[go: up one dir, main page]

JPWO2009154297A1 - 前立腺疾患の評価方法 - Google Patents

前立腺疾患の評価方法 Download PDF

Info

Publication number
JPWO2009154297A1
JPWO2009154297A1 JP2010518012A JP2010518012A JPWO2009154297A1 JP WO2009154297 A1 JPWO2009154297 A1 JP WO2009154297A1 JP 2010518012 A JP2010518012 A JP 2010518012A JP 2010518012 A JP2010518012 A JP 2010518012A JP WO2009154297 A1 JPWO2009154297 A1 JP WO2009154297A1
Authority
JP
Japan
Prior art keywords
discriminant
prostate
trp
ala
tau
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2010518012A
Other languages
English (en)
Other versions
JP5754137B2 (ja
Inventor
直幸 岡本
直幸 岡本
猛 三浦
猛 三浦
洋平 宮城
洋平 宮城
今泉　明
明 今泉
山本　浩史
浩史 山本
田中　孝幸
孝幸 田中
孝彦 村松
孝彦 村松
敏彦 安東
敏彦 安東
紀子 高橋
紀子 高橋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Original Assignee
Ajinomoto Co Inc
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 Ajinomoto Co Inc filed Critical Ajinomoto Co Inc
Priority to JP2010518012A priority Critical patent/JP5754137B2/ja
Publication of JPWO2009154297A1 publication Critical patent/JPWO2009154297A1/ja
Application granted granted Critical
Publication of JP5754137B2 publication Critical patent/JP5754137B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01N33/6806—Determination of free amino acids
    • 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
    • G01N33/57434—Specifically defined cancers of prostate
    • 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
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids
    • 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
    • G16B99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/34—Genitourinary disorders
    • G01N2800/342—Prostate diseases, e.g. BPH, prostatitis

Landscapes

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

Abstract

血液中のアミノ酸の濃度のうち前立腺疾患の状態と関連するアミノ酸の濃度を利用して、前立腺疾患の状態を精度よく評価することができる前立腺疾患の評価方法を提供することを課題とする。本発明にかかる前立腺疾患の評価方法は、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する。

Description

本発明は、血液（血漿）中のアミノ酸濃度を利用した、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の評価方法に関するものである。
前立腺癌は、１９９０年と比べた２０１５年の各臓器別癌死亡数の予測値の比が３．９０と、すべての癌の中で最も高い。それ故、将来の死亡率増加を抑えるためには、早期に高い精度で診断を行わなければならない。
現在、前立腺癌の診断は、前立腺特異抗原（ＰＳＡ）、直腸診、経直腸的超音波診断により行われている。そして、異常症例に対して、経直腸的超音波ガイド下前立腺６分割６ヶ所生検を行うことにより確定診断となる。
しかし、ＰＳＡは、前立腺癌組織だけではなく前立腺肥大組織でも発生するため、初期の前立腺癌と前立腺肥大との区別がつけにくく、生検陽性的中率が３〜４％と低い。また、直腸診、経直腸的超音波診断は、ＰＳＡよりも感度、生検陽性的中率が低い。また、経直腸的超音波ガイド下前立腺６分割６ヶ所生検は確定診断となるが、侵襲度の高い検査であり、前立腺癌の疑いのある患者全員に施行するのは実際的でない。従って、前立腺癌発症の可能性の高い被験者を侵襲や精神的苦痛の少ない方法で選択し、選択したその者に対し診断を施行し、確定診断が得られた者を治療の対象とすることが、患者に対する身体的負担や費用対効果などの面から望ましい。
一方、血中アミノ酸の濃度が、癌発症により変化することについては知られている。例えば、シノベールによれば（非特許文献１参照）、例えばグルタミンは主に酸化エネルギー源として、アルギニンは窒素酸化物やポリアミンの前駆体として、メチオニンは癌細胞がメチオニン取り込み能の活性化により、それぞれ癌細胞での消費量が増加するという報告がある。また、ヴィッセルスら（非特許文献２参照）やクボタ（非特許文献３参照）、パーク（非特許文献４参照）、プロエンツァら（非特許文献５参照）、カスツィーノ（非特許文献６参照）によれば、癌患者の血漿中アミノ酸組成が健常者と異なっていることが報告されている。
また、アミノ酸濃度と生体状態とを関連付ける方法については、特許文献１や特許文献２が公開されている。また、アミノ酸濃度を用いて肺癌の状態を評価する方法については、特許文献３が公開されている。
国際公開第２００４／０５２１９１号 国際公開第２００６／０９８１９２号 国際公開第２００８／０１６１１１号
Ｃｙｎｏｂｅｒ， Ｌ． ｅｄ．， Ｍｅｔａｂｏｌｉｃ ａｎｄ ｔｈｅｒａｐｅｕｔｉｃ ａｓｐｅｃｔｓ ｏｆ ａｍｉｎｏ ａｃｉｄｓ ｉｎ ｃｌｉｎｉｃａｌ ｎｕｔｒｉｔｉｏｎ． ２ｎｄ ｅｄ．， ＣＲＣ Ｐｒｅｓｓ Ｖｉｓｓｅｒｓ， Ｙ． ＬＪ．， ｅｔ．ａｌ．， Ｐｌａｓｍａ ａｒｇｉｎｉｎｅ ｃｏｎｃｅｎｔｒａｔｉｏｎ ａｒｅ ｒｅｄｕｃｅｄ ｉｎ ｃａｎｃｅｒ ｐａｔｉｅｎｔｓ： ｅｖｉｄｅｎｃｅ ｆｏｒ ａｒｇｉｎｉｎｅ ｄｅｆｉｃｉｅｎｃｙ？， Ｔｈｅ Ａｍｅｒｉｃａｎ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｎｉｃａｌ Ｎｕｔｒｉｔｉｏｎ， ２００５， ８１， ｐ１１４２−１１４６ Ｋｕｂｏｔａ， Ａ．， Ｍｅｇｕｉｄ， Ｍ．Ｍ．， ａｎｄ Ｈｉｔｃｈ， Ｄ． Ｃ．， Ａｍｉｎｏ ａｃｉｄ ｐｒｏｆｉｌｅｓ ｃｏｒｒｅｌａｔｅ ｄｉａｇｎｏｓｔｉｃａｌｌｙ ｗｉｔｈ ｏｒｇａｎ ｓｉｔｅ ｉｎ ｔｈｒｅｅ ｋｉｎｄｓ ｏｆ ｍａｌｉｇｎａｎｔ ｔｕｍｏｒｓ．， Ｃａｎｃｅｒ， １９９１， ６９， ｐ２３４３−２３４８ Ｐａｒｋ， Ｋ．Ｇ．， ｅｔ ａｌ．， Ａｒｇｉｎｉｎｅ ｍｅｔａｂｏｌｉｓｍ ｉｎ ｂｅｎｉｇｎ ａｎｄ ｍａｇｌｉｎａｎｔ ｄｉｓｅａｓｅ ｏｆ ｂｒｅａｓｔ ａｎｄ ｃｏｌｏｎ： ｅｖｉｄｅｎｃｅ ｆｏｒ ｐｏｓｓｉｂｌｅ ｉｎｈｉｂｉｔｉｏｎ ｏｆ ｔｕｍｏｒ−ｉｎｆｉｌｔｒａｔｉｎｇ ｍａｃｒｏｐｈａｒｇｅｓ．， Ｎｕｔｒｉｔｉｏｎ， １９９１ ７， ｐ．１８５−１８８ Ｐｒｏｅｎｚａ， Ａ．Ｍ．， Ｊ． Ｏｌｉｖｅｒ， Ａ． Ｐａｌｏｕ ａｎｄ Ｐ． Ｒｏｃａ， Ｂｒｅａｓｔ ａｎｄ ｌｕｎｇ ｃａｎｃｅｒ ａｒｅ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ａ ｄｅｃｒｅａｓｅ ｉｎ ｂｌｏｏｄ ｃｅｌｌ ａｍｉｎｏ ａｃｉｄ ｃｏｎｔｅｎｔ．， Ｊ Ｎｕｔｒ Ｂｉｏｃｈｅｍ， ２００３． １４（３）， ｐ．１３３−８ Ｃａｓｃｉｎｏ， Ａ．， Ｍ． Ｍｕｓｃａｒｉｔｏｌｉ， Ｃ． Ｃａｎｇｉａｎｏ， Ｌ． Ｃｏｎｖｅｒｓａｎｏ， Ａ． Ｌａｖｉａｎｏ， Ｓ． Ａｒｉｅｍｍａ， Ｍ．Ｍ． Ｍｅｇｕｉｄ ａｎｄ Ｆ． Ｒｏｓｓｉ Ｆａｎｅｌｌｉ， Ｐｌａｓｍａ ａｍｉｎｏ ａｃｉｄ ｉｍｂａｌａｎｃｅ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｌｕｎｇ ａｎｄ ｂｒｅａｓｔ ｃａｎｃｅｒ．， Ａｎｔｉｃａｎｃｅｒ Ｒｅｓ， １９９５． １５（２）， ｐ．５０７−１０
しかしながら、これまでに、複数のアミノ酸を変数として、前立腺癌、前立腺肥大その他の前立腺疾患発症の有無を診断するような診断方法や診断装置の開発は時間的および金銭的な観点から行われておらず、実用化されていないという問題点がある。また、特許文献３に開示されている肺癌判別用の指標式群で前立腺癌、前立腺肥大その他の前立腺疾患発症の有無を判別しても、判別対象が異なるため、十分な判別能を得ることができないという問題点がある。
本発明は、上記問題点に鑑みてなされたものであって、血液中のアミノ酸の濃度のうち前立腺疾患の状態と関連するアミノ酸の濃度を利用して、前立腺疾患の状態を精度よく評価することができる前立腺疾患の評価方法を提供することを目的とする。
本発明者らは、上述した課題を解決するために鋭意検討した結果、前立腺疾患と非前立腺疾患との２群判別などに有用なアミノ酸を同定すると共に、同定したアミノ酸の濃度を変数として含む多変量判別式（指標式、相関式）が前立腺疾患の状態に有意な相関があることを見出し、本発明を完成するに至った。具体的には、前立腺疾患に対してより特異的な指標式を探索した結果、特許文献１や特許文献２、特許文献３などに開示されている指標式よりも前立腺疾患の状態の評価に適した指標式を得ることができ、本発明を完成するに至った。
すなわち、上述した課題を解決し、目的を達成するために、本発明にかかる前立腺疾患の評価方法は、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定する測定ステップと、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する濃度値基準評価ステップとを含むことを特徴とする。
また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記前立腺疾患または非前立腺疾患であるか否か、前記前立腺癌または非前立腺癌であるか否か、または、前記前立腺癌または前記前立腺肥大であるか否かを判別する濃度値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患の状態を評価する判別値基準評価ステップとをさらに含み、前記多変量判別式は、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または非前立腺疾患であるか否か、前記前立腺癌または非前立腺癌であるか否か、または、前記前立腺癌または前記前立腺肥大であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または前記非前立腺疾患であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記多変量判別式は、数式１の前記分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを前記変数とする前記線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記非前立腺癌であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記多変量判別式は、数式２の前記分数式、数式３の前記分数式もしくは数式４の前記分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを前記変数とする前記線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記前立腺肥大であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患の評価方法は、前記に記載の前立腺疾患の評価方法において、前記多変量判別式は、数式５の前記分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記ロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
また、本発明にかかる前立腺疾患評価装置は、制御手段と記憶手段とを備え、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する前立腺疾患評価装置であって、前記制御手段は、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患の状態を評価する判別値基準評価手段とを備え、前記多変量判別式は、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または非前立腺疾患であるか否か、前記前立腺癌または非前立腺癌であるか否か、または、前記前立腺癌または前記前立腺肥大であるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。
また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または前記非前立腺疾患であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記多変量判別式は、数式１の前記分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを前記変数とする前記線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記非前立腺癌であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記多変量判別式は、数式２の前記分数式、数式３の前記分数式もしくは数式４の前記分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを前記変数とする前記線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記判別値算出手段は、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記前立腺肥大であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記多変量判別式は、数式５の前記分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記ロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
また、本発明にかかる前立腺疾患評価装置は、前記に記載の前立腺疾患評価装置において、前記制御手段は、前記アミノ酸濃度データと前記前立腺疾患の前記状態を表す指標に関する前立腺疾患状態指標データとを含む前記記憶手段で記憶した前立腺疾患状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成手段をさらに備え、前記多変量判別式作成手段は、前記前立腺疾患状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証手段と、前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記前立腺疾患状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変量判別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。
また、本発明にかかる前立腺疾患評価方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する前立腺疾患評価方法であって、前記制御手段で、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患の状態を評価する判別値基準評価ステップとを実行し、前記多変量判別式は、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または非前立腺疾患であるか否か、前記前立腺癌または非前立腺癌であるか否か、または、前記前立腺癌または前記前立腺肥大であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または前記非前立腺疾患であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記多変量判別式は、数式１の前記分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを前記変数とする前記線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記非前立腺癌であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記多変量判別式は、数式２の前記分数式、数式３の前記分数式もしくは数式４の前記分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを前記変数とする前記線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記判別値算出ステップは、前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記前立腺肥大であるか否かを判別することを特徴とする。また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記多変量判別式は、数式５の前記分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記ロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記線形判別式であることを特徴とする。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
また、本発明にかかる前立腺疾患評価方法は、前記に記載の前立腺疾患評価方法において、前記制御手段で、前記アミノ酸濃度データと前記前立腺疾患の前記状態を表す指標に関する前立腺疾患状態指標データとを含む前記記憶手段で記憶した前立腺疾患状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成ステップをさらに実行し、前記多変量判別式作成ステップは、前記前立腺疾患状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成ステップと、前記候補多変量判別式作成ステップで作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証ステップと、前記候補多変量判別式検証ステップでの検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記前立腺疾患状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択ステップと、をさらに含み、前記候補多変量判別式作成ステップ、前記候補多変量判別式検証ステップおよび前記変数選択ステップを繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。
また、本発明にかかる前立腺疾患評価システムは、制御手段と記憶手段とを備え、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する前立腺疾患評価装置と、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された前立腺疾患評価システムであって、前記情報通信端末装置は、前記評価対象の前記アミノ酸濃度データを前記前立腺疾患評価装置へ送信するアミノ酸濃度データ送信手段と、前記前立腺疾患評価装置から送信された前記前立腺疾患の状態に関する前記評価対象の評価結果を受信する評価結果受信手段とを備え、前記前立腺疾患評価装置の前記制御手段は、前記情報通信端末装置から送信された前記評価対象の前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度データ受信手段で受信した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患の状態を評価する判別値基準評価手段と、前記判別値基準評価手段での前記評価対象の前記評価結果を前記情報通信端末装置へ送信する評価結果送信手段と、を備え、前記多変量判別式は、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる前立腺疾患評価プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する前立腺疾患評価プログラムであって、前記制御手段に、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患の状態を評価する判別値基準評価ステップとを実行させ、前記多変量判別式は、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる記録媒体は、コンピュータ読み取り可能な記録媒体であって、前記に記載の前立腺疾患評価プログラムを記録したことを特徴とする。
本発明によれば、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価するので、血液中のアミノ酸の濃度のうち前立腺疾患の状態と関連するアミノ酸の濃度を利用して、前立腺疾患の状態を精度よく評価することができるという効果を奏する。具体的には、前立腺疾患に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができるという効果を奏する。また、具体的には、複数のアミノ酸の濃度により、ある検体が前立腺疾患を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができるという効果を奏する。
また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否か、前立腺癌または非前立腺癌であるか否か、または、前立腺癌または前立腺肥大であるか否かを判別するので、血液中のアミノ酸の濃度のうち、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に有用なアミノ酸の濃度を利用して、これらの２群判別を精度よく行うことができるという効果を奏する。
また、本発明によれば、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする予め設定した多変量判別式であってＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺疾患の状態を評価するので、前立腺疾患の状態と有意な相関がある多変量判別式で得られる判別値を利用して、前立腺疾患の状態を精度よく評価することができるという効果を奏する。具体的には、前立腺疾患に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができるという効果を奏する。また、具体的には、複数のアミノ酸の濃度や当該アミノ酸の濃度を変数とする判別式により、ある検体が前立腺疾患を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができるという効果を奏する。
また、本発明によれば、算出した判別値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否か、前立腺癌または非前立腺癌であるか否か、または、前立腺癌または前立腺肥大であるか否かを判別するので、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に有用な多変量判別式で得られる判別値を利用して、これらの２群判別を精度よく行うことができるという効果を奏する。
また、本発明によれば、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明によれば、評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否かを判別するので、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、数式１の分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを変数とするロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とするロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを変数とする線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式であるので、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、本発明によれば、評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺癌または非前立腺癌であるか否かを判別するので、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、数式２の分数式、数式３の分数式もしくは数式４の分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを変数とするロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを変数とするロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とする線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを変数とする線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを変数とする線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを変数とする線形判別式であるので、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、本発明によれば、評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺癌または前立腺肥大であるか否かを判別するので、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、数式５の分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とするロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とするロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とする線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とする線形判別式であるので、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができるという効果を奏する。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
また、本発明によれば、アミノ酸濃度データと前立腺疾患の状態を表す指標に関する前立腺疾患状態指標データとを含む記憶手段で記憶した前立腺疾患状態情報に基づいて、記憶手段で記憶する多変量判別式を作成する。具体的には、（１）前立腺疾患状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、（２）作成した候補多変量判別式を所定の検証手法に基づいて検証し、（３）その検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる前立腺疾患状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、（４）（１）、（２）および（３）を繰り返し実行して蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。これにより、前立腺疾患の状態の評価に最適な多変量判別式を作成することができるという効果を奏する。
また、本発明によれば、当該記録媒体に記録された前立腺疾患評価プログラムをコンピュータに読み取らせて実行することで、コンピュータに前立腺疾患評価プログラムを実行させるので、前立腺疾患評価プログラムと同様の効果を得ることができるという効果を奏する。
なお、本発明は、前立腺疾患の状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。また、本発明は、前立腺疾患の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。
図１は、本発明の基本原理を示す原理構成図である。 図２は、第１実施形態にかかる前立腺疾患の評価方法の一例を示すフローチャートである。 図３は、本発明の基本原理を示す原理構成図である。 図４は、本システムの全体構成の一例を示す図である。 図５は、本システムの全体構成の他の一例を示す図である。 図６は、本システムの前立腺疾患評価装置１００の構成の一例を示すブロック図である。 図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。 図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。 図９は、前立腺疾患状態情報ファイル１０６ｃに格納される情報の一例を示す図である。 図１０は、指定前立腺疾患状態情報ファイル１０６ｄに格納される情報の一例を示す図である。 図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。 図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。 図１３は、選択前立腺疾患状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。 図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。 図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。 図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。 図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図である。 図１８は、判別値基準評価部１０２ｊの構成を示すブロック図である。 図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図である。 図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図である。 図２１は、本システムで行う前立腺疾患評価サービス処理の一例を示すフローチャートである。 図２２は、本システムの前立腺疾患評価装置１００で行う多変量判別式作成処理の一例を示すフローチャートである。 図２３は、前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図である。 図２４は、指標式１と同等の判別性能を有する指標式の一覧を示す図である。 図２５は、指標式１と同等の判別性能を有する指標式の一覧を示す図である。 図２６は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図２７は、指標式２と同等の判別性能を有する指標式の一覧を示す図である。 図２８は、指標式２と同等の判別性能を有する指標式の一覧を示す図である。 図２９は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図３０は、指標式３と同等の判別性能を有する指標式の一覧を示す図である。 図３１は、指標式３と同等の判別性能を有する指標式の一覧を示す図である。 図３２は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図３３は、前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図である。 図３４は、指標式４と同等の判別性能を有する指標式の一覧を示す図である。 図３５は、指標式４と同等の判別性能を有する指標式の一覧を示す図である。 図３６は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図３７は、指標式５と同等の判別性能を有する指標式の一覧を示す図である。 図３８は、指標式５と同等の判別性能を有する指標式の一覧を示す図である。 図３９は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図４０は、指標式６と同等の判別性能を有する指標式の一覧を示す図である。 図４１は、指標式６と同等の判別性能を有する指標式の一覧を示す図である。 図４２は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図４３は、前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図である。 図４４は、指標式７と同等の判別性能を有する指標式の一覧を示す図である。 図４５は、指標式７と同等の判別性能を有する指標式の一覧を示す図である。 図４６は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図４７は、指標式８と同等の判別性能を有する指標式の一覧を示す図である。 図４８は、指標式８と同等の判別性能を有する指標式の一覧を示す図である。 図４９は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図５０は、指標式９と同等の判別性能を有する指標式の一覧を示す図である。 図５１は、指標式９と同等の判別性能を有する指標式の一覧を示す図である。 図５２は、前立腺癌群と非前立腺癌群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図５３は、前立腺癌群および前立腺肥大群のアミノ酸変数の分布に関する箱ひげ図である。 図５４は、指標式１０と同等の判別性能を有する指標式の一覧を示す図である。 図５５は、指標式１０と同等の判別性能を有する指標式の一覧を示す図である。 図５６は、前立腺癌群と前立腺肥大群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図５７は、指標式１１と同等の判別性能を有する指標式の一覧を示す図である。 図５８は、指標式１１と同等の判別性能を有する指標式の一覧を示す図である。 図５９は、前立腺癌群と前立腺肥大群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図６０は、指標式１２と同等の判別性能を有する指標式の一覧を示す図である。 図６１は、指標式１２と同等の判別性能を有する指標式の一覧を示す図である。 図６２は、前立腺癌群と前立腺肥大群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図６３は、前立腺疾患群および非前立腺疾患群のアミノ酸変数の分布に関する箱ひげ図である。 図６４は、指標式１３と同等の判別性能を有する指標式の一覧を示す図である。 図６５は、指標式１３と同等の判別性能を有する指標式の一覧を示す図である。 図６６は、前立腺疾患群と非前立腺疾患群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図６７は、指標式１４と同等の判別性能を有する指標式の一覧を示す図である。 図６８は、指標式１４と同等の判別性能を有する指標式の一覧を示す図である。 図６９は、前立腺疾患群と非前立腺疾患群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図７０は、指標式１５と同等の判別性能を有する指標式の一覧を示す図である。 図７１は、指標式１５と同等の判別性能を有する指標式の一覧を示す図である。 図７２は、前立腺疾患群と非前立腺疾患群との２群判別における各アミノ酸変数のＲＯＣ曲線下面積を示す図である。 図７３は、それぞれの指標式に関する各２群判別でのＲＯＣ曲線下面積を示す図である。 図７４は、前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図である。 図７５は、指標式１６と同等の判別性能を有する指標式の一覧を示す図である。 図７６は、指標式１６と同等の判別性能を有する指標式の一覧を示す図である。 図７７は、指標式１６と同等の判別性能を有する指標式の一覧を示す図である。 図７８は、指標式１６と同等の判別性能を有する指標式の一覧を示す図である。 図７９は、前立腺癌群と非前立腺癌群との２群判別における指標式１６のＲＯＣ曲線を示す図である。 図８０は、指標式１７と同等の判別性能を有する指標式の一覧を示す図である。 図８１は、指標式１７と同等の判別性能を有する指標式の一覧を示す図である。 図８２は、指標式１７と同等の判別性能を有する指標式の一覧を示す図である。 図８３は、指標式１７と同等の判別性能を有する指標式の一覧を示す図である。 図８４は、前立腺癌群と非前立腺癌群との２群判別における指標式１７のＲＯＣ曲線を示す図である。 図８５は、ＲＯＣ曲線のＡＵＣに基づいて抽出したアミノ酸の一覧を示す図である。 図８６は、前立腺癌群および前立腺肥大群のアミノ酸変数の分布に関する箱ひげ図である。 図８７は、指標式１８と同等の判別性能を有する指標式の一覧を示す図である。 図８８は、指標式１８と同等の判別性能を有する指標式の一覧を示す図である。 図８９は、指標式１８と同等の判別性能を有する指標式の一覧を示す図である。 図９０は、指標式１８と同等の判別性能を有する指標式の一覧を示す図である。 図９１は、前立腺癌群と前立腺肥大群との２群判別における指標式１８のＲＯＣ曲線を示す図である。 図９２は、指標式１９と同等の判別性能を有する指標式の一覧を示す図である。 図９３は、指標式１９と同等の判別性能を有する指標式の一覧を示す図である。 図９４は、指標式１９と同等の判別性能を有する指標式の一覧を示す図である。 図９５は、指標式１９と同等の判別性能を有する指標式の一覧を示す図である。 図９６は、前立腺癌群と前立腺肥大群との２群判別における指標式１９のＲＯＣ曲線を示す図である。 図９７は、ＲＯＣ曲線のＡＵＣに基づいて抽出したアミノ酸の一覧を示す図である。 図９８は、前立腺癌群および前立腺肥大群のアミノ酸変数の分布に関する箱ひげ図である。 図９９は、指標式２０と同等の判別性能を有する指標式の一覧を示す図である。 図１００は、指標式２０と同等の判別性能を有する指標式の一覧を示す図である。 図１０１は、指標式２０と同等の判別性能を有する指標式の一覧を示す図である。 図１０２は、指標式２０と同等の判別性能を有する指標式の一覧を示す図である。 図１０３は、前立腺疾患群と非前立腺疾患群との２群判別における指標式２０のＲＯＣ曲線を示す図である。 図１０４は、指標式２１と同等の判別性能を有する指標式の一覧を示す図である。 図１０５は、指標式２１と同等の判別性能を有する指標式の一覧を示す図である。 図１０６は、指標式２１と同等の判別性能を有する指標式の一覧を示す図である。 図１０７は、指標式２１と同等の判別性能を有する指標式の一覧を示す図である。 図１０８は、前立腺疾患群と非前立腺疾患群との２群判別における指標式２１のＲＯＣ曲線を示す図である。 図１０９は、ＲＯＣ曲線のＡＵＣに基づいて抽出したアミノ酸の一覧を示す図である。
以下に、本発明にかかる前立腺疾患の評価方法の実施の形態（第１実施形態）ならびに本発明にかかる前立腺疾患評価装置、前立腺疾患評価方法、前立腺疾患評価システム、前立腺疾患評価プログラムおよび記録媒体の実施の形態（第２実施形態）を、図面に基づいて詳細に説明する。なお、本実施の形態により本発明が限定されるものではない。
［第１実施形態］
［１−１．本発明の概要］
ここでは、本発明にかかる前立腺疾患の評価方法の概要について図１を参照して説明する。図１は本発明の基本原理を示す原理構成図である。
まず、本発明では、評価対象（例えば動物やヒトなど個体）から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳ−１１）。ここで、血中アミノ酸濃度の分析は次のように行った。採血した血液サンプルを、ヘパリン処理したチューブに採取し、採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで−７０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し３％濃度調整により除蛋白処理を行い、測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（ＨＰＬＣ）を原理としたアミノ酸分析機を使用した。なお、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
つぎに、本発明では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する（ステップＳ−１２）。
以上、本発明によれば、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する。これにより、血液中のアミノ酸の濃度のうち前立腺疾患の状態と関連するアミノ酸の濃度を利用して、前立腺疾患の状態を精度よく評価することができる。具体的には、前立腺疾患に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができる。また、具体的には、複数のアミノ酸の濃度により、ある検体が前立腺疾患を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができる。
ここで、ステップＳ−１２を実行する前に、ステップＳ−１１で測定した評価対象のアミノ酸濃度データから欠損値や外れ値などのデータを除去してもよい。これにより、前立腺疾患の状態をさらに精度よく評価することができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否か、前立腺癌または非前立腺癌であるか否か、または、前立腺癌または前立腺肥大であるか否かを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に有用なアミノ酸の濃度を利用して、これらの２群判別を精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする予め設定した多変量判別式であってＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺疾患の状態を評価してもよい。これにより、前立腺疾患の状態と有意な相関がある多変量判別式で得られる判別値を利用して、前立腺疾患の状態を精度よく評価することができる。具体的には、前立腺疾患に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができる。また、具体的には、複数のアミノ酸の濃度や当該アミノ酸の濃度を変数とする判別式により、ある検体が前立腺疾患を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができる。
また、ステップＳ−１２では、算出した判別値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否か、前立腺癌または非前立腺癌であるか否か、または、前立腺癌または前立腺肥大であるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、前立腺疾患または非前立腺疾患であるか否か、前立腺癌または非前立腺癌であるか否か、または、前立腺癌または前立腺肥大であるか否かを判別してもよい。これにより、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に有用な多変量判別式で得られる判別値を利用して、これらの２群判別を精度よく行うことができる。
なお、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別をさらに精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否かを判別してもよい。これにより、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、数式１の分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを変数とするロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とするロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを変数とする線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺癌または非前立腺癌であるか否かを判別してもよい。これにより、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、数式２の分数式、数式３の分数式もしくは数式４の分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを変数とするロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを変数とするロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とする線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを変数とする線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを変数とする線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺癌または前立腺肥大であるか否かを判別してもよい。これにより、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、数式５の分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とするロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とするロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とする線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を前立腺疾患の状態の評価に好適に用いることができる。
ここで、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば分数式、重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ、且つ当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
なお、本発明は、前立腺疾患の状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。また、本発明は、前立腺疾患の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。
［１−２．第１実施形態にかかる前立腺疾患の状態の評価方法］
ここでは、第１実施形態にかかる前立腺疾患の状態の評価方法について図２を参照して説明する。図２は、第１実施形態にかかる前立腺疾患の状態の評価方法の一例を示すフローチャートである。
まず、動物やヒトなどの個体から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳＡ−１１）。なお、アミノ酸の濃度値の測定は、上述した方法で行う。
つぎに、ステップＳＡ−１１で測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ−１２）。
つぎに、ステップＳＡ−１２で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データや、アミノ酸の濃度を変数とする予め設定した多変量判別式（当該多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つである。）に基づいて、個体につき、下記１１．〜１３．に示す判別のいずれか１つを行う（ステップＳＡ−１３）。
１１．前立腺疾患または非前立腺疾患であるか否かの判別
アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、前立腺疾患または非前立腺疾患であるか否かを判別する、またはアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、前立腺疾患または非前立腺疾患であるか否かを判別する。
１２．前立腺癌または非前立腺癌であるか否かの判別
アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺癌または非前立腺癌であるか否かを判別する、またはアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、前立腺癌または非前立腺癌であるか否かを判別する。
１３．前立腺癌または前立腺肥大であるか否かの判別
アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値に基づいて、評価対象につき、前立腺癌または前立腺肥大であるか否かを判別する、またはアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、前立腺癌または前立腺肥大であるか否かを判別する。
［１−３．第１実施形態のまとめ、およびその他の実施形態］
以上、詳細に説明したように、第１実施形態にかかる前立腺疾患の評価方法によれば、（１）個体から採取した血液からアミノ酸濃度データを測定し、（２）測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、（３）欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データや、アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、個体につき、上記１１．〜１３．に示す判別のいずれか１つを行う。これにより、血液中のアミノ酸の濃度のうち、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に有用なアミノ酸の濃度を利用して、これらの２群判別を精度よく行うことができる。また、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。また、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。また、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
なお、ステップＳＡ−１３において上記１１．に示す判別を行う場合、多変量判別式は、数式１の分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを変数とするロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とするロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを変数とする線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、ステップＳＡ−１３において上記１２．に示す判別を行う場合、多変量判別式は、数式２の分数式、数式３の分数式もしくは数式４の分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを変数とするロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを変数とするロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とする線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを変数とする線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを変数とする線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、ステップＳＡ−１３において上記１３．に示す判別を行う場合、多変量判別式は、数式５の分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とするロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とするロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とする線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を前立腺疾患の状態の評価に好適に用いることができる。
［第２実施形態］
［２−１．本発明の概要］
ここでは、本発明にかかる前立腺疾患評価装置、前立腺疾患評価方法、前立腺疾患評価システム、前立腺疾患評価プログラムおよび記録媒体の概要について、図３を参照して説明する。図３は本発明の基本原理を示す原理構成図である。
まず、本発明は、制御部で、アミノ酸の濃度値に関する予め取得した評価対象（例えば動物やヒトなど個体）のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする記憶部で記憶した多変量判別式であってＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する（ステップＳ−２１）。
つぎに、本発明は、制御部で、ステップＳ−２１で算出した判別値に基づいて、評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する（ステップＳ−２２）。
以上、本発明によれば、アミノ酸の濃度値に関する予め取得した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびアミノ酸の濃度を変数とする記憶部で記憶した多変量判別式であってＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、前立腺疾患の状態を評価する。これにより、前立腺疾患の状態と有意な相関がある多変量判別式で得られる判別値を利用して、前立腺疾患の状態を精度よく評価することができる。具体的には、前立腺疾患に罹患している可能性の高い被験者を１種の検体で且つ短時間に絞り込むことができ、その結果、被験者への時間的、身体的および金銭的負担を軽減することができる。また、具体的には、複数のアミノ酸の濃度や当該アミノ酸の濃度を変数とする判別式により、ある検体が前立腺疾患を発症しているか否かを精度よく評価することができ、その結果、検査の効率化や高精度化を図ることができる。
ここで、ステップＳ−２２では、ステップＳ−２１で算出した判別値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否か、前立腺癌または非前立腺癌であるか否か、または、前立腺癌または前立腺肥大であるか否かを判別してもよい。これにより、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に有用な多変量判別式で得られる判別値を利用して、これらの２群判別を精度よく行うことができる。
また、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、前立腺疾患と非前立腺疾患との２群判別や前立腺癌と非前立腺癌との２群判別、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、これらの２群判別をさらに精度よく行うことができる。
また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、前立腺疾患または非前立腺疾患であるか否かを判別してもよい。これにより、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、数式１の分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを変数とするロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とするロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを変数とする線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、前立腺癌または非前立腺癌であるか否かを判別してもよい。これにより、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、数式２の分数式、数式３の分数式もしくは数式４の分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを変数とするロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを変数とするロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とする線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを変数とする線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを変数とする線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、ステップＳ−２１では、アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ−２２では、算出した判別値に基づいて、評価対象につき、前立腺癌または前立腺肥大であるか否かを判別してもよい。これにより、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。なお、この場合に用いる多変量判別式は、数式５の分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とするロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とするロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とする線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を前立腺疾患の状態の評価に好適に用いることができる。
ここで、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば分数式、重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ、且つ当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
なお、本発明は、前立腺疾患の状態を評価する際、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。また、本発明は、前立腺疾患の状態を評価する際、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなどをさらに用いてもかまわない。
ここで、多変量判別式作成処理（工程１〜工程４）の概要について詳細に説明する。
まず、本発明は、制御部で、アミノ酸濃度データと前立腺疾患の状態を表す指標に関する前立腺疾患状態指標データとを含む記憶部で記憶した前立腺疾患状態情報から所定の式作成手法に基づいて、多変量判別式の候補である候補多変量判別式（例えば、ｙ＝ａ１ｘ１＋ａ２ｘ２＋・・・＋ａｎｘｎ、ｙ：前立腺疾患状態指標データ、ｘｉ：アミノ酸濃度データ、ａｉ：定数、ｉ＝１，２，・・・，ｎ）を作成する（工程１）。なお、事前に、前立腺疾患状態情報から欠損値や外れ値などを持つデータを除去してもよい。
なお、工程１において、前立腺疾患状態情報から、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）を併用して複数の候補多変量判別式を作成してもよい。具体的には、多数の健常者および前立腺疾患患者から得た血液を分析して得たアミノ酸濃度データおよび前立腺疾患状態指標データから構成される多変量データである前立腺疾患状態情報に対して、複数の異なるアルゴリズムを利用して複数の候補多変量判別式を同時並行的に作成してもよい。例えば、異なるアルゴリズムを利用して判別分析およびロジスティック回帰分析を同時に行い、２つの異なる候補多変量判別式を作成してもよい。また、主成分分析を行って作成した候補多変量判別式を利用して前立腺疾患状態情報を変換し、変換した前立腺疾患状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。これにより、最終的に、診断条件に合った適切な多変量判別式を作成することができる。
ここで、主成分分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データの分散を最大にするような各アミノ酸変数からなる一次式である。また、判別分析を用いて作成した候補多変量判別式は、各群内の分散の和の全てのアミノ酸濃度データの分散に対する比を最小にするような各アミノ酸変数からなる高次式（指数や対数を含む）である。また、サポートベクターマシンを用いて作成した候補多変量判別式は、群間の境界を最大にするような各アミノ酸変数からなる高次式（カーネル関数を含む）である。また、重回帰分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データからの距離の和を最小にするような各アミノ酸変数からなる高次式である。ロジスティック回帰分析を用いて作成した候補多変量判別式は、尤度を最大にするような各アミノ酸変数からなる一次式を指数とする自然対数を項に持つ分数式である。また、ｋ−ｍｅａｎｓ法とは、各アミノ酸濃度データのｋ個近傍を探索し、近傍点の属する群の中で一番多いものをそのデータの所属群と定義し、入力されたアミノ酸濃度データの属する群と定義された群とが最も合致するようなアミノ酸変数を選択する手法である。また、クラスター解析とは、全てのアミノ酸濃度データの中で最も近い距離にある点同士をクラスタリング（群化）する手法である。また、決定木とは、アミノ酸変数に序列をつけて、序列が上位であるアミノ酸変数の取りうるパターンからアミノ酸濃度データの群を予測する手法である。
多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程１で作成した候補多変量判別式を、所定の検証手法に基づいて検証（相互検証）する（工程２）。候補多変量判別式の検証は、工程１で作成した各候補多変量判別式に対して行う。
なお、工程２において、ブートストラップ法やホールドアウト法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異性、情報量基準などのうち少なくとも１つに関して検証してもよい。これにより、前立腺疾患状態情報や診断条件を考慮した予測性または堅牢性の高い候補多変量判別式を作成することができる。
ここで、判別率とは、全入力データの中で、本発明で評価した前立腺疾患の状態が正しい割合である。また、感度とは、入力データに記載された前立腺疾患の状態が罹病になっているものの中で、本発明で評価した前立腺疾患の状態が正しい割合である。また、特異性とは、入力データに記載された前立腺疾患の状態が健常になっているものの中で、本発明で評価した前立腺疾患の状態が正しい割合である。また、情報量基準とは、工程１で作成した候補多変量判別式のアミノ酸変数の数と、本発明で評価した前立腺疾患の状態および入力データに記載された前立腺疾患の状態の差異と、を足し合わせたものである。また、予測性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性を平均したものである。また、堅牢性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性の分散である。
多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる前立腺疾患状態情報に含まれるアミノ酸濃度データの組み合わせを選択する（工程３）。アミノ酸変数の選択は、工程１で作成した各候補多変量判別式に対して行う。これにより、候補多変量判別式のアミノ酸変数を適切に選択することができる。そして、工程３で選択したアミノ酸濃度データを含む前立腺疾患状態情報を用いて再び工程１を実行する。
なお、工程３において、工程２での検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式のアミノ酸変数を選択してもよい。
ここで、ベストパス法とは、候補多変量判別式に含まれるアミノ酸変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することでアミノ酸変数を選択する方法である。
多変量判別式作成処理の説明に戻り、本発明は、制御部で、上述した工程１、工程２および工程３を繰り返し実行し、これにより蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する（工程４）。なお、候補多変量判別式の選出には、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。
以上、説明したように、多変量判別式作成処理では、前立腺疾患状態情報に基づいて、候補多変量判別式の作成、候補多変量判別式の検証および候補多変量判別式の変数の選択に関する処理を一連の流れで体系化（システム化）して実行することにより、個々の前立腺疾患の状態の評価に最適な多変量判別式を作成することができる。
［２−２．システム構成］
ここでは、第２実施形態にかかる前立腺疾患評価システム（以下では本システムと記す場合がある。）の構成について、図４から図２０を参照して説明する。なお、本システムはあくまでも一例であり、本発明はこれに限定されない。
まず、本システムの全体構成について図４および図５を参照して説明する。図４は本システムの全体構成の一例を示す図である。また、図５は本システムの全体構成の他の一例を示す図である。本システムは、図４に示すように、評価対象につき前立腺疾患の状態を評価する前立腺疾患評価装置１００と、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置であるクライアント装置２００とを、ネットワーク３００を介して通信可能に接続して構成されている。
なお、本システムは、図５に示すように、前立腺疾患評価装置１００やクライアント装置２００の他に、前立腺疾患評価装置１００で多変量判別式を作成する際に用いる前立腺疾患状態情報や前立腺疾患の状態を評価するために用いる多変量判別式などを格納したデータベース装置４００を、ネットワーク３００を介して通信可能に接続して構成されてもよい。これにより、ネットワーク３００を介して、前立腺疾患評価装置１００からクライアント装置２００やデータベース装置４００へ、あるいはクライアント装置２００やデータベース装置４００から前立腺疾患評価装置１００へ、前立腺疾患の状態に関する情報などが提供される。ここで、前立腺疾患の状態に関する情報とは、ヒトの前立腺疾患の状態に関する特定の項目について測定した値に関する情報である。また、前立腺疾患の状態に関する情報は、前立腺疾患評価装置１００やクライアント装置２００や他の装置（例えば各種の計測装置等）で生成され、主にデータベース装置４００に蓄積される。
つぎに、本システムの前立腺疾患評価装置１００の構成について図６から図１８を参照して説明する。図６は、本システムの前立腺疾患評価装置１００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
前立腺疾患評価装置１００は、当該前立腺疾患評価装置を統括的に制御するＣＰＵ等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して当該前立腺疾患評価装置をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。ここで、前立腺疾患評価装置１００は、各種の分析装置（例えばアミノ酸アナライザー等）と同一筐体で構成されてもよい。また、前立腺疾患評価装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意の単位で、機能的または物理的に分散・統合して構成してもよい。例えば、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。
記憶部１０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置、フレキシブルディスク、光ディスク等を用いることができる。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え各種処理を行うためのコンピュータプログラムが記録されている。記憶部１０６は、図示の如く、利用者情報ファイル１０６ａと、アミノ酸濃度データファイル１０６ｂと、前立腺疾患状態情報ファイル１０６ｃと、指定前立腺疾患状態情報ファイル１０６ｄと、多変量判別式関連情報データベース１０６ｅと、判別値ファイル１０６ｆと、評価結果ファイル１０６ｇと、を格納する。
利用者情報ファイル１０６ａは、利用者に関する利用者情報を格納する。図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。利用者情報ファイル１０６ａに格納される情報は、図７に示すように、利用者を一意に識別するための利用者ＩＤと、利用者が正当な者であるか否かの認証を行うための利用者パスワードと、利用者の氏名と、利用者の所属する所属先を一意に識別するための所属先ＩＤと、利用者の所属する所属先の部門を一意に識別するための部門ＩＤと、部門名と、利用者の電子メールアドレスと、を相互に関連付けて構成されている。
図６に戻り、アミノ酸濃度データファイル１０６ｂは、アミノ酸の濃度値に関するアミノ酸濃度データを格納する。図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。アミノ酸濃度データファイル１０６ｂに格納される情報は、図８に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、アミノ酸濃度データとを相互に関連付けて構成されている。ここで、図８では、アミノ酸濃度データを数値、すなわち連続尺度として扱っているが、アミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、アミノ酸濃度データに、他の生体情報（アミノ酸以外の他の代謝物の濃度や遺伝子の発現量、タンパク質の発現量、被験者の年齢・性別、喫煙の有無、心電図の波形を数値化したものなど）を組み合わせてもよい。
図６に戻り、前立腺疾患状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる前立腺疾患状態情報を格納する。図９は、前立腺疾患状態情報ファイル１０６ｃに格納される情報の一例を示す図である。前立腺疾患状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、前立腺疾患の状態を表す指標（指標Ｔ１、指標Ｔ２、指標Ｔ３・・・）に関する前立腺疾患状態指標データ（Ｔ）と、アミノ酸濃度データと、を相互に関連付けて構成されている。ここで、図９では、前立腺疾患状態指標データおよびアミノ酸濃度データを数値（すなわち連続尺度）として扱っているが、前立腺疾患状態指標データおよびアミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、前立腺疾患状態指標データは、前立腺疾患の状態のマーカーとなる既知の単一の状態指標であり、数値データを用いてもよい。
図６に戻り、指定前立腺疾患状態情報ファイル１０６ｄは、後述する前立腺疾患状態情報指定部１０２ｇで指定した前立腺疾患状態情報を格納する。図１０は、指定前立腺疾患状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定前立腺疾患状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した前立腺疾患状態指標データと、指定したアミノ酸濃度データと、を相互に関連付けて構成されている。
図６に戻り、多変量判別式関連情報データベース１０６ｅは、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する候補多変量判別式ファイル１０６ｅ１と、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する検証結果ファイル１０６ｅ２と、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データの組み合わせを含む前立腺疾患状態情報を格納する選択前立腺疾患状態情報ファイル１０６ｅ３と、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する多変量判別式ファイル１０６ｅ４と、で構成される。
候補多変量判別式ファイル１０６ｅ１は、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する。図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。候補多変量判別式ファイル１０６ｅ１に格納される情報は、図１１に示すように、ランクと、候補多変量判別式（図１１では、Ｆ１（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦ２（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆ３（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）とを相互に関連付けて構成されている。
図６に戻り、検証結果ファイル１０６ｅ２は、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する。図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。検証結果ファイル１０６ｅ２に格納される情報は、図１２に示すように、ランクと、候補多変量判別式（図１２では、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦｍ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆｌ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各候補多変量判別式の検証結果（例えば各候補多変量判別式の評価値）と、を相互に関連付けて構成されている。
図６に戻り、選択前立腺疾患状態情報ファイル１０６ｅ３は、後述する変数選択部１０２ｈ３で選択した変数に対応するアミノ酸濃度データの組み合わせを含む前立腺疾患状態情報を格納する。図１３は、選択前立腺疾患状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択前立腺疾患状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する前立腺疾患状態情報指定部１０２ｇで指定した前立腺疾患状態指標データと、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データと、を相互に関連付けて構成されている。
図６に戻り、多変量判別式ファイル１０６ｅ４は、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する。図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。多変量判別式ファイル１０６ｅ４に格納される情報は、図１４に示すように、ランクと、多変量判別式（図１４では、Ｆｐ（Ｐｈｅ，・・・）やＦｐ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ）、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各式作成手法に対応する閾値と、各多変量判別式の検証結果（例えば各多変量判別式の評価値）と、を相互に関連付けて構成されている。
図６に戻り、判別値ファイル１０６ｆは、後述する判別値算出部１０２ｉで算出した判別値を格納する。図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。判別値ファイル１０６ｆに格納される情報は、図１５に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、ランク（多変量判別式を一意に識別するための番号）と、判別値と、を相互に関連付けて構成されている。
図６に戻り、評価結果ファイル１０６ｇは、後述する判別値基準評価部１０２ｊでの評価結果（具体的には、後述する判別値基準判別部１０２ｊ１での判別結果）を格納する。図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。評価結果ファイル１０６ｇに格納される情報は、評価対象である個体（サンプル）を一意に識別するための個体番号と、予め取得した評価対象のアミノ酸濃度データと、多変量判別式で算出した判別値と、前立腺疾患の状態に関する評価結果と、を相互に関連付けて構成されている。
図６に戻り、記憶部１０６には、上述した情報以外にその他情報として、Ｗｅｂサイトをクライアント装置２００に提供するための各種のＷｅｂデータや、ＣＧＩプログラム等が記録されている。Ｗｅｂデータとしては後述する各種のＷｅｂページを表示するためのデータ等があり、これらデータは例えばＨＴＭＬやＸＭＬで記述されたテキストファイルとして形成されている。また、Ｗｅｂデータを作成するための部品用のファイルや作業用のファイルやその他一時的なファイル等も記憶部１０６に記憶される。記憶部１０６には、必要に応じて、クライアント装置２００に送信するための音声をＷＡＶＥ形式やＡＩＦＦ形式の如き音声ファイルで格納したり、静止画や動画をＪＰＥＧ形式やＭＰＥＧ２形式の如き画像ファイルで格納したりすることができる。
通信インターフェース部１０４は、前立腺疾患評価装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
入出力インターフェース部１０８は、入力装置１１２や出力装置１１４に接続する。ここで、出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下では、出力装置１１４をモニタ１１４として記載する場合がある。）。入力装置１１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部１０２は、図示の如く、大別して、要求解釈部１０２ａと閲覧処理部１０２ｂと認証処理部１０２ｃと電子メール生成部１０２ｄとＷｅｂページ生成部１０２ｅと受信部１０２ｆと前立腺疾患状態情報指定部１０２ｇと多変量判別式作成部１０２ｈと判別値算出部１０２ｉと判別値基準評価部１０２ｊと結果出力部１０２ｋと送信部１０２ｍとを備えている。制御部１０２は、データベース装置４００から送信された前立腺疾患状態情報やクライアント装置２００から送信されたアミノ酸濃度データに対して、欠損値のあるデータの除去・外れ値の多いデータの除去・欠損値のあるデータの多い変数の除去などのデータ処理も行う。
要求解釈部１０２ａは、クライアント装置２００やデータベース装置４００からの要求内容を解釈し、その解釈結果に応じて制御部１０２の各部に処理を受け渡す。閲覧処理部１０２ｂは、クライアント装置２００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行なう。認証処理部１０２ｃは、クライアント装置２００やデータベース装置４００からの認証要求を受けて、認証判断を行う。電子メール生成部１０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部１０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。
受信部１０２ｆは、クライアント装置２００やデータベース装置４００から送信された情報（具体的には、アミノ酸濃度データや前立腺疾患状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。前立腺疾患状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする前立腺疾患状態指標データおよびアミノ酸濃度データを指定する。
多変量判別式作成部１０２ｈは、受信部１０２ｆで受信した前立腺疾患状態情報や前立腺疾患状態情報指定部１０２ｇで指定した前立腺疾患状態情報に基づいて多変量判別式を作成する。具体的には、多変量判別式作成部１０２ｈは、前立腺疾患状態情報から、候補多変量判別式作成部１０２ｈ１、候補多変量判別式検証部１０２ｈ２および変数選択部１０２ｈ３を繰り返し実行させることにより蓄積された検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。
なお、多変量判別式が予め記憶部１０６の所定の記憶領域に格納されている場合には、多変量判別式作成部１０２ｈは、記憶部１０６から所望の多変量判別式を選択することで、多変量判別式を作成してもよい。また、多変量判別式作成部１０２ｈは、多変量判別式を予め格納した他のコンピュータ装置（例えばデータベース装置４００）から所望の多変量判別式を選択しダウンロードすることで、多変量判別式を作成してもよい。
ここで、多変量判別式作成部１０２ｈの構成について図１７を参照して説明する。図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１と、候補多変量判別式検証部１０２ｈ２と、変数選択部１０２ｈ３と、をさらに備えている。候補多変量判別式作成部１０２ｈ１は、前立腺疾患状態情報から所定の式作成手法に基づいて多変量判別式の候補である候補多変量判別式を作成する。なお、候補多変量判別式作成部１０２ｈ１は、前立腺疾患状態情報から、複数の異なる式作成手法を併用して複数の候補多変量判別式を作成してもよい。候補多変量判別式検証部１０２ｈ２は、候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を所定の検証手法に基づいて検証する。なお、候補多変量判別式検証部１０２ｈ２は、ブートストラップ法、ホールドアウト法、リーブワンアウト法のうち少なくとも１つに基づいて候補多変量判別式の判別率、感度、特異性、情報量基準のうち少なくとも１つに関して検証してもよい。変数選択部１０２ｈ３は、候補多変量判別式検証部１０２ｈ２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる前立腺疾患状態情報に含まれるアミノ酸濃度データの組み合わせを選択する。なお、変数選択部１０２ｈ３は、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。
図６に戻り、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、および多変量判別式作成部１０２ｈで作成した多変量判別式であってＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する。
ここで、多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。
また、判別値基準判別部１０２ｊ１で前立腺疾患または非前立腺疾患であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、および多変量判別式作成部１０２ｈで作成したＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、数式１の分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを変数とするロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とするロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを変数とする線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式でもよい。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、判別値基準判別部１０２ｊ１で前立腺癌または非前立腺癌であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの濃度値、および多変量判別式作成部１０２ｈで作成したＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、数式２の分数式、数式３の分数式もしくは数式４の分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを変数とするロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを変数とするロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とする線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを変数とする線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを変数とする線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを変数とする線形判別式でもよい。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、判別値基準判別部１０２ｊ１で前立腺癌または前立腺肥大であるか否かを判別する場合には、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの濃度値、および多変量判別式作成部１０２ｈで作成したＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、この場合に用いる多変量判別式は、数式５の分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とするロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とするロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とする線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とする線形判別式でもよい。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
判別値基準評価部１０２ｊは、判別値算出部１０２ｉで算出した判別値に基づいて、評価対象につき、前立腺疾患の状態を評価する。判別値基準評価部１０２ｊは、判別値基準判別部１０２ｊ１をさらに備えている。ここで、判別値基準評価部１０２ｊの構成について図１８を参照して説明する。図１８は、判別値基準評価部１０２ｊの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。判別値基準判別部１０２ｊ１は、判別値算出部１０２ｉで算出した判別値に基づいて、評価対象につき、「前立腺疾患または非前立腺疾患であるか否かの判別」、「前立腺癌または非前立腺癌であるか否かの判別」、「前立腺癌または前立腺肥大であるか否かの判別」を行う。
図６に戻り、結果出力部１０２ｋは、制御部１０２の各処理部での処理結果（判別値基準評価部１０２ｊでの評価結果（具体的には判別値基準判別部１０２ｊ１での判別結果）を含む）等を出力装置１１４に出力する。
送信部１０２ｍは、評価対象のアミノ酸濃度データの送信元のクライアント装置２００に対して評価結果を送信したり、データベース装置４００に対して、前立腺疾患評価装置１００で作成した多変量判別式や評価結果を送信したりする。
つぎに、本システムのクライアント装置２００の構成について図１９を参照して説明する。図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
クライアント装置２００は、制御部２１０とＲＯＭ２２０とＨＤ２３０とＲＡＭ２４０と入力装置２５０と出力装置２６０と入出力ＩＦ２７０と通信ＩＦ２８０とで構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
制御部２１０は、Ｗｅｂブラウザ２１１、電子メーラ２１２、受信部２１３、送信部２１４を備えている。Ｗｅｂブラウザ２１１は、Ｗｅｂデータを解釈し、解釈したＷｅｂデータを後述するモニタ２６１に表示するブラウズ処理を行う。なお、Ｗｅｂブラウザ２１１には、ストリーム映像の受信・表示・フィードバック等を行う機能を備えたストリームプレイヤ等の各種のソフトウェアをプラグインしてもよい。電子メーラ２１２は、所定の通信規約（例えば、ＳＭＴＰ（Ｓｉｍｐｌｅ Ｍａｉｌ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）やＰＯＰ３（Ｐｏｓｔ Ｏｆｆｉｃｅ Ｐｒｏｔｏｃｏｌ ｖｅｒｓｉｏｎ ３）等）に従って電子メールの送受信を行う。受信部２１３は、通信ＩＦ２８０を介して、前立腺疾患評価装置１００から送信された評価結果などの各種情報を受信する。送信部２１４は、通信ＩＦ２８０を介して、評価対象のアミノ酸濃度データなどの各種情報を前立腺疾患評価装置１００へ送信する。
入力装置２５０はキーボードやマウスやマイク等である。なお、後述するモニタ２６１もマウスと協働してポインティングデバイス機能を実現する。出力装置２６０は、通信ＩＦ２８０を介して受信した情報を出力する出力手段であり、モニタ（家庭用テレビを含む）２６１およびプリンタ２６２を含む。この他、出力装置２６０にスピーカ等を設けてもよい。入出力ＩＦ２７０は入力装置２５０や出力装置２６０に接続する。
通信ＩＦ２８０は、クライアント装置２００とネットワーク３００（またはルータ等の通信装置）とを通信可能に接続する。換言すると、クライアント装置２００は、モデムやＴＡやルータなどの通信装置および電話回線を介して、または専用線を介してネットワーク３００に接続される。これにより、クライアント装置２００は、所定の通信規約に従って前立腺疾患評価装置１００にアクセスすることができる。
ここで、プリンタ・モニタ・イメージスキャナ等の周辺装置を必要に応じて接続した情報処理装置（例えば、既知のパーソナルコンピュータ・ワークステーション・家庭用ゲーム装置・インターネットＴＶ・ＰＨＳ端末・携帯端末・移動体通信端末・ＰＤＡ等の情報処理端末など）に、Ｗｅｂデータのブラウジング機能や電子メール機能を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより、クライアント装置２００を実現してもよい。
また、クライアント装置２００の制御部２１０は、制御部２１０で行う処理の全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈して実行するプログラムで実現してもよい。ＲＯＭ２２０またはＨＤ２３０には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。当該コンピュータプログラムは、ＲＡＭ２４０にロードされることで実行され、ＣＰＵと協働して制御部２１０を構成する。また、当該コンピュータプログラムは、クライアント装置２００と任意のネットワークを介して接続されるアプリケーションプログラムサーバに記録されてもよく、クライアント装置２００は、必要に応じてその全部または一部をダウンロードしてもよい。また、制御部２１０で行う処理の全部または任意の一部を、ワイヤードロジック等によるハードウェアで実現してもよい。
つぎに、本システムのネットワーク３００について図４、図５を参照して説明する。ネットワーク３００は、前立腺疾患評価装置１００とクライアント装置２００とデータベース装置４００とを相互に通信可能に接続する機能を有し、例えばインターネットやイントラネットやＬＡＮ（有線／無線の双方を含む）等である。なお、ネットワーク３００は、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、携帯回線交換網または携帯パケット交換網（ＩＭＴ２０００方式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ−Ｐ方式等を含む）や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、衛星通信網（ＣＳ、ＢＳまたはＩＳＤＢ等を含む）等でもよい。
つぎに、本システムのデータベース装置４００の構成について図２０を参照して説明する。図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
データベース装置４００は、前立腺疾患評価装置１００または当該データベース装置４００で多変量判別式を作成する際に用いる前立腺疾患状態情報や、前立腺疾患評価装置１００で作成した多変量判別式、前立腺疾患評価装置１００での評価結果などを格納する機能を有する。図２０に示すように、データベース装置４００は、当該データベース装置４００を統括的に制御するＣＰＵ等の制御部４０２と、ルータ等の通信装置および専用線等の有線または無線の通信回路を介して当該データベース装置をネットワーク３００に通信可能に接続する通信インターフェース部４０４と、各種のデータベースやテーブルやファイル（例えばＷｅｂページ用ファイル）などを格納する記憶部４０６と、入力装置４１２や出力装置４１４に接続する入出力インターフェース部４０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
記憶部４０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用いることができる。記憶部４０６には、各種処理に用いる各種プログラム等を格納する。通信インターフェース部４０４は、データベース装置４００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部４０４は、他の端末と通信回線を介してデータを通信する機能を有する。入出力インターフェース部４０８は、入力装置４１２や出力装置４１４に接続する。ここで、出力装置４１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下で、出力装置４１４をモニタ４１４として記載する場合がある。）。また、入力装置４１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
制御部４０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部４０２は、図示の如く、大別して、要求解釈部４０２ａと閲覧処理部４０２ｂと認証処理部４０２ｃと電子メール生成部４０２ｄとＷｅｂページ生成部４０２ｅと送信部４０２ｆとを備えている。
要求解釈部４０２ａは、前立腺疾患評価装置１００からの要求内容を解釈し、その解釈結果に応じて制御部４０２の各部に処理を受け渡す。閲覧処理部４０２ｂは、前立腺疾患評価装置１００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行う。認証処理部４０２ｃは、前立腺疾患評価装置１００からの認証要求を受けて、認証判断を行う。電子メール生成部４０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部４０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。送信部４０２ｆは、前立腺疾患状態情報や多変量判別式などの各種情報を、前立腺疾患評価装置１００へ送信する。
［２−３．本システムの処理］
ここでは、以上のように構成された本システムで行われる前立腺疾患評価サービス処理の一例を、図２１を参照して説明する。図２１は、前立腺疾患評価サービス処理の一例を示すフローチャートである。
なお、本処理で用いるアミノ酸濃度データは、個体から予め採取した血液を分析して得たアミノ酸の濃度値に関するものである。ここで、血液中のアミノ酸の分析方法について簡単に説明する。まず、採血した血液サンプルを、ヘパリン処理したチューブに採取し、その後、当該チューブに対して遠心分離を行うことで血漿を分離する。なお、分離したすべての血漿サンプルは、アミノ酸濃度の測定時まで−７０℃で凍結保存する。そして、アミノ酸濃度の測定時に、血漿サンプルに対してスルホサリチル酸を添加し、３％濃度調整により除蛋白処理を行う。なお、アミノ酸濃度の測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（ＨＰＬＣ）を原理としたアミノ酸分析機を使用した。
まず、Ｗｅｂブラウザ２１１を表示した画面上で利用者が入力装置２５０を介して前立腺疾患評価装置１００が提供するＷｅｂサイトのアドレス（ＵＲＬなど）を指定すると、クライアント装置２００は前立腺疾患評価装置１００へアクセスする。具体的には、利用者がクライアント装置２００のＷｅｂブラウザ２１１の画面更新を指示すると、Ｗｅｂブラウザ２１１は、前立腺疾患評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で前立腺疾患評価装置１００へ送信することで、アミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求を、当該アドレスに基づくルーティングで前立腺疾患評価装置１００へ行う。
つぎに、前立腺疾患評価装置１００は、要求解釈部１０２ａで、クライアント装置２００からの送信を受け、当該送信の内容を解析し、解析結果に応じて制御部１０２の各部に処理を移す。具体的には、送信の内容がアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求であった場合、前立腺疾患評価装置１００は、主として閲覧処理部１０２ｂで、記憶部１０６の所定の記憶領域に格納されている当該Ｗｅｂページを表示するためのＷｅｂデータを取得し、取得したＷｅｂデータをクライアント装置２００へ送信する。より具体的には、利用者からアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求があった場合、前立腺疾患評価装置１００は、まず、制御部１０２で、利用者ＩＤや利用者パスワードの入力を利用者に対して求める。そして、利用者ＩＤやパスワードが入力されると、前立腺疾患評価装置１００は、認証処理部１０２ｃで、入力された利用者ＩＤやパスワードと利用者情報ファイル１０６ａに格納されている利用者ＩＤや利用者パスワードとの認証判断を行う。そして、前立腺疾患評価装置１００は、認証可の場合にのみ、閲覧処理部１０２ｂで、アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのＷｅｂデータをクライアント装置２００へ送信する。なお、クライアント装置２００の特定は、クライアント装置２００から送信要求と共に送信されたＩＰアドレスで行う。
つぎに、クライアント装置２００は、前立腺疾患評価装置１００から送信されたＷｅｂデータ（アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのもの）を受信部２１３で受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、モニタ２６１にアミノ酸濃度データ送信画面を表示する。
つぎに、モニタ２６１に表示されたアミノ酸濃度データ送信画面に対し利用者が入力装置２５０を介して個体のアミノ酸濃度データなどを入力・選択すると、クライアント装置２００は、送信部２１４で、入力情報や選択事項を特定するための識別子を前立腺疾患評価装置１００へ送信することで、評価対象の個体のアミノ酸濃度データを前立腺疾患評価装置１００へ送信する（ステップＳＡ−２１）。なお、ステップＳＡ−２１におけるアミノ酸濃度データの送信は、ＦＴＰ等の既存のファイル転送技術等により実現してもよい。
つぎに、前立腺疾患評価装置１００は、要求解釈部１０２ａで、クライアント装置２００から送信された識別子を解釈することによりクライアント装置２００の要求内容を解釈し、前立腺疾患の状態の評価用の多変量判別式の送信要求をデータベース装置４００へ行う。
つぎに、データベース装置４００は、要求解釈部４０２ａで、前立腺疾患評価装置１００からの送信要求を解釈し、記憶部４０６の所定の記憶領域に格納した、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式（例えばアップデートされた最新のもの。当該多変量判別式は、１つの分数式または複数の分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つである。）を、前立腺疾患評価装置１００へ送信する（ステップＳＡ−２２）。
ここで、ステップＳＡ−２２において前立腺疾患評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で前立腺疾患または非前立腺疾患であるか否かを判別する場合には、Ｔａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、数式１の分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを変数とするロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とするロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを変数とする線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式でもよい。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、ステップＳＡ−２２において前立腺疾患評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で前立腺癌または非前立腺癌であるか否かを判別する場合には、Ｔａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを変数として含むものでもよい。具体的には、多変量判別式は、数式２の分数式、数式３の分数式もしくは数式４の分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを変数とするロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを変数とするロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とする線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを変数とする線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを変数とする線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを変数とする線形判別式でもよい。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、ステップＳＡ−２２において前立腺疾患評価装置１００へ送信する多変量判別式は、後述するステップＳＡ−２６で前立腺癌または前立腺肥大であるか否かを判別する場合には、Ｔｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを変数として含むものでもよい。具体的には、多変量判別式は、数式５の分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とするロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とするロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とする線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とする線形判別式でもよい。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
図２１の説明に戻り、前立腺疾患評価装置１００は、受信部１０２ｆで、クライアント装置２００から送信された個体のアミノ酸濃度データおよびデータベース装置４００から送信された多変量判別式を受信し、受信したアミノ酸濃度データをアミノ酸濃度データファイル１０６ｂの所定の記憶領域に格納すると共に、受信した多変量判別式を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＡ−２３）。
つぎに、前立腺疾患評価装置１００は、制御部１０２で、ステップＳＡ−２３で受信した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ−２４）。
つぎに、前立腺疾患評価装置１００は、判別値算出部１０２ｉで、ステップＳＡ−２４で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データおよびステップＳＡ−２３で受信した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し（ステップＳＡ−２５）、判別値基準判別部１０２ｊ１で、ステップＳＡ−２５で算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、下記２１．〜２３．に示す判別のいずれか１つを行い、その判別結果を評価結果ファイル１０６ｇの所定の記憶領域に格納する（ステップＳＡ−２６）。
２１．前立腺疾患または非前立腺疾患であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、前立腺疾患または非前立腺疾患であるか否かを判別する。
２２．前立腺癌または非前立腺癌であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、前立腺癌または非前立腺癌であるか否かを判別する。
２３．前立腺癌または前立腺肥大であるか否かの判別
ステップＳＡ−２５では、個体のアミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳＡ−２６では、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、前立腺癌または前立腺肥大であるか否かを判別する。
図２１の説明に戻り、前立腺疾患評価装置１００は、送信部１０２ｍで、ステップＳＡ−２６で得た判別結果を、アミノ酸濃度データの送信元のクライアント装置２００とデータベース装置４００とへ送信する（ステップＳＡ−２７）。具体的には、まず、前立腺疾患評価装置１００は、Ｗｅｂページ生成部１０２ｅで、判別結果を表示するためのＷｅｂページを作成し、作成したＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域に格納する。ついで、利用者がクライアント装置２００のＷｅｂブラウザ２１１に入力装置２５０を介して所定のＵＲＬを入力し上述した認証を経た後、クライアント装置２００は、当該Ｗｅｂページの閲覧要求を前立腺疾患評価装置１００へ送信する。ついで、前立腺疾患評価装置１００は、閲覧処理部１０２ｂで、クライアント装置２００から送信された閲覧要求を解釈し、判別結果を表示するためのＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域から読み出す。そして、前立腺疾患評価装置１００は、送信部１０２ｍで、読み出したＷｅｂデータをクライアント装置２００へ送信すると共に、当該Ｗｅｂデータ又は判別結果をデータベース装置４００へ送信する。
ここで、ステップＳＡ−２７において、前立腺疾患評価装置１００は、制御部１０２で、判別結果を電子メールで利用者のクライアント装置２００へ通知してもよい。具体的には、まず、前立腺疾患評価装置１００は、電子メール生成部１０２ｄで、利用者ＩＤなどを基にして利用者情報ファイル１０６ａに格納されている利用者情報を送信タイミングに従って参照し、利用者の電子メールアドレスを取得する。ついで、前立腺疾患評価装置１００は、電子メール生成部１０２ｄで、取得した電子メールアドレスを宛て先とし利用者の氏名および判別結果を含む電子メールに関するデータを生成する。ついで、前立腺疾患評価装置１００は、送信部１０２ｍで、生成した当該データを利用者のクライアント装置２００へ送信する。
また、ステップＳＡ−２７において、前立腺疾患評価装置１００は、ＦＴＰ等の既存のファイル転送技術等で、判別結果を利用者のクライアント装置２００へ送信してもよい。
図２１の説明に戻り、データベース装置４００は、制御部４０２で、前立腺疾患評価装置１００から送信された判別結果またはＷｅｂデータを受信し、受信した判別結果またはＷｅｂデータを記憶部４０６の所定の記憶領域に保存（蓄積）する（ステップＳＡ−２８）。
また、クライアント装置２００は、受信部２１３で、前立腺疾患評価装置１００から送信されたＷｅｂデータを受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、個体の判別結果が記されたＷｅｂページの画面をモニタ２６１に表示する（ステップＳＡ−２９）。なお、判別結果が前立腺疾患評価装置１００から電子メールで送信された場合には、クライアント装置２００は、電子メーラ２１２の公知の機能で、前立腺疾患評価装置１００から送信された電子メールを任意のタイミングで受信し、受信した電子メールをモニタ２６１に表示する。
以上により、利用者は、モニタ２６１に表示されたＷｅｂページを閲覧することで、前立腺疾患に関する個体の判別結果を確認することができる。なお、利用者は、モニタ２６１に表示されたＷｅｂページの表示内容をプリンタ２６２で印刷してもよい。
また、判別結果が前立腺疾患評価装置１００から電子メールで送信された場合には、利用者は、モニタ２６１に表示された電子メールを閲覧することで、前立腺疾患に関する個体の判別結果を確認することができる。利用者は、モニタ２６１に表示された電子メールの表示内容をプリンタ２６２で印刷してもよい。
これにて、前立腺疾患評価サービス処理の説明を終了する。
［２−４．第２実施形態のまとめ、およびその他の実施形態］
以上、詳細に説明したように、前立腺疾患評価システムによれば、クライアント装置２００は個体のアミノ酸濃度データを前立腺疾患評価装置１００へ送信し、データベース装置４００は前立腺疾患評価装置１００からの要求を受けて前立腺疾患の判別用の多変量判別式を前立腺疾患評価装置１００へ送信する。そして、前立腺疾患評価装置１００は、（１）クライアント装置２００からアミノ酸濃度データを受信すると共にデータベース装置４００から多変量判別式を受信し、（２）受信したアミノ酸濃度データおよび多変量判別式に基づいて判別値を算出し、（３）算出した判別値と予め設定した閾値とを比較することで、個体につき、上記２１．〜２３．に示す判別のいずれか１つを行い、（４）この判別結果をクライアント装置２００やデータベース装置４００へ送信する。そして、クライアント装置２００は前立腺疾患評価装置１００から送信された判別結果を受信して表示し、データベース装置４００は前立腺疾患評価装置１００から送信された判別結果を受信して格納する。これにより、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。また、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。また、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
なお、ステップＳＡ−２６において上記２１．に示す判別を行う場合、多変量判別式は、数式１の分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを変数とするロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とするロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを変数とする線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺疾患と非前立腺疾患との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
また、ステップＳＡ−２６において上記２２．に示す判別を行う場合、多変量判別式は、数式２の分数式、数式３の分数式もしくは数式４の分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを変数とするロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とするロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを変数とするロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを変数とする線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを変数とする線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを変数とする線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と非前立腺癌との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
（数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
また、ステップＳＡ−２６において上記２３．に示す判別を行う場合、多変量判別式は、数式５の分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とするロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とするロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを変数とする線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを変数とする線形判別式でもよい。これにより、前立腺癌と前立腺肥大との２群判別に特に有用な多変量判別式で得られる判別値を利用して、当該２群判別をさらに精度よく行うことができる。
ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
（数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
なお、上述した多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を前立腺疾患の状態の評価に好適に用いることができる。
また、本発明は、上述した第２実施形態以外にも、特許請求の範囲の書類に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。例えば、上述した第２実施形態で説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データおよび検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。例えば、前立腺疾患評価装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。また、前立腺疾患評価装置１００の各部または各装置が備える処理機能（特に制御部１０２にて行なわれる各処理機能）については、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて、その全部または任意の一部を実現することができ、ワイヤードロジックによるハードウェアとして実現することもできる。
ここで、「プログラム」とは任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は、必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものを含む。なお、プログラムは、記録媒体に記録されており、必要に応じて前立腺疾患評価装置１００に機械的に読み取られる。記録媒体に記録されたプログラムを各装置で読み取るための具体的な構成や読み取り手順や読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
また、「記録媒体」とは任意の「可搬用の物理媒体」や任意の「固定用の物理媒体」や「通信媒体」を含むものとする。なお、「可搬用の物理媒体」とはフレキシブルディスクや光磁気ディスクやＲＯＭやＥＰＲＯＭやＥＥＰＲＯＭやＣＤ−ＲＯＭやＭＯやＤＶＤ等である。「固定用の物理媒体」とは各種コンピュータシステムに内蔵されるＲＯＭやＲＡＭやＨＤ等である。「通信媒体」とは、ＬＡＮやＷＡＮやインターネット等のネットワークを介してプログラムを送信する場合における通信回線や搬送波のように、短期にプログラムを保持するものである。
最後に、前立腺疾患評価装置１００で行う多変量判別式作成処理の一例について図２２を参照して詳細に説明する。図２２は多変量判別式作成処理の一例を示すフローチャートである。なお、当該多変量判別式作成処理は、前立腺疾患状態情報を管理するデータベース装置４００で行ってもよい。
なお、本説明では、前立腺疾患評価装置１００は、データベース装置４００から事前に取得した前立腺疾患状態情報を、前立腺疾患状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、前立腺疾患評価装置１００は、前立腺疾患状態情報指定部１０２ｇで事前に指定した前立腺疾患状態指標データおよびアミノ酸濃度データを含む前立腺疾患状態情報を、指定前立腺疾患状態情報ファイル１０６ｄの所定の記憶領域に格納しているものとする。
まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、指定前立腺疾患状態情報ファイル１０６ｄの所定の記憶領域に格納されている前立腺疾患状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、作成した候補多変量判別式を候補多変量判別式ファイル１０６ｅ１の所定の記憶領域に格納する（ステップＳＢ−２１）。具体的には、まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）の中から所望のものを１つ選択し、選択した式作成手法に基づいて、作成する候補多変量判別式の形（式の形）を決定する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、前立腺疾患状態情報に基づいて、選択した式選択手法に対応する種々（例えば平均や分散など）の計算を実行する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、計算結果および決定した候補多変量判別式のパラメータを決定する。これにより、選択した式作成手法に基づいて候補多変量判別式が作成される。なお、複数の異なる式作成手法を併用して候補多変量判別式を同時並行（並列）的に作成する場合は、選択した式作成手法ごとに上記の処理を並行して実行すればよい。また、複数の異なる式作成手法を併用して候補多変量判別式を直列的に作成する場合は、例えば、主成分分析を行って作成した候補多変量判別式を利用して前立腺疾患状態情報を変換し、変換した前立腺疾患状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。
つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、ステップＳＢ−２１で作成した候補多変量判別式を所定の検証手法に基づいて検証（相互検証）し、検証結果を検証結果ファイル１０６ｅ２の所定の記憶領域に格納する（ステップＳＢ−２２）。具体的には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、指定前立腺疾患状態情報ファイル１０６ｄの所定の記憶領域に格納されている前立腺疾患状態情報に基づいて候補多変量判別式を検証する際に用いる検証用データを作成し、作成した検証用データに基づいて候補多変量判別式を検証する。なお、ステップＳＢ−２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成した場合には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証する。ここで、ステップＳＢ−２２において、ブートストラップ法やホールドアウト法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異性、情報量基準などのうち少なくとも１つに関して検証してもよい。これにより、前立腺疾患状態情報や診断条件を考慮した予測性または堅牢性の高い候補指標式を選択することができる。
つぎに、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ−２２での検証結果から所定の変数選択手法に基づいて、候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる前立腺疾患状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、選択したアミノ酸濃度データの組み合わせを含む前立腺疾患状態情報を選択前立腺疾患状態情報ファイル１０６ｅ３の所定の記憶領域に格納する（ステップＳＢ−２３）。なお、ステップＳＢ−２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成し、ステップＳＢ−２２で各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証した場合には、ステップＳＢ−２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ−２２での検証結果に対応する候補多変量判別式ごとに所定の変数選択手法に基づいて候補多変量判別式の変数を選択する。ここで、ステップＳＢ−２３において、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。なお、ベストパス法とは、候補多変量判別式に含まれる変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することで変数を選択する方法である。また、ステップＳＢ−２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、指定前立腺疾患状態情報ファイル１０６ｄの所定の記憶領域に格納されている前立腺疾患状態情報に基づいてアミノ酸濃度データの組み合わせを選択してもよい。
つぎに、多変量判別式作成部１０２ｈは、指定前立腺疾患状態情報ファイル１０６ｄの所定の記憶領域に格納されている前立腺疾患状態情報に含まれるアミノ酸濃度データの全ての組み合わせが終了したか否かを判定し、判定結果が「終了」であった場合（ステップＳＢ−２４：Ｙｅｓ）には次のステップ（ステップＳＢ−２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻る。なお、多変量判別式作成部１０２ｈは、予め設定した回数が終了したか否かを判定し、判定結果が「終了」であった場合には（ステップＳＢ−２４：Ｙｅｓ）次のステップ（ステップＳＢ−２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、ステップＳＢ−２３で選択したアミノ酸濃度データの組み合わせが、指定前立腺疾患状態情報ファイル１０６ｄの所定の記憶領域に格納されている前立腺疾患状態情報に含まれるアミノ酸濃度データの組み合わせまたは前回のステップＳＢ−２３で選択したアミノ酸濃度データの組み合わせと同じであるか否かを判定し、判定結果が「同じ」であった場合（ステップＳＢ−２４：Ｙｅｓ）には次のステップ（ステップＳＢ−２５）へ進み、判定結果が「同じ」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、検証結果が具体的には各候補多変量判別式に関する評価値である場合には、当該評価値と各式作成手法に対応する所定の閾値との比較結果に基づいて、ステップＳＢ−２５へ進むかステップＳＢ−２１へ戻るかを判定してもよい。
つぎに、多変量判別式作成部１０２ｈは、検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで多変量判別式を決定し、決定した多変量判別式（選出した候補多変量判別式）を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＢ−２５）。ここで、ステップＳＢ−２５において、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。
これにて、多変量判別式作成処理の説明を終了する。
前立腺生検による前立腺癌の診断が行われた前立腺癌患者群の血液サンプル、および非前立腺癌群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図を図２３（横軸は、非前立腺癌群：１、前立腺癌群：２）に示す。前立腺癌群と非前立腺癌群との判別を目的に２群間のｔ検定を実施した。
非前立腺癌群に比べて前立腺癌群では、Ａｌａ、Ｔａｕ、Ｃｙｓ２、Ｏｒｎが有意に増加し、Ｌｅｕ、Ｔｒｐ、Ｖａｌ、Ｉｌｅが有意に減少した。この結果から、アミノ酸変数Ａｌａ、Ｔａｕ、Ｃｙｓ２、Ｏｒｎ、Ｌｅｕ、Ｔｒｐ、Ｖａｌ、Ｉｌｅが前立腺癌群と非前立腺癌群との２群間の判別能を持つことが判明した。
実施例１で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標式の中に指標式１が得られた。なお、この他に、指標式１と同等の判別性能を有する多変量判別式は複数得られた。それらを図２４、図２５に示す。また、図２４、図２５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１：０．２４（Ｔａｕ）／（Ｔｒｐ） − ０．０３（Ｔｈｒ）／（Ｓｅｒ） − ０．００２（Ｇｌｕ）／（Ａｓｎ） ＋ ２．１３（Ｏｒｎ）／（Ｇｌｎ） ＋ ０．７２
指標式１による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図２６参照）。その結果、０．９４１±０．０１２（９５％信頼区間は０．９１７〜０．９６６）が得られた。また、指標式１による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を５％として最適なカットオフ値を求めた。その結果、カットオフ値が１．０８６となり、また、感度９６．６７％、特異度８０．２５％、陽性適中率２０．４８％、陰性適中率９９．７８％、正診率８１．０７％が得られた。これらの結果から、指標式１が診断性能の高い有用なものであることが判明した。
実施例１で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式２として、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇから構成されるロジスティック回帰式（アミノ酸変数Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇの数係数と定数項は順に、０．０５１９、０．０１３７、０．０７９２、−０．１０７９、０．０７９５、−０．０２０１、−８．５１２３）が得られた。なお、この他に、指標式２と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図２７、図２８に示す。また、図２７、図２８に示す式における各係数の値は、それを実数倍したものでもよい。
指標式２による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図２９参照）。その結果、０．９５０±０．０１１（９５％信頼区間は０．９２９〜０．９７１）が得られた。また、指標式２による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を５％として最適なカットオフ値を求めた。その結果、カットオフ値が０．０６０となり、また、感度９０．００％、特異度８９．２４％、陽性適中率３０．５７％、陰性適中率９９．４１％、正診率８９．２８％が得られた。これらの結果から、指標式２が診断性能の高い有用なものであることが判明した。
実施例１で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、線形判別分析（変数網羅法）により探索した。その結果、指標式３として、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇから構成される線形判別関数（アミノ酸変数Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇの数係数は順に、５．７１３ｅ−０１、６．０３３ｅ−０２、２．３７７ｅ−０１、−５．５４６ｅ−０１、５．４３１ｅ−０１、−１．０４２ｅ−０１、−３．５７３ｅ＋０１）が得られた。なお、この他に、指標式３と同等の判別性能を有する線形判別関数は複数得られた。それらを図３０、図３１に示す。また、図３０、図３１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式３による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図３２参照）。その結果、０．９５４±０．０１０（９５％信頼区間は０．９３４〜０．９７４）が得られた。また、指標式３による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を５％として最適なカットオフ値を求めた。その結果、カットオフ値が１１．１５となり、また、感度９３．３３％、特異度９０．１２％、陽性適中率３３．２２％、陰性適中率９９．６１％、正診率９０．２８％が得られた。これらの結果から、指標式３が診断性能の高い有用なものであることが判明した。
前立腺生検による前立腺癌の診断が行われた前立腺癌患者群の血液サンプル、および非前立腺癌群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図を図３３（横軸は、非前立腺癌群：１、前立腺癌群：２）に示す。前立腺癌群と非前立腺癌群との判別を目的に２群間のｔ検定を実施した。
非前立腺癌群に比べて前立腺癌群では、Ｔａｕが有意に増加し、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｃｙｓ２、Ｍｅｔ、Ｉｌｅ、Ｔｒｐが有意に減少した。この結果から、アミノ酸変数Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｃｙｓ２、Ｍｅｔ、Ｉｌｅ、Ｔｒｐが前立腺癌群と非前立腺癌群との２群間の判別能を持つことが判明した。
実施例５で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標の中に指標式４が得られた。なお、この他に、指標式４と同等の判別性能を有する多変量判別式は複数得られた。それらを図３４、図３５に示す。また、図３４、図３５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式４：０．１９（Ｔａｕ）／（Ｍｅｔ） ＋ ０．１３（Ｓｅｒ）／（Ｃｉｔ） ＋ ０．２５（Ａｓｎ）／（Ｔｈｒ） − ０．７５（Ｇｌｕ）／（Ｐｒｏ） ＋ ０．５０
指標式４による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図３６参照）。その結果、０．９６９±０．０１３（９５％信頼区間は０．９４３〜０．９９５）が得られた。また、指標式１による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を２２％として最適なカットオフ値を求めた。その結果、カットオフ値が１．２６４となり、また、感度９６．６７％、特異度８８．６８％、陽性適中率７０．６６％、陰性適中率９８．９５％、正診率９０．４４％が得られた。これらの結果から、指標式４が診断性能の高い有用なものであることが判明した。
実施例５で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式５として、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎから構成されるロジスティック回帰式（アミノ酸変数Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎの数係数と定数項は順に、０．０７６０、−０．１１００、−０．４９９０、−０．３０７６、０．０４１８、０．０９９２、０．８６５７）が得られた。なお、この他に、指標式５と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図３７、図３８に示す。また、図３７、図３８に示す式における各係数の値は、それを実数倍したものでもよい。
指標式５による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図３９参照）。その結果、０．９８８±０．００８（９５％信頼区間は０．９７２〜１）が得られた。また、指標式５による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を２２％として最適なカットオフ値を求めた。その結果、カットオフ値が０．２６９となり、また、感度９３．３３％、特異度９２．９３％、陽性適中率７８．８３％、陰性適中率９８．０２％、正診率９３．０２％が得られた。これらの結果から、指標式５が診断性能の高い有用なものであることが判明した。
実施例５で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、線形判別分析（変数網羅法）により探索した。その結果、指標式６として、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎから構成される線形判別関数（アミノ酸変数Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎの数係数は順に、−３．７７６ｅ−０１、２．８４３ｅ−０１、−２．８５７ｅ−０２、５．６４５ｅ−０１、６．４２６ｅ−０１、−２．１０２ｅ−０１、−５．５９９ｅ＋００）が得られた。なお、この他に、指標式６と同等の判別性能を有する線形判別関数は複数得られた。それらを図４０、図４１に示す。また、図４０、図４１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式６による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図４２参照）。その結果、０．９７８±０．０１１（９５％信頼区間は０．９５７〜１）が得られた。また、指標式６による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を２２％として最適なカットオフ値を求めた。その結果、カットオフ値が−４．２７となり、また、感度９３．３３％、特異度８４．２２％、陽性適中率６９．９３％、陰性適中率９７．９２％、正診率８９．７０％が得られた。これらの結果から、指標式６が診断性能の高い有用なものであることが判明した。
前立腺生検による前立腺癌の診断が行われた前立腺癌患者群の血液サンプル、および非前立腺癌群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図を図４３（横軸は、非前立腺癌群：１、前立腺癌群：２）に示す。前立腺癌群と非前立腺癌群との判別を目的に２群間のｔ検定を実施した。
非前立腺癌群に比べて前立腺癌群では、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｙｓ２、Ｏｒｎが有意に増加し、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｔｒｐが有意に減少した。この結果から、アミノ酸変数Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｙｓ２、Ｏｒｎ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｔｒｐが前立腺癌群と非前立腺癌群との２群間の判別能を持つことが判明した。
実施例９で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標の中に指標式７が得られた。なお、この他に、指標式７と同等の判別性能を有する多変量判別式は複数得られた。それらを図４４、図４５に示す。また、図４４、図４５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式７：−０．３４（Ｔｈｒ）／（Ｏｒｎ） ＋ ０．２５（Ｓｅｒ）／（Ｉｌｅ） − ０．０３（Ａｓｎ）／（Ｇｌｕ） − ０．０８（Ｇｌｎ）／（Ｔａｕ） ＋ ２．６２
指標式７による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図４６参照）。その結果、０．９５８±０．０２１（９５％信頼区間は０．９１６〜０．９９９）が得られた。また、指標式７による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を３７％として最適なカットオフ値を求めた。その結果、カットオフ値が１．４２６となり、また、感度９３．３３％、特異度８８．４６％、陽性適中率８２．６１％、陰性適中率９５．７６％、正診率９０．２６％が得られた。これらの結果から、指標式７が診断性能の高い有用なものであることが判明した。
実施例９で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式８として、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇから構成されるロジスティック回帰式（アミノ酸変数Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇの数係数と定数項は順に、０．３６１０、−０．１８６２、０．０６０４、−０．２３４４、０．４８３８、−０．１１３０、−２５．０８１４）が得られた。なお、この他に、指標式８と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図４７、図４８に示す。また、図４７、図４８に示す式における各係数の値は、それを実数倍したものでもよい。
指標式８による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図４９参照）。その結果、０．９８５±０．０１４（９５％信頼区間は０．９５７〜１）が得られた。また、指標式８による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を３７％として最適なカットオフ値を求めた。その結果、カットオフ値が０．３５５となり、また、感度９６．６７％、特異度９０．２４％、陽性適中率８５．３４％、陰性適中率９７．８８％、正診率９２．６２％が得られた。これらの結果から、指標式８が診断性能の高い有用なものであることが判明した。
実施例９で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、線形判別分析（変数網羅法）により探索した。その結果、指標式９として、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇから構成される線形判別関数（アミノ酸変数Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇの数係数は順に、−６．４５９ｅ−０１、１．８２９ｅ−０１、−１．３９１ｅ−０１、−７．７１８ｅ−０２、−６．７９４ｅ−０１、２．４９８ｅ−０１、７．３０３ｅ＋０１）が得られた。なお、この他に、指標式９と同等の判別性能を有する線形判別関数は複数得られた。それらを図５０、図５１に示す。また、図５０、図５１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式９による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図５２参照）。その結果、０．９８１±０．０１４（９５％信頼区間は０．９５４〜１）が得られた。また、指標式９による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、前立腺癌群の有症率を３７％として最適なカットオフ値を求めた。その結果、カットオフ値が２．３２となり、また、感度９６．６７％、特異度８８．４６％、陽性適中率８３．１２％、陰性適中率９７．８３％、正診率９１．５０％が得られた。これらの結果から、指標式９が診断性能の高い有用なものであることが判明した。
前立腺生検による前立腺癌の診断が行われた前立腺癌患者群の血液サンプル、および前立腺肥大患者群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺癌群および前立腺肥大群のアミノ酸変数の分布に関する箱ひげ図を図５３（横軸は、前立腺肥大群：１、前立腺癌群：２）に示す。前立腺癌群と前立腺肥大群との判別を目的に２群間のｔ検定を実施した。
前立腺肥大群に比べて前立腺癌群ではＴｈｒが有意に減少した。この結果から、アミノ酸変数Ｔｈｒが前立腺癌群と前立腺肥大群との２群間の判別能を持つことが判明した。
実施例１３で用いたサンプルデータを用いた。前立腺癌群と前立腺肥大群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標の中に指標式１０が得られた。なお、この他に、指標式１０と同等の判別性能を有する多変量判別式は複数得られた。それらを図５４、図５５に示す。また、図５４、図５５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１０：３．７７（Ｓｅｒ）／（Ｇｌｎ） − ０．３１（Ｇｌｕ）／（Ｔａｕ） ＋ ０．０７（Ａｌａ）／（Ａｓｎ） ＋ ０．２６（Ｖａｌ）／（Ｔｈｒ） − ０．１６
指標式１０による前立腺癌の診断性能を検証すべく、前立腺癌群と前立腺肥大群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図５６参照）。その結果、０．７８０±０．０６６（９５％信頼区間は０．６５０〜０．９１０）が得られた。また、指標式１０による前立腺癌群と前立腺肥大群との２群判別のカットオフ値について、前立腺癌群の有症率を４５％として最適なカットオフ値を求めた。その結果、カットオフ値が１．５８７となり、また、感度７３．３３％、特異度７３．９１％、陽性適中率６９．７０％、陰性適中率７７．２１％、正診率７３．６５％が得られた。これらの結果から、指標式１０が診断性能の高い有用なものであることが判明した。
実施例１３で用いたサンプルデータを用いた。前立腺癌群と前立腺肥大群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式１１として、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓから構成されるロジスティック回帰式（アミノ酸変数Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓの数係数と定数項は順に、−０．０６３４、０．０１０１、０．０１６９、０．０５６９、−０．０９３４、−０．０２２４、５．３２０９）が得られた。なお、この他に、指標式１１と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図５７、図５８に示す。また、図５７、図５８に示す式における各係数の値は、それを実数倍したものでもよい。
指標式１１による前立腺癌の診断性能を検証すべく、前立腺癌群と前立腺肥大群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図５９参照）。その結果、０．８３２±０．０５９（９５％信頼区間は０．７１６〜０．９４８）が得られた。また、指標式１１による前立腺癌群と前立腺肥大群の２群判別のカットオフ値について、前立腺癌群の有症率を３７％として最適なカットオフ値を求めた。その結果、カットオフ値が０．５５２となり、また、感度８３．３３％、特異度７８．２６％、陽性適中率７５．８２％、陰性適中率８５．１６％、正診率８０．５４％が得られた。これらの結果から、指標式１１が診断性能の高い有用なものであることが判明した。
実施例１３で用いたサンプルデータを用いた。前立腺癌群と前立腺肥大群との２群判別性能を最大化する指標を、線形判別分析（変数網羅法）により探索した。その結果、指標式１２として、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓから構成される線形判別関数（アミノ酸変数Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇの数係数は順に、−５．１４３ｅ−０１、８．７１０ｅ−０２、１．２８９ｅ−０１、４．４２５ｅ−０１、−６．９２１ｅ−０１、−１．９１２ｅ−０１、３．９２９ｅ＋０１）が得られた。なお、この他に、指標式１２と同等の判別性能を有する線形判別関数は複数得られた。それらを図６０、図６１に示す。また、図６０、図６１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１２による前立腺癌の診断性能を検証すべく、前立腺癌群と前立腺肥大群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図６２参照）。その結果、０．８２０±０．０６１（９５％信頼区間は０．７００〜０．９４０）が得られた。また、指標式１２による前立腺癌群と前立腺肥大群との２群判別のカットオフ値について、前立腺癌群の有症率を４５％として最適なカットオフ値を求めた。その結果、カットオフ値が−１．５０となり、また、感度８３．３３％、特異度７３．９１％、陽性適中率７２．３３％、陰性適中率８４．４２％、正診率７８．１５％が得られた。これらの結果から、指標式１２が診断性能の高い有用なものであることが判明した。
前立腺生検による前立腺疾患の診断が行われた前立腺癌、前立腺肥大といった前立腺疾患者群の血液サンプル、および非前立疾患群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺疾患群および非前立腺疾患群のアミノ酸変数の分布に関する箱ひげ図を図６３（横軸は、非前立腺疾患群：１、前立腺疾患群：２）に示す。前立腺疾患群と非前立腺疾患群との判別を目的に２群間のｔ検定を実施した。
非前立腺疾患群に比べて前立腺疾患群ではＴａｕ、Ａｓｎ、Ｇｌｙ、Ｌｙｓが有意に増加し、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｃｙｓ２、Ｍｅｔ、Ｉｌｅが有意に減少した。この結果から、アミノ酸変数Ｔａｕ、Ａｓｎ、Ｇｌｙ、Ｌｙｓ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｃｙｓ２、Ｍｅｔ、Ｉｌｅが前立腺疾患群と非前立腺疾患群との２群間の判別能を持つことが判明した。
実施例１７で用いたサンプルデータを用いた。前立腺疾患群と非前立腺疾患群との２群判別性能を最大化する指標を、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて鋭意探索した。その結果、同等の性能を持つ複数の指標の中に指標式１３が得られた。なお、この他に、指標式１３と同等の判別性能を有する多変量判別式は複数得られた。それらを図６４、図６５に示す。また、図６４、図６５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１３：０．１２（Ｔａｕ）／（ＡＢＡ） ＋ ０．１４（Ｔｈｒ）／（Ｃｉｔ） − ０．３８（Ｇｌｕ）／（Ｓｅｒ） ＋ ０．０１（Ｐｒｏ）／（Ａｓｎ） ＋ ０．５０
指標式１３による前立腺疾患の診断性能を検証すべく、前立腺疾患群と非前立腺疾患群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図６６参照）。その結果、０．９７７±０．０１１（９５％信頼区間は０．９５５〜０．９９８）が得られた。また、指標式１３による前立腺疾患群と非前立腺疾患群との２群判別のカットオフ値について、前立腺疾患群の有症率を３３％として最適なカットオフ値を求めた。その結果、カットオフ値が１．２６８となり、また、感度９６．２３％、特異度８０．１９％、陽性適中率７０．５２％、陰性適中率９７．７３％、正診率８５．４８％が得られた。これらの結果から、指標式１３が診断性能の高い有用なものであることが判明した。
実施例１７で用いたサンプルデータを用いた。前立腺疾患群と非前立腺疾患群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式１４として、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡから構成されるロジスティック回帰式（アミノ酸変数Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡの数係数と定数項は順に、０．０７７８、−０．０７０５、−０．００７４、０．０２０９、−０．４８９１、−０．３０９８、９．２７２７）が得られた。なお、この他に、指標式１４と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図６７、図６８に示す。また、図６７、図６８に示す式における各係数の値は、それを実数倍したものでもよい。
指標式１４による前立腺疾患の診断性能を検証すべく、前立腺疾患群と非前立腺疾患群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図６９参照）。その結果、０．９８２±０．００９（９５％信頼区間は０．９６３〜１．０００）が得られた。また、指標式１４による前立腺疾患群と非前立腺疾患群との２群判別のカットオフ値について、前立腺疾患群の有症率を３７％として最適なカットオフ値を求めた。その結果、カットオフ値が０．４５０となり、また、感度９０．５７％、特異度１００．００％、陽性適中率１００．００％、陰性適中率９５．５６％、正診率９６．８９％が得られた。これらの結果から、指標式１４が診断性能の高い有用なものであることが判明した。
実施例１７で用いたサンプルデータを用いた。前立腺疾患群と非前立腺疾患群との２群判別性能を最大化する指標を、線形判別分析（変数網羅法）により探索した。その結果、指標式１５として、Ｔａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌから構成される線形判別関数（アミノ酸変数Ｔａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌの数係数は順に、−３．１５８ｅ−０１、１．４３９ｅ−０１、−５．５３７ｅ−０２、６．７４６ｅ−０１、６．４７３ｅ−０１、−４．８５８ｅ−０２、２．２６９ｅ＋００）が得られた。なお、この他に、指標式１５と同等の判別性能を有する線形判別関数は複数得られた。それらを図７０、図７１に示す。また、図７０、図７１に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１５による前立腺疾患の診断性能を検証すべく、前立腺疾患群と非前立腺疾患群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図７２参照）。その結果、０．８５０±０．０３２（９５％信頼区間は０．７８８〜０．９１３）が得られた。また、指標式１５による前立腺疾患群と非前立腺疾患群との２群判別のカットオフ値について、前立腺疾患群の有症率を３３％として最適なカットオフ値を求めた。その結果、カットオフ値が−５．３４となり、また、感度８０．００％、特異度８０．６２％、陽性適中率６７．０３％、陰性適中率８９．１１％、正診率８０．４１％が得られた。これらの結果から、指標式１５が診断性能の高い有用なものであることが判明した。
実施例１、１３、１７に用いたサンプルデータを用いた。上述した実施例２、１４、１８に対する比較例として、本出願人による国際出願である国際公開第２００８／０１６１１１号に記載の指標式１、１０、１１、１３を用いて、前立腺癌群と健常群、前立腺肥大群と前立腺癌群、及び前立腺疾患群と健常群の２群判別性能を検証した。その結果、図７３に示すように、それぞれの２群判別に対しいずれの式を用いても、上述した実施例２、１４、１８で得られたＲＯＣ＿ＡＵＣを上回るＲＯＣ＿ＡＵＣの値は得られなかった。これにより、本発明における多変量判別式が、本出願人による国際出願である国際公開第２００８／０１６１１１号に記載の指標式群よりも、これらの判別に関して高い判別性能を有することが確認された。
前立腺生検による前立腺癌の診断が行われた前立腺癌患者群の血液サンプル、および非前立腺癌群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺癌群および非前立腺癌群のアミノ酸変数の分布に関する箱ひげ図を図７４（横軸は、非前立腺癌群：１、前立腺癌群：２）に示す。前立腺癌群と非前立腺癌群との判別を目的に２群間のｔ検定を実施した。
非前立腺癌群に比べて前立腺癌群では、Ｔｈｒ、Ａｓｎ、Ａｌａ、Ｈｉｓが有意に増加し、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｔｒｐが有意に減少した（有意差確率ｐ＜０．０５）。この結果から、アミノ酸変数Ｔｈｒ、Ａｓｎ、Ａｌａ、Ｈｉｓ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｔｒｐが前立腺癌群と非前立腺癌群との２群間の判別能を持つことが判明した。
実施例２２で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式１６として、Ａｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇから構成されるロジスティック回帰式（アミノ酸変数Ａｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇの数係数と定数項は順に、０．０８５８５、０．０１４０５、−０．０１８１６、−０．１１０７９、−０．０８０９５、−０．０２２７２、３．１８１１８）が得られた。なお、この他に指標式１６と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図７５、図７６、図７７、図７８に示す。また、図７５、図７６、図７７、図７８に示す式における各係数の値は、それを実数倍したものでもよい。
指標式１６による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図７９参照）。その結果、０．８５０±０．０３１（９５％信頼区間は０．７８９〜０．９１１）が得られた。また、指標式１６による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、感度と特異度の平均値が最大となるカットオフ値を求めた。その結果、カットオフ値が−０．１５７４となり、また、感度８２％、特異度７６％が得られた。これらの結果から、指標式１６が診断性能の高い有用なものであることが判明した。
実施例２２で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群との２群判別性能を最大化する指標を、線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式１７として、Ａｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐから構成される線形判別関数（アミノ酸変数Ａｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐの数係数は順に、０．０７５５７、０．０１３１１、−０．０１５４４、−０．１６６４４、０．０２６９３、−０．０８４４７、２．４８５０６）が得られた。なお、この他に指標式１７と同等の判別性能を有する線形判別関数は複数得られた。それらを図８０、図８１、図８２、図８３に示す。また、図８０、図８１、図８２、図８３に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１７による前立腺癌の診断性能を検証すべく、前立腺癌群と非前立腺癌群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図８４参照）。その結果、０．８５２±０．０２８（９５％信頼区間は０．７９７〜０．９０６）が得られた。また、指標式１７による前立腺癌群と非前立腺癌群との２群判別のカットオフ値について、感度と特異度の平均値が最大となるカットオフ値を求めた。その結果、カットオフ値が−０．４８５１となり、また、感度９３％、特異度６４％が得られた。これらの結果から、指標式１７が診断性能の高い有用なものであることが判明した。
実施例２２で用いたサンプルデータを用いた。前立腺癌群と非前立腺癌群の２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ａｌａ，Ｔｒｐ，Ｖａｌ，Ｍｅｔ，Ｌｅｕ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｐｒｏが、ＲＯＣ曲線下面積０．７，０．７５，０．８をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認され、これらのアミノ酸を変数として用いた多変量判別式が前立腺癌群と非前立腺癌群の２群間の判別能を持つことが判明した（図８５参照）。
前立腺生検による前立腺癌の診断が行われた前立腺癌患者群の血液サンプル、および前立腺肥大患者群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺癌群および前立腺肥大群のアミノ酸変数の分布に関する箱ひげ図を図８６（横軸は、前立腺肥大群：１、前立腺癌群：２）に示す。前立腺癌群と前立腺肥大群との判別を目的に２群間のｔ検定を実施した。
前立腺肥大群に比べて前立腺癌群ではＧｌｙ、Ｔｒｐ、Ｌｙｓが有意に減少した（有意差確率ｐ＜０．０５）。この結果から、アミノ酸変数Ｇｌｙ、Ｔｒｐ、Ｌｙｓが前立腺癌群と前立腺肥大群との２群間の判別能を持つことが判明した。
実施例２６で用いたサンプルデータを用いた。前立腺癌群と前立腺肥大群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式１８として、Ｓｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐから構成されるロジスティック回帰式（アミノ酸変数Ｓｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐの数係数と定数項は順に、０．０５１０２、０．０１２５９、−０．０５２４３、０．０５７７８、−０．０２３４４、−０．０５９６９、６．７８９８１）が得られた。なお、この他に指標式１８と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図８７、図８８、図８９、図９０に示す。また、図８７、図８８、図８９、図９０に示す式における各係数の値は、それを実数倍したものでもよい。
指標式１８による前立腺癌の診断性能を検証すべく、前立腺癌群と前立腺肥大群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図９１参照）。その結果、０．８４８±０．０４１（９５％信頼区間は０．７６８〜０．９２９）が得られた。また、指標式１８による前立腺癌群と前立腺肥大群との２群判別のカットオフ値について、感度と特異度の平均値が最大となるカットオフ値を求めた。その結果、カットオフ値が０．３３５５となり、また、感度７１％、特異度８５％が得られた。これらの結果から、指標式１８が診断性能の高い有用なものであることが判明した。
実施例２６で用いたサンプルデータを用いた。前立腺癌群と前立腺肥大群との２群判別性能を最大化する指標を、線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式１９として、Ｓｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐから構成される線形判別関数（アミノ酸変数Ｓｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐの数係数は順に、０．０３０７０、０．００６２０、−０．０３７１８、０．０５１０８、−０．０１６４１、−０．０３５０４、５．９８１３４）が得られた。なお、この他に指標式１９と同等の判別性能を有する線形判別関数は複数得られた。それらを図９２、図９３、図９４、図９５に示す。また、図９２、図９３、図９４、図９５に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１９による前立腺癌の診断性能を検証すべく、前立腺癌群と前立腺肥大群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図９６参照）。その結果、０．８４４±０．０４２（９５％信頼区間は０．７６２〜０．９２６）が得られた。また、指標式１９による前立腺癌群と前立腺肥大群との２群判別のカットオフ値について、感度と特異度の平均値が最大となるカットオフ値を求めた。その結果、カットオフ値が−０．１５４０となり、また、感度７３％、特異度８２％が得られた。これらの結果から、指標式１９が診断性能の高い有用なものであることが判明した。
実施例２６で用いたサンプルデータを用いた。前立腺癌群と前立腺肥大群の２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ｇｌｙ，Ｖａｌ，Ｓｅｒ，Ｔｒｐ，Ｃｉｔ，Ｌｙｓ，Ｈｉｓが、ＲＯＣ曲線下面積０．７，０．７５，０．８をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認され、これらのアミノ酸を変数として用いた多変量判別式が前立腺癌群と前立腺肥大群の２群間の判別能を持つことが判明した（図９７参照）。
前立腺生検による前立腺疾患の診断が行われた前立腺癌、前立腺肥大といった前立腺疾患者群の血液サンプル、および非前立疾患群の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。前立腺疾患群および非前立腺疾患群のアミノ酸変数の分布に関する箱ひげ図を図９８（横軸は、非前立腺疾患群：１、前立腺疾患群：２)に示す。前立腺疾患群と非前立腺疾患群との判別を目的に２群間のｔ検定を実施した。
非前立腺疾患群に比べて前立腺疾患群ではＴｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｈｉｓが有意に増加し、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｔｒｐが有意に減少した。この結果から、アミノ酸変数Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｈｉｓ、Ｃｉｔ、Ｖａｌ、Ｍｅｔ、Ｌｅｕ、Ｔｒｐが前立腺疾患群と非前立腺疾患群との２群間の判別能を持つことが判明した。
実施例３０で用いたサンプルデータを用いた。前立腺疾患群と非前立腺疾患群との２群判別性能を最大化する指標を、ロジスティック解析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式２０として、Ａｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐから構成されるロジスティック回帰式（アミノ酸変数Ａｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐの数係数と定数項は順に、０．０９２７３、０．０２２４１、０．０１１９６、−０．０１４１５、−０．１２９８３、−０．０５６７８、−０．７４７４）が得られた。なお、この他に指標式２０と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図９９、図１００、図１０１、図１０２に示す。また、図９９、図１００、図１０１、図１０２に示す式における各係数の値は、それを実数倍したものでもよい。
指標式２０による前立腺疾患の診断性能を検証すべく、前立腺疾患群と非前立腺疾患群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図１０３参照）。その結果、０．８２２±０．０２６（９５％信頼区間は０．７７２〜０．８７２）が得られた。また、指標式２０による前立腺疾患群と非前立腺疾患群との２群判別のカットオフ値について、感度と特異度の平均値が最大となるカットオフ値を求めた。その結果、カットオフ値が−１．２３９となり、また、感度８６％、特異度６６％が得られた。これらの結果から、指標式２０が診断性能の高い有用なものであることが判明した。
実施例３０で用いたサンプルデータを用いた。前立腺疾患群と非前立腺疾患群との２群判別性能を最大化する指標を、線形判別分析（ＲＯＣ最大基準による変数網羅法）により探索した。その結果、指標式２１として、Ａｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐから構成される線形判別関数（アミノ酸変数Ａｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐの数係数は順に、０．０８５９１、０．０１９９４、０．０１１９４、−０．０１２５０、−０．１３４８３、−０．０５２５２、０．１５８３７）が得られた。なお、この他に指標式２１と同等の判別性能を有する線形判別関数は複数得られた。それらを図１０４、図１０５、図１０６、図１０７に示す。また、図１０４、図１０５、図１０６、図１０７に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式２１による前立腺疾患の診断性能を検証すべく、前立腺疾患群と非前立腺疾患群との２群判別に関してＲＯＣ曲線の曲線下面積による評価を行った（図１０８参照）。その結果、０．８２２±０．０２６（９５％信頼区間は０．７７２〜０．８７２）が得られた。また、指標式２１による前立腺疾患群と非前立腺疾患群との２群判別のカットオフ値について、感度と特異度の平均値が最大となるカットオフ値を求めた。その結果、カットオフ値が−０．２２７１となり、また、感度８５％、特異度６５％が得られた。これらの結果から、指標式２１が診断性能の高い有用なものであることが判明した。
実施例３０で用いたサンプルデータを用いた。前立腺疾患群と非前立腺疾患群の２群判別を行う線形判別式を変数網羅法により全て抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ａｌａ、Ｍｅｔ、Ａｓｎ、Ｔｒｐ、Ｌｅｕ、Ｈｉｓ、Ｖａｌ，Ｇｌｕ、Ｃｉｔが、ＲＯＣ曲線下面積０．７，０．７５，０．８をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認され、これらのアミノ酸を変数として用いた多変量判別式が前立腺疾患群と非前立腺疾患群の２群間の判別能を持つことが判明した（図１０９参照）。
以上のように、本発明にかかる前立腺疾患の評価方法は、産業上の多くの分野、特に医薬品や食品、医療などの分野で広く実施することができ、特に、前立腺疾患の病態予測や疾病リスク予測などを行う分野において極めて有用である。
１００ 前立腺疾患評価装置
１０２ 制御部
１０２ａ 要求解釈部
１０２ｂ 閲覧処理部
１０２ｃ 認証処理部
１０２ｄ 電子メール生成部
１０２ｅ Ｗｅｂページ生成部
１０２ｆ 受信部
１０２ｇ 前立腺疾患状態情報指定部
１０２ｈ 多変量判別式作成部
１０２ｈ１ 候補多変量判別式作成部
１０２ｈ２ 候補多変量判別式検証部
１０２ｈ３ 変数選択部
１０２ｉ 判別値算出部
１０２ｊ 判別値基準評価部
１０２ｊ１ 判別値基準判別部
１０２ｋ 結果出力部
１０２ｍ 送信部
１０４ 通信インターフェース部
１０６ 記憶部
１０６ａ 利用者情報ファイル
１０６ｂ アミノ酸濃度データファイル
１０６ｃ 前立腺疾患状態情報ファイル
１０６ｄ 指定前立腺疾患状態情報ファイル
１０６ｅ 多変量判別式関連情報データベース
１０６ｅ１ 候補多変量判別式ファイル
１０６ｅ２ 検証結果ファイル
１０６ｅ３ 選択前立腺疾患状態情報ファイル
１０６ｅ４ 多変量判別式ファイル
１０６ｆ 判別値ファイル
１０６ｇ 評価結果ファイル
１０８ 入出力インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ クライアント装置（情報通信端末装置）
３００ ネットワーク
４００ データベース装置

Claims (11)

  1. 評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定する測定ステップと、
    前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前立腺癌および前立腺肥大のうち少なくとも１つを含む前立腺疾患の状態を評価する濃度値基準評価ステップと
    を含むことを特徴とする前立腺疾患の評価方法。
  2. 前記濃度値基準評価ステップは、
    前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記前立腺疾患または非前立腺疾患であるか否か、前記前立腺癌または非前立腺癌であるか否か、または、前記前立腺癌または前記前立腺肥大であるか否かを判別する濃度値基準判別ステップをさらに含むこと
    を特徴とする請求項１に記載の前立腺疾患の評価方法。
  3. 前記濃度値基準評価ステップは、
    前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、および前記アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、
    前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患の状態を評価する判別値基準評価ステップとをさらに含み、
    前記多変量判別式は、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含むこと
    を特徴とする請求項１に記載の前立腺疾患の評価方法。
  4. 前記判別値基準評価ステップは、
    前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または非前立腺疾患であるか否か、前記前立腺癌または非前立腺癌であるか否か、または、前記前立腺癌または前記前立腺肥大であるか否かを判別する判別値基準判別ステップをさらに含むこと
    を特徴とする請求項３に記載の前立腺疾患の評価方法。
  5. 前記多変量判別式は、１つの分数式または複数の前記分数式の和、またはロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであること
    を特徴とする請求項４に記載の前立腺疾患の評価方法。
  6. 前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ｇｌｙ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺疾患または前記非前立腺疾患であるか否かを判別すること
    を特徴とする請求項５に記載の前立腺疾患の評価方法。
  7. 前記多変量判別式は、数式１の前記分数式、Ｔａｕ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ｇｌｕ、Ｇｌｙ、Ｃｉｔ、ＡＢＡ、Ｖａｌを前記変数とする前記線形判別式もしくはＡｓｎ，Ｇｌｕ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐを前記変数とする前記線形判別式であること
    ａ１（Ｔａｕ／ＡＢＡ） ＋ ｂ１（Ｔｈｒ／Ｃｉｔ） ＋ ｃ１（Ｇｌｕ／Ｓｅｒ） ＋ ｄ１（Ｐｒｏ／Ａｓｎ） ＋ ｅ１ ・・・（数式１）
    （数式１において、ａ１，ｂ１，ｃ１，ｄ１，ｅ１は任意の実数である。）
    を特徴とする請求項６に記載の前立腺疾患の評価方法。
  8. 前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つの前記濃度値、およびＴａｕ、Ｔｈｒ、Ａｓｎ、Ｇｌｕ、Ｐｒｏ、Ａｌａ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｍｅｔ、Ｉｌｅ、Ｌｅｕ、Ｐｈｅ、Ｈｉｓ、Ｔｒｐ、Ｏｒｎ、Ｃｙｓ２のうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記非前立腺癌であるか否かを判別すること
    を特徴とする請求項５に記載の前立腺疾患の評価方法。
  9. 前記多変量判別式は、数式２の前記分数式、数式３の前記分数式もしくは数式４の前記分数式、Ｔａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｇｌｕ、Ｃｉｔ、ＡＢＡ、Ｖａｌ、Ｏｒｎを前記変数とする前記ロジスティック回帰式、Ｔａｕ、Ｔｈｒ、Ａｌａ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記ロジスティック回帰式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｒｐ，Ａｒｇを前記変数とする前記ロジスティック回帰式、またはＴａｕ、Ａｌａ、ＡＢＡ、Ｔｒｐ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式、Ｔａｕ、Ｇｌｕ、Ａｌａ、Ｃｉｔ、Ｍｅｔ、Ｏｒｎを前記変数とする前記線形判別式、Ｔａｕ、Ｔｈｒ、Ｓｅｒ、Ａｌａ、Ｏｒｎ、Ａｒｇを前記変数とする前記線形判別式もしくはＡｓｎ，Ａｌａ，Ｖａｌ，Ｍｅｔ，Ｔｙｒ，Ｔｒｐを前記変数とする前記線形判別式であること
    ａ２（Ｔａｕ／Ｔｒｐ） ＋ ｂ２（Ｔｈｒ／Ｓｅｒ） ＋ ｃ２（Ｇｌｕ／Ａｓｎ） ＋ ｄ２（Ｏｒｎ／Ｇｌｎ） ＋ ｅ２ ・・・（数式２）
    ａ３（Ｔａｕ／Ｍｅｔ） ＋ ｂ３（Ｓｅｒ／Ｃｉｔ） ＋ ｃ３（Ａｓｎ／Ｔｈｒ） ＋ ｄ３（Ｇｌｕ／Ｐｒｏ） ＋ ｅ３ ・・・（数式３）
    ａ４（Ｔｈｒ／Ｏｒｎ） ＋ ｂ４（Ｓｅｒ／Ｉｌｅ） ＋ ｃ４（Ａｓｎ／Ｇｌｕ） ＋ ｄ４（Ｇｌｎ／Ｔａｕ） ＋ ｅ４ ・・・（数式４）
    （数式２において、ａ２，ｂ２，ｃ２，ｄ２，ｅ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数であり、数式４において、ａ４，ｂ４，ｃ４，ｄ４，ｅ４は任意の実数である。）
    を特徴とする請求項８に記載の前立腺疾患の評価方法。
  10. 前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓの前記濃度値、およびＴｈｒ、Ｓｅｒ、Ｇｌｙ、Ｃｉｔ、Ｖａｌ、Ｈｉｓ、Ｔｒｐ、Ｌｙｓを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    前記判別値基準判別ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記前立腺癌または前記前立腺肥大であるか否かを判別すること
    を特徴とする請求項５に記載の前立腺疾患の評価方法。
  11. 前記多変量判別式は、数式５の前記分数式、Ｔｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記ロジスティック回帰式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＴｈｒ、Ａｌａ、Ｖａｌ、Ｔｙｒ、Ｔｒｐ、Ｌｙｓを前記変数とする前記線形判別式もしくはＳｅｒ，Ｇｌｎ，Ｇｌｙ，Ｃｉｔ，Ｖａｌ，Ｔｒｐを前記変数とする前記線形判別式であること
    ａ５（Ｓｅｒ／Ｇｌｎ） ＋ ｂ５（Ｇｌｕ／Ｔａｕ） ＋ ｃ５（Ａｌａ／Ａｓｎ） ＋ ｄ５（Ｖａｌ／Ｔｈｒ） ＋ ｅ５ ・・・（数式５）
    （数式５において、ａ５，ｂ５，ｃ５，ｄ５，ｅ５は任意の実数である。）
    を特徴とする請求項１０に記載の前立腺疾患の評価方法。
JP2010518012A 2008-06-20 2009-06-22 前立腺癌の評価方法、前立腺癌評価装置、前立腺癌評価方法、前立腺癌評価プログラム、記録媒体、前立腺癌評価システム、および情報通信端末装置 Active JP5754137B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2010518012A JP5754137B2 (ja) 2008-06-20 2009-06-22 前立腺癌の評価方法、前立腺癌評価装置、前立腺癌評価方法、前立腺癌評価プログラム、記録媒体、前立腺癌評価システム、および情報通信端末装置

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2008162613 2008-06-20
JP2008162613 2008-06-20
PCT/JP2009/061349 WO2009154297A1 (ja) 2008-06-20 2009-06-22 前立腺疾患の評価方法
JP2010518012A JP5754137B2 (ja) 2008-06-20 2009-06-22 前立腺癌の評価方法、前立腺癌評価装置、前立腺癌評価方法、前立腺癌評価プログラム、記録媒体、前立腺癌評価システム、および情報通信端末装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2015106821A Division JP6269578B2 (ja) 2008-06-20 2015-05-26 取得方法、前立腺疾患評価装置、前立腺疾患評価プログラム及び前立腺疾患評価システム

Publications (2)

Publication Number Publication Date
JPWO2009154297A1 true JPWO2009154297A1 (ja) 2011-12-01
JP5754137B2 JP5754137B2 (ja) 2015-07-29

Family

ID=41434208

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2010518012A Active JP5754137B2 (ja) 2008-06-20 2009-06-22 前立腺癌の評価方法、前立腺癌評価装置、前立腺癌評価方法、前立腺癌評価プログラム、記録媒体、前立腺癌評価システム、および情報通信端末装置
JP2015106821A Active JP6269578B2 (ja) 2008-06-20 2015-05-26 取得方法、前立腺疾患評価装置、前立腺疾患評価プログラム及び前立腺疾患評価システム
JP2017180707A Active JP6551484B2 (ja) 2008-06-20 2017-09-20 取得方法、算出方法、前立腺疾患評価装置、算出装置、前立腺疾患評価プログラム、算出プログラム及び前立腺疾患評価システム

Family Applications After (2)

Application Number Title Priority Date Filing Date
JP2015106821A Active JP6269578B2 (ja) 2008-06-20 2015-05-26 取得方法、前立腺疾患評価装置、前立腺疾患評価プログラム及び前立腺疾患評価システム
JP2017180707A Active JP6551484B2 (ja) 2008-06-20 2017-09-20 取得方法、算出方法、前立腺疾患評価装置、算出装置、前立腺疾患評価プログラム、算出プログラム及び前立腺疾患評価システム

Country Status (5)

Country Link
US (1) US9465031B2 (ja)
JP (3) JP5754137B2 (ja)
KR (1) KR101821551B1 (ja)
CN (2) CN104330571B (ja)
WO (1) WO2009154297A1 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3300692B2 (ja) 1999-11-12 2002-07-08 株式会社大一商会 循環式パチンコ機
JP3300693B2 (ja) 1999-12-10 2002-07-08 株式会社大一商会 循環式パチンコ機
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
CN101568838A (zh) * 2006-12-21 2009-10-28 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、癌症评估系统、癌症评估程序和记录介质
WO2008075663A1 (ja) 2006-12-21 2008-06-26 Ajinomoto Co., Inc. 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
EP2103940A4 (en) 2006-12-21 2013-04-24 Ajinomoto Kk METHOD, APPARATUS, METHOD, SYSTEM AND SOFTWARE FOR ASSESSING BREAST CANCER, AND RECORDING MEDIUM
CN101939652B (zh) * 2008-02-06 2015-01-07 味之素株式会社 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
WO2009110517A1 (ja) * 2008-03-04 2009-09-11 味の素株式会社 癌種の評価方法
JP5754136B2 (ja) * 2008-06-20 2015-07-29 味の素株式会社 女性生殖器癌の評価方法、女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価プログラム、記録媒体、女性生殖器癌評価システム、および情報通信端末装置
BR112014004761A2 (pt) * 2011-09-14 2017-03-21 Basf Se método para diagnosticar toxicidade gonadal, para determinar se um composto é capaz de induzir toxicidade gonadal em um indivíduo, para identificação de uma subtância para tratar toxicidade gonadal, uso de pelo menos um biomarcador, dispositivo para diagnosticar toxicidade gonadal em uma amostra de um indivíduo com suspeita de sofrer da mesma e kit para diagnosticar toxicidade gonadal
KR101824937B1 (ko) 2012-11-27 2018-02-02 아지노모토 가부시키가이샤 췌장암의 평가 방법, 췌장암 평가 장치, 췌장암 평가 방법, 췌장암 평가 프로그램, 췌장암 평가 시스템 및 정보 통신 단말 장치
CN105934672A (zh) * 2014-12-22 2016-09-07 J制药股份有限公司 癌症的血中生物标记
KR102427923B1 (ko) 2016-10-04 2022-08-02 아지노모토 가부시키가이샤 대장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
JP7336850B2 (ja) 2016-12-01 2023-09-01 味の素株式会社 癌モニタリングの方法、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
JP7230336B2 (ja) 2018-04-02 2023-03-01 味の素株式会社 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

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006129513A (ja) * 2005-11-28 2006-05-18 Sony Corp 符号化装置及びその方法、記録装置及びその方法、および、記録媒体
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
WO2008016111A1 (en) * 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Method for evaluation of lung cancer, lung cancer evaluation apparatus, lung cancer evaluation method, lung cancer evaluation system, lung cancer evaluation program, and recording medium
WO2008036691A2 (en) * 2006-09-19 2008-03-27 Metabolon, Inc. Biomarkers for prostate cancer and methods using the same
JP2008075663A (ja) * 2007-12-13 2008-04-03 Honda Motor Co Ltd 内燃機関の吸気管圧力予測方法および装置
JP2008075662A (ja) * 2007-12-11 2008-04-03 Hitachi Ltd 内燃機関の可変動弁装置
JP2008075664A (ja) * 2006-09-16 2008-04-03 National Agriculture & Food Research Organization 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
JP2009154296A (ja) * 2007-12-25 2009-07-16 Toray Ind Inc 樹脂シート

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61126472A (ja) 1984-11-24 1986-06-13 Advance Res & Dev Co Ltd 診断方法
US5858681A (en) * 1996-06-17 1999-01-12 Children's Medical Center Method for prognosis of prostate cancer
US6059724A (en) * 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
US6300136B1 (en) * 1997-09-03 2001-10-09 The Trustees Of The University Of Pennsylvania Methods for diagnosis and treatment of tumors in humans
IL140845A0 (en) * 1998-07-14 2002-02-10 Corixa Corp Compositions for therapy and diagnosis of prostate cancer
EP1117791A2 (en) 1998-10-05 2001-07-25 Ludwig Institute For Cancer Research Cancer associated antigens and uses therefor
BR0010068A (pt) 1999-04-26 2002-12-17 Surromed Inc Sistema de identificação do marcador fenotìpico e biológico
US6631330B1 (en) * 2000-08-21 2003-10-07 Assistance Publique-Hopitaux De Paris (Ap-Hp) Diagnosis method of inflammatory, fibrotic or cancerous disease using biochemical markers
CA2420089C (en) 2000-08-21 2009-04-14 Assistance Publique-Hopitaux De Paris Diagnosis method of fibrotic disease using biochemical markers
WO2003040404A1 (en) 2001-11-09 2003-05-15 Source Precision Medicine, Inc. Identification, monitoring and treatment of disease and characterization of biological condition using gene expression profiles
EP1570779A4 (en) 2002-12-09 2008-03-12 Ajinomoto Kk PROCESSOR FOR INFORMATION ON THE CONDITION OF AN ORGANISM, METHOD FOR PROCESSING INFORMATION ON THE CONDITION OF AN ORGANISM, SYSTEM FOR MANAGING INFORMATION ON THE CONDITION OF AN ORGANISM, PROGRAM AND RECORDING MEDIUM
US7869033B2 (en) * 2003-12-24 2011-01-11 Vadivel Masilamani Cancer detection by optical analysis of body fluids
US20060170928A1 (en) * 2003-12-24 2006-08-03 Vadivel Masilamani Masila's cancer detector based on optical analysis of body fluids
US8213005B2 (en) * 2003-07-22 2012-07-03 King Saud University Method for discriminating between benign and malignant prostate tumors
GB0326197D0 (en) 2003-11-10 2003-12-17 Randox Lab Ltd Molecular marker
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
US20080305962A1 (en) * 2005-07-29 2008-12-11 Ralph Markus Wirtz Methods and Kits for the Prediction of Therapeutic Success, Recurrence Free and Overall Survival in Cancer Therapies
US20100004871A1 (en) * 2005-12-27 2010-01-07 Power3 Medical Products, Inc. Identities, specificities, and use of twenty two (22) differentially expressed protein biomarkers for blood based diagnosis of breast cancer
WO2007107334A1 (en) 2006-03-20 2007-09-27 Nowicky Wassili Ex vivo cancer diagnostic method
CA2644330C (en) * 2006-03-24 2012-05-01 Phenomenome Discoveries Inc. Biomarkers useful for diagnosing prostate cancer, and methods thereof
US20090075284A1 (en) * 2006-09-19 2009-03-19 The Regents Of The University Of Michigan Metabolomic profiling of prostate cancer
EP2103940A4 (en) * 2006-12-21 2013-04-24 Ajinomoto Kk METHOD, APPARATUS, METHOD, SYSTEM AND SOFTWARE FOR ASSESSING BREAST CANCER, AND RECORDING MEDIUM
CN101568838A (zh) * 2006-12-21 2009-10-28 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、癌症评估系统、癌症评估程序和记录介质
WO2008075663A1 (ja) * 2006-12-21 2008-06-26 Ajinomoto Co., Inc. 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
US20100173342A1 (en) 2007-05-31 2010-07-08 Weinberger Klaus Michael Biomarker and Method for Determining an Oxidative Stress Level
EP2179292B1 (en) * 2007-08-16 2012-11-28 The Regents of the University of Michigan Metabolomic profiling of prostate cancer
CN101939652B (zh) * 2008-02-06 2015-01-07 味之素株式会社 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
WO2009110517A1 (ja) * 2008-03-04 2009-09-11 味の素株式会社 癌種の評価方法
JP5754136B2 (ja) * 2008-06-20 2015-07-29 味の素株式会社 女性生殖器癌の評価方法、女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価プログラム、記録媒体、女性生殖器癌評価システム、および情報通信端末装置
JP5933432B2 (ja) 2009-06-04 2016-06-08 メタノミクス ヘルス ゲーエムベーハー 前立腺癌を診断する手段と方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
JP2006129513A (ja) * 2005-11-28 2006-05-18 Sony Corp 符号化装置及びその方法、記録装置及びその方法、および、記録媒体
WO2008016111A1 (en) * 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Method for evaluation of lung cancer, lung cancer evaluation apparatus, lung cancer evaluation method, lung cancer evaluation system, lung cancer evaluation program, and recording medium
JP2008075664A (ja) * 2006-09-16 2008-04-03 National Agriculture & Food Research Organization 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
WO2008036691A2 (en) * 2006-09-19 2008-03-27 Metabolon, Inc. Biomarkers for prostate cancer and methods using the same
JP2008075662A (ja) * 2007-12-11 2008-04-03 Hitachi Ltd 内燃機関の可変動弁装置
JP2008075663A (ja) * 2007-12-13 2008-04-03 Honda Motor Co Ltd 内燃機関の吸気管圧力予測方法および装置
JP2009154296A (ja) * 2007-12-25 2009-07-16 Toray Ind Inc 樹脂シート

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SHIMAZAKI J, MATSUOKA M, TAGUCHI I, YAMANAKA H, SHIDA K, FREEAMINO ACIDS IN NORMAL AND TUMOROUS TISS, JPN6013064635, ISSN: 0003060790 *

Also Published As

Publication number Publication date
JP2015148633A (ja) 2015-08-20
US9465031B2 (en) 2016-10-11
JP6551484B2 (ja) 2019-07-31
WO2009154297A1 (ja) 2009-12-23
KR20110027787A (ko) 2011-03-16
JP6269578B2 (ja) 2018-01-31
JP5754137B2 (ja) 2015-07-29
CN102066946B (zh) 2016-08-31
KR101821551B1 (ko) 2018-01-25
CN104330571B (zh) 2017-09-08
CN102066946A (zh) 2011-05-18
JP2018025561A (ja) 2018-02-15
CN104330571A (zh) 2015-02-04
US20110138889A1 (en) 2011-06-16

Similar Documents

Publication Publication Date Title
JP6269578B2 (ja) 取得方法、前立腺疾患評価装置、前立腺疾患評価プログラム及び前立腺疾患評価システム
JP7193020B2 (ja) 取得方法、算出方法、胃癌評価装置、算出装置、胃癌評価プログラム、算出プログラムおよび胃癌評価システム
JP5746811B2 (ja) 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
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
JP6586980B2 (ja) 取得方法、算出方法、女性生殖器癌評価装置、算出装置、女性生殖器癌評価プログラム、算出プログラム及び女性生殖器癌評価システム
JP5746810B2 (ja) 乳癌の評価方法、ならびに乳癌評価装置、乳癌評価方法、乳癌評価システム、乳癌評価プログラムおよび記録媒体
JPWO2008075664A1 (ja) 癌の評価方法、ならびに癌評価装置、癌評価方法、癌評価システム、癌評価プログラムおよび記録媒体
WO2009110517A1 (ja) 癌種の評価方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20120530

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140310

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20140509

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140930

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20141128

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20150428

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150511

R150 Certificate of patent or registration of utility model

Ref document number: 5754137

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250