JP7498017B2 - Diagnostic Support Devices - Google Patents
Diagnostic Support Devices Download PDFInfo
- Publication number
- JP7498017B2 JP7498017B2 JP2020075550A JP2020075550A JP7498017B2 JP 7498017 B2 JP7498017 B2 JP 7498017B2 JP 2020075550 A JP2020075550 A JP 2020075550A JP 2020075550 A JP2020075550 A JP 2020075550A JP 7498017 B2 JP7498017 B2 JP 7498017B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- information
- biological
- function
- lifestyle
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Description
本明細書及び図面に開示の実施形態は、診断支援装置に関する。 The embodiments disclosed in this specification and the drawings relate to a diagnostic support device.
従来、次世代シーケンサー（Next Generation Sequencer（ＮＧＳ））又は遺伝子パネルによる遺伝子診断、ＩＶＤ（In-Vitro Diagnostics）検査、タンパク質分析、抗体検査、病理組織診断、放射線画像診断、放射線画像診断以外の画像診断、及び、非画像検査等の多くの診断及び検査の技術がある。 Traditionally, there are many diagnostic and testing technologies, such as genetic diagnosis using Next Generation Sequencers (NGS) or gene panels, In-Vitro Diagnostics (IVD) testing, protein analysis, antibody testing, pathological tissue diagnosis, radiological imaging diagnosis, imaging diagnosis other than radiological imaging diagnosis, and non-imaging tests.
近年、がんの分野では、ＮＧＳ又は遺伝子パネルを用いた検査により、新規の抗がん剤、分子標的治療薬、免疫チェックポイント阻害薬等の治療薬の選択を適切に行うためのコンパニオン診断等が行われるようになってきている。がん遺伝子パネル検査においては、数千万に及ぶ論文をベースにしたＩＢＭ Ｗａｔｓｏｎ等のＡＩ（Cognitive Computing System）を用いたプロファイリング等の取り組みの仕組み作りが、日本国内で進められている。また、Ｒｏｃｈｅ－ＦｏｕｎｄａｔｉｏｎＭｅｄｉｃｉｎｅによるＴＭＢ（tumor mutational burden）やＭＳＩ（microsatellite instability）も含めたＣｏｍｐｒｅｈｅｎｓｉｖｅ Ｇｅｎｏｍｉｃ Ｐｒｏｆｉｌｉｎｇの取り組みが進んでいる。 In recent years, in the field of cancer, companion diagnostics have been used to appropriately select therapeutic drugs such as new anticancer drugs, molecular targeted drugs, and immune checkpoint inhibitors through testing using NGS or gene panels. In cancer gene panel testing, Japan is working on creating a system for profiling using AI (Cognitive Computing Systems) such as IBM Watson, based on tens of millions of papers. In addition, Roche-Foundation Medicine is working on comprehensive genomic profiling, including TMB (tumor mutational burden) and MSI (microsatellite instability).
従来の診断及び検査では、例えば、遺伝子プロファイルによる診断等、個別の診断又は個別の検査結果による診断又は臨床判断が行われている。又は、複数の診断結果に基づいて、ガイドライン及び医師の経験に沿って、複合的に判断されている。 In conventional diagnoses and tests, for example, diagnoses or clinical judgments are made based on individual diagnoses or individual test results, such as diagnosis based on genetic profiles. Or, a composite judgment is made based on multiple diagnostic results in line with guidelines and the doctor's experience.
しかしながら、これらの限られた診断及び検査だけでは、医師は、被検体の生体に関する状態（生体状態）を精度良く判定することが困難である。 However, with only these limited diagnostic and testing methods, it is difficult for doctors to accurately assess the biological condition (biological condition) of a subject.
本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、被検体の生体状態を精度良く判定することができる診断支援装置を提供することである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。 One of the problems that the embodiments disclosed in this specification and the drawings aim to solve is to provide a diagnostic support device that can accurately determine the biological condition of a subject. However, the problems that the embodiments disclosed in this specification and the drawings aim to solve are not limited to the above problem. Problems that correspond to the effects of each configuration shown in the embodiments described below can also be positioned as other problems.
実施形態に係る診断支援装置は、取得部と、判定部と、算出部とを備える。取得部は、センサによる被検体の観測値と、生活習慣情報及び環境情報のうち少なくとも一方を含む生活習慣・環境情報とを被検体ごとに記憶する記憶部から、所定の被検体における観測値と生活習慣・環境情報とを取得する。判定部は、所定の被検体における観測値と生活習慣・環境情報とに基づいて、疾患に対する所定の被検体の生体状態を判定する。算出部は、所定の被検体の生体状態の変化と、生活習慣・環境情報の変化とに基づいて、所定の被検体の生活習慣・環境情報における、所定の被検体の観測値の正常範囲を算出する。 The diagnosis support device according to the embodiment includes an acquisition unit, a determination unit, and a calculation unit. The acquisition unit acquires the observation value and lifestyle/environment information of a specific subject from a storage unit that stores, for each subject, the observation value of the subject by a sensor, and lifestyle/environment information including at least one of lifestyle information and environmental information. The determination unit determines the biological condition of the specific subject with respect to a disease based on the observation value and lifestyle/environment information of the specific subject. The calculation unit calculates a normal range of the observation value of the specific subject in the lifestyle/environment information of the specific subject based on the change in the biological condition of the specific subject and the change in the lifestyle/environment information.
以下、図面を参照しながら、診断支援装置の実施形態について詳細に説明する。なお、本願に係る診断支援装置は、以下に示す実施形態によって限定されるものではない。 Below, an embodiment of the diagnosis support device will be described in detail with reference to the drawings. Note that the diagnosis support device according to the present application is not limited to the embodiment shown below.
（第１の実施形態）
図１は、第１の実施形態に係る診断支援装置の構成例を示す概略図である。
First Embodiment
FIG. 1 is a schematic diagram showing an example of the configuration of a diagnosis support apparatus according to the first embodiment.
図１は、第１の実施形態に係る診断支援装置１を示す。診断支援装置１は、操作者（例えば、医師）による被検体の疾患（疾病）の診断を支援する装置である。診断支援装置１は、医用画像管理装置（画像サーバ）や、ワークステーションや、読影端末等であり、ネットワークを介して接続された医用画像システム上に設けられる。なお、診断支援装置１は、オフラインの装置であってもよい。
Figure 1 shows a
診断支援装置１は、処理回路１１と、記憶回路１２と、入力インターフェース１３と、ディスプレイ１４と、ネットワークインターフェース１５とを備える。
The
処理回路１１は、入力インターフェース１３を介して操作者から受け付けた入力操作に応じて、診断支援装置１の動作を制御する。例えば、処理回路１１は、プロセッサによって実現される。なお、処理回路１１の機能については、図２を用いて後述する。
The
記憶回路１２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、ハードディスク、及び光ディスク等によって構成される。記憶回路１２は、ＵＳＢ（Universal Serial Bus）メモリ及びＤＶＤ（Digital Video Disk）等の可搬型メディアによって構成されてもよい。記憶回路１２は、処理回路１１において用いられる各種処理プログラム（アプリケーションプログラムの他、ＯＳ（Operating System）等も含まれる）や、プログラムの実行に必要なデータ等を記憶する。また、ＯＳに、操作者に対するディスプレイ１４への情報の表示にグラフィックを多用し、基礎的な操作を入力インターフェース１３によって行うことができるＧＵＩ（Graphical User Interface）を含めることもできる。なお、記憶回路１２は、記憶部の一例である。
The
さらに、記憶回路１２は、図２に示すように、遺伝子発現・変異情報Ｕ１と、エピジェネティック環境影響情報Ｕ２と、タンパク質発現情報Ｕ３と、シグナル伝達情報Ｕ４と、免疫機能情報Ｕ５と、内分泌機能情報Ｕ６と、病理情報Ｕ７と、画像診断情報Ｕ８と、生理学的情報Ｕ９と、身体所見・病状情報Ｕ１０と、生体状態判定用データベース（Data Base）Ｕ１１とを記憶する。情報Ｕ１～Ｕ１０は、各種センサにより診断対象の被検体から取得されたものであってもよいし、入力インターフェース１３を介して操作者により入力されたものであってもよいし、ネットワークインターフェース１５を介して外部の装置から取得されたものであってもよい。
2, the
遺伝子発現・変異情報Ｕ１は、例えば、診断対象の被検体の特定の遺伝子の発現量と変異量とを示す生体情報である。例えば、遺伝子発現・変異情報Ｕ１は、シーケンサー又は遺伝子パネル等が用いられる遺伝子検査等により取得される。そして、取得された遺伝子発現・変異情報Ｕ１が、記憶回路１２に記憶される。
The gene expression/mutation information U1 is, for example, biological information indicating the expression level and mutation level of a specific gene in a subject to be diagnosed. For example, the gene expression/mutation information U1 is obtained by a genetic test using a sequencer or a gene panel. The obtained gene expression/mutation information U1 is then stored in the
エピジェネティック環境影響情報Ｕ２は、例えば、ヒストン修飾やメチル化等の被検体のエピゲノムに影響を与える後天的な環境要因による遺伝子発現の制御を示す生体情報である。例えば、操作者が、被検体に対して、被検体が１日あたりに吸っている煙草の本数、又は、１日あたりに浴びている紫外線の量等を問診する。又は、その結果としてのヒストン修飾やメチル化等の現象を検出し、それらの得られた環境要因情報や検査結果を示す情報がエピジェネティック環境影響情報Ｕ２として、記憶回路１２に記憶される。
The epigenetic environmental influence information U2 is biological information that indicates the control of gene expression due to acquired environmental factors that affect the epigenome of the subject, such as histone modification and methylation. For example, the operator asks the subject about the number of cigarettes the subject smokes per day, or the amount of ultraviolet light the subject is exposed to per day. Alternatively, phenomena such as histone modification and methylation are detected as a result, and the obtained environmental factor information and information indicating the test results are stored in the
タンパク質発現情報Ｕ３は、被検体のタンパク質発現に関する生体情報である。例えば、タンパク質発現情報Ｕ３は、被検体の血中等の特定のタンパク質の量と、特定のタンパク質の基準となる量との比を示す情報である。被検体の特定のタンパク質の量は、バイオマーカの体外検査又は分光分析と、質量分析器（例えば、マススペクトルスコピー等）とにより取得される。また、特定のタンパク質の基準となる量は、例えば、被検体が健康な状態である場合の特定のタンパク質の量である。そして、得られた特定のタンパク質の量と、特定のタンパク質の基準となる量との比を示す情報が、タンパク質発現情報Ｕ３として記憶回路１２に記憶される。
Protein expression information U3 is biological information related to the protein expression of the subject. For example, protein expression information U3 is information indicating the ratio between the amount of a specific protein in the subject's blood, etc., and the reference amount of the specific protein. The amount of the specific protein in the subject is obtained by in vitro testing or spectroscopic analysis of biomarkers and a mass analyzer (e.g., mass spectroscopy, etc.). The reference amount of the specific protein is, for example, the amount of the specific protein when the subject is in a healthy state. Then, information indicating the ratio between the obtained amount of the specific protein and the reference amount of the specific protein is stored in the
シグナル伝達情報Ｕ４は、被検体の細胞間及び細胞内のシグナル伝達に関する生体情報である。シグナル伝達情報Ｕ４は、抗体アレイ等により取得される。そして、取得されたシグナル伝達情報Ｕ４が、記憶回路１２に記憶される。
The signal transduction information U4 is biological information related to signal transduction between and within the cells of the subject. The signal transduction information U4 is acquired by an antibody array or the like. The acquired signal transduction information U4 is then stored in the
免疫機能情報Ｕ５は、被検体の免疫機能に関する生体情報である。例えば、免疫機能情報Ｕ５は、被検体の血液の単位量あたりの白血球の数を示す情報である。このような白血球の数は、血液検査等により取得される。なお、免疫機能情報Ｕ５は、免疫に関係する特定の遺伝子の発現量及び変異量や、発現した抗体量そのものを示す情報であってもよい。このような情報は、検体検査装置や抗体検査、遺伝子チップ等により取得される。そして、取得された免疫機能情報Ｕ５が、記憶回路１２に記憶される。
The immune function information U5 is biological information related to the immune function of the subject. For example, the immune function information U5 is information indicating the number of white blood cells per unit volume of the subject's blood. Such a white blood cell count is obtained by a blood test or the like. The immune function information U5 may also be information indicating the expression level and mutation level of a specific gene related to immunity, or the expressed antibody amount itself. Such information is obtained by a specimen testing device, an antibody test, a gene chip, or the like. The obtained immune function information U5 is then stored in the
内分泌機能情報Ｕ６は、被検体の内分泌機能に関する生体情報である。例えば、内分泌機能情報Ｕ６は、被検体の血液の単位量あたりの特定のホルモンの量を示す情報である。このような特定のホルモンの量を示す情報は、血液検査等により取得される。 The endocrine function information U6 is biological information related to the endocrine function of the subject. For example, the endocrine function information U6 is information indicating the amount of a specific hormone per unit volume of the subject's blood. Such information indicating the amount of a specific hormone is obtained by a blood test or the like.
病理情報Ｕ７は、病理検査又は細胞診検査によって得られた被検体の各種の生体情報である。例えば、病理検査では、腫瘤の細胞が採取され、採取された細胞が、悪性であるか否かが判定される。このような判定の結果を示す情報が、病理情報Ｕ７として記憶回路１２に記憶される。
Pathological information U7 is various biological information of the subject obtained by a pathological test or a cytological test. For example, in a pathological test, cells from a tumor are collected and it is determined whether the collected cells are malignant or not. Information indicating the results of such a determination is stored in the
画像診断情報Ｕ８は、被検体の臓器が描出された放射線診断画像と放射線診断画像の画像解析により得られる生体情報である。例えば、検査において、医師が、被検体の心臓が描出されたＣＴ（Computed Tomography）画像の画像診断を行う。画像診断において、医師は、心臓に異常があるか否かを診断する。例えば、医師は、大動脈弁に注目し、心臓弁膜症であるか否かについての診断や、大動脈弁狭窄症であるか否かについての診断を行う。そして、診断結果を示す情報が、画像診断情報Ｕ８として記憶回路１２に記憶される。なお、画像診断には、ＣＴ画像以外の画像の画像診断が含まれてよい。例えば、画像診断には、ＭＲＩ（Magnetic Resonance Imaging）装置により得られたＭＲ画像と、Ｘ線診断装置により得られたＸ線診断画像と、超音波診断装置により得られた超音波診断画像と、核医学診断装置により得られた核医学診断画像とのうち少なくとも１つの画像の画像診断が含まれてもよい。
The image diagnosis information U8 is biological information obtained by image analysis of a radiological diagnostic image depicting the subject's organs and the radiological diagnostic image. For example, in an examination, a doctor performs image diagnosis of a CT (Computed Tomography) image depicting the subject's heart. In the image diagnosis, the doctor diagnoses whether or not there is an abnormality in the heart. For example, the doctor focuses on the aortic valve and diagnoses whether or not there is valvular heart disease or whether or not there is aortic valve stenosis. Then, information indicating the diagnosis result is stored in the
生理学的情報Ｕ９は、例えば心電図により得られた被検体の心電波形に基づく心臓に関する生体情報等を指す。心電図検査において、被検体の心電波形は、心電計により得られる。また、心電波形から、Ｒ－Ｒ間隔等の心臓に関する情報が得られる。そして、このような心臓に関する情報が、生理学的情報Ｕ９として記憶回路１２に記憶される。これ以外にも、生理学的情報Ｕ９には、脳波情報や、呼吸モニタの情報、体温、血圧等の様々な生理学的現象を示す情報が含まれる。
The physiological information U9 refers to, for example, biological information related to the heart based on the subject's electrocardiogram waveform obtained by an electrocardiogram. In an electrocardiogram test, the subject's electrocardiogram waveform is obtained by an electrocardiograph. Furthermore, information related to the heart, such as the R-R interval, is obtained from the electrocardiogram waveform. Such information related to the heart is then stored in the
身体所見・病状情報Ｕ１０は、被検体に対する問診によって得られた身体所見及び病状を示す生体情報である。例えば、医師は、被検体に対して問診を行うことにより身体所見及び病状を得る。例えば、身体所見には、被検体の身長及び体重等の人体レベルの情報が含まれる。このようにして得られた身体所見及び病状を示す情報が、身体所見・病状情報Ｕ１０として記憶回路１２に記憶される。
The physical findings and medical condition information U10 is bioinformation indicating the physical findings and medical condition obtained by questioning the subject. For example, a doctor obtains the physical findings and medical condition by questioning the subject. For example, the physical findings include information on the human body level, such as the subject's height and weight. The information indicating the physical findings and medical condition obtained in this manner is stored in the
上述したように、記憶回路１２は、情報Ｕ１～Ｕ１０を記憶する。このように、記憶回路１２は、被検体の遺伝子レベルの生体情報、分子・細胞レベルの生体情報、臓器レベルの生体情報、及び、人体レベルの生体情報を記憶する。すなわち、記憶回路１２は、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を記憶する。具体例を挙げて説明すると、記憶回路１２は、被検体の遺伝子に関する生体情報、タンパク質に関する生体情報、シグナル伝達に関する生体情報、内分泌機能に関する生体情報、免疫機能に関する生体情報、環境影響に関する生体情報、及び、人体に関する生体情報を含む複数種類の生体情報を記憶する。
As described above, the
生体状態判定用データベースＵ１１は、疾患に対する生体状態（ステータス）を判定する際に用いられるデータベースである。生体状態は、被検体の、ある疾患に対する関係度を意味し、被検体が、ある疾患に関係している度合いを示す指標である。より具体的には、この関係度は、被検体が、ある疾患に罹患している度合い（可能性）を示す指標、つまり、疾患Ａの症状の重さを示す指標である。例えば、生体状態は、図５に示すように、被検体の「疾患Ａ」の症状の重さに応じた「健康状態（罹患なし）」と、「中間状態」と、「疾患状態」と、「重篤・死亡」との４つに分類される。なお、詳細については後述する。 The biological condition determination database U11 is a database used when determining the biological condition (status) of a disease. The biological condition refers to the degree of relationship of the subject to a certain disease, and is an index showing the degree to which the subject is related to a certain disease. More specifically, this degree of relationship is an index showing the degree (possibility) of the subject being affected by a certain disease, that is, an index showing the severity of the symptoms of disease A. For example, as shown in FIG. 5, the biological condition is classified into four categories according to the severity of the symptoms of "disease A" of the subject: "healthy state (not affected)", "intermediate state", "disease state", and "severe condition/death". Details will be described later.
図３は、生体状態判定用データベースＵ１１のデータ構造の一例を示す図である。 Figure 3 shows an example of the data structure of the biological condition determination database U11.
図３において、「遺伝子発現・変異」の項目には、遺伝子発現・変異情報Ｕ１から算出された後述する定量スコアが登録される。「エピジェネティック環境影響」の項目には、エピジェネティック環境影響情報Ｕ２から算出された後述する定量スコアが登録される。「タンパク質発現（バイオマーカ）」の項目には、タンパク質発現情報Ｕ３から算出された後述する定量スコアが登録される。「シグナル伝達」の項目には、シグナル伝達情報Ｕ４から算出された後述する定量スコアが登録される。 In FIG. 3, the "Gene Expression/Mutation" item registers a quantitative score, described below, calculated from gene expression/mutation information U1. The "Epigenetic Environmental Influence" item registers a quantitative score, described below, calculated from epigenetic environmental influence information U2. The "Protein Expression (Biomarker)" item registers a quantitative score, described below, calculated from protein expression information U3. The "Signal Transduction" item registers a quantitative score, described below, calculated from signal transduction information U4.
また、「免疫機能」の項目には、免疫機能情報Ｕ５から算出された後述する定量スコアが登録される。「内分泌機能」の項目には、内分泌機能情報Ｕ６から算出された後述する定量スコアが登録される。「病理的な変化」の項目には、病理情報Ｕ７から算出された後述する定量スコアが登録される。「画像診断」の項目には、画像診断情報Ｕ８から算出された後述する定量スコアが登録される。「心電図」の項目には、生理学的情報Ｕ９から算出された後述する定量スコアが登録される。「身体所見・病状」の項目には、身体所見・病状情報Ｕ１０から算出された後述する定量スコアが登録される。 In addition, the "immune function" item is registered with a quantitative score calculated from immune function information U5, which will be described later. The "endocrine function" item is registered with a quantitative score calculated from endocrine function information U6, which will be described later. The "pathological changes" item is registered with a quantitative score calculated from pathological information U7, which will be described later. The "imaging diagnosis" item is registered with a quantitative score calculated from imaging diagnosis information U8, which will be described later. The "electrocardiogram" item is registered with a quantitative score calculated from physiological information U9, which will be described later. The "physical findings/symptoms" item is registered with a quantitative score calculated from physical findings/symptoms information U10, which will be described later.
生体状態判定用データベースＵ１１には、複数の疾患Ａ～疾患Ｎのそれぞれと、複数種類の生体情報のそれぞれとの相関（相関関係）を示す相関係数が登録されている。また、生体状態判定用データベースＵ１１には、相関係数の確からしさを示す信頼度が登録されている。例えば、図３の例では、仮に、相関係数を「Ｒ」とし、信頼度を「Ｓ」とした場合に、疾患と生体情報との組み合わせごとに、「Ｒ／Ｓ」という表記で、相関係数及び信頼度が生体状態判定用データベースＵ１１に登録されている。 The biological condition determination database U11 stores correlation coefficients indicating the correlation (relationship) between each of a number of diseases A to N and each of a number of types of biological information. The biological condition determination database U11 also stores reliability indicating the accuracy of the correlation coefficients. For example, in the example of FIG. 3, if the correlation coefficient is "R" and the reliability is "S", the correlation coefficient and reliability are registered in the biological condition determination database U11 for each combination of disease and biological information as "R/S".
例えば、生体状態判定用データベースＵ１１は、「遺伝子発現・変異」の項目に登録される定量スコアの元となる遺伝子発現・変異情報Ｕ１と「疾患Ａ」との組み合わせにおいて、遺伝子発現・変異情報Ｕ１と「疾患Ａ」との相関を示す相関係数が、「０．８」であることを示す。疾患と生体情報との他の組み合わせにおいても、同様である。 For example, the biological condition assessment database U11 indicates that in a combination of the gene expression/mutation information U1, which is the basis of the quantitative score registered in the "gene expression/mutation" item, and "Disease A," the correlation coefficient indicating the correlation between the gene expression/mutation information U1 and "Disease A" is "0.8." The same is true for other combinations of diseases and biological information.
本実施形態では、例えば、相関係数の範囲は、「－１」以上「１」以下の範囲である。例えば、ある疾患とある種類の生体情報との相関を示す相関係数が正の値である場合について説明する。この場合、相関係数が「１」に近づくほど、その種類の生体情報を要因として、その疾患に罹患する可能性が高くなるとともに、その疾患の症状が重くなると考えられる。 In this embodiment, for example, the range of the correlation coefficient is from "-1" to "1". For example, a case will be described where the correlation coefficient indicating the correlation between a certain disease and a certain type of biometric information is a positive value. In this case, it is considered that the closer the correlation coefficient is to "1", the higher the possibility of contracting the disease due to that type of biometric information and the more severe the symptoms of the disease will be.
また、ある疾患とある種類の生体情報との相関を示す相関係数が負の値である場合について説明する。この場合、相関係数が「－１」に近づくほど、その種類の生体情報を要因として、その疾患に罹患しにくくなる可能性が高くなると考えられる。 We will also explain the case where the correlation coefficient, which indicates the correlation between a certain disease and a certain type of biometric information, is a negative value. In this case, it is considered that the closer the correlation coefficient is to "-1," the higher the possibility that the type of biometric information will be a factor in making one less likely to contract that disease.
また、ある疾患とある種類の生体情報との相関を示す相関係数が「０」又は「０」に近い数値である場合、この相関係数は、その種類の生体情報と、その疾患との相関がないことを示す。 In addition, when the correlation coefficient indicating the correlation between a certain disease and a certain type of biometric information is a value of "0" or close to "0", this correlation coefficient indicates that there is no correlation between that type of biometric information and that disease.
また、例えば、生体状態判定用データベースＵ１１は、遺伝子発現・変異情報Ｕ１と「疾患Ａ」との相関を示す相関係数「０．８」の確からしさを示す信頼度が「Ａ」であることを示す。他の信頼度についても、同様である。ここで、本実施形態では、信頼度は、「Ａ」、「Ｂ」及び「Ｃ」のいずれかで示される。例えば、信頼度「Ａ」は、信頼度「Ｂ」よりも信頼度が高く、信頼度「Ｂ」は、信頼度「Ｃ」よりも信頼度が高い。なお、信頼度「Ａ」、「Ｂ」、「Ｃ」は、数値を示す。例えば、信頼度「Ａ」は、「１．０」であり、信頼度「Ｂ」は、「０．７」であり、信頼度「Ｃ」は、「０．３」である。例えば、信頼度は、相関係数について、科学的な根拠がどの程度あるのかによっても定められる。また、信頼度は、例えば、ガイドライン、データベースに登録された臨床研究の内容、及び、論文内容等から定められてもよい。 For example, the biological condition determination database U11 indicates that the reliability indicating the likelihood of the correlation coefficient "0.8" indicating the correlation between the gene expression/mutation information U1 and "disease A" is "A". The same applies to other reliability levels. Here, in this embodiment, the reliability is indicated as any of "A", "B", and "C". For example, the reliability level "A" is higher than the reliability level "B", and the reliability level "B" is higher than the reliability level "C". Note that the reliability levels "A", "B", and "C" indicate numerical values. For example, the reliability level "A" is "1.0", the reliability level "B" is "0.7", and the reliability level "C" is "0.3". For example, the reliability level is determined depending on the degree of scientific evidence for the correlation coefficient. The reliability level may also be determined, for example, from guidelines, the contents of clinical studies registered in the database, and the contents of papers.
図１の説明に戻って、入力インターフェース１３は、操作者によって操作が可能な入力デバイスと、入力デバイスからの信号を入力する入力回路とを含む。入力デバイスは、トラックボール、スイッチ、マウス、キーボード、操作面に触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一化されたタッチスクリーン、光学センサを用いた非接触入力デバイス、及び音声入力デバイス等によって実現される。操作者により入力デバイスが操作されると、入力回路はその操作に応じた信号を生成して処理回路１１に出力する。なお、診断支援装置１は、入力デバイスがディスプレイ１４と一体に構成されたタッチパネルを備えてもよい。また、入力デバイスは、マウス、キーボード等の物理的な操作部品を備えるものに限られるものではない。例えば、入力回路が、診断支援装置１とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路１１へ出力する構成も入力インターフェース１３の例に含まれる。なお、入力インターフェース１３は、入力部の一例である。
Returning to the explanation of FIG. 1, the
ディスプレイ１４は、液晶ディスプレイパネル、プラズマディスプレイパネル、及び有機ＥＬ（Electro Luminescence）パネル等の表示デバイスである。ディスプレイ１４は、処理回路１１に接続されており、処理回路１１の制御に従って生成された各種の情報及び画像を表示する。なお、ディスプレイ１４は、表示部の一例である。
The
ネットワークインターフェース１５は、パラレル接続仕様やシリアル接続仕様に合わせたコネクタによって構成される。ネットワークインターフェース１５は、各規格に応じた通信制御を行い、電話回線を通じてネットワークに接続することができる機能を有しており、これにより、診断支援装置１をネットワークに接続させることができる。なお、ネットワークインターフェース１５は、通信部の一例である。
The
続いて、図２を用いて、診断支援装置１の機能について説明する。
Next, the functions of the
図２は、診断支援装置１の機能を示すブロック図である。
Figure 2 is a block diagram showing the functions of the
処理回路１１がプログラムを実行することによって、診断支援装置１は、スコア算出機能１１１と、取得機能１１２と、生体状態判定機能１１３と、表示制御機能１１４とを実現する。なお、機能１１１～１１４の全部又は一部は、診断支援装置１にＡＳＩＣ等の回路の機能として実現されるものであってもよい。スコア算出機能１１１は、解析部の一例である。取得機能１１２は、取得部の一例である。生体状態判定機能１１３は、判定部の一例である。表示制御機能１１４は、表示制御部の一例である。スコア算出機能１１１と、取得機能１１２と、生体状態判定機能１１３と、表示制御機能１１４とについては後述する。
When the
ここで、例えば、処理回路１１の構成要素である機能１１１～１１４は、コンピュータによって実行可能なプログラムの形態で記憶回路１２に記憶されている。処理回路１１は、各プログラムを記憶回路１２から読み出し、読み出した各プログラムを実行することで各プログラムに対応する機能を実現する。換言すると、各プログラムを読み出した状態の処理回路１１は、処理回路１１内に示された機能１１１～１１４を有することとなる。
Here, for example, functions 111 to 114, which are components of
なお、機能１１１～１１４の全ての処理機能がコンピュータによって実行可能な１つのプログラムの形態で、記憶回路１２に記憶されていてもよい。例えば、このようなプログラムは、診断支援プログラムとも称される。この場合、処理回路１１は、診断支援プログラムを記憶回路１２から読み出し、読み出した診断支援プログラムを実行することで診断支援プログラムに対応する機能１１１～１１４を実現する。
All of the processing functions of
以上、第１の実施形態に係る診断支援装置１の構成の一例について説明した。本願の発明者らは、鋭意検討の結果、全ての疾患は、遺伝性の要因と非遺伝性の要因とを含む複雑な要因が関係することを見出した。そして、本願の発明者らは、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を用いて、被検体の生体状態を判定することで、精度が良好な判定結果を得られることを見出した。そこで、第１の実施形態に係る診断支援装置１は、生体状態を精度良く判定するために、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を用いて、以下で説明する各種の処理を実行する。
Above, an example of the configuration of the
スコア算出機能１１１は、記憶回路１２に記憶された複数種類の生体情報のそれぞれに対して、生体情報の異常の度合いを判定する解析を行う。具体例を挙げて説明すると、スコア算出機能１１１は、複数種類の生体情報のそれぞれに対して、生体情報の異常の度合いを示すスコア（定量スコア）を得るための解析を行い、解析結果として定量スコアを得る。例えば、スコア算出機能１１１は、「０」以上「１」以下の範囲内の定量スコアを算出する。例えば、定量スコアは、「１」に近づくにつれて、生体情報が示す異常の状態の度合いが大きくなることを示す。スコア算出機能１１１は、このような定量スコアを、情報Ｕ１～Ｕ１０のそれぞれについて算出する。定量スコアは、後述する生体状態判定機能１１３により生体状態が判定される際に用いられる。
The
一例を挙げて説明すると、スコア算出機能１１１は、遺伝子発現・変異情報Ｕ１に対する解析として、遺伝子発現・変異情報Ｕ１が示す特定の遺伝子の発現量及び変異量が多くなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「遺伝子発現・変異」の項目に登録する。
To explain with an example, the
また、スコア算出機能１１１は、エピジェネティック環境影響情報Ｕ２に対する解析として、エピジェネティック環境影響情報Ｕ２が示す煙草の本数又は紫外線の量が多くなるほど、若しくは、メチル化のスコア等が大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「エピジェネティック環境影響」の項目に登録する。
Furthermore, the
また、スコア算出機能１１１は、タンパク質発現情報Ｕ３に対する解析として、タンパク質発現情報Ｕ３が示す比が「１」から遠ざかるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「タンパク質発現（バイオマーカ）」の項目に登録する。
In addition, the
また、スコア算出機能１１１は、シグナル伝達情報Ｕ４に対する解析として、シグナル伝達情報Ｕ４が示すシグナル伝達に関する情報が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「シグナル伝達」の項目に登録する。
In addition, the
また、スコア算出機能１１１は、免疫機能情報Ｕ５に対する解析として、免疫機能情報Ｕ５が示す白血球の数が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。なお、免疫機能情報Ｕ５が、免疫に関係する特定の遺伝子の発現量及び変異量を示す場合には、スコア算出機能１１１は、免疫に関係する特定の遺伝子の発現量及び変異量が多くなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「免疫機能」の項目に登録する。
Furthermore, as an analysis of immune function information U5, score
また、スコア算出機能１１１は、内分泌機能情報Ｕ６に対する解析として、内分泌機能情報Ｕ６が示す特定のホルモンの量が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「内分泌機能」の項目に登録する。
In addition, the
また、スコア算出機能１１１は、病理情報Ｕ７に対する解析として、病理情報Ｕ７が示す判定結果が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「病理的な変化」の項目に登録する。
In addition, the
また、スコア算出機能１１１は、画像診断情報Ｕ８に対する解析として、画像診断情報Ｕ８が示す診断結果が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「画像診断」の項目に登録する。
The
また、スコア算出機能１１１は、生理学的情報Ｕ９に対する解析として、生理学的情報Ｕ９が示す心臓に関する情報が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「心電図」の項目に登録する。
In addition, the
なお、生理学的情報Ｕ９が脳波情報を示す場合には、スコア算出機能１１１は、脳波情報が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「心電図」の項目と同様に設けられた「脳波計」の項目（図示せず）に登録する。
When the physiological information U9 indicates electroencephalogram information, the
また、スコア算出機能１１１は、身体所見・病状情報Ｕ１０に対する解析として、身体所見・病状情報Ｕ１０が示す身体所見及び病状が示す異常の度合いが大きくなるほど、値が大きくなるような定量スコアを解析結果として算出する。そして、スコア算出機能１１１は、算出した定量スコアを生体状態判定用データベースＵ１１の「身体所見・病状」の項目に登録する。
In addition, the
上述したような方法で、スコア算出機能１１１は、複数種類の生体情報に対応する複数の定量スコアを算出し、複数の定量スコアを生体状態判定用データベースＵ１１に登録する。
Using the method described above, the
なお、スコア算出機能１１１は、上述したように定量スコアを自動的に算出しなくてもよい。例えば、スコア算出機能１１１は、操作者から、入力インターフェース１３を介して、生体情報に対応する定量スコアを受け付けてもよい。そして、スコア算出機能１１１は、受け付けた定量スコアを、生体状態判定用データベースＵ１１に登録してもよい。
The
取得機能１１２は、図３に示す生体状態判定用データベースＵ１１から、複数の情報Ｕ１～Ｕ１０の各情報と、複数の疾患（疾患Ａ～Ｎ）との相関を示す相関係数を取得する。また、取得機能１１２は、スコア算出機能１１１によって算出された、複数種類の生体情報にそれぞれ対応する複数の定量スコアを取得する。
The
生体状態判定機能１１３は、生体状態判定用データベースＵ１１を用いて、複数の疾患（疾患Ａ～疾患Ｎ）のそれぞれについて、被検体の生体状態を判定する。
The biological
具体例を挙げて説明すると、取得機能１１２は、図３に示す生体状態判定用データベースＵ１１から、遺伝子発現・変異情報Ｕ１と疾患Ａとの相関を示す相関係数「０．８」を取得する。そして、取得機能１１２は、「遺伝子発現・変異」の項目から、遺伝子発現・変異情報Ｕ１から算出された定量スコアを取得する。そして、生体状態判定機能１１３は、取得した定量スコアと、取得した相関係数「０．８」との乗算値ｒ１を算出する。
To explain this with a specific example, the
取得機能１１２は、遺伝子発現・変異情報Ｕ１以外の他の生体情報についても、同様の方法で、他の生体情報と疾患Ａとの相関を示す相関係数と、他の生体情報から算出された定量スコアとを取得する。そして、生体状態判定機能１１３は、同様に、取得した相関係数と取得した定量スコアとの乗算値を算出する。
For other biological information other than the gene expression/mutation information U1, the
具体的には、生体状態判定機能１１３は、エピジェネティック環境影響情報Ｕ２から算出された定量スコアと、相関係数「０．５」との乗算値ｒ２を算出する。また、生体状態判定機能１１３は、タンパク質発現情報Ｕ３から算出された定量スコアと、相関係数「０．６５」との乗算値ｒ３を算出する。また、生体状態判定機能１１３は、シグナル伝達情報Ｕ４から算出された定量スコアと、相関係数「０．２」との乗算値ｒ４を算出する。
Specifically, the biological
また、生体状態判定機能１１３は、免疫機能情報Ｕ５から算出された定量スコアと、相関係数「０．４」との乗算値ｒ５を算出する。また、生体状態判定機能１１３は、内分泌機能情報Ｕ６から算出された定量スコアと、相関係数「０．０１」との乗算値ｒ６を算出する。また、生体状態判定機能１１３は、病理情報Ｕ７から算出された定量スコアと、相関係数「０．９」との乗算値ｒ７を算出する。
The biological
また、生体状態判定機能１１３は、画像診断情報Ｕ８から算出された定量スコアと、相関係数「０．３」との乗算値ｒ８を算出する。また、生体状態判定機能１１３は、生理学的情報Ｕ９から算出された定量スコアと、相関係数「０．０」との乗算値ｒ９を算出する。また、生体状態判定機能１１３は、身体所見・病状情報Ｕ１０から算出された定量スコアと、相関係数「０．１」との乗算値ｒ１０を算出する。
The biometric
そして、生体状態判定機能１１３は、１０次元の座標空間に、点ｒ（ｒ１，ｒ２，ｒ３，ｒ４，ｒ５，ｒ６，ｒ７，ｒ８，ｒ９，ｒ１０）を配置した場合の、１０次元の座標空間の原点Ｏと点ｒとの間の距離を算出する。なお、算出された距離は、（ｒ１，ｒ２，ｒ３，ｒ４，ｒ５，ｒ６，ｒ７，ｒ８，ｒ９，ｒ１０）を成分とするベクトルの大きさでもある。
Then, the biological
そして、生体状態判定機能１１３は、算出した距離が「０」以上「１」以内の範囲の値となるように、算出した距離を正規化し、正規化された距離を関係度として算出する。この関係度は、被検体が疾患Ａに関係している度合いを示す指標であり、疾患Ａに対する被検体の生体状態を示す指標である。より具体的には、この関係度は、被検体が疾患Ａに罹患している度合い（可能性）を示す指標であるとともに、疾患Ａの症状の重さを示す指標である。関係度が「１」に近づくほど、被検体が疾患Ａに罹患している度合いは高くなり、また、疾患Ａの症状が重くなる。一方、関係度が「０」に近づくほど、被検体が疾患Ａに罹患している度合いは低くなり、また、疾患Ａの症状が軽くなる。
The biological
ここで、図４を参照して、定量スコアから関係度を算出する方法の一例について説明する。なお、先の図３を用いて、１０種類の生体情報から生成された１０個の定量スコアが生体状態判定用データベースＵ１１に登録され、生体状態判定機能１１３が、１０個の定量スコアを用いて関係度を算出する場合について説明した。一方、図４を用いた説明では、説明の便宜のため、３種類の生体情報から生成された３個の定量スコアＳＣ１＿１，ＳＣ２＿１，ＳＣ３＿１が生体状態判定用データベースＵ１１に登録されているものとする。そして、図４を用いた説明では、生体状態判定機能１１３が、３個の定量スコアＳＣ１＿１，ＳＣ２＿１，ＳＣ３＿１を用いて、単一の疾患についての関係度を算出するものとして説明を行う。
Now, referring to FIG. 4, an example of a method for calculating the degree of relationship from the quantitative scores will be described. With reference to FIG. 3, a case has been described in which ten quantitative scores generated from ten types of biometric information are registered in the biometric state determination database U11, and the biometric
図４は、定量スコアから関係度を算出する方法の一例について説明するための図である。 Figure 4 is a diagram illustrating an example of a method for calculating the relationship degree from the quantitative score.
図４には、軸ＳＣ１、軸ＳＣ２及び軸ＳＣ３により形成される３次元空間が示されている。軸ＳＣ１は、定量スコアＳＣ１＿１の大きさを示す軸である。軸ＳＣ２は、定量スコアＳＣ２＿１の大きさを示す軸である。軸ＳＣ３は、定量スコアＳＣ３＿１の大きさを示す軸である。３つの軸ＳＣ１、軸ＳＣ２及び軸ＳＣ３は、互いに直交している。 Figure 4 shows a three-dimensional space formed by axes SC1, SC2, and SC3. Axis SC1 is an axis that indicates the magnitude of quantitative score SC1_1. Axis SC2 is an axis that indicates the magnitude of quantitative score SC2_1. Axis SC3 is an axis that indicates the magnitude of quantitative score SC3_1. The three axes SC1, SC2, and SC3 are perpendicular to each other.
図４の例において、生体状態判定機能１１３は、定量スコアＳＣ１＿１と、定量スコアＳＣ１＿１に対応する相関係数との乗算値Ｒ１´（図示省略）を算出する。また、生体状態判定機能１１３は、定量スコアＳＣ２＿１と、定量スコアＳＣ２＿１に対応する相関係数との乗算値Ｒ２´（図示省略）を算出する。また、生体状態判定機能１１３は、定量スコアＳＣ３＿１と、定量スコアＳＣ３＿１に対応する相関係数との乗算値Ｒ３´（図示省略）を算出する。
In the example of FIG. 4, the biometric
そして、生体状態判定機能１１３は、３次元の座標空間に、点Ｒ´（Ｒ１´，Ｒ２´，Ｒ３´）（図示省略）を配置した場合の、３次元の座標空間の原点Ｏと点Ｒ´との間の距離を算出する。なお、算出された距離は、（Ｒ１´，Ｒ２´，Ｒ３´）を成分とするベクトルの大きさでもある。
Then, the biological
そして、生体状態判定機能１１３は、算出した距離が「０」以上「１」以内の範囲の値となるように、算出した距離を正規化し、正規化された距離Ｄ１を関係度として算出する。なお、図４には、正規化後の距離Ｄ１に対応する点Ｒ（Ｒ１，Ｒ２，Ｒ３）が示されている。点Ｒは、正規化に伴って点Ｒ´の位置が変更されたものである。すなわち、点Ｒは、点Ｒ´に対応する点である
Then, the biometric
ここで、図４において、球ＳＰは、半径１の球である。本実施形態では、点Ｒは、球ＳＰの内部及び表面に位置する。 Here, in FIG. 4, the sphere SP is a sphere with a radius of 1. In this embodiment, the point R is located inside and on the surface of the sphere SP.
そして、図４に示すように、原点Ｏと点Ｒとを結ぶ線分をさらに点Ｒ側から伸ばした線分と球ＳＰの表面との交点を点Ｐとする。このとき、点Ｒと点Ｐとの距離Ｄ２が短いほど、被検体が疾患に罹患している度合いが高くなり、また、疾患の症状が重くなる。 As shown in Figure 4, the intersection point between the line segment connecting the origin O and point R and the surface of the sphere SP and the line segment extended from point R is defined as point P. In this case, the shorter the distance D2 between points R and P, the higher the degree to which the subject is affected by the disease and the more severe the symptoms of the disease.
図４を参照して、生体状態判定機能１１３が、単一の疾患を表す球ＳＰにおいて、被検体の現在の生体状態を示す点Ｒ（Ｒ１，Ｒ２，Ｒ３）がどの位置にあるのかを判定することで、単一の疾患に対する生体状態を判定する場合について説明した。そして、生体状態判定機能１１３は、同様に、他の複数の疾患に対する生体状態についても判定する。すなわち、生体状態判定機能１１３は、全ての疾患Ａ～疾患Ｎのそれぞれに対応する複数の球ＳＰのそれぞれにおいて、被検体の現在の生体状態を示す点がどの位置にあるのかを判定することで、球ＳＰの表面に配置される複数の疾患のそれぞれに対する生体状態を判定する。
With reference to FIG. 4, a case has been described in which the biometric
なお、１つの球ＳＰが、全ての疾患Ａ～疾患Ｎを表していてもよい。例えば、生体状態判定機能１１３は、１つの球ＳＰにおいて、全ての疾患Ａ～疾患Ｎのそれぞれについての関係度に対応する点が、どの位置にあるかを判定することで、全ての疾患Ａ～疾患Ｎのそれぞれに対する生体状態を判定してもよい。
In addition, one sphere SP may represent all of diseases A to N. For example, the biological
図２の説明に戻って、生体状態判定機能１１３は、算出した関係度に基づいて、疾患Ａに対する被検体の生体状態を判定する。例えば、生体状態判定機能１１３は、複数の閾値と関係度とを比較することにより、生体状態を判定する。
Returning to the explanation of FIG. 2, the biometric
例えば、関係度が閾値「０」以上閾値「０．４」未満の範囲内である場合には、被検体が疾患Ａに罹患していないと考えられる。このため、生体状態判定機能１１３は、関係度が閾値「０」以上閾値「０．４」未満の範囲内である場合には、被検体の生体状態が、疾患Ａに罹患していない状態（健康状態）であると判定する。健康状態は、第１の状態の一例である。
For example, if the degree of relationship is within the range of the threshold value "0" or more and less than the threshold value "0.4", it is considered that the subject is not suffering from disease A. Therefore, if the degree of relationship is within the range of the threshold value "0" or more and less than the threshold value "0.4", the biological
また、例えば、関係度が閾値「０．６」以上閾値「０．９」未満の範囲内である場合には、被検体が疾患Ａに罹患しており、また、被検体の疾患Ａの症状が軽症であると考えられる。このため、生体状態判定機能１１３は、関係度が閾値「０．６」以上閾値「０．９」未満の範囲内である場合には、被検体の生体状態が、疾患Ａに罹患しており、疾患Ａの症状が軽症である状態（疾患状態）であると判定する。疾患状態は、第２の状態の一例である。
For example, when the degree of relationship is within the range of the threshold value "0.6" or more and less than the threshold value "0.9", it is considered that the subject is suffering from disease A and that the symptoms of disease A of the subject are mild. Therefore, when the degree of relationship is within the range of the threshold value "0.6" or more and less than the threshold value "0.9", the biological
また、例えば、関係度が閾値「０．４」以上閾値「０．６」未満の範囲内である場合には、被検体の生体状態が、健康状態と疾患状態との間の状態（中間状態）であると考えられる。なお、中間状態とは、例えば、被検体が疾患Ａに罹患していない状態であるものの、上記の「健康状態」よりも疾患状態に移行しやすい状態を指す。このため、生体状態判定機能１１３は、関係度が閾値「０．４」以上閾値「０．６」未満の範囲内である場合には、被検体の生体状態が、中間状態であると判定する。中間状態は、第３の状態の一例である。
For example, when the degree of relationship is within a range of a threshold value of "0.4" or more and less than a threshold value of "0.6", the subject's biological condition is considered to be in a state between a healthy state and a diseased state (an intermediate state). Note that an intermediate state refers to a state in which the subject is not suffering from disease A, but is more likely to transition to a diseased state than the above-mentioned "healthy state". For this reason, when the degree of relationship is within a range of a threshold value of "0.4" or more and less than a threshold value of "0.6", the biological
また、例えば、関係度が閾値「０．９」以上閾値「１．０」以下の範囲内である場合には、被検体が疾患Ａに罹患しており、また、被検体の疾患Ａの症状が重症であるか、若しくは、被検体が死亡していると考えられる。このため、生体状態判定機能１１３は、関係度が閾値「０．９」以上閾値「１．０」以下の範囲内である場合には、被検体の生体状態が、疾患Ａに罹患しており、また、疾患Ａの症状が重症であるか、若しくは、死亡している状態（重症・死亡）であると判定する。重症・死亡は、第４の状態の一例である。
For example, when the degree of relationship is within the range of the threshold value "0.9" or more and the threshold value "1.0" or less, it is considered that the subject is suffering from disease A and that the symptoms of disease A of the subject are severe, or that the subject is deceased. Therefore, when the degree of relationship is within the range of the threshold value "0.9" or more and the threshold value "1.0" or less, the biological
上述した方法により、生体状態判定機能１１３は、複数の定量スコア及び複数の相関係数に基づいて、疾患Ａに対する被検体の生体状態を判定する。より具体的には、生体状態判定機能１１３は、複数の定量スコアと複数の相関係数とに基づいて、被検体と疾患Ａとの関係度を算出し、算出した関係度に基づいて、疾患Ａに対する被検体の生体状態を判定する。そして、生体状態判定機能１１３は、同様の方法により、被検体と疾患Ｂ～疾患Ｎのそれぞれとの関係度を算出し、算出した関係度に基づいて、疾患Ｂ～Ｎのそれぞれに対する被検体の生体状態を判定する。このように、生体状態判定機能１１３は、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報に対する解析により得られた複数の定量スコアに基づいて、疾患Ａ～Ｎのそれぞれに対する被検体の生体状態を判定する。したがって、本実施形態に係る診断支援装置１は、被検体の生体状態を精度良く判定することができる。
By the above-mentioned method, the biological
また、生体状態判定機能１１３は、生体状態判定用データベースＵ１１を用いて、複数の疾患（疾患Ａ～疾患Ｎ）のそれぞれについて判定された生体状態の確からしさを示す総合信頼度を算出する。
The biometric
まず、疾患Ａについて判定された生体状態の確からしさを示す総合信頼度の算出方法の一例について説明する。 First, we will explain an example of a method for calculating the overall reliability that indicates the likelihood of the biological condition determined for disease A.
例えば、取得機能１１２は、生体状態判定用データベースＵ１１から、疾患Ａについて、遺伝子発現・変異情報Ｕ１に対応する相関係数「０．８」を取得する。また、取得機能１１２は、生体状態判定用データベースＵ１１から、取得済みの相関係数「０．８」の確からしさを示す信頼度「Ａ」を取得する。そして、生体状態判定機能１１３は、取得した相関係数「０．８」の絶対値と、取得した信頼度「Ａ」との乗算値ｒ１１を算出する。
For example, the
取得機能１１２は、遺伝子発現・変異情報Ｕ１以外の他の生体情報についても、同様の方法で、他の生体情報と疾患Ａとの相関を示す相関係数と、この相関係数の確からしさを示す信頼度とを取得する。そして、生体状態判定機能１１３は、同様に、取得した相関係数の絶対値と取得した信頼度との乗算値を算出する。
For other biological information other than the gene expression/mutation information U1, the
具体的には、生体状態判定機能１１３は、エピジェネティック環境影響情報Ｕ２に対応する相関係数「０．５」の絶対値と、信頼度「Ｂ」との乗算値ｒ１２を算出する。また、生体状態判定機能１１３は、タンパク質発現情報Ｕ３に対応する相関係数「０．６５」の絶対値と、信頼度「Ａ」との乗算値ｒ１３を算出する。また、生体状態判定機能１１３は、シグナル伝達情報Ｕ４に対応する相関係数「０．２」の絶対値と、信頼度「Ｂ」との乗算値ｒ１４を算出する。
Specifically, the biological
また、生体状態判定機能１１３は、免疫機能情報Ｕ５に対応する相関係数「０．４」の絶対値と、信頼度「Ｂ」との乗算値ｒ１５を算出する。また、生体状態判定機能１１３は、内分泌機能情報Ｕ６に対応する相関係数「０．０１」の絶対値と、信頼度「Ｃ」とのの乗算値ｒ１６を算出する。また、生体状態判定機能１１３は、病理情報Ｕ７に対応する相関係数「０．９」の絶対値と、信頼度「Ａ」との乗算値ｒ１７を算出する。
The biological
また、生体状態判定機能１１３、画像診断情報Ｕ８に対応する相関係数「０．３」の絶対値と、信頼度「Ｂ」との乗算値ｒ１８を算出する。また、生体状態判定機能１１３は、生理学的情報Ｕ９に対応する相関係数「０．０」の絶対値と、信頼度「Ｃ」との乗算値ｒ１９を算出する。また、生体状態判定機能１１３は、身体所見・病状情報Ｕ１０に対応する相関係数「０．１」の絶対値と、信頼度「Ｂ」との乗算値ｒ２０を算出する。
The biometric
そして、生体状態判定機能１１３は、下記の式（１）に従って、１０個の乗算値ｒ１１～ｒ２０の和Ｑを総合信頼度として算出する。
Ｑ＝ｒ１１＋ｒ１２＋ｒ１３＋ｒ１４＋ｒ１５＋ｒ１６＋ｒ１７＋ｒ１８＋ｒ１９＋ｒ２０ …（１）
Then, the biological
Q = r11 + r12 + r13 + r14 + r15 + r16 + r17 + r18 + r19 + r20 ... (1)
なお、生体状態判定機能１１３は、和Ｑをそのまま総合信頼度として用いてもよいし、和ＱをＡ～Ｅの複数段階のうちのいずれかの段階に正規化した値を、総合信頼度として用いてもよい。例えば、総合信頼度「Ａ」は、総合信頼度「Ｂ」よりも信頼度が高く、総合信頼度「Ｂ」は、総合信頼度「Ｃ」よりも信頼度が高い。また、総合信頼度「Ｃ」は、総合信頼度「Ｄ」よりも信頼度が高く、総合信頼度「Ｄ」は、総合信頼度「Ｅ」よりも信頼度が高い。なお、総合信頼度「Ａ」、「Ｂ」、「Ｃ」、「Ｄ」、「Ｅ」は、数値を示す。例えば、総合信頼度「Ａ」は、「１．０」であり、総合信頼度「Ｂ」は、「０．８」であり、総合信頼度「Ｃ」は、「０．６」である。また、例えば、総合信頼度「Ｄ」は、「０．４」であり、総合信頼度「Ｅ」は、「０．２」である。
The biological
上述した方法により、生体状態判定機能１１３は、複数の信頼度及び複数の相関係数に基づいて、疾患Ａについて判定された生体状態の確からしさを示す総合信頼度を算出する。そして、生体状態判定機能１１３は、同様の方法により、疾患Ｂ～疾患Ｎのそれぞれについて判定された生体状態の確からしさを示す総合信頼度を算出する。
By the above-mentioned method, the biometric
表示制御機能１１４は、複数の疾患Ａ～疾患Ｎのそれぞれについて算出された関係度及び総合信頼度、及び、複数の疾患Ａ～疾患Ｎのそれぞれについて判定された生体状態をディスプレイ１４に表示させる。
The
図５は、第１の実施形態に係る関係度及び総合信頼度の表示の一例を示す図である。 Figure 5 shows an example of the display of the relationship level and overall reliability level according to the first embodiment.
例えば、図５に示すように、表示制御機能１１４は、疾患Ａについて関係度「０．７５」と疾患状態とを対応付けて、ディスプレイ１４の表示領域１４ａに表示させる。これにより、操作者は、疾患Ａについての被検体の生体状態が、疾患状態であることを容易に判断することができる。
For example, as shown in FIG. 5, the
また、表示制御機能１１４は、疾患Ｎについて関係度「０．８６」と疾患状態とを対応付けて、ディスプレイ１４の表示領域１４ａに表示させる。これにより、操作者は、疾患Ｎについての被検体の生体状態が、疾患状態であることを容易に判断することができる。
The
なお、図５の例では、疾患Ｂ～疾患Ｍについて、関係度及び生体状態の図示が省略されているが、疾患Ａ及び疾患Ｎと同様に、判定された生体状態と算出された関係度とが対応付けられて表示領域１４ａに表示される。
In the example of FIG. 5, the relationship degree and biological condition are not shown for diseases B to M, but as with diseases A and N, the determined biological condition and the calculated relationship degree are associated and displayed in the
このように、被検体の現在の生体状態が、疾患Ａ～疾患Ｎのそれぞれにどの程度近いかを可視化される。これにより、操作者は、関係度を低減させるように健康アドバイスや支援を被検体に対して行うことができる。 In this way, the degree to which the subject's current biological condition is similar to each of Diseases A through N is visualized. This allows the operator to provide health advice and support to the subject to reduce the degree of association.
本実施形態では、上述したように、診断支援装置１は、被検体の生体状態を精度良く判定することができる。そして、診断支援装置１は、精度良く判定された生体状態をディスプレイ１４に表示させる。したがって、診断支援装置１は、疾患についての診断を操作者に精度良く行わせることができる。
In this embodiment, as described above, the
また、例えば、図５に示すように、表示制御機能１１４は、疾患Ａについての総合信頼度「Ｃ」を、ディスプレイ１４の表示領域１４ａに表示させる。これにより、操作者は、疾患Ａについて判定された「疾患状態」の確からしさが、「Ｃ」であることを把握することができる。
For example, as shown in FIG. 5, the
また、表示制御機能１１４は、疾患Ｎについての総合信頼度「Ｅ」を、ディスプレイ１４の表示領域１４ａに表示させる。これにより、操作者は、疾患Ｎについて判定された「疾患状態」の確からしさが、「Ｅ」であることを把握することができる。
The
なお、図５の例では、疾患Ｂ～疾患Ｍについて、総合信頼度の図示が省略されているが、疾患Ａ及び疾患Ｎと同様に、総合信頼度が表示領域１４ａに表示される。
In the example of FIG. 5, the illustration of the overall reliability is omitted for diseases B to M, but the overall reliability is displayed in the
このように、本実施形態に係る診断支援装置１は、判定された生体状態の確からしさを示す総合信頼度を疾患ごとに表示する。したがって、本実施形態に係る診断支援装置１によれば、判定された生体状態の確からしさを操作者に把握させることができる。この結果、例えば、操作者は、総合信頼度に応じて、追加の検査の実施等が必要かどうかを判断することができる。
In this way, the
図６は、診断支援装置の動作をフローチャートとして示す図である。図６において、「ＳＴ」に数字を付した符号はフローチャートの各ステップを示す。例えば、図６に示す処理は、入力インターフェース１３を介して、操作者が生体状態を判定するための指示を処理回路１１に入力した場合に実行される。
Figure 6 is a diagram showing the operation of the diagnosis support device as a flowchart. In Figure 6, the symbols "ST" followed by numbers indicate each step of the flowchart. For example, the process shown in Figure 6 is executed when an operator inputs an instruction to determine the biological condition to the
図６に示すように、スコア算出機能１１１は、記憶回路１２に記憶された複数種類の生体情報のそれぞれに対して、定量スコアを算出する（ステップＳＴ１）。そして、生体状態判定機能１１３は、疾患Ａ～疾患Ｎのそれぞれについて、複数の定量スコアと複数の相関係数とを用いて関係度を算出し、関係度に基づいて生体状態を判定する（ステップＳＴ２）。
As shown in FIG. 6, the
そして、生体状態判定機能１１３は、疾患Ａ～疾患Ｎのそれぞれについて、複数の相関係数及び複数の信頼度を用いて総合信頼度を算出する（ステップＳＴ３）。そして、表示制御機能１１４は、疾患Ａ～疾患Ｎのそれぞれについて、生体状態、関係度及び総合信頼度をディスプレイ１４に表示させ（ステップＳＴ４）、処理を終了する。例えば、ステップＳＴ４では、表示制御機能１１４は、上述したように、判定された生体状態と、関係度とを対応付けてディスプレイ１４に表示させる。
Then, the biometric
以上、第１の実施形態に係る診断支援装置１について説明した。第１の実施形態に係る診断支援装置１によれば、上述したように、被検体の生体状態を精度良く判定することができる。
The above describes the
（第１の実施形態の変形例１）
上述した実施形態では、生体状態判定機能１１３が、疾患Ａ～疾患Ｎのそれぞれについて、健康状態と、中間状態と、疾患状態と、重症・死亡との４つの生体状態のうち、いずれの生体状態であるのかを判定する場合について説明した。しかしながら、生体状態判定機能１１３による生体状態の判定方法は、これに限られない。そこで、変形例１では、生体状態判定機能１１３による生体状態の他の判定方法の一例について説明する。
(
In the above-described embodiment, the case has been described in which the biometric
例えば、変形例１に係る生体状態判定機能１１３は、少なくとも、健康状態と、中間状態と、疾患状態とのうち、いずれの生体状態であるのかを判定すればよい。すなわち、生体状態判定機能１１３は、明らかに重体でない被検体に対しては、重症・死亡の判定を行わないようにしてもよい。
For example, the biological
変形例１によれば、重症・死亡の判定を行わない分、生体状態の判定処理の負荷を軽減することができる。また、変形例１によれば、第１の実施形態と同様の効果を奏することができる。 According to the first modification, the burden of the biological condition determination process can be reduced by not determining whether the patient is seriously ill or dead. Furthermore, according to the first modification, the same effect as the first embodiment can be achieved.
（第１の実施形態の変形例２）
また、上述した第１の実施形態では、生体状態判定機能１１３が、疾患ごとに、１０個の相関係数を用いて、生体状態を判定する場合について説明した。しかしながら、生体状態判定機能１１３は、疾患ごとに、１０個の相関係数のうち、特定の信頼度以上の信頼度に対応する相関係数を用いて生体状態を判定してもよい。そこで、このような変形例を第１の実施形態の変形例２として説明する。なお、変形例２の説明では、第１の実施形態と異なる点を主に説明する。
(Modification 2 of the First Embodiment)
In the above-described first embodiment, the biometric
以下、信頼度「Ａ」が「１．０」であり、信頼度「Ｂ」が「０．７」であり、信頼度「Ｃ」が「０．３」であり、特定の信頼度が「０．８」である場合について説明する。この場合、複数の信頼度「Ａ」、「Ｂ」、「Ｃ」のうち、特定の信頼度「０．８」以上の信頼度は、信頼度「Ａ」である。変形例２では、生体状態判定機能１１３は、信頼度「Ａ」に対応する相関係数を用いて、疾患Ａ～疾患Ｎのそれぞれについての生体状態を判定する。
The following describes a case where reliability "A" is "1.0", reliability "B" is "0.7", reliability "C" is "0.3", and the specific reliability is "0.8". In this case, among the multiple reliability levels "A", "B", and "C", the reliability level that is equal to or higher than the specific reliability level "0.8" is reliability "A". In the second modification, the biological
例えば、生体状態判定機能１１３は、疾患Ａについての生体状態を判定する場合、図２に示す生体状態判定用データベースＵ１１の中から、信頼度「Ａ」に対応する相関係数を用いる。例えば、生体状態判定機能１１３は、上から順に、信頼度「Ａ」に対応する相関係数「０．８」、信頼度「Ａ」に対応する相関係数「０．６５」、信頼度「Ａ」に対応する相関係数「０．９」を用いる。すなわち、生体状態判定機能１１３は、３次元の座標空間に、点ｒ´（ｒ１，ｒ３，ｒ７）を配置した場合の、３次元の座標空間の原点Ｏと点ｒ´との間の距離を算出する。なお、算出された距離は、（ｒ１，ｒ３，ｒ７）を成分とするベクトルの大きさでもある。
For example, when determining the biological condition for disease A, the biological
そして、生体状態判定機能１１３は、第１の実施形態と同様に、算出した距離が「０」以上「１」以内の範囲の値となるように、算出した距離を正規化し、正規化された距離を関係度として算出する。そして、生体状態判定機能１１３は、第１の実施形態と同様に、算出された関係度に基づいて、疾患Ａについての生体状態を判定する。そして、生体状態判定機能１１３は、同様の方法で、疾患Ｂ～疾患Ｎのそれぞれについての生体状態を判定する。
Then, the biometric
変形例２によれば、診断支援装置１は、特定の信頼度以上の信頼度に対応する相関係数を用いて、生体状態を判定する。したがって、変形例２に係る診断支援装置１によれば、被検体の生体状態をさらに精度良く判定することができる。
According to the second modification, the
（第１の実施形態の変形例３）
上述した第１の実施形態では、生体状態判定機能１１３が、図５に示す複数の閾値「０．４」、「０．６」及び「０．９」と、関係度とを比較することにより、疾患Ａに対する生体状態を判定する場合について説明した。ここで、例えば、図５において、疾患Ａについての関係度が「０．３９」である場合、被検体の生体状態が健康状態であると判定されるものの、中間状態に移行しやすい状態でもある。他の生体状態においても同様である。また、他の疾患においても同様である。すなわち、閾値と関係度との差の絶対値が特定の値（例えば、０．２）以下である場合には、被検体は、生体状態判定機能１１３により判定された生体状態とは異なる生体状態に移行しやすい状態である。
(Modification 3 of the first embodiment)
In the above-mentioned first embodiment, the biometric
そこで、変形例３では、生体状態判定機能１１３は、第１の実施形態と同様の処理を行うとともに、判定された生体状態とは異なる生体状態に移行しやすい状態であることを操作者に把握させるために、以下に説明する処理を実行する。なお、変形例３の説明では、第１の実施形態と異なる点を主に説明する。
In the third modified example, the biometric
例えば、生体状態判定機能１１３は、複数の閾値のそれぞれと、関係度との差の絶対値を算出する。これにより、複数の差の絶対値が算出される。そして、生体状態判定機能１１３は、複数の差の絶対値のそれぞれが、特定の値以下であるか否かを判定する。そして、生体状態判定機能１１３は、複数の差の絶対値のうち、少なくとも１つの絶対値が特定の値以下であると判定された場合には、判定された生体状態とは異なる生体状態に移行しやすい状態であることを示す情報を警告情報としてディスプレイ１４に表示させる。すなわち、生体状態判定機能１１３は、複数の閾値のうち少なくとも１つの閾値と関係度との差の絶対値が特定の値以下である場合には、警告情報をディスプレイ１４に表示させる。これにより、操作者は、判定された生体状態とは異なる生体状態に移行しやすい状態であることを把握することができる。
For example, the biometric
図７は、第１の実施形態の変形例３に係る警告情報の一例を示す図である。 Figure 7 shows an example of warning information related to variant 3 of the first embodiment.
図７に例示するように、閾値「０．６」と関係度「０．５８」との差の絶対値が、特定の値以下である場合に、生体状態判定機能１１３は、警告情報として、テキストデータ「疾患状態に近い中間状態です」を生成し、生成したテキストデータをディスプレイ１４の表示領域１４ａに表示させる。これにより、操作者は、判定された中間状態とは異なる疾患状態に移行しやすい状態であることを把握することができる。
As shown in FIG. 7, when the absolute value of the difference between the threshold value "0.6" and the degree of relationship "0.58" is equal to or less than a specific value, the biological
ここで、特に、慢性疾患及びがんでは、正常な状態を維持しようとする恒常性（Homeostasis）の維持が重要である。一般的に、生体システムは、生命活動を維持するために、冗長性と安定性を有する維持機構を有している。例えば、医師が被検体に対して一見して同じ状態と判断できる状態でも、実際には、真に問題が無く健康な状態で維持されている状態と、維持機構が最大限働いて何とか機能を維持している状態とがある。 Here, especially in chronic diseases and cancer, it is important to maintain homeostasis, which seeks to maintain a normal state. Generally, biological systems have maintenance mechanisms that are redundant and stable in order to maintain vital activities. For example, even when a doctor sees a subject in a state that appears to be the same at first glance, there are actually two states: one in which the subject is truly in a healthy state without any problems, and another in which the maintenance mechanisms are working to their full potential to somehow maintain function.
生体の状態及び機能の実現には、複数の冗長経路を有した複雑なシステム（冗長機構）が用いられている。この冗長機構は、恒常性の維持に寄与している一方で、破綻寸前まで状態及び機能を維持しようとすることが多く、疾患の悪化を進める方向に働く。このため、詳細な状態を精度良く判定することが重要となる。 Complex systems with multiple redundant pathways (redundant mechanisms) are used to maintain the state and functions of the living body. While these redundant mechanisms contribute to maintaining homeostasis, they often attempt to maintain the state and function to the brink of breakdown, which can lead to the deterioration of disease. For this reason, it is important to accurately determine detailed conditions.
変形例３では、例えば、被検体の生体状態が疾患状態と判定されても、疾患状態と重症・死亡との境界を示す閾値と、関係度との差の絶対値が、特定の値以下である場合には、重症・死亡に移行しやすい状態であることを操作者が把握することができる。すなわち、維持機構が最大限働いて何とか機能を維持している情報を操作者は把握することができる。 In the third modification, for example, even if the biological condition of the subject is judged to be a diseased state, if the absolute value of the difference between the threshold indicating the boundary between the diseased state and serious condition/death and the degree of relationship is equal to or less than a specific value, the operator can understand that the state is likely to progress to serious condition/death. In other words, the operator can understand that the maintenance mechanism is working to its maximum extent to somehow maintain function.
（第２の実施形態）
第２の実施形態では、定量スコアを用いずに、生体状態を判定する。そのため、第２の実施形態では、処理回路１１は、図２に示すスコア算出機能１１１を備えずに、取得機能１１２と、生体状態判定機能１１３と、表示制御機能１１４とを備える。そして、取得機能１１２は、定量スコアを取得する必要はない。
Second Embodiment
In the second embodiment, the biological condition is determined without using a quantitative score. Therefore, in the second embodiment, the
第２の実施形態では、生体状態判定機能１１３は、状態方程式と観測方程式とを用いて、生体状態を推定する。
In the second embodiment, the biological
第２の実施形態では、例えば、被検体の現在の生体状態の推定には、離散的な誤差のある観測から、時々刻々と時間変化する量を推定するのに適するカルマンフィルターを、生体という非線形動的システムに応用した状態空間モデルを応用した例を説明する。例えば、過去のデータから未来を予測する時系列分析では、過去のデータが時系列に存在しない又は欠損値がある場合は、予測ができない又は予測精度が大きく劣化する。しかしながら、離散的なデータしか存在しない場合もあるし、観測した結果と実際の状態とが整合しない場合もある。第２の実施形態では、状態方程式と観測方程式とに分けてモデル化し、観測値を推定するとともに、実測値がある部分に関しては、予測水準に反映するという柔軟なモデルを構築する。なお、状態方程式については、マルコフ性を仮定する。 In the second embodiment, for example, a state space model is applied to a nonlinear dynamic system, such as a living body, to estimate the current biological state of a subject, using a Kalman filter, which is suitable for estimating quantities that change over time from observations with discrete errors, to estimate the current biological state of a subject. For example, in time series analysis that predicts the future from past data, if past data does not exist in the time series or if there are missing values, prediction is not possible or prediction accuracy is greatly degraded. However, there are cases where only discrete data exists, and there are cases where the observed results do not match the actual state. In the second embodiment, a flexible model is constructed in which the model is divided into a state equation and an observation equation, the observed values are estimated, and the parts with actual measured values are reflected in the prediction level. Note that the Markov property is assumed for the state equation.
図８は、第２の実施形態における生体状態の推定方法の一例を説明するための図である。 Figure 8 is a diagram illustrating an example of a method for estimating a biological state in the second embodiment.
図８は、状態空間モデルを概念的に示したものである。第２の実施形態では、生体状態判定機能１１３は、以下の状態方程式（２）と観測方程式（３）とを用いて、図８に示すように、現在の時刻ｔにおける被検体の生体状態Ｓｔと観測値Ｄｔとを推定する。
Ｓｔ＝Ｇ（Ｓｔ－１，ａｔ，ｕｔ） …（２）
Ｄｔ＝Ｆ（Ｄｔ－１，ｂｔ，ｗｔ） …（３）
Fig. 8 conceptually illustrates the state space model. In the second embodiment, the biological
S t = G (S t-1 , a t , u t ) ... (2)
Dt = F (Dt -1 , bt , wt ) ... (3)
上述の状態方程式（２）において、「Ｓｔ－１」は、現在の時刻ｔから１ステップ前の時刻ｔ－１における被検体の生体状態を示す変数である。「ａｔ」は、現在の時刻ｔの説明変数である。「ｕｔ」は、現在の時刻ｔのシステムノイズ及び生体のゆらぎ（以下、単に「システムノイズ」という）を示す変数である。 In the above-mentioned state equation (2), "S t-1 " is a variable indicating the biological state of the subject at time t-1, which is one step before the current time t. "a t " is an explanatory variable for the current time t. "u t " is a variable indicating the system noise and biological fluctuations (hereinafter simply referred to as "system noise") at the current time t.
例えば、本実施形態では、４つの生体状態（健康状態、中間状態、疾患状態、重症・死亡）のそれぞれが数値化されて用いられる。したがって、「Ｓｔ－１」と「Ｓｔ」とは、数値として扱われる。「Ｇ」は、「Ｓｔ－１」と、「ａｔ」と、「ｕｔ」とを用いて、現在の時刻の被検体の生体状態Ｓｔを出力する関数である。また、初期値Ｓ０は、操作者により入力インターフェース１３を介して処理回路１１に入力されて、生体状態判定機能１１３により記憶回路１２に記憶される。
For example, in this embodiment, each of the four biological conditions (healthy condition, intermediate condition, diseased condition, severe condition/death) is quantified and used. Therefore, "S t-1 " and "S t " are treated as numerical values. "G" is a function that uses "S t-1 ", "a t ", and "u t " to output the biological condition S t of the subject at the current time. In addition, the initial value S 0 is input by the operator to the
上述の観測方程式（３）において、観測値Ｄｔは、現在の時刻ｔにおける被検体の生体情報を示す変数である。例えば、観測値Ｄｔは、血液検査により得られた「ＨｂＡ１ｃ」を示す生体情報である。「Ｄｔ－１」は、「Ｓｔ」である。「ｂｔ」は、現在の時刻ｔにおける説明変数である。「ｗｔ」は、現在の時刻ｔにおける観測ノイズを示す変数である。「Ｆ」は、「Ｄｔ－１」と、「ｂｔ」と、「ｗｔ」とを用いて、観測値Ｄｔを出力する関数である。 In the above observation equation (3), the observed value D t is a variable indicating the biological information of the subject at the current time t. For example, the observed value D t is biological information indicating "HbA1c" obtained by a blood test. "D t-1 " is "S t ". "b t " is an explanatory variable at the current time t. "w t " is a variable indicating the observation noise at the current time t. "F" is a function that outputs the observed value D t using "D t-1 ", "b t ", and "w t ".
図８に示すように、観測できない状態をモデルに組み込むことで、より複雑な生体状態の時系列モデルを構築することができる。また、生体状態判定機能１１３は、過去の生体状態に基づく現在の生体状態を、現在の観測値を基に補正し、より精度の高い現在の生体状態を判定することが可能となる。
As shown in FIG. 8, by incorporating unobservable states into the model, a more complex time series model of the biological state can be constructed. In addition, the biological
例えば、生体状態判定機能１１３は、次の式（４）を用いて、より精度の高い、補正された現在の時刻の生体状態ＳＡを推定する。
ＳＡ＝ＳＲ＋Ｋ（ＤＲ－ＤＰ） …（４）
For example, the biometric
S A = S R + K ( D R - D P ) ... (4)
上記式（４）において、「ＳＡ」は、補正された現在の時刻における被検体の生体状態を示す変数である。「ＳＢ」は、補正前の現在の時刻における被検体の生体状態を示す変数である。「Ｋ」は、カルマンゲインである。「ＤＲ」は、実際の観測値である。すなわち、「ＤＲ」は、実際の血液検査により得られた現在の時刻の「ＨｂＡ１ｃ」を示す生体情報である。「ＤＰ」は、予測された観測値である。すなわち、「ＤＰ」は、上記の観測方程式（３）により予測された現在の時刻の「ＨｂＡ１ｃ」を示す生体情報である。 In the above equation (4), "S A " is a variable indicating the corrected biological condition of the subject at the current time. "S B " is a variable indicating the biological condition of the subject at the current time before correction. "K" is the Kalman gain. "D R " is the actual observed value. In other words, "D R " is biological information indicating "HbA1c" at the current time obtained by an actual blood test. "D P " is a predicted observed value. In other words, "D P " is biological information indicating "HbA1c" at the current time predicted by the above observation equation (3).
生体状態判定機能１１３は、上記式（４）を用いて、現在の生体状態を補正することにより、より精度の高い現在の生体状態を判定することができる。
The biometric
そして、生体状態判定機能１１３は、現在の生体状態を、複数の定量スコアに対して整合をとるようにさらに補正し、その状態から他の観測していない欠損値に対しても統計的に推定することで、観測・非観測を問わず、現在の時刻の生体状態が確定する。
Then, the biometric
現在の時刻の生体状態が、病気の状態（疾患状態及び重症・死亡）であれば、操作者は、確定診断を行ったり、総合信頼度が低ければ、追加の検査等を行うか否かの判断を行ったりする。 If the biological condition at the current time is a diseased state (disease state, serious condition, or death), the operator will make a definitive diagnosis, or if the overall reliability is low, will decide whether to conduct additional tests, etc.
以上、第２の実施形態に係る診断支援装置１について説明した。第２の実施形態に係る診断支援装置１は、状態方程式と観測法定式とを用いて、被検体の生体状態を精度良く判定することができる。
The above describes the
（第３の実施形態）
第１の実施形態では、生体状態判定機能１１３が、疾患ごとに、１０個の定量スコアと、１０個の相関係数とを用いて関係度を算出する場合について説明した。しかしながら、生体状態判定機能１１３は、１０個の相関係数の代わりに、学習済みモデルを用いて、１０個の定量スコアから、関係度を導出してもよい。そこで、このような実施形態を第３の実施形態として説明する。
Third Embodiment
In the first embodiment, the case where the biometric
第３の実施形態では、記憶回路１２に、疾患Ａ～疾患Ｎのそれぞれに対応する学習済みモデルが記憶されている。すなわち、記憶回路１２には、１４個の学習済みモデルが記憶されている。学習済みモデルは、１０個の定量スコアの入力を受けて、生体状態を出力する。
In the third embodiment, the
例えば、疾患Ａに対応する学習済みモデルは、診断支援装置１で生成されてもよいし、診断支援装置１以外の装置で生成されてもよい。以下、診断支援装置１以外の装置が、疾患Ａに対応する学習済みモデルを生成する場合について説明する。以下の説明では、このような装置を、学習済みモデル生成装置と表記する。
For example, the trained model corresponding to disease A may be generated by the
学習済みモデル生成装置は、被検体の複数の生体情報の組み合わせと、疾患Ａに対する生体状態との関係を学習することによって、疾患Ａに対応する学習済みモデルを生成する。ここで、複数の生体情報とは、遺伝子発現・変異情報Ｕ１～Ｕ１０のうち少なくとも２つ以上である。 The trained model generation device generates a trained model corresponding to disease A by learning the relationship between a combination of multiple pieces of biological information of the subject and the biological state for disease A. Here, the multiple pieces of biological information are at least two or more of the gene expression/mutation information U1 to U10.
例えば、学習済みモデル生成装置は、上記組み合わせと生体状態の組を学習用データ（教師データ）として機械学習エンジンに入力することによって、機械学習を行う。 For example, the trained model generation device performs machine learning by inputting the above combinations and biological states as training data (teacher data) into a machine learning engine.
このような機械学習の結果として、学習済みモデル生成装置は、上記組み合わせの入力に対して、生体状態を出力する学習済みモデルを生成する。このように、学習済みモデル生成装置は、被検体の遺伝子レベルから人体レベルまでの包括的な複数種類の生体情報を用いて学習済みモデルを生成する。このため、学習済みモデル生成装置は、精度の良い生体状態を出力する学習済みモデルを生成することができる。そして、学習済みモデル生成装置は、生成した学習済みモデルを、図示しないネットワークを介して、診断支援装置１に送信する。診断支援装置１は、受信した学習済みモデルを記憶回路１２に記憶させる。
As a result of this machine learning, the trained model generation device generates a trained model that outputs a biological state for the above combination of inputs. In this way, the trained model generation device generates a trained model using multiple types of comprehensive biological information from the subject's genetic level to the human body level. As a result, the trained model generation device can generate a trained model that outputs a biological state with high accuracy. The trained model generation device then transmits the generated trained model to the
そして、診断支援装置１の生体状態判定機能１１３は、疾患Ａに対応する学習済みモデルに１０個の定量スコアを入力することで、生体情報を導出する。生体状態判定機能１１３は、同様の方法で、疾患Ｂ～疾患Ｎのそれぞれに対応する学習済みモデルに１０個の定量スコアを入力することで、疾患Ｂ～疾患Ｎのそれぞれについての生体情報を導出する。
Then, the biometric
以上、第３の実施形態に係る診断支援装置１について説明した。第３の実施形態に係る診断支援装置１は、学習済みモデルを用いて、被検体の生体状態を精度良く判定することができる。
The above describes the
（第４の実施形態）
第４の実施形態は、前述の第２の実施形態の追加機能として位置づけられる。第４の実施形態では、処理回路１１の生体状態判定機能１１３が、被検体の情報Ｕ１～Ｕ１０に基づいて疾患に対する被検体の生体状態の変化を算出するとともに、被検体の生体状態の変化と生活習慣・環境情報の変化とに基づいて、所定の被検体固有の観測値の正常範囲を算出するものである。
Fourth Embodiment
The fourth embodiment is an additional function of the second embodiment. In the fourth embodiment, the biological
なお、第４の実施形態に係る診断支援装置１Ａの概略構成は、図１に示すものと同等であるので、説明を省略する。
The schematic configuration of the
図９は、第４の実施形態に係る診断支援装置１Ａの機能を示すブロック図である。
Figure 9 is a block diagram showing the functions of a
処理回路１１がプログラムを実行することによって、診断支援装置１は、取得機能１１２と、生体状態判定機能１１３と、表示制御機能１１４と、正常範囲算出機能１１５とを実現する。なお、機能１１２～１１５の全部又は一部は、診断支援装置１ＡにＡＳＩＣ等の回路の機能として実現されるものであってもよい。正常範囲算出機能１１５は、算出部の一例である。取得機能１１２と、生体状態判定機能１１３と、表示制御機能１１４と、正常範囲算出機能１１５とについては後述する。
When the
ここで、例えば、処理回路１１の構成要素である機能１１２～１１５は、コンピュータによって実行可能なプログラムの形態で記憶回路１２に記憶されている。処理回路１１は、各プログラムを記憶回路１２から読み出し、読み出した各プログラムを実行することで各プログラムに対応する機能を実現する。換言すると、各プログラムを読み出した状態の処理回路１１は、処理回路１１内に示された機能１１２～１１５を有することとなる。
Here, for example, functions 112 to 115, which are components of
なお、機能１１２～１１５の全ての処理機能がコンピュータによって実行可能な１つのプログラムの形態で、記憶回路１２に記憶されていてもよい。例えば、このようなプログラムは、診断支援プログラムとも称される。この場合、処理回路１１は、診断支援プログラムを記憶回路１２から読み出し、読み出した診断支援プログラムを実行することで診断支援プログラムに対応する機能１１２～１１５を実現する。
All of the processing functions of
記憶回路１２は、所定の被検体に関する情報Ｕ１～Ｕ１０のうち複数種類の生体情報を被検体ごとに記憶する。加えて、記憶回路１２は、生活習慣情報及び環境情報のうち少なくとも一方を示す情報（以下、「生活習慣・環境情報」という）Ｕ１２を被検体ごとに記憶する。
The
情報Ｕ１～Ｕ１０と、生体状態判定用データベースＵ１１とについては第１の実施形態で説明したとおりである。生活習慣・環境情報Ｕ１２は、例えば、診断対象の被検体の、食事における塩分摂取量や、投薬における薬効等である。例えば、生活習慣・環境情報Ｕ１２は、記憶回路１２に記憶される。
The information U1 to U10 and the biological condition determination database U11 are as described in the first embodiment. The lifestyle and environment information U12 is, for example, the salt intake in the diet of the subject to be diagnosed, or the efficacy of medication. For example, the lifestyle and environment information U12 is stored in the
取得機能１１２は、所定の被検体に関する情報Ｕ１～Ｕ１０のうち複数種類の生体情報と、生活習慣・環境情報Ｕ１２とを取得する。
The
生体状態判定機能１１３は、取得機能１１２によって取得された、所定の被検体における複数種類の生体情報に対する解析により得られた複数の解析結果に基づいて、疾患に対する所定の被検体の生体状態を判定し、また、生体状態の変化を判定する。生体状態の変化は、異なる時間的で判定された複数の生体状態間の差を意味する。例えば、生体状態の変化は、時刻ｔの生体状態Ｓｔの、前の時刻ｔ－１の生体状態Ｓｔ－１との差「△Ｓｔ」である。時刻ｔにおける所定の被検体の生体状態Ｓｔは、上記式（２）から算出される。また、生体状態判定機能１１３は、生体状態の移行に関する状態移行シミュレーションにより、所定の被検体の過去の生活習慣・環境情報の変化に基づいて、将来における所定の被検体の生体状態の変化を推定することもできる。生体状態判定機能１１３は、個別化パラメータを反映した状態移行シミュレーションにおいて（例えば、上記式（２），（３））、所定の被検体に関する過去の生活習慣・環境情報の変化に基づく、ある環境変化に対する被検体個々の堅牢性スコアに基づいて将来の生体状態の変化を推定し、予測に使用する将来の個別化パラメータを修正し、修正後の個別化パラメータを用いた状態移行シミュレーションによる予測を行うことも可能である。個別化パラメータとは、前述の説明変数、システムノイズ、観測ノイズ等を意味する。
The biological
又は、時刻ｔの生体状態Ｓｔは、別の方法で判定することも可能である。例えば、取得機能１１２は、センサによる被検体の観測値と、生活習慣情報及び環境情報のうち少なくとも一方を含む生活習慣・環境情報とを被検体ごとに記憶する記憶回路１２から、所定の被検体における観測値と生活習慣・環境情報とを取得する。そして、生体状態判定機能１１３は、取得機能１１２によって取得された、所定の被検体における観測値と生活習慣・環境情報とに基づいて、疾患に対する前記所定の被検体の生体状態を判定する。その場合、時刻ｔにおける所定の被検体の生体状態Ｓｔは、時刻ｔにおける生活習慣・環境情報Ｃｔと観測値Ｄｔとから、次の式（５）から算出される。
Ｓｔ＝ｆ（Ｃｔ，Ｄｔ） …（５）
Alternatively, the biological state S t at time t can be determined by another method. For example, the
S t = f (C t , D t ) ... (5)
図１０は、疾患に対する所定の被検体の生体状態の一例を示す図である。 Figure 10 shows an example of the biological condition of a specific subject with respect to a disease.
図１０は、複数の疾患（例えば、疾患Ａ～Ｃ，Ｎ）が球表面に配置された中で、時刻ｔにおける所定の被検体の生体状態Ｓｔがどこに位置するかを示す状態配置図である。所定の被検体の生体状態Ｓｔは、全ての疾患からの距離により球の内部の所定位置に一意に決まるものである。なお、生体状態Ｓｔが球の中心が、いずれの疾患とも相関「０」の位置である。各疾患からの距離が相関係数（－１～１）を示し、半径より近づけばプラス側、遠ざかればマイナスの相関を意味する。例えば、図１０に示す例では、所定の被検体の生体状態Ｓｔは、疾患Ａには近いが、疾患Ｎからは遠い状態であることを意味する。 FIG. 10 is a state layout diagram showing where the biological state S t of a given subject at time t is located among a plurality of diseases (e.g., diseases A to C, N) arranged on the surface of a sphere. The biological state S t of a given subject is uniquely determined at a given position inside the sphere depending on the distance from all diseases. The center of the sphere is the position where the biological state S t has a correlation of "0" with all diseases. The distance from each disease indicates a correlation coefficient (-1 to 1), and closer than the radius means a positive correlation, and farther away means a negative correlation. For example, in the example shown in FIG. 10, the biological state S t of a given subject means a state close to disease A but far from disease N.
図９の説明に戻って、正常範囲算出機能１１５は、生体状態判定機能１１３によって評価された所定の被検体の生体状態の変化と、取得機能１１２によって取得された生活習慣・環境情報の変化とに基づいて、所定の被検体の生活習慣・環境情報における、所定の被検体の観測値の正常範囲を算出する。生活習慣・環境情報の変化は、異なる時間的で取得された複数の生活習慣・環境情報間の差を意味する。例えば、生活習慣・環境情報の変化は、時刻ｔの生活習慣・環境情報Ｃｔの、前の時刻ｔ－１の生活習慣・環境情報Ｃｔ－１との差「△Ｃｔ」である。
Returning to the explanation of Fig. 9, the normal
例えば、正常範囲算出機能１１５は、生活習慣・環境情報の変化に対する生体状態の変化の割合（△Ｓｔ／△Ｃｔ）に基づいて、所定の被検体における、生活習慣・環境情報の変化に対するロバスト性をスコア化して堅牢性スコアを得る。そして、正常範囲算出機能１１５は、堅牢性スコアに基づいて、所定の被検体の観測値Ｄｔの正常範囲を算出する。例えば、複数の時刻において所定の被検体に係る複数の堅牢性スコアが算出されるので、正常範囲算出機能１１５は、それらの堅牢性スコアのバラツキ（標準偏差又は分散）から観測値Ｄｔの正常範囲を算出すればよい。
For example, the normal
表示制御機能１１４は、正常範囲算出機能１１５によって算出された所定の被検体固有の観測値の正常範囲を、所定の被検体の観測値とともにディスプレイ１４に表示することができる。また、表示制御機能１１４は、所定の被検体の観測値の正常範囲と、将来の生活習慣・環境情報に基づく観測値とをディスプレイ１４に表示することもできる。
The
図１１は、正常範囲の表示例を示す図である。 Figure 11 shows an example of the normal range.
図１１は、所定の被検体の観測値Ｄｔの時間変化と、正常範囲とを示す。時刻ｔにおいて被検体の観測値の正常範囲が算出される。そして、その次の時刻、つまり、将来の時刻ｔ＋１の食事においてある量の塩分摂取を行おうとする場合（又は、将来の時刻ｔ＋１の食事においてある量の塩分摂取を行った直後）、その塩分摂取量が被検体の観測値Ｄｔ＋１である血圧値がどのように変化するか、また、血圧値Ｄｔ＋１がその被検体にとって正常範囲のものかを被検体に提示することができる。 11 shows the time change and normal range of the observation value Dt of a given subject. The normal range of the observation value of the subject is calculated at time t. Then, when the subject is about to take in a certain amount of salt at the next time, that is, at a meal at future time t+1 (or immediately after taking in a certain amount of salt at a meal at future time t+1), it is possible to present to the subject how the blood pressure value, which is the observation value Dt +1 of the subject, will change with the amount of salt intake, and whether the blood pressure value Dt +1 is within the normal range for the subject.
図１１に示す場合、時刻ｔ＋１の食事における塩分摂取量が大きく被検体の血圧値は上昇することが予測されるが、予測された血圧値は、その被検体にとっては正常範囲内であることを示す。この表示により、被検体は、時刻ｔ＋１の食事において安心して塩分を摂取することができる。
In the case shown in FIG. 11, the salt intake in the meal at time t+1 is large and the subject's blood pressure is predicted to rise, but the predicted blood pressure value is within the normal range for the subject. This display allows the subject to safely ingest salt in the meal at
続いて、所定の被検体の観測値の正常範囲を算出する意義と、その方法について説明する。 Next, we will explain the significance of calculating the normal range of observed values for a given subject and how to do so.
被検体の違い、つまり、個人差により、同じ食物を摂取しても血糖値や脂質の上昇／下降等の体質の特性（傾向）が異なる場合があり、また、同じ薬を投与しても薬効の特性（例えば、薬物の代謝の薬効）が異なることがある。また、被検体の体質の特性や、それによる個人差に関する議論や研究も多くなされてきた。１つの疾患ガイドラインによれば、それらのバラツキのある個人差を総括して、例外はあるものの、多くの人が分布する特性の範囲を「正常」として統計的に規定し、臨床判断が行われてきた。 Depending on the subject, that is, individual differences, physical characteristics (tendencies) such as rise/fall in blood glucose levels and lipids may differ even when the same food is ingested, and even when the same drug is administered, the characteristics of the drug's effectiveness (for example, the efficacy of drug metabolism) may differ. There has also been much discussion and research on the physical characteristics of subjects and the resulting individual differences. According to one disease guideline, these varying individual differences are summarized, and although there are exceptions, the range of characteristics that most people fall into is statistically defined as "normal" and clinical judgments are made based on this.
一方で、近年のゲノム解析技術やタンパク質・メタボローム解析技術の進歩に伴い、特性の違いとその違いを生じさせる要因とが徐々に解明されてきている。それに伴い、被検体の特性に合った治療や投薬の選択を行う個別化医療（Personalized Medicine）や、Precision Medicineの考えが進んできた。 On the other hand, with recent advances in genome analysis technology and protein/metabolome analysis technology, differences in characteristics and the factors that cause these differences are gradually being elucidated. As a result, the ideas of personalized medicine, which selects treatments and medications that are suited to the characteristics of the subject, and precision medicine have progressed.
例えば、コンパニオン診断などはその一例に当たる。コンパニオン診断は、糖負荷試験や、運動負荷を掛けた状態に対する心臓の機能を観察する心負荷試験や、遺伝的な素因に基づいて薬効や副作用を予測し、被検体に対して適切な投薬等の治療を行うものである。 One example is companion diagnostics. Companion diagnostics include glucose tolerance tests, cardiac stress tests that observe cardiac function under exercise stress, and predicting drug efficacy and side effects based on genetic predispositions, and administering appropriate medication and other treatments to subjects.
被検体の特性に合わせた適切な治療を行うためには、その被検体がどのような生物学的特徴（例えば、情報Ｕ１～Ｕ１０）を持っていて、その被検体が食事を摂ったり、薬を飲んだりした際にどのような反応をするのかを正しく把握し、また、予測して、治療方針を立てる必要がある。 In order to provide appropriate treatment tailored to the characteristics of the subject, it is necessary to accurately understand and predict what biological characteristics the subject has (e.g., information U1 to U10) and how the subject will react when eating food or taking medicine, and then to formulate a treatment plan.
一方で、生体には、その生命活動を維持するために病的な状態に移行することのないように維持しようとする「恒常性維持機構」が存在する。「恒常性維持機構」により、生体内の塩分濃度や様々なミネラル、アミノ酸、その他のバイオマーカ、そして体温や血圧、心拍に至る様々な状態が、食事や運動等の日常的な活動により短期的な変動は生じるものの、長期的にはある一定の正常範囲内に留まるように制御されている。 On the other hand, living organisms have a "homeostasis mechanism" that tries to maintain their vital functions and avoid progressing to a pathological state. This "homeostasis mechanism" controls various conditions within the body, such as salt concentration, various minerals, amino acids, and other biomarkers, as well as body temperature, blood pressure, and heart rate, so that they remain within a certain normal range in the long term, although short-term fluctuations occur due to daily activities such as diet and exercise.
このように、適切な治療方針を立てるためには、「恒常性維持機構」に関わる生活習慣と環境とのうち少なくとも一方に係る生活習慣・環境情報を加味して被検体個人の特性を推定することが適切である。 Thus, in order to formulate an appropriate treatment plan, it is appropriate to estimate the characteristics of an individual subject by taking into account lifestyle and environmental information related to at least one of the lifestyle and environment related to the "homeostatic mechanism."
ここで、被検体の薬効の特性を意味する被検体個々の薬物反応性を「Ｒ」（Response）とすると、薬物反応性Ｒは、周知のとおり、係数ｆにより、次の式（６）で表される。ここで、「Ｃ」は、その被検体の作用部位の薬物濃度（Concentration）であり、生活習慣・環境情報と定義することができる。また、「Ｅ」は、その被検体の作用部位の組織感受性「Sensitivity」である。
Ｒ＝ｆ（Ｃ・Ｅ） …（６）
Here, if the drug response of an individual subject, which indicates the characteristics of the drug's efficacy, is defined as "R" (Response), the drug response R is expressed by the following formula (6) using a coefficient f, as is well known. Here, "C" is the drug concentration at the site of action of the subject, which can be defined as lifestyle and environmental information. Also, "E" is the tissue sensitivity of the site of action of the subject.
R = f(C E) ... (6)
上記式（６）における被検体の作用部位の薬物濃度Ｃを、現在の時刻ｔにおける被検体の生活習慣・環境情報Ｃｔと定義することができる。また、上記式（６）における被検体の作用部位の組織感受性Ｅを、現在の時刻ｔにおける被検体の生体状態の変化「△Ｓｔ／△Ｃｔ」と定義することができる。さらに、上記式（６）における被検体の薬物反応性Ｒを、現在の時刻ｔにおける被検体の生体状態Ｓｔと定義することができる。 The drug concentration C at the subject's site of action in the above formula (6) can be defined as the subject's lifestyle and environmental information Ct at the current time t. Also, the tissue sensitivity E at the subject's site of action in the above formula (6) can be defined as the change in the subject's biological state at the current time t, "ΔS t /ΔC t ." Furthermore, the drug reactivity R of the subject in the above formula (6) can be defined as the subject's biological state S t at the current time t.
第４の実施形態では、正常範囲算出機能１１５は、被検体の生体状態の変化「△Ｓｔ／△Ｃｔ」の値により、被検体の薬物反応性Ｒ、つまり、生体状態の変化に対する被検体の堅牢性（ロバスト性）を評価し、被検体の個別化された観測値の正常範囲を算出するものである。また、上記式（６）を用いて被検体への投薬に対する被検体の個別化された観測値の正常範囲について説明したがその場合に限定されるものではない。被検体の塩分摂取量に対する被検体の個別化された観測値の正常範囲についても同様である。
In the fourth embodiment, the normal
例えば、食塩感受性の人種的特異性及び遺伝的素因について説明する。正常範囲算出機能１１５は、被検体の各食事（間食を含めてもよい）からの塩分摂取量「Ｃｔ」と、ＩｏＴやウェアラブルデバイスによる被検体の各血圧の値「Ｓｔ」とに基づいて、被検体の生体状態の変化「△Ｓｔ／△Ｃｔ」を算出する。それにより、正常範囲算出機能１１５は、生体状態の変化に対する被検体のロバスト性を日常的に評価して被検体に提示することができる。
For example, the racial specificity and genetic predisposition of salt sensitivity will be described. The normal
具体的には、正常範囲算出機能１１５は、１回の食事に含まれる塩分量をレシピに沿って算出する。例えば、外食であっても、正常範囲算出機能１１５は、注文した一食の中に含まれる塩分量をレシピに沿って算出し、客である被検体に提示することもできる。また、正常範囲算出機能１１５は、注文履歴に基づいて、自動的に食事に含まれる塩分量をその食事が被検体に与えた生活習慣（又は環境）の変化△Ｃｔを、食事を摂取した時間とともに「生活習慣・環境情報」として算出する。
Specifically, the normal
また、ある時刻に、被検体があるお菓子を摂取した場合にも同様に考えることができる。お菓子の袋には、「栄養（Nutrition）」の情報が付与されている。そこで、正常範囲算出機能１１５は、その情報をＩＣ（Integrated Circuit）チップやＲＦＩＤ（Radio Frequency Identification）リーダ等で取得し、必要に応じて被検体がそれを食べたことを認識した上で、「栄養」に含まれる塩分量の変化を△Ｃｔとして算出する。
The same can be considered when the subject ingests a certain snack at a certain time. The snack bag is provided with information on "Nutrition". The normal
さらに、自宅での被検体による自炊による食事では、正常範囲算出機能１１５は、使用された調味料の量の変化△Ｃｔを算出することもできる。また、複数人数分の食事では、正常範囲算出機能１１５は、食事摂取量の個人入力や、画像認識等による個人摂取量の推定、又は、標準的な摂取量に基づく推定などにより、調理された食事全体に含まれる塩分量との割合から、被検体個人の摂取した塩分量を推定し、その変化△Ｃｔを算出することもできる。調味料に関しては、一振り何グラムとか、パッケージ化されたものであれば、その中に含まれている塩分量をパッケージに付与されたＩＣチップより読み取るなどの方法で取得可能である。
Furthermore, for meals prepared by the subject at home, the normal
一方で、生体状態判定機能１１３は、ウェアラブルデバイス等により被検体の生体状態Ｓｔを連続的に計測することで、被検体の生体状態の変化△Ｓｔを評価（算出）することが可能である。例えば、被検体の生体状態の変化△Ｓｔは、血圧の変化、心拍数の変化△Ｄｔ等によるものと考えることができる。ここでは、便宜上、被検体の生体状態の変化△Ｓｔが血圧の変化△Ｄｔによるものとして説明する。血圧を計測する時刻は、例えば食後１時間の急性期の変化を観察したいのか、数か月や年のオーダでの慢性期の変化を観察したいのかで変わる。糖負荷試験などでも同様であるが、生体状態判定機能１１３は、被検体の生体状態の変化△Ｓｔを、塩分摂取直前の血圧と、影響を観測したい時期の血圧との差分△Ｄｔから上記式（６）から算出することができる。
On the other hand, the biological
なお、被検体の血圧は、被検体の運動等の活動や、ストレスその他の心身の活動により影響を受け変化する。そのため、生体状態判定機能１１３は、それらの観測したい状態に影響を与える事象変化との多変量での影響として算出することも可能である。また、生体状態判定機能１１３は、時刻ｔにおける塩分摂取以外の影響因子をその他のシステムノイズｕｔ（上記式（２））と仮定し、ウェアラブルデバイス等の観測系で生じる変化因子を観測ノイズｗｔ（上記式（３））として、状態方程式や観測方程式を設定することもできる。また、塩分摂取量の変化△Ｃｔを、ある長期間の総摂取量として変化を観測することも可能となる。
The subject's blood pressure is influenced and changed by the subject's activities such as exercise, stress and other mental and physical activities. Therefore, the biological
このようにして観測された塩分摂取量の変化△Ｃｔと、変化を観測したいタイムスパンでの血圧変化△Ｓｔにより、生体状態の変化「△Ｓｔ／△Ｃｔ」が算出される。生体状態の変化「△Ｓｔ／△Ｃｔ」が小さければ、設定した程度の塩分摂取による負荷では観測値の変化が小さく、ロバスト性や塩分負荷の耐性を持っていると言える。 The change in biological state "ΔS t /ΔC t " is calculated from the change in salt intake ΔC t observed in this way and the change in blood pressure ΔS t over the time span in which the change is to be observed. If the change in biological state "ΔS t /ΔC t " is small, the change in the observed value is small when subjected to a load due to a set level of salt intake, and it can be said that the device has robustness and resistance to salt load.
こうして得られた生体状態の変化「△Ｓｔ／△Ｃｔ」の値は、被検体個々の塩分負荷に対する耐性・堅牢性を反映した数値であり、このデータの蓄積により、個人の個別化された、異常値を示すことのない負荷範囲を、正常範囲として規定することができる。 The value of the change in biological state "ΔS t /ΔC t " obtained in this way is a numerical value reflecting the resistance and robustness of each individual subject to salt load, and by accumulating this data, it is possible to define an individualized load range that does not show abnormal values as the normal range.
これまでの実施形態では、塩分摂取の変化と血圧という状態変化にフォーカスして説明したが、塩分摂取に限らず、様々な物質に対する状態変化と耐性・堅牢性について、例えば個人の安静時（起床時）の数値を基準とした場合に、次のように被検体ごとにスコアリングし、個別化されたそれぞれの生活習慣・環境情報の変化に対する正常範囲をロバストな範囲として規定することができる。
（１）ロバスト負荷領域：１０％の変動範囲に収まる負荷の領域
（２）準ロバスト負荷領域：３０％の変動範囲
（３）変動境界領域：３０～５０％
（４）高負荷領域：５０％以上
In the embodiments described above, the focus has been on state changes, such as changes in salt intake and blood pressure. However, state changes and resistance/robustness to various substances, not limited to salt intake, can also be measured by scoring each subject as follows, for example, using an individual's resting (upon waking up) value as the standard, and the normal range for each individualized change in lifestyle/environmental information can be defined as the robust range.
(1) Robust load region: A load region within a 10% fluctuation range. (2) Semi-robust load region: A 30% fluctuation range. (3) Fluctuation boundary region: 30-50%.
(4) High load range: 50% or more
また、生体状態の変化「△Ｓｔ／△Ｃｔ」や、前述によりスコア化された被検体個々の堅牢性スコアに基づいて、生活習慣・環境情報Ｃに関連する時刻ｔの説明変数ａｔと、時刻ｔのシステムノイズｕｔとを設定した状態方程式（上記式（２））や、時刻ｔの説明変数ｂｔと、時刻ｔの観測ノイズｗｔの設定による観測方程式（上記式（３））により、状態変化による被検体個人の状態変化（影響）を推定し、また、予測することが可能となる。 Furthermore, based on the change in biological state "ΔS t /ΔC t " and the robustness score of each subject scored as described above, it is possible to estimate and predict the change in state (effect) of the individual subject due to the state change by using a state equation (above formula (2)) in which an explanatory variable a t at time t related to lifestyle/environment information C and a system noise u t at time t are set, and an observation equation (above formula (3)) in which an explanatory variable b t at time t and an observation noise w t at time t are set.
実際には、例に挙げた血圧変動には、単純に塩分摂取だけによる短期的・長期的な変化だけでなく、変動に影響する他のミネラルや薬物、運動負荷、周囲の温度変化、ストレスや自律神経系の影響による変化など、マルチパラメトリックに影響しており、それらのシステム変動への影響を重み付けして、被検体個人のシステムノイズｕｔはリアルタイムに設定する必要がある。つまり、時刻ｔのシステムノイズｕｔは、出力に影響する要因ごとの生活習慣・環境情報Ｃｔに重み付けされた数値となる。 In reality, the blood pressure fluctuations given as an example are not only affected by short-term and long-term changes simply due to salt intake, but also by other minerals and drugs that affect the fluctuations, exercise load, changes in the surrounding temperature, changes due to stress and the autonomic nervous system, and so on, and the system noise u t of the subject must be set in real time by weighting the influence of these on the system fluctuations. In other words, the system noise u t at time t is a numerical value weighted by the lifestyle and environmental information C t for each factor that affects the output.
以上、第４の実施形態に係る診断支援装置１について説明した。第４の実施形態に係る診断支援装置１によれば、食事等の環境変化や薬物反応性の個人差を反映した、個別化された生体状態の予測が可能となる。
The above describes the
以上説明した少なくとも１つの実施形態及び変形例によれば、被検体の生体状態を精度良く判定することができる。 According to at least one of the embodiments and modifications described above, the biological condition of the subject can be determined with high accuracy.
上記説明では、「プロセッサ」が各機能に対応するプログラムを記憶回路から読み出して実行する例を説明したが、実施形態はこれに限定されない。「プロセッサ」という文言は、例えば、ＣＰＵ（central processing unit）と、ＧＰＵ（Graphics Processing Unit）と、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）と、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）と、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）と、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサが例えばＣＰＵである場合、プロセッサは記憶回路に保存されたプログラムを読み出して実行することで機能を実現する。一方、プロセッサが例えばＡＳＩＣである場合、記憶回路にプログラムを保存する代わりに、当該機能がプロセッサの回路内に論理回路として直接組み込まれる。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限られず、複数の独立した回路を組み合わせて１つのプロセッサとして構成され、その機能が実現されるようにしてもよい。さらに、図２における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。 In the above description, an example was described in which the "processor" reads out and executes a program corresponding to each function from a storage circuit, but the embodiment is not limited to this. The term "processor" refers to circuits such as a CPU (central processing unit), a GPU (Graphics Processing Unit), an Application Specific Integrated Circuit (ASIC), and a programmable logic device (e.g., a Simple Programmable Logic Device (SPLD), a Complex Programmable Logic Device (CPLD), and a Field Programmable Gate Array (FPGA)). When the processor is, for example, a CPU, the processor realizes the function by reading out and executing a program stored in a storage circuit. On the other hand, when the processor is, for example, an ASIC, instead of storing a program in a storage circuit, the function is directly incorporated as a logic circuit in the circuit of the processor. Note that each processor in this embodiment is not limited to being configured as a single circuit for each processor, and may be configured as a single processor by combining multiple independent circuits to realize the function. Furthermore, multiple components in FIG. 2 may be integrated into a single processor to achieve the functions.
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これらの実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、実施形態同士の組み合わせを行うことができる。これらの実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although several embodiments of the present invention have been described, these embodiments are presented as examples and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, substitutions, modifications, and combinations of embodiments can be made without departing from the spirit of the invention. These embodiments and their modifications are within the scope of the invention and its equivalents as set forth in the claims, as well as the scope and spirit of the invention.
１ 診断支援装置
１１ 処理回路
１１１ スコア算出機能
１１２ 取得機能
１１３ 生体状態判定機能
１１４ 表示制御機能
１１５ 正常範囲算出機能
1
Claims (4)
前記所定の被検体における前記観測値と前記生活習慣・環境情報とに基づいて、疾患に対する前記所定の被検体の生体状態を判定する判定部と、
前記所定の被検体の前記生活習慣・環境情報の変化に対する前記生体状態の変化の割合に基づいて、前記所定の被検体の生活習慣・環境情報における、前記所定の被検体の観測値の正常範囲を算出する算出部と、
を備える診断支援装置。 an acquisition unit that acquires the observed values and the lifestyle and environment information of a specific subject from a storage unit that stores, for each subject, observed values of the subject by a sensor and lifestyle and environment information including at least one of the lifestyle and environment information;
a determining unit for determining a biological condition of the predetermined subject with respect to a disease based on the observed value and the lifestyle and environment information of the predetermined subject;
a calculation unit that calculates a normal range of an observation value of the predetermined subject in the lifestyle and environment information of the predetermined subject based on a ratio of a change in the biological condition of the predetermined subject to a change in the lifestyle and environment information of the predetermined subject;
A diagnostic support device comprising:
前記所定の被検体における前記観測値と前記生活習慣・環境情報とに基づいて、疾患に対する前記所定の被検体の生体状態を判定する判定部と、a determination unit that determines a biological state of the predetermined subject with respect to a disease based on the observed value and the lifestyle and environment information of the predetermined subject;
前記所定の被検体の生体状態の変化と、前記生活習慣・環境情報の変化とに基づいて、前記所定の被検体の生活習慣・環境情報における、前記所定の被検体の観測値の正常範囲を算出する算出部と、a calculation unit that calculates a normal range of an observation value of the predetermined subject in the lifestyle and environment information of the predetermined subject based on a change in a biological state of the predetermined subject and a change in the lifestyle and environment information of the predetermined subject;
を備え、Equipped with
複数の前記疾患は球の表面に配置され、前記所定の被検体の生体状態は、複数の前記疾患からの距離により前記球の内部の所定位置に決まり、The plurality of diseases are disposed on a surface of a sphere, and the biological condition of the predetermined subject is determined at a predetermined position inside the sphere depending on a distance from the plurality of diseases;
前記判定部は、前記所定位置に基づいて、複数の前記疾患に対する前記所定の被検体の生体状態を判定する、the determining unit determines a biological condition of the predetermined subject with respect to the plurality of diseases based on the predetermined position.
診断支援装置。Diagnostic aids.
請求項１又は２に記載の診断支援装置。 The determination unit estimates a future change in the biological state of the specific subject based on a past change in the lifestyle and environment information of the specific subject.
The diagnosis support device according to claim 1 .
をさらに備える請求項１乃至３のいずれか一項に記載の診断支援装置。 a display control unit that displays on a display unit a normal range of the observation value of the predetermined subject and the observation value based on the future lifestyle and environment information;
The diagnosis support device according to claim 1 , further comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020075550A JP7498017B2 (en) | 2020-04-21 | 2020-04-21 | Diagnostic Support Devices |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020075550A JP7498017B2 (en) | 2020-04-21 | 2020-04-21 | Diagnostic Support Devices |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021174108A JP2021174108A (en) | 2021-11-01 |
| JP7498017B2 true JP7498017B2 (en) | 2024-06-11 |
Family
ID=78281819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020075550A Active JP7498017B2 (en) | 2020-04-21 | 2020-04-21 | Diagnostic Support Devices |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7498017B2 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017131495A (en) | 2016-01-29 | 2017-08-03 | 芙蓉開発株式会社 | Disease diagnosis equipment |
| JP2018109825A (en) | 2016-12-28 | 2018-07-12 | 富士通株式会社 | Health management program, health management device, and health management method |
| JP2019067183A (en) | 2017-10-02 | 2019-04-25 | 東京電力ホールディングス株式会社 | Health risk analysis device and program |
-
2020
- 2020-04-21 JP JP2020075550A patent/JP7498017B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017131495A (en) | 2016-01-29 | 2017-08-03 | 芙蓉開発株式会社 | Disease diagnosis equipment |
| JP2018109825A (en) | 2016-12-28 | 2018-07-12 | 富士通株式会社 | Health management program, health management device, and health management method |
| JP2019067183A (en) | 2017-10-02 | 2019-04-25 | 東京電力ホールディングス株式会社 | Health risk analysis device and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021174108A (en) | 2021-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110996785B (en) | Machine discrimination of anomalies in biological electromagnetic fields | |
| Ball et al. | Predictive validity of an adult physical activity “vital sign” recorded in electronic health records | |
| US20190279767A1 (en) | Systems and methods for creating an expert-trained data model | |
| JP7568423B2 (en) | Diagnostic Support Devices | |
| US12347538B2 (en) | Smart multidosing | |
| CN110024041A (en) | System and method for monitoring and updating blood flow calculations using user-specific anatomical and physiological sensor data | |
| Mistry et al. | The smart analysis of machine learning-based diagnostics model of cardiovascular diseases in patients | |
| EP3918987B1 (en) | Trained model | |
| Elmahdy et al. | A snapshot of artificial intelligence research 2019–2021: is it replacing or assisting physicians? | |
| EP4124287B1 (en) | Regularized multiple-input pain assessment and trend | |
| CN116682565B (en) | Digital medical information on-line monitoring method, terminal and medium | |
| Pechprasarn et al. | Predicting Parkinson's Disease Severity using Telemonitoring Data and Machine Learning Models: A Principal Component Analysis-based Approach for Remote Healthcare Services during COVID-19 Pandemic | |
| Gabrani et al. | Revolutionizing healthcare: impact of artificial intelligence in disease diagnosis, treatment, and patient care | |
| Boustani et al. | Digital detection of dementia in primary care: a randomized clinical trial | |
| JP7498017B2 (en) | Diagnostic Support Devices | |
| Tapkire et al. | Application of artificial intelligence to corelate food formulations to disease risk prediction: a comprehensive review | |
| US20240120037A1 (en) | Method and system for hybrid clinical trial design | |
| Bi et al. | Digital biomarkers and the evolution of spine care outcomes measures: Smartphones and wearables | |
| WO2024226519A2 (en) | Deep learning-based photoplethysmography model for cardiovascular risk prediction | |
| JP7804413B2 (en) | Medical information processing system and method | |
| US20230411003A1 (en) | Disease diagnosis result determination device, disease diagnosis result determination method, and program | |
| Chenna | Advancements in Healthcare: Harnessing Machine Learning for Medical Devices | |
| Anakal et al. | Clinical decision support system for diagnosis and treatment of COPD using ensemble methods | |
| Malini et al. | The relationship among self-care, glycemic control, and quality of life in Indonesian patients with type 2 diabetes mellitus: An exploratory structural equation modeling study | |
| Naik et al. | Diabetes Prediction using Hybrid Machine Learning Techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230303 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231226 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231228 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240219 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240507 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240530 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7498017 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |