KR102427924B1 - 췌장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치 - Google Patents

췌장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치 Download PDF

Info

Publication number
KR102427924B1
KR102427924B1 KR1020197009532A KR20197009532A KR102427924B1 KR 102427924 B1 KR102427924 B1 KR 102427924B1 KR 1020197009532 A KR1020197009532 A KR 1020197009532A KR 20197009532 A KR20197009532 A KR 20197009532A KR 102427924 B1 KR102427924 B1 KR 102427924B1
Authority
KR
South Korea
Prior art keywords
evaluation
value
concentration
metabolite
pancreatic cancer
Prior art date
Application number
KR1020197009532A
Other languages
English (en)
Other versions
KR20190065267A (ko
Inventor
히데히로 나카무라
나츠미 니시카타
아키라 이마이즈미
가즈타카 심보
나오코 아라시다
루미 니시모토
Original Assignee
아지노모토 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아지노모토 가부시키가이샤 filed Critical 아지노모토 가부시키가이샤
Publication of KR20190065267A publication Critical patent/KR20190065267A/ko
Application granted granted Critical
Publication of KR102427924B1 publication Critical patent/KR102427924B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G01N33/57407—Specifically defined cancers
    • G01N33/57438—Specifically defined cancers of liver, pancreas or kidney
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/48785—Electrical and electronic details of measuring devices for physical analysis of liquid biological material not specific to a particular test method, e.g. user interface or power supply
    • G01N33/48792—Data management, e.g. communication with processing unit
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6848—Methods of protein analysis involving mass spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2570/00—Omics, e.g. proteomics, glycomics or lipidomics; Methods of analysis focusing on the entire complement of classes of biological molecules or subsets thereof, i.e. focusing on proteomes, glycomes or lipidomes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/50—Determining the risk of developing a disease
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/56—Staging of a disease; Further complications associated with the disease
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Biochemistry (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Cell Biology (AREA)
  • Microbiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Data Mining & Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Hospice & Palliative Care (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Ecology (AREA)
  • Oncology (AREA)
  • Optics & Photonics (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Genetics & Genomics (AREA)

Abstract

췌장암의 상태를 아는 데 있어 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있는 평가 방법 등을 제공하는 것을 과제로 한다. 본 실시형태에서는, 평가 대상의 혈액 중의 N-Me-bABA, bABA, GABA, N6-Acetyl-L-Lys 1-Me-His, aABA, Aminoadipic acid, bAiBA, Cadaverine, Ethylglycine, Homoarginine, Hypotaurine, Kinurenine, Putrescine, Serotonin, Spermidine, Spermine, ADMA, Homocitrulline 3-Me-His, Hydroxyproline, Phosphoethanolamine, Acylcarnitine(13:1), EPA 중의 적어도 하나의 농도값을 사용하여, 평가 대상에 대하여, 췌장암의 상태를 평가한다.

Description

췌장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
본 발명은, 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치에 관한 것이다.
일본에서는, 췌장암에 의한 2009년의 사망자 수는 남자 14094명·여자 12697명으로, 남성은 암에 의한 사망의 제5위, 여성에서는 암에 의한 사망의 제4위이다. 췌장암의 생애 발병률은 2%이다.
췌장암은, 암의 부위에 따라서는 증상이 별로 없어, 진행되고 나서 발견되는 경우가 많다. 췌장암은, 영상 진단을 사용하여 2cm 이하로 발견되어도 췌장 외의 인접 조직으로의 전이가 있는 경우가 많아, 예후가 극히 불량하다. 췌장암에 대해서는, 수술가능한 보다 조기의 발견이 요망되고 있다.
췌장암의 진단에는 복부 초음파 에코, CT, MRI가 이용되지만, 모두 췌장암의 발견율은 높지 않다.
혈청암 마커로서는 CA19-9, CEA, SPan-1, DUPAN-2 등이 있다. 이들 마커는, 진행 암에는 비교적 높은 감도와 특이도를 갖지만, 초기 암에 있어서의 양성률은 낮고, 또한 췌장암 이외의 암에서도 양성이 되는 경우가 있다.
ERCP, EUS 등의 내시경을 사용한 영상 진단은, 췌장암의 발견율이 높아 유효한 것으로 알려져 있으나, 환자의 신체적 부담이 높아 집단 검진에는 부적합하고, 검사에 의한 출혈 등의 리스크도 일어날 수 있다. 또한, 생검에 의한 조직 진단은, 확정 진단이 되지만 침습도가 높은 검사이며, 생검에 의한 검사를 스크리닝의 단계에서 시행하는 것은 실제적이지 않다.
그 때문에, 환자에 대한 신체적 부담 및 비용 대비 효과의 면에서, 췌장암 발증의 가능성이 높은 피험자로 범위를 좁혀, 그 사람을 치료의 대상으로 하는 것이 바람직하다. 구체적으로는, 침습이 적은 방법으로 피험자를 선택하고, 선택한 피험자에 대하여 영상 진단을 실시함으로써 피험자 범위를 좁혀, 췌장암의 확정 진단이 얻어진 피험자를 치료의 대상으로 하는 것이 바람직하다.
그런데, 혈중 아미노산의 농도가, 암 발증에 의해 변화되는 것은 알려져 있다. 예를 들어, Cynober에 따르면(비특허문헌 1), 글루타민은 주로 산화 에너지 원으로서, 아르기닌은 질소 산화물이나 폴리아민의 전구체로서, 메티오닌은 암세포가 메티오닌 흡수능의 활성화에 의해, 각각 암세포에서의 소비량이 증가한다는 보고가 있다. 또한, Schrader 등(비특허문헌 2)와 Vissers 등(비특허문헌 3)에 따르면, 췌장암 환자의 혈장 중 아미노산 조성은 정상인과 다른 것이 보고되어 있다.
또한, 특허문헌 1에서는, 「피험자로부터 채취한 검체 중의 생체 성분 중, 특정의 유한개의 해석 대상 성분을 선별하여 정량하고, 다변량 해석을 수행함으로써 대사체 해석을 수행하고, 그 해석 결과를, 미리 취득한 정상인 그룹 및 질환 환자 그룹의 해석 결과와 비교함으로써, 특정 질환의 검사, 예를 들어 조기 진단, 치료 효과의 판정, 예후 진단 등을 용이하게 수행하는 것이 가능해진다.」란 것이 개시되어 있다. 또한, 특허문헌 1에 기재된 실시예에서는, 정상인과 췌장암의 GCMS로 측정한 혈청 대사체의 데이터에 대하여, 「SIMCA-P+(Umetrics사)를 사용하여 61성분을 사용한 다변량 해석을 수행하였다. 주성분 분석(PCA)의 스코어 플롯을 사용하여, 차이를 조사하였다. 합계 61의 해석 대상 생체 분자 중, PC1(t[1]), PC2(t[2]), PC3(t[3))은, 각각 61성분 중의 20(32.3%), 15(24.7%) 및 7(12.0%)에 의한다(A=3, R2X=0.69). 그 결과, 췌장암 환자 및 정상인에서의 해석 대상 생체 분자의 분포가 다른 것이 확인되었다.」고 기술하고 있다.
또한 선행 특허로서, 아미노산 농도와 생체 상태를 관련짓는 방법에 관한 특허문헌 2, 특허문헌 3 및 특허문헌 4가 공개되어 있다. 또한, 선행 특허로서, 아미노산 농도를 이용하여 폐암의 상태를 평가하는 방법에 관한 특허문헌 5, 아미노산 농도를 이용하여 유방암의 상태를 평가하는 방법에 관한 특허문헌 6, 아미노산 농도를 이용하여 대장암의 상태를 평가하는 방법에 관한 특허문헌 7, 아미노산 농도를 이용하여 암의 상태를 평가하는 방법에 관한 특허문헌 8, 아미노산 농도를 이용하여 위암의 상태를 평가하는 방법에 관한 특허문헌 9, 아미노산 농도를 이용하여 암의 종류를 평가하는 방법에 관한 특허문헌 10, 아미노산 농도를 이용하여 여성 생식기암의 상태를 평가하는 방법에 관한 특허문헌 11, 아미노산 농도를 이용하여 전립선암 및 전립선 비대 중 적어도 하나를 포함하는 전립선 질환의 상태를 평가하는 방법에 관한 특허문헌 12, 아미노산 농도를 이용하여 췌장암의 상태를 평가하는 방법에 관한 특허문헌 13, 및, 아미노산 농도를 이용하여 췌장암 리스크 질환의 상태를 평가하는 방법에 관한 특허문헌 14가 공개되어 있다.
또한, LC-MS나 LC-MS/MS와 같은 측정 기기의 개발에 의해, 아미노산보다도 혈액 중 농도가 낮은 대사물도 폐암 환자에서 그 혈액 중 농도가 변동되어 있는 것이 밝혀지고 있다. 예를 들어 특허문헌 15에 따르면, 폐암 환자의 혈청 중 ADMA 농도가 상승한다는 보고가 있다. 특허문헌 16에 따르면, 폐암 환자의 혈청 중 사르코신 농도가 상승한다는 보고가 있다.
특허문헌 1: 일본 공개특허공보 특개2011-247869호 특허문헌 2: 국제공개 제2004/052191호 특허문헌 3: 국제공개 제2006/098192호 특허문헌 4: 국제공개 제2009/054351호 특허문헌 5: 국제공개 제2008/016111호 특허문헌 6: 국제공개 제2008/075662호 특허문헌 7: 국제공개 제2008/075663호 특허문헌 8: 국제공개 제2008/075664호 특허문헌 9: 국제공개 제2009/099005호 특허문헌 10: 국제공개 제2009/110517호 특허문헌 11: 국제공개 제2009/154296호 특허문헌 12: 국제공개 제2009/154297호 특허문헌 13: 국제공개 제2014/084290호 특허문헌 14: 일본 공개특허공보 특개2014-106114호 특허문헌 15: 국제공개 제2011/096210호 특허문헌 16: 일본 공개특허공보 특개2011-247869호
비특허문헌 1: Cynober, L. ed., Metabolic and therapeutic aspects of amino acids in clinical nutrition. 2nd ed., CRC Press 비특허문헌 2: Schrader H, Menge BA, Belyaev O, Uhl W, Schmidt WE, Meier JJ., Amino acid malnutrition in patients with chronic pancreatitis and pancreatic carcinoma. Pancreas. 2009 May;38(4):416-21. 비특허문헌 3: Vissers YL, Dejong CH, Luiking YC, Fearon KC, von Meyenfeldt MF, Deutz NE.Plasma arginine concentrations are reduced in cancer patients: evidence for arginine deficiency? Am J Clin Nutr. 2005 May;81(5):1142-6.
하지만, 지금까지 혈액 중의 대사물을 종양 마커로 하여 췌장암을 진단하는 기술의 개발은, 진행되고 있지 않거나 또는 실용화되어 있지 않다는 문제점이 있었다.
본 발명은, 상기를 감안하여 이루어진 것으로, 췌장암의 상태를 아는 데 있어 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있는 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치를 제공하는 것을 목적으로 한다.
상술한 과제를 해결하고, 목적을 달성하기 위하여, 본 발명에 따른 평가 방법은, 평가 대상의 혈액 중의 24종류의 대사물(1-Me-His(1-methyl-histidine)(1-메틸히스티딘), aABA(α-아미노부티르산), Aminoadipic acid(α-아미노아디프산), bABA(β-aminobutyric acid)(β-아미노부티르산), bAiBA(β-amino-iso-butyric acid)(β-아미노이소부티르산), Cadaverine(카다베린), Ethylglycine(에틸글리신), GABA(γ-aminobutyric acid)(γ-아미노부티르산), Homoarginine(호모아르기닌), Hypotaurine(히포타우린) Kinurenine(키누레닌), N6-Acetyl-L-Lys(N6-Acetyl-L-Lysine)(N6-아세틸-L-라이신), Putrescine(푸트레신), Serotonin(세로토닌), Spermidine(스페르미딘), Spermine(스페르민), ADMA(asymmetric dimethylarginine)(비대칭성 디메틸아르기닌), Homocitrulline(호모시트룰린), 3-Me-His(3-methyl-histidine)(3-메틸히스티딘), Hydroxyproline(하이드록시프롤린), Phosphoethanolamine(포스포에탄올아민)), N-Me-bABA(N-methyl-β-aminobutyric acid)(N-메틸-β-아미노부티르산), AC(13:1)(Acylcarnitine(13:1))(아실카르니틴(13:1)), EPA(cis-5,8,11,14,17-Eicosapentaenoic acid)(에이코사펜타엔산)) 중의 적어도 하나의 농도값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 스텝을 포함하는 것, 을 특징으로 한다.
또한, 본 발명에 따른 평가 방법은, 상기의 평가 방법에 있어서, 상기 평가 스텝에서는, 상기 평가 대상의 혈액 중의 19종류의 아미노산(Asn, His, Thr, Ala, Cit, Arg, Tyr, Val, Met, Lys, Trp, Gly, Pro, Orn, Ile, Leu, Phe, Ser, Gln) 중의 적어도 하나의 농도값을 추가로 사용하는 것, 을 특징으로 한다.
여기서, 본 명세서에서는 각종 아미노산을 주로 약칭으로 표기하는데, 그것들의 정식 명칭은 이하와 같다.
(약칭) (정식 명칭)
Ala Alanine
Arg Arginine
Asn Asparagine
Cit Citrulline
Gln Glutamine
Gly Glycine
His Histidine
Ile Isoleucine
Leu Leucine
Lys Lysine
Met Methionine
Orn Ornithine
Phe Phenylalanine
Pro Proline
Ser Serine
Thr Threonine
Trp Tryptophan
Tyr Tyrosine
Val Valine
또한, 본 발명에 따른 평가 방법은, 상기의 평가 방법에 있어서, 상기 평가 스텝에서는, 상기 24종류의 대사물 중의 적어도 하나의 농도값이 대입되는 변수를 포함하는 식을 추가로 사용하여 상기 식의 값을 산출함으로써, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 것, 을 특징으로 한다.
또한, 본 발명에 따른 평가 방법은, 상기의 평가 방법에 있어서, 상기 평가 스텝에서는, 상기 평가 대상의 혈액 중의 상기 19종류의 아미노산 중의 적어도 하나의 농도값을 추가로 사용하고, 상기 식은, 상기 19종류의 아미노산 중의 적어도 하나의 농도값이 대입되는 변수를 추가로 포함하는 것, 을 특징으로 한다.
또한, 본 발명에 따른 평가 장치는, 제어부를 구비한 평가 장치로서, 상기 제어부는, 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 농도값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 수단을 구비한 것, 을 특징으로 한다.
또한, 본 발명에 따른 평가 방법은, 제어부를 구비한 정보 처리 장치에서 실행되는 평가 방법으로서, 상기 제어부에서 실행되는, 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 농도값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 스텝을 포함하는 것, 을 특징으로 한다.
또한, 본 발명에 따른 평가 프로그램은, 제어부를 구비한 정보 처리 장치에서 실행시키기 위한 평가 프로그램으로서, 상기 제어부에서 실행시키기 위한, 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 농도값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 스텝을 포함하는 것, 을 특징으로 한다.
또한, 본 발명에 따른 기록 매체는, 일시적이지 않은 컴퓨터 판독 가능한 기록 매체로서, 정보 처리 장치에 상기 평가 방법을 실행시키기 위한 프로그램화된 명령을 포함하는 것, 을 특징으로 한다.
또한, 본 발명에 따른 평가 시스템은, 제어부를 구비한 평가 장치와, 제어부를 구비하고, 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 농도값에 관한 농도 데이터를 제공하는 단말 장치를, 네트워크를 통해 통신 가능하게 접속하여 구성된 평가 시스템으로서, 상기 단말 장치의 상기 제어부는, 상기 평가 대상의 상기 농도 데이터를 상기 평가 장치로 송신하는 농도 데이터 송신 수단과, 상기 평가 장치로부터 송신된, 상기 평가 대상에서의 췌장암의 상태에 관한 평가 결과를 수신하는 결과 수신 수단, 을 구비하고, 상기 평가 장치의 상기 제어부는, 상기 단말 장치로부터 송신된 상기 평가 대상의 상기 농도 데이터를 수신하는 농도 데이터 수신 수단과, 상기 농도 데이터 수신 수단에서 수신한 상기 평가 대상의 상기 농도 데이터에 포함되어 있는, 상기 24종류의 대사물 중의 적어도 하나의 상기 농도값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 수단과, 상기 평가 수단에서 얻어진 상기 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단, 을 구비한 것, 을 특징으로 한다.
또한, 본 발명에 따른 단말 장치는, 제어부를 구비한 단말 장치로서, 상기 제어부는, 평가 대상에서의 췌장암의 상태에 관한 평가 결과를 취득하는 결과 취득 수단을 구비하고, 상기 평가 결과는, 상기 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 농도값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가한 결과인 것, 을 특징으로 한다.
또한, 본 발명에 따른 단말 장치는, 상기 단말 장치에 있어서, 상기 평가 대상에 대하여 췌장암의 상태를 평가하는 평가 장치와 네트워크를 통해 통신 가능하게 접속하여 구성되어 있고, 상기 제어부는, 상기 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 상기 농도값에 관한 농도 데이터를 상기 평가 장치로 송신하는 농도 데이터 송신 수단을 추가로 구비하고, 상기 결과 취득 수단은, 상기 평가 장치로부터 송신된 상기 평가 결과를 수신하는 것, 을 특징으로 한다.
또한, 본 발명에 따른 평가 장치는, 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 농도값에 관한 농도 데이터를 제공하는 단말 장치와 네트워크를 통해 통신 가능하게 접속된, 제어부를 구비한 평가 장치로서, 상기 제어부는, 상기 단말 장치로부터 송신된 상기 평가 대상의 상기 농도 데이터를 수신하는 농도 데이터 수신 수단과, 상기 농도 데이터 수신 수단에서 수신한 상기 평가 대상의 상기 농도 데이터에 포함되어 있는, 상기 24종류의 대사물 중의 적어도 하나의 상기 농도값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 수단과, 상기 평가 수단에서 얻어진 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단, 을 구비한 것, 을 특징으로 한다.
본 발명에 따르면, 평가 대상의 혈액 중의 상기 24종류의 대사물 중의 적어도 하나의 농도값을 사용하여, 평가 대상에 대하여, 췌장암의 상태를 평가하므로, 췌장암의 상태를 아는 데 있어 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있다는 효과를 나타낸다.
[도 1] 도 1은, 제1 실시형태의 기본 원리를 나타내는 원리 구성도이다.
[도 2] 도 2는, 제2 실시형태의 기본 원리를 나타내는 원리 구성도이다.
[도 3] 도 3은, 본 시스템의 전체 구성의 일례를 나타내는 도면이다.
[도 4] 도 4는, 본 시스템의 전체 구성의 다른 일례를 나타내는 도면이다.
[도 5] 도 5는, 본 시스템의 평가 장치(100)의 구성의 일례를 나타내는 블록도이다.
[도 6] 도 6은, 농도 데이터 파일(106a)에 저장되는 정보의 일례를 나타내는 도면이다.
[도 7] 도 7은, 지표 상태 정보 파일(106b)에 저장되는 정보의 일례를 나타내는 도면이다.
[도 8] 도 8은, 지정 지표 상태 정보 파일(106c)에 저장되는 정보의 일례를 나타내는 도면이다.
[도 9] 도 9는, 식 파일(106d1)에 저장되는 정보의 일례를 나타내는 도면이다.
[도 10] 도 10은, 평가 결과 파일(106e)에 저장되는 정보의 일례를 나타내는 도면이다.
[도 11] 도 11는, 평가부(102d)의 구성을 나타내는 블록도이다.
[도 12] 도 12는, 본 시스템의 클라이언트 장치(200)의 구성의 일례를 나타내는 블록도이다.
[도 13] 도 13은, 본 시스템의 데이터베이스 장치(400)의 구성의 일례를 나타내는 블록도이다.
이하에, 본 발명에 따른 평가 방법의 실시형태(제1 실시형태), 및, 본 발명에 따른 평가 장치, 평가 방법, 평가 프로그램, 기록 매체, 평가 시스템 및 단말 장치의 실시형태(제2 실시형태)를, 도면에 기초하여 상세히 설명한다. 또한, 본 발명은 이들 실시형태에 의해 한정되는 것은 아니다.
[제1 실시형태]
[1-1. 제1 실시형태의 개요]
여기에서는 제1 실시형태의 개요에 대하여 도 1을 참조하여 설명한다. 도 1은 제1 실시형태의 기본 원리를 나타내는 원리 구성도이다.
우선, 평가 대상(예를 들어 동물이나 인간 등의 개체)으로부터 채취한 혈액(예를 들어 혈장, 혈청 등을 포함함) 중의 물질(「상기 24종류의 대사물 및 상기 19종류의 아미노산」 중의 적어도 하나를 포함하는 혈중 물질)의 농도값에 관한 농도 데이터를 취득한다(스텝 S11).
또한, 스텝 S11에서는, 예를 들어, 농도값 측정을 수행하는 기업 등이 측정한 상기 혈중 물질에 관한 농도 데이터를 취득해도 좋다. 또한, 평가 대상으로부터 채취한 혈액에서, 예를 들어 이하의 (A), (B), 또는 (C) 등의 측정 방법에 의해 상기 혈중 물질의 농도값을 측정함으로써 상기 혈중 물질의 농도값에 관한 농도 데이터를 취득해도 좋다. 여기서, 상기 혈중 물질의 농도값의 단위는, 예를 들어 몰 농도, 중량 농도 또는 효소 활성이라도 좋고, 이러한 농도에 임의의 상수를 가감승제함으로써 얻어지는 것이라도 좋다.
(A) 채취한 혈액 샘플을 원심함으로써 혈액으로부터 혈장을 분리한다. 모든 혈장 샘플은, 농도값의 측정시까지 -80℃에서 동결 보존한다. 농도값 측정시에는, 아세토니트릴을 첨가하여 제단백 처리를 수행한 후, 표지 시약(3-아미노피리딜-N-하이드록시석신이미딜카바메이트)를 사용하여 컬럼-전 유도체화를 수행하고, 그리고, 액체 크로마토그래프 질량 분석계(LC/MS)에 의해 농도값을 분석한다(국제공개 제2003/069328호, 국제공개 제2005/116629호를 참조). 혹은, 제단백 처리를 수행한 혈장을, 고층 추출에 의한 인지질 제거 후, LC/MS에 의해 농도값(피크 면적)을 분석한다.
(B) 채취한 혈액 샘플을 원심함으로써 혈액으로부터 혈장을 분리한다. 모든 혈장 샘플은, 농도값의 측정시까지 -80℃에서 동결 보존한다. 농도값 측정시에는, 술포살리실산을 첨가하여 제단백 처리를 수행한 후, 닌히드린 시약을 사용한 컬럼 후 유도체화법을 원리로 한 아미노산 분석계에 의해 농도값을 분석한다.
(C) 채취한 혈액 샘플을, 막이나 MEMS 기술 또는 원심 분리의 원리를 사용하여 혈구 분리를 수행하여, 혈액으로부터 혈장 또는 혈청을 분리한다. 혈장 또는 혈청 취득 후 바로 농도값의 측정을 수행하지 않은 혈장 또는 혈청 샘플은, 농도값의 측정시까지 -80℃에서 동결 보존한다. 농도값 측정시에는, 효소나 압타머 등, 표적으로 하는 혈중 물질과 반응 또는 결합하는 분자 등을 사용하여, 기질 인식에 의해 증감하는 물질이나 분광학적 값을 정량 등 함으로써 농도값을 분석한다.
다음에, 스텝 S11에서 취득한 농도 데이터에 포함되어 있는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값을 사용하여, 평가 대상에 대하여 췌장암의 상태를 평가한다(스텝 S12). 또한, 스텝 S12를 실행하기 전에, 스텝 S11에서 취득한 농도 데이터로부터 결손값이나 이상값 등의 데이터를 제거해도 좋다. 여기에서, 상태를 평가한다란, 예를 들어, 현재의 상태를 검사하는 것이다.
이상, 제1 실시형태에 의하면, 스텝 S11에서는 평가 대상의 농도 데이터를 취득하고, 스텝 S12에서는, 스텝 S11에서 취득한 평가 대상의 농도 데이터에 포함 되어 있는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값을 사용하여, 평가 대상에 대하여 췌장암의 상태를 평가한다. 이로써, 췌장암의 상태를 아는 데 있어 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있다.
또한, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값이 평가 대상에 대한 췌장암의 상태를 반영하는 것이라고 결정해도 좋고, 또한, 농도값을 예를 들어 이하에 열거한 수법 등으로 변환하고, 변환 후의 값이 평가 대상에 대한 췌장암의 상태를 반영한 것이라고 결정해도 좋다. 바꿔 말하면, 농도값 또는 변환 후의 값 그 자체를, 평가 대상에 대한 췌장암의 상태에 관한 평가 결과로서 취급해도 좋다.
농도값이 취할 수 있는 범위가 소정 범위(예를 들어 0.0에서 1.0까지의 범위, 0.0에서 10.0까지의 범위, 0.0에서 100.0까지의 범위, 또는 -10.0에서 10.0까지의 범위, 등)에 들어가도록 하기 위해, 예를 들어, 농도값에 대하여 임의의 값을 가감승제하거나, 농도값을 소정의 변환 수법(예를 들어, 지수 변환, 대수 변환, 각 변환, 평방근 변환, 프로빗 변환, 역수 변환, Box-Cox 변환, 또는 멱승 변환 등)으로 변환하거나, 또한, 농도값에 대하여 이러한 계산을 조합하여 수행하거나 함으로써, 농도값을 변환해도 좋다. 예를 들어, 농도값을 지수로 하여 네이피어의 수를 베이스로 하는 지수 함수의 값(구체적으로는, 췌장암의 상태가 소정의 상태(예를 들어, 기준치를 초과한, 췌장암을 앓고 있을 가능성이 높은 상태, 등)인 확률 p를 정의했을 때의 자연 로그 ln(p/(1-p))가 농도값과 같다고 한 경우에서의 p/(1-p)의 값)을 추가로 산출해도 좋고, 또한, 산출한 지수 함수의 값을 1과 당해 값과의 합으로 나눈 값(구체적으로는, 확률 p의 값)을 추가로 산출해도 좋다.
또한, 특정 조건일 때의 변환 후의 값이 특정의 값이 되도록, 농도값을 변환해도 좋다. 예를 들어, 특이도가 80%일 때의 변환 후의 값이 5.0이 되고 또한 특이도가 95%일 때의 변환 후의 값이 8.0이 되도록 농도값을 변환해도 좋다.
또한, 각 대사물 및 각 아미노산마다, 농도 분포를 정규 분포화한 후, 평균 50, 표준 편차 10이 되도록 편차값화해도 좋다.
또한, 이러한 변환은, 남녀별이나 연령별로 수행하여도 좋다.
또한, 모니터 등의 표시 장치 또는 종이 등의 물리 매체에 시인 가능하게 나타나는 소정의 자 위에서의 소정의 표지의 위치에 대한 위치 정보를, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값 또는 당해 농도값을 변환한 경우에는 그 변환 후의 값을 사용하여 생성하고, 생성된 위치 정보가 평가 대상에 대한 췌장암의 상태를 반영하는 것이라고 결정해도 좋다. 또한, 소정의 자란, 췌장암의 상태를 평가하기 위한 것으로, 예를 들어, 눈금이 표시된 자로서, 「농도값 또는 변환 후의 값이 취할 수 있는 범위, 또는, 당해 범위의 일부분」에서의 상한값과 하한값에 대응하는 눈금이 적어도 표시된 것, 등이다. 또한, 소정의 표지란, 농도값 또는 변환 후의 값에 대응하는 것으로, 예를 들어, 동그라미표 또는 별표 등이다.
또한, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값이, 소정값(평균값±1SD, 2SD, 3SD, N분위점, N퍼센타일 또는 임상적 의의가 확인된 컷오프값 등)보다 낮은 혹은 소정 값 이하의 경우 또는 소정 값 이상 혹은 소정 값보다 높은 경우에, 평가 대상에 대하여, 췌장암의 상태를 평가해도 좋다. 그때, 농도값 자체가 아니라, 농도 편차값(각 대사물 및 각 아미노산마다, 남녀별로 농도 분포를 정규 분포화한 후, 평균 50, 표준 편차값이 10이 되도록 편차값화한 값)을 사용해도 좋다. 예를 들어, 농도 편차값이 평균값－2SD 미만의 경우(농도 편차값＜30의 경우) 또는 농도 편차가 평균값＋2SD보다 높은 경우(농도 편차값＞70의 경우)에, 평가 대상에 대하여, 췌장암의 상태를 평가해도 좋다.
또한, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값, 및, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값이 대입되는 변수를 포함하는 식을 사용하여, 식의 값을 산출함으로써, 평가 대상에 대하여 췌장암의 상태를 평가해도 좋다.
또한, 산출한 식의 값이 평가 대상에 대한 췌장암의 상태를 반영하는 것이라고 결정해도 좋고, 또한, 식의 값을 예를 들어 이하에 예로 든 수법 등으로 변환하고, 변환 후의 값이 평가 대상에 대한 췌장암의 상태를 반영한 것이라고 결정해도 좋다. 바꿔 말하면, 식의 값 또는 변환 후의 값 그 자체를, 평가 대상에 대한 췌장암의 상태에 관한 평가 결과로서 취급해도 좋다.
식의 값이 취할 수 있는 범위가 소정 범위(예를 들어 0.0에서 1.0까지의 범위, 0.0에서 10.0까지의 범위, 0.0에서 100.0까지의 범위, 또는 -10.0에서 10.0까지의 범위 등)에 들어가도록 하기 위해, 예를 들어, 식의 값에 대하여 임의의 값을 가감승제하거나, 식의 값을 소정의 변환 수법(예를 들어, 지수 변환, 대수 변환, 각 변환, 평방근 변환, 프로빗 변환, 역수 변환, Box-Cox 변환, 또는 멱승 변환 등)으로 변환하거나, 또한, 식의 값에 대하여 이러한 계산을 조합하여 수행하거나 함으로써, 식의 값을 변환해도 좋다. 예를 들어, 식의 값을 지수로 하고 네이피어의 수를 베이스로 하는 지수 함수의 값(구체적으로는, 췌장암의 상태가 소정의 상태(예를 들어, 기준치를 초과한, 췌장암을 앓고 있을 가능성이 높은 상태, 등)인 확률 p를 정의했을 때의 자연 로그 ln(p/(1-p))가 식의 값과 동일하다고 한 경우에서의 p/(1-p)의 값)을 추가로 산출해도 좋고, 또한, 산출한 지수 함수의 값을 1과 당해 값과의 합으로 나눈 값(구체적으로는, 확률 p의 값)을 추가로 산출해도 좋다.
또한, 특정 조건일 때의 변환 후의 값이 특정 값이 되도록, 식의 값을 변환해도 좋다. 예를 들어, 특이도가 80%일 때의 변환 후의 값이 5.0이 되고 또한 특이도가 95%일 때의 변환 후의 값이 8.0이 되도록 식의 값을 변환해도 좋다.
또한, 평균 50, 표준 편차 10이 되도록 편차값화해도 좋다.
또한, 이러한 변환은, 남녀별이나 연령별로 수행하여도 좋다.
또한, 본 명세서에서의 식의 값은, 식의 값 그 자체라도 좋고, 식의 값을 변환한 후의 값이라도 좋다.
또한, 모니터 등의 표시 장치 또는 종이 등의 물리 매체에 시인 가능하게 나타나는 소정의 자 위에서의 소정의 표지의 위치에 관한 위치 정보를, 식의 값 또는 당해 식의 값을 변환한 경우에는 그 변환 후의 값을 사용하여 생성하고, 생성된 위치 정보가 평가 대상에 대한 췌장암의 상태를 반영하는 것이라고 결정해도 좋다. 또한, 소정의 자란, 췌장암의 상태를 평가하기 위한 것으로, 예를 들어, 눈금이 표시된 자로서 「식의 값 또는 변환 후의 값이 취할 수 있는 범위, 또는, 당해 범위의 일부분」에서의 상한값과 하한값에 대응하는 눈금이 적어도 표시된 것, 등이다. 또한, 소정의 표지란, 식의 값 또는 변환 후의 값에 대응하는 것으로, 예를 들어, 동그라미표 또는 별표 등이다.
또한, 평가 대상이 췌장암을 앓고 있을 가능성의 정도를 정성적으로 평가해도 좋다. 구체적으로는, 「상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값 및 미리 설정된 하나 또는 복수의 임계값」 또는 「상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값이 대입되는 변수를 포함하는 식, 및 미리 설정된 하나 또는 복수의 임계값」을 사용하여, 평가 대상을, 췌장암을 앓고 있을 가능성의 정도를 적어도 고려하여 정의된 복수의 구분 중의 어느 하나로 분류해도 좋다. 또한, 복수의 구분에는, 췌장암을 앓고 있을 가능성의 정도가 높은 대상(예를 들어, 췌장암을 앓고 있다고 간주하는 대상)을 속하게 하기 위한 구분(예를 들어, 실시예에 기재한 랭크 C 등), 췌장암을 앓고 있을 가능성의 정도가 낮은 대상(예를 들어, 췌장암을 앓고 있지 않다고 간주하는 대상)을 속하게 하기 위한 구분(예를 들어, 실시예에 기재한 랭크 A), 및 췌장암을 앓고있을 가능성의 정도가 중간 정도인 대상을 속하게 하기 위한 구분(예를 들어, 실시 예에 기재한 랭크 B 등)이 포함되어 있어도 좋다. 또한, 복수의 구분에는, 췌장암을 앓고 있을 가능성의 정도가 높은 대상을 속하게 하기 위한 구분(예를 들어, 실시예에 기재한 췌장암 구분 등), 및, 췌장암을 앓고 있을 가능성의 정도가 낮은 대상을 속하게 하기 위한 구분(예를 들어, 실시예에 기재한, 건강할 가능성이 높은 대상(예를 들어, 건강하다고 간주하는 대상)을 속하게 하기 위한 건강 구분 등)이 포함되어 있어도 좋다. 또한, 농도값 또는 식의 값을 소정의 수법으로 변환하고, 변환 후의 값을 사용하여 평가 대상을 복수의 구분 중의 어느 하나로 분류해도 좋다.
또한, 평가시에 사용하는 식에 대하여, 그 형식은 특별히 따지지 않지만, 예를 들어, 이하에 나타내는 형식의 것이라도 좋다.
·최소 제곱법에 기초하는 중회귀식, 선형 판별식, 주성분 분석, 정준 판별 분석 등의 선형 모델
·최우법(最尤法)에 기초하는 로지스틱 회귀, Cox 회귀 등의 일반화 선형 모델
·일반화 선형 모델에 추가하여 개체간 차, 시설간 차 등의 변량 효과를 고려한 일반화 선형 혼합 모델
·K-means법, 계층적 클러스터 해석 등 클러스터 해석으로 작성된 식
·MCMC(마르코프 연쇄 몬테카를로법), 베이지안 네트워크, 계층 베이즈법 등 베이즈 통계에 기초하여 작성된 식
·서포트 벡터 머신이나 결정목 등 클래스 분류에 의해 작성된 식
·분수식 등 상기의 카테코리에 속하지 않는 수법에 의해 작성된 식
·다른 형식의 식의 합으로 표시되어지는 식
또한, 평가시에 사용하는 식을, 예를 들어, 본 출원인에 의한 국제출원인 국제공개 제2004/052191호에 기재된 방법 또는 본 출원인에 의한 국제출원인 국제공개 제2006/098192호에 기재된 방법으로 작성해도 좋다. 또한, 이러한 방법으로 얻어진 식이면, 입력 데이터로서의 농도 데이터에서의 대사물 및/또는 아미노산의 농도값의 단위에 의하지 않고, 당해 식을 췌장암의 상태를 평가하는 데 적합하게 사용할 수 있다.
여기서, 중회귀식, 다중 로지스틱 회귀식, 정준 판별 함수 등에 있어서는 각 변수에 계수 및 상수항이 추가되는데, 이 계수 및 상수항은, 바람직하게는 실수(實數)이면 상관없고, 보다 바람직하게는, 데이터로부터 상기의 각종 분류를 수행하기 위해 얻어진 계수 및 상수항의 99% 신뢰 구간의 범위에 속하는 값이면 상관없고, 더욱 바람직하게는, 데이터로부터 상기의 각종 분류를 수행하기 위해 얻어진 계수 및 상수항의 95% 신뢰 구간의 범위에 속하는 값이면 상관없다. 또한, 각 계수의 값 및 그 신뢰 구간은, 그것을 실수배한 것이라도 좋고, 상수항의 값 및 그 신뢰 구간은, 그것에 임의의 실상수를 가감승제한 것이라도 좋다. 로지스틱 회귀식, 선형 판별식, 중회귀식 등을 평가할 때에 사용하는 경우, 선형 변환(상수의 가산, 상수배) 및 단조 증가(감소)의 변환(예를 들어 logit 변환 등)은 평가 성능을 바꾸는 것이 아니고 변환 전과 동등하므로, 이러한 변환이 수행된 후의 것을 사용해도 좋다.
또한, 분수식이란, 당해 분수식의 분자가 변수 A, B, C, …의 합으로 표시되고 및/또는 당해 분수식의 분모가 변수 a, b, c, …의 합으로 표시되는 것이다. 또한, 분수식에는, 이러한 구성의 분수식 α, β, γ, …의 합(예를 들어 α＋β와 같은 것)도 포함된다. 또한, 분수식에는, 분할된 분수식도 포함된다. 또한, 분자나 분모에 사용되는 변수에는 각각 적당한 계수가 붙어도 상관없다. 또한, 분자나 분모에 사용되는 변수는 중복되어도 상관없다. 또한, 각 분수식에 적당한 계수가 붙어도 상관없다. 또한, 각 변수의 계수의 값이나 상수항의 값은, 실수라면 상관없다. 어느 분수식과, 당해 분수식에 있어서 분자의 변수와 분모의 변수가 바뀐 것에서는, 목적 변수와의 상관의 정부(正負)의 부호가 대체로 역전하지만, 그 상관성은 유지되므로, 평가 성능도 동등하다고 간주할 수 있으므로, 분수식에는, 분자의 변수와 분모의 변수가 바뀐 것도 포함된다.
그리고, 췌장암의 상태를 평가할 때, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값 이외에, 다른 생체 정보에 관한 값(예를 들어, 이하에 열거한 값 등)을 추가로 사용해도 상관없다. 또한, 평가시에 사용하는 식에는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값이 대입되는 변수 이외에, 다른 생체 정보에 관한 값(예를 들어, 이하에 예를 든 값 등)이 대입되는 하나 또는 복수의 변수가 추가로 포함되어 있어도 좋다.
1. 아미노산 이외의 다른 혈중의 대사물(아미노산 대사물·당류·지질 등), 단백질, 펩타이드, 미네랄, 호르몬 등의 농도값
2. 알부민, 총 단백, 트리글리세라이드(중성 지방), HbA1c, 당화 알부민, 인슐린 저항성 지수, 총 콜레스테롤, LDL 콜레스테롤, HDL 콜레스테롤, 아밀라아제, 총 빌리루빈, 크레아티닌, 추산 사구체 여과량(eGFR), 요산, GOT(AST), GPT(ALT), GGTP(γ-GTP), 글루코오스(혈당 값), CRP(C 반응성 단백), 적혈구, 헤모글로빈, 헤마토크릿, MCV, MCH, MCHC, 백혈구, 혈소판 수 등의 혈액 검사값
3. 초음파 에코, X선, CT, MRI, 내시경상 등의 영상 정보로부터 얻어진 값
4. 연령, 신장, 체중, BMI, 복부 둘레, 수축기 혈압, 확장기 혈압, 성별, 흡연 정보, 식사 정보, 음주 정보, 운동 정보, 스트레스 정보, 수면 정보, 가족의 병력 정보, 질환력 정보(당뇨병 등) 등의 생체 지표에 관한 값
[제2 실시형태]
[2-1. 제2 실시형태의 개요]
여기에서는, 제2 실시형태의 개요에 대하여 도 2를 참조하여 설명한다. 도 2는 제2 실시형태의 기본 원리를 나타내는 원리 구성도이다. 또한, 본 제2 실시형태의 설명에서는, 상술한 제1 실시형태와 중복되는 설명을 생략하는 경우가 있다. 특히, 여기에서는, 췌장암의 상태를 평가할 때에, 식의 값 또는 그 변환 후의 값을 사용하는 케이스를 일례로서 기재하고 있는데, 예를 들어, 「상기 24종류의 대사물 및 상기 19종류의 아미노산」 중의 적어도 하나의 농도값 또는 그 변환 후의 값(예를 들어 농도 편차값 등)을 사용해도 좋다.
제어부는, 혈액 중의 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값에 관한 미리 취득한 평가 대상(예를 들어 동물이나 인간 등의 개체)의 농도 데이터에 포함되어 있는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값, 및, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값이 대입되는 변수를 포함하는 미리 기억부에 기억된 식을 사용하여, 식의 값을 산출함으로서, 평가 대상에 대하여 췌장암의 상태를 평가한다(스텝 S21). 이로써, 췌장암의 상태를 아는 데 있어 참고가 될 수 있는 신뢰성이 높은 정보를 제공할 수 있다.
또한, 스텝 S21에서 사용되는 식은, 이하에 설명하는 식 작성 처리(공정 1 내지 공정 4)에 기초하여 작성된 것이라도 좋다. 여기서, 식 작성 처리의 개요에 대하여 설명한다. 또한, 여기서 설명하는 처리는 어디까지나 일례이며, 식의 작성 방법은 이에 한정되지 않는다.
우선, 제어부는, 농도 데이터와 췌장암의 상태를 나타내는 지표에 관한 지표 데이터를 포함하는 미리 기억부에 기억된 지표 상태 정보(결손값이나 이상값 등을 가진 데이터가 사전에 제거되어 있는 것이라도 좋음)로부터 소정의 식 작성 수법에 기초하여, 후보식(예: y=a1×1＋a2×2＋…＋anxn, y: 지표 데이터, xi: 농도 데이터, ai: 상수, i=1, 2, …, n)을 작성한다(공정 1).
또한, 공정 1에 있어서, 지표 상태 정보로부터, 복수의 다른 식 작성 수법(주성분 분석이나 판별 분석, 서포트 벡터 머신, 중회귀 분석, Cox 회귀 분석, 로지스틱 회귀 분석, k-means법, 클러스터 해석, 결정목 등의 다변량 해석에 관한 것을 포함함.)을 병용하여 복수의 후보식을 작성해도 좋다. 구체적으로는, 다수의 정상군 및 췌장암군에서 얻은 혈액을 분석하여 얻은 농도 데이터 및 지표 데이터로 구성되는 다변량 데이터인 지표 상태 정보에 대하여, 복수의 다른 알고리즘을 이용하여 복수군의 후보식을 동시 병행적으로 작성해도 좋다. 예를 들어, 다른 알고리즘을 이용하여 판별 분석 및 로지스틱 회귀 분석을 동시에 수행하여, 2개의 다른 후보식을 작성하여도 좋다. 또한, 주성분 분석을 수행하여 작성한 후보식을 이용하여 지표 상태 정보를 변환하고, 변환한 지표 상태 정보에 대하여 판별 분석을 수행함으로써 후보식을 작성해도 좋다. 이로써, 최종적으로, 평가에 최적인 식을 작성할 수 있다.
여기서, 주성분 분석을 사용하여 작성한 후보식은, 모든 농도 데이터의 분산을 최대로 하는 각 변수를 포함한 일차식이다. 또한, 판별 분석을 사용하여 작성한 후보식은, 각 군 내의 분산의 합의 전체 농도 데이터의 분산에 대한 비를 최소로 하는 각 변수를 포함하는 고차식(지수나 대수를 포함함)이다. 또한, 서포트 벡터 머신을 사용하여 작성한 후보식은, 군 간의 경계를 최대로 하는 각 변수를 포함하는 고차식(커널 함수를 포함함)이다. 또한, 중회귀 분석을 사용하여 작성한 후보식은, 전체 농도 데이터로부터의 거리의 합을 최소로 하는 각 변수를 포함하는 고차식이다. 또한, Cox 회귀 분석을 사용하여 작성한 후보식은, 대수 해저드 비를 포함하는 선형 모델로, 그 모델의 우도(尤度)를 최대로 하는 각 변수와 그 계수를 포함하는 1차식이다. 또한, 로지스틱 회귀 분석을 사용하여 작성한 후보식은, 확률의 대수 오즈(odds)를 나타내는 선형 모델이며, 그 확률의 우도를 최대로 하는 각 변수를 포함하는 일차식이다. 또한, k-means법이란, 각 농도 데이터의 k개 근방을 탐색하고, 근방점이 속하는 군 중에서 가장 많은 것을 그 데이터의 소속군이라고 정의하고, 입력된 농도 데이터가 속하는 군과 정의된 군이 가장 합치하는 변수를 선택하는 수법이다. 또한, 클러스터 해석이란, 전체 농도 데이터 중에서 가장 가까운 거리에 있는 점끼리를 클러스터링(군화)하는 수법이다. 또한, 결정목이란, 변수에 서열을 붙여, 서열이 상위인 변수가 취할 수 있는 패턴으로부터 농도 데이터의 군을 예측하는 수법이다.
식 작성 처리의 설명으로 돌아가서, 제어부는, 공정 1에서 작성한 후보식을, 소정의 검증 수법에 기초하여 검증(상호 검증)한다(공정 2). 후보식의 검증은, 공정 1에서 작성한 각 후보식에 대하여 수행한다. 또한, 공정 2에 있어서, 부트 스트랩(bootstrap)법이나 홀드아웃(holdout)법, N-폴드(fold)법, 리브-원-아웃(leave-one-out)법 등 중 적어도 하나에 기초하여, 후보식의 판별율이나 감도, 특이도, 정보량 기준, ROC_AUC(수신자 특성 곡선의 곡선 아래 면적) 등 중 적어도 하나에 관하여 검증해도 좋다. 이로써, 지표 상태 정보나 평가 조건을 고려한 예측성 또는 완건성(頑健性)이 높은 후보식을 작성할 수 있다.
여기에서, 판별율이란, 본 실시형태에 따른 평가 수법에서, 진짜 상태가 음성인 평가 대상(예를 들어, 췌장암을 앓고 있지 않은 평가 대상 등)을 정확하게 음성이라고 평가하고, 진짜 상태가 양성인 평가 대상(예를 들어, 췌장암을 앓고 있는 평가 대상 등)을 정확하게 양성이라고 평가하고 있는 비율이다. 또한, 감도란, 본 실시형태에 따른 평가 수법에서, 진짜 상태가 양성인 평가 대상을 정확하게 양성이라고 평가하고 있는 비율이다. 또한, 특이도란, 본 실시형태에 따른 평가 수법에서, 진짜 상태가 음성인 평가 대상을 정확하게 음성이라고 평가하고 있는 비율이다. 또한 아카이케(Akaike) 정보량 기준이란, 회귀 분석 등의 경우에, 관측 데이터가 통계 모델에 어느 정도 일치하는지를 나타내는 기준이며, 「-2×(통계 모델의 최대 대수 우도)＋2×(통계 모델의 자유 파라미터수)」로 정의되는 값이 최소가 되는 모델을 가장 좋다고 판단한다. 또한, ROC_AUC는, 2차원 좌표 상에 (x, y)=(1-특이도, 감도)를 플롯해서 작성되는 곡선인 수신자 특성 곡선(ROC)의 곡선 아래 면적으로서 정의되고, ROC_AUC의 값은 완전한 판별에서는 1이 되고, 이 값이 1에 가까울수록 판별성이 높은 것을 나타낸다. 또한, 예측성이란, 후보식의 검증을 반복함으로써 얻어진 판별율이나 감도, 특이성을 평균한 것이다. 또한, 완건성이란, 후보식의 검증을 반복함으로써 얻어진 판별율이나 감도, 특이성의 분산이다.
식 작성 처리의 설명으로 돌아가서, 제어부는, 소정의 변수 선택 수법에 기초하여 후보식의 변수를 선택함으로써, 후보식을 작성할 때에 사용하는 지표 상태 정보에 포함되는 농도 데이터의 조합을 선택한다(공정 3). 또한, 공정 3에 있어서, 변수의 선택은, 공정 1에서 작성한 각 후보식에 대하여 수행하여도 좋다. 이로써, 후보식의 변수를 적절하게 선택할 수 있다. 그리고, 공정 3에서 선택한 농도 데이터를 포함하는 지표 상태 정보를 사용하여 다시 공정 1을 실행한다. 또한, 공정 3에 있어서, 공정 2에서의 검증 결과로부터 스텝와이즈(stepwise)법, 베스트 패스법, 근방 탐색법, 유전적 알고리즘 중 적어도 하나에 기초하여 후보식의 변수를 선택해도 좋다. 또한, 베스트 패스법이란, 후보식에 포함되는 변수를 하나씩 순차로 줄여 나가서, 후보식이 주는 평가 지표를 최적화함으로써 변수를 선택하는 방법이다.
식 작성 처리의 설명으로 돌아가서, 제어부는, 상술한 공정 1, 공정 2 및 공정 3을 반복해서 실행하고, 이에 의해 축적한 검증 결과에 기초하여, 복수의 후보식 중에서 평가시에 사용하는 후보식을 선출함으로써, 평가시에 사용하는 식을 작성한다(공정 4). 또한, 후보식의 선출에는, 예를 들어, 같은 식 작성 수법으로 작성한 후보식 중에서 최적의 것을 선출하는 경우와, 모든 후보식 중에서 최적의 것을 선출하는 경우가 있다.
이상, 설명한 바와 같이, 식 작성 처리에서는, 지표 상태 정보에 기초하여, 후보식의 작성, 후보식의 검증 및 후보식의 변수의 선택에 관한 처리를 일련의 흐름으로 체계화(시스템화)하여 실행함으로써, 췌장암의 평가에 최적인 식을 작성할 수 있다. 바꿔 말하면, 식 작성 처리에서는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나를 포함하는 혈중 물질의 농도를 다변량의 통계 해석에 사용하고, 최적으로 완건한(robust) 변수의 쌍을 선택하기 위해 변수 선택법과 교차 검증(Cross-Validation)을 조합하여, 평가 성능이 높은 식을 추출한다.
[2-2. 제2 실시형태의 구성]
여기에서는, 제2 실시형태에 따른 평가 시스템(이하에서는 본 시스템이라고 기재하는 경우가 있음.)의 구성에 대하여, 도 3 내지 도 14를 참조하여 설명한다. 또한, 본 시스템은 어디까지나 일례이며, 본 발명은 이에 한정되지 않는다. 특히, 여기에서는, 췌장암의 상태를 평가할 때에, 식의 값 또는 그 변환 후의 값을 사용하는 케이스를 일례로서 기재하고 있는데, 예를 들어, 「상기 24종류의 대사물 및 상기 19종류의 아미노산」 중의 적어도 하나의 농도값 또는 그 변환 후의 값(예를 들어 농도 편차값 등)을 사용해도 좋다.
우선, 본 시스템의 전체 구성에 대하여 도 3 및 도 4를 참조하여 설명한다. 도 3은 본 시스템의 전체 구성의 일례를 나타내는 도면이다. 또한, 도 4는 본 시스템의 전체 구성의 다른 일례를 나타내는 도면이다. 본 시스템은, 도 3에 나타내는 바와 같이, 평가 대상인 개체에 대하여 췌장암의 상태를 평가하는 장치(100)와, 혈액 중의 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나를 포함하는 혈중 물질의 농도값에 관한 개체의 농도 데이터를 제공하는 클라이언트 장치(200)(본 발명의 단말 장치에 상당)를, 네트워크(300)를 통해 통신 가능하게 접속하여 구성되어 있다.
또한, 본 시스템은, 도 4에 나타내는 바와 같이, 평가 장치(100)나 클라이언트 장치(200) 외에, 평가 장치(100)에서 식을 작성할 때에 사용하는 지표 상태 정보나, 평가시에 사용하는 식 등을 포함하는 데이터베이스 장치(400)를, 네트워크(300)를 통해 통신 가능하게 접속하여 구성되어도 좋다. 이로써, 네트워크(300)를 통해, 평가 장치(100)로부터 클라이언트 장치(200)나 데이터베이스 장치(400)로, 혹은 클라이언트 장치(200)나 데이터베이스 장치(400)로부터 평가 장치(100)로, 췌장암의 상태를 아는 데 있어 참고가 되는 정보 등이 제공된다. 여기에서, 췌장암의 상태를 아는 데 있어 참고가 되는 정보는, 예를 들어, 사람을 포함하는 생물의 췌장암의 상태에 관한 특정 항목에 대하여 측정한 값에 관한 정보 등이다. 또한, 췌장암의 상태를 아는 데 있어 참고가 되는 정보는, 평가 장치(100)나 클라이언트 장치(200)나 다른 장치(예를 들어 각종의 계측 장치 등)에서 생성되어, 주로 데이터베이스 장치(400)에 축적된다.
다음으로, 본 시스템의 평가 장치(100)의 구성에 대하여 도 5 내지 도 11을 참조하여 설명한다. 도 5는, 본 시스템의 평가 장치(100)의 구성의 일례를 나타내는 블록도이고, 당해 구성 중 본 발명에 관계된 부분만을 개념적으로 나타내고 있다.
평가 장치(100)는, 당해 평가 장치를 통괄적으로 제어하는 CPU(Central Processing Unit) 등의 제어부(102)와, 라우터 등의 통신 장치 및 전용선 등의 유선 또는 무선의 통신 회선을 통해 당해 평가 장치를 네트워크(300)에 통신 가능하게 접속하는 통신 인터페이스부(104)와, 각종 데이터베이스나 테이블이나 파일 등을 저장하는 기억부(106)와, 입력 장치(112)나 출력 장치(114)에 접속하는 입출력 인터페이스부(108), 로 구성되어 있고, 이들 각 부는 임의의 통신 경로를 통해 통신 가능하게 접속되어 있다. 여기서, 평가 장치(100)는, 각종의 분석 장치(예를 들어 아미노산 분석 장치 등)와 동일 케이스로 구성되어도 좋다. 예를 들어, 혈액 중의 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나를 포함하는 소정의 혈중 물질의 농도값을 산출(측정)하고, 산출한 값을 출력(인쇄나 모니터 표시 등)하는 구성(하드웨어 및 소프트웨어)을 갖춘 소형 분석 장치에 있어서, 후술하는 평가부(102d)를 추가로 구비하고, 당해 평가부(102d)에서 얻어진 결과를 상기 구성을 사용하여 출력하는 것을 특징으로 하는 것이라도 좋다.
통신 인터페이스부(104)는, 평가 장치(100)와 네트워크(300)(또는 라우터 등 통신 장치)와의 사이에서의 통신을 매개한다. 즉, 통신 인터페이스부(104)는, 다른 단말과 통신 회선을 통해 데이터를 통신하는 기능을 갖는다.
입출력 인터페이스부(108)는, 입력 장치(112)나 출력 장치(114)에 접속한다. 여기서, 출력 장치(114)에는, 모니터(가정용 TV를 포함함) 외에, 스피커나 프린터를 사용할 수 있다(또한, 이하에서는, 출력 장치(114)를 모니터(114)로서 기재하는 경우가 있음.). 입력 장치(112)에는, 키보드나 마우스나 마이크 외에, 마우스와 협동하여 포인팅 디바이스 기능을 실현하는 모니터를 사용할 수 있다.
기억부(106)는, 스토리지 수단이며, 예를 들어, RAM(Random Access Memory)·ROM(Read Only Memory) 등의 메모리 장치나, 하드 디스크와 같은 고정 디스크 장치, 플렉시블 디스크, 광 디스크 등을 사용할 수 있다. 기억부(106)에는, OS(Operating System)와 협동하여 CPU에 명령을 주어 각종 처리를 수행하기 위한 컴퓨터 프로그램이 기록되어 있다. 기억부(106)는, 도시한 바와 같이, 농도 데이터 파일(106a)과, 지표 상태 정보 파일(106b)과, 지정 지표 상태 정보 파일(106c)과, 식 관련 정보 데이터베이스(106d)와, 평가 결과 파일(106e)을 저장한다.
농도 데이터 파일(106a)은, 혈액 중의 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나를 포함하는 혈중 물질의 농도값에 관한 농도 데이터를 저장한다. 도 6은, 농도 데이터 파일(106a)에 저장되는 정보의 일례를 나타내는 도면이다. 농도 데이터 파일(106a)에 저장되는 정보는, 도 6에 나타내는 바와 같이, 평가 대상인 개체(샘플)를 고유하게 식별하기 위한 개체 번호와, 농도 데이터를 상호 관련지어서 구성되어 있다. 여기서, 도 6에서는, 농도 데이터를 수치, 즉 연속 척도로서 취급하고 있지만, 농도 데이터는 명의 척도나 순서 척도라도 좋다. 또한, 명의 척도나 순서 척도의 경우에는, 각각의 상태에 대하여 임의의 수치를 부여함으로써 해석해도 좋다. 또한, 농도 데이터에, 다른 생체 정보에 관한 값(상기 참조)을 조합해도 좋다.
도 5로 돌아가서, 지표 상태 정보 파일(106b)은, 식을 작성할 때에 사용하는 지표 상태 정보를 저장한다. 도 7은, 지표 상태 정보 파일(106b)에 저장되는 정보의 일례를 나타내는 도면이다. 지표 상태 정보 파일(106b)에 저장되는 정보는, 도 7에 나타내는 바와 같이, 개체 번호와, 췌장암의 상태를 나타내는 지표(지표 T1, 지표 T2, 지표 T3…)에 관한 지표 데이터(T)와, 농도 데이터를 상호 관련지어 구성되어 있다. 여기서, 도 7에서는, 지표 데이터 및 농도 데이터를 수치(즉 연속 척도)로서 취급하고 있는데, 지표 데이터 및 농도 데이터는 명의 척도나 순서 척도라도 좋다. 또한, 명의 척도나 순서 척도의 경우에는, 각각의 상태에 대하여 임의의 숫자를 부여함으로써 해석해도 좋다. 또한, 지표 데이터는, 췌장암의 상태의 마커가 되는 기지의 지표 등이며, 수치 데이터를 사용해도 좋다.
도 5로 돌아가서, 지정 지표 상태 정보 파일(106c)은, 후술하는 지정부(102b)에서 지정한 지표 상태 정보를 저장한다. 도 8은, 지정 지표 상태 정보 파일(106c)에 저장되는 정보의 일례를 나타내는 도면이다. 지정 지표 상태 정보 파일(106c)에 저장되는 정보는, 도 8에 나타내는 바와 같이, 개체 번호와, 지정한 지표 데이터와, 지정한 농도 데이터를 상호 관련지어 구성되어 있다.
도 5로 돌아가서, 식 관련 정보 데이터베이스(106d)는, 후술하는 식 작성부(102c)에서 작성한 식을 저장하는 식 파일(106d1)로 구성된다. 식 파일(106d1)은, 평가시에 사용하는 식을 저장한다. 도 9는, 식 파일(106d1)에 저장되는 정보의 일례를 나타내는 도면이다. 식 파일(106d1)에 저장되는 정보는, 도 9에 나타내는 바와 같이, 랭크와, 식(도 9에서는, Fp(Homo, …)나 Fp(Homo, GABA, Asn), Fk(Homo, GABA, Asn, …) 등)와, 각 식 작성 수법에 대응하는 임계값과, 각 식의 검증 결과(예를 들어 각 식의 값)를 상호 관련지어 구성되어 있다. 또한 "Homo"란 문자는, Homoarginine을 의미하는 것이다.
도 5로 돌아가서, 평가 결과 파일(106e)은, 후술하는 평가부(102d)에서 얻어진 평가 결과를 저장한다. 도 10은, 평가 결과 파일(106d)에 저장되는 정보의 일례를 나타내는 도면이다. 평가 결과 파일(106d)에 저장되는 정보는, 평가 대상인 개체(샘플)를 고유하게 식별하기 위한 개체 번호와, 미리 취득한 개체의 농도 데이터와, 췌장암의 상태에 관한 평가 결과(예를 들어, 후술하는 산출부(102d1)에서 산출한 식의 값, 후술하는 변환부(102d2)에서 식의 값을 변환한 후의 값, 후술하는 생성부(102d3)에서 생성된 위치 정보, 또는, 후술하는 분류부(102d4)에서 얻어진 분류 결과, 등)를 상호 관련지어 구성되어 있다.
도 5로 돌아가서, 제어부(102)는, OS 등의 제어 프로그램·각종 처리 수순 등을 규정한 프로그램·소요 데이터 등을 저장하기 위한 내부 메모리를 갖고, 이들 프로그램에 기초하여 여러가지 정보 처리를 실행한다. 제어부(102)는, 도시한 바와 같이, 크게 나누어, 수신부(102a)와 지정부(102b)와 식 작성부(102c)와 평가부(102d)와 결과 출력부(102e)와 송신부(102f)를 구비하고 있다. 제어부(102)는, 데이터베이스 장치(400)로부터 송신된 지표 상태 정보나 클라이언트 장치(200)로부터 송신된 농도 데이터에 대하여, 결손값이 있는 데이터의 제거·이상값이 많은 데이터의 제거·결손값이 있는 데이터가 많은 변수의 제거 등의 데이터 처리도 수행한다.
수신부(102a)는, 클라이언트 장치(200)나 데이터베이스 장치(400)로부터 송신된 정보(구체적으로는, 농도 데이터나 지표 상태 정보, 식 등)를, 네트워크(300)를 통해 수신한다. 지정부(102b)는, 식을 작성함에 있어서 대상으로 하는 지표 데이터 및 농도 데이터를 지정한다.
식 작성부(102c)는, 수신부(102a)에서 수신한 지표 상태 정보나 지정부(102b)에서 지정한 지표 상태 정보에 기초하여 식을 작성한다. 또한, 식이 미리 기억부(106)의 소정의 기억 영역에 저장되어 있는 경우에는, 식 작성부(102c)는, 기억부(106)에서 원하는 수식을 선택함으로써, 식을 작성해도 좋다. 또한, 식 작성부(102c)는, 식을 미리 저장한 다른 컴퓨터 장치(예를 들어 데이터베이스 장치(400))에서 원하는 식을 선택하여 다운로드함으로써, 식을 작성해도 좋다.
평가부(102d)는, 사전에 얻어진 식(예를 들어, 식 작성부(102c)에서 작성한 식, 또는, 수신부(102a)에서 수신한 식 등), 및, 수신부(102a)에서 수신한 개체의 농도 데이터에 포함되는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값을 사용하여, 식의 값을 산출함으로써, 개체에 대하여 췌장암의 상태를 평가한다. 또한, 평가부(102d)는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값 또는 당해 농도값의 변환 후의 값(예를 들어 농도 편차값)을 사용하여, 개체에 대하여 췌장암의 상태를 평가해도 좋다.
여기서, 평가부(102d)의 구성에 대하여 도 11을 참조하여 설명한다. 도 11은, 평가부(102d)의 구성을 나타내는 블록도이고, 당해 구성 중 본 발명에 관계된 부분만을 개념적으로 나타내고 있다. 평가부(102d)는, 산출부(102d1)와, 변환부(102d2)와, 생성부(102d3)와, 분류부(102d4)를 추가로 구비하고 있다.
산출부(102d1)는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값, 및, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값이 대입되는 변수를 적어도 포함하는 식을 사용하여, 식의 값을 산출한다. 또한, 평가부(102d)는, 산출부(102d1)에서 산출한 식의 값을 평가 결과로 하여 평가 결과 파일(106e)의 소정의 기억 영역에 저장해도 좋다.
변환부(102d2)는, 산출부(102d1)에서 산출한 식의 값을 예를 들어 상술한 변환 수법 등으로 변환한다. 또한, 평가부(102d)는, 변환부(102d2)에서 변환한 후 의 값을 평가 결과로 하여 평가 결과 파일(106e)의 소정의 기억 영역에 저장해도 좋다. 또한, 변환부(102d2)는, 농도 데이터에 포함되어 있는, 상기 24종류의 대사물 및 상기 19종류의 아미노산 중의 적어도 하나의 농도값을, 예를 들어 상술한 변환 수법 등으로 변환해도 좋다.
생성부(102d3)는, 모니터 등의 표시 장치 또는 종이 등의 물리 매체에 시인 가능하게 나타내는 소정의 자 위에서의 소정의 표지 위치에 관한 위치 정보를, 산출부(102d1)에서 산출한 식의 값 또는 변환부(102d2)에서 변환한 후의 값(농도값 또는 당해 농도값의 변환 후의 값이라도 좋음)을 사용하여 생성한다. 또한, 평가부(102d)는, 생성부(102d3)에서 생성한 위치 정보를 평가 결과로 하여 평가 결과 파일(106e)의 소정의 기억 영역에 저장해도 좋다.
분류부(102d4)는, 산출부(102d1)에서 산출한 식의 값 또는 변환부(102d2)에서 변환한 후의 값(농도값 또는 당해 농도값의 변환 후의 값이라도 좋음)을 사용하여, 개체를, 췌장암을 앓고 있을 가능성의 정도를 적어도 고려하여 정의된 복수의 구분 중의 어느 하나로 분류한다.
결과 출력부(102e)는, 제어부(102)의 각 처리부에서의 처리 결과(평가부(102d)에서 얻어진 평가 결과를 포함함) 등을 출력 장치(114)에 출력한다.
송신부(102f)는, 개체의 농도 데이터의 송신원의 클라이언트 장치(200)에 대하여 평가 결과를 송신하거나, 데이터베이스 장치(400)에 대하여, 평가 장치(100)에서 작성한 식이나 평가 결과를 송신하거나 한다.
다음으로, 본 시스템의 클라이언트 장치(200)의 구성에 대하여 도 12를 참조하여 설명한다. 도 12는, 본 시스템의 클라이언트 장치(200)의 구성의 일례를 나타내는 블록도이고, 당해 구성 중 본 발명에 관계된 부분만을 개념적으로 나타내고 있다.
클라이언트 장치(200)는, 제어부(210)와 ROM(220)과 HD(Hard Disk)(230)와 RAM(240)과 입력 장치(250)와 출력 장치(260)와 입출력 IF(270)와 통신 IF(280)로 구성되어 있고, 이들 각 부는 임의의 통신로를 통해 통신 가능하게 접속되어 있다. 클라이언트 장치(200)는, 프린터 모니터 이미지 스캐너 등의 주변 장치를 필요에 따라 접속한 정보 처리 장치(예를 들어, 기지의 개인용 컴퓨터·워크 스테이션·가정용 게임 장치·인터넷 TV·PHS(Personal Handyphone System) 단말·휴대 단말·이동체 통신 단말·PDA(Personal Digital Assistant) 등의 정보 처리 단말 등)을 바탕으로 한 것이라도 좋다.
입력 장치(250)는 키보드나 마우스나 마이크 등이다. 또한, 후술하는 모니터(261)도 마우스와 협동하여 포인팅 디바이스 기능을 실현한다. 출력 장치(260)는, 통신 IF(280)를 통해 수신한 정보를 출력하는 출력 수단이며, 모니터(가정용 TV를 포함함)(261) 및 프린터(262)를 포함한다. 이 외에, 출력 장치(260)에 스피커 등을 마련해도 좋다. 입출력 IF(270)는 입력 장치(250)와 출력 장치(260)에 접속한다.
통신 IF(280)는, 클라이언트 장치(200)와 네트워크(300)(또는 라우터 등의 통신 장치)를 통신 가능하게 접속한다. 바꿔 말하면, 클라이언트 장치(200)는, 모뎀이나 TA(Terminal Adapter)나 라우터 등의 통신 장치나 전화 회선을 통해, 또는 전용선을 통해 네트워크(300)에 접속된다. 이로써, 클라이언트 장치(200)는, 소정의 통신 규약에 따라서 평가 장치(100)에 액세스할 수 있다.
제어부(210)는, 수신부(211) 및 송신부(212)를 구비하고 있다. 수신부(211)는, 통신 IF(280)를 통해, 평가 장치(100)로부터 송신된 평가 결과 등의 각종 정보를 수신한다. 송신부(212)는, 통신 IF(280)를 통해, 개체의 농도 데이터 등의 각종 정보를 평가 장치(100)로 송신한다.
제어부(210)는, 당해 제어부에서 수행하는 처리의 전부 또는 임의의 일부를, CPU 및 당해 CPU에서 해석하여 실행하는 프로그램으로 실현해도 좋다. ROM(220) 또는 HD(230)에는, OS와 협동하여 CPU에 명령을 주어, 각종 처리를 수행하기 위한 컴퓨터 프로그램이 기록되어 있다. 당해 컴퓨터 프로그램은, RAM(240)에 로드됨으로써 실행되고, CPU와 협동하여 제어부(210)를 구성한다. 또한, 당해 컴퓨터 프로그램은, 클라이언트 장치(200)와 임의의 네트워크를 통해 접속되는 어플리케이션 프로그램 서버에 기록되어도 좋고, 클라이언트 장치(200)는, 필요에 따라 그 전부 또는 일부를 다운로드해도 좋다. 또한, 제어부(210)에서 수행하는 처리의 전부 또는 임의의 일부를, 와이어드 로직(wired logic) 등에 의한 하드웨어로 실현해도 좋다.
여기서, 제어부(210)는, 평가 장치(100)에 구비되어 있는 평가부(102d)가 갖는 기능과 동일한 기능을 갖는 평가부(210a)(산출부(210a1), 변환부(210a2), 생성부(210a3), 및 분류부(210a4)를 포함함)를 구비하고 있어도 좋다. 그리고, 제어부(210)에 평가부(210a)가 구비되어 있는 경우에는, 평가부(210a)는, 평가 장치(100)로부터 송신된 평가 결과에 포함되어 있는 정보에 따라, 변환부(210a2)에서 식의 값(농도값이라도 좋음)을 변환하거나, 생성부(210a3)에서 식의 값 또는 변환 후의 값(농도값 또는 당해 농도값의 변환 후의 값이라도 좋음)에 대응하는 위치 정보를 생성하거나, 분류부(210a4)에서 식의 값 또는 변환 후의 값(농도값 또는 당해 농도값의 변환 후의 값이라도 좋음)을 사용하여 개체를 복수의 구분 중의 어느 하나로 분류하거나 해도 좋다.
다음으로, 본 시스템의 네트워크(300)에 대하여 도 3, 도 4를 참조하여 설명한다. 네트워크(300)는 평가 장치(100)와 클라이언트 장치(200)와 데이터베이스 장치(400)를 상호 통신 가능하게 접속하는 기능을 가지고, 예를 들어 인터넷이나 인트라넷이나 LAN(Local Area Network)(유/무선의 쌍방을 포함함) 등이다. 또한, 네트워크(300)는, VAN(Value-Added Network)이나, PC 통신망이나 공중 전화망(아날로그/디지털의 쌍방을 포함함)이나, 전용 회선망(아날로그/디지털의 쌍방을 포함함)이나, CATV(Community Antenna TeleVision)망이나, 휴대 회선 교환망 또는 휴대 패킷 교환망(IMT(International Mobile Telecommunication) 2000방식, GSM(등록상표)(Global System for Mobile Communications) 방식 또는 PDC(Personal Digital Cellular)/PDC-P 방식 등을 포함함)나, 무선 호출망이나, Bluetooth(등록상표) 등의 국소 무선망이나, PHS망이나, 위성 통신망(CS(Communication Satellite), BS(Broadcasting Satellite) 또는 ISDB(Integrated Services Digital Broadcasting) 등을 포함함) 등이라도 좋다.
다음으로, 본 시스템의 데이터베이스 장치(400)의 구성에 대하여 도 13을 참조하여 설명한다. 도 13은, 본 시스템의 데이터베이스 장치(400)의 구성의 일례를 나타내는 블록도이고, 당해 구성 중 본 발명에 관계된 부분만을 개념적으로 나타내고 있다.
데이터베이스 장치(400)는, 평가 장치(100) 또는 당해 데이터베이스 장치에서 식을 작성할 때에 사용하는 지표 상태 정보나, 평가 장치(100)에서 작성한 식, 평가 장치(100)에서의 평가 결과 등을 저장하는 기능을 갖는다. 도 13에 나타내는 바와 같이, 데이터베이스 장치(400)는, 당해 데이터베이스 장치를 통괄적으로 제어하는 CPU 등의 제어부(402)와, 라우터 등의 통신 장치 및 전용선 등의 유선 또는 무선의 통신 회로를 통해 당해 데이터베이스 장치를 네트워크(300)에 통신 가능하게 접속하는 통신 인터페이스부(404)와, 각종 데이터베이스나 테이블이나 파일(예를 들어 Web 페이지용 파일) 등을 저장하는 기억부(406)와, 입력 장치(412)나 출력 장치(414)에 접속하는 입출력 인터페이스부(408)로 구성되어 있고, 이들 각 부는 임의의 통신로를 통해 통신 가능하게 접속되어 있다.
기억부(406)는, 스토리지 수단이며, 예를 들어, RAM·ROM 등의 메모리 장치 나, 하드 디스크와 같은 고정 디스크 장치나, 플렉시블 디스크, 광 디스크 등을 사용할 수 있다. 기억부(406)에는, 각종 처리에 사용하는 각종 프로그램 등을 저장한다. 통신 인터페이스부(404)는, 데이터베이스 장치(400)와 네트워크(300)(또는 라우터 등의 통신 장치)와의 사이의 통신을 매개한다. 즉, 통신 인터페이스부(404)는, 다른 단말과 통신 회선을 통해 데이터를 통신하는 기능을 갖는다. 입출력 인터페이스부(408)는, 입력 장치(412)나 출력 장치(414)에 접속한다. 여기서, 출력 장치(414)에는, 모니터(가정용 TV를 포함함) 외에, 스피커나 프린터를 사용할 수 있다. 또한, 입력 장치(412)에는, 키보드나 마우스나 마이크 외에, 마우스와 협동하여 포인팅 디바이스 기능을 실현하는 모니터를 사용할 수 있다.
제어부(402)는, OS 등의 제어 프로그램·각종 처리 수순 등을 규정한 프로그램·소요 데이터 등을 저장하기 위한 내부 메모리를 갖고, 이러한 프로그램에 기초하여 여러가지 정보 처리를 실행한다. 제어부(402)는, 도시한 바와 같이, 크게 나누어, 송신부(402a)와 수신부(402b)를 구비하고 있다. 송신부(402a)는, 지표 상태 정보나 식 등의 각종 정보를, 평가 장치(100)로 송신한다. 수신부(402b)는, 평가 장치(100)로부터 송신된, 식이나 평가 결과 등의 각종 정보를 수신한다.
또한, 본 설명에서는, 평가 장치(100)가, 농도 데이터의 수신으로부터, 식의 값의 산출, 개체의 구분으로의 분류, 그리고 평가 결과의 송신까지를 실행하고, 클라이언트 장치(200)가 평가 결과의 수신을 실행하는 케이스를 예로서 들었지만, 클라이언트 장치(200)에 평가부(210a)가 구비되어 있는 경우에는, 평가 장치(100)는 식의 값의 산출을 실행하면 충분하고, 예를 들어 식의 값의 변환, 위치 정보의 생성, 및, 개체의 구분으로의 분류 등은, 평가 장치(100)와 클라이언트 장치(200)로 적절히 분담하여 실행해도 좋다.
예를 들어, 클라이언트 장치(200)는, 평가 장치(100)로부터 식의 값을 수신한 경우에는, 평가부(210a)는, 변환부(210a2)에서 식의 값을 변환하거나, 생성부(210a3)에서 식의 값 또는 변환 후의 값에 대응하는 위치 정보를 생성하거나, 분류부(210a4)에서 식의 값 또는 변환 후의 값을 사용하여 개체를 복수의 구분 중의 어느 하나로 분류하거나 해도 좋다.
또한, 클라이언트 장치(200)는, 평가 장치(100)로부터 변환 후의 값을 수신한 경우에는, 평가부(210a)는, 생성부(210a3)에서 변환 후의 값에 대응하는 위치 정보를 생성하거나, 분류부(210a4)에서 변환 후의 값을 사용하여 개체를 복수의 구분 중의 어느 하나로 분류하거나 해도 좋다.
또한, 클라이언트 장치(200)는, 평가 장치(100)로부터 식의 값 또는 변환 후의 값과 위치 정보를 수신한 경우에는, 평가부(210a)는, 분류부(210a4)에서 식의 값 또는 변환 후의 값을 사용하여 개체를 복수의 구분 중의 어느 하나로 분류해도 좋다.
[2-3. 다른 실시형태]
본 발명에 따른 평가 장치, 평가 방법, 평가 프로그램, 평가 시스템, 및 단말 장치는, 상술한 제2 실시형태 이외에도, 청구범위에 기재된 기술적 사상의 범위 내에서 다양한 다른 실시형태로 실시되어도 좋은 것이다.
또한, 제2 실시형태에서 설명한 각 처리 중, 자동적으로 수행되는 것으로서 설명한 처리의 전부 또는 일부를 수동적으로 수행할 수도 있고, 혹은, 수동적으로 수행되는 것으로서 설명한 처리의 전부 또는 일부를 공지의 방법으로 자동적으로 수행할 수도 있다.
이 밖에, 상기 문헌 중이나 도면 중에서 나타낸 처리 수순, 제어 수순, 구체적 명칭, 각 처리의 등록 데이터나 검색 조건 등의 파라미터를 포함하는 정보, 화면예, 데이터베이스 구성에 대해서는, 특기하는 경우를 제외하고 임의로 변경할 수 있다.
또한, 평가 장치(100)에 관하여, 도시의 각 구성 요소는 기능 개념적인 것이며, 반드시 물리적으로 도시한 바와 같이 구성되어 있을 것을 요하지 않는다.
예를 들어, 평가 장치(100)가 구비하는 처리 기능, 특히 제어부(102)에서 수행되는 각 처리 기능에 대해서는, 그 전부 또는 임의의 일부를, CPU 및 당해 CPU에서 해석 실행되는 프로그램으로 실현해도 좋고, 또한, 와이어드 로직에 의한 하드웨어로서 실현해도 좋다. 또한, 프로그램은, 정보 처리 장치에 본 발명에 따른 평가 방법을 실행시키기 위한 프로그램화된 명령을 포함하는 일시적이 아닌 컴퓨터 판독 가능한 기록 매체에 기록되어 있고, 필요에 따라서 평가 장치(100)에 기계적으로 판독된다. 즉, ROM 또는 HDD(Hard Disk Drive) 등의 기억부(106) 등에는, OS와 협동하여 CPU에 명령을 주고, 각종 처리를 수행하기 위한 컴퓨터 프로그램이 기록되어 있다. 이 컴퓨터 프로그램은, RAM에 로드됨으로써 실행되고, CPU와 협동하여 제어부를 구성한다.
또한, 이 컴퓨터 프로그램은 평가 장치(100)에 대하여 임의의 네트워크를 통해 접속된 어플리케이션 프로그램 서버에 기억되어 있어도 좋고, 필요에 따라 그 전부 또는 일부를 다운로드하는 것도 가능하다.
또한, 본 발명에 따른 평가 프로그램을, 일시적이 아닌 컴퓨터 판독 가능한 기록 매체에 저장해도 좋고, 또한, 프로그램 제품으로서 구성할 수도 있다. 여기서, 이 「기록 매체」란, 메모리 카드, USB(Universal Serial Bus) 메모리, SD(Secure Digital) 카드, 플렉시블 디스크, 광자기 디스크, ROM, EPROM(Erasable Programmable Read Only Memory), EEPROM(Electrically Erasable and Programmable Read Only Memory)(등록상표), CD-ROM(Compact Disc Read Only Memory), MO(Magneto-Optical disk), DVD(Digital Versatile Disk), 및, Blu-ray(등록상표) Disc 등의 임의의 「이동식의 물리 매체」를 포함하는 것으로 한다.
또한, 「프로그램」이란, 임의의 언어 또는 기술(記述) 방법으로 기술된 데이터 처리 방법이며, 소스 코드 또는 바이너리 코드 등의 형식을 따지지 않는다. 또한, 「프로그램」은 반드시 단일적으로 구성되는 것으로 한정되지 않고, 복수의 모듈이나 라이브러리로서 분산 구성되는 것이나, OS로 대표되는 별개의 프로그램과 협동하여 그 기능을 달성하는 것도 포함한다. 또한, 실시형태에 나타낸 각 장치에 있어서 기록 매체를 판독하기 위한 구체적인 구성 및 판독 수순 및 판독 후의 인스톨 수순 등에 대해서는, 주지의 구성이나 수순을 사용할 수 있다.
기억부(106)에 저장되는 각종 데이터베이스 등은, RAM, ROM 등의 메모리 장치, 하드 디스크 등의 고정 디스크 장치, 플렉시블 디스크, 및, 광 디스크 등의 스토리지 수단이며, 각종 처리나 웹 사이트 제공에 사용하는 각종 프로그램, 테이블, 데이터베이스, 및, 웹 페이지용 파일 등을 저장한다.
또한, 평가 장치(100)는, 기지의 퍼스널 컴퓨터 또는 워크 스테이션 등의 정보 처리 장치로서 구성해도 좋고, 또한, 임의의 주변 장치가 접속된 당해 정보 처리 장치로서 구성해도 좋다. 또한, 평가 장치(100)는, 당해 정보 처리 장치에 본 발명의 평가 방법을 실현시키는 소프트웨어(프로그램 또는 데이터 등)를 실장함으로써 실현해도 좋다.
또한, 장치의 분산·통합의 구체적 형태는 도시하는 것으로 한정되지 않고, 그 전부 또는 일부를, 각종의 부가 등에 따라 또는 기능 부하에 따라, 임의의 단위로 기능적 또는 물리적으로 분산·통합하여 구성할 수 있다. 즉, 상술한 실시형태를 조합하여 실시해도 좋고, 실시형태를 선택적으로 실시해도 좋다.
실시예 1
췌장암의 확정 진단이 수행된 췌장암 환자(췌장암군: 40명), 및, 성별, 연령 및 BMI(Body Mass Index)를 췌장암군과 매칭시킨, 암의 병력 및 이환력이 없는 정상인(정상군: 40명)의 혈장 샘플로부터, 전술한 대사물 분석법 (A)에 의해 혈중 대사 물질 농도를 측정하였다.
21종류의 대사물(1-Me-His, aABA, Aminoadipic acid, bABA, bAiBA, Cadaverine, Ethylglycine, GABA, Homoarginine, Hypotaurine, Kinurenine, N6-Acetyl-L-Lys, Putrescine, Serotonin, Spermidine, Spermine, ADMA, Homocitrulline, 3-Me-His, Hydroxyproline, Phosphoethanolamine)의 혈장 중 농도값(nmol/ml)의 데이터를 사용하여, 각 대사물에 대하여 췌장암군과 정상군의 판별 능을 ROC_AUC로 평가하였다. 표 1에 각 대사물의 판별능을 평가할 때의 지표가 되는 ROC_AUC를 나타낸다.
[표 1]
Figure 112019033953861-pct00001
논파라메트릭의 가정 하에서 귀무가설을 「ROC_AUC=0.5」로 한 경우의 검정에서 ROC_AUC가 유의(p＜0.05)였던 대사물은, Aminoadipic acid, bABA, bAiBA, GABA, Homoarginine, N6-Acetyl-L-Lys, 3-Me-His였다. Aminoadipic acid, GABA, Homoarginine, N6-Acetyl-L-Lys, 3-Me-His는 췌장암군에서 유의하게 감소하고, bABA, bAiBA는 췌장암군에서 유의하게 증가하였다. 이러한 대사물의 농도값은, ROC_AUC가 유의인 것으로부터, 정상의 상태를 고려한, 췌장암의 상태의 평가에 있어서 유용한 것이라고 생각된다.
실시예 2
실시예 1에서 얻어진 샘플 데이터를 사용하였다. 혈장 중의 대사물 농도값이 대입되는 변수를 포함하는, 췌장암군과 정상군의 2군을 판별하기 위한 다변량 판별식(다변량 함수)을 구하였다.
다변량 판별식으로서 로지스틱 회귀식을 사용하였다. 로지스틱 회귀식에 포함하는 2개의 변수의 조합을, 상기 21종류의 대사물 중 적어도 하나를 필수로 한 후, 19종류의 아미노산(Asn, His, Thr, Ala, Cit, Arg, Tyr, Val, Met, Lys, Trp, Gly, Pro, Orn, Ile, Leu, Phe, Ser, Gln) 및 상기 21종류의 대사물로부터 탐색하여, 췌장암군과 정상군의 판별능이 양호한 로지스틱 회귀식의 탐색을 실시하였다.
췌장암군과 정상군의 ROC_AUC값이 0.700 이상에서, 변수의 개수가 2개의 로지스틱 회귀식의 일람을, 이하의 [11.2 변수의 식]에 나타내었다. 이들 로지스틱 회귀식은, ROC_AUC값이 높은 것으로부터, 상기의 평가에 있어서 유용한 것이라고 생각된다. 또한, 이하의 「11.2 변수의 식」에는, 각 식에 관하여, 식에 포함되는 변수와 ROC_AUC값이 나타나 있다(이하 동일).
실시예 3
실시예 1에서 사용한 샘플 데이터를 사용하였다. 혈장 중의 대사물 농도값이 대입되는 변수를 포함하는, 췌장암군과 정상군의 2군을 판별하기 위한 다변량 판별식(다변량 함수)를 구하였다.
다변량 판별식으로서 로지스틱 회귀식을 사용하였다. 로지스틱 회귀식에 포함하는 3개의 변수의 조합을, 실시예 2와 동일하게, 상기 21종류의 대사물 중 적어도 하나를 필수로 한 후, 상기 19종류의 아미노산 및 상기 21종류의 대사물로부터 탐색하고, 췌장암군과 정상군의 판별능이 양호한 로지스틱 회귀식의 탐색을 실시하였다.
췌장암군과 정상군의 ROC_AUC값이 0.869(실시예 2에서의 ROC_AUC의 최대값) 이상에서, 변수의 개수가 3개의 로지스틱 회귀식의 일람을, 이하의 [12.3 변수의 식]에 나타냈다. 이러한 로지스틱 회귀식은, ROC_AUC값이 높은 것으로부터, 상기의 평가에 있어서 유용한 것이라고 생각된다.
실시예 4
실시예 1에서 사용한 샘플 데이터를 사용하였다. 혈장 중의 대사물 농도값이 대입되는 변수를 포함하는, 췌장암군과 정상군의 2군을 판별하기 위한 다변량 판별식(다변량 함수)을 구하였다.
다변량 판별식으로서 로지스틱 회귀식을 사용하였다. 로지스틱 회귀식에 포함하는 6개의 변수의 조합을, 상기 19종류의 아미노산 및 상기 21종류의 대사물로부터 탐색하여, 췌장암군과 정상군의 판별능이 양호한 로지스틱 회귀식의 탐색을 실시하였다.
상기에서 얻어진 로지스틱 회귀식 중, ROC_AUC가 0.894(실시예 3에서의 ROC_AUC의 최대값) 이상의 1590식에 포함되는 아미노산 변수의 출현 빈도를 구하였다. 로지스틱 회귀식의 일람을 이하의 [13.6 변수의 식]으로 나타내고, 출현 빈도를 표 2에 나타냈다. 이것으로부터, Ser, Ala, Cit, Val, Met, Tyr, His, Trp, Aminoadipic acid, bABA, bAiBA, Ethylglycine, GABA, Homoarginine, N6-Acetyl-L-Lys, Putrescine, 3-Met-His, Hydroxyproline의 출현 빈도는 100 이상으로 높은 것으로 나타났다. 특히, Ser, His, Cit, Trp, Aminoadipic acid, bABA, bAiBA, Ethylglycine, GABA, N6-Acetyl-L-Lys, Putrescine, Hydroxyproline의 출현 빈도는 300 이상으로 높은 것으로 나타났다. 또한, His, bABA, bAiBA, Ethylglycine, GABA의 출현 빈도는 500 이상으로 높은 것으로 나타났다.
[표 2]
Figure 112019033953861-pct00002
상기에서 얻어진 로지스틱 회귀식 중, 예를 들어, 변수의 쌍 「His, GABA, bABA, bAiBA, Ethylglycine, Homoarginine」를 갖는 지표식 1(His, GABA, bABA, bAiBA, Ethylglycine, Homoarginine을 변수로서 포함하는 다변량 판별식)의 판별능은, ROC_AUC=0.9225, 감도=0.875, 특이도=0.750으로 양호한 것이었다. 또한, 상기 감도 및 특이도는, 감도와 특이도의 평균이 가장 높아지는 최고 판별점을 컷오프값으로 한 경우의 값이다.
여기서, 지표식 1, 및, 췌장암군의 아미노산 및 대사물 농도값(μmol/L)을 사용하여, 식의 값을 산출하고, 그리고, 산출한 식의 값 및 미리 설정한 컷오프값을 사용하여, 췌장암군의 각 증례를, 이하에 나타내는 바와 같이 설정한 복수의 구분 중의 어느 하나로 분류하였다. 여기에서, 컷오프값의 후보로서, 특이도 80%일 때의 식의 값과 특이도 95%일 때의 식의 값을 구한 바, 각각 -0.425와 2.027이었다. 또한 이것들을 컷오프값으로 한 경우의 감도는 각각 90%, 48%이다.
식의 값이 가장 높았던 1증례의 농도값은 각각, His: 55.8, GABA: 0.099, bABA: 0.294, bAiBA: 4.62, Ethylglycine: 0.448, Homoarginine: 0.954이고, 이 증례의 식의 값은 7.22이었다. 여기에서 「대수 오즈 ln(p/(1-p))=식의 값」이라는 관계식(p는 암일 확률)을 정의하여, 이 식의 값 7.22로부터 오즈 p/(1-p)를 계산한 바, 49020.8이었다. 또한, 이 오즈로부터 확률 p를 계산한 바, 1.0이었다.
그리고, 컷오프값으로서 특이도 95%일 때의 식의 값 2.027을 설정하고, 그리고, 식의 값이 컷오프값보다 높은 경우에는 양성(췌장암 구분에 상당)으로 컷오프값보다 낮은 경우에는 음성(정상 구분에 상당)으로 정의하여, 식의 값이 7.22였던 상기 증례를 양성 및 음성의 어느 것으로 분류한 바, 이 식의 값은 컷오프값보다 높기 때문에, 이 증례는 양성으로 분류되었다.
또한, 제1 컷오프값으로서 특이도 80%일 때의 식의 값 -0.425를 설정하고, 제2 컷오프값으로서 특이도 95%일 때의 식의 값 2.027을 설정하고, 그리고, 식의 값이 제1 컷오프값보다 낮은 경우에는 랭크 A(췌장암일 가능성(확률, 리스크)이 낮은 것을 의미하는 구분)로, 제1 컷오프값보다 높고 제2 컷오프값보다 낮은 경우에는 랭크 B(췌장암일 가능성이 중간 정도임을 의미하는 구분)로, 제2 컷오프값보다 높은 경우에는 랭크 C(췌장암일 가능성이 높은 것을 의미하는 구분)로 정의하여, 식의 값이 7.22였던 상기 증례를 3개의 랭크 중의 어느 하나로 분류한 바, 이 식의 값은 제2 컷오프 값보다 높기 때문에, 이 증례는 랭크 C로 분류되었다.
실시예 5
본 실시예 5에서는, 실시예 1에서 사용한 혈액 샘플 중에서 정상인 24명분의 혈장, 췌장암 환자 24명분의 혈장을 사용하여, 전술한 대사물 분석법 (A)에 의해 실시예 1의 혈중 대사물 농도에 더하여, 혈중의 N-methyl-β-aminobutyric acid(N-Me-bABA), Acylcarnitine(AC)(13:1), cis-5,8,11,14,17-Eicosapentaenoic acid(EPA)의 피크 면적을 측정하여, 농도값으로 하였다.
3종류의 대사물(N-Me-bABA, AC(13:1), EPA)의 농도값(피크 면적값)의 데이터를 사용하여, 각 대사물에 대하여 췌장암군과 정상군의 판별능을 ROC_AUC로 평가하였다. 표 3에 각 대사물의 판별능을 평가할 때의 지표가 되는 ROC_AUC값을 나타낸다.
[표 3]
Figure 112019033953861-pct00003
논파라메트릭의 가정 하에서 귀무가설을 「ROC_AUC=0.5」로 한 경우의 검정에서 ROC_AUC가 유의(p＜0.05)인 대사물은, N-Me-bABA, AC(13:1)였다. AC(13:1)는 췌장암군에서 유의하게 감소하고, N-Me-bABA는 췌장암군에서 유의하게 증가하였다. 이러한 대사물의 농도값은, ROC_AUC가 유의인 것으로부터, 정상의 상태를 고려한, 췌장암의 상태의 평가에 있어서 유용한 것이라고 생각된다.
실시예 6
실시예 5에서 사용한 샘플 데이터를 사용하였다. 혈장 중의 대사물 농도값이 대입되는 변수를 포함하는, 췌장암군과 정상군의 2군을 판별하기 위한 다변량 판별식(다변량 함수)을 구하였다.
다변량 판별식으로서 로지스틱 회귀식을 사용하였다. 로지스틱 회귀식에 포함하는 2개의 변수의 조합을, N-Me-bABA, AC(13:1), EPA 중의 어느 하나를 필수로 한 후, 상기 19종류의 아미노산 및 상기 21종류의 대사물로부터 탐색하여, 췌장암군과 정상군의 판별능이 양호한 로지스틱 회귀식의 탐색을 실시하였다.
췌장암군과 정상군의 ROC_AUC값이 0.9792(실시예 5에서의 ROC_AUC의 최대값) 이상에서, 변수의 개수가 2개의 로지스틱 회귀식(변수의 조합)의 일람을, 이하의 [14.2 변수의 식]에 나타냈다. 이러한 로지스틱 회귀식은, ROC_AUC값이 높은 것으로부터, 상기의 평가에 있어서 유용한 것이라고 생각된다.
실시예 7
실시예 5에서 사용한 샘플 데이터를 사용하였다. 혈장 중의 대사물 농도값 혹은 피크 면적값이 대입되는 변수를 포함하는, 췌장암군과 정상군의 2군을 판별하기 위한 다변량 판별식(다변량 함수)을 구하였다.
다변량 판별식으로서 로지스틱 회귀식을 사용하였다. Ser, Ala, Ile, His, Trp, Asn의 6개의 아미노산을 변수로 하는, 췌장암군과 정상군의 ROC_AUC값이 0.9288인 로지스틱 회귀식에 추가하는 1개의 변수 또는 2개의 변수의 조합을, 상기 21종류 및 상기 3종류의 대사물로부터 탐색하여, 췌장암군과 정상군의 판별능이 양호한 로지스틱 회귀식의 탐색을 실시하였다.
추가되는 변수가 1개인 경우의 탐색에 있어서, 췌장암군과 정상군의 ROC_AUC값이 상기 0.9288 이상이 되는 로지스틱 회귀식에 추가된 대사물을, 이하의 [15.1 변수 추가]에 나타냈다. 또한, 추가되는 변수가 2개인 경우의 탐색에 있어서, 췌장암군과 정상군의 ROC_AUC값이 상기 0.9288 이상이 되는 로지스틱 회귀식에 추가된 대사물을, 이하의 [16.2 변수 추가]에 나타냈다. 이러한 로지스틱 회귀식은, ROC_AUC값이 높은 것으로부터, 상기의 평가에 있어서 유용한 것이라고 생각된다.
이상과 같이, 본 발명은, 산업상의 많은 분야, 특히 의약품이나 식품, 의료 등의 분야에서 널리 실시할 수 있고, 특히, 췌장암의 상태의 진행 예측이나 질병 리스크 예측이나 단백체나 대사체 해석 등을 수행하는 생물 정보학 분야에서 극히 유용하다.
100 평가 장치
102 제어부
102a 수신부
102b 지정부
102c 식 작성부
102d 평가부
102d1 산출부
102d2 변환부
102d3 생성부
102d4 분류부
102e 결과 출력부
102f 송신부
104 통신 인터페이스부
106 기억부
106a 농도 데이터 파일
106b 지표 상태 정보 파일
106c 지정 지표 상태 정보 파일
106d 식 관련 정보 데이터베이스
106d1 식 파일
106e 평가 결과 파일
108 입출력 인터페이스부
112 입력 장치
114 출력 장치
200 클라이언트 장치(단말 장치(정보 통신 단말 장치))
300 네트워크
400 데이터베이스 장치
[11.2] 변수의 식
Figure 112019033953861-pct00004

Figure 112019033953861-pct00005

[12.3 변수의 식］
Figure 112019033953861-pct00006

Figure 112019033953861-pct00007

[13.6 변수의 식]
Figure 112019033953861-pct00008

Figure 112019033953861-pct00009

Figure 112019033953861-pct00010

Figure 112019033953861-pct00011

Figure 112019033953861-pct00012

Figure 112019033953861-pct00013

Figure 112019033953861-pct00014

Figure 112019033953861-pct00015

Figure 112019033953861-pct00016

Figure 112019033953861-pct00017

Figure 112019033953861-pct00018

Figure 112019033953861-pct00019

Figure 112019033953861-pct00020

Figure 112019033953861-pct00021

Figure 112019033953861-pct00022

Figure 112019033953861-pct00023

Figure 112019033953861-pct00024

Figure 112019033953861-pct00025

Figure 112019033953861-pct00026

Figure 112019033953861-pct00027

Figure 112019033953861-pct00028

Figure 112019033953861-pct00029

Figure 112019033953861-pct00030

Figure 112019033953861-pct00031

Figure 112019033953861-pct00032

Figure 112019033953861-pct00033

Figure 112019033953861-pct00034

Figure 112019033953861-pct00035

Figure 112019033953861-pct00036

Figure 112019033953861-pct00037

Figure 112019033953861-pct00038

Figure 112019033953861-pct00039

Figure 112019033953861-pct00040

Figure 112019033953861-pct00041

Figure 112019033953861-pct00042

Figure 112019033953861-pct00043

Figure 112019033953861-pct00044

Figure 112019033953861-pct00045

Figure 112019033953861-pct00046

Figure 112019033953861-pct00047

Figure 112019033953861-pct00048

Figure 112019033953861-pct00049

Figure 112019033953861-pct00050

[14.2 변수의 식]
Figure 112019033953861-pct00051

[15.1 변수 추가］
Figure 112019033953861-pct00052

[16.2 변수 추가]
Figure 112019033953861-pct00053

Figure 112019033953861-pct00054

Figure 112019033953861-pct00055

Figure 112019033953861-pct00056

Claims (12)

  1. 평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값, 또는 상기 대사물의 농도값이 대입되는 변수를 포함하는 식 및 상기 대사물의 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 스텝을 포함하는 것을 특징으로 하는 평가 방법.
  2. 제1항에 있어서, 상기 평가 스텝에서는, 상기 대사물의 농도값 및 상기 평가 대상의 혈액 중의 Asn, His, Thr, Ala, Cit, Arg, Tyr, Val, Met, Lys, Trp, Gly, Pro, Orn, Ile, Leu, Phe, Ser, Gln 중의 적어도 하나의 아미노산의 농도값, 또는 상기 대사물의 농도값 및 상기 아미노산의 농도값이 대입되는 변수를 포함하는 식, 상기 대사물의 농도값 및 상기 아미노산의 농도값을 사용하여 산출된 상기 식의 값을 사용하는 것을 특징으로 하는, 평가 방법.
  3. 제1항 또는 제2항에 있어서, 상기 평가 스텝은, 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행되는 것을 특징으로 하는, 평가 방법.
  4. 평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값, 및 상기 대사물의 농도값이 대입되는 변수를 포함하는 췌장암의 상태를 평가하기 위한 식을 사용하여, 상기 식의 값을 산출하는 산출 스텝을 포함하는 것을 특징으로 하는 산출 방법.
  5. 제4항에 있어서, 상기 산출 스텝은, 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행되는 것을 특징으로 하는, 산출 방법.
  6. 제어부를 구비한 평가 장치로서,
    상기 제어부는,
    평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값, 또는 상기 대사물의 농도값이 대입되는 변수를 포함하는 식 및 상기 대사물의 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 수단을 구비한 것을 특징으로 하는, 평가 장치.
  7. 제6항에 있어서, 상기 평가 장치는, 상기 대사물의 농도값에 관한 농도 데이터 또는 상기 식의 값을 제공하는 단말 장치와 네트워크를 통해 통신 가능하게 접속되고,
    상기 제어부는,
    상기 단말 장치로부터 송신된 상기 평가 대상의 상기 농도 데이터 또는 상기 식의 값을 수신하는 데이터 수신 수단과,
    상기 평가 수단에서 얻어진 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단
    을 추가로 구비하고,
    상기 평가 수단은, 상기 데이터 수신 수단에서 수신한 상기 농도 데이터에 포함되어 있는 상기 대사물의 농도값 또는 상기 식의 값을 사용하는 것을 특징으로 하는, 평가 장치.
  8. 제어부를 구비한 산출 장치로서,
    상기 제어부는,
    평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값, 및 상기 대사물의 농도값이 대입되는 변수를 포함하는 췌장암의 상태를 평가하기 위한 식을 사용하여, 상기 식의 값을 산출하는 산출 수단
    을 구비한 것을 특징으로 하는, 산출 장치.
  9. 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행시키기 위한,
    평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값, 또는 상기 대사물의 농도값이 대입되는 변수를 포함하는 식 및 상기 대사물의 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 스텝을 포함하는 것을 특징으로 하는 평가 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
  10. 제어부를 구비한 정보 처리 장치의 상기 제어부에서 실행시키기 위한,
    평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값, 및 상기 대사물의 농도값이 대입되는 변수를 포함하는 췌장암의 상태를 평가하기 위한 식을 사용하여, 상기 식의 값을 산출하는 산출 스텝을 포함하는 것을 특징으로 하는 산출 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
  11. 제어부를 구비한 평가 장치와, 제어부를 구비하고, 평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값에 관한 농도 데이터, 또는 상기 대사물의 농도값이 대입되는 변수를 포함하는 식 및 상기 대사물의 농도값을 사용하여 산출된 상기 식의 값을 제공하는 단말 장치를, 네트워크를 통해 통신 가능하게 접속하여 구성된 평가 시스템으로서,
    상기 단말 장치의 상기 제어부는,
    상기 평가 대상의 상기 농도 데이터 또는 상기 식의 값을 상기 평가 장치로 송신하는 데이터 송신 수단과,
    상기 평가 장치로부터 송신된, 상기 평가 대상에서의 췌장암의 상태에 관한 평가 결과를 수신하는 결과 수신 수단
    을 구비하고,
    상기 평가 장치의 상기 제어부는,
    상기 단말 장치로부터 송신된 상기 평가 대상의 상기 농도 데이터 또는 상기 식의 값을 수신하는 데이터 수신 수단과,
    상기 데이터 수신 수단에서 수신한 상기 평가 대상의 상기 농도 데이터에 포함되어 있는 상기 대사물의 농도값 또는 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가하는 평가 수단과,
    상기 평가 수단에서 얻어진 상기 평가 결과를 상기 단말 장치로 송신하는 결과 송신 수단
    을 구비한 것을 특징으로 하는, 평가 시스템.
  12. 제어부를 구비한 단말 장치로서,
    상기 제어부는,
    평가 대상에서의 췌장암의 상태에 관한 평가 결과를 취득하는 결과 취득 수단을 구비하고,
    상기 평가 결과는, 상기 평가 대상의 혈액 중의 아실카르니틴(13:1)인 대사물의 농도값, 또는 상기 대사물의 농도값이 대입되는 변수를 포함하는 식 및 상기 대사물의 농도값을 사용하여 산출된 상기 식의 값을 사용하여, 상기 평가 대상에 대하여, 췌장암의 상태를 평가한 결과인 것을 특징으로 하는, 단말 장치.
KR1020197009532A 2016-10-04 2017-10-04 췌장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치 KR102427924B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016196711 2016-10-04
JPJP-P-2016-196711 2016-10-04
PCT/JP2017/036198 WO2018066620A1 (ja) 2016-10-04 2017-10-04 膵臓癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置

Publications (2)

Publication Number Publication Date
KR20190065267A KR20190065267A (ko) 2019-06-11
KR102427924B1 true KR102427924B1 (ko) 2022-08-02

Family

ID=61832205

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197009532A KR102427924B1 (ko) 2016-10-04 2017-10-04 췌장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치

Country Status (4)

Country Link
US (1) US20190227071A1 (ko)
JP (2) JPWO2018066620A1 (ko)
KR (1) KR102427924B1 (ko)
WO (1) WO2018066620A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102279107B1 (ko) * 2019-09-18 2021-07-19 연세대학교 산학협력단 췌장암을 진단하기 위한 정보를 제공하는 방법

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3895227B2 (ja) 2002-07-24 2007-03-22 帝人ファイバー株式会社 衣料関連商品
CA2508136A1 (en) * 2002-12-09 2004-06-24 Ajinomoto Co., Inc. Apparatus and method for processing information concerning biological condition, system, program and recording medium for managing information concerning biological condition
WO2005116629A1 (ja) * 2004-05-26 2005-12-08 Ajinomoto Co., Inc. アミノ官能性化合物の分析方法及び装置
JP2006098192A (ja) 2004-09-29 2006-04-13 Scivax Kk 傾き検知方法および傾き検知装置、この方法および装置に用いる金型、この方法および装置を用いたパターン形成装置
EP1862797A4 (en) * 2005-03-16 2009-09-16 Ajinomoto Kk DEVICE, METHOD, SYSTEM AND PROGRAM FOR EVALUATING BIOLOGICAL STATES, DEVICE, METHOD AND PROGRAM FOR GENERATING AN EVALUATION FUNCTION AND RECORDING MEDIUM
EP1887362A4 (en) * 2005-05-30 2010-01-27 Ajinomoto Kk HEPATHOPATHY EVALUATION APPARATUS, HEPATHOPATHY EVALUATION METHOD, HEPATHOPATHY EVALUATION SYSTEM, HEPATHOPATHY EVALUATION PROGRAM, AND RECORDING MEDIUM
JP4976764B2 (ja) 2006-07-05 2012-07-18 株式会社東芝 半導体記憶装置
EP2081027A4 (en) * 2006-08-04 2009-09-23 Ajinomoto Kk METHOD FOR EVALUATING LUNG CANCER, LUNG CANCER EVALUATION DEVICE, LUNG CANCER EVALUATION METHOD, LUNG CANCER EVALUATION SYSTEM, EVALUATION PROGRAM FOR A LUNG CANCER LUNG CANCER AND RECORDING MEDIUM
JP4822434B2 (ja) 2006-09-16 2011-11-24 独立行政法人農業・食品産業技術総合研究機構 自走式運搬車の追従速度制御装置、及び自走式運搬車の追従速度制御方法
CN103760367B (zh) * 2006-12-21 2017-03-01 味之素株式会社 评估癌症状态的方法、癌症评估装置、癌症评估方法、癌症评估***、癌症评估程序和记录介质
JP5096075B2 (ja) 2007-08-24 2012-12-12 プライムアースＥｖエナジー株式会社 電池パック
JP5361167B2 (ja) 2007-10-18 2013-12-04 能美防災株式会社 火災警報器
US8422053B2 (en) 2007-10-26 2013-04-16 Ricoh Company, Ltd. Print options for productivity
JP4571180B2 (ja) 2007-12-11 2010-10-27 日立オートモティブシステムズ株式会社 内燃機関の可変動弁装置
JP4291863B2 (ja) 2007-12-13 2009-07-08 本田技研工業株式会社 内燃機関の吸気管圧力予測方法および装置
JP2009154297A (ja) 2007-12-25 2009-07-16 Seiko Epson Corp 流体噴射装置におけるフラッシング方法及び流体噴射装置
JP2009154296A (ja) 2007-12-25 2009-07-16 Toray Ind Inc 樹脂シート
KR101361601B1 (ko) * 2008-03-04 2014-02-12 아지노모토 가부시키가이샤 암종의 평가 방법
JP5467845B2 (ja) 2009-09-29 2014-04-09 セイコーインスツル株式会社 ボルテージレギュレータ
JP2011247869A (ja) 2010-04-27 2011-12-08 Kobe Univ メタボローム解析手法を用いた特定疾患の検査方法
WO2013146621A1 (ja) * 2012-03-30 2013-10-03 味の素株式会社 脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置
JP2014084290A (ja) 2012-10-23 2014-05-12 Asahi Kasei Chemicals Corp ブタジエン含有組成物
JP6299063B2 (ja) 2012-11-27 2018-03-28 味の素株式会社 膵臓癌リスク疾患の評価のための方法、膵臓癌リスク疾患評価装置、膵臓癌リスク疾患評価方法、膵臓癌リスク疾患評価プログラムおよび膵臓癌リスク疾患評価システム

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
G.Xie et al., Journal of Proteome Research, Vol. 14, 2015, pp. 1195-1202.
Kobayashi et al., Cancer Epidemiology, Biomarkers & Prevention, Vol. 22, No. 4, 2013, pp. 571-579.*
Nishiumi et al., Metabolomics, Vol. 6, 2010, pp. 518-528.
OuYang et al., Appl Biochem Biotechnol, Vol. 165, 2011, pp. 148-154.

Also Published As

Publication number Publication date
KR20190065267A (ko) 2019-06-11
WO2018066620A1 (ja) 2018-04-12
JP2023101023A (ja) 2023-07-19
JP2022010154A (ja) 2022-01-14
JPWO2018066620A1 (ja) 2019-07-18
US20190227071A1 (en) 2019-07-25

Similar Documents

Publication Publication Date Title
KR102427923B1 (ko) 대장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
JP5470848B2 (ja) 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
US20210287802A1 (en) Method for evaluating pancreatic cancer, pancreatic cancer evaluating apparatus, pancreatic cancer evaluating method, pancreatic cancer evaluating program product, pancreatic cancer evaluating system and information communication terminal apparatus
JP7337018B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、評価システム
JP2024038394A (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム
JP2023101023A (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、及び評価システム
WO2019194144A1 (ja) 乳癌の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置
JP7506646B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、及び評価システム
JP7435855B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、及び評価システム
JP7435856B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、及び評価システム
JP7489067B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置
JP7120027B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、および評価システム
KR102477319B1 (ko) 암 모니터링의 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 평가 시스템, 및 단말 장치
JP6886241B2 (ja) 骨格筋面積の評価方法
KR20230037533A (ko) 경도 인지 장애의 평가 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 기록 매체, 평가 시스템 및 단말 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant