JP6948722B2 - 検出装置及び検出プログラム - Google Patents
検出装置及び検出プログラム Download PDFInfo
- Publication number
- JP6948722B2 JP6948722B2 JP2019222924A JP2019222924A JP6948722B2 JP 6948722 B2 JP6948722 B2 JP 6948722B2 JP 2019222924 A JP2019222924 A JP 2019222924A JP 2019222924 A JP2019222924 A JP 2019222924A JP 6948722 B2 JP6948722 B2 JP 6948722B2
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- measurement data
- dnb
- factor
- item
- 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
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
I=SDd×PCCd/OPCCd ・・・式1
但し、
PCCd :当該クラスター内の因子項目の測定データ相互のピアソン相関係数の絶対値の平均値
OPCCd:当該クラスター内の因子項目の測定データと他のクラスター内の因子項目の測定データ相互のピアソン相関係数の絶対値の平均値
SDd :当該クラスター内の因子項目の測定データの標準偏差の平均値
先ず、本願実施形態の基となる理論根拠について説明する。通常、疾病の進行プロセスに係るシステム(以下、システム(1)という)を次の式(1)で表すことができる。
2. Pcをシステムが分岐する閾値とすれば、P=Pcの時、ヤコビ行列∂f(Z;Pc)/∂Z|Z=Z*の1つの実数固有値又は1対の複素共役の固有値の絶対値が1になる、
3. P≠Pcの時、一般的に、システム(1)の固有値の絶対値が1ではない。
PCC(zi ,zj)→±1;
SD(zi)→∞;
SD(zj)→∞.
(II) ziは支配グループに属するノードであるが、zjは支配グループに属するノードではない場合、
PCC(zi ,zj)→0;
SD(zi)→∞;
SD(zj)→境界値.
(III) ziとzjは支配グループに属するノードではない場合
PCC(zi ,zj)→α、α∈(-1,1)\{0};
SD(zi)→境界値;
SD(zj)→境界値.
上述したように、DNBは、特異な特性(I)〜(III)を有する支配グループであって、複数のノードからなるサブネットワークとして、システム(1)が疾病前状態になるときに、ネットワーク(1)に現れるものである。ネットワーク(1)において、各ノード(z1,... ,zn)を、遺伝子、タンパク質、代謝物等の生体分子について測定の対象となる因子項目とすれば、DNBは、上記特異な特性(I)〜(III)を満たした一部の生体分子に係る因子項目からなるグループ(サブネットワーク)である。
・条件(II):当該グループ内の生体分子と他の生体分子との間のピアソン相関係数OPCCの絶対値の平均値が著しく低減する。
・条件(III):当該グループ内の生体分子の標準偏差SDの平均値が著しく増加する。
上述したように、DNBは、疾病前状態を示す警告信号として、疾病の早期診断に使用することができる。当該警告信号の強度を測るものとして、上述したDNB内のノード間のピアソン相関係数PCCの絶対値の平均値、DNB内のノードと他のノードとの間のピアソン相関係数OPCCの絶対値の平均値、及びDNBの標準偏差SDを用いることができる。更に、DNBの特性を総合的に反映することができる総合指数Iを導入することができる。本願実施形態において、一例として、次の式(2)で表す総合指数Iを導入する。
図3は、実施形態におけるDNBの検出方法の一例を示すフローチャートである。本願記載の検出方法においては、先ず、生体に関する測定により測定データを得ることが必要である。DNAチップなどのハイスループット技術を利用すれば、1つの生体サンプルから2万個以上の遺伝子を測定することができる。統計的に分析するために、本願実施形態において、測定対象から複数(6個以上)の生体サンプルを異なる時間点で採取し、採取した生体サンプルを測定して得られた測定データを集計して統計データを取得する。本願実施形態におけるDNBの検出方法は、主に、図3に示すように、ハイスループットデータの取得処理(s1)と、差次的生体分子の選出処理(s2)と、クラスター化処理(s3)と、DNBの候補の選出処理(s4)と、有意性分析によるDNBの判定処理(s5)とを含む。次に、これらの各処理について詳細に説明する。
診断スケジュールとしては、一定な間隔を開けて、複数回診断を行い、毎回の診断で数個のサンプルを取ることが望ましい。図7は、実施形態におけるDNBを用いた疾病の早期診断の診断スケジュールの一例を示す図である。図7に示すように、複数の段階(段階1、段階2、…、段階T)で、サンプルを採取する。各段階で採取するサンプルの数は、データの精度を確保するために、通常、1つの段階において、6個以上のサンプルを採取することが望ましい。2つの連続した段階の間の間隔は、疾病の状況によって、数日、数週間、数カ月、又は数年と長く設定することができるが、各段階では、短い期間において異なる時間点でサンプルを採取することが望ましい。例えば、6個のサンプルを1日のうちの6つの時間点で採取する。各時間点の間の間隔は、状況に応じて、例えば、数分間、数時間とすることができる。
以上詳述したDNBの検出方法は、コンピュータを用いた検出装置として具現化することができる。図11は、本願記載の検出装置の構成例を示すブロック図である。図11に示す検出装置1は、パーソナルコンピュータ、サーバコンピュータに接続されるクライアントコンピュータ、その他各種コンピュータを用いて実現される。検出装置1は、制御部10、記録部11、記憶部12、入力部13、出力部14、取得部15等の各種機構を備えている。
本願記載のDNBによる疾病の早期診断方法の診断精度を検証するために、肺障害が引き起こされたマウスの実験データを用いて、本願記載の診断方法で診断を行い、その診断結果を実際の病状進行状況と比較して、本願記載の診断方法の有効性を検証した。次に、当該検証例を詳細に説明する。実験データは、複数の実験用CD-1雄マウスをケースグループと、コントロールグループとに分けて、ケースグループを通常の空気環境に、コントロールグループを有毒ガスであるホスゲンが含まれている空気環境に置き、そして、両グループのマウスの健康状態を観察し、ホスゲンの吸入による急性肺損傷の分子レベルのメカニズムを調べるという実験から得られたものである。当該実験データを用いて、本願記載の診断方法を用いて、ホスゲン曝露されているケースグループのマウスの健康状態を診断した。通常、マウスは一定量のホスゲンを吸入すると、ホスゲン誘発性肺障害を発症する。
上述した第1の検証例において、動物実験のデータを用いて、本願実施形態のDNBによる疾病の早期診断方法の有効性を検証した。本検証例では、B細胞リンパ腫の臨床データを用いて、更に、本願実施形態のDNBによる疾病の早期診断方法の診断精度を検証する。
10 制御部
11 記録部
12 記憶部
13 入力部
14 出力部
15 取得部
11a 検出プログラム
Claims (5)
- 測定対象である生体が正常状態から疾病状態へ遷移する過程である疾病前状態を検出する検出装置であって、
前記生体から、異なる時間点で採取した複数の因子項目の測定データを記憶する記憶手段と、
前記因子項目の測定データの中から、差次的因子項目を検出するスクリーニング手段と、
前記スクリーニング手段で検出した前記差次的因子項目の測定データを複数のクラスターに分類する分類手段と、
前記分類手段で得られた複数のクラスターの中から、クラスター内の因子項目の測定データの間の相関が有意に増大し、かつ当該クラスター内の因子項目の測定データの標準偏差が有意に増大し、かつ当該クラスター内の因子項目の測定データと他のクラスター内の因子項目の測定データとの間の相関が有意に低減するクラスターを選出する選出手段と、
前記選出手段が前記クラスターを選出した場合には、文字、図形又は画像によって前記生体が前記疾病前状態であるとの表示を行う表示手段と
を備えたことを特徴とする検出装置。 - 前記選出手段は、前記因子項目の測定データと予め設定されている参照データとの比較結果に基づいて有意性を検定する
ことを特徴とする請求項1に記載の検出装置。 - 前記選出手段は、下記の式1にて計算される指数Iが、所定の閾値を超えるクラスターを選出する
ことを特徴とする請求項1又は請求項2に記載の検出装置。
I=SDd×PCCd/OPCCd ・・・式1
但し、
PCCd :当該クラスター内の因子項目の測定データ相互のピアソン相関係数の絶対値の平均値
OPCCd:当該クラスター内の因子項目の測定データと他のクラスター内の因子項目の測定データ相互のピアソン相関係数の絶対値の平均値
SDd :当該クラスター内の因子項目の測定データの標準偏差の平均値 - 前記因子項目は、遺伝子に関する測定項目、タンパク質に関する測定項目、代謝物に関する測定項目、並びに生体から得られる画像、声及び音に関する測定項目のうちのいずれかである
ことを特徴とする請求項1乃至請求項3のいずれか1項に記載の検出装置。 - 測定対象である生体から、異なる時間点で採取した複数の因子項目の測定データを処理するコンピュータに、前記生体が正常状態から疾病状態へ遷移する過程である疾病前状態を検出させる検出プログラムであって、
コンピュータに、
前記生体から、異なる時間点で採取した複数の因子項目の測定データの中から、差次的因子項目を検出するスクリーニングステップと、
前記スクリーニングステップで検出した前記差次的因子項目の測定データを複数のクラスターに分類する分類ステップと、
前記分類ステップで得られた複数のクラスターの中から、クラスター内の因子項目の測定データの間の相関が有意に増大し、かつ当該クラスター内の因子項目の測定データの標準偏差が有意に増大し、かつ当該クラスター内の因子項目の測定データと他のクラスター内の因子項目の測定データとの間の相関が有意に低減するクラスターを選出する選出ステップと、
前記選出ステップが前記クラスターを選出した場合には、文字、図形又は画像によって前記生体が前記疾病前状態であるとの表示をさせる表示ステップと
を実行させることを特徴とする検出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019222924A JP6948722B2 (ja) | 2017-08-10 | 2019-12-10 | 検出装置及び検出プログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017155803A JP2018005925A (ja) | 2017-08-10 | 2017-08-10 | バイオマーカーの候補及び治療用製薬 |
JP2019222924A JP6948722B2 (ja) | 2017-08-10 | 2019-12-10 | 検出装置及び検出プログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017155803A Division JP2018005925A (ja) | 2017-08-10 | 2017-08-10 | バイオマーカーの候補及び治療用製薬 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020064642A JP2020064642A (ja) | 2020-04-23 |
JP6948722B2 true JP6948722B2 (ja) | 2021-10-13 |
Family
ID=70388352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019222924A Active JP6948722B2 (ja) | 2017-08-10 | 2019-12-10 | 検出装置及び検出プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6948722B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6949166B2 (ja) | 2020-03-31 | 2021-10-13 | 日本発條株式会社 | コイルばね装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008102825A1 (ja) * | 2007-02-20 | 2008-08-28 | Articell Systems Corporation | 遺伝子発現パターンから遺伝子を分類する方法 |
JP2009057337A (ja) * | 2007-08-31 | 2009-03-19 | Dainippon Sumitomo Pharma Co Ltd | メタボロームデータの解析方法および代謝関与マーカー |
NZ588741A (en) * | 2008-03-26 | 2014-04-30 | Theranos Inc | Methods and systems for assessing clinical outcomes |
EP2207119A1 (en) * | 2009-01-06 | 2010-07-14 | Koninklijke Philips Electronics N.V. | Evolutionary clustering algorithm |
-
2019
- 2019-12-10 JP JP2019222924A patent/JP6948722B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020064642A (ja) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2016405B1 (en) | Methods and apparatus for identifying disease status using biomarkers | |
CN105229471B (zh) | 用于基于生物化学标记分析确定先兆子痫风险的***和方法 | |
US20150025808A1 (en) | Methods and Systems for Processing Test Results Based on Patient-Specific Data and Reference Data | |
Aşuroğlu et al. | A deep learning approach for sepsis monitoring via severity score estimation | |
JP5963198B2 (ja) | 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム | |
JP6164678B2 (ja) | ネットワークエントロピーに基づく生体の状態遷移の予兆の検出を支援する検出装置、検出方法及び検出プログラム | |
Deliberato et al. | SEVERITAS: an externally validated mortality prediction for critically ill patients in low and middle-income countries | |
JP7124265B2 (ja) | バイオマーカー検出方法、疾病判断方法、バイオマーカー検出装置、及びバイオマーカー検出プログラム | |
Fernández et al. | Analyzing the use of artificial intelligence for the management of chronic obstructive pulmonary disease (COPD) | |
JP6948722B2 (ja) | 検出装置及び検出プログラム | |
JP6198161B2 (ja) | 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム | |
JP5547639B2 (ja) | 診断マーカーの推定 | |
JP2023545704A (ja) | エクスポソーム臨床応用のためのシステム及び方法 | |
Shen et al. | Cohort research in “Omics” and preventive medicine | |
Eadie et al. | Recommendations for research design and reporting in computer-assisted diagnosis to facilitate meta-analysis | |
JP2024501620A (ja) | 生物学的障害の動的免疫組織化学プロファイリングのためのシステム及び方法 | |
JP2018005925A (ja) | バイオマーカーの候補及び治療用製薬 | |
Carvalho et al. | The role of cross-sectional and cohort studies in oncology | |
Rayan | Machine Learning for Smart Health Care | |
La Grutta et al. | Breathprinting in childhood asthma | |
JP2023172951A (ja) | 病理スライド画像の品質を評価する方法及び装置 | |
Fisher et al. | Critical care scoring systems | |
JP2021128115A (ja) | 新規検査開発サーバ及び新規検査開発方法 | |
CN117457221A (zh) | cfDNA在CAD冠状动脉狭窄中的应用以及预测疑似CAD冠状动脉狭窄模型 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200108 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210415 |
|
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: 20210907 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6948722 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |