ホーム > 特許ランキング > 国立大学法人 鹿児島大学
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2025099264
(43)【公開日】2025-07-03
(54)【発明の名称】予測システム及びプログラム
(51)【国際特許分類】
G01N 33/66 20060101AFI20250626BHJP
G01N 33/92 20060101ALI20250626BHJP
G01N 33/72 20060101ALI20250626BHJP
G16H 50/30 20180101ALI20250626BHJP
G16H 50/20 20180101ALI20250626BHJP
【ＦＩ】
G01N33/66 A
G01N33/92 A
G01N33/92 C
G01N33/72 A
G16H50/30
G16H50/20
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2023215790
(22)【出願日】2023-12-21
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 掲載年月日：令和５年３月２７日、掲載アドレス ｈｔｔｐｓ：／／ｗｗｗ．ｎａｔｕｒｅ．ｃｏｍ／ａｒｔｉｃｌｅｓ／ｓ４１５９８－０２３－３２２７９－ｚ 掲載年月日：令和５年４月７日、掲載アドレス ｈｔｔｐｓ：／／ｄｏｉ．ｏｒｇ／１０．１３７１／ｊｏｕｒｎａｌ．ｐｏｎｅ．０２８４１３９
(71)【出願人】
【識別番号】504258527
【氏名又は名称】国立大学法人 鹿児島大学
(74)【代理人】
【識別番号】100095407
【弁理士】
【氏名又は名称】木村 満
(74)【代理人】
【識別番号】100162259
【弁理士】
【氏名又は名称】末富 孝典
(74)【代理人】
【識別番号】100168114
【弁理士】
【氏名又は名称】山中 生太
(74)【代理人】
【識別番号】100146916
【弁理士】
【氏名又は名称】廣石 雅紀
(72)【発明者】
【氏名】大石 充
(72)【発明者】
【氏名】窪薗 琢郎
(72)【発明者】
【氏名】川添 晋
【テーマコード（参考）】
2G045
5L099
【Ｆターム（参考）】
2G045AA25
2G045DA31
2G045DA48
2G045DA69
2G045DA70
2G045JA01
5L099AA04
5L099AA22
(57)【要約】
【課題】将来的にどのような生活習慣病にかかりやすいのかを「見える化」することができる予測システム及びプログラムを提供する。
【解決手段】予測システム１は、所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値Ｎ１が得られた第１変数ＥＶ１と採血検査以外から数値Ｎ２が得られた第２変数ＥＶ２とを説明変数とし、５年経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式ＰＲを用いて、対象者の第１変数ＥＶ１及び第２変数ＥＶ２の数値Ｎ１、Ｎ２に基づいて、対象者の発症確率Ｐを算出する算出部１２を備える。
【選択図】図１
【解決手段】予測システム１は、所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値Ｎ１が得られた第１変数ＥＶ１と採血検査以外から数値Ｎ２が得られた第２変数ＥＶ２とを説明変数とし、５年経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式ＰＲを用いて、対象者の第１変数ＥＶ１及び第２変数ＥＶ２の数値Ｎ１、Ｎ２に基づいて、対象者の発症確率Ｐを算出する算出部１２を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値が得られた第１変数と前記採血検査以外から数値が得られた第２変数とを説明変数とし、所定年数経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式を用いて、対象者の前記第１変数及び前記第２変数の数値に基づいて、対象者の前記発症確率を算出する算出部を備える、
予測システム。
予測システム。
【請求項2】
前記生活習慣病が高血圧である場合、
前記第１変数には、糖尿病の有無及び高尿酸血症の有無が含まれ、
前記第２変数には、年齢、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び高血圧を患う家族の有無が含まれる、
請求項１に記載の予測システム。
前記第１変数には、糖尿病の有無及び高尿酸血症の有無が含まれ、
前記第２変数には、年齢、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び高血圧を患う家族の有無が含まれる、
請求項１に記載の予測システム。
【請求項3】
前記生活習慣病が慢性腎臓病である場合、
前記第１変数には、糖尿病の有無、高尿酸血症の有無、脂質異常症の有無及びｅＧＦＲが含まれ、
前記第２変数には、年齢、ＢＭＩ及び高血圧の有無が含まれる、
請求項１に記載の予測システム。
前記第１変数には、糖尿病の有無、高尿酸血症の有無、脂質異常症の有無及びｅＧＦＲが含まれ、
前記第２変数には、年齢、ＢＭＩ及び高血圧の有無が含まれる、
請求項１に記載の予測システム。
【請求項4】
前記生活習慣病がメタボリックシンドロームである場合、
前記第１変数には、空腹時血糖値、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、性別、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び飲酒の有無が含まれる、
請求項１に記載の予測システム。
前記第１変数には、空腹時血糖値、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、性別、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び飲酒の有無が含まれる、
請求項１に記載の予測システム。
【請求項5】
前記生活習慣病が動脈硬化である場合、
前記第１変数には、前記対象者が男性の場合、血糖値及び中性脂肪が含まれる一方、前記対象者が女性の場合、血糖値が含まれ、
前記第２変数には、前記対象者が男性の場合、年齢、ＢＭＩ、収縮期血圧及び拡張期血圧が含まれる一方、前記対象者が女性の場合、年齢、収縮期血圧、拡張期血圧及び喫煙の有無が含まれる、
請求項１に記載の予測システム。
前記第１変数には、前記対象者が男性の場合、血糖値及び中性脂肪が含まれる一方、前記対象者が女性の場合、血糖値が含まれ、
前記第２変数には、前記対象者が男性の場合、年齢、ＢＭＩ、収縮期血圧及び拡張期血圧が含まれる一方、前記対象者が女性の場合、年齢、収縮期血圧、拡張期血圧及び喫煙の有無が含まれる、
請求項１に記載の予測システム。
【請求項6】
前記生活習慣病が糖尿病である場合、
前記第１変数には、空腹時血糖値及びＨｂＡ１ｃが含まれ、
前記第２変数には、年齢、性別及びＢＭＩが含まれる、
請求項１に記載の予測システム。
前記第１変数には、空腹時血糖値及びＨｂＡ１ｃが含まれ、
前記第２変数には、年齢、性別及びＢＭＩが含まれる、
請求項１に記載の予測システム。
【請求項7】
前記生活習慣病が脂質異常症である場合、
前記第１変数には、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、喫煙の有無が含まれる、
請求項１に記載の予測システム。
前記第１変数には、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、喫煙の有無が含まれる、
請求項１に記載の予測システム。
【請求項8】
年齢、性別、ＢＭＩ、高血圧の有無、喫煙の有無、飲酒の有無を説明変数とし、所定年数経過後のメタボリックシンドロームの発症確率を目的変数として行われたロジスティック回帰分析を行うことにより得られる予測式を用いて、対象者の前記説明変数の数値に基づいて、対象者の所定年数経過後のメタボリックシンドロームの発症確率を算出する算出部を備える、
予測システム。
予測システム。
【請求項9】
年齢、性別、ＢＭＩ、高血圧の有無、高血圧を患う家族の有無、脂質異常症の有無を説明変数とし、所定年数経過後の糖尿病の発症確率を目的変数とし、所定年数経過後の糖尿病の発症確率を目的変数として行われたロジスティック回帰分析より得られる予測式を用いて、対象者の前記説明変数の数値に基づいて、対象者の所定年数経過後の糖尿病の発症確率を算出する算出部を備える、
予測システム。
予測システム。
【請求項10】
検査結果報告書の画像を取得する画像取得部と、
前記画像から、前記説明変数の数値を抽出する抽出部と、を備え、
前記算出部は、
前記抽出部で抽出された前記説明変数の数値に基づいて、前記発症確率を算出する、
請求項１から９のいずれか一項に記載の予測システム。
前記画像から、前記説明変数の数値を抽出する抽出部と、を備え、
前記算出部は、
前記抽出部で抽出された前記説明変数の数値に基づいて、前記発症確率を算出する、
請求項１から９のいずれか一項に記載の予測システム。
【請求項11】
コンピュータを、
所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値が得られた第１変数と前記採血検査以外から数値が得られた第２変数とを説明変数とし、所定年数経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式を用いて、対象者の前記第１変数及び前記第２変数の数値に基づいて、対象者の前記発症確率を算出する算出部、
として機能させるプログラム。
所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値が得られた第１変数と前記採血検査以外から数値が得られた第２変数とを説明変数とし、所定年数経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式を用いて、対象者の前記第１変数及び前記第２変数の数値に基づいて、対象者の前記発症確率を算出する算出部、
として機能させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、予測システム及びプログラムに関する。
【背景技術】
【0002】
特許文献１には、健康診断の結果に基づいて病名の自動診断が可能な自動診断システム、自動診断プログラムおよび自動診断方法が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２３－１０３７６０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
２００８年より開始された特定健診の受診率は５３．４％（２０２０年）であるうえ、特定保健指導実施率は２２．７％であり、決して十分な数字ではない。特定健診受診率、特定保健指導実施率及び医療機関受診率を向上させることは生活習慣病を予防する上で極めて重要であり、医療費を大幅に抑制し、健康長寿を実現する点で重要である。高齢化により生活習慣病から発症する脳・心血管病の医療費に占める割合が増大しており、２０１８年に循環器病対策基本法が制定されて予防の大切さがより強調されている。
【0005】
特定健診受診率、特定保健指導実施率及び医療機関受診率が向上しない理由の１つに、特定健診の検査結果の項目が専門的でわかりづらいため、将来的に自分がどのような生活習慣病にかかりやすいのかを把握しにくいという点がある。そこで、自分が将来的にどのような生活習慣病にかかりやすいのかを「見える化」することができるシステムの登場が望まれている。
【0006】
上記特許文献１に開示された自動診断システム、自動診断プログラム及び自動診断方法は、健康診断の結果に基づいて病名の自動診断が可能であるが、個人個人が将来的にどのような生活習慣病にかかりやすいのかを予測するものではない。
【0007】
本発明は、上記実情の下になされたものであり、将来的にどのような生活習慣病にかかりやすいのかを「見える化」することができる予測システム及びプログラム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】
【0008】
上記目的を達成するために、本発明の第１の観点に係る予測システムは、
所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値が得られた第１変数と前記採血検査以外から数値が得られた第２変数とを説明変数とし、所定年数経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式を用いて、対象者の前記第１変数及び前記第２変数の数値に基づいて、対象者の前記発症確率を算出する算出部を備える。
所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値が得られた第１変数と前記採血検査以外から数値が得られた第２変数とを説明変数とし、所定年数経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式を用いて、対象者の前記第１変数及び前記第２変数の数値に基づいて、対象者の前記発症確率を算出する算出部を備える。
【0009】
前記生活習慣病が高血圧である場合、
前記第１変数には、糖尿病の有無及び高尿酸血症の有無が含まれ、
前記第２変数には、年齢、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び高血圧を患う家族の有無が含まれる、
こととしてもよい。
前記第１変数には、糖尿病の有無及び高尿酸血症の有無が含まれ、
前記第２変数には、年齢、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び高血圧を患う家族の有無が含まれる、
こととしてもよい。
【0010】
前記生活習慣病が慢性腎臓病である場合、
前記第１変数には、糖尿病の有無、高尿酸血症の有無、脂質異常症の有無及びｅＧＦＲが含まれ、
前記第２変数には、年齢、ＢＭＩ及び高血圧の有無が含まれる、
こととしてもよい。
前記第１変数には、糖尿病の有無、高尿酸血症の有無、脂質異常症の有無及びｅＧＦＲが含まれ、
前記第２変数には、年齢、ＢＭＩ及び高血圧の有無が含まれる、
こととしてもよい。
【0011】
前記生活習慣病がメタボリックシンドロームである場合、
前記第１変数には、空腹時血糖値、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、性別、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び飲酒の有無が含まれる、
こととしてもよい。
前記第１変数には、空腹時血糖値、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、性別、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び飲酒の有無が含まれる、
こととしてもよい。
【0012】
前記生活習慣病が動脈硬化である場合、
前記第１変数には、前記対象者が男性の場合、血糖値及び中性脂肪が含まれる一方、前記対象者が女性の場合、血糖値が含まれ、
前記第２変数には、前記対象者が男性の場合、年齢、ＢＭＩ、収縮期血圧及び拡張期血圧が含まれる一方、前記対象者が女性の場合、年齢、収縮期血圧、拡張期血圧及び喫煙の有無が含まれる、
こととしてもよい。
前記第１変数には、前記対象者が男性の場合、血糖値及び中性脂肪が含まれる一方、前記対象者が女性の場合、血糖値が含まれ、
前記第２変数には、前記対象者が男性の場合、年齢、ＢＭＩ、収縮期血圧及び拡張期血圧が含まれる一方、前記対象者が女性の場合、年齢、収縮期血圧、拡張期血圧及び喫煙の有無が含まれる、
こととしてもよい。
【0013】
前記生活習慣病が糖尿病である場合、
前記第１変数には、空腹時血糖値及びＨｂＡ１ｃが含まれ、
前記第２変数には、年齢、性別及びＢＭＩが含まれる、
こととしてもよい。
前記第１変数には、空腹時血糖値及びＨｂＡ１ｃが含まれ、
前記第２変数には、年齢、性別及びＢＭＩが含まれる、
こととしてもよい。
【0014】
前記生活習慣病が脂質異常症である場合、
前記第１変数には、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、喫煙の有無が含まれる、
こととしてもよい。
前記第１変数には、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、
前記第２変数には、年齢、喫煙の有無が含まれる、
こととしてもよい。
【0015】
本発明の第２の観点に係る予測システムは、
年齢、性別、ＢＭＩ、高血圧の有無、喫煙の有無、飲酒の有無を説明変数とし、所定年数経過後のメタボリックシンドロームの発症確率を目的変数として行われたロジスティック回帰分析を行うことにより得られる予測式を用いて、対象者の前記説明変数の数値に基づいて、対象者の所定年数経過後のメタボリックシンドロームの発症確率を算出する算出部を備える。
年齢、性別、ＢＭＩ、高血圧の有無、喫煙の有無、飲酒の有無を説明変数とし、所定年数経過後のメタボリックシンドロームの発症確率を目的変数として行われたロジスティック回帰分析を行うことにより得られる予測式を用いて、対象者の前記説明変数の数値に基づいて、対象者の所定年数経過後のメタボリックシンドロームの発症確率を算出する算出部を備える。
【0016】
本発明の第３の観点に係る予測システムは、
年齢、性別、ＢＭＩ、高血圧の有無、高血圧を患う家族の有無、脂質異常症の有無を説明変数とし、所定年数経過後の糖尿病の発症確率を目的変数とし、所定年数経過後の糖尿病の発症確率を目的変数として行われたロジスティック回帰分析より得られる予測式を用いて、対象者の前記説明変数の数値に基づいて、対象者の所定年数経過後の糖尿病の発症確率を算出する算出部を備える。
年齢、性別、ＢＭＩ、高血圧の有無、高血圧を患う家族の有無、脂質異常症の有無を説明変数とし、所定年数経過後の糖尿病の発症確率を目的変数とし、所定年数経過後の糖尿病の発症確率を目的変数として行われたロジスティック回帰分析より得られる予測式を用いて、対象者の前記説明変数の数値に基づいて、対象者の所定年数経過後の糖尿病の発症確率を算出する算出部を備える。
【0017】
検査結果報告書の画像を取得する画像取得部と、
前記画像から、前記説明変数の数値を抽出する抽出部と、を備え、
前記算出部は、
前記抽出部で抽出された前記説明変数の数値に基づいて、前記発症確率を算出する、
こととしてもよい。
前記画像から、前記説明変数の数値を抽出する抽出部と、を備え、
前記算出部は、
前記抽出部で抽出された前記説明変数の数値に基づいて、前記発症確率を算出する、
こととしてもよい。
【0018】
本発明の第４の観点に係るプログラムは、
コンピュータを、
所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値が得られた第１変数と前記採血検査以外から数値が得られた第２変数とを説明変数とし、所定年数経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式を用いて、対象者の前記第１変数及び前記第２変数の数値に基づいて、対象者の前記発症確率を算出する算出部、
として機能させる。
コンピュータを、
所定年数経過後の生活習慣病の発症の有無に関して有意差がある変数であって、採血検査から数値が得られた第１変数と前記採血検査以外から数値が得られた第２変数とを説明変数とし、所定年数経過後の生活習慣病の発症確率を目的変数としてロジスティック回帰分析を行うことにより得られた予測式を用いて、対象者の前記第１変数及び前記第２変数の数値に基づいて、対象者の前記発症確率を算出する算出部、
として機能させる。
【発明の効果】
【0019】
本発明によれば、将来的にどのような生活習慣病にかかりやすいのかを「見える化」することができる。
【図面の簡単な説明】
【0020】
【図1】本発明の実施の形態１に係る予測システムの構成を示すブロック図である。
【図2】５年後の生活習慣病の発症の有無に対して有意差のある変数を示す表である。
【図3】端末装置の入出力画面の一例を示す図である。
【図4】端末装置のハードウエア構成を示すブロック図である。
【図5】予測処理のフローチャートである。
【図6】本発明の実施の形態２に係る予測システムにおける端末装置の構成を示すブロック図である。
【発明を実施するための形態】
【0021】
以下、本発明の実施の形態について図面を参照して詳細に説明する。各図面においては、同一又は同等の部分に同一の符号を付す。なお、下記の実施の形態において、“有する”、“含む”又は“含有する”といった表現は、“からなる”又は“から構成される”という意味も包含する。
【0022】
実施の形態１
まず、本発明の実施の形態１について説明する。図１に示すように、本実施の形態に係る予測システム１は、端末装置１０を備える。端末装置１０は、所定年数経過後、例えば５年経過後の生活習慣病の発症確率Ｐを予測する。本実施の形態では、生活習慣病として、例えば図２に示すように、高血圧、慢性腎臓病、メタボリックシンドローム、動脈硬化、糖尿病、脂質異常症を対象とする。しかし、予測対象となる生活習慣病は、これらには限定されない。
まず、本発明の実施の形態１について説明する。図１に示すように、本実施の形態に係る予測システム１は、端末装置１０を備える。端末装置１０は、所定年数経過後、例えば５年経過後の生活習慣病の発症確率Ｐを予測する。本実施の形態では、生活習慣病として、例えば図２に示すように、高血圧、慢性腎臓病、メタボリックシンドローム、動脈硬化、糖尿病、脂質異常症を対象とする。しかし、予測対象となる生活習慣病は、これらには限定されない。
【0023】
［生活習慣病の判断基準］
高血圧を発症しているか否かの判断基準は、収縮期血圧（最大血圧）が１４０ｍｍＨｇ以上、または拡張期血圧（最小血圧）が９０ｍｍＨｇ以上であることである。
高血圧を発症しているか否かの判断基準は、収縮期血圧（最大血圧）が１４０ｍｍＨｇ以上、または拡張期血圧（最小血圧）が９０ｍｍＨｇ以上であることである。
【0024】
また、慢性腎臓病を発症しているか否かの判断基準は、以下の（１）、（２）のいずれか、または両方が３か月以上持続することである。
（１）尿検査、画像診断、血液検査、病理などで腎障害の存在が明らかであり、特に０．１５ｇ／ｇＣｒ以上のタンパク尿（３０ｍｇ／ｇＣｒ以上のアルブミン尿）がある。
（２）糸球体濾過量（Glomerular Filtration Rate；ＧＦＲ）が６０ｍＬ／ｍｉｎ／１．７３ｍ２未満である。
（１）尿検査、画像診断、血液検査、病理などで腎障害の存在が明らかであり、特に０．１５ｇ／ｇＣｒ以上のタンパク尿（３０ｍｇ／ｇＣｒ以上のアルブミン尿）がある。
（２）糸球体濾過量（Glomerular Filtration Rate；ＧＦＲ）が６０ｍＬ／ｍｉｎ／１．７３ｍ２未満である。
【0025】
また、メタボリックシンドロームを発症しているか否かの判断基準は、日本では、ウエスト周囲径（おへその高さの腹囲）が男性８５ｃｍ、女性９０ｃｍ以上で、かつ血圧、血糖、脂質の３つのうち２つ以上が基準値から外れることである。
【0026】
また、動脈硬化を発症しているか否かの判断基準は、動脈硬化指数の基準値が３．０未満であることである。
【0027】
また、糖尿病を発症しているか否かの判断基準は、血糖値の検査結果が、空腹時（朝食前）で１２６ｍｇ／ｄＬ以上、２時間食後で２００ｍｇ／ｄＬ以上、またはヘモグロビンＡ１ｃ（ＨｂＡ１ｃ）の検査結果が６．５％以上であること、又は糖尿病薬物治療をしていることである。なお、ＨｂＡ１ｃの数値は、厳密には、ＨｂＡ１ｃ（ＮＧＳＰ）とする。
【0028】
また、脂質異常症を発症しているか否かの判断基準は、ＬＤＬ（Low Density Lipoprotein）コレステロール：１４０ｍｇ／ｄＬ以上、又はトリグリセライド：空腹時１５０ｍｇ／ｄＬ以上、非空腹時１７５ｍｇ／ｄＬ以上、又はＮｏｎ－ＨＤＬ（High Density Lipoprotein）コレステロール（総コレステロール－ＨＤＬコレステロール）：１７０ｍｇ／ｄＬ以上、ＨＤＬコレステロール４０ｍｇ／ｄＬ未満又は脂質薬物治療をしていることである。
【0029】
この予測システム１は、現時点での特定検診では、上述の判断基準に当てはまらなかった場合でも、その特定検診の検査結果等に基づいて、その特定検診から５年経過後に、上記判断基準にあてはまる可能性、すなわち、生活習慣病の発症確率Ｐを予測する。
【0030】
［データベース］
予測システム１は、データベース２を備える。図１に示すように、データベース２には、５年経過後の生活習慣病の発症確率Ｐの予測式ＰＲを生成するための学習用データＢＤが蓄積されている。この学習用データＢＤは、生活習慣病に関わるリスク要因を表す変数のうち、特定検診における受診者の採血検査から得られた第１変数ＥＶ１の数値と、採血検査以外から得られた受診者に関する第２変数ＥＶ２の数値と、その特定検診が行われた時点から５年経過後、その受診者が、生活習慣病にかかったか否か、すなわち５年経過度生活習慣病の有無（結果）Ｒが対応付けられて蓄積されている。この学習用データＢＤの数は多ければ多いほどよい。
予測システム１は、データベース２を備える。図１に示すように、データベース２には、５年経過後の生活習慣病の発症確率Ｐの予測式ＰＲを生成するための学習用データＢＤが蓄積されている。この学習用データＢＤは、生活習慣病に関わるリスク要因を表す変数のうち、特定検診における受診者の採血検査から得られた第１変数ＥＶ１の数値と、採血検査以外から得られた受診者に関する第２変数ＥＶ２の数値と、その特定検診が行われた時点から５年経過後、その受診者が、生活習慣病にかかったか否か、すなわち５年経過度生活習慣病の有無（結果）Ｒが対応付けられて蓄積されている。この学習用データＢＤの数は多ければ多いほどよい。
【0031】
第１変数ＥＶ１としては、特定検診の採血検査から直接得られるか、計算又は判定結果により数値が算出される項目であれば、あらゆるものを含めることができる。例えば、図２に示すように、第１変数ＥＶ１には、糖尿病の有無、ＨｂＡ１ｃ（ｍｍｏｌ／ｍｏｌ）、高尿酸血症の有無、脂質異常症の有無、ｅＧＦＲ（ｍＬ／ｍｉｎ／１．７３ｍ２）、空腹時血糖値（ｍｇ／ｄｌ）、ＨＤＬコレステロール（ｍｇ／ｄｌ）、ＬＤＬコレステロール（ｍｇ／ｄｌ）、中性脂肪（ｍｇ／ｄｌ）がある。ここで、糖尿病の有無は、採血検査の数値から算出され、糖尿病の判断基準を満たしており、糖尿病であれば値は１となり、糖尿病でなければ値は０となる変数である。高尿酸血症の有無、脂質異常症の有無も同様である。第１変数ＥＶ１は、図２に示すものには限定されない。
【0032】
第２変数ＥＶ２としては、特定検診の採血検査以外から得られる受診者に関する情報であれば、あらゆるものを含めることができる。例えば、図２に示すように、第２変数には、年齢、性別、ＢＭＩ（Body Mass Index）（ｋｇ／ｍ２）、高血圧の有無、収縮期血圧（ｍｍＨｇ）、拡張期血圧（ｍｍＨｇ）、高血圧を患う家族の有無（高血圧家族歴）、喫煙の有無、飲酒の有無がある。年齢は、そのままの値を変数の値とすることできる。性別は、男性を１とし女性を０としている。高血圧の有無は有が１となり、無が０となる。同様に、喫煙有が１となり、喫煙無が０となり、飲酒は、日常生活において、単位日数当たりのアルコール摂取量が所定量を超える場合に１となり、それ以外が０となる。第２変数ＥＶ２は、図２に示すものには限定されない。
【0033】
図１に示すように、予測システム１は、分析装置３を備える。分析装置３は、対象者の採血検査から数値が得られる第１変数ＥＶ１と、採血検査以外から数値が得られる第２変数ＥＶ２とを説明変数とし、５年経過後の対象者の生活習慣病の発症確率を目的変数として、ロジスティック回帰分析を行って予測式ＰＲを生成する。予測式ＰＲは、以下のように規定される。
Ｐ＝１００／（１＋ｅ－（ａ０＋ａ１（Ｘ１）＋ａ２（Ｘ２）＋ａ３（Ｘ３）・・・））・・・（１）
ここで、Ｐ［％］は、生活習慣病の発症確率である。ａ０は切片であり、Ｘ１、Ｘ２、Ｘ３、・・・は、説明変数であり、ａ１、ａ２、ａ３、・・・は、回帰変数である。予測式ＰＲを生成するとは、ロジスティック回帰分析により、切片ａ０、回帰変数ａ１、ａ２、ａ３、・・・を決定することに相当する。なお、切片ａ０、回帰変数ａ１、ａ２、ａ３、・・・は、生活習慣病毎、後述の各種条件毎に生成される。各種条件には、採血の有無又は性別があり、分析装置３は、生活習慣病毎に予測式ＰＲを生成するとともに、採血有と採血無とで、又は性別毎にそれぞれ予測式ＰＲを生成し、ＡＵＣ（Area Under Curve）が最も高くなる予測式ＰＲを、その条件における生活習慣病の予測式ＰＲとして生成する。
Ｐ＝１００／（１＋ｅ－（ａ０＋ａ１（Ｘ１）＋ａ２（Ｘ２）＋ａ３（Ｘ３）・・・））・・・（１）
ここで、Ｐ［％］は、生活習慣病の発症確率である。ａ０は切片であり、Ｘ１、Ｘ２、Ｘ３、・・・は、説明変数であり、ａ１、ａ２、ａ３、・・・は、回帰変数である。予測式ＰＲを生成するとは、ロジスティック回帰分析により、切片ａ０、回帰変数ａ１、ａ２、ａ３、・・・を決定することに相当する。なお、切片ａ０、回帰変数ａ１、ａ２、ａ３、・・・は、生活習慣病毎、後述の各種条件毎に生成される。各種条件には、採血の有無又は性別があり、分析装置３は、生活習慣病毎に予測式ＰＲを生成するとともに、採血有と採血無とで、又は性別毎にそれぞれ予測式ＰＲを生成し、ＡＵＣ（Area Under Curve）が最も高くなる予測式ＰＲを、その条件における生活習慣病の予測式ＰＲとして生成する。
【0034】
なお、第１変数ＥＶ１と第２変数ＥＶ２の中には、生活習慣病によっては有意差を有しないものもある。分析装置３は、生活習慣病の種別ごとに、第１変数ＥＶ１と第２変数ＥＶ２についてｔ検定等、生活習慣病と変数との間の相関性の有無を判定可能な統計処理を行って、有意差がある、すなわち５年経過後の生活習慣病の発症との間に相関性のある第１変数ＥＶ１と第２変数ＥＶ２を選択する。
【0035】
その選択結果を、例えば図２に示す。図２に示すように、例えば、５年経過後に高血圧を患った者と、そうでない者との間に有意差がある変数（リスク要因）は、特定検診時の受診者の年齢、ＢＭＩ、収縮期血圧、拡張期血圧、高血圧家族歴、喫煙の有無、糖尿病の有無及び高尿酸血症の有無である。したがって、生活習慣病が高血圧である場合、第１変数ＥＶ１には、糖尿病の有無及び高尿酸血症の有無が含まれ、第２変数ＥＶ２には、年齢、ＢＭＩ、収縮期血圧、拡張期血圧、高血圧家族歴、喫煙の有無及び飲酒の有無が含まれる。
【0036】
また、５年経過後に慢性腎臓病を患った者と、そうでない者との間に有意差があるリスク要因は、特定検診時の年齢、性別、高血圧の有無、糖尿病の有無、高尿酸血症の有無、脂質異常症の有無及びｅＧＦＲである。したがって、生活習慣病が慢性腎臓病である場合、第１変数ＥＶ１には、糖尿病の有無、高尿酸血症の有無、脂質異常症の有無及びｅＧＦＲが含まれ、第２変数ＥＶ２には、年齢、性別及び高血圧の有無が含まれる。
【0037】
また、５年経過後にメタボリックシンドロームを患った者と、そうでなかった者との間に有意差がある変数は、採血検査の結果が得られた場合では、年齢、性別、ＢＭＩ、収縮期血圧、拡張期血圧、空腹時血糖値、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪である。したがって、生活習慣病がメタボリックシンドロームであり、採血検査の結果が得られた場合、第１変数ＥＶ１には、空腹時血糖値、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、第２変数ＥＶ２には、年齢、ＢＭＩ、収縮期血圧及び拡張期血圧が含まれる。
【0038】
また、５年経過後にメタボリックシンドロームを患った者と、そうでなかった者との間に有意差がある第１変数ＥＶ１及び第２変数ＥＶ２は、採血検査の結果が得られなかった場合では、健康診断時の年齢、性別、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び飲酒の有無である。したがって、生活習慣病がメタボリックシンドロームであり、採血検査の結果が得られた場合、第１変数ＥＶ１には、年齢、性別、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙の有無及び飲酒の有無が含まれる。
【0039】
また、５年経過後に動脈硬化を患った者と、そうでなかった者との間に有意差がある第１変数ＥＶ１及び第２変数ＥＶ２は、男性の場合、健康診断時の年齢、ＢＭＩ、収縮期血圧、拡張期血圧、空腹時血糖値及び中性脂肪であり、女性の場合、健康診断時の年齢、収縮期血圧、拡張期血圧、喫煙及び血糖値である。したがって、生活習慣病が動脈硬化である場合、第１変数ＥＶ１には、受診者が男性の場合、空腹時血糖値及び中性脂肪が含まれる一方、受診者が女性の場合、血糖値が含まれる。第２変数ＥＶ２には、受診者が男性の場合、年齢、ＢＭＩ、収縮期血圧及び拡張期血圧が含まれる一方、受診者が女性の場合、年齢、収縮期血圧、拡張期血圧及び喫煙の有無が含まれる。
【0040】
また、５年経過後に糖尿病を患った者と、そうでなかった者との間に有意差がある第１変数ＥＶ１及び第２変数ＥＶ２は、採血検査の結果が得られた場合、年齢、性別、ＢＭＩ、ＨｂＡ１ｃ、空腹時血糖値であり、採血検査の結果が得られない場合、年齢、性別、ＢＭＩ、高血圧の有無及び脂質異常症の有無である。したがって、生活習慣病が糖尿病であり、採血検査の結果が得られた場合、第１変数ＥＶ１には、空腹時血糖値及びＨｂＡ１ｃが含まれ、第２変数ＥＶ２には、年齢、性別及びＢＭＩが含まれる。一方、採血検査の結果が得られない場合、第２変数ＥＶ２には、年齢、性別、ＢＭＩ及び高血圧の有無が含まれる。
【0041】
また、５年経過後に脂質異常症を患った者と、そうでなかった者との間に有意差がある第１変数ＥＶ１は、年齢及び喫煙の有無であり、第２変数ＥＶ２は、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪である。したがって、生活習慣病が脂質異常症である場合、第１変数ＥＶ１には、ＨＤＬコレステロール、ＬＤＬコレステロール及び中性脂肪が含まれ、第２変数ＥＶ２には、対象者の年齢、喫煙の有無が含まれる。
【0042】
分析装置３は、図２の表において、各生活習慣病に対して○が付与された第１変数ＥＶ１及び第２変数ＥＶ２を説明変数として、ロジスティック回帰分析を行い、式（１）における切片ａ０、回帰変数ａ１、ａ２、ａ３、・・・を求め、予測式ＰＲを生成する。分析装置３において、生活習慣病毎、各種条件毎に生成された予測式ＰＲは例えば以下のようになる。なお、説明変数Ｘ１、Ｘ２、Ｘ３、・・・は、予測式ＰＲによって内容が異なる。わかりやすくするため、変数「～の有無」は、「～」としている。
【0043】
（１）５年経過後高血圧発症可能性（％）予測式（採血有）
Ｐ＝１００／（１+ｅｘｐ（－（－１６．３１２２＋０．０３６４×年齢＋０．０５９２×ＢＭＩ＋０．０６６７×収縮期血圧＋０．０４３５×拡張期血圧＋０．２１８６×糖尿病＋０．１５９２×高尿酸血症＋０．３３５０×喫煙＋０．３６７５×高血圧家族歴））） …（１－１）
Ｐ＝１００／（１+ｅｘｐ（－（－１６．３１２２＋０．０３６４×年齢＋０．０５９２×ＢＭＩ＋０．０６６７×収縮期血圧＋０．０４３５×拡張期血圧＋０．２１８６×糖尿病＋０．１５９２×高尿酸血症＋０．３３５０×喫煙＋０．３６７５×高血圧家族歴））） …（１－１）
【0044】
（２）５年経過後慢性腎臓病発症可能性（％）予測式（採血有）
Ｐ＝１００／（１＋ｅｘｐ（－（９．４８７６＋０．０３１１×年齢＋０．２４００×性別＋０．３４７０×高血圧＋０．０８９３×脂質異常症＋０．３４４４×糖尿病＋０．０８３２×高尿酸血症＋（－０．１９８０）×ｅＧＦＲ））） …（２－１）
Ｐ＝１００／（１＋ｅｘｐ（－（９．４８７６＋０．０３１１×年齢＋０．２４００×性別＋０．３４７０×高血圧＋０．０８９３×脂質異常症＋０．３４４４×糖尿病＋０．０８３２×高尿酸血症＋（－０．１９８０）×ｅＧＦＲ））） …（２－１）
【0045】
（３）５年経過後メタボリックシンドローム発症可能性（％）予測式
採血有
Ｐ=１００／（１＋ｅｘｐ（－（１４．７１２３＋０．０１１１×年齢＋０．０１４×空腹時血糖＋０．３１３５×ＢＭＩ＋０．０１６７×拡張期血圧＋（－０．０１５２）×ＨＤＬコレステロール＋０．００４０×ＬＤＬコレステロール＋０．００８３×収縮期血圧＋０．００１５×中性脂肪＋０．２４７９×飲酒＋１．１７３５×性別＋０．２０４９×喫煙））） …（３－１）
採血無
Ｐ＝１／（１＋ｅｘｐ（－（－１３．２６２３＋０．０１１９×年齢＋０．２８４７×ＢＭＩ＋０．０１３７×拡張期血圧＋０．００８８×収縮期血圧＋０．０７０７×飲酒＋１．２０５６×性別＋０．４４６４×喫煙））） …（３－２）
採血有
Ｐ=１００／（１＋ｅｘｐ（－（１４．７１２３＋０．０１１１×年齢＋０．０１４×空腹時血糖＋０．３１３５×ＢＭＩ＋０．０１６７×拡張期血圧＋（－０．０１５２）×ＨＤＬコレステロール＋０．００４０×ＬＤＬコレステロール＋０．００８３×収縮期血圧＋０．００１５×中性脂肪＋０．２４７９×飲酒＋１．１７３５×性別＋０．２０４９×喫煙））） …（３－１）
採血無
Ｐ＝１／（１＋ｅｘｐ（－（－１３．２６２３＋０．０１１９×年齢＋０．２８４７×ＢＭＩ＋０．０１３７×拡張期血圧＋０．００８８×収縮期血圧＋０．０７０７×飲酒＋１．２０５６×性別＋０．４４６４×喫煙））） …（３－２）
【0046】
（４）５年経過後動脈硬化発症可能性（％）予測式
採血有（男性の場合）
Ｐ=１００／（１＋ｅｘｐ（－（－１５．９１１７２＋０．０６６９７×年齢－０．０３９４８×ＢＭＩ＋０．０２５２７×収縮期血圧＋０．０２２３１×拡張期血圧＋１．５９５７４×ｌｏｇ（血糖値）＋０．２１２８１×ｌｏｇ（中性脂肪）））） …（４－１）
採血有（女性の場合）
Ｐ=１００／（１＋ｅｘｐ（－（－１６．３４９７３＋０．０９８３４×年齢＋０．０２８８８×収縮期血圧＋０．０１８７６×拡張期血圧+１．３１６７４×ｌｏｇ（血糖値）＋０．４９５０５×喫煙））） …（４－２）
採血有（男性の場合）
Ｐ=１００／（１＋ｅｘｐ（－（－１５．９１１７２＋０．０６６９７×年齢－０．０３９４８×ＢＭＩ＋０．０２５２７×収縮期血圧＋０．０２２３１×拡張期血圧＋１．５９５７４×ｌｏｇ（血糖値）＋０．２１２８１×ｌｏｇ（中性脂肪）））） …（４－１）
採血有（女性の場合）
Ｐ=１００／（１＋ｅｘｐ（－（－１６．３４９７３＋０．０９８３４×年齢＋０．０２８８８×収縮期血圧＋０．０１８７６×拡張期血圧+１．３１６７４×ｌｏｇ（血糖値）＋０．４９５０５×喫煙））） …（４－２）
【0047】
（５）５年経過後糖尿病発症可能性（％）予測式
採血有
Ｐ＝１００／（１＋ｅｘｐ（－（－３０．３７２６＋２．５４７１×ＨｂＡ１ｃ＋０．１１０１×空腹時血糖値＋０．０９０５×ＢＭＩ－０．０１８４×年齢＋０．２８７６×性別））） …（５－１）
採血無
Ｐ＝１００／（１＋ｅｘｐ（－（－８．４９６８＋０．１５２２×ＢＭＩ＋０．０２００×年齢＋０．５０９６×男性＋０．４６４４×高血圧））） …（５－２）
採血有
Ｐ＝１００／（１＋ｅｘｐ（－（－３０．３７２６＋２．５４７１×ＨｂＡ１ｃ＋０．１１０１×空腹時血糖値＋０．０９０５×ＢＭＩ－０．０１８４×年齢＋０．２８７６×性別））） …（５－１）
採血無
Ｐ＝１００／（１＋ｅｘｐ（－（－８．４９６８＋０．１５２２×ＢＭＩ＋０．０２００×年齢＋０．５０９６×男性＋０．４６４４×高血圧））） …（５－２）
【0048】
（６）５年経過後の脂質異常症発症可能性（％）予測式
Ｐ＝１／（１＋ｅｘｐ（－（－５．７２２５－０．０１１７×年齢＋０．３２０４×喫煙＋０．０３６９×ＬＤＬコレステロール－０．００４７×ＨＤＬコレステロール＋０．０１６１×中性脂肪））） ・・・（６－１）
ただし、この式において、「喫煙」の数値は、現在喫煙中である場合のみ１であるものとする。
Ｐ＝１／（１＋ｅｘｐ（－（－５．７２２５－０．０１１７×年齢＋０．３２０４×喫煙＋０．０３６９×ＬＤＬコレステロール－０．００４７×ＨＤＬコレステロール＋０．０１６１×中性脂肪））） ・・・（６－１）
ただし、この式において、「喫煙」の数値は、現在喫煙中である場合のみ１であるものとする。
【0049】
なお、上記式（１－１）～式（６－１）において、ＲＯＣ（Receiver Operating Characteristic）曲線のＡＵＣは、以下の通りである。
（１－１）高血圧：ＡＵＣ＝０．７９
（２－１）慢性腎臓病（採血有）：ＡＵＣ＝０．８９
（３－１）メタボリックシンドローム（採血有）：ＡＵＣ＝０．８５
（３－２）メタボリックシンドローム（採血無）：ＡＵＣ＝０．８３
（４－１）動脈硬化（男性）：ＡＵＣ＝０．７１
（４－２）動脈硬化（女性）：ＡＵＣ＝０．７７
（５－１）糖尿病（採血有）：ＡＵＣ＝０．８９
（５－２）糖尿病（採血無）：ＡＵＣ＝０．７１
（６－１）脂質異常症（採血有）：ＡＵＣ＝０．７３
このように、同じ生活習慣病では、採血有の方、すなわち第１変数ＥＶ１を含む予測式ＰＲの方が、ＡＵＣが大きくなっている。また、動脈硬化では、性別により予測式ＰＲを分けた方が、ＡＵＣが大きくなっているため、予測式ＰＲとして男性用と女性用とが生成される。
（１－１）高血圧：ＡＵＣ＝０．７９
（２－１）慢性腎臓病（採血有）：ＡＵＣ＝０．８９
（３－１）メタボリックシンドローム（採血有）：ＡＵＣ＝０．８５
（３－２）メタボリックシンドローム（採血無）：ＡＵＣ＝０．８３
（４－１）動脈硬化（男性）：ＡＵＣ＝０．７１
（４－２）動脈硬化（女性）：ＡＵＣ＝０．７７
（５－１）糖尿病（採血有）：ＡＵＣ＝０．８９
（５－２）糖尿病（採血無）：ＡＵＣ＝０．７１
（６－１）脂質異常症（採血有）：ＡＵＣ＝０．７３
このように、同じ生活習慣病では、採血有の方、すなわち第１変数ＥＶ１を含む予測式ＰＲの方が、ＡＵＣが大きくなっている。また、動脈硬化では、性別により予測式ＰＲを分けた方が、ＡＵＣが大きくなっているため、予測式ＰＲとして男性用と女性用とが生成される。
【0050】
図１に戻り、分析装置３は、上記（１－１）～（６－１）の予測式ＰＲを生成する。生成された予測式ＰＲのデータは、不図示の通信ネットワークを介して、端末装置１０にダウンロードされる。
【0051】
［端末装置］
端末装置１０は、例えばスマートフォン、携帯端末、タブレットコンピュータ、パーソナルコンピュータである。基本的には、端末装置１０は、ユーザの操作入力が可能で、表示画面を有するマンマシンインターフェイスを有する装置である。端末装置１０は、入力部１１と、算出部１２と、出力部１３と、を備える。
端末装置１０は、例えばスマートフォン、携帯端末、タブレットコンピュータ、パーソナルコンピュータである。基本的には、端末装置１０は、ユーザの操作入力が可能で、表示画面を有するマンマシンインターフェイスを有する装置である。端末装置１０は、入力部１１と、算出部１２と、出力部１３と、を備える。
【0052】
［入力部］
入力部１１は、対象者の第１変数ＥＶ１の数値Ｎ１と採血検査以外から得られた第２変数ＥＶ２の数値Ｎ２とを入力する。検査装置４は、体重計、血圧計などの特定検診に用いられる検査装置である。入力部１１は、この検査装置４から、第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２を入力する。
入力部１１は、対象者の第１変数ＥＶ１の数値Ｎ１と採血検査以外から得られた第２変数ＥＶ２の数値Ｎ２とを入力する。検査装置４は、体重計、血圧計などの特定検診に用いられる検査装置である。入力部１１は、この検査装置４から、第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２を入力する。
【0053】
入力部１１は、端末装置１０の操作入力により、第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２を入力することも可能である。例えば、図３に示すように、端末装置１０の表示画面には、第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２を入力する入力画像が表示される。この入力画像を見ながらの操作入力により、年齢、性別、身長、体重、ＢＭＩ、収縮期血圧、拡張期血圧、飲酒の有無、喫煙の有無、高血圧家族歴等の第１変数ＥＶ１の数値Ｎ１を入力することができる。なお、入力部１１への数値Ｎ１、Ｎ２の入力は、操作入力のみにより行われるものであってもよい。
【0054】
［算出部］
算出部１２は、入力部１１に入力された第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２に基づいて、上記式（１－１）～式（６－１）の予測式ＰＲの少なくとも１つを用いて、予測対象となる５年経過後の生活習慣病の発症確率Ｐを算出する。
算出部１２は、入力部１１に入力された第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２に基づいて、上記式（１－１）～式（６－１）の予測式ＰＲの少なくとも１つを用いて、予測対象となる５年経過後の生活習慣病の発症確率Ｐを算出する。
【0055】
高血圧に関して、算出部１２は、第１変数ＥＶ１としての糖尿病の有無及び高尿酸血症の有無と、第２変数ＥＶ２としての年齢、ＢＭＩ、収縮期血圧、拡張期血圧、喫煙、飲酒の有無、高血圧の家族歴の数値とに基づいて、上記式（１－１）を用いて、５年経過後の高血圧の発症確率Ｐを算出する。
【0056】
慢性腎臓病に関して、算出部１２は、第１変数ＥＶ１としての採血検査から判定される糖尿病、高尿酸血症、脂質異常症の有無と、ｅＧＦＲと、第２変数ＥＶ２としての対象者の年齢、ＢＭＩ、高血圧の有無とに基づいて、上記式（２－１）を用いて、５年経過後の慢性腎臓病の発症確率Ｐを算出する。
【0057】
生活習慣病がメタボリックシンドロームであり、採血有りの場合、算出部１２は、第１変数ＥＶ１としての対象者の空腹時血糖、ＨＤＬコレステロール、ＬＤＬコレステロール、中性脂肪と、第２変数ＥＶ２としての対象者の年齢、性別、収縮期血圧、拡張期血圧とに基づいて、上記式（３－１）を用いて、５年経過後のメタボリックシンドロームの発症確率Ｐを算出する。さらに、生活習慣病がメタボリックシンドロームであり、採血無しの場合、算出部１２は、第１変数ＥＶ１としての対象者の空腹時血糖、ＨＤＬコレステロール、ＬＤＬコレステロール、中性脂肪と、第２変数ＥＶ２としての対象者の年齢、ＢＭＩ、収縮期血圧、拡張期血圧とに基づいて、上記式（３－２）を用いて、５年経過後のメタボリックシンドロームの発症確率Ｐを算出する。
【0058】
動脈硬化に関して、対象者が男性である場合、算出部１２は、第１変数ＥＶ１としての血糖値、中性脂肪と、第２変数ＥＶ２としての年齢、ＢＭＩ、収縮期血圧、拡張期血圧とに基づいて、上記式（４－１）を用いて、５年経過後の動脈硬化の発症確率Ｐを算出する。また、対象者が女性である場合、算出部１２は、第１変数ＥＶ１としての年齢、収縮期血圧、拡張期血圧、喫煙の有無と、第２変数ＥＶ２としての血糖値とに基づいて、上記式（４－２）を用いて、５年経過後の動脈硬化の発症確率Ｐを算出する。
【0059】
さらに、糖尿病に関して、採血有りの場合、算出部１２は、第１変数ＥＶ１としての空腹時血糖値及びＨｂＡ１ｃと、第２変数ＥＶ２としての対象者の年齢、性別及びＢＭＩとに基づいて、上記式（５－１）を用いて、５年経過後の糖尿病の発症確率Ｐを算出する。また、採血無しの場合、算出部１２は、第２変数ＥＶ２としての対象者の年齢、性別、ＢＭＩ及び高血圧の有無に基づいて、上記式（５－２）を用いて、５年経過後の糖尿病の発症確率Ｐを算出する。
【0060】
さらに、脂質異常症に関して、算出部１２は、対象者の年齢、性別、ＢＭＩ、血圧、高血圧の家族歴、脂質異常症の有無に基づいて、上記式（６－１）を用いて、５年経過後の脂質異常症の発症確率を算出する。
【0061】
算出部１２が算出対象とする生活習慣病は、高血圧、慢性腎臓病、メタボリックシンドローム、動脈硬化、糖尿病、脂質異常症のいずれかであってもよいし、生活習慣病は、高血圧、慢性腎臓病、メタボリックシンドローム、動脈硬化、糖尿病、脂質異常症のうちの複数であってもよいし、これらの全てについて発症確率Ｐを算出するようにしてもよい。どの生活習慣病を予測対象とするかは、端末装置１０を操作するユーザが選択することが可能である。ユーザは、生活習慣病を、予測対象として複数選択することができる。
【0062】
［出力部］
出力部１３は、算出部１２で算出された５年経過後の生活習慣病の発症確率Ｐを出力する。出力部１３は、５年経過後の生活習慣病の発症確率Ｐを表示出力するようにしてもよいし、音声出力するようにしてもよい。例えば、端末装置１０の表示画面に、図３に示す入出力画像が表示される場合、高血圧、メタボリックシンドロームの発症確率を表示することができる。
出力部１３は、算出部１２で算出された５年経過後の生活習慣病の発症確率Ｐを出力する。出力部１３は、５年経過後の生活習慣病の発症確率Ｐを表示出力するようにしてもよいし、音声出力するようにしてもよい。例えば、端末装置１０の表示画面に、図３に示す入出力画像が表示される場合、高血圧、メタボリックシンドロームの発症確率を表示することができる。
【0063】
［端末装置１０のハードウエア構成］
図１に示す端末装置１０は、例えば、図４に示すハードウエア構成を有するコンピュータがソフトウエアプログラムを実行することにより実現される。具体的には、端末装置１０は、装置全体の制御を司るＣＰＵ（Central Processing Unit）３１と、ＣＰＵ３１の作業領域等として動作するメインメモリ３２と、ＣＰＵ３１の動作プログラム等を記憶する外部メモリ３３と、マンマシンインターフェイス３４と、通信インターフェイス３５と、これらを接続する内部バス３８と、を備える。
図１に示す端末装置１０は、例えば、図４に示すハードウエア構成を有するコンピュータがソフトウエアプログラムを実行することにより実現される。具体的には、端末装置１０は、装置全体の制御を司るＣＰＵ（Central Processing Unit）３１と、ＣＰＵ３１の作業領域等として動作するメインメモリ３２と、ＣＰＵ３１の動作プログラム等を記憶する外部メモリ３３と、マンマシンインターフェイス３４と、通信インターフェイス３５と、これらを接続する内部バス３８と、を備える。
【0064】
ＣＰＵ３１は、後述のように、メインメモリ３２に記憶されたプログラム３９を実行することにより、端末装置１０の各種機能を実現する。
【0065】
メインメモリ３２は、ＲＡＭ（Random Access Memory）等から構成されている。メインメモリ３２には、ＣＰＵ３１によって実行されるプログラム３９が外部メモリ３３からロードされる。また、メインメモリ３２は、ＣＰＵ３１の作業領域（データの一時記憶領域）としても用いられる。図１に示す入力部１１、算出部１２及び出力部１３の機能は、ＣＰＵ３１のプログラムの実行により実現される。
【0066】
外部メモリ３３は、フラッシュメモリ、ハードディスク等の不揮発性メモリから構成される。外部メモリ３３には、ＣＰＵ３１に実行させるためのプログラム３９が予め記憶されている。
【0067】
マンマシンインターフェイス３４は、キーボード及びマウス等のデバイスと、これらのデバイスを内部バス３８に接続するインターフェイス装置を備える。また、マンマシンインターフェイス３４は、ＣＲＴ（Cathode Ray Tube）、液晶モニタ等の表示用デバイスを備える。マンマシンインターフェイス３４として、タッチパネルを採用することができる。マンマシンインターフェイス３４により、罹患の有無の判定結果等が表示される。
【0068】
通信インターフェイス３５は、データ通信のインターフェイスである。通信インターフェイス３５を介して、外部機器とのデータ通信が可能となる。この通信インターフェイス３５を介して、分析装置３又は検査装置４とのデータ通信が行われる。
【0069】
端末装置１０の機能は、１以上のプロセッサ及び一時的でない記憶媒体を含む１以上の記憶装置を含む１以上のコンピュータからなる計算機システムに実装することができる。複数のコンピュータは、相互に接続された通信ネットワークを介して通信を行いつつ、端末装置１０の機能を実現する。例えば、端末装置１０の複数の機能の一部が１つのコンピュータに実装され、他の一部が他のコンピュータに実装されてもよい。
【0070】
なお、データベース２及び分析装置３についても、図４に示すハードウエア構成を有するコンピュータがソフトウエアプログラムを実行することにより実現される。
【0071】
次に、本実施の形態に係る端末装置１０によって実行される予測処理について説明する。なお、この予測処理では、算出対象となる生活習慣病は、予め設定されているものとする。
【0072】
図５に示すように、予測処理のアプリケーションを起動すると、例えば図３に示すような入出力画像が表示される（ステップＳ１）。続いて、入力部１１は、予測式ＰＲを用いた算出指令が入力されるまで待つ（ステップＳ２；Ｎｏ）。この段階では、まだ、生活習慣病の発症確率Ｐ［％］は表示されていない。ユーザは、マンマシンインターフェイス３４を介した操作入力により、第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２の入力が可能となる。
【0073】
ここで、例えば、図３に示す入出力画像を参照して、年齢、性別、身長、体重、飲酒、喫煙、高血圧家族歴等の操作入力が行われる。この段階で、入力部１１は、検査装置４から送られるデータを入力しており、検査装置４の検査結果、例えば、収縮期血圧、拡張期血圧などが表示されているものとする。検査装置４と端末装置１０とが、通信可能に接続されていない場合、検査装置４の検査結果は、操作入力により行われる。
【0074】
算出指令が入力されると（ステップＳ２；Ｙｅｓ）、入力部１１は、必要な第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２がすべて入力済みであるか否かを判定する（ステップＳ３）。まだ、入力されていない数値Ｎ１、Ｎ２がある場合（ステップＳ３；Ｎｏ）、出力部１３は、「～が入力されていません」といった、ユーザに入力を促すような表示出力を行って（ステップＳ４）、ステップＳ２に戻る。以降、入力部１１は、再び、算出指令の入力待ちとなる（ステップＳ２；Ｎｏ）。
【0075】
一方、算出指令が入力され（ステップＳ２；Ｙｅｓ）、すべての数値Ｎ１、Ｎ２が入力されていた場合（ステップＳ３；Ｙｅｓ）、算出部１２は、入力部１１で入力された第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２に基づいて、予測対象となっている生活習慣病に対応する上記式（１－１）～式（６－１）を用いて、５年経過後の生活習慣病の発症確率Ｐを算出する（ステップＳ５）。続いて、出力部１３は、算出部１２で算出された発症確率Ｐを出力する（ステップＳ６）。これにより、予測対象である生活習慣病、例えば図３に示すように、高血圧、メタボリックシンドロームの発症確率Ｐ％が表示される。
【0076】
続いて、入力部１１は、予測処理のアプリケーションの終了指令の操作入力がなされたか否かを判定する（ステップＳ７）。終了指令が入力されていなければ（ステップＳ７；Ｎｏ）、入力部１１は、ステップＳ２に戻る。
【0077】
ここで、端末装置１０は、再び、算出指令の入力待ちとなる（ステップＳ２；Ｎｏ）。この時点で、ユーザは、操作入力により、第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２を変更することが可能である。そして、数値Ｎ１、Ｎ２を変更し、算出指令を入力すると（ステップＳ２；Ｙｅｓ）、ステップＳ３の判定を経て、算出部１２は、変更された数値Ｎ１、Ｎ２に基づいて、予測式ＰＲを用いて生活習慣病の発症確率Ｐを算出し（ステップＳ５）、出力部１３は、更新された発症確率Ｐを出力する（ステップＳ６）。
【0078】
このように、随時、第１変数ＥＶ１の数値Ｎ１、第２変数ＥＶ２の数値Ｎ２を変更し、発症確率Ｐを更新することが可能である。これにより、例えば、体重を数ｋｇ減らした場合に、生活習慣病の発症確率Ｐがどの程度変化するかを確認することができる。さらには、喫煙を有から無に変更したり、飲酒を有から無に変更したりした場合に、生活習慣病の発症確率Ｐがどの程度変化するかを確認することができる。
【0079】
終了指令が入力された場合（ステップＳ７；Ｎｏ）、端末装置１０は、予測処理を終了する。なお、算出対象となる生活習慣病は、適宜変更が可能である。また、予測式ＰＲが生成されたすべての生活習慣病を算出対象としてもよい。この場合、発症確率Ｐが閾値以上である生活習慣病については、その発症確率Ｐを、他の生活習慣病のそれと識別し易くするように強調表示するようにしてもよい。
【0080】
実施の形態２
本発明の実施の形態２について説明する。本実施の形態に係る予測システム１は、生活習慣病毎、必要に応じて対象者の条件毎に容易された予測式ＰＲ（上記式（１－１）～（６－１））を用いて、５年経過後の生活習慣病の発症確率Ｐを算出する点では、上記実施の形態１に係る予測システム１と同じである。
本発明の実施の形態２について説明する。本実施の形態に係る予測システム１は、生活習慣病毎、必要に応じて対象者の条件毎に容易された予測式ＰＲ（上記式（１－１）～（６－１））を用いて、５年経過後の生活習慣病の発症確率Ｐを算出する点では、上記実施の形態１に係る予測システム１と同じである。
【0081】
図６に示すように、本実施の形態に係る予測システム１は、入力部１１に代えて、画像取得部２０と、抽出部２１と、を備える点が、上記実施の形態１に係る予測システム１と異なる。
【0082】
画像取得部２０は、端末装置１０が内蔵するカメラ等を用いて撮像された検査結果報告書ＴＲの画像を取得する。画像取得部２０は、端末装置１０以外のカメラで撮像された検査結果報告書ＴＲの画像を不図示の通信ネットワークを介して入力するようにしてもよい。
【0083】
抽出部２１は、画像取得部２０で取得された画像から、第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２を抽出する。
【0084】
算出部１２は、抽出部２１で抽出された第１変数ＥＶ１及び第２変数ＥＶ２の数値Ｎ１、Ｎ２に基づいて、５年経過後の生活習慣病の発症確率Ｐを算出する。出力部１３は、算出された発症確率Ｐを出力する。
【0085】
例えば、図７に示すように、端末装置１０の表示画面の検診データエリアには、検査結果報告書ＴＲの画像から取得された第１変数ＥＶ１及び第２変数ＥＶ２の数値Ｎ１、Ｎ２が表示され、高血圧、糖尿病、慢性腎臓病、メタボリックシンドロームの５年経過後の発症確率Ｐがそれぞれ表示される。すべての生活習慣病の発症確率Ｐに基づく総合判定を行い、表示させることも可能である。総合判定の基準については、例えば、５０％以上となる生活習慣病の数等に基づいて決定することができる。
【0086】
検診データエリアに表示された数値Ｎ１、Ｎ２は、上記実施の形態１と同様に変更が可能である。数値Ｎ１、Ｎ２が変更されると、その都度、予測式ＰＲを用いた再計算が行われ、高血圧、糖尿病、慢性腎臓病、メタボリックシンドロームの５年経過後の発症確率Ｐが更新される。
【0087】
以上詳細に説明したように、本実施の形態に係る予測システム１によれば、ロジスティック回帰分析により生成された予測式ＰＲを用いて、第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２に基づいて、５年経過後の生活習慣病の発症確率Ｐを算出し、提示することができるので、将来的にどのような生活習慣病にかかりやすいのかを「見える化」することができる。
【0088】
また、予測システム１によれば、第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２を変更することにより、生活習慣病の発症確率Ｐがどの程度変化するのかを「見える化」することも可能である。これにより、本人又は生活指導を行う者が、どのような項目を改善すれば、生活習慣病の発症確率Ｐを減らすことができるのかを把握し易くなる。
【0089】
なお、上記実施の形態では、第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２を変更することにより、５年経過後の生活習慣病の発症確率Ｐを随時更新している。しかし、元の数値Ｎ１、Ｎ２での発症確率Ｐと変更後の数値Ｎ１、Ｎ２での発症確率Ｐとを比較可能に両方表示するようにしてもよい。さらには、第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２の変更と、発症確率Ｐの変化との関係をグラフ表示するようにしてもよい。このようにすれば、第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２と、発症確率Ｐとの相関関係をより把握し易くなる。
【0090】
また、上記実施の形態２に係る予測システム１によれば、採血検査の検査結果を含む特定検診の検査結果報告書ＴＲの画像を取得し、特定健診の検査結果報告書ＴＲの画像から第１変数ＥＶ１の数値Ｎ１及び第２変数ＥＶ２の数値Ｎ２を読み取って予測式ＰＲへの入力とすることが可能である。特定健診の検査結果報告書ＴＲは、全国統一のフォーマットであり、健診項目は決まっているため、その画像からの数値の読み取りを容易に行うことができる。これにより、予測式ＰＲの算出を困難にするデータ欠損の発生を防ぐことができるので、それぞれの生活習慣病の発症確率Ｐの予測を確実に行うことができる。
【0091】
また、予測システム１では、採血検査の結果から得られる第１変数ＥＶ１の数値Ｎ１を説明変数としない予測式ＰＲを用いて、メタボリックシンドローム、糖尿病の発症確率Ｐを算出することが可能である。このようにすれば、採血検査を行わずに、対象者自らが、この予測処理のアプリケーションを用いて、将来の生活習慣病の発症確率Ｐを確認しながら、健康管理を行うことが可能となる。
【0092】
また、同じ生活習慣病で、採血有と採血無とでそれぞれ予測された発症確率Ｐを比較可能に表示するようにしてもよい。
【0093】
なお、上記実施の形態では、端末装置１０が算出部１２を備える。しかしながら、これには限られない。端末装置１０が入力部１１及び出力部１３を備え、算出部１２は、端末装置１０に通信可能に接続するサーバコンピュータが備えるものとしてもよい。入力部１１、算出部１２、出力部１３、画像取得部２０、抽出部２１がいずれの装置に組み込まれるかについては、柔軟に設計することが可能である。
【0094】
上記実施の形態では、５年経過後の生活習慣病の発症確率を予測しているが、これには限定されない。年数は、１年～４年、６年以上であってもよいし、数ヶ月後であってもよい。
【0095】
その他、端末装置１０のハードウエア構成やソフトウエア構成は一例であり、任意に変更および修正が可能である。
【0096】
ＣＰＵ３１、メインメモリ３２、外部メモリ３３、マンマシンインターフェイス３４、通信インターフェイス３５及び内部バス３８などから構成される端末装置１０の処理を行う中心となる部分は、上述のように、専用のシステムとして構築されるようにしてもよいし、通常のコンピュータシステムを用いて実現されるようにしてもよい。例えば、前記の動作を実行するためのコンピュータプログラムを、コンピュータが読み取り可能な一時的でない記録媒体（フレキシブルディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ等）に格納して配布し、当該コンピュータプログラムをコンピュータにインストールすることにより、前記の処理を実行する端末装置１０を構成してもよい。また、インターネット等の通信ネットワーク上のサーバ装置が有する記憶装置に当該コンピュータプログラムを格納しておき、通常のコンピュータシステムがダウンロード等することで端末装置１０を構成してもよい。
【0097】
コンピュータの機能を、ＯＳ（オペレーティングシステム）とアプリケーションプログラムの分担、またはＯＳとアプリケーションプログラムとの協働により実現する場合などには、アプリケーションプログラム部分のみを記録媒体や記憶装置に格納してもよい。
【0098】
搬送波にコンピュータプログラムを重畳し、通信ネットワークを介して配信することも可能である。たとえば、通信ネットワーク上の掲示板（BBS, Bulletin Board System）にコンピュータプログラムを掲示し、ネットワークを介してコンピュータプログラムを配信してもよい。そして、このコンピュータプログラムを起動し、ＯＳの制御下で、他のアプリケーションプログラムと同様に実行することにより、前記の処理を実行できるように構成してもよい。
【0099】
この発明は、この発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この発明を説明するためのものであり、この発明の範囲を限定するものではない。すなわち、この発明の範囲は、実施の形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、この発明の範囲内とみなされる。
【産業上の利用可能性】
【0100】
本発明は、対象者の所定年数経過後の生活習慣病の予測に適用することができる。
【符号の説明】
【0101】
１ 予測システム、２ データベース、３ 分析装置、４ 検査装置、１０ 端末装置、１１ 入力部、１２ 算出部、１３ 出力部、２０ 画像取得部、２１ 抽出部、３１ ＣＰＵ、３２ メインメモリ、３３ 外部メモリ、３４ マンマシンインターフェイス、３５ 通信インターフェイス、３８ 内部バス、３９ プログラム、ＢＤ 学習用データ、ＥＶ１ 第１変数、ＥＶ２ 第２変数、Ｎ１、Ｎ２ 数値、ＰＲ 予測式、Ｐ 発症確率、Ｒ ５年経過後生活習慣病の有無（結果）、ＴＲ 検査結果報告書
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
