JP7113121B1 - 骨格筋量推定システム、骨格筋量推定装置及びプログラム - Google Patents

Abstract

【課題】比較的一般的な血液データを用いて、従来よりも簡便で、迅速で、安価に骨格筋量を算出することが可能な骨格筋量推定システム、骨格筋量推定装置、データベース装置及びプログラムを提供すること。【解決手段】実施形態の骨格筋量推定システムは、処理部を備える。処理部は、対象のｅＧＦＲｃｙｓ及び対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲと骨格筋量との関係を示す第１の関数とを用いて、前記対象の推定骨格筋量を求める。【選択図】図５

Description

特許法第３０条第２項適用 令和３年４月２０日に第３６回日本臨床栄養代謝学会学術集会のウェブサイト内（ｈｔｔｐｓ：／／ｗｗｗ．ｃｏｎｇｒｅ．ｃｏ．ｊｐ／ｊｓｐｅｎ２０２１／ｐｒｏｇｒａｍ．ｈｔｍｌ）で学会参加登録者に対して第３６回日本臨床栄養代謝学会学術集会の抄録を公開した。

本発明は、血液中の物質の分析結果を用いた骨格筋量の計算とサルコペニア、低栄養の判定を行う骨格筋量推定システム、骨格筋量推定装置、データベース装置及びプログラムに関する。

ＷＨＯ（World Health Organization）などによれば、世界的に高齢者人口の増加が認められ、急速に高齢化が進行している。日本も例外ではなく、2020年には、65歳以上の人口は、3600万人を超え、80歳以上の人口も1000万人を超えた。

高齢者は、骨格筋量が低下し、身体機能が低下するサルコペニアの状態となることが多い。また、高齢者は、歩行が不安定となり、転倒、骨折を繰り返し、入院のリスクとなるフレイルの状態であることも多い。サルコペニア及びフレイルは、いずれも、おもな原因は骨格筋量の低下で、その背景には低栄養があると考えられている。

サルコペ二アの評価に使用するアルゴリズムには、ＥＷＧＳＯＰ２（European Working Group on Sarcopenia in Older People）（非特許文献１）及びＡＷＧＳ2019（Asian Working Group for Sarcopenia）（非特許文献２）などがある。しかしながら、これらのアルゴリズムを使用する場合、サルコペニアを確定するためには、骨格筋量の測定が必須である。

骨格筋量の測定は、例えば骨格筋指標（ＳＭＩ（skeletal muscle mass index））を用いる。ＳＭＩの算出には、例えば二重Ｘ線エネルギー吸収法（ＤＸＡ（dual-energy X-ray absorptiometry））又は生体インピーダンス法（ＢＩＡ（bioelectrical impedance analysis））などの機器を用いる。本邦には、3000台以上のＤＸＡ機器が稼働しているといわれている。しかしながら、これらＤＸＡ機器は、骨粗鬆症の評価に特化したもので、全身の骨格筋量を測定できるものではない。また、ＤＸＡ機器は、Ｘ線を使用するため、弱いながらも放射線被曝の問題がある。全身の骨格筋量を測定する装置は大型で、本邦ではほとんど普及していない。また、現在１万台以上のＢＩＡ機器が稼働しているといわれているが、測定前に30分ほどの安静が必要で、安静時間も含めると測定には１時間弱を要することもある。このため、１日に測定できる人数は限られている。また、ＤＸＡ機器及びＢＩＡ機器は、高額である。このため、個人病院、診療所及び高齢者施設などではＤＸＡ機器及びＢＩＡ機器の購入が困難である。したがって、高齢者のケアを行う現場において、骨格筋量の測定は普及しているとはいいがたい。

また、ふくらはぎの周囲長などを測定し、骨格筋量を推測する試みも行われている。しかしながら、測定者によって数値がばらつき、精度は高くなく、浮腫などの影響を受けると、過大評価となるリスクが高い。

このように骨格筋量の測定ができない現状では、サルコペニアの判定を正しく行うことができないばかりか、サルコペニアの前段階とも考えられているフレイルについても、適切な対応を開始することができない。

フレイルを放置し、サルコペニアが進行すると、転倒、骨折の原因となる（非特許文献３、非特許文献４）。高齢者では、大腿骨及び腰椎などの骨折が多く、長期の入院が必要となる。平成30年度国民医療費の概況によれば、本邦の高齢者の筋骨格系及び結合組織の疾患に対する医療費は1兆7383億円にものぼる。治療が終了しても、長期間にわたり介護が必要となることも多く、本邦の医療、介護行政の大きな負担となっている。

転倒、骨折がなくても、サルコペニアは日常生活動作（ＡＤＬ（activities of daily living））及び手段的日常生活動作（ＩＡＤＬ（instrumental activities of daily living））が低下する原因となり、長期間にわたり介護が必要となる。このため、介護に関する、コスト、マンパワーのさらなる増大が危惧される。

また、サルコペニアは、心血管疾患、慢性呼吸器疾患、糖尿病、認知症などを発症するリスクとなることが報告されている。これらの疾患による医療費も膨大で、本邦の医療行政の大きな負担となる。

骨格筋量を簡便に算出することで、サルコペニアを早期に判定し、適切な対策を行うことで、骨折や疾患の発症を防ぎ、高齢者を中心とした国民の健康を守り、医療、介護の負担を軽減することは、今後の本邦の社会において、きわめて重要なことだと考えられる。

骨格筋量の減少の最大の原因は加齢であるが、低栄養も原因のひとつと考えられている。国際的に制定された低栄養の診断基準であるＧＬＩＭ（Global Leadership Initiative on Malnutrition）クライテリアでは、低栄養の表現型のひとつとして、骨格筋量の減少が挙げられている。したがって、骨格筋量を測定しない限り、低栄養を正確に判定することができない。サルコペニア又はフレイルの高齢者で、低栄養状態を改善すべきと考えられる場合においても、低栄養の正確な判定を行うことができないため、適切な支援を開始することができないこととなる。

これまで、血液データとサルコペニアの関連を見出そうとする研究が複数行われている。Ｃ反応性タンパクを用いた研究では、Ｃ反応性タンパクが高値だった群では、サルコペニアと判定されるものが多いという結果が得られたが、これは、骨格筋量の減少のためではなく、握力など、筋力の低下によるものだった（非特許文献６）。したがって、骨格筋量の減少と筋力の低下は、別な要因だと考えられる。その他の文献も、血液データとサルコペニアの関連を見ているものがほとんどで、骨格筋量に焦点をあてているものは少ない。

Ｎ末タイプ３プロコラーゲンプロペプチド、Ｃ末アグリンフラグメント２２（ＣＡＦ２２）、オステオネクチン、イリジン、脂肪酸結合タンパク３、又はマクロファージ遊走阻止因子などを用いた研究では、ＣＡＦ２２、オステオネクチン及びイリジンで、骨格筋量との相関が認められたが、相関はあまり強いものではなく（非特許文献７）、骨格筋量の推定には使用不可能である。また、いずれも研究レベルで使用されている指標で、分析に時間と多額のコストを要し、大量検体の分析は困難である。

Cruz-Jentoft AJ, Bahat G, Bauer J, Boirie Y, Bruyere O, Cederholm T, et al. Sarcopenia: Revised European consensus on definition and diagnosis. Age Ageing 2019. Chen LK, Woo J, Assantachai P, Auyeung TW, Chou MY, Iijima K, et al. Asian Working Group for Sarcopenia: 2019 Consensus Update on Sarcopenia Diagnosis and Treatment. J Am Med Dir Assoc 2020. Schaap LA, Van Schoor NM, Lips P, Visser M. Associations of sarcopenia definitions, and their components, with the incidence of recurrent falling and fractures: The longitudinal aging study Amsterdam. Journals Gerontol - Ser A Biol Sci Med Sci 2018;73:1199-204. Yeung SSY, Reijnierse EM, Pham VK, Trappenburg MC, Lim WK, Meskers CGM, et al. Sarcopenia and its association with falls and fractures in older adults: A systematic review and meta-analysis. J Cachexia Sarcopenia Muscle 2019. Cederholm T, Jensen GL, Correia MITD, Gonzalez MC, Fukushima R, Higashiguchi T, et al. GLIM criteria for the diagnosis of malnutrition - A consensus report from the global clinical nutrition community. Clin Nutr 2019;38:1-9. Shokri-Mashhadi N, Moradi S, Heidari Z, Saadat S. Association of circulating C-reactive protein and high-sensitivity C-reactive protein with components of sarcopenia: A systematic review and meta-analysis of observational studies. Exp Gerontol 2021;150:111330. Shokri-Mashhadi N, Moradi S, Heidari Z, Saadat S. Association of circulating C-reactive protein and high-sensitivity C-reactive protein with components of sarcopenia: A systematic review and meta-analysis of observational studies. Exp Gerontol 2021;150:111330. Matsuo S, Imai E, Horio M, Yasuda Y, Tomita K, Nitta K, et al. Revised equations for estimated GFR from serum creatinine in Japan. Am J Kidney Dis Off J Natl Kidney Found 2009;53:982-92. Horio M, Imai E, Yasuda Y, Watanabe T, Matsuo S. GFR estimation using standardized serum cystatin C in Japan. Am J Kidney Dis Off J Natl Kidney Found 2013;61:197-203.

本発明の実施形態は、比較的一般的な血液データを用いて、簡便で、迅速で、安価に骨格筋量を算出することが可能な骨格筋量推定システム、骨格筋量推定装置、データベース装置及びプログラムを提供すること。

実施形態の骨格筋量推定システムは、処理部を備える。処理部は、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値が第１の閾値以下であり、前記第１の対象の握力が第２の閾値以下である場合、前記第１の対象がサルコペニアであると判定する。

本発明は、比較的一般的な血液データを用いて、簡便で、迅速で、安価に骨格筋量を算出することができる。

実施形態に係る診断システム及び当該診断システムに含まれる構成要素の要部構成の一例を示すブロック図。 図１中の端末装置のプロセッサーによる処理の一例を示すフローチャート。 図１中の端末装置のプロセッサーによる処理の一例を示すフローチャート。 図１中のサーバー装置のプロセッサーによる処理の一例を示すフローチャート。 図１中のサーバー装置のプロセッサーによる処理の一例を示すフローチャート。 図１中の表示デバイスに表示される入力画面の一例を示す図。 複数の男性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフ。 複数の女性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフ。 図１中の表示デバイスに表示される結果画面の一例を示す図。 図１中の表示デバイスに表示される判定入力画面の一例を示す図。 図１中の表示デバイスに表示される低栄養結果画面の一例を示す図。 男性のeGFRとeGFRcysの結果の差異を示すグラフ。 女性のeGFRとeGFRcysの結果の差異を示すグラフ。 男性のＲＯＣ曲線の一例を示すグラフ。 女性のＲＯＣ曲線の一例を示すグラフ。 骨格筋量のデータが無い場合のサルコペニアの判定結果の分布の一例を示すグラフ。 骨格筋量算出後のサルコペニアの判定結果の分布の一例を示すグラフ。 低栄養と判定された人数とその割合を示すグラフ。

以下、実施形態に係る診断システムについて図面を用いて説明する。なお、以下の実施形態の説明に用いる各図面は、説明のため、構成を省略して示している場合がある。また、各図面及び本明細書中において、同一の符号は同様の要素を示す。
図１は、実施形態に係る診断システム１及び診断システム１に含まれる構成要素の要部構成の一例を示すブロック図である。診断システム１は、例えば、患者などのユーザーの骨格筋量の推定及びサルコペニアの判定などを行うためのシステムである。診断システム１は、一例として、サーバー装置１００及び端末装置２００を含む。診断システム１は、骨格筋量推定システムの一例である。

サーバー装置１００及び端末装置２００は、ネットワークＮＷに接続する。ネットワークＮＷは、典型的にはインターネットを含む通信網である。ネットワークＮＷは、典型的にはＷＡＮ（wide area network）を含む通信網である。ネットワークＮＷは、イントラネットなどのプライベートネットワークを含む通信網であっても良い。ネットワークＮＷは、ＬＡＮ（local area network）を含む通信網であっても良い。また、ネットワークＮＷは、無線回線でも良いし有線回線でも良く、無線回線と有線回線とが混在していても良い。また、ネットワークＮＷは、専用線又は公衆携帯電話網などを含む通信網であっても良い。

サーバー装置１００は、骨格筋量の推定及びサルコペニアの判定などに用いられる各種データの保存及び各種処理などを行う。サーバー装置１００は、一例として、プロセッサー１１０、ＲＯＭ（read-only memory）１２０、ＲＡＭ（random-access memory）１３０、補助記憶装置１４０及び通信Ｉ／Ｆ（interface）１５０を含む。そして、バス１６０などが、これら各部を接続する。なお、サーバー装置１００は、骨格筋量推定装置の一例である。サーバー装置１００は、データベース装置の一例である。なお、プロセッサー１１０は、処理部の一例である。

プロセッサー１１０は、サーバー装置１００の動作に必要な演算及び制御などの処理を行うコンピューターの中枢部分であり、各種演算及び処理などを行う。プロセッサー１１０は、例えば、ＣＰＵ（central processing unit）、ＭＰＵ（micro processing unit）、ＳｏＣ（system on a chip）、ＤＳＰ（digital signal processor）、ＧＰＵ（graphics processing unit）、ＡＳＩＣ（application specific integrated circuit）、ＰＬＤ（programmable logic device）又はＦＰＧＡ（field-programmable gate array）などである。あるいは、プロセッサー１１０は、これらのうちの複数を組み合わせたものである。また、プロセッサー１１０は、これらにハードウェアアクセラレーターなどを組み合わせたものあっても良い。プロセッサー１１０は、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたファームウェア、システムソフトウェア及びアプリケーションソフトウェアなどのプログラムに基づいて、サーバー装置１００の各種の機能を実現するべく各部を制御する。また、プロセッサー１１０は、当該プログラムに基づいて後述する処理を実行する。なお、当該プログラムの一部又は全部は、プロセッサー１１０の回路内に組み込まれていても良い。

ＲＯＭ１２０及びＲＡＭ１３０は、プロセッサー１１０を中枢としたコンピューターの主記憶装置である。
ＲＯＭ１２０は、専らデータの読み出しに用いられる不揮発性メモリである。ＲＯＭ１２０は、上記のプログラムのうち、例えばファームウェアなどを記憶する。また、ＲＯＭ１２０は、プロセッサー１１０が各種の処理を行う上で使用するデータなども記憶する。
ＲＡＭ１３０は、データの読み書きに用いられるメモリである。ＲＡＭ１３０は、プロセッサー１１０が各種の処理を行う上で一時的に使用するデータを記憶するワークエリアなどとして利用される。ＲＡＭ１３０は、典型的には揮発性メモリである。

補助記憶装置１４０は、プロセッサー１１０を中枢としたコンピューターの補助記憶装置である。補助記憶装置１４０は、例えばＥＥＰＲＯＭ（electric erasable programmable read-only memory）、ＨＤＤ（hard disk drive）又はフラッシュメモリなどである。補助記憶装置１４０は、上記のプログラムのうち、例えば、システムソフトウェア及びアプリケーションソフトウェアなどを記憶する。また、補助記憶装置１４０は、プロセッサー１１０が各種の処理を行う上で使用するデータ、プロセッサー１１０での処理によって生成されたデータ及び各種の設定値などを記憶する。

補助記憶装置１４０が記憶するアプリケーションソフトウェアは、骨格筋量の推定及びサルコペニアの判定用のアプリケーションソフトウェアのうち、サーバー装置１００用のアプリケーションソフトウェア（以下「サーバー用アプリ」という。）を含む。

また、補助記憶装置１４０は、骨格筋量ＤＢ（database）１４１及びユーザーＤＢ１４２を含む。骨格筋量ＤＢ１４１は、骨格筋量の推定及びサルコペニアの判定などに用いられるデータなどを記憶及び管理するデータベースである。ユーザーＤＢ１４２は、診断システム１を利用する各ユーザーのデータなどを記憶及び管理するデータベースである。プロセッサー１１０は、骨格筋量ＤＢ１４１及びユーザーＤＢ１４２を作成する。あるいは、サーバー装置１００以外の装置が骨格筋量ＤＢ１４１及びユーザーＤＢ１４２を作成する。なお、補助記憶装置１４０は、被験者の骨格筋量測定値、ｅＧＦＲｃｙｓ及びｅＧＦＲを記憶する記憶部の一例である。

通信Ｉ／Ｆ１５０は、サーバー装置１００がネットワークＮＷなどを介して通信するためのインターフェースである。

バス１６０は、コントロールバス、アドレスバス及びデータバスなどを含み、サーバー装置１００の各部で授受される信号を伝送する。

端末装置２００は、例えば、骨格筋量の推定及びサルコペニアの判定などのために医療従事者又は患者などが操作する装置である。端末装置２００は、骨格筋量の推定及びサルコペニアの判定などに用いる専用の装置であっても良いし、ＰＣ（personal computer）、タブレット端末又はスマートフォンなどの汎用の装置であっても良い。端末装置２００は、一例として、プロセッサー２１０、ＲＯＭ２２０、ＲＡＭ２３０、補助記憶装置２４０、通信Ｉ／Ｆ２５０、入力デバイス２６０及び表示デバイス２７０を含む。そして、バス２８０などが、これら各部を接続する。

プロセッサー２１０は、端末装置２００の動作に必要な演算及び制御などの処理を行うコンピューターの中枢部分であり、各種演算及び処理などを行う。プロセッサー２１０は、例えば、ＣＰＵ、ＭＰＵ、ＳｏＣ、ＤＳＰ、ＧＰＵ、ＡＳＩＣ、ＰＬＤ又はＦＰＧＡなどである。あるいは、プロセッサー２１０は、これらのうちの複数を組み合わせたものである。また、プロセッサー２１０は、これらにハードウェアアクセラレーターなどを組み合わせたものあっても良い。プロセッサー２１０は、ＲＯＭ２２０又は補助記憶装置２４０などに記憶されたファームウェア、システムソフトウェア及びアプリケーションソフトウェアなどのプログラムに基づいて、端末装置２００の各種の機能を実現するべく各部を制御する。また、プロセッサー２１０は、当該プログラムに基づいて後述する処理を実行する。なお、当該プログラムの一部又は全部は、プロセッサー２１０の回路内に組み込まれていても良い。なお、プロセッサー２１０は、処理部の一例である。

ＲＯＭ２２０及びＲＡＭ２３０は、プロセッサー２１０を中枢としたコンピューターの主記憶装置である。
ＲＯＭ２２０は、専らデータの読み出しに用いられる不揮発性メモリである。ＲＯＭ２２０は、上記のプログラムのうち、例えばファームウェアなどを記憶する。また、ＲＯＭ２２０は、プロセッサー２１０が各種の処理を行う上で使用するデータなども記憶する。
ＲＡＭ２３０は、データの読み書きに用いられるメモリである。ＲＡＭ２３０は、プロセッサー２１０が各種の処理を行う上で一時的に使用するデータを記憶するワークエリアなどとして利用される。ＲＡＭ２３０は、典型的には揮発性メモリである。

補助記憶装置２４０は、プロセッサー２１０を中枢としたコンピューターの補助記憶装置である。補助記憶装置２４０は、例えばＥＥＰＲＯＭ、ＨＤＤ又はフラッシュメモリなどである。補助記憶装置２４０は、上記のプログラムのうち、例えば、システムソフトウェア及びアプリケーションソフトウェアなどを記憶する。また、補助記憶装置２４０は、プロセッサー２１０が各種の処理を行う上で使用するデータ、プロセッサー２１０での処理によって生成されたデータ及び各種の設定値などを記憶する。
補助記憶装置２４０が記憶するアプリケーションソフトウェアは、骨格筋量の推定及びサルコペニアの判定用のアプリケーションソフトウェアのうち、端末装置２００用のアプリケーションソフトウェア（以下「端末用アプリ」という。）を含む。

通信Ｉ／Ｆ２５０は、端末装置２００がネットワークＮＷなどを介して通信するためのインターフェースである。

入力デバイス２６０は、端末装置２００の操作者による操作を受け付ける。入力デバイス２６０は、例えば、キーボード、キーパッド、タッチパッド、マウス又はコントローラーなどである。また、入力デバイス２６０は、音声入力用のデバイスであっても良い。

表示デバイス２７０は、端末装置２００の操作者に各種情報を通知するための画面を表示する。表示デバイス２７０は、例えば、液晶ディスプレイ又は有機ＥＬ（electro-luminescence）ディスプレイなどのディスプレイである。また、入力デバイス２６０及び表示デバイス２７０としては、タッチパネルを用いることもできる。すなわち、タッチパネルが備える表示パネルを表示デバイス２７０として、タッチパネルが備えるタッチパッドを入力デバイス２６０として用いることができる。

バス２８０は、コントロールバス、アドレスバス及びデータバスなどを含み、端末装置２００の各部で授受される信号を伝送する。

以下、実施形態に係る診断システム１の動作を図２～図４などに基づいて説明する。なお、以下の動作説明における処理の内容は一例であって、同様な結果を得ることが可能な様々な処理を適宜に利用できる。
図２及び３は、端末装置２００のプロセッサー２１０による処理の一例を示すフローチャートである。プロセッサー２１０は、例えば、ＲＯＭ２２０又は補助記憶装置２４０などに記憶された端末用アプリなどのプログラムに基づいて図２及び３の処理を実行する。プロセッサー２１０は、例えば、端末用アプリの起動にともない、図２及び図３に示す処理を開始する。
図４及び５は、サーバー装置１００のプロセッサー１１０による処理の一例を示すフローチャートである。プロセッサー１１０は、例えば、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたサーバー用アプリなどのプログラムに基づいて図４及び５の処理を実行する。プロセッサー１１０は、例えば、サーバー用アプリの起動にともない、図４及び５に示す処理を開始する。

ステップＳＴ１１においてプロセッサー２１０は、ログイン画面に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、ログイン画面を表示する。なお、文字は画像の一種である。

ログイン画面は、例えば、ログインに必要な情報を入力するための画面である。ログイン画面は、例えば、ログインに必要な情報としてログインＩＤ（identifier）及びパスワードを入力するための入力欄を含む。また、ログイン画面は、例えば、ログインを開始する場合に操作するためのログインボタンを含む。あるいは、ログイン画面は、ログインに必要な情報として、生体認証用の生体情報の入力を待ち受けるための画面であっても良い。あるいは、ログイン画面は、ログインに必要な情報として、ログイン用のＩＣ（integrated circuit）カード又は磁気ストライプカードなどのカードなどに記憶された情報の入力を待ち受けるための画面であっても良い。また、ログイン画面は、例えば、ユーザー登録を開始するための登録開始ボタンを含む。

ステップＳＴ１２においてプロセッサー２１０は、ユーザー登録を開始する操作が行われたか否かを判定する。すなわちプロセッサー２１０は、登録開始ボタンを操作するなどの予め定められた操作が行われたか否かを判定する。プロセッサー２１０は、ユーザー登録を開始する操作が行われないならば、ステップＳＴ１２においてＮｏと判定してステップＳＴ１３へと進む。

ステップＳＴ１３においてプロセッサー２１０は、ログインに必要な情報を送信するか否かを判定する。プロセッサー２１０は、例えば、ログインＩＤ及びパスワードが入力された状態でログインボタンが操作されたならば、ログインに必要な情報を送信すると判定する。プロセッサー２１０は、例えば、生体情報が入力された場合にログインに必要な情報を送信すると判定する。プロセッサー２１０は、例えば、ログイン用のカードなどに記憶された情報が入力された場合にログインに必要な情報を送信すると判定する。プロセッサー２１０は、ログインに必要な情報を送信すると判定しないならば、ステップＳＴ１３においてＮｏと判定してステップＳＴ１２へと戻る。かくして、プロセッサー２１０は、ユーザー登録を開始する操作が行われるか、ログインに必要な情報を送信すると判定するまでステップＳＴ１２及びステップＳＴ１３を繰り返す待受状態となる。

プロセッサー２１０は、ステップＳＴ１２及びステップＳＴ１３の待受状態にあるときにユーザー登録を開始する操作が行われたならば、ステップＳＴ１２においてＹｅｓと判定してステップＳＴ１４へと進む。
ステップＳＴ１４においてプロセッサー２１０は、登録画面に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、登録画面を表示する。

登録画面は、例えば、ユーザー登録に必要な情報を入力するための画面である。登録に必要な情報は、ユーザー情報及び認証情報を含む。ユーザー情報は、例えば、ユーザーの年齢が分かる情報及びユーザーの性別を含む。ユーザーの年齢が分かる情報は、例えば、ユーザーの生年月日などである。また、認証情報は、ログイン時の認証に用いられる情報である。認証情報は、例えば、ログインＩＤ及びパスワード、生体認証用の生体情報、又はログイン用のカードなどに記憶された情報である。また、登録画面は、例えば、登録ボタンを含む。登録ボタンは、例えば、ユーザー登録に必要な情報の入力終了後に操作するためのボタンである。登録ボタンは、例えば、ユーザー登録に必要な情報をサーバー装置１００に送信するように端末装置２００に指示する場合に操作するためのボタンである。なお、ユーザーは、推定骨格筋量を求める対象の一例である。

ステップＳＴ１５においてプロセッサー２１０は、登録に必要な情報を送信するように指示する操作が行われるのを待ち受ける。すなわちプロセッサー２１０は、登録ボタンを操作するなどの予め定められた操作が行われるのを待ち受ける。プロセッサー２１０は、登録に必要な情報を送信するように指示する操作が行われたならば、ステップＳＴ１５においてＹｅｓと判定してステップＳＴ１６へと進む。

ステップＳＴ１６においてプロセッサー２１０は、登録情報を生成する。登録情報は、登録画面において入力された登録に必要な情報を含む。登録情報は、登録処理を行うようにサーバー装置１００に要求する情報である。プロセッサー２１０は、登録情報を生成した後、当該登録情報をサーバー装置１００に送信するように通信Ｉ／Ｆ２５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ２５０は、当該登録情報をサーバー装置１００に送信する。送信された当該登録情報は、サーバー装置１００の通信Ｉ／Ｆ１５０によって受信される。

一方、図４のステップＳＴ４１においてサーバー装置１００のプロセッサー１１０は、通信Ｉ／Ｆ１５０によって登録情報が受信されたか否かを判定する。プロセッサー１１０は、登録情報が受信されないならば、ステップＳＴ４１においてＮｏと判定してステップＳＴ４２へと進む。

ステップＳＴ４２においてプロセッサー１１０は、通信Ｉ／Ｆ１５０によってログイン情報が受信されたか否かを判定する。プロセッサー１１０は、ログイン情報が受信されないならば、ステップＳＴ４２においてＮｏと判定してステップＳＴ４３へと進む。

ステップＳＴ４３においてプロセッサー１１０は、通信Ｉ／Ｆ１５０によって測定値情報が受信されたか否かを判定する。プロセッサー１１０は、測定値情報が受信されないならば、ステップＳＴ４３においてＮｏと判定してステップＳＴ４４へと進む。

ステップＳＴ４４においてプロセッサー１１０は、通信Ｉ／Ｆ１５０によって入力情報が受信されたか否かを判定する。プロセッサー１１０は、入力情報が受信されないならば、ステップＳＴ４４においてＮｏと判定してステップＳＴ４１へと戻る。かくして、プロセッサー１１０は、登録情報、ログイン情報、測定値情報又は入力情報が受信されるまでステップＳＴ４１～ステップＳＴ４４を繰り返す待受状態となる。なお、ログイン情報、測定値情報及び入力情報については後述する。

プロセッサー１１０は、ステップＳＴ４１～ステップＳＴ４４の待受状態にあるときに登録情報が受信されたならば、ステップＳＴ４１においてＹｅｓと判定してステップＳＴ４５へと進む。
ステップＳＴ４５においてプロセッサー１１０は、当該登録情報に基づきユーザー登録のための登録処理を行う。このために、プロセッサー１１０は、例えば、ユーザーＩＤと当該登録情報に含まれる登録に必要な情報とを関連付けてユーザーＤＢ１４２に記憶する。なお、ユーザーＩＤは、ユーザーごとにユニークな識別情報である。また、ユーザーＩＤとログインＩＤは共通であっても良い。

ステップＳＴ４６においてプロセッサー１１０は、登録結果情報を生成する。登録結果情報は、登録処理の結果を通知する情報である。登録結果情報は、例えば、正常にユーザー登録が完了したこと又は登録に失敗したことなどを通知する。また、ユーザー登録が完了している場合、登録結果情報は、ユーザーのユーザーＩＤ，年齢及び性別を含む。プロセッサー１１０は、登録結果情報を生成した後、当該登録結果情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該登録結果情報を端末装置２００に送信する。送信された当該登録結果情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。プロセッサー１１０は、ステップＳＴ４６の処理の後、ステップＳＴ４１へと戻る。

一方、図２のステップＳＴ１７において端末装置２００のプロセッサー２１０は、通信Ｉ／Ｆ２５０によって登録結果情報が受信されるのを待ち受けている。プロセッサー２１０は、登録結果情報が受信されたならば、ステップＳＴ１７においてＹｅｓと判定してステップＳＴ１８へと進む。

ステップＳＴ１８においてプロセッサー２１０は、受信された登録結果情報に基づき、登録処理が完了したこと又は失敗したことを示す画像を表示デバイス２７０に表示させる。

ステップＳＴ１９においてプロセッサー２１０は、受信された登録結果情報に基づき、ユーザー登録が完了したか否かを判定する。プロセッサー２１０は、ユーザー登録に失敗した場合、ステップＳＴ１９においてＮｏと判定してステップＳＴ１４へと戻る。

また、プロセッサー２１０は、ステップＳＴ１２及びステップＳＴ１３の待受状態にあるときにログインに必要な情報を送信すると判定するならば、ステップＳＴ１３においてＹｅｓと判定してステップＳＴ２０へと進む。
ステップＳＴ２０においてプロセッサー２１０は、ログイン情報を生成する。ログイン情報は、例えば、ログイン画面において入力されたログインに必要な情報を含む。ログイン情報は、例えば、ログインに必要な情報に基づき、ログインのための処理を行うようにサーバー装置１００に要求する情報である。プロセッサー２１０は、ログイン情報を生成した後、当該ログイン情報をサーバー装置１００に送信するように通信Ｉ／Ｆ２５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ２５０は、当該ログイン情報をサーバー装置１００に送信する。送信された当該ログイン情報は、サーバー装置１００の通信Ｉ／Ｆ１５０によって受信される。

一方、サーバー装置１００のプロセッサー１１０は、図４のステップＳＴ４１～ステップＳＴ４４の待受状態にあるときにログイン情報が受信されたならば、ステップＳＴ４２においてＹｅｓと判定してステップＳＴ４７へと進む。
ステップＳＴ４７においてプロセッサー１１０は、ログインのためのログイン処理を行う。例えば、プロセッサー１１０は、ユーザーＤＢ１４２を参照して、ログインに必要な情報からユーザーＩＤを特定する。また、プロセッサー１１０は、当該ユーザーＩＤに関連付けられた情報から当該ユーザーＩＤで特定されるユーザーの年齢及び性別を特定する。なお、プロセッサー１１０は、ログイン処理について公知の処理を行っても良い。

ステップＳＴ４８においてプロセッサー１１０は、ログイン結果情報を生成する。ログイン結果情報は、ログイン処理の結果を示す情報である。ログイン結果情報は、例えば、正常にログイン処理が完了したこと又はログイン処理に失敗したことなどを通知する。また、ログイン処理が完了している場合、ログイン結果情報は、ユーザーのユーザーＩＤ，年齢及び性別を含む。プロセッサー１１０は、ログイン結果情報を生成した後、当該ログイン結果情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該ログイン結果情報を端末装置２００に送信する。送信された当該ログイン結果情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。プロセッサー１１０は、ステップＳＴ４８の処理の後、ステップＳＴ４１へと戻る。

一方、図２のステップＳＴ２１において端末装置２００のプロセッサー２１０は、通信Ｉ／Ｆ２５０によってログイン結果情報が受信されるのを待ち受けている。プロセッサー２１０は、ログイン結果情報が受信されたならば、ステップＳＴ２１においてＹｅｓと判定してステップＳＴ２２へと進む。

ステップＳＴ２２においてプロセッサー２１０は、受信されたログイン結果情報に基づき、ログイン処理が完了したこと又は失敗したことを示す画像を表示デバイス２７０に表示させる。

ステップＳＴ２３においてプロセッサー２１０は、受信されたログイン結果情報に基づき、ログインが完了したか否かを判定する。プロセッサー２１０は、ログインが完了していないならば、ステップＳＴ２３においてＮｏと判定してステップＳＴ１１へと戻る。

対して、プロセッサー２１０は、ログインが完了したならば、ステップＳＴ２３においてＹｅｓと判定してステップＳＴ２４へと進む。また、プロセッサー２１０は、ユーザー登録が完了したならば、ステップＳＴ１９においてＹｅｓと判定してステップＳＴ２４へと進む。なお、ログイン結果情報及び登録結果情報を総称して結果情報というものとする。

ステップＳＴ２４においてプロセッサー２１０は、図６に示すような入力画面ＳＣ１に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、入力画面ＳＣ１を表示する。

図６は、入力画面ＳＣ１の一例を示す図である。入力画面ＳＣ１は、骨格筋量の推定及びサルコペニアの判定などのために用いるデータを入力するための画面である。入力画面ＳＣ１は、一例として、領域ＡＲ１０１～領域ＡＲ１１１、入力終了ボタンＢ１１、及び測定値入力ボタンＢ１２を含む。入力画面ＳＣ１へのデータの入力は、例えば、入力デバイス２６０を用いて手入力される。あるいは、当該データは、端末装置２００以外の装置から通信Ｉ／Ｆ２５０などを介して入力されても良い。

領域ＡＲ１０１は、ユーザーＩＤを表示する領域である。当該ユーザーＩＤは、例えば、結果情報に含まれるユーザーＩＤである。
領域ＡＲ１０２は、領域ＡＲ１０５～領域ＡＲ１１１に入力される各測定量の測定日を表示する領域である。測定日は、一例として現在の日付である。あるいは、領域ＡＲ１０２に任意の測定日を入力することができても良い。
領域ＡＲ１０３は、ユーザーの性別を表示する領域である。当該性別は、例えば、結果情報に含まれる性別である。
領域ＡＲ１０４は、ユーザーの年齢を表示する領域である。当該年齢は、例えば、結果情報に含まれる年齢である。

領域ＡＲ１０５は、ユーザーのクレアチニン濃度を入力するための入力欄である。
領域ＡＲ１０６は、ユーザーのシスタチンＣ濃度を入力するための入力欄である。
領域ＡＲ１０７は、ユーザーのｅＧＦＲ（estimated glomerular filtration rate）を入力するための入力欄である。
領域ＡＲ１０８は、ユーザーのｅＧＦＲｃｙｓ（cystatin C-based estimated glomerular filtration rate）を入力するための入力欄である。

領域ＡＲ１０５及び領域ＡＲ１０７には、どちらかに入力すれば良い。領域ＡＲ１０６及び領域ＡＲ１０８には、どちらかのみ入力すればよい。

領域ＡＲ１０９は、ユーザーの握力を入力するための入力欄である。
領域ＡＲ１１０は、ユーザーの歩行速度を入力するための入力欄である。
領域ＡＲ１１１は、ユーザーが所定の距離を歩くのにかかる時間を入力するための入力欄である。所定の距離は、一例として６メートルである。
なお、ユーザーの歩行速度及びユーザーが所定の距離を歩くのにかかる時間のそれぞれは、ユーザーの歩く速度を示す情報である。

領域ＡＲ１０９～領域ＡＲ１１１には、サルコペニアの判定を行ってほしい場合にのみ入力する。領域ＡＲ１１０及び領域ＡＲ１１１には、どちらかのみ入力すればよい。

入力終了ボタンＢ１１は、入力画面ＳＣ１の各入力欄への入力を終了した場合に操作するためのボタンである。入力終了ボタンＢ１１は、骨格筋量の推定を行い、必要に応じてサルコペニアの判定を行うように指示するためのボタンである。
測定値入力ボタンＢ１２は、骨格筋量の測定値を入力する場合に操作するためのボタンである。骨格筋量の測定値の入力に関しては後述する。

被検者であるユーザーの血清中のクレアチニン濃度の測定は、例えば、酵素法（クレアチニナーゼ-サルコシンオキシダーゼ-ＰＯＤ法）などを用いる。また、ユーザーの血清中のシスタチンＣ濃度の測定は、例えば、ＥＬＩＳＡ（enzyme-linked immunosorbent assay）法（サンドイッチ酵素アッセイ法）などを用いる。また、ユーザーの血清は、当該ユーザーから採取された１０ｍＬ程度の血液を常温で３０分間以上静置した後、３０００ｒｐｍ、５分の遠心分離を行うことで採取する。

また、ユーザーの血清中のｅＧＦＲ及びｅＧＦＲｃｙｓについては、下式（１）～下式（４）を用いて算出する。ｅＧＦＲを算出する（１）式及び（２）式は、例えば非特許文献８に開示されている。また、ｅＧＦＲｃｙｓを算出する（３）式及び（４）式は、例えば非特許文献９に開示されている。（１）式は、男性のｅＧＦＲを算出する式である。（２）式は、女性のｅＧＦＲを算出する式である。（３）式は、男性のｅＧＦＲｃｙｓを算出する式である。（４）式は、女性のｅＧＦＲｃｙｓを算出する式である。なお、下式中Ｃｒｅは、ユーザーのクレアチニン濃度を示す。Ｃｙｓは、ユーザーのシスタチンＣ濃度を示す。ａｇｅはユーザーの年齢を示す。いずれも単位は［mL/min/1.73m²］である。
eGFR（男性）= 194 × Cre - 1.094 - 0.154 × age - 0.287 （１）
eGFR（女性）= 194 × Cre - 1.094 - 0.154 × age - 0.287 × 0.739 （２）
eGFRcys（男性）= (104 × Cys^-1.019 × 0.996^age) - 8 （３）
eGFRcys（女性）= (104 × Cys^-1.019 × 0.996^age × 0.929) - 8 （４）

ステップＳＴ２５においてプロセッサー２１０は、骨格筋量の測定値を入力するための処理を開始する操作が行われたか否かを判定する。すなわちプロセッサー２１０は、測定値入力ボタンＢ１２を操作するなどの予め定められた操作が行われたか否かを判定する。プロセッサー２１０は、骨格筋量の測定値を入力するための処理を開始する操作が行われないならば、ステップＳＴ２５においてＮｏと判定してステップＳＴ２６へと進む。

ステップＳＴ２６においてプロセッサー２１０は、入力画面ＳＣ１の各入力欄への入力を終了するための操作が行われたか否かを判定する。すなわちプロセッサー２１０は、入力終了ボタンＢ１１を操作するなどの予め定められた操作が行われたか否かを判定する。プロセッサー２１０は、入力画面ＳＣ１の各入力欄への入力を終了するための操作が行われないならば、ステップＳＴ２６においてＮｏと判定してステップＳＴ２５へと戻る。かくして、プロセッサー２１０は、骨格筋量の測定値を入力するための処理を開始する操作、又は入力画面ＳＣ１の各入力欄への入力を終了するための操作が行われるまでステップＳＴ２５及びステップＳＴ２６を繰り返す待受状態となる。

プロセッサー２１０は、ステップＳＴ２５及びステップＳＴ２６の待受状態にあるときに入力画面ＳＣ１の各入力欄への入力を終了する操作が行われたならば、ステップＳＴ２６においてＹｅｓと判定して図３のステップＳＴ２７へと進む。

ステップＳＴ２７においてプロセッサー２１０は、入力情報を生成する。入力情報は、入力画面ＳＣ１の領域ＡＲ１０１～領域ＡＲ１１１に含まれる各情報を含む。入力情報は、当該各情報を送信するための情報である。また、入力情報は、骨格筋量の推定を行い、必要に応じてサルコペニアの判定を行うようにサーバー装置１００に要求する情報である。プロセッサー２１０は、入力情報を生成した後、当該入力情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該入力情報を端末装置２００に送信する。送信された当該入力情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。

一方、サーバー装置１００のプロセッサー１１０は、図４のステップＳＴ４１～ステップＳＴ４４の待受状態にあるときに入力情報が受信されたならば、ステップＳＴ４４においてＹｅｓと判定して図５のステップＳＴ４９へと進む。
ステップＳＴ４９においてプロセッサー１１０は、ｅＧＦＲを算出するか否かを判定する。プロセッサー１１０は、受信された入力情報にｅＧＦＲが含まれないならば、ｅＧＦＲを算出すると判定する。プロセッサー１１０は、ｅＧＦＲを算出するならば、ステップＳＴ４９においてＮｏと判定してステップＳＴ５０へと進む。

ステップＳＴ５０においてプロセッサー１１０は、ユーザーのｅＧＦＲを算出する。プロセッサー１１０は、例えば（１）式又は（２）式を用いてユーザーのｅＧＦＲを算出する。あるいは、プロセッサー１１０は、その他の公知の方法でｅＧＦＲを算出しても良い。

プロセッサー１１０は、ステップＳＴ５０の処理の後、ステップＳＴ５１へと進む。また、プロセッサー１１０は、ｅＧＦＲを算出しないならば、ステップＳＴ４９においてＮｏと判定してステップＳＴ５１へと進む。
ステップＳＴ５１においてプロセッサー１１０は、ｅＧＦＲｃｙｓを算出するか否かを判定する。プロセッサー１１０は、受信された入力情報にユーザーのｅＧＦＲｃｙｓが含まれないならば、ｅＧＦＲｃｙｓを算出すると判定する。プロセッサー１１０は、ｅＧＦＲｃｙｓを算出するならば、ステップＳＴ５１においてＹｅｓと判定してステップＳＴ５２へと進む。

ステップＳＴ５２においてプロセッサー１１０は、ユーザーのｅＧＦＲｃｙｓを算出する。プロセッサー１１０は、例えば（３）式又は（４）式を用いてｅＧＦＲｃｙｓを算出する。あるいは、プロセッサー１１０は、その他の公知の方法でｅＧＦＲｃｙｓを算出しても良い。

プロセッサー１１０は、ステップＳＴ５２の処理の後、ステップＳＴ５３へと進む。また、プロセッサー１１０は、ｅＧＦＲｃｙｓを算出しないならば、ステップＳＴ５１においてＮｏと判定してステップＳＴ５３へと進む。

ステップＳＴ５３においてプロセッサー１１０は、骨格筋量の推定量を示す推定骨格筋量を算出する。プロセッサー１１０は、推定骨格筋量を示す指標として、例えば、推定骨格筋指標（ｅＳＭＩ（estimated skeletal muscle mass index））［ｋｇ／ｍ^２］又は推定四肢骨格筋量（ｅＳＭＭ（estimated skeletal muscle mass））［ｋｇ］を用いる。ｅＳＭＩは、ＳＭＩ［ｋｇ／ｍ^２］の推定値である。ｅＳＭＭは、推定四肢骨格筋量（ＳＭＭ（skeletal muscle mass））［ｋｇ］の推定値である。プロセッサー１１０は、ｅＳＭＩ及びｅＳＭＭの算出にｅＧＦＲに対するｅＧＦＲｃｙｓの比（以下「ｅＧＦＲ比」という。）を用いる。プロセッサー１１０は、ユーザーのｅＧＦＲ及びｅＧＦＲｃｙｓを用いて、下式（５）によりｅＧＦＲ比を求める。
ｅＧＦＲ比＝ｅＧＦＲｃｙｓ／ｅＧＦＲ （５）

プロセッサー１１０は、推定骨格筋量を求めるために推定骨格筋量とｅＧＦＲ比の関係式を、骨格筋量ＤＢ１４１を参照して作成する。骨格筋量ＤＢ１４１は、複数の被験者の骨格筋量の測定値及びｅＧＦＲ比を記憶している。骨格筋量ＤＢ１４１は、骨格筋量を示す指標として、例えば、ＳＭＩ又はＳＭＭを記憶する。骨格筋量は、例えばＢＩＡを用いて測定されたものを用いる。あるいは、骨格筋量は、他の方法によって測定された骨格筋量であっても良い。なお、骨格筋量ＤＢ１４１は、各被験者の骨格筋量について、被験者ＩＤと関連付けて記憶している。骨格筋量ＤＢ１４１は、被験者のプライバシーを確保するため、被験者について匿名かされていることが好ましい。骨格筋量ＤＢ１４１は、匿名化のために、例えば、被験者ＩＤと、個人を特定することができるデータは関連付けられていないことが好ましい。また、骨格筋量ＤＢ１４１は、骨格筋量のデータのうち、外れ値又は異常値のように著しく逸脱したようなデータは、骨格筋量ＤＢ１４１の管理者などによって除外されていても良い。除外されたデータは、関係式の作成に用いられない。

図７は、複数の男性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフの一例である。曲線Ｌ１は、ＳＭＩとｅＧＦＲ比の関係式を示す曲線である。図７に示す曲線Ｌ１は、１次曲線（直線）である。しかしながら、曲線Ｌ１はどのような曲線であっても良い。プロセッサー１１０は、最小二乗法などによる曲線あてはめにより曲線Ｌ１を求める。プロセッサー１１０は、ロバスト推定などの、外れ値及び異常値の影響を少なくする方法により曲線Ｌ１を求めても良い。曲線Ｌ１は、ｅＧＦＲ比の関数ｆ１により、ＳＭＩ＝ｆ１（ｅＧＦＲ比）と表すことができる。したがって、関数ｆ１を用いることでＳＭＩを推定することができる。つまり、プロセッサー１１０は、一例として、男性のｅＳＭＩを下式（６）の関係式によって推定することができる。なお、（６）式は、曲線Ｌ１が１次曲線である場合の例である。
ｅＳＭＩ（男性） = ｆ１（eGFR比） = ａ１ × eGFR比 + ｂ１ （６）
ここで、係数ａ１及び係数ｂ１は、曲線あてはめによって求める係数である。一例として、５０人の男性の被験者の測定値から係数ａ１及び係数ｂ１を求めると、ａ１＝３．４８１、ｂ１＝３．６５３であった。なお、この場合のＳＭＩとｅＧＦＲ比の相関係数の２乗Ｒ^２は、Ｒ^２= ０．４７６であった。

図８は、複数の女性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフの一例である。曲線Ｌ２は、ＳＭＩとｅＧＦＲ比の関係式を示す曲線である。図８に示す曲線Ｌ２は、１次曲線（直線）である。しかしながら、曲線Ｌ２はどのような曲線であっても良い。プロセッサー１１０は、女性の場合も男性と同様に曲線Ｌ２を求める。曲線Ｌ２は、ｅＧＦＲ比の関数ｆ２により、ＳＭＩ＝ｆ２（ｅＧＦＲ比）と表すことができる。プロセッサー１１０は、一例として、女性のｅＳＭＩを下式（７）の関係式によって推定することができる。なお、（７）式は、曲線Ｌ１が１次曲線である場合の例である。
ｅＳＭＩ（女性） = ｆ２（eGFR比） = ａ２ × eGFR比 + ｂ２ （７）
ここで、係数ａ２及び係数ｂ２は、曲線あてはめによって求める係数である。一例として、５０人の女性の被験者の測定値から係数ａ２及び係数ｂ２を求めると、ａ２＝３．３２３、ｂ２＝２．５８５であった。なお、この場合のＳＭＩとｅＧＦＲ比の相関係数の２乗Ｒ^２は、Ｒ^２= ０．４４２であった。

また、プロセッサー１１０は、ＳＭＩに代えてＳＭＭを用いる場合も同様に関係式を求めることができる。（８）式は、男性のｅＳＭＭを推定する関係式である。（９）式は、女性のｅＳＭＭを推定する関係式である。
ｅＳＭＭ（男性） = ｆ３（eGFR比） = ａ３ × eGFR比 + ｂ３ （８）
ｅＳＭＭ（女性） = ｆ４（eGFR比） = ａ４ × eGFR比 + ｂ４ （９）
ここで、係数ａ３、係数ｂ３、係数ａ４及び係数ｂ４は、曲線あてはめによって求める係数である。一例として、５０人の男性及び５０人の女性の被験者のＳＭＭの測定値を用いて係数ａ３、係数ｂ３、係数ａ４及び係数ｂ４を求めると、ａ３＝１３．２４５、ｂ３＝６．３９２６、ａ４＝１２．６７３、ｂ４＝２．２０６３．であった。また、この場合の男性のＳＭＭとｅＧＦＲ比の相関係数の２乗Ｒ^２は、Ｒ^２=０．５３９９であった。そして、女性のＳＭＭとｅＧＦＲ比の相関係数の２乗Ｒ^２は、Ｒ^２=０．５７６８であった。

それぞれの相関係数の２乗Ｒ^２によれば、ｅＳＭＩよりもｅＳＭＭを用いた方が、相関係数の２乗Ｒ^２の数値は大きい。したがって、ｅＳＭＩよりもｅＳＭＭを用いる方が推定骨格筋量を正確に推定することができると考えられる。

なお、関数ｆ１～関数ｆ４は、ｅＧＦＲ比の関数である。ここで、ｅＧＦＲ比は、ｅＧＦＲｃｙｓ及びｅＧＦＲを含む。よって、関数ｆ１～関数ｆ４は、ｅＧＦＲｃｙｓ及びｅＧＦＲの関数である。したがって、関数ｆ１～関数ｆ４のそれぞれは、ｅＧＦＲｃｙｓ及びｅＧＦＲと骨格筋量との関係を示す第１の関数の一例である。

なお、プロセッサー１１０は、各関係式を、例えば、新たな測定値が骨格筋量ＤＢ１４１に追加されたことに応じて求める。プロセッサー１１０は、各関係式を、例えば、所定の期間ごとに定期的に求める。プロセッサー１１０は、各関係式を求めることで、第１の関数を決定する決定部として機能する。

プロセッサー１１０は、以上のような（６）式～（９）のような関係式を用いて、ユーザーのｅＧＦＲ比からユーザーの推定骨格筋量を求める。なお、プロセッサー１１０は、ユーザーが男性である場合には男性用の関係式を用いて推定骨格筋量を求める。プロセッサー１１０は、ユーザーが女性である場合には女性用の関係式を用いて推定骨格筋量を求める。

ステップＳＴ５４においてプロセッサー１１０は、ステップＳＴ５３で求めた推定骨格筋量から、ユーザーの骨格筋量が低下しているか否かを判定する。プロセッサー１１０は、例えば、ユーザーが男性である場合、ｅＳＭＩが所定の閾値ＴＨ１未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ１は、一例として７．０［ｋｇ／ｍ^２］である。プロセッサー１１０は、例えば、ユーザーが女性である場合、ｅＳＭＩが所定の閾値ＴＨ２未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ２は、一例として５．７［ｋｇ／ｍ^２］である。プロセッサー１１０は、例えば、ユーザーが男性である場合、ｅＳＭＭが所定の閾値ＴＨ３未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ３は、一例として２０．２［ｋｇ］である。プロセッサー１１０は、例えば、ユーザーが女性である場合、ｅＳＭＭが所定の閾値ＴＨ４未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ４は、一例として１２．８［ｋｇ］である。なお、閾値ＴＨ３及び閾値ＴＨ４は、第１の閾値の例である。

ステップＳＴ５５においてプロセッサー１１０は、サルコペニアの判定を行うか否かを判定する。プロセッサー１１０は、受信された入力情報にユーザーの握力及び歩行速度、又は握力及び所定の距離を歩くのにかかる時間が含まれるならば、サルコペニアの判定を行うと判定する。プロセッサー１１０は、サルコペニアの判定を行うならば、ステップＳＴ５５においてＹｅｓと判定してステップＳＴ５６へと進む。

ステップＳＴ５６においてプロセッサー１１０は、ステップＳＴ５３で求めたユーザーの推定骨格筋量と、ユーザーの握力と、ユーザーの歩行速度とを用いて、ユーザーがサルコペニアであるか否かの判定を行う。なお、プロセッサー１１０は、受信された入力情報にユーザーの歩行速度が含まれない場合、所定の距離を歩くのにかかる時間から歩行速度を求める。また、プロセッサー１１０は、ユーザーがサルコペニアであると判定した場合には、当該サルコペニアの重症度を判定する。
プロセッサー１１０は、例えば、ステップＳＴ５４で骨格筋量が減少していると判定し、且つユーザーの握力が閾値ＴＨ５以下である場合にユーザーがサルコペニアであると判定する。閾値ＴＨ５は、一例として１８．０ｋｇである。なお、閾値ＴＨ５はユーザーの性別など、ユーザーの条件によって異なっていても良い。また、プロセッサー１１０は、ユーザーがサルコペニアであると判定し、且つユーザーの歩行速度が閾値ＴＨ６以下である場合、ユーザーが重度サルコペニアであると判定する。閾値ＴＨ６は、一例として、１．０［ｍ／秒］である。なお、閾値ＴＨ６はユーザーの性別など、ユーザーの条件によって異なっていても良い。なお、閾値ＴＨ５は、第２の閾値の一例である。閾値ＴＨ６は、第３の閾値の一例である。
また、プロセッサー１１０は、フレイルの判定を行っても良い。プロセッサー１１０は、例えば、ステップＳＴ５３で求めたユーザーの推定骨格筋量と、当該ユーザーの過去の推定骨格筋量とを比較し、推定骨格筋量が所定以上に減少している場合に、ユーザーの体重、握力及び歩行速度などを用いてユーザーがフレイルであることを判定する。なお、プロセッサー１１０は、ユーザーＤＢ１４２を参照することで、受信された入力情報に含まれるユーザーＩＤに関連付けられている推定骨格筋量を過去の推定骨格筋量として取得する。

プロセッサー１１０は、ステップＳＴ５６の処理の後、ステップＳＴ５７へと進む。また、プロセッサー１１０は、サルコペニアの判定を行うと判定しないならば、ステップＳＴ５５においてＮｏと判定してステップＳＴ５７へと進む。
ステップＳＴ５７においてプロセッサー１１０は、受信された入力情報に含まれるユーザーＩＤと推定ＩＤとを関連付けてユーザーＤＢ１４２に記憶する。推定ＩＤは、推定骨格筋量の算出ごとにユニークに付与される識別情報である。プロセッサー１１０は、当該入力情報に含まれる各情報を当該推定ＩＤと関連付けてユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、ステップＳＴ５０の処理を行った場合、当該推定ＩＤと関連付けて、ステップＳＴ５０で求めたｅＧＦＲをユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、ステップＳＴ５２の処理を行った場合、当該推定ＩＤと関連付けて、ステップＳＴ５２で求めたｅＧＦＲｃｙｓを推定ＤＢ１４２に記憶する。また、プロセッサー１１０は、当該推定ＩＤと関連付けてステップＳＴ５３で求めたｅＧＦＲ比及び推定骨格筋量をユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、当該推定ＩＤと関連付けてステップＳＴ５４で求めた判定結果をユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、ステップＳＴ５６の処理を行った場合、当該推定ＩＤと関連付けてステップＳＴ５６で求めた判定結果をユーザーＤＢ１４２に記憶する。

ステップＳＴ５８においてプロセッサー１１０は、計算結果情報を生成する。計算結果情報は、ステップＳＴ５３で求められた推定骨格筋量、ステップＳＴ５４の判定結果を含む。また、ステップＳＴ５６の処理が行われた場合、計算結果情報は、ステップＳＴ５６の判定結果を含む。プロセッサー１１０は、計算結果情報を生成した後、当該計算結果情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該計算結果情報を端末装置２００に送信する。送信された当該計算結果情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。プロセッサー１１０は、ステップＳＴ５８の処理の後、ステップＳＴ４１へと戻る。

一方、図３のステップＳＴ２８において端末装置２００のプロセッサー２１０は、通信Ｉ／Ｆ２５０によって計算結果情報が受信されるのを待ち受けている。プロセッサー２１０は、計算結果情報が受信されたならば、ステップＳＴ２８においてＹｅｓと判定してステップＳＴ２９へと進む。

ステップＳＴ２９においてプロセッサー２１０は、図９に示すような結果画面ＳＣ２に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、結果画面ＳＣ２を表示する。

図９は、結果画面ＳＣ２の一例を示す図である。結果画面ＳＣ２は、受信された計算結果情報に含まれる各種情報を端末装置２００の操作者などに報知するための画面である。結果画面ＳＣ２は、一例として、領域ＡＲ１０１、領域ＡＲ１０２及び領域ＡＲ２１～領域ＡＲ２３を含む。

領域ＡＲ２１は、例えば、図５のステップＳＴ５３で求められた推定骨格筋量及びステップＳＴ５４の判定結果などを含む。

領域ＡＲ２２は、握力を用いたサルコペニアの判定結果を示す画像を含む。領域ＡＲ２２は、例えば、閾値ＴＨ５及びユーザーの握力を表示する。
領域ＡＲ２３は、歩行速度を用いたサルコペニアの判定結果を示す画像を含む。領域ＡＲ２３は、例えば、閾値ＴＨ６及びユーザーの歩行速度を表示する。
領域ＡＲ２４は、サルコペニアの判定結果を示す画像などを含む。
また、領域ＡＲ２２～領域ＡＲ２４は、フレイルの判定結果を示す画像を含んでも良い。

なお、プロセッサー２１０は、結果画面ＳＣ２と同様の内容の画像を、プリンターなどを制御して印刷することにより報知しても良い。また、プロセッサー２１０は、結果画面ＳＣ２と同様の内容の音声をスピーカーなどから出力することで報知しても良い。また、プロセッサー２１０は、その他の方法により報知しても良い。

ステップＳＴ３０においてプロセッサー２１０は、低栄養の判定を行わずに終了するか否かを判定する。例えば、プロセッサー２１０は、低栄養の判定を行わずに終了するように指示する操作が行われたならば、低栄養の判定を行わずに終了すると判定する。プロセッサー２１０は、低栄養の判定を行わずに終了すると判定しないならば、ステップＳＴ３０においてＮｏと判定してステップＳＴ３１へと進む。

ステップＳＴ３１においてプロセッサー２１０は、低栄養の判定を行うか否かを判定する。例えば、プロセッサー２１０は、低栄養の判定を行うように指示する操作が行われたならば、低栄養の判定を行うと判定する。プロセッサー２１０は、低栄養の判定を行うと判定しないならば、ステップＳＴ３１においてＮｏと判定してステップＳＴ３０へと戻る。かくして、プロセッサー２１０は、低栄養の判定を行わずに終了すると判定するか、低栄養の判定を行うと判定するまでステップＳＴ３０及びステップＳＴ３１を繰り返す待受状態となる。

プロセッサー２１０は、ステップＳＴ３０及びステップＳＴ３１の待受状態にあるときに低栄養の判定を行わずに終了すると判定するならば、ステップＳＴ３０においてＹｅｓと判定して図２のステップＳＴ１１へと戻る。

プロセッサー２１０は、図３のステップＳＴ３０及びステップＳＴ３１の待受状態にあるときに低栄養の判定を行うと判定するならば、ステップＳＴ３１においてＹｅｓと判定してステップＳＴ３２へと進む。

ステップＳＴ３２においてプロセッサー２１０は、図１０に示すような判定入力画面ＳＣ３に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、判定入力画面ＳＣ３を表示する。

図１０は、判定入力画面ＳＣ３の一例を示す図である。判定入力画面ＳＣ３は、例えば、領域ＡＲ１０１、領域ＡＲ１０２、領域ＡＲ３１～領域ＡＲ３３及び入力終了ボタンＢ３１を含む。

領域ＡＲ３１は、ユーザーの身長及び体重を入力するための入力欄である。なお、領域ＡＲ３１は、ユーザーのＢＭＩ（body mass index）を入力するための入力欄であっても良い。
領域ＡＲ３２は、ユーザーの推定骨格筋量を表示する。領域ＡＲ３２は、例えば、ステップＳＴ２８で受信された計算結果情報に含まれる推定骨格筋量が入力される。なお、領域ＡＲ３２は、任意に推定骨格筋量を入力することができても良い。

領域ＡＲ３３は、ユーザーの体調などを入力するための入力欄である。領域ＡＲ３３１～領域ＡＲ３３３を含む。
領域ＡＲ３３１は、体重減少に関する入力欄である。領域ＡＲ３３１は、例えば、「６か月以内に５％以上の体重減少」「６か月以上で１０％以上の体重減少」のうちあてはまるものを選択入力する入力欄である。

領域ＡＲ３３２は、食事摂取に関する入力欄である。領域ＡＲ３３２は、「１週間以上、食事が半分ほどしか食べられない」「食事摂取量の低下が２週間以上続く」「下痢、嘔吐など、消化吸収の異常、慢性的な消化器症状がある」のうちあてはまるものを選択入力する入力欄である。なお、食事が半分ほどしか食べられないとは、エネルギー摂取量が必要量の50％以下であることを示す。

領域ＡＲ３３３は、疾患に関する入力欄である。領域ＡＲ３３３は、「大きな病気や怪我をした」「慢性的な病気がある」のうち、あてはまるものを選択入力する入力欄である。また、領域ＡＲ３３３は、「消化吸収障害」「慢性的な消化器症状」「急性疾患／外傷」「慢性疾患」などを選択入力することができても良い。

入力終了ボタンＢ３１は、判定入力画面ＳＣ３の各入力欄への入力を終了した場合に操作するためのボタンである。入力終了ボタンＢ３１は、低栄養の判定を行うように端末装置２００に指示するためのボタンである。

端末装置２００の操作者は各入力欄に情報を入力した後、入力終了ボタンＢ３１を操作する。

ステップＳＴ３３においてプロセッサー２１０は、判定入力画面ＳＣ３への入力を終了する操作が行われるのを待ち受ける。すなわちプロセッサー２１０は、入力終了ボタンＢ３１を操作するなどの予め定められた操作が行われるのを待ち受ける。プロセッサー２１０は、判定入力画面ＳＣ３への入力を終了する操作が行われたならば、ステップＳＴ３３においてＹｅｓと判定してステップＳＴ３４へと進む。

ステップＳＴ３４においてプロセッサー２１０は、低栄養の判定を行う。サルコペニア及びフレイルの原因のひとつに低栄養が知られている。高齢者では、およそ20～40％が低栄養であるという報告がある。しかし、高齢者本人や家族が、低栄養に気付いていないことも少なくない。低栄養に気付かないうちに、サルコペニアが進行し、やがて、骨折や疾患を発症する事例が多い。こうした問題を改善するため、簡便に栄養状態をアセスメントできるアプリケーションなども公開されているが、特異度が低く、普及していないのが現状である。低栄養を正確に診断するのは比較的困難である。プロセッサー２１０は、例えば、2018年、国際的な低栄養の診断基準として制定されたＧＬＩＭ（Global Leadership Initiative on Malnutrition）クライテリア（非特許文献５）を用いて低栄養の判定を行う。この判定を行う場合、骨格筋の減少の有無を判定することが必要となる。

プロセッサー２１０は、領域ＡＲ３１に入力された身長及び体重からユーザーのＢＭＩを求める。プロセッサー２１０は、ＢＭＩを、例えば、下式（１０）により算出する。ただし、プロセッサー２１０は、領域ＡＲ３１にＢＭＩが入力されている場合にはＢＭＩを求めるには及ばない。
ＢＭＩ＝体重[kg]１/身長[cm]/身長[cm] × 10000 （１０）

プロセッサー２１０は、例えば、「体重減少」「低ＢＭＩ」「骨格筋減少」のうち１項目以上、「食事摂取」、「疾患」のうち１項目以上に該当した場合、低栄養と判定する。

プロセッサー２１０は、領域ＡＲ３３１の項目のいずれかが選択されている場合に「体重減少」に該当すると判定する。
プロセッサー２１０は、ＢＭＩが、例えば、70歳未満は18.5ｋｇ／ｍ^２未満で、70歳以上は20.0ｋｇ／ｍ^２未満で「低ＢＭＩ」に該当すると判定する。
プロセッサー２１０は、例えば、領域ＡＲ３２に入力された推定骨格筋量を用いて骨格筋減少の判定を行う。プロセッサー２１０は、例えば、ステップＳＴ５４と同様の判定方法により骨格筋量が低下していると判定した場合に「骨格筋減少」に該当すると判定する。
プロセッサー２１０は、領域ＡＲ３３２の項目のいずれかが選択されている場合に「食事摂取」に該当すると判定する。
プロセッサー２１０は、領域ＡＲ３３３の項目のいずれかが選択されている場合に「疾患」に該当すると判定する。

ステップＳＴ３５においてプロセッサー２１０は、図１１に示すような低栄養結果画面ＳＣ４に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、低栄養結果画面ＳＣ４を表示する。

図１１は、低栄養結果画面ＳＣ４の一例を示す図である。低栄養結果画面ＳＣ４は、例えば、ユーザーが低栄養であるか否かを報知するための画面である。低栄養結果画面ＳＣ４は、一例として領域ＡＲ１０１、領域ＡＲ１０２、及び領域ＡＲ４１～領域ＡＲ４３を含む。
領域ＡＲ４１は、「体重減少」「低ＢＭＩ」及び「骨格筋減少」のそれぞれについて該当するか否かを表示する。また、領域ＡＲ４１は、ユーザーのＢＭＩの値及び骨格筋減少量も表示する。
領域ＡＲ４２は、「食事摂取」及び「疾患」のそれぞれにてういて該当するか否かを表示する。
領域ＡＲ４３は、低栄養であるか否かを示す画像を含む。また、領域ＡＲ４３は、ユーザーへのコメントなどを示す画像を含んでも良い。

ステップＳＴ３６においてプロセッサー２１０は、低栄養結果画面ＳＣ４の表示を終了すると判定するのを待ち受ける。プロセッサー２１０は、低栄養結果画面ＳＣ４の表示を終了すると判定したならば、ステップＳＴ３６においてＹｅｓと判定して図２のステップＳＴ１１へと戻る。

端末装置２００の操作者は、ユーザーの骨格筋量の測定値を入力することで、骨格筋量ＤＢ１４１にデータを追加することができる。この場合、端末装置２００の操作者は、例えば、図６の測定値入力ボタンＢ１２を操作する。
プロセッサー２１０は、ステップＳＴ２５及びステップＳＴ２６の待受状態にあるときに骨格筋量の測定値を入力するための処理を開始する操作が行われたならば、ステップＳＴ２５においてＹｅｓと判定してステップＳＴ３７へと進む。

ステップＳＴ３７においてプロセッサー２１０は、測定値入力画面に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、測定値入力画面を表示する。

測定値入力画面は、ユーザーの骨格筋量の測定値を入力するための画面である。当該測定値は、例えばＢＩＡによって測定された値である。
測定値入力画面は、ユーザーの骨格筋量の測定値及び測定日並びにユーザーの体調に関する情報を入力するための入力欄などを含む。

ステップＳＴ３８においてプロセッサー２１０は、測定値入力画面への入力が終了するのを待ち受ける。プロセッサー２１０は、測定値入力画面への入力が終了したならば、ステップＳＴ３８においてＹｅｓと判定してステップＳＴ３９へと進む。

ステップＳＴ３９においてプロセッサー２１０は、測定値情報を生成する。測定値情報は、ユーザーのユーザーＩＤ、測定値入力画面において入力された測定値、測定日及び体調に関する情報を含む。測定値情報は、骨格筋量ＤＢ１４１に、当該測定値情報に基づくデータを新規に追加するように要求する情報である。プロセッサー２１０は、測定値情報を生成した後、当該測定値情報をサーバー装置１００に送信するように通信Ｉ／Ｆ２５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ２５０は、当該測定値情報をサーバー装置１００に送信する。送信された当該測定値情報は、サーバー装置１００の通信Ｉ／Ｆ１５０によって受信される。プロセッサー２１０は、ステップＳＴ３９の処理の後、ステップＳＴ１１へと戻る。

一方、サーバー装置１００のプロセッサー１１０は、図４のステップＳＴ４１～ステップＳＴ４４の待受状態にあるときに測定値情報が受信されたならば、ステップＳＴ４３においてＹｅｓと判定してステップＳＴ５９へと進む。

ステップＳＴ５９においてプロセッサー１１０は、骨格筋量ＤＢ１４１に当該測定値情報に基づくデータを登録するか否かを判定する。プロセッサー１１０は、ユーザーＤＢ１４２を参照して、当該測定値情報に含まれるユーザーＩＤに関連付けられた各推定ＩＤのうち、関連付けられた入力情報に含まれる測定日が、当該測定値情報に含まれる測定日と最も近いものを特定する。ここで特定された推定ＩＤを以下「特定推定ＩＤ」という。プロセッサー１１０は、特定推定ＩＤに関連付けられた測定日と、測定値情報に含まれる測定日とが所定の期間以上である場合、骨格筋量ＤＢ１４１にデータを登録しないと判定する。所定の期間は、一例として２週間である。また、プロセッサー１１０は、測定値情報に含まれるユーザーの体調に関する情報が、所定の状態にあてはまる場合、骨格筋量ＤＢ１４１にデータを登録しないと判定する。所定の状態とは、例えば、ユーザーが所定以上に体重の変動があった、又はユーザーが疾患に罹患したなどの状態である。プロセッサー１１０は、骨格筋量ＤＢ１４１にデータを登録しないと判定しないならば、骨格筋量ＤＢ１４１にデータを登録すると判定する。プロセッサー１１０は、骨格筋量ＤＢ１４１にデータを登録しないと判定するならば、ステップＳＴ５９においてＮｏと判定してステップＳＴ４１へと戻る。対して、プロセッサー１１０は、骨格筋量ＤＢ１４１にデータを登録すると判定するならば、ステップＳＴ５９においてＹｅｓと判定してステップＳＴ６０へと進む。

ステップＳＴ６０においてプロセッサー１１０は、受信された測定値情報に基づくデータを骨格筋量ＤＢ１４１に登録する。すなわち、プロセッサー１１０は、被験者ＩＤを新規に生成する。そして、プロセッサー１１０は、当該被験者ＩＤに関連付けて、ユーザーＩＤに関連付けられた入力情報に含まれる性別、測定値情報に含まれる骨格筋量、及び特定推定ＩＤに関連付けられたｅＧＦＲ比を骨格筋量ＤＢ１４１に記憶する。プロセッサー１１０は、ステップＳＴ６０の処理の後、ステップＳＴ４１へと戻る。
なお、ステップＳＴ６０の処理によって登録されたデータでも、骨格筋量ＤＢ１４１の管理者は、端末などを操作することにより、登録すべきでないと判断したデータを骨格筋量ＤＢ１４１から除外することができても良い。

実施形態の診断システム１は、比較的一般的な血液データの組合せの中から、従来よりも簡便で、迅速で、安価に骨格筋量を算出することができる。また、実施形態の診断システム１は、特殊な検査を行うことなく、推定骨格筋量を算出することができる。
また、実施形態の診断システム１は、算出した骨格筋量を用いることにより、サルコペニア、重症サルコペニア、低栄養の判定を行うことができる。これにより、骨折又は疾患発症のリスクがある高齢者に対して、早期から適切な支援を行うことができ、医療及び介護に関するコスト及びマンパワーを削減することができると考えられる。また、高齢者の疾患防止、健康増進を図ることができると考えられる。

本発明の実施形態は、ともに腎機能の指標として使用されるeGFRとeGFRcysの結果の差異を利用している。eGFRは、骨格筋で産生されるクレアチニンを指標として用いる。クレアチニンは腎の糸球体から濾過された後、尿細管で再吸収されないため、腎の糸球体濾過量を推定するために使用されている。しかし、骨格筋量が減少した高齢者などでは、クレアチニンの産生量が減少し、腎機能が過大評価されることが示唆されていた。これを改善するために使用されるようになったのがeGFRcysである。eGFRcysは、シスタチンＣを指標とする。シスタチンＣは、体内の細胞から算出されるプロテアーゼ阻害物質の一種で、腎の糸球体から濾過された後、近位尿細管で再吸収されるが、尿細管上皮内で分解され、血液中に還流することはないと考えられている。50人の被検者(男性20人、女性30人，平均年齢76.4±13.9歳)でその差異について調べたところ、多くの事例で、eGFRcysがeGFRを下回ることが観察された（図１２及び図１３）。
図１２は、男性のeGFRとeGFRcysの結果の差異を示すグラフの一例である。図１３は、女性のeGFRとeGFRcysの結果の差異を示すグラフの一例である。

上記の50人の被検者による検討では、男性ではeGFRとeGFRcysの結果が一致する事例が多かった一方、女性、とくに、骨格筋の減少の目立つ高齢者で、eGFRcysがeGFRを下回っていた。

この結果から、eGFRcysに対してeGFRが低値となるおもな原因は、骨格筋の減少であり、eGFRcysとeGFRの比率から、骨格筋の減少を推定することが可能ではないかと考えられた。上記の50人の被検者の骨格筋指数（ＳＭＩ）、四肢骨格筋量（ＳＭＭ）をＢＩＡで測定し、eGFRcys/eGFR比と比較した結果、上記の男女別の計算式が得られた。

計算式から得られた推定骨格筋量（ｅＳＭＩ）において、受信者動作特性曲線(ＲＯＣ曲線；Receiver Operating Characteristic Curve)から、骨格筋量低下の男女別の最適カットオフ値を算定し、診断能の評価を行った。縦軸を感度、横軸を特異度とし、カットオフ値ごとにプロットした図が図１４及び図１５である。
図１４は、男性のＲＯＣ曲線の一例を示すグラフである。図１５は、女性のＲＯＣ曲線の一例を示すグラフである。

曲線が左上隅に近づき、曲線下の面積（ＡＵＣ；area under the curve）が大きいほど、正確な診断を行うことができると判定される。曲線がもっとも左上隅に近づいたカットオフ値が、最適カットオフ値となる。男性では、最適カットオフ値は0.900で、このときの特異度は0.833、感度は0.857だった。ＡＵＣは、0.857（95%信頼区間 0.682 - 1）で、中等度以上の精度が得られた。女性では、最適カットオフ値は0.869で、このときの特異度は0.857、感度は0.870だった。ＡＵＣは、0.870（95%信頼区間 0.722 - 1）で、やはり中等度以上の精度が得られた。

しかしながら、クレアチニン、シスタチンＣの代謝については、いまだ詳細に解明されていないことも多い。とくに、シスタチンＣが近位尿細管で再吸収された後の挙動に関しては、今後明らかにされるべき内容もあると考えられる。したがって、より精度の高い骨格筋量の算出を行うためには、データの蓄積と、計算式の係数などの更新が必要となると考えられる。

今回の発明では、eGFRとeGFRcysという、腎機能を評価する指標を用いている。これらの指標は、体表面積あたりの値で、被検者の身長や肥満の有無などの体格の差に影響されない点も、特徴である。

「低栄養の可能性がある」と判定された高齢者が、早期に医師、看護師、管理栄養士に相談することで、低栄養を改善するためのアドバイスを得られる可能性がある。また、高齢者やその家族などが、自ら、タンパク質、アミノ酸やエネルギーなどを配合された経口補助食品を利用することで、低栄養を改善することができる可能性がある。低栄養を改善することで、高齢者の生活の質（ＱＯＬ）が改善し、医療、介護の費用も削減できる可能性がある。

事例：骨格筋量の算定により、重度サルコペニア、低栄養と判定された例
患者は、80歳女性、身長145cm、体重46.8kg、ＢＭＩ22.3 ｋｇ／ｍ^２、歩行速度1.0ｍ/秒未満、握力3.5kg。骨格筋量の測定ができない状態での判定は、ＥＷＧＳＯＰ２では、握力低下のため、「サルコペニアの可能性」で、それ以降の判定が困難。ＡＷＧＳ２０１９では、歩行速度低下、握力低下の２項目で、「サルコペニア」だが、今回の計算式により、ｅＳＭＩが4.5 ｋｇ／ｍ^２と算出されたことを追加することで、ＥＷＧＳＯＰ２、ＡＷＧＳ２０１９とも、「重度サルコペニア」のサルコペニアと判定され、より重点的なケアが必要と考えられた。この事例で、実際にＢＩＡ法で骨格筋指数を測定したところ、4.5 ｋｇ／ｍ^２と、計算式で算出した値と一致した。ＧＬＩＭによる低栄養の判定のため、「６か月以内に５％以上の体重減少」「６か月以上で10％以上の体重減少」「１週間以上、食事が半分ほどしか食べられない」「食事摂取量の低下が２週間以上続く」「下痢、嘔吐など、消化吸収の異常、慢性的な消化器症状がある」「大きな病気や怪我をした」「慢性的な病気がある」のうち、あてはまるものはあるか質問すると、「慢性的な病気がある」のみとの回答が得られた。骨格筋量の測定ができない状態での判定は「低栄養なし」だったが、今回の計算式により、ｅＳＭＩが4.5 ｋｇ／ｍ^２と算出されたことを追加することで、「低栄養」と判定され、栄養状態改善のためのケア、指導が必要であることが判明した。

50例の試験運用において、骨格筋量が測定できない条件では、ＥＷＧＳＯＰ２、ＡＷＧＳ２０１９の両アルゴリズムで、11例が「サルコペニアなし」、39例が筋力低下から「サルコペニアの可能性」と判定された。今回の計算式により、ｅＳＭＩを算出し、再度判定を行ったところ、ＥＷＧＳＯＰ２では、「サルコペニアの可能性」と判定された39例のうち、8例は骨格筋量の低下がなく「サルコペニアの可能性」、31例は、骨格筋量低下と歩行速度の低下を認め、「重度サルコペニア」と判定された（図１６）。図１６は、骨格筋量のデータが無い場合のサルコペニアの判定結果の分布の一例を示すグラフである。
ＡＷＧＳ２０１９のアルゴリズムでは、「サルコペニアの可能性」と判定されていた39例のうち、8例が骨格筋量の低下がなく、サルコペニア以外の原因で筋力が低下していることが判明した。その反面、握力の低下がみられず、「サルコペニアなし」と判定された11例のうち、7例で骨格筋の減少が認められ、歩行速度も低下していたことから、「サルコペニア」と判定された。31例は、骨格筋量低下と歩行速度の低下、筋力の低下の３項目に該当し、「重度サルコペニア」と判定された（図１７）。図１７は、骨格筋量算出後のサルコペニアの判定結果の分布の一例を示すグラフである。
ＥＷＧＳＯＰ２のアルゴリズムでは、31例で重度サルコペニアの判定が可能となり、ＡＷＧＳ２０１９のアルゴリズムでは、見逃されていた7例を新たにサルコペニアと判定することができ、サルコペニア以外の原因で筋力低下が認められた8例を区別することが可能となり、31例で重度サルコペニアの判定が可能となった。

50例の試験運用において、今回の計算式により算出されたｅＳＭＩを用いたＡＷＧＳ２０１９のサルコペニア判定が、ＢＩＡの測定値にもとづいた判定の代替となりうるかについて検討するため、正確度の評価をおこなった。サルコペニアの判定では、感度0.917（95％信頼区間0.775-0.982）、特異度0.643（95％信頼区間0.351-0.872）、診断精度0.840（95％信頼区間0.709-0.928）（表１、表２）、重度サルコペニアの判定では、感度0.903（95％信頼区間0.742-0.980）、特異度0.842（95％信頼区間0.604-0.966）、診断精度0.880（95％信頼区間0.757-0.955）（表３、表４）だった。とくに、重度サルコペニアの判定では、高い感度、特異度、精度が得られた。

50例の試験運用において、ＧＬＩＭによる低栄養の判定を行ったところ、骨格筋量が測定できない条件では、低栄養と判定されたのは23例（46％）だったが、今回の計算式により算出されたｅＳＭＩを用いて、骨格筋量低下の判定を行うことにより35例（70％）が低栄養と判定された。ＢＩＡの測定値にもとづいた判定でも、34例（68％）が低栄養と判定され、骨格筋量の判定を行わないことにより、多くの高齢者の低栄養が見落とされる可能性が示唆された（図１８）。図１８は、低栄養と判定された人数とその割合を示すグラフの一例である。図１８は、グラフＧ１～グラフＧ３を示している。グラフＧ１は、骨格筋量の判定を行わない場合のグラフである。グラフＧ２は、計算式から骨格筋量を判定した場合のグラフである。グラフＧ３は、ＢＩＡで骨格筋量を判定した場合のグラフである。グラフＧ１～グラフＧ３のそれぞれは、低栄養と判定された人数とその割合、及び低栄養と判定されなかった人数とその割合を示している。
今回の計算式により算出されたｅＳＭＩを用いたＧＬＩＭによる低栄養の判定が、ＢＩＡの測定値にもとづいた判定の代替となりうるかについて検討するため、正確度の評価をおこなった。感度0.971（95％信頼区間0.847-0.999）、特異度0.875（95％信頼区間0.617-0.984）、診断精度0.940（95％信頼区間0.835-0.987）で、高い感度、特異度、精度が得られた（表５、表６）。重度低栄養の判定においても、感度0.857（95％信頼区間0.637-0.970）、特異度0.931（95％信頼区間0.772-0.992）、診断精度0.900（95％信頼区間0.782-0.967）と、感度は若干低下するものの、高い特異度、精度が得られた（表７、表８）。

これまで普及していなかったサルコペニアの判定を簡便に行うことで、特定の集団や地域におけるサルコペニアの罹患率を推定することができ、適切な対策を立案することにつながる。

現在40歳以上の国民に対して行われている特定健診では、クレアチニン、eGFRの測定が行われている。これに、地域自治体などの補助金などにより、シスタチンＣの測定を追加することで、地域におけるサルコペニアの罹患率を把握することができ、地域自治体におけるサルコペニア、フレイル防止政策の根拠となるデータを収集することができる。

人間ドックなどの健康診断を行う事業者が本発明を利用することにより、骨格筋量の判定という新たなサービスを提供することができ、健康増進などを支援することができる。過去のデータも参照できるため、経時的な変化についても情報を提供することができる。前回測定よりも骨格筋の減少が進行していることと考えられた場合は、本人に対して注意を喚起し、健康管理に役立ててもらうことができる。

クレアチニン、シスタチンＣとも、保険診療で用いることが認められている検査項目であるため、臨床検査を行う事業者がこれらの測定値から、本発明を使用し、参考値として骨格筋量（ｅＳＭＩ）のデータを提供することにより、病院、診療所の医師、看護師、管理栄養士、検査技士などが、患者指導の参考資料の一部として利用することができる。

とくに、僻地や離島など、医療過疎の地域では、骨格筋量を測定するＢＩＡなどの機器の普及も遅れており、測定に必要なマンパワーも限られており、高齢者の受診率も高くない。このような状況でも、血液検査の際に、本発明を利用することで、早期にサルコペニア、低栄養のリスクを把握することができ、医療過疎地における医療、介護の質の向上と、負担削減につながる可能性がある。

サルコペニアの改善には、適切な運動が必要である。骨格筋が減少し、サルコペニアの可能性を指摘された高齢者などが、運動の必要性を実感し、高齢者に対して運動指導を行う施設などに通所することにつながる可能性がある。

サルコペニアの改善には、低栄養の防止が必要である。高齢者のサルコペニアを防止するためのタンパク質、アミノ酸やエネルギーなどを配合された経口補助食品を製造、販売する事業者が、医師や健康診断を行う事業者などと協力した上で本発明を利用することにより、サルコペニア、かつ、低栄養と判定された高齢者に適した食品などを提供する参考となるデータの一部を提供することができる。また、経口補助食品がサルコペニアを改善するかなどの調査を行う際に、その根拠となるデータの一部を提供することができる。

上記の実施形態は、以下のような変形も可能である。
診断システム１は、骨格筋量としてＳＭＩ及びＳＭＭ以外を用いても良い。
診断システム１は、推定骨格筋量としてｅＳＭＩ及びｅＳＭＭ以外を用いても良い。
診断システム１は、ＢＭＩに代えて、その他の肥満度を示す指標を用いても良い。

上記の実施形態では、診断システム１は、低栄養の診断を骨格筋量の推定の後に行う。しかしながら、診断システム１は、低栄養の診断を骨格筋量の推定とは独立して行うことができても良い。

診断システム１は、診断システム１を使用するためのサービスなどを契約した者などの、許可されたものだけが使用できるものであっても良い。この場合、診断システム１は、各種の認証処理などによって、端末装置２００の操作者が許可されたものであるか否かの判定を行う。そして、診断システム１は、例えば、許可されたものであると判定した場合に、図２～図５に示す処理を開始する。

診断システム１は、ユーザーについての、過去にステップＳＴ５７で記憶された各種情報を見ることができても良い。ユーザーＩＤと関連付けて過去のデータは、ユーザーＤＢ１４２に記憶されている。したがって、サーバー装置１００は、端末装置２００の要求に応じて過去のデータを端末装置２００に送信することができる。端末装置２００は受信した過去のデータを表示デバイス２７０に表示するなどして報知する。

サーバー装置１００のプロセッサー１１０は、ユーザーの身体の状態が特定の状態である場合に、推定骨格筋量の値を所定の関数などを用いて補正しても良い。例えば、プロセッサー１１０は、ユーザーが浮腫を有する場合、又はユーザーが肥満状態である場合に補正を行う。
なお、ユーザーの身体の状態によって補正を行う場合、例えば、入力画面ＳＣ１は、ユーザーの身体の状態を入力するための入力欄を含む。そして、入力情報は、入力されたユーザーの身体の状態を含む。

上記の実施形態では、サーバー装置１００のプロセッサー１１０は、曲線あてはめにより骨格筋量とｅＧＦＲ比との関係を示す関数を求めた。しかしながら、プロセッサー１１０は、ＡＩ（artificial intelligence）を用いるなどのその他の方法により関数を求めても良い。例えば、プロセッサー１１０は、機械学習の結果を用いて骨格筋量とｅＧＦＲ比との関係を示す関数を求めても良い。この際、プロセッサー１１０は、性別、骨格筋量、及びｅＧＦＲ比以外の変数も用いて機械学習を行っても良い。当該変数は、例えば、ユーザーの肥満度、ＢＭＩ又は年齢などである。

診断システム１は、ｅＧＦＲ比に代えて、Ｃｙｓに対するＣｒｅの比（以下「Ｃｒｅ／Ｃｙｓ比」という。）を用いても良い。プロセッサー１１０は、例えば、ユーザーのＣｒｅ及びＣｙｓを用いて、下式（５）によりＣｒｅ／Ｃｙｓ比を求める。
Ｃｒｅ／Ｃｙｓ比＝Ｃｒｅ／Ｃｙｓ （１１）
プロセッサー１１０は、Ｃｒｅ／Ｃｙｓ比を用いる場合、関数ｆ１～関数ｆ４に代えて関数ｆ５～関数ｆ８を用いる。プロセッサー１１０は、Ｃｒｅ／Ｃｙｓ比を用いる場合、（６）式～（９）式に代えて（１２）式～（１５）式を用いる。
ｅＳＭＩ（男性） = ｆ５（Cre/Cys比） = ａ５ × Cre/Cys比 + ｂ５ （１２）
ｅＳＭＩ（女性） = ｆ６（Cre/Cys比） = ａ６ × Cre/Cys比 + ｂ６ （１３）
ｅＳＭＭ（男性） = ｆ７（Cre/Cys比） = ａ７ × Cre/Cys比 + ｂ７ （１４）
ｅＳＭＭ（女性） = ｆ８（Cre/Cys比） = ａ８ × Cre/Cys比 + ｂ８ （１５）
ここで、関数ｆ５～関数ｆ８は、Cre/Cys比の関数である。また、係数ａ５～係数ａ８、係数ｂ５～係数ｂ８は、曲線あてはめによって求める係数である。一例として、各係数は、ａ５＝4.5790、ｂ５＝3.1249、ａ６＝5.3288、ｂ６＝2.2426、ａ７＝8.228、ｂ７＝4.2941、ａ８＝20.178、ｂ８＝0.9827であった。また、（１２）式について、男性のＳＭＩとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ^２は、0.4235であった。（１３）式について、女性のＳＭＩとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ^２は、0.4497であった。（１４）式について、男性のＳＭＭとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ^２は、0.4874であった。（１５）式について、女性のＳＭＭとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ^２は、0.5771であった。
Ｃｒｅ／Ｃｙｓ比を用いる場合、推定骨格筋量を簡易的に算出することができるというメリットがある。なお、関数ｆ５～関数ｆ８のそれぞれは、クレアチニン濃度及びシスタチンＣ濃度と骨格筋量との関係を示す第２の関数の一例である。

上記の実施形態でサーバー装置１００が行う処理の一部又は全部を端末装置２００が行っても良い。
上記の実施形態で端末装置２００が行う処理の一部又は全部サーバー装置１００が行っても良い。

上記の実施形態では、診断システム１は、サーバー装置１００及び端末装置２００を含む。しかしながら、実施形態の診断システムは、１つの装置で動作するものであっても良い。

プロセッサー１１０又はプロセッサー２１０は、上記実施形態においてプログラムによって実現する処理の一部又は全部を、回路のハードウェア構成によって実現するものであっても良い。

実施形態の処理を実現するプログラムは、例えば装置に記憶された状態で譲渡される。しかしながら、当該装置は、当該プログラムが記憶されない状態で譲渡されても良い。そして、当該プログラムが別途に譲渡され、当該装置へと書き込まれても良い。このときのプログラムの譲渡は、例えば、リムーバブルな記憶媒体に記録して、あるいはインターネット又はＬＡＮなどのネットワークを介したダウンロードによって実現できる。

以上、本発明の実施形態を説明したが、例として示したものであり、本発明の範囲を限定するものではない。本発明の実施形態は、本発明の要旨を逸脱しない範囲において種々の態様で実施可能である。

１ 診断システム
１００ サーバー装置
１１０，２１０ プロセッサー
１２０，２２０ ＲＯＭ
１３０，２３０ ＲＡＭ
１４０，２４０ 補助記憶装置
１４１ 骨格筋量ＤＢ
１４２ ユーザーＤＢ
１５０，２５０ 通信Ｉ／Ｆ
１６０，２８０ バス
２００ 端末装置
２６０ 入力デバイス
２７０ 表示デバイス

Claims (10)

1. 第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値が第１の閾値以下であり、前記第１の対象の握力が第２の閾値以下である場合、前記第１の対象がサルコペニアであると判定する処理部を備える、骨格筋量推定システム。
2. 前記処理部は、前記第１の対象がサルコペニアであると判定し、前記第１の対象の歩行速度が第３の閾値以下である場合、前記第１の対象が重度のサルコペニアであると判定する、請求項１に記載の骨格筋量推定システム。
3. 第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記第１の対象の過去の前記推定値と、前記過去の推定値より後に求めた前記第１の対象の前記推定値とを比較し、前記推定値が所定以上に減少している場合に、前記第１の対象がフレイルであると判定する処理部を備える骨格筋量推定システム。
4. 第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値を用いて前記第１の対象が低栄養であるか否かを判定する処理部を備える骨格筋量推定システム。
5. 前記処理部は、第２の対象のｅＧＦＲｃｙｓ及びｅＧＦＲと、前記第２の対象のＳＭＩ又はＳＭＭの測定値とを関連付けて記憶部に記憶し、前記記憶部に記憶された前記ｅＧＦＲｃｙｓ、前記ｅＧＦＲ及び前記測定値を用いて前記第１の関数を決定する、請求項１乃至請求項４のいずれか１項に記載の骨格筋量推定システム。
6. 前記処理部は、前記第２の対象の前記ｅＧＦＲｃｙｓ及び前記ｅＧＦＲの測定日から前記測定値の測定日までの期間が所定の期間未満である場合、前記第２の対象の前記ｅＧＦＲｃｙｓ及び前記ｅＧＦＲと前記測定値とを関連付けて前記記憶部に記憶し、前記期間が前記所定の期間以上である場合、前記測定値を前記記憶部に記憶しない、請求項５に記載の骨格筋量推定システム。
7. 前記処理部は、複数の被験者の骨格筋量測定値、ｅＧＦＲｃｙｓ及びｅＧＦＲを用いて、曲線あてはめにより前記第１の関数を決定する、請求項１乃至請求項６のいずれか１項に記載の骨格筋量推定システム。
8. 骨格筋量推定装置が備えるプロセッサーを、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値が第１の閾値以下であり、前記第１の対象の握力が第２の閾値以下である場合、前記第１の対象がサルコペニアであると判定する処理部として機能させるプログラム。
9. 骨格筋量推定装置が備えるプロセッサーを、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記第１の対象の過去の前記推定値と、前記過去の推定値より後に求めた前記第１の対象の前記推定値とを比較し、前記推定値が所定以上に減少している場合に、前記第１の対象がフレイルであると判定する処理部として機能させるプログラム。
10. 骨格筋量推定装置が備えるプロセッサーを、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記第１の対象の過去の前記推定値と、前記過去の推定値より後に求めた前記第１の対象の前記推定値とを比較し、前記推定値が所定以上に減少している場合に、前記第１の対象がフレイルであると判定する処理部として機能させるプログラム。

Images