ホーム > 特許ランキング > 国立大学法人 宮崎大学
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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2025-05-23
(45)【発行日】2025-06-02
(54)【発明の名称】判定装置、判定方法及びプログラム
(51)【国際特許分類】
A61B 6/03 20060101AFI20250526BHJP
A61B 6/50 20240101ALI20250526BHJP
G06T 7/00 20170101ALI20250526BHJP
G06T 7/62 20170101ALI20250526BHJP
【ＦＩ】
A61B6/03 560J
A61B6/50 500Z
A61B6/03 570Z
G06T7/00 612
G06T7/62
【請求項の数】
9
(21)【出願番号】P 2021144117
(22)【出願日】2021-09-03
(65)【公開番号】P2023037398
(43)【公開日】2023-03-15
【審査請求日】2024-07-02
(73)【特許権者】
【識別番号】504224153
【氏名又は名称】国立大学法人 宮崎大学
(74)【代理人】
【識別番号】100165179
【弁理士】
【氏名又は名称】田▲崎▼ 聡
(74)【代理人】
【識別番号】100175824
【弁理士】
【氏名又は名称】小林 淳一
(74)【代理人】
【識別番号】100152272
【弁理士】
【氏名又は名称】川越 雄一郎
(74)【代理人】
【識別番号】100181722
【弁理士】
【氏名又は名称】春田 洋孝
(72)【発明者】
【氏名】内田 泰介
(72)【発明者】
【氏名】山口 秀樹
【審査官】竹村 美雪
(56)【参考文献】
【文献】DELIVANIS, Danae A. et al，Impact of hypercortisolism on skeletal muscle mass and adipose tissue mass in patients with adrenal adenomas，CLINICAL ENDOCRINOLOGY，2018年02月，Volume 88, Issue 2，pp.209-216，DOI: 10.1111/cen.13512
【文献】山田 穂高 他，著しい筋力低下を認めたACTH非依存性両側副腎皮質大結節性過形成（AIMAH）の一例，自治医科大学紀要，2012年，Vol.35，pp.101-105，https://mol.medicalonline.jp/library/journal/download?GoodsID=dt6jichi/2012/003500/016&name=0101-0105j
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ６／００－６／５８
Ｇ０６Ｔ ７／００－７／９０
(57)【特許請求の範囲】
【請求項1】
被験者の腰部ＣＴ画像を取得する画像取得部と、前記腰部ＣＴ画像から腸腰筋面積と、内臓脂肪面積とを算出する面積算出部と、
算出された前記腸腰筋面積と前記内臓脂肪面積との比であるＩＶＲを算出するＩＶＲ算出部と、
算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定する判定部と、
を備える判定装置。
【請求項2】
前記腰部ＣＴ画像とは、第三腰椎をスライス面とするＣＴ画像である、請求項１に記載の判定装置。
【請求項3】
腸腰筋には、大腰筋が含まれ、前記面積算出部は、大腰筋の面積を前記腸腰筋面積として算出する、請求項１又は請求項２に記載の判定装置。
【請求項4】
前記被験者の身長を特定する情報する身長情報取得部と、算出された前記腸腰筋面積と、取得された前記身長を特定する情報とから、前記腸腰筋面積と前記身長との比であるＰＭＩを算出するＰＭＩ算出部と、
をさらに備え、
前記判定部は、算出された前記ＩＶＲと、前記ＰＭＩとに基づいて前記被験者のクッシング症候群の可能性を判定する、請求項１から請求項３のいずれか一項に記載の判定装置。
【請求項5】
前記被験者の性別を特定する情報を取得する性別情報取得部をさらに備え、
前記判定部は、取得した前記被験者の性別を特定する前記情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した前記閾値と算出された前記ＩＶＲとに基づいて前記被験者のクッシング症候群の可能性を判定する、請求項１から請求項４のいずれか一項に記載の判定装置。
【請求項6】
前記被験者の年齢を特定する情報を取得する年齢情報取得部をさらに備え、
前記判定部は、取得した前記被験者の年齢を特定する前記情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した前記閾値と算出された前記ＩＶＲとに基づいて前記被験者のクッシング症候群の可能性を判定する、請求項１から請求項４のいずれか一項に記載の判定装置。
【請求項7】
前記被験者の好酸球数及び好中球数を特定する情報を取得する白血球情報取得部と、前記好酸球数及び好中球数を特定する情報からＥＮＲを算出するＥＮＲ算出部と、
をさらに備え、
前記判定部は、算出された前記ＥＮＲと、前記ＩＶＲとに基づいて前記被験者のクッシング症候群の可能性を判定する、請求項１から請求項６のいずれか一項に記載の判定装置。
【請求項8】
コンピュータが実行する判定方法であって、被験者の腰部ＣＴ画像を取得するステップと、
前記腰部ＣＴ画像から腸腰筋面積と、内臓脂肪面積とを算出するステップと、
算出された前記腸腰筋面積と前記内臓脂肪面積との比であるＩＶＲを算出するステップと、
算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定するステップと
を有する判定方法。
【請求項9】
コンピュータに、被験者の腰部ＣＴ画像を取得するステップと、
前記腰部ＣＴ画像から腸腰筋面積と、内臓脂肪面積とを算出するステップと、
算出された前記腸腰筋面積と前記内臓脂肪面積との比であるＩＶＲを算出するステップと、
算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定するステップと
を実行させる、プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の実施形態は、判定装置、判定方法及びプログラムに関する。
【背景技術】
【0002】
副腎皮質ホルモン（いわゆるステロイド）が体内に過剰となる病態はクッシング症候群と呼ばれる。副腎や下垂体の腫瘍から副腎皮質ホルモンが過剰に分泌される状態の他、自己免疫疾患等の治療に用いられるステロイド薬が過剰になった場合にもクッシング症候群と同様の病態を示す。
【0003】
クッシング症候群では、脂肪が増加し、筋肉が減少することが知られている。さらに、クッシング症候群では、脂肪の中でも内臓脂肪が増加しやすいことが知られている。
クッシング症候群と内臓脂肪量との関係に関して、コンピュータ断層撮影（ＣＴ： Ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ）でクッシング症候群（ＣＳ： Ｃｕｓｈｉｎｇ’ｓ ｓｙｎｄｒｏｍｅ）の腹部脂肪分布が検討されている。
検討結果によれば、内臓脂肪量と総脂肪量との比、内臓脂肪量と皮下脂肪量との比は、クッシング症候群と非機能性副腎腫瘍とで有意差がないことが知られている。総筋量（腹直筋、腹斜筋群、腸腰筋、腰方形筋、傍脊椎筋）はクッシング症候群で有意に少ないことが知られている（例えば、非特許文献１参照）。
内臓脂肪量と皮下脂肪量との比がクッシング症候群で有意に上昇することが知られている（例えば、非特許文献２参照）。
また、クッシング症候群のＣＴでの補助診断法として、内臓脂肪面積と皮下脂肪面積との比が提唱されているが有用性については意見が分かれている。
クッシング症候群と内臓脂肪量との関係に関して、コンピュータ断層撮影（ＣＴ： Ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ）でクッシング症候群（ＣＳ： Ｃｕｓｈｉｎｇ’ｓ ｓｙｎｄｒｏｍｅ）の腹部脂肪分布が検討されている。
検討結果によれば、内臓脂肪量と総脂肪量との比、内臓脂肪量と皮下脂肪量との比は、クッシング症候群と非機能性副腎腫瘍とで有意差がないことが知られている。総筋量（腹直筋、腹斜筋群、腸腰筋、腰方形筋、傍脊椎筋）はクッシング症候群で有意に少ないことが知られている（例えば、非特許文献１参照）。
内臓脂肪量と皮下脂肪量との比がクッシング症候群で有意に上昇することが知られている（例えば、非特許文献２参照）。
また、クッシング症候群のＣＴでの補助診断法として、内臓脂肪面積と皮下脂肪面積との比が提唱されているが有用性については意見が分かれている。
【先行技術文献】
【非特許文献】
【0004】
【文献】Ｄａｎａｅ Ａ． Ｄｅｌｉｖａｎｉｓ， Ｎｉｃｏｌｅ Ｍ． Ｉｎｉｇｕｅｚ－Ａｒｉｚａ， Ｍｕｈａｍｍａｄ Ｈ．Ｚｅｂ，Ｍｉｃｈａｅｌ Ｒ．Ｍｏｙｎａｇｈ， Ｎａｏｋｉ Ｔａｋａｈａｓｈｉ， Ｔｒａｖｉｓ Ｊ． ＭｃＫｅｎｚｉｅ， Ｍｅｌｉｎｄａ Ａ． Ｔｈｏｍａｓ， Ｃｈａｒａｌａｍｂｏｓ Ｇｏｇｏｓ， Ｗｉｌｌｉａｍ Ｆ Ｙｏｕｎｇ， Ｉｒｉｎａ Ｂａｎｃｏｓ， Ｖｅｎｅｔｓａｎａ Ｋｙｒｉａｚｏｐｏｕｌｏｕ， “Ｉｍｐａｃｔ ｏｆ ｈｙｐｅｒｃｏｒｔｉｓｏｌｉｓｍ ｏｎ ｓｋｅｌｅｔａｌ ｍｕｓｃｌｅ ｍａｓｓ ａｎｄ ａｄｉｐｏｓｅ ｔｉｓｓｕｅ ｍａｓｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ａｄｒｅｎａｌ ａｄｅｎｏｍａｓ”， Ｃｌｉｎｉｃａｌ Ｅｎｄｏｃｒｉｎｏｌｏｇｙ． ２０１８； ８８：２０９－２１６．
【文献】Ａ Ｇ Ｒｏｃｋａｌｌ， Ｓ Ａ Ｓｏｈａｉｂ， Ｄ Ｅｖａｎｓ， Ｇ Ｋａｌｔｓａｓ， Ａ Ｍ Ｉｓｉｄｏｒｉ， Ｊ Ｐ Ｍｏｎｓｏｎ， Ｇ Ｍ Ｂｅｓｓｅｒ， Ａ Ｂ Ｇｒｏｓｓｍａｎ ａｎｄ Ｒ Ｈ Ｒｅｚｎｅｋ， “Ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｆａｔ ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ ｍａｌｅ ａｎｄ ｆｅｍａｌｅ ｐａｔｉｅｎｔｓ ｗｉｔｈ Ｃｕｓｈｉｎｇ’ｓ ｓｙｎｄｒｏｍｅ”， Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｅｎｄｏｃｒｉｎｏｌｏｇｙ （２００３） １４９ ５６１－５６７
【発明の概要】
【発明が解決しようとする課題】
【0005】
クッシング症候群の診断のためには、血液、尿中の副腎皮質ホルモン過剰を示す必要がある。ただし、副腎皮質ホルモンはストレス下で容易に上昇するため、偽陽性が多く存在する。クッシング症候群の確定診断には入院安静下での負荷試験が必要であり、コスト面、患者負担の面からも敷居が高い。さらにホルモン検査は外注検査の場合には結果が分かるまでに一週間程度の期間を要する場合がある。
【0006】
本発明の目的は、腹部の画像データに基づいて、クッシング症候群の可能性を判定できる判定装置、判定方法及びプログラムを提供することにある。
【課題を解決するための手段】
【0007】
本発明の一実施形態は、被験者の腰部ＣＴ画像を取得する画像取得部と、前記腰部ＣＴ画像から腸腰筋面積と、内臓脂肪面積とを算出する面積算出部と、算出された前記腸腰筋面積と前記内臓脂肪面積との比であるＩＶＲを算出するＩＶＲ算出部と、算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定する判定部と、を備える判定装置である。
本発明の一実施形態は、前述の判定装置において、前記腰部ＣＴ画像とは、第三腰椎をスライス面とするＣＴ画像である。
本発明の一実施形態は、前述の判定装置において、腸腰筋には、大腰筋が含まれ、前記面積算出部は、大腰筋の面積を前記腸腰筋面積として算出する。
本発明の一実施形態は、前述の判定装置において、前記被験者の身長を取得する身長情報取得部と、算出された前記腸腰筋面積と、取得された前記身長とから、前記腸腰筋面積と前記身長との比であるＰＭＩを算出するＰＭＩ算出部と、をさらに備え、前記判定部は、算出された前記ＩＶＲと、前記ＰＭＩとに基づいて前記被験者のクッシング症候群の可能性を判定する。
本発明の一実施形態は、前述の判定装置において、前記被験者の性別を特定する情報を取得する性別情報取得部をさらに備え、前記判定部は、取得した前記被験者の性別を特定する前記情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した前記閾値に基づいて、算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定する。
本発明の一実施形態は、前述の判定装置において、前記被験者の年齢を特定する情報を取得する年齢情報取得部をさらに備え、前記判定部は、取得した前記被験者の年齢を特定する前記情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した前記閾値に基づいて、算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定する。
本発明の一実施形態は、前述の判定装置において、前記被験者の好酸球数及び好中球数を特定する情報を取得する白血球情報取得部と、前記好酸球数及び好中球数を特定する情報からＥＮＲを算出するＥＮＲ算出部と、をさらに備え、前記判定部は、算出された前記ＥＮＲと、前記ＩＶＲとに基づいて前記被験者のクッシング症候群の可能性を判定する。
本発明の一実施形態は、前述の判定装置において、前記腰部ＣＴ画像とは、第三腰椎をスライス面とするＣＴ画像である。
本発明の一実施形態は、前述の判定装置において、腸腰筋には、大腰筋が含まれ、前記面積算出部は、大腰筋の面積を前記腸腰筋面積として算出する。
本発明の一実施形態は、前述の判定装置において、前記被験者の身長を取得する身長情報取得部と、算出された前記腸腰筋面積と、取得された前記身長とから、前記腸腰筋面積と前記身長との比であるＰＭＩを算出するＰＭＩ算出部と、をさらに備え、前記判定部は、算出された前記ＩＶＲと、前記ＰＭＩとに基づいて前記被験者のクッシング症候群の可能性を判定する。
本発明の一実施形態は、前述の判定装置において、前記被験者の性別を特定する情報を取得する性別情報取得部をさらに備え、前記判定部は、取得した前記被験者の性別を特定する前記情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した前記閾値に基づいて、算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定する。
本発明の一実施形態は、前述の判定装置において、前記被験者の年齢を特定する情報を取得する年齢情報取得部をさらに備え、前記判定部は、取得した前記被験者の年齢を特定する前記情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した前記閾値に基づいて、算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定する。
本発明の一実施形態は、前述の判定装置において、前記被験者の好酸球数及び好中球数を特定する情報を取得する白血球情報取得部と、前記好酸球数及び好中球数を特定する情報からＥＮＲを算出するＥＮＲ算出部と、をさらに備え、前記判定部は、算出された前記ＥＮＲと、前記ＩＶＲとに基づいて前記被験者のクッシング症候群の可能性を判定する。
【0008】
本発明の一実施形態は、コンピュータが実行する判定方法であって、被験者の腰部ＣＴ画像を取得するステップと、前記腰部ＣＴ画像から腸腰筋面積と、内臓脂肪面積とを算出するステップと、算出された前記腸腰筋面積と前記内臓脂肪面積との比であるＩＶＲを算出するステップと、算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定するステップとを有する判定方法である。
【0009】
本発明の一実施形態は、コンピュータに、被験者の腰部ＣＴ画像を取得するステップと、前記腰部ＣＴ画像から腸腰筋面積と、内臓脂肪面積とを算出するステップと、算出された前記腸腰筋面積と前記内臓脂肪面積との比であるＩＶＲを算出するステップと、算出された前記ＩＶＲに基づいて前記被験者のクッシング症候群の可能性を判定するステップとを実行させる、プログラムである。
【発明の効果】
【0010】
本発明の実施形態によれば、腹部の画像データに基づいて、クッシング症候群の可能性を判定できる判定装置、判定方法及びプログラムを提供できる。
【図面の簡単な説明】
【0011】
【図1】本発明の実施形態に係る判定装置の一例を示す図である。
【図2】本実施形態に係る判定装置に入力される画像データの一例を示す図である。
【図3】本実施形態に係る判定装置の動作の一例を示す図である。
【図4A】受信者操作特性の例１を示す図である。
【図4B】受信者操作特性の例２を示す図である。
【図5】実施形態の変形例１に係る判定装置の一例を示す図である。
【図6】実施形態の変形例１に係る判定装置の動作の一例を示す図である。
【図7】実施形態の変形例２に係る判定装置の一例を示す図である。
【図8】実施形態の変形例２に係る判定装置の動作の一例を示す図である。
【図9】実施形態の変形例３に係る判定装置の一例を示す図である。
【図10】実施形態の変形例３に係る判定装置の動作の一例を示す図である。
【図11】実施形態の変形例４に係る判定装置の一例を示す図である。
【図12】実施形態の変形例４に係る判定装置の動作の一例を示す図である。
【図13】受信者操作特性の例３を示す図である。
【発明を実施するための形態】
【0012】
次に、本発明の実施形態に係る判定装置、判定方法及びプログラムを、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。
【0013】
（実施形態）
（判定装置）
以下、本発明の実施形態に係る判定装置を、図面を参照して説明する。
図１は、本発明の実施形態に係る判定装置の一例を示す図である。
実施形態に係る判定装置１００は、被験者のクッシング症候群の可能性を判定する。判定装置１００は、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００は、例えば、入力部１０２と、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、判定部１１０と、出力部１１２と、記憶部１１４とを備える。
（判定装置）
以下、本発明の実施形態に係る判定装置を、図面を参照して説明する。
図１は、本発明の実施形態に係る判定装置の一例を示す図である。
実施形態に係る判定装置１００は、被験者のクッシング症候群の可能性を判定する。判定装置１００は、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００は、例えば、入力部１０２と、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、判定部１１０と、出力部１１２と、記憶部１１４とを備える。
【0014】
入力部１０２は入力デバイスを備える。入力部１０２には、画像データが入力される。
画像取得部１０４は、入力部１０２に入力された画像データを取得する。画像データの一例は、被験者の腰部のコンピュータ断層撮影（ＣＴ： Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）画像のデータである。
図２は、本実施形態に係る判定装置に入力される画像データの一例を示す図である。図２は、腰部ＣＴ画像の一例として、健常者における第三腰椎の高さをスライス面とするＣＴ画像を示す。
腰部ＣＴ画像において「Ｖ－ｆａｔ」で示される部分は内臓脂肪であり、その面積を内蔵脂肪面積と呼ぶ。腰部ＣＴ画像において「Ｓ－ｆａｔ」で示される部分は皮下脂肪であり、その面積を皮下脂肪面積と呼ぶ。腰部ＣＴ画像において「Ｉｐ－Ｍ」で示される部分は腸腰筋であり、その面積を腸腰筋面積と呼ぶ。腰部ＣＴ画像において「Ｐｓ－Ｍ」で示される部分は傍脊柱筋であり、その面積を傍脊柱筋面積と呼ぶ。
画像取得部１０４は、入力部１０２に入力された画像データを取得する。画像データの一例は、被験者の腰部のコンピュータ断層撮影（ＣＴ： Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）画像のデータである。
図２は、本実施形態に係る判定装置に入力される画像データの一例を示す図である。図２は、腰部ＣＴ画像の一例として、健常者における第三腰椎の高さをスライス面とするＣＴ画像を示す。
腰部ＣＴ画像において「Ｖ－ｆａｔ」で示される部分は内臓脂肪であり、その面積を内蔵脂肪面積と呼ぶ。腰部ＣＴ画像において「Ｓ－ｆａｔ」で示される部分は皮下脂肪であり、その面積を皮下脂肪面積と呼ぶ。腰部ＣＴ画像において「Ｉｐ－Ｍ」で示される部分は腸腰筋であり、その面積を腸腰筋面積と呼ぶ。腰部ＣＴ画像において「Ｐｓ－Ｍ」で示される部分は傍脊柱筋であり、その面積を傍脊柱筋面積と呼ぶ。
【0015】
内臓脂肪は、胃、腸などの臓器のまわりにつく脂肪である。内臓脂肪面積は身体の断面積に占める脂肪の面積である。ここでは、内臓脂肪面積は第三腰椎の高さをスライス面とするＣＴ画像に占める脂肪の面積である。
皮下脂肪は、下腹部・腰まわり・おしりなどの皮下につく脂肪である。皮下脂肪面積は身体の断面積に占める皮下脂肪の面積である。ここでは、皮下脂肪面積は第三腰椎の高さをスライス面とするＣＴ画像に占める皮下脂肪の面積である。
腸腰筋面積は、腸骨筋と大腰筋との二つが関連している筋肉である。腸腰筋面積は身体の断面積に占める腸腰筋の面積である。ここでは、腸腰筋面積は第三腰椎の高さをスライス面とするＣＴ画像に占める大腰筋の面積である。
クッシング症候群では、脂肪が増加し、筋肉が減少することが知られている。つまり、クッシング症候群では、内臓脂肪面積と皮下脂肪面積とが増加し、腸腰筋面積が減少する。さらに脂肪の中でも内臓脂肪が増加しやすいことが知られている。つまり、内臓脂肪面積が増加する。図１に戻り説明を続ける。
皮下脂肪は、下腹部・腰まわり・おしりなどの皮下につく脂肪である。皮下脂肪面積は身体の断面積に占める皮下脂肪の面積である。ここでは、皮下脂肪面積は第三腰椎の高さをスライス面とするＣＴ画像に占める皮下脂肪の面積である。
腸腰筋面積は、腸骨筋と大腰筋との二つが関連している筋肉である。腸腰筋面積は身体の断面積に占める腸腰筋の面積である。ここでは、腸腰筋面積は第三腰椎の高さをスライス面とするＣＴ画像に占める大腰筋の面積である。
クッシング症候群では、脂肪が増加し、筋肉が減少することが知られている。つまり、クッシング症候群では、内臓脂肪面積と皮下脂肪面積とが増加し、腸腰筋面積が減少する。さらに脂肪の中でも内臓脂肪が増加しやすいことが知られている。つまり、内臓脂肪面積が増加する。図１に戻り説明を続ける。
【0016】
面積算出部１０６は、画像取得部１０４が取得した画像データを取得する。面積算出部１０６は、取得した画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。例えば、面積算出部１０６は、腸腰筋の部分のピクセル数を計数し、ピクセル数の計数結果に基づいて腸腰筋面積を算出してもよい。具体的には、面積算出部１０６は、腸腰筋の部分のピクセル数の計数結果を腸腰筋面積としてもよい。
例えば、面積算出部１０６は、内臓脂肪の部分のピクセル数を計数し、ピクセル数の計数結果に基づいて内臓脂肪面積を算出してもよい。具体的には、面積算出部１０６は、内臓脂肪の部分のピクセル数の計数結果を内臓脂肪面積としてもよい。
ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。具体的には、ＩＶＲ算出部１０８は、腸腰筋面積と内臓脂肪面積との比（腸腰筋面積／内臓脂肪面積）を算出することによってＩＶＲを算出する。
例えば、面積算出部１０６は、内臓脂肪の部分のピクセル数を計数し、ピクセル数の計数結果に基づいて内臓脂肪面積を算出してもよい。具体的には、面積算出部１０６は、内臓脂肪の部分のピクセル数の計数結果を内臓脂肪面積としてもよい。
ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。具体的には、ＩＶＲ算出部１０８は、腸腰筋面積と内臓脂肪面積との比（腸腰筋面積／内臓脂肪面積）を算出することによってＩＶＲを算出する。
【0017】
判定部１１０は、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、取得したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する。具体的には、判定部１１０は、ＩＶＲがＰＭＩ閾値未満であるか否かを判定する。判定部１１０は、ＩＶＲがＩＶＲ判定閾値未満である場合にクッシング症候群の可能性が高いと判定し、ＩＶＲがＩＶＲ判定閾値以上である場合にクッシング症候群の可能性が低いと判定する。ＩＶＲ判定閾値は、予め設定される。ＩＶＲ判定閾値の一例は、３．５以上５未満である。
出力部１１２は、判定部１１０からクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
記憶部１１４は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）などにより実現される。記憶部１１４には、判定プログラム（アプリケーション）などのプログラムが記憶される。
出力部１１２は、判定部１１０からクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
記憶部１１４は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）などにより実現される。記憶部１１４には、判定プログラム（アプリケーション）などのプログラムが記憶される。
【0018】
画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、判定部１１０と、出力部１１２との全部または一部は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、判定部１１０と、出力部１１２との全部または一部は、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、またはＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
なお、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、判定部１１０と、出力部１１２との全部または一部は、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、またはＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
【0019】
（判定装置の動作）
図３は、本実施形態に係る判定装置の動作の一例を示す図である。
（ステップＳ１－１）
判定装置１００において、入力部１０２には、被験者の画像データが入力される。画像取得部１０４は、入力部１０２に入力された被験者の画像データを取得する。
（ステップＳ２－１）
判定装置１００において、面積算出部１０６は、画像取得部１０４が取得した被験者の画像データを取得する。面積算出部１０６は、取得した被験者の画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
図３は、本実施形態に係る判定装置の動作の一例を示す図である。
（ステップＳ１－１）
判定装置１００において、入力部１０２には、被験者の画像データが入力される。画像取得部１０４は、入力部１０２に入力された被験者の画像データを取得する。
（ステップＳ２－１）
判定装置１００において、面積算出部１０６は、画像取得部１０４が取得した被験者の画像データを取得する。面積算出部１０６は、取得した被験者の画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
【0020】
（ステップＳ３－１）
判定装置１００において、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とを取得し、取得した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とに基づいて、ＩＶＲを算出する。
（ステップＳ４－１）
判定装置１００において、判定部１１０は、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、取得したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ５－１）
判定装置１００において、出力部１１２は、判定部１１０からクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
判定装置１００において、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とを取得し、取得した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とに基づいて、ＩＶＲを算出する。
（ステップＳ４－１）
判定装置１００において、判定部１１０は、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、取得したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ５－１）
判定装置１００において、出力部１１２は、判定部１１０からクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
【0021】
本実施形態に係る判定装置１００によれば、判定装置１００は、被験者の腰部ＣＴ画像を取得する画像取得部１０４と、腰部ＣＴ画像から腸腰筋面積と、内臓脂肪面積とを算出する面積算出部１０６と、算出された腸腰筋面積と内臓脂肪面積との比であるＩＶＲを算出するＩＶＲ算出部１０８と、算出されたＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する判定部１１０とを備える。
このように構成することによって、判定装置１００は、ＩＶＲを算出し、算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。
このように構成することによって、判定装置１００は、ＩＶＲを算出し、算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。
【0022】
ここで、ＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する効果について説明する。
図４Ａは、受信者操作特性の例１を示す図である。図４Ａにおいて（Ａ）はＩＶＲの受信者操作特性（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ： ＲＯＣ）の一例であり、（Ｂ）はＰＭＩの受信者操作特定の一例である。
ＰＭＩは、腸腰筋指数であり、腸腰筋を身長の二乗で除算することによって算出される。つまり、ＰＭＩは、式（１）によって算出される。
腰筋指数＝腸腰筋／身長＾２ （１）
腰筋指数は、サルコペニアの指標に使用されている。
図４Ａは、受信者操作特性の例１を示す図である。図４Ａにおいて（Ａ）はＩＶＲの受信者操作特性（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ： ＲＯＣ）の一例であり、（Ｂ）はＰＭＩの受信者操作特定の一例である。
ＰＭＩは、腸腰筋指数であり、腸腰筋を身長の二乗で除算することによって算出される。つまり、ＰＭＩは、式（１）によって算出される。
腰筋指数＝腸腰筋／身長＾２ （１）
腰筋指数は、サルコペニアの指標に使用されている。
【0023】
図４Ａの（Ａ）と（Ｂ）とにおいて横軸は特異度（ｓｐｅｃｉｆｉｃｉｔｙ）であり、縦軸は敏感度（ｓｅｎｓｉｔｉｖｉｔｙ）である。特異度は陰性者を正しく陰性と判断する率であり、敏感度は陽性者を正しく陽性として捕捉する率である。検査が有効ならば、この曲線は４５度の線から左上に離れる。離れれば離れるほど、検査として有効である。
図４Ａの（Ａ）と（Ｂ）とにおいて、縦軸が０．０から１．０の間のＲＯＣ曲線の下にある領域の面積（ＡＵＣ（Ａｒｅａ Ｕｎｄｅｒ Ｃｕｒｖｅ））を算出した。（Ａ）のＡＵＣは０．９３０であり、（Ｂ）のＡＵＣは０．８４８である。
図４Ａの（Ａ）と（Ｂ）とにおいて、縦軸が０．０から１．０の間のＲＯＣ曲線の下にある領域の面積（ＡＵＣ（Ａｒｅａ Ｕｎｄｅｒ Ｃｕｒｖｅ））を算出した。（Ａ）のＡＵＣは０．９３０であり、（Ｂ）のＡＵＣは０．８４８である。
【0024】
図４Ｂは、受信者操作特性の例２を示す図である。図４Ｂにおいて（Ｃ）はＶ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏの受信者操作特性の一例であり、（Ｄ）はＩｐ－Ｍ／Ｐｓ－Ｍ ｒａｔｉｏの受信者操作特定の一例である。
Ｖ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏは、内臓脂肪面積と皮下脂肪面積との比である。Ｖ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏは、クッシング症候群の診断補助として報告されている。
Ｉｐ－Ｍ／Ｐｓ－Ｍ ｒａｔｉｏは、腸腰筋面積と傍脊柱筋面積との比である。傍脊柱筋は、脊柱起立筋と多裂筋で構成され、腰椎の保護と安定性に寄与する筋肉である。
Ｖ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏは、内臓脂肪面積と皮下脂肪面積との比である。Ｖ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏは、クッシング症候群の診断補助として報告されている。
Ｉｐ－Ｍ／Ｐｓ－Ｍ ｒａｔｉｏは、腸腰筋面積と傍脊柱筋面積との比である。傍脊柱筋は、脊柱起立筋と多裂筋で構成され、腰椎の保護と安定性に寄与する筋肉である。
【0025】
図４Ｂの（Ｃ）と（Ｄ）とにおいて横軸は特異度（ｓｐｅｃｉｆｉｃｉｔｙ）であり、縦軸は敏感度（ｓｅｎｓｉｔｉｖｉｔｙ）である。検査が有効ならば、この曲線は４５度の線から左上に離れる。離れれば離れるほど、検査として有効である。
図４Ｂの（Ｃ）と（Ｄ）とにおいて、縦軸が０．０から１．０の間のＲＯＣ曲線の下にある領域の面積（ＡＵＣ）を算出した。（Ｃ）のＡＵＣは０．７６０であり、（Ｄ）のＡＵＣは０．７４９である。
図４Ａの（Ａ）と（Ｂ）と、図４Ｂの（Ｃ）と（Ｄ）とによれば、ＩＶＲのＲＯＣのＡＵＣが、ＰＭＩのＲＯＣのＡＵＣとＶ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏのＲＯＣのＡＵＣとＩｐ－Ｍ／Ｐｓ－Ｍ ｒａｔｉｏのＲＯＣのＡＵＣと比較して最も大きいことが分かる。このため、ＩＶＲが、クッシング症候群の可能性を判定するために有効であることが分かる。
図４Ｂの（Ｃ）と（Ｄ）とにおいて、縦軸が０．０から１．０の間のＲＯＣ曲線の下にある領域の面積（ＡＵＣ）を算出した。（Ｃ）のＡＵＣは０．７６０であり、（Ｄ）のＡＵＣは０．７４９である。
図４Ａの（Ａ）と（Ｂ）と、図４Ｂの（Ｃ）と（Ｄ）とによれば、ＩＶＲのＲＯＣのＡＵＣが、ＰＭＩのＲＯＣのＡＵＣとＶ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏのＲＯＣのＡＵＣとＩｐ－Ｍ／Ｐｓ－Ｍ ｒａｔｉｏのＲＯＣのＡＵＣと比較して最も大きいことが分かる。このため、ＩＶＲが、クッシング症候群の可能性を判定するために有効であることが分かる。
【0026】
また、判定装置１００において、腰部ＣＴ画像とは、第三腰椎をスライス面とするＣＴ画像である。
このように構成することによって、判定装置１００は、第三腰椎をスライス面とする腰部ＣＴ画像から腸腰筋面積と内臓脂肪面積とを算出し、算出した腸腰筋面積と内臓脂肪面積との比であるＩＶＲを算出できる。このため、第三腰椎をスライス面とする腰部ＣＴ画像以外を使用した場合と比較して、算出されたＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する精度を向上できる。
このように構成することによって、判定装置１００は、第三腰椎をスライス面とする腰部ＣＴ画像から腸腰筋面積と内臓脂肪面積とを算出し、算出した腸腰筋面積と内臓脂肪面積との比であるＩＶＲを算出できる。このため、第三腰椎をスライス面とする腰部ＣＴ画像以外を使用した場合と比較して、算出されたＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する精度を向上できる。
【0027】
また、判定装置１００において、腸腰筋には、大腰筋が含まれ、面積算出部１０６は、大腰筋の面積を腸腰筋面積として算出する。
このように構成することによって、判定装置１００は、第三腰椎をスライス面とする腰部ＣＴ画像から大腰筋の面積と内臓脂肪面積とを算出し、算出した大腰筋の面積と内臓脂肪面積との比であるＩＶＲを算出できる。このため、大腰筋の面積以外を使用した場合と比較して、算出されたＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する精度を向上できる。
このように構成することによって、判定装置１００は、第三腰椎をスライス面とする腰部ＣＴ画像から大腰筋の面積と内臓脂肪面積とを算出し、算出した大腰筋の面積と内臓脂肪面積との比であるＩＶＲを算出できる。このため、大腰筋の面積以外を使用した場合と比較して、算出されたＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する精度を向上できる。
【0028】
（実施形態の変形例１）
図５は、実施形態の変形例１に係る判定装置の一例を示す図である。
実施形態の変形例に係る判定装置１００ａは、実施形態に係る判定装置１００において、ＩＶＲに加えて、ＰＭＩに基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ａは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ａは、例えば、入力部１０２と、画像取得部１０４と、身長情報取得部１０５ａと、面積算出部１０６と、ＰＭＩ算出部１０７ａと、ＩＶＲ算出部１０８と、判定部１１０ａと、出力部１１２と、記憶部１１４とを備える。
図５は、実施形態の変形例１に係る判定装置の一例を示す図である。
実施形態の変形例に係る判定装置１００ａは、実施形態に係る判定装置１００において、ＩＶＲに加えて、ＰＭＩに基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ａは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ａは、例えば、入力部１０２と、画像取得部１０４と、身長情報取得部１０５ａと、面積算出部１０６と、ＰＭＩ算出部１０７ａと、ＩＶＲ算出部１０８と、判定部１１０ａと、出力部１１２と、記憶部１１４とを備える。
【0029】
入力部１０２は入力デバイスを備える。入力部１０２には、画像データに加え、被験者の身長を特定する情報が入力される。
身長情報取得部１０５ａは、入力部１０２に入力された被験者の身長を特定する情報を取得する。
ＰＭＩ算出部１０７ａは、面積算出部１０６が算出した腸腰筋面積を特定する情報を取得し、身長情報取得部１０５ａから身長を特定する情報を取得する。ＰＭＩ算出部１０７ａは、取得した腸腰筋面積を特定する情報と身長を特定する情報とに基づいて、ＰＭＩを算出する。具体的には、ＰＭＩ算出部１０７ａは、腸腰筋面積と身長の二乗との比（腸腰筋面積／（身長）＾２）を算出することによってＰＭＩを算出する。
身長情報取得部１０５ａは、入力部１０２に入力された被験者の身長を特定する情報を取得する。
ＰＭＩ算出部１０７ａは、面積算出部１０６が算出した腸腰筋面積を特定する情報を取得し、身長情報取得部１０５ａから身長を特定する情報を取得する。ＰＭＩ算出部１０７ａは、取得した腸腰筋面積を特定する情報と身長を特定する情報とに基づいて、ＰＭＩを算出する。具体的には、ＰＭＩ算出部１０７ａは、腸腰筋面積と身長の二乗との比（腸腰筋面積／（身長）＾２）を算出することによってＰＭＩを算出する。
【0030】
判定部１１０ａは、ＰＭＩ算出部１０７ａが算出したＰＭＩを取得し、ＩＶＲ算出部１０８が算出したＩＶＲを取得する。判定部１１０ａは、取得したＰＭＩとＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
具体的には、判定部１１０ａは、ＰＭＩがＰＭＩ閾値未満であるか否かを判定し、ＩＶＲがＩＶＲ閾値未満であるか否かを判定する。判定部１１０ａは、ＰＭＩがＰＭＩ閾値未満であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が高いと判定する。判定部１１０ａは、ＰＭＩがＰＭＩ閾値未満であり且つＩＶＲがＩＶＲ閾値以上である場合、又はＰＭＩがＰＭＩ閾値以上であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が中程度と判定する。判定部１１０ａは、ＰＭＩがＰＭＩ閾値以上であり且つＩＶＲがＩＶＲ閾値以上である場合にクッシング症候群の可能性が低いと判定する。ＰＭＩ判定閾値は、予め設定される。ＰＭＩ判定閾値の一例は０．０５以上２未満である。ＩＶＲ判定閾値は、予め設定される。ＩＶＲ判定閾値の一例は３．５以上５未満である。
具体的には、判定部１１０ａは、ＰＭＩがＰＭＩ閾値未満であるか否かを判定し、ＩＶＲがＩＶＲ閾値未満であるか否かを判定する。判定部１１０ａは、ＰＭＩがＰＭＩ閾値未満であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が高いと判定する。判定部１１０ａは、ＰＭＩがＰＭＩ閾値未満であり且つＩＶＲがＩＶＲ閾値以上である場合、又はＰＭＩがＰＭＩ閾値以上であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が中程度と判定する。判定部１１０ａは、ＰＭＩがＰＭＩ閾値以上であり且つＩＶＲがＩＶＲ閾値以上である場合にクッシング症候群の可能性が低いと判定する。ＰＭＩ判定閾値は、予め設定される。ＰＭＩ判定閾値の一例は０．０５以上２未満である。ＩＶＲ判定閾値は、予め設定される。ＩＶＲ判定閾値の一例は３．５以上５未満である。
【0031】
身長情報取得部１０５ａと、ＰＭＩ算出部１０７ａと、判定部１１０ａとの全部または一部は、例えば、ＣＰＵなどのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、身長情報取得部１０５ａと、ＰＭＩ算出部１０７ａと、判定部１１０ａとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
なお、身長情報取得部１０５ａと、ＰＭＩ算出部１０７ａと、判定部１１０ａとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
【0032】
（判定装置の動作）
図６は、実施形態の変形例１に係る判定装置の動作の一例を示す図である。
（ステップＳ１－２）
判定装置１００ａにおいて、入力部１０２には、被験者の画像データと、被験者の身長を特定する情報とが入力される。画像取得部１０４は、入力部１０２に入力された画像データを取得する。
（ステップＳ２－２）
判定装置１００ａにおいて、身長情報取得部１０５ａは、入力部１０２に入力された被験者の身長を特定する情報を取得する。
（ステップＳ３－２）
判定装置１００ａにおいて、面積算出部１０６は、面積算出部１０６が取得した被験者の画像データを取得する。面積算出部１０６は、取得した画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
図６は、実施形態の変形例１に係る判定装置の動作の一例を示す図である。
（ステップＳ１－２）
判定装置１００ａにおいて、入力部１０２には、被験者の画像データと、被験者の身長を特定する情報とが入力される。画像取得部１０４は、入力部１０２に入力された画像データを取得する。
（ステップＳ２－２）
判定装置１００ａにおいて、身長情報取得部１０５ａは、入力部１０２に入力された被験者の身長を特定する情報を取得する。
（ステップＳ３－２）
判定装置１００ａにおいて、面積算出部１０６は、面積算出部１０６が取得した被験者の画像データを取得する。面積算出部１０６は、取得した画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
【0033】
（ステップＳ４－２）
判定装置１００ａにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。
（ステップＳ５－２）
判定装置１００ａにおいて、ＰＭＩ算出部１０７ａは、面積算出部１０６が算出した腸腰筋面積を特定する情報を取得し、身長情報取得部１０５ａから被験者の身長を特定する情報を取得する。ＰＭＩ算出部１０７ａは、取得した腸腰筋面積を特定する情報と被験者の身長を特定する情報とに基づいて、ＰＭＩを算出する。
（ステップＳ６－２）
判定装置１００ａにおいて、判定部１１０ａは、ＰＭＩ算出部１０７ａが算出したＰＭＩを取得し、ＩＶＲ算出部１０８が算出したＩＶＲを取得する。判定部１１０ａは、取得したＰＭＩとＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－２）
判定装置１００ａにおいて、出力部１１２は、判定部１１０ａからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図６に示すフローチャートにおいて、ステップＳ１－２からＳ３－２の処理の順序を、Ｓ１－２、Ｓ３－２、Ｓ２－２としてもよいし、Ｓ２－２、Ｓ１－２、Ｓ３－２としてもよい。また、ステップＳ４－２からＳ５－２の処理の順序を、Ｓ５－２、Ｓ４－２としてもよい。
判定装置１００ａにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。
（ステップＳ５－２）
判定装置１００ａにおいて、ＰＭＩ算出部１０７ａは、面積算出部１０６が算出した腸腰筋面積を特定する情報を取得し、身長情報取得部１０５ａから被験者の身長を特定する情報を取得する。ＰＭＩ算出部１０７ａは、取得した腸腰筋面積を特定する情報と被験者の身長を特定する情報とに基づいて、ＰＭＩを算出する。
（ステップＳ６－２）
判定装置１００ａにおいて、判定部１１０ａは、ＰＭＩ算出部１０７ａが算出したＰＭＩを取得し、ＩＶＲ算出部１０８が算出したＩＶＲを取得する。判定部１１０ａは、取得したＰＭＩとＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－２）
判定装置１００ａにおいて、出力部１１２は、判定部１１０ａからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図６に示すフローチャートにおいて、ステップＳ１－２からＳ３－２の処理の順序を、Ｓ１－２、Ｓ３－２、Ｓ２－２としてもよいし、Ｓ２－２、Ｓ１－２、Ｓ３－２としてもよい。また、ステップＳ４－２からＳ５－２の処理の順序を、Ｓ５－２、Ｓ４－２としてもよい。
【0034】
実施形態の変形例１によれば、前述した判定装置１００において、被験者の身長を特定する情報する身長情報取得部１０５ａと、算出された腸腰筋面積と、取得された身長とから、腸腰筋面積と身長との比であるＰＭＩを算出するＰＭＩ算出部１０７ａとをさらに備える。判定部１１０ａは、算出されたＩＶＲと、ＰＭＩとに基づいて被験者のクッシング症候群の可能性を判定する。
このように構成することによって、判定装置１００ａは、ＩＶＲに加え、ＰＭＩを算出し、算出したＩＶＲに加えＰＭＩに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、ＩＶＲに基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
このように構成することによって、判定装置１００ａは、ＩＶＲに加え、ＰＭＩを算出し、算出したＩＶＲに加えＰＭＩに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、ＩＶＲに基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
【0035】
（実施形態の変形例２）
図７は、実施形態の変形例２に係る判定装置の一例を示す図である。
実施形態の変形例２に係る判定装置１００ｂは、実施形態に係る判定装置１００において、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＩＶＲ閾値を取得する。判定装置１００ｂは、取得したＩＶＲ閾値と算出したＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ｂは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ｂは、例えば、入力部１０２と、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、性別情報取得部１０９ｂと、判定部１１０ｂと、出力部１１２と、記憶部１１４とを備える。
図７は、実施形態の変形例２に係る判定装置の一例を示す図である。
実施形態の変形例２に係る判定装置１００ｂは、実施形態に係る判定装置１００において、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＩＶＲ閾値を取得する。判定装置１００ｂは、取得したＩＶＲ閾値と算出したＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ｂは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ｂは、例えば、入力部１０２と、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、性別情報取得部１０９ｂと、判定部１１０ｂと、出力部１１２と、記憶部１１４とを備える。
【0036】
入力部１０２は入力デバイスを備える。入力部１０２には、画像データに加え、被験者の性別を特定する情報が入力される。
性別情報取得部１０９ｂは、入力部１０２に入力された被験者の性別を特定する情報を取得する。
判定部１１０ｂは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、性別情報取得部１０９ｂが取得した被験者の性別を特定する情報を取得する。判定部１１０ｂは、取得したＩＶＲと被験者の性別を特定する情報とに基づいて被験者のクッシング症候群の可能性を判定する。
具体的には、判定部１１０ｂは、被験者の性別を特定する情報とＩＶＲ閾値とを関連付けて記憶している。例えば、被験者の性別が男である場合のＩＶＲ閾値よりも被験者の性別が女である場合のＩＶＲ閾値の方が高い値である。判定部１１０ｂは、取得した被験者の性別を特定する情報に関連付けられているＩＶＲ閾値を取得する。
性別情報取得部１０９ｂは、入力部１０２に入力された被験者の性別を特定する情報を取得する。
判定部１１０ｂは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、性別情報取得部１０９ｂが取得した被験者の性別を特定する情報を取得する。判定部１１０ｂは、取得したＩＶＲと被験者の性別を特定する情報とに基づいて被験者のクッシング症候群の可能性を判定する。
具体的には、判定部１１０ｂは、被験者の性別を特定する情報とＩＶＲ閾値とを関連付けて記憶している。例えば、被験者の性別が男である場合のＩＶＲ閾値よりも被験者の性別が女である場合のＩＶＲ閾値の方が高い値である。判定部１１０ｂは、取得した被験者の性別を特定する情報に関連付けられているＩＶＲ閾値を取得する。
【0037】
判定部１１０ｂは、ＩＶＲがＩＶＲ閾値未満であるか否かを判定する。判定部１１０ｂは、ＩＶＲがＩＶＲ判定閾値未満である場合にクッシング症候群の可能性が高いと判定し、ＩＶＲがＩＶＲ判定閾値以上である場合にクッシング症候群の可能性が低いと判定する。
性別情報取得部１０９ｂと、判定部１１０ｂとの全部または一部は、例えば、ＣＰＵなどのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、性別情報取得部１０９ｂと、判定部１１０ｂとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
性別情報取得部１０９ｂと、判定部１１０ｂとの全部または一部は、例えば、ＣＰＵなどのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、性別情報取得部１０９ｂと、判定部１１０ｂとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
【0038】
（判定装置の動作）
図８は、実施形態の変形例２に係る判定装置の動作の一例を示す図である。
（ステップＳ１－３）
判定装置１００ｂにおいて、入力部１０２には、被験者の画像データと、被験者の性別を特定する情報とが入力される。画像取得部１０４は、入力部１０２に入力された画像データを取得する。
（ステップＳ２－３）
判定装置１００ｂにおいて、性別情報取得部１０９ｂは、入力部１０２に入力された被験者の性別を特定する情報を取得する。
（ステップＳ３－３）
判定装置１００ｂにおいて、面積算出部１０６は、面積算出部１０６が取得した被験者の画像データを取得する。面積算出部１０６は、取得した被験者の画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
図８は、実施形態の変形例２に係る判定装置の動作の一例を示す図である。
（ステップＳ１－３）
判定装置１００ｂにおいて、入力部１０２には、被験者の画像データと、被験者の性別を特定する情報とが入力される。画像取得部１０４は、入力部１０２に入力された画像データを取得する。
（ステップＳ２－３）
判定装置１００ｂにおいて、性別情報取得部１０９ｂは、入力部１０２に入力された被験者の性別を特定する情報を取得する。
（ステップＳ３－３）
判定装置１００ｂにおいて、面積算出部１０６は、面積算出部１０６が取得した被験者の画像データを取得する。面積算出部１０６は、取得した被験者の画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
【0039】
（ステップＳ４－３）
判定装置１００ｂにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。
（ステップＳ５－３）
判定装置１００ｂにおいて、判定部１１０ｂは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、性別情報取得部１０９ｂが取得した被験者の性別を特定する情報を取得する。判定部１１０ｂは、取得した被験者の性別を特定する情報に関連付けられているＩＶＲ閾値を取得する。
（ステップＳ６－３）
判定装置１００ｂにおいて、判定部１１０ｂは、取得したＩＶＲとＩＶＲ閾値とに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－３）
判定装置１００ｂにおいて、出力部１１２は、判定部１１０ｂからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図８に示すフローチャートにおいて、ステップＳ１－３からＳ３－３の処理の順序を、Ｓ１－３、Ｓ３－３、Ｓ２－３としてもよいし、Ｓ２－３、Ｓ１－３、Ｓ３－３としてもよい。また、ステップＳ４－３からＳ５－３の処理の順序を、Ｓ５－３、Ｓ４－３としてもよい。
判定装置１００ｂにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。
（ステップＳ５－３）
判定装置１００ｂにおいて、判定部１１０ｂは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、性別情報取得部１０９ｂが取得した被験者の性別を特定する情報を取得する。判定部１１０ｂは、取得した被験者の性別を特定する情報に関連付けられているＩＶＲ閾値を取得する。
（ステップＳ６－３）
判定装置１００ｂにおいて、判定部１１０ｂは、取得したＩＶＲとＩＶＲ閾値とに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－３）
判定装置１００ｂにおいて、出力部１１２は、判定部１１０ｂからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図８に示すフローチャートにおいて、ステップＳ１－３からＳ３－３の処理の順序を、Ｓ１－３、Ｓ３－３、Ｓ２－３としてもよいし、Ｓ２－３、Ｓ１－３、Ｓ３－３としてもよい。また、ステップＳ４－３からＳ５－３の処理の順序を、Ｓ５－３、Ｓ４－３としてもよい。
【0040】
前述した実施形態の変形例２では、実施形態に係る判定装置１００において、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する場合について説明したが、この例に限られない。
例えば、実施形態の変形例１に係る判定装置１００ａにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。実施形態の変形例１に係る判定装置１００ａにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＰＭＩ閾値を取得し、取得したＰＭＩ閾値と算出したＰＭＩとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。
例えば、実施形態の変形例１に係る判定装置１００ａにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。実施形態の変形例１に係る判定装置１００ａにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＰＭＩ閾値を取得し、取得したＰＭＩ閾値と算出したＰＭＩとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。
【0041】
実施形態の変形例２によれば、前述した判定装置１００において、被験者の性別を特定する情報を取得する性別情報取得部１０９ｂをさらに備える。判定部１１０ｂは、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した閾値と算出されたＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
このように構成することによって、判定装置１００ｂは、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定する閾値を取得できる。判定装置１００ｂは、取得した閾値に基づいて、算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、被験者の性別を特定する情報に基づかない閾値に基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
このように構成することによって、判定装置１００ｂは、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定する閾値を取得できる。判定装置１００ｂは、取得した閾値に基づいて、算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、被験者の性別を特定する情報に基づかない閾値に基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
【0042】
（実施形態の変形例３）
図９は、実施形態の変形例３に係る判定装置の一例を示す図である。
実施形態の変形例３に係る判定装置１００ｃは、実施形態に係る判定装置１００において、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得する。判定装置１００ｃは、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ｃは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ｃは、例えば、入力部１０２と、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、年齢情報取得部１０９ｃと、判定部１１０ｃと、出力部１１２と、記憶部１１４とを備える。
図９は、実施形態の変形例３に係る判定装置の一例を示す図である。
実施形態の変形例３に係る判定装置１００ｃは、実施形態に係る判定装置１００において、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得する。判定装置１００ｃは、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ｃは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ｃは、例えば、入力部１０２と、画像取得部１０４と、面積算出部１０６と、ＩＶＲ算出部１０８と、年齢情報取得部１０９ｃと、判定部１１０ｃと、出力部１１２と、記憶部１１４とを備える。
【0043】
入力部１０２は入力デバイスを備える。入力部１０２には、被験者の画像データに加え、被験者の年齢を特定する情報が入力される。
年齢情報取得部１０９ｃは、入力部１０２に入力された被験者の年齢を特定する情報を取得する。
判定部１１０ｃは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、年齢情報取得部１０９ｃが取得した被験者の年齢を特定する情報を取得する。判定部１１０ｃは、取得したＩＶＲと被験者の年齢を特定する情報とに基づいて被験者のクッシング症候群の可能性を判定する。具体的には、判定部１１０ｃは、被験者の年齢を特定する情報とＩＶＲ閾値とを関連付けて記憶している。例えば、被験者の年齢が低年齢から高年齢になるにしたがってＩＶＲ閾値は高い値から低い値になる。判定部１１０ｃは、取得した被験者の年齢を特定する情報に関連付けられているＩＶＲ閾値を取得する。
年齢情報取得部１０９ｃは、入力部１０２に入力された被験者の年齢を特定する情報を取得する。
判定部１１０ｃは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、年齢情報取得部１０９ｃが取得した被験者の年齢を特定する情報を取得する。判定部１１０ｃは、取得したＩＶＲと被験者の年齢を特定する情報とに基づいて被験者のクッシング症候群の可能性を判定する。具体的には、判定部１１０ｃは、被験者の年齢を特定する情報とＩＶＲ閾値とを関連付けて記憶している。例えば、被験者の年齢が低年齢から高年齢になるにしたがってＩＶＲ閾値は高い値から低い値になる。判定部１１０ｃは、取得した被験者の年齢を特定する情報に関連付けられているＩＶＲ閾値を取得する。
【0044】
判定部１１０ｃは、ＩＶＲがＩＶＲ閾値未満であるか否かを判定する。判定部１１０ｃは、ＩＶＲがＩＶＲ判定閾値未満である場合にクッシング症候群の可能性が高いと判定し、ＩＶＲがＩＶＲ判定閾値以上である場合にクッシング症候群の可能性が低いと判定する。
年齢情報取得部１０９ｃと、判定部１１０ｃとの全部または一部は、例えば、ＣＰＵなどのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、年齢情報取得部１０９ｃと、判定部１１０ｃとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
年齢情報取得部１０９ｃと、判定部１１０ｃとの全部または一部は、例えば、ＣＰＵなどのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、年齢情報取得部１０９ｃと、判定部１１０ｃとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
【0045】
（判定装置の動作）
図１０は、実施形態の変形例２に係る判定装置の動作の一例を示す図である。
（ステップＳ１－４）
判定装置１００ｃにおいて、入力部１０２には、被験者の画像データと、被験者の年齢を特定する情報とが入力される。画像取得部１０４は、入力部１０２に入力された被験者の画像データを取得する。
（ステップＳ２－４）
判定装置１００ｃにおいて、年齢情報取得部１０９ｃは、入力部１０２に入力された被験者の年齢を特定する情報を取得する。
（ステップＳ３－４）
判定装置１００ｃにおいて、面積算出部１０６は、面積算出部１０６が取得した画像データを取得する。面積算出部１０６は、取得した画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
図１０は、実施形態の変形例２に係る判定装置の動作の一例を示す図である。
（ステップＳ１－４）
判定装置１００ｃにおいて、入力部１０２には、被験者の画像データと、被験者の年齢を特定する情報とが入力される。画像取得部１０４は、入力部１０２に入力された被験者の画像データを取得する。
（ステップＳ２－４）
判定装置１００ｃにおいて、年齢情報取得部１０９ｃは、入力部１０２に入力された被験者の年齢を特定する情報を取得する。
（ステップＳ３－４）
判定装置１００ｃにおいて、面積算出部１０６は、面積算出部１０６が取得した画像データを取得する。面積算出部１０６は、取得した画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
【0046】
（ステップＳ４－４）
判定装置１００ｃにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。
（ステップＳ５－４）
判定装置１００ｃにおいて、判定部１１０ｃは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、年齢情報取得部１０９ｃが取得した被験者の年齢を特定する情報を取得する。判定部１１０ｃは、取得した被験者の年齢を特定する情報に関連付けられているＩＶＲ閾値を取得する。
（ステップＳ６－４）
判定装置１００ｃにおいて、判定部１１０ｃは、取得したＩＶＲとＩＶＲ閾値とに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－４）
判定装置１００ｃにおいて、出力部１１２は、判定部１１０ｃからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図１０に示すフローチャートにおいて、ステップＳ１－４からＳ３－４の処理の順序を、Ｓ１－４、Ｓ３－４、Ｓ２－４としてもよいし、Ｓ２－４、Ｓ１－４、Ｓ３－４としてもよい。また、ステップＳ４－４からＳ５－４の処理の順序を、Ｓ５－４、Ｓ４－４としてもよい。
判定装置１００ｃにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積と内臓脂肪面積とを取得し、取得した腸腰筋面積と内臓脂肪面積とに基づいて、ＩＶＲを算出する。
（ステップＳ５－４）
判定装置１００ｃにおいて、判定部１１０ｃは、ＩＶＲ算出部１０８が算出したＩＶＲを取得し、年齢情報取得部１０９ｃが取得した被験者の年齢を特定する情報を取得する。判定部１１０ｃは、取得した被験者の年齢を特定する情報に関連付けられているＩＶＲ閾値を取得する。
（ステップＳ６－４）
判定装置１００ｃにおいて、判定部１１０ｃは、取得したＩＶＲとＩＶＲ閾値とに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－４）
判定装置１００ｃにおいて、出力部１１２は、判定部１１０ｃからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図１０に示すフローチャートにおいて、ステップＳ１－４からＳ３－４の処理の順序を、Ｓ１－４、Ｓ３－４、Ｓ２－４としてもよいし、Ｓ２－４、Ｓ１－４、Ｓ３－４としてもよい。また、ステップＳ４－４からＳ５－４の処理の順序を、Ｓ５－４、Ｓ４－４としてもよい。
【0047】
前述した実施形態の変形例３に係る判定装置１００ｃでは、実施形態に係る判定装置１００において、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する場合について説明したがこの例に限られない。
例えば、実施形態の変形例１に係る判定装置１００ａにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例１に係る判定装置１００ａにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するためのＰＭＩ閾値を取得し、取得したＰＭＩ閾値と算出したＰＭＩとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。
また、実施形態の変形例２に係る判定装置１００ｂにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例２に係る判定装置１００ｂにおいて、被験者の性別及び年齢を特定する情報を取得し、取得した被験者の性別及び年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。
例えば、実施形態の変形例１に係る判定装置１００ａにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例１に係る判定装置１００ａにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するためのＰＭＩ閾値を取得し、取得したＰＭＩ閾値と算出したＰＭＩとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。
また、実施形態の変形例２に係る判定装置１００ｂにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例２に係る判定装置１００ｂにおいて、被験者の性別及び年齢を特定する情報を取得し、取得した被験者の性別及び年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＩＶＲ閾値を取得し、取得したＩＶＲ閾値と算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。
【0048】
実施形態の変形例３によれば、前述した判定装置１００において、被験者の年齢を特定する情報を取得する年齢情報取得部１０９ｃをさらに備える。判定部１１０ｃは、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定する閾値を取得し、取得した閾値に基づいて、算出されたＩＶＲに基づいて被験者のクッシング症候群の可能性を判定する。
このように構成することによって、判定装置１００ｃは、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定する閾値を取得できる。判定装置１００ｃは、取得した閾値に基づいて、算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、被験者の年齢を特定する情報に基づかない閾値に基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
このように構成することによって、判定装置１００ｃは、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定する閾値を取得できる。判定装置１００ｃは、取得した閾値に基づいて、算出したＩＶＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、被験者の年齢を特定する情報に基づかない閾値に基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
【0049】
（実施形態の変形例４）
図１１は、実施形態の変形例４に係る判定装置の一例を示す図である。
実施形態の変形例４に係る判定装置１００ｄは、実施形態に係る判定装置１００において、ＩＶＲに加えて、ＥＮＲ（Ｅｏｓｉｎｏｐｈｉｌ／Ｎｅｕｔｒｏｐｈｉｌ ｒａｔｉｏ）に基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ｄは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ｄは、例えば、入力部１０２と、白血球情報取得部１０３ｄと、画像取得部１０４と、面積算出部１０６と、ＥＮＲ算出部１０７ｄと、ＩＶＲ算出部１０８と、判定部１１０ｄと、出力部１１２と、記憶部１１４とを備える。
図１１は、実施形態の変形例４に係る判定装置の一例を示す図である。
実施形態の変形例４に係る判定装置１００ｄは、実施形態に係る判定装置１００において、ＩＶＲに加えて、ＥＮＲ（Ｅｏｓｉｎｏｐｈｉｌ／Ｎｅｕｔｒｏｐｈｉｌ ｒａｔｉｏ）に基づいて被験者のクッシング症候群の可能性を判定する。
判定装置１００ｄは、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。判定装置１００ｄは、例えば、入力部１０２と、白血球情報取得部１０３ｄと、画像取得部１０４と、面積算出部１０６と、ＥＮＲ算出部１０７ｄと、ＩＶＲ算出部１０８と、判定部１１０ｄと、出力部１１２と、記憶部１１４とを備える。
【0050】
入力部１０２は入力デバイスを備える。入力部１０２には、画像データに加え、白血球情報が入力される。ここで、白血球情報には、好酸球数を特定する情報と好中球数を特定する情報とが含まれる。
白血球情報取得部１０３ｄは、入力部１０２に入力された白血球情報を取得する。
ＥＮＲ算出部１０７ｄは、白血球情報取得部１０３ｄが取得した白血球情報を取得し、取得した白血球情報に含まれる好酸球数を特定する情報と好中球数を特定する情報とに基づいて、ＥＮＲを算出する。具体的には、ＥＮＲ算出部１０７ｄは、好酸球数を好中球数で除算することによってＥＮＲを算出する。
白血球情報取得部１０３ｄは、入力部１０２に入力された白血球情報を取得する。
ＥＮＲ算出部１０７ｄは、白血球情報取得部１０３ｄが取得した白血球情報を取得し、取得した白血球情報に含まれる好酸球数を特定する情報と好中球数を特定する情報とに基づいて、ＥＮＲを算出する。具体的には、ＥＮＲ算出部１０７ｄは、好酸球数を好中球数で除算することによってＥＮＲを算出する。
【0051】
判定部１１０ｄは、ＥＮＲ算出部１０７ｄが算出したＥＮＲを取得し、ＩＶＲ算出部１０８が算出したＩＶＲを取得する。判定部１１０ｄは、取得したＥＮＲとＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
具体的には、判定部１１０ｄは、ＥＮＲがＥＮＲ閾値未満であるか否かを判定し、ＩＶＲがＩＶＲ閾値未満であるか否かを判定する。判定部１１０ｄは、ＥＮＲがＥＮＲ閾値未満であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が高いと判定する。判定部１１０ｄは、ＥＮＲがＥＮＲ閾値未満であり且つＩＶＲがＩＶＲ閾値以上である場合、又はＥＮＲがＥＮＲ閾値以上であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が中程度と判定する。判定部１１０ｄは、ＥＮＲがＥＮＲ閾値以上であり且つＩＶＲがＩＶＲ閾値以上である場合にクッシング症候群の可能性が低いと判定する。ＥＮＲ判定閾値は予め設定される。ＥＮＲ判定閾値の一例は０．００５以上０．０２未満である。ＩＶＲ判定閾値は予め設定される。ＩＶＲ判定閾値の一例は３．５以上５未満である。
白血球情報取得部１０３ｄと、ＥＮＲ算出部１０７ｄと、判定部１１０ｄとの全部または一部は、例えば、ＣＰＵなどのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、白血球情報取得部１０３ｄと、ＥＮＲ算出部１０７ｄと、判定部１１０ｄとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
具体的には、判定部１１０ｄは、ＥＮＲがＥＮＲ閾値未満であるか否かを判定し、ＩＶＲがＩＶＲ閾値未満であるか否かを判定する。判定部１１０ｄは、ＥＮＲがＥＮＲ閾値未満であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が高いと判定する。判定部１１０ｄは、ＥＮＲがＥＮＲ閾値未満であり且つＩＶＲがＩＶＲ閾値以上である場合、又はＥＮＲがＥＮＲ閾値以上であり且つＩＶＲがＩＶＲ閾値未満である場合にクッシング症候群の可能性が中程度と判定する。判定部１１０ｄは、ＥＮＲがＥＮＲ閾値以上であり且つＩＶＲがＩＶＲ閾値以上である場合にクッシング症候群の可能性が低いと判定する。ＥＮＲ判定閾値は予め設定される。ＥＮＲ判定閾値の一例は０．００５以上０．０２未満である。ＩＶＲ判定閾値は予め設定される。ＩＶＲ判定閾値の一例は３．５以上５未満である。
白血球情報取得部１０３ｄと、ＥＮＲ算出部１０７ｄと、判定部１１０ｄとの全部または一部は、例えば、ＣＰＵなどのプロセッサが記憶部１１４に格納されたプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。
なお、白血球情報取得部１０３ｄと、ＥＮＲ算出部１０７ｄと、判定部１１０ｄとの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
【0052】
（判定装置の動作）
図１２は、実施形態の変形例４に係る判定装置の動作の一例を示す図である。
（ステップＳ１－５）
判定装置１００ｄにおいて、入力部１０２には、被験者の画像データと、被験者の白血球情報とが入力される。画像取得部１０４は、入力部１０２に入力された被験者の画像データを取得する。
（ステップＳ２－５）
判定装置１００ｄにおいて、白血球情報取得部１０３ｄは、入力部１０２に入力された被験者の白血球情報を取得する。
（ステップＳ３－５）
判定装置１００ｄにおいて、面積算出部１０６は、面積算出部１０６が取得した画像データを取得する。面積算出部１０６は、取得した画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
図１２は、実施形態の変形例４に係る判定装置の動作の一例を示す図である。
（ステップＳ１－５）
判定装置１００ｄにおいて、入力部１０２には、被験者の画像データと、被験者の白血球情報とが入力される。画像取得部１０４は、入力部１０２に入力された被験者の画像データを取得する。
（ステップＳ２－５）
判定装置１００ｄにおいて、白血球情報取得部１０３ｄは、入力部１０２に入力された被験者の白血球情報を取得する。
（ステップＳ３－５）
判定装置１００ｄにおいて、面積算出部１０６は、面積算出部１０６が取得した画像データを取得する。面積算出部１０６は、取得した画像データに基づいて、腸腰筋面積と、内臓脂肪面積とを算出する。
【0053】
（ステップＳ４－５）
判定装置１００ｄにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とを取得し、取得した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とに基づいて、ＩＶＲを算出する。
（ステップＳ５－５）
判定装置１００ｄにおいて、ＥＮＲ算出部１０７ｄは、白血球情報取得部１０３ｄが取得した白血球情報を取得し、取得した白血球情報に含まれる好酸球数を特定する情報と好中球数を特定する情報とに基づいて、ＥＮＲを算出する。
（ステップＳ６－５）
判定装置１００ｄにおいて、判定部１１０ｄは、ＥＮＲ算出部１０７ｄが算出したＥＮＲを取得し、ＩＶＲ算出部１０８が算出したＩＶＲを取得する。判定部１１０ｄは、取得したＥＮＲとＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－５）
判定装置１００ｄにおいて、出力部１１２は、判定部１１０ｄからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図１２に示すフローチャートにおいて、ステップＳ１－５からＳ３－５の処理の順序を、Ｓ１－５、Ｓ３－５、Ｓ２－５としてもよいし、Ｓ２－５、Ｓ１－５、Ｓ３－５としてもよい。また、ステップＳ４－５からＳ５－５の処理の順序を、Ｓ５－５、Ｓ４－５としてもよい。
判定装置１００ｄにおいて、ＩＶＲ算出部１０８は、面積算出部１０６が算出した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とを取得し、取得した腸腰筋面積を特定する情報と内臓脂肪面積を特定する情報とに基づいて、ＩＶＲを算出する。
（ステップＳ５－５）
判定装置１００ｄにおいて、ＥＮＲ算出部１０７ｄは、白血球情報取得部１０３ｄが取得した白血球情報を取得し、取得した白血球情報に含まれる好酸球数を特定する情報と好中球数を特定する情報とに基づいて、ＥＮＲを算出する。
（ステップＳ６－５）
判定装置１００ｄにおいて、判定部１１０ｄは、ＥＮＲ算出部１０７ｄが算出したＥＮＲを取得し、ＩＶＲ算出部１０８が算出したＩＶＲを取得する。判定部１１０ｄは、取得したＥＮＲとＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
（ステップＳ７－５）
判定装置１００ｄにおいて、出力部１１２は、判定部１１０ｄからクッシング症候群の可能性の判定結果を取得する。出力部１１２は、取得したクッシング症候群の可能性の判定結果を表示部（図示なし）に表示させてもよいし、音声で出力してもよい。
図１２に示すフローチャートにおいて、ステップＳ１－５からＳ３－５の処理の順序を、Ｓ１－５、Ｓ３－５、Ｓ２－５としてもよいし、Ｓ２－５、Ｓ１－５、Ｓ３－５としてもよい。また、ステップＳ４－５からＳ５－５の処理の順序を、Ｓ５－５、Ｓ４－５としてもよい。
【0054】
前述した実施形態の変形例４に係る判定装置１００ｄでは、実施形態に係る判定装置１００において、ＩＶＲに加えて、ＥＮＲに基づいて被験者のクッシング症候群の可能性を判定する場合について説明したがこの例に限られない。
例えば、実施形態の変形例１に係る判定装置１００ａにおいて、ＩＶＲとＰＭＩとに加えて、ＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。また、実施形態の変形例１に係る判定装置１００ａにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＥＮＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。
例えば、実施形態の変形例２に係る判定装置１００ｂにおいて、ＩＶＲに加えて、ＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例２に係る判定装置１００ｂにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するＥＶＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。
例えば、実施形態の変形例３に係る判定装置１００ｃにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＥＶＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例３に係る判定装置１００ｂにおいて、被験者の性別及び年齢を特定する情報を取得し、取得した被験者の性別及び年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＥＮＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。
例えば、実施形態の変形例１に係る判定装置１００ａにおいて、ＩＶＲとＰＭＩとに加えて、ＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。また、実施形態の変形例１に係る判定装置１００ａにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するためのＥＮＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲとに基づいて被験者のクッシング症候群の可能性を判定するようにしてもよい。
例えば、実施形態の変形例２に係る判定装置１００ｂにおいて、ＩＶＲに加えて、ＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例２に係る判定装置１００ｂにおいて、被験者の性別を特定する情報を取得し、取得した被験者の性別を特定する情報に基づいてクッシング症候群の可能性を判定するＥＶＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。
例えば、実施形態の変形例３に係る判定装置１００ｃにおいて、被験者の年齢を特定する情報を取得し、取得した被験者の年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＥＶＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。実施形態の変形例３に係る判定装置１００ｂにおいて、被験者の性別及び年齢を特定する情報を取得し、取得した被験者の性別及び年齢を特定する情報に基づいてクッシング症候群の可能性を判定するＥＮＲ閾値を取得し、取得したＥＮＲ閾値と算出したＥＮＲに基づいて被験者のクッシング症候群の可能性を判定してもよい。
【0055】
実施形態の変形例４によれば、前述した判定装置１００において、被験者の好酸球数及び好中球数を特定する情報を取得する白血球情報取得部１０３ｄと、好酸球数及び好中球数を特定する情報からＥＮＲを算出するＥＮＲ算出部１０７ｄと、をさらに備える。判定部１１０ｄは、算出されたＥＮＲと、ＩＶＲとに基づいて被験者のクッシング症候群の可能性を判定する。
このように構成することによって、判定装置１００ｄは、ＩＶＲに加え、ＥＮＲを算出し、算出したＩＶＲに加えＥＮＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、ＩＶＲに基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
このように構成することによって、判定装置１００ｄは、ＩＶＲに加え、ＥＮＲを算出し、算出したＩＶＲに加えＥＮＲに基づいて被験者のクッシング症候群の可能性を判定できる。このため、被験者は、入院安静下での負荷試験を行うことなく、短時間でクッシング症候群の可能性を知ることができる。さらに、ＩＶＲに基づいて被験者のクッシング症候群の可能性を判定した場合と比較して、クッシング症候群の可能性の判定精度を向上できる。
【0056】
ここで、ＥＮＲに基づいて被験者のクッシング症候群の可能性を判定する効果について説明する。
図１３は、受信者操作特性の例３を示す図である。
ＥＮＲは、好酸球数と好中球数との比であり、好酸球数を好中球数で除算することによって算出される。クッシング症候群では好酸球が低下し、好中球が増加することが知られている。
図１３において横軸は特異度（ｓｐｅｃｉｆｉｃｉｔｙ）であり、縦軸は敏感度（ｓｅｎｓｉｔｉｖｉｔｙ）である。特異度は陰性者を正しく陰性と判断する率であり、敏感度は陽性者を正しく陽性として捕捉する率である。検査が有効ならば、この曲線は４５度の線から左上に離れる。離れれば離れるほど、検査として有効である。
０．０から１．０の間のＲＯＣ曲線の下にある領域の面積（ＡＵＣ）は、０．８７９である。
図１３によればＥＮＲのＲＯＣのＡＵＣが、前述したＰＭＩのＲＯＣのＡＵＣとＶ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏのＲＯＣのＡＵＣとＩｐ－Ｍ／Ｐｓ－Ｍ ｒａｔｉｏのＲＯＣのＡＵＣと比較して最も大きいことが分かる。このため、ＥＮＲが、クッシング症候群の可能性を判定するために有効であることが分かる。
図１３は、受信者操作特性の例３を示す図である。
ＥＮＲは、好酸球数と好中球数との比であり、好酸球数を好中球数で除算することによって算出される。クッシング症候群では好酸球が低下し、好中球が増加することが知られている。
図１３において横軸は特異度（ｓｐｅｃｉｆｉｃｉｔｙ）であり、縦軸は敏感度（ｓｅｎｓｉｔｉｖｉｔｙ）である。特異度は陰性者を正しく陰性と判断する率であり、敏感度は陽性者を正しく陽性として捕捉する率である。検査が有効ならば、この曲線は４５度の線から左上に離れる。離れれば離れるほど、検査として有効である。
０．０から１．０の間のＲＯＣ曲線の下にある領域の面積（ＡＵＣ）は、０．８７９である。
図１３によればＥＮＲのＲＯＣのＡＵＣが、前述したＰＭＩのＲＯＣのＡＵＣとＶ－ｆａｔ／Ｓ－ｆａｔ ｒａｔｉｏのＲＯＣのＡＵＣとＩｐ－Ｍ／Ｐｓ－Ｍ ｒａｔｉｏのＲＯＣのＡＵＣと比較して最も大きいことが分かる。このため、ＥＮＲが、クッシング症候群の可能性を判定するために有効であることが分かる。
【0057】
以上、本発明の実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組合わせを行うことができる。これら実施形態及びその変形例は、発明の範囲や要旨に含まれると同時に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
例えば、実施形態と実施形態の変形例１と実施形態の変形例２と実施形態の変形例３と実施形態の変形例４とが組み合わされてもよい。
なお、前述の判定装置１００、判定装置１００ａ、判定装置１００ｂ、判定装置１００ｃ、判定装置１００ｄは内部にコンピュータを有している。そして、前述した各装置の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリなどをいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
例えば、実施形態と実施形態の変形例１と実施形態の変形例２と実施形態の変形例３と実施形態の変形例４とが組み合わされてもよい。
なお、前述の判定装置１００、判定装置１００ａ、判定装置１００ｂ、判定装置１００ｃ、判定装置１００ｄは内部にコンピュータを有している。そして、前述した各装置の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリなどをいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
【符号の説明】
【0058】
１００、１００ａ、１００ｂ、１００ｃ、１００ｄ…判定装置、 １０２…入力部、 １０３ｄ…白血球情報取得部、 １０４…画像取得部、 １０５ａ…身長情報取得部、 １０６…面積算出部、 １０７ａ…ＰＭＩ算出部、 １０７ｄ…ＥＮＲ算出部、 １０８…ＩＶＲ算出部、 １０９ｂ…性別情報取得部、 １０９ｃ…年齢情報取得部、 １１０、１１０ａ、１１０ｂ、１１０ｃ、１１０ｄ…判定部、 １１２…出力部
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】