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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2022-04-07
(45)【発行日】2022-04-15
(54)【発明の名称】呼吸抵抗測定装置及び検査結果予測方法
(51)【国際特許分類】
A61B 5/08 20060101AFI20220408BHJP
【ＦＩ】
A61B5/08
【請求項の数】
7
(21)【出願番号】P 2019026037
(22)【出願日】2019-02-15
(65)【公開番号】P2020130470
(43)【公開日】2020-08-31
【審査請求日】2021-10-27
【早期審査対象出願】
(73)【特許権者】
【識別番号】597129229
【氏名又は名称】チェスト株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】特許業務法人酒井国際特許事務所
(72)【発明者】
【氏名】久原 聡
(72)【発明者】
【氏名】西貝 学
(72)【発明者】
【氏名】伊藤 久仁貴
【審査官】▲高▼ 芳徳
(56)【参考文献】
【文献】特開２００９－２４０７５２（ＪＰ，Ａ）
【文献】特開２０１０－２６４２３５（ＪＰ，Ａ）
【文献】特公昭４７－０１６４７６（ＪＰ，Ｂ１）
【文献】特公昭４８－０１０８７７（ＪＰ，Ｂ１）
【文献】特開平０３－０３９１４０（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ５／０８ － ５／０９７
(57)【特許請求の範囲】
【請求項1】
呼吸抵抗の周波数依存性に関する第１検査の結果を示す第１データと、呼吸抵抗の周波数依存性以外の呼吸機能に関する第２検査の結果を示す第２データとを被検者毎に対応付けて複数の被験者の前記第１データ及び複数の被験者の前記第２データを記憶する記憶部と、前記記憶部に記憶された前記第１データ及び前記第２データに基づいて、新たに実施された呼吸抵抗の周波数依存性に関する追加第１データから予測される前記第２検査の結果を示す予測第２データを演算する演算部と、
前記追加第１データと前記予測第２データとを表示出力する表示部とを備える
呼吸抵抗測定装置。
【請求項2】
前記演算部は、複数の前記第１データのうち前記追加第１データと類似する第１データを特定し、前記類似する第１データと対応付けられた前記第２データに基づいて前記予測第２データを演算する請求項１に記載の呼吸抵抗測定装置。
【請求項3】
前記予測第２データは、少なくとも、ヒトの呼吸機能のうち１秒量、１秒率、ピークフロー、５０％肺気量の呼気流量及び２５％肺気量の呼気流量の各々の値を含み、前記演算部は、前記類似する第１データと対応付けられた前記第２データが示す前記各々の値に基づいて、前記予測第２データに含まれる前記各々の値を演算する
請求項２に記載の呼吸抵抗測定装置。
【請求項4】
前記演算部は、前記各々の値が取り得ると予測された値の範囲を演算し、前記表示部は、前記第２検査を行った場合に健常者であると判定される値の範囲と、前記予測第２データに含まれる前記各々の値が取り得ると予測された値の範囲との関係を示す表示出力を行う
請求項３に記載の呼吸抵抗測定装置。
【請求項5】
前記記憶部は、前記複数の被験者の各々の年齢、性別、身長及び体重のうち少なくとも１つ以上を含む被験者属性情報をさらに記憶し、前記演算部は、前記追加第１データを得られた被検者の前記被験者属性情報と前記複数の被験者の前記被験者属性情報との類似性に基づいて前記類似する第１データを特定する
請求項２から４のいずれか一項に記載の呼吸抵抗測定装置。
【請求項6】
前記演算部は、対応付けられた前記第１データと前記第２データを教師データとして、前記第１データに含まれるパラメータと前記第２データに含まれるパラメータとの関係の重み付けを行うための機械学習を行い、当該重み付けに基づいて前記予測第２データ又は前記第２データと対応付けられていない前記第１データから予測される前記第２検査の結果を示すデータを演算するためのニューラルネットワークを生成する請求項１から５のいずれか一項に記載の呼吸抵抗測定装置。
【請求項7】
情報処理装置が、呼吸抵抗の周波数依存性に関する第１検査の結果に基づいて、呼吸抵抗の周波数依存性以外の呼吸機能に関する第２検査の結果を予測する検査結果予測方法であって、前記呼吸抵抗の周波数依存性に関する前記第１検査の結果を示す第１データと、前記第２検査の結果を示す第２データとを被検者毎に対応付けて複数の被験者の前記第１データ及び複数の被験者の前記第２データを記憶するステップと、
前記第１データ及び前記第２データに基づいて、新たに実施された呼吸抵抗の周波数依存性に関する追加第１データから予測される前記第２検査の結果を示す予測第２データを演算するステップと、
前記追加第１データと前記予測第２データとを表示出力するステップとを含む
検査結果予測方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、呼吸抵抗測定装置及び検査結果予測方法に関する。
【背景技術】
【0002】
呼吸機能を診断するための検査方法として一般的なスパイロメトリの他に、強制オシレーション法が知られている（例えば、特許文献１）。
【先行技術文献】
【非特許文献】
【0003】
【文献】特開２００９－２４０７５２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
スパイロメトリでは、被験者は、定められた呼吸法で呼吸を行う努力をする必要がある。呼吸器疾患を罹患している被験者では係る呼吸法の実施に苦痛を伴うことがあることから、スパイロメトリのように検査中の呼吸に条件がある検査の実施が困難な場合があった。一方、強制オシレーション法では、被験者は、検査中に通常の呼吸をしていればよい。このため、強制オシレーション法による測定結果に基づいて、スパイロメトリのような第２検査を行った場合の測定結果の予測を支援したいという需要があった。
【0005】
本発明は、上記の課題に鑑みてなされたものであって、強制オシレーション法による測定結果に基づいて、他の検査の測定結果の予測を支援可能な呼吸抵抗測定装置及び検査結果予測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】
【0006】
上記の目的を達成するため、本発明に係る呼吸抵抗測定装置は、呼吸抵抗の周波数依存性に関する第１検査の結果を示す第１データと、呼吸抵抗の周波数依存性以外に関する第２検査の結果を示す第２データとを被検者毎に対応付けて複数の被験者の前記第１データ及び複数の被験者の前記第２データを記憶する記憶部と、前記記憶部に記憶された前記第１データ及び前記第２データに基づいて、新たに実施された呼吸抵抗の周波数依存性に関する追加第１データから予測される前記第２検査の結果を示す予測第２データを演算する演算部と、前記追加第１データと前記予測第２データとを表示出力する表示部とを備える。
【0007】
これによって、追加第１データから予測第２データを演算して追加第１データ及び予測第２データの表示出力を行える。従って、呼吸抵抗の周波数依存性に関する測定が可能な強制オシレーション法による測定結果に基づいて、他の検査である第２検査の測定結果の予測を支援可能になる。
【0008】
呼吸抵抗測定装置の望ましい態様として、前記演算部は、複数の前記第１データのうち前記追加第１データと類似する第１データを特定し、前記類似する第１データと対応付けられた前記第２データに基づいて前記予測第２データを演算する。
【0009】
これによって、予測第２データの精度をより高められる。
【0010】
呼吸抵抗測定装置の望ましい態様として、前記予測第２データは、少なくとも、ヒトの呼吸機能のうち１秒量、１秒率、ピークフロー、５０％肺気量の呼気流量及び２５％肺気量の呼気流量の各々の値を含み、前記演算部は、前記類似する第１データと対応付けられた前記第２データが示す前記各々の値に基づいて、前記予測第２データに含まれる前記各々の値を演算する。
【0011】
これによって、追加第１データを得られた被験者が第２検査を行った場合に得られる１秒量、１秒率、ピークフロー、５０％肺気量の呼気流量及び２５％肺気量の呼気流量を予測可能になる。従って、追加第１データを得られた被験者が第２検査を行うことが困難な場合であっても、第２検査を行わずに１秒量、１秒率、ピークフロー、５０％肺気量の呼気流量及び２５％肺気量の呼気流量を予測可能になる。
【0012】
呼吸抵抗測定装置の望ましい態様として、前記演算部は、前記各々の値が取り得ると予測された値の範囲を演算し、前記表示部は、前記第２検査を行った場合に健常者であると判定される値の範囲と、前記予測第２データに含まれる前記各々の値が取り得ると予測された値の範囲との関係を示す表示出力を行う。
【0013】
これによって、予測される１秒量、１秒率、ピークフロー、５０％肺気量の呼気流量及び２５％肺気量の呼気流量の値の範囲に基づいた診断を支援可能になる。
【0014】
呼吸抵抗測定装置の望ましい態様として、前記記憶部は、前記複数の被験者の各々の年齢、性別、身長、体重及びのうち少なくとも１つ以上を含む被験者属性情報をさらに記憶し、前記演算部は、前記追加第１データを得られた被検者の前記被験者属性情報と前記複数の被験者の前記被験者属性情報との類似性に基づいて前記類似する第１データを特定する。
【0015】
これによって、追加第１データと類似する第１データの特定の精度をより高められる。
【0016】
呼吸抵抗測定装置の望ましい態様として、前記演算部は、対応付けられた前記第１データと前記第２データを教師データとして、前記第１データに含まれるパラメータと前記第２データに含まれるパラメータとの関係の重み付けを行うための機械学習を行い、当該重み付けに基づいて前記予測第２データ又は前記第２データと対応付けられていない前記第１データから予測される前記第２検査の結果を示すデータを演算するためのニューラルネットワークを生成する。
【0017】
これによって、機械学習を利用して予測第２データの精度をより高められる。
【0018】
また、上記の目的を達成するため、本発明に係る検査結果予測方法は、情報処理装置が、呼吸抵抗の周波数依存性に関する第１検査の結果に基づいて、呼吸抵抗の周波数依存性以外に関する第２検査の結果を予測する検査結果予測方法であって、前記呼吸抵抗の周波数依存性に関する前記第１検査の結果を示す第１データと、前記第２検査の結果を示す第２データとを被検者毎に対応付けて複数の被験者の前記第１データ及び複数の被験者の前記第２データを記憶するステップと、前記第１データ及び前記第２データに基づいて、新たに実施された呼吸抵抗の周波数依存性に関する追加第１データから予測される前記第２検査の結果を示す予測第２データを演算するステップと、前記追加第１データと前記予測第２データとを表示出力するステップとを含む。
【0019】
これによって、追加第１データから予測第２データを演算して追加第１データ及び予測第２データの表示出力を行える。従って、呼吸抵抗の周波数依存性に関する測定が可能な強制オシレーション法による測定結果に基づいて、他の検査である第２検査の測定結果の予測を支援可能になる。
【発明の効果】
【0020】
本発明によれば、強制オシレーション法による測定結果に基づいて、他の検査の測定結果の予測を支援可能になる。
【図面の簡単な説明】
【0021】
【発明を実施するための形態】
【0022】
本発明を実施するための形態（実施形態）につき、図面を参照しつつ詳細に説明する。以下の実施形態に記載した内容により本発明が限定されるものではない。また、以下に記載した構成要素には、当業者が容易に想定できるもの、実質的に同一のものが含まれる。さらに、以下に記載した構成要素は適宜組み合わせることが可能である。
【0023】
図１は、実施形態の呼吸抵抗測定装置１の主要構成例を示すブロック図である。呼吸抵抗測定装置１は、測定部１０と、データ管理部２０とを備える。測定部１０は、呼吸抵抗の測定に用いられる。データ管理部２０は、測定部１０を用いて測定された呼吸抵抗に関するデータを利用した各種の処理を行う。
【0024】
図２は、測定部１０の主要構成例を示す模式図である。測定部１０は、負荷発生部１１、流量計測部１２、圧力計測部１３、分岐管１４、ニューモタコグラフ１５、マウスピース１６等を備える。実施形態の測定部１０は、所謂広域周波オシレーション法と呼ばれる呼吸抵抗測定方法で被験者の呼吸抵抗を測定するためのものである。
【0025】
なお、流速計測部１２、圧力計測部１３を測定部１０に設けるための具体的構成は、ニューモタコグラフ１５に限られない。例えば、リリー型フローセンサ等の差圧式流量計を用いて気流Ｂの流速、圧力を測定してもよい。
【0026】
負荷発生部１１は、被験者が行う呼吸により生じる気流Ｂ（安静換気）に対して負荷を与える。負荷発生部１１は、例えば、気流Ｂが流れる流路に対して波動Ｏを発生して負荷を与えるスピーカである。流量計測部１２は、気流Ｂの流量を測定するセンサである。圧力計測部１３は、気流Ｂの圧力を測定するセンサである。なお、流量計測部１２が計測する流量は、所定の単位時間（例えば、１秒）あたりの流量である。
【0027】
分岐管１４は、気流Ｂが流れる管状の流路の終端側に設けられて、終端側を２分岐させるＹ字状の管路を有する部材である。負荷発生部１１には、２分岐した流路の一端側に負荷発生部１１が設けられ、他端側に終端抵抗１４ａが設けられている。負荷発生部１１及び終端抵抗１４ａは、流路の終端の一部又は全部を塞いでいる。ニューモタコグラフ１５は、分岐管１４とマウスピース１６との間に介在するように気流Ｂの流路に設けられる。ニューモタコグラフ１５には、流量計測部１２、圧力計測部１３及びスクリーン１５ａが設けられる。スクリーン１５ａは、気流Ｂが通過可能に設けられる。気流Ｂがスクリーン１５ａに与える影響に基づいて、流量計測部１２及び圧力計測部１３がセンシングを行う。マウスピース１６は、気流Ｂの流路の始端側に設けられる。マウスピース１６に、被験者の口（又は、鼻及び口）が密着されて呼吸が行われる。
【0028】
図２に示す負荷発生部１１は、負荷制御部１１ａとユニット１１ｂとを含む。負荷制御部１１ａは、流量計測部１２が測定する流速のデータ及び圧力計測部１３が測定する圧力のデータに基づいて、呼吸のタイミングに合わせてユニット１１ｂに負荷を発生させる。ユニット１１ｂは、負荷制御部１１ａの制御下で波動Ｏを発生させて気流Ｂに対して負荷を与える。
【0029】
実施形態では、ユニット１１ｂが発生させる波動Ｏとして、例えば、ハニング波、雑音波等の広帯域周波数成分を含む波動が採用されている。波動Ｏの周波数帯は、例えば、５～３５Ｈｚである。これら例示された波動Ｏの詳細は、あくまで広域周波オシレーション法で採用されるオシレーション波の具体例であってこれらに限られるものでなく、適宜変更可能である。
【0030】
負荷制御部１１ａは、流量計測部１２及び圧力計測部１３からのデータと、ユニット１１ｂに負荷を発生させたタイミング及び負荷の種類（周波数等）を示すデータとをデータ管理部２０に出力する。流量計測部１２及び圧力計測部１３からのデータは、負荷制御部１１ａを介さずデータ管理部２０に出力されてもよい。
【0031】
データ管理部２０は、記憶部２１、演算部２２、表示部２３、入力部２４等を備える。記憶部２１は、ハードディスクドライブ（ＨＤＤ：Hard Disk Drive）、ソリッドステートドライブ（ＳＳＤ：Solid State Drive）、フラッシュメモリーその他の記憶装置のいずれかを有し、各種のデータを記憶する。記憶部２１は、例えば、測定データ２１０、表示プログラム２２０、判定プログラム２３０等を記憶する。
【0032】
測定データ２１０は、第１データ２１１、第２データ２１２、対応付けデータ２１３等を含む。第１データ２１１は、過去に測定部１０を用いて行われた測定結果を示すデータである。また、被験者が新たに行った測定によって測定部１０からデータ管理部２０に出力された新たな測定結果を示すデータ（追加データＡＤ）は、１人の被験者の１回分の第１データ２１１として扱われる。すなわち、測定部１０を用いて測定が行われるたび、第１データ２１１に含まれる被験者のデータは増加する。
【0033】
表示プログラム２２０は、測定データ２１０に基づいた表示出力を行うためのソフトウェア・プログラムである。以下、単にプログラムと記載した場合、ソフトウェア・プログラムのことをさす。判定プログラム２３０は、表示出力内容を制御するためのプログラムである。これらのプログラムにより実現される機能については後述する。
【0034】
演算部２２は、ＣＰＵ（Central Processing Unit）等の演算回路を有し、記憶部２１に記憶されているプログラム、データを読み出して実行処理し、データ管理部２０の動作に関する各種の処理を行う。表示部２３は、液晶ディスプレイ、有機エレクトロルミネセンスディスプレイその他の表示装置のいずれかを有し、演算部２２の処理内容に応じた表示出力を行う。入力部２４は、例えば表示部２３の表示領域に対するタッチ操作を検出するタッチパネル、キーボード、マウスその他の入力装置のいずれかを有し、データ管理部２０に対するユーザの手動入力操作を受け付ける。
【0035】
まず、データ管理部２０によるデータ表示機能の概要について説明する。演算部２２は、流量計測部１２及び圧力計測部１３からのデータに基づいて高速フーリエ変換等の処理を行い、当該データが検出された被験者の呼吸抵抗値及びリアクタンス値を求める。演算部２２は、測定部１０を用いて行われた被験者の呼吸抵抗測定期間（時間）の時系列に沿って変化する気流Ｂの流速及び圧力に基づいて、時系列に沿って呼吸抵抗値及びリアクタンス値を求める。
【0036】
演算部２２は、表示プログラム２２０を実行し、時系列に沿った呼吸抵抗値の変化を表示部２３に表示させる処理を行う。表示部２３は、演算部２２によって求められた呼吸抵抗値等を時系列に沿って表示出力する。以下、呼吸抵抗値の表示例について、図３を参照して説明する。
【0037】
図３は、時系列に沿う呼吸抵抗値及びリアクタンス値の波形の一例を示す３Ｄグラフである。図３の呼吸抵抗値欄で示す３Ｄグラフは、３軸のうち１つが呼吸抵抗値（Ｒ）、他の１つが周波数（Ｆ）、残りの１つが時間（Ｔ）を示す。図３の呼吸抵抗値欄で示す３Ｄグラフでは、周波数（Ｆ）の軸に沿って手前側から奥側に渡って表示される呼吸抵抗値（Ｒ）の高低を示す波形Ｗ１０が時間（Ｔ）の軸に沿って３Ｄ状に表示されることで、表示部２３を見たユーザが周波数別の呼吸抵抗値の傾向を容易に把握可能になっている。図３に例示する波形Ｗ１０は、波形Ｗ１１，Ｗ１２，Ｗ１３，Ｗ１４，Ｗ１５，Ｗ１６を含む。波形Ｗ１１，Ｗ１２，Ｗ１３，Ｗ１４，Ｗ１５，Ｗ１６は、それぞれ異なる周波数帯の５［Ｈｚ］幅の呼吸抵抗値を示す波形である。図３のようなグラフにおける周波数（Ｆ）と呼吸抵抗値（Ｒ）との関係は、負荷発生部１１からの負荷の周波数が変化した場合に呼吸抵抗値がどのように変化したかを示している。
【0038】
図３のリアクタンス値欄で示す３Ｄグラフは、３軸のうち１つがリアクタンス値（Ｘ）、他の１つが周波数（Ｆ）、残りの１つが時間（Ｔ）を示す。図３のリアクタンス値欄で示す３Ｄグラフでは、周波数（Ｆ）の軸に沿って手前側から奥側に渡って表示されるリアクタンス値（Ｘ）の高低を示す波形Ｗが時間（Ｔ）の軸に沿って３Ｄ状に表示されることで、表示部２３を見たユーザが周波数別のリアクタンス値の傾向を容易に把握可能になっている。図３に例示する波形Ｗ２０は、波形Ｗ２１，Ｗ２２，Ｗ２３，Ｗ２４，Ｗ２５，Ｗ２６を含む。波形Ｗ２１，Ｗ２２，Ｗ２３，Ｗ２４，Ｗ２５，Ｗ２６は、それぞれ異なる周波数帯の５［Ｈｚ］幅のリアクタンス値を示す波形である。図３のようなグラフにおける周波数（Ｆ）とリアクタンス値（Ｘ）との関係は、負荷発生部１１からの負荷の周波数が変化した場合にリアクタンス値がどのように変化したかを示している。
【0039】
図４以降の３Ｄグラフでは、呼吸抵抗値及びリアクタンス値の３軸の矢印及び符号の図示を省略しているが、３Ｄグラフの解釈方法については図３と同様である。実施形態では、表示部２３からの表示出力内容に呼吸抵抗値（Ｒ）（又はリアクタンス値（Ｘ））、周波数（Ｆ）及び時間（Ｔ）を示す矢印は表示されないが、表示出力するようにしてもよい。また、図３及び図４以降の３Ｄグラフでは、呼吸抵抗値の３Ｄグラフにおける吸気の期間にハッチングを付している。ハッチングが付されていない期間が呼気の期間である。図３等では図示しないが、リアクタンス値についても呼吸抵抗値と同様、呼気と吸気を区別するための表示態様の区別をしてもよい。
【0040】
実施形態の表示プログラム２２０は、図３に例示するように、第１データ２１１に基づいて求められた呼吸抵抗値及びリアクタンス値の少なくとも一方を３Ｄグラフの形態で表示出力するプログラムである。表示プログラム２２０による表示態様は図３に示す例に限定されず、測定部１０を用いた測定によって求められた呼吸抵抗値及びリアクタンス値の少なくとも一方を把握可能な形態であればよい。
【0041】
また、図３等の呼吸抵抗値欄の３Ｄグラフは、原点ＳＰ１の横軸に対する呼吸抵抗値（Ｒ）の波形Ｗ１０の高さによって波形の色が変わるようになっている。具体的には、例えば後述する指標Ｒｒｓ（図８参照）が示すように、原点ＳＰの横軸に対する呼吸抵抗値の高さと色との関係が設定されている。これによって、色に基づいた呼吸抵抗値の高低の評価が可能になる。図３に示す原点ＳＰ１の横軸は、呼吸抵抗値（Ｒ）の高低を視覚化するための基準値を示す３Ｄグラフの縦軸（呼吸抵抗値（Ｒ））方向の底辺である。原点ＳＰ１の横軸、例えばゼロ（０）の呼吸抵抗値を示すが、０を超える任意の値であってもよい。ただし、原点ＳＰ１の横軸の位置は、３Ｄグラフに含まれる呼吸抵抗値の最低値以下であることが望ましい。リアクタンス値でも同様に、後述する指標Ｘｒｓ（図８参照）が示すように、原点ＳＰ２の横軸に対するリアクタンス値の高低を把握可能になっている。
【0042】
図３に示すグラフは、呼吸器系に特段の疾患を持たない健常者が被験者である場合の呼吸抵抗値の一例を示すグラフである。図３に示すグラフのようなデータは、追加データＡＤに限られない。図３に示すグラフのようなデータのうち、過去に実施済みのデータについては、呼吸機能が正常であると判定済みの測定結果を示す第１データ２１１として扱われる。
【0043】
【0044】
図４は、気管支喘息を罹患している被験者の呼吸抵抗値及びリアクタンス値の波形の一例を示す３Ｄグラフである。図４で例示するように、気管支喘息を罹患している被験者では、一般的に、健常者である被験者に比して高い呼吸抵抗値が測定される傾向がある。また、気管支喘息を罹患している被験者では、一般的に、健常者である被験者に比して低いリアクタンス値が測定される傾向がある。
【0045】
図５は、慢性閉塞性肺疾患（ＣＯＰＤ：Chronic Obstructive Pulmonary Disease）を罹患している被験者の呼吸抵抗値及びリアクタンス値の波形の一例を示す３Ｄグラフである。図５で例示するように、ＣＯＰＤを罹患している被験者では、一般的に、健常者である被験者に比して高い呼吸抵抗値が測定される傾向がある。また、ＣＯＰＤを罹患している被験者では、一般的に、健常者である被験者に比して低いリアクタンス値が測定される傾向がある。また、図４の３Ｄグラフでは、負荷の周波数と呼吸抵抗値との間に特段の関係性が現れていないが、図５の３Ｄグラフでは、負荷の周波数が上がるにつれて呼吸抵抗値がより高くなる周波数依存性が現れている。このような周波数依存性の有無は、一般的に、気管支喘息等の喘息とＣＯＰＤとを識別可能にする診断材料として利用可能とされる。
【0046】
図５を参照して説明したように、第１データ２１１は、呼吸抵抗の周波数依存性に関するデータとして機能する。すなわち、第１データ２１１は、負荷の周波数帯（又は周波数）によって呼吸抵抗値がどのような傾向を示すかを確認可能なデータである。また、追加データＡＤは、新たに実施された呼吸抵抗の周波数依存性に関する追加第１データとして機能する。
【0047】
第１データ２１１として扱われるデータは、健常者又は気管支喘息若しくはＣＯＰＤを罹患している患者のデータに限られない。例えば、喘息とＣＯＰＤが合併したＡＣＯ（Asthma and Copd Overlap）を罹患している被験者のデータ、測定時に測定部１０の取り扱いの不備等によって正しく測定が行われなかったデータ等も、第１データ２１１に含まれてよい。
【0048】
第２データ２１２は、測定部１０とは異なる呼吸機能の測定装置を用いて測定されたデータである。具体的には、第２データ２１２は、例えばスパイロメータを用いて行われた肺機能検査（スパイロメトリ）の結果を示すデータである。
【0049】
図６は、第２データ２１２に基づいて描画されるスパイログラムの模式図である。スパイロメトリでは、図６に示すようなフローボリュームカーブＬを描くグラフであるスパイログラムを描画可能なデータが測定される。原点（０）の横軸を基準として上向きの縦軸が呼気による単位時間あたりの呼気流量、すなわち、気流量（フロー）を示し、下向きの縦軸が吸気による気流量を示す。また、幅Ｄ１が努力肺活量（ＦＶＣ：Forced Vital Capacity）を示す。ＦＶＣは、後述するＶ５０及びＶ２５における１００［％］肺気量の基準として扱われる。なお、Ｖ５０及びＶ２５の「Ｖ」は、正しくは上側に傍点が付されたアルファベットのＶ（図９参照）である。また、Ｖ５０は、ＦＥＦ５０（Forced Expiratory Flow at 50% of forced vital capacity）と記載されることもある。また、Ｖ２５は、ＦＥＦ７５（Forced Expiratory Flow at 75% of forced vital capacity）と記載されることもある。
【0050】
図６の幅Ｄ２で示すように、原点（０）の横軸に対して吸気のフローが最大である瞬間の気流量が、ピークフロー（ＰＥＦ：Peak Expiratory Flow）である。気管支喘息、ＣＯＰＤ等の呼吸器疾患に罹患している被験者の場合、一般的に、健常者と比較した場合にＰＥＦの低下が現れる傾向があるとされる。
【0051】
また、幅Ｄ１の中間点に対応する位置における吸気のフロー、すなわち、図６の幅Ｄ３が、５０［％］肺気量の時の呼気流量（Ｖ５０）を示す。また、幅Ｄ１の１／４の位置であって、ＰＥＦから遠い方の位置における吸気のフロー、すなわち、図６の幅Ｄ４が、２５［％］肺気量の時の呼気流量（Ｖ２５）を示す。なお、Ｖ５０及びＶ２５の呼気流量とは、所定の単位時間（例えば、１秒）あたりの呼気流量である。Ｖ５０及びＶ２５は、一般的に、被験者の努力による影響を受けない測定値として診断に利用される傾向がある。気管支喘息等、末梢気道閉塞を伴う疾患に罹患している被験者の場合、一般的に、健常者と比較した場合のＰＥＦの低下よりもＶ５０，Ｖ２５のより顕著な低下が現れる傾向があるとされる。
【0052】
また、フローボリュームカーブには現れないが、スパイロメトリでは、さらに、１秒量（ＦＥＶ１：Forced Expiratory Volume 1sec）及び１秒率（ＦＥＶ１％：Forced Expiratory Volume 1sec ％）も測定される。ＦＥＶ１は、呼気を開始した瞬間から１秒間に呼出された気量を示す。ＦＥＶ１％は、ＦＶＣに対するＦＥＶ１の割合を示す。
【0053】
実施形態では、第２データ２１２は、少なくとも、ＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０及びＶ２５の各々の測定値を示すパラメータ及びこれらの測定値を演算によって導出可能な実測データの少なくとも一方を含む。言い換えれば、実施形態において第２検査として扱われるスパイロメトリは、少なくとも、呼吸検査機能におけるＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の各々の値を測定可能な検査である。第２データ２１２は、さらに、スパイロメトリで測定可能な他の項目の測定値を示すパラメータを含んでいてもよい。
【0054】
第１データ２１１と第２データ２１２は、被験者単位で対応付けられている。対応付けデータ２１３は、第１データ２１１と第２データ２１２を被験者単位で対応付けるデータである。
【0055】
図７は、対応付けデータ２１３の一例を示す図である。なお、図７では、例えば図３のデータが「０００００００１」の識別番号を与えられた被験者の第１データ２１１である「ｍ０００００００１」に該当し、図４のデータが「０００００００２」の識別番号を与えられた被験者の第１データ２１１である「ｍ０００００００２」に該当し、図５のデータが「０００００００５」の識別番号を与えられた被験者の第１データ２１１である「ｍ０００００００５」に該当する。測定データ２１０に含まれる複数の種類のデータは、例えば図７の識別番号のような固有の識別子によって被験者単位で区別されている。識別番号は、例えば演算部２２が過去のデータに与えられていない識別番号を新たに生成し、測定部１０からデータ管理部２０に入力されたデータに個別に与えることで各被験者のデータに割り当てられる。
【0056】
図７の診断結果は、例えば呼吸抵抗測定装置１のユーザが入力部２４を用いて行った入力によって第１データ２１１に設定された診断結果である。「正常」の診断結果は、健常者であると診断された被験者のデータであることを示す。「ＣＯＰＤ」、「喘息」、「ＡＣＯ」及び「ＮＧ」のように「正常」以外の診断結果は、何らかの異常があった被験者のデータであることを示す。「ＣＯＰＤ」、「喘息」、「ＡＣＯ」は、それぞれ疾患名を示す。「ＮＧ」は、測定時に測定部１０の取り扱いの不備等によって正しく測定が行われなかったことを示す。
【0057】
図７の対応付け欄に示すように、対応付けデータ２１３は、第１データ２１１と第２データ２１２を被験者単位で対応付ける。例えば、「０００００００１」の識別番号を与えられた被験者の第１データ２１１である「ｍ０００００００１」と、同一の被験者の第２データ２１２である「ｓ０００００００１」とが図７に例示する対応付けデータ２１３によって対応付けられている。また、「０００００００２」の識別番号を与えられた被験者の第１データ２１１である「ｍ０００００００２」と、同一の被験者の第２データ２１２である「ｓ０００００００２」とが図７に例示する対応付けデータ２１３によって対応付けられている。「０００００００２」よりも後の識別番号を与えられた被験者についても同様に、第１データ２１１と第２データ２１２とが図７に例示する対応付けデータ２１３によって対応付けられている。
【0058】
実施形態では、図７の被験者属性欄に含まれる年齢［歳］、性別、身長［ｃｍ］、体重［ｋｇ］のカラムで例示するように、被験者を識別するための特徴に関するパラメータが設定されている。被験者属性のパラメータは、例えば入力部２４を用いた入力を介して、ユーザにより第１データ２１１に設定される。例えば、「０００００００１」の識別番号を与えられた被験者は、年齢が２５［歳］であり、性別が男であり、身長が１７５．０［ｃｍ］であり、体重が６６．０［ｋｇ］であることが被験者属性欄の設定項目により示されている。図示しないが、被験者属性は、氏名等、被験者をより確実に識別するためのさらなる設定項目を含んでいてもよい。
【0059】
第１データ２１１と第２データ２１２との対応付けは、例えば入力部２４を用いた入力を介してユーザにより手動で行われてもよいし、第１データ２１１及び第２データ２１２に個別に設定された被験者属性欄の設定項目の照合によって演算部２２が自動的に行ってもよい。言い換えれば、第２データ２１２には、予め被験者属性のパラメータが設定されており、第１データ２１１との対応付けが可能な状態になっている。
【0060】
なお、「ｍ０００００００１」等の第１データ２１１は、例えば、流量計測部１２及び圧力計測部１３からのデータを記録したもの、すなわち、高速フーリエ変換等の処理前のデータであってもよいし、流量計測部１２及び圧力計測部１３からのデータに基づいて演算部２２が行った高速フーリエ変換等の処理によって求められた呼吸抵抗値等を示すデータであってもよい。また、「ｓ０００００００１」等の第２データ２１２は、例えば、ＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０及びＶ２５の各々の測定値が演算によって導出される前のスパイロメータによる実測データであってもよいし、当該実測データから演算によって導出されたＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０及びＶ２５の各々の測定値を示すパラメータを含むデータであってもよい。また、図７で例示する被験者属性欄の各種設定項目等の具体的な内容はあくまで一例であってこれに限られるものでなく、同様の意味を示す他の表現が用いられていてもよい。
【0061】
表示プログラム２２０を実行中の演算部２２は、例えば対応付けデータ２１３によって対応付けられた第１データ２１１と第２データ２１２とを同時に視認可能な表示出力を表示部２３に行わせる。
【0062】
図８は、第１データ２１１と第２データ２１２とを同時に視認可能な表示出力例を示す図である。図８に示す表示出力例では、第１データ２１１に対応する３ＤグラフＧ１と、第２データ２１２に対応するスパイログラムＧ２と、３ＤグラフＧ１の読み方に関する情報を提供する情報提供部Ｐとを含む。図８では、３ＤグラフＧ１が呼吸抵抗値の３Ｄグラフである場合を例示しているが、リアクタンス値の３Ｄグラフについても同様に表示可能である。また、呼吸抵抗値の３Ｄグラフとリアクタンス値の３Ｄグラフは、同時に表示されてもよいし、入力部２４を用いた入力等をトリガーとして切り替わりで３ＤグラフＧ１の位置に表示されてもよい。また、３ＤグラフＧ１とスパイログラムＧ２とは同時出力に限らず、切り替わりで表示されてもよい。
【0063】
なお、情報提供部Ｐにおける「Ｒｒｓ」は、呼吸抵抗値の高低と３Ｄグラフのパターンとの対応関係に関する情報を提供している。また、「Ｘｒｓ」は、リアクタンス値の高低とグラフのパターンとの対応関係に関する情報を提供している。図８及び上述の図３等ではドットパターンの濃淡で３Ｄグラフにおける呼吸抵抗値の高低を表現しているが、実際には、カラー表示可能な表示部２３を用いた多色表現が行われる。リアクタンス値の高低の表現についても同様である。また、図８及び上述の図３等でハッチングの有無によって表現されている呼気と吸気との区別についても、実際には色の差によって表現される。
【0064】
なお、複数の第１データ２１１のうち一部の第１データ２１１は、第２データ２１２と対応付けられていなくてもよい。例えば、追加データＡＤとして入力されて第１データ２１１に加えられるデータは、その時点では第２データ２１２と対応付けられていない。判定プログラム２３０は、対応付けられた第１データ２１１及び第２データ２１２に基づいて、対応付けられる第２データ２１２がない第１データ２１１から、当該第１データ２１１が測定された被験者と同一の被験者がスパイロメトリを行った場合に測定されると予想されるデータ（予測第２データ）を演算するためのプログラムである。
【0065】
具体的には、判定プログラム２３０は、所謂機械学習を利用して第１データ２１１から予測第２データを演算する。例えば、所謂ニューラルネットワークにおける入力を追加データＡＤ又は過去の第１データ２１１に含まれるデータのうち第２データ２１２と対応付けられていないデータとし、出力を予測第２データとし、教師データを過去の測定データ２１０に含まれる第１データ２１１と第２データ２１２との対応付け並びに第１データ２１１及び第２データ２１２の各々のデータとする。すなわち、入力データと記載した場合、追加データＡＤ又は過去の第１データ２１１に含まれるデータのうち第２データ２１２と対応付けられていないデータである。
【0066】
判定プログラム２３０を実行中の演算部２２は、当該ニューラルネットワークにおける入力と出力との間に介在し、入力データと、教師データに含まれる複数の第１データ２１１の各々との類似の度合いを判定するための重み付けを行う隠れ層として機能するニューラルネットワークを生成する。当該隠れ層としての演算部２２は、入力データが示す呼吸抵抗値及びリアクタンス値と、複数の第１データ２１１の各々が示す呼吸抵抗値及びリアクタンス値との関係について、周波数との関係、一連の呼吸における増減パターンその他の特徴に基づいて、類似の度合いを示すパラメータ（例えば、数値）を演算する。
【0067】
より具体的には、呼吸抵抗値の最高値及び最低値に基づいた重み付けを行うためのニューロンと、呼吸抵抗値の増減に基づいた重み付けを行うためのニューロンと、被験者の性別、身長、体重等の身体的特徴との関係に基づいた重み付けを行うためのニューロンと、…のように、入力と出力との間に介在する隠れ層を構成するニューロンを階層化するアルゴリズムを含む判定プログラム２３０が採用されることで、より高い精度が望める。このように、判定プログラム２３０は、機械学習プログラムとして機能する。また、判定プログラム２３０を実行中の演算部２２を含む構成は、所謂機械学習システムとして機能する。これらをさらに発展させ、所謂ディープラーニングによって、類似判定や後述する第１データ２１１と第２データ２１２との相関に基づいた機械学習を行うようにしてもよい。
【0068】
また、当該隠れ層としての演算部２２は、被験者属性に含まれる各種のパラメータ等、被験者の性別の異同及び体格の近似の度合いを当該類似の度合いを示すパラメータの演算において参酌してもよい。具体的には、教師データのうち入力データに設定された性別と不一致の性別が設定された第１データ２１１を、入力データと類似しない第１データ２１１であることを示す数値にするようにしてもよい。また、入力データ及び教師データに設定された年齢の数値に基づいて、成人と判定される年齢のデータと、小児と判定される年齢のデータとを区別するようにしてもよい。この場合、入力データが成人又は小児の一方である場合に教師データのうち成人又は小児の他方の第１データ２１１を類似しないデータとして扱い、そのような第１データ２１１を入力データと類似しない第１データ２１１であることを示す数値にするようにしてもよい。また、年齢による成人と小児の区別に限らず、体格の近似（乖離）の度合いに基づいて、成人と小児の区別と同様の観点で入力データと教師データに含まれる第１データ２１１との類似性を判定するようにしてもよい。このように、複数の被験者の各々の年齢、性別、身長、体重のうち少なくとも１つ以上を含む被験者属性情報を設定することで、演算部２２は、追加データＡＤのような追加第１データや第１データ２１１のうち第２データ２１２と対応付けられていないデータを得られた被検者の被験者属性情報と、第２データ２１２と対応付けられた第１データ２１１を得られた複数の被験者の被験者属性情報との類似性に基づいて、類似する第１データ２１１を特定できる。
【0069】
より具体的な例を挙げると、機械学習では、追加データＡＤの呼吸抵抗値の最高値と、被験者の体格に関するパラメータ（被験者の年齢［歳］、性別、身長［ｃｍ］、体重［ｋｇ］等）との関係を測定データ２１０として累積的に記憶することで、蓄積された測定データ２１０のうち成人、小児の各々の体格に該当する被験者から得られた呼吸抵抗値の最高値、最低値、増減パターン等の各種のパラメータを性別ごとに基準値として設定、更新する学習が行われる。このようにして学習された基準値と入力データに含まれる各種のパラメータとの関係に基づいて、類似性の判定、類似性の判定に関する学習及び予測第２データの学習が可能になる。
【0070】
また、当該隠れ層としての演算部２２は、診断結果が既に設定されている場合、入力データと教師データに含まれる第１データ２１１との類似の度合いを示すパラメータの演算において診断結果の異同を参酌してもよい。具体的には、教師データのうち入力データに設定された診断結果と不一致の診断結果が設定された第１データ２１１を、入力データと類似しない第１データ２１１であることを示す数値にするようにしてもよい。
【0071】
判定プログラム２３０を実行中の演算部２２は、入力データと教師データに含まれる第１データ２１１の各々との類似の度合い及び教師データに含まれる第１データ２１１と対応付けられた第２データ２１２に基づいて、入力データを得られた被験者の予測第２データを演算する。具体的には、例えば類似の度合いが数値化される場合、類似すると判定される閾値が設定される。演算部２２は、当該閾値に基づいて、教師データに含まれる第１データ２１１のうち入力データと類似すると判定される第１データ２１１を特定する。演算部２２は、特定された第１データ２１１と対応付けられた第２データ２１２と、当該第１データ２１１と入力データとの類似の度合い（重み）に基づいて予測第２データを演算する。
【0072】
一例として、入力データと類似すると判定された第１データ２１１が教師データに１つしかない場合を想定する。この場合、演算部２２は、当該第１データ２１１と対応付けられた第２データ２１２をそのまま予測第２データとして導出してもよい。また、演算部２２は、当該第２データ２１２を基準値（例えば、中間値）として予め定められた予測値の範囲（最低値から最高値の幅）を設定したデータを予測第２データとしてもよい。この場合、予測値の範囲を示すパラメータは、予め判定プログラム２３０に含まれているか、演算部２２が参照可能な状態で記憶部２１等に記憶されている。
【0073】
図９は、予測第２データの表示出力例を示す図である。図９では、第２データ２１２に含まれるパラメータのうち、ＦＥＶ１，ＦＥＶ１％、ＰＥＦ，Ｖ５０，Ｖ２５の各々について、予測値範囲が示されている。当該予測値範囲は、例えば、上述の第２データ２１２の基準値と予測値の範囲を示すパラメータとの組み合わせによって演算される。例えば、図９では、ＦＥＶ１の予測値範囲が最低４．９２［Ｌ］～最高５．３０［Ｌ］になっているが、これは、ＦＥＶ１の予測値の範囲を示すパラメータが、最低値から最高値の範囲を０．３８［Ｌ］としていることに基づく。他のパラメータについても、同様の考え方で予測値範囲が演算される。なお、図９に示すＦＥＶ１の単位［Ｌ］は、リットルである。また、ＰＥＦ，Ｖ５０，Ｖ２５の単位［Ｌ／Ｓｅｃ］は、１秒あたりの流量によって表される流速である。
【0074】
また、図９に示す例では、正常予測値との関係を棒グラフの位置で図示化している。図９では、例えば、棒グラフＢ１がＦＥＶ１の最低値から最高値までの予測値範囲を示している。また、棒グラフＢ２がＦＥＶ１％の最低値から最高値までの予測値範囲を示している。また、棒グラフＢ３がＰＥＦの最低値から最高値までの予測値範囲を示している。また、棒グラフＢ４がＶ５０の最低値から最高値までの予測値範囲を示している。また、棒グラフＢ５がＶ２５の最低値から最高値までの予測値範囲を示している。また、破線ＢＬ１と破線ＢＬ２との間の範囲によって、ＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の各々の正常予測値の範囲が示されている。すなわち、正常予測値の範囲に対する棒グラフＢ１，Ｂ２，Ｂ３，Ｂ４，Ｂ５の各々の位置によって、予測されたＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５と各々の正常予測値との関係が示されている。正常予測値は、スパイロメトリを行った場合に健常者であると判定される被験者のＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の各々の測定値の範囲である。このように、実施形態では、第２検査（例えば、スパイロメトリ）を行った場合に健常者であると判定される値の範囲と、入力データを得られた被験者が当該第２検査を行った場合に予測される値の範囲との関係を示す表示を行える。
【0075】
図９に示すような予測第２データの表示出力は、例えば図８に示す３ＤグラフＧ１と情報提供部Ｐとの間のスペースＱに含めるようにしてもよいし、他のレイアウトで３ＤグラフＧ１等と共に表示出力するようにしてもよいし、独立した表示出力画面で表示出力するようにしてもよい。また、演算部２２は、予測第２データとして演算されたＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５等から導出されるスパイログラムをスパイログラムＧ２として表示部２３に表示出力させるようにしてもよいし、スパイログラムＧ２を省略してもよい。なお、ＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の予測値に範囲が設定されない場合、最低値と最高値が同一の値になり、棒グラフが当該同一の値を示す一点を示す表示態様（例えば、点（・）、線（｜）、交差線（×）等）に置換される。
【0076】
以上、入力データと類似すると判定された第１データ２１１が教師データに１つしかない場合を例として説明したが、ＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５のような第２検査の予測値範囲の演算方法は上述の方法に限定されない。例えば、入力データと類似すると判定された第１データ２１１が教師データに複数含まれる場合、類似すると判定された第１データ２１１と対応付けられている第２データ２１２におけるＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の各々の最低値と最高値とを、入力データから予測されるＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の各々の予測値範囲の最低値と最高値に適用してもよい。なお、図９のようなスパイログラムの予測値範囲に関する表示態様は、ＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５に限らず、例えばＦＶＣのような他の予測値範囲を含めてもよく、図９に例示した態様には限られない。
【0077】
また、演算部２２は、入力データと類似すると判定された第１データ２１１の各々の重み、すなわち、類似する複数の第１データ２１１の各々で異なる類似の度合いに基づいて、予測範囲値に反映させる重みを決定してもよい。例えば、最も類似性が高いと判定される重み付けがされた第１データ２１１と対応付けられた第２データ２１２に含まれる値が最も基準値に近くなるように基準値が設定され、類似すると判定された他の第１データ２１１と対応付けられた第２データ２１２に含まれる値に基づいて予測値範囲と基準値との関係（最低値から最高値の幅等）が決定されるようにしてもよい。重み付けと予測値範囲との関係は任意であるが、予測値範囲がスパイロメトリの実施結果の目安として機能する程度に予測値範囲の最低値から最高値の幅が限定されることが望ましい。
【0078】
なお、第２データ２１２の予測値又は予測値範囲は、計算式に基づいて算出された値との関係を参酌して決定されてもよい。例えば、１８歳から９５歳の健常者の男性のＦＥＶ１（Ｌ）は、以下の式（１）に基づいて予測値を算出できる。１８歳から９５歳の健常者の女性の場合、ＦＥＶ１（Ｌ）の算出式は、式（１）に含まれる「０．０３６」、「０．０２８」及び「１．１７８」の値が「０．０２２」、「０．０２２」及び「０．００５」に置換された式になる。また、１８歳から９５歳の健常者の男性のＦＥＶ１％（Ｇ）（％）は、例えば以下の式（２）に基づいて予測値を算出できる。１８歳から９５歳の健常者の女性の場合、ＦＥＶ１％（Ｇ）（％）の算出式は、式（２）に含まれる「０．０２８」、「０．１９０」及び「８９．３１３」の値が「－０．０９０」、「０．２４９」及び「１１１．０５２」に置換された式になる。なお、ＦＥＶ１％（Ｇ）は、ＦＥＶ１／ＦＶＣと表現することもできる。ＦＥＶ１％には、ＦＥＶ１％（Ｇ）以外に、ＦＥＶ１％（Ｔ）もある。ＦＥＶ１％（Ｔ）は、ＦＥＶ１／ＶＣと表現することもできる。ＶＣは、肺活量（Vital Capacity）を示す。
ＦＥＶ１（Ｌ）＝０．０３６×身長（ｃｍ）－０．０２８×年齢－１．１７８…（１）
ＦＥＶ１％（Ｇ）（％）＝０．０２８×身長（ｃｍ）－０．１９０×年齢＋８９．３１３…（２）
ＦＥＶ１（Ｌ）＝０．０３６×身長（ｃｍ）－０．０２８×年齢－１．１７８…（１）
ＦＥＶ１％（Ｇ）（％）＝０．０２８×身長（ｃｍ）－０．１９０×年齢＋８９．３１３…（２）
【0079】
また、６歳から１７歳の場合に適用される計算式が別途設定されてもよい。例えば、第２データ２１２の予測値としてＦＶＣを算出したい場合、６歳から１７歳の男性のＦＶＣは、例えば以下の式（３）に基づいて予測値を算出できる。また、６歳から１７歳の女性のＦＶＣは、例えば以下の式（４）に基づいて予測値を算出できる。また、１８歳から９５歳の男性のＦＶＣは、例えば以下の式（５）に基づいて予測値を算出できる。また、１８歳から９５歳の女性のＦＶＣは、例えば以下の式（６）に基づいて予測値を算出できる。
２．１０８－０．１２６２×年齢×０．００８１９×（年齢）２－３．１１８×（Ｈｔ／１００）＋２．５５３×（Ｈｔ／１００）２…（３）
１．１４２＋０．００１６８×（年齢）２－２．３７４×（Ｈｔ／１００）＋２．１１６×（Ｈｔ／１００）２…（４）
０．０４２×Ｈｔ－０．０２４×年齢－１．７８５…（５）
０．０３１×Ｈｔ－０．０１９×年齢－１．１０５…（６）
２．１０８－０．１２６２×年齢×０．００８１９×（年齢）２－３．１１８×（Ｈｔ／１００）＋２．５５３×（Ｈｔ／１００）２…（３）
１．１４２＋０．００１６８×（年齢）２－２．３７４×（Ｈｔ／１００）＋２．１１６×（Ｈｔ／１００）２…（４）
０．０４２×Ｈｔ－０．０２４×年齢－１．７８５…（５）
０．０３１×Ｈｔ－０．０１９×年齢－１．１０５…（６）
【0080】
上述の式（１）から式（６）のように例示した計算式を利用する場合、当該計算式を利用したアルゴリズムは、予め判定プログラム２３０に含まれている。また、ＦＥＶ１（Ｌ）、ＦＥＶ１％（Ｇ）、ＦＶＣの計算式はこれらに限定されるものでなく、他の式によってもよい。また、ＰＥＦ，Ｖ５０，Ｖ２５やその他のスパイログラムに関するパラメータの各々についても、計算式が定められてもよい。さらに、第１データ２１１から推定される被験者の傾向（呼吸器疾患の有無及び疾患の種類等）に基づいて、計算式を用いて算出された値を補正するようにして第２データ２１２の予測に利用するようにしてもよい。例えば、ＣＯＰＤを罹患している被験者の場合、ＦＥＶ１％が７０未満になる傾向がある。このため、第１データ２１１がＣＯＰＤの傾向を示す場合、第２データ２１２の予測値にこのような傾向を考慮した補正を施すことを行ってもよい。
【0081】
さらに、演算部２２は、第１データ２１１と第２データ２１２との相関に基づいた機械学習も可能である。すなわち、判定プログラム２３０を実行中の演算部２２は、第１データ２１１の呼吸抵抗値、リアクタンス値の最高値、最低値、増減パターン等を入力とし、第２データ２１２の各種のパラメータ（ＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５等）を出力として入力と出力との間に介在する隠れ層として機能する重み付けのためのニューロンを生成、更新可能なプログラムであってよい。この場合、対応付けられた第１データ２１１と第２データ２１２が追加される度、演算部２２は、入力から出力が導出されるよう、第１データ２１１の呼吸抵抗値、リアクタンス値の最高値、最低値、増減パターン等と第２データ２１２の各種のパラメータとの関係とを逆算した重み付けが設定されたニューロンを生成、更新する。このような機械学習によって、追加データＡＤから予測第２データを演算する精度をより高められる。
【0082】
機械学習を想定した判定プログラム２３０は、機械学習の進行に伴ってニューロンによる重み付け等を変更可能に設けられることが望ましい。
【0083】
図１０は、データ管理部２０による処理の流れの一例を示すフローチャートである。特筆しない限り、図１０に示す処理は、判定プログラム２３０を実行中の演算部２２による処理である。演算部２２は、表示出力の対象となる第１データ２１１を取得すると（ステップＳ１）、当該第１データ２１１と対応付けられた第２データ２１２が記憶部２１に記憶されているか判定する（ステップＳ２）。第１データ２１１と対応付けられた第２データ２１２が記憶部２１に記憶されていると判定された場合（ステップＳ２；Ｙｅｓ）、演算部２２は、表示プログラム２２０を実行し、表示出力の対象となる第１データ２１１の３Ｄグラフと、当該第１データ２１１と対応付けられた第２データ２１２に基づいたスパイログラム（図８参照）とを表示部２３に表示させる（ステップＳ３）。
【0084】
ステップＳ２の処理で、第１データ２１１と対応付けられた第２データ２１２が記憶部２１に記憶されていないと判定された場合（ステップＳ２；Ｎｏ）、演算部２２は、ステップＳ１の処理で表示出力の対象とされた第１データ２１１を入力データとし、測定データ２１０に含まれる第１データ２１１のうち第２データ２１２と対応付けられたデータを教師データとして、機械学習に基づいた出力を得るための予測第２データの演算を行う（ステップＳ４）。演算部２２は、表示プログラム２２０を実行し、表示出力の対象となる第１データ２１１の３Ｄグラフ（図８参照）と、予測第２データ（図９参照）とを表示部２３に表示させる（ステップＳ５）。
【0085】
以上説明したように、呼吸抵抗測定装置１は、呼吸抵抗の周波数依存性に関する検査の結果を示す第１データ２１１と、呼吸抵抗の周波数依存性以外に関する第２検査（例えば、スパイロメトリ）の結果を示す第２データ２１２とを被検者毎に対応付けて複数の被験者の第１データ２１１及び第２データ２１２を記憶する記憶部２１と、記憶部２１に記憶されたい第１データ２１１及び第２データ２１２に基づいて、追加データＡＤから予測第２データを演算する演算部２２と、追加データＡＤと予測第２データとを表示出力する表示部２３とを備える。
【0086】
これによって、追加データＡＤから予測第２データを演算して追加第１データ及び予測第２データの表示出力を行える。従って、強制オシレーション法による測定結果に基づいて、他の検査である第２検査の測定結果の予測を支援可能になる。
【0087】
また、演算部２２は、追加データＡＤと類似する第１データ２１１を特定し、類似する第１データ２１１と対応付けられた第２データ２１２に基づいて予測第２データを演算する。
【0088】
これによって、予測第２データの精度をより高められる。
【0089】
また、演算部２２は、類似する第１データ２１１と対応付けられた第２データ２１２が示すＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５に基づいて、予測第２データのＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の予測値範囲を演算する。
【0090】
これによって、追加データＡＤを得られた被験者がスパイロメトリを行った場合に得られるＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５を予測可能になる。従って、追加データＡＤを得られた被験者がスパイロメトリを行うことが困難な場合であっても、スパイロメトリを行わずにＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５を予測可能になる。
【0091】
また、図９で例示したように、表示部２３は、スパイロメトリを行った場合に健常者であると判定される正常予測値の範囲と、予測されるＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の値の範囲を示す棒グラフＢ１，Ｂ２，Ｂ３，Ｂ４，Ｂ５との関係を示す表示出力を行う。
【0092】
これによって、予測されるＦＥＶ１，ＦＥＶ１％，ＰＥＦ，Ｖ５０，Ｖ２５の値の範囲に基づいた診断を支援可能になる。
【0093】
また、演算部２２は、追加データＡＤを得られた被検者の被験者属性情報と測定データ２１０に記憶された複数の被験者の被験者属性情報との類似性に基づいて、追加データＡＤと類似する第１データ２１１を特定する。
【0094】
これによって、追加データＡＤと類似する第１データ２１１の特定の精度をより高められる。
【0095】
また、演算部２２は、対応付けられた第１データ２１１と第２データ２１２との相関に基づいて、第１データ２１１に含まれるパラメータと第２データ２１２に含まれるパラメータとの関係の重み付けを行うための機械学習を行い、当該重み付けに基づいて予測第２データを演算する。
【0096】
これによって、予測第２データの精度をより高められる。
【0097】
なお、図１を参照して説明した実施形態の構成では、データ管理部２０が呼吸抵抗測定装置１に含まれているが、データ管理部２０の構成は、測定部１０を備える呼吸抵抗測定装置１と別体の情報処理装置に含まれていてもよい。この場合、データ管理部２０は、測定部１０を備える呼吸抵抗測定装置１から出力される追加データＡＤを取得し、予め記憶されている測定データ２１０を参照した判定を行う。
【0098】
また、図３等を参照した説明では、グラフが波形上の３Ｄグラフである場合を例としているが、グラフの具体的な形態は波形上の３Ｄグラフに限られるものでなく、適宜変更可能である。例えば、棒グラフの組み合わせによる３Ｄグラフであってもよいし、周波数又は周波数帯毎に個別に表示された２Ｄグラフであってもよい。
【0099】
また、実施形態では、第２検査がスパイロメトリである場合を例としているが、第２検査は、測定部１０を用いた検査とは異なるヒトの呼吸機能検査であればよく、スパイロメトリに限定されるものでない。係る呼吸機能検査で測定されたデータが被験者単位で第１データ２１１と対応付けられていれば、上述の第２データ２１２と係る呼吸機能検査で測定されたデータとを入れ替えた説明によって、係る呼吸機能検査の予測結果を演算可能である。
【符号の説明】
【0100】
１ 呼吸抵抗測定装置
１０ 測定部
２０ データ管理部
２１ 記憶部
２２ 演算部
２３ 表示部
２４ 入力部
２１０ 測定データ
２１１ 第１データ
２１２ 第２データ
２１３ 対応付けデータ
ＡＤ 追加データ
１０ 測定部
２０ データ管理部
２１ 記憶部
２２ 演算部
２３ 表示部
２４ 入力部
２１０ 測定データ
２１１ 第１データ
２１２ 第２データ
２１３ 対応付けデータ
ＡＤ 追加データ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】