WO2018216697A1 - 生体情報評価システム - Google Patents

生体情報評価システム Download PDF

Info

Publication number
WO2018216697A1
WO2018216697A1 PCT/JP2018/019697 JP2018019697W WO2018216697A1 WO 2018216697 A1 WO2018216697 A1 WO 2018216697A1 JP 2018019697 W JP2018019697 W JP 2018019697W WO 2018216697 A1 WO2018216697 A1 WO 2018216697A1
Authority
WO
WIPO (PCT)
Prior art keywords
biological information
disease risk
evaluation model
cytokine
saliva
Prior art date
Application number
PCT/JP2018/019697
Other languages
English (en)
French (fr)
Inventor
純 山寺
Original Assignee
株式会社Eyes, JAPAN
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 株式会社Eyes, JAPAN filed Critical 株式会社Eyes, JAPAN
Publication of WO2018216697A1 publication Critical patent/WO2018216697A1/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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services

Definitions

  • the present invention relates to a biological information evaluation system that calculates disease risk from changes in biological information.
  • RNA transcripts of one or more selected gene markers or their expression products in a gastrointestinal sample obtained from a patient Devices are known that determine the signs of cell proliferation by determining the expression level of.
  • the expression level is determined from a specific gene marker. From the biological information such as a huge amount of gene information, what kind of index is included in the biological information in the first place. There is a tremendous amount of clinical trials needed.
  • an object of the present invention is to provide a biological information evaluation system capable of easily and reliably finding the specificity of an index included in biological information.
  • the biological information evaluation system of the first invention is a biological information evaluation system for calculating a disease risk from a change in biological information, A disease in which a plurality of the biological information having a plurality of indices are input, and a disease risk evaluation model for calculating a disease risk when the same type of biological information is input is created and stored from the plurality of input biological information A risk assessment model creation section; When the biological information on which the disease risk is to be calculated is specified, the disease risk of the biological information is determined by the disease risk evaluation model stored in the disease risk evaluation model creation unit based on the plurality of indicators of the biological information.
  • a disease risk calculator that calculates and outputs
  • the disease risk evaluation model creation unit inputs a part or all of the plurality of indices of the biological information as a feature quantity to a hierarchical time memory algorithm that is a learning device, and an evaluation model generated by the hierarchical time memory algorithm The disease risk evaluation model is used.
  • some or all of a plurality of indices of biological information are input as feature quantities to a hierarchical time memory algorithm that is a learning device, and the evaluation generated by the hierarchical time memory algorithm is generated.
  • the model is a disease risk assessment model.
  • the temporal change is reflected in the hierarchical time memory algorithm, it is possible to easily and reliably find a specific appearance pattern and occurrence establishment by taking into account the time change from a large amount of biological information.
  • the specificity of the index included in the biological information can be easily and reliably found.
  • the disease risk includes the constitution (hormone balance), stress, personality, life span, etc. in addition to the risk of developing a specific disease.
  • the biological information evaluation system of the second invention is the first invention,
  • the biological information is a cytokine value of saliva, and the plurality of indices are a plurality of cytokine markers of the saliva,
  • the disease risk evaluation model creation unit is configured to input a plurality of saliva cytokine values having a plurality of cytokine markers, and to create and store a cancer risk evaluation model for calculating cancer risk from the input cytokine markers.
  • saliva having a plurality of cytokine markers in a hierarchical time memory algorithm by using the cytokine value of saliva as biological information and using a plurality of cytokine markers of the saliva as a plurality of indices.
  • a plurality of cytokine values are input, and a cancer risk evaluation model for calculating cancer risk can be created from the input cytokine markers.
  • the specificity of a specific cytokine marker can be actually easily and reliably found with respect to the salivary cytokine value.
  • the biological information evaluation system of the third invention is the first or second invention
  • the disease risk evaluation model creation unit also inputs a part or all of the plurality of indices of the biological information as a feature amount to a learning device other than the hierarchical time memory algorithm, and the hierarchical time memory algorithm and other
  • the disease risk assessment model is created by integrating the primary assessment models created by the learning devices.
  • part or all of a plurality of indices of biological information are also input as feature quantities to a learning device other than the hierarchical time memory algorithm, and the hierarchical time memory algorithm and other
  • the specificity of the index included in the biological information can be found easily and more reliably.
  • the system block diagram which shows the outline
  • the flowchart which shows the processing content of the biometric information evaluation system of FIG. Explanatory drawing which shows the processing content of the biometric information evaluation system of FIG.
  • the system block diagram which shows the outline
  • the flowchart which shows the processing content in the biometric information management system of FIG.
  • the flowchart which shows the processing content in the biometric information management system of FIG.
  • the flowchart which shows the processing content in the biometric information management system of FIG.
  • the flowchart which shows the processing content in the biometric information management system of FIG.
  • the biological information evaluation system 1 of this embodiment is a system for calculating a disease risk from changes in biological information, and is configured by a computer system.
  • the computer system is, for example, a system including one computer or a plurality of computers that can communicate with each other.
  • a computer constituting the computer system is equipped with an arithmetic processing unit including a CPU, a RAM, a ROM, an interface circuit, and the like.
  • the computer system includes an input operation unit configured by a keyboard, a mouse, a touch panel, etc., an information output unit configured by a display, a printing machine, etc.
  • an input operation unit configured by a keyboard, a mouse, a touch panel, etc.
  • an information output unit configured by a display, a printing machine, etc.
  • a wireless communication device, and a storage device including a hard disk and the like are included.
  • biometric information price evaluation system 1 when configured by a plurality of computers, these computers may be distributed at a plurality of remote locations.
  • the input operation unit or the information output unit may include a personal computer or a mobile terminal (smart phone, tablet terminal, etc.) used by the administrator or user of the biological information price evaluation system 1 as needed.
  • the biological information to be evaluated by the biological information price evaluation system 1 is, for example, a saliva cytokine value obtained by collecting saliva.
  • the biometric information price evaluation system 1 includes a biometric information storage unit 11 and personal data as functions realized by a hardware configuration of the computer (the arithmetic processing unit) and software installed in the computer.
  • a storage unit 12, a disease risk evaluation model creation unit 13, and a disease risk calculation unit 14 are provided.
  • the biometric information storage unit 11 is a means for storing and holding biometric information, and stores, for example, time-series data of salivary cytokine values associated with an ID that does not specify an individual.
  • the personal data storage unit 12 is a means for storing and holding information on a subject related to biometric information. For example, data such as sex information, age information, and smoking information associated with an ID that does not specify an individual is stored. Retained.
  • the disease risk evaluation model creation unit 13 creates a disease risk evaluation model for calculating disease risk from the input biological information.
  • the disease risk evaluation model creation unit 13 inputs a part or all of a plurality of indices of biological information as feature quantities to a hierarchical time memory algorithm that is a learning device, and the hierarchical time memory algorithm generates The evaluated model is used as a disease risk evaluation model.
  • a plurality of saliva cytokine values having a plurality of cytokine markers are input and input to the hierarchical time memory algorithm.
  • a cancer risk evaluation model for calculating cancer risk can be created from the cytokine marker.
  • the disease risk calculation unit 14 uses the disease risk evaluation model stored in the disease risk evaluation model creation unit 13 based on a plurality of indices of the biological information when the biological information on which the disease risk is to be calculated is designated. Then, the disease risk of the biological information is calculated and output.
  • the disease risk evaluation model creation unit 13 first acquires biological information (STEP 11 / FIG. 2).
  • cytokine value of saliva when used as biological information, time-dependent data of 30 types of cytokine values measured from saliva is acquired.
  • the disease risk evaluation model creation unit 13 identifies a part or all of the biometric information acquired in STEP 11 that can be a feature from a plurality of indexes of the biometric information (STEP 12 / FIG. 2).
  • cytokine value of saliva when used as biological information, among the 30 types of cytokine values obtained as measurement values, 18 characteristic types as shown on the lower side of FIG. 3 are specified as cytokine markers.
  • the disease risk evaluation model creation unit 13 creates a state transition diagram of a pattern based on the time-series data of the index specified in STEP 12 (STEP 13 / FIG. 2).
  • the salivary cytokine value is used as the biological information, as shown in the upper side of FIG. 3, as the first layer (first layer), four cytokine data are grouped into one group, and the appearance patterns of these four groups are A second layer (second layer) based on the appearance probability is formed. Then, a third layer (third layer) is formed based on the appearance pattern of the second layer and its probability. Only such a transition pattern is created.
  • the disease risk evaluation model creation unit 13 performs grouping so that those with high transition probabilities are grouped as combinations of biometric information indexes to be included in the state transition diagram created in STEP 13 (STEP 14 / FIG. 2).
  • a combination having a high transition probability from the time series data of 18 kinds of cytokine markers is set as a grouping.
  • the disease risk evaluation model creation unit 13 assigns the grouping determined in STEP 14 to the state transition diagram of STEP 13 and calculates a conditional probability (STEP 15 / FIG. 2).
  • the state transition diagram includes a group of cytokine markers determined in STEP 14 (a combination in which the transition probability increases from the time-series data of 18 types of cytokine markers). Assign to one layer. Then, the appearance pattern and the appearance probability of the grouping (combination) are calculated for the first hierarchy.
  • the disease risk evaluation model creation unit 13 determines whether or not the conditional probability calculation processing in STEP 15 has been completed for all nodes and hierarchies (STEP 16 / FIG. 2).
  • the disease risk evaluation model creating unit 13 ends the series of processes.
  • the above is the content of the process for creating a disease risk evaluation model by the disease risk evaluation model creating unit 13, and the disease risk evaluation model uses a hierarchical time memory algorithm in which changes with time are reflected, so that a large amount of biological information can be obtained.
  • the time change it is possible to easily and reliably find the appearance pattern and appearance establishment of a specific index. That is, the specificity of the index included in the biological information can be found easily and reliably, and a disease risk evaluation model based on this can be created.
  • the hierarchical time memory algorithm is used as the learning device.
  • the present invention is not limited to this, and a learning device other than the hierarchical time memory algorithm may be combined.
  • a disease risk assessment model that exceeds the generalization ability of each learner may be created by integrating the primary assessment models created by the hierarchical temporal memory algorithm and deep learning, which is another learner. Good.
  • storage part is added to this.
  • the appearance pattern and the appearance probability may be calculated by combining data such as sex information, age information, and smoking information stored in FIG.
  • the disease risk assessment model created in this way is used, for example, in creating a cancer risk assessment result (STEP 232 / FIG. 7) in the biological information management system shown in FIG.
  • the biometric information management system shown in FIG. 4 is a system that stores and holds the biometric information of the user, and includes a user terminal 100 provided on the user side, and a management system main body 200 connected to the user terminal 100 via a network. And a distributed ledger system 300 that is connected to the management system main body 200 over a network and stores and holds the biological information of the user.
  • the biological information is various information such as various physiological and anatomical information about the living body, and in addition to information specifying an individual like DNA information, an individual is not specified like heart rate. It is a concept that includes both information.
  • the user terminal 100 is an information terminal such as a smartphone or tablet of a user of a salivary cancer marker test kit that is a biometric information measurement kit, and includes a network communication unit 110, a work memory 111, a program memory 112, and the like.
  • the network communication unit 110 is a communication processing unit that connects to a wide-area communication network such as the Internet.
  • the work memory 111 temporarily stores and holds data for various processes in the user terminal 100.
  • the program memory 112 stores the program itself in various processes in the user terminal 100.
  • the program memory 112 includes a Web application unit 112a that stores a Web application program, and an API (Application Program Interface) server unit 112b. .
  • the display / input unit 113 is a display unit as an interface capable of display and touch input.
  • the imaging unit 114 is an imaging unit that includes a CCD camera, a CMOS sensor, or the like.
  • the key data storage unit 115 is a storage holding unit that stores and holds a decryption key to be described later.
  • the management system main body 200 includes a network communication unit 220, a work memory 221, a program memory 222, and a storage unit 225.
  • the network communication unit 220 functions as a communication processing unit that connects to the user terminal 100 with a wide-area communication network such as the Internet, and also performs a local network connection to the distributed ledger system 300. Function as.
  • the work memory 221 temporarily stores and holds data for various processes in the management system main body 200.
  • the program memory 222 stores a program itself in various processes in the management system main body 200.
  • the program memory 222 includes a Web server unit 223 and an API (Application Program Interface) server unit 224. *
  • the web server unit 223 is an application server that performs processing according to the web application unit 112a of the user terminal 100.
  • the saliva return unit 223a the evaluation result browsing unit 223b, and the analysis result input unit 223c.
  • a saliva ID generation unit 223d and an administrator function unit 223e are included in the saliva return unit 223a, the evaluation result browsing unit 223b, and the analysis result input unit 223c.
  • the API server unit 224 includes a saliva matching unit 224a, a biological information writing unit 224b, and an evaluation result acquisition unit 224c.
  • the storage unit 225 is configured as a saliva metadata storage unit that stores and holds all data related to saliva data, which is biological information.
  • the distributed ledger system 300 is, for example, a block chain database.
  • the distributed ledger system 300 includes two databases DB1 and DB2 in which the same saliva data is stored, which are encrypted with different keys.
  • the user terminal 100, the management system main body 200, and the distributed ledger system 300 of the biological information management system are, for example, a CPU (Central Processing Unit), a ROM (Read Only Memory), and a RAM (Random Access).
  • the above-described control processing is performed by storing a program that executes processing by each of the processing units 110 to 113, 115, 220 to 225, DB1, and DB2 in a memory and executing the program. It functions as an arithmetic unit (sequencer) for executing.
  • the user terminal 100 can access the management system main body 200.
  • the key pair of the encryption key and the decryption key is generated by the user's access to the top screen (STEP 111 / FIG. 8). (STEP 112 / FIG. 8).
  • the key pair of the encryption key and the decryption key is associated with a unique identification ID attached to each salivary cancer marker test kit.
  • the encryption key is transmitted to the management system main body 200 and stored in the management system main body 200 (STEP 211 / FIG. 8), and the decryption key. Is stored in the user terminal 100 (STEP 115).
  • the QR code (registered trademark) of saliva ID attached to the collection tube is basically the same as the QR code (registered trademark) or serial number having a function as a unique identification ID attached to the salivary cancer marker test kit.
  • QR code registered trademark
  • serial number having a function as a unique identification ID attached to the salivary cancer marker test kit.
  • different ones may be used.
  • the unique identification ID and saliva ID are the same, the association with the encryption key and the decryption key is maintained as it is.
  • the unique identification ID and the plurality of saliva IDs are associated in advance, and the association between the encryption key and the decryption key is performed via the unique identification ID.
  • the unique identification ID is appropriately replaced with the identification ID of the user terminal 100. This is because when a user purchases a salivary cancer marker test kit a plurality of times, it is necessary to associate the saliva ID of the collection tube bundled with each user with the user.
  • the testing organization analyzes the cytokine of the saliva.
  • the analysis result of the cytokine is provided to the management system main body 200, and the management system main body 200 acquires the analysis result of the cytokine specified by the saliva ID (STEP 231 / FIG. 7).
  • the management system main body 200 specifies an encryption key based on the unique identification ID of the acquired cytokine data of the target saliva ID, encrypts the cytokine data with the encryption key, and then registers it in the distributed ledger system 300. And stored in the distributed ledger system 300 (STEP 331 / FIG. 7).
  • the management system body 200 creates a cancer risk evaluation result based on the acquired cytokine data of the target saliva ID (and time series data including the already acquired cytokine data, if any).
  • the obtained cancer risk evaluation result is encrypted with an encryption key and stored in the management system body 200 (STEP 232 / FIG. 7).
  • the management system main body 200 uses the saliva ID (unique identification ID) based on the cytokine data of the target saliva ID. And obtained from the distributed ledger system 300 (STEP 241 / FIG. 8).
  • the management system main body 200 acquires the cancer risk evaluation result of the target saliva ID from the management system main body 200 based on the saliva ID (unique identification ID) (STEP 242 / FIG. 8).
  • the cytokine data and the cancer risk evaluation result of the target saliva ID acquired in STEP 241 and STEP 242 are encrypted with the encryption key.
  • the above is the configuration and processing contents of the biological information management system of the present embodiment.
  • a biological information management system when storing and storing cytokine data, which is biological information, from the user terminal 100 to the management system body 200 in advance.
  • an encryption key and a decryption key are generated, the encryption key is stored in the management system main body 200, and the decryption key is stored in the user terminal 100.
  • the decryption key exists only in the user terminal 100, and the user who is the subject is not directly specified by the decryption key.
  • the cytokine data which is the user's biometric information
  • the cytokine data is encrypted based on the encryption key of the management system main body 200, and the encrypted cytokine data is stored and held in the distributed ledger system 300. Furthermore, since the encrypted cytokine data read from the distributed ledger system 300 is decrypted with the decryption key acquired from the user terminal 100, access to the biometric information is restricted by the encryption key and the decryption key.
  • the encryption key and the decryption key are linked to the unique identification ID (saliva ID) of the salivary cancer marker test kit that is the measurement kit, whereby the cytokine data that is the measurement result is expressed by the encryption key based on the unique identification ID. Encryption can be performed, and only the user terminal having the decryption key associated with the unique identification ID can access the biometric information.
  • access to biological information can be restricted while preventing a user from being specified.
  • a salivary cancer marker test kit which is a biometric information measurement kit
  • the present invention is not limited to this, and other test kits (colorectal cancer test) are used. Kit) or biological information measuring equipment (such as a blood pressure monitor or activity meter) other than the test kit.
  • the biometric information (data value or measurement value used as an index in the examination) and (if necessary) the evaluation result based on these are encrypted from the management key 200 and distributed to the ledger system.
  • the biometric information and the evaluation result read from the distributed ledger system 300 are decrypted by the decryption key of the user terminal 100 and provided to the user terminal 100 from the management system main body 200 while being stored and saved in the 300.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Hematology (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

生体情報に含まれる指標の特異性を簡易かつ確実に見出すことができる生体情報評価システムを提供する。 疾病リスク評価モデル作成部１は、生体情報記憶部１１と、疾病リスク評価モデル作成部１３と、疾病リスク算出部１４とを備える。疾病リスク評価モデル作成部１３は、生体情報の複数の指標の一部または全部を特徴量として学習器である階層型時間メモリアルゴリズムに入力し、該階層型時間メモリアルゴリズムが生成した評価モデルを疾病リスク評価モデルとする。

Description

生体情報評価システム
　本発明は、生体情報の変化から疾病リスクを算出する生体情報評価システムに関する。
　従来、この種の生体情報評価システムとしては、下記特許文献１に示すように、患者から得られた胃腸サンプル中で、選択された１つ又は複数の遺伝子マーカーのＲＮＡ転写物又はそれらの発現産物の発現レベルを決定することで、細胞増殖の徴候を判断する装置が知られている。
特開２０１５－１６５８１１号公報
　ここで、従来の生体情報評価システムでは、特定の遺伝子マーカーから発現レベルを決定するものであるが、そもそも膨大な遺伝子情報などの生体情報から、その生体情報に含まれるどのような指標に着目すべきであるかには膨大な治験が必要となっている。
　そこで、本発明は、生体情報に含まれる指標の特異性を簡易かつ確実に見出すことができる生体情報評価システムを提供することを目的とする。
　第１発明の生体情報評価システムは、生体情報の変化から疾病リスクを算出する生体情報評価システムであって、
　複数の指標を有する前記生体情報が複数入力され、入力された複数の生体情報から、同種の生体情報が入力された際の疾病リスクを算出するための疾病リスク評価モデルを作成して保存する疾病リスク評価モデル作成部と、
　前記疾病リスクの算出を行うべき生体情報が指定されたとき、該生体情報の前記複数の指標に基づいて、前記疾病リスク評価モデル作成部で保存された疾病リスク評価モデルにより該生体情報の疾病リスクを算出して出力する疾病リスク算出部と
を備え、
　疾病リスク評価モデル作成部は、前記生体情報の前記複数の指標の一部または全部を特徴量として学習器である階層型時間メモリアルゴリズムに入力し、該階層型時間メモリアルゴリズムが生成した評価モデルを前記疾病リスク評価モデルとすることを特徴とする。
　第１発明の生体情報評価システムによれば、生体情報の複数の指標の一部または全部を特徴量として学習器である階層型時間メモリアルゴリズムに入力し、該階層型時間メモリアルゴリズムが生成した評価モデルを疾病リスク評価モデルとする。ここで、階層型時間メモリアルゴリズムは、経時変化が反映されることから、膨大な生体情報からその時間変化を加味して、特定の出現パターンと出現確立とを簡易かつ確実に見出すことができる。
　このように、第１発明の生体情報評価システムによれば、生体情報に含まれる指標の特異性を簡易かつ確実に見出すことができる。
　なお、疾病リスクには、特定疾患の発症リスクのほか、体質（ホルモンバランス）、ストレス、性格、寿命などが含まれる。
　第２発明の生体情報評価システムは、第１発明において、
　前記生体情報は、唾液のサイトカイン値であり、前記複数の指標が該唾液の複数のサイトカインマーカーであって、
　疾病リスク評価モデル作成部は、複数のサイトカインマーカーを有する唾液のサイトカイン値が複数入力され、入力されたサイトカインマーカーから、癌リスクを算出するための癌リスク評価モデルを作成して保存することを特徴とする。
　第２発明の生体情評価システムによれば、唾液のサイトカイン値を生体情報とし、該唾液の複数のサイトカインマーカーを複数の指標とすることで、階層型時間メモリアルゴリズムに複数のサイトカインマーカーを有する唾液のサイトカイン値が複数入力され、入力されたサイトカインマーカーから、癌リスクを算出するための癌リスク評価モデルを作成することができる。
　このように、第２発明の生体情報評価システムによれば、唾液のサイトカイン値に対して、特定のサイトカインマーカーの特異性を実際に簡易かつ確実に見出すことができる。
　第３発明の生体情報評価システムは、第１または第２発明において、
　前記疾病リスク評価モデル作成部は、前記生体情報の前記複数の指標の一部または全部を特徴量として前記階層型時間メモリアルゴリズム以外の学習器にも入力し、該階層型時間メモリアルゴリズムとその他の該学習器とがそれぞれ作成した一次評価モデルを統合することにより、前記疾病リスク評価モデルを作成することを特徴とする。
　第３発明の生体情報評価システムによれば、生体情報の複数の指標の一部または全部を特徴量として階層型時間メモリアルゴリズム以外の学習器にも入力し、階層型時間メモリアルゴリズムとその他の該学習器とがそれぞれ作成した一次評価モデルを統合することで、各学習器の汎化能力を超える疾病リスク評価モデルを作成することができる。
　このように、第３発明の生体情報評価システムによれば、生体情報に含まれる指標の特異性を簡易かつより確実に見出すことができる。
本実施形態の生体情報評価システムの概要を示すシステム構成図。 図１の生体情報評価システムの処理内容を示すフローチャート。 図１の生体情報評価システムの処理内容を示す説明図。 図１の生体情報評価システムが組み込まれる生体情報管理システムの概要を示すシステム構成図。 図４の生体情報管理システムにおける処理内容を示すフローチャート。 図４の生体情報管理システムにおける処理内容を示すフローチャート。 図４の生体情報管理システムにおける処理内容を示すフローチャート。 図４の生体情報管理システムにおける処理内容を示すフローチャート。
　図１に示すように、本実施形態の生体情報評価システム１は、生体情報の変化から疾病リスクを算出するシステムであって、コンピュータシステムにより構成されている。
　詳細な図示は省略するが、該コンピュータシステムは、例えば、１つのコンピュータ、又は相互に通信可能な複数のコンピュータを含むシステムである。該コンピュータシステムを構成するコンピュータには、ＣＰＵ、ＲＡＭ、ＲＯＭ、インターフェース回路等により構成される演算処理装置が搭載されている。
　また、該コンピュータシステムは、それを構成するコンピュータの構成要素あるいは付加要素として、キーボード、マウス、タッチパネル等により構成される入力操作部、ディスプレイ、印刷機等により構成される情報出力部、有線方式もしくは無線方式の通信機器、並びに、ハードディスク等により構成される記憶装置が含まれる。
　なお、生体情報価格評価システム１が、複数のコンピュータにより構成される場合、それらのコンピュータは、複数の離れた場所に分散配置されていてもよい。
　また、入力操作部あるいは情報出力部は、生体情報価格評価システム１の管理者又はユーザが随時使用するパソコン、あるいは、携帯端末機（スマートフォン、タブレット端末等）を含み得る。
　本実施形態では、生体情報価格評価システム１の評価対象とする生体情報は、例えば、唾液を採取して得られる唾液のサイトカイン値である。そして、生体情報価格評価システム１は、それを構成するコンピュータのハードウェア構成（前記演算処理装置）と該コンピュータに実装されたソフトウェアとにより実現される機能として、生体情報記憶部１１と、パーソナルデータ記憶部１２と、疾病リスク評価モデル作成部１３と、疾病リスク算出部１４とを備える。
　生体情報記憶部１１は、生体情報を記憶保持する手段であって、例えば、個人が特定されないＩＤに紐付けされた唾液サイトカインの値の時系列データが記憶保持される。
　パーソナルデータ記憶部１２は、生体情報に関連する被検者の情報を記憶保持する手段であって、例えば、個人が特定されないＩＤに紐付けされた性別情報、年齢情報、喫煙情報等のデータが記憶保持される。
　疾病リスク評価モデル作成部１３は、入力された生体情報から、疾病リスクを算出するための疾病リスク評価モデルを作成する。
　具体的には、疾病リスク評価モデル作成部１３は、生体情報の複数の指標の一部または全部を特徴量として学習器である階層型時間メモリアルゴリズムに入力し、該階層型時間メモリアルゴリズムが生成した評価モデルを疾病リスク評価モデルとする。
　例えば、唾液のサイトカイン値を生体情報とし、該唾液の複数のサイトカインマーカーを複数の指標とすれば、階層型時間メモリアルゴリズムに複数のサイトカインマーカーを有する唾液のサイトカイン値が複数入力され、入力されたサイトカインマーカーから、癌リスクを算出するための癌リスク評価モデルを作成することができる。
　疾病リスク算出部１４は、疾病リスクの算出を行うべき生体情報が指定されたとき、該生体情報の複数の指標に基づいて、疾病リスク評価モデル作成部１３で保存された疾病リスク評価モデルを使用して該生体情報の疾病リスクを算出して出力する。
　次に、図２および図３を参照して、疾病リスク評価モデル作成部１３による疾病リスク評価モデルの作成処理内容について説明する。
　図２に示すように、疾病リスク評価モデル作成部１３は、まず、生体情報を取得する（ＳＴＥＰ１１／図２）。
　例えば、唾液のサイトカイン値を生体情報とする場合には、唾液から測定される３０種類のサイトカイン値の経時変化データを取得する。
　次に、疾病リスク評価モデル作成部１３は、ＳＴＥＰ１１で取得した生体情報から、該生体情報が有する複数の指標から特徴となり得るその一部または全部を特定する（ＳＴＥＰ１２／図２）。
　例えば、唾液のサイトカイン値を生体情報とする場合には、測定値として得られる３０種類のサイトカイン値のうち、図３の下側側に示すような特徴的な１８種類をサイトカインマーカーとして特定する。
　次に、疾病リスク評価モデル作成部１３は、ＳＴＥＰ１２で特定した指標の時系列データに基づくパターンの状態遷移図を作成する（ＳＴＥＰ１３／図２）。
　例えば、唾液サイトカイン値を生体情報とする場合には、図３の上側に示すように、第１階層（first layer）として、４つのサイトカインデータを１つのグループとし、これら４つのグループの出現パターンとその出現確率に基づく第２階層（second layer）を形成する。そして、第２階層の出現パターンとその確率に基づいて第３階層（third layer）を形成する。このような遷移パターンのみを作成する。
　次に、疾病リスク評価モデル作成部１３は、ＳＴＥＰ１３で作成した状態遷移図に入れる生体情報の指標の組み合わせとして、遷移確率が高いもの同士がグループとなるようにグルーピングする（ＳＴＥＰ１４／図２）。
　例えば、唾液サイトカイン値を生体情報とする場合には、１８種類のサイトカインマーカーの時系列データから遷移確率の高くなる組み合わせをグルーピングとする。
　次に、疾病リスク評価モデル作成部１３は、ＳＴＥＰ１４で決定したグルーピングをＳＴＥＰ１３の状態遷移図に割り当てて、条件付き確率の算出を行う（ＳＴＥＰ１５／図２）。
　例えば、唾液サイトカイン値を生体情報とする場合には、ＳＴＥＰ１４で決定したサイトカインマーカーのグルーピング（１８種類のサイトカインマーカーの時系列データから遷移確率の高くなる組み合わせ）となるように、状態遷移図の第１階層に割り当てる。そして、第１階層について、グルーピング（組み合わせ）の出現パターンと出現確率を算出する。
　次に、疾病リスク評価モデル作成部１３は、ＳＴＥＰ１５の条件付き確率の算出処理がすべてのノードおよび階層について終了したか否かを判定する（ＳＴＥＰ１６／図２）。
　そして、すべてのノードおよび階層について終了していない場合には（ＳＴＥＰ１６でＮＯ／図２）、すべてのノードおよび階層について終了するまで、ＳＴＥＰ１３からの一連の処理を繰り返し実行し、算出したその出現パターンと出現確率を記憶する。
　一方、すべてのノードおよび階層について終了している場合には（ＳＴＥＰ１６でＹＥＳ／図２）、疾病リスク評価モデル作成部１３は、一連の処理を終了する。
　以上が、疾病リスク評価モデル作成部１３による疾病リスク評価モデルの作成処理内容であり、かかる疾病リスク評価モデルは、経時変化が反映される階層型時間メモリアルゴリズムを用いることで、膨大な生体情報からその時間変化を加味して、特定の指標の出現パターンと出現確立とを簡易かつ確実に見出すことができる。すなわち、生体情報に含まれる指標の特異性を簡易かつ確実に見出すことができ、これに基づく疾病リスク評価モデルを作成することができる。
　なお、本実施形態では、学習器として階層型時間メモリアルゴリズムを用いる場合について説明したが、これに限定されるものではなく階層型時間メモリアルゴリズム以外の学習器と組み合わせもよい。例えば、階層型時間メモリアルゴリズムとその他の学習器であるディープラーニングとがそれぞれ作成した一次評価モデルを統合することで、各学習器の汎化能力を超える疾病リスク評価モデルを作成するようにしてもよい。
　さらに、組み合わせるその他の学習器は、ディープラーニングに加えて、ランダムフォレストやＥｌａｓｔｉｃ　ｎｅｔを組み合わせてもよい。
　また、本実施形態では、生体情報記憶部１１に記憶された生体情報を用いて、疾病リスク評価モデルを作成する場合について説明したが、これに限定されるものではなく、これにパーソナルデータ記憶部１２に記憶された性別情報、年齢情報、喫煙情報等のデータを組み合わせて出現パターンおよび出現確率の算出を行うようにしてもよい。
　このようにして作成された疾病リスク評価モデルは、例えば、図４に示す生体情報管理システムにおいて、癌リスク評価結果の作成（ＳＴＥＰ２３２／図７）において用いられる。
　図４に示す生体情報管理システムは利用者の生体情報を記憶保持するシステムであって、利用者側に設けられた利用者端末１００と、利用者端末１００とネットワーク接続された管理システム本体２００と、管理システム本体２００とネットワーク接続され、利用者の生体情報を記憶保持する分散型台帳システム３００とを備える。
　ここで、生体情報は、生体に関する種々の生理学的・解剖学的情報等の種々の情報であって、ＤＮＡ情報のように個人が特定される情報のほか、心拍数のように個人が特定されない情報の両方を含む概念である。
　利用者端末１００は、例えば、生体情報の測定キットである唾液癌マーカー検査キットの利用者のスマートフォンやタブレット等の情報端末であって、ネットワーク通信部１１０と、ワークメモリ１１１と、プログラムメモリ１１２と、表示入力部１３と、撮影部１１４と、鍵データ格納部１１５とを有する。
　ネットワーク通信部１１０は、インターネット等の広域通信網との接続を行う通信処理部である。
　ワークメモリ１１１は、当該利用者端末１００における各種処理に対して一時的にデータを記憶保持する。
　プログラムメモリ１１２は、当該利用者端末１００における各種処理においてプログラムそのものを記憶し、本実施形態では、Ｗｅｂアプリのプログラムを記憶するＷｅｂアプリ部１１２ａと、ＡＰＩ（Application Program Interface）サーバ部１１２ｂとを有する。
　表示・入力部１１３は、表示およびタッチ入力が可能なインターフェイスとしての表示部である。
　撮影部１１４は、ＣＣＤカメラやＣＭＯＳセンサ等から構成される撮像手段である。
　鍵データ格納部１１５は、後述する復号鍵が記憶保持される記憶保持部である。
　管理システム本体２００は、ネットワーク通信部２２０と、ワークメモリ２２１と、プログラムメモリ２２２と、ストレージ部２２５とを有する。
　ネットワーク通信部２２０は、利用者端末１００との間でインターネット等の広域通信網との接続を行う通信処理部として機能するほか、分散型台帳システム３００との間でローカルネットワーク接続を行う通信処理部として機能する。
　ワークメモリ２２１は、当該管理システム本体２００における各種処理に対して一時的にデータを記憶保持する。
　プログラムメモリ２２２は、当該管理システム本体２００における各種処理においてプログラムそのものを記憶し、本実施形態では、Ｗｅｂサーバ部２２３と、ＡＰＩ（Application Program Interface）サーバ部２２４とを有する。　
　Ｗｅｂサーバ部２２３は、利用者端末１００のＷｅｂアプリ部１１２ａに応じた処理を行うアプリケーションサーバであって、本実施形態では、唾液返送部２２３ａと、評価結果閲覧部２２３ｂと、分析結果入力部２２３ｃと、唾液ＩＤ生成部２２３ｄと、管理者機能部２２３ｅとを有する。
　ＡＰＩサーバ部２２４は、唾液照合部２２４ａと、生体情報書込部２２４ｂと、評価結果取得部２２４ｃとを有する。
　ストレージ部２２５は、本実施形態では生体情報である唾液データに関連するデータ全般を記憶保持する唾液メタデータ格納部として構成される。
　分散型台帳システム３００は、例えば、ブロックチェーンデータベースであって、本実施形態では、同一の唾液データが記憶される２つのデータベースＤＢ１，ＤＢ２で構成され、これらはそれぞれ異なる鍵で暗号化される。
　以上が本実施形態の生体情報管理システムの構成である。なお、以上の構成において、生体情報管理システムの利用者端末１００、管理システム本体２００および分散型台帳システム３００は、それぞれ例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only memory）、ＲＡＭ（Random Access Memory）等のハードウェアにより構成され、各処理部１１０～１１３，１１５、２２０～２２５，ＤＢ１，ＤＢ２による処理を実行するプログラムをメモリに記憶保持し、そのプログラムを実行することにより、上記制御処理を実行するための演算装置（シーケンサ）として機能する。
　次に、図５～図８を参照して、以上のように構成された生体情報管理システムの処理内容について説明する。
　まず、図８を参照して鍵ペアの生成処理について説明する。
図８において、予め、唾液癌マーカー検査キットに付された固有識別ＩＤとしての機能を有するＱＲコード（登録商標）やシリアルナンバーを読み取ることにより、利用者端末１００から管理システム本体２００へのアクセスにより利用者端末１００が管理システム２００との間でＷｅｂアプリの利用が可能となると、トップ画面への利用者のアクセスにより（ＳＴＥＰ１１１／図８）、暗号鍵と復号鍵の鍵ペアの生成がされる（ＳＴＥＰ１１２／図８）。
　ここで、暗号鍵と復号鍵の鍵ペアは、それぞれ唾液癌マーカー検査キットに付された固有識別ＩＤに紐付けされる。
　そして、鍵ペアができたか否かが判断され（ＳＴＥＰ１１３／図８）、鍵ペアの生成ができない場合には（ＳＴＥＰ１１３／図８でＮＯ）、エラー出力がされる。
　一方、鍵ペアが生成できている場合には（ＳＴＥＰ１１３／図８でＹＥＳ）、暗号鍵が管理システム本体２００に送信されて管理システム本体２００に保存されると共に（ＳＴＥＰ２１１／図８）、復号鍵が利用者端末１００に保存される（ＳＴＥＰ１１５）。
　次に、図６を参照して、唾液ＩＤのメタデータの登録処理について説明する。
　　まず、利用者が唾液癌マーカー検査キットにより唾液の採取を行い、例えば、採取管に付された唾液ＩＤのＱＲコード（登録商標）を利用者端末１００を介して読み取りを行うと（ＳＴＥＰ１２１／図６）、ＱＲコード（登録商標）が正しく読み取れたか判定される（ＳＴＥＰ１２２／図６）。
　そして、ＱＲコード（登録商標）が正しく読み取れていない場合には（ＳＴＥＰ１２２でＮＯ／図６）、エラー出力がなされる（ＳＴＥＰ１２３／図６）。
　一方、ＱＲコード（登録商標）が正しく読み取れている場合には（ＳＴＥＰ１２２でＹＥＳ／図６）、問診事項の入力画面が表示されて（ＳＴＥＰ１２４／図６）、回答された問診事項が管理システム本体２００に送信されて、対象唾液ＩＤのメタデータの登録がなされる（ＳＴＥＰ２２１／図６）。
　なお、ここで採取管に付された唾液ＩＤのＱＲコード（登録商標）は、唾液癌マーカー検査キットに付された固有識別ＩＤとしての機能を有するＱＲコード（登録商標）やシリアルナンバーと基本的に同一であるが、例えば、１つの唾液癌マーカー検査キットに対して複数の採取管があるような場合には、別のものであってもよい。
　なお、固有識別ＩＤと唾液ＩＤが同一の場合には、前述の暗号鍵および復号鍵との紐付けがそのまま維持される。一方、固有識別ＩＤに対して複数の唾液ＩＤがある場合には、予め固有識別ＩＤと複数の唾液ＩＤが紐付けされ、前述の暗号鍵および復号鍵との紐付けが、固有識別ＩＤを介して唾液ＩＤにも紐付けされる。なお、この場合、固有識別ＩＤは、利用者端末１００の識別ＩＤに適宜置き換えられることが好ましい。利用者が唾液癌マーカー検査キットを複数回購入した場合、それぞれに同梱される採取管の唾液ＩＤと利用者とを紐づける必要があるからである。
　次に、図７を参照して、唾液ＩＤのサイトカインデータの登録および癌リスク評価結果の作成処理について説明する。
　予め、利用者が唾液癌マーカー検査キットにより唾液の採取った採取管を、検査機関に郵送すると、検査機関により当該唾液のサイトカインの分析がなされる。
　ここで、サイトカインの分析結果は、管理システム本体２００に提供され、唾液ＩＤで特定されるサイトカインの分析結果を管理システム本体２００が取得する（ＳＴＥＰ２３１／図７）。
　そして、管理システム本体２００は、取得した対象唾液ＩＤのサイトカインデータを固有識別ＩＤに基づいて暗号鍵を特定し、かかる暗号鍵でサイトカインデータを暗号化した上で、分散型台帳システム３００に登録し、分散型台帳システム３００に記憶保存させる（ＳＴＥＰ３３１／図７）。
　さらに、管理システム本体２００は、取得した対象唾液ＩＤのサイトカインデータ（および既に取得済みのサイトカインデータがある場合にはそれを含む時系列データ）に基づいて、癌リスク評価結果の作成を行い、作成された癌リスク評価結果を暗号鍵で暗号化した上で当該管理システム本体２００に記憶保存する（ＳＴＥＰ２３２／図７）。
　なお、かかる癌リスク評価結果の作成が、本実施形態の生体情報評価システム１の疾病リスク算出部１４により実行される。
　次に、図８を参照して、癌リスク評価結果の利用者への提供処理について説明する。
　まず、利用者が利用者端末１００を操作して、評価結果表示画面へアクセスすると（ＳＴＥＰ１４１／図８）、管理システム本体２００が対象唾液ＩＤのサイトカインデータを、唾液ＩＤ（固有識別ＩＤ）に基づいて、分散型台帳システム３００から取得する（ＳＴＥＰ２４１／図８）。
　次いで、管理システム本体２００は、対象唾液ＩＤの癌リスク評価結果を、唾液ＩＤ（固有識別ＩＤ）に基づいて、管理システム本体２００内から取得する（ＳＴＥＰ２４２／図８）。
　ここで、ＳＴＥＰ２４１およびＳＴＥＰ２４２で取得した対象唾液ＩＤのサイトカインデータおよび癌リスク評価結果は、暗号鍵より暗号化された状態となっている。
　そこで、当該暗号鍵と鍵ペアを成す復号鍵を利用者端末１００からの送信により（ＳＴＥＰ１４２／図８）、取得できたか判定する（ＳＴＥＰ２４３／図８）。
　そして、復号鍵を取得できない場合には（ＳＴＥＰ２４３でＮＯ／図８）、利用者端末１００に対してエラー出力を行い（ＳＴＥＰ１４３／図８）、復号鍵を取得できた場合には（ＳＴＥＰ２４３でＹＥＳ／図８）、復号鍵によりサイトカインデータおよび癌リスク評価結果を復号した上で、利用者端末１００に送信して表示させる（ＳＴＥＰ１４４／図８）。
　以上が本実施形態の生体情報管理システムの構成および処理内容であり、かかる生体情報管理システムによれば、生体情報であるサイトカインデータの記憶保存に際して、予め利用者端末１００から管理システム本体２００へのアクセスにより、暗号鍵と復号鍵とが生成され、暗号鍵が管理システム本体２００に記憶されると共に、復号鍵が該利用者端末１００に記憶される。
　そのため、復号鍵は利用者端末１００に存在しているに過ぎず、復号鍵により被験者である利用者が直接特定されることがない。
　また、利用者の生体情報であるサイトカインデータは、管理システム本体２００の暗号鍵に基づいて暗号化され、暗号化されたサイトカインデータが分散型台帳システム３００に記憶保持させる。さらに、分散型台帳システム３００から読み出した暗号化されたサイトカインデータは、利用者端末１００から取得した復号鍵により復号されることから、生体情報へのアクセスが暗号鍵と復号鍵により制限される。
　さらに、暗号鍵と復号鍵とが測定キットである唾液癌マーカー検査キットの固有識別ＩＤ（唾液ＩＤ）と紐付けされることにより、測定結果であるサイトカインデータを固有識別ＩＤに基づいて暗号鍵による暗号化をすることができると共に、固有識別ＩＤと紐付いた復号鍵を有する利用者端末のみに生体情報へのアクセスを可能とすることができる。
　このように、本実施形態の生体情報管理システムによれば、利用者が特定されることを防止しつつ、生体情報へのアクセスを制限することができる。
　なお、本実施形態では、生体情報管理システムとして、生体情報の測定キットである唾液癌マーカー検査キットを用いる場合について説明したが、これに限定されるものではなく、その他の検査キット（大腸癌検査キット）や、検査キット以外の生体情報計測機器（血圧計や活動量計等）であってもよい。
　この場合、生体情報（検査で指標とされるデータ値や計測値）や（必要に応じて）これらに基づく評価結果が、暗号鍵により暗号化された上で管理システム本体２００から分散型台帳システム３００で記憶保存されると共に、分散型台帳システム３００から読みだされた生体情報や評価結果は、利用者端末１００の復号鍵により復号されて管理システム本体２００から利用者端末１００に提供される。
１…生体情報価格評価システム、１１…生体情報記憶部、１２…パーソナルデータ記憶部、１３…疾病リスク評価モデル作成部、１４…疾病リスク算出部、１００…利用者端末、２００…管理システム本体、３００…分散型台帳システム。

Claims (3)

  1. 　生体情報の変化から疾病リスクを算出する生体情報評価システムであって、
    　複数の指標を有する前記生体情報が複数入力され、入力された複数の生体情報から、同種の生体情報が入力された際の疾病リスクを算出するための疾病リスク評価モデルを作成して保存する疾病リスク評価モデル作成部と、
    　前記疾病リスクの算出を行うべき生体情報が指定されたとき、該生体情報の前記複数の指標に基づいて、前記疾病リスク評価モデル作成部で保存された疾病リスク評価モデルにより該生体情報の疾病リスクを算出して出力する疾病リスク算出部と
    を備え、
    　疾病リスク評価モデル作成部は、前記生体情報の前記複数の指標の一部または全部を特徴量として学習器である階層型時間メモリアルゴリズムに入力し、該階層型時間メモリアルゴリズムが生成した評価モデルを前記疾病リスク評価モデルとすることを特徴とする生体情報評価システム。
  2. 　請求項１記載の生体情報評価システムにおいて、
    　前記生体情報は、唾液のサイトカイン値であり、前記複数の指標が該唾液の複数のサイトカインマーカーであって、
    　疾病リスク評価モデル作成部は、複数のサイトカインマーカーを有する唾液のサイトカイン値が複数入力され、入力されたサイトカインマーカーから、癌リスクを算出するための癌リスク評価モデルを作成して保存することを特徴とする生体情報評価システム。
  3. 　請求項１または２記載の生体情報評価システムにおいて、
    　前記疾病リスク評価モデル作成部は、前記生体情報の前記複数の指標の一部または全部を特徴量として前記階層型時間メモリアルゴリズム以外の学習器にも入力し、該階層型時間メモリアルゴリズムとその他の該学習器とがそれぞれ作成した一次評価モデルを統合することにより、前記疾病リスク評価モデルを作成することを特徴とする生体情報評価システム。
PCT/JP2018/019697 2017-05-24 2018-05-22 生体情報評価システム WO2018216697A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017103132A JP6544697B2 (ja) 2017-05-24 2017-05-24 生体情報評価システム
JP2017-103132 2017-05-24

Publications (1)

Publication Number Publication Date
WO2018216697A1 true WO2018216697A1 (ja) 2018-11-29

Family

ID=64396588

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/019697 WO2018216697A1 (ja) 2017-05-24 2018-05-22 生体情報評価システム

Country Status (2)

Country Link
JP (1) JP6544697B2 (ja)
WO (1) WO2018216697A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006511882A (ja) * 2002-12-18 2006-04-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 拡張コンピュータ支援医療データ処理システム及び方法
JP2010532484A (ja) * 2007-06-29 2010-10-07 コレロジック システムズ，インコーポレイテッド 卵巣癌のための予測マーカー
JP2013509588A (ja) * 2009-10-29 2013-03-14 テシス バイオサイエンス， インコーポレイテッド ２型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014178800A (ja) * 2013-03-14 2014-09-25 Gifu Univ 医療情報処理装置、及び、プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006511882A (ja) * 2002-12-18 2006-04-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 拡張コンピュータ支援医療データ処理システム及び方法
JP2010532484A (ja) * 2007-06-29 2010-10-07 コレロジック システムズ，インコーポレイテッド 卵巣癌のための予測マーカー
JP2013509588A (ja) * 2009-10-29 2013-03-14 テシス バイオサイエンス， インコーポレイテッド ２型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BABA, YUKINO ET AL.: "Development of Predictive Model Using Crowdsourcing Competitions", PROCEEDINGS CD-ROM OF THE 28TH NATIONAL CONFERENCE OF THE JAPANESE SOCIETY FOR ARTIFICIAL INTELLIGENCE, 12 May 2014 (2014-05-12), pages 1 - 4 *

Also Published As

Publication number Publication date
JP2018198016A (ja) 2018-12-13
JP6544697B2 (ja) 2019-07-17

Similar Documents

Publication Publication Date Title
Lauritsen et al. Explainable artificial intelligence model to predict acute critical illness from electronic health records
Lauritsen et al. Early detection of sepsis utilizing deep learning on electronic health record event sequences
Parker et al. Correlating viral phenotypes with phylogeny: accounting for phylogenetic uncertainty
RU2510071C2 (ru) Устройство для тестирования личности
Wyatt et al. Basic concepts in medical informatics
US20180068075A1 (en) Medical system and program
WO2022267678A1 (zh) 视频问诊方法、装置、设备及存储介质
Irawan et al. Detecting Heart Rate Using Pulse Sensor As Alternative Knowing Heart Condition
Taralunga et al. A blockchain-enabled framework for mhealth systems
Tang et al. Validation of a novel traditional Chinese medicine pulse diagnostic model using an artificial neural network
Goldhaber-Fiebert et al. Some health states are better than others: using health state rank order to improve probabilistic analyses
JP2018114232A (ja) 診断装置、プログラム及び診断システム
Rodríguez-González et al. Analysis of a multilevel diagnosis decision support system and its implications: a case study
CN107491992A (zh) 一种基于云计算的智能服务推荐算法
Zylstra et al. Extended, continuous measures of functional status in community dwelling persons with Alzheimer’s and related dementia: Infrastructure, performance, tradeoffs, preliminary data, and promise
Loss-Oliveira et al. Testing synchrony in historical biogeography: the case of New World primates and Hystricognathi rodents
JP2018014058A (ja) 医療情報処理システム、医療情報処理装置及び医療情報処理方法
JP2018015327A (ja) 診断装置、診断方法、プログラム
US20170220525A1 (en) Method and apparatus for hierarchical data analysis based on mutual correlations
Reddy et al. Application of mlops in prediction of lifestyle diseases
WO2018216697A1 (ja) 生体情報評価システム
Chang et al. Exploring the relationship between nursing hours per patient day and mortality rate of hospitalised patients in Taiwan
CN113657809B (zh) 医院画像的构建方法、装置、设备及存储介质
JP6530954B2 (ja) 遺伝子多型データを用いたパーソナリティ表示方法及びシステム
CN114004802A (zh) 基于模糊综合评价法的数据标注方法、装置及存储介质

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: 18806286

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18806286

Country of ref document: EP

Kind code of ref document: A1