WO2021181813A1 - 介入評価装置 - Google Patents
介入評価装置 Download PDFInfo
- Publication number
- WO2021181813A1 WO2021181813A1 PCT/JP2020/047511 JP2020047511W WO2021181813A1 WO 2021181813 A1 WO2021181813 A1 WO 2021181813A1 JP 2020047511 W JP2020047511 W JP 2020047511W WO 2021181813 A1 WO2021181813 A1 WO 2021181813A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- intervention
- bhq
- subject
- estimated
- difference
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
被験者がMRI撮影を行わずとも、低コストで、事業者の商品や役務が、人の脳の健康に寄与するか否かを客観的に判断できる、介入評価装置を提供する。介入評価装置は、介入テーブルを設け、介入と被験者を紐付ける。ある介入を実施した被験者のアンケートの回答内容を、介入IDに基づいて統計的処理を行う。介入評価装置に、介入を行う前後のアンケートを入力すると、介入前後の推定GM-BHQ値及び推定FA-BHQ値の統計的有意差、または介入が行われた推定GM-BHQ差分及び推定FA-BHQ差分と、介入が行われていない計測GM-BHQ差分及び計測FA-BHQ差分との、統計的有意差の何れかを得ることが可能になる。そしてp値等の統計的有意差から、介入の有効性を客観的に評価することが可能になる。
Description
本発明は、介入評価装置に関する。
より詳細には、MRI(magnetic resonance imaging:核磁気共鳴画像法)等の、人間の脳を非侵襲にて三次元撮像を行う装置が出力する脳画像データを用いて、生体情報を収集し、解析を行う脳情報解析装置の機能として、脳の健康に有用と思われる所定の行為の有用性を評価する、介入評価装置に関する。
より詳細には、MRI(magnetic resonance imaging:核磁気共鳴画像法)等の、人間の脳を非侵襲にて三次元撮像を行う装置が出力する脳画像データを用いて、生体情報を収集し、解析を行う脳情報解析装置の機能として、脳の健康に有用と思われる所定の行為の有用性を評価する、介入評価装置に関する。
元々、MRIは非侵襲にて脳を含めた内臓疾患を発見し、診断するためのツールであった。しかし、近年、MRIにて人の脳を撮影し、三次元の脳画像データを取得することが永続的に行われてきたことにより、様々な人々の脳画像データが徐々に蓄積されるようになってきた。そこで、近年の脳科学者は、脳疾患に留まらず、脳画像データから得られる情報と、人の健康との相関性を模索するようになった。
これ以降、本明細書において脳画像データから得られる情報を、脳情報と総称する。脳情報とは例えば、脳画像データを画像解析した結果得られる、脳の特定部位における灰白質の量や、脳の特定部位における神経線維の異方性等である。
これ以降、本明細書において脳画像データから得られる情報を、脳情報と総称する。脳情報とは例えば、脳画像データを画像解析した結果得られる、脳の特定部位における灰白質の量や、脳の特定部位における神経線維の異方性等である。
特許文献1には、脳解析情報を扱い易い値に変換し、健康の指標として使用することができる、発明者らによる脳情報解析装置と脳健康指標演算装置が開示されている。
脳画像データから脳の部位毎に情報を取得する方法は様々なものが存在する。どの脳情報取得方法においても、得られる情報は、変数の数が多くなって、極めて詳細なものとなっている。しかし、この詳細な情報、すなわち変数の数が多いことは、データの全体の傾向を統計的に類推する、いわゆるビッグデータの解析手法には馴染まない。
MRI装置は高価であるため、国際比較においてわが国は相対的に導入台数は多いものの、他の医療機器に比べると、導入台数が多いとはいえない。また、その運用コストも安くはないため、MRIによる脳画像データを多数蓄積することは容易なことではない。したがって、現状では統計的解析の基となるデータの母数があまり多くない。一方で、脳画像データから得られる情報を変数に置き換えると、その変数の数は極めて多くなる。これは、統計的解析手法では、既知の値については正しい推定結果を出す一方で、未知の値については正しい推定結果が得られない、オーバーフィッティングという現象を引き起こす。
また、変数の数が多いことは、判断の指標が複雑になることを示す。このため、現状の詳細な脳解析情報のままでは、脳科学の専門家しかわからず、一般の人が脳の健康の指標等に利用するのには適していない。
また、変数の数が多いことは、判断の指標が複雑になることを示す。このため、現状の詳細な脳解析情報のままでは、脳科学の専門家しかわからず、一般の人が脳の健康の指標等に利用するのには適していない。
発明者らはこのような課題を解決し、脳解析情報を扱い易い値に変換し、健康の指標として使用できる、脳情報解析装置と脳健康指標演算装置を発明した。この発明が特許文献1に開示された発明である。
特許文献1において、発明者らは、多数の被験者の脳画像データと被験者の健康や生活等に関するアンケート等を解析した結果、脳の健康と身体面の健康は密接な関連性を有することを突き止めた。更に発明者らは、複数の被験者に対して身体面の健康を増進する所定の行為を継続的に実施すると、被験者の脳の健康指標値も向上する傾向があることも見出した。
以上のことから、企業や団体、あるいは個人等の事業者は、被験者の脳の健康指標値が向上したことを根拠に、「脳の健康を増進する」等のキャッチフレーズを付して、商品や役務を販売することが可能になる。例えば、食品、運動器具、スポーツジム、衛生用品、オフィスデスク、住居等、様々な商品や役務に、「脳の健康を増進する」等のキャッチフレーズを付することが考えられる。当該商品や役務が、本当に脳の健康に寄与するものであれば、消費者に対し、それら商品や役務における大きなセールスポイントとなり得る。
一方で、身体の健康と比べると、脳の健康は明確な特徴を伴わないので、人の外見を観察しても、その人の脳が健康であるかどうかは、明確にはわからない。このため、事業者が自己の商品や役務に、根拠なく勝手に「脳の健康にいい」と銘打って販売等を行うことが懸念される。
したがって、事業者の商品や役務が、本当に人の脳の健康に寄与する作用を有するものか否かを、客観的に判定する仕組みが必要である。
一方で、身体の健康と比べると、脳の健康は明確な特徴を伴わないので、人の外見を観察しても、その人の脳が健康であるかどうかは、明確にはわからない。このため、事業者が自己の商品や役務に、根拠なく勝手に「脳の健康にいい」と銘打って販売等を行うことが懸念される。
したがって、事業者の商品や役務が、本当に人の脳の健康に寄与する作用を有するものか否かを、客観的に判定する仕組みが必要である。
なお、本明細書において、法人、団体または個人が、複数名の被験者に対して、脳の健康向上に役立つと考える所定の行為や器具等の使用等を、一定期間以上継続的に実施することを、「介入」と呼ぶ。これ以降、この介入を実施する法人、団体または個人を介入実施者と呼ぶ。
本発明はかかる課題を解決し、被験者がMRI撮影を行わずとも、低コストで、事業者の商品や役務が、人の脳の健康に寄与するか否かを客観的に判断することが可能な、介入評価装置を提供することを目的とする。
上記課題を解決するために、本発明の介入評価装置は、介入の有効性を客観的数値にて評価する。介入評価装置は、介入を受ける被験者を一意に識別する被験者IDと、被験者が受ける介入を一意に識別する介入IDと、介入を実施する直前の段階である介入前日程において、第一回目の生活環境アンケートに回答し、介入前生活環境アンケート結果を作成した際の介入前日程と、介入を実施した直後の段階である介入後日程において、第二回目の生活環境アンケートに回答し、介入後生活環境アンケート結果を作成した際の介入後日程との関係が記述されている介入テーブルと、被験者IDと、被験者の年齢と、被験者の性別との関係が記述されている被験者マスタとを具備する。更に、被験者の介入前生活環境アンケート結果及び介入後生活環境アンケート結果から導かれた被験者の推定BHQ値または被験者の推定BHQ差分に基づき、被験者の年齢と性別毎に、推定BHQ値の平均値及び標準偏差または推定BHQ差分の平均値及び標準偏差を算出する、平均・偏差演算処理部と、推定BHQ値の平均値及び標準偏差または推定BHQ差分の平均値及び標準偏差に基づき、被験者の年齢と性別毎に、t検定を演算し、p値を出力するt検定演算処理部とを具備する。
本発明により、被験者がMRI撮影を行わずとも、低コストで、事業者の商品や役務が、人の脳の健康に寄与するか否かを客観的に判断することが可能になる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
本発明に係る介入評価装置は、「介入」が果たして本当に脳の健康向上に寄与するものなのかを、客観的に判断するための数値的根拠を演算し、出力する。
具体的には、複数の被験者に対し、介入を行う前に第一回目のアンケートを行い、その後一定期間以上介入を実施する。そして、介入を行って一定期間以上経過したら、第二回目のアンケートを行う。第一回目のアンケートと第二回目のアンケートの回答を介入評価装置に入力することで、例えば対応のある2標本に対するt検定、あるいは対応のない2標本に対するt検定等の、統計的解析学に基づく統計的有意差の有無を提示できる。統計的有意差が認められれば、当該介入は脳の健康向上に効果がある、と、客観的に認められる。
具体的には、複数の被験者に対し、介入を行う前に第一回目のアンケートを行い、その後一定期間以上介入を実施する。そして、介入を行って一定期間以上経過したら、第二回目のアンケートを行う。第一回目のアンケートと第二回目のアンケートの回答を介入評価装置に入力することで、例えば対応のある2標本に対するt検定、あるいは対応のない2標本に対するt検定等の、統計的解析学に基づく統計的有意差の有無を提示できる。統計的有意差が認められれば、当該介入は脳の健康向上に効果がある、と、客観的に認められる。
[第一の実施形態:介入評価装置101:全体構成]
図1Aは、本発明の第一の実施形態に係る介入評価装置101の、学習フェーズを示す概略図である。
先ず、MRI装置103は第一被験者102の脳を撮影して、MRI画像ファイル群104を出力する。
介入評価装置101は、第一被験者102のMRI画像ファイル群104と、生活環境アンケート結果105を取り込み、学習処理を行う。その結果、近似関数パラメータ106が生成され、または更新される。
介入評価装置101は、大容量の不揮発性ストレージ206(図2にて後述)と、所定の演算能力を備えるパソコンあるいはサーバである。
図1Aは、本発明の第一の実施形態に係る介入評価装置101の、学習フェーズを示す概略図である。
先ず、MRI装置103は第一被験者102の脳を撮影して、MRI画像ファイル群104を出力する。
介入評価装置101は、第一被験者102のMRI画像ファイル群104と、生活環境アンケート結果105を取り込み、学習処理を行う。その結果、近似関数パラメータ106が生成され、または更新される。
介入評価装置101は、大容量の不揮発性ストレージ206(図2にて後述)と、所定の演算能力を備えるパソコンあるいはサーバである。
介入評価装置101には、第一被験者102の脳をMRI装置103で撮影して得た、MRI画像ファイル群104が入力され、データベースとして蓄積される。MRI画像ファイル群104は、全ての第一被験者102を一意に識別する被験者IDによって紐付けされる。特に、MRI画像ファイル群104を保存するために、介入評価装置101には大容量の不揮発性ストレージ206が必要になる。
MRI画像ファイル群104とは、MRI装置103が第一被験者102の脳を撮影した複数の画像ファイルである。第一被験者102の脳を仮想的に輪切り状態にて撮影した画像ファイルが、頭頂部から首に至る迄、複数枚得られる。
そして介入評価装置101は、第一被験者102を撮像したMRI画像ファイル群104から所定の画像解析処理を用いて、脳情報を取得する。次に介入評価装置101は、この脳情報の平均値を算出して、第一被験者102の被験者ID及びMRI画像ファイル群104の撮影日と紐付けて、不揮発性ストレージ206に記憶する。
そして介入評価装置101は、第一被験者102を撮像したMRI画像ファイル群104から所定の画像解析処理を用いて、脳情報を取得する。次に介入評価装置101は、この脳情報の平均値を算出して、第一被験者102の被験者ID及びMRI画像ファイル群104の撮影日と紐付けて、不揮発性ストレージ206に記憶する。
本発明の実施形態に係る介入評価装置101は、特許文献1に開示される、二種類の脳情報の平均値を算出する。
第一の脳情報の平均値は、脳に含まれる116個の灰白質量データ群の平均値である。これ以降、灰白質量データ群の平均値をGM-BHQ(Grey-Matter Brain Healthcare Quotient)と呼ぶ。GM-BHQは単一のスカラ値である。
第二の脳情報の平均値は、48個の神経線維異方性データ群の平均値である。これ以降、神経線維異方性データ群402の平均値をFA-BHQ(fractional anisotropy Brain Healthcare Quotient)と呼ぶ。FA-BHQもGM-BHQと同様、単一のスカラ値である。
第一の脳情報の平均値は、脳に含まれる116個の灰白質量データ群の平均値である。これ以降、灰白質量データ群の平均値をGM-BHQ(Grey-Matter Brain Healthcare Quotient)と呼ぶ。GM-BHQは単一のスカラ値である。
第二の脳情報の平均値は、48個の神経線維異方性データ群の平均値である。これ以降、神経線維異方性データ群402の平均値をFA-BHQ(fractional anisotropy Brain Healthcare Quotient)と呼ぶ。FA-BHQもGM-BHQと同様、単一のスカラ値である。
そしてMRI撮影と同日(殆どの場合、MRI撮影の待ち時間)に、第一被験者102に対し、生活環境アンケート601(図6参照)を実施する。そして、介入評価装置101にアンケートの回答内容である生活環境アンケート結果105を全ての項目毎にデータとして入力する。
複数の第一被験者102に対し、上述のMRI撮影と生活環境アンケート601を実施し、得られたそれらデータ群を介入評価装置101に入力して蓄積する。そして、学習処理を実行すると、近似関数パラメータ106が生成され、または更新される。すると、介入評価装置101は近似関数パラメータ106を用いて、生活環境アンケート601の回答内容に対し、GM-BHQ及びFA-BHQを推定することが可能になる。
図1Bは、本発明の第一の実施形態に係る介入評価装置101の、推定フェーズを示す概略図である。
図1Aの時点とは異なる第二被験者107は、介入を実施する直前の段階である介入前日程108において、第一回目の生活環境アンケート601に回答し、介入前生活環境アンケート結果109を作成する。
次に、介入実施者は、当該第二被験者107に対し、所定の期間、介入を実施する。介入前の日程から介入後の日程までの所定の期間は、最低で1ヶ月、好ましくは3ヶ月から半年程度の期間である。
そして、介入を実施して所定の期間が経過したら、第二被験者107は介入後日程110において、第二回目の生活環境アンケート601に回答し、介入後生活環境アンケート結果111を作成する。
図1Aの時点とは異なる第二被験者107は、介入を実施する直前の段階である介入前日程108において、第一回目の生活環境アンケート601に回答し、介入前生活環境アンケート結果109を作成する。
次に、介入実施者は、当該第二被験者107に対し、所定の期間、介入を実施する。介入前の日程から介入後の日程までの所定の期間は、最低で1ヶ月、好ましくは3ヶ月から半年程度の期間である。
そして、介入を実施して所定の期間が経過したら、第二被験者107は介入後日程110において、第二回目の生活環境アンケート601に回答し、介入後生活環境アンケート結果111を作成する。
介入評価装置101は、第二被験者107の、介入前の日程における介入前生活環境アンケート結果109と、介入後の日程における介入後生活環境アンケート結果111を取り込み、近似関数パラメータ106を用いて推定処理を行う。その結果、第二被験者107の介入前生活環境アンケート結果109に対応する第一の推定BHQと、介入後生活環境アンケート結果111に対応する第二の推定BHQが得られる。
第一の推定BHQは、第二被験者107の介入前生活環境アンケート結果109に基づく第一推定GM-BHQと、第一推定FA-BHQの組である。
第二の推定BHQは、第二被験者107の介入後生活環境アンケート結果111に基づく第二推定GM-BHQと、第二推定FA-BHQの組である。
第一の推定BHQは、第二被験者107の介入前生活環境アンケート結果109に基づく第一推定GM-BHQと、第一推定FA-BHQの組である。
第二の推定BHQは、第二被験者107の介入後生活環境アンケート結果111に基づく第二推定GM-BHQと、第二推定FA-BHQの組である。
介入評価装置101は、この、第一の推定BHQ及び第二の推定BHQの推定演算処理を、複数の第二被験者107に対して実行し、第二被験者107の年齢性別毎の、第一の推定BHQ平均値、第一の推定BHQ標準偏差、第二の推定BHQ平均値、第二の推定BHQ標準偏差を算出する。
第一の推定BHQ平均値は、第二被験者107の年齢性別毎の、第一推定GM-BHQの平均値と、第一推定FA-BHQの平均値の組である。
第一の推定BHQ標準偏差は、第二被験者107の年齢性別毎の、第一推定GM-BHQの標準偏差と、第一推定FA-BHQの標準偏差の組である。
第二の推定BHQ平均値は、第二被験者107の年齢性別毎の、第二推定GM-BHQの平均値と、第二推定FA-BHQの平均値の組である。
第二の推定BHQ標準偏差は、第二被験者107の年齢性別毎の、第二推定GM-BHQの標準偏差と、第二推定FA-BHQの標準偏差の組である。
第一の推定BHQ平均値は、第二被験者107の年齢性別毎の、第一推定GM-BHQの平均値と、第一推定FA-BHQの平均値の組である。
第一の推定BHQ標準偏差は、第二被験者107の年齢性別毎の、第一推定GM-BHQの標準偏差と、第一推定FA-BHQの標準偏差の組である。
第二の推定BHQ平均値は、第二被験者107の年齢性別毎の、第二推定GM-BHQの平均値と、第二推定FA-BHQの平均値の組である。
第二の推定BHQ標準偏差は、第二被験者107の年齢性別毎の、第二推定GM-BHQの標準偏差と、第二推定FA-BHQの標準偏差の組である。
更に、年齢及び性別毎の、推定GM-BHQ平均値と推定FA-BHQ平均値、及び推定GM-BHQ標準偏差と推定FA-BHQ標準偏差から、年齢及び性別毎の推定GM-BHQのp値及び推定FA-BHQの統計的仮説検定を行い、その確率(p値)を算出する。
以上の、年齢及び性別毎の、第一の推定BHQ平均値、第一の推定BHQ標準偏差、第二の推定BHQ平均値、第二の推定BHQ標準偏差、推定GM-BHQのp値、推定FA-BHQのp値は、年齢・性別毎推定BHQ平均値・標準偏差及びp値112として、不揮発性ストレージ206等に出力する。
以上の、年齢及び性別毎の、第一の推定BHQ平均値、第一の推定BHQ標準偏差、第二の推定BHQ平均値、第二の推定BHQ標準偏差、推定GM-BHQのp値、推定FA-BHQのp値は、年齢・性別毎推定BHQ平均値・標準偏差及びp値112として、不揮発性ストレージ206等に出力する。
第一被験者102は、介入評価装置101の学習フェーズにおいて、学習用データを提供するための被験者である。このため、MRI装置103でMRI撮影を行うと共に、生活環境アンケート結果105を介入評価装置101に与える。
第二被験者107は、介入評価装置101の推定フェーズにおいて、アンケートの内容からBHQ値を推定し、更に介入の有効性を判断するための被験者である。したがって、MRI装置103でのMRI撮影を行わない。その代わり、第二被験者107は介入前日程108と介入後日程110の間に所定の介入を受ける。そして、介入前日程108における介入前生活環境アンケート結果109と、介入後日程110における介入後生活環境アンケート結果111を介入評価装置101に与える。
第二被験者107は、介入評価装置101の推定フェーズにおいて、アンケートの内容からBHQ値を推定し、更に介入の有効性を判断するための被験者である。したがって、MRI装置103でのMRI撮影を行わない。その代わり、第二被験者107は介入前日程108と介入後日程110の間に所定の介入を受ける。そして、介入前日程108における介入前生活環境アンケート結果109と、介入後日程110における介入後生活環境アンケート結果111を介入評価装置101に与える。
[第一の実施形態:介入評価装置101:ハードウェア構成]
図2は、本発明の第一の実施形態に係る介入評価装置101のハードウェア構成を示すブロック図である。なお、後述する第二の実施形態に係る介入評価装置101も同じである。
一般的なパソコンやサーバである介入評価装置101は、バス208に接続されている、CPU201、ROM202、RAM203、液晶ディスプレイ等の表示部204、キーボードやマウス等の操作部205、ハードディスク装置等の不揮発性ストレージ206、現在日時情報を出力するリアルタイムクロック(以下「RTC」)207を備える。
図2は、本発明の第一の実施形態に係る介入評価装置101のハードウェア構成を示すブロック図である。なお、後述する第二の実施形態に係る介入評価装置101も同じである。
一般的なパソコンやサーバである介入評価装置101は、バス208に接続されている、CPU201、ROM202、RAM203、液晶ディスプレイ等の表示部204、キーボードやマウス等の操作部205、ハードディスク装置等の不揮発性ストレージ206、現在日時情報を出力するリアルタイムクロック(以下「RTC」)207を備える。
バス208にはこの他に、MRI画像ファイル群104を受け付けて、不揮発性ストレージ206内に形成するデータベースに登録するための、シリアルポート209やNIC(Network Interface Card)210が接続されている。不揮発性ストレージ206には、OSと、パソコンやサーバを介入評価装置101として稼働させるためのプログラムと、図3にて後述する種々のデータベースが格納されている。
なお、介入評価装置101がサーバやクラウドコンピューティング環境である場合、NIC210は必須だが、表示部204と操作部205は必ずしも必要ではなく、シリアルポート209は不要である。その場合、ネットワークを通じてサーバ等を操作する端末が別途用意されていればよい。
なお、介入評価装置101がサーバやクラウドコンピューティング環境である場合、NIC210は必須だが、表示部204と操作部205は必ずしも必要ではなく、シリアルポート209は不要である。その場合、ネットワークを通じてサーバ等を操作する端末が別途用意されていればよい。
[第一の実施形態:介入評価装置101:ソフトウェア機能の全体]
図3は、本発明の第一の実施形態に係る介入評価装置101の、ソフトウェア機能の全体を示すブロック図である。
入出力制御部301には、MRI画像ファイル群104とアンケート回答群302が入力される。ここで、アンケート回答群302には、図1で示した生活環境アンケート結果105、介入前生活環境アンケート結果109及び介入後生活環境アンケート結果111が含まれる。アンケート回答群302を入出力制御部301に入力するための手段は、操作部205やシリアルポート209、NIC210等、様々である。
図3は、本発明の第一の実施形態に係る介入評価装置101の、ソフトウェア機能の全体を示すブロック図である。
入出力制御部301には、MRI画像ファイル群104とアンケート回答群302が入力される。ここで、アンケート回答群302には、図1で示した生活環境アンケート結果105、介入前生活環境アンケート結果109及び介入後生活環境アンケート結果111が含まれる。アンケート回答群302を入出力制御部301に入力するための手段は、操作部205やシリアルポート209、NIC210等、様々である。
入出力制御部301は、データ処理及び演算機能として、BHQ演算処理部303、学習演算処理部304、推定演算処理部305、平均・偏差演算処理部306、t検定演算処理部307とのデータの授受を行う。
また、入出力制御部301は、被験者マスタ308、脳情報テーブル309、計測BHQテーブル310、近似関数パラメータ106、アンケートテーブル311、推定BHQテーブル312、介入マスタ313及び介入テーブル314に対して読み書きを行う。
また、入出力制御部301は、被験者マスタ308、脳情報テーブル309、計測BHQテーブル310、近似関数パラメータ106、アンケートテーブル311、推定BHQテーブル312、介入マスタ313及び介入テーブル314に対して読み書きを行う。
[第一の実施形態:介入評価装置101:各種テーブルのフィールド構成]
図4は、各種テーブルのフィールド構成を示す図である。
被験者マスタ308は、被験者IDフィールド、性別フィールド、生年月日フィールドを有する。
被験者IDフィールドには、被験者を一意に識別する被験者IDが格納される。
性別フィールドには、被験者の性別を示す性別フラグが格納される。
生年月日フィールドには、被験者の生年月日が格納される。
被験者の年齢は生年月日フィールドの値から算出される。
被験者マスタ308には、第一被験者102と第二被験者107が区別されないで記憶される。
図4は、各種テーブルのフィールド構成を示す図である。
被験者マスタ308は、被験者IDフィールド、性別フィールド、生年月日フィールドを有する。
被験者IDフィールドには、被験者を一意に識別する被験者IDが格納される。
性別フィールドには、被験者の性別を示す性別フラグが格納される。
生年月日フィールドには、被験者の生年月日が格納される。
被験者の年齢は生年月日フィールドの値から算出される。
被験者マスタ308には、第一被験者102と第二被験者107が区別されないで記憶される。
脳情報テーブル309は、被験者IDフィールド、灰白質量データ群フィールド、神経線維異方性データ群フィールド、及びMRI撮影日フィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
灰白質量データ群フィールドには、灰白質量算出部501(図5参照)がMRI画像ファイル群104から算出した、第一被験者102の灰白質量データ群が格納される。
神経線維異方性データ群フィールドには、神経線維異方性算出部(図5参照)がMRI画像ファイル群104から算出した、第一被験者102の神経線維異方性データ群が格納される。
MRI撮影日フィールドには、第一被験者102がMRIにて撮影された日(MRI撮影日)が格納される。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
灰白質量データ群フィールドには、灰白質量算出部501(図5参照)がMRI画像ファイル群104から算出した、第一被験者102の灰白質量データ群が格納される。
神経線維異方性データ群フィールドには、神経線維異方性算出部(図5参照)がMRI画像ファイル群104から算出した、第一被験者102の神経線維異方性データ群が格納される。
MRI撮影日フィールドには、第一被験者102がMRIにて撮影された日(MRI撮影日)が格納される。
計測BHQテーブル310は、被験者IDフィールド、MRI撮影日フィールド、計測GM-BHQフィールド、計測FA-BHQフィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
MRI撮影日フィールドは、脳情報テーブル309の同名フィールドと同じである。
計測GM-BHQフィールドには、BHQ演算処理部303によって算出された、MRI撮影日フィールドに格納されているMRI撮影日における、第一被験者102の計測GM-BHQ値が格納される。
計測FA-BHQフィールドには、BHQ演算処理部303によって算出された、MRI撮影日フィールドに格納されているMRI撮影日における、第一被験者102の計測FA-BHQ値が格納される。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
MRI撮影日フィールドは、脳情報テーブル309の同名フィールドと同じである。
計測GM-BHQフィールドには、BHQ演算処理部303によって算出された、MRI撮影日フィールドに格納されているMRI撮影日における、第一被験者102の計測GM-BHQ値が格納される。
計測FA-BHQフィールドには、BHQ演算処理部303によって算出された、MRI撮影日フィールドに格納されているMRI撮影日における、第一被験者102の計測FA-BHQ値が格納される。
なお、本明細書では、MRI画像ファイル群104から算出したGM-BHQ値及びFA-BHQ値と、介入前生活環境アンケート結果109及び/または介入後生活環境アンケート結果111から推定したGM-BHQ値及びFA-BHQ値がある。
これ以降、MRI画像ファイル群104から算出したGM-BHQ値及びFA-BHQ値を計測GM-BHQ値及び計測FA-BHQ値と呼ぶ。また、計測GM-BHQ値及び計測FA-BHQ値を含めて計測BHQ値と呼ぶ。
同様に、介入前生活環境アンケート結果109及び/または介入後生活環境アンケート結果111から推定したGM-BHQ値及びFA-BHQ値を推定GM-BHQ値及び推定FA-BHQ値と呼ぶ。また、推定GM-BHQ値及び推定FA-BHQ値を含めて推定BHQ値と呼ぶ。
これ以降、MRI画像ファイル群104から算出したGM-BHQ値及びFA-BHQ値を計測GM-BHQ値及び計測FA-BHQ値と呼ぶ。また、計測GM-BHQ値及び計測FA-BHQ値を含めて計測BHQ値と呼ぶ。
同様に、介入前生活環境アンケート結果109及び/または介入後生活環境アンケート結果111から推定したGM-BHQ値及びFA-BHQ値を推定GM-BHQ値及び推定FA-BHQ値と呼ぶ。また、推定GM-BHQ値及び推定FA-BHQ値を含めて推定BHQ値と呼ぶ。
近似関数パラメータ106は、学習アルゴリズムに基づく近似関数を形成するためのパラメータ(行列データ)であり、学習演算処理部304によって生成され、あるいは更新され、また推定演算処理部305によって参照される。
アンケートテーブル311は、被験者IDフィールド、アンケート受付日フィールド、アンケート項目フィールド、アンケート値フィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
アンケート受付日フィールドには、被験者のアンケートを受け付けた日が格納される。
アンケート項目フィールドには、アンケートの項目を一意に識別する項目IDが格納される。
アンケート値フィールドには、項目IDに該当するアンケートの項目における、被験者の回答内容を示す値が格納される。
アンケートの項目は、2択、3択、4択、5択あるいは9択等で構成される。
アンケートテーブル311には、第一被験者102が回答した生活環境アンケート結果105と、第二被験者107が回答した介入前生活環境アンケート結果109及び介入後生活環境アンケート結果111が区別されないで記憶される。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
アンケート受付日フィールドには、被験者のアンケートを受け付けた日が格納される。
アンケート項目フィールドには、アンケートの項目を一意に識別する項目IDが格納される。
アンケート値フィールドには、項目IDに該当するアンケートの項目における、被験者の回答内容を示す値が格納される。
アンケートの項目は、2択、3択、4択、5択あるいは9択等で構成される。
アンケートテーブル311には、第一被験者102が回答した生活環境アンケート結果105と、第二被験者107が回答した介入前生活環境アンケート結果109及び介入後生活環境アンケート結果111が区別されないで記憶される。
推定BHQテーブル312は、被験者IDフィールド、アンケート受付日フィールド、推定GM-BHQフィールド、推定FA-BHQフィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
アンケート受付日フィールドは、アンケートテーブル311の同名フィールドと同じである。
推定GM-BHQフィールドには、推定演算処理部305によって推定された、アンケート受付日フィールドに格納されているアンケート受付日における、第二被験者107の推定GM-BHQ値が格納される。
推定FA-BHQフィールドには、推定演算処理部305によって算出された、アンケート受付日フィールドに格納されているアンケート受付日における、第二被験者107の推定FA-BHQ値が格納される。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
アンケート受付日フィールドは、アンケートテーブル311の同名フィールドと同じである。
推定GM-BHQフィールドには、推定演算処理部305によって推定された、アンケート受付日フィールドに格納されているアンケート受付日における、第二被験者107の推定GM-BHQ値が格納される。
推定FA-BHQフィールドには、推定演算処理部305によって算出された、アンケート受付日フィールドに格納されているアンケート受付日における、第二被験者107の推定FA-BHQ値が格納される。
介入評価装置101において、学習フェーズにおける第一被験者102と、推定フェーズにおける第二被験者107は、異なる被験者として扱われる。
学習フェーズにおける第一被験者102は、計測BHQテーブル310のレコードを有する。そして、計測BHQテーブル310のMRI撮影日フィールドの値であるMRI撮影日は、アンケートテーブル311のアンケート受付日フィールドの値であるアンケート受付日と等しい。
これに対し、推定フェーズにおける第二被験者107は、計測BHQテーブル310のレコードを有さない。
学習フェーズにおける第一被験者102は、計測BHQテーブル310のレコードを有する。そして、計測BHQテーブル310のMRI撮影日フィールドの値であるMRI撮影日は、アンケートテーブル311のアンケート受付日フィールドの値であるアンケート受付日と等しい。
これに対し、推定フェーズにおける第二被験者107は、計測BHQテーブル310のレコードを有さない。
介入マスタ313は、介入IDフィールド、介入実施者フィールド、介入目的フィールド、介入内容フィールド、その他フィールドを有する。
介入IDフィールドには、介入を一意に識別する介入IDが格納される。
介入実施者フィールドには、介入を実施する介入実施者の名称が格納される。
介入目的フィールドには、介入によってBHQの向上に作用させようとする行為が格納される。具体的には、運動、学習、休息、対話の4行為である。
介入内容フィールドには、介入の具体的な内容を記す文章が格納される。
その他フィールドには、介入を実施した期間等、介入の内容や介入実施者等に関する、上記フィールドには記述できない諸情報が格納される。
介入IDフィールドには、介入を一意に識別する介入IDが格納される。
介入実施者フィールドには、介入を実施する介入実施者の名称が格納される。
介入目的フィールドには、介入によってBHQの向上に作用させようとする行為が格納される。具体的には、運動、学習、休息、対話の4行為である。
介入内容フィールドには、介入の具体的な内容を記す文章が格納される。
その他フィールドには、介入を実施した期間等、介入の内容や介入実施者等に関する、上記フィールドには記述できない諸情報が格納される。
介入テーブル314は、被験者IDフィールド、介入前アンケート受付日フィールド、介入後アンケート受付日フィールド、介入IDフィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
介入前アンケート受付日フィールドには、被験者が第一回目のアンケートを提出した日である介入前日程108が格納される。
介入後アンケート受付日フィールドには、被験者が第二回目のアンケートを提出した日である介入後日程110が格納される。
介入IDフィールドは、介入マスタ313の同名フィールドと同じである。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
介入前アンケート受付日フィールドには、被験者が第一回目のアンケートを提出した日である介入前日程108が格納される。
介入後アンケート受付日フィールドには、被験者が第二回目のアンケートを提出した日である介入後日程110が格納される。
介入IDフィールドは、介入マスタ313の同名フィールドと同じである。
介入実施者が脳の健康向上に役立つと考える介入には様々な内容が考えられる。
食物や嗜好品であったり、運動器具であったり、運動を促す施設であったり、パズルである等、様々である。
介入IDは、このような介入実施者が被験者に対して実施する多種多様な介入を一意に識別するために設けられる。
すなわち、介入IDとは、ある介入を実施した複数の被験者を識別するための識別情報である。
食物や嗜好品であったり、運動器具であったり、運動を促す施設であったり、パズルである等、様々である。
介入IDは、このような介入実施者が被験者に対して実施する多種多様な介入を一意に識別するために設けられる。
すなわち、介入IDとは、ある介入を実施した複数の被験者を識別するための識別情報である。
ある一人の被験者は、複数の介入を受ける可能性がある。したがって、被験者IDと介入IDは、1対多の関係を有する。
ある一人の被験者におけるある単一の介入は、必ず、介入実施前である介入前アンケート受付日と、介入実施後である介入後アンケート受付日を有する。
ある一人の被験者におけるある単一の介入は、必ず、介入実施前である介入前アンケート受付日と、介入実施後である介入後アンケート受付日を有する。
[第一の実施形態:介入評価装置101:BHQ演算処理部303]
図5は、BHQ演算処理部303の機能を示す機能ブロック図である。
BHQ演算処理部303は、灰白質量算出部501、神経線維異方性算出部502、平均値算出部503を有する。
MRI画像ファイル群104は灰白質量算出部501と神経線維異方性算出部502に読み込まれる。
灰白質量算出部501は、MRI画像ファイル群104を読み込み、灰白質量データ群504を出力する。
神経線維異方性算出部502は、MRI画像ファイル群104を読み込み、神経線維異方性データ群505を出力する。
図5は、BHQ演算処理部303の機能を示す機能ブロック図である。
BHQ演算処理部303は、灰白質量算出部501、神経線維異方性算出部502、平均値算出部503を有する。
MRI画像ファイル群104は灰白質量算出部501と神経線維異方性算出部502に読み込まれる。
灰白質量算出部501は、MRI画像ファイル群104を読み込み、灰白質量データ群504を出力する。
神経線維異方性算出部502は、MRI画像ファイル群104を読み込み、神経線維異方性データ群505を出力する。
灰白質量データ群504と神経線維異方性データ群505に加え、操作部205等から入力される被験者ID506とMRI撮影日507は、脳情報テーブル309に記録される。
そして、平均値算出部503は灰白質量データ群504と神経線維異方性データ群505の平均値をそれぞれ算出して、第一被験者102の計測GM-BHQ値及び計測FA-BHQ値を出力する。
これら第一被験者102の計測GM-BHQ値及び計測FA-BHQ値は、被験者ID506及びMRI撮影日507と共に計測BHQテーブル310に記録される。
そして、平均値算出部503は灰白質量データ群504と神経線維異方性データ群505の平均値をそれぞれ算出して、第一被験者102の計測GM-BHQ値及び計測FA-BHQ値を出力する。
これら第一被験者102の計測GM-BHQ値及び計測FA-BHQ値は、被験者ID506及びMRI撮影日507と共に計測BHQテーブル310に記録される。
[第一の実施形態:介入評価装置101:生活環境アンケート601]
図6は、生活環境アンケート601の一例を示す図である。
生活環境アンケート601には、被験者の基礎情報、被験者の健康に関する質問群、被験者の運動に関する質問群、被験者の対話に関する質問群、被験者の食事に関する質問群、被験者の学習に関する質問群が、それぞれ設けられている。
図6は、生活環境アンケート601の一例を示す図である。
生活環境アンケート601には、被験者の基礎情報、被験者の健康に関する質問群、被験者の運動に関する質問群、被験者の対話に関する質問群、被験者の食事に関する質問群、被験者の学習に関する質問群が、それぞれ設けられている。
被験者の基礎情報には、生年月日、性別、身長、体重、体脂肪率等の項目が設けられている。
生年月日は、介入評価装置101に入力された後は、RTC207から取得する現在の日付を用いて、被験者の年齢に変換される。
性別は、男か女かで、介入評価装置101においては0または1の値として入力される。
身長、体重、体脂肪率は、そのままの値が介入評価装置101に入力される。
生年月日は、介入評価装置101に入力された後は、RTC207から取得する現在の日付を用いて、被験者の年齢に変換される。
性別は、男か女かで、介入評価装置101においては0または1の値として入力される。
身長、体重、体脂肪率は、そのままの値が介入評価装置101に入力される。
これ以外の、被験者の健康、運動、対話、食事、学習に関するアンケートの項目は、それぞれ2択、3択、4択、5択あるいはn択等で構成される。
例えば2択の場合は、介入評価装置101においては0または1の値として入力される。
3択の場合は、介入評価装置101においては0、1または2の値として入力される。
以下同様に、n択の場合は、介入評価装置101においては0、1、…n-1の値として入力される。
例えば2択の場合は、介入評価装置101においては0または1の値として入力される。
3択の場合は、介入評価装置101においては0、1または2の値として入力される。
以下同様に、n択の場合は、介入評価装置101においては0、1、…n-1の値として入力される。
学習演算処理部304は教師あり学習アルゴリズムを利用するが、教師あり学習アルゴリズムは特徴ベクトル及び教師データに数値データのみ受け付ける。このため、生活環境アンケート601の各項目の質問は自然言語の文章であるが、回答はあくまでも全て数値データとして、アンケートテーブル311に記憶される。
[第一の実施形態:介入評価装置101:学習フェーズ]
図7は、介入評価装置101の学習フェーズにおける全体の動作の流れを示すフローチャートである。
処理を開始すると(S701)、先ず、図示しないMRI操作者は第一被験者102をMRI撮影して、第一被験者102のMRI画像ファイル群104を取得する(S702)。
次に、入出力制御部301は、第一被験者102のMRI画像ファイル群104をBHQ演算処理部303に与える。BHQ演算処理部303は、第一被験者102のMRI画像ファイル群104から、第一被験者102のGM-BHQ及びFA-BHQを演算し、計測BHQテーブル310に記憶する(S703)。
図7は、介入評価装置101の学習フェーズにおける全体の動作の流れを示すフローチャートである。
処理を開始すると(S701)、先ず、図示しないMRI操作者は第一被験者102をMRI撮影して、第一被験者102のMRI画像ファイル群104を取得する(S702)。
次に、入出力制御部301は、第一被験者102のMRI画像ファイル群104をBHQ演算処理部303に与える。BHQ演算処理部303は、第一被験者102のMRI画像ファイル群104から、第一被験者102のGM-BHQ及びFA-BHQを演算し、計測BHQテーブル310に記憶する(S703)。
次に、入出力制御部301は第一被験者102のアンケートをデータ化して、アンケートテーブル311に記憶する(S704)。
そして入出力制御部301は、アンケートテーブル311から第一被験者102のアンケート内容を読み出して、学習演算処理部304に与える。同様に入出力制御部301は、計測BHQテーブル310から第一被験者102のGM-BHQ及びFA-BHQを読み出して、学習演算処理部304に与える。学習演算処理部304は、第一被験者102のアンケート内容を特徴ベクトルとし、第一被験者102のGM-BHQ及びFA-BHQを教師データとして学習処理を実行し、近似関数パラメータ106を生成し、または更新する(S705)。
そして、一連の処理を終了する(S706)。
そして入出力制御部301は、アンケートテーブル311から第一被験者102のアンケート内容を読み出して、学習演算処理部304に与える。同様に入出力制御部301は、計測BHQテーブル310から第一被験者102のGM-BHQ及びFA-BHQを読み出して、学習演算処理部304に与える。学習演算処理部304は、第一被験者102のアンケート内容を特徴ベクトルとし、第一被験者102のGM-BHQ及びFA-BHQを教師データとして学習処理を実行し、近似関数パラメータ106を生成し、または更新する(S705)。
そして、一連の処理を終了する(S706)。
[第一の実施形態:介入評価装置101:推定フェーズ]
図8は、介入評価装置101の推定フェーズにおける全体の動作の流れを示すフローチャートである。
処理を開始すると(S801)、先ず入出力制御部301は、評価対象となる介入を特定する介入IDを用いて、介入テーブル314を検索して、評価対象となる第二被験者107の被験者IDを抽出し、リストアップする(S802)。
次に入出力制御部301は、第二被験者107の、介入実施前の介入前日程108の介入前生活環境アンケート結果109と、介入実施後の介入後日程110の介入後生活環境アンケート結果111をそれぞれデータ化し、アンケートテーブル311に記憶する(S803)。
図8は、介入評価装置101の推定フェーズにおける全体の動作の流れを示すフローチャートである。
処理を開始すると(S801)、先ず入出力制御部301は、評価対象となる介入を特定する介入IDを用いて、介入テーブル314を検索して、評価対象となる第二被験者107の被験者IDを抽出し、リストアップする(S802)。
次に入出力制御部301は、第二被験者107の、介入実施前の介入前日程108の介入前生活環境アンケート結果109と、介入実施後の介入後日程110の介入後生活環境アンケート結果111をそれぞれデータ化し、アンケートテーブル311に記憶する(S803)。
次に入出力制御部301は、アンケートテーブル311から第二被験者107の介入前生活環境アンケート結果109と介入後生活環境アンケート結果111を抽出して、推定演算処理部305に与える。推定演算処理部305は、第二被験者107のアンケート内容を特徴ベクトルとして、近似関数パラメータ106を用いて推定処理を実行し、第二被験者107の第一の推定GM-BHQ値及び推定FA-BHQ値、第二の推定GM-BHQ値及び推定FA-BHQ値を出力する(S804)。
以上の推定演算処理を複数の第二被験者107に対して実行する。
以上の推定演算処理を複数の第二被験者107に対して実行する。
次に、平均・偏差演算処理部306は、ステップS804にて得られた推定BHQ値を、複数の第二被験者107の年齢及び性別毎にグルーピングする。その上で、平均・偏差演算処理部306は、年齢及び性別毎に、推定GM-BHQ平均値と推定FA-BHQ平均値、及び推定GM-BHQ標準偏差と推定FA-BHQ標準偏差を、第一の日程と第二の日程とで演算して、所定の記憶媒体等に出力する(S805)。
最後に、t検定演算処理部307は、年齢及び性別毎の、推定GM-BHQ平均値と推定FA-BHQ平均値、及び推定GM-BHQ標準偏差と推定FA-BHQ標準偏差から、年齢及び性別毎のp値を演算して、所定の記憶媒体等に出力する(S806)。
そして、一連の処理を終了する(S807)。
そして、一連の処理を終了する(S807)。
[第一の実施形態:介入評価装置101:学習演算処理部304]
図9は、学習演算処理部304のデータ処理の詳細を示すブロック図である。この処理は、図7のステップS705に相当する。なお、図9、図10、図11において、各々の機能ブロック同士におけるデータのやり取り、及び各種テーブルにおける検索には、入出力制御部301が介在している。
図9は、学習演算処理部304のデータ処理の詳細を示すブロック図である。この処理は、図7のステップS705に相当する。なお、図9、図10、図11において、各々の機能ブロック同士におけるデータのやり取り、及び各種テーブルにおける検索には、入出力制御部301が介在している。
アンケートテーブル311には、単一の被験者IDに対して複数のアンケート受付日のレコードが存在している。そこで、アンケート受付日でレコードが特定される。
同様に、計測BHQテーブル310には、単一の被験者IDに対して複数のMRI撮影日のレコードが存在する。そこで、MRI撮影日でレコードが特定される。
そして、このアンケート受付日は計測BHQテーブル310のMRI撮影日と等しいので、アンケートテーブル311と計測BHQテーブル310は、被験者マスタ308から特定された被験者IDとアンケート受付日=MRI撮影日で紐付けられている。
同様に、計測BHQテーブル310には、単一の被験者IDに対して複数のMRI撮影日のレコードが存在する。そこで、MRI撮影日でレコードが特定される。
そして、このアンケート受付日は計測BHQテーブル310のMRI撮影日と等しいので、アンケートテーブル311と計測BHQテーブル310は、被験者マスタ308から特定された被験者IDとアンケート受付日=MRI撮影日で紐付けられている。
被験者マスタ308から出力した第一被験者102の年齢、性別他と、アンケートテーブル311から出力した、特定のアンケート受付日における第一被験者102の各回答項目は、学習演算処理部304に特徴ベクトルとして入力される。
計測BHQテーブル310から出力された、特定のMRI撮影日における第一被験者102の計測GM-BHQ値と計測FA-BHQ値は、学習演算処理部304に教師データとして入力される。
学習演算処理部304は、例えばSVM(Support Vector Machine)を用いる教師あり学習アルゴリズムを利用して、学習演算処理を実行し、近似関数パラメータ106を生成または更新する。
計測BHQテーブル310から出力された、特定のMRI撮影日における第一被験者102の計測GM-BHQ値と計測FA-BHQ値は、学習演算処理部304に教師データとして入力される。
学習演算処理部304は、例えばSVM(Support Vector Machine)を用いる教師あり学習アルゴリズムを利用して、学習演算処理を実行し、近似関数パラメータ106を生成または更新する。
[第一の実施形態:介入評価装置101:推定演算処理部305]
図10は、推定演算処理部305のデータ処理の詳細を示すブロック図である。この処理は、図8のステップS804に相当する。
先ず、入出力制御部301は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索し、該当する被験者ID506をリストアップする。またこの時、入出力制御部301は、介入テーブル314から介入前日程108及び介入後日程110も抽出する。
図10は、推定演算処理部305のデータ処理の詳細を示すブロック図である。この処理は、図8のステップS804に相当する。
先ず、入出力制御部301は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索し、該当する被験者ID506をリストアップする。またこの時、入出力制御部301は、介入テーブル314から介入前日程108及び介入後日程110も抽出する。
アンケートテーブル311には、単一の被験者ID506に対して介入前日程108のレコードと、介入後日程110のレコードの、複数のアンケート受付日のレコードが存在する。
被験者マスタ308から出力された第二被験者107の年齢、性別他と、アンケートテーブル311から出力された、介入前日程108における第二被験者107の各回答項目は、入出力制御部301によって推定演算処理部305に特徴ベクトルとして入力される。
推定演算処理部305は、近似関数パラメータ106を参照する教師あり学習アルゴリズムを利用して、推定演算処理を実行し、入力された特徴ベクトルに対応する介入前推定BHQ1002として、第一の推定GM-BHQ値及び第一の推定FA-BHQ値を出力する。
被験者マスタ308から出力された第二被験者107の年齢、性別他と、アンケートテーブル311から出力された、介入前日程108における第二被験者107の各回答項目は、入出力制御部301によって推定演算処理部305に特徴ベクトルとして入力される。
推定演算処理部305は、近似関数パラメータ106を参照する教師あり学習アルゴリズムを利用して、推定演算処理を実行し、入力された特徴ベクトルに対応する介入前推定BHQ1002として、第一の推定GM-BHQ値及び第一の推定FA-BHQ値を出力する。
同様に、被験者マスタ308から出力された第二被験者107の年齢、性別他と、アンケートテーブル311から出力された、介入後日程110における第二被験者107の各回答項目は、入出力制御部301によって推定演算処理部305に特徴ベクトルとして入力される。
推定演算処理部305は、近似関数パラメータ106を参照する教師あり学習アルゴリズムを利用して、推定演算処理を実行し、入力された特徴ベクトルに対応する介入後推定BHQ1003として、第二の推定GM-BHQ値及び第二の推定FA-BHQ値を出力する。
推定演算処理部305は、近似関数パラメータ106を参照する教師あり学習アルゴリズムを利用して、推定演算処理を実行し、入力された特徴ベクトルに対応する介入後推定BHQ1003として、第二の推定GM-BHQ値及び第二の推定FA-BHQ値を出力する。
推定演算処理部305は、介入テーブル314からリストアップされた、介入ID1001に該当する複数の第二被験者107の被験者ID506に対し、介入前推定BHQ1002及び介入後推定BHQ1003を出力する。
以上の、被験者ID506、介入前日程108及び介入前推定BHQ1002、介入後日程110及び介入後推定BHQ1003は、入出力制御部301によって推定BHQテーブル312に記憶される。
以上の、被験者ID506、介入前日程108及び介入前推定BHQ1002、介入後日程110及び介入後推定BHQ1003は、入出力制御部301によって推定BHQテーブル312に記憶される。
推定BHQテーブル312には、アンケート受付日フィールドに介入前日程108と介入後日程110が、異なるレコードとして格納される。推定BHQテーブル312のどのレコードが介入前日程108に該当するのか、あるいは推定BHQテーブル312のどのレコードが介入後日程110に該当するのかを知るには、介入テーブル314を被験者IDと介入IDで検索してヒットしたレコードの介入前アンケート受付日フィールドの値と介入後アンケート受付日フィールドの値から知ることができる。
[第一の実施形態:介入評価装置101:平均・偏差演算処理部306及びt検定演算処理部307]
図11は、平均・偏差演算処理部306及びt検定演算処理部307のデータ処理の詳細を示すブロック図である。この処理はそれぞれ、図8のステップS805及びステップS806に相当する。
先ず、入出力制御部301は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索し、該当する被験者ID506をリストアップする。またこの時、入出力制御部301は、介入テーブル314から介入前日程108及び介入後日程110も抽出する。
図11は、平均・偏差演算処理部306及びt検定演算処理部307のデータ処理の詳細を示すブロック図である。この処理はそれぞれ、図8のステップS805及びステップS806に相当する。
先ず、入出力制御部301は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索し、該当する被験者ID506をリストアップする。またこの時、入出力制御部301は、介入テーブル314から介入前日程108及び介入後日程110も抽出する。
推定BHQテーブル312には、単一の被験者ID506に対して介入前日程108のレコードと、介入後日程110のレコードの、複数のアンケート受付日のレコードが存在している。
入出力制御部301は、推定BHQテーブル312から介入前日程108における第二被験者107の介入前推定BHQ1002を抽出して、被験者マスタ308から抽出した第二被験者107の年齢と性別と共に平均・偏差演算処理部306に入力する。
入出力制御部301は、推定BHQテーブル312から介入前日程108における第二被験者107の介入前推定BHQ1002を抽出して、被験者マスタ308から抽出した第二被験者107の年齢と性別と共に平均・偏差演算処理部306に入力する。
平均・偏差演算処理部306は、リストアップされた、介入ID1001に該当する被験者ID506について、被験者マスタ308から出力された第二被験者107の年齢と性別によってグルーピングした上で、介入前推定BHQ1002である、第一の推定GM-BHQ値及び第一の推定FA-BHQ値の、平均値と標準偏差を算出する。
これが年齢・性別毎介入前推定BHQ平均値・標準偏差1101である。
これが年齢・性別毎介入前推定BHQ平均値・標準偏差1101である。
同様に、入出力制御部301は、推定BHQテーブル312から介入後日程110における第二被験者107の介入後推定BHQ1003を抽出して、被験者マスタ308から出力した第二被験者107の年齢と性別と共に平均・偏差演算処理部306に入力する。
平均・偏差演算処理部306は、リストアップされた、介入ID1001に該当する被験者ID506について、被験者マスタ308から出力した第二被験者107の年齢と性別によってグルーピングした上で、介入後推定BHQ1003である、第二の推定GM-BHQ値及び第二の推定FA-BHQ値の、平均値と標準偏差を算出する。
これが年齢・性別毎介入後推定BHQ平均値・標準偏差1102である。
平均・偏差演算処理部306は、リストアップされた、介入ID1001に該当する被験者ID506について、被験者マスタ308から出力した第二被験者107の年齢と性別によってグルーピングした上で、介入後推定BHQ1003である、第二の推定GM-BHQ値及び第二の推定FA-BHQ値の、平均値と標準偏差を算出する。
これが年齢・性別毎介入後推定BHQ平均値・標準偏差1102である。
入出力制御部301は、年齢・性別毎に算出された、第一の推定GM-BHQ値及び第一の推定FA-BHQ値の平均値及び標準偏差と、第二の推定GM-BHQ値及び第二の推定FA-BHQ値の平均値及び標準偏差を、t検定演算処理部307に入力する。
t検定演算処理部307は、第一の推定GM-BHQ値及び第一の推定FA-BHQ値の、平均値と標準偏差と、第二の推定GM-BHQ値及び第二の推定FA-BHQ値の、平均値と標準偏差を基に、対応のある2標本に対する仮説検定を演算処理し、検定統計量を得る。そして、t検定演算処理部307は、検定統計量の一種であるt値を統計的仮説検定の確率であるp値に変換する。これが年齢・性別毎推定BHQのp値1103である。
t検定演算処理部307は、第一の推定GM-BHQ値及び第一の推定FA-BHQ値の、平均値と標準偏差と、第二の推定GM-BHQ値及び第二の推定FA-BHQ値の、平均値と標準偏差を基に、対応のある2標本に対する仮説検定を演算処理し、検定統計量を得る。そして、t検定演算処理部307は、検定統計量の一種であるt値を統計的仮説検定の確率であるp値に変換する。これが年齢・性別毎推定BHQのp値1103である。
入出力制御部301は、年齢・性別毎介入前推定BHQ平均値・標準偏差1101と、年齢・性別毎介入後推定BHQ平均値・標準偏差1102と、年齢・性別毎推定BHQのp値1103を不揮発性ストレージ206等に出力する。年齢・性別毎介入前推定BHQ平均値・標準偏差1101と、年齢・性別毎介入後推定BHQ平均値・標準偏差1102と、年齢・性別毎推定BHQのp値1103は、介入IDに該当する介入の有効性の評価に用いられる。
t検定演算処理部307が演算して出力するp値は、介入を実施する複数の第二被験者107の、介入を実施する前と実施した後の推定BHQ値を統計的に比較して得られる値である。したがって、本発明の第一の実施形態に係る介入評価装置101において、t検定演算処理部307にて実行されるt検定の標本は、ある一つの介入IDで特定される第二被験者107の群という、同一の対象から得られた、介入を実施する前と実施した後の推定BHQ値という、対になる2個の標本である。そして、t検定演算処理部307は、ある一つの介入IDで特定される第二被験者107の群という同一の対象における、介入を実施する前と実施した後の推定BHQ値という、対応のある2標本に対するt検定を実施する。
特許文献1に開示したGM-BHQ及びFA-BHQは、被験者の年齢と性別によって大きく相違する傾向が見受けられる。
一般的に、脳の灰白質量や神経線維異方性は、加齢と共に減少する傾向がある。そして、GM-BHQ及びFA-BHQの偏りは、性別でも大きく異なる。仮に、介入の評価を、全ての年齢及び性別の第二被験者107を対象に統計的評価を行おうとすると、推定GM-BHQ値及び推定FA-BHQ値の標準偏差が大きくなり過ぎて、統計的評価の精度が著しく落ちてしまう。
そこで、本発明に係る介入評価装置では、第二被験者107を年齢層と性別でグルーピングして、それらグループの中で統計的評価を行うことにより、データのばらつきを抑え、標準偏差を小さく保つことで、統計的評価の精度を高めている。
一般的に、脳の灰白質量や神経線維異方性は、加齢と共に減少する傾向がある。そして、GM-BHQ及びFA-BHQの偏りは、性別でも大きく異なる。仮に、介入の評価を、全ての年齢及び性別の第二被験者107を対象に統計的評価を行おうとすると、推定GM-BHQ値及び推定FA-BHQ値の標準偏差が大きくなり過ぎて、統計的評価の精度が著しく落ちてしまう。
そこで、本発明に係る介入評価装置では、第二被験者107を年齢層と性別でグルーピングして、それらグループの中で統計的評価を行うことにより、データのばらつきを抑え、標準偏差を小さく保つことで、統計的評価の精度を高めている。
以上、本発明の第一の実施形態に係る介入評価装置101は、第二被験者107が介入を行う前後のアンケート回答を入力すると、第二被験者107の介入前後の推定GM-BHQ値及び推定FA-BHQ値の、統計的有意差を得ることができる。そして、p値等の統計的有意差から、介入の有効性を客観的に評価することが可能になる。
[第二の実施形態:介入評価装置101:全体構成]
本発明の第一の実施形態に係る介入評価装置101は、アンケートからBHQ値を推定し、推定BHQ値の変化から統計的有意差を算出することで、介入の有効性を客観的に判定した。そして、その判定の際に、介入評価装置101は、学習アルゴリズムに基づく推定BHQ値を出力するようにした。
本発明の第一の実施形態に係る介入評価装置101は、アンケートからBHQ値を推定し、推定BHQ値の変化から統計的有意差を算出することで、介入の有効性を客観的に判定した。そして、その判定の際に、介入評価装置101は、学習アルゴリズムに基づく推定BHQ値を出力するようにした。
仮に、第一回目のアンケートと第二回目のアンケートとの回答項目毎の差分値を特徴ベクトルとして、第一回目の計測BHQ値と第二回目の計測BHQ値との差分を教師データとして学習演算処理部304に学習させることができれば、介入の効果の有効性の判定がより正確になることが期待できる。
第一回目のアンケートと第二回目のアンケートとのアンケートの差分を入力すると、BHQ値の差分を推定するという推定演算処理を実現するには、その前提として、特徴ベクトルとしてアンケートの差分を学習演算処理に供する必要がある。また、教師データとして計測BHQ値の差分も学習演算処理に供する必要がある。
そこで、これより説明する、本発明の第二の実施形態に係る介入評価装置1201では、介入評価装置1201の学習フェーズにおいて、学習用データを介入評価装置1201に提供するための被験者である第一被験者102は、推定フェーズにおける第二被験者107と同様に、介入を受けるようにする。そして、介入を開始する直前の介入前日程1202に、MRI撮影を行うと共に生活環境アンケート601に回答し、介入を行った直後の介入後日程1205に、再びMRI撮影を行うと共に生活環境アンケート601に回答するようにする。
図12Aは、本発明の第二の実施形態に係る介入評価装置1201の、介入前の段階における学習フェーズを示す概略図である。
先ず、第一被験者102は、介入を実施する直前の段階である介入前日程1202において、第一回目の生活環境アンケート601に回答し、介入前生活環境アンケート結果1203を作成する。そして、この介入前日程1202において、MRI装置103は第一被験者102の脳を撮影して、介入前MRI画像ファイル群1204を出力する。つまり、介入評価装置1201は、介入前日程1202において、被験者の介入前MRI画像ファイル群1204と、介入前生活環境アンケート結果1203を取り込む。
そして第一被験者102は、介入前日程1202から所定の期間を経過した介入後日程1205に至るまで、介入を実施する。
先ず、第一被験者102は、介入を実施する直前の段階である介入前日程1202において、第一回目の生活環境アンケート601に回答し、介入前生活環境アンケート結果1203を作成する。そして、この介入前日程1202において、MRI装置103は第一被験者102の脳を撮影して、介入前MRI画像ファイル群1204を出力する。つまり、介入評価装置1201は、介入前日程1202において、被験者の介入前MRI画像ファイル群1204と、介入前生活環境アンケート結果1203を取り込む。
そして第一被験者102は、介入前日程1202から所定の期間を経過した介入後日程1205に至るまで、介入を実施する。
図12Bは、本発明の第二の実施形態に係る介入評価装置1201の、介入後の段階における学習フェーズを示す概略図である。
第一被験者102は、介入を実施した直後の段階である介入後日程1205において、第二回目の生活環境アンケート601に回答し、介入後生活環境アンケート結果1206を作成する。そして、この介入後日程1205において、MRI装置103は再び第一被験者102の脳を撮影して、介入後MRI画像ファイル群1207を出力する。つまり、介入評価装置1201は、介入後日程1205において、被験者の介入後MRI画像ファイル群1207と、介入後生活環境アンケート結果1206を取り込む。
第一被験者102は、介入を実施した直後の段階である介入後日程1205において、第二回目の生活環境アンケート601に回答し、介入後生活環境アンケート結果1206を作成する。そして、この介入後日程1205において、MRI装置103は再び第一被験者102の脳を撮影して、介入後MRI画像ファイル群1207を出力する。つまり、介入評価装置1201は、介入後日程1205において、被験者の介入後MRI画像ファイル群1207と、介入後生活環境アンケート結果1206を取り込む。
介入評価装置1201は、介入前生活環境アンケート結果1203と介入前MRI画像ファイル群1204、介入後生活環境アンケート結果1206と介入後MRI画像ファイル群1207を用いて、学習処理を行う。その結果、差分近似関数パラメータ1208が生成され、または更新される。
図1に示す第一の実施形態に係る介入評価装置101では、学習フェーズにおける第一被験者102は、介入とは無関係でMRI撮影によるMRI画像ファイル群104と生活環境アンケート結果105を介入評価装置1201に提供していた。
これに対し、第二の実施形態に係る介入評価装置1201では、学習フェーズにおける第一被験者102は、第一の実施形態に係る介入評価装置1201における推定フェーズの第二被験者107と同様に、所定の介入を受ける。
これに対し、第二の実施形態に係る介入評価装置1201では、学習フェーズにおける第一被験者102は、第一の実施形態に係る介入評価装置1201における推定フェーズの第二被験者107と同様に、所定の介入を受ける。
このため、介入を受ける直前の、介入前日程1202における介入前生活環境アンケート結果1203と、介入前MRI画像ファイル群1204と、所定の期間継続して介入を実施した後の、介入後日程1205における介入後生活環境アンケート結果1206と、介入後MRI画像ファイル群1207が、学習フェーズにおいて必要になる。
図13は、本発明の第二の実施形態に係る介入評価装置1201の、推定フェーズを示す概略図である。
介入評価装置1201は、図12A及び図12Bの時点とは異なる第二被験者107の、介入前日程108における介入前生活環境アンケート結果109と、介入後日程110における介入後生活環境アンケート結果111を取り込み、推定処理を行う。その結果、介入前生活環境アンケート結果109と介入後生活環境アンケート結果111の差分に対応する推定BHQ差分が得られる。
介入評価装置1201は、図12A及び図12Bの時点とは異なる第二被験者107の、介入前日程108における介入前生活環境アンケート結果109と、介入後日程110における介入後生活環境アンケート結果111を取り込み、推定処理を行う。その結果、介入前生活環境アンケート結果109と介入後生活環境アンケート結果111の差分に対応する推定BHQ差分が得られる。
介入評価装置1201は、この推定BHQ差分の推定演算処理を、複数の第二被験者107に対して実行し、第二被験者107の年齢性別毎の、推定BHQ差分平均値、推定BHQ差分標準偏差を算出する。
推定BHQ差分平均値は、第二被験者107の年齢性別毎の、推定GM-BHQ差分の平均値と、推定FA-BHQ差分の平均値の組である。
推定BHQ標準偏差は、第二被験者107の年齢性別毎の、推定GM-BHQ差分の標準偏差と、推定FA-BHQ差分の標準偏差の組である。
推定BHQ差分平均値は、第二被験者107の年齢性別毎の、推定GM-BHQ差分の平均値と、推定FA-BHQ差分の平均値の組である。
推定BHQ標準偏差は、第二被験者107の年齢性別毎の、推定GM-BHQ差分の標準偏差と、推定FA-BHQ差分の標準偏差の組である。
更に、介入評価装置1201は、年齢及び性別毎の、推定GM-BHQ差分平均値と推定FA-BHQ差分平均値、及び推定GM-BHQ差分標準偏差と推定FA-BHQ差分標準偏差と、予め計算済みの介入のない推定GM-BHQ差分平均値と推定FA-BHQ差分平均値、及び推定GM-BHQ差分標準偏差と推定FA-BHQ差分標準偏差から、年齢及び性別毎の推定GM-BHQ差分のp値及び推定FA-BHQ差分のp値を算出し、不揮発性ストレージ206等に出力する。
これが、年齢・性別毎推定BHQ差分平均値・標準偏差及びp値1301である。
これが、年齢・性別毎推定BHQ差分平均値・標準偏差及びp値1301である。
[第二の実施形態:介入評価装置1201:ソフトウェア機能の全体]
本発明の第二の実施形態に係る介入評価装置1201のハードウェア構成は第一の実施形態である図2と等しいので、説明を割愛する。
図14は、本発明の第二の実施形態に係る介入評価装置1201の、ソフトウェア機能の全体を示すブロック図である。
本発明の第二の実施形態に係る介入評価装置1201のハードウェア構成は第一の実施形態である図2と等しいので、説明を割愛する。
図14は、本発明の第二の実施形態に係る介入評価装置1201の、ソフトウェア機能の全体を示すブロック図である。
図14に示す介入評価装置1201の、図3に示す本発明の第一の実施形態に係る介入評価装置101との相違点を以下に列挙する。
(1)MRI画像ファイル群104に代えて、介入前MRI画像ファイル群1204と介入後MRI画像ファイル群1207が入出力制御部1401に入力される点。
(2)アンケート回答群302は、学習モードにおいて、生活環境アンケート結果105に代えて、介入前生活環境アンケート結果1203と介入後生活環境アンケート結果1206が含まれている点。
(3)差分学習演算処理部1402と、差分推定演算処理部1403と、差分近似関数パラメータ1208と、推定BHQ差分テーブル1404と、計測BHQ差分テーブル1405が追加されている点。
(1)MRI画像ファイル群104に代えて、介入前MRI画像ファイル群1204と介入後MRI画像ファイル群1207が入出力制御部1401に入力される点。
(2)アンケート回答群302は、学習モードにおいて、生活環境アンケート結果105に代えて、介入前生活環境アンケート結果1203と介入後生活環境アンケート結果1206が含まれている点。
(3)差分学習演算処理部1402と、差分推定演算処理部1403と、差分近似関数パラメータ1208と、推定BHQ差分テーブル1404と、計測BHQ差分テーブル1405が追加されている点。
差分学習演算処理部1402は、第一被験者102の介入前日程1202における介入前生活環境アンケート結果1203と、介入後日程1205における介入後生活環境アンケート結果1206を取り込み、アンケート結果の差分を演算する。そして、差分学習演算処理部1402は、BHQの差分を教師データとして、アンケート結果差分を特徴ベクトルとして、学習演算処理を実行し、差分近似関数パラメータ1208を生成し、または更新する。
また、差分推定演算処理部1403は、第二被験者107の介入前日程108における介入前生活環境アンケート結果109と、介入後日程110における介入後生活環境アンケート結果111を取り込み、アンケート結果の差分を演算する。そして、差分推定演算処理部1403は、アンケート結果差分を特徴ベクトルとして、差分近似関数パラメータ1208を参照して、推定演算処理を実行し、推定BHQ差分を出力する。
図15は、推定BHQ差分テーブル1404及び計測BHQ差分テーブル1405のフィールド構成を示すテーブルである。
推定BHQ差分テーブル1404は、被験者IDフィールド、介入IDフィールド、推定GM-BHQ差分フィールド、推定FA-BHQ差分フィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
介入IDフィールドは、介入テーブル314の同名フィールドと同じである。
推定GM-BHQ差分フィールドには、差分推定演算処理部1403によって推定された、アンケート差分における、被験者の推定GM-BHQ差分値が格納される。
推定FA-BHQ差分フィールドには、差分推定演算処理部1403によって算出された、アンケート差分における、被験者の推定FA-BHQ差分値が格納される。
推定BHQ差分テーブル1404は、被験者IDフィールド、介入IDフィールド、推定GM-BHQ差分フィールド、推定FA-BHQ差分フィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
介入IDフィールドは、介入テーブル314の同名フィールドと同じである。
推定GM-BHQ差分フィールドには、差分推定演算処理部1403によって推定された、アンケート差分における、被験者の推定GM-BHQ差分値が格納される。
推定FA-BHQ差分フィールドには、差分推定演算処理部1403によって算出された、アンケート差分における、被験者の推定FA-BHQ差分値が格納される。
計測BHQ差分テーブル1405は、被験者IDフィールド、介入前MRI撮影日フィールド、介入後MRI撮影日フィールド、計測GM-BHQ差分フィールド、計測FA-BHQ差分フィールドを有する。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
介入前MRI撮影日フィールドには、介入前のMRI撮影日、すなわち介入前日程1202が格納される。
介入後MRI撮影日フィールドには、介入後のMRI撮影日、すなわち介入後日程1205が格納される。
被験者IDフィールドは、被験者マスタ308の同名フィールドと同じである。
介入前MRI撮影日フィールドには、介入前のMRI撮影日、すなわち介入前日程1202が格納される。
介入後MRI撮影日フィールドには、介入後のMRI撮影日、すなわち介入後日程1205が格納される。
計測GM-BHQ差分フィールドには、後述するBHQ差分演算処理部によって算出された、介入後日程1205における第一被験者102のGM-BHQ値から介入前日程1202における第一被験者102のGM-BHQ値を減算した、第一被験者102の計測GM-BHQ差分値が格納される。
推定FA-BHQ差分フィールドには、後述するBHQ差分演算処理部によって算出された、介入後日程1205における第一被験者102のFA-BHQ値から介入前日程1202における第一被験者102のFA-BHQ値を減算した、第一被験者102の計測FA-BHQ差分値が格納される。
推定FA-BHQ差分フィールドには、後述するBHQ差分演算処理部によって算出された、介入後日程1205における第一被験者102のFA-BHQ値から介入前日程1202における第一被験者102のFA-BHQ値を減算した、第一被験者102の計測FA-BHQ差分値が格納される。
なお、計測BHQ差分テーブル1405と推定BHQ差分テーブル1404と比較するとわかるように、計測BHQ差分テーブル1405には、介入IDフィールドの代わりに介入前MRI撮影日フィールドと介入後MRI撮影日フィールドが設けられている。これらを、推定BHQ差分テーブル1404と同じように、介入IDフィールドに代えてもよい。その場合には、差分学習演算処理部1402は、計測BHQ差分テーブル1405を介入テーブル314を介入IDにて紐付けて、介入テーブル314の介入前アンケート受付日フィールドの値を介入前MRI撮影日として取り込み、介入後アンケート受付日フィールドの値を介入後MRI撮影日として取り込むこととなる。
図16は、介入評価装置1201の学習フェーズにおける全体の動作の流れを示すフローチャートである。
処理を開始すると(S1601)、先ず、入出力制御部1401は、処理対象となる被験者IDに対して、介入テーブル314にて介入IDを登録する(S1602)。
次に、図示しないMRI操作者は、介入前日程1202にて第一被験者102をMRI撮影して、第一被験者102の介入前MRI画像ファイル群1204を取得する(S1603)。
次に、入出力制御部1401は、第一被験者102の介入前MRI画像ファイル群1204をBHQ演算処理部303に与える。BHQ演算処理部303は、第一被験者102の介入前MRI画像ファイル群1204から、第一被験者102の第一のGM-BHQ及び第一のFA-BHQを演算し、計測BHQテーブル310に記憶する(S1604)。
また、入出力制御部1401は、第一被験者102の介入前日程1202における介入前生活環境アンケート結果1203をデータ化し、アンケートテーブル311に記憶する(S1605)。
処理を開始すると(S1601)、先ず、入出力制御部1401は、処理対象となる被験者IDに対して、介入テーブル314にて介入IDを登録する(S1602)。
次に、図示しないMRI操作者は、介入前日程1202にて第一被験者102をMRI撮影して、第一被験者102の介入前MRI画像ファイル群1204を取得する(S1603)。
次に、入出力制御部1401は、第一被験者102の介入前MRI画像ファイル群1204をBHQ演算処理部303に与える。BHQ演算処理部303は、第一被験者102の介入前MRI画像ファイル群1204から、第一被験者102の第一のGM-BHQ及び第一のFA-BHQを演算し、計測BHQテーブル310に記憶する(S1604)。
また、入出力制御部1401は、第一被験者102の介入前日程1202における介入前生活環境アンケート結果1203をデータ化し、アンケートテーブル311に記憶する(S1605)。
次に、図示しないMRI操作者は、介入後日程1205にて第一被験者102をMRI撮影して、第一被験者102の介入後MRI画像ファイル群1207を取得する(S1606)。
次に、入出力制御部1401は、第一被験者102の介入後MRI画像ファイル群1207をBHQ演算処理部303に与える。BHQ演算処理部303は、第一被験者102の介入後MRI画像ファイル群1207から、第一被験者102の第二のGM-BHQ及び第二のFA-BHQを演算し、計測BHQテーブル310に記憶する(S1607)。
また、入出力制御部1401は、第一被験者102の介入後日程1205における介入後生活環境アンケート結果1206をデータ化し、アンケートテーブル311に記憶する(S1608)。
次に、入出力制御部1401は、第一被験者102の介入後MRI画像ファイル群1207をBHQ演算処理部303に与える。BHQ演算処理部303は、第一被験者102の介入後MRI画像ファイル群1207から、第一被験者102の第二のGM-BHQ及び第二のFA-BHQを演算し、計測BHQテーブル310に記憶する(S1607)。
また、入出力制御部1401は、第一被験者102の介入後日程1205における介入後生活環境アンケート結果1206をデータ化し、アンケートテーブル311に記憶する(S1608)。
次に、差分学習演算処理部1402は、計測BHQテーブル310から第一被験者102の第二のGM-BHQ及び第二のFA-BHQを読み出して、BHQ差分演算処理部1802(図18参照)に入力する。BHQ差分演算処理部1802は、第一被験者102の第二のGM-BHQ及び第二のFA-BHQから、第一のGM-BHQ及び第一のFA-BHQをそれぞれ減算して、GM-BHQ差分とFA-BHQ差分を取得する(S1609)。
次に、差分学習演算処理部1402は、アンケートテーブル311から第一被験者102の介入前生活環境アンケート結果1203及び介入後生活環境アンケート結果1206を読み出して、アンケート差分演算処理部1801(図18参照)に与える。アンケート差分演算処理部1801は、介入後生活環境アンケート結果1206の各項目から、介入前生活環境アンケート結果1203の各項目をそれぞれ減算して、アンケート差分を取得する(S1610)。
そして、学習演算処理部304は、アンケート差分演算処理部1801から得られた第一被験者102のアンケート差分と、被験者マスタ308から得られた年齢、性別他を特徴ベクトルとして、BHQ差分演算処理部1802から得られた第一被験者102のGM-BHQ差分及びFA-BHQ差分を教師データとして、差分学習演算処理部1402にて学習処理を実行し、差分近似関数パラメータ1208を生成し、または更新する(S1611)。
そして、一連の処理を終了する(S1612)。
そして、一連の処理を終了する(S1612)。
図17は、介入評価装置1201の推定フェーズにおける全体の動作の流れを示すフローチャートである。
処理を開始すると(S1701)、先ず、入出力制御部1401は、評価対象となる介入を特定する介入IDを用いて、介入テーブル314を検索して、評価対象となる第二被験者107の被験者IDを抽出し、リストアップする(S1702)。
次に、入出力制御部1401は、第二被験者107の、介入実施前の介入前日程108の介入前生活環境アンケート結果109と、介入実施後の介入後日程110の介入後生活環境アンケート結果111を、それぞれデータ化して、アンケートテーブル311に記憶する(S1703)。
処理を開始すると(S1701)、先ず、入出力制御部1401は、評価対象となる介入を特定する介入IDを用いて、介入テーブル314を検索して、評価対象となる第二被験者107の被験者IDを抽出し、リストアップする(S1702)。
次に、入出力制御部1401は、第二被験者107の、介入実施前の介入前日程108の介入前生活環境アンケート結果109と、介入実施後の介入後日程110の介入後生活環境アンケート結果111を、それぞれデータ化して、アンケートテーブル311に記憶する(S1703)。
次に、差分推定演算処理部1403は、アンケートテーブル311から第二被験者107の介入前生活環境アンケート結果109と介入後生活環境アンケート結果111を抽出して、アンケート差分演算処理部1801に与える。アンケート差分演算処理部1801は、第二被験者107の介入後生活環境アンケート結果111の各項目から、介入前生活環境アンケート結果109の各項目をそれぞれ減算して、アンケート差分を出力する(S1704)。
次に、差分推定演算処理部1403は、推定演算処理部305にアンケート差分を与える。推定演算処理部305は、第二被験者107のアンケート差分を特徴ベクトルとして、差分近似関数パラメータ1208を用いて推定処理を実行し、第二被験者107の推定GM-BHQ差分値及び推定FA-BHQ差分値を出力する(S1705)。
以上の差分推定演算処理を、ステップS1702においてリストアップした全ての第二被験者107に対して実行する。
以上の差分推定演算処理を、ステップS1702においてリストアップした全ての第二被験者107に対して実行する。
次に、平均・偏差演算処理部306は、ステップS1705にて得られた推定BHQ差分を、複数の第二被験者107の年齢及び性別毎にグルーピングする。その上で、平均・偏差演算処理部306は、第二被験者107の年齢及び性別毎に、推定GM-BHQ差分平均値と推定FA-BHQ差分平均値、及び推定GM-BHQ差分標準偏差と推定FA-BHQ差分標準偏差を演算して、所定の記憶媒体等に出力する(S1706)。
最後に、t検定演算処理部307は、ステップS1706にて算出された、第二被験者107の年齢及び性別毎の、推定GM-BHQ差分平均値と推定FA-BHQ差分平均値、及び推定GM-BHQ差分標準偏差と推定FA-BHQ差分標準偏差と、予め計算済みの、介入のない被験者群における年齢及び性別毎の、推定GM-BHQ差分平均値と推定FA-BHQ差分平均値、及び推定GM-BHQ差分標準偏差と推定FA-BHQ差分標準偏差から、年齢及び性別毎のp値を演算して、所定の記憶媒体等に出力する(S1707)。
そして、一連の処理を終了する(S1708)。
そして、一連の処理を終了する(S1708)。
図18は、差分学習演算処理部1402のデータ処理の詳細を示すブロック図である。この処理は、図16のステップS1609、S1610及びS1611に相当する。なお、図18、図19、図20において、各々の機能ブロック同士におけるデータのやり取りには、入出力制御部1401が介在している。
先ず差分学習演算処理部1402は、学習対象とする介入を特定する介入ID1001で、介入テーブル314を検索して、該当する被験者ID506をリストアップする。またこの時、差分学習演算処理部1402は、介入テーブル314からアンケート受付日である介入前日程1202と介入後日程1205も抽出する。
先ず差分学習演算処理部1402は、学習対象とする介入を特定する介入ID1001で、介入テーブル314を検索して、該当する被験者ID506をリストアップする。またこの時、差分学習演算処理部1402は、介入テーブル314からアンケート受付日である介入前日程1202と介入後日程1205も抽出する。
アンケートテーブル311には、単一の被験者ID506に対して複数のアンケート受付日のレコードが存在する。そこで、差分学習演算処理部1402はアンケート受付日である介入前日程1202または介入後日程1205でアンケートテーブル311のレコードを特定する。
同様に、計測BHQテーブル310には、単一の被験者ID506に対して複数のMRI撮影日のレコードが存在する。そこで、差分学習演算処理部1402は、MRI撮影日である介入前日程1202または介入後日程1205で計測BHQテーブル310のレコードを特定する。
同様に、計測BHQテーブル310には、単一の被験者ID506に対して複数のMRI撮影日のレコードが存在する。そこで、差分学習演算処理部1402は、MRI撮影日である介入前日程1202または介入後日程1205で計測BHQテーブル310のレコードを特定する。
すなわち、アンケート受付日は計測BHQテーブル310のMRI撮影日と等しいので、アンケートテーブル311と計測BHQテーブル310は、被験者マスタ308から特定された被験者ID506とアンケート受付日=MRI撮影日で紐付けられている。
差分学習演算処理部1402は、先に介入テーブル314からリストアップされた被験者ID506と介入前日程1202と介入後日程1205を用いて、アンケートテーブル311を検索する。そして、差分学習演算処理部1402は、アンケートテーブル311から、第一被験者102の被験者ID506における、介入前日程1202に実施した介入前生活環境アンケート結果1203と、介入後日程1205に実施した介入後生活環境アンケート結果1206を取得する。この、介入前生活環境アンケート結果1203の各回答項目と、介入後生活環境アンケート結果1206の各回答項目は、アンケート差分演算処理部1801に入力される。
アンケート差分演算処理部1801は、アンケートの回答項目毎に、介入後生活環境アンケート結果1206の回答項目の値から、介入前生活環境アンケート結果1203の回答項目の値を減算して、アンケート差分を作成する。
差分学習演算処理部1402は、先に介入テーブル314からリストアップされた被験者ID506と介入前日程1202と介入後日程1205を用いて、計測BHQテーブル310を検索する。そして計測BHQテーブル310から、第一被験者102の被験者ID506における、介入前日程1202の計測BHQ値と、介入後日程1205の計測BHQ値を取得する。
計測BHQテーブル310から取得された、第一被験者102の被験者ID506における介入前日程1202における計測BHQ値である第一の計測GM-BHQ値及び第一の計測FA-BHQ値と、介入後日程1205における計測BHQ値である第二の計測GM-BHQ値及び第二の計測FA-BHQ値は、BHQ差分演算処理部1802に入力される。
BHQ差分演算処理部1802は、第二の計測GM-BHQ値から第一の計測GM-BHQ値を減算して、計測GM-BHQ差分を出力する。同様に、BHQ差分演算処理部1802は、第二の計測FA-BHQ値から第一の計測FA-BHQ値を減算して、計測FA-BHQ差分を出力する。
BHQ差分演算処理部1802は、第二の計測GM-BHQ値から第一の計測GM-BHQ値を減算して、計測GM-BHQ差分を出力する。同様に、BHQ差分演算処理部1802は、第二の計測FA-BHQ値から第一の計測FA-BHQ値を減算して、計測FA-BHQ差分を出力する。
差分学習演算処理部1402は、被験者マスタ308から第一被験者102の年齢、性別他を取得する。そして、それら第一被験者102の年齢、性別他と、アンケート差分演算処理部1801から出力されたアンケート差分の各項目は、学習演算処理部304に特徴ベクトルとして入力される。
BHQ差分演算処理部1802から出力された第一被験者102の計測GM-BHQ差分と計測FA-BHQ差分は、学習演算処理部304に教師データとして入力される。
学習演算処理部304は、例えばSVM(Support Vector Machine)を用いる教師あり学習アルゴリズムを利用して、学習演算処理を実行し、差分近似関数パラメータ1208を生成または更新する。
BHQ差分演算処理部1802から出力された第一被験者102の計測GM-BHQ差分と計測FA-BHQ差分は、学習演算処理部304に教師データとして入力される。
学習演算処理部304は、例えばSVM(Support Vector Machine)を用いる教師あり学習アルゴリズムを利用して、学習演算処理を実行し、差分近似関数パラメータ1208を生成または更新する。
図19は、差分推定演算処理部1403のデータ処理の詳細を示すブロック図である。この処理は、図17のステップS1705に相当する。
先ず差分推定演算処理部1403は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索して、該当する被験者ID506をリストアップする。またこの時、差分推定演算処理部1403は、介入テーブル314からアンケート受付日である介入前日程108と介入後日程110も抽出する。
先ず差分推定演算処理部1403は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索して、該当する被験者ID506をリストアップする。またこの時、差分推定演算処理部1403は、介入テーブル314からアンケート受付日である介入前日程108と介入後日程110も抽出する。
アンケートテーブル311には、単一の被験者ID506に対して複数のアンケート受付日のレコードが存在する。そこで、差分推定演算処理部1403は、アンケート受付日である介入前日程108または介入後日程110でアンケートテーブル311のレコードを特定する。
差分推定演算処理部1403は、先に介入テーブル314からリストアップされた被験者ID506と介入前日程108と介入後日程110を用いて、アンケートテーブル311を検索する。そしてアンケートテーブル311から、第二被験者107の被験者ID506における、介入前日程108に実施した介入前生活環境アンケート結果109と、介入後日程110に実施した介入後生活環境アンケート結果111を取得する。この、介入前生活環境アンケート結果109の各回答項目と、介入後生活環境アンケート結果111の各回答項目は、アンケート差分演算処理部1801に入力される。
アンケート差分演算処理部1801は、アンケートの回答項目毎に、介入後生活環境アンケート結果111の回答項目の値から、介入前生活環境アンケート結果109の回答項目の値を減算して、アンケート差分を作成する。
差分推定演算処理部1403は、被験者マスタ308から第二被験者107の年齢、性別他を取得する。そして、それら第二被験者107の年齢、性別他と、アンケート差分演算処理部1801から出力したアンケート差分の各項目は、推定演算処理部305に特徴ベクトルとして入力される。
推定演算処理部305は、差分近似関数パラメータ1208を参照する教師あり学習アルゴリズムを利用して、推定演算処理を実行し、入力された特徴ベクトルに対応する推定BHQ差分として、推定GM-BHQ差分及び推定FA-BHQ差分を出力する。
また、推定演算処理部305は、リストアップされた、介入ID1001に該当する被験者ID506に対し、推定GM-BHQ差分及び推定FA-BHQ差分を出力する。
以上の処理により、被験者ID506、介入ID1001、介入前推定BHQ1002、介入後推定BHQ1003は、推定BHQ差分テーブル1404に記憶される。
以上の処理により、被験者ID506、介入ID1001、介入前推定BHQ1002、介入後推定BHQ1003は、推定BHQ差分テーブル1404に記憶される。
図20は、平均・偏差演算処理部306及びt検定演算処理部307のデータ処理の詳細を示すブロック図である。これらの処理は、図17のステップS1706及びステップS1707に相当する。
先ず、入出力制御部1401は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索して、該当する被験者ID506をリストアップする。
推定BHQ差分テーブル1404には、単一の被験者ID506に対して複数の介入ID1001のレコードが存在する。そこで、入出力制御部1401は、被験者ID506と介入ID1001で推定BHQ差分テーブル1404のレコードを特定する。
推定BHQテーブル312から出力された、介入ID1001における第二被験者107の推定BHQ差分は、入出力制御部1401によって、被験者マスタ308から出力された第二被験者107の年齢と性別と共に平均・偏差演算処理部306に入力される。
先ず、入出力制御部1401は、評価対象とする介入を特定する介入ID1001で、介入テーブル314を検索して、該当する被験者ID506をリストアップする。
推定BHQ差分テーブル1404には、単一の被験者ID506に対して複数の介入ID1001のレコードが存在する。そこで、入出力制御部1401は、被験者ID506と介入ID1001で推定BHQ差分テーブル1404のレコードを特定する。
推定BHQテーブル312から出力された、介入ID1001における第二被験者107の推定BHQ差分は、入出力制御部1401によって、被験者マスタ308から出力された第二被験者107の年齢と性別と共に平均・偏差演算処理部306に入力される。
平均・偏差演算処理部306は、リストアップされた、介入ID1001に該当する被験者ID506について、被験者マスタ308から出力した第二被験者107の年齢と性別によってグルーピングした上で、推定BHQ差分である、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差を算出する。
これが、年齢・性別毎推定BHQ差分平均値・標準偏差2001である。
これが、年齢・性別毎推定BHQ差分平均値・標準偏差2001である。
上述の平均・偏差演算処理部306が算出した推定GM-BHQ差分及び推定FA-BHQ差分均値と標準偏差は、介入を行った複数の第二被験者107のデータである。
なお、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差だけでは、比較対象がないので、平均・偏差演算処理部306は、t検定演算処理部307を稼働させることができない。
なお、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差だけでは、比較対象がないので、平均・偏差演算処理部306は、t検定演算処理部307を稼働させることができない。
一方、計測BHQテーブル310には、多数の第一被験者102の計測GM-BHQ値及び計測FA-BHQ値が記憶されている。それらのレコードには、介入とは無関係に、定期的にMRI撮影を受けた第一被験者102のデータも含まれている。すなわち、平均・偏差演算処理部306は、介入のない第一被験者102の計測BHQ値の差分を作成することが可能である。
そこで、入出力制御部1401は、予め、計測BHQテーブル310から、介入テーブル314に記録されている介入ID1001が付されていないレコードを中心に、介入のないレコードを選抜する。そして、入出力制御部1401は、同一の被験者IDの、MRI撮影日が異なる2個のレコードから、介入前日程1202に相当する第一の日程に係る第一の計測GM-BHQ値及び第一の計測FA-BHQ値、介入後日程1205に相当する第二の日程に係る第二の計測GM-BHQ値及び第二の計測FA-BHQ値を取得する。そして、入出力制御部1401は、これら計測BHQ値群をBHQ差分演算処理部1802に読み込ませる。
BHQ差分演算処理部1802は、第二の計測GM-BHQ値から第一の計測GM-BHQ値を減算して、計測GM-BHQ差分値を出力し、これを計測BHQ差分テーブル1405に格納する。同様に、第二の計測FA-BHQ値から第一の計測FA-BHQ値を減算して、計測FA-BHQ差分を出力し、これを計測BHQ差分テーブル1405に格納する。
計測BHQ差分テーブル1405に格納された計測BHQ差分は、入出力制御部1401によって、被験者マスタ308から出力した第一被験者102の年齢及び性別と共に平均・偏差演算処理部306に入力される。
計測BHQ差分テーブル1405に格納された計測BHQ差分は、入出力制御部1401によって、被験者マスタ308から出力した第一被験者102の年齢及び性別と共に平均・偏差演算処理部306に入力される。
平均・偏差演算処理部306は、計測BHQ差分を、被験者マスタ308から出力した第一被験者102の年齢と性別によってグルーピングした上で、計測BHQ差分である、計測GM-BHQ差分及び計測FA-BHQ差分の、平均値と標準偏差を算出する。
これが、年齢・性別毎計測BHQ差分平均値・標準偏差2002である。
この計測GM-BHQ差分及び計測FA-BHQ差分の平均値と標準偏差は、介入を行わない複数の第一被験者102のデータであり、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差の比較対象となる。
これが、年齢・性別毎計測BHQ差分平均値・標準偏差2002である。
この計測GM-BHQ差分及び計測FA-BHQ差分の平均値と標準偏差は、介入を行わない複数の第一被験者102のデータであり、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差の比較対象となる。
年齢・性別毎推定BHQ差分平均値・標準偏差2001と、年齢・性別毎計測BHQ差分平均値・標準偏差2002は、t検定演算処理部307に入力される。
t検定演算処理部307は、被験者の年齢・性別毎に、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差と、計測GM-BHQ差分及び計測FA-BHQ差分の、平均値と標準偏差を基に、対応のない2標本に対するt検定を演算処理し、t値を得る。そして、t検定演算処理部307は、t値をp値に変換する。
t検定演算処理部307は、被験者の年齢・性別毎に、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差と、計測GM-BHQ差分及び計測FA-BHQ差分の、平均値と標準偏差を基に、対応のない2標本に対するt検定を演算処理し、t値を得る。そして、t検定演算処理部307は、t値をp値に変換する。
年齢・性別毎に算出された、推定GM-BHQ差分及び推定FA-BHQ差分の、平均値と標準偏差と、計測GM-BHQ差分及び計測FA-BHQ差分の、平均値と標準偏差と、年齢・性別毎の推定GM-BHQ差分のp値と、推定FA-BHQ差分のp値は、所定の不揮発性ストレージ206等に出力され、介入ID1001に該当する介入の有効性の評価に用いられる。
以上、本発明の第二の実施形態に係る介入評価装置1201では、介入を行う前後のアンケートを入力すると、介入が行われた推定GM-BHQ差分及び推定FA-BHQ差分と、介入が行われていない計測GM-BHQ差分及び計測FA-BHQ差分との、統計的有意差を得ることができる。そして、p値等の統計的有意差から、介入の有効性を客観的に評価することが可能になる。
この、第二の実施形態に係る介入評価装置1201は、BHQの差分を推定し、これを評価の対象とする。このため、BHQの推定から個人間の差異を比較する第一の実施形態に係る介入評価装置101よりも、個人内の変化を評価しているため、高い推定精度が期待できる。
この、第二の実施形態に係る介入評価装置1201は、BHQの差分を推定し、これを評価の対象とする。このため、BHQの推定から個人間の差異を比較する第一の実施形態に係る介入評価装置101よりも、個人内の変化を評価しているため、高い推定精度が期待できる。
なお、本発明の第一の実施形態に係る介入評価装置101及び第二の実施形態に係る介入評価装置1201では、仮説検定にt検定を採用したが、例えばマン・ホイットニーのU検定等、他の仮説検定の手法を採用してもよい。
本発明の実施形態では、介入評価装置を説明した。
本発明の実施形態に係る介入評価装置は、介入と被験者を紐付ける介入テーブルを設け、ある介入を実施した被験者のアンケートの回答内容を、介入IDに基づいて統計的処理を行う。このため、本発明の実施形態に係る介入評価装置によれば、当該介入が脳の健康に有効であるのか否かを、客観的に評価することが可能になる。
本発明の実施形態に係る介入評価装置は、介入と被験者を紐付ける介入テーブルを設け、ある介入を実施した被験者のアンケートの回答内容を、介入IDに基づいて統計的処理を行う。このため、本発明の実施形態に係る介入評価装置によれば、当該介入が脳の健康に有効であるのか否かを、客観的に評価することが可能になる。
本発明の第一の実施形態に係る介入評価装置101によれば、第二被験者107に介入を行う前後の、第二被験者107のアンケート回答を入力すると、介入前後の推定GM-BHQ値及び推定FA-BHQ値の、統計的有意差を得ることができる。そして、p値等の統計的有意差から、介入の有効性を客観的に評価することが可能になる。
本発明の第二の実施形態に係る介入評価装置1201によれば、第二被験者107に介入を行う前後の、第二被験者107のアンケートを入力すると、介入が行われた推定GM-BHQ差分及び推定FA-BHQ差分と、介入が行われていない計測GM-BHQ差分及び計測FA-BHQ差分との、統計的有意差を得ることができる。そして、p値等の統計的有意差から、介入の有効性を客観的に評価することが可能になる。
以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、他の変形例、応用例を含む。
101…介入評価装置、102…第一被験者、103…MRI装置、104…MRI画像ファイル群、105…生活環境アンケート結果、106…近似関数パラメータ、107…第二被験者、108…介入前日程、109…介入前生活環境アンケート結果、110…介入後日程、111…介入後生活環境アンケート結果、112…年齢・性別毎推定BHQ平均値・標準偏差及びp値、201…CPU、202…ROM、203…RAM、204…表示部、205…操作部、206…不揮発性ストレージ、207…RTC、208…バス、209…シリアルポート、210…NIC、301…入出力制御部、302…アンケート回答群、303…BHQ演算処理部、304…学習演算処理部、305…推定演算処理部、306…平均・偏差演算処理部、307…t検定演算処理部、308…被験者マスタ、309…脳情報テーブル、310…計測BHQテーブル、311…アンケートテーブル、312…推定BHQテーブル、313…介入マスタ、314…介入テーブル、402…神経線維異方性データ群、501…灰白質量算出部、502…神経線維異方性算出部、503…平均値算出部、504…灰白質量データ群、505…神経線維異方性データ群、507…MRI撮影日、601…生活環境アンケート、1002…介入前推定BHQ、1003…介入後推定BHQ、1101…年齢・性別毎介入前推定BHQ平均値・標準偏差、1102…年齢・性別毎介入後推定BHQ平均値・標準偏差、1103…年齢・性別毎推定BHQのp値、1201…介入評価装置、1202…介入前日程、1203…介入前生活環境アンケート結果、1204…介入前MRI画像ファイル群、1205…介入後日程、1206…介入後生活環境アンケート結果、1207…介入後MRI画像ファイル群、1208…差分近似関数パラメータ、1301…年齢・性別毎推定BHQ差分平均値・標準偏差及びp値、1401…入出力制御部、1402…差分学習演算処理部、1403…差分推定演算処理部、1404…推定BHQ差分テーブル、1405…計測BHQ差分テーブル、1801…アンケート差分演算処理部、1802…BHQ差分演算処理部、2001…年齢・性別毎推定BHQ差分平均値・標準偏差、2002…年齢・性別毎計測BHQ差分平均値・標準偏差
Claims (3)
- 介入の有効性を客観的数値にて評価する介入評価装置であって、
前記介入を受ける被験者を一意に識別する被験者IDと、前記被験者が受ける前記介入を一意に識別する介入IDと、介入を実施する直前の段階である介入前日程において、第一回目の生活環境アンケートに回答し、介入前生活環境アンケート結果を作成した際の前記介入前日程と、介入を実施した直後の段階である介入後日程において、第二回目の生活環境アンケートに回答し、介入後生活環境アンケート結果を作成した際の前記介入後日程との関係が記述されている介入テーブルと、
前記被験者IDと、前記被験者の年齢と、前記被験者の性別との関係が記述されている被験者マスタと、
前記被験者の前記介入前生活環境アンケート結果及び前記介入後生活環境アンケート結果から導かれた前記被験者の推定BHQ値または前記被験者の前記介入前後の推定BHQ差分に基づき、前記被験者の年齢と性別毎に、前記推定BHQ値の平均値及び標準偏差または前記推定BHQ差分の平均値及び標準偏差を算出する、平均・偏差演算処理部と、
前記推定BHQ値の平均値及び標準偏差または前記推定BHQ差分の平均値及び標準偏差に基づき、前記被験者の年齢と性別毎に、t検定を演算し、p値を出力するt検定演算処理部と
を具備する、介入評価装置。 - 更に、
前記被験者IDと、前記介入前日程と、前記介入前生活環境アンケート結果に基づく推定演算処理によって得られた介入前推定BHQ値と、前記介入後日程と、前記介入後生活環境アンケート結果に基づく推定演算処理によって得られた介入後推定BHQ値との関係が記述されている推定BHQテーブルと
を具備し、
前記平均・偏差演算処理部は、前記被験者の前記介入前生活環境アンケート結果及び前記介入後生活環境アンケート結果から導かれた前記被験者の推定BHQ値に基づき、前記被験者の年齢と性別毎に、前記推定BHQ値の平均値及び標準偏差を算出するものであり、
前記t検定演算処理部は、前記推定BHQ値の平均値及び標準偏差に基づき、前記被験者の年齢と性別毎に、対応のある2標本に対するt検定を演算し、p値を出力するものである、
請求項1に記載の介入評価装置。 - 更に、
前記被験者IDと、前記介入前生活環境アンケート結果と前記介入後生活環境アンケート結果の差分に基づく推定演算処理によって得られた前記推定BHQ差分との関係が記述されている推定BHQ差分テーブルと
を具備し、
前記平均・偏差演算処理部は、前記被験者の前記介入前生活環境アンケート結果及び前記介入後生活環境アンケート結果から導かれた前記被験者の前記推定BHQ差分に基づき、前記被験者の年齢と性別毎に、前記推定BHQ差分の平均値及び標準偏差を算出するものであり、
前記t検定演算処理部は、前記推定BHQ差分の平均値及び標準偏差に基づき、前記被験者の年齢と性別毎に、対応のない2標本に対するt検定を演算し、p値を出力するものである、
請求項1に記載の介入評価装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022505773A JP7348691B2 (ja) | 2020-03-11 | 2020-12-18 | 介入評価装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020042155 | 2020-03-11 | ||
JP2020-042155 | 2020-03-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2021181813A1 true WO2021181813A1 (ja) | 2021-09-16 |
Family
ID=77671576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2020/047511 WO2021181813A1 (ja) | 2020-03-11 | 2020-12-18 | 介入評価装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7348691B2 (ja) |
WO (1) | WO2021181813A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010274035A (ja) * | 2009-06-01 | 2010-12-09 | National Institute Of Advanced Industrial Science & Technology | 脳情報を表示する地図、作成方法及び該地図の使用方法 |
JP2018033516A (ja) * | 2016-08-29 | 2018-03-08 | 一般社団法人ブレインインパクト | 脳情報解析装置及び脳健康指標演算装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110076925A (ko) | 2008-09-24 | 2011-07-06 | 비안카메드 리미티드 | 평가 및 조정을 위한 삶의 질 변수의 비접촉 및 최소접촉 모니터링 |
JP6739841B2 (ja) | 2017-02-21 | 2020-08-12 | 一般社団法人ブレインインパクト | 脳情報解析装置及び脳情報模倣演算装置 |
-
2020
- 2020-12-18 WO PCT/JP2020/047511 patent/WO2021181813A1/ja active Application Filing
- 2020-12-18 JP JP2022505773A patent/JP7348691B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010274035A (ja) * | 2009-06-01 | 2010-12-09 | National Institute Of Advanced Industrial Science & Technology | 脳情報を表示する地図、作成方法及び該地図の使用方法 |
JP2018033516A (ja) * | 2016-08-29 | 2018-03-08 | 一般社団法人ブレインインパクト | 脳情報解析装置及び脳健康指標演算装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7348691B2 (ja) | 2023-09-21 |
JPWO2021181813A1 (ja) | 2021-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Barthel Index of activities of daily living: item response theory analysis of ratings for long-term care residents | |
Guilleux et al. | RespOnse Shift ALgorithm in Item response theory (ROSALI) for response shift detection with missing data in longitudinal patient-reported outcome studies | |
Honningsvåg et al. | White matter hyperintensities and headache: A population-based imaging study (HUNT MRI) | |
Ritchie et al. | Selecting clinically relevant populations for reference intervals | |
Bountziouka et al. | Statistical methods used for the evaluation of reliability and validity of nutrition assessment tools used in medical research | |
Park et al. | Low handgrip strength is closely associated with chronic low back pain among women aged 50 years or older: A cross-sectional study using a national health survey | |
Orgeta et al. | Assessing mental well-being in family carers of people with dementia using the Warwick–Edinburgh Mental Well-Being Scale | |
Ellies-Oury et al. | Various statistical approaches to assess and predict carcass and meat quality traits | |
Martínez-Granados et al. | Reliability and agreement on embryo assessment: 5 years of an external quality control programme | |
Endarti et al. | A comparison of EQ-5D-3L index scores using Malaysian, Singaporean, Thai, and UK value sets in Indonesian cervical cancer patients | |
JP5799377B2 (ja) | 異常頻度推定装置、異常頻度推定プログラム、異常頻度推定方法および異常頻度推定システム | |
Shin et al. | Development and evaluation of a web-based computer-assisted personal interview system (CAPIS) for open-ended dietary assessments among Koreans | |
JP6739841B2 (ja) | 脳情報解析装置及び脳情報模倣演算装置 | |
WO2021181813A1 (ja) | 介入評価装置 | |
JP2005000265A (ja) | 健康状態別の発症リスク知識構築方法及び健康管理装置 | |
WO2021111658A1 (ja) | 認知症予測装置 | |
Bendixen et al. | A patient-reported outcome measure for patients with Dupuytren’s disease | |
Aneeshkumar et al. | Reverse sequential covering algorithm for medical Data mining | |
Tabet et al. | An analysis of the world health organization disability assessment schedule 2.0 measurement model using partial least squares–structural equation modeling | |
Bouras et al. | Meta-analysis of nutrition studies | |
Reimer et al. | Nutrition screening index for older adults (SCREEN II©) demonstrates sex and age invariance | |
CN111354456A (zh) | 中医体质类型检测方法及装置 | |
Mansourvar et al. | Automatic method for bone age assessment based on combined method | |
CN116864062B (zh) | 一种基于互联网的健康体检报告数据分析管理系统 | |
JP2011257816A (ja) | 受診者状態推定装置及びプログラム |
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: 20924800 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2022505773 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20924800 Country of ref document: EP Kind code of ref document: A1 |