線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法
【課題】血液中のアミノ酸の濃度のうち線維筋痛症およびうつ病の状態と関連するアミノ酸の濃度を利用して線維筋痛症およびうつ病の状態を精度よく評価することができる線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法を提供することを課題とする。
【解決手段】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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症およびうつ病の状態を評価する。
【解決手段】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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症およびうつ病の状態を評価する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、血液（血漿）中のアミノ酸濃度を利用した線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法に関するものである。
【背景技術】
【０００２】
線維筋痛症は、全身にわたる慢性の痛みを主訴とする非炎症性の疾患であり、患者の運動制限をもたらし社会的活動を大きく損なう。そのため、線維筋痛症の迅速な診断と線維筋痛症への的確な対応が求められている。現状では、血清や尿における確定された診断マーカーは存在しない。また、線維筋痛症は、臨床的に、３ヶ月以上の痛みが持続すること、および診断基準で指定された１８箇所の圧痛点を４ｋｇｆの力で押したときに１１箇所以上痛むこと、などで診断されている。しかし、現状の診断には、３ヶ月以上の観察を必要とするといった問題や、痛みの定量化が困難であり、また痛みが自覚的訴えに依存し、さらに圧痛点によらず医師の主観等で線維筋痛症と診断される可能性があるといった問題、などがある。
【０００３】
ところで、長期に亘る痛み症状には、しばしば気分障害等の精神症状を伴うことが知られ、また抗うつ薬が一定の臨床的効果を示すことも認められている。また、精神科領域でうつ病と診断される患者の中に、疼痛などの身体愁訴を訴える、いわゆる身体化障害を呈する患者が存在することも知られている。
【０００４】
そして、血中アミノ酸の濃度が、線維筋痛症患者やうつ病患者で変化することについては知られている。
【０００５】
例えば、Ｍａｅｓ Ｍら（非特許文献１参照）は、線維筋痛症患者の血漿中にて、バリン、ロイシン、イソロイシン、フェニルアラニン、ＢＣＡＡｓ（バリン、ロイシン、イソロイシンの総和）、ＣＡＡ（バリン、ロイシン、イソロイシン、チロシン、フェニルアラニンの総和）の濃度が減少することを示している。Ｌａｕｒａら（非特許文献２参照）は、線維筋痛症患者の血漿中にて、タウリン、アラニン、チロシン、バリン、メチオニン、フェニルアラニン、スレオニン、必須アミノ酸の総和、トリプトファンのＣＡＡ（バリン、ロイシン、イソロイシン、チロシン、フェニルアラニンの総和）、チロシン／チロシンのＣＡＡ（バリン、ロイシン、イソロイシン、トリプトファン、フェニルアラニンの総和）の濃度が減少することを示している。
【０００６】
また、Ａｌｔａｍｕｒａ Ｃら（非特許文献３参照）は、大うつ病患者の血漿中にて、タウリン、セリン／グリシンの濃度が増加し、グリシンの濃度が減少することを示している。Ｍｉｔａｎｉ Ｈ（非特許文献４参照）らは、大うつ病患者の血漿中にて、タウリン、グリシン、グルタミン、グルタミン酸の濃度が増加することを示している。Ｍａｕｒｉ ＭＣ（非特許文献５、非特許文献６参照）らは、大うつ病患者の血漿中にて、リジン、タウリン、グルタミン酸、チロシン／ＬＮＡＡｓ（バリン、ロイシン、イソロイシン、チロシン、フェニルアラニンの総和）の濃度が増加し、トリプトファン／ＬＮＡＡｓの濃度が減少することを示している。岸本（非特許文献７参照）は、大うつ病患者の血漿中にて、トリプトファン、チロシン、リジン、ロイシン、イソロイシン、フェニルアラニン、メチオニン、アラニン、グルタミン酸、アルギニン、ヒスチジンの濃度が減少することを示している。
【０００７】
また、Ａｌｔａｍｕｒａ Ｃら（非特許文献３参照）は、グリシン、グルタミン酸、タウリンを用いた線形判別式によって大うつ病を判別可能であることを示している。Ｍａｕｒｉ ＭＣ（非特許文献５、非特許文献６参照）らは、チロシン／ＬＮＡＡｓ、トリプトファン／ＬＮＡＡｓが抗うつ剤の薬効指標となり得ることを示している。
【０００８】
さらに、先行特許として、アミノ酸濃度と生体状態とを関連付ける方法に関する特許文献１および特許文献２が公開されており、また、アミノ酸濃度を用いて、抑うつ病または大うつ病を少なくとも含むストレスの状態を評価する方法に関する特許文献３が公開されている。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】国際公開第２００４／０５２１９１号
【特許文献２】国際公開第２００６／０９８１９２号
【特許文献３】国際公開第２００８／０１６１０１号
【非特許文献】
【００１０】
【非特許文献１】Ｍａｅｓ Ｍ， Ｖｅｒｋｅｒｋ Ｒ， Ｄｅｌｍｅｉｒｅ Ｌ， Ｖａｎ Ｇａｓｔｅｌ Ａ， Ｖａｎ Ｈｕｎｓｅｌ Ｆ， Ｓｃｈａｒｐｅ Ｓ（２０００） Ｐｓｙｃｈｉａｔｒｙ Ｒｅｓ．９７（１）． １１−２０．
【非特許文献２】Ｌａｕｒａ Ｂ， Ｌｉｏｎｅｌｌａ Ｐ， Ｇｉｎｏ Ｇ， Ａｌｅｓｓａｎｄｒａ Ｒ， Ｆｒａｎｃｅｓｃａ Ｄ Ｆ， Ｃａｍｉｌｏ Ｇ， Ｌａｕｒａ Ｇ， Ｓｔｅｆａｎｏ Ｂ， Ａｎｔｏｎｉｏ Ｌ（２００９） Ｃｌｉｎｉｃａｌ Ｂｉｏｃｈｅｍｉｓｔｒｙ．［Ｅｐｕｂ ａｈｅａｄ ｏｆ ｐｒｉｎｔ］
【非特許文献３】Ａｌｔａｍｕｒａ Ｃ， Ｍａｅｓ Ｍ， Ｄａｉ Ｊ， Ｍｅｌｔｚｅｒ ＨＹ（１９９５） Ｅｕｒ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ．５． Ｓｕｐｐｌ７１−５．
【非特許文献４】Ｍｉｔａｎｉ Ｈ， Ｓｈｉｒａｙａｍａ Ｙ， Ｙａｍａｄａ Ｔ， Ｍａｅｄａ Ｋ， Ａｓｈｂｙ ＣＲ Ｊｒ， Ｋａｗａｈａｒａ Ｒ （２００６） Ｐｒｏｇ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ． ３０（６）．１１５５−８．
【非特許文献５】Ｍａｕｒｉ ＭＣ， Ｆｅｒｒａｒａ Ａ， Ｂｏｓｃａｔｉ Ｌ， Ｂｒａｖｉｎ Ｓ， Ｚａｍｂｅｒｌａｎ Ｆ， Ａｌｅｃｃｉ Ｍ， Ｉｎｖｅｒｎｉｚｚｉ Ｇ（１９９８） Ｎｅｕｒｏｐｓｙｃｈｏｂｉｏｌｏｇｙ． ３７（３）．１２４−９．
【非特許文献６】Ｍａｕｒｉ ＭＣ， Ｂｏｓｃａｔｉ Ｌ， Ｖｏｌｏｎｔｅｒｉ ＬＳ， Ｓｃａｌｖｉｎｉ ＭＥ， Ｓｔｅｉｎｈｉｌｂｅｒ ＣＰ， Ｌａｉｎｉ Ｖ， Ｚａｍｂｅｒｌａｎ Ｆ （２００１） Ｎｅｕｒｏｐｓｙｃｈｏｂｉｏｌｏｇｙ．４４（３）．１３４−８．
【非特許文献７】岸本英爾（１９９３），脳と精神の医学，第４巻，第２号，１９９３年４月．
【発明の概要】
【発明が解決しようとする課題】
【００１１】
しかしながら、線維筋痛症とうつ病との鑑別もしくはオーバーラップについては、臨床のみならず病因論的にも未だ困難であるという問題点がある。また、特許文献１、特許文献２および特許文献３に開示されている指標式群で線維筋痛症およびうつ病の状態を評価しても、十分な精度を得ることができないという問題点がある。
【００１２】
本発明は、上記問題点に鑑みてなされたもので、血液中のアミノ酸の濃度のうち線維筋痛症およびうつ病の状態と関連するアミノ酸の濃度を利用して線維筋痛症およびうつ病の状態を精度よく評価することができる線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法を提供することを目的とする。
【課題を解決するための手段】
【００１３】
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、線維筋痛症患者とうつ病患者の診断に対して、より特異的なアミノ酸変数を初めて探索・同定する（換言すると、線維筋痛症患者とうつ病患者とで、血漿中アミノ酸パターンに差異があることを初めて見出す）と共に同定したアミノ酸がこれら疾患の鑑別において有用である可能性を示し、さら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）がこれら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。血漿中アミノ酸濃度の測定は迅速且つ定量的に行えるため、血漿中アミノ酸濃度から算出した指標式は公知技術の問題点を解決できる。また、これらの知見から、慢性疼痛とアミノ酸の病因論的意義が示されたことより、今後、新たな疼痛治療薬の開発につながる可能性がある。
【００１４】
すなわち、上述した課題を解決し、目的を達成するために、本発明にかかる線維筋痛症とうつ病の評価方法は、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Ｐｒｏ，ＡＢＡ（ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ，アミノ酪酸），Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症およびうつ病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。
【００１５】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群またはうつ病患者群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。
【００１６】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップとをさらに含むことを特徴とする。
【００１７】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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、線維筋痛症患者群またはうつ病患者群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。
【００１８】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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。
【００１９】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓ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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００２０】
また、本発明にかかる線維筋痛症・うつ病評価装置は、制御手段と記憶手段とを備え、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価装置であって、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価手段とを備えたことを特徴とする。
【００２１】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、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、線維筋痛症患者群またはうつ病患者群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。
【００２２】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、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。
【００２３】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、前記多変量判別式は、数式１の前記分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓ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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００２４】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、前記制御手段は、前記アミノ酸濃度データと前記線維筋痛症および前記うつ病の前記状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む前記記憶手段で記憶した線維筋痛症・うつ病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、前記線維筋痛症・うつ病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線維筋痛症・うつ病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。
【００２５】
また、本発明にかかる線維筋痛症・うつ病評価方法は、制御手段と記憶手段とを備えた情報処理装置において実行される、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価方法であって、前記制御手段において実行される、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップとを含むことを特徴とする。
【００２６】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、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、線維筋痛症患者群またはうつ病患者群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。
【００２７】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、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。
【００２８】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、前記多変量判別式は、数式１の前記分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓ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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００２９】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、前記制御手段において実行される、前記アミノ酸濃度データと前記線維筋痛症および前記うつ病の前記状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む前記記憶手段で記憶した線維筋痛症・うつ病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含み、前記多変量判別式作成ステップは、前記線維筋痛症・うつ病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線維筋痛症・うつ病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。
【００３０】
また、本発明にかかる線維筋痛症・うつ病評価システムは、制御手段と記憶手段とを備え、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価装置と、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線維筋痛症・うつ病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線維筋痛症・うつ病評価装置へ送信するアミノ酸濃度データ送信手段と、前記線維筋痛症・うつ病評価装置から送信された前記線維筋痛症および前記うつ病の前記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、前記線維筋痛症・うつ病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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記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、を備えたことを特徴とする。
【００３１】
また、本発明にかかる線維筋痛症・うつ病評価プログラムは、制御手段と記憶手段とを備えた情報処理装置において実行させるための、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価プログラムであって、前記制御手段において実行させるための、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップとを含むことを特徴とする。
【００３２】
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、前記に記載の線維筋痛症・うつ病評価プログラムを記録したことを特徴とする。
【発明の効果】
【００３３】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症およびうつ病の状態を評価する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症およびうつ病の状態と関連するアミノ酸の濃度を利用して線維筋痛症およびうつ病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。
【００３４】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症患者群またはうつ病患者群であるか否かを判別する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症患者群とうつ病患者群の２群判別に有用なアミノ酸の濃度を利用して当該判別を精度よく行うことができるという効果を奏する。
【００３５】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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多変量判別式であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症およびうつ病の状態を評価する。これにより、線維筋痛症およびうつ病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線維筋痛症およびうつ病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。
【００３６】
また、本発明によれば、判別値に基づいて評価対象につき線維筋痛症患者群またはうつ病患者群であるか否かを判別する。これにより、線維筋痛症患者群とうつ病患者群の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当該判別を精度よく行うことができるという効果を奏する。
【００３７】
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。これにより、線維筋痛症患者群とうつ病患者群の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。
【００３８】
また、本発明によれば、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式である。これにより、線維筋痛症患者群とうつ病患者群の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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００３９】
また、本発明によれば、アミノ酸濃度データと線維筋痛症およびうつ病の状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む記憶手段で記憶した線維筋痛症・うつ病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）線維筋痛症・うつ病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線維筋痛症・うつ病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）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（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選出することで多変量判別式を作成する。これにより、線維筋痛症およびうつ病の状態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。
【００４０】
また、本発明によれば、当該記録媒体に記録された線維筋痛症・うつ病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線維筋痛症・うつ病評価プログラムを実行させるので、前記と同様の効果を得ることができるという効果を奏する。
【００４１】
なお、本発明は、線維筋痛症およびうつ病の状態を評価する際（具体的には、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、アミノ酸の濃度以外に、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。また、本発明は、線維筋痛症およびうつ病の状態を評価する際（具体的には、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。
【図面の簡単な説明】
【００４２】
【図１】図１は、本発明の基本原理を示す原理構成図である。
【図２】図２は、第１実施形態にかかる線維筋痛症とうつ病の評価方法の一例を示すフローチャートである。
【図３】図３は、本発明の基本原理を示す原理構成図である。
【図４】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】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】図６は、本システムの線維筋痛症・うつ病評価装置１００の構成の一例を示すブロック図である。
【図７】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】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】図９は、線維筋痛症・うつ病状態情報ファイル１０６ｃに格納される情報の一例を示す図である。
【図１０】図１０は、指定線維筋痛症・うつ病状態情報ファイル１０６ｄに格納される情報の一例を示す図である。
【図１１】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】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】図１３は、選択線維筋痛症・うつ病状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。
【図１４】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】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】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】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】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】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】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】図２１は、本システムで行う線維筋痛症・うつ病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】図２２は、本システムの線維筋痛症・うつ病評価装置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】図２３は、線維筋痛症患者群とうつ病患者群のアミノ酸変数の分布を示す図である。
【図２４】図２４は、指標式１と同等の判別性能を有する多変量判別式の一覧を示す図である。
【図２５】図２５は、指標式１と同等の判別性能を有する多変量判別式の一覧を示す図である。
【図２６】図２６は、線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【図２７】図２７は、線維筋痛症患者群とうつ病患者群における指標式１の値の分布を示す図である。
【図２８】図２８は、曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率を示す図である。
【図２９】図２９は、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の一覧を示す図である。
【図３０】図３０は、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の一覧を示す図である。
【図３１】図３１は、線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【図３２】図３２は、線維筋痛症患者群とうつ病患者群における指標式２の値の分布を示す図である。
【図３３】図３３は、曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率を示す図である。
【図３４】図３４は、指標式３と同等の判別性能を有する線形判別関数の一覧を示す図である。
【図３５】図３５は、指標式３と同等の判別性能を有する線形判別関数の一覧を示す図である。
【図３６】図３６は、線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【図３７】図３７は、線維筋痛症患者群とうつ病患者群における指標式３の値の分布を示す図である。
【図３８】図３８は、曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率を示す図である。
【図３９】図３９は、単一アミノ酸による線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【発明を実施するための形態】
【００４３】
以下に、本発明にかかる線維筋痛症とうつ病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線維筋痛症・うつ病評価装置、線維筋痛症・うつ病評価方法、線維筋痛症・うつ病評価システム、線維筋痛症・うつ病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。
【００４４】
［第１実施形態］
［１−１．本発明の概要］
ここでは、本発明にかかる線維筋痛症とうつ病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。
【００４５】
まず、評価対象（例えば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。
【００４６】
つぎに、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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価する（ステップＳ−１２）。
【００４７】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症および／またはうつ病の状態と関連するアミノ酸の濃度を利用して線維筋痛症および／またはうつ病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。
【００４８】
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、線維筋痛症および／またはうつ病の状態評価をさらに精度よく評価することができる。
【００４９】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。具体的には、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、評価対象につき、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群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線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別に有用なアミノ酸の濃度を利用してこれらの判別を精度よく行うことができる。
【００５０】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価してもよい。これにより、線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病の状態を精度よく評価することができる。
【００５１】
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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【００５２】
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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００５３】
また、上記した各多変量判別式は、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線維筋痛症および／またはうつ病の状態評価に好適に用いることができる。
【００５４】
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は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。
【００５５】
また、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。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。
【００５６】
そして、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、アミノ酸の濃度以外に、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。また、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。
【００５７】
［１−２．第１実施形態にかかる線維筋痛症とうつ病の評価方法］
ここでは、第１実施形態にかかる線維筋痛症とうつ病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実施形態にかかる線維筋痛症とうつ病の評価方法の一例を示すフローチャートである。
【００５８】
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。
【００５９】
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）。
【００６０】
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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する（ステップＳＡ−１３）。
【００６１】
［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実施形態にかかる線維筋痛症とうつ病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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別に有用なアミノ酸の濃度を利用してこれらの判別を精度よく行うことができる。
【００６２】
ここで、ステップＳＡ−１３において、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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【００６３】
なお、ステップＳＡ−１３において、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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００６４】
［第２実施形態］
［２−１．本発明の概要］
ここでは、本発明にかかる線維筋痛症・うつ病評価装置、線維筋痛症・うつ病評価方法、線維筋痛症・うつ病評価システム、線維筋痛症・うつ病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。
【００６５】
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の個体）のアミノ酸濃度データに含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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する記憶部で記憶した多変量判別式であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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）。
【００６６】
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線維筋痛症および／またはうつ病の状態を評価する（ステップＳ−２２）。
【００６７】
以上、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価する。これにより、線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病の状態を精度よく評価することができる。
【００６８】
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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【００６９】
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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００７０】
また、上記した各多変量判別式は、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、線維筋痛症および／またはうつ病の状態評価に好適に用いることができる。
【００７１】
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は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。
【００７２】
また、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。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。
【００７３】
そして、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、アミノ酸の濃度以外に、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。また、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。
【００７４】
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。
【００７５】
まず、本発明は、制御部で、アミノ酸濃度データと線維筋痛症および／またはうつ病の状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む記憶部で記憶した線維筋痛症・うつ病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：線維筋痛症・うつ病状態指標データ、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、線維筋痛症・うつ病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。
【００７６】
なお、工程１において、線維筋痛症・うつ病状態情報から、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、多数の健常群ならびに線維筋痛症患者群および／またはうつ病患者群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線維筋痛症・うつ病状態指標データから構成される多変量データである線維筋痛症・うつ病状態情報に対して、複数の異なるアルゴリズムを利用して複数群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線維筋痛症・うつ病状態情報を変換し、変換した線維筋痛症・うつ病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。
【００７７】
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。
【００７８】
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。
【００７９】
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、線維筋痛症・うつ病状態情報や診断条件を考慮した予測性または頑健性の高い候補多変量判別式を作成することができる。
【００８０】
ここで、判別率とは、全入力データの中で、本発明で評価した線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病の状態になっているものの中で、本発明で評価した線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病が正常になっているものの中で、本発明で評価した線維筋痛症および／またはうつ病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、本発明で評価した線維筋痛症および／またはうつ病の状態および入力データに記載された線維筋痛症および／またはうつ病の状態の差異と、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、頑健性とは、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。
【００８１】
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線維筋痛症・うつ病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線維筋痛症・うつ病状態情報を用いて再び工程１を実行する。
【００８２】
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。
【００８３】
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。
【００８４】
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。
【００８５】
以上、説明したように、多変量判別式作成処理では、線維筋痛症・うつ病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、線維筋痛症および／またはうつ病の状態評価に最適な多変量判別式を作成することができる。換言すると、多変量判別式作成処理では、アミノ酸濃度を多変量の統計解析に用い、最適でロバストな変数の組を選択するために変数選択法とクロスバリデーションとを組み合わせて、診断性能の高い多変量判別式を抽出する。多変量判別式としては、ロジスティック回帰、線形判別、サポートベクターマシン、マハラノビス距離法、重回帰分析、クラスター解析などを用いることができる。
【００８６】
［２−２．システム構成］
ここでは、第２実施形態にかかる線維筋痛症・うつ病評価システム（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。
【００８７】
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、線維筋痛症および／またはうつ病の状態を評価する線維筋痛症・うつ病評価装置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クライアント装置２００（本発明の情報通信端末装置に相当）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。
【００８８】
なお、本システムは、図５に示すように、線維筋痛症・うつ病評価装置１００やクライアント装置２００の他に、線維筋痛症・うつ病評価装置１００で多変量判別式を作成する際に用いる線維筋痛症・うつ病状態情報や、線維筋痛症および／またはうつ病の状態評価を行う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、線維筋痛症・うつ病評価装置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から線維筋痛症・うつ病評価装置１００へ、線維筋痛症および／またはうつ病の状態に関する情報などが提供される。ここで、線維筋痛症および／またはうつ病の状態に関する情報とは、ヒトを含む生物の線維筋痛症および／またはうつ病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、線維筋痛症および／またはうつ病の状態に関する情報は、線維筋痛症・うつ病評価装置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。
【００８９】
つぎに、本システムの線維筋痛症・うつ病評価装置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、本システムの線維筋痛症・うつ病評価装置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。
【００９０】
線維筋痛症・うつ病評価装置１００は、当該線維筋痛症・うつ病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線維筋痛症・うつ病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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【００９１】
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、線維筋痛症・うつ病状態情報ファイル１０６ｃと、指定線維筋痛症・うつ病状態情報ファイル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。
【００９２】
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。
【００９３】
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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）を組み合わせてもよい。
【００９４】
図６に戻り、線維筋痛症・うつ病状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる線維筋痛症・うつ病状態情報を格納する。図９は、線維筋痛症・うつ病状態情報ファイル１０６ｃに格納される情報の一例を示す図である。線維筋痛症・うつ病状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、線維筋痛症および／またはうつ病の状態を表す指標（指標Ｔ１、指標Ｔ２、指標Ｔ３・・・）に関する線維筋痛症・うつ病状態指標データ（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、線維筋痛症・うつ病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、線維筋痛症・うつ病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、線維筋痛症・うつ病状態指標データは、線維筋痛症および／またはうつ病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。
【００９５】
図６に戻り、指定線維筋痛症・うつ病状態情報ファイル１０６ｄは、後述する線維筋痛症・うつ病状態情報指定部１０２ｇで指定した線維筋痛症・うつ病状態情報を格納する。図１０は、指定線維筋痛症・うつ病状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定線維筋痛症・うつ病状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した線維筋痛症・うつ病状態指標データと、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。
【００９６】
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線維筋痛症・うつ病状態情報を格納する選択線維筋痛症・うつ病状態情報ファイル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。
【００９７】
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。
【００９８】
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。
【００９９】
図６に戻り、選択線維筋痛症・うつ病状態情報ファイル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線維筋痛症・うつ病状態情報を格納する。図１３は、選択線維筋痛症・うつ病状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択線維筋痛症・うつ病状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する線維筋痛症・うつ病状態情報指定部１０２ｇで指定した線維筋痛症・うつ病状態指標データと、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。
【０１００】
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。
【０１０１】
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。
【０１０２】
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、線維筋痛症および／またはうつ病の状態評価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。
【０１０３】
通信インターフェース部１０４は、線維筋痛症・うつ病評価装置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。
【０１０４】
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。
【０１０５】
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と線維筋痛症・うつ病状態情報指定部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から送信された線維筋痛症・うつ病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。
【０１０６】
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。
【０１０７】
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線維筋痛症・うつ病状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。線維筋痛症・うつ病状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする線維筋痛症・うつ病状態指標データおよびアミノ酸濃度データを指定する。
【０１０８】
多変量判別式作成部１０２ｈは、受信部１０２ｆで受信した線維筋痛症・うつ病状態情報や線維筋痛症・うつ病状態情報指定部１０２ｇで指定した線維筋痛症・うつ病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、線維筋痛症・うつ病状態情報から、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。
【０１０９】
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。
【０１１０】
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、線維筋痛症・うつ病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、線維筋痛症・うつ病状態情報から、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線維筋痛症・うつ病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。
【０１１１】
図６に戻り、判別値算出部１０２ｉは、多変量判別式作成部１０２ｈで作成した多変量判別式（例えば、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式）、および受信部１０２ｆで受信した評価対象のアミノ酸濃度データ（例えば、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値）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。
【０１１２】
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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【０１１３】
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線維筋痛症および／またはうつ病の状態を評価する。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、判別値に基づいて、評価対象につき、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する。具体的には、判別値基準判別部１０２ｊ１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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する。
【０１１４】
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。
【０１１５】
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、線維筋痛症・うつ病評価装置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。
【０１１６】
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。
【０１１７】
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。
【０１１８】
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、線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置１００へ送信する。
【０１１９】
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。
【０１２０】
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線維筋痛症・うつ病評価装置１００にアクセスすることができる。
【０１２１】
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、線維筋痛症・うつ病評価装置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。
【０１２２】
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。
【０１２３】
データベース装置４００は、線維筋痛症・うつ病評価装置１００または当該データベース装置で多変量判別式を作成する際に用いる線維筋痛症・うつ病状態情報や、線維筋痛症・うつ病評価装置１００で作成した多変量判別式、線維筋痛症・うつ病評価装置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。
【０１２４】
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。
【０１２５】
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。
【０１２６】
要求解釈部４０２ａは、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病状態情報や多変量判別式などの各種情報を、線維筋痛症・うつ病評価装置１００へ送信する。
【０１２７】
［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線維筋痛症・うつ病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、線維筋痛症・うつ病評価サービス処理の一例を示すフローチャートである。
【０１２８】
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。
【０１２９】
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を介して線維筋痛症・うつ病評価装置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は線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置１００へ行う。
【０１３０】
つぎに、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１３１】
つぎに、クライアント装置２００は、線維筋痛症・うつ病評価装置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。
【０１３２】
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線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置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。
【０１３３】
つぎに、線維筋痛症・うつ病評価装置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、線維筋痛症および／またはうつ病の状態評価用の多変量判別式（具体的には、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別用の多変量判別式、線維筋痛症患者群とうつ病患者群の２群判別用の多変量判別式）の送信要求をデータベース装置４００へ行う。
【０１３４】
つぎに、データベース装置４００は、要求解釈部４０２ａで、線維筋痛症・うつ病評価装置１００からの送信要求を解釈し、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む記憶部４０６の所定の記憶領域に格納した多変量判別式（例えばアップデートされた最新の多変量判別式）を線維筋痛症・うつ病評価装置１００へ送信する（ステップＳＡ−２２）。
【０１３５】
ここで、ステップＳＡ−２２において、線維筋痛症・うつ病評価装置１００へ送信する多変量判別式は、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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【０１３６】
つぎに、線維筋痛症・うつ病評価装置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）。
【０１３７】
つぎに、線維筋痛症・うつ病評価装置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）。
【０１３８】
つぎに、線維筋痛症・うつ病評価装置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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値およびステップＳＡ−２３で受信した多変量判別式に基づいて判別値を算出する（ステップＳＡ−２５）。
【０１３９】
つぎに、線維筋痛症・うつ病評価装置１００は、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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別し、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）。
【０１４０】
つぎに、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置１００へ送信する。ついで、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１４１】
ここで、ステップＳＡ−２７において、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１４２】
また、ステップＳＡ−２７において、線維筋痛症・うつ病評価装置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。
【０１４３】
図２１の説明に戻り、データベース装置４００は、制御部４０２で、線維筋痛症・うつ病評価装置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）。
【０１４４】
また、クライアント装置２００は、受信部２１３で、線維筋痛症・うつ病評価装置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、判別結果が線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１４５】
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、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別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。
【０１４６】
また、判別結果が線維筋痛症・うつ病評価装置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、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別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。
【０１４７】
これにて、線維筋痛症・うつ病評価サービス処理の説明を終了する。
【０１４８】
［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、線維筋痛症・うつ病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線維筋痛症・うつ病評価装置１００へ送信し、データベース装置４００は線維筋痛症・うつ病評価装置１００からの要求を受けて、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別用または線維筋痛症患者群とうつ病患者群の２群判別用の多変量判別式を線維筋痛症・うつ病評価装置１００へ送信する。そして、線維筋痛症・うつ病評価装置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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別し、（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は線維筋痛症・うつ病評価装置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は線維筋痛症・うつ病評価装置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、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【０１４９】
ここで、線維筋痛症・うつ病評価システムによれば、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つでもよい。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【０１５０】
また、本発明にかかる線維筋痛症・うつ病評価装置、線維筋痛症・うつ病評価方法、線維筋痛症・うつ病評価システム、線維筋痛症・うつ病評価プログラムおよび記録媒体は、上述した第２実施形態以外にも、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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１５１】
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、必要に応じて線維筋痛症・うつ病評価装置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。
【０１５２】
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。
【０１５３】
最後に、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病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。
【０１５４】
なお、本説明では、線維筋痛症・うつ病評価装置１００は、データベース装置４００から事前に取得した線維筋痛症・うつ病状態情報を、線維筋痛症・うつ病状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、線維筋痛症・うつ病評価装置１００は、線維筋痛症・うつ病状態情報指定部１０２ｇで事前に指定した線維筋痛症・うつ病状態指標データおよびアミノ酸濃度データを含む線維筋痛症・うつ病状態情報を、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納しているものとする。
【０１５５】
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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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、線維筋痛症・うつ病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線維筋痛症・うつ病状態情報を変換し、変換した線維筋痛症・うつ病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。
【０１５６】
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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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、線維筋痛症・うつ病状態情報や診断条件を考慮した予測性または頑健性の高い候補指標式を選択することができる。
【０１５７】
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線維筋痛症・うつ病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線維筋痛症・うつ病状態情報を選択線維筋痛症・うつ病状態情報ファイル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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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。
【０１５８】
つぎに、多変量判別式作成部１０２ｈは、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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。
【０１５９】
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。
【０１６０】
これにて、多変量判別式作成処理の説明を終了する。
【実施例１】
【０１６１】
線維筋痛症患者群とうつ病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。線維筋痛症患者群とうつ病患者群のアミノ酸変数の分布を図２３に示す。図２３において、“１”はうつ病患者群におけるアミノ酸変数の分布を示し、“２”は線維筋痛症患者群におけるアミノ酸変数の分布を示す。線維筋痛症患者群とうつ病患者群の診断を目的に２群間のｔ検定を実施した。
【０１６２】
うつ病患者群に比べて線維筋痛症患者群では、Ｐｒｏ，ＡＢＡ，Ｏｒｎが有意に減少した。これにより、アミノ酸変数Ｐｒｏ，ＡＢＡ，Ｏｒｎが線維筋痛症患者群とうつ病患者群の２群間の判別能を持つことが判明した。
【実施例２】
【０１６３】
実施例１で用いたサンプルデータを用いた。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、線維筋痛症患者群とうつ病患者群の２群判別性能を最大化する指標を鋭意探索した。その結果、同等の性能を持つ複数の指標の中に指標式１が得られた。また、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および図２５に示す。なお、図２４および図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：−４．４７５×（ＡＢＡ／Ｓｅｒ）−０．５３２７（Ｈｉｓ／Ｔｒｐ）＋０．４７６９（Ｌｙｓ／Ｏｒｎ）＋１．８４６
【０１６４】
線維筋痛症患者群とうつ病患者群の２群判別に関する指標式１の診断性能をＲＯＣ曲線（図２６）の曲線下面積で評価した。その結果、０．９７３±０．０２６（９５％信頼区間は０．９２１〜１．０００）の曲線下面積が得られた。また、指標式１による線維筋痛症患者群とうつ病患者群の２群判別の最適なカットオフ値を線維筋痛症患者群のうつ病患者群に対する有症率を４０％として求めると、カットオフ値が１．４０３となり、感度１００．０００％、特異度９５．４５４％、陽性適中９３．６１７％、陰性適中率１００．０００％、正診率９７．２７３％が得られた。この結果、指標式１は、診断性能の高い有用な指標であることが判明した。
【０１６５】
線維筋痛症患者群とうつ病患者群における指標式１の値の分布を図２７に示す。図２７において、“１”はうつ病患者群における指標式１の値の分布を示し、“２”は線維筋痛症患者群における指標式１の値の分布を示す。さらに、ＲＯＣ曲線の曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率（図２８）を導出したところ、Ｓｅｒ，ＡＢＡ，Ｌｙｓ，Ｏｒｎといったアミノ酸は上位１０００の半数以上の指標式中に出現していた。この結果、線維筋痛症患者群とうつ病患者群におけるこれらアミノ酸濃度の差異が、それぞれの診断に大きく寄与していることが判明した。
【実施例３】
【０１６６】
実施例１で用いたサンプルデータを用いた。線維筋痛症患者群とうつ病患者群の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、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓから構成されるロジスティック回帰式（アミノ酸変数Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓの数係数と定数項は順に、０．０８１、−０．４７９、０．２１８、−０．２６５、０．１０３、−１０．９６０）が得られた。また、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２９および図３０に示す。なお、図２９および図３０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。
【０１６７】
線維筋痛症患者群とうつ病患者群の２群判別に関する指標式２の診断性能をＲＯＣ曲線（図３１）の曲線下面積で評価した。その結果、０．９６４±０．０３０（９５％信頼区間は０．９０４〜１．０００）の曲線下面積が得られた。また、指標式２による線維筋痛症患者群とうつ病患者群の２群判別の最適なカットオフ値を線維筋痛症患者群のうつ病患者群に対する有症率を４０%として求めると、カットオフ値が０．４３０となり、感度９３．３３３％、特異度９５．４５５％、陽性適中９３．１９２％、陰性適中率９５．５１１％、正診率９４．６０６％が得られた。この結果、指標式２は、診断性能の高い有用な指標であることが判明した。
【０１６８】
線維筋痛症患者群とうつ病患者群における指標式２の値の分布を図３２に示す。図３２において、“１”はうつ病患者群における指標式２の値の分布を示し、“２”は線維筋痛症患者群における指標式２の値の分布を示す。さらに、ＲＯＣ曲線の曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率（図３３）を導出したところ、ＡＢＡ，Ｌｙｓ，Ｏｒｎといったアミノ酸は上位１０００の半数以上の指標式中に出現していた。この結果、線維筋痛症患者群とうつ病患者群におけるこれらアミノ酸濃度の差異が、それぞれの診断に大きく寄与していることが判明した。
【実施例４】
【０１６９】
実施例１で用いたサンプルデータを用いた。線維筋痛症患者群とうつ病患者群の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、Ｓｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓから構成される線形判別関数（アミノ酸変数Ｓｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓの数係数と定数項は順に０．１７１、０．１５０、−０．０６７、−０．８３０、−０．４７１、０．１８３、１．２０８）が得られた。また、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３４および図３５に示す。なお、図３４および図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。
【０１７０】
線維筋痛症患者群とうつ病患者群の２群判別に関する指標式３の診断性能をＲＯＣ曲線（図３６）の曲線下面積で評価した。その結果、０．９７６±０．０２５（９５％信頼区間は０．９２８〜１．０００）の曲線下面積が得られた。また、指標式３による線維筋痛症患者群とうつ病患者群の２群判別の最適なカットオフ値を線維筋痛症患者群のうつ病患者群に対する有症率を４０%として求めると、カットオフ値が０．９５１となり、感度９３．３３３％、特異度１００．０００％、陽性適中１００．０００％、陰性適中率９３．７５０％、正診率９６．６６７％が得られた。この結果、指標式３は、診断性能の高い有用な指標であることが判明した。
【０１７１】
線維筋痛症患者群とうつ病患者群における指標式３の値の分布を図３７に示す。図３７において、“１”はうつ病患者群における指標式３の値の分布を示し、“２”は線維筋痛症患者群における指標式３の値の分布を示す。さらに、ＲＯＣ曲線の曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率（図３８）を導出したところ、ＡＢＡ，Ｌｙｓ，Ｏｒｎといったアミノ酸は上位１０００の半数以上の指標式中に出現していた。この結果、線維筋痛症患者群とうつ病患者群におけるこれらアミノ酸濃度の差異が、それぞれの診断に大きく寄与していることが判明した。
【実施例５】
【０１７２】
実施例１で用いたサンプルデータを用いた。単一アミノ酸による線維筋痛症患者群とうつ病患者群の診断性能（線維筋痛症患者群とうつ病患者群の２群判別性能）をＲＯＣ曲線の曲線下面積（図３９）で評価した。その結果、Ｏｒｎ，Ｐｒｏ，ＡＢＡ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，ＭｅｔはＲＯＣ曲線の曲線下面積が０．６０以上であり、これらのアミノ酸が線維筋痛症患者群とうつ病患者群の２群間の判別能を持つことが判明した。
【産業上の利用可能性】
【０１７３】
以上のように、本発明にかかる線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法は、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、線維筋痛症およびうつ病の状態進行予測や疾病リスク予測やプロテオームやメタボローム解析などを行うバイオインフォマティクス分野において極めて有用である。
【符号の説明】
【０１７４】
１００ 線維筋痛症・うつ病評価装置
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 線維筋痛症・うつ病状態情報指定部
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 線維筋痛症・うつ病状態情報ファイル
１０６ｄ 指定線維筋痛症・うつ病状態情報ファイル
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 選択線維筋痛症・うつ病状態情報ファイル
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
【技術分野】
【０００１】
本発明は、血液（血漿）中のアミノ酸濃度を利用した線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法に関するものである。
【背景技術】
【０００２】
線維筋痛症は、全身にわたる慢性の痛みを主訴とする非炎症性の疾患であり、患者の運動制限をもたらし社会的活動を大きく損なう。そのため、線維筋痛症の迅速な診断と線維筋痛症への的確な対応が求められている。現状では、血清や尿における確定された診断マーカーは存在しない。また、線維筋痛症は、臨床的に、３ヶ月以上の痛みが持続すること、および診断基準で指定された１８箇所の圧痛点を４ｋｇｆの力で押したときに１１箇所以上痛むこと、などで診断されている。しかし、現状の診断には、３ヶ月以上の観察を必要とするといった問題や、痛みの定量化が困難であり、また痛みが自覚的訴えに依存し、さらに圧痛点によらず医師の主観等で線維筋痛症と診断される可能性があるといった問題、などがある。
【０００３】
ところで、長期に亘る痛み症状には、しばしば気分障害等の精神症状を伴うことが知られ、また抗うつ薬が一定の臨床的効果を示すことも認められている。また、精神科領域でうつ病と診断される患者の中に、疼痛などの身体愁訴を訴える、いわゆる身体化障害を呈する患者が存在することも知られている。
【０００４】
そして、血中アミノ酸の濃度が、線維筋痛症患者やうつ病患者で変化することについては知られている。
【０００５】
例えば、Ｍａｅｓ Ｍら（非特許文献１参照）は、線維筋痛症患者の血漿中にて、バリン、ロイシン、イソロイシン、フェニルアラニン、ＢＣＡＡｓ（バリン、ロイシン、イソロイシンの総和）、ＣＡＡ（バリン、ロイシン、イソロイシン、チロシン、フェニルアラニンの総和）の濃度が減少することを示している。Ｌａｕｒａら（非特許文献２参照）は、線維筋痛症患者の血漿中にて、タウリン、アラニン、チロシン、バリン、メチオニン、フェニルアラニン、スレオニン、必須アミノ酸の総和、トリプトファンのＣＡＡ（バリン、ロイシン、イソロイシン、チロシン、フェニルアラニンの総和）、チロシン／チロシンのＣＡＡ（バリン、ロイシン、イソロイシン、トリプトファン、フェニルアラニンの総和）の濃度が減少することを示している。
【０００６】
また、Ａｌｔａｍｕｒａ Ｃら（非特許文献３参照）は、大うつ病患者の血漿中にて、タウリン、セリン／グリシンの濃度が増加し、グリシンの濃度が減少することを示している。Ｍｉｔａｎｉ Ｈ（非特許文献４参照）らは、大うつ病患者の血漿中にて、タウリン、グリシン、グルタミン、グルタミン酸の濃度が増加することを示している。Ｍａｕｒｉ ＭＣ（非特許文献５、非特許文献６参照）らは、大うつ病患者の血漿中にて、リジン、タウリン、グルタミン酸、チロシン／ＬＮＡＡｓ（バリン、ロイシン、イソロイシン、チロシン、フェニルアラニンの総和）の濃度が増加し、トリプトファン／ＬＮＡＡｓの濃度が減少することを示している。岸本（非特許文献７参照）は、大うつ病患者の血漿中にて、トリプトファン、チロシン、リジン、ロイシン、イソロイシン、フェニルアラニン、メチオニン、アラニン、グルタミン酸、アルギニン、ヒスチジンの濃度が減少することを示している。
【０００７】
また、Ａｌｔａｍｕｒａ Ｃら（非特許文献３参照）は、グリシン、グルタミン酸、タウリンを用いた線形判別式によって大うつ病を判別可能であることを示している。Ｍａｕｒｉ ＭＣ（非特許文献５、非特許文献６参照）らは、チロシン／ＬＮＡＡｓ、トリプトファン／ＬＮＡＡｓが抗うつ剤の薬効指標となり得ることを示している。
【０００８】
さらに、先行特許として、アミノ酸濃度と生体状態とを関連付ける方法に関する特許文献１および特許文献２が公開されており、また、アミノ酸濃度を用いて、抑うつ病または大うつ病を少なくとも含むストレスの状態を評価する方法に関する特許文献３が公開されている。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】国際公開第２００４／０５２１９１号
【特許文献２】国際公開第２００６／０９８１９２号
【特許文献３】国際公開第２００８／０１６１０１号
【非特許文献】
【００１０】
【非特許文献１】Ｍａｅｓ Ｍ， Ｖｅｒｋｅｒｋ Ｒ， Ｄｅｌｍｅｉｒｅ Ｌ， Ｖａｎ Ｇａｓｔｅｌ Ａ， Ｖａｎ Ｈｕｎｓｅｌ Ｆ， Ｓｃｈａｒｐｅ Ｓ（２０００） Ｐｓｙｃｈｉａｔｒｙ Ｒｅｓ．９７（１）． １１−２０．
【非特許文献２】Ｌａｕｒａ Ｂ， Ｌｉｏｎｅｌｌａ Ｐ， Ｇｉｎｏ Ｇ， Ａｌｅｓｓａｎｄｒａ Ｒ， Ｆｒａｎｃｅｓｃａ Ｄ Ｆ， Ｃａｍｉｌｏ Ｇ， Ｌａｕｒａ Ｇ， Ｓｔｅｆａｎｏ Ｂ， Ａｎｔｏｎｉｏ Ｌ（２００９） Ｃｌｉｎｉｃａｌ Ｂｉｏｃｈｅｍｉｓｔｒｙ．［Ｅｐｕｂ ａｈｅａｄ ｏｆ ｐｒｉｎｔ］
【非特許文献３】Ａｌｔａｍｕｒａ Ｃ， Ｍａｅｓ Ｍ， Ｄａｉ Ｊ， Ｍｅｌｔｚｅｒ ＨＹ（１９９５） Ｅｕｒ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ．５． Ｓｕｐｐｌ７１−５．
【非特許文献４】Ｍｉｔａｎｉ Ｈ， Ｓｈｉｒａｙａｍａ Ｙ， Ｙａｍａｄａ Ｔ， Ｍａｅｄａ Ｋ， Ａｓｈｂｙ ＣＲ Ｊｒ， Ｋａｗａｈａｒａ Ｒ （２００６） Ｐｒｏｇ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ． ３０（６）．１１５５−８．
【非特許文献５】Ｍａｕｒｉ ＭＣ， Ｆｅｒｒａｒａ Ａ， Ｂｏｓｃａｔｉ Ｌ， Ｂｒａｖｉｎ Ｓ， Ｚａｍｂｅｒｌａｎ Ｆ， Ａｌｅｃｃｉ Ｍ， Ｉｎｖｅｒｎｉｚｚｉ Ｇ（１９９８） Ｎｅｕｒｏｐｓｙｃｈｏｂｉｏｌｏｇｙ． ３７（３）．１２４−９．
【非特許文献６】Ｍａｕｒｉ ＭＣ， Ｂｏｓｃａｔｉ Ｌ， Ｖｏｌｏｎｔｅｒｉ ＬＳ， Ｓｃａｌｖｉｎｉ ＭＥ， Ｓｔｅｉｎｈｉｌｂｅｒ ＣＰ， Ｌａｉｎｉ Ｖ， Ｚａｍｂｅｒｌａｎ Ｆ （２００１） Ｎｅｕｒｏｐｓｙｃｈｏｂｉｏｌｏｇｙ．４４（３）．１３４−８．
【非特許文献７】岸本英爾（１９９３），脳と精神の医学，第４巻，第２号，１９９３年４月．
【発明の概要】
【発明が解決しようとする課題】
【００１１】
しかしながら、線維筋痛症とうつ病との鑑別もしくはオーバーラップについては、臨床のみならず病因論的にも未だ困難であるという問題点がある。また、特許文献１、特許文献２および特許文献３に開示されている指標式群で線維筋痛症およびうつ病の状態を評価しても、十分な精度を得ることができないという問題点がある。
【００１２】
本発明は、上記問題点に鑑みてなされたもので、血液中のアミノ酸の濃度のうち線維筋痛症およびうつ病の状態と関連するアミノ酸の濃度を利用して線維筋痛症およびうつ病の状態を精度よく評価することができる線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法を提供することを目的とする。
【課題を解決するための手段】
【００１３】
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、線維筋痛症患者とうつ病患者の診断に対して、より特異的なアミノ酸変数を初めて探索・同定する（換言すると、線維筋痛症患者とうつ病患者とで、血漿中アミノ酸パターンに差異があることを初めて見出す）と共に同定したアミノ酸がこれら疾患の鑑別において有用である可能性を示し、さら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）がこれら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。血漿中アミノ酸濃度の測定は迅速且つ定量的に行えるため、血漿中アミノ酸濃度から算出した指標式は公知技術の問題点を解決できる。また、これらの知見から、慢性疼痛とアミノ酸の病因論的意義が示されたことより、今後、新たな疼痛治療薬の開発につながる可能性がある。
【００１４】
すなわち、上述した課題を解決し、目的を達成するために、本発明にかかる線維筋痛症とうつ病の評価方法は、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Ｐｒｏ，ＡＢＡ（ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ，アミノ酪酸），Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症およびうつ病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。
【００１５】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群またはうつ病患者群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。
【００１６】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップとをさらに含むことを特徴とする。
【００１７】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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、線維筋痛症患者群またはうつ病患者群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。
【００１８】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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。
【００１９】
また、本発明にかかる線維筋痛症とうつ病の評価方法は、前記に記載の線維筋痛症とうつ病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、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓ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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００２０】
また、本発明にかかる線維筋痛症・うつ病評価装置は、制御手段と記憶手段とを備え、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価装置であって、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価手段とを備えたことを特徴とする。
【００２１】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、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、線維筋痛症患者群またはうつ病患者群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。
【００２２】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、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。
【００２３】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、前記多変量判別式は、数式１の前記分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓ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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００２４】
また、本発明にかかる線維筋痛症・うつ病評価装置は、前記に記載の線維筋痛症・うつ病評価装置において、前記制御手段は、前記アミノ酸濃度データと前記線維筋痛症および前記うつ病の前記状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む前記記憶手段で記憶した線維筋痛症・うつ病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、前記線維筋痛症・うつ病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線維筋痛症・うつ病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。
【００２５】
また、本発明にかかる線維筋痛症・うつ病評価方法は、制御手段と記憶手段とを備えた情報処理装置において実行される、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価方法であって、前記制御手段において実行される、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップとを含むことを特徴とする。
【００２６】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、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、線維筋痛症患者群またはうつ病患者群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。
【００２７】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、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。
【００２８】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、前記多変量判別式は、数式１の前記分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓ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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００２９】
また、本発明にかかる線維筋痛症・うつ病評価方法は、前記に記載の線維筋痛症・うつ病評価方法において、前記制御手段において実行される、前記アミノ酸濃度データと前記線維筋痛症および前記うつ病の前記状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む前記記憶手段で記憶した線維筋痛症・うつ病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含み、前記多変量判別式作成ステップは、前記線維筋痛症・うつ病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線維筋痛症・うつ病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。
【００３０】
また、本発明にかかる線維筋痛症・うつ病評価システムは、制御手段と記憶手段とを備え、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価装置と、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線維筋痛症・うつ病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線維筋痛症・うつ病評価装置へ送信するアミノ酸濃度データ送信手段と、前記線維筋痛症・うつ病評価装置から送信された前記線維筋痛症および前記うつ病の前記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、前記線維筋痛症・うつ病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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記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、を備えたことを特徴とする。
【００３１】
また、本発明にかかる線維筋痛症・うつ病評価プログラムは、制御手段と記憶手段とを備えた情報処理装置において実行させるための、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価プログラムであって、前記制御手段において実行させるための、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップとを含むことを特徴とする。
【００３２】
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、前記に記載の線維筋痛症・うつ病評価プログラムを記録したことを特徴とする。
【発明の効果】
【００３３】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症およびうつ病の状態を評価する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症およびうつ病の状態と関連するアミノ酸の濃度を利用して線維筋痛症およびうつ病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。
【００３４】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症患者群またはうつ病患者群であるか否かを判別する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症患者群とうつ病患者群の２群判別に有用なアミノ酸の濃度を利用して当該判別を精度よく行うことができるという効果を奏する。
【００３５】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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多変量判別式であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症およびうつ病の状態を評価する。これにより、線維筋痛症およびうつ病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線維筋痛症およびうつ病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。
【００３６】
また、本発明によれば、判別値に基づいて評価対象につき線維筋痛症患者群またはうつ病患者群であるか否かを判別する。これにより、線維筋痛症患者群とうつ病患者群の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当該判別を精度よく行うことができるという効果を奏する。
【００３７】
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。これにより、線維筋痛症患者群とうつ病患者群の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。
【００３８】
また、本発明によれば、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式である。これにより、線維筋痛症患者群とうつ病患者群の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（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００３９】
また、本発明によれば、アミノ酸濃度データと線維筋痛症およびうつ病の状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む記憶手段で記憶した線維筋痛症・うつ病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）線維筋痛症・うつ病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線維筋痛症・うつ病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）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（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選出することで多変量判別式を作成する。これにより、線維筋痛症およびうつ病の状態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。
【００４０】
また、本発明によれば、当該記録媒体に記録された線維筋痛症・うつ病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線維筋痛症・うつ病評価プログラムを実行させるので、前記と同様の効果を得ることができるという効果を奏する。
【００４１】
なお、本発明は、線維筋痛症およびうつ病の状態を評価する際（具体的には、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、アミノ酸の濃度以外に、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。また、本発明は、線維筋痛症およびうつ病の状態を評価する際（具体的には、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。
【図面の簡単な説明】
【００４２】
【図１】図１は、本発明の基本原理を示す原理構成図である。
【図２】図２は、第１実施形態にかかる線維筋痛症とうつ病の評価方法の一例を示すフローチャートである。
【図３】図３は、本発明の基本原理を示す原理構成図である。
【図４】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】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】図６は、本システムの線維筋痛症・うつ病評価装置１００の構成の一例を示すブロック図である。
【図７】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】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】図９は、線維筋痛症・うつ病状態情報ファイル１０６ｃに格納される情報の一例を示す図である。
【図１０】図１０は、指定線維筋痛症・うつ病状態情報ファイル１０６ｄに格納される情報の一例を示す図である。
【図１１】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】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】図１３は、選択線維筋痛症・うつ病状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。
【図１４】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】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】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】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】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】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】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】図２１は、本システムで行う線維筋痛症・うつ病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】図２２は、本システムの線維筋痛症・うつ病評価装置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】図２３は、線維筋痛症患者群とうつ病患者群のアミノ酸変数の分布を示す図である。
【図２４】図２４は、指標式１と同等の判別性能を有する多変量判別式の一覧を示す図である。
【図２５】図２５は、指標式１と同等の判別性能を有する多変量判別式の一覧を示す図である。
【図２６】図２６は、線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【図２７】図２７は、線維筋痛症患者群とうつ病患者群における指標式１の値の分布を示す図である。
【図２８】図２８は、曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率を示す図である。
【図２９】図２９は、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の一覧を示す図である。
【図３０】図３０は、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の一覧を示す図である。
【図３１】図３１は、線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【図３２】図３２は、線維筋痛症患者群とうつ病患者群における指標式２の値の分布を示す図である。
【図３３】図３３は、曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率を示す図である。
【図３４】図３４は、指標式３と同等の判別性能を有する線形判別関数の一覧を示す図である。
【図３５】図３５は、指標式３と同等の判別性能を有する線形判別関数の一覧を示す図である。
【図３６】図３６は、線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【図３７】図３７は、線維筋痛症患者群とうつ病患者群における指標式３の値の分布を示す図である。
【図３８】図３８は、曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率を示す図である。
【図３９】図３９は、単一アミノ酸による線維筋痛症患者群とうつ病患者群の２群判別におけるＲＯＣ曲線下面積を示す図である。
【発明を実施するための形態】
【００４３】
以下に、本発明にかかる線維筋痛症とうつ病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線維筋痛症・うつ病評価装置、線維筋痛症・うつ病評価方法、線維筋痛症・うつ病評価システム、線維筋痛症・うつ病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。
【００４４】
［第１実施形態］
［１−１．本発明の概要］
ここでは、本発明にかかる線維筋痛症とうつ病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。
【００４５】
まず、評価対象（例えば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。
【００４６】
つぎに、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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価する（ステップＳ−１２）。
【００４７】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症および／またはうつ病の状態と関連するアミノ酸の濃度を利用して線維筋痛症および／またはうつ病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。
【００４８】
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、線維筋痛症および／またはうつ病の状態評価をさらに精度よく評価することができる。
【００４９】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。具体的には、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、評価対象につき、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群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線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別に有用なアミノ酸の濃度を利用してこれらの判別を精度よく行うことができる。
【００５０】
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価してもよい。これにより、線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病の状態を精度よく評価することができる。
【００５１】
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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【００５２】
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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００５３】
また、上記した各多変量判別式は、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線維筋痛症および／またはうつ病の状態評価に好適に用いることができる。
【００５４】
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は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。
【００５５】
また、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。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。
【００５６】
そして、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、アミノ酸の濃度以外に、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。また、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。
【００５７】
［１−２．第１実施形態にかかる線維筋痛症とうつ病の評価方法］
ここでは、第１実施形態にかかる線維筋痛症とうつ病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実施形態にかかる線維筋痛症とうつ病の評価方法の一例を示すフローチャートである。
【００５８】
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。
【００５９】
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）。
【００６０】
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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する（ステップＳＡ−１３）。
【００６１】
［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実施形態にかかる線維筋痛症とうつ病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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する。これにより、血液中のアミノ酸の濃度のうち線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別に有用なアミノ酸の濃度を利用してこれらの判別を精度よく行うことができる。
【００６２】
ここで、ステップＳＡ−１３において、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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【００６３】
なお、ステップＳＡ−１３において、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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００６４】
［第２実施形態］
［２−１．本発明の概要］
ここでは、本発明にかかる線維筋痛症・うつ病評価装置、線維筋痛症・うつ病評価方法、線維筋痛症・うつ病評価システム、線維筋痛症・うつ病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。
【００６５】
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の個体）のアミノ酸濃度データに含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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する記憶部で記憶した多変量判別式であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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）。
【００６６】
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線維筋痛症および／またはうつ病の状態を評価する（ステップＳ−２２）。
【００６７】
以上、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値、およびＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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線維筋痛症および／またはうつ病の状態を評価する。これにより、線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病の状態を精度よく評価することができる。
【００６８】
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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別してもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【００６９】
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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【００７０】
また、上記した各多変量判別式は、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、線維筋痛症および／またはうつ病の状態評価に好適に用いることができる。
【００７１】
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は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。
【００７２】
また、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。ロジスティック回帰、線形判別、重回帰分析などの表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。
【００７３】
そして、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、アミノ酸の濃度以外に、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。また、本発明は、線維筋痛症および／またはうつ病の状態を評価する際（具体的には、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否かを判別する際、線維筋痛症患者群またはうつ病患者群であるか否かを判別する際）、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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）をさらに用いてもかまわない。
【００７４】
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。
【００７５】
まず、本発明は、制御部で、アミノ酸濃度データと線維筋痛症および／またはうつ病の状態を表す指標に関する線維筋痛症・うつ病状態指標データとを含む記憶部で記憶した線維筋痛症・うつ病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：線維筋痛症・うつ病状態指標データ、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、線維筋痛症・うつ病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。
【００７６】
なお、工程１において、線維筋痛症・うつ病状態情報から、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、多数の健常群ならびに線維筋痛症患者群および／またはうつ病患者群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線維筋痛症・うつ病状態指標データから構成される多変量データである線維筋痛症・うつ病状態情報に対して、複数の異なるアルゴリズムを利用して複数群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線維筋痛症・うつ病状態情報を変換し、変換した線維筋痛症・うつ病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。
【００７７】
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。
【００７８】
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。
【００７９】
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、線維筋痛症・うつ病状態情報や診断条件を考慮した予測性または頑健性の高い候補多変量判別式を作成することができる。
【００８０】
ここで、判別率とは、全入力データの中で、本発明で評価した線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病の状態になっているものの中で、本発明で評価した線維筋痛症および／またはうつ病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線維筋痛症および／またはうつ病が正常になっているものの中で、本発明で評価した線維筋痛症および／またはうつ病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、本発明で評価した線維筋痛症および／またはうつ病の状態および入力データに記載された線維筋痛症および／またはうつ病の状態の差異と、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、頑健性とは、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。
【００８１】
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線維筋痛症・うつ病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線維筋痛症・うつ病状態情報を用いて再び工程１を実行する。
【００８２】
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。
【００８３】
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。
【００８４】
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。
【００８５】
以上、説明したように、多変量判別式作成処理では、線維筋痛症・うつ病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、線維筋痛症および／またはうつ病の状態評価に最適な多変量判別式を作成することができる。換言すると、多変量判別式作成処理では、アミノ酸濃度を多変量の統計解析に用い、最適でロバストな変数の組を選択するために変数選択法とクロスバリデーションとを組み合わせて、診断性能の高い多変量判別式を抽出する。多変量判別式としては、ロジスティック回帰、線形判別、サポートベクターマシン、マハラノビス距離法、重回帰分析、クラスター解析などを用いることができる。
【００８６】
［２−２．システム構成］
ここでは、第２実施形態にかかる線維筋痛症・うつ病評価システム（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。
【００８７】
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、線維筋痛症および／またはうつ病の状態を評価する線維筋痛症・うつ病評価装置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クライアント装置２００（本発明の情報通信端末装置に相当）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。
【００８８】
なお、本システムは、図５に示すように、線維筋痛症・うつ病評価装置１００やクライアント装置２００の他に、線維筋痛症・うつ病評価装置１００で多変量判別式を作成する際に用いる線維筋痛症・うつ病状態情報や、線維筋痛症および／またはうつ病の状態評価を行う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、線維筋痛症・うつ病評価装置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から線維筋痛症・うつ病評価装置１００へ、線維筋痛症および／またはうつ病の状態に関する情報などが提供される。ここで、線維筋痛症および／またはうつ病の状態に関する情報とは、ヒトを含む生物の線維筋痛症および／またはうつ病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、線維筋痛症および／またはうつ病の状態に関する情報は、線維筋痛症・うつ病評価装置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。
【００８９】
つぎに、本システムの線維筋痛症・うつ病評価装置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、本システムの線維筋痛症・うつ病評価装置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。
【００９０】
線維筋痛症・うつ病評価装置１００は、当該線維筋痛症・うつ病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線維筋痛症・うつ病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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【００９１】
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、線維筋痛症・うつ病状態情報ファイル１０６ｃと、指定線維筋痛症・うつ病状態情報ファイル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。
【００９２】
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。
【００９３】
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、その他の生体情報（例えば糖類、有機酸、脂肪酸、核酸・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・圧痛点データ・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴・問診データ等）を組み合わせてもよい。
【００９４】
図６に戻り、線維筋痛症・うつ病状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる線維筋痛症・うつ病状態情報を格納する。図９は、線維筋痛症・うつ病状態情報ファイル１０６ｃに格納される情報の一例を示す図である。線維筋痛症・うつ病状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、線維筋痛症および／またはうつ病の状態を表す指標（指標Ｔ１、指標Ｔ２、指標Ｔ３・・・）に関する線維筋痛症・うつ病状態指標データ（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、線維筋痛症・うつ病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、線維筋痛症・うつ病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、線維筋痛症・うつ病状態指標データは、線維筋痛症および／またはうつ病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。
【００９５】
図６に戻り、指定線維筋痛症・うつ病状態情報ファイル１０６ｄは、後述する線維筋痛症・うつ病状態情報指定部１０２ｇで指定した線維筋痛症・うつ病状態情報を格納する。図１０は、指定線維筋痛症・うつ病状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定線維筋痛症・うつ病状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した線維筋痛症・うつ病状態指標データと、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。
【００９６】
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線維筋痛症・うつ病状態情報を格納する選択線維筋痛症・うつ病状態情報ファイル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。
【００９７】
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。
【００９８】
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。
【００９９】
図６に戻り、選択線維筋痛症・うつ病状態情報ファイル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線維筋痛症・うつ病状態情報を格納する。図１３は、選択線維筋痛症・うつ病状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択線維筋痛症・うつ病状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する線維筋痛症・うつ病状態情報指定部１０２ｇで指定した線維筋痛症・うつ病状態指標データと、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。
【０１００】
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。
【０１０１】
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。
【０１０２】
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、線維筋痛症および／またはうつ病の状態評価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。
【０１０３】
通信インターフェース部１０４は、線維筋痛症・うつ病評価装置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。
【０１０４】
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。
【０１０５】
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と線維筋痛症・うつ病状態情報指定部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から送信された線維筋痛症・うつ病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。
【０１０６】
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。
【０１０７】
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線維筋痛症・うつ病状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。線維筋痛症・うつ病状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする線維筋痛症・うつ病状態指標データおよびアミノ酸濃度データを指定する。
【０１０８】
多変量判別式作成部１０２ｈは、受信部１０２ｆで受信した線維筋痛症・うつ病状態情報や線維筋痛症・うつ病状態情報指定部１０２ｇで指定した線維筋痛症・うつ病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、線維筋痛症・うつ病状態情報から、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。
【０１０９】
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。
【０１１０】
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、線維筋痛症・うつ病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、線維筋痛症・うつ病状態情報から、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線維筋痛症・うつ病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。
【０１１１】
図６に戻り、判別値算出部１０２ｉは、多変量判別式作成部１０２ｈで作成した多変量判別式（例えば、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む多変量判別式）、および受信部１０２ｆで受信した評価対象のアミノ酸濃度データ（例えば、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値）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。
【０１１２】
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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【０１１３】
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線維筋痛症および／またはうつ病の状態を評価する。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、判別値に基づいて、評価対象につき、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する。具体的には、判別値基準判別部１０２ｊ１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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別する。
【０１１４】
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。
【０１１５】
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、線維筋痛症・うつ病評価装置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。
【０１１６】
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。
【０１１７】
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。
【０１１８】
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、線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置１００へ送信する。
【０１１９】
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。
【０１２０】
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線維筋痛症・うつ病評価装置１００にアクセスすることができる。
【０１２１】
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、線維筋痛症・うつ病評価装置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。
【０１２２】
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。
【０１２３】
データベース装置４００は、線維筋痛症・うつ病評価装置１００または当該データベース装置で多変量判別式を作成する際に用いる線維筋痛症・うつ病状態情報や、線維筋痛症・うつ病評価装置１００で作成した多変量判別式、線維筋痛症・うつ病評価装置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。
【０１２４】
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。
【０１２５】
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。
【０１２６】
要求解釈部４０２ａは、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病状態情報や多変量判別式などの各種情報を、線維筋痛症・うつ病評価装置１００へ送信する。
【０１２７】
［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線維筋痛症・うつ病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、線維筋痛症・うつ病評価サービス処理の一例を示すフローチャートである。
【０１２８】
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。
【０１２９】
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を介して線維筋痛症・うつ病評価装置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は線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置１００へ行う。
【０１３０】
つぎに、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１３１】
つぎに、クライアント装置２００は、線維筋痛症・うつ病評価装置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。
【０１３２】
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線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置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。
【０１３３】
つぎに、線維筋痛症・うつ病評価装置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、線維筋痛症および／またはうつ病の状態評価用の多変量判別式（具体的には、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別用の多変量判別式、線維筋痛症患者群とうつ病患者群の２群判別用の多変量判別式）の送信要求をデータベース装置４００へ行う。
【０１３４】
つぎに、データベース装置４００は、要求解釈部４０２ａで、線維筋痛症・うつ病評価装置１００からの送信要求を解釈し、Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つを変数として含む記憶部４０６の所定の記憶領域に格納した多変量判別式（例えばアップデートされた最新の多変量判別式）を線維筋痛症・うつ病評価装置１００へ送信する（ステップＳＡ−２２）。
【０１３５】
ここで、ステップＳＡ−２２において、線維筋痛症・うつ病評価装置１００へ送信する多変量判別式は、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。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【０１３６】
つぎに、線維筋痛症・うつ病評価装置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）。
【０１３７】
つぎに、線維筋痛症・うつ病評価装置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）。
【０１３８】
つぎに、線維筋痛症・うつ病評価装置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に含まれるＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔのうち少なくとも１つの濃度値およびステップＳＡ−２３で受信した多変量判別式に基づいて判別値を算出する（ステップＳＡ−２５）。
【０１３９】
つぎに、線維筋痛症・うつ病評価装置１００は、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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別し、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）。
【０１４０】
つぎに、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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線維筋痛症・うつ病評価装置１００へ送信する。ついで、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１４１】
ここで、ステップＳＡ−２７において、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１４２】
また、ステップＳＡ−２７において、線維筋痛症・うつ病評価装置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。
【０１４３】
図２１の説明に戻り、データベース装置４００は、制御部４０２で、線維筋痛症・うつ病評価装置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）。
【０１４４】
また、クライアント装置２００は、受信部２１３で、線維筋痛症・うつ病評価装置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、判別結果が線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１４５】
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、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別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。
【０１４６】
また、判別結果が線維筋痛症・うつ病評価装置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、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の２群判別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。
【０１４７】
これにて、線維筋痛症・うつ病評価サービス処理の説明を終了する。
【０１４８】
［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、線維筋痛症・うつ病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線維筋痛症・うつ病評価装置１００へ送信し、データベース装置４００は線維筋痛症・うつ病評価装置１００からの要求を受けて、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別用または線維筋痛症患者群とうつ病患者群の２群判別用の多変量判別式を線維筋痛症・うつ病評価装置１００へ送信する。そして、線維筋痛症・うつ病評価装置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、線維筋痛症患者群または非線維筋痛症群（健常群）であるか否か、または線維筋痛症患者群またはうつ病患者群であるか否かを判別し、（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は線維筋痛症・うつ病評価装置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は線維筋痛症・うつ病評価装置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、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別を精度よく行うことができる。
【０１４９】
ここで、線維筋痛症・うつ病評価システムによれば、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つでもよい。具体的には、多変量判別式は、数式１の分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを変数とする線形判別式でもよい。これにより、線維筋痛症患者群と非線維筋痛症群（健常群）の２群判別または線維筋痛症患者群とうつ病患者群の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判別をさらに精度よく行うことができる。
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
【０１５０】
また、本発明にかかる線維筋痛症・うつ病評価装置、線維筋痛症・うつ病評価方法、線維筋痛症・うつ病評価システム、線維筋痛症・うつ病評価プログラムおよび記録媒体は、上述した第２実施形態以外にも、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、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病評価装置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。
【０１５１】
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、必要に応じて線維筋痛症・うつ病評価装置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。
【０１５２】
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。
【０１５３】
最後に、線維筋痛症・うつ病評価装置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、線維筋痛症・うつ病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。
【０１５４】
なお、本説明では、線維筋痛症・うつ病評価装置１００は、データベース装置４００から事前に取得した線維筋痛症・うつ病状態情報を、線維筋痛症・うつ病状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、線維筋痛症・うつ病評価装置１００は、線維筋痛症・うつ病状態情報指定部１０２ｇで事前に指定した線維筋痛症・うつ病状態指標データおよびアミノ酸濃度データを含む線維筋痛症・うつ病状態情報を、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納しているものとする。
【０１５５】
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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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、線維筋痛症・うつ病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線維筋痛症・うつ病状態情報を変換し、変換した線維筋痛症・うつ病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。
【０１５６】
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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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、線維筋痛症・うつ病状態情報や診断条件を考慮した予測性または頑健性の高い候補指標式を選択することができる。
【０１５７】
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線維筋痛症・うつ病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線維筋痛症・うつ病状態情報を選択線維筋痛症・うつ病状態情報ファイル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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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。
【０１５８】
つぎに、多変量判別式作成部１０２ｈは、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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、指定線維筋痛症・うつ病状態情報ファイル１０６ｄの所定の記憶領域に格納されている線維筋痛症・うつ病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。
【０１５９】
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。
【０１６０】
これにて、多変量判別式作成処理の説明を終了する。
【実施例１】
【０１６１】
線維筋痛症患者群とうつ病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。線維筋痛症患者群とうつ病患者群のアミノ酸変数の分布を図２３に示す。図２３において、“１”はうつ病患者群におけるアミノ酸変数の分布を示し、“２”は線維筋痛症患者群におけるアミノ酸変数の分布を示す。線維筋痛症患者群とうつ病患者群の診断を目的に２群間のｔ検定を実施した。
【０１６２】
うつ病患者群に比べて線維筋痛症患者群では、Ｐｒｏ，ＡＢＡ，Ｏｒｎが有意に減少した。これにより、アミノ酸変数Ｐｒｏ，ＡＢＡ，Ｏｒｎが線維筋痛症患者群とうつ病患者群の２群間の判別能を持つことが判明した。
【実施例２】
【０１６３】
実施例１で用いたサンプルデータを用いた。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、線維筋痛症患者群とうつ病患者群の２群判別性能を最大化する指標を鋭意探索した。その結果、同等の性能を持つ複数の指標の中に指標式１が得られた。また、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および図２５に示す。なお、図２４および図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：−４．４７５×（ＡＢＡ／Ｓｅｒ）−０．５３２７（Ｈｉｓ／Ｔｒｐ）＋０．４７６９（Ｌｙｓ／Ｏｒｎ）＋１．８４６
【０１６４】
線維筋痛症患者群とうつ病患者群の２群判別に関する指標式１の診断性能をＲＯＣ曲線（図２６）の曲線下面積で評価した。その結果、０．９７３±０．０２６（９５％信頼区間は０．９２１〜１．０００）の曲線下面積が得られた。また、指標式１による線維筋痛症患者群とうつ病患者群の２群判別の最適なカットオフ値を線維筋痛症患者群のうつ病患者群に対する有症率を４０％として求めると、カットオフ値が１．４０３となり、感度１００．０００％、特異度９５．４５４％、陽性適中９３．６１７％、陰性適中率１００．０００％、正診率９７．２７３％が得られた。この結果、指標式１は、診断性能の高い有用な指標であることが判明した。
【０１６５】
線維筋痛症患者群とうつ病患者群における指標式１の値の分布を図２７に示す。図２７において、“１”はうつ病患者群における指標式１の値の分布を示し、“２”は線維筋痛症患者群における指標式１の値の分布を示す。さらに、ＲＯＣ曲線の曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率（図２８）を導出したところ、Ｓｅｒ，ＡＢＡ，Ｌｙｓ，Ｏｒｎといったアミノ酸は上位１０００の半数以上の指標式中に出現していた。この結果、線維筋痛症患者群とうつ病患者群におけるこれらアミノ酸濃度の差異が、それぞれの診断に大きく寄与していることが判明した。
【実施例３】
【０１６６】
実施例１で用いたサンプルデータを用いた。線維筋痛症患者群とうつ病患者群の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、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓから構成されるロジスティック回帰式（アミノ酸変数Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓの数係数と定数項は順に、０．０８１、−０．４７９、０．２１８、−０．２６５、０．１０３、−１０．９６０）が得られた。また、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２９および図３０に示す。なお、図２９および図３０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。
【０１６７】
線維筋痛症患者群とうつ病患者群の２群判別に関する指標式２の診断性能をＲＯＣ曲線（図３１）の曲線下面積で評価した。その結果、０．９６４±０．０３０（９５％信頼区間は０．９０４〜１．０００）の曲線下面積が得られた。また、指標式２による線維筋痛症患者群とうつ病患者群の２群判別の最適なカットオフ値を線維筋痛症患者群のうつ病患者群に対する有症率を４０%として求めると、カットオフ値が０．４３０となり、感度９３．３３３％、特異度９５．４５５％、陽性適中９３．１９２％、陰性適中率９５．５１１％、正診率９４．６０６％が得られた。この結果、指標式２は、診断性能の高い有用な指標であることが判明した。
【０１６８】
線維筋痛症患者群とうつ病患者群における指標式２の値の分布を図３２に示す。図３２において、“１”はうつ病患者群における指標式２の値の分布を示し、“２”は線維筋痛症患者群における指標式２の値の分布を示す。さらに、ＲＯＣ曲線の曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率（図３３）を導出したところ、ＡＢＡ，Ｌｙｓ，Ｏｒｎといったアミノ酸は上位１０００の半数以上の指標式中に出現していた。この結果、線維筋痛症患者群とうつ病患者群におけるこれらアミノ酸濃度の差異が、それぞれの診断に大きく寄与していることが判明した。
【実施例４】
【０１６９】
実施例１で用いたサンプルデータを用いた。線維筋痛症患者群とうつ病患者群の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、Ｓｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓから構成される線形判別関数（アミノ酸変数Ｓｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓの数係数と定数項は順に０．１７１、０．１５０、−０．０６７、−０．８３０、−０．４７１、０．１８３、１．２０８）が得られた。また、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３４および図３５に示す。なお、図３４および図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。
【０１７０】
線維筋痛症患者群とうつ病患者群の２群判別に関する指標式３の診断性能をＲＯＣ曲線（図３６）の曲線下面積で評価した。その結果、０．９７６±０．０２５（９５％信頼区間は０．９２８〜１．０００）の曲線下面積が得られた。また、指標式３による線維筋痛症患者群とうつ病患者群の２群判別の最適なカットオフ値を線維筋痛症患者群のうつ病患者群に対する有症率を４０%として求めると、カットオフ値が０．９５１となり、感度９３．３３３％、特異度１００．０００％、陽性適中１００．０００％、陰性適中率９３．７５０％、正診率９６．６６７％が得られた。この結果、指標式３は、診断性能の高い有用な指標であることが判明した。
【０１７１】
線維筋痛症患者群とうつ病患者群における指標式３の値の分布を図３７に示す。図３７において、“１”はうつ病患者群における指標式３の値の分布を示し、“２”は線維筋痛症患者群における指標式３の値の分布を示す。さらに、ＲＯＣ曲線の曲線下面積値が上位１０００の指標式中に出現するアミノ酸変数の確率（図３８）を導出したところ、ＡＢＡ，Ｌｙｓ，Ｏｒｎといったアミノ酸は上位１０００の半数以上の指標式中に出現していた。この結果、線維筋痛症患者群とうつ病患者群におけるこれらアミノ酸濃度の差異が、それぞれの診断に大きく寄与していることが判明した。
【実施例５】
【０１７２】
実施例１で用いたサンプルデータを用いた。単一アミノ酸による線維筋痛症患者群とうつ病患者群の診断性能（線維筋痛症患者群とうつ病患者群の２群判別性能）をＲＯＣ曲線の曲線下面積（図３９）で評価した。その結果、Ｏｒｎ，Ｐｒｏ，ＡＢＡ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，ＭｅｔはＲＯＣ曲線の曲線下面積が０．６０以上であり、これらのアミノ酸が線維筋痛症患者群とうつ病患者群の２群間の判別能を持つことが判明した。
【産業上の利用可能性】
【０１７３】
以上のように、本発明にかかる線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法は、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、線維筋痛症およびうつ病の状態進行予測や疾病リスク予測やプロテオームやメタボローム解析などを行うバイオインフォマティクス分野において極めて有用である。
【符号の説明】
【０１７４】
１００ 線維筋痛症・うつ病評価装置
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 線維筋痛症・うつ病状態情報指定部
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 線維筋痛症・うつ病状態情報ファイル
１０６ｄ 指定線維筋痛症・うつ病状態情報ファイル
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 選択線維筋痛症・うつ病状態情報ファイル
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
【特許請求の範囲】
【請求項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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症およびうつ病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線維筋痛症とうつ病の評価方法。
【請求項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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群またはうつ病患者群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に記載の線維筋痛症とうつ病の評価方法。
【請求項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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップと
をさらに含むことを特徴とする請求項１に記載の線維筋痛症とうつ病の評価方法。
【請求項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、線維筋痛症患者群またはうつ病患者群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に記載の線維筋痛症とうつ病の評価方法。
【請求項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に記載の線維筋痛症とうつ病の評価方法。
【請求項６】
前記多変量判別式は、数式１の前記分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式であること
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
を特徴とする請求項５に記載の線維筋痛症とうつ病の評価方法。
【請求項７】
制御手段と記憶手段とを備え、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価装置であって、
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価手段と
を備えたことを特徴とする線維筋痛症・うつ病評価装置。
【請求項８】
制御手段と記憶手段とを備えた情報処理装置において実行される、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価方法であって、
前記制御手段において実行される、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップと
を含むことを特徴とする線維筋痛症・うつ病評価方法。
【請求項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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症およびうつ病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線維筋痛症とうつ病の評価方法。
【請求項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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、線維筋痛症患者群またはうつ病患者群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に記載の線維筋痛症とうつ病の評価方法。
【請求項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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップと
をさらに含むことを特徴とする請求項１に記載の線維筋痛症とうつ病の評価方法。
【請求項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、線維筋痛症患者群またはうつ病患者群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に記載の線維筋痛症とうつ病の評価方法。
【請求項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に記載の線維筋痛症とうつ病の評価方法。
【請求項６】
前記多変量判別式は、数式１の前記分数式、Ｓｅｒ，ＡＢＡ，Ｔｒｐ，Ｏｒｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＳｅｒ，Ａｓｎ，Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｌｙｓを前記変数とする前記線形判別式であること
ａ１（ＡＢＡ／Ｓｅｒ）＋ｂ１（Ｈｉｓ／Ｔｒｐ）＋ｃ１（Ｌｙｓ／Ｏｒｎ）＋ｄ１
・・・（数式１）
（数式１において、ａ１，ｂ１，ｃ１およびｄ１は任意の実数である。）
を特徴とする請求項５に記載の線維筋痛症とうつ病の評価方法。
【請求項７】
制御手段と記憶手段とを備え、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価装置であって、
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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価手段と
を備えたことを特徴とする線維筋痛症・うつ病評価装置。
【請求項８】
制御手段と記憶手段とを備えた情報処理装置において実行される、評価対象につき、線維筋痛症およびうつ病の状態を評価する線維筋痛症・うつ病評価方法であって、
前記制御手段において実行される、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Ｐｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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であってＰｒｏ，ＡＢＡ，Ｏｒｎ，Ｓｅｒ，Ｌｙｓ，Ｃｉｔ，Ｇｌｕ，Ｈｉｓ，Ｖａｌ，Ｃｙｓ２，Ｉｌｅ，Ｍｅｔ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、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、前記線維筋痛症および前記うつ病の前記状態を評価する判別値基準評価ステップと
を含むことを特徴とする線維筋痛症・うつ病評価方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図２３】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図２３】
【公開番号】特開２０１１−８０９５７（Ｐ２０１１−８０９５７Ａ）
【公開日】平成２３年４月２１日（２０１１．４．２１）
【国際特許分類】
【出願番号】特願２００９−２３５３９８（Ｐ２００９−２３５３９８）
【出願日】平成２１年１０月９日（２００９．１０．９）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＧＳＭ
【出願人】（０００００００６６）味の素株式会社 (887)
【出願人】（５９６１６５５８９）学校法人 聖マリアンナ医科大学 (53)
【Ｆターム（参考）】
【公開日】平成２３年４月２１日（２０１１．４．２１）
【国際特許分類】
【出願日】平成２１年１０月９日（２００９．１０．９）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＧＳＭ
【出願人】（０００００００６６）味の素株式会社 (887)
【出願人】（５９６１６５５８９）学校法人 聖マリアンナ医科大学 (53)
【Ｆターム（参考）】
[ Back to top ]