WO2015159477A1 - 検査サーバ、検査方法および検査システム - Google Patents

検査サーバ、検査方法および検査システム Download PDF

Info

Publication number
WO2015159477A1
WO2015159477A1 PCT/JP2015/001252 JP2015001252W WO2015159477A1 WO 2015159477 A1 WO2015159477 A1 WO 2015159477A1 JP 2015001252 W JP2015001252 W JP 2015001252W WO 2015159477 A1 WO2015159477 A1 WO 2015159477A1
Authority
WO
WIPO (PCT)
Prior art keywords
test
inspection
examination
sensitivity
specificity
Prior art date
Application number
PCT/JP2015/001252
Other languages
English (en)
French (fr)
Inventor
中村　友彦
直樹 森本
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to US15/303,060 priority Critical patent/US11250934B2/en
Publication of WO2015159477A1 publication Critical patent/WO2015159477A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet

Definitions

  • This technology relates to an inspection server, an inspection method, and an inspection system capable of statistically processing inspection information.
  • the inspection system is also constructed as a client / server system compatible with the network.
  • the intelligence module 105 configured by, for example, a computer receives a patient test result from a data collection module such as the test system 150 via the direct connection or the network 140.
  • the intelligence module performs a disease classification process to analyze patient test results to determine whether patient data is associated with inflammatory bowel disease or its clinical subtype. The decision made by the process is then provided to the client system 130.
  • the purpose of this technology is to provide an examination server, an examination method, and an examination system that improve clinical examination and treatment in various aspects such as quality and cost.
  • an inspection server includes: A communication unit that communicates via a network with a plurality of test terminals capable of inputting a result of a test of the presence or absence of a disease and a result of a diagnosis of the presence or absence of the disease by a doctor related to the test; From the plurality of examination terminals, obtain at least examination results and examination information including the diagnosis results by the communication unit, Storing the acquired plurality of examination information in a storage unit; Calculating at least one of sensitivity and specificity of the test by statistical processing of the plurality of stored test information; A control unit configured to cause the communication unit to respond with the result of the statistical processing in response to a request from the inspection terminal.
  • the examination information further includes attribute information about the patient
  • the control unit may be configured to calculate at least one of sensitivity and specificity of the test by a statistical process of test information that satisfies a predetermined attribute.
  • the inspection information includes inspection data quantified as a result of the inspection,
  • the control unit groups the examination data for each patient attribute, calculates sensitivity and specificity for each group while changing a threshold value for separating presence or absence of disease, and sets the sensitivity and specificity to the sensitivity and specificity.
  • a threshold value may be calculated based on the threshold value.
  • the control unit is configured to compare at least one of sensitivity and specificity of a plurality of types of tests performed on the same test target, and determine a superior test type for the previous test target. May be.
  • the inspection information includes inspection data quantified as a result of the inspection,
  • the control unit groups the examination data for each patient attribute, calculates sensitivity and specificity while changing the threshold value for separating the presence or absence of disease for each group, and calculates the best threshold value. It may be configured to.
  • the control unit may be configured to calculate at least one of a positive predictive value and a negative predictive value based on the calculated sensitivity and specificity and make the communication unit respond.
  • inspection system 10 which employ
  • inspection server 40 is comprised by a general computer.
  • inspection server 40 is comprised by a general computer.
  • inspection terminal is comprised with a test
  • FIG. 3 is a flowchart for explaining an overall processing flow in the inspection system 10; It is a flowchart explaining the detail of the process which totals and calculates prevalence. It is a flowchart which shows the calculation process (the 1) of the sensitivity and specificity by a test
  • test equipment used in clinical settings are sensitive to the accuracy with which the test equipment can correctly determine affected patients as positive, and non-affected persons as correctly negative. Specificity indicating the accuracy that can be determined is defined. These accuracies can be specified at the time of manufacturing the inspection device. Until now, in clinical examinations, doctors have made final judgments on test results using test equipment with reference to these indices.
  • the positive predictive value and the negative predictive value are very important indicators for the accuracy of test results for a doctor who diagnoses a disease using a test device in a clinical setting. The reason why it is important will be described later.
  • This positive predictive value and negative predictive value can be calculated from the sensitivity and specificity of the test equipment and the prevalence. In other words, when the prevalence rate in an infectious disease or the like changes every moment, the values of these indexes also change every moment.
  • FIG. 1 shows the result of a clinical test for a certain disease performed by a test method.
  • true positive a is the number of cases corresponding to a case (test positive / diagnostic positive) in which the result of the test device was positive and the doctor determined that the patient was surely suffering from the disease. is there.
  • False negative b is the number of cases corresponding to a case (test negative / diagnosed positive) in which a negative result was obtained by the test device but a final decision was made by the doctor that the patient was affected.
  • the false positive c is the number of cases corresponding to a case (test positive / diagnosed negative) in which a doctor determined that the patient does not suffer from the disease, although a positive result was obtained by the test device.
  • True negative d is the number of cases corresponding to the case (test negative / diagnosed negative) in which a negative result is obtained by the test device and the doctor has finally made the final judgment that the patient does not have the disease. .
  • Prevalence, sensitivity, and specificity are determined as follows using the above-described values of true positive a, false negative b, false positive c, and true negative d.
  • Prevalence (a + b) / (a + b + c + d)
  • Sensitivity a / (a + b)
  • Specificity d / (c + d)
  • positive, negative, positive rate, negative rate, positive predictive value, negative predictive value, disease number, non-disease number, total number and correct diagnosis rate are true positive a, false negative b, false positive c, It calculates
  • Equation (3) the probability (p) is expressed by Equation (3) below using odds ( ⁇ ).
  • Prevalence number of diseases / total number (6)
  • Pre-test odds prevalence / (1-prevalence) (7)
  • Odds after test positive positive predictive value / (1-positive predictive value)
  • Odds after negative test negative predictive value / (1-negative predictive value)
  • the positive predictive value and the negative predictive value are expressed by the following formulas (12) and (13) using the prevalence rate, sensitivity, and specificity.
  • FIG. 2 is a graph showing the relationship between the positive predictive value and the negative predictive value and the prevalence rate. Note that the inspection equipment used in this inspection has a sensitivity of 90% and a specificity of 90%.
  • the positive predictive value is about 30%, and it is difficult to trust the test results. I understand.
  • MRSA Metal-resistant Staphylococcus aureus, methicillin-resistant Staphylococcus aureus
  • testing methods include genetic testing, immunoassay, and culture testing. By these tests, if the presence or absence of MRSA is examined and MRSA non-infected persons can be correctly shown to be MRSA-negative, the number of affected individuals that must be individually managed can be reduced, and infection prevention can be achieved. The cost of countermeasures can be reduced. From this point of view, a negative predictive value is important for MRSA infection.
  • the negative predictive value of this test is 90% or more. Present to the doctor at the testing terminal so that it is recommended.
  • the test server does not recommend this test and recommends that you perform another more sensitive test method. Or present it to the doctor of the examination terminal so that it is recommended that the patient be individually managed without examination.
  • the test server does not recommend performing the test, but recommends another more sensitive test method. Or, show the doctor of the examination terminal so that it is recommended to manage the patient individually.
  • the test server does not recommend testing, recommends another more sensitive testing method, or patient It is presented to the doctor of the examination terminal so that individual management is recommended.
  • sensitivity As described above, there is a predetermined relationship between sensitivity, specificity, prevalence, and negative predictive value.
  • the prevalence rate is 30%, it is understood that if it is desired to set the negative predictive value to 90% or more, a test method having a sensitivity of 77% and a specificity of 90% or more may be used.
  • the prevalence is 40%, if it is desired to set the negative predictive value to 90% or more, it is understood that a test method having a sensitivity of 85% and a specificity of 90% or more may be used.
  • the examination server recommends the examination method to be executed to the doctor of the examination terminal as follows. That is, when the prevalence is 30%, it is recommended to use an immunochromatography kit that has low sensitivity but can reduce costs. When the prevalence is 50%, a high-cost but highly sensitive genetic test kit and test time are A long but highly sensitive culture test may be recommended.
  • the test system maintains a list of test methods that can be performed by the medical institution that performs the test, and determines the optimal test method from the doctor based on sensitivity, specificity, prevalence, and negative predictive value. It may be recommended.
  • MRSA methicillin-resistant Staphylococcus aureus
  • FQRP fluoroquinolone-resistant pseudomonas aeruginosa
  • Example 1 of prevalence of influenza virus Next, how the prevalence of influenza virus fluctuates according to time and region is explained. Here, the materials of the Tokyo Health and Safety Research Center are used. This document shows the number of influenza patients per fixed point by time and year.
  • influenza virus the prevalence of influenza virus is low in June and July, but tends to be high in February and March.
  • the timing of epidemic start varies from year to year, and the prevalence varies greatly.
  • the prevalence may be high in October, November, and December when it is not prevalent.
  • IASR National Institute of Infectious Diseases's pathogenic microorganism detection information
  • the prevalence varies depending on the community to which the patient belongs. For example, there is a report that the prevalence of influenza virus in the lower grades of elementary school children is high in “Regarding influenza outbreaks in the 2012-2013 season” reported by Koriyama Public Health Center in Nara Prefecture. For example, in the 2011-2012 season, there is a report example that the prevalence of first graders in an elementary school was 30% or more.
  • influenza viruses the prevalence of influenza viruses in the 2011-2012 season is estimated to be 16.48 million.
  • the 2010 census if the Japanese population is 128 million, the prevalence of influenza virus is 12.9% at the highest, which is different from the case of Nara Prefecture. That is, it has been suggested that the prevalence of influenza viruses varies depending on the community.
  • FIG. 3 is a diagram showing that the inspection system 10 of the present embodiment has a configuration in which the inspection terminal 20 and the inspection server 40 are connected via a network.
  • a plurality of inspection terminals 20 that serve as clients are distributed and arranged in each country, each region, and each facility.
  • the inspection server 40 is connected via the network 30.
  • a client / server configuration including an inspection server 40 and a plurality of inspection terminals 20 is adopted as the configuration of the inspection system 10. Yes.
  • the number of inspection terminals 20 as clients can be increased as much as possible.
  • the accuracy of prevalence, sensitivity, and specificity required by the test server 40 can be improved.
  • the inspection server 40 may be configured by dedicated hardware or software, or may be configured by a general computer.
  • FIG. 4 shows a block diagram when the inspection server 40 is configured by a general computer.
  • an inspection server 40 includes a CPU (Central Processing Unit) 41, a ROM (Read Only Memory) 42, a RAM (Random Access Memory) 43, an operation input unit 44, a network interface unit 45, a display unit 46, And a storage unit 47, and these blocks are connected via a bus 48.
  • CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the ROM 42 fixedly stores a plurality of programs and data such as firmware for executing various processes.
  • the RAM 43 is used as a work area for the CPU 41, and temporarily stores an OS (Operating System), various applications being executed, and various data being processed.
  • OS Operating System
  • the storage unit 47 is a non-volatile memory such as an HDD (Hard Disk Drive), a flash memory, or other solid-state memory. In addition to the OS, various applications, and various data, the storage unit 47 stores a database 47a described later.
  • HDD Hard Disk Drive
  • flash memory or other solid-state memory.
  • the storage unit 47 stores a database 47a described later.
  • the network interface unit 45 is connected to the network 30 for exchanging information with the inspection terminal 20, collects information from the inspection terminal 20, and provides processed information to the inspection terminal 20.
  • the CPU 41 expands a program corresponding to an instruction given from the operation input unit 44 among the plurality of programs stored in the ROM 42 or the storage unit 47 in the RAM 43, and the display unit 46 and the storage unit according to the expanded program. 47 is appropriately controlled.
  • the CPU 41 updates the database 47 a based on information collected from the inspection terminal 20 via the network 30 and the network interface unit 45. Then, the CPU 41 extracts necessary information from the database 47a based on the conditions specified by the request for information received from the inspection terminal 20, sums it up, and returns it to each inspection terminal 20.
  • the operation input unit 44 is, for example, a pointing device such as a mouse, a keyboard, a touch panel, and other operation devices.
  • the display unit 46 is, for example, a liquid crystal display, an EL (Electro-Luminescence) display, a plasma display, a CRT (Cathode Ray Tube) display, or the like.
  • the display unit 46 may be built in the inspection server 40 or may be externally connected.
  • the configuration of the inspection server 40 has been described above.
  • FIG. 5 is a diagram showing an example of each field (item) in each record constituting the database 47a. These items are called inspection information.
  • Test information includes a plurality of items such as device ID, patient ID, specimen ID, test date, address, country, gender, age, test result, doctor's diagnosis result, disease ID, test method ID, number of days since onset, etc. Consists of information
  • the inspection terminal 20 may be configured by dedicated hardware or software, or may be configured by an inspection device and a general computer.
  • FIG. 6 shows a block diagram when the inspection terminal 20 is composed of an inspection device and a general computer.
  • the inspection terminal 20 includes a CPU 21, ROM 22, RAM 23, operation input unit 24, network interface unit 25, display unit 26, storage unit 27, and inspection device 28. Connected through.
  • description is abbreviate
  • the network interface unit 25 is connected to the network 30 for exchanging information with the inspection server 40, and transmits information to the inspection server 40 and receives information processed by the inspection server 40.
  • the CPU 21 presents information received from the examination server 40 via the network 30 and the network interface unit 25 to a doctor who is a user via the display unit 26, or performs various processes described later based on the received information. . In addition, the CPU 21 transmits the test result of the test device 28 and the final diagnosis result of the doctor who diagnosed the disease to the test server 40 via the network 30 and the network interface unit 25.
  • the testing device 28 is a device that actually tests a disease.
  • the result of the test is read by the CPU 41 and presented to the doctor who performed the test via the display unit 26 or transmitted to the test server 40 via the network 30.
  • the inspection terminal 20 may automatically read the inspection result, or the inspection result may be manually input to the inspection terminal 20.
  • inspection information is transmitted from one or more inspection terminals 20 to the inspection server 40.
  • the inspection information sent from the inspection terminal 20 to the inspection server 40 is accumulated in the database 47a as needed.
  • the inspection server 40 starts a process of counting inspection information at a constant time period.
  • the examination server 40 aggregation processing is performed on the examination information for each condition specified in advance, and values such as prevalence, sensitivity, specificity, and the like for each condition are obtained as a result of the aggregation processing.
  • the conditions include the type of test method (test method ID), the number of days since onset, sex, age, place / group, and combinations thereof.
  • the tabulation process of the test information is performed using the above values of true positive a, false negative b, false positive c, and true negative d.
  • FIG. 7 is a flowchart showing an example of the overall operation of the inspection system 10. It is assumed that a plurality of pieces of inspection information collected from one or more inspection terminals 20 are already stored in the database 47a of the inspection server 40.
  • the CPU 41 of the inspection server 40 extracts inspection information that satisfies a predesignated condition from the database 47a.
  • a predesignated condition As the conditions, an inspection method ID, the number of days elapsed since onset, and the like are designated.
  • the CPU 41 of the test server 40 counts the prevalence, sensitivity, and specificity based on the test information extracted from the database 47a (step S10).
  • This tabulation process may be started in a cycle of a fixed time (for example, every hour or every day), or may be started at an artificially instructed timing.
  • the CPU 21 of the test terminal 20 downloads the latest prevalence, sensitivity, and specificity information from the test server 40 (step S20).
  • the download may be performed by pull communication from the inspection terminal 20 or may be performed by push communication from the inspection server 40.
  • the CPU 21 of the test terminal 20 calculates a positive predictive value and a negative predictive value according to the above-described mathematical expressions (12) and (13) (step S30).
  • the CPU 21 of the test terminal 20 presents the prevalence acquired from the test server 40, and the calculated positive predictive value and negative predictive value to the doctor who is the user via the display unit 26 (step S40). .
  • the user (doctor) of the inspection terminal 20 performs an inspection on the patient's case using the inspection device 28 (step S50).
  • the result of the inspection by the inspection device 28 is automatically input to the inspection terminal 20 by a manual input from a doctor, for example.
  • the inspection result is displayed on the display unit 26.
  • the doctor makes a diagnosis for the case in which the examination is performed with reference to the prevalence rate, the positive predictive value, the negative predictive value, and the test result displayed on the display unit 26 of the test terminal 20.
  • the diagnosis result of the doctor is input to the examination terminal 20 by manual input (step S60).
  • the diagnosis result includes at least information such as disease ID, test method ID, positive / negative, days elapsed since onset.
  • the CPU 21 of the examination terminal 20 generates examination information including patient information, examination results, and diagnosis results input in advance by a doctor, and transmits the examination information to the examination server 40 (step S70).
  • Patient information includes patient ID, patient ID, address (address, administrative district), country (country), gender (gender), age (age), affiliation (organization, company, other group), etc. Contains various attribute information. Such patient information is previously input and registered in the examination terminal 20 by a doctor or the like.
  • the CPU 41 of the inspection server 40 registers the inspection information sent from the inspection terminal 20 in the database 47a (step S80). Thereafter, the process returns to step S10, and the above process is repeated.
  • the CPU 41 of the examination server 40 clears and initializes the total number of diagnoses and the number of diseases, which are variables used for counting up at the time of counting (step S11).
  • the CPU 41 of the inspection server 40 determines whether all the inspection information satisfying the processing target is read in the inspection information stored in the database 47a (step S12).
  • the conditions to be processed include, for example, a specific inspection method ID.
  • step S12 When examination information that satisfies the processing target remains in the database 47a (N in step S12), the CPU 41 of the examination server 40 reads one piece of examination information (step S13) and counts up the total number of diagnoses by one. (Step S14).
  • the CPU 41 of the test server 40 determines whether or not the diagnosis result in the read test information is positive (step S15). If the result is positive (Y in step S15), the CPU 41 counts up the number of diseases by 1 (step S16).
  • step S15 If the diagnosis result in the test information read from the database 47a is negative (N in step S15), and if there is next test information that satisfies the processing target in the database 47a (Y in step SA12), This inspection information is read, and the operations from step S13 to step 15 or step S16 are repeated.
  • step S12 in the examination information stored in the database 47a, when there is no examination information that satisfies the processing target condition (Y in step S12), the CPU 41 calculates the total number of diagnoses and the number of diseases according to equation (6). Prevalence is calculated (step S17).
  • Formula (6) is as follows.
  • the prevalence rate is obtained by the examination server 40, but the prevalence value calculated outside the examination server 40 or outside the present examination system 10 may be acquired.
  • a method of acquiring the prevalence value from the outside a method of manually extracting the prevalence value from a literature such as a paper or the like, in addition to a method via the network 30, may be used.
  • a method of manually extracting the prevalence value from a literature such as a paper or the like, in addition to a method via the network 30, may be used.
  • the CPU 41 of the inspection server 40 may transmit the prevalence rate to the inspection terminal 20 every time the prevalence rate is calculated. Alternatively, the CPU 41 of the test server 40 may hold the calculated prevalence value and respond to the test terminal 20 with the prevalence value when receiving a request from the test terminal 20.
  • the calculation of sensitivity and specificity by the test server 40 is performed asynchronously with the calculation of the prevalence rate.
  • FIG. 9 is a flowchart showing sensitivity and specificity calculation processing (part 1) by the inspection server 40.
  • the inspection method ID is determined in advance as a condition to be processed.
  • the CPU 41 of the inspection server 40 initializes each variable used for calculation of sensitivity and specificity (step S21).
  • Variables used to calculate sensitivity and specificity include the number of test positive / diagnostic negative (true positive), test positive / diagnostic negative (false positive), test negative / diagnostic positive (false negative), test Number of negative / negative diagnosis (true negative).
  • the CPU 41 determines whether or not all inspection information satisfying a predetermined processing target condition has been read in the database 47a (step S22).
  • Step S23 When the inspection information that satisfies the processing target remains in the database 47a (N in Step S22), the CPU 41 reads one inspection information (Step S23).
  • the CPU 41 determines whether or not the elapsed time from the onset included in the read examination information is within a predetermined number of days (step S24).
  • the predetermined number of days is, for example, one week although it depends on the type of disease to be examined.
  • step S24 If the elapsed time from the onset is not within a predetermined number of days (N in step S24), the CPU 41 reads the next examination information from the database 47a, and performs the process of step S24 on this examination information again.
  • step S24 When the elapsed time from the onset is within a predetermined number of days (Y in step S24), the CPU 41 extracts each information of the test result and the diagnosis result included in the test information, and based on the combination of these information Each of the above variables used for calculation of sensitivity and specificity is updated (step S25-step 31).
  • combinations of test results and diagnosis results include -The test result is positive and the diagnosis result is positive (test positive / diagnosis negative: true positive), -The test result is positive and the diagnosis result is negative (test positive / diagnostic negative: false positive), -The test result is negative and the diagnostic result is positive (test negative / diagnostic positive: false negative), ⁇ The test result is negative and the diagnosis result is negative (test negative / diagnostic negative: true negative) There is.
  • the CPU obtains the number of test positive / diagnostic negative (true positive), test positive / diagnostic negative (false positive), test negative / diagnostic positive for one acquired test information. Any one of the variables of the number of (false negative) and the number of test negative / diagnostic negative (true negative) is incremented.
  • step S22 determines whether or not all the inspection information satisfying the predetermined processing target condition in the database 47a has been read. In this determination, when it is determined that all the inspection information satisfying the predetermined processing target condition has been read (Y in step S22), the CPU 41 calculates the sensitivity (step S32) and the specificity (step S32). S33) is performed.
  • Sensitivity number of true positives / (number of true positives + number of false negatives) Is done.
  • Specificity number of true negatives / (number of false positives + number of true negatives) Is done.
  • the above processing is started, for example, at regular intervals (for example, every hour, every day, every week).
  • the CPU 41 of the inspection server 40 may transmit the sensitivity and specificity values to the inspection terminal 20 each time the sensitivity and specificity are calculated. Alternatively, when receiving a request from the inspection terminal 20, each value of sensitivity and specificity may be returned to the inspection terminal 20.
  • the CPU 41 of the test server 40 can also calculate a positive predictive value and a negative predictive value based on the prevalence rate, sensitivity, and specificity.
  • the calculation of the positive predictive value and the negative predictive value is performed according to the mathematical formulas (12) and (13) described above.
  • the positive predictive value and negative predictive value should be calculated from the number of true positives, the number of false positives, the number of false negatives, the number of true negatives, without using the prevalence, sensitivity and specificity. Also good.
  • the calculated positive predictive value and negative predictive value may be transmitted to the test terminal 20 each time it is calculated. Alternatively, when a request from the test terminal 20 is received, the positive predictive value and the negative predictive value may be returned to the test terminal 20.
  • test server 40 calculates the positive predictive value and the negative predictive value and transmits them to the test terminal 20
  • the test terminal 20 determines the positive predictive value and the negative predictive value in the flowchart of FIG.
  • the calculation process step S30 is skipped.
  • FIG. 10 is a flowchart illustrating the sensitivity and specificity calculation processing (part 2) by the inspection server 40.
  • This calculation process is obtained by adding step S24A to the flowchart of the calculation process shown in FIG.
  • step S24A it is determined whether or not the examination information satisfying that the number of elapsed days is within the number of days specified in advance satisfies the patient attribute specified in advance.
  • the patient attributes designated in advance are the patient's age, sex, geographical conditions, and the like.
  • the patient's age is classified as, for example, under 10 years old, 10 years old, 20 years old.
  • An arbitrary age is given as one of the patient attributes designated in advance.
  • Geographical conditions are, for example, Address (address, administrative district), Country (country), affiliation (organization, company, other group), etc. Further, the geographical condition may be given in a radius of 50 km from a certain point. In addition to the patient's address, the geographical condition may be a work place where the patient frequently visits or other community gathering places.
  • patient attributes information related to lifestyle habits such as interview information, current / past medication information, pre-existing diseases, body information such as body temperature, blood pressure, and weight, degree of exercise, amount and type of meals, and sleeping time may be used. Good. In this case, of course, the above information needs to be added as an item of inspection information.
  • prostate cancer testing methods that use testing equipment include PSA testing, genetic polymorphism testing, and tissue testing (Needleeebiopsy). The results of these tests are obtained as numerical data.
  • Diagnosis methods for prostate cancer by doctors include rectal diagnosis, ultrasonography, and the like, and these methods are performed when a doctor determines positive / negative.
  • the CPU 41 determines whether or not there is a significant correlation between a group of numerical data as examination results and a diagnosis result by a doctor.
  • the CPU 41 calculates sensitivity and specificity for the test method corresponding to the group of numerical data determined to have a significant correlation, and uses the test method as a test diagnostic item for the subsequent test target (prostate cancer). It is configured to add each item of results and diagnostic results.
  • FIG. 11 is a flowchart showing the operation of the test terminal 20 that sets the test object to be prostate cancer.
  • FIG. 12 is a flowchart showing the operation of the examination server 40 that sets the examination subject to prostate cancer.
  • the doctor who is the user of the examination terminal 20 inputs patient information to the examination terminal 20 (step S101).
  • the doctor inputs the result of the inspection by the above three types of inspection methods to the inspection terminal 20 (steps S102, 103, 104). Thereafter, the doctor makes a diagnosis with reference to the examination result and inputs the diagnosis result to the examination terminal 20 (step S105).
  • the CPU 21 of the examination terminal 20 generates examination information including patient information, examination results, and diagnosis results input in advance by a doctor, transmits them to the examination server 40, and stores them in the database 47a (step S106).
  • the CPU 41 of the test server 40 reads one or more test results by genetic polymorphism analysis and corresponding diagnostic results by a doctor from the test information stored in the database 47a.
  • the CPU 41 of the test server 40 obtains a correlation between the test result of the gene polymorphism analysis and the diagnosis result (step S121).
  • the CPU 41 of the test server 40 reads one or more test results by genetic polymorphism analysis and corresponding diagnosis results by a doctor from the test information stored in the database 47a.
  • the CPU 41 of the inspection server 40 obtains a correlation between the diagnosis result of the tissue inspection (Needle blopsy) and the diagnosis result (step S122).
  • the CPU 41 of the test server 40 determines whether there is a significant correlation between the test result of the gene polymorphism analysis obtained in step S121 and the diagnosis result (step S123). When there is a significant correlation, the CPU 41 of the test server 40 executes the above (4. Calculation of sensitivity and specificity by the test server 40 (part 2)) using the test method of the gene polymorphism analysis as a processing target condition. To do. Thereby, the sensitivity and specificity are calculated for the testing method of gene polymorphism analysis (step S124).
  • the CPU 41 of the inspection server 40 determines whether or not there is a significant correlation with respect to the inspection result of the tissue inspection (Needlepsyblopsy) obtained in step S122 as well (step S125). Sensitivity and specificity are also calculated for the (Needle blopsy) test method (step S126).
  • ANOVA Analysis of Variance
  • ANOVA Analysis of Variance
  • ANOVA Analysis of Variance
  • ANOVA Analysis of Variance
  • This is a method for determining that there is a variation due to a factor when the variation is sufficiently larger than the error variation. That is, whether the inspection method is a factor and a meaningful variation occurs in the group of inspection data quantified by the inspection method is obtained by ANOVA (ANOVA) as the presence or absence of the above significant correlation. .
  • the CPU 41 of the examination server 40 adds the examination method determined to have a correlation to the examination items to be referred to when the doctor determines the examination guidelines for prostate cancer. More inspection information is collected by the inspection server 40 (steps S127 and S128). Thereby, the accuracy of the calculated sensitivity and specificity can be further increased.
  • the prostate cancer inspection method has been exemplified, but the present method can be similarly applied to a plurality of inspection methods for other inspection objects.
  • the correlation between the PSA test result and the diagnosis result by the doctor may be obtained, and the sensitivity and specificity of the PSA test may be calculated.
  • the correlation between the digitized examination data and the diagnosis result is calculated.
  • the correlation between the combination of the digitized examination data and the patient attribute and the diagnosis result is calculated. May be.
  • the correlation between the test result of genetic polymorphism analysis is “A”
  • the age is “over 40 years old”
  • the gender is “male”
  • the country of residence is “Japan”
  • the diagnosis result is “with disease” is calculated. You may do it.
  • the sensitivity and specificity can be updated each time.
  • the CPU 41 of the examination server 40 compares the sensitivities calculated for the plurality of examination methods A and B with respect to the same examination subject (disease), for example, the highest sensitivity.
  • the inspection method is determined (step S131), this inspection method is determined as a superior inspection method for the inspection object (steps S132 and 133), and the determination result is notified to the user of the inspection terminal 20 (step S134).
  • the most advantageous inspection method is given to the user of the inspection terminal 20 each time the stock to be inspected changes every moment. Can be recommended.
  • FIG. 13 showed the case where the recommended test method is judged on the basis of sensitivity in order to avoid false negative as a feature of the disease, a judgment condition combined with superiority or inferiority of specificity may be used.
  • the CPU 41 of the test server 40 may calculate the sensitivity and specificity by narrowing down test information based on patient attributes such as gender, age, and geographical conditions specified in advance.
  • ROC Receiveiver Operator Characteristic
  • FIG. 17 shows an ROC diagram in a case where a disease group with a disease and a patient group without a disease cannot be separated by a single threshold value.
  • the best threshold value is a value corresponding to the position where the distance from the ideal state is minimum.
  • FIG. 20 is a flowchart showing a procedure for creating a grouping list of inspection data.
  • FIG. 21 is a flowchart showing a procedure for calculating a threshold value for each group from the created inspection data grouping list.
  • the CPU 41 of the examination server 40 reads examination data satisfying a patient attribute designated in advance from the examination result database 47a and registers it in the grouping list as examination data belonging to one group. Similarly, the CPU 41 of the examination server 40 reads examination data that satisfies another patient attribute designated in advance, and registers it in the grouping list as examination data belonging to another group. This process is repeated for each patient attribute designated in advance. Thereby, a grouping list of inspection data is created.
  • the CPU 41 of the inspection server 40 calculates the sensitivity and “1-specificity” for each group while changing the threshold value for each group for the grouping list of the inspection data thus created. Each value that minimizes the distance from is obtained. Then, the CPU 41 of the inspection server 40 sets the minimum value among the values that minimize the distance from the ideal state for each group as a cutoff value that makes sensitivity and specificity dominant.
  • the best threshold value for each group is assumed to have the minimum distance from the ideal state in the ROC diagram. However, the best threshold value for each group may be determined by other methods. .
  • the minimum value among the best threshold values of each group is set as a cutoff value that makes sensitivity and specificity dominant, but the present technology is not limited to this.
  • a value selected by another method may be set as the cutoff value.
  • the grouping list is created for one type of inspection data, but a grouping list may be created for a combination of a plurality of types of inspection data.
  • one value (minimum value) is set among the best threshold values for each group, the presence or absence of a disease may be separated using a plurality of the best threshold values for each group. Good.
  • the best threshold value of the group Gp_A and the best threshold value of the grape Gp_B are set.
  • a test subject (patient) exceeding the best threshold value in any group is considered to have a disease.
  • the following effects can be obtained by the inspection system 10 of the present embodiment.
  • sensitivity and specificity in a test kit sensitivity and specificity can be determined based not only on values obtained at the time of clinical development of the test kit but also on actual test results after marketing. This makes it possible to provide healthcare professionals with more up-to-date, more accurate, and more realistic information about the performance of the test kit, such as sensitivity and specificity, that are easily dissociated. As a result, doctors can make more accurate diagnoses.
  • the test kit that is easily dissociated in practice is, for example, a kit for the following diseases. 1. If the sensitivity or specificity of the test object changes depending on when the test kit is used, for example, an infectious disease that causes changes such as influenza virus. 2. A disease in which many genetic polymorphisms are involved and related genetic polymorphisms are newly found. 3. Diseases that involve a variety of environmental factors in addition to genetic factors.
  • this technique can also take the following structures.
  • a communication unit that communicates via a network with a plurality of test terminals capable of inputting a result of a test for the presence or absence of a disease and a result of a diagnosis of the presence or absence of the disease by a doctor related to the test; From the plurality of examination terminals, obtain at least examination results and examination information including the diagnosis results by the communication unit, Storing the acquired plurality of examination information in a storage unit; Calculating at least one of sensitivity and specificity of the test by statistical processing of the plurality of stored test information;
  • An inspection server comprising: a control unit configured to cause the communication unit to respond to the result of the statistical processing in response to a request from the inspection terminal.
  • the examination information further includes information on the elapsed time from the onset
  • the said control part is comprised so that at least one may be calculated among the sensitivity and specificity of the said test
  • the inspection server includes inspection data quantified as a result of the inspection,
  • the control unit groups the examination data for each patient attribute, calculates sensitivity and specificity for each group while changing a threshold value for separating presence or absence of disease, and sets the sensitivity and specificity to the sensitivity and specificity.
  • An inspection server configured to calculate a threshold value based on it.
  • the inspection server according to any one of (1) to (3) above, The control unit is configured to compare at least one of sensitivity and specificity of a plurality of types of tests performed on the same test target, and to determine a type of test superior to the test target. Inspection server.
  • the inspection server according to any one of (1) to (4) above, The control unit is configured to calculate at least one of a positive predictive value and a negative predictive value based on the calculated sensitivity and specificity and cause the communication unit to respond.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)

Abstract

　この検査サーバは、疾患の有無の検査の結果および当該検査に関する医師による疾患の有無の診断の結果の入力が可能な複数の検査端末とネットワークを介して通信する通信部と、複数の検査端末から、少なくとも検査の結果および診断の結果を含む検査情報を取得し、取得された複数の検査情報を記憶部に記憶させ、記憶された複数の検査情報の統計処理によって、検査の感度および特異度のうち少なくとも一方を算出し、検査端末からの要求に応じて、統計処理の結果を通信部により応答させるように構成された制御部とを具備する。

Description

検査サーバ、検査方法および検査システム
　本技術は、検査情報を統計処理することが可能な検査サーバ、検査方法および検査システムに関する。
　近年、臨床医療において行われる検査は、患者の治療を進める上で、ますます重要となっている。そして臨床検査のために、数多くの検査機器や検査キット、検査方法が開発されている。
　検査システムをネットワークに対応したクライアント・サーバ・システムとして構築することも行われている。
　例えば、特許文献１では、例えばコンピュータで構成されるインテリジェンスモジュール１０５が、試験システム１５０などのデータ収集モジュールから、患者試験結果を直接接続またはネットワーク１４０を介して受け取る。インテリジェンスモジュールは、患者試験結果を解析して患者資料が炎症性腸疾患またはその臨床的サブタイプと関連しているか否かを決定するための疾患分類処理を実行する。そして、処理により行われた決定は、クライアントシステム１３０に提供される。
特表２０１２－５０８３８３号公報
　本技術の目的は、臨床検査や治療を、品質やコストなど様々な面で向上させる検査サーバ、検査方法、および検査システムを提供することにある。
　上記目的を達成するため、本技術の一形態に係る検査サーバは、
　疾患の有無の検査の結果および当該検査に関する医師による前記疾患の有無の診断の結果の入力が可能な複数の検査端末とネットワークを介して通信する通信部と、
　前記複数の検査端末から、少なくとも前記検査の結果および前記診断の結果を含む検査情報を前記通信部により取得し、
　前記取得された複数の検査情報を記憶部に記憶させ、
　前記記憶された複数の検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出し、
　前記検査端末からの要求に応じて、前記統計処理の結果を前記通信部により応答させるように構成された制御部とを具備する。
　前記検査情報は、患者に関する属性情報をさらに含むものであり、
　前記制御部は、予め指定された属性を満足する検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出するように構成されてもよい。
　前記検査情報は、前記検査の結果として数値化された検査データを含み、
　前記制御部は、患者の属性毎に前記検査データをグループ化し、前記グループ毎に、疾病の有無を分離するスレッシュルド値を変化させながら感度および特異度を算出し、前記感度及び前記特異度に基づきスレッシュルド値を算出するように構成されてもよい。
　前記制御部は、同一の検査対象に対して実施された複数の種類の検査の感度および特異度の少なくともいずれか一方を比較し、前期検査対象に対する優位な検査の種類を判定するように構成されてもよい。
　前記検査情報は、前記検査の結果として数値化された検査データを含み、
　前記制御部は、患者の属性毎に前記検査データをグループ化し、前記グループ毎に、疾病の有無を分離するスレッシュルド値を変化させながら感度および特異度を算出し、最良のスレッシュルド値を算出するように構成されてもよい。
　前記制御部は、前記算出された感度および特異度をもとに、陽性的中率および陰性的中率のうち少なくとも１つを算出して前記通信部により応答させるように構成されてもよい。
　以上のように、本技術によれば、臨床検査や治療を、品質やコストなど様々な面で向上させることが出来る。なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載されたいずれかの効果であってもよい。
ある疾患の臨床検査を、ある検査方法により行った際の状態を表す図である。 陽性的中率および陰性的中率と有病率の関係を表したグラフである。 本技術を採用する検査システム１０が、検査端末と検査サーバ４０とを、ネットワークを介して接続した構成であることを示す図である。 検査サーバ４０が一般的なコンピュータにより構成される場合のブロック図である。 データベース４７ａを構成する各レコードにおける、各フィールド（項目）の例を示す図である。 検査端末が検査機器と一般的なコンピュータにより構成される場合のブロック図である。 検査システム１０における全体的な処理の流れについて説明するフローチャートである。 有病率を集計し算出する処理の詳細について説明するフローチャートである。 検査サーバによる感度および特異度の算出処理（その１）を示すフローチャートである。 検査サーバによる感度および特異度の算出処理（その２）を示すフローチャートである。 検査対象を前立腺癌とする検査端末の動作を示すフローチャートである。 検査対象を前立腺癌とする検査サーバの動作を示すフローチャートである。 検査サーバが検査対象に対する優位な検査方法を提示する手順を示すフローチャートである。 数値化された検査結果を評価するスレッショルド値を説明する図である。 図１４に対応するＲＯＣ図を示す図である。 現実的なスレッショルド値を説明する図である。 図１６に対応するＲＯＣ図を示す図である。 属性情報によりグルーピングされた場合のスレッショルド値を説明する図である。 図１８に対応するＲＯＣ図を示す図である。 検査データのグルーピングリストの作成手順を示すフローチャートである。 検査データのグルーピングリストから、グループ毎のスレッショルド値を算出する手順を示すフローチャートである。 複数のグループ毎の最良のスレッショルド値数を用いて疾患の有無を分離する方法を説明するための図である。
　以下、本技術に係る実施形態を、図面を参照しながら説明する。
　［背景について］
　臨床現場において用いられる検査機器や検査薬、検査キット（以下、まとめて検査機器と呼ぶ）には、検査機器が罹患患者を正しく陽性と判定できる精度を示す感度と、非罹患者を正しく陰性と判定できる精度を示す特異度が定義されている。これらの精度は、検査機器の製造時に特定できるものである。これまで、臨床検査では、これらの指標を参考にして、検査機器により検査結果に対する医師の最終判断が行われてきた。
　これに対し、検査機器が示す陽性または陰性という結果に対して、患者が実際に罹患しているか否かを示す確からしさを示す指標として、陽性的中率および陰性的中率という指標がある。
　陽性的中率および陰性的中率は、臨床現場において検査機器を用いて疾患の診断を下す医師にとり、検査結果の確からしさを表す非常に重要な指標である。何故重要かは、後述する。この陽性的中率および陰性的中率は、検査機器の感度および特異度と、有病率とから計算することが出来る。逆に言えば、感染症などにおいて有病率が時々刻々と変化する場合、これらの指標の値も時々刻々と変化してしまう。
　本技術では、この時々刻々と変化する有病率、感度および特異度を適切に扱うことにより、例えば感染症のパンデミックに際して、検査端末を用いて医師がより的確な診断を下せるように助けることが、この検査システムの開発目的の一つである。
　すなわち、感染に関する情報を公共機関が提供する例は既に存在するが、各検査機器や各患者に対応してきめ細かい情報を即時的に提供することは困難であった。このようなきめ細かい情報を即時的に提供する事も、本検査システムの開発目的の一つである。
　［感度、特異度を算出するために必要なデータについて］
　ここで、感度、特異度を算出するために必要なデータについて説明する。図１は、ある疾患の臨床検査を、ある検査方法にて行った結果を表している。
　ここで、真陽性ａは、検査機器により陽性という結果が出て、医師が確かにその患者が疾患に罹患していると最終判断を下したケース（検査陽性／診断陽性）に該当する人数である。
　偽陰性ｂは、検査機器により陰性という結果が出たが、医師によりその患者は罹患しているという最終判断が下されたケース（検査陰性／診断陽性）に該当する人数である。
　偽陽性ｃは、検査機器により陽性という結果が出たが、医師によりその患者はその疾患に罹患していないという最終判断を下したケース（検査陽性／診断陰性）に該当する人数である。
　真陰性ｄは、検査機器により陰性という結果が出て、かつ医師が確かにその患者がその疾患に罹患していないという最終判断を下したケース（検査陰性／診断陰性）に該当する人数である。
　有病率、感度および特異度は上記の真陽性ａ、偽陰性ｂ、偽陽性ｃ、真陰性ｄの各値を用いて次のように求められる。
　有病率＝（ａ＋ｂ）／（ａ＋ｂ＋ｃ＋ｄ）
　感度＝ａ／（ａ＋ｂ）
　特異度＝ｄ／（ｃ＋ｄ）
　その他、陽性、陰性、陽性率、陰性率、陽性的中率、陰性的中率、疾患数、非疾患数、総数および正診率は、上記の真陽性ａ、偽陰性ｂ、偽陽性ｃ、真陰性ｄの各値を用いて以下のように求められる。
　陽性＝ａ＋ｃ
　陰性＝ｂ＋ｄ
　陽性率＝（ａ＋ｃ）／（ａ＋ｂ＋ｃ＋ｄ）
　陰性率＝（ｂ＋ｄ）／（ａ＋ｂ＋ｃ＋ｄ）
　陽性的中率＝ａ／（ａ＋ｃ）
　陰性的中率＝ｄ／（ｂ＋ｄ）
　疾患数＝ａ＋ｂ
　非疾患数＝ｃ＋ｄ
　総数＝ａ＋ｂ＋ｃ＋ｄ
　正診率＝（ａ＋ｄ）／（ａ＋ｂ＋ｃ＋ｄ）
　なお、疾患や検査方法が複数ある場合は、疾患と検査方法の組み合わせごとに、この図のような表を作成することが出来る。
　［有病率と陽性的中率、有病率と陰性的中率との関係について］
　次に、有病率と陽性的中率、有病率と陰性的中率との関係について説明する。
　まず、ベイズの定理により、ある検査を患者に対して行って、実際に罹患している確率（オッズ）は、その検査を行う前に、その検査で陽性になる検査前オッズと尤度比を用いて、以下の数式（１）のように表される。
　検査後オッズ＝検査前オッズ×尤度比　　　（１）
　また、オッズ（Ω）は、確率（ｐ）を用いて以下の数式（２）で表される。
　Ω=ｐ／（１－ｐ）　　　（２）
　なお、数式（２）より、確率（ｐ）は、オッズ（Ω）を用いて以下の数式（３）で表される。
　ｐ＝Ω／（１＋Ω）　　　（３）
　また、検査陽性後オッズは、検査前オッズと陽性尤度比（後述）を用いて、以下の数式（４）で表される。
　検査陽性後オッズ＝検査前オッズ×陽性尤度比　　　（４）
　また、検査陰性後オッズは、検査前オッズと陰性尤度比（後述）を用いて、以下の数式（５）で表される。
　検査陰性後オッズ＝検査前オッズ×陰性尤度比　　　（５）
　ここで、他の指標の関係についても、その定義式を、以下の数式（６）から数式（１１）で示しておく。
　有病率＝疾患数／総数　　　（６）
　検査前オッズ＝有病率／（１－有病率)　　　（７）
　検査陽性後オッズ＝陽性的中率／（１－陽性的中率）　　　（８）
　検査陰性後オッズ＝陰性的中率／（１－陰性的中率）　　　（９）
　陽性尤度比＝感度／（１－特異度）
　　　　　　＝（真陽性数／疾患数）／（偽陽性数／非疾患数）　　　（１０）
　陰性尤度比＝（１－感度）／特異度
　　　　　　＝（偽陰性数／疾患数）／（真陰性数／非疾患数）　　　（１１）
　以上の数式より、陽性的中率および陰性的中率は、有病率、感度および特異度を用いて下記の数式（１２）および数式（１３）により表される。
　陽性的中率＝感度×有病率／(感度×有病率＋(1－有病率)(1－特異度))　（１２）
　陰性的中率＝特異度×(１－有病率)／(特異度×(１－有病率)＋有病率×(１－感度))　（１３）
　なお、上記の数式は、確率（ｐ）を用いて表しても、オッズ（Ω）を用いて表してもよく、得られる情報は同義のものとなる。
　次に、陽性的中率および陰性的中率と有病率の関係をさらに詳しく見ていく。図２は、陽性的中率および陰性的中率と有病率の関係を表したグラフである。なお、この検査で用いる検査機器では、感度９０％、特異度９０％であるとしている。
　この図から、例えば有病率が５０％のとき、すなわち診断した患者のうち実際に罹患していた患者の数が半分程度のときには、陽性的中率および陰性的中率とも９０％程度であり、検査結果を信頼することが出来ることが分かる。
　しかし、例えば、有病率が５％程度のとき、すなわち１００人診断して罹患者が５人程度のときには、陽性的中率が３０％程度であり、検査結果を信頼することは難しくなることが分かる。
　この図には表していないが、診断の精度を上げるために、例えば感度が９９％である検査機器を用いた場合でも、有病率が極めて低い場合、陽性的中率が５０％を下回り、検査結果の信頼性が低くなってしまう。
　［陽性的中率、陰性的中率に基づく治療方針の提示について］
　次に、陽性的中率、陰性的中率に基づく治療方針を検査サーバにて特定し、その結果を検査端末に送信して提示する構成を説明する。
　（ＭＲＳＡ感染での重要な指標について）
　ここでは、ＭＲＳＡ（Methicillin-resistant Staphylococcus aureus、メチシリン耐性黄色ブドウ球菌）への感染を例に説明する。
　院内感染を防ぐために、ＭＲＳＡ感染者に対しては個別管理を行う必要がある。個別管理では、個別部屋の費用などの感染防止対策費用や、医療従事者の手洗い、エプロン着用などの負担が必要になる。
　これらの負担を極力減らす為には、本当にその患者がＭＲＳＡに罹患しているか否かを正しく診断することが重要である。検査方法には、遺伝子検査や、イムノアッセイ、培養検査などがある。これらの検査により、ＭＲＳＡへの罹患の有無を検査し、MRSA非感染者を正しくＭＲＳＡ陰性であると示すことが出来れば、個別管理しなければならない罹患者の数を減らすことが出来、感染防止対策費用を減らすことが出来る。この観点から、ＭＲＳＡ感染に関しては、陰性的中率が重要となる。
□（ＭＲＳＡ感染で提示する方針の例について）
　次に、有病率、感度、特異度および陰性的中率がどの程度であるときに、どのような方針を採るべきかについて、具体例を挙げる。
　例えば、感度８５％、特異度９０％の検査方法を使用するとき、有病率が４０％以下であれば、この検査の陰性的中率は９０％以上となるので、検査サーバは、その検査を実施する事を推奨するように検査端末の医師に提示する。
　有病率が４０％より高ければ、この検査の陰性的中率は９０％未満となるので、検査サーバは、この検査を推奨せず、別のより高感度な検査方法を実行する事を推奨する提示を行うか、または検査はせず患者の個別管理を行う事を推奨するように検査端末の医師に提示する。
　同様に、感度９０％、特異度９０％の検査方法を使用するとき、有病率が５０％以下であれば、陰性的中率は９０％以上となるので、検査の実行が推奨される。もし有病率が５０％を超えていれば、陰性的中率は９０％未満となるので、検査サーバは、その検査の実行を推奨せず、別のより高感度な検査方法を推奨するか、または患者の個別管理を行う事を推奨するように検査端末の医師に提示する。
　同様に、感度９５％、特異度９０％の検査方法を使用するとき、有病率が６６．７％以下のとき、陰性的中率は９０％以上となるので、検査を推奨する。もし有病率が６６．７％より高ければ、陰性的中率は９０％未満となるので、検査サーバは、検査を推奨せず、別のより高感度な検査方法を推奨するか、または患者の個別管理を推奨するように検査端末の医師に提示する。
　（有病率に基づいた検査方法の推奨について）
　次に、有病率に基づいて、検査サーバはどのような検査方法を医師に推奨できるかを説明する。
　上述のとおり、感度、特異度、有病率、および陰性的中率には、所定の関係がある。そこで、有病率が３０％のとき、陰性的中率を９０％以上としたい場合、感度７７％、特異度９０％以上の検査方法を使用すればよいことが分かる。
　また、有病率が４０％のとき、陰性的中率を９０％以上としたい場合、感度８５％、特異度９０％以上の検査方法を使用すればよいことが分かる。
　また、有病率が５０％のとき、陰性的中率を９０％以上としたい場合、感度９０％、特異度９０％以上の検査方法を使用すればよいことが分かる。
　また、有病率が６０％のとき、陰性的中率を９０％以上としたい場合、感度９３％、特異度９０％以上の検査方法を使用すればよいことが分かる。
　このことは、具体的な事例に当てはめると、例えば、検査サーバは、検査端末の医師に対し、実行すべき検査方法を次のように推奨することである。すなわち、有病率が３０％のときには、感度は低いがコストを抑えられるイムノクロマトキットの使用を推奨し、有病率が５０％のときには、高コストだが感度が高い遺伝子検査キットや、検査時間は長いが感度が高い培養検査を推奨することが考えられる。
　なお、検査システムでは、検査を行う医療機関で実行可能な検査方法のリストを保持しておき、感度、特異度、有病率、および陰性的中率に基づいて、最適な検査方法を医師に推奨するようにしてもよい。
　［有病率の具体例について］
　次に、上述した有病率の具体例について説明する。ここでは、年代、地域、時期、年齢、コミュニティなどに応じて有病率が変化する例を説明する。
　（年代に応じて有病率が変化する例）
　まず、薬剤耐性菌の有病率が、年代を経るに従って変化している様子を説明する。ここでの説明は、米国のＣＤＣ（Centers for Disease Control and Prevention、アメリカ疾病管理予防センター）の作成した、薬剤耐性菌の罹患率の変化に関する情報に基づいている。なお、罹患率と有病率は類似の指標であり、ここでは有病率と読み替えて説明する。
　米国における黄色ブドウ球菌のうちメチシリン耐性黄色ブドウ球菌（ＭＲＳＡ）の割合は、１９８０年では約５％であったのに対し、１９９０年では約３０％、２０００年では約５０％と変化している。同様に、腸球菌のうちのバンコマイシン耐性腸球菌（Vancomycin-resistant Enterococcus、ＶＲＥ）の割合や肺炎球菌のうちのフルオロキノロン耐性肺炎球菌（Fluoroquinolone-resistant Pseudomonas Aeruginosa、ＦＱＲＰ）の割合は、１９９０年には２％以下であったのに対し、２０００年では２０％以上と変化している。
　このように、薬剤耐性菌の有病率は年代と共に変化しているため、診断の精度を高めるためには、検査を行う時に最新の有病率を把握していることは重要である。
　（地域（国）に応じて有病率が変化する例）
　次に、薬剤耐性菌の有病率が、地域（国）により変化する様子を説明する。ここでの説明は、European Antimicrobial Resistance Surveillance System (EARSS)のEuro Surveillance 2008 Nov 20 Volume 13, Issue 47の資料に基づいている。この資料は、ヨーロッパにおける国別の薬剤耐性菌の有病率を示したものである。
　ＥＡＲＳＳの資料によると、２００７年における腸球菌のうちのＶＲＥの割合はアイルランド、ギリシャで３０％以上、イギリスで３０－２０％、チェコで２０－１０％、イタリア、ドイツ、ポルトガルで１０－５％、スペイン、フランス、スイス、オーストリアなどで５－１％、ノルウェー、スウェーデン、フィンランド、ポーランドなどで１％以下となっている。
　このように、有病率は地域や国によっても異なるため、診断の精度を高めるためには検査を行う地域の有病率を把握していることは重要である。
　（インフルエンザウイルスの有病率の例１）
　次に、インフルエンザウイルスの有病率が、時期や地域によって変動する様子を説明する。ここでは、東京都健康安全研究センターの資料を用いる。この資料は、定点あたりのインフルエンザの患者数を時期ごとおよび年ごとに表したものである。
　この資料によると、インフルエンザウイルスの有病率は、６月、７月に少ない一方、２月、３月は例年高い傾向がある。しかし、その傾向の中でも、流行開始時期は各年で異なり、その有病率も大きく異なる。さらに、２００９年に流行したパンデミック株(H1pdm) のように、例年は流行しない１０月、１１月、１２月に有病率が高くなる場合もある。
　また、ここでは図示しないが、国立感染症研究所の病原微生物検出情報（IASR、http://idsc.nih.go.jp/iasr/influ.html）でも、地方衛生研究所から、感染症発生動向調査の報告として、定点およびその他の医療機関、保健所等における病原体の感染件数が報告されている。このＩＡＳＲによると、インフルエンザウイルスの流行時期および流行地域に差があることがわかる。さらには、インフルエンザウイルスの型によっても流行時期や流行地域に差があることがわかる。
　このように、インフルエンザウイルスの有病率は、年によっても、時期によっても、ウイルス型によっても大きく異なる。そのため、診断の精度を高めるためには検査を行う際に、非常に迅速かつ継続的に、有病率情報を収集できる検査システムが有効になる。
　（インフルエンザウイルスの有病率の例２）
　次に、インフルエンザウイルスの有病率が、患者の年齢や所属するコミュニティによって変動する様子を説明する。ここでは厚生労働省と奈良県郡山保健所の資料を用いて説明する。この資料は、厚生労働省の感染症発生動向調査における、年齢階級別の推計受診者数を表したものである。
　この資料によると、０－１４歳、特に５－９歳におけるインフルエンザウイルスの有病率が、他の年齢階級と比較して高い傾向にある。すなわち、有病率は、年齢階級によって、大きく変化していることがわかる。
　そのため、被検者の年齢に応じて、最適な有病率を用いて検査結果を判断することが重要である。
　また、患者が所属するコミュニティによっても、有病率は異なる。例えば、奈良県郡山保健所が報告している「２０１２－２０１３シーズンにおけるインフルエンザ発生状況について」では、小学生低学年におけるインフルエンザウイルスの有病率が高い、という報告例がある。例えば、２０１１－２０１２シーズンにおける、ある小学校の小学生１年生の有病率は３０％以上であった、という報告例がある。
　一方、厚生労働省の入院サーベイランス、感染症発生動向調査によると、日本における２０１１－２０１２年シーズンにおけるインフルエンザウイルス様の有病率は、１６４８万人と推計されている。２０１０年の国勢調査の結果から、日本の人口を１億２８００万人とすると、インフルエンザウイルスの有病率は、最高値でも１２．９％となり、奈良県の例とは異なっている。すなわち、コミュニティによってインフルエンザウイルスの有病率が異なることが示唆されている。
　そのため、被検者の所属するコミュニティに応じて、最適な有病率を用いて検査結果を判断することが重要となる。
　以上、有病率の具体例について説明した。
　［検査システムの構成について］
　次に、本技術に係る第１の実施形態の検査システムの全体構成について説明する。本実施形態の検査システムでは、クライアント・サーバの構成を採用する。図３は、本実施形態の検査システム１０が、検査端末２０と検査サーバ４０とを、ネットワークを介して接続した構成であることを示す図である。この図にあるように、本技術を採用する検査システム１０では、クライアントとなる複数の検査端末２０が、各国、各地域、各施設に分散して配置されており、それらの検査端末２０が、ネットワーク３０を介して、検査サーバ４０と接続されている。
　（クライアント・サーバ構成を採る理由）
　まず、本技術を採用する検査システム１０が、クライアント・サーバ構成であることが望ましい理由について、説明する。
　本技術では、最新の有病率、感度、特異度を用いることがポイントの一つである。これら有病率、感度、特異度は、上述の定義から分かるように、検査総数が大きければ大きいほど、計算される有病率の精度が高まる。
　そして、検査総数を大きくするためには、１つの検査端末２０において数多く検査するアプローチと、数多くの検査端末２０から検査結果を収集するアプローチとがある。本実施形態では、数多くの検査端末２０から検査結果を収集するアプローチを実現するために、検査システム１０の構成として、検査サーバ４０と複数の検査端末２０からなる、クライアント・サーバ構成を採用している。
　この構成を採ることにより、クライアントである検査端末２０の数をできる限り増やすことが可能となる。この結果、検査サーバ４０にて求められる有病率，感度、特異度の精度を向上させることができる。
　（検査サーバ４０の構成について）
　次に、検査サーバ４０のハードウェア構成について説明する。検査サーバ４０は、専用のハードウェアやソフトウェアにより構成されていてもよいし、一般的なコンピュータにより構成されてもよい。検査サーバ４０が一般的なコンピュータにより構成される場合のブロック図を図４に示す。
　同図に示すように、検査サーバ４０は、ＣＰＵ（Central Processing Unit）４１、ＲＯＭ（Read Only Memory）４２、ＲＡＭ（Random Access Memory）４３、操作入力部４４、ネットワークインターフェイス部４５、表示部４６、及び記憶部４７を有し、これら各ブロックがバス４８を介して接続されている。
　ＲＯＭ４２は、各種の処理を実行するためのファームウェア等の複数のプログラムやデータを固定的に記憶する。ＲＡＭ４３は、ＣＰＵ４１の作業用領域として用いられ、ＯＳ（Operating System）、実行中の各種アプリケーション、処理中の各種データを一時的に保持する。
　記憶部４７は、例えばＨＤＤ（Hard Disk Drive）や、フラッシュメモリ、その他の固体メモリ等の不揮発性メモリである。当該記憶部４７には、ＯＳや各種アプリケーション、各種データに加え、後述するデータベース４７ａが記憶される。
　ネットワークインターフェイス部４５は、検査端末２０と情報のやりとりを行う為のネットワーク３０と結ばれており、検査端末２０から情報を収集したり、検査端末２０に加工した情報を提供したりする。
　ＣＰＵ４１は、ＲＯＭ４２や記憶部４７に格納された複数のプログラムのうち、操作入力部４４から与えられる命令に対応するプログラムをＲＡＭ４３に展開し、当該展開されたプログラムにしたがって、表示部４６及び記憶部４７を適宜制御する。
　また、ＣＰＵ４１は、ネットワーク３０およびネットワークインターフェイス部４５を介して検査端末２０から収集した情報に基づき、データベース４７ａを更新する。そして、ＣＰＵ４１は、検査端末２０から受信した情報の要求が指定する条件に基づき、データベース４７ａから必要な情報を抽出し、集計して各検査端末２０に返信する。
　操作入力部４４は、例えばマウス等のポインティングデバイス、キーボード、タッチパネル、その他の操作装置である。
　表示部４６は、例えば液晶ディスプレイ、ＥＬ（Electro-Luminescence）ディスプレイ、プラズマディスプレイ、ＣＲＴ（Cathode Ray Tube）ディスプレイ等である。当該表示部４６は、検査サーバ４０に内蔵されていてもよいし、外部接続されていてもよい。
　以上、検査サーバ４０の構成について説明した。
　（データベース４７ａについて）
　次に、データベース４７ａ内に格納されるレコードの構成例について説明する。図５は、データベース４７ａを構成する各レコードにおける、各フィールド（項目）の例を示す図である。なお、これらの項目を検査情報と呼ぶ。
　検査情報は、機器ＩＤ、患者ＩＤ、検体ＩＤ、検査日付、住所、国、性別、年齢、検査結果、医師の診断結果、疾患ＩＤ、検査方法ＩＤ、発症からの経過日数、などの複数の項目の情報で構成される
　（検査端末２０の構成について）
　次に、検査端末２０のハードウェア構成について説明する。検査端末２０は、専用のハードウェアやソフトウェアにより構成されていてもよいし、検査機器と一般的なコンピュータにより構成されてもよい。検査端末２０が検査機器と一般的なコンピュータにより構成される場合のブロック図を図６に示す。
　同図に示すように、検査端末２０は、ＣＰＵ２１、ＲＯＭ２２、ＲＡＭ２３、操作入力部２４、ネットワークインターフェイス部２５、表示部２６、記憶部２７、および検査機器２８を有し、これら各ブロックがバス２９を介して接続されている。なお、検査サーバ４０の構成要素と同じ機能を持つ構成要素については、説明を省略する。
　ネットワークインターフェイス部２５は、検査サーバ４０と情報のやりとりを行う為のネットワーク３０と結ばれており、検査サーバ４０に情報を送信したり、検査サーバ４０で加工された情報を受信したりする。
　ＣＰＵ２１は、ネットワーク３０およびネットワークインターフェイス部２５を介して検査サーバ４０から受信した情報を表示部２６を介してユーザである医師に提示したり、受信した情報に基づき後述する様々な処理を行ったりする。また、ＣＰＵ２１は、検査機器２８での検査結果や疾患の診断を行った医師の最終的な診断結果を、ネットワーク３０およびネットワークインターフェイス部２５を介して、検査サーバ４０に送信する。
　検査機器２８は、実際に疾患の検査を行う機器である。検査の結果は、ＣＰＵ４１により読み取られ、検査を行った医師に表示部２６を介して提示されたり、ネットワーク３０を介して検査サーバ４０に送信されたりする。なお、検査機器として検査キットを使用する場合、検査端末２０が自動で検査結果を読み取ってもよいし、検査結果が手動で検査端末２０に入力されてもよい。
　［検査システム１０の処理の流れについて］
　次に、検査システム１０の動作を説明する。
　なお、この検査システムでは、１以上の検査端末２０から検査サーバ４０に検査情報が送信される。検査端末２０から検査サーバ４０に送られてきた検査情報はデータベース４７ａに随時蓄積されていく。検査サーバ４０は、例えば、一定の時間周期で検査情報の集計処理を開始する。
　検査サーバ４０では、予め指定された条件別の検査情報について集計処理が行われ、集計処理の結果として、条件別の有病率、感度、特異度などが値が求められる。ここで、条件とは、検査方法の種類（検査方法ＩＤ）、発症からの経過日数、性別、年齢、場所・グループ、これらの組み合わせなどである。検査情報の集計処理は、上記の真陽性ａ、偽陰性ｂ、偽陽性ｃ、真陰性ｄの各値を用いて行われる。
　以下、検査システム１０の動作の詳細を説明する。
　（１．検査システム１０の全体的な動作）
　図７は、検査システム１０の全体的な動作の例を示すフローチャートである。
　なお、検査サーバ４０のデータベース４７ａには、既に１以上の検査端末２０から収集された複数の検査情報が蓄積されていることとする。
　検査サーバ４０のＣＰＵ４１は、データベース４７ａから、予め指定された条件を満足する検査情報を抽出する。条件としては、検査方法ＩＤ、発症からの経過日数などが指定される。
　検査サーバ４０のＣＰＵ４１は、データベース４７ａから抽出された検査情報をもとに有病率、感度、特異度を集計する（ステップＳ１０）。この集計処理は、一定時間（例えば１時間や１日ごと）のサイクルで開始されてもよいし、人為的に指示されたタイミングで開始されてもよい。
　検査端末２０のＣＰＵ２１が、検査サーバ４０から、最新の有病率、感度、特異度の情報をダウンロードする（ステップＳ２０）。なお、このダウンロードは、検査端末２０からのプル通信により行われてもよいし、検査サーバ４０からのプッシュ通信により行われてもよい。
　検査端末２０のＣＰＵ２１が、上述した数式（１２）および数式（１３）に従い、陽性的中率および陰性的中率の算出を行う（ステップＳ３０）。
　検査端末２０のＣＰＵ２１が、検査サーバ４０より取得した有病率、さらには算出された陽性的中率および陰性的中率を、表示部２６を介してユーザである医師に提示する（ステップＳ４０）。
　次に、検査端末２０のユーザ（医師）は、患者の症例に対して、検査機器２８を用いて検査を実施する（ステップＳ５０）。検査機器２８による検査の結果は、例えば、検査端末２０に自動的に、医師から手入力によって検査端末２０に入力される。検査結果は表示部２６に表示される。
　さらに、医師は、検査端末２０の表示部２６に表示された、有病率、陽性的中率、陰性的中率、および検査結果を参考に、検査を実施した症例に対する診断を行う。医師の診断結果は検査端末２０に手入力によって入力される（ステップＳ６０）。ここで、診断結果は、少なくとも、疾患ＩＤ、検査方法ＩＤ、陽性／陰性、発症からの経過日数などの情報を含む。
　この後、検査端末２０のＣＰＵ２１は、医師により予め入力された患者情報、検査結果および診断結果を含む検査情報を生成し、検査サーバ４０に送信する（ステップＳ７０）。
　なお、患者情報は、Patient ID（患者ＩＤ）、Address（住所、行政区域）、Country（国）、Gender（性別）、Age（年齢）、所属（組織、会社、その他のグループ）など、患者に関する各種の属性情報を含む。これらの患者情報は、医師などによって予め検査端末２０に入力され、登録されている。
　検査サーバ４０のＣＰＵ４１は、検査端末２０より送られてきた検査情報をデータベース４７ａに登録する（ステップＳ８０）。この後、処理はステップＳ１０に戻り、上記の処理が繰り返される。
　（２．検査サーバ４０による有病率の算出処理）
　次に、図８を参照して、検査サーバ４０による有病率の算出処理を説明する。
　最初に、検査サーバ４０のＣＰＵ４１は、集計時にカウントアップに用いる変数である診断総件数および疾患件数をゼロクリアして初期化する（ステップＳ１１）。
　次に、検査サーバ４０のＣＰＵ４１は、データベース４７ａに保存されている検査情報において、処理対象の条件を満たす検査情報をすべて読み出したかどうかを判定する（ステップＳ１２）。ここで、処理対象の条件は、例えば、特定の検査方法ＩＤなどを含む。
　データベース４７ａに処理対象の条件を満たす検査情報が残っている場合（ステップＳ１２のＮ）、検査サーバ４０のＣＰＵ４１は、検査情報を１件読み込み（ステップＳ１３）、診断総件数を１だけカウントアップする（ステップＳ１４）。
　次に、検査サーバ４０のＣＰＵ４１は、読み込んだ検査情報の中の診断結果が陽性であるか否かを判断する（ステップＳ１５）。陽性である場合（ステップＳ１５のＹ）、ＣＰＵ４１は疾患件数を１だけカウントアップする（ステップＳ１６）。
　また、データベース４７ａから読み込んだ当該検査情報の中の診断結果が陰性である場合（ステップＳ１５のＮ）、データベース４７ａに処理対象の条件を満たす次の検査情報があれば（ステップＳＡ１２のＹ）、この検査情報を読み出し、ステップＳ１３からステップ１５またはステップＳ１６の動作を繰り返す。
　ステップＳ１２において、データベース４７ａに保存されている検査情報において、処理対象の条件を満たす検査情報がなくなった場合（ステップＳ１２のＹ）、ＣＰＵ４１は、数式（６）に従い、診断総件数および疾患件数から有病率を算出する（ステップＳ１７）。なお、数式（６）は以下のとおりである。
　有病率　＝　疾患数　／　総数　（６）
　なお、上記の説明では、検査サーバ４０で有病率を求めることとしたが、検査サーバ４０以外、あるいは本検査システム１０の外部で計算された有病率の値を取得するようにしてもよい。外部から有病率の値を取得する方法としては、ネットワーク３０を経由する方法のほか、論文などの文献から有病率の数値を人為的に抽出し、手入力する方法でもよい。論文などから数値を手入力する際には、入力を簡略化するための規格があることが望ましい。
　検査サーバ４０のＣＰＵ４１は、有病率が算出される都度、これを検査端末２０に送信するようにしてもよい。
　あるいは、検査サーバ４０のＣＰＵ４１は、算出された有病率の値を保持し、検査端末２０からのリクエストを受けたとき、有病率の値を検査端末２０に応答するようにしてもよい。
　（３．検査サーバ４０による感度および特異度の算出処理（その１））
　例えば、呼吸器感染症の場合、鼻腔や咽頭に存在する病原体の数は、病気を発症してからの経過時間と共に変動することが知られている。病原体の数の変化と共に、検査の感度および特異度も変動する。そのため、患者の属性情報の１つである、患者が発症してからの経過時間に応じて適切な感度および特異度の値を用いることにより、求める陽性的中率および陰性的中率の精度を向上させることが出来る。
　次に、検査サーバ４０による感度および特異度の算出の動作を説明する。
　この検査サーバ４０による感度および特異度の算出は、上記の有病率の算出とは非同期で行われる。
　図９は、検査サーバ４０による感度および特異度の算出処理（その１）を示すフローチャートである。
　ここで、処理対象の条件として、検査方法ＩＤが予め決められていることとする。
　まず、検査サーバ４０のＣＰＵ４１は、感度および特異度の算出に用いられる各変数を初期化する（ステップＳ２１）。感度および特異度の算出に用いられる変数としては、検査陽性／診断陰性（真陽性）の件数、検査陽性／診断陰性（偽陽性）の件数、検査陰性／診断陽性（偽陰性）の件数、検査陰性／診断陰性（真陰性）の件数などがある。
　次に、ＣＰＵ４１は、データベース４７ａにおいて予め決められた処理対象の条件を満たす検査情報を全て読んだか否かを判断する（ステップＳ２２）。
　データベース４７ａに処理対象の条件を満たす検査情報が残っている場合（ステップＳ２２のＮ）、ＣＰＵ４１は、検査情報を１件読み込む（ステップＳ２３）。
　次に、ＣＰＵ４１は、読み込んだ検査情報に含まれる発症からの経過時間が予め決められた日数内であるかどうかを判定する（ステップＳ２４）。ここで、予め決められた日数は、検査対象の疾患の種類にもよるが、例えば１週間などである。
　発症からの経過時間が予め決められた日数内でない場合には（ステップＳ２４のＮ）、ＣＰＵ４１はデータベース４７ａから次の検査情報を読み込み、この検査情報についてステップＳ２４の処理を再度行う。
　発症からの経過時間が予め決められた日数内である場合（ステップＳ２４のＹ）、ＣＰＵ４１は、その検査情報に含まれる検査結果および診断結果の各情報を取り出し、これらの情報の組み合わせをもとに感度および特異度の算出に用いられる上記の各変数を更新する（ステップＳ２５－ステップ３１）。
　ここで、検査結果と診断結果との組み合わせには、
・検査結果が陽性でかつ診断結果が陽性（検査陽性／診断陰性：真陽性）、
・検査結果が陽性でかつ診断結果が陰性（検査陽性／診断陰性：偽陽性）、
・検査結果が陰性でかつ診断結果が陽性（検査陰性／診断陽性：偽陰性）、
・検査結果が陰性でかつ診断結果が陰性（検査陰性／診断陰性：真陰性）
がある。
　ＣＰＵは、取得した１つの検査情報について、上記の組み合わせをもとに、上記の検査陽性／診断陰性（真陽性）の件数、検査陽性／診断陰性（偽陽性）の件数、検査陰性／診断陽性（偽陰性）の件数、検査陰性／診断陰性（真陰性）の件数の各変数のいずれか１つをインクリメントする。
　この後、ＣＰＵ４１は、ステップＳ２２に戻り、データベース４７ａにおいて予め決められた処理対象の条件を満たす検査情報を全て読んだか否かを判断する。この判断で、予め決められた処理対象の条件を満たす検査情報を全て読んだことが判断された場合（ステップＳ２２のＹ）、ＣＰＵ４１は、感度の計算（ステップＳ３２）、特異度の計算（ステップＳ３３）を行う。
　ここで、感度の計算は、
　感度＝真陽性の件数／（真陽性の件数＋偽陰性の件数）
により行われる。
　特異度の計算は、
　特異度＝真陰性の件数／（偽陽性の件数＋真陰性の件数）
により行われる。
　以上の処理は、例えば、一定時間ごと（例えば毎時、毎日定時、毎週定日時）に開始される。
　検査サーバ４０のＣＰＵ４１は、感度および特異度が算出される都度、感度および特異度の各値を検査端末２０に送信するようにしてもよい。
　あるいは、検査端末２０からのリクエストを受けたとき、感度および特異度の各値を検査端末２０に応答するようにしてもよい。
　また、図９のフローチャートには示されていないが、検査サーバ４０のＣＰＵ４１は、有病率、感度および特異度をもとに陽性的中率および陰性的中率の算出を行うこともできる。陽性的中率および陰性的中率の算出は、上述した数式（１２）および数式（１３）に従って行われる。
　なお、陽性的中率および陰性的中率は、有病率、感度および特異度を用いずに、真陽性の件数、偽陽性の件数、偽陰性の件数、真陰性の件数から求めるようにしてもよい。
　算出された陽性的中率および陰性的中率の各値は、算出される都度、検査端末２０に送信されるようにしてもよい。
　あるいは、検査端末２０からのリクエストを受けたとき、陽性的中率および陰性的中率の各値を検査端末２０に応答するようにしてもよい。
　このように検査サーバ４０において陽性的中率および陰性的中率が求められ、検査端末２０に送信される場合には、図７のフローチャートにおいて検査端末２０で陽性的中率および陰性的中率を算出処理（ステップＳ３０）はスキップされる。
　（４．検査サーバ４０による感度および特異度の算出処理（その２））
　図１０は、検査サーバ４０による感度および特異度の算出処理（その２）を示すフローチャートである。
　本算出処理は、図９に示した算出処理のフローチャートにステップＳ２４Ａを付加したものである。
　ステップＳ２４Ａでは、経過日数が予め指定された日数以内であることを満足する検査情報について、これが予め指定された患者属性を満足するものであるかどうかを判定する。
　ここで、予め指定された患者属性とは、患者の年代、性別、地理条件などである。
　患者の年代は、例えば、１０歳未満、１０歳台、２０歳台のように区分される。その中から任意の年代が予め指定された患者属性の１つとして与えられる。
　地理条件は、例えば、Address（住所、行政区域）、Country（国）、所属（組織、会社、その他のグループ）などである。また、ある地点より半径５０ｋｍ内といったかたちで地理条件が与えられてもよい。地理条件は、患者の住所の他、患者が頻繁に出向く職場の場所、その他のコミュニティの集合場所などであってもよい。
　そしてＣＰＵ４１は、属性によって絞り込まれた検査情報について、この検査情報に含まれる検査結果および診断結果の各情報を取り出し、これらの情報の組み合わせをもとに感度および特異度の算出に用いられる上記の各変数を更新する（ステップＳ２５－ステップ３１）。
　これにより、経過日数に加えて、年代別の感度および特異度、男女別の感度および特異度、地理条件別の感度および特異度などを得ることができる。
　また、患者属性として、問診情報、現在・過去の投薬情報、既往症、体温、血圧、体重などの身体情報、運動の程度、食事の量や種類、睡眠時間などの生活習慣に関する情報を用いてもよい。この場合、当然ながら、検査情報の項目として、上記の情報が追加される必要がある。
　（５．検査結果と診断結果とに有意な相関がある検査方法の感度および特異度の算出）
　次に、検査結果と診断結果との相関により絞り込まれた検査方法の感度および特異度の算出処理を説明する。
　１つの検査対象に対して、複数の種類の検査方法が存在する場合、各々の検査方法に対して得られる感度および特異度の精度が高めることができれば、医師による検査方法の選定のために有意な情報を提供することができる。
　例えば、前立腺癌の検査方法について簡単に説明する。前立腺癌の検査方法には、検査機器を使用するものとして、ＰＳＡ検査、遺伝子多型解析による検査、組織検査（Needle biopsy）などがある。これらの検査は、結果が数値データとして得られる。前立腺癌に対する医師による診断方法としては、直腸診断、超音波検査などがあり、これらの方法は医師により陽性／陰性が判断されることによって行われる。
　本例では、検査サーバ４０において、ＣＰＵ４１が検査結果である数値データの群と医師による診断結果との間に有意な相関があるかどうかを判定する。ＣＰＵ４１は、有意な相関があることが判定された数値データの群に対応する検査方法について感度および特異度を算出し、以後の検査対象（前立腺癌）に対する検査診断項目として、その検査方法による検査結果と診断結果の各項目を追加するように構成されている。
　次に、この動作を、検査対象が前立腺癌である場合を想定してより詳しく説明する。
　図１１は、検査対象を前立腺癌とする検査端末２０の動作を示すフローチャートである。
　図１２は、検査対象を前立腺癌とする検査サーバ４０の動作を示すフローチャートである。
　ここで、１つの検査対象（前立腺癌）に対する複数の検査方法として、ＰＳＡ検査、遺伝子多型解析による検査と、組織検査（Needle blopsy）の３種類を想定する。このうち、医師の診断結果との相関を求める検査方法は遺伝子多型解析による検査と組織検査（Needle blopsy）の２種類とする。
　検査端末２０のユーザである医師は、検査端末２０に患者情報を入力する（ステップＳ１０１）。医師は、上記の３種類の検査方法による検査の結果を検査端末２０に入力する（ステップＳ１０２、１０３、１０４）。その後、医師は、検査結果などを参考に診断を行い、診断結果を検査端末２０に入力する（ステップＳ１０５）。
　この後、検査端末２０のＣＰＵ２１は、医師により予め入力された患者情報、検査結果および診断結果を含む検査情報を生成し、検査サーバ４０に送信し、データベース４７ａに保存させる（ステップＳ１０６）。
　検査サーバ４０のＣＰＵ４１は、データベース４７ａに保存された検査情報から、遺伝子多型解析による検査結果と、これに対応する医師による診断結果を１以上読み出す。検査サーバ４０のＣＰＵ４１は、遺伝子多型解析の検査結果と診断結果との相関を求める（ステップＳ１２１）。
　続いて、検査サーバ４０のＣＰＵ４１は、データベース４７ａに保存された検査情報から、遺伝子多型解析による検査結果と、これに対応する医師による診断結果を１以上読み出す。検査サーバ４０のＣＰＵ４１は、組織検査（Needle blopsy）の診断結果と診断結果との相関を求める（ステップＳ１２２）。
　検査サーバ４０のＣＰＵ４１は、ステップＳ１２１で求められた遺伝子多型解析の検査結果と診断結果との相関として有意な相関があるかどうかを判定する（ステップＳ１２３）。有意な相関がある場合、検査サーバ４０のＣＰＵ４１は、遺伝子多型解析の検査方法を処理対象の条件として、上記の（４．検査サーバ４０による感度および特異度の算出（その２））を実行する。これにより、遺伝子多型解析の検査方法について感度および特異度を算出する（ステップＳ１２４）。
　検査サーバ４０のＣＰＵ４１は、ステップＳ１２２で求められた組織検査（Needle blopsy）の検査結果についても同様に有意な相関があるかどうかを判定し（ステップＳ１２５）、有意な相関があれば、組織検査（Needle blopsy）の検査方法についても感度および特異度を算出する（ステップＳ１２６）。
　相関を求める方法としては、ＡＮＯＶＡ（分散分析）などを利用できる。ＡＮＯＶＡ（分散分析）は、データの変動を、複数の水準をもとに、変動誤差に相当する意味のない変動と意味のある変動の分散を分け、その分散比を求めることで、意味のある変動が誤差変動に比べて十分に大きい場合に、要因による変動があると判定する方法である。すなわち、検査方法が要因であり、その検査方法によって数値化された検査データの群に意味のある変動が発生するかどうかが、上記の有意な相関の有無として、ＡＮＯＶＡ（分散分析）によって得られる。
　さらに、検査サーバ４０のＣＰＵ４１は、以後、相関があることが判定された検査方法を、医師が前立腺癌の検査指針を決定する際に参考にする検査項目に追加するなどして、その検査方法の検査情報がより多く検査サーバ４０に収集されるようにする（ステップＳ１２７、Ｓ１２８）。これにより、算出される感度および特異度の精度を、より高めることができる。
　以上、前立腺癌の検査方法について例示したが、本方式は、その他の検査対象に対する複数の検査方法についても同様に適用可能である。
　ＰＳＡ検査結果と医師による診断結果との相関を求め、ＰＳＡ検査の感度および特異度を算出するようにしてもよい。
　なお、上記では、数値化された検査データと診断結果との相関を算出することとしたが、数値化された検査データと患者の属性との組み合わせと、診断結果との相関を算出するようにしてもよい。例えば、遺伝子多型解析の検査結果が"Ａ"、年代が"４０歳以上"、性別が"男"、居住国が"日本"と、診断結果が"疾患有り"との相関などを算出するようにしてもよい。これにより、未知であった疾患因子を発見できる可能性がある。また、刻一刻と検査対象の株が変化するような場合において、感度と特異度をその都度更新することができる。
　（６．検査対象に対する優位な検査方法の提示）
　この例では、図１３に示すように、検査サーバ４０のＣＰＵ４１が、同一の検査対象（疾病）に対して複数の検査方法Ａ、Ｂについて算出された感度を比較して、例えば感度が最も高い検査方法を判定し（ステップＳ１３１）、この検査方法を、検査対象に対する優位な検査方法として判定し（ステップＳ１３２，１３３）、この判定結果を検査端末２０のユーザに通知する（ステップＳ１３４）。
　対象期間として、例えば一週間などの短い期間を指定して感度を算出することによって、時々刻々と検査対象の株が変化するなかで、その都度、最も優位な検査方法を検査端末２０のユーザに推奨することができる。
　なお、図１３の例は、疾病の特徴として偽陰性を避けるべく、感度を基準に、推奨する検査方法を判断する場合を示したが、特異度の優劣と組み合わせた判断条件を用いてもよい。
　さらに、この場合も、検査サーバ４０のＣＰＵ４１は、予め指定された性別、年代、地理条件などの患者属性で検査情報を絞り込んで、感度や特異度を算出するようにしてもよい。
　（７．感度、特異度を優位にするようなカットオフ値の設定）
　数値化された検査結果について、理想的には、図１４に示すように、ある閾値（スレッショルド値）をもって疾患有りと疾患無しの患者群を分離することが望ましい。
　ＲＯＣ（Receiver Operator Characteristic）図という手法がある。図１５に示すように、ＲＯＣ図は、スレッショルド値を１ステップずつずらしながら、感度と"１－特異度"を算出した結果をプロットしたものである。図１４の例では、疾患有りの疾患群と疾患無しの患者群とを分離できる最良のスレッショルド値が存在する。
　しかし、図１６に示すように、現実的には単一のスレッショルド値で疾患有りの疾患群と疾患無しの患者群とを分離できないことが多い。図１７は、単一のスレッショルド値で疾患有りの疾患群と疾患無しの患者群とを分離できない場合のＲＯＣ図を示す。
　図１７のようなＲＯＣ図において、最良のスレッショルド値は、理想状態からの距離が最小となる位置に対応する値である。
　それに対して、図１８に示すように、ある患者属性により検査データのグルーピングを行うことにより、図１９に示すように、より理想状態に近いスレッショルド値が得られる場合がある。
　図２０は検査データのグルーピングリストの作成手順を示すフローチャートである。図２１は作成された検査データのグルーピングリストから、グループ毎のスレッショルド値を算出する手順を示すフローチャートである。
　図１９に示すように、検査サーバ４０のＣＰＵ４１は、検査結果データベース４７ａから、予め指定された患者属性を満足する検査データを読み出し、１つのグループに属する検査データとしてグルーピングリストに登録する。同様に、検査サーバ４０のＣＰＵ４１は、予め指定された別の患者属性を満足する検査データを読み出し、別のグループに属する検査データとしてグルーピングリストに登録する。この処理を予め指定された患者属性毎に繰り返す。これにより、検査データのグルーピングリストが作成される。
　次に、この作成された検査データのグルーピングリストに対して、検査サーバ４０のＣＰＵ４１は、グループ毎に、スレッショルド値を１ステップずつ変更しながら感度と"１－特異度"を算出し、理想状態からの距離が最小となる値を各々求める。そして、検査サーバ４０のＣＰＵ４１は、グループ毎の理想状態からの距離が最小となる値の中で最小の値を、感度と特異度を優位にするようなカットオフ値として設定する。
　なお、上記の説明では、グループ毎の最良のスレッショルド値を、ＲＯＣ図で理想状態からの距離が最小となるものとしたが、他の方法によりグループ毎の最良のスレッショルド値を決定してもよい。
　上記の説明では、各グループの最良のスレッショルド値の中で最小の値を、感度と特異度を優位にするようなカットオフ値として設定することとしたが、本技術はこれに限定されない。他の方法により選ばれる値をカットオフ値として設定するようにしてもよい。
　グルーピングリストは、１つの種類の検査データを対象に作成されるものとしたが、複数の種類の検査データの組み合わせを対象にグルーピングリストが作成されてもよい。
　各グループの最良のスレッショルド値の中で１つの値（最小値）を設定することとしたが、グループ毎の最良のスレッショルド値の中の複数を用いて、疾患の有無を分離するようにしてもよい。
　例えば、図２２に示すように、グループＧｐ＿Ａの最良のスレッショルド値とグレープＧｐ＿Ｂの最良のスレッショルド値が設定された場合を想定する。この場合、いずれのグループにおいても最良のスレッショルド値を超えた検査対象（患者）を疾患有りとする。これにより、単一のスレッショルド値を用いた場合よりも優れた感度および特異度での検査が可能となる。
　［本実施形態による効果について］
　本実施形態の検査システム１０により、例えば、以下の様な効果を得ることが出来る。
　検査キットにおける感度や特異度として、その検査キットが臨床開発される時点で求められる値だけではなく、市販後の実際の検査実績に基づいて、感度および特異度を求めることができる。それにより、実際とは解離しやすい検査キットの感度や特異度といった性能について、より最新、より正確、より実際に即した情報を医療従事者に提供できるようになる。その結果、医師はより正確な診断を下せるようになる。
　実際とは解離しやすい検査キットとは、例えば、次のような疾患用のキットである。
　１．検査キットが使用される時期によって、検査対象の感度や特異度が変化する場合、たとえば、インフルエンザウイルスのような変化を生じる感染症。
　２．多数の遺伝子多型が関与しており、関連する遺伝子多型が新たにみつかる疾病。
　３．遺伝要因に加えて、環境要因が多様に関与する疾病。
　［補足事項］
　その他、本技術は、上述の実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。
　［本技術の別の構成］
　なお、本技術は以下のような構成もとることができる。
　（１）疾患の有無の検査の結果および当該検査に関する医師による前記疾患の有無の診断の結果の入力が可能な複数の検査端末とネットワークを介して通信する通信部と、
　前記複数の検査端末から、少なくとも前記検査の結果および前記診断の結果を含む検査情報を前記通信部により取得し、
　前記取得された複数の検査情報を記憶部に記憶させ、
　前記記憶された複数の検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出し、
　前記検査端末からの要求に応じて、前記統計処理の結果を前記通信部により応答させるように構成された制御部と
　を具備する検査サーバ。
（２）上記（１）に記載の検査サーバであって、
　前記検査情報は、発症からの経過時間の情報をさらに含むものであり、
　前記制御部は、予め指定された発症からの経過時間内の検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出するように構成された
　検査サーバ。
（３）上記（１）または（２）に記載の検査サーバであって、
　前記検査情報は、前記検査の結果として数値化された検査データを含み、
　前記制御部は、患者の属性毎に前記検査データをグループ化し、前記グループ毎に、疾病の有無を分離するスレッシュルド値を変化させながら感度および特異度を算出し、前記感度及び前記特異度に基づきスレッシュルド値を算出するように構成された
　検査サーバ。
（４）上記（１）ないし（３）のいずれかに記載の検査サーバであって、
　前記制御部は、同一の検査対象に対して実施された複数の種類の検査の感度および特異度の少なくともいずれか一方を比較し、前記検査対象に対する優位な検査の種類を判定するように構成された
　検査サーバ。
（５）上記（１）ないし（４）のいずれかに記載の検査サーバであって、
　前記制御部は、前記算出された感度および特異度をもとに、陽性的中率および陰性的中率のうち少なくとも１つを算出して前記通信部により応答させるように構成された
　検査サーバ。
　１０　…　検査システム
　２０　…　検査端末
　２１　…　ＣＰＵ
　２２　…　ＲＯＭ
　２３　…　ＲＡＭ
　２４　…　操作入力部
　２５　…　ネットワークインターフェイス部
　２６　…　表示部
　２７　…　記憶部
　２８　…　検査機器
　３０　…　ネットワーク（インターネット）
　４０　…　検査サーバ
　４１　…　ＣＰＵ
　４２　…　ＲＯＭ
　４３　…　ＲＡＭ
　４４　…　操作入力部
　４５　…　ネットワークインターフェイス部
　４６　…　表示部
　４７　…　記憶部
　４７ａ…　データベース４７ａ

Claims (7)

  1. 　疾患の有無の検査の結果および当該検査に関する医師による前記疾患の有無の診断の結果の入力が可能な複数の検査端末とネットワークを介して通信する通信部と、
    　前記複数の検査端末から、少なくとも前記検査の結果および前記診断の結果を含む検査情報を前記通信部により取得し、
    　前記取得された複数の検査情報を記憶部に記憶させ、
    　前記記憶された複数の検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出し、
    　前記検査端末からの要求に応じて、前記統計処理の結果を前記通信部により応答させるように構成された制御部と
    　を具備する検査サーバ。
  2. 　請求項１に記載の検査サーバであって、
    　前記検査情報は、患者に関する属性情報をさらに含むものであり、
    　前記制御部は、予め指定された属性を満足する検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出するように構成された
    　検査サーバ。
  3. 　請求項２に記載の検査サーバであって、
    　前記検査情報は、前記検査の結果として数値化された検査データを含み、
    　前記制御部は、患者の属性毎に前記検査データをグループ化し、前記グループ毎に、疾病の有無を分離するスレッシュルド値を変化させながら感度および特異度を算出し、前記感度及び前記特異度に基づきスレッシュルド値を算出するように構成された
    　検査サーバ。
  4. 　請求項１に記載の検査サーバであって、
    　前記制御部は、同一の検査対象に対して実施された複数の種類の検査の感度および特異度の少なくともいずれか一方を比較し、前記検査対象に対する優位な検査の種類を判定するように構成された
    　検査サーバ。
  5. 　請求項１に記載の検査サーバであって、
    　前記制御部は、前記算出された感度および特異度をもとに、陽性的中率および陰性的中率のうち少なくとも１つを算出して前記通信部により応答させるように構成された
    　検査サーバ。
  6. 　通信部が、疾患の有無の検査の結果および当該検査に関する医師による前記疾患の有無の診断の結果の入力が可能な複数の検査端末とネットワークを介して通信し、
    　制御部が、前記複数の検査端末から、少なくとも前記検査の結果および前記診断の結果を含む検査情報を前記通信部により取得し、
    　前記取得された複数の検査情報を記憶部に記憶させ、
    　前記記憶された複数の検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出し、
    　前記検査端末からの要求に応じて、前記統計処理の結果を前記通信部により応答させる
    　検査方法。
  7. 　複数の検査端末と、前記検査端末とを具備する検査システムであって、
    　前記複数の検査端末が、
    　疾患の有無の検査の結果および当該検査に関する医師による前記疾患の有無の診断の結果の入力が可能な入力部を有し、
    　前記検査サーバが、
    　前記検査端末とネットワークを介して通信する通信部と、
    　前記複数の検査端末から、少なくとも前記検査の結果および前記診断の結果を含む検査情報を前記通信部により取得し、
    　前記取得された複数の検査情報を記憶部に記憶させ、
    　前記記憶された複数の検査情報の統計処理によって、前記検査の感度および特異度のうち少なくとも一方を算出し、
    　前記検査端末からの要求に応じて、前記統計処理の結果を前記通信部により応答させるように構成された制御部とを有する
    　検査システム。
PCT/JP2015/001252 2014-04-18 2015-03-09 検査サーバ、検査方法および検査システム WO2015159477A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/303,060 US11250934B2 (en) 2014-04-18 2015-03-09 Test server, test method, and test system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014086769A JP2015207111A (ja) 2014-04-18 2014-04-18 検査サーバ、検査方法および検査システム
JP2014-086769 2014-04-18

Publications (1)

Publication Number Publication Date
WO2015159477A1 true WO2015159477A1 (ja) 2015-10-22

Family

ID=54323706

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/001252 WO2015159477A1 (ja) 2014-04-18 2015-03-09 検査サーバ、検査方法および検査システム

Country Status (3)

Country Link
US (1) US11250934B2 (ja)
JP (1) JP2015207111A (ja)
WO (1) WO2015159477A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015043958A1 (en) 2013-09-27 2015-04-02 Sony Corporation Communications device and method
JP2017077810A (ja) 2015-10-21 2017-04-27 日立オートモティブシステムズ株式会社 ブレーキ制御装置
US11488712B2 (en) * 2017-08-31 2022-11-01 Google Llc Diagnostic effectiveness tool
JP6978997B2 (ja) * 2018-09-28 2021-12-08 株式会社日立製作所 類似データの検索方法、情報検索装置及びプログラム
JP7199295B2 (ja) * 2019-04-23 2023-01-05 日本電信電話株式会社 基地局の動作試験方法、無線通信システム及び基地局
KR102261474B1 (ko) * 2019-07-12 2021-06-07 주식회사 젠큐릭스 자동 경계화를 이용한 데이터 처리 방법 및 시스템
TR2021008369A2 (tr) * 2020-12-21 2022-03-21 T C Erciyes Ueniversitesi Laboratuvar testleri̇ni̇n tani doğruluğunu değerlendi̇rmek i̇çi̇n güvenli̇ ve gi̇zli̇li̇k korumali bi̇r si̇stem

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002117139A (ja) * 2000-10-05 2002-04-19 Matsushita Electric Ind Co Ltd 検査情報の管理方法
JP2009005940A (ja) * 2007-06-28 2009-01-15 Health Insurance Society For Photonics Group 検診情報管理システム及び管理方法
JP2009095649A (ja) * 2007-09-26 2009-05-07 Fujifilm Corp 医用情報処理システム、医用情報処理方法、及びプログラム
WO2012033771A2 (en) * 2010-09-07 2012-03-15 The Board Of Trustees Of The Leland Stanford Junior University Medical scoring systems and methods
JP2013093019A (ja) * 2011-10-05 2013-05-16 A & T Corp 医療意思決定支援データベースおよび医療意思決定支援方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6678669B2 (en) * 1996-02-09 2004-01-13 Adeza Biomedical Corporation Method for selecting medical and biochemical diagnostic tests using neural network-related applications
US8119358B2 (en) * 2005-10-11 2012-02-21 Tethys Bioscience, Inc. Diabetes-related biomarkers and methods of use thereof
AU2009314259B2 (en) 2008-11-11 2015-06-11 Nestec S.A. Methods for prediction of inflammatory bowel disease (IBD) using serologic markers
WO2010096674A2 (en) * 2009-02-20 2010-08-26 The Regents Of The University Of California A+ biomarker assays
EP2791679A1 (en) * 2011-12-15 2014-10-22 INSERM - Institut National de la Santé et de la Recherche Médicale Methods and kits for diagnosing latent tuberculosis infection
BR112014029233A8 (pt) * 2012-06-27 2019-01-29 Hoffmann La Roche método para diagnosticar se um indivíduo grávido não está em risco, usos de pelo menos um dos biomarcadores sfit-1, endoglina e pigf, dispositivo, kit, método de gestão de um indivíduo, sistema e método para estabelecer um auxílio
US9351622B2 (en) * 2012-09-04 2016-05-31 Sapphire Scientific Inc. Fluid extracting device with shaped head and associated systems and methods of use and manufacture
US20140072987A1 (en) * 2012-09-12 2014-03-13 Randox Laboratories Ltd. Methods of detecing bladder cancer

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002117139A (ja) * 2000-10-05 2002-04-19 Matsushita Electric Ind Co Ltd 検査情報の管理方法
JP2009005940A (ja) * 2007-06-28 2009-01-15 Health Insurance Society For Photonics Group 検診情報管理システム及び管理方法
JP2009095649A (ja) * 2007-09-26 2009-05-07 Fujifilm Corp 医用情報処理システム、医用情報処理方法、及びプログラム
WO2012033771A2 (en) * 2010-09-07 2012-03-15 The Board Of Trustees Of The Leland Stanford Junior University Medical scoring systems and methods
JP2013093019A (ja) * 2011-10-05 2013-05-16 A & T Corp 医療意思決定支援データベースおよび医療意思決定支援方法

Also Published As

Publication number Publication date
US20170024521A1 (en) 2017-01-26
JP2015207111A (ja) 2015-11-19
US11250934B2 (en) 2022-02-15

Similar Documents

Publication Publication Date Title
JP6747529B2 (ja) 情報処理装置
WO2015159477A1 (ja) 検査サーバ、検査方法および検査システム
Turk et al. Intellectual and developmental disability and COVID-19 case-fatality trends: TriNetX analysis
El-Den et al. The psychometric properties of depression screening tools in primary healthcare settings: A systematic review
McNally et al. Validity of British Thoracic Society guidance (the CRB-65 rule) for predicting the severity of pneumonia in general practice: systematic review and meta-analysis
Roberts et al. Limited lung function: impact of reduced peak expiratory flow on health status, health-care utilization, and expected survival in older adults
JP2009277176A (ja) 医療情報提供システム
Greco et al. Diagnostic performance analysis of the point-of-care bilistick system in identifying severe neonatal hyperbilirubinemia by a multi-country approach
López Castillo et al. A meta-analysis of blood pressure disparities among sexual minority men
Feyissa et al. The effectiveness of home-based HIV counseling and testing in reducing stigma and risky sexual behavior among adults and adolescents: a systematic review and meta-analysis
Vojnov et al. Performance of non-laboratory staff for diagnostic testing and specimen collection in HIV programs: A systematic review and meta-analysis
Dawe et al. Psychometric investigation of the Brief Child Abuse Potential Inventory in mothers on opioid substitution therapy
Proffitt et al. Evaluation of the (qSOFA) tool in the emergency department setting: nurse perception and the impact on patient care
Fancourt et al. Long-term psychological consequences of long Covid: a propensity score matching analysis comparing trajectories of depression and anxiety symptoms before and after contracting long Covid vs short Covid
Long et al. Limitations of Canadian COVID-19 data reporting to the general public
Hall et al. Development of an administrative data-based frailty index for older adults receiving dialysis
Dianat et al. Does self-efficacy mediate the relationship between occupational stress and mental health problems? A study among nursing professionals
Hogan et al. Utility of vital signs in mass casualty-disaster triage
Favero Adjusting confirmed COVID-19 case counts for testing volume
Gibson et al. Census tract poverty and racial disparities in HIV rates in Milwaukee County, Wisconsin, 2009–2014
Cossarini et al. Missed opportunities for HIV prevention: Individuals who HIV seroconverted despite accessing healthcare
Haward et al. Are Canadian women prepared for the transition to primary HPV testing in cervical screening? A National Survey of Knowledge, attitudes, and beliefs
Luo et al. Performance of HIV infection prediction models in men who have sex with men: a systematic review and meta-analysis
Travers et al. Peer Reviewed: Defining Emergency Department Asthma Visits for Public Health Surveillance, North Carolina, 2008–2009
Gayatri et al. Android Application-Based Interactive Services for Diabetes Mellitus Patients

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: 15780007

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15303060

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15780007

Country of ref document: EP

Kind code of ref document: A1