaluated by ROC_AUC is shown in FIG. 40 and FIG.
  • index formula 5 was obtained as having discriminative ability similar to the logistic regression formula shown in FIGS. 40 and 41.
  • the appearance frequency of the amino acid contained in the top 1000 formulas of ROC_AUC is shown in FIG. Based on FIG. 40, FIG. 41, and FIG. 42, when the appearance frequency of amino acid variables is listed up to 10th in descending order, “Glu, Gly, Phe, Ser, Gln, Ile, Ala, Tyr, Trp, Val”.
  • Index formula 5 (3.619) + ( ⁇ 0.01981) Ser + (0.08047) Glu + ( ⁇ 0.02604) Gly + (0.005010) Ala + (0.05090) Phe + ( ⁇ 0.03119) His
  • FIG. 43 and FIG. 44 show a list of logistic regression equations with two or more and six or less amino acid variables out of 19 amino acid variables and equally good discrimination ability evaluated by ROC_AUC.
  • index formula 6 was obtained as having discriminative ability similar to the logistic regression formula shown in FIGS. 43 and 44.
  • the appearance frequency of the amino acid contained in the top 1000 formulas of ROC_AUC is shown in FIG. Based on FIG. 43, FIG. 44 and FIG. 45, when the appearance frequency of amino acid variables is listed up to the 10th in descending order, it is “Gly, Phe, Asn, Val, Ile, Trp, Ser, Met, Ala, His”.
  • Index formula 6 (4.860) + ( ⁇ 0.09209) Asn + (0.003423) Gln + ( ⁇ 0.03204) Gly + (0.01486) Val + (0.05924) Phe + ( ⁇ 0.02599) His
  • FIG. 40, FIG. 41, FIG. 43, and FIG. 44 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • the value of each coefficient in these equations may be a value obtained by multiplying it by a real number or an arbitrary constant term.
  • the 2-group discrimination performance between the healthy group and the cerebrovascular disorder group based on the index formula 5 is evaluated by the area under the ROC curve shown in FIG. 46, and the 2-group discrimination performance between the healthy group and the cerebrovascular disorder group based on the index formula 6 is illustrated.
  • the ROC_AUC values were 0.867 and 0.831, respectively, and it was found that index formulas 5 and 6 are useful indexes with high diagnostic performance. .
  • the cutoff value is 0.3728
  • the sensitivity is 85.71%
  • the specificity is 73.49%
  • index formula 6 the cutoff value is 0.5233.
  • the sensitivity was 77.92% and the specificity was 78.31%, all of which were good values.
  • the sensitivity and specificity shown here are values when the highest discriminant point at which the average of sensitivity and specificity is the highest is taken as a cutoff value.
  • Example 2 The same amino acid concentration data as measured in Example 1 was used. Using a logistic regression analysis method (variable coverage method based on ROC maximum criteria), an eager search was conducted for an index that maximizes the ability to discriminate between two groups of the cerebral arteriosclerosis group and the stroke group.
  • index formula 7 was obtained as having the same discriminating ability as the logistic regression formula shown in FIGS. 48 and 49.
  • the appearance frequency of the amino acid contained in the top 1000 formulas of ROC_AUC is shown in FIG. Based on FIG. 48, FIG. 49, and FIG. 50, when the appearance frequency of amino acid variables is listed up to 10th in descending order, it is “Tyr, Gly, Phe, ABA, Glu, Lys, Ala, Pro, Asn, Leu”.
  • Index formula 7 ( ⁇ 3.033) + ( ⁇ 0.01048) Pro + ( ⁇ 0.02309) Gly + (0.007427) Ala + (0.07724) Tyr + ( ⁇ 0.01345) Orn
  • each coefficient in these equations may be a value obtained by multiplying it by a real number or an arbitrary constant term.
  • the ROC_AUC value is 0.867, and the index formula 7 has high diagnostic performance. It turned out to be a useful indicator.
  • the cutoff value was 0.1435
  • the sensitivity was 93.33%
  • the specificity was 75.81%, all of which were good values.
  • the sensitivity and specificity shown here are values when the highest discriminant point at which the average of sensitivity and specificity is the highest is taken as a cutoff value.
  • the cerebrovascular disorder evaluation method and the like according to the present invention can be widely implemented in many industrial fields, particularly in the fields of pharmaceuticals, foods, and medicines. It is extremely useful in the field of bioinformatics that performs progress prediction, disease risk prediction, proteome and metabolomic analysis.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Biotechnology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Microbiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Cell Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

　血液中のアミノ酸の濃度のうち脳血管障害の状態の評価に有用なアミノ酸の濃度を利用して脳血管障害の状態を精度よく評価することができる脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置を提供することを課題とする。本実施形態では、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得した評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳血管障害の状態を評価する。

Description

脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置
　本発明は、脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置に関するものである。
　動脈硬化は、メタボリックシンドローム（例えば、脂質異常症、糖尿病または高血圧など）を主な原因として、脳、心臓またはその他全身で発生し得る。動脈硬化には、各部位で血液が詰まって血行が悪くなることで組織の機能不全が起こり、心臓では狭心症または心筋梗塞が、脳では脳梗塞が発症し、やがて死に至る、という危険性がある。
　厚生労働省が発表した平成２０年度人口動態調査によると、特に心臓または脳で起こる臓循環器疾患は、死亡者数の観点だけでなく患者数および医療費の観点からも、重要性の高い疾患領域である。そのため、臓循環器疾患を予防する為の検診に対する需要は高い。
　動脈硬化症の検診では、基本的に、全身の動脈硬化の進み具合が検査される。また、この検査では、ＰＷＶ（脈波伝播速度）に基づいて全身の動脈硬化の進み具合を判断するのが標準となっている。しかし、ＰＷＶは血圧との相関が強いため、ＰＷＶからこの進み具合を判断するのは難しい。また、この検査は、人間ドックの一部または人間ドックのオプションで行われているだけで、その普及度は必ずしも高くない。
　そして、臓循環器疾患の検査では、上述したＰＷＶに基づく検査を行うよりも、動脈硬化のリスクとなるメタボリックシンドロームの状態を検査したり、ＣＴまたはＭＲＩなどを用いて心臓または脳の血管の状態を画像で検査したりするのが一般的である。しかし、ＣＴまたはＭＲＩなどを用いた画像診断は、費用および侵襲性が高い。
　このように、動脈硬化は、臓循環器疾患のリスクとして重要な指標である。また、臓循環器疾患について、精度、費用および身体的負担などの点でより優れた診断方法が求められている。
　ところで、血中アミノ酸の濃度が、動脈の内側に粥状の隆起（プラーク）が発生するアテローム性動脈硬化で変化することは知られている（例えば非特許文献１など）。非特許文献１では、血中のホモシステインが高値を示す群の方が低値を示す群に比べてアテローム性動脈硬化のリスクが高い、と報告されている。
　また、先行特許として、アミノ酸濃度と生体状態とを関連付ける方法に関する特許文献１、特許文献２、および特許文献３が公開されている。また、アミノ酸濃度を用いてメタボリックシンドロームの状態を評価する方法に関する特許文献４、アミノ酸濃度を用いて内臓脂肪蓄積の状態を評価する方法に関する特許文献５、アミノ酸濃度を用いて耐糖能異常の状態を評価する方法に関する特許文献６およびアミノ酸濃度を用いて肥満の状態を評価する方法に関する特許文献７が公開されている。
国際公開第２００４／０５２１９１号 国際公開第２００６／０９８１９２号 国際公開第２００９／０５４３５１号 国際公開第２００８／０１５９２９号 国際公開第２００９／００１８６２号 国際公開第２００９／０５４３５０号 国際公開第２０１０／０９５６８２号
Ｇｕｔｈｉｋｏｎｄａ，Ｓ．，　ａｎｄ　Ｈａｙｎｅｓ，Ｗ．Ｇ．，　ｅｔ．　ａｌ．，Ｈｏｍｏｃｙｓｔｅｉｎｅ　ａｓａ　ｎｏｖｅｌ　ｒｉｓｋ　ｆａｃｔｏｒ　ｆｏｒ　ａｔｈｅｒｏｓｃｌｅｒｏｓｉｓ．，Ｃｕｒｒ　Ｏｐｉｎ　Ｃａｒｄｉｏｌ，１９９９，１４，ｐ２８３－２９１
　しかしながら、血中アミノ酸濃度を含む血液検査で、脳血管障害の状態について十分な診断性能が示されている報告はない。また、特許文献１～７に開示されている指標式群を脳血管障害の状態の診断に用いても、診断対象が異なるので、脳血管障害の状態の評価について十分な精度を得ることはできない。つまり、血中アミノ酸濃度を利用して脳血管障害の状態を評価する方法の開発は行われておらず、また実用化もされていないという問題点があった。
　本発明は、上記問題点に鑑みてなされたもので、血液中のアミノ酸の濃度のうち脳血管障害の状態の評価に有用なアミノ酸の濃度を利用して脳血管障害の状態を精度よく評価することができる脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置を提供することを目的とする。
　上述した課題を解決し、目的を達成するために、本発明にかかる脳血管障害の評価方法は、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、前記取得ステップで取得した前記評価対象の前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、脳血管障害の状態を評価する濃度値基準評価ステップとを含むことを特徴とする。
　ここで、本明細書において、脳血管障害には、脳動脈硬化症（細小動脈硬化症など）、脳卒中（脳出血、くも膜下出血、一過性脳虚血発作、ラクナ梗塞、アテローム血栓性梗塞、心原性脳塞栓症など）などが含まれる。
　また、本明細書では各種アミノ酸を主に略称で表記するが、それらの正式名称は以下の通りである。
（略称）　　　　　（正式名称）
ＡＢＡ　　　　　　α－Ａｍｉｎｏｂｕｔｙｒｉｃ　ａｃｉｄ
Ａｌａ　　　　　　Ａｌａｎｉｎｅ
Ａｒｇ　　　　　　Ａｒｇｉｎｉｎｅ
Ａｓｎ　　　　　　Ａｓｐａｒａｇｉｎｅ
Ｃｉｔ　　　　　　Ｃｉｔｒｕｌｌｉｎｅ
Ｇｌｎ　　　　　　Ｇｌｕｔａｍｉｎｅ
Ｇｌｕ　　　　　　Ｇｌｕｔａｍｉｃ　ａｃｉｄ
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
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳血管障害を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記脳血管障害は脳動脈硬化症を含み、前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳動脈硬化症を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記脳血管障害は脳卒中を含み、前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳卒中を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記脳血管障害は脳動脈硬化症および脳卒中を含み、前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳動脈硬化症または前記脳卒中を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記脳血管障害は脳動脈硬化症および脳卒中を含み、前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳動脈硬化症、前記脳卒中、または非脳動脈硬化症且つ非脳卒中であるかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む予め設定された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記多変量判別式は、ロジスティック回帰式、分数式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記濃度値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記脳血管障害の前記状態を評価する判別値基準評価ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳血管障害を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記多変量判別式はＳｅｒ，Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｐｈｅ，Ｈｉｓを前記変数として含む前記ロジスティック回帰式またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｖａｌ，Ｐｈｅ，Ｈｉｓを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記脳血管障害は脳動脈硬化症を含み、前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳動脈硬化症を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記多変量判別式はＧｌｕ，Ｇｌｎ，ＡＢＡ，Ｔｙｒ，Ｈｉｓ，Ｌｙｓを前記変数として含む前記ロジスティック回帰式またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｌｅｕ，Ｌｙｓを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記脳血管障害は脳卒中を含み、前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの前記濃度値、およびＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳卒中を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記多変量判別式はＧｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎを前記変数として含む前記ロジスティック回帰式またはＧｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｙｒ，Ａｒｇを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記脳血管障害は脳動脈硬化症および脳卒中を含み、前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの前記濃度値、およびＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳動脈硬化症または前記脳卒中を有するかを評価すること、を特徴とする。
　また、本発明にかかる脳血管障害の評価方法は、前記の脳血管障害の評価方法において、前記多変量判別式はＰｒｏ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｏｒｎを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる脳血管障害評価装置は、制御部と記憶部とを備え、評価対象につき、脳血管障害の状態を評価する脳血管障害評価装置であって、前記制御部は、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段を備えたこと、を特徴とする。
　また、本発明にかかる脳血管障害評価装置は、前記の脳血管障害評価装置において、前記制御部は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき前記脳血管障害の前記状態を評価する判別値基準評価手段をさらに備えたこと、を特徴とする。
　なお、本発明にかかる脳血管障害評価装置は、前記の脳血管障害評価装置において、（ｉ）前記制御部は、前記アミノ酸濃度データと前記脳血管障害の前記状態を表す指標に関する脳血管障害状態指標データとを含む前記記憶部に記憶された脳血管障害状態情報に基づいて、前記記憶部で記憶する前記多変量判別式を作成する多変量判別式作成手段をさらに備え、（ｉｉ）前記多変量判別式作成手段は、前記脳血管障害状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証手段と、所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記脳血管障害状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変量判別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成すること、を特徴としてもよい。
　また、本発明にかかる脳血管障害評価方法は、制御部と記憶部とを備えた情報処理装置において実行される、評価対象につき、脳血管障害の状態を評価する脳血管障害評価方法であって、前記制御部において実行される、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップを含むこと、を特徴とする。
　また、本発明にかかる脳血管障害評価プログラムは、制御部と記憶部とを備えた情報処理装置において実行させるための、評価対象につき、脳血管障害の状態を評価する脳血管障害評価プログラムであって、前記制御部において実行させるための、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップを含むこと、を特徴とする。
　また、本発明にかかる記録媒体は、一時的でないコンピュータ読み取り可能な記録媒体であって、情報処理装置に前記脳血管障害評価方法を実行させるためのプログラム化された命令を含むこと、を特徴とする。
　また、本発明にかかる脳血管障害評価システムは、制御部と記憶部とを備え、評価対象につき、脳血管障害の状態を評価する脳血管障害評価装置と、制御部を備え、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された脳血管障害評価システムであって、前記情報通信端末装置の前記制御部は、前記評価対象の前記アミノ酸濃度データを前記脳血管障害評価装置へ送信するアミノ酸濃度データ送信手段と、前記脳血管障害評価装置から送信された、多変量判別式の値である判別値を受信する結果受信手段とを備え、前記脳血管障害評価装置の前記制御部は、前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための前記多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、前記判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、を備えたこと、を特徴とする。
　また、本発明にかかる脳血管障害評価システムは、前記の脳血管障害評価システムにおいて、前記脳血管障害評価装置の前記制御部は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき前記脳血管障害の前記状態を評価する判別値基準評価手段をさらに備え、前記結果送信手段は、前記判別値基準評価手段で得られた前記評価対象の評価結果を前記情報通信端末装置へ送信し、前記結果受信手段は、前記脳血管障害評価装置から送信された前記評価対象の前記評価結果を受信すること、を特徴とする。
　また、本発明にかかる情報通信端末装置は、制御部を備え、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置であって、前記制御部は、多変量判別式の値である判別値を取得する結果取得手段を備え、前記判別値は、前記評価対象の前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む、脳血管障害の状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて算出したものであること、を特徴とする。
　また、本発明にかかる情報通信端末装置は、前記の情報通信端末装置において、前記結果取得手段は、前記評価対象の前記脳血管障害の前記状態に関する評価結果を取得し、前記評価結果は、前記判別値に基づいて前記評価対象につき前記脳血管障害の前記状態を評価した結果であること、を特徴とする。
　また、本発明にかかる情報通信端末装置は、前記の情報通信端末装置において、前記評価対象につき前記脳血管障害の前記状態を評価する脳血管障害評価装置とネットワークを介して通信可能に接続されており、前記制御部は、前記評価対象の前記アミノ酸濃度データを前記脳血管障害評価装置へ送信するアミノ酸濃度データ送信手段をさらに備え、前記結果取得手段は、前記脳血管障害評価装置から送信された前記判別値を受信すること、を特徴とする。
　また、本発明にかかる情報通信端末装置は、前記の情報通信端末装置において、前記結果取得手段は、前記脳血管障害評価装置から送信された、前記評価対象の前記脳血管障害の前記状態に関する評価結果を受信し、前記評価結果は、前記判別値に基づいて前記評価対象につき前記脳血管障害の前記状態を評価した結果であること、を特徴とする。
　また、本発明にかかる脳血管障害評価装置は、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とネットワークを介して通信可能に接続された、制御部と記憶部とを備え、前記評価対象につき、脳血管障害の状態を評価する脳血管障害評価装置であって、前記制御部は、前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、を備えたこと、を特徴とする。
　また、本発明にかかる脳血管障害評価装置は、前記の脳血管障害評価装置において、前記制御部は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき前記脳血管障害の前記状態を評価する判別値基準評価手段をさらに備え、前記結果送信手段は、前記判別値基準評価手段で得られた前記評価対象の評価結果を前記情報通信端末装置へ送信すること、を特徴とする。
　また、本発明にかかる脳血管障害の予防・改善物質の探索方法は、１つ又は複数の物質から成る所望の物質群が投与された評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、前記取得ステップで取得した前記評価対象の前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、脳血管障害の状態を評価する濃度値基準評価ステップと、前記濃度値基準評価ステップでの評価結果に基づいて、前記所望の前記物質群が、前記脳血管障害を予防させる又は前記脳血管障害の前記状態を改善させるものであるか否かを判定する判定ステップと、を含むことを特徴とする。
　本発明によれば、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得した評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳血管障害の状態を評価する。これにより、血液中のアミノ酸の濃度のうち脳血管障害の状態の評価に有用なアミノ酸の濃度を利用して脳血管障害の状態を精度よく評価することができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳血管障害を有するかを評価する。これにより、血液中のアミノ酸の濃度のうち脳血管障害の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、脳血管障害は脳動脈硬化症を含み、アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳動脈硬化症を有するかを評価する。これにより、血液中のアミノ酸の濃度のうち脳動脈硬化症の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、脳血管障害は脳卒中を含み、アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳卒中を有するかを評価する。これにより、血液中のアミノ酸の濃度のうち脳卒中の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、脳血管障害は脳動脈硬化症および脳卒中を含み、アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳動脈硬化症または脳卒中を有するかを評価する。これにより、血液中のアミノ酸の濃度のうち脳動脈硬化症と脳卒中の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、脳血管障害は脳動脈硬化症および脳卒中を含み、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳動脈硬化症、脳卒中、または非脳動脈硬化症且つ非脳卒中であるかを評価する。これにより、血液中のアミノ酸の濃度のうち脳動脈硬化症と脳卒中および非脳動脈硬化症且つ非脳卒中に関する評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数として含む予め設定された、脳血管障害の状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する。これにより、脳血管障害の状態の評価に有用な多変量判別式を利用して、評価対象の脳血管障害の状態を反映した判別値を得ることができるという効果を奏する。
　また、本発明によれば、多変量判別式は、ロジスティック回帰式、分数式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つである。これにより、脳血管障害の状態の評価に有用な多変量判別式を利用して、評価対象の脳血管障害の状態を反映した判別値を得ることができるという効果を奏する。
　また、本発明によれば、算出した判別値に基づいて、評価対象につき、脳血管障害の状態を評価する。これにより、脳血管障害の状態の評価に有用な多変量判別式で得られる判別値を利用して、脳血管障害の状態を精度よく評価することができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳血管障害を有するかを評価する。これにより、脳血管障害の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、多変量判別式はＳｅｒ，Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式１のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｖａｌ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式２のロジスティック回帰式など）である。これにより、脳血管障害の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができるという効果を奏する。
ａ１Ｓｅｒ＋ｂ１Ｇｌｕ＋ｃ１Ｇｌｙ＋ｄ１Ａｌａ＋ｅ１Ｐｈｅ＋ｆ１Ｈｉｓ＋ｇ１
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式１）
ａ２Ａｓｎ＋ｂ２Ｇｌｎ＋ｃ２Ｇｌｙ＋ｄ２Ｖａｌ＋ｅ２Ｐｈｅ＋ｆ２Ｈｉｓ＋ｇ２
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式２）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１，ｆ１はゼロではない任意の実数であり、ｇ１は任意の実数である。数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２，ｆ２はゼロではない任意の実数であり、ｇ２は任意の実数である。）
　また、本発明によれば、脳血管障害は脳動脈硬化症を含み、アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳動脈硬化症を有するかを評価する。これにより、脳動脈硬化症の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、多変量判別式はＧｌｕ，Ｇｌｎ，ＡＢＡ，Ｔｙｒ，Ｈｉｓ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式３のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｌｅｕ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式４のロジスティック回帰式など）である。これにより、脳動脈硬化症の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができるという効果を奏する。
ａ３Ｇｌｕ＋ｂ３Ｇｌｎ＋ｃ３ＡＢＡ＋ｄ３Ｔｙｒ＋ｅ３Ｈｉｓ＋ｆ３Ｌｙｓ＋ｇ３
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式３）
ａ４Ａｓｎ＋ｂ４Ｇｌｎ＋ｃ４Ｇｌｙ＋ｄ４Ｌｅｕ＋ｅ４Ｌｙｓ＋ｆ４
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式４）
（数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３，ｆ３はゼロではない任意の実数であり、ｇ３は任意の実数である。数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４はゼロではない任意の実数であり、ｆ４は任意の実数である。）
　また、本発明によれば、脳血管障害は脳卒中を含み、アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値、およびＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳卒中を有するかを評価する。これにより、脳卒中の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、多変量判別式はＧｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式５のロジスティック回帰式など）またはＧｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｙｒ，Ａｒｇを変数として含むロジスティック回帰式（例えば、数式６のロジスティック回帰式など）である。これにより、脳卒中の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができるという効果を奏する。
ａ５Ｇｌｕ＋ｂ５Ｇｌｙ＋ｃ５Ｃｉｔ＋ｄ５Ｔｙｒ＋ｅ５Ｏｒｎ＋ｆ５
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式５）
ａ６Ｇｌｙ＋ｂ６Ｃｉｔ＋ｃ６Ｖａｌ＋ｄ６Ｔｙｒ＋ｅ６Ａｒｇ＋ｆ６
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式６）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５はゼロではない任意の実数であり、ｆ５は任意の実数である。数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６はゼロではない任意の実数であり、ｆ６は任意の実数である。）
　また、本発明によれば、脳血管障害は脳動脈硬化症および脳卒中を含み、アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値、およびＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳動脈硬化症または脳卒中を有するかを評価する。これにより、脳動脈硬化症と脳卒中の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができるという効果を奏する。
　また、本発明によれば、多変量判別式はＰｒｏ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式７のロジスティック回帰式など）である。これにより、脳動脈硬化症と脳卒中の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができるという効果を奏する。
ａ７Ｐｒｏ＋ｂ７Ｇｌｙ＋ｃ７Ａｌａ＋ｄ７Ｔｙｒ＋ｅ７Ｏｒｎ＋ｆ７
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式７）
（数式７において、ａ７，ｂ７，ｃ７，ｄ７，ｅ７はゼロではない任意の実数であり、ｆ７は任意の実数である。）
　なお、本発明によれば、アミノ酸濃度データと脳血管障害の状態を表す指標に関する脳血管障害状態指標データとを含む記憶手段に記憶された脳血管障害状態情報に基づいて、記憶手段で記憶する多変量判別式を作成してもよい。具体的には、（ｉ）脳血管障害状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、（ｉｉ）作成した候補多変量判別式を所定の検証手法に基づいて検証し、（ｉｉｉ）所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる脳血管障害状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、（ｉｖ）（ｉ）、（ｉｉ）および（ｉｉｉ）を繰り返し実行して蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成してもよい。これにより、脳血管障害の状態の評価に最適な多変量判別式を作成することができるという効果を奏する。
　また、本発明によれば、１つ又は複数の物質から成る所望の物質群が投与された評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳血管障害の状態を評価し、評価結果に基づいて、所望の物質群が、脳血管障害を予防させる又は脳血管障害の状態を改善させるものであるか否かを判定してもよい。これにより、血液中のアミノ酸の濃度のうち脳血管障害の状態の評価に有用なアミノ酸の濃度を利用して脳血管障害の状態を精度よく評価することができる脳血管障害の評価方法を用いて、脳血管障害を予防させる又は脳血管障害の状態を改善させる物質を精度よく探索することができるという効果を奏する。また、本発明によれば、脳血管障害での典型的なアミノ酸濃度変動パターンの情報や脳血管障害に対応する多変量判別式を利用することで、脳血管障害の状態を一部反映した既存の動物モデルや、臨床で早期に有効な薬物を選択することが可能になる。
　なお、本発明では、脳血管障害の状態を評価する際、アミノ酸の濃度以外に、他の生体情報（例えば、体重、ＢＭＩ、腹囲、体脂肪率、年齢、性別、収縮期血圧、拡張期血圧、血糖値、ＨｂＡ１ｃ、経口糖負荷試験結果（血糖値、インスリン値）、糖化アルブミン、γＧＴＰ、インスリン、インスリン抵抗性指数、動脈硬化指数（ＡＥＩ、過酸化脂質、ＳＯＤ活性、ＬＤＬ／ＨＤＬ）、脳波伝搬速度（ＰＷＶ、ＡＢＩ）、頸動脈検査結果（内膜中膜肥厚度、最大肥厚度、粥状硬化巣）、ＬＤＬコレステロール、ＨＤＬコレステロール、中性脂肪、腎機能検査値（尿素窒素、クレアチニン、尿酸、ナトリウム、カリウム、クロール、無機リン、カルシウム）、喫煙情報、飲酒情報、ストレス情報、運動情報、食事情報、睡眠情報など）をさらに用いてもかまわない。また、本発明では、脳血管障害の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、他の生体情報（例えば、体重、ＢＭＩ、腹囲、体脂肪率、年齢、性別、収縮期血圧、拡張期血圧、血糖値、ＨｂＡ１ｃ、経口糖負荷試験結果（血糖値、インスリン値）、糖化アルブミン、γＧＴＰ、インスリン、インスリン抵抗性指数、動脈硬化指数（ＡＥＩ、過酸化脂質、ＳＯＤ活性、ＬＤＬ／ＨＤＬ）、脳波伝搬速度（ＰＷＶ、ＡＢＩ）、頸動脈検査結果（内膜中膜肥厚度、最大肥厚度、粥状硬化巣）、ＬＤＬコレステロール、ＨＤＬコレステロール、中性脂肪、腎機能検査値（尿素窒素、クレアチニン、尿酸、ナトリウム、カリウム、クロール、無機リン、カルシウム）、喫煙情報、飲酒情報、ストレス情報、運動情報、食事情報、睡眠情報など）をさらに用いてもかまわない。
図１は、第１実施形態の基本原理を示す原理構成図である。 図２は、第１実施形態にかかる脳血管障害の評価方法の一例を示すフローチャートである。 図３は、第２実施形態の基本原理を示す原理構成図である。 図４は、本システムの全体構成の一例を示す図である。 図５は、本システムの全体構成の他の一例を示す図である。 図６は、本システムの脳血管障害評価装置１００の構成の一例を示すブロック図である。 図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。 図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。 図９は、脳血管障害状態情報ファイル１０６ｃに格納される情報の一例を示す図である。 図１０は、指定脳血管障害状態情報ファイル１０６ｄに格納される情報の一例を示す図である。 図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。 図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。 図１３は、選択脳血管障害状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。 図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。 図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。 図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。 図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図である。 図１８は、判別値基準評価部１０２ｊの構成を示すブロック図である。 図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図である。 図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図である。 図２１は、本システムで行う脳血管障害評価サービス処理の一例を示すフローチャートである。 図２２は、本システムの脳血管障害評価装置１００で行う多変量判別式作成処理の一例を示すフローチャートである。 図２３は、３群間のアミノ酸変数の分布を示す図である。 図２４は、健常群と脳動脈硬化症群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図２５は、健常群と脳動脈硬化症群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図２６は、上位１０位までのアミノ酸の出現頻度を示す図である。 図２７は、健常群と脳動脈硬化症群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図２８は、健常群と脳動脈硬化症群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図２９は、上位１０位までのアミノ酸の出現頻度を示す図である。 図３０は、ＲＯＣ曲線を示す図である。 図３１は、ＲＯＣ曲線を示す図である。 図３２は、健常群と脳卒中群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３３は、健常群と脳卒中群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３４は、上位１０位までのアミノ酸の出現頻度を示す図である。 図３５は、健常群と脳卒中群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３６は、健常群と脳卒中群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３７は、上位１０位までのアミノ酸の出現頻度を示す図である。 図３８は、ＲＯＣ曲線を示す図である。 図３９は、ＲＯＣ曲線を示す図である。 図４０は、健常群と脳血管障害群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４１は、健常群と脳血管障害群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４２は、上位１０位までのアミノ酸の出現頻度を示す図である。 図４３は、健常群と脳血管障害群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４４は、健常群と脳血管障害群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４５は、上位１０位までのアミノ酸の出現頻度を示す図である。 図４６は、ＲＯＣ曲線を示す図である。 図４７は、ＲＯＣ曲線を示す図である。 図４８は、脳動脈硬化症群と脳卒中群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４９は、脳動脈硬化症群と脳卒中群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図５０は、上位１０位までのアミノ酸の出現頻度を示す図である。 図５１は、ＲＯＣ曲線を示す図である。
　以下に、脳血管障害の評価方法の実施形態（第１実施形態）、ならびに脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、記録媒体、脳血管障害評価システムおよび情報通信端末装置の実施形態（第２実施形態）を、図面に基づいて詳細に説明する。なお、本発明はこれらの実施形態により限定されるものではない。
［第１実施形態］
［１－１．第１実施形態の概要］
　ここでは、第１実施形態の概要について図１を参照して説明する。図１は第１実施形態の基本原理を示す原理構成図である。
　まず、評価対象（例えば動物やヒトなどの個体）から採取した血液（例えば血漿、血清などを含む）中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する（ステップＳ１１）。なお、ステップＳ１１では、例えば、アミノ酸濃度測定を行う企業等が測定したアミノ酸濃度データを取得してもよく、また、評価対象から採取した血液から、例えば以下の（Ａ）または（Ｂ）などの測定方法でアミノ酸濃度データを測定することでアミノ酸濃度データを取得してもよい。ここで、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
（Ａ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、アセトニトリルを添加し除蛋白処理を行った後、標識試薬（３－アミノピリジル－Ｎ－ヒドロキシスクシンイミジルカルバメート）を用いてプレカラム誘導体化を行い、そして、液体クロマトグラフ質量分析計（ＬＣ／ＭＳ）によりアミノ酸濃度を分析した（国際公開第２００３／０６９３２８号、国際公開第２００５／１１６６２９号を参照）。
（Ｂ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し除蛋白処理を行った後、ニンヒドリン試薬を用いたポストカラム誘導体化法を原理としたアミノ酸分析計によりアミノ酸濃度を分析した。
　つぎに、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳血管障害の状態（例えば、現在の状態など）を評価する（ステップＳ１２）。
　以上、第１実施形態によれば、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得した評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳血管障害の状態を評価する（要するに、評価対象につき脳血管障害の状態を評価するための情報を提供する）。これにより、血液中のアミノ酸の濃度のうち脳血管障害の状態の評価に有用なアミノ酸の濃度を利用して脳血管障害の状態を精度よく評価することができる（要するに、脳血管障害の状態を評価するための精度のよい情報を提供することができる）。
　ここで、ステップＳ１２を実行する前に、ステップＳ１１で取得したアミノ酸濃度データから欠損値や外れ値などのデータを除去してもよい。これにより、脳血管障害の状態をさらに精度よく評価することができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳血管障害を有するか評価してもよい。例えば、評価対象が脳血管障害または非脳血管障害（具体的には健常など）であるか否かを判別したり、また、脳血管障害に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、これにより、血液中のアミノ酸の濃度のうち脳血管障害の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳動脈硬化症を有するかを評価してもよい。例えば、評価対象が脳動脈硬化症または非脳動脈硬化症（具体的には健常など）であるか否かを判別したり、また、脳動脈硬化症に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、血液中のアミノ酸の濃度のうち脳動脈硬化症の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳卒中を有するかを評価してもよい。例えば、評価対象が脳卒中または非脳卒中（具体的には健常など）であるか否かを判別したり、また、脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、血液中のアミノ酸の濃度のうち脳卒中の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳動脈硬化症または脳卒中を有するかを評価してもよい。例えば、評価対象が脳動脈硬化症または脳卒中であるか否かを判別したり、また、脳動脈硬化症または脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、血液中のアミノ酸の濃度のうち脳動脈硬化症と脳卒中の評価に有用なアミノ酸の濃度を利用して当該評価を精度よく行うことができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、脳動脈硬化症、脳卒中、または非脳動脈硬化症且つ非脳卒中（具体的には健常など）であるかを評価してもよい。例えば、評価対象が脳動脈硬化症、脳卒中、または非脳動脈硬化症且つ非脳卒中であるか否かを判別したり、また、脳動脈硬化症または脳卒中に罹患している可能性の程度と非脳動脈硬化症且つ非脳卒中である可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、血液中のアミノ酸の濃度のうち脳動脈硬化症と脳卒中および非脳動脈硬化症且つ非脳卒中に関する評価に有用なアミノ酸の濃度を利用して当該３群判別を精度よく行うことができる。
　また、濃度値の取り得る範囲が所定範囲（例えば０．０から１．０までの範囲、０．０から１０．０までの範囲、０．０から１００．０までの範囲、又は－１０．０から１０．０までの範囲、など）に収まるように、例えば、濃度値に対して任意の値を加減乗除したり、また、濃度値を所定の変換手法（例えば、指数変換、対数変換、角変換、平方根変換、プロビット変換、又は逆数変換など）で変換したり、また、濃度値に対してこれらの計算を組み合わせて行ったりすることで、濃度値を変換してもよい。例えば、濃度値を指数としネイピア数を底とする指数関数の値（具体的には、脳血管障害に罹患している確率ｐを定義したときの自然対数ｌｎ（ｐ／（１－ｐ））が濃度値と等しいとした場合におけるｐ／（１－ｐ）の値）をさらに算出してもよく、また、算出した指数関数の値を１と当該値との和で割った値（具体的には、確率ｐの値）をさらに算出してもよい。
　また、特定の条件のときの変換後の値が特定の値となるように、濃度値を変換してもよい。例えば、特異度が８０％のときの変換後の値が５．０となり且つ特異度が９５％のときの変換後の値が８．０となるように濃度値を変換してもよい。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数として含む予め設定された、脳血管障害の状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出してもよく、さらに、算出した判別値に基づいて、評価対象につき、脳血管障害の状態を評価してもよい。これにより、脳血管障害の状態の評価に有用な多変量判別式を利用して、評価対象の脳血管障害の状態を反映した判別値を得ることができたり、さらには、脳血管障害の状態の評価に有用な多変量判別式で得られる判別値を利用して、脳血管障害の状態を精度よく評価することができたりする。
　なお、多変量判別式は、ロジスティック回帰式、分数式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、脳血管障害の状態の評価に有用な多変量判別式で得られる判別値を利用して、脳血管障害の状態を精度よく評価することができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳血管障害を有するかを評価してもよい。例えば、評価対象が脳血管障害または非脳血管障害であるか否かを判別したり、また、脳血管障害に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳血管障害の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＳｅｒ，Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式１のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｖａｌ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式２のロジスティック回帰式など）でもよい。これにより、脳血管障害の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ１Ｓｅｒ＋ｂ１Ｇｌｕ＋ｃ１Ｇｌｙ＋ｄ１Ａｌａ＋ｅ１Ｐｈｅ＋ｆ１Ｈｉｓ＋ｇ１
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式１）
ａ２Ａｓｎ＋ｂ２Ｇｌｎ＋ｃ２Ｇｌｙ＋ｄ２Ｖａｌ＋ｅ２Ｐｈｅ＋ｆ２Ｈｉｓ＋ｇ２
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式２）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１，ｆ１はゼロではない任意の実数であり、ｇ１は任意の実数である。数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２，ｆ２はゼロではない任意の実数であり、ｇ２は任意の実数である。）
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳動脈硬化症を有するかを評価してもよい。例えば、評価対象が脳動脈硬化症または非脳動脈硬化症であるか否かを判別したり、また、脳動脈硬化症に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳動脈硬化症の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＧｌｕ，Ｇｌｎ，ＡＢＡ，Ｔｙｒ，Ｈｉｓ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式３のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｌｅｕ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式４のロジスティック回帰式など）でもよい。これにより、脳動脈硬化症の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ３Ｇｌｕ＋ｂ３Ｇｌｎ＋ｃ３ＡＢＡ＋ｄ３Ｔｙｒ＋ｅ３Ｈｉｓ＋ｆ３Ｌｙｓ＋ｇ３
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式３）
ａ４Ａｓｎ＋ｂ４Ｇｌｎ＋ｃ４Ｇｌｙ＋ｄ４Ｌｅｕ＋ｅ４Ｌｙｓ＋ｆ４
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式４）
（数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３，ｆ３はゼロではない任意の実数であり、ｇ３は任意の実数である。数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４はゼロではない任意の実数であり、ｆ４は任意の実数である。）
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値、およびＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳卒中を有するかを評価してもよい。例えば、評価対象が脳卒中または非脳卒中であるか否かを判別したり、また、脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳卒中の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＧｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式５のロジスティック回帰式など）またはＧｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｙｒ，Ａｒｇを変数として含むロジスティック回帰式（例えば、数式６のロジスティック回帰式など）でもよい。これにより、脳卒中の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ５Ｇｌｕ＋ｂ５Ｇｌｙ＋ｃ５Ｃｉｔ＋ｄ５Ｔｙｒ＋ｅ５Ｏｒｎ＋ｆ５
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式５）
ａ６Ｇｌｙ＋ｂ６Ｃｉｔ＋ｃ６Ｖａｌ＋ｄ６Ｔｙｒ＋ｅ６Ａｒｇ＋ｆ６
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式６）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５はゼロではない任意の実数であり、ｆ５は任意の実数である。数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６はゼロではない任意の実数であり、ｆ６は任意の実数である。）
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値、およびＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値に基づいて、評価対象につき、脳動脈硬化症または脳卒中を有するかを評価してもよい。例えば、評価対象が脳動脈硬化症または脳卒中であるか否かを判別したり、また、脳動脈硬化症または脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳動脈硬化症と脳卒中の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＰｒｏ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式７のロジスティック回帰式など）でもよい。これにより、脳動脈硬化症と脳卒中の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ７Ｐｒｏ＋ｂ７Ｇｌｙ＋ｃ７Ａｌａ＋ｄ７Ｔｙｒ＋ｅ７Ｏｒｎ＋ｆ７
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式７）
（数式７において、ａ７，ｂ７，ｃ７，ｄ７，ｅ７はゼロではない任意の実数であり、ｆ７は任意の実数である。）
　また、判別値の取り得る範囲が所定範囲（例えば０．０から１．０までの範囲、０．０から１０．０までの範囲、０．０から１００．０までの範囲、又は－１０．０から１０．０までの範囲、など）に収まるように、例えば、判別値に対して任意の値を加減乗除したり、また、判別値を所定の変換手法（例えば、指数変換、対数変換、角変換、平方根変換、プロビット変換、又は逆数変換など）で変換したり、また、判別値に対してこれらの計算を組み合わせて行ったりすることで、判別値を変換してもよい。例えば、判別値を指数としネイピア数を底とする指数関数の値（具体的には、脳血管障害に罹患している確率ｐを定義したときの自然対数ｌｎ（ｐ／（１－ｐ））が判別値と等しいとした場合におけるｐ／（１－ｐ）の値）をさらに算出してもよく、また、算出した指数関数の値を１と当該値との和で割った値（具体的には、確率ｐの値）をさらに算出してもよい。
　また、特定の条件のときの変換後の値が特定の値となるように、判別値を変換してもよい。例えば、特異度が８０％のときの変換後の値が５．０となり且つ特異度が９５％のときの変換後の値が８．０となるように判別値を変換してもよい。
　なお、本明細書における判別値は、多変量判別式の値そのものであってもよく、多変量判別式の値を変換した後の値であってもよい。
　ここで、上記した各多変量判別式は、例えば、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を脳血管障害の状態の評価に好適に用いることができる。
　また、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば分数式、重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。
　なお、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
　そして、第１実施形態では、脳血管障害の状態を評価する際、アミノ酸の濃度以外に、他の生体情報（例えば、体重、ＢＭＩ、腹囲、体脂肪率、年齢、性別、収縮期血圧、拡張期血圧、血糖値、ＨｂＡ１ｃ、経口糖負荷試験結果（血糖値、インスリン値）、糖化アルブミン、γＧＴＰ、インスリン、インスリン抵抗性指数、動脈硬化指数（ＡＥＩ、過酸化脂質、ＳＯＤ活性、ＬＤＬ／ＨＤＬ）、脳波伝搬速度（ＰＷＶ、ＡＢＩ）、頸動脈検査結果（内膜中膜肥厚度、最大肥厚度、粥状硬化巣）、ＬＤＬコレステロール、ＨＤＬコレステロール、中性脂肪、腎機能検査値（尿素窒素、クレアチニン、尿酸、ナトリウム、カリウム、クロール、無機リン、カルシウム）、喫煙情報、飲酒情報、ストレス情報、運動情報、食事情報、睡眠情報など）をさらに用いてもかまわない。また、第１実施形態では、脳血管障害の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、他の生体情報（例えば、体重、ＢＭＩ、腹囲、体脂肪率、年齢、性別、収縮期血圧、拡張期血圧、血糖値、ＨｂＡ１ｃ、経口糖負荷試験結果（血糖値、インスリン値）、糖化アルブミン、γＧＴＰ、インスリン、インスリン抵抗性指数、動脈硬化指数（ＡＥＩ、過酸化脂質、ＳＯＤ活性、ＬＤＬ／ＨＤＬ）、脳波伝搬速度（ＰＷＶ、ＡＢＩ）、頸動脈検査結果（内膜中膜肥厚度、最大肥厚度、粥状硬化巣）、ＬＤＬコレステロール、ＨＤＬコレステロール、中性脂肪、腎機能検査値（尿素窒素、クレアチニン、尿酸、ナトリウム、カリウム、クロール、無機リン、カルシウム）、喫煙情報、飲酒情報、ストレス情報、運動情報、食事情報、睡眠情報など）をさらに用いてもかまわない。
　なお、ステップＳ１１を実行する前に、評価対象に１つまたは複数の物質から成る所望の物質群を投与し、当該評価対象から血液を採取しておき、ステップＳ１１で、当該採取した血液からアミノ酸濃度データを取得する場合には、ステップＳ１２での評価結果（例えば、判別結果または分類結果）に基づいて、当該投与した物質群が、脳血管障害を予防させるまたは脳血管障害の状態を改善させるものであるか否かを判定してもよい。これにより、血液中のアミノ酸の濃度のうち脳血管障害の状態の評価に有用なアミノ酸の濃度を利用して脳血管障害の状態を精度よく評価することができる脳血管障害の評価方法を用いて、脳血管障害を予防させる又は脳血管障害の状態を改善させる物質を精度よく探索することができる。例えば、ステップＳ１１を実行する前に、ヒトに投与可能な既存の薬物・アミノ酸・食品・サプリメントを適宜組み合わせたもの（例えば、脳血管障害の予防または改善に効果があること知られている薬物（例えば、抗脳浮腫薬である「グリセロール」、「マンニトール」、血栓溶解療法で用いる「ウロキナーゼ」、「ｔ－ＰＡ」、脳保護薬である「エダラボン」、抗血小板薬である「カタクロット」、「アスピリン」、「塩酸チクロピジン」、脳循環代謝改善薬である「サアミオン」、「ルシドリール」、「セロクラール」、「アデホス」、「ケタス」、複合漢方薬の「舒脳益（ジノウエキ）」など）・サプリメント（例えば、酵素、ＳＯＤ（スーパーオキシドディスムターゼ）、カタラーゼ、ビタミンＡ、ビタミンＢ２、ビタミンＣ、ビタミンＥ、ビタミンＢ１２、葉酸、植物栄養素（ファイトケミカルス）、ポリフェノール、リコピン、カロチン、ルテイン、アスタキサンチン、リノレン酸（ＤＨＡ＋ＥＰＡ）、ＤＨＡ・ＥＰＡ、ヒアルロン酸、イチョウ葉、レシチン、ナットウキナーゼ、アリシン、エリタデニン、マルチビタミン、マルチミネラル＋水＋コエンザイムＱ１０＋ビタミンＥ、大豆イソフラボンなど）などを適宜組み合わせたもの）を、所定の期間（例えば１日から１２ヶ月の範囲）にわたり、所定量ずつ所定の頻度・タイミング（例えば１日３回・食後）で、所定の投与方法（例えば経口投与）により投与してもよい。ここで、投与方法や用量、剤形は、病状に応じて適宜組み合わせてもよい。なお、剤形は、公知の技術に基づいて決めてもよい。また、用量は、特に定めは無いが、例えば有効成分として１ｕｇから１００ｇを含有した形態で与えてもよい。
　そして、この判定結果が「予防させるまたは改善させる」というものであった場合には、当該投与した物質群が脳血管障害を予防させるまたは脳血管障害の状態を改善させるものとして探索されてもよい。なお、この探索方法によって探索された物質として、例えば、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを含むアミノ酸群」が挙げられる。
　また、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを含むアミノ酸群」の濃度値や各多変量判別式の判別値を正常化させる物質を、第１実施形態の脳血管障害の評価方法や第２実施形態の脳血管障害評価装置を用いて選択することができる。
　また、「予防させる又は改善させる物質を探索する」とは、脳血管障害の予防・改善に有効な新規物質を見出すことのみならず、公知物質の脳血管障害の予防・改善用途を新規に見出すことや、脳血管障害の予防・改善に有効性を期待できる既存の薬剤・サプリメント等を組み合わせた新規組成物を見出すことや、上記した適切な用法・用量・組み合わせを見出し、それをキットとすることや、食事・運動等も含めた予防・治療メニューを提示することや、当該予防・治療メニューの効果をモニタリングし、必要に応じて個人ごとにメニューの変更を提示すること等が含まれる。
［１－２．第１実施形態の具体例］
　ここでは、第１実施形態の具体例について図２を参照して説明する。図２は、第１実施形態にかかる脳血管障害の評価方法の一例を示すフローチャートである。
　まず、動物やヒトなどの個体から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する（ステップＳＡ１１）。なお、ステップＳＡ１１では、例えば、アミノ酸濃度測定を行う企業等が測定したアミノ酸濃度データを取得してもよく、また、個体から採取した血液から例えば上述した（Ａ）または（Ｂ）などの測定方法でアミノ酸濃度データを測定することでアミノ酸濃度データを取得してもよい。
　つぎに、ステップＳＡ１１で取得した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ１２）。
　つぎに、ステップＳＡ１２で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに基づいて、以下の１１．～１５．の判別のいずれかを実行する（ステップＳＡ１３）。
１１．脳血管障害と非脳血管障害の２群判別（以下の（１１Ａ）または（１１Ｂ）のいずれかを実行）
（１１Ａ）アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、脳血管障害または非脳血管障害であるか否かを判別する。
（１１Ｂ）アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値と予め設定された閾値とを比較することで、個体につき、脳血管障害または非脳血管障害であるか否かを判別する。
１２．脳動脈硬化症と非脳動脈硬化症の２群判別（以下の（１２Ａ）または（１２Ｂ）のいずれかを実行）
（１２Ａ）アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値と予め設定された閾値とを比較することで、個体につき、脳動脈硬化症または非脳動脈硬化症であるか否かを判別する。
（１２Ｂ）アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値と予め設定された閾値とを比較することで、個体につき、脳動脈硬化症または非脳動脈硬化症であるか否かを判別する。
１３．脳卒中と非脳卒中の２群判別（以下の（１３Ａ）または（１３Ｂ）のいずれかを実行）
（１３Ａ）アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値と予め設定された閾値とを比較することで、個体につき、脳卒中または非脳卒中であるか否かを判別する。
（１３Ｂ）アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値、およびＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値と予め設定された閾値とを比較することで、個体につき、脳卒中または非脳卒中であるか否かを判別する。
１４．脳動脈硬化症と脳卒中の２群判別（以下の（１４Ａ）または（１４Ｂ）のいずれかを実行）
（１４Ａ）アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値と予め設定された閾値とを比較することで、個体につき、脳動脈硬化症または脳卒中であるか否かを判別する。
（１４Ｂ）アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値、およびＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、判別値と予め設定された閾値とを比較することで、個体につき、脳動脈硬化症または脳卒中であるか否かを判別する。
１５．脳動脈硬化症と脳卒中と非脳動脈硬化症且つ非脳卒中との３群判別
　アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値と予め設定された閾値とを比較することで、個体につき、脳動脈硬化症、脳卒中、または非脳動脈硬化症且つ非脳卒中であるか否かを判別する。
［第２実施形態］
［２－１．第２実施形態の概要］
　ここでは、第２実施形態の概要について図３を参照して説明する。図３は第２実施形態の基本原理を示す原理構成図である。
　まず、制御部は、アミノ酸の濃度値に関する予め取得した評価対象（例えば動物やヒトなどの個体）のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数として含む記憶部に記憶された多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する（ステップＳ２１）。
　つぎに、制御部は、ステップＳ２１で算出した判別値に基づいて、評価対象につき、脳血管障害の状態（例えば、現在の状態など）を評価する（ステップＳ２２）。
　以上、第２実施形態によれば、評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数として含む多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値（要するに、評価対象の脳血管障害の状態を反映した判別値）を算出し、算出した判別値に基づいて、評価対象につき脳血管障害の状態を評価する（要するに、評価対象につき脳血管障害の状態を評価するための情報を提供する）。これにより、脳血管障害の状態の評価に有用な多変量判別式を利用して、評価対象の脳血管障害の状態を反映した判別値を得ることができたり、さらには、脳血管障害の状態の評価に有用な多変量判別式で得られる判別値を利用して、脳血管障害の状態を精度よく評価することができたりする。
　なお、多変量判別式は、ロジスティック回帰式、分数式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、脳血管障害の状態の評価に有用な多変量判別式で得られる判別値を利用して、脳血管障害の状態を精度よく評価することができる。
　また、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、脳血管障害を有するかを評価してもよい。例えば、評価対象が脳血管障害または非脳血管障害（具体的には健常など）であるか否かを判別したり、また、脳血管障害に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳血管障害の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＳｅｒ，Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式１のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｖａｌ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式２のロジスティック回帰式など）でもよい。これにより、脳血管障害の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ１Ｓｅｒ＋ｂ１Ｇｌｕ＋ｃ１Ｇｌｙ＋ｄ１Ａｌａ＋ｅ１Ｐｈｅ＋ｆ１Ｈｉｓ＋ｇ１
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式１）
ａ２Ａｓｎ＋ｂ２Ｇｌｎ＋ｃ２Ｇｌｙ＋ｄ２Ｖａｌ＋ｅ２Ｐｈｅ＋ｆ２Ｈｉｓ＋ｇ２
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式２）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１，ｆ１はゼロではない任意の実数であり、ｇ１は任意の実数である。数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２，ｆ２はゼロではない任意の実数であり、ｇ２は任意の実数である。）
　また、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、脳動脈硬化症を有するかを評価してもよい。例えば、評価対象が脳動脈硬化症または非脳動脈硬化症（具体的には健常など）であるか否かを判別したり、また、脳動脈硬化症に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳動脈硬化症の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＧｌｕ，Ｇｌｎ，ＡＢＡ，Ｔｙｒ，Ｈｉｓ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式３のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｌｅｕ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式４のロジスティック回帰式など）でもよい。これにより、脳動脈硬化症の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ３Ｇｌｕ＋ｂ３Ｇｌｎ＋ｃ３ＡＢＡ＋ｄ３Ｔｙｒ＋ｅ３Ｈｉｓ＋ｆ３Ｌｙｓ＋ｇ３
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式３）
ａ４Ａｓｎ＋ｂ４Ｇｌｎ＋ｃ４Ｇｌｙ＋ｄ４Ｌｅｕ＋ｅ４Ｌｙｓ＋ｆ４
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式４）
（数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３，ｆ３はゼロではない任意の実数であり、ｇ３は任意の実数である。数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４はゼロではない任意の実数であり、ｆ４は任意の実数である。）
　また、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値、およびＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、脳卒中を有するかを評価してもよい。例えば、評価対象が脳卒中または非脳卒中（具体的には健常など）であるか否かを判別したり、また、脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳卒中の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＧｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式５のロジスティック回帰式など）またはＧｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｙｒ，Ａｒｇを変数として含むロジスティック回帰式（例えば、数式６のロジスティック回帰式など）でもよい。これにより、脳卒中の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ５Ｇｌｕ＋ｂ５Ｇｌｙ＋ｃ５Ｃｉｔ＋ｄ５Ｔｙｒ＋ｅ５Ｏｒｎ＋ｆ５
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式５）
ａ６Ｇｌｙ＋ｂ６Ｃｉｔ＋ｃ６Ｖａｌ＋ｄ６Ｔｙｒ＋ｅ６Ａｒｇ＋ｆ６
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式６）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５はゼロではない任意の実数であり、ｆ５は任意の実数である。数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６はゼロではない任意の実数であり、ｆ６は任意の実数である。）
　また、ステップＳ２１では、アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値、およびＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、脳動脈硬化症または脳卒中を有するかを評価してもよい。例えば、評価対象が脳動脈硬化症または脳卒中であるか否かを判別したり、また、脳動脈硬化症または脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりしてもよい。これにより、脳動脈硬化症と脳卒中の評価に有用な多変量判別式で得られる判別値を利用して、当該評価を精度よく行うことができる。なお、当該評価で用いられる多変量判別式はＰｒｏ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式７のロジスティック回帰式など）でもよい。これにより、脳動脈硬化症と脳卒中の評価に特に有用な多変量判別式で得られる判別値を利用して、当該評価をさらに精度よく行うことができる。
ａ７Ｐｒｏ＋ｂ７Ｇｌｙ＋ｃ７Ａｌａ＋ｄ７Ｔｙｒ＋ｅ７Ｏｒｎ＋ｆ７
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式７）
（数式７において、ａ７，ｂ７，ｃ７，ｄ７，ｅ７はゼロではない任意の実数であり、ｆ７は任意の実数である。）
　また、判別値の取り得る範囲が所定範囲（例えば０．０から１．０までの範囲、０．０から１０．０までの範囲、０．０から１００．０までの範囲、又は－１０．０から１０．０までの範囲、など）に収まるように、例えば、判別値に対して任意の値を加減乗除したり、また、判別値を所定の変換手法（例えば、指数変換、対数変換、角変換、平方根変換、プロビット変換、又は逆数変換など）で変換したり、また、判別値に対してこれらの計算を組み合わせて行ったりすることで、判別値を変換してもよい。例えば、判別値を指数としネイピア数を底とする指数関数の値（具体的には、脳血管障害に罹患している確率ｐを定義したときの自然対数ｌｎ（ｐ／（１－ｐ））が判別値と等しいとした場合におけるｐ／（１－ｐ）の値）をさらに算出してもよく、また、算出した指数関数の値を１と当該値との和で割った値（具体的には、確率ｐの値）をさらに算出してもよい。
　また、特定の条件のときの変換後の値が特定の値となるように、判別値を変換してもよい。例えば、特異度が８０％のときの変換後の値が５．０となり且つ特異度が９５％のときの変換後の値が８．０となるように判別値を変換してもよい。
　なお、本明細書における判別値は、多変量判別式の値そのものであってもよく、多変量判別式の値を変換した後の値であってもよい。
　ここで、上記した各多変量判別式は、例えば、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を脳血管障害の状態の評価に好適に用いることができる。
　また、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば分数式、重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。
　なお、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
　そして、第２実施形態では、脳血管障害の状態を評価する際、アミノ酸の濃度以外に、他の生体情報（例えば、体重、ＢＭＩ、腹囲、体脂肪率、年齢、性別、収縮期血圧、拡張期血圧、血糖値、ＨｂＡ１ｃ、経口糖負荷試験結果（血糖値、インスリン値）、糖化アルブミン、γＧＴＰ、インスリン、インスリン抵抗性指数、動脈硬化指数（ＡＥＩ、過酸化脂質、ＳＯＤ活性、ＬＤＬ／ＨＤＬ）、脳波伝搬速度（ＰＷＶ、ＡＢＩ）、頸動脈検査結果（内膜中膜肥厚度、最大肥厚度、粥状硬化巣）、ＬＤＬコレステロール、ＨＤＬコレステロール、中性脂肪、腎機能検査値（尿素窒素、クレアチニン、尿酸、ナトリウム、カリウム、クロール、無機リン、カルシウム）、喫煙情報、飲酒情報、ストレス情報、運動情報、食事情報、睡眠情報など）をさらに用いてもかまわない。また、第２実施形態では、脳血管障害の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、他の生体情報（例えば、体重、ＢＭＩ、腹囲、体脂肪率、年齢、性別、収縮期血圧、拡張期血圧、血糖値、ＨｂＡ１ｃ、経口糖負荷試験結果（血糖値、インスリン値）、糖化アルブミン、γＧＴＰ、インスリン、インスリン抵抗性指数、動脈硬化指数（ＡＥＩ、過酸化脂質、ＳＯＤ活性、ＬＤＬ／ＨＤＬ）、脳波伝搬速度（ＰＷＶ、ＡＢＩ）、頸動脈検査結果（内膜中膜肥厚度、最大肥厚度、粥状硬化巣）、ＬＤＬコレステロール、ＨＤＬコレステロール、中性脂肪、腎機能検査値（尿素窒素、クレアチニン、尿酸、ナトリウム、カリウム、クロール、無機リン、カルシウム）、喫煙情報、飲酒情報、ストレス情報、運動情報、食事情報、睡眠情報など）をさらに用いてもかまわない。
　ここで、多変量判別式作成処理（工程１～工程４）の概要について詳細に説明する。なお、ここで説明する処理はあくまでも一例であり、多変量判別式の作成方法はこれに限定されない。
　まず、制御部は、アミノ酸濃度データと脳血管障害の状態を表す指標に関する脳血管障害状態指標データとを含む記憶部に記憶された脳血管障害状態情報から所定の式作成手法に基づいて、多変量判別式の候補である候補多変量判別式（例えば、ｙ＝ａ１ｘ１＋ａ２ｘ２＋・・・＋ａｎｘｎ、ｙ：脳血管障害状態指標データ、ｘｉ：アミノ酸濃度データ、ａｉ：定数、ｉ＝１，２，・・・，ｎ）を作成する（工程１）。なお、事前に、脳血管障害状態情報から欠損値や外れ値などを持つデータを除去してもよい。
　なお、工程１において、脳血管障害状態情報から、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ－ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）を併用して複数の候補多変量判別式を作成してもよい。具体的には、多数の健常群および脳血管障害群から得た血液を分析して得たアミノ酸濃度データおよび脳血管障害状態指標データから構成される多変量データである脳血管障害状態情報に対して、複数の異なるアルゴリズムを利用して複数群の候補多変量判別式を同時並行的に作成してもよい。例えば、異なるアルゴリズムを利用して判別分析およびロジスティック回帰分析を同時に行い、２つの異なる候補多変量判別式を作成してもよい。また、主成分分析を行って作成した候補多変量判別式を利用して脳血管障害状態情報を変換し、変換した脳血管障害状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。これにより、最終的に、診断条件に合った適切な多変量判別式を作成することができる。
　ここで、主成分分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データの分散を最大にするような各アミノ酸変数を含む一次式である。また、判別分析を用いて作成した候補多変量判別式は、各群内の分散の和の全てのアミノ酸濃度データの分散に対する比を最小にするような各アミノ酸変数を含む高次式（指数や対数を含む）である。また、サポートベクターマシンを用いて作成した候補多変量判別式は、群間の境界を最大にするような各アミノ酸変数を含む高次式（カーネル関数を含む）である。また、重回帰分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データからの距離の和を最小にするような各アミノ酸変数を含む高次式である。ロジスティック回帰分析を用いて作成した候補多変量判別式は、確率の対数オッズを表す線形モデルであり、その確率の尤度を最大にするような各アミノ酸変数を含む一次式である。また、ｋ－ｍｅａｎｓ法とは、各アミノ酸濃度データのｋ個近傍を探索し、近傍点の属する群の中で一番多いものをそのデータの所属群と定義し、入力されたアミノ酸濃度データの属する群と定義された群とが最も合致するようなアミノ酸変数を選択する手法である。また、クラスター解析とは、全てのアミノ酸濃度データの中で最も近い距離にある点同士をクラスタリング（群化）する手法である。また、決定木とは、アミノ酸変数に序列をつけて、序列が上位であるアミノ酸変数の取りうるパターンからアミノ酸濃度データの群を予測する手法である。
　多変量判別式作成処理の説明に戻り、制御部は、工程１で作成した候補多変量判別式を、所定の検証手法に基づいて検証（相互検証）する（工程２）。候補多変量判別式の検証は、工程１で作成した各候補多変量判別式に対して行う。
　なお、工程２において、ブートストラップ法やホールドアウト法、Ｎ－フォールド法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異度、情報量基準、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）などのうち少なくとも１つに関して検証してもよい。これにより、脳血管障害状態情報や診断条件を考慮した予測性または頑健性の高い候補多変量判別式を作成することができる。
　ここで、判別率とは、全入力データの中で、本実施形態で評価した脳血管障害の状態が正しい割合である。また、感度とは、入力データに記載された脳血管障害の状態になっているものの中で、本実施形態で評価した脳血管障害の状態が正しい割合である。また、特異度とは、入力データに記載された脳血管障害の状態が正常になっているものの中で、本実施形態で評価した脳血管障害の状態が正しい割合である。また、情報量基準とは、工程１で作成した候補多変量判別式のアミノ酸変数の数と、本実施形態で評価した脳血管障害の状態および入力データに記載された脳血管障害の状態の差異と、を足し合わせたものである。また、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）は、２次元座標上に（ｘ，ｙ）＝（１－特異度，感度）をプロットして作成される曲線である受信者特性曲線（ＲＯＣ）の曲線下面積として定義され、ＲＯＣ＿ＡＵＣの値は完全な判別では１となり、この値が１に近いほど判別性が高いことを示す。また、予測性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性を平均したものである。また、頑健性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性の分散である。
　多変量判別式作成処理の説明に戻り、制御部は、所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる脳血管障害状態情報に含まれるアミノ酸濃度データの組み合わせを選択する（工程３）。アミノ酸変数の選択は、工程１で作成した各候補多変量判別式に対して行ってもよい。これにより、候補多変量判別式のアミノ酸変数を適切に選択することができる。そして、工程３で選択したアミノ酸濃度データを含む脳血管障害状態情報を用いて再び工程１を実行する。
　なお、工程３において、工程２での検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式のアミノ酸変数を選択してもよい。
　ここで、ベストパス法とは、候補多変量判別式に含まれるアミノ酸変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することでアミノ酸変数を選択する方法である。
　多変量判別式作成処理の説明に戻り、制御部は、上述した工程１、工程２および工程３を繰り返し実行し、これにより蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する（工程４）。なお、候補多変量判別式の選出には、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。
　以上、説明したように、多変量判別式作成処理では、脳血管障害状態情報に基づいて、候補多変量判別式の作成、候補多変量判別式の検証および候補多変量判別式の変数の選択に関する処理を一連の流れで体系化（システム化）して実行することにより、脳血管障害の状態の評価に最適な多変量判別式を作成することができる。換言すると、多変量判別式作成処理では、アミノ酸濃度を多変量の統計解析に用い、最適でロバストな変数の組を選択するために変数選択法とクロスバリデーションとを組み合わせて、診断性能の高い多変量判別式を抽出する。多変量判別式としては、ロジスティック回帰、線形判別、サポートベクターマシン、マハラノビス距離法、重回帰分析、クラスター解析、Ｃｏｘ比例ハザードモデルなどを用いることができる。
［２－２．第２実施形態の構成］
　ここでは、第２実施形態にかかる脳血管障害評価システム（以下では本システムと記す場合がある。）の構成について、図４から図２０を参照して説明する。なお、本システムはあくまでも一例であり、本発明はこれに限定されない。
　まず、本システムの全体構成について図４および図５を参照して説明する。図４は本システムの全体構成の一例を示す図である。また、図５は本システムの全体構成の他の一例を示す図である。本システムは、図４に示すように、評価対象につき脳血管障害の状態を評価する脳血管障害評価装置１００と、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供するクライアント装置２００（本発明の情報通信端末装置に相当）とを、ネットワーク３００を介して通信可能に接続して構成されている。
　なお、本システムは、図５に示すように、脳血管障害評価装置１００やクライアント装置２００の他に、脳血管障害評価装置１００で多変量判別式を作成する際に用いる脳血管障害状態情報や、脳血管障害の状態の評価を行うために用いる多変量判別式などを格納したデータベース装置４００を、ネットワーク３００を介して通信可能に接続して構成されてもよい。これにより、ネットワーク３００を介して、脳血管障害評価装置１００からクライアント装置２００やデータベース装置４００へ、あるいはクライアント装置２００やデータベース装置４００から脳血管障害評価装置１００へ、脳血管障害の状態に関する情報などが提供される。ここで、脳血管障害の状態に関する情報とは、ヒトを含む生物の脳血管障害の状態に関する特定の項目について測定した値に関する情報である。また、脳血管障害の状態に関する情報は、脳血管障害評価装置１００やクライアント装置２００や他の装置（例えば各種の計測装置等）で生成され、主にデータベース装置４００に蓄積される。
　つぎに、本システムの脳血管障害評価装置１００の構成について図６から図１８を参照して説明する。図６は、本システムの脳血管障害評価装置１００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　脳血管障害評価装置１００は、当該脳血管障害評価装置を統括的に制御するＣＰＵ等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して当該脳血管障害評価装置をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。ここで、脳血管障害評価装置１００は、各種の分析装置（例えばアミノ酸アナライザー等）と同一筐体で構成されてもよい。
　記憶部１０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置、フレキシブルディスク、光ディスク等を用いることができる。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え各種処理を行うためのコンピュータプログラムが記録されている。記憶部１０６は、図示の如く、利用者情報ファイル１０６ａと、アミノ酸濃度データファイル１０６ｂと、脳血管障害状態情報ファイル１０６ｃと、指定脳血管障害状態情報ファイル１０６ｄと、多変量判別式関連情報データベース１０６ｅと、判別値ファイル１０６ｆと、評価結果ファイル１０６ｇと、を格納する。
　利用者情報ファイル１０６ａは、利用者に関する利用者情報を格納する。図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。利用者情報ファイル１０６ａに格納される情報は、図７に示すように、利用者を一意に識別するための利用者ＩＤと、利用者が正当な者であるか否かの認証を行うための利用者パスワードと、利用者の氏名と、利用者の所属する所属先を一意に識別するための所属先ＩＤと、利用者の所属する所属先の部門を一意に識別するための部門ＩＤと、部門名と、利用者の電子メールアドレスと、を相互に関連付けて構成されている。
　図６に戻り、アミノ酸濃度データファイル１０６ｂは、アミノ酸の濃度値に関するアミノ酸濃度データを格納する。図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。アミノ酸濃度データファイル１０６ｂに格納される情報は、図８に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、アミノ酸濃度データとを相互に関連付けて構成されている。ここで、図８では、アミノ酸濃度データを数値、すなわち連続尺度として扱っているが、アミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、アミノ酸濃度データに、他の生体情報（例えば、体重、ＢＭＩ、腹囲、体脂肪率、年齢、性別、収縮期血圧、拡張期血圧、血糖値、ＨｂＡ１ｃ、経口糖負荷試験結果（血糖値、インスリン値）、糖化アルブミン、γＧＴＰ、インスリン、インスリン抵抗性指数、動脈硬化指数（ＡＥＩ、過酸化脂質、ＳＯＤ活性、ＬＤＬ／ＨＤＬ）、脳波伝搬速度（ＰＷＶ、ＡＢＩ）、頸動脈検査結果（内膜中膜肥厚度、最大肥厚度、粥状硬化巣）、ＬＤＬコレステロール、ＨＤＬコレステロール、中性脂肪、腎機能検査値（尿素窒素、クレアチニン、尿酸、ナトリウム、カリウム、クロール、無機リン、カルシウム）、喫煙情報、飲酒情報、ストレス情報、運動情報、食事情報、睡眠情報など）を組み合わせてもよい。
　図６に戻り、脳血管障害状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる脳血管障害状態情報を格納する。図９は、脳血管障害状態情報ファイル１０６ｃに格納される情報の一例を示す図である。脳血管障害状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、脳血管障害の状態を表す指標（指標Ｔ１、指標Ｔ２、指標Ｔ３・・・）に関する脳血管障害状態指標データ（Ｔ）と、アミノ酸濃度データと、を相互に関連付けて構成されている。ここで、図９では、脳血管障害状態指標データおよびアミノ酸濃度データを数値（すなわち連続尺度）として扱っているが、脳血管障害状態指標データおよびアミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、脳血管障害状態指標データは、脳血管障害の状態のマーカーとなる既知の単一の状態指標であり、数値データを用いてもよい。
　図６に戻り、指定脳血管障害状態情報ファイル１０６ｄは、後述する脳血管障害状態情報指定部１０２ｇで指定した脳血管障害状態情報を格納する。図１０は、指定脳血管障害状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定脳血管障害状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した脳血管障害状態指標データと、指定したアミノ酸濃度データと、を相互に関連付けて構成されている。
　図６に戻り、多変量判別式関連情報データベース１０６ｅは、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する候補多変量判別式ファイル１０６ｅ１と、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する検証結果ファイル１０６ｅ２と、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データの組み合わせを含む脳血管障害状態情報を格納する選択脳血管障害状態情報ファイル１０６ｅ３と、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する多変量判別式ファイル１０６ｅ４と、で構成される。
　候補多変量判別式ファイル１０６ｅ１は、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する。図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。候補多変量判別式ファイル１０６ｅ１に格納される情報は、図１１に示すように、ランクと、候補多変量判別式（図１１では、Ｆ１（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦ２（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆ３（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）とを相互に関連付けて構成されている。
　図６に戻り、検証結果ファイル１０６ｅ２は、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する。図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。検証結果ファイル１０６ｅ２に格納される情報は、図１２に示すように、ランクと、候補多変量判別式（図１２では、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦｍ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆｌ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各候補多変量判別式の検証結果（例えば各候補多変量判別式の評価値）と、を相互に関連付けて構成されている。
　図６に戻り、選択脳血管障害状態情報ファイル１０６ｅ３は、後述する変数選択部１０２ｈ３で選択した変数に対応するアミノ酸濃度データの組み合わせを含む脳血管障害状態情報を格納する。図１３は、選択脳血管障害状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択脳血管障害状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する脳血管障害状態情報指定部１０２ｇで指定した脳血管障害状態指標データと、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データと、を相互に関連付けて構成されている。
　図６に戻り、多変量判別式ファイル１０６ｅ４は、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する。図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。多変量判別式ファイル１０６ｅ４に格納される情報は、図１４に示すように、ランクと、多変量判別式（図１４では、Ｆｐ（Ｐｈｅ，・・・）やＦｐ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ）、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各式作成手法に対応する閾値と、各多変量判別式の検証結果（例えば各多変量判別式の評価値）と、を相互に関連付けて構成されている。
　図６に戻り、判別値ファイル１０６ｆは、後述する判別値算出部１０２ｉで算出した判別値を格納する。図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。判別値ファイル１０６ｆに格納される情報は、図１５に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、ランク（多変量判別式を一意に識別するための番号）と、判別値と、を相互に関連付けて構成されている。
　図６に戻り、評価結果ファイル１０６ｇは、後述する判別値基準評価部１０２ｊでの評価結果（具体的には、後述する判別値基準判別部１０２ｊ１での判別結果・分類結果）を格納する。図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。評価結果ファイル１０６ｇに格納される情報は、評価対象である個体（サンプル）を一意に識別するための個体番号と、予め取得した評価対象のアミノ酸濃度データと、多変量判別式で算出した判別値と、脳血管障害の状態の評価に関する評価結果と、を相互に関連付けて構成されている。
　図６に戻り、記憶部１０６には、上述した情報以外にその他情報として、Ｗｅｂサイトをクライアント装置２００に提供するための各種のＷｅｂデータや、ＣＧＩプログラム等が記録されている。Ｗｅｂデータとしては後述する各種のＷｅｂページを表示するためのデータ等があり、これらデータは例えばＨＴＭＬやＸＭＬで記述されたテキストファイルとして形成されている。また、Ｗｅｂデータを作成するための部品用のファイルや作業用のファイルやその他一時的なファイル等も記憶部１０６に記憶される。記憶部１０６には、必要に応じて、クライアント装置２００に送信するための音声をＷＡＶＥ形式やＡＩＦＦ形式の如き音声ファイルで格納したり、静止画や動画をＪＰＥＧ形式やＭＰＥＧ２形式の如き画像ファイルで格納したりすることができる。
　通信インターフェース部１０４は、脳血管障害評価装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
　入出力インターフェース部１０８は、入力装置１１２や出力装置１１４に接続する。ここで、出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下では、出力装置１１４をモニタ１１４として記載する場合がある。）。入力装置１１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
　制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部１０２は、図示の如く、大別して、要求解釈部１０２ａと閲覧処理部１０２ｂと認証処理部１０２ｃと電子メール生成部１０２ｄとＷｅｂページ生成部１０２ｅと受信部１０２ｆと脳血管障害状態情報指定部１０２ｇと多変量判別式作成部１０２ｈと判別値算出部１０２ｉと判別値基準評価部１０２ｊと結果出力部１０２ｋと送信部１０２ｍとを備えている。制御部１０２は、データベース装置４００から送信された脳血管障害状態情報やクライアント装置２００から送信されたアミノ酸濃度データに対して、欠損値のあるデータの除去・外れ値の多いデータの除去・欠損値のあるデータの多い変数の除去などのデータ処理も行う。
　要求解釈部１０２ａは、クライアント装置２００やデータベース装置４００からの要求内容を解釈し、その解釈結果に応じて制御部１０２の各部に処理を受け渡す。閲覧処理部１０２ｂは、クライアント装置２００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行なう。認証処理部１０２ｃは、クライアント装置２００やデータベース装置４００からの認証要求を受けて、認証判断を行う。電子メール生成部１０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部１０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。
　受信部１０２ｆは、クライアント装置２００やデータベース装置４００から送信された情報（具体的には、アミノ酸濃度データや脳血管障害状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。脳血管障害状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする脳血管障害状態指標データおよびアミノ酸濃度データを指定する。
　多変量判別式作成部１０２ｈは、受信部１０２ｆで受信した脳血管障害状態情報や脳血管障害状態情報指定部１０２ｇで指定した脳血管障害状態情報に基づいて多変量判別式を作成する。具体的には、多変量判別式作成部１０２ｈは、脳血管障害状態情報から、候補多変量判別式作成部１０２ｈ１、候補多変量判別式検証部１０２ｈ２および変数選択部１０２ｈ３を繰り返し実行させることにより蓄積された検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。
　なお、多変量判別式が予め記憶部１０６の所定の記憶領域に格納されている場合には、多変量判別式作成部１０２ｈは、記憶部１０６から所望の多変量判別式を選択することで、多変量判別式を作成してもよい。また、多変量判別式作成部１０２ｈは、多変量判別式を予め格納した他のコンピュータ装置（例えばデータベース装置４００）から所望の多変量判別式を選択しダウンロードすることで、多変量判別式を作成してもよい。
　ここで、多変量判別式作成部１０２ｈの構成について図１７を参照して説明する。図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１と、候補多変量判別式検証部１０２ｈ２と、変数選択部１０２ｈ３と、をさらに備えている。候補多変量判別式作成部１０２ｈ１は、脳血管障害状態情報から所定の式作成手法に基づいて多変量判別式の候補である候補多変量判別式を作成する。なお、候補多変量判別式作成部１０２ｈ１は、脳血管障害状態情報から、複数の異なる式作成手法を併用して複数の候補多変量判別式を作成してもよい。候補多変量判別式検証部１０２ｈ２は、候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を所定の検証手法に基づいて検証する。なお、候補多変量判別式検証部１０２ｈ２は、ブートストラップ法、ホールドアウト法、Ｎ－フォールド法、リーブワンアウト法のうち少なくとも１つに基づいて候補多変量判別式の判別率、感度、特異度、情報量基準、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）のうち少なくとも１つに関して検証してもよい。変数選択部１０２ｈ３は、所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる脳血管障害状態情報に含まれるアミノ酸濃度データの組み合わせを選択する。なお、変数選択部１０２ｈ３は、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。
　図６に戻り、判別値算出部１０２ｉは、多変量判別式作成部１０２ｈで作成した多変量判別式、および受信部１０２ｆで受信した評価対象のアミノ酸濃度データに基づいて、当該多変量判別式の値である判別値を算出する。なお、多変量判別式は、ロジスティック回帰式、分数式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。
　ここで、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。
　具体的には、判別値基準評価部１０２ｊで評価対象が脳血管障害を有するかを評価する（例えば、後述する判別値基準判別部１０２ｊ１で評価対象につき、脳血管障害または非脳血管障害であるか否かを判別したり、また、脳血管障害に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりする）場合には、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、脳血管障害の評価で用いられる多変量判別式はＳｅｒ，Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式１のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｖａｌ，Ｐｈｅ，Ｈｉｓを変数として含むロジスティック回帰式（例えば、数式２のロジスティック回帰式など）でもよい。
ａ１Ｓｅｒ＋ｂ１Ｇｌｕ＋ｃ１Ｇｌｙ＋ｄ１Ａｌａ＋ｅ１Ｐｈｅ＋ｆ１Ｈｉｓ＋ｇ１
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式１）
ａ２Ａｓｎ＋ｂ２Ｇｌｎ＋ｃ２Ｇｌｙ＋ｄ２Ｖａｌ＋ｅ２Ｐｈｅ＋ｆ２Ｈｉｓ＋ｇ２
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式２）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１，ｆ１はゼロではない任意の実数であり、ｇ１は任意の実数である。数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２，ｆ２はゼロではない任意の実数であり、ｇ２は任意の実数である。）
　また、判別値基準評価部１０２ｊで評価対象が脳動脈硬化症を有するかを評価する（例えば、判別値基準判別部１０２ｊ１で評価対象につき、脳動脈硬化症または非脳動脈硬化症であるか否かを判別したり、また、脳動脈硬化症に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりする）場合には、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、脳動脈硬化症の評価で用いられる多変量判別式はＧｌｕ，Ｇｌｎ，ＡＢＡ，Ｔｙｒ，Ｈｉｓ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式３のロジスティック回帰式など）またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｌｅｕ，Ｌｙｓを変数として含むロジスティック回帰式（例えば、数式４のロジスティック回帰式など）でもよい。
ａ３Ｇｌｕ＋ｂ３Ｇｌｎ＋ｃ３ＡＢＡ＋ｄ３Ｔｙｒ＋ｅ３Ｈｉｓ＋ｆ３Ｌｙｓ＋ｇ３
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式３）
ａ４Ａｓｎ＋ｂ４Ｇｌｎ＋ｃ４Ｇｌｙ＋ｄ４Ｌｅｕ＋ｅ４Ｌｙｓ＋ｆ４
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式４）
（数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３，ｆ３はゼロではない任意の実数であり、ｇ３は任意の実数である。数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４はゼロではない任意の実数であり、ｆ４は任意の実数である。）
　また、判別値基準評価部１０２ｊで評価対象が脳卒中を有するかを評価する（例えば、判別値基準判別部１０２ｊ１で評価対象につき、脳卒中または非脳卒中であるか否かを判別したり、また、脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりする）場合には、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値、およびＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、脳卒中の評価で用いられる多変量判別式はＧｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式５のロジスティック回帰式など）またはＧｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｙｒ，Ａｒｇを変数として含むロジスティック回帰式（例えば、数式６のロジスティック回帰式など）でもよい。
ａ５Ｇｌｕ＋ｂ５Ｇｌｙ＋ｃ５Ｃｉｔ＋ｄ５Ｔｙｒ＋ｅ５Ｏｒｎ＋ｆ５
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式５）
ａ６Ｇｌｙ＋ｂ６Ｃｉｔ＋ｃ６Ｖａｌ＋ｄ６Ｔｙｒ＋ｅ６Ａｒｇ＋ｆ６
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式６）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５はゼロではない任意の実数であり、ｆ５は任意の実数である。数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６はゼロではない任意の実数であり、ｆ６は任意の実数である。）
　また、判別値基準評価部１０２ｊで評価対象が脳動脈硬化症または脳卒中を有するかを評価する（例えば、判別値基準判別部１０２ｊ１で評価対象につき、脳動脈硬化症または脳卒中であるか否かを判別したり、また、脳動脈硬化症または脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりする）場合には、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値、およびＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、脳動脈硬化症と脳卒中の評価で用いられる多変量判別式はＰｒｏ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｏｒｎを変数として含むロジスティック回帰式（例えば、数式７のロジスティック回帰式など）でもよい。
ａ７Ｐｒｏ＋ｂ７Ｇｌｙ＋ｃ７Ａｌａ＋ｄ７Ｔｙｒ＋ｅ７Ｏｒｎ＋ｆ７
　　　　　　　　　　　　　　　　　　　　　　　　・・・（数式７）
（数式７において、ａ７，ｂ７，ｃ７，ｄ７，ｅ７はゼロではない任意の実数であり、ｆ７は任意の実数である。）
　図６に戻り、判別値基準評価部１０２ｊは、判別値算出部１０２ｉで算出した判別値に基づいて、評価対象につき、脳血管障害の状態を評価する。判別値基準評価部１０２ｊは、例えば、評価対象が脳血管障害を有するかを評価したり、評価対象が脳動脈硬化症を有するかを評価したり、評価対象が脳卒中を有するかを評価したり、評価対象が脳動脈硬化症または脳卒中を有するかを評価したりする。判別値基準評価部１０２ｊは、判別値基準判別部１０２ｊ１をさらに備えている。ここで、判別値基準評価部１０２ｊの構成について図１８を参照して説明する。図１８は、判別値基準評価部１０２ｊの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　判別値基準判別部１０２ｊ１は、判別値に基づいて、評価対象につき、（１）脳血管障害または非脳血管障害であるか否かを判別したり、（２）脳血管障害に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したり、（３）脳動脈硬化症または非脳動脈硬化症であるか否かを判別したり、（４）脳動脈硬化症に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したり、（５）脳卒中または非脳卒中であるか否かを判別したり、（６）脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したり、（７）脳動脈硬化症または脳卒中であるか否かを判別したり、（８）脳動脈硬化症または脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりする。具体的には、判別値基準判別部１０２ｊ１は、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、（１）脳血管障害または非脳血管障害であるか否かを判別したり、（２）脳血管障害に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したり、（３）脳動脈硬化症または非脳動脈硬化症であるか否かを判別したり、（４）脳動脈硬化症に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したり、（５）脳卒中または非脳卒中であるか否かを判別したり、（６）脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したり、（７）脳動脈硬化症または脳卒中であるか否かを判別したり、（８）脳動脈硬化症または脳卒中に罹患している可能性の程度を考慮して定義された複数の区分（ランク）のうちのどれか１つに評価対象を分類したりする。
　図６に戻り、結果出力部１０２ｋは、制御部１０２の各処理部での処理結果（判別値基準評価部１０２ｊでの評価結果（具体的には判別値基準判別部１０２ｊ１での判別結果または分類結果）を含む）等を出力装置１１４に出力する。
　送信部１０２ｍは、評価対象のアミノ酸濃度データの送信元のクライアント装置２００に対して、例えば、判別値、評価結果（例えば判別結果、分類結果など）などを送信したり、データベース装置４００に対して、例えば、脳血管障害評価装置１００で作成した多変量判別式や評価結果（例えば、判別結果、分類結果など）などを送信したりする。
　つぎに、本システムのクライアント装置２００の構成について図１９を参照して説明する。図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　クライアント装置２００は、制御部２１０とＲＯＭ２２０とＨＤ２３０とＲＡＭ２４０と入力装置２５０と出力装置２６０と入出力ＩＦ２７０と通信ＩＦ２８０とで構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
　制御部２１０は、Ｗｅｂブラウザ２１１、電子メーラ２１２、受信部２１３、送信部２１４を備えている。Ｗｅｂブラウザ２１１は、Ｗｅｂデータを解釈し、解釈したＷｅｂデータを後述するモニタ２６１に表示するブラウズ処理を行う。なお、Ｗｅｂブラウザ２１１には、ストリーム映像の受信・表示・フィードバック等を行う機能を備えたストリームプレイヤ等の各種のソフトウェアをプラグインしてもよい。電子メーラ２１２は、所定の通信規約（例えば、ＳＭＴＰ（Ｓｉｍｐｌｅ　Ｍａｉｌ　Ｔｒａｎｓｆｅｒ　Ｐｒｏｔｏｃｏｌ）やＰＯＰ３（Ｐｏｓｔ　Ｏｆｆｉｃｅ　Ｐｒｏｔｏｃｏｌ　ｖｅｒｓｉｏｎ　３）等）に従って電子メールの送受信を行う。受信部２１３（本発明の結果取得手段の一例に相当）は、通信ＩＦ２８０を介して、脳血管障害評価装置１００から送信された、判別値、評価結果（例えば判別結果、分類結果など）などの各種情報を受信する。要するに、クライアント装置は、判別値や評価結果などの各種情報を取得する機能を有する。送信部２１４は、通信ＩＦ２８０を介して、評価対象のアミノ酸濃度データなどの各種情報を脳血管障害評価装置１００へ送信する。
　入力装置２５０はキーボードやマウスやマイク等である。なお、後述するモニタ２６１もマウスと協働してポインティングデバイス機能を実現する。出力装置２６０は、通信ＩＦ２８０を介して受信した情報を出力する出力手段であり、モニタ（家庭用テレビを含む）２６１およびプリンタ２６２を含む。この他、出力装置２６０にスピーカ等を設けてもよい。入出力ＩＦ２７０は入力装置２５０や出力装置２６０に接続する。
　通信ＩＦ２８０は、クライアント装置２００とネットワーク３００（またはルータ等の通信装置）とを通信可能に接続する。換言すると、クライアント装置２００は、モデムやＴＡやルータなどの通信装置および電話回線を介して、または専用線を介してネットワーク３００に接続される。これにより、クライアント装置２００は、所定の通信規約に従って脳血管障害評価装置１００にアクセスすることができる。
　ここで、プリンタ・モニタ・イメージスキャナ等の周辺装置を必要に応じて接続した情報処理装置（例えば、既知のパーソナルコンピュータ・ワークステーション・家庭用ゲーム装置・インターネットＴＶ・ＰＨＳ端末・携帯端末・移動体通信端末・ＰＤＡ等の情報処理端末など）に、Ｗｅｂデータのブラウジング機能や電子メール機能を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより、クライアント装置２００を実現してもよい。
　また、クライアント装置２００の制御部２１０は、制御部２１０で行う処理の全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈して実行するプログラムで実現してもよい。ＲＯＭ２２０またはＨＤ２３０には、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。当該コンピュータプログラムは、ＲＡＭ２４０にロードされることで実行され、ＣＰＵと協働して制御部２１０を構成する。また、当該コンピュータプログラムは、クライアント装置２００と任意のネットワークを介して接続されるアプリケーションプログラムサーバに記録されてもよく、クライアント装置２００は、必要に応じてその全部または一部をダウンロードしてもよい。また、制御部２１０で行う処理の全部または任意の一部を、ワイヤードロジック等によるハードウェアで実現してもよい。
　つぎに、本システムのネットワーク３００について図４、図５を参照して説明する。ネットワーク３００は、脳血管障害評価装置１００とクライアント装置２００とデータベース装置４００とを相互に通信可能に接続する機能を有し、例えばインターネットやイントラネットやＬＡＮ（有線／無線の双方を含む）等である。なお、ネットワーク３００は、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、携帯回線交換網または携帯パケット交換網（ＩＭＴ２０００方式、ＧＳＭ（登録商標）方式またはＰＤＣ／ＰＤＣ－Ｐ方式等を含む）や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、衛星通信網（ＣＳ、ＢＳまたはＩＳＤＢ等を含む）等でもよい。
　つぎに、本システムのデータベース装置４００の構成について図２０を参照して説明する。図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　データベース装置４００は、脳血管障害評価装置１００または当該データベース装置で多変量判別式を作成する際に用いる脳血管障害状態情報や、脳血管障害評価装置１００で作成した多変量判別式、脳血管障害評価装置１００での評価結果などを格納する機能を有する。図２０に示すように、データベース装置４００は、当該データベース装置を統括的に制御するＣＰＵ等の制御部４０２と、ルータ等の通信装置および専用線等の有線または無線の通信回路を介して当該データベース装置をネットワーク３００に通信可能に接続する通信インターフェース部４０４と、各種のデータベースやテーブルやファイル（例えばＷｅｂページ用ファイル）などを格納する記憶部４０６と、入力装置４１２や出力装置４１４に接続する入出力インターフェース部４０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
　記憶部４０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用いることができる。記憶部４０６には、各種処理に用いる各種プログラム等を格納する。通信インターフェース部４０４は、データベース装置４００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部４０４は、他の端末と通信回線を介してデータを通信する機能を有する。入出力インターフェース部４０８は、入力装置４１２や出力装置４１４に接続する。ここで、出力装置４１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下で、出力装置４１４をモニタ４１４として記載する場合がある。）。また、入力装置４１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
　制御部４０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部４０２は、図示の如く、大別して、要求解釈部４０２ａと閲覧処理部４０２ｂと認証処理部４０２ｃと電子メール生成部４０２ｄとＷｅｂページ生成部４０２ｅと送信部４０２ｆとを備えている。
　要求解釈部４０２ａは、脳血管障害評価装置１００からの要求内容を解釈し、その解釈結果に応じて制御部４０２の各部に処理を受け渡す。閲覧処理部４０２ｂは、脳血管障害評価装置１００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行う。認証処理部４０２ｃは、脳血管障害評価装置１００からの認証要求を受けて、認証判断を行う。電子メール生成部４０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部４０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。送信部４０２ｆは、脳血管障害状態情報や多変量判別式などの各種情報を、脳血管障害評価装置１００へ送信する。
［２－３．第２実施形態の具体例］
　ここでは、第２実施形態の具体例について図２１を参照して説明する。図２１は、第２実施形態にかかる脳血管障害評価サービス処理の一例を示すフローチャートである。
　なお、本処理で用いるアミノ酸濃度データは、例えば動物やヒトなどの個体から予め採取した血液（例えば血漿、血清などを含む）を、以下の（Ａ）または（Ｂ）などの測定方法で専門業者が分析又は独自に分析して得たアミノ酸の濃度値に関するものである。ここで、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
（Ａ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、アセトニトリルを添加し除蛋白処理を行った後、標識試薬（３－アミノピリジル－Ｎ－ヒドロキシスクシンイミジルカルバメート）を用いてプレカラム誘導体化を行い、そして、液体クロマトグラフ質量分析計（ＬＣ／ＭＳ）によりアミノ酸濃度を分析した（国際公開第２００３／０６９３２８号、国際公開第２００５／１１６６２９号を参照）。
（Ｂ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し除蛋白処理を行った後、ニンヒドリン試薬を用いたポストカラム誘導体化法を原理としたアミノ酸分析計によりアミノ酸濃度を分析した。
　まず、Ｗｅｂブラウザ２１１を表示した画面上で利用者が入力装置２５０を介して脳血管障害評価装置１００が提供するＷｅｂサイトのアドレス（ＵＲＬなど）を指定すると、クライアント装置２００は脳血管障害評価装置１００へアクセスする。具体的には、利用者がクライアント装置２００のＷｅｂブラウザ２１１の画面更新を指示すると、Ｗｅｂブラウザ２１１は、脳血管障害評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で脳血管障害評価装置１００へ送信することで、アミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求を、当該アドレスに基づくルーティングで脳血管障害評価装置１００へ行う。
　つぎに、脳血管障害評価装置１００は、要求解釈部１０２ａで、クライアント装置２００からの送信を受け、当該送信の内容を解析し、解析結果に応じて制御部１０２の各部に処理を移す。具体的には、送信の内容がアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求であった場合、脳血管障害評価装置１００は、主として閲覧処理部１０２ｂで、記憶部１０６の所定の記憶領域に格納されている当該Ｗｅｂページを表示するためのＷｅｂデータを取得し、取得したＷｅｂデータをクライアント装置２００へ送信する。より具体的には、利用者からアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求があった場合、脳血管障害評価装置１００は、まず、制御部１０２で、利用者ＩＤや利用者パスワードの入力を利用者に対して求める。そして、利用者ＩＤやパスワードが入力されると、脳血管障害評価装置１００は、認証処理部１０２ｃで、入力された利用者ＩＤやパスワードと利用者情報ファイル１０６ａに格納されている利用者ＩＤや利用者パスワードとの認証判断を行う。そして、脳血管障害評価装置１００は、認証可の場合にのみ、閲覧処理部１０２ｂで、アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのＷｅｂデータをクライアント装置２００へ送信する。なお、クライアント装置２００の特定は、クライアント装置２００から送信要求と共に送信されたＩＰアドレスで行う。
　つぎに、クライアント装置２００は、脳血管障害評価装置１００から送信されたＷｅｂデータ（アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのもの）を受信部２１３で受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、モニタ２６１にアミノ酸濃度データ送信画面を表示する。
　つぎに、モニタ２６１に表示されたアミノ酸濃度データ送信画面に対し利用者が入力装置２５０を介して個体のアミノ酸濃度データなどを入力・選択すると、クライアント装置２００は、送信部２１４で、入力情報や選択事項を特定するための識別子を脳血管障害評価装置１００へ送信することで、個体のアミノ酸濃度データを脳血管障害評価装置１００へ送信する（ステップＳＡ２１）。なお、ステップＳＡ２１におけるアミノ酸濃度データの送信は、ＦＴＰ等の既存のファイル転送技術等により実現してもよい。
　つぎに、脳血管障害評価装置１００は、要求解釈部１０２ａで、クライアント装置２００から送信された識別子を解釈することによりクライアント装置２００の要求内容を解釈し、脳血管障害の状態の評価用の多変量判別式（具体的には、脳血管障害と非脳血管障害の２群判別用の多変量判別式、脳動脈硬化症と非脳動脈硬化症の２群判別用の多変量判別式、脳卒中と非脳卒中の２群判別用の多変量判別式、または脳動脈硬化症と脳卒中の２群判別用の多変量判別式）の送信要求をデータベース装置４００へ行う。
　つぎに、データベース装置４００は、要求解釈部４０２ａで、脳血管障害評価装置１００からの送信要求を解釈し、記憶部４０６の所定の記憶領域に格納した多変量判別式（例えばアップデートされた最新のもの）を脳血管障害評価装置１００へ送信する（ステップＳＡ２２）。
　具体的には、ステップＳＡ２６にて、個体につき、脳血管障害または非脳血管障害であるか否かを判別する場合には、ステップＳＡ２２では、Ｇｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式を脳血管障害評価装置１００へ送信する。
　また、ステップＳＡ２６にて、個体につき、脳動脈硬化症または非脳動脈硬化症であるか否かを判別する場合には、ステップＳＡ２２では、Ｇｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式を脳血管障害評価装置１００へ送信する。
　また、ステップＳＡ２６にて、個体につき、脳卒中または非脳卒中であるか否かを判別する場合には、ステップＳＡ２２では、Ｇｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式を脳血管障害評価装置１００へ送信する。
　また、ステップＳＡ２６にて、個体につき、脳動脈硬化症または脳卒中であるか否かを判別する場合には、ステップＳＡ２２では、Ｔｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式を脳血管障害評価装置１００へ送信する。
　つぎに、脳血管障害評価装置１００は、受信部１０２ｆで、クライアント装置２００から送信された個体のアミノ酸濃度データおよびデータベース装置４００から送信された多変量判別式を受信し、受信したアミノ酸濃度データをアミノ酸濃度データファイル１０６ｂの所定の記憶領域に格納すると共に、受信した多変量判別式を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＡ２３）。
　つぎに、脳血管障害評価装置１００は、制御部１０２で、ステップＳＡ２３で受信した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ２４）。
　つぎに、脳血管障害評価装置１００は、判別値算出部１０２ｉで、ステップＳＡ２４で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データ、およびステップＳＡ２３で受信した多変量判別式に基づいて、判別値を算出する（ステップＳＡ２５）。
　具体的には、ステップＳＡ２３にて、Ｇｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式（脳血管障害と非脳血管障害の２群判別用の多変量判別式）が受信された場合には、脳血管障害評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの濃度値、および当該受信された多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２３にて、Ｇｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式（脳動脈硬化症と非脳動脈硬化症の２群判別用の多変量判別式）が受信された場合には、脳血管障害評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、および当該受信された多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２３にて、Ｇｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式（脳卒中と非脳卒中の２群判別用の多変量判別式）が受信された場合には、脳血管障害評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの濃度値、および当該受信された多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２３にて、Ｔｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを変数として含む多変量判別式（脳動脈硬化症と脳卒中の２群判別用の多変量判別式）が受信された場合には、脳血管障害評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの濃度値、および当該受信された多変量判別式に基づいて、判別値を算出する。
　つぎに、脳血管障害評価装置１００は、判別値基準判別部１０２ｊ１で、ステップＳＡ２５で算出した判別値に基づいて、以下の２１．～２４．の判別のいずれかを実行し、その判別結果を評価結果ファイル１０６ｇの所定の記憶領域に格納する（ステップＳＡ２６）。
２１．脳血管障害と非脳血管障害の２群判別
　脳血管障害と非脳血管障害の２群判別用の多変量判別式に対応するステップＳＡ２５で算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、脳血管障害または非脳血管障害であるか否かを判別する。
２２．脳動脈硬化症と非脳動脈硬化症の２群判別
　脳動脈硬化症と非脳動脈硬化症の２群判別用の多変量判別式に対応するステップＳＡ２５で算出した判別値と予め設定された閾値とを比較することで、個体につき、脳動脈硬化症または非脳動脈硬化症であるか否かを判別する。
２３．脳卒中と非脳卒中の２群判別
　脳卒中と非脳卒中の２群判別用の多変量判別式に対応するステップＳＡ２５で算出した判別値と予め設定された閾値とを比較することで、個体につき、脳卒中または非脳卒中であるか否かを判別する。
２４．脳動脈硬化症と脳卒中の２群判別
　脳動脈硬化症と脳卒中の２群判別用の多変量判別式に対応するステップＳＡ２５で算出した判別値と予め設定された閾値とを比較することで、個体につき、脳動脈硬化症または脳卒中であるか否かを判別する。
　つぎに、脳血管障害評価装置１００は、送信部１０２ｍで、ステップＳＡ２６で得た判別結果（ステップＳＡ２５で算出した判別値を含めてもよい）を、アミノ酸濃度データの送信元のクライアント装置２００とデータベース装置４００とへ送信する（ステップＳＡ２７）。具体的には、まず、脳血管障害評価装置１００は、Ｗｅｂページ生成部１０２ｅで、判別結果を表示するためのＷｅｂページを作成し、作成したＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域に格納する。ついで、利用者がクライアント装置２００のＷｅｂブラウザ２１１に入力装置２５０を介して所定のＵＲＬを入力し上述した認証を経た後、クライアント装置２００は、当該Ｗｅｂページの閲覧要求を脳血管障害評価装置１００へ送信する。ついで、脳血管障害評価装置１００は、閲覧処理部１０２ｂで、クライアント装置２００から送信された閲覧要求を解釈し、判別結果を表示するためのＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域から読み出す。そして、脳血管障害評価装置１００は、送信部１０２ｍで、読み出したＷｅｂデータをクライアント装置２００へ送信すると共に、当該Ｗｅｂデータ又は判別結果をデータベース装置４００へ送信する。
　ここで、ステップＳＡ２７において、脳血管障害評価装置１００は、制御部１０２で、判別結果を電子メールで利用者のクライアント装置２００へ通知してもよい。具体的には、まず、脳血管障害評価装置１００は、電子メール生成部１０２ｄで、利用者ＩＤなどを基にして利用者情報ファイル１０６ａに格納されている利用者情報を送信タイミングに従って参照し、利用者の電子メールアドレスを取得する。ついで、脳血管障害評価装置１００は、電子メール生成部１０２ｄで、取得した電子メールアドレスを宛て先とし利用者の氏名および判別結果を含む電子メールに関するデータを生成する。ついで、脳血管障害評価装置１００は、送信部１０２ｍで、生成した当該データを利用者のクライアント装置２００へ送信する。
　また、ステップＳＡ２７において、脳血管障害評価装置１００は、ＦＴＰ等の既存のファイル転送技術等で、判別結果を利用者のクライアント装置２００へ送信してもよい。
　図２１の説明に戻り、データベース装置４００は、制御部４０２で、脳血管障害評価装置１００から送信された判別結果またはＷｅｂデータを受信し、受信した判別結果またはＷｅｂデータを記憶部４０６の所定の記憶領域に保存（蓄積）する（ステップＳＡ２８）。
　また、クライアント装置２００は、受信部２１３で、脳血管障害評価装置１００から送信されたＷｅｂデータを受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、個体の判別結果が記されたＷｅｂページの画面をモニタ２６１に表示する（ステップＳＡ２９）。なお、判別結果が脳血管障害評価装置１００から電子メールで送信された場合には、クライアント装置２００は、電子メーラ２１２の公知の機能で、脳血管障害評価装置１００から送信された電子メールを任意のタイミングで受信し、受信した電子メールをモニタ２６１に表示する。
　以上により、利用者は、モニタ２６１に表示されたＷｅｂページを閲覧することで、上記２群判別に関する判別結果を確認することができる。なお、利用者は、モニタ２６１に表示されたＷｅｂページの表示内容をプリンタ２６２で印刷してもよい。
　また、判別結果が脳血管障害評価装置１００から電子メールで送信された場合には、利用者は、モニタ２６１に表示された電子メールを閲覧することで、上記２群判別に関する判別結果を確認することができる。利用者は、モニタ２６１に表示された電子メールの表示内容をプリンタ２６２で印刷してもよい。
　これにて、脳血管障害評価サービス処理の説明を終了する。
［２－４．他の実施形態］
　本発明にかかる脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、記録媒体、脳血管障害評価システム、および情報通信端末装置は、上述した第２実施形態以外にも、特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。
　また、第２実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。
　このほか、上記文献中や図面中で示した処理手順、制御手順、具体的名称、各処理の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。
　また、脳血管障害評価装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。
　例えば、脳血管障害評価装置１００が備える処理機能、特に制御部１０２にて行われる各処理機能については、その全部または任意の一部を、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて実現してもよく、また、ワイヤードロジックによるハードウェアとして実現してもよい。尚、プログラムは、情報処理装置に本発明にかかる脳血管障害評価方法を実行させるためのプログラム化された命令を含む一時的でないコンピュータ読み取り可能な記録媒体に記録されており、必要に応じて脳血管障害評価装置１００に機械的に読み取られる。すなわち、ＲＯＭまたはＨＤＤなどの記憶部１０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭにロードされることによって実行され、ＣＰＵと協働して制御部を構成する。
　また、このコンピュータプログラムは、脳血管障害評価装置１００に対して任意のネットワークを介して接続されたアプリケーションプログラムサーバに記憶されていてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。
　また、本発明にかかる脳血管障害評価プログラムを、一時的でないコンピュータ読み取り可能な記録媒体に格納してもよく、また、プログラム製品として構成することもできる。ここで、この「記録媒体」とは、メモリーカード、ＵＳＢメモリ、ＳＤカード、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（登録商標）、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、および、Ｂｌｕ－ｒａｙ　Ｄｉｓｃ等の任意の「可搬用の物理媒体」を含むものとする。
　また、「プログラム」とは、任意の言語または記述方法にて記述されたデータ処理方法であり、ソースコードまたはバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施形態に示した各装置において記録媒体を読み取るための具体的な構成および読み取り手順ならびに読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
　記憶部１０６に格納される各種のデータベース等は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、および、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラム、テーブル、データベース、および、ウェブページ用ファイル等を格納する。
　また、脳血管障害評価装置１００は、既知のパーソナルコンピュータまたはワークステーション等の情報処理装置として構成してもよく、また、任意の周辺装置が接続された当該情報処理装置として構成してもよい。また、脳血管障害評価装置１００は、当該情報処理装置に本発明の脳血管障害評価方法を実現させるソフトウェア（プログラムまたはデータ等を含む）を実装することにより実現してもよい。
　更に、装置の分散・統合の具体的形態は図示するものに限られず、その全部または一部を、各種の付加等に応じてまたは機能負荷に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。すなわち、上述した実施形態を任意に組み合わせて実施してもよく、実施形態を選択的に実施してもよい。
　最後に、脳血管障害評価装置１００で行う多変量判別式作成処理の一例について図２２を参照して詳細に説明する。なお、ここで説明する処理はあくまでも一例であり、多変量判別式の作成方法はこれに限定されない。図２２は多変量判別式作成処理の一例を示すフローチャートである。なお、当該多変量判別式作成処理は、脳血管障害状態情報を管理するデータベース装置４００で行ってもよい。
　なお、本説明では、脳血管障害評価装置１００は、データベース装置４００から事前に取得した脳血管障害状態情報を、脳血管障害状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、脳血管障害評価装置１００は、脳血管障害状態情報指定部１０２ｇで事前に指定した脳血管障害状態指標データおよびアミノ酸濃度データを含む脳血管障害状態情報を、指定脳血管障害状態情報ファイル１０６ｄの所定の記憶領域に格納しているものとする。
　まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、指定脳血管障害状態情報ファイル１０６ｄの所定の記憶領域に格納されている脳血管障害状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、作成した候補多変量判別式を候補多変量判別式ファイル１０６ｅ１の所定の記憶領域に格納する（ステップＳＢ２１）。具体的には、まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ－ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）の中から所望のものを１つ選択し、選択した式作成手法に基づいて、作成する候補多変量判別式の形（式の形）を決定する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、脳血管障害状態情報に基づいて、選択した式選択手法に対応する種々（例えば平均や分散など）の計算を実行する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、計算結果および決定した候補多変量判別式のパラメータを決定する。これにより、選択した式作成手法に基づいて候補多変量判別式が作成される。なお、複数の異なる式作成手法を併用して候補多変量判別式を同時並行（並列）的に作成する場合は、選択した式作成手法ごとに上記の処理を並行して実行すればよい。また、複数の異なる式作成手法を併用して候補多変量判別式を直列的に作成する場合は、例えば、主成分分析を行って作成した候補多変量判別式を利用して脳血管障害状態情報を変換し、変換した脳血管障害状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。
　つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、ステップＳＢ２１で作成した候補多変量判別式を所定の検証手法に基づいて検証（相互検証）し、検証結果を検証結果ファイル１０６ｅ２の所定の記憶領域に格納する（ステップＳＢ２２）。具体的には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、指定脳血管障害状態情報ファイル１０６ｄの所定の記憶領域に格納されている脳血管障害状態情報に基づいて候補多変量判別式を検証する際に用いる検証用データを作成し、作成した検証用データに基づいて候補多変量判別式を検証する。なお、ステップＳＢ２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成した場合には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証する。ここで、ステップＳＢ２２において、ブートストラップ法やホールドアウト法、Ｎ－フォールド法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異度、情報量基準、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）などのうち少なくとも１つに関して検証してもよい。これにより、脳血管障害状態情報や診断条件を考慮した予測性または頑健性の高い候補指標式を選択することができる。
　つぎに、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、所定の変数選択手法に基づいて、候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる脳血管障害状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、選択したアミノ酸濃度データの組み合わせを含む脳血管障害状態情報を選択脳血管障害状態情報ファイル１０６ｅ３の所定の記憶領域に格納する（ステップＳＢ２３）。なお、ステップＳＢ２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成し、ステップＳＢ２２で各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証した場合には、ステップＳＢ２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、候補多変量判別式ごとに所定の変数選択手法に基づいて候補多変量判別式の変数を選択してもよい。ここで、ステップＳＢ２３において、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。なお、ベストパス法とは、候補多変量判別式に含まれる変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することで変数を選択する方法である。また、ステップＳＢ２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、指定脳血管障害状態情報ファイル１０６ｄの所定の記憶領域に格納されている脳血管障害状態情報に基づいてアミノ酸濃度データの組み合わせを選択してもよい。
　つぎに、多変量判別式作成部１０２ｈは、指定脳血管障害状態情報ファイル１０６ｄの所定の記憶領域に格納されている脳血管障害状態情報に含まれるアミノ酸濃度データの全ての組み合わせが終了したか否かを判定し、判定結果が「終了」であった場合（ステップＳＢ２４：Ｙｅｓ）には次のステップ（ステップＳＢ２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ２４：Ｎｏ）にはステップＳＢ２１へ戻る。なお、多変量判別式作成部１０２ｈは、予め設定した回数が終了したか否かを判定し、判定結果が「終了」であった場合には（ステップＳＢ２４：Ｙｅｓ）次のステップ（ステップＳＢ２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ２４：Ｎｏ）にはステップＳＢ２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、ステップＳＢ２３で選択したアミノ酸濃度データの組み合わせが、指定脳血管障害状態情報ファイル１０６ｄの所定の記憶領域に格納されている脳血管障害状態情報に含まれるアミノ酸濃度データの組み合わせまたは前回のステップＳＢ２３で選択したアミノ酸濃度データの組み合わせと同じであるか否かを判定し、判定結果が「同じ」であった場合（ステップＳＢ２４：Ｙｅｓ）には次のステップ（ステップＳＢ２５）へ進み、判定結果が「同じ」でなかった場合（ステップＳＢ２４：Ｎｏ）にはステップＳＢ２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、検証結果が具体的には各候補多変量判別式に関する評価値である場合には、当該評価値と各式作成手法に対応する所定の閾値との比較結果に基づいて、ステップＳＢ２５へ進むかステップＳＢ２１へ戻るかを判定してもよい。
　つぎに、多変量判別式作成部１０２ｈは、検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで多変量判別式を決定し、決定した多変量判別式（選出した候補多変量判別式）を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＢ２５）。ここで、ステップＳＢ２５において、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。
　これにて、多変量判別式作成処理の説明を終了する。
　脳ドック受診者の血液サンプルから、前述のアミノ酸分析法（Ａ）で血中アミノ酸濃度を測定した。医師がＭＲＩおよびＭＲＡの画像から各受診者について確定診断を行うことにより、受診者は、健常群８３名、脳動脈硬化症（細小動脈硬化症）群６２名および脳卒中（ラクナ梗塞）群１５名の３群に分けられた。これら３群のアミノ酸変数の分布を図２３に示す。図２３において、１は健常群、２は脳動脈硬化症群、３は脳卒中群を示す。脳動脈硬化症から脳卒中の状態の評価を目的に、これら３群でＫｒｕｓｋａｌ　Ｗａｌｌｉｓ検定を実施した。その結果、これら３群間でＧｌｕ、Ｓｅｒ、Ｐｒｏ、Ｇｌｙ、Ｔｙｒ、Ｖａｌ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅが有意に変化していた。よって、当該検定により、これらアミノ酸が３群間の判別能を持つことが判明した。
　実施例１で測定したものと同じアミノ酸濃度データを用いた。ロジスティック回帰分析手法（ＲＯＣ最大基準による変数網羅法）を用いて、健常群と脳動脈硬化症群の２群判別性能を最大化する指標を鋭意探索した。
　２１個のアミノ酸変数のうち２個以上６個以下のアミノ酸変数が用いられた、ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図２４および図２５に示す。また、図２４および図２５に示すロジスティック回帰式と同様の判別能を有するものとして、指標式１が得られた。また、ＲＯＣ＿ＡＵＣの上位１０００式中に含まれるアミノ酸の出現頻度を、図２６に示す。図２４、図２５および図２６に基づいて、アミノ酸変数の出現頻度を多い順に１０位まで列挙すると、「Ｇｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ」である。なお、２１個のアミノ酸変数は、Ａｌａ，ＡＢＡ，Ａｒｇ，Ａｓｎ，Ｃｉｔ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌである（以下同様。）。
指標式１：（－４．１６９）＋（０．０８６２７）Ｇｌｕ＋（０．００５０９５）Ｇｌｎ＋（０．０７５９４）ＡＢＡ＋（－０．０２１５４）Ｔｙｒ＋（０．０１８３２）Ｈｉｓ＋（－０．０１８０８）Ｌｙｓ
　１９個のアミノ酸変数のうち２個以上６個以下のアミノ酸変数が用いられた、ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図２７および図２８に示す。また、図２７および図２８に示すロジスティック回帰式と同様の判別能を有するものとして、指標式２が得られた。また、ＲＯＣ＿ＡＵＣの上位１０００式中に含まれるアミノ酸の出現頻度を、図２９に示す。図２７、図２８および図２９に基づいて、アミノ酸変数の出現頻度を多い順に１０位まで列挙すると、「Ｌｙｓ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｖａｌ，Ｇｌｎ，Ｉｌｅ，Ｈｉｓ，Ａｌａ，Ｍｅｔ」である。なお、１９個のアミノ酸変数は、Ａｌａ，Ａｒｇ，Ａｓｎ，Ｃｉｔ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌである（以下同様。）。
指標式２：（２．８３６）＋（－０．０７４６１）Ａｓｎ＋（０．００３５７１）Ｇｌｎ＋（－０．００８１５１）Ｇｌｙ＋（０．０２４２８）Ｌｅｕ＋（－０．０１３８５）Ｌｙｓ
　ここで、図２４、図２５、図２７および図２８には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。これらの式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
　指標式１による健常群と脳動脈硬化症群の２群判別性能を図３０に示すＲＯＣ曲線の曲線下面積で評価し、また指標式２による健常群と脳動脈硬化症群の２群判別性能を図３１に示すＲＯＣ曲線の曲線下面積で評価した結果、それぞれのＲＯＣ＿ＡＵＣ値は０．８１０と０．７１１であり、指標式１および指標式２は診断性能の高い有用な指標であることが判明した。また、指標式１については、カットオフ値が０．４２５７で、感度が７７．４２％で、特異度が７６．６２％であり、また指標式２については、カットオフ値が０．４４５２で、感度が７０．９７％で、特異度が６７．５３％であり、全て良好な値であった。なお、ここで示した感度及び特異度は、感度と特異度の平均が最も高くなる最高判別点をカットオフ値とした場合の値である。
　実施例１で測定したものと同じアミノ酸濃度データを用いた。ロジスティック回帰分析手法（ＲＯＣ最大基準による変数網羅法）を用いて、健常群と脳卒中群の２群判別性能を最大化する指標を鋭意探索した。
　２１個のアミノ酸変数のうち２個以上６個以下のアミノ酸変数が用いられた、ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図３２および図３３に示す。また、図３２および図３３に示すロジスティック回帰式と同様の判別能を有するものとして、指標式３が得られた。また、ＲＯＣ＿ＡＵＣの上位１０００式中に含まれるアミノ酸の出現頻度を、図３４に示す。図３２、図３３および図３４に基づいて、アミノ酸変数の出現頻度を多い順に１０位まで列挙すると、「Ｇｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ」である。
指標式３：（－３．０２１）＋（０．０４９５６）Ｇｌｕ＋（－０．０２７３９）Ｇｌｙ＋（０．０７６６８）Ｃｉｔ＋（０．０５９８０）Ｔｙｒ＋（－０．０２９９４）Ｏｒｎ
　１９個のアミノ酸変数のうち２個以上６個以下のアミノ酸変数が用いられた、ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図３５および図３６に示す。また、図３５および図３６に示すロジスティック回帰式と同様の判別能を有するものとして、指標式４が得られた。また、ＲＯＣ＿ＡＵＣの上位１０００式中に含まれるアミノ酸の出現頻度を、図３７に示す。図３５、図３６および図３７に基づいて、アミノ酸変数の出現頻度を多い順に１０位まで列挙すると、「Ｇｌｙ，Ｔｙｒ，Ｃｉｔ，Ｉｌｅ，Ｖａｌ，Ａｒｇ，Ｔｒｐ，Ｌｙｓ，Ｌｅｕ，Ａｓｎ」である。
指標式４：
（－１．６８８）＋（－０．０３１９２）Ｇｌｙ＋（０．０８２６１）Ｃｉｔ＋（０．０１４１３）Ｖａｌ＋（０．０７５６４）Ｔｙｒ＋（－０．０５０９４）Ａｒｇ
　ここで、図３２、図３３、図３５および図３６には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。これらの式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
　指標式３による健常群と脳卒中群の２群判別性能を図３８に示すＲＯＣ曲線の曲線下面積で評価し、また指標式４による健常群と脳卒中群の２群判別性能を図３９に示すＲＯＣ曲線の曲線下面積で評価した結果、それぞれのＲＯＣ＿ＡＵＣ値は０．８６４と０．８５４であり、指標式３および指標式４は診断性能の高い有用な指標であることが判明した。また、指標式３については、カットオフ値が０．２１９２で、感度が８６．６７％で、特異度が８８．３１％であり、また指標式４については、カットオフ値が０．１６１７で、感度が８６．６７％で、特異度が８０．５２％であり、全て良好な値であった。なお、ここで示した感度及び特異度は、感度と特異度の平均が最も高くなる最高判別点をカットオフ値とした場合の値である。
　実施例１で測定したものと同じアミノ酸濃度データを用いた。ロジスティック回帰分析手法（ＲＯＣ最大基準による変数網羅法）を用いて、健常群と脳血管障害群（脳動脈硬化症群と脳卒中群を包含する群）の２群判別性能を最大化する指標を鋭意探索した。
　２１個のアミノ酸変数のうち２個以上６個以下のアミノ酸変数が用いられた、ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図４０および図４１に示す。また、図４０および図４１に示すロジスティック回帰式と同様の判別能を有するものとして、指標式５が得られた。また、ＲＯＣ＿ＡＵＣの上位１０００式中に含まれるアミノ酸の出現頻度を、図４２に示す。図４０、図４１および図４２に基づいて、アミノ酸変数の出現頻度を多い順に１０位まで列挙すると、「Ｇｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ」である。
指標式５：（３．６１９）＋（－０．０１９８１）Ｓｅｒ＋（０．０８０４７）Ｇｌｕ＋（－０．０２６０４）Ｇｌｙ＋（０．００５０１０）Ａｌａ＋（０．０５０９０）Ｐｈｅ＋（－０．０３１１９）Ｈｉｓ
　１９個のアミノ酸変数のうち２個以上６個以下のアミノ酸変数が用いられた、ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図４３および図４４に示す。また、図４３および図４４に示すロジスティック回帰式と同様の判別能を有するものとして、指標式６が得られた。また、ＲＯＣ＿ＡＵＣの上位１０００式中に含まれるアミノ酸の出現頻度を、図４５に示す。図４３、図４４および図４５に基づいて、アミノ酸変数の出現頻度を多い順に１０位まで列挙すると、「Ｇｌｙ，Ｐｈｅ，Ａｓｎ，Ｖａｌ，Ｉｌｅ，Ｔｒｐ，Ｓｅｒ，Ｍｅｔ，Ａｌａ，Ｈｉｓ」である。
指標式６：（４．８６０）＋（－０．０９２０９）Ａｓｎ＋（０．００３４２３）Ｇｌｎ＋（－０．０３２０４）Ｇｌｙ＋（０．０１４８６）Ｖａｌ＋（０．０５９２４）Ｐｈｅ＋（－０．０２５９９）Ｈｉｓ
　ここで、図４０、図４１、図４３および図４４には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。これらの式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
　指標式５による健常群と脳血管障害群の２群判別性能を図４６に示すＲＯＣ曲線の曲線下面積で評価し、また指標式６による健常群と脳血管障害群の２群判別性能を図４７に示すＲＯＣ曲線の曲線下面積で評価した結果、それぞれのＲＯＣ＿ＡＵＣ値は０．８６７と０．８３１であり、指標式５および指標式６は診断性能の高い有用な指標であることが判明した。また、指標式５については、カットオフ値が０．３７２８で、感度が８５．７１％で、特異度が７３．４９％であり、また指標式６については、カットオフ値が０．５２３３で、感度が７７．９２％で、特異度が７８．３１％であり、全て良好な値であった。なお、ここで示した感度及び特異度は、感度と特異度の平均が最も高くなる最高判別点をカットオフ値とした場合の値である。
　実施例１で測定したものと同じアミノ酸濃度データを用いた。ロジスティック回帰分析手法（ＲＯＣ最大基準による変数網羅法）を用いて、脳動脈硬化症群と脳卒中群の２群判別性能を最大化する指標を鋭意探索した。
　２１個のアミノ酸変数のうち２個以上６個以下のアミノ酸変数が用いられた、ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図４８および図４９に示す。また、図４８および図４９に示すロジスティック回帰式と同様の判別能を有するものとして、指標式７が得られた。また、ＲＯＣ＿ＡＵＣの上位１０００式中に含まれるアミノ酸の出現頻度を、図５０に示す。図４８、図４９および図５０に基づいて、アミノ酸変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ」である。
指標式７：（－３．０３３）＋（－０．０１０４８）Ｐｒｏ＋（－０．０２３０９）Ｇｌｙ＋（０．００７４２７）Ａｌａ＋（０．０７７２４）Ｔｙｒ＋（－０．０１３４５）Ｏｒｎ
　ここで、図４８および図４９には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。これらの式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
　指標式７による脳動脈硬化症群と脳卒中群の２群判別性能を図５１に示すＲＯＣ曲線の曲線下面積で評価した結果、ＲＯＣ＿ＡＵＣ値は０．８６７であり、指標式７は診断性能の高い有用な指標であることが判明した。また、指標式７について、カットオフ値が０．１４３５で、感度が９３．３３％で、特異度が７５．８１％であり、全て良好な値であった。なお、ここで示した感度及び特異度は、感度と特異度の平均が最も高くなる最高判別点をカットオフ値とした場合の値である。
　以上のように、本発明にかかる脳血管障害の評価方法などは、産業上の多くの分野、特に医薬品や食品、医療などの分野で広く実施することができ、特に、脳血管障害の状態の進行予測や疾病リスク予測やプロテオームやメタボローム解析などを行うバイオインフォマティクス分野において極めて有用である。
　１００　脳血管障害評価装置
　１０２　制御部
　１０２ａ　要求解釈部
　１０２ｂ　閲覧処理部
　１０２ｃ　認証処理部
　１０２ｄ　電子メール生成部
　１０２ｅ　Ｗｅｂページ生成部
　１０２ｆ　受信部
　１０２ｇ　脳血管障害状態情報指定部
　１０２ｈ　多変量判別式作成部
　１０２ｈ１　候補多変量判別式作成部
　１０２ｈ２　候補多変量判別式検証部
　１０２ｈ３　変数選択部
　１０２ｉ　判別値算出部
　１０２ｊ　判別値基準評価部
　１０２ｊ１　判別値基準判別部
　１０２ｋ　結果出力部
　１０２ｍ　送信部
　１０４　通信インターフェース部
　１０６　記憶部
　１０６ａ　利用者情報ファイル
　１０６ｂ　アミノ酸濃度データファイル
　１０６ｃ　脳血管障害状態情報ファイル
　１０６ｄ　指定脳血管障害状態情報ファイル
　１０６ｅ　多変量判別式関連情報データベース
　１０６ｅ１　候補多変量判別式ファイル
　１０６ｅ２　検証結果ファイル
　１０６ｅ３　選択脳血管障害状態情報ファイル
　１０６ｅ４　多変量判別式ファイル
　１０６ｆ　判別値ファイル
　１０６ｇ　評価結果ファイル
　１０８　入出力インターフェース部
　１１２　入力装置
　１１４　出力装置
　２００　クライアント装置（情報通信端末装置）
　３００　ネットワーク
　４００　データベース装置

Claims (29)

  1. 　評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、
    　前記取得ステップで取得した前記評価対象の前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、脳血管障害の状態を評価する濃度値基準評価ステップと
    　を含むことを特徴とする脳血管障害の評価方法。
  2. 　前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳血管障害を有するかを評価すること、
    　を特徴とする請求項１に記載の脳血管障害の評価方法。
  3. 　前記脳血管障害は脳動脈硬化症を含み、
    　前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳動脈硬化症を有するかを評価すること、
    　を特徴とする請求項１に記載の脳血管障害の評価方法。
  4. 　前記脳血管障害は脳卒中を含み、
    　前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳卒中を有するかを評価すること、
    　を特徴とする請求項１に記載の脳血管障害の評価方法。
  5. 　前記脳血管障害は脳動脈硬化症および脳卒中を含み、
    　前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳動脈硬化症または前記脳卒中を有するかを評価すること、
    　を特徴とする請求項１に記載の脳血管障害の評価方法。
  6. 　前記脳血管障害は脳動脈硬化症および脳卒中を含み、
    　前記濃度値基準評価ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記脳動脈硬化症、前記脳卒中、または非脳動脈硬化症且つ非脳卒中であるかを評価すること、
    　を特徴とする請求項１に記載の脳血管障害の評価方法。
  7. 　前記濃度値基準評価ステップは、
    　前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む予め設定された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
    　をさらに含むこと、
    　を特徴とする請求項１に記載の脳血管障害の評価方法。
  8. 　前記多変量判別式は、ロジスティック回帰式、分数式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであること、
    　を特徴とする請求項７に記載の脳血管障害の評価方法。
  9. 　前記濃度値基準評価ステップは、
    　前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記脳血管障害の前記状態を評価する判別値基準評価ステップ
    　をさらに含むこと、
    　を特徴とする請求項７または８に記載の脳血管障害の評価方法。
  10. 　前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｇｌｙ，Ｐｈｅ，Ｓｅｒ，Ｇｌｎ，Ｉｌｅ，Ａｌａ，Ｔｙｒ，Ｔｒｐ，Ｖａｌ，Ａｓｎ，Ｍｅｔ，Ｈｉｓのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳血管障害を有するかを評価すること、
    　を特徴とする請求項９に記載の脳血管障害の評価方法。
  11. 　前記多変量判別式はＳｅｒ，Ｇｌｕ，Ｇｌｙ，Ａｌａ，Ｐｈｅ，Ｈｉｓを前記変数として含む前記ロジスティック回帰式またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｖａｌ，Ｐｈｅ，Ｈｉｓを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項１０に記載の脳血管障害の評価方法。
  12. 　前記脳血管障害は脳動脈硬化症を含み、
    　前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｔｙｒ，Ｐｈｅ，Ｖａｌ，Ｃｉｔ，Ｇｌｙ，Ａｓｎ，Ｌｅｕ，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳動脈硬化症を有するかを評価すること、
    　を特徴とする請求項９に記載の脳血管障害の評価方法。
  13. 　前記多変量判別式はＧｌｕ，Ｇｌｎ，ＡＢＡ，Ｔｙｒ，Ｈｉｓ，Ｌｙｓを前記変数として含む前記ロジスティック回帰式またはＡｓｎ，Ｇｌｎ，Ｇｌｙ，Ｌｅｕ，Ｌｙｓを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項１２に記載の脳血管障害の評価方法。
  14. 　前記脳血管障害は脳卒中を含み、
    　前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つの前記濃度値、およびＧｌｙ，Ｇｌｕ，Ｃｉｔ，Ｔｙｒ，Ｖａｌ，Ａｒｇ，Ｌｅｕ，Ｔｒｐ，Ｓｅｒ，Ｉｌｅ，Ｌｙｓ，Ａｓｎ，Ｏｒｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳卒中を有するかを評価すること、
    　を特徴とする請求項９に記載の脳血管障害の評価方法。
  15. 　前記多変量判別式はＧｌｕ，Ｇｌｙ，Ｃｉｔ，Ｔｙｒ，Ｏｒｎを前記変数として含む前記ロジスティック回帰式またはＧｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｙｒ，Ａｒｇを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項１４に記載の脳血管障害の評価方法。
  16. 　前記脳血管障害は脳動脈硬化症および脳卒中を含み、
    　前記判別値算出ステップは、前記アミノ酸濃度データに含まれるＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つの前記濃度値、およびＴｙｒ，Ｇｌｙ，Ｐｈｅ，ＡＢＡ，Ｇｌｕ，Ｌｙｓ，Ａｌａ，Ｐｒｏ，Ａｓｎ，Ｌｅｕ，Ｏｒｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値に基づいて、前記評価対象につき、前記脳動脈硬化症または前記脳卒中を有するかを評価すること、
    　を特徴とする請求項９に記載の脳血管障害の評価方法。
  17. 　前記多変量判別式はＰｒｏ，Ｇｌｙ，Ａｌａ，Ｔｙｒ，Ｏｒｎを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項１６に記載の脳血管障害の評価方法。
  18. 　制御部と記憶部とを備え、評価対象につき、脳血管障害の状態を評価する脳血管障害評価装置であって、
    　前記制御部は、
    　アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段
    　を備えたこと、
    　を特徴とする脳血管障害評価装置。
  19. 　前記制御部は、
    　前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき前記脳血管障害の前記状態を評価する判別値基準評価手段
    　をさらに備えたこと、
    　を特徴とする請求項１８に記載の脳血管障害評価装置。
  20. 　制御部と記憶部とを備えた情報処理装置において実行される、評価対象につき、脳血管障害の状態を評価する脳血管障害評価方法であって、
    　前記制御部において実行される、
    　アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
    　を含むこと、
    　を特徴とする脳血管障害評価方法。
  21. 　制御部と記憶部とを備えた情報処理装置において実行させるための、評価対象につき、脳血管障害の状態を評価する脳血管障害評価プログラムであって、
    　前記制御部において実行させるための、
    　アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップ
    　を含むこと、
    　を特徴とする脳血管障害評価プログラム。
  22. 　制御部と記憶部とを備え、評価対象につき、脳血管障害の状態を評価する脳血管障害評価装置と、制御部を備え、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された脳血管障害評価システムであって、
    　前記情報通信端末装置の前記制御部は、
    　前記評価対象の前記アミノ酸濃度データを前記脳血管障害評価装置へ送信するアミノ酸濃度データ送信手段と、
    　前記脳血管障害評価装置から送信された、多変量判別式の値である判別値を受信する結果受信手段と
    　を備え、
    　前記脳血管障害評価装置の前記制御部は、
    　前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、
    　前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための前記多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、前記判別値を算出する判別値算出手段と、
    　前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、
    　を備えたこと、
    　を特徴とする脳血管障害評価システム。
  23. 　前記脳血管障害評価装置の前記制御部は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき前記脳血管障害の前記状態を評価する判別値基準評価手段をさらに備え、
    　前記結果送信手段は、前記判別値基準評価手段で得られた前記評価対象の評価結果を前記情報通信端末装置へ送信し、
    　前記結果受信手段は、前記脳血管障害評価装置から送信された前記評価対象の前記評価結果を受信すること、
    　を特徴とする請求項２２に記載の脳血管障害評価システム。
  24. 　制御部を備え、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置であって、
    　前記制御部は、
    　多変量判別式の値である判別値を取得する結果取得手段
    　を備え、
    　前記判別値は、前記評価対象の前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む、脳血管障害の状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて算出したものであること、
    　を特徴とする情報通信端末装置。
  25. 　前記結果取得手段は、前記評価対象の前記脳血管障害の前記状態に関する評価結果を取得し、
    　前記評価結果は、前記判別値に基づいて前記評価対象につき前記脳血管障害の前記状態を評価した結果であること、
    　を特徴とする請求項２４に記載の情報通信端末装置。
  26. 　前記評価対象につき前記脳血管障害の前記状態を評価する脳血管障害評価装置とネットワークを介して通信可能に接続されており、
    　前記制御部は、前記評価対象の前記アミノ酸濃度データを前記脳血管障害評価装置へ送信するアミノ酸濃度データ送信手段をさらに備え、
    　前記結果取得手段は、前記脳血管障害評価装置から送信された前記判別値を受信すること、
    　を特徴とする請求項２４に記載の情報通信端末装置。
  27. 　前記結果取得手段は、前記脳血管障害評価装置から送信された、前記評価対象の前記脳血管障害の前記状態に関する評価結果を受信し、
    　前記評価結果は、前記判別値に基づいて前記評価対象につき前記脳血管障害の前記状態を評価した結果であること、
    　を特徴とする請求項２６に記載の情報通信端末装置。
  28. 　アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とネットワークを介して通信可能に接続された、制御部と記憶部とを備え、前記評価対象につき、脳血管障害の状態を評価する脳血管障害評価装置であって、
    　前記制御部は、
    　前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、
    　前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数として含む前記記憶部に記憶された、前記脳血管障害の前記状態を評価するための多変量判別式であってＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ｇｌｙ，Ｔｙｒ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｌｙｓ，Ｇｌｎ，ＡＢＡ，Ａｌａ，Ｈｉｓ，Ｃｉｔ，Ａｓｎ，Ｍｅｔ，Ａｒｇ，Ｔｒｐ，Ｏｒｎのうち少なくとも１つを前記変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、
    　前記判別値算出手段で算出した前記判別値を前記情報通信端末装置へ送信する結果送信手段と、
    　を備えたこと、
    　を特徴とする脳血管障害評価装置。
  29. 　前記制御部は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき前記脳血管障害の前記状態を評価する判別値基準評価手段をさらに備え、
    　前記結果送信手段は、前記判別値基準評価手段で得られた前記評価対象の評価結果を前記情報通信端末装置へ送信すること、
    　を特徴とする請求項２８に記載の脳血管障害評価装置。
PCT/JP2013/058444 2012-03-30 2013-03-22 脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置 WO2013146621A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-081895 2012-03-30
JP2012081895 2012-03-30

Publications (1)

Publication Number Publication Date
WO2013146621A1 true WO2013146621A1 (ja) 2013-10-03

Family

ID=49259874

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/058444 WO2013146621A1 (ja) 2012-03-30 2013-03-22 脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置

Country Status (2)

Country Link
JP (2) JPWO2013146621A1 (ja)
WO (1) WO2013146621A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170066409A (ko) * 2014-10-08 2017-06-14 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
WO2018066620A1 (ja) * 2016-10-04 2018-04-12 味の素株式会社 膵臓癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置
WO2019194144A1 (ja) * 2018-04-02 2019-10-10 味の素株式会社 乳癌の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3837994A4 (en) 2018-10-30 2022-07-20 Kyushu University, National University Corporation DEVICE AND METHOD FOR ASSESSING THE RISK OF ONSET OF DEMENTIA, AND PROGRAM AND FOOD FOR THE PREVENTION OF DEMENTIA

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
WO2008015929A1 (fr) * 2006-08-04 2008-02-07 Ajinomoto Co., Inc. procédé d'évaluation de syndrome métabolique, appareil D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, système D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, programme d'évaluation de syndrome métabolique et support d'enregistrement, et proc&

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009054351A1 (ja) * 2007-10-25 2009-04-30 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラムおよび記録媒体

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
WO2008015929A1 (fr) * 2006-08-04 2008-02-07 Ajinomoto Co., Inc. procédé d'évaluation de syndrome métabolique, appareil D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, système D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, programme d'évaluation de syndrome métabolique et support d'enregistrement, et proc&

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HISATO YANASE: "Glutamine-san Dokusei kara Transporter made Glutamine-san Dokusei to Kyoketsu Shinkei Saibo Shi", BRAIN MED, vol. 12, no. 2, 2000, pages 176 - 180 *
KATSUMI IKEDA ET AL.: "Nosocchu Ihassho Rat (SHRSP) ni Okeru Kakushu Amino Acid no Dotai", GANRYU AMINO ACID, vol. 8, no. 2, 1985, pages 377 - 380 *
KAZUMA KUMAZAWA ET AL.: "Tei Sansosei Kyoketsusei Nosho (HIE) Shorei ni Okeru No Teion Ryoho (BHT) Shikoji no Kecchu Glutamine- san Nodo no Henka no Kento", JOURNAL OF JAPAN SOCIETY FOR PREMATURE AND NEWBORN MEDICINE, vol. 15, no. 3, 2003, pages 430-93 *
MINORU YAMAKADO ET AL.: "Ko Ketsuatsusei Zoki Shogai dearu No Kekkan Shogai no Shinki Marker to shite no Amino Acid no Tahenryoshiki no Yuyosei ni Kansuru Kenkyu", ANNUAL SCIENTIFIC MEETING OF THE JAPANESE SOCIETY OF HYPERTENSION, PROGRAM AND ABSTRACTS, PB-2-099, vol. 35, 20 September 2012 (2012-09-20), pages 472 *
TADAO ISHIOKA: "Comparison of plasma amino acids fraction between apoplexy patients and without apoplexy cases", THER RES, vol. 10, no. 11, 1989, pages 4947 - 4950 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170066409A (ko) * 2014-10-08 2017-06-14 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
KR102500075B1 (ko) * 2014-10-08 2023-02-16 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
KR20230028566A (ko) * 2014-10-08 2023-02-28 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
KR102614827B1 (ko) * 2014-10-08 2023-12-19 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
WO2018066620A1 (ja) * 2016-10-04 2018-04-12 味の素株式会社 膵臓癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置
JPWO2018066620A1 (ja) * 2016-10-04 2019-07-18 味の素株式会社 膵臓癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置
WO2019194144A1 (ja) * 2018-04-02 2019-10-10 味の素株式会社 乳癌の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置

Also Published As

Publication number Publication date
JPWO2013146621A1 (ja) 2015-12-14
JP2018021919A (ja) 2018-02-08
JP6614215B2 (ja) 2019-12-04

Similar Documents

Publication Publication Date Title
JP2016029398A (ja) 内臓脂肪面積の評価方法、内臓脂肪面積評価装置、内臓脂肪面積評価方法、内臓脂肪面積評価プログラム、記録媒体、内臓脂肪面積評価システム、及び端末装置
JP6614215B2 (ja) 取得方法、算出方法、脳卒中評価装置、算出装置、脳卒中評価プログラム、算出プログラムおよび脳卒中評価システム
JP7409530B2 (ja) 取得方法、評価装置、評価プログラムおよび評価システム
KR102362357B1 (ko) 생활습관병 지표의 평가 방법, 생활습관병 지표 평가 장치, 생활습관병 지표 평가 방법, 생활습관병 지표 평가 프로그램, 생활습관병 지표 평가 시스템, 및 정보통신 단말장치
JP5817527B2 (ja) 肥満の評価方法、肥満評価装置、肥満評価方法、肥満評価システム、肥満評価プログラム、記録媒体、および情報通信端末装置
JPWO2008015929A1 (ja) メタボリック・シンドロームの評価方法、メタボリック・シンドローム評価装置、メタボリック・シンドローム評価方法、メタボリック・シンドローム評価システム、メタボリック・シンドローム評価プログラムおよび記録媒体、ならびにメタボリック・シンドロームの予防・改善物質の探索方法
WO2013011919A1 (ja) Ｎａｓｈの評価方法、ｎａｓｈ評価装置、ｎａｓｈ評価方法、ｎａｓｈ評価プログラム、ｎａｓｈ評価システム、情報通信端末装置、およびｎａｓｈの予防・改善物質の探索方法
JP5856364B2 (ja) 抑うつ病の評価方法、抑うつ病評価装置、抑うつ病評価方法、抑うつ病評価システム、抑うつ病評価プログラム、記録媒体および端末装置
KR20150091113A (ko) 췌장암의 평가 방법, 췌장암 평가 장치, 췌장암 평가 방법, 췌장암 평가 프로그램, 췌장암 평가 시스템 및 정보 통신 단말 장치
JP6260275B2 (ja) 脂肪肝の評価方法、脂肪肝評価装置、脂肪肝評価方法、脂肪肝評価プログラム、脂肪肝評価システム、および端末装置
WO2013115283A1 (ja) 早期腎症の評価方法、早期腎症評価装置、早期腎症評価方法、早期腎症評価プログラム、早期腎症評価システムおよび情報通信端末装置
JP6270257B2 (ja) 取得方法、心血管イベント評価装置、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端末装置
KR20170132303A (ko) 평가 방법, 평가 장치, 평가 프로그램 제품, 평가 시스템, 및 단말 장치
JPWO2009054350A1 (ja) 耐糖能異常の評価方法、耐糖能異常評価装置、耐糖能異常評価方法、耐糖能異常評価システム、耐糖能異常評価プログラムおよび記録媒体、ならびに耐糖能異常の予防・改善物質の探索方法
WO2013005790A1 (ja) 生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13769700

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014507839

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13769700

Country of ref document: EP

Kind code of ref document: A1