[go: up one dir, main page]

JP2014038114A - 肺癌の評価方法 - Google Patents

肺癌の評価方法 Download PDF

Info

Publication number
JP2014038114A
JP2014038114A JP2013245487A JP2013245487A JP2014038114A JP 2014038114 A JP2014038114 A JP 2014038114A JP 2013245487 A JP2013245487 A JP 2013245487A JP 2013245487 A JP2013245487 A JP 2013245487A JP 2014038114 A JP2014038114 A JP 2014038114A
Authority
JP
Japan
Prior art keywords
lung cancer
discriminant
amino acid
multivariate discriminant
equation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2013245487A
Other languages
English (en)
Inventor
Akira Imaizumi
明 今泉
Nobukazu Ono
信和 小野
Yoshinari Sakai
良成 坂井
Toshihiko Ando
敏彦 安東
Naoyuki Okamoto
直幸 岡本
Fumio Imamura
文生 今村
Masahiko Higashiyama
聖彦 東山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Original Assignee
Ajinomoto Co Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ajinomoto Co Inc filed Critical Ajinomoto Co Inc
Priority to JP2013245487A priority Critical patent/JP2014038114A/ja
Publication of JP2014038114A publication Critical patent/JP2014038114A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G01N33/5752—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/30—Unsupervised data analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment

Landscapes

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

Abstract

【課題】血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸濃度を利用して肺癌の状態を精度よく評価することができる肺癌の評価方法、ならびに肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラムおよび記録媒体を提供することを課題とする。
【解決手段】本発明にかかる肺癌の評価方法は、評価対象から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌の状態を評価する。
【選択図】図１

Description

本発明は、血液（血漿）中のアミノ酸濃度を利用した肺癌の評価方法、ならびに肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラムおよび記録媒体に関するものである。
日本における肺癌による死亡は２００３年で男４１６３４人、女１５０８６人で全ての癌による死亡の１８．３％を占め、男では癌による死亡の第一位となっている。女性では癌による死亡の第３位であるが、年々増加しつつあり、遠からず第一位になるのは確実視されている現状である。
肺癌は治癒の困難な癌であり、発見されたときにはすでに進行していて手術ができないものが半数以上あるのが現状である。一方、初期（Ｉ〜ＩＩ期）の肺癌の５年生存率は５０％以上、特にＩＡ期の肺癌（腫瘍が３ｃｍ以下でリンパ節転移、周りの臓器への浸潤がないもの）では５年生存率は約９０％であり、早期発見が肺癌治癒にとっては重要である。
肺癌の診断は、レントゲン写真、ＣＴ、ＭＲＩ、ＰＥＴなど画像によるもの、喀痰細胞診、気管支鏡による肺生検、経皮針による肺生検、試験開胸または胸腔鏡による肺生検などがある。
しかし、画像による診断は確定診断とはならず、例えば胸部Ｘ線検査（間接撮影）での有所見率は２０％であるのに対して、特異度は０．１％であり、有所見者のほとんどは偽陽性である。また、検出感度も低く、厚生労働省の検討結果では、間接撮影検査の場合約８０％の肺癌発症者は胸部Ｘ線検査では見落とされていたという報告もある。特に、初期の肺癌においてはこれらの方法では検出感度、検出特異度共に更に低くなることが懸念される。一方、胸部Ｘ線検査においては、被験者の放射線被爆の問題もある。一方、ＣＴ、ＭＲＩ、ＰＥＴなどは設備、コスト面で集団検診で実施するには問題がある。
また、喀痰細胞診は２〜３割の患者の確定診断しか可能ではない。気管支鏡、経皮針、試験開胸および胸腔鏡によるによる肺生検は確定診断になるが、侵襲度の高い検査であり、画像診断により肺癌の疑いのある患者全員に肺生検を施行するのは実際的でない。さらにこうした侵襲的診断は患者の苦痛を伴うなど負担があり、また検査による出血などのリスクも起こりえる。望むべくは肺癌発症の可能性の高い被験者を、侵襲の少ない方法で選択し、肺生検により肺癌の確定診断を得て治療の対象とすることが、患者に対する身体的負担および費用対効果の面から望ましい。
一方、血中アミノ酸の濃度が、癌発症により変化することについては知られており、例えばシノベール（非特許文献１）によれば、例えばグルタミンは主に酸化エネルギー源として、アルギニンは窒素酸化物やポリアミンの前駆体として、メチオニンは癌細胞がメチオニン取り込み能の活性化により、それぞれ癌細胞での消費量が増加するという報告がある。また、プロエンツァら（非特許文献２）やカスツィーノ（非特許文献３）によれば、肺癌患者の血漿中アミノ酸組成は健常者と異なっていることが報告されている。更に、例えばロドリゲスら（非特許文献４）によれば、癌細胞と接触した骨髄細胞においてはアルギナーゼＩの遺伝子発現、酵素活性の上昇が認められ、その結果として血漿中のアルギニン濃度が低下するとの報告がある。
Ｃｙｎｏｂｅｒ， Ｌ． ｅｄ．， Ｍｅｔａｂｏｌｉｃ ａｎｄ ｔｈｅｒａｐｅｕｔｉｃ ａｓｐｅｃｔｓ ｏｆ ａｍｉｎｏ ａｃｉｄｓ ｉｎ ｃｌｉｎｉｃａｌ ｎｕｔｒｉｔｉｏｎ． ２ｎｄ ｅｄ．， ＣＲＣ Ｐｒｅｓｓ． Ｐｒｏｅｎｚａ， Ａ．Ｍ．， Ｊ． Ｏｌｉｖｅｒ， Ａ． Ｐａｌｏｕ ａｎｄ Ｐ． Ｒｏｃａ， Ｂｒｅａｓｔ ａｎｄ ｌｕｎｇ ｃａｎｃｅｒ ａｒｅ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ａ ｄｅｃｒｅａｓｅ ｉｎ ｂｌｏｏｄ ｃｅｌｌ ａｍｉｎｏ ａｃｉｄ ｃｏｎｔｅｎｔ． Ｊ Ｎｕｔｒ Ｂｉｏｃｈｅｍ， ２００３． １４（３）： ｐ． １３３−８． Ｃａｓｃｉｎｏ， Ａ．， Ｍ． Ｍｕｓｃａｒｉｔｏｌｉ， Ｃ． Ｃａｎｇｉａｎｏ， Ｌ． Ｃｏｎｖｅｒｓａｎｏ， Ａ． Ｌａｖｉａｎｏ， Ｓ． Ａｒｉｅｍｍａ， Ｍ．Ｍ． Ｍｅｇｕｉｄ ａｎｄ Ｆ． Ｒｏｓｓｉ Ｆａｎｅｌｌｉ， Ｐｌａｓｍａ ａｍｉｎｏ ａｃｉｄ ｉｍｂａｌａｎｃｅ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｌｕｎｇ ａｎｄ ｂｒｅａｓｔ ｃａｎｃｅｒ． Ａｎｔｉｃａｎｃｅｒ Ｒｅｓ， １９９５． １５（２）： ｐ． ５０７−１０． Ｒｏｄｒｉｇｕｅｚ， Ｐ．Ｃ．， Ｃ．Ｐ． Ｈｅｒｎａｎｄｅｚ， Ｄ． Ｑｕｉｃｅｎｏ， Ｓ．Ｍ． Ｄｕｂｉｎｅｔｔ， Ｊ． Ｚａｂａｌｅｔａ， Ｊ．Ｂ． Ｏｃｈｏａ， Ｊ． Ｇｉｌｂｅｒｔ ａｎｄ Ａ．Ｃ． Ｏｃｈｏａ， Ａｒｇｉｎａｓｅ Ｉ ｉｎ ｍｙｅｌｏｉｄ ｓｕｐｐｒｅｓｓｏｒ ｃｅｌｌｓ ｉｓ ｉｎｄｕｃｅｄ ｂｙ ＣＯＸ−２ ｉｎ ｌｕｎｇ ｃａｒｃｉｎｏｍａ． Ｊ Ｅｘｐ Ｍｅｄ， ２００５． ２０２（７）： ｐ． ９３１−９．
しかしながら、これまでに、複数のアミノ酸を変数として肺癌発症の有無を診断する技術の開発は時間的および金銭的な観点から行われておらず、実用化されていないという問題点があった。
本発明は、上記問題点に鑑みてなされたものであって、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸濃度を利用して肺癌の状態を精度よく評価することができる肺癌の評価方法、ならびに肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラムおよび記録媒体を提供することを目的とする。
本発明者らは、上記課題を解決するために鋭意検討し、血液中のアミノ酸濃度による肺癌の判別に有用な、２群間で統計的有意差をもって変動するアミノ酸変数の同定、ならびにアミノ酸変数を用いる相関式（指標式）が初期肺癌の病態進行に有意な相関があることを見出し、本発明を完成するに至った。本発明は、以下を包含する。
すなわち、上述した課題を解決し、目的を達成するために、本発明にかかる肺癌の評価方法は、評価対象から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する測定ステップと、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ（ＡＢＡはα−アミノ酪酸を表す。以下同様。），Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、肺癌の状態を評価する濃度値基準評価ステップとを実行することを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記肺癌または非肺癌であるか否かを判別する濃度値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記肺癌であることおよびその病期、または非肺癌であるか否かを判別する濃度値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記肺癌のうち腺癌であること、または非肺癌であるか否かを判別する濃度値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値および前記アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌の状態を評価する判別値基準評価ステップとをさらに含み、前記多変量判別式は、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記多変量判別式は、年齢を前記変数としてさらに含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記多変量判別式は数式１、数式２または数式３であることを特徴とする。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを前記変数とする前記ロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを前記変数とする前記線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌であることおよびその病期、または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は数式４、数式５または数式６であることを特徴とする。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを前記変数とする前記線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記ロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記の肺癌の評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌のうち腺癌であること、または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は数式７、数式８または数式９であることを特徴とする。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌の評価方法は、前記に記載の肺癌の評価方法において、前記多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを前記変数とする前記線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを前記変数とする前記線形判別式であることを特徴とする。
また、本発明は肺癌評価装置に関するものであり、本発明にかかる肺癌評価装置は、制御手段と記憶手段とを備え評価対象につき肺癌の状態を評価する肺癌評価装置であって、前記制御手段は、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌の状態を評価する判別値基準評価手段とを備え、前記多変量判別式は、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記多変量判別式は、年齢を前記変数としてさらに含むことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌または非肺癌であるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記多変量判別式は数式１、数式２または数式３であることを特徴とする。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを前記変数とする前記ロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを前記変数とする前記線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌であることおよびその病期、または非肺癌であるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は数式４、数式５または数式６であることを特徴とする。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを前記変数とする前記線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記ロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌のうち腺癌であること、または非肺癌であるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は数式７、数式８または数式９であることを特徴とする。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価装置は、前記に記載の肺癌評価装置において、前記多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを前記変数とする前記線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価装置は、前記の肺癌評価装置において、前記制御手段は、前記アミノ酸濃度データと前記肺癌の状態を表す指標に関する肺癌状態指標データとを含む前記記憶手段で記憶した肺癌状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成手段をさらに備え、前記多変量判別式作成手段は、前記肺癌状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証手段と、前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記肺癌状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変量判別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。
また、本発明は肺癌評価方法に関するものであり、本発明にかかる肺癌評価方法は、制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につき肺癌の状態を評価する肺癌評価方法であって、前記制御手段で、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌の状態を評価する判別値基準評価ステップとを実行し、前記多変量判別式は、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記多変量判別式は、年齢を前記変数としてさらに含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記多変量判別式は数式１、数式２または数式３であることを特徴とする。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを前記変数とする前記ロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを前記変数とする前記線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌であることおよびその病期、または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は数式４、数式５または数式６であることを特徴とする。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを前記変数とする前記線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記ロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌のうち腺癌であること、または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は数式７、数式８または数式９であることを特徴とする。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価方法は、前記に記載の肺癌評価方法において、前記多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを前記変数とする前記線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価方法は、前記の肺癌評価方法において、前記制御手段で、前記アミノ酸濃度データと前記肺癌の状態を表す指標に関する肺癌状態指標データとを含む前記記憶手段で記憶した肺癌状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成ステップをさらに実行し、前記多変量判別式作成ステップは、前記肺癌状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成ステップと、前記候補多変量判別式作成ステップで作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証ステップと、前記候補多変量判別式検証ステップでの検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記肺癌状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択ステップと、をさらに含み、前記候補多変量判別式作成ステップ、前記候補多変量判別式検証ステップおよび前記変数選択ステップを繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。
また、本発明は肺癌評価システムに関するものであり、本発明にかかる肺癌評価システムは、制御手段と記憶手段とを備え評価対象につき肺癌の状態を評価する肺癌評価装置と、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された肺癌評価システムであって、前記情報通信端末装置は、前記評価対象の前記アミノ酸濃度データを前記肺癌評価装置へ送信するアミノ酸濃度データ送信手段と、前記肺癌評価装置から送信された前記肺癌の状態に関する前記評価対象の評価結果を受信する評価結果受信手段とを備え、前記肺癌評価装置の前記制御手段は、前記情報通信端末装置から送信された前記評価対象の前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度データ受信手段で受信した前記評価対象の前記アミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌の状態を評価する判別値基準評価手段と、前記判別値基準評価手段での前記評価対象の前記評価結果を前記情報通信端末装置へ送信する評価結果送信手段と、を備え、前記多変量判別式は、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、年齢を前記変数としてさらに含むことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌または非肺癌であるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は数式１、数式２または数式３であることを特徴とする。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを前記変数とする前記ロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを前記変数とする前記線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌であることおよびその病期、または非肺癌であるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は数式４、数式５または数式６であることを特徴とする。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを前記変数とする前記線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記ロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記肺癌のうち腺癌であること、または非肺癌であるか否かを判別する判別値基準判別手段をさらに備えたことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は数式７、数式８または数式９であることを特徴とする。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを前記変数とする前記線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価システムは、前記に記載の肺癌評価システムにおいて、前記肺癌評価装置の前記制御手段は、前記アミノ酸濃度データと前記肺癌の状態を表す指標に関する肺癌状態指標データとを含む前記記憶手段で記憶した肺癌状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成手段をさらに備え、前記多変量判別式作成手段は、前記肺癌状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証手段と、前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記肺癌状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変量判別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。
また、本発明は肺癌評価プログラムに関するものであり、本発明にかかる肺癌評価プログラムは、制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につき肺癌の状態を評価する肺癌評価プログラムであって、前記制御手段に、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの前記濃度値および前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌の状態を評価する判別値基準評価ステップとを実行させ、前記多変量判別式は、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、年齢を前記変数としてさらに含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は数式１、数式２または数式３であることを特徴とする。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを前記変数とする前記ロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを前記変数とする前記線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌であることおよびその病期、または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は数式４、数式５または数式６であることを特徴とする。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを前記変数とする前記線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記ロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記肺癌のうち腺癌であること、または非肺癌であるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、１つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを前記変数として含むことを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は数式７、数式８または数式９であることを特徴とする。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであることを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを前記変数とする前記ロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを前記変数とする前記線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを前記変数とする前記ロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを前記変数とする前記線形判別式であることを特徴とする。
また、本発明にかかる肺癌評価プログラムは、前記に記載の肺癌評価プログラムにおいて、前記制御手段に、前記アミノ酸濃度データと前記肺癌の状態を表す指標に関する肺癌状態指標データとを含む前記記憶手段で記憶した肺癌状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成ステップをさらに実行させ、前記多変量判別式作成ステップは、前記肺癌状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成ステップと、前記候補多変量判別式作成ステップで作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証ステップと、前記候補多変量判別式検証ステップでの検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用いる前記肺癌状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択ステップと、をさらに含み、前記候補多変量判別式作成ステップ、前記候補多変量判別式検証ステップおよび前記変数選択ステップを繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。
また、本発明は記録媒体に関するものであり、本発明にかかる記録媒体は、前記の肺癌評価プログラムを記録したことを特徴とする。
本発明にかかる肺癌の評価方法によれば、評価対象から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌の状態を評価するので、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸濃度を利用して、肺癌の状態を精度よく評価することができるという効果を奏する。
本発明にかかる肺癌の評価方法によれば、測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌または非肺癌であるか否かを判別するので、血液中のアミノ酸濃度のうち肺癌と非肺癌との２群判別に有用なアミノ酸の濃度を利用して、肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別するので、血液中のアミノ酸濃度のうち初期肺癌と非肺癌との２群判別に有用なアミノ酸の濃度を利用して、初期肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別するので、血液中のアミノ酸濃度のうち、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸の濃度を利用して、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数とする予め設定した多変量判別式であってＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、肺癌の状態を評価するので、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度を変数とする多変量判別式（肺癌の状態と有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態を精度よく評価することができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、年齢を変数としてさらに含むので、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度に加えてさらに年齢を変数とする多変量判別式（肺癌の状態と特に有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態をさらに精度よく評価することができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、算出した判別値に基づいて、評価対象につき、肺癌または非肺癌であるか否かを判別するので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は数式１、数式２または数式３であるので、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式１、数式２、数式３）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式であるので、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、算出した判別値に基づいて、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別するので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は数式４、数式５または数式６であるので、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式４、数式５、数式６）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式であるので、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、算出した判別値に基づいて、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別するので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は数式７、数式８または数式９であるので、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式７、数式８、数式９）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌の評価方法によれば、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式であるので、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、アミノ酸の濃度値に関する予め取得した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数とする記憶手段で記憶した多変量判別式であってＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、肺癌の状態を評価するので、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度を変数とする多変量判別式（肺癌の状態と有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態を精度よく評価することができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、年齢を変数としてさらに含むので、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度に加えてさらに年齢を変数とする多変量判別式（肺癌の状態と特に有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態をさらに精度よく評価することができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、算出した判別値に基づいて、評価対象につき、肺癌または非肺癌であるか否かを判別するので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は数式１、数式２または数式３であるので、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式１、数式２、数式３）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式であるので、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、算出した判別値に基づいて、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別するので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は数式４、数式５または数式６であるので、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式４、数式５、数式６）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式であるので、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、算出した判別値に基づいて、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別するので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は数式７、数式８または数式９であるので、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式７、数式８、数式９）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式であるので、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価装置、肺癌評価方法および肺癌評価プログラムによれば、アミノ酸濃度データと肺癌の状態を表す指標に関する肺癌状態指標データとを含む記憶手段で記憶した肺癌状態情報に基づいて、記憶手段で記憶する多変量判別式を作成する。具体的には、（１）肺癌状態情報から所定の式作成手法に基づいて、多変量判別式の候補である候補多変量判別式を作成し、（２）作成した候補多変量判別式を、所定の検証手法に基づいて検証し、（３）（２）での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる肺癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、（４）（１）、（２）および（３）を繰り返し実行して蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。これにより、肺癌の状態の評価に最適な多変量判別式（具体的には肺癌の状態と有意な相関がある多変量判別式（より具体的には、肺癌と非肺癌との２群判別に有用な多変量判別式、初期肺癌と非肺癌との２群判別に有用な多変量判別式、肺癌のうちの腺癌と非肺癌との２群判別に有用な多変量判別式））を作成することができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、まず、情報通信端末装置は、評価対象のアミノ酸濃度データを肺癌評価装置へ送信する。そして、肺癌評価装置は、情報通信端末装置から送信された評価対象のアミノ酸濃度データを受信し、受信した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数とする記憶手段で記憶した多変量判別式であってＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて評価対象につき肺癌の状態を評価し、その評価対象の評価結果を情報通信端末装置へ送信する。そして、情報通信端末装置は、肺癌評価装置から送信された肺癌の状態に関する評価対象の評価結果を受信する。これにより、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度を変数とする多変量判別式（肺癌の状態と有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態を精度よく評価することができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、年齢を変数としてさらに含むので、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度に加えてさらに年齢を変数とする多変量判別式（肺癌の状態と特に有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態をさらに精度よく評価することができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、算出した判別値に基づいて、評価対象につき、肺癌または非肺癌であるか否かを判別するので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は数式１、数式２または数式３であるので、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式１、数式２、数式３）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式であるので、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、算出した判別値に基づいて、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別するので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は数式４、数式５または数式６であるので、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式４、数式５、数式６）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式であるので、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、算出した判別値に基づいて、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別するので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は数式７、数式８または数式９であるので、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式７、数式８、数式９）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つであるので、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式であるので、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができるという効果を奏する。
また、本発明にかかる肺癌評価システムによれば、アミノ酸濃度データと肺癌の状態を表す指標に関する肺癌状態指標データとを含む記憶手段で記憶した肺癌状態情報に基づいて、記憶手段で記憶する多変量判別式を作成する。具体的には、（１）肺癌状態情報から所定の式作成手法に基づいて、多変量判別式の候補である候補多変量判別式を作成し、（２）作成した候補多変量判別式を、所定の検証手法に基づいて検証し、（３）（２）での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる肺癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、（４）（１）、（２）および（３）を繰り返し実行して蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。これにより、肺癌の状態の評価に最適な多変量判別式（具体的には肺癌の状態と有意な相関がある多変量判別式（より具体的には、肺癌と非肺癌との２群判別に有用な多変量判別式、初期肺癌と非肺癌との２群判別に有用な多変量判別式、肺癌のうちの腺癌と非肺癌との２群判別に有用な多変量判別式））を作成することができるという効果を奏する。
また、本発明にかかる記録媒体によれば、当該記録媒体に記録された肺癌評価プログラムをコンピュータに読み取らせて実行することでコンピュータに肺癌評価プログラムを実行させるので、肺癌評価プログラムと同様の効果を得ることができるという効果を奏する。
なお、本発明は、肺癌の状態を評価する際（具体的には、肺癌または非肺癌であるか否かを判別する際、肺癌であることおよびその病期、または非肺癌であるか否かを判別する際、肺癌のうち腺癌であること、または非肺癌であるか否かを判別する際）、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現量、被験者の年齢・性別、生体指標などをさらに用いてもかまわない。また、本発明は、肺癌の状態を評価する際（具体的には、肺癌または非肺癌であるか否かを判別する際、肺癌であることおよびその病期、または非肺癌であるか否かを判別する際、肺癌のうち腺癌であること、または非肺癌であるか否かを判別する際）、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現量、被験者の年齢・性別、生体指標などをさらに用いてもかまわない。
図１は、本発明の基本原理を示す原理構成図である。 図２は、第１実施形態にかかる肺癌の評価方法の一例を示すフローチャートである。 図３は、本発明の基本原理を示す原理構成図である。 図４は、本システムの全体構成の一例を示す図である。 図５は、本システムの全体構成の他の一例を示す図である。 図６は、本システムの肺癌評価装置１００の構成の一例を示すブロック図である。 図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。 図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。 図９は、肺癌状態情報ファイル１０６ｃに格納される情報の一例を示す図である。 図１０は、指定肺癌状態情報ファイル１０６ｄに格納される情報の一例を示す図である。 図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。 図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。 図１３は、選択肺癌状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。 図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。 図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。 図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。 図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図である。 図１８は、判別値基準評価部１０２ｊの構成を示すブロック図である。 図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図である。 図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図である。 図２１は、本システムで行う肺癌評価サービス処理の一例を示すフローチャートである。 図２２は、本システムの肺癌評価装置１００で行う多変量判別式作成処理の一例を示すフローチャートである。 図２３は、非肺癌と肺癌の２群間のアミノ酸変数の分布を示す箱ひげ図である。 図２４は、非肺癌と肺癌、非肺癌と初期肺癌、および非肺癌と肺癌のうち腺癌の２群間判別のアミノ酸変数のＲＯＣ曲線のＡＵＣを示す図である。 図２５は、指標式１と同等の診断性能を有する式の一覧を示す図である。 図２６は、指標式１と同等の診断性能を有する式の一覧を示す図である。 図２７は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図２８は、２群判別のカットオフ値、感度、特異度、陽性的中率、陰性的中率、正答率を示す図である。 図２９は、指標式２と同等の診断性能を有する式の一覧を示す図である。 図３０は、指標式２と同等の診断性能を有する式の一覧を示す図である。 図３１は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図３２は、指標式３と同等の診断性能を有する式の一覧を示す図である。 図３３は、指標式３と同等の診断性能を有する式の一覧を示す図である。 図３４は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図３５は、指標式４と同等の診断性能を有する式の一覧を示す図である。 図３６は、指標式４と同等の診断性能を有する式の一覧を示す図である。 図３７は、指標式４と同等の診断性能を有する式の一覧を示す図である。 図３８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図３９は、２群判別のカットオフ値、感度、特異度、陽性的中率、陰性的中率、正答率を示す図である。 図４０は、指標式５と同等の診断性能を有する式の一覧を示す図である。 図４１は、指標式５と同等の診断性能を有する式の一覧を示す図である。 図４２は、指標式５と同等の診断性能を有する式の一覧を示す図である。 図４３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図４４は、指標式６と同等の診断性能を有する式の一覧を示す図である。 図４５は、指標式６と同等の診断性能を有する式の一覧を示す図である。 図４６は、指標式６と同等の診断性能を有する式の一覧を示す図である。 図４７は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図４８は、指標式７と同等の診断性能を有する式の一覧を示す図である。 図４９は、指標式７と同等の診断性能を有する式の一覧を示す図である。 図５０は、指標式７と同等の診断性能を有する式の一覧を示す図である。 図５１は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図５２は、２群判別のカットオフ値、感度、特異度、陽性的中率、陰性的中率、正答率を示す図である。 図５３は、指標式８と同等の診断性能を有する式の一覧を示す図である。 図５４は、指標式８と同等の診断性能を有する式の一覧を示す図である。 図５５は、指標式８と同等の診断性能を有する式の一覧を示す図である。 図５６は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図５７は、指標式９と同等の診断性能を有する式の一覧を示す図である。 図５８は、指標式９と同等の診断性能を有する式の一覧を示す図である。 図５９は、指標式９と同等の診断性能を有する式の一覧を示す図である。 図６０は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図６１は、ＲＯＣ曲線のＡＵＣに基づいて抽出したアミノ酸の一覧を示す図である。 図６２は、健常群、肺癌群、他癌群の指標式７による計算結果の平均値、標準偏差を示す図である。 図６３は、健常群、肺癌群、他癌群の指標式７による計算結果のボックスプロットを示す図である。 図６４は、非肺癌と肺癌の２群間のアミノ酸変数の分布をスキャッタープロットにより示す図である。 図６５は、非肺癌と肺癌、非肺癌と初期肺癌、および非肺癌と肺癌のうち腺癌の２群間判別のアミノ酸変数のＲＯＣ曲線のＡＵＣを示す図である。 図６６は、指標式１０と同等の診断性能を有する式の一覧を示す図である。 図６７は、指標式１０と同等の診断性能を有する式の一覧を示す図である。 図６８は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図６９は、指標式１１と同等の診断性能を有する式の一覧を示す図である。 図７０は、指標式１１と同等の診断性能を有する式の一覧を示す図である。 図７１は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図７２は、指標式１２と同等の診断性能を有する式の一覧を示す図である。 図７３は、指標式１２と同等の診断性能を有する式の一覧を示す図である。 図７４は、指標式１２と同等の診断性能を有する式の一覧を示す図である。 図７５は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図７６は、指標式１３と同等の診断性能を有する式の一覧を示す図である。 図７７は、指標式１３と同等の診断性能を有する式の一覧を示す図である。 図７８は、指標式１３と同等の診断性能を有する式の一覧を示す図である。 図７９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図８０は、指標式１４と同等の診断性能を有する式の一覧を示す図である。 図８１は、指標式１４と同等の診断性能を有する式の一覧を示す図である。 図８２は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図８３は、指標式１５と同等の診断性能を有する式の一覧を示す図である。 図８４は、指標式１５と同等の診断性能を有する式の一覧を示す図である。 図８５は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図８６は、指標式１６と同等の診断性能を有する式の一覧を示す図である。 図８７は、指標式１６と同等の診断性能を有する式の一覧を示す図である。 図８８は、指標式１６と同等の診断性能を有する式の一覧を示す図である。 図８９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図９０は、指標式１７と同等の診断性能を有する式の一覧を示す図である。 図９１は、指標式１７と同等の診断性能を有する式の一覧を示す図である。 図９２は、指標式１７と同等の診断性能を有する式の一覧を示す図である。 図９３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図９４は、指標式１８と同等の診断性能を有する式の一覧を示す図である。 図９５は、指標式１８と同等の診断性能を有する式の一覧を示す図である。 図９６は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図９７は、指標式１９と同等の診断性能を有する式の一覧を示す図である。 図９８は、指標式１９と同等の診断性能を有する式の一覧を示す図である。 図９９は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１００は、指標式２０と同等の診断性能を有する式の一覧を示す図である。 図１０１は、指標式２０と同等の診断性能を有する式の一覧を示す図である。 図１０２は、指標式２０と同等の診断性能を有する式の一覧を示す図である。 図１０３は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１０４は、指標式２１と同等の診断性能を有する式の一覧を示す図である。 図１０５は、指標式２１と同等の診断性能を有する式の一覧を示す図である。 図１０６は、指標式２１と同等の診断性能を有する式の一覧を示す図である。 図１０７は、２群間の診断性能を評価するためのＲＯＣ曲線を示す図である。 図１０８は、指標式２２と同等の診断性能を有する式の一覧を示す図である。 図１０９は、指標式２２と同等の診断性能を有する式の一覧を示す図である。 図１１０は、非肺癌群および第１〜４群と指標式２２の値との間のスピアマンの順位相関係数を示す図である。 図１１１は、指標式２３と同等の診断性能を有する式の一覧を示す図である。 図１１２は、指標式２３と同等の診断性能を有する式の一覧を示す図である。 図１１３は、非肺癌群および第１〜４群と指標式２３の値との間のスピアマンの順位相関係数を示す図である。 図１１４は、指標式２４と同等の診断性能を有する式の一覧を示す図である。 図１１５は、指標式２４と同等の診断性能を有する式の一覧を示す図である。 図１１６は、指標式２４と同等の診断性能を有する式の一覧を示す図である。 図１１７は、非肺癌群および第１〜４群と指標式２４の値との間のスピアマンの順位相関係数を示す図である。 図１１８は、指標式２５と同等の診断性能を有する式の一覧を示す図である。 図１１９は、指標式２５と同等の診断性能を有する式の一覧を示す図である。 図１２０は、第１〜４群と指標式２５の値との間のスピアマンの順位相関係数を示す図である。 図１２１は、指標式２６と同等の診断性能を有する式の一覧を示す図である。 図１２２は、指標式２６と同等の診断性能を有する式の一覧を示す図である。 図１２３は、第１〜４群と指標式２６の値との間のスピアマンの順位相関係数を示す図である。 図１２４は、指標式２７と同等の診断性能を有する式の一覧を示す図である。 図１２５は、指標式２７と同等の診断性能を有する式の一覧を示す図である。 図１２６は、指標式２７と同等の診断性能を有する式の一覧を示す図である。 図１２７は、第１〜４群と指標式２７の値との間のスピアマンの順位相関係数を示す図である。 図１２８は、ＲＯＣ曲線のＡＵＣに基づいて抽出したアミノ酸の一覧を示す図である。
以下に、本発明にかかる肺癌の評価方法の実施の形態（第１実施形態）、本発明にかかる肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラムおよび記録媒体の実施の形態（第２実施形態）を、図面に基づいて詳細に説明する。なお、本実施の形態により本発明が限定されるものではない。
［第１実施形態］
［１−１．本発明の概要］
ここでは、本発明にかかる肺癌の評価方法の概要について図１を参照して説明する。図１は本発明の基本原理を示す原理構成図である。
まず、本発明では、評価対象（例えば動物やヒトなどの個体）から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳ−１１）。ここで、血中アミノ酸濃度の分析は次のように行った。採血した血液サンプルを、ヘパリン処理したチューブに採取し、採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで−７０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し３％濃度調整により除蛋白処理を行い、測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（ＨＰＬＣ）を原理としたアミノ酸分析機を使用した。なお、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
つぎに、本発明では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき肺癌の状態を評価する（ステップＳ−１２）。
以上、本発明によれば、評価対象から採取した血液からアミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき肺癌の状態を評価する。これにより、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸濃度を利用して、肺癌の状態を精度よく評価することができる。
ここで、ステップＳ−１２を実行する前に、ステップＳ−１１で測定した評価対象のアミノ酸濃度データから欠損値や外れ値などのデータを除去してもよい。これにより、肺癌の状態をさらに精度よく評価することができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌または非肺癌であるか否かを判別してもよい。具体的には、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき肺癌または非肺癌であるか否かを判別してもよい。これにより、血液中のアミノ酸濃度のうち肺癌と非肺癌との２群判別に有用なアミノ酸の濃度を利用して、肺癌と非肺癌との２群判別を精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別してもよい。具体的には、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別してもよい。これにより、血液中のアミノ酸濃度のうち初期肺癌と非肺癌との２群判別に有用なアミノ酸の濃度を利用して、初期肺癌と非肺癌との２群判別を精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別してもよい。具体的には、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別してもよい。これにより、血液中のアミノ酸濃度のうち、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸の濃度を利用して、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができる。
また、ステップＳ−１２では、ステップＳ−１１で測定した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数とする予め設定した多変量判別式であってＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、肺癌の状態を評価してもよい。これにより、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度を変数とする多変量判別式（肺癌の状態と有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態を精度よく評価することができる。
また、ステップＳ−１２において、多変量判別式は、年齢を変数としてさらに含んでもよい。これにより、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度に加えてさらに年齢を変数とする多変量判別式（肺癌の状態と特に有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態をさらに精度よく評価することができる。
また、ステップＳ−１２では、算出した判別値に基づいて、評価対象につき、肺癌または非肺癌であるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌または非肺癌であるか否かを判別してもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別を精度よく行うことができる。
なお、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。具体的には、多変量判別式は、数式１、数式２または数式３でもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式１、数式２、数式３）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。具体的には、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式でもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳ−１２では、算出した判別値に基づいて、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別してもよい。これにより、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別を精度よく行うことができる。
なお、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。具体的には、多変量判別式は数式４、数式５または数式６でもよい。これにより、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式４、数式５、数式６）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。具体的には、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式でもよい。これにより、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳ−１２では、算出した判別値に基づいて、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別してもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができる。
なお、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。具体的には、多変量判別式は数式７、数式８または数式９でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式７、数式８、数式９）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。具体的には、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
なお、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際出願番号ＰＣＴ／ＪＰ２００６／３０４３９８に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を肺癌の状態の評価に好適に用いることができる。
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。また、分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
また、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。
そして、本発明は、肺癌の状態を評価する際（具体的には、肺癌または非肺癌であるか否かを判別する際、肺癌であることおよびその病期、または非肺癌であるか否かを判別する際、肺癌のうち腺癌であること、または非肺癌であるか否かを判別する際）、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現量、被験者の年齢・性別、生体指標などをさらに用いてもかまわない。また、本発明は、肺癌の状態を評価する際（具体的には、肺癌または非肺癌であるか否かを判別する際、肺癌であることおよびその病期、または非肺癌であるか否かを判別する際、肺癌のうち腺癌であること、または非肺癌であるか否かを判別する際）、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現量、被験者の年齢・性別、生体指標などをさらに用いてもかまわない。
［１−２．第１実施形態にかかる肺癌の評価方法］
ここでは、第１実施形態にかかる肺癌の評価方法について図２を参照して説明する。図２は、第１実施形態にかかる肺癌の評価方法の一例を示すフローチャートである。
まず、動物やヒトなどの個体から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップＳＡ−１１）。なお、アミノ酸の濃度値の測定は、上述した方法で行う。
つぎに、ステップＳＡ−１１で測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ−１２）。
つぎに、ステップＳＡ−１２で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、肺癌または非肺癌であるか否かの判別、肺癌であることおよびその病期、または非肺癌であるか否かの判別、肺癌のうち腺癌であること、または非肺癌であるか否かの判別のいずれかを行う（ステップＳＡ−１３）。
［１−３．第１実施形態のまとめ、およびその他の実施形態］
以上、詳細に説明したように、肺癌の評価方法によれば、（１）個体から採取した血液からアミノ酸濃度データを測定し、（２）測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、（３）欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、肺癌または非肺癌であるか否かの判別、肺癌であることおよびその病期、または非肺癌であるか否かの判別、肺癌のうち腺癌であること、または非肺癌であるか否かの判別のいずれかを行う。これにより、血液中のアミノ酸濃度のうち肺癌と非肺癌との２群判別に有用なアミノ酸の濃度、血液中のアミノ酸濃度のうち初期肺癌と非肺癌との２群判別に有用なアミノ酸の濃度、血液中のアミノ酸濃度のうち、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸の濃度を利用して、肺癌と非肺癌との２群判別、初期肺癌と非肺癌との２群判別、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができる。
ここで、肺癌の評価方法によれば、ステップＳＡ−１２で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数とする予め設定した多変量判別式であってＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むものに基づいて判別値を算出し、算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、肺癌または非肺癌であるか否かの判別、肺癌であることおよびその病期、または非肺癌であるか否かの判別、肺癌のうち腺癌であること、または非肺癌であるか否かの判別のいずれかを行ってもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別、初期肺癌と非肺癌との２群判別、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができる。
なお、肺癌の評価方法によれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌と非肺癌との２群判別、初期肺癌と非肺癌との２群判別、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
具体的には、ステップＳＡ−１３で肺癌または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式１、数式２または数式３でもよい。これにより、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式１、数式２、数式３）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、ステップＳＡ−１３で肺癌であることおよびその病期、または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式４、数式５または数式６でもよい。これにより、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式４、数式５、数式６）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、ステップＳＡ−１３で肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式７、数式８または数式９でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式７、数式８、数式９）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、肺癌の評価方法によれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別、初期肺癌と非肺癌との２群判別、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
具体的には、ステップＳＡ−１３で肺癌または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式でもよい。これにより、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−１３で肺癌であることおよびその病期、または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式でもよい。これにより、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−１３で肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
なお、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際出願番号ＰＣＴ／ＪＰ２００６／３０４３９８に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を肺癌の状態の評価に好適に用いることができる。
［第２実施形態］
［２−１．本発明の概要］
ここでは、本発明にかかる肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラムおよび記録媒体の概要について、図３を参照して説明する。図３は本発明の基本原理を示す原理構成図である。
まず、本発明は、制御部で、アミノ酸の濃度値に関する予め取得した評価対象（例えば動物やヒトなどの個体）のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数する記憶部で記憶した多変量判別式であってＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むものに基づいて、当該多変量判別式の値である判別値を算出する（ステップＳ−２１）。
つぎに、本発明は、制御部で、ステップＳ−２１で算出した判別値に基づいて、評価対象につき肺癌の状態を評価する（ステップＳ−２２）。
以上、本発明によれば、アミノ酸の濃度値に関する予め取得した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびアミノ酸の濃度を変数する記憶部で記憶した多変量判別式であってＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含むものに基づいて判別値を算出し、算出した判別値に基づいて評価対象につき肺癌の状態を評価する。これにより、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度を変数とする多変量判別式（肺癌の状態と有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態を精度よく評価することができる。
ここで、ステップＳ−２１において、多変量判別式は、年齢を変数としてさらに含んでもよい。これにより、血液中のアミノ酸濃度のうち肺癌の状態と関連するアミノ酸の濃度に加えてさらに年齢を変数とする多変量判別式（肺癌の状態と特に有意な相関がある多変量判別式）で得られる判別値を利用して、肺癌の状態をさらに精度よく評価することができる。
また、ステップＳ−２２では、ステップＳ−２１で算出した判別値に基づいて、評価対象につき、肺癌または非肺癌であるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌または非肺癌であるか否かを判別してもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別を精度よく行うことができる。
なお、ステップＳ−２１において、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。具体的には、数式１、数式２または数式３でもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式１、数式２、数式３）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、ステップＳ−２１において、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。具体的には、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式でもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳ−２２では、ステップＳ−２１で算出した判別値に基づいて、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌であることおよびその病期、または非肺癌であるか否かを判別してもよい。これにより、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別を精度よく行うことができる。
なお、ステップＳ−２１において、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。具体的には、多変量判別式は数式４、数式５または数式６でもよい。これにより、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式４、数式５、数式６）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、ステップＳ−２１において、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。具体的には、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式でもよい。これにより、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳ−２２では、ステップＳ−２１で算出した判別値に基づいて、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別してもよい。具体的には、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌のうち腺癌であること、または非肺癌であるか否かを判別してもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができる。
なお、ステップＳ−２１において、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。具体的には、多変量判別式は数式７、数式８または数式９でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式７、数式８、数式９）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、ステップＳ−２１において、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。具体的には、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。具体的には、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
なお、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際出願番号ＰＣＴ／ＪＰ２００６／３０４３９８に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を肺癌の状態の評価に好適に用いることができる。
また、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられるアミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。また、分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。
また、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例えば重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変量判別式の和で示されるような式も含まれる。また、重回帰式、多重ロジスティック回帰式、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。
そして、本発明は、肺癌の状態を評価する際（具体的には、肺癌または非肺癌であるか否かを判別する際、肺癌であることおよびその病期、または非肺癌であるか否かを判別する際、肺癌のうち腺癌であること、または非肺癌であるか否かを判別する際）、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現量、被験者の年齢・性別、生体指標などをさらに用いてもかまわない。また、本発明は、肺癌の状態を評価する際（具体的には、肺癌または非肺癌であるか否かを判別する際、肺癌であることおよびその病期、または非肺癌であるか否かを判別する際、肺癌のうち腺癌であること、または非肺癌であるか否かを判別する際）、多変量判別式における変数として、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現量、被験者の年齢・性別、生体指標などをさらに用いてもかまわない。
ここで、多変量判別式作成処理（工程１〜工程４）の概要について詳細に説明する。
まず、本発明は、制御部で、アミノ酸濃度データと肺癌の状態を表す指標に関する肺癌状態指標データとを含む記憶部で記憶した肺癌状態情報から所定の式作成手法に基づいて、多変量判別式の候補である候補多変量判別式（例えば、ｙ＝ａ1ｘ1＋ａ2ｘ2＋・・・＋ａnｘn、ｙ：肺癌状態指標データ、ｘi：アミノ酸濃度データ、ａi：定数、ｉ＝１，２，・・・，ｎ）を作成する（工程１）。なお、事前に、肺癌状態情報から欠損値や外れ値などを持つデータを除去してもよい。
なお、工程１において、肺癌状態情報から、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）を併用して複数の候補多変量判別式を作成してもよい。具体的には、多数の非肺癌群および肺癌患者群から得た血液を分析して得たアミノ酸濃度データおよび肺癌状態指標データから構成される多変量データである肺癌状態情報に対して、複数の異なるアルゴリズムを利用して複数群の候補多変量判別式を同時並行的に作成してもよい。例えば、異なるアルゴリズムを利用して判別分析およびロジスティック回帰分析を同時に行い、２つの異なる候補多変量判別式を作成してもよい。また、主成分分析を行って作成した候補多変量判別式を利用して肺癌状態情報を変換し、変換した肺癌状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。これにより、最終的に、診断条件に合った適切な多変量判別式を作成することができる。
ここで、主成分分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データの分散を最大にするような各アミノ酸変数からなる一次式である。また、判別分析を用いて作成した候補多変量判別式は、各群内の分散の和の全てのアミノ酸濃度データの分散に対する比を最小にするような各アミノ酸変数からなる高次式（指数や対数を含む）である。また、サポートベクターマシンを用いて作成した候補多変量判別式は、群間の境界を最大にするような各アミノ酸変数からなる高次式（カーネル関数を含む）である。また、重回帰分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度データからの距離の和を最小にするような各アミノ酸変数からなる高次式である。ロジスティック回帰分析を用いて作成した候補多変量判別式は、尤度を最大にするような各アミノ酸変数からなる一次式を指数とする自然対数を項に持つ分数式である。また、ｋ−ｍｅａｎｓ法とは、各アミノ酸濃度データのｋ個近傍を探索し、近傍点の属する群の中で一番多いものをそのデータの所属群と定義し、入力されたアミノ酸濃度データの属する群と定義された群とが最も合致するようなアミノ酸変数を選択する手法である。また、クラスター解析とは、全てのアミノ酸濃度データの中で最も近い距離にある点同士をクラスタリング（群化）する手法である。また、決定木とは、アミノ酸変数に序列をつけて、序列が上位であるアミノ酸変数の取りうるパターンからアミノ酸濃度データの群を予測する手法である。
多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程１で作成した候補多変量判別式を、所定の検証手法に基づいて検証（相互検証）する（工程２）。候補多変量判別式の検証は、工程１で作成した各候補多変量判別式に対して行う。
なお、工程２において、ブートストラップ法やホールドアウト法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異性、情報量基準などのうち少なくとも１つに関して検証してもよい。これにより、肺癌状態情報や診断条件を考慮した予測性または堅牢性の高い候補多変量判別式を作成することができる。
ここで、判別率とは、全入力データの中で、本発明で評価した肺癌の状態が正しい割合である。また、感度とは、入力データに記載された肺癌に罹患しているものの中で、本発明で評価した肺癌の状態が正しい割合である。また、特異性とは、入力データに記載された非肺癌になっているもの（肺癌になっていないもの）の中で、本発明で評価した肺癌の状態が正しい割合である。また、情報量基準とは、工程１で作成した候補多変量判別式のアミノ酸変数の数と、本発明で評価した肺癌の状態および入力データに記載された肺癌の状態の差異と、を足し合わせたものである。また、予測性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性を平均したものである。また、堅牢性とは、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性の分散である。
多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる肺癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択する（工程３）。アミノ酸変数の選択は、工程１で作成した各候補多変量判別式に対して行う。これにより、候補多変量判別式のアミノ酸変数を適切に選択することができる。そして、工程３で選択したアミノ酸濃度データを含む肺癌状態情報を用いて再び工程１を実行する。
なお、工程３において、工程２での検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式のアミノ酸変数を選択してもよい。
ここで、ベストパス法とは、候補多変量判別式に含まれるアミノ酸変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することでアミノ酸変数を選択する方法である。
多変量判別式作成処理の説明に戻り、本発明は、制御部で、上述した工程１、工程２および工程３を繰り返し実行し、これにより蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する（工程４）。なお、候補多変量判別式の選出には、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。
以上、説明したように、多変量判別式作成処理では、肺癌状態情報に基づいて、候補多変量判別式の作成、候補多変量判別式の検証および候補多変量判別式の変数の選択に関する処理を一連の流れで体系化（システム化）して実行することにより、肺癌の状態の評価に最適な多変量判別式を作成することができる。換言すると、多変量判別式作成処理では、アミノ酸濃度を多変量の統計解析に用い、最適でロバストな変数の組を選択するために変数選択法とクロスバリデーションとを組み合わせて、診断性能の高い多変量判別式を抽出する。多変量判別式としては、ロジスティック回帰、線形判別、サポートベクターマシン、マハラノビス距離法、重回帰分析、クラスター解析などを用いることができる。
［２−２．システム構成］
ここでは、第２実施形態にかかる肺癌評価システム（以下では本システムと記す場合がある。）の構成について、図４から図２０を参照して説明する。なお、本システムはあくまでも一例であり、本発明はこれに限定されない。
まず、本システムの全体構成について図４および図５を参照して説明する。図４は本システムの全体構成の一例を示す図である。また、図５は本システムの全体構成の他の一例を示す図である。本システムは、図４に示すように、評価対象につき肺癌の状態を評価する肺癌評価装置１００と、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供するクライアント装置２００（本発明の情報通信端末装置に相当）とを、ネットワーク３００を介して通信可能に接続して構成されている。
なお、本システムは、図５に示すように、肺癌評価装置１００やクライアント装置２００の他に、肺癌評価装置１００で多変量判別式を作成する際に用いる肺癌状態情報や肺癌の状態を評価するために用いる多変量判別式などを格納したデータベース装置４００を、ネットワーク３００を介して通信可能に接続して構成されてもよい。これにより、ネットワーク３００を介して、肺癌評価装置１００からクライアント装置２００やデータベース装置４００へ、あるいはクライアント装置２００やデータベース装置４００から肺癌評価装置１００へ、肺癌の状態に関する情報などが提供される。ここで、肺癌の状態に関する情報とは、ヒトを含む生物の肺癌の状態に関する特定の項目について測定した値に関する情報である。また、肺癌の状態に関する情報は、肺癌評価装置１００やクライアント装置２００や他の装置（例えば各種の計測装置等）で生成され、主にデータベース装置４００に蓄積される。
つぎに、本システムの肺癌評価装置１００の構成について図６から図１８を参照して説明する。図６は、本システムの肺癌評価装置１００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
肺癌評価装置１００は、当該肺癌評価装置を統括的に制御するＣＰＵ等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して当該肺癌評価装置をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。ここで、肺癌評価装置１００は、各種の分析装置（例えばアミノ酸アナライザー等）と同一筐体で構成されてもよい。また、肺癌評価装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意の単位で、機能的または物理的に分散・統合して構成してもよい。例えば、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。
記憶部１０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置、フレキシブルディスク、光ディスク等を用いることができる。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え各種処理を行うためのコンピュータプログラムが記録されている。記憶部１０６は、図示の如く、利用者情報ファイル１０６ａと、アミノ酸濃度データファイル１０６ｂと、肺癌状態情報ファイル１０６ｃと、指定肺癌状態情報ファイル１０６ｄと、多変量判別式関連情報データベース１０６ｅと、判別値ファイル１０６ｆと、評価結果ファイル１０６ｇと、を格納する。
利用者情報ファイル１０６ａは、利用者に関する利用者情報を格納する。図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。利用者情報ファイル１０６ａに格納される情報は、図７に示すように、利用者を一意に識別するための利用者ＩＤと、利用者が正当な者であるか否かの認証を行うための利用者パスワードと、利用者の氏名と、利用者の所属する所属先を一意に識別するための所属先ＩＤと、利用者の所属する所属先の部門を一意に識別するための部門ＩＤと、部門名と、利用者の電子メールアドレスと、を相互に関連付けて構成されている。
図６に戻り、アミノ酸濃度データファイル１０６ｂは、アミノ酸の濃度値に関するアミノ酸濃度データを格納する。図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。アミノ酸濃度データファイル１０６ｂに格納される情報は、図８に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、アミノ酸濃度データとを相互に関連付けて構成されている。ここで、図８では、アミノ酸濃度データを数値、すなわち連続尺度として扱っているが、アミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、アミノ酸濃度データに、他の生体情報（性差、年齢、身長、体重、ＢＭＩ指数、腹囲、インスリン抵抗性指数、尿酸値、血糖値、中性脂肪、体脂肪率、総コレステロール、ＨＤＬコレステロール、ＬＤＬコレステロール、収縮期血圧、拡張期血圧、ヘモグロビンＡ１ｃ、動脈硬化指数、喫煙の有無、喫煙指数、心電図の波形を数値化したもの、タンパク濃度、抗体濃度、腫瘍マーカー量、酵素濃度、遺伝子発現量、アミノ酸以外の代謝物の濃度など）を組み合わせてもよい。
図６に戻り、肺癌状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる肺癌状態情報を格納する。図９は、肺癌状態情報ファイル１０６ｃに格納される情報の一例を示す図である。肺癌状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、肺癌の状態を表す指標（指標Ｔ1、指標Ｔ2、指標Ｔ3・・・）に関する肺癌状態指標データ（Ｔ）と、アミノ酸濃度データと、を相互に関連付けて構成されている。ここで、図９では、肺癌状態指標データおよびアミノ酸濃度データを数値（すなわち連続尺度）として扱っているが、肺癌状態指標データおよびアミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、肺癌状態指標データは、肺癌の状態のマーカーとなる既知の単一の状態指標であり、数値データを用いてもよい。
図６に戻り、指定肺癌状態情報ファイル１０６ｄは、後述する肺癌状態情報指定部１０２ｇで指定した肺癌状態情報を格納する。図１０は、指定肺癌状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定肺癌状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した肺癌状態指標データと、指定したアミノ酸濃度データと、を相互に関連付けて構成されている。
図６に戻り、多変量判別式関連情報データベース１０６ｅは、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する候補多変量判別式ファイル１０６ｅ１と、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する検証結果ファイル１０６ｅ２と、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データの組み合わせを含む肺癌状態情報を格納する選択肺癌状態情報ファイル１０６ｅ３と、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する多変量判別式ファイル１０６ｅ４と、で構成される。
候補多変量判別式ファイル１０６ｅ１は、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する。図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。候補多変量判別式ファイル１０６ｅ１に格納される情報は、図１１に示すように、ランクと、候補多変量判別式（図１１では、Ｆ1（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦ2（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆ3（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）とを相互に関連付けて構成されている。
図６に戻り、検証結果ファイル１０６ｅ２は、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する。図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。検証結果ファイル１０６ｅ２に格納される情報は、図１２に示すように、ランクと、候補多変量判別式（図１２では、Ｆk（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦm（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆl（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各候補多変量判別式の検証結果（例えば各候補多変量判別式の評価値）と、を相互に関連付けて構成されている。
図６に戻り、選択肺癌状態情報ファイル１０６ｅ３は、後述する変数選択部１０２ｈ３で選択した変数に対応するアミノ酸濃度データの組み合わせを含む肺癌状態情報を格納する。図１３は、選択肺癌状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択肺癌状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する肺癌状態情報指定部１０２ｇで指定した肺癌状態指標データと、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データと、を相互に関連付けて構成されている。
図６に戻り、多変量判別式ファイル１０６ｅ４は、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する。図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。多変量判別式ファイル１０６ｅ４に格納される情報は、図１４に示すように、ランクと、多変量判別式（図１４では、Ｆp（Ｐｈｅ，・・・）やＦp（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ）、Ｆk（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各式作成手法に対応する閾値と、各多変量判別式の検証結果（例えば各多変量判別式の評価値）と、を相互に関連付けて構成されている。
図６に戻り、判別値ファイル１０６ｆは、後述する判別値算出部１０２ｉで算出した判別値を格納する。図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。判別値ファイル１０６ｆに格納される情報は、図１５に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、ランク（多変量判別式を一意に識別するための番号）と、判別値と、を相互に関連付けて構成されている。
図６に戻り、評価結果ファイル１０６ｇは、後述する判別値基準評価部１０２ｊでの評価結果（具体的には、後述する判別値基準判別部１０２ｊ１での判別結果）を格納する。図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。評価結果ファイル１０６ｇに格納される情報は、評価対象である個体（サンプル）を一意に識別するための個体番号と、予め取得した評価対象のアミノ酸濃度データと、多変量判別式で算出した判別値と、肺癌の状態に関する評価結果（具体的には、肺癌または非肺癌であるか否かに関する判別結果、肺癌であることおよびその病期、または非肺癌であるか否かに関する判別結果、肺癌のうち腺癌であること、または非肺癌であるか否かに関する判別結果）と、を相互に関連付けて構成されている。
図６に戻り、記憶部１０６には、上述した情報以外にその他情報として、Ｗｅｂサイトをクライアント装置２００に提供するための各種のＷｅｂデータや、ＣＧＩプログラム等が記録されている。Ｗｅｂデータとしては後述する各種のＷｅｂページを表示するためのデータ等があり、これらデータは例えばＨＴＭＬやＸＭＬで記述されたテキストファイルとして形成されている。また、Ｗｅｂデータを作成するための部品用のファイルや作業用のファイルやその他一時的なファイル等も記憶部１０６に記憶される。記憶部１０６には、必要に応じて、クライアント装置２００に送信するための音声をＷＡＶＥ形式やＡＩＦＦ形式の如き音声ファイルで格納したり、静止画や動画をＪＰＥＧ形式やＭＰＥＧ２形式の如き画像ファイルで格納したりすることができる。
通信インターフェース部１０４は、肺癌評価装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
入出力インターフェース部１０８は、入力装置１１２や出力装置１１４に接続する。ここで、出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下では、出力装置１１４をモニタ１１４として記載する場合がある。）。入力装置１１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部１０２は、図示の如く、大別して、要求解釈部１０２ａと閲覧処理部１０２ｂと認証処理部１０２ｃと電子メール生成部１０２ｄとＷｅｂページ生成部１０２ｅと受信部１０２ｆと肺癌状態情報指定部１０２ｇと多変量判別式作成部１０２ｈと判別値算出部１０２ｉと判別値基準評価部１０２ｊと結果出力部１０２ｋと送信部１０２ｍとを備えている。制御部１０２は、データベース装置４００から送信された肺癌状態情報やクライアント装置２００から送信されたアミノ酸濃度データに対して、欠損値のあるデータの除去・外れ値の多いデータの除去・欠損値のあるデータの多い変数の除去などのデータ処理も行う。
要求解釈部１０２ａは、クライアント装置２００やデータベース装置４００からの要求内容を解釈し、その解釈結果に応じて制御部１０２の各部に処理を受け渡す。閲覧処理部１０２ｂは、クライアント装置２００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行なう。認証処理部１０２ｃは、クライアント装置２００やデータベース装置４００からの認証要求を受けて、認証判断を行う。電子メール生成部１０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部１０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。
受信部１０２ｆは、クライアント装置２００やデータベース装置４００から送信された情報（具体的には、アミノ酸濃度データや肺癌状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。肺癌状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする肺癌状態指標データおよびアミノ酸濃度データを指定する。
多変量判別式作成部１０２ｈは、受信部１０２ｆで受信した肺癌状態情報や肺癌状態情報指定部１０２ｇで指定した肺癌状態情報に基づいて多変量判別式を作成する。具体的には、多変量判別式作成部１０２ｈは、肺癌状態情報から、候補多変量判別式作成部１０２ｈ１、候補多変量判別式検証部１０２ｈ２および変数選択部１０２ｈ３を繰り返し実行させることにより蓄積された検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。
なお、多変量判別式が予め記憶部１０６の所定の記憶領域に格納されている場合には、多変量判別式作成部１０２ｈは、記憶部１０６から所望の多変量判別式を選択することで、多変量判別式を作成してもよい。また、多変量判別式作成部１０２ｈは、多変量判別式を予め格納した他のコンピュータ装置（例えばデータベース装置４００）から所望の多変量判別式を選択しダウンロードすることで、多変量判別式を作成してもよい。
ここで、多変量判別式作成部１０２ｈの構成について図１７を参照して説明する。図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１と、候補多変量判別式検証部１０２ｈ２と、変数選択部１０２ｈ３と、をさらに備えている。候補多変量判別式作成部１０２ｈ１は、肺癌状態情報から所定の式作成手法に基づいて多変量判別式の候補である候補多変量判別式を作成する。なお、候補多変量判別式作成部１０２ｈ１は、肺癌状態情報から、複数の異なる式作成手法を併用して複数の候補多変量判別式を作成してもよい。候補多変量判別式検証部１０２ｈ２は、候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を所定の検証手法に基づいて検証する。なお、候補多変量判別式検証部１０２ｈ２は、ブートストラップ法、ホールドアウト法、リーブワンアウト法のうち少なくとも１つに基づいて候補多変量判別式の判別率、感度、特異性、情報量基準のうち少なくとも１つに関して検証してもよい。変数選択部１０２ｈ３は、候補多変量判別式検証部１０２ｈ２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる肺癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択する。なお、変数選択部１０２ｈ３は、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。
図６に戻り、判別値算出部１０２ｉは、受信部１０２ｆで受信した評価対象のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値および多変量判別式作成部１０２ｈで作成したＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する。
ここで、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。
具体的には、多変量判別式は数式１、数式２または数式３でもよい。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、多変量判別式は数式４、数式５または数式６でもよい。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、多変量判別式は数式７、数式８または数式９でもよい。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。
具体的には、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式でもよい。
また、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式でもよい。
また、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式でもよい。
図６の説明に戻り、判別値基準評価部１０２ｊは、判別値算出部１０２ｉで算出した判別値に基づいて評価対象につき肺癌の状態を評価する。判別値基準評価部１０２ｊは、判別値基準判別部１０２ｊ１をさらに備えている。ここで、判別値基準評価部１０２ｊの構成について図１８を参照して説明する。図１８は、判別値基準評価部１０２ｊの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。判別値基準判別部１０２ｊ１は、判別値に基づいて評価対象につき、肺癌または非肺癌であるか否かの判別、肺癌であることおよびその病期、または非肺癌であるか否かの判別、肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う。具体的には、判別値基準判別部１０２ｊ１は、判別値と予め設定された閾値（カットオフ値）とを比較することで、評価対象につき、肺癌または非肺癌であるか否かの判別、肺癌であることおよびその病期、または非肺癌であるか否かの判別、肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う。
図６に戻り、結果出力部１０２ｋは、制御部１０２の各処理部での処理結果（判別値基準評価部１０２ｊでの評価結果（具体的には判別値基準判別部１０２ｊ１での判別結果）を含む）等を出力装置１１４に出力する。
送信部１０２ｍは、評価対象のアミノ酸濃度データの送信元のクライアント装置２００に対して評価結果を送信したり、データベース装置４００に対して、肺癌評価装置１００で作成した多変量判別式や評価結果を送信したりする。
つぎに、本システムのクライアント装置２００の構成について図１９を参照して説明する。図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
クライアント装置２００は、制御部２１０とＲＯＭ２２０とＨＤ２３０とＲＡＭ２４０と入力装置２５０と出力装置２６０と入出力ＩＦ２７０と通信ＩＦ２８０とで構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
制御部２１０は、Ｗｅｂブラウザ２１１、電子メーラ２１２、受信部２１３、送信部２１４を備えている。Ｗｅｂブラウザ２１１は、Ｗｅｂデータを解釈し、解釈したＷｅｂデータを後述するモニタ２６１に表示するブラウズ処理を行う。なお、Ｗｅｂブラウザ２１１には、ストリーム映像の受信・表示・フィードバック等を行う機能を備えたストリームプレイヤ等の各種のソフトウェアをプラグインしてもよい。電子メーラ２１２は、所定の通信規約（例えば、ＳＭＴＰ（Ｓｉｍｐｌｅ Ｍａｉｌ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）やＰＯＰ３（Ｐｏｓｔ Ｏｆｆｉｃｅ Ｐｒｏｔｏｃｏｌ ｖｅｒｓｉｏｎ ３）等）に従って電子メールの送受信を行う。受信部２１３は、通信ＩＦ２８０を介して、肺癌評価装置１００から送信された評価結果などの各種情報を受信する。送信部２１４は、通信ＩＦ２８０を介して、評価対象のアミノ酸濃度データなどの各種情報を肺癌評価装置１００へ送信する。
入力装置２５０はキーボードやマウスやマイク等である。なお、後述するモニタ２６１もマウスと協働してポインティングデバイス機能を実現する。出力装置２６０は、通信ＩＦ２８０を介して受信した情報を出力する出力手段であり、モニタ（家庭用テレビを含む）２６１およびプリンタ２６２を含む。この他、出力装置２６０にスピーカ等を設けてもよい。入出力ＩＦは入力装置２５０や出力装置２６０に接続する。
通信ＩＦ２８０は、クライアント装置２００とネットワーク３００（またはルータ等の通信装置）とを通信可能に接続する。換言すると、クライアント装置２００は、モデムやＴＡやルータなどの通信装置および電話回線を介して、または専用線を介してネットワーク３００に接続される。これにより、クライアント装置２００は、所定の通信規約に従って肺癌評価装置１００にアクセスすることができる。
ここで、プリンタ・モニタ・イメージスキャナ等の周辺装置を必要に応じて接続した情報処理装置（例えば、既知のパーソナルコンピュータ・ワークステーション・家庭用ゲーム装置・インターネットＴＶ・ＰＨＳ端末・携帯端末・移動体通信端末・ＰＤＡ等の情報処理端末など）に、Ｗｅｂデータのブラウジング機能や電子メール機能を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより、クライアント装置２００を実現してもよい。
また、クライアント装置２００の制御部２１０は、制御部２１０で行う処理の全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈して実行するプログラムで実現してもよい。ＲＯＭ２２０またはＨＤ２３０には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。当該コンピュータプログラムは、ＲＡＭ２４０にロードされることで実行され、ＣＰＵと協働して制御部２１０を構成する。また、当該コンピュータプログラムは、クライアント装置２００と任意のネットワークを介して接続されるアプリケーションプログラムサーバに記録されてもよく、クライアント装置２００は、必要に応じてその全部または一部をダウンロードしてもよい。また、制御部２１０で行う処理の全部または任意の一部を、ワイヤードロジック等によるハードウェアで実現してもよい。
つぎに、本システムのネットワーク３００について図４、図５を参照して説明する。ネットワーク３００は、肺癌評価装置１００とクライアント装置２００とデータベース装置４００とを相互に通信可能に接続する機能を有し、例えばインターネットやイントラネットやＬＡＮ（有線／無線の双方を含む）等である。なお、ネットワーク３００は、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、携帯回線交換網または携帯パケット交換網（ＩＭＴ２０００方式、ＧＳＭ（登録商標）方式またはＰＤＣ／ＰＤＣ−Ｐ方式等を含む）や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、衛星通信網（ＣＳ、ＢＳまたはＩＳＤＢ等を含む）等でもよい。
つぎに、本システムのデータベース装置４００の構成について図２０を参照して説明する。図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
データベース装置４００は、肺癌評価装置１００または当該データベース装置で多変量判別式を作成する際に用いる肺癌状態情報や、肺癌評価装置１００で作成した多変量判別式、肺癌評価装置１００での評価結果などを格納する機能を有する。図２０に示すように、データベース装置４００は、当該データベース装置を統括的に制御するＣＰＵ等の制御部４０２と、ルータ等の通信装置および専用線等の有線または無線の通信回路を介して当該データベース装置をネットワーク３００に通信可能に接続する通信インターフェース部４０４と、各種のデータベースやテーブルやファイル（例えばＷｅｂページ用ファイル）などを格納する記憶部４０６と、入力装置４１２や出力装置４１４に接続する入出力インターフェース部４０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
記憶部４０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用いることができる。記憶部４０６には、各種処理に用いる各種プログラム等を格納する。通信インターフェース部４０４は、データベース装置４００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部４０４は、他の端末と通信回線を介してデータを通信する機能を有する。入出力インターフェース部４０８は、入力装置４１２や出力装置４１４に接続する。ここで、出力装置４１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下で、出力装置４１４をモニタ４１４として記載する場合がある。）。また、入力装置４１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
制御部４０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部４０２は、図示の如く、大別して、要求解釈部４０２ａと閲覧処理部４０２ｂと認証処理部４０２ｃと電子メール生成部４０２ｄとＷｅｂページ生成部４０２ｅと送信部４０２ｆとを備えている。
要求解釈部４０２ａは、肺癌評価装置１００からの要求内容を解釈し、その解釈結果に応じて制御部４０２の各部に処理を受け渡す。閲覧処理部４０２ｂは、肺癌評価装置１００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行う。認証処理部４０２ｃは、肺癌評価装置１００からの認証要求を受けて、認証判断を行う。電子メール生成部４０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部４０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。送信部４０２ｆは、肺癌状態情報や多変量判別式などの各種情報を、肺癌評価装置１００へ送信する。
［２−３．本システムの処理］
ここでは、以上のように構成された本システムで行われる肺癌評価サービス処理の一例を、図２１を参照して説明する。図２１は、肺癌評価サービス処理の一例を示すフローチャートである。
なお、本処理で用いるアミノ酸濃度データは、個体から予め採取した血液を分析して得たアミノ酸の濃度値に関するものである。ここで、血液中のアミノ酸の分析方法について簡単に説明する。まず、採血した血液サンプルを、ヘパリン処理したチューブに採取し、その後、当該チューブに対して遠心分離を行うことで血漿を分離する。なお、分離したすべての血漿サンプルは、アミノ酸濃度の測定時まで−７０℃で凍結保存する。そして、アミノ酸濃度の測定時に、血漿サンプルに対してスルホサリチル酸を添加し、３％濃度調整により除蛋白処理を行う。なお、アミノ酸濃度の測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（ＨＰＬＣ）を原理としたアミノ酸分析機を使用した。
まず、Ｗｅｂブラウザ２１１を表示した画面上で利用者が入力装置２５０を介して肺癌評価装置１００が提供するＷｅｂサイトのアドレス（ＵＲＬなど）を指定すると、クライアント装置２００は肺癌評価装置１００へアクセスする。具体的には、利用者がクライアント装置２００のＷｅｂブラウザ２１１の画面更新を指示すると、Ｗｅｂブラウザ２１１は、肺癌評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で肺癌評価装置１００へ送信することで、アミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求を、当該アドレスに基づくルーティングで肺癌評価装置１００へ行う。
つぎに、肺癌評価装置１００は、要求解釈部１０２ａで、クライアント装置２００からの送信を受け、当該送信の内容を解析し、解析結果に応じて制御部１０２の各部に処理を移す。具体的には、送信の内容がアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求であった場合、肺癌評価装置１００は、主として閲覧処理部１０２ｂで、記憶部１０６の所定の記憶領域に格納されている当該Ｗｅｂページを表示するためのＷｅｂデータを取得し、取得したＷｅｂデータをクライアント装置２００へ送信する。より具体的には、利用者からアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求があった場合、肺癌評価装置１００は、まず、制御部１０２で、利用者ＩＤや利用者パスワードの入力を利用者に対して求める。そして、利用者ＩＤやパスワードが入力されると、肺癌評価装置１００は、認証処理部１０２ｃで、入力された利用者ＩＤやパスワードと利用者情報ファイル１０６ａに格納されている利用者ＩＤや利用者パスワードとの認証判断を行う。そして、肺癌評価装置１００は、認証可の場合にのみ、閲覧処理部１０２ｂで、アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのＷｅｂデータをクライアント装置２００へ送信する。なお、クライアント装置２００の特定は、クライアント装置２００から送信要求と共に送信されたＩＰアドレスで行う。
つぎに、クライアント装置２００は、肺癌評価装置１００から送信されたＷｅｂデータ（アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのもの）を受信部２１３で受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、モニタ２６１にアミノ酸濃度データ送信画面を表示する。
つぎに、モニタ２６１に表示されたアミノ酸濃度データ送信画面に対し利用者が入力装置２５０を介して個体のアミノ酸濃度データなどを入力・選択すると、クライアント装置２００は、送信部２１４で、入力情報や選択事項を特定するための識別子を肺癌評価装置１００へ送信することで、評価対象の個体のアミノ酸濃度データを肺癌評価装置１００へ送信する（ステップＳＡ−２１）。なお、ステップＳＡ−２１におけるアミノ酸濃度データの送信は、ＦＴＰ等の既存のファイル転送技術等により実現してもよい。
つぎに、肺癌評価装置１００は、要求解釈部１０２ａで、クライアント装置２００から送信された識別子を解釈することによりクライアント装置２００の要求内容を解釈し、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含む肺癌評価用（具体的には、肺癌と非肺癌との２群判別用、初期肺癌と非肺癌との２群判別用、肺癌のうちの腺癌と非肺癌との２群判別用）の多変量判別式の送信要求をデータベース装置４００へ行う。
つぎに、データベース装置４００は、要求解釈部４０２ａで、肺癌評価装置１００からの送信要求を解釈し、記憶部４０６の所定の記憶領域に格納した、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含む多変量判別式（例えばアップデートされた最新のもの）を肺癌評価装置１００へ送信する（ステップＳＡ−２２）。
ここで、ステップＳＡ−２２において、肺癌評価装置１００へ送信する多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。
具体的には、後述するステップＳＡ−２６で肺癌または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式１、数式２または数式３でもよい。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、後述するステップＳＡ−２６で肺癌であることおよびその病期、または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式４、数式５または数式６でもよい。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、後述するステップＳＡ−２６で肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式７、数式８または数式９でもよい。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、ステップＳＡ−２２において、肺癌評価装置１００へ送信する多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。
具体的には、ステップＳＡ−２６で肺癌または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式でもよい。
また、ステップＳＡ−２６で肺癌であることおよびその病期、または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式でもよい。
また、ステップＳＡ−２６で肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式でもよい。
図２１の説明に戻り、肺癌評価装置１００は、受信部１０２ｆで、クライアント装置２００から送信された個体のアミノ酸濃度データおよびデータベース装置４００から送信された多変量判別式を受信し、受信したアミノ酸濃度データをアミノ酸濃度データファイル１０６ｂの所定の記憶領域に格納すると共に、受信した多変量判別式を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＡ−２３）。
つぎに、肺癌評価装置１００は、制御部１０２で、ステップＳＡ−２３で受信した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ−２４）。
つぎに、肺癌評価装置１００は、判別値算出部１０２ｉで、ステップＳＡ−２４で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値およびステップＳＡ−２３で受信した多変量判別式に基づいて、判別値を算出する（ステップＳＡ−２５）。
つぎに、肺癌評価装置１００は、判別値基準判別部１０２ｊ１で、ステップＳＡ−２５で算出した判別値と予め設定された閾値（カットオフ値）とを比較することで、個体につき、肺癌または非肺癌であるか否かの判別、肺癌であることおよびその病期、または非肺癌であるか否かの判別、肺癌のうち腺癌であること、または非肺癌であるか否かの判別のいずれかを行い、その判別結果を評価結果ファイル１０６ｇの所定の記憶領域に格納する（ステップＳＡ−２６）。
つぎに、肺癌評価装置１００は、送信部１０２ｍで、ステップＳＡ−２６で得た判別結果（肺癌または非肺癌であるか否かに関する判別結果、肺癌であることおよびその病期、または非肺癌であるか否かに関する判別結果、肺癌のうち腺癌であること、または非肺癌であるか否かに関する判別結果）を、アミノ酸濃度データの送信元のクライアント装置２００とデータベース装置４００とへ送信する（ステップＳＡ−２７）。具体的には、まず、肺癌評価装置１００は、Ｗｅｂページ生成部１０２ｅで、判別結果を表示するためのＷｅｂページを作成し、作成したＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域に格納する。ついで、利用者がクライアント装置２００のＷｅｂブラウザ２１１に入力装置２５０を介して所定のＵＲＬを入力し上述した認証を経た後、クライアント装置２００は、当該Ｗｅｂページの閲覧要求を肺癌評価装置１００へ送信する。ついで、肺癌評価装置１００は、閲覧処理部１０２ｂで、クライアント装置２００から送信された閲覧要求を解釈し、判別結果を表示するためのＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域から読み出す。そして、肺癌評価装置１００は、送信部１０２ｍで、読み出したＷｅｂデータをクライアント装置２００へ送信すると共に、当該Ｗｅｂデータ又は判別結果をデータベース装置４００へ送信する。
ここで、ステップＳＡ−２７において、肺癌評価装置１００は、制御部１０２で、判別結果を電子メールで利用者のクライアント装置２００へ通知してもよい。具体的には、まず、肺癌評価装置１００は、電子メール生成部１０２ｄで、利用者ＩＤなどを基にして利用者情報ファイル１０６ａに格納されている利用者情報を送信タイミングに従って参照し、利用者の電子メールアドレスを取得する。ついで、肺癌評価装置１００は、電子メール生成部１０２ｄで、取得した電子メールアドレスを宛て先とし利用者の氏名および判別結果を含む電子メールに関するデータを生成する。ついで、肺癌評価装置１００は、送信部１０２ｍで、生成した当該データを利用者のクライアント装置２００へ送信する。
また、ステップＳＡ−２７において、肺癌評価装置１００は、ＦＴＰ等の既存のファイル転送技術等で、判別結果を利用者のクライアント装置２００へ送信してもよい。
図２１の説明に戻り、データベース装置４００は、制御部４０２で、肺癌評価装置１００から送信された判別結果またはＷｅｂデータを受信し、受信した判別結果またはＷｅｂデータを記憶部４０６の所定の記憶領域に保存（蓄積）する（ステップＳＡ−２８）。
また、クライアント装置２００は、受信部２１３で、肺癌評価装置１００から送信されたＷｅｂデータを受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、個体の判別結果が記されたＷｅｂページの画面をモニタ２６１に表示する（ステップＳＡ−２９）。なお、判別結果が肺癌評価装置１００から電子メールで送信された場合には、クライアント装置２００は、電子メーラ２１２の公知の機能で、肺癌評価装置１００から送信された電子メールを任意のタイミングで受信し、受信した電子メールをモニタ２６１に表示する。
以上により、利用者は、モニタ２６１に表示されたＷｅｂページを閲覧することで、肺癌と非肺癌との２群判別に関する個体の判別結果、初期肺癌と非肺癌との２群判別に関する個体の判別結果、肺癌のうちの腺癌と非肺癌との２群判別に関する個体の判別結果を確認することができる。なお、利用者は、モニタ２６１に表示されたＷｅｂページの表示内容をプリンタ２６２で印刷してもよい。
また、判別結果が肺癌評価装置１００から電子メールで送信された場合には、利用者は、モニタ２６１に表示された電子メールを閲覧することで、肺癌と非肺癌との２群判別に関する個体の判別結果、初期肺癌と非肺癌との２群判別に関する個体の判別結果、肺癌のうちの腺癌と非肺癌との２群判別に関する個体の判別結果を確認することができる。利用者は、モニタ２６１に表示された電子メールの表示内容をプリンタ２６２で印刷してもよい。
これにて、肺癌評価サービス処理の説明を終了する。
［２−４．第２実施形態のまとめ、およびその他の実施形態］
以上、詳細に説明したように、肺癌評価システムによれば、クライアント装置２００は個体のアミノ酸濃度データを肺癌評価装置１００へ送信し、データベース装置４００は肺癌評価装置１００からの要求を受けて、Ｏｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含む多変量判別式を肺癌評価装置１００へ送信する。そして、肺癌評価装置１００は、（１）クライアント装置２００からアミノ酸濃度データを受信すると共にデータベース装置４００から多変量判別式を受信し、（２）受信した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、（３）欠損値や外れ値などのデータが除去されたアミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つの濃度値および受信したＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含む多変量判別式に基づいて判別値を算出し、（４）算出した判別値と予め設定した閾値とを比較することで個体につき、肺癌または非肺癌であるか否かの判別、肺癌およびその病期、または非肺癌であるか否かの判別、肺癌のうち腺癌であること、または非肺癌であるか否かの判別のいずれかを行い、（５）この判別結果をクライアント装置２００やデータベース装置４００へ送信する。そして、クライアント装置２００は肺癌評価装置１００から送信された判別結果を受信して表示し、データベース装置４００は肺癌評価装置１００から送信された判別結果を受信して格納する。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別、初期肺癌と非肺癌との２群判別、肺癌のうちの腺癌と非肺癌との２群判別を精度よく行うことができる。
ここで、肺癌評価システムによれば、多変量判別式は、１つの分数式または複数の分数式の和で表され、それを構成する分数式の分子および／または分母にＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも１つを変数として含んでもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式（分数式）で得られる判別値を利用して、肺癌と非肺癌との２群判別、初期肺癌と非肺癌との２群判別、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
具体的には、ステップＳＡ−２６で肺癌または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式１、数式２または数式３でもよい。これにより、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式１、数式２、数式３）で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ１×Ｏｒｎ／Ｔｒｐ ＋ ｂ１×（Ｔａｕ＋ＡＢＡ）／Ａｒｇ ＋ ｃ１
・・・（数式１）
ａ２×Ｇｌｕ／Ｔｙｒ ＋ ｂ２×（Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ） ＋ ｃ２ ・・・（数式２）
ａ３×Ｈｉｓ／Ｌｙｓ ＋ ｂ３×Ｇｌｕ／Ｉｌｅ ＋ ｃ３×Ｔｙｒ／Ｐｒｏ ＋ ｄ３×Ｖａｌ／Ｌｅｕ ＋ ｅ３ ・・・（数式３）
（数式１において、ａ１，ｂ１，ｃ１は任意の実数であり、数式２において、ａ２，ｂ２，ｃ２は任意の実数であり、数式３において、ａ３，ｂ３，ｃ３，ｄ３，ｅ３は任意の実数である。）
また、ステップＳＡ−２６で肺癌であることおよびその病期、または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式４、数式５または数式６でもよい。これにより、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式４、数式５、数式６）で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ４×Ｔａｕ／Ａｒｇ ＋ ｂ４×（Ｏｒｎ＋ＡＢＡ）／Ｔｒｐ ＋ ｃ４
・・・（数式４）
ａ５×Ｇｌｎ／（Ｃｉｔ＋Ｈｉｓ） ＋ ｂ５×（Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２） ＋ ｃ５ ・・・（数式５）
ａ６×Ｇｌｎ／Ｈｉｓ ＋ ｂ６×Ｇｌｕ ＋ ｃ６×ＡＢＡ／Ｃｙｓ ＋ ｄ６×Ｌｙｓ／Ｖａｌ ＋ ｅ６ ・・・（数式６）
（数式４において、ａ４，ｂ４，ｃ４は任意の実数であり、数式５において、ａ５，ｂ５，ｃ５は任意の実数であり、数式６において、ａ６，ｂ６，ｃ６，ｄ６，ｅ６は任意の実数である。）
また、ステップＳＡ−２６で肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う場合には、多変量判別式は数式７、数式８または数式９でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式（数式７、数式８、数式９）で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
ａ７×Ｏｒｎ／Ｔｒｐ ＋ ｂ７×Ｔａｕ／Ａｒｇ ＋ ｃ７ ・・・（数式７）
ａ８×（Ｇｌｕ＋Ｐｒｏ）／Ｈｉｓ ＋ ｂ８×（ＡＢＡ＋Ｌｙｓ）／Ｉｌｅ ＋ ｃ８ ・・・（数式８）
ａ９×Ｇｌｕ／Ｃｉｔ ＋ ｂ９×Ｈｉｓ／Ｇｌｎ ＋ ｃ９×Ｉｌｅ／Ｌｅｕ ＋ ｄ９×Ｔｙｒ／Ａｌａ ＋ ｅ９ ・・・（数式９）
（数式７において、ａ７，ｂ７，ｃ７は任意の実数であり、数式８において、ａ８，ｂ８，ｃ８は任意の実数であり、数式９において、ａ９，ｂ９，ｃ９，ｄ９，ｅ９は任意の実数である。）
また、肺癌評価システムによれば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式のいずれか１つでもよい。これにより、肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、初期肺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式、肺癌のうちの腺癌と非肺癌との２群判別に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別、初期肺癌と非肺癌との２群判別、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
具体的には、ステップＳＡ−２６で肺癌または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎを変数とするロジスティック回帰式、または年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌを変数とする線形判別式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓを変数とするロジスティック回帰式、またはＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓを変数とする線形判別式でもよい。これにより、肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−２６で肺癌であることおよびその病期、または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｏｒｎ，Ｔａｕ，Ｔｒｐを変数とするロジスティック回帰式、またはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓを変数とする線形判別式、またはＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡを変数とするロジスティック回帰式、またはＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡを変数とする線形判別式でもよい。これにより、初期肺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、初期肺癌と非肺癌との２群判別をさらに精度よく行うことができる。
また、ステップＳＡ−２６で肺癌のうち腺癌であること、または非肺癌であるか否かの判別を行う場合には、多変量判別式は、Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙを変数とするロジスティック回帰式、またはＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙを変数とする線形判別式、またはＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎを変数とするロジスティック回帰式、またはＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎを変数とする線形判別式でもよい。これにより、肺癌のうちの腺癌と非肺癌との２群判別に特に有用なアミノ酸変数を用いる多変量判別式で得られる判別値を利用して、肺癌のうちの腺癌と非肺癌との２群判別をさらに精度よく行うことができる。
なお、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法や、本出願人による国際出願である国際出願番号ＰＣＴ／ＪＰ２００６／３０４３９８に記載の方法（後述する多変量判別式作成処理）で作成することができる。これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を肺癌の状態の評価に好適に用いることができる。
また、本発明にかかる肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラムおよび記録媒体は、上述した第２実施形態以外にも、特許請求の範囲の書類に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。例えば、上述した第２実施形態で説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データおよび検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。例えば、肺癌評価装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。また、肺癌評価装置１００の各部または各装置が備える処理機能（特に制御部１０２にて行なわれる各処理機能）については、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて、その全部または任意の一部を実現することができ、ワイヤードロジックによるハードウェアとして実現することもできる。
ここで、「プログラム」とは任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は、必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものを含む。なお、プログラムは、記録媒体に記録されており、必要に応じて肺癌評価装置１００に機械的に読み取られる。記録媒体に記録されたプログラムを各装置で読み取るための具体的な構成や読み取り手順や読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
また、「記録媒体」とは任意の「可搬用の物理媒体」や任意の「固定用の物理媒体」や「通信媒体」を含むものとする。なお、「可搬用の物理媒体」とはフレキシブルディスクや光磁気ディスクやＲＯＭやＥＰＲＯＭやＥＥＰＲＯＭやＣＤ−ＲＯＭやＭＯやＤＶＤ等である。「固定用の物理媒体」とは各種コンピュータシステムに内蔵されるＲＯＭやＲＡＭやＨＤ等である。「通信媒体」とは、ＬＡＮやＷＡＮやインターネット等のネットワークを介してプログラムを送信する場合における通信回線や搬送波のように、短期にプログラムを保持するものである。
最後に、肺癌評価装置１００で行う多変量判別式作成処理の一例について図２２を参照して詳細に説明する。図２２は多変量判別式作成処理の一例を示すフローチャートである。なお、当該多変量判別式作成処理は、肺癌状態情報を管理するデータベース装置４００で行ってもよい。
なお、本説明では、肺癌評価装置１００は、データベース装置４００から事前に取得した肺癌状態情報を、肺癌状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、肺癌評価装置１００は、肺癌状態情報指定部１０２ｇで事前に指定した肺癌状態指標データおよびアミノ酸濃度データを含む肺癌状態情報を、指定肺癌状態情報ファイル１０６ｄの所定の記憶領域に格納しているものとする。
まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、指定肺癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている肺癌状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、作成した候補多変量判別式を候補多変量判別式ファイル１０６ｅ１の所定の記憶領域に格納する（ステップＳＢ−２１）。具体的には、まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木などの多変量解析に関するものを含む。）の中から所望のものを１つ選択し、選択した式作成手法に基づいて、作成する候補多変量判別式の形（式の形）を決定する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、肺癌状態情報に基づいて、選択した式選択手法に対応する種々（例えば平均や分散など）の計算を実行する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、計算結果および決定した候補多変量判別式のパラメータを決定する。これにより、選択した式作成手法に基づいて候補多変量判別式が作成される。なお、複数の異なる式作成手法を併用して候補多変量判別式を同時並行（並列）的に作成する場合は、選択した式作成手法ごとに上記の処理を並行して実行すればよい。また、複数の異なる式作成手法を併用して候補多変量判別式を直列的に作成する場合は、例えば、主成分分析を行って作成した候補多変量判別式を利用して肺癌状態情報を変換し、変換した肺癌状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。
つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、ステップＳＢ−２１で作成した候補多変量判別式を所定の検証手法に基づいて検証（相互検証）し、検証結果を検証結果ファイル１０６ｅ２の所定の記憶領域に格納する（ステップＳＢ−２２）。具体的には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、指定肺癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている肺癌状態情報に基づいて候補多変量判別式を検証する際に用いる検証用データを作成し、作成した検証用データに基づいて候補多変量判別式を検証する。なお、ステップＳＢ−２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成した場合には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証する。ここで、ステップＳＢ−２２において、ブートストラップ法やホールドアウト法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異性、情報量基準などのうち少なくとも１つに関して検証してもよい。これにより、肺癌状態情報や診断条件を考慮した予測性または堅牢性の高い候補指標式を選択することができる。
つぎに、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ−２２での検証結果から所定の変数選択手法に基づいて、候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いる肺癌状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、選択したアミノ酸濃度データの組み合わせを含む肺癌状態情報を選択肺癌状態情報ファイル１０６ｅ３の所定の記憶領域に格納する（ステップＳＢ−２３）。なお、ステップＳＢ−２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成し、ステップＳＢ−２２で各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証した場合には、ステップＳＢ−２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ−２２での検証結果に対応する候補多変量判別式ごとに所定の変数選択手法に基づいて候補多変量判別式の変数を選択する。ここで、ステップＳＢ−２３において、検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式の変数を選択してもよい。なお、ベストパス法とは、候補多変量判別式に含まれる変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することで変数を選択する方法である。また、ステップＳＢ−２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、指定肺癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている肺癌状態情報に基づいてアミノ酸濃度データの組み合わせを選択してもよい。
つぎに、多変量判別式作成部１０２ｈは、指定肺癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている肺癌状態情報に含まれるアミノ酸濃度データの全ての組み合わせが終了したか否かを判定し、判定結果が「終了」であった場合（ステップＳＢ−２４：Ｙｅｓ）には次のステップ（ステップＳＢ−２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻る。なお、多変量判別式作成部１０２ｈは、予め設定した回数が終了したか否かを判定し、判定結果が「終了」であった場合には（ステップＳＢ−２４：Ｙｅｓ）次のステップ（ステップＳＢ−２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、ステップＳＢ−２３で選択したアミノ酸濃度データの組み合わせが、指定肺癌状態情報ファイル１０６ｄの所定の記憶領域に格納されている肺癌状態情報に含まれるアミノ酸濃度データの組み合わせまたは前回のステップＳＢ−２３で選択したアミノ酸濃度データの組み合わせと同じであるか否かを判定し、判定結果が「同じ」であった場合（ステップＳＢ−２４：Ｙｅｓ）には次のステップ（ステップＳＢ−２５）へ進み、判定結果が「同じ」でなかった場合（ステップＳＢ−２４：Ｎｏ）にはステップＳＢ−２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、検証結果が具体的には各候補多変量判別式に関する評価値である場合には、当該評価値と各式作成手法に対応する所定の閾値との比較結果に基づいて、ステップＳＢ−２５へ進むかステップＳＢ−２１へ戻るかを判定してもよい。
ついで、多変量判別式作成部１０２ｈは、検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで多変量判別式を決定し、決定した多変量判別式（選出した候補多変量判別式）を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＢ−２５）。ここで、ステップＳＢ−２５において、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とがある。
これにて、多変量判別式作成処理の説明を終了する。
肺生検による肺癌の診断が行われた肺癌患者の血液サンプル、および非肺癌患者の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。アミノ酸濃度の単位はｎｍｏｌ／ｍｌである。図２３に、肺癌患者および非肺癌患者のアミノ酸変数の分布を（横軸は、非肺がん群、肺癌群、図中のＡＢＡはα−ＡＢＡを、またＣｙｓはＣｙｓｔｉｎｅを表す）箱ひげ図を示す。肺癌群と非肺癌群の判別を目的に２群間のｔ検定を実施した。
非肺癌群に比べて肺癌群では、Ｔａｕ，Ｇｌｕ，ＡＢＡ，Ｖａｌ，Ｌｅｕ，Ｏｒｎ，Ｌｙｓ，Ｈｉｓが有意に増加し（有意差確率Ｐ＜０．０５）、またＡｒｇが有意に減少し、アミノ酸変数Ｔａｕ，Ｇｌｕ，ＡＢＡ，Ｖａｌ，Ｌｅｕ，Ｏｒｎ，Ｌｙｓ，Ｈｉｓ，Ａｒｇが肺癌群と非肺癌群の２群間の判別能を持つことが判明した。
肺生検による肺癌の診断が行われた肺癌患者の血液サンプル、および非肺癌患者の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。図２４に、肺癌患者および非肺癌患者のアミノ酸変数を用いて肺癌群と非肺癌群、初期肺癌群と非肺癌群、肺癌群のうち腺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図２４）のＡＵＣによる評価を行った。
肺癌群と非肺癌群の判別においてはＯｒｎ，Ｔａｕ，ＡＢＡ，Ａｓｎ，Ｌｙｓ，Ｃｉｔ，Ａｒｇ，Ｓｅｒ，Ｔｈｒ，Ｇｌｙ，Ｇｌｕ，Ｈｉｓ，Ｐｒｏが、初期肺癌群と非肺癌群の判別においてはＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ａｓｎ，Ｃｉｔ，Ｌｙｓ，Ｓｅｒ，Ｈｉｓ，Ｐｒｏが、肺癌群のうち腺癌群と非肺癌群の判別においてはＯｒｎ，Ｔａｕ，ＡＢＡ，Ａｓｎ，Ｌｙｓ，Ｃｉｔ，Ｈｉｓ，Ａｒｇ，Ｔｈｒ，Ｇｌｕ，Ｇｌｙ，Ｃｙｓがそれぞれ０．６５以上の値が得られ、これらのアミノ酸が上記対象の２群間の判別能を持つことが判明した。
実施例１で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して肺癌群と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１が得られた。なお、このほかに指標式１と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図２５、図２６に示す。
指標式１：（Ｏｒｎ）／（Ｔｒｐ） ＋ （Ｔａｕ＋ＡＢＡ）／（Ａｒｇ）
指標式１による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図２７）のＡＵＣによる評価を行い、０．９７３±０．０２０（９５％信頼区間は０．９３６〜０．９８６）が得られた。また、指標式１による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．０３８として最適なカットオフ値を求めると、カットオフ値が２．６４となり、感度９３％、特異度９１％、陽性適中率２９％、陰性適中率９９％、正診率９６％が得られ（図２８）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して初期肺癌群（病理病期ＩおよびＩＩ期）及び非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式２が得られた。なお、このほかに指標式２と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図２９、図３０に示す。
指標式２：（Ｔａｕ）／（Ａｒｇ） ＋ （Ｏｒｎ＋ＡＢＡ）／（Ｔｒｐ）
指標式２による肺癌のうち腺癌の診断性能を初期肺癌群（病理病期ＩおよびＩＩ期）と非肺癌群の２群判別に関して、ＲＯＣ曲線（図３１）のＡＵＣによる評価を行い、０．９６６±０．００８（９５％信頼区間は０．９６０〜０．９９１）が得られた。また、指標式２による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を．０２８として最適なカットオフ値を求めると、カットオフ値が２．４０となり、感度９１％、特異度９２％、陽性適中率２８％、陰性適中率９９％、正診率９２％が得られ（図３１）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して腺癌群と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式３が得られた。なお、このほかに指標式３と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図３２、図３３に示す。
指標式３：（Ｏｒｎ）／（Ｔｒｐ） ＋ （Ｔａｕ）／（Ａｒｇ）
指標式３による肺癌のうち腺癌の診断性能を腺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図３４）のＡＵＣによる評価を行い、０．９６６±０．０１７（９５％信頼区間は０．９２４〜０．９８９）が得られた。また、指標式３による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．０３２として最適なカットオフ値を求めると、カットオフ値が２．４０となり、感度９１％、特異度９２％、陽性適中率２８％、陰性適中率９９％、正診率９２％が得られ（図３４）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。肺癌に関して肺癌群と非肺癌群の２群判別性能を最大化する指標をロジスティック解析（ＢＩＣ最小基準による変数網羅法）により探索し、指標式４としてＴａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎから構成されるロジスティック回帰式（アミノ酸変数Ｔａｕ，Ｏｒｎ，Ａｒｇ，Ｓｅｒ，Ｇｌｕ，Ｐｒｏ，Ａｓｎの数係数と定数項は順に、０．０８６±０．０２０、０．１２４±０．０２０、−０．０４６±０．０１８、０．０２３±０．０１８、−０．０１６±０．０１９、０．０１３±０．００６、０．００３±０．０５４、−１７．６１±３．４３７）が得られた。なお、このほかに指標式４と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図３５、図３６、図３７に示す。また、図３５、図３６、図３７に示す式における各係数の値や定数項の値、及びその９５％信頼区間は、それを実数倍したものでもよい。
指標式４による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図３８）のＡＵＣによる評価を行い、０．９６７±０．０１４（９５％信頼区間は０．９２３〜０．９８８）が得られ診断性能が高く有用な指標であることが判明した。また指標式４による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．０３８として最適なカットオフ値を求めると、カットオフ値が０．０１９となり、感度９０％、特異度８８％、陽性適中率２４％、陰性適中率９９％、正診率８８％が得られ（図３９）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。肺癌に関して初期肺癌群と非肺癌群の２群判別性能を最大化する指標をロジスティック解析（ＢＩＣ最小基準による変数網羅法）により探索し、指標式５としてＯｒｎ，Ｔａｕ，Ｔｒｐから構成されるロジスティック回帰式（アミノ酸変数Ｏｒｎ，Ｔａｕ，Ｔｒｐの数係数と定数項は順に、０．１７８±０．０３２、０．０７８０±０．０１９７、−０．２０１±０．０５１０、−１２．３６７±２．３１６）が得られた。なお、このほかに指標式５と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図４０、図４１、図４２に示す。なお、図４０、図４１、図４２に示す式における各係数の値や定数項の値、及びその９５％信頼区間は、それを実数倍したものでもよい。
指標式５による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図４３）のＡＵＣによる評価を行い、０．９８１±０．００８（９５％信頼区間は０．９６０〜０．９９０）が得られ診断性能が高く有用な指標であることが判明した。また指標式５による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．０２８として最適なカットオフ値を求めると、カットオフ値が０．０１９となり、感度１００％、特異度９０％、陽性適中率２２％、陰性適中率１００％、正診率９０％が得られ（図４３）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。肺癌に関して腺癌群と非肺癌群の２群判別性能を最大化する指標をロジスティック解析（ＢＩＣ最小基準による変数網羅法）により探索し、指標式６としてＯｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙから構成されるロジスティック回帰式（アミノ酸変数Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｇｌｙの数係数と定数項は順に、０．１１４±０．０２０、０．１２０±０．０５１、０．０６５４±０．０１６１、０．００７０２±０．００４６９、−２０．６２±２．９０）が得られた。なお、このほかに指標式６と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図４４、図４５、図４６に示す。なお、図４４、図４５、図４６に示す式における各係数の値や定数項の値、及びその９５％信頼区間は、それを実数倍したものでもよい。
指標式６による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図４７）のＡＵＣによる評価を行い、０．９６８±０．０１２（９５％信頼区間は０．９３７〜０．９８９）が得られ診断性能が高く有用な指標であることが判明した。また指標式６による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．０３２として最適なカットオフ値を求めると、カットオフ値が０．０２９となり、感度８７％、特異度９１％、陽性適中率２５％、陰性適中率９９％、正診率９１％が得られ（図４７）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。肺癌に関して肺癌群と非肺癌群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式７として年齢，ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌから構成される線形判別関数（年齢及びアミノ酸変数ＡＢＡ，Ａｒｇ，Ｇｌｎ，Ｈｉｓ，Ｌｅｕ，Ｏｒｎ，Ｐｒｏ，Ｔａｕ，Ｔｒｐ，Ｖａｌの数係数は順に、０．０３３８±０．０１７７、０．０３３２±０．０２２７、−０．０１８０±０．００７３、−０．００３０±０．００２０、０．０２３３±０．０１５１、０．０１３６±０．０１２４、０．０６１７±０．００９２、０．００３１±０．００３１、０．０４７５±０．００９９、−０．０２６８±０．０１５０、−０．０１３４±０．００７２）が得られた。なお、このほかに指標式７と同等の判別性能を有する線形判別関数は複数得られた。それらを図４８、図４９、図５０に示す。なお、図４８、図４９、図５０に示す式における各係数の値や定数項の値、及びその９５％信頼区間は、それを実数倍したものでもよい。
指標式７による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図５１）のＡＵＣによる評価を行い、０．９８４±０．００８（９５％信頼区間は０．９６２〜０．９９５）が得られ診断性能が高く有用な指標であることが判明した。また指標式７による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．０３８として最適なカットオフ値を求めると、カットオフ値が１．８６３となり、感度９０％、特異度９７％、陽性適中率５６％、陰性適中率９９％、正診率９７％が得られ（図５２）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。肺癌に関して初期肺癌群と非肺癌群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式８としてＯｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓから構成される線形判別関数（アミノ酸変数Ｏｒｎ，Ａｒｇ，Ｔａｕ，ＡＢＡ，Ｇｌｙ，Ｈｉｓの数係数と定数項は順に、０．００４１２±０．０００８０、−０．００２１２±０．０００６３、０．００３１６±０．０００９７、０．００２２３±０．００２０２、０．０００２０±０．０００１８、０．０００８８±０．００１２３、０．６３４±０．１２３）が得られた。なお、このほかに指標式８と同等の判別性能を有する線形判別関数は複数得られた。それらを図５３、図５４、図５５に示す。なお、図５３、図５４、図５５に示す式における各係数の値や定数項の値、及びその９５％信頼区間は、それを実数倍したものでもよい。
指標式８による肺癌の診断性能を肺癌のうち初期肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図５６）のＡＵＣによる評価を行い、０．９５３±０．０２３（９５％信頼区間は０．８７７〜０．９７９）が得られ診断性能が高く有用な指標であることが判明した。また指標式８による初期肺癌群と非肺癌群の２群判別のカットオフ値について、初期肺癌群の有症率を０．０２８として最適なカットオフ値を求めると、カットオフ値が１．１３７となり、感度８５％、特異度９４％、陽性適中率２９％、陰性適中率９９％、正診率９４％が得られ（図５６）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。肺癌のうち腺癌群と非肺癌群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式９としてＯｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙから構成される線形判別関数（アミノ酸変数Ｏｒｎ，ＡＢＡ，Ｔａｕ，Ｈｉｓ，Ａｒｇ，Ｇｌｙの数係数と定数項は順に、０．００４６４±０．０００８０、０．００２２２±０．００２１、０．００４２８±０．０００９１、０．０００６５±０．００１２７、−０．００１５９±０．０００６５、０．０００１２±０．０００１９、０．５３４±０．１２４）が得られた。なお、このほかに指標式９と同等の判別性能を有する線形判別関数は複数得られた。それらを図５７、図５８、図５９に示す。なお、図５７、図５８、図５９に示す式における各係数の値や定数項の値、及びその９５％信頼区間は、それを実数倍したものでもよい。
指標式９による肺癌の診断性能を肺癌のうち腺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図６０）のＡＵＣによる評価を行い、０．９６１±０．０１５（９５％信頼区間は０．８９４〜０．９８４）が得られ診断性能が高く有用な指標であることが判明した。また指標式９による肺癌のうち腺癌群と非肺癌群の２群判別のカットオフ値について、腺癌群の有症率を０．０３２として最適なカットオフ値を求めると、カットオフ値が１．１４３となり、感度８７％、特異度９３％、陽性適中率２９％、陰性適中率９９％、正診率９３％が得られ（図６０）、診断性能が高く有用な指標であることが判明した。
実施例１で用いたサンプルデータを用いた。肺癌に関して肺癌群と非肺癌群の２群判別を行う線形判別式を変数網羅法により全ての式を抽出した。このとき、各式に出現するアミノ酸変数の最大値は６として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ａｒｇ，Ｌｙｓ，Ｏｒｎ，ＡＢＡ，Ｈｉｓ，Ｇｌｙ，Ｇｌｕ，Ｔａｕ，Ｓｅｒ，ＣｉｔがＲＯＣ曲線下面積０．７、０．７５、０．８、０．８５をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認され、これらのアミノ酸を変数として用いた多変量判別式が肺癌群と非肺癌群の２群間の判別能を持つことが判明した（図６１）。
実施例１で用いたサンプルデータを用いた。肺癌に関して肺癌群と非肺癌群の２群判別を行う上記の指標式７を用いて、健常群、肺癌群、及び他癌群のそれぞれの群の分布を計算した。このとき、図６２、図６３に示すように、肺癌群と他癌群は分布が異なり、肺癌群と他癌群との間のｔ検定によるｐ値は０であり、両群の間には有意な差があることが明らかとなった。このことから、指標式７は、肺癌と非肺癌群を肺癌に対して特異的に判別する関数であることが示された。
肺生検による肺癌の診断が行われた肺癌患者の血液サンプル、および非肺癌患者の血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定した。アミノ酸濃度の単位はｎｍｏｌ／ｍｌである。図６４に、肺癌患者および非肺癌患者のアミノ酸変数の分布を（横軸は、非肺がん群、肺癌群、図中のＡＢＡはα−ＡＢＡを、またＣｙｓはＣｙｓｔｉｎｅを表す）スキャッタープロットにより示す。肺癌群と非肺癌群の判別を目的に２群間のｔ検定を実施した。
非肺癌群に比べて肺癌群では、Ｇｌｕ，Ｐｒｏ，Ａｌａ，Ｌｙｓが有意に増加し（有意差確率Ｐ＜０．０５）、またＣｉｔ，Ｍｅｔ，Ｉｌｅ，Ｈｉｓが有意に減少し、アミノ酸変数Ｇｌｕ，Ｐｒｏ，Ａｌａ，Ｌｙｓ，Ｃｉｔ，Ｍｅｔ，Ｉｌｅ，Ｈｉｓが肺癌群と非肺癌群の２群間の判別能を持つことが判明した。
実施例１４で用いたサンプルデータを用いた。図６５に、肺癌患者および非肺癌患者のアミノ酸変数を用いて肺癌群と非肺癌群、初期肺癌群と非肺癌群、肺癌群のうち腺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線の曲線下面積（ＡＵＣ）による評価を行った。
肺癌群と非肺癌群の判別においてはＧｌｕ，Ｐｒｏ，Ｃｉｔ，Ｉｌｅ，Ｈｉｓが、初期肺癌群と非肺癌群の判別においてはＧｌｕ，Ｇｌｎ，Ａｌａ，Ｈｉｓ，Ｔｒｐ，Ｌｙｓが、肺癌群のうち腺癌群と非肺癌群の判別においてはＧｌｕ，Ｃｉｔ，Ｍｅｔ，Ｉｌｅ，Ｔｙｒ，Ｈｉｓがそれぞれ０．６２５以上の値が得られ、これらのアミノ酸が上記対象の２群間の判別能を持つことが判明した（図６５）。
実施例１４で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して肺癌群と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１０が得られた。なお、このほかに指標式１０と同等の判別性能を有する多変量判別式は複数得られた。それらを図６６、図６７に示す。
指標式１０：（Ｇｌｕ）／（Ｔｙｒ） ＋ （Ｐｒｏ＋Ｌｙｓ）／（Ｉｌｅ＋Ｈｉｓ）
指標式１０による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図６８）の曲線下面積（ＡＵＣ）による評価を行い、０．８８８±０．０２９（９５％信頼区間は０．８３１〜０．９４５）が得られた。また、指標式１０による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が２．８９１となり、感度８８．１％、特異度７６．３％、陽性適中率０．３７％、陰性適中率９９．９８％、正診率７６．２８％が得られ（図６８）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して肺癌群と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１１が得られた。なお、このほかに指標式１１と同等の判別性能を有する多変量判別式は複数得られた。それらを図６９、図７０に示す。また、図６９、図７０に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１１：（Ｈｉｓ）／（Ｌｙｓ） − ０．２２２０５×（Ｇｌｕ）／（Ｉｌｅ） ＋ ０．３８１７１×（Ｔｙｒ）／（Ｐｒｏ） ＋ ０．１６５１３×（Ｖａｌ）／（Ｌｅｕ）
指標式１１による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図７１）の曲線下面積（ＡＵＣ）による評価を行い、０．９０６±０．０２８（９５％信頼区間は０．８５１〜０．９６２）が得られた。また、指標式１１による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が０．７６７となり、感度８９．８％、特異度７９．７％、陽性適中率０．４４％、陰性適中率９９．９９％、正診率７９．６８％が得られ（図７１）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌群と非肺癌群の２群判別性能を最大化する指標をロジスティック解析（ＢＩＣ最小基準による変数網羅法）により探索し、指標式１２としてＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓから構成されるロジスティック回帰式（アミノ酸変数Ｈｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｇｌｎ，Ｌｙｓの数係数と定数項は順に、−１．２８９±０．０２７、０．０７０±０．０１４、０．０１８±０．００４、０．０９２±０．０１８、０．００９±０．００２、０．０３１±０．００６、−０．９２６±０．１８５）が得られた。なお、このほかに指標式１２と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図７２、図７３、図７４に示す。また図７２、図７３、図７４に示す式における各係数の値は、それを実数倍したものでもよい。
指標式１２による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図７５）の曲線下面積（ＡＵＣ）による評価を行い、０．９０８±０．０２６（９５％信頼区間は０．８５６〜０．９６０）が得られ診断性能が高く有用な指標であることが判明した。また指標式１２による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が０．５０５となり、感度８３．１％、特異度８４．７％、陽性適中率０．５４％、陰性適中率９９．９８％、正診率８４．７４％が得られ（図７５）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌に関して肺癌群と非肺癌群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式１３としてＨｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓから構成される線形判別関数（アミノ酸変数Ｈｉｓ，Ｇｌｕ，Ｐｒｏ，Ｉｌｅ，Ｔｙｒ，Ｌｙｓの数係数は順に、１．０００±０．１９７、−０．５６６±０．１１、−０．２５３±０．０７６、０．６２８±０．１８９、０．４３７±０．１３０、−０．３６８±０．１１０）が得られた。なお、このほかに指標式１３と同等の判別性能を有する線形判別関数は複数得られた。それらを図７６、図７７、図７８に示す。なお、図７６、図７７、図７８に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１３による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図７９）の曲線下面積（ＡＵＣ）による評価を行い、０．９０１±０．０２６７（９５％信頼区間は０．８４９〜０．９５４）が得られ診断性能が高く有用な指標であることが判明した。また指標式１３による肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が１７．６５となり、感度８４．８％、特異度８１．４％、陽性適中率０．４５％、陰性適中率９９．９８％、正診率８１．３６％が得られ（図７９）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して初期肺癌群（病理病期ＩおよびＩＩ期）と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１４が得られた。なお、このほかに指標式１４と同等の判別性能を有する多変量判別式は複数得られた。それらを図８０、図８１に示す。
指標式１４：（Ｇｌｎ）／（Ｃｉｔ＋Ｈｉｓ） ＋ （Ｇｌｕ＋ＡＢＡ）／（Ｃｙｓ２）
指標式１４による肺癌の診断性能を初期肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図８２）の曲線下面積（ＡＵＣ）による評価を行い、０．８８１±０．０３０（９５％信頼区間は０．８２２〜０．９４０）が得られた。また、指標式１４による初期肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が８．５８となり、感度８７．５％、特異度８０．６％、陽性適中率０．４５％、陰性適中率９９．９８％、正診率８０．５８％が得られ（図８２）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して初期肺癌群と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１５が得られた。なお、このほかに指標式１５と同等の判別性能を有する多変量判別式は複数得られた。それらを図８３、図８４に示す。また、図８３、図８４に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１５：（Ｇｌｎ）／（Ｈｉｓ） ＋ ０．０９１９３１×（Ｇｌｕ） ＋ ３．９０４３×（ａ−ＡＢＡ）／（Ｃｙｓ２） ＋ ４．３５４１×（Ｌｙｓ）／（Ｖａｌ）
指標式１５による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図８５）の曲線下面積（ＡＵＣ）による評価を行い、０．９３６±０．０２６（９５％信頼区間は０．８８４〜０．９８７）が得られた。また、指標式１５による初期肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が１８．５５となり、感度８７．５％、特異度８７．５％、陽性適中率０．７０％、陰性適中率９９．９９％、正診率８７．５０％が得られ（図８５）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。肺癌に関して初期肺癌群と非肺癌群の２群判別性能を最大化する指標をロジスティック解析（ＢＩＣ最小基準による変数網羅法）により探索し、指標式１６としてＧｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡから構成されるロジスティック回帰式（アミノ酸変数Ｇｌｎ，Ｇｌｕ，Ｈｉｓ，Ｌｙｓ，Ｃｙｓ，ＡＢＡの数係数と定数項は順に、０．０１６±０．００４、０．０１０１±０．００３、−０．１４１±０．４２８、０．０２５±０．００８、−０．１６８±０．０５０、０．１７３±０．０５０、−６．１２５±１．８４０）が得られた。なお、このほかに指標式１６と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図８６、図８７、図８８に示す。また、図８６、図８７、図８８に示す式における各係数の値は、それを実数倍したものでもよい。
指標式１６による肺癌の診断性能を初期肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図８９）の曲線下面積（ＡＵＣ）による評価を行い、０．９１３±０．０３７（９５％信頼区間は０．８４１〜０．９８５）が得られ診断性能が高く有用な指標であることが判明した。また指標式１６による初期肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が０．３８７となり、感度８３．３％、特異度９１．７％、陽性適中率０．９９％、陰性適中率９９．９８％、正診率９１．６５％が得られ（図８９）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌に関して初期肺癌群と非肺癌群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式１７としてＧｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡから構成される線形判別関数（アミノ酸変数Ｇｌｎ，Ｇｌｕ，Ａｌａ，Ｈｉｓ，Ｃｙｓ，ＡＢＡの数係数は順に、１．０００±０．２０１、７．２５１±１．４５０、０．４９５±０．０９１、−９．０７±１．８２、−１１．１０±２．２４、１２．６３±２．５８）が得られた。なお、このほかに指標式１７と同等の判別性能を有する線形判別関数は複数得られた。それらを図９０、図９１、図９２に示す。なお、図９０、図９１、図９２に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１７による肺癌の診断性能を初期肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図９３）の曲線下面積（ＡＵＣ）による評価を行い、０．９２３±０．０２７（９５％信頼区間は０．８６９〜０．９７６）が得られ診断性能が高く有用な指標であることが判明した。また指標式１７による初期肺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が３４６．８となり、感度８７．５％、特異度８４．７％、陽性適中率０．５７％、陰性適中率９９．９９％、正診率８４．７３％が得られ（図９３）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して腺癌群（病理病期ＩおよびＩＩ期）と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１８が得られた。なお、このほかに指標式１８と同等の判別性能を有する多変量判別式は複数得られた。それらを図９４、図９５に示す。
指標式１８：（Ｇｌｕ＋Ｐｒｏ）／（Ｈｉｓ） ＋ （ＡＢＡ＋Ｌｙｓ）／（Ｉｌｅ）
指標式１８による肺癌の診断性能を腺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図９６）の曲線下面積（ＡＵＣ）による評価を行い、０．８７２±０．０３４（９５％信頼区間は０．８０４〜０．９３９）が得られた。また、指標式１８による腺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が５．７４５となり、感度８２．１％、特異度７８．０％、陽性適中率０．３７％、陰性適中率９９．９８％、正診率７７．９７％が得られ（図９６）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌判別に関して腺癌群と非肺癌群の２群判別性能を最大化する指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式１９が得られた。なお、このほかに指標式１９と同等の判別性能を有する多変量判別式は複数得られた。それらを図９７、図９８に示す。また、図９７、図９８に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式１９：（Ｇｌｕ）／（Ｃｉｔ） − ３１．７９２７×（Ｈｉｓ）／（Ｇｌｎ） − １１．３５７７×（Ｉｌｅ）／（Ｌｅｕ） − ９．９７５×（Ｔｙｒ）／（Ａｌａ）
指標式１９による肺癌の診断性能を肺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図９９）の曲線下面積（ＡＵＣ）による評価を行い、０．８９５±０．０２８（９５％信頼区間は０．８４１〜０．９５０）が得られた。また、指標式１９による腺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が−１１．０４となり、感度９２．３％、特異度７８．２％、陽性適中率０．４２％、陰性適中率９９．９９％、正診率７８．２２％が得られ（図９９）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。肺癌に関して腺癌群と非肺癌群の２群判別性能を最大化する指標をロジスティック解析（ＢＩＣ最小基準による変数網羅法）により探索し、指標式２０としてＨｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎから構成されるロジスティック回帰式（アミノ酸変数Ｈｉｓ，Ｉｌｅ，Ｇｌｕ，Ｐｒｏ，Ｌｅｕ，Ｇｌｎの数係数と定数項は順に、−０．１５０±０．０４４、０−０．２１０±０．０４１、０．０５４±０．０１１、０．０２５±０．００８、０．０９２±０．０１８、０．００８±０．００２、３．５７７±０．７１４）が得られた。なお、このほかに指標式２０と同等の判別性能を有するロジスティック回帰式は複数得られた。それらを図１００、図１０１、図１０２に示す。また、図１００、図１０１、図１０２に示す式における各係数の値は、それを実数倍したものでもよい。
指標式２０による肺癌の診断性能を腺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図１０３）の曲線下面積（ＡＵＣ）による評価を行い、０．９０９±０．０２８（９５％信頼区間は０．８５５〜０．９６４）が得られ診断性能が高く有用な指標であることが判明した。また指標式２０による腺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が０．３２９となり、感度８９．７％、特異度８３．１％、陽性適中率０．５３％、陰性適中率９９．９９％、正診率８３．０６％が得られ（図１０３）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌に関して腺癌群と非肺癌群の２群判別性能を最大化する指標を線形判別分析（変数網羅法）により探索し、指標式２１としてＨｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎから構成される線形判別関数（アミノ酸変数Ｈｉｓ，Ｉｌｅ，Ｐｒｏ，Ａｌａ，Ｌｅｕ，Ｇｌｎの数係数は順に、１．０００±０．１９８、１．４０２±０．２８、−０．１５７±０．０３５、−０．０５３±０．０１１、−０．７４４±０．１５１、−０．０５０±０．０１３）が得られた。なお、このほかに指標式２１と同等の判別性能を有する線形判別関数は複数得られた。それらを図１０４、図１０５、図１０６に示す。なお、図１０４、図１０５、図１０６に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
指標式２１による肺癌の診断性能を腺癌群と非肺癌群の２群判別に関して、ＲＯＣ曲線（図１０７）の曲線下面積（ＡＵＣ）による評価を行い、０．９２３±０．０２６（９５％信頼区間は０．８７１〜０．９７４）が得られ診断性能が高く有用な指標であることが判明した。また指標式２１による腺癌群と非肺癌群の２群判別のカットオフ値について、肺癌群の有症率を０．１０６％として最適なカットオフ値を求めると、カットオフ値が７．９１となり、感度８４．６％、特異度８１．４％、陽性適中率０．４５％、陰性適中率９９．９８％、正診率８１．３６％が得られ（図１０７）、診断性能が高く有用な指標であることが判明した。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌の病理病期（Ｉａ、Ｉｂ、ＩＩａ、ＩＩｂ、ＩＩＩａ、ＩＩＩｂ、ＩＶ）を、それぞれ第１群（Ｉａ）、第２群（Ｉｂ）、第３群（ＩＩａ、ＩＩｂ）、第４群（ＩＩＩａ、ＩＩＩｂ、ＩＶ）に分けた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌病期判別に関して非肺癌群と第１〜４群と最も相関性の高い指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式２２が得られた。なお、このほかに指標式２２と同等の判別性能を有する多変量判別式は複数得られた。それらを図１０８、図１０９に示す。
指標式２２：（Ｇｌｕ＋Ｐｒｏ＋Ｌｙｓ＋Ｌｅｕ）／（Ｖａｌ＋Ｈｉｓ）
このとき、非肺癌群および第１〜４群と指標式２２の値との間のスピアマンの順位相関係数は０．６５４（９５％信頼区間は０．５１３〜０．７５８）となり、診断性能が高く有用な指標であることが判明した（図１１０）。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌の病理病期（Ｉａ、Ｉｂ、ＩＩａ、ＩＩｂ、ＩＩＩａ、ＩＩＩｂ、ＩＶ）を、それぞれ第１群（Ｉａ）、第２群（Ｉｂ）、第３群（ＩＩａ、ＩＩｂ）、第４群（ＩＩＩａ、ＩＩＩｂ、ＩＶ）に分けた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌病期判別に関して非肺癌群と第１〜４群と最も相関性の高い指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式２３が得られた。なお、このほかに指標式２３と同等の判別性能を有する多変量判別式は複数得られた。それらを図１１１、図１１２に示す。
指標式２３：（Ａｌａ）／（Ｈｉｓ） ＋ ３３．５８０６×（Ｌｅｕ）／（Ｖａｌ） − ７．２１８４×（Ｃｙｓ２）／（Ｏｒｎ） − １３．３０６８×（Ｉｌｅ）／（Ｌｙｓ）
このとき、非肺癌群および第１〜４群と指標式２３の値との間のスピアマンの順位相関係数は０．６４８（９５％信頼区間は０．５１５〜０．７５１）となり、診断性能が高く有用な指標であることが判明した（図１１３）。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌の病理病期（Ｉａ、Ｉｂ、ＩＩａ、ＩＩｂ、ＩＩＩａ、ＩＩＩｂ、ＩＶ）を、それぞれ第１群（Ｉａ）、第２群（Ｉｂ）、第３群（ＩＩａ、ＩＩｂ）、第４群（ＩＩＩａ、ＩＩＩｂ、ＩＶ）に分けた。肺癌病期判別に関して非肺癌群と第１〜４群と最も相関性の高い指標を重回帰分析（ＡＩＣ最小基準による変数選択法）鋭意探索し、指標式２４としてＰｒｏ，Ｈｉｓ，Ｇｌｙ，Ｖａｌ，Ｉｌｅ，Ｌｅｕから構成される重回帰式（アミノ酸変数Ｐｒｏ，Ｈｉｓ，Ｇｌｙ，Ｖａｌ，Ｉｌｅ，Ｌｅｕの数係数は順に、１．０００±０．２００、−２．７３５±０．５５、−０．１２９±０．０２５、−０．９４８±０．１９５、−２．７１０±０．５８４、３．１１３±０．６５９）が得られた。なお、このほかに指標式２４と同等の相関性を有する重回帰式は複数得られた。それらを図１１４、図１１５、図１１６に示す。なお、図１１４、図１１５、図１１６に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
このとき、非肺癌群および第１〜４群と指標式２４の値との間のスピアマンの順位相関係数は０．６３４（９５％信頼区間は０．４９０〜０．７４５）となり、診断性能が高く有用な指標であることが判明した（図１１７）。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌の病理病期（Ｉａ、Ｉｂ、ＩＩａ、ＩＩｂ、ＩＩＩａ、ＩＩＩｂ、ＩＶ）を、それぞれ第１群（Ｉａ）、第２群（Ｉｂ）、第３群（ＩＩａ、ＩＩｂ）、第４群（ＩＩＩａ、ＩＩＩｂ、ＩＶ）に分けた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌病期判別に関して第１〜４群と最も相関性の高い指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式２５が得られた。なお、このほかに指標式２５と同等の判別性能を有する多変量判別式は複数得られた。それらを図１１８、図１１９に示す。
指標式２５：（Ｐｒｏ）／（Ｇｌｎ） ＋ （Ｔｙｒ＋Ｌｅｕ＋Ｃｙｓ２）／（Ｖａｌ）
このとき、第１〜４群と指標式２５の値との間のスピアマンの順位相関係数は０．６１９（９５％信頼区間は０．３４６〜０．７９４）となり、診断性能が高く有用な指標であることが判明した（図１２０）。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌の病理病期（Ｉａ、Ｉｂ、ＩＩａ、ＩＩｂ、ＩＩＩａ、ＩＩＩｂ、ＩＶ）を、それぞれ第１群（Ｉａ）、第２群（Ｉｂ）、第３群（ＩＩａ、ＩＩｂ）、第４群（ＩＩＩａ、ＩＩＩｂ、ＩＶ）に分けた。本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法を用いて、肺癌病期判別に関して第１〜４群と最も相関性の高い指標を鋭意探索し、同等の性能を持つ複数の指標の中に指標式２６が得られた。なお、このほかに指標式２６と同等の判別性能を有する多変量判別式は複数得られた。それらを図１２１、図１２２に示す。
指標式２６：（Ｔｙｒ）／（Ｔｒｐ） − ０．０１２９４３×（Ｓｅｒ） − ０．０８０３３６×（Ａｌａ）／（Ａｓｎ）
このとき、第１〜４群と指標式２６の値との間のスピアマンの順位相関係数は０．７０６（９５％信頼区間は０．４７５〜０．８４６）となり、診断性能が高く有用な指標であることが判明した（図１２３）。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌の病理病期（Ｉａ、Ｉｂ、ＩＩａ、ＩＩｂ、ＩＩＩａ、ＩＩＩｂ、ＩＶ）を、それぞれ第１群（Ｉａ）、第２群（Ｉｂ）、第３群（ＩＩａ、ＩＩｂ）、第４群（ＩＩＩａ、ＩＩＩｂ、ＩＶ）に分けた。肺癌病期判別に関して第１〜４群と最も相関性の高い指標を重回帰分析（ＡＩＣ最小基準による変数選択法）鋭意探索し、指標式２７としてＧｌｎ，Ｓｅｒ，Ｐｒｏ，Ｔｙｒ，Ｃｙｓ，Ｔａｕから構成される重回帰式（アミノ酸変数Ｇｌｎ，Ｓｅｒ，Ｐｒｏ，Ｔｙｒ，Ｃｙｓ，Ｔａｕの数係数は順に、１．０００±０．３０４、３．８７５±１．２８９、−１．１０６±０．３２１、−５．２２７±１．５８３、−８．４１２±２．５２３、５．０９７±１．５２９）が得られた。なお、このほかに指標式２７と同等の相関性を有する重回帰式は複数得られた。それらを図１２４、図１２５、図１２６に示す。なお、図１２４、図１２５、図１２６に示す式における各係数の値は、それを実数倍したもの、あるいは任意の定数項を付加したものでもよい。
このとき、数値化を行った第１〜４群と指標式２７の値との間のスピアマンの順位相関係数は−０．７３０（９５％信頼区間は−０．５１２〜−０．８５９）となり、診断性能が高く有用な指標であることが判明した（図１２７）。
実施例１４で用いたサンプルデータを用いた。肺癌に関して肺癌群と非肺癌群の２群判別を行う線形判別式を変数網羅法により全ての式を抽出した。このとき、各式に出現するアミノ酸変数の最大値は５として、この条件を満たす全ての式のＲＯＣ曲線下面積を計算した。このとき、ＲＯＣ曲線下面積がある閾値以上の式中で、各アミノ酸が出現する頻度を測定した結果、Ａｌａ，Ｇｌｕ，Ｈｉｓ，Ｉｌｅ，Ｌｙｓ，ＰｒｏがＲＯＣ曲線下面積０．７、０．７５、０．８、０．８５をそれぞれ閾値としたときに、常に高頻度で抽出されるアミノ酸の上位１０位以内となることが確認され、これらのアミノ酸を変数として用いた多変量判別式が肺癌群と非肺癌群の２群間の判別能を持つことが判明した（図１２８）。
以上のように、本発明にかかる肺癌の評価方法、ならびに肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラムおよび記録媒体は、産業上の多くの分野、特に医薬品や食品、医療などの分野で広く実施することができ、特に、病態予測や疾病リスク予測やプロテオームやメタボローム解析などを行うバイオインフォマティクス分野において極めて有用である。
１００ 肺癌評価装置
１０２ 制御部
１０２ａ 要求解釈部
１０２ｂ 閲覧処理部
１０２ｃ 認証処理部
１０２ｄ 電子メール生成部
１０２ｅ Ｗｅｂページ生成部
１０２ｆ 受信部
１０２ｇ 肺癌状態情報指定部
１０２ｈ 多変量判別式作成部
１０２ｈ１ 候補多変量判別式作成部
１０２ｈ２ 候補多変量判別式検証部
１０２ｈ３ 変数選択部
１０２ｉ 判別値算出部
１０２ｊ 判別値基準評価部
１０２ｊ１ 判別値基準判別部
１０２ｋ 結果出力部
１０２ｍ 送信部
１０４ 通信インターフェース部
１０６ 記憶部
１０６ａ 利用者情報ファイル
１０６ｂ アミノ酸濃度データファイル
１０６ｃ 肺癌状態情報ファイル
１０６ｄ 指定肺癌状態情報ファイル
１０６ｅ 多変量判別式関連情報データベース
１０６ｅ１ 候補多変量判別式ファイル
１０６ｅ２ 検証結果ファイル
１０６ｅ３ 選択肺癌状態情報ファイル
１０６ｅ４ 多変量判別式ファイル
１０６ｆ 判別値ファイル
１０６ｇ 評価結果ファイル
１０８ 入出力インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ クライアント装置（情報通信端末装置）
３００ ネットワーク
４００ データベース装置

Claims (1)

  1. 評価対象から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、
    前記取得ステップで取得した前記評価対象の前記アミノ酸濃度データに含まれるＯｒｎ，Ｌｙｓ，ＡＢＡ，Ａｒｇ，Ｇｌｕ，Ｈｉｓ，Ｔａｕ，Ｐｒｏ，Ａｌａ，Ｃｉｔ，Ｉｌｅのうち少なくとも２つの前記濃度値に基づいて、前記評価対象につき、肺癌の状態を評価する濃度値基準評価ステップと
    を実行することを特徴とする肺癌の評価方法。
JP2013245487A 2006-08-04 2013-11-27 肺癌の評価方法 Pending JP2014038114A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013245487A JP2014038114A (ja) 2006-08-04 2013-11-27 肺癌の評価方法

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2006213919 2006-08-04
JP2006213919 2006-08-04
JP2006265973 2006-09-28
JP2006265973 2006-09-28
JP2013245487A JP2014038114A (ja) 2006-08-04 2013-11-27 肺癌の評価方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2008527789A Division JP5470848B2 (ja) 2006-08-04 2007-08-02 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置

Publications (1)

Publication Number Publication Date
JP2014038114A true JP2014038114A (ja) 2014-02-27

Family

ID=38997285

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2008527789A Active JP5470848B2 (ja) 2006-08-04 2007-08-02 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
JP2013245487A Pending JP2014038114A (ja) 2006-08-04 2013-11-27 肺癌の評価方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2008527789A Active JP5470848B2 (ja) 2006-08-04 2007-08-02 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置

Country Status (4)

Country Link
US (1) US9664681B2 (ja)
EP (1) EP2081027A4 (ja)
JP (2) JP5470848B2 (ja)
WO (1) WO2008016111A1 (ja)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5470848B2 (ja) 2006-08-04 2014-04-16 味の素株式会社 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
EP2103940A4 (en) 2006-12-21 2013-04-24 Ajinomoto Kk METHOD FOR EVALUATING BREAST CANCER, BREAST CANCER EVALUATION METHOD, METHOD, SYSTEM, PROGRAM AND RECORDING MEDIUM
KR101542037B1 (ko) * 2006-12-21 2015-08-05 아지노모토 가부시키가이샤 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체
EP2096439A4 (en) 2006-12-21 2011-01-05 Ajinomoto Kk METHOD FOR ASSESSING COLORECTAL CARCINOMA, COLORECTAL CARCINOMA ASSESSMENT DEVICE, METHOD, SYSTEM, PROGRAM AND RECORDING MEDIUM
CN101939652B (zh) * 2008-02-06 2015-01-07 味之素株式会社 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
CN101960310A (zh) * 2008-03-04 2011-01-26 味之素株式会社 癌症种类的评价方法
WO2009154297A1 (ja) * 2008-06-20 2009-12-23 味の素株式会社 前立腺疾患の評価方法
JP5754136B2 (ja) * 2008-06-20 2015-07-29 味の素株式会社 女性生殖器癌の評価方法、女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価プログラム、記録媒体、女性生殖器癌評価システム、および情報通信端末装置
WO2014084290A1 (ja) 2012-11-27 2014-06-05 味の素株式会社 膵臓癌の評価方法、膵臓癌評価装置、膵臓癌評価方法、膵臓癌評価プログラム、膵臓癌評価システムおよび情報通信端末装置
SG11201702076WA (en) 2014-09-15 2017-06-29 Renatech Co Ltd Cancer evaluation method and cancer evaluation system
JP6336881B2 (ja) * 2014-10-20 2018-06-06 日本電子株式会社 散布図表示装置、散布図表示方法、および表面分析装置
KR102519764B1 (ko) * 2015-03-31 2023-04-10 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램 제품, 평가 시스템, 및 단말 장치
JP2018017503A (ja) * 2016-07-25 2018-02-01 国立大学法人信州大学 肺がんリスク状態の評価方法，肺がんリスク状態評価装置，肺がんリスク状態評価プログラム，肺がんリスク状態評価システム及び情報通信端末装置
KR102427923B1 (ko) 2016-10-04 2022-08-02 아지노모토 가부시키가이샤 대장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
WO2018066620A1 (ja) * 2016-10-04 2018-04-12 味の素株式会社 膵臓癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置
JP6403170B2 (ja) * 2016-10-26 2018-10-10 国立大学法人信州大学 肺がん進行度合いの評価方法，肺がん進行度合い評価装置，肺がん進行度合い評価プログラム，肺がん進行度合い評価システム及び情報通信端末装置
KR102477319B1 (ko) 2016-12-01 2022-12-15 아지노모토 가부시키가이샤 암 모니터링의 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 평가 시스템, 및 단말 장치
JP6946133B2 (ja) 2017-09-27 2021-10-06 株式会社レナテック がんリスク評価方法及びがんリスク評価システム
CN110208238A (zh) * 2019-03-27 2019-09-06 天津理工大学 一种基于svm模型结合图像对肺癌组织的精确定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004052191A1 (ja) * 2002-12-09 2004-06-24 Ajinomoto Co., Inc. 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
JP2005508505A (ja) * 2001-11-09 2005-03-31 ソース・プリシジョン・メディシン・インク 遺伝子発現プロファイルを用いる病気の同定、観測及び治療及び生物学的状態の同定

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61126472A (ja) 1984-11-24 1986-06-13 Advance Res & Dev Co Ltd 診断方法
US5858681A (en) 1996-06-17 1999-01-12 Children's Medical Center Method for prognosis of prostate cancer
US6059724A (en) * 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
US6300136B1 (en) * 1997-09-03 2001-10-09 The Trustees Of The University Of Pennsylvania Methods for diagnosis and treatment of tumors in humans
CZ2001149A3 (cs) 1998-07-14 2002-02-13 Corixa Corporation Prostředky a způsoby pro terapii a diagnostiku karcinomu prostaty
EP1117791A2 (en) 1998-10-05 2001-07-25 Ludwig Institute For Cancer Research Cancer associated antigens and uses therefor
WO2000065472A1 (en) * 1999-04-26 2000-11-02 Surromed, Inc. Phenotype and biological marker identification system
AU2000278128B2 (en) * 2000-08-21 2006-07-20 Assistance Publique - Hopitaux De Paris Diagnosis method of fibrotic disease using biochemical markers
US6631330B1 (en) * 2000-08-21 2003-10-07 Assistance Publique-Hopitaux De Paris (Ap-Hp) Diagnosis method of inflammatory, fibrotic or cancerous disease using biochemical markers
WO2006129513A1 (ja) 2005-05-30 2006-12-07 Ajinomoto Co., Inc. 肝疾患評価装置、肝疾患評価方法、肝疾患評価システム、肝疾患評価プログラムおよび記録媒体
US20060170928A1 (en) * 2003-12-24 2006-08-03 Vadivel Masilamani Masila's cancer detector based on optical analysis of body fluids
GB0326197D0 (en) 2003-11-10 2003-12-17 Randox Lab Ltd Molecular marker
WO2006098182A1 (ja) 2005-03-16 2006-09-21 Sharp Kabushiki Kaisha 基板、表示パネル、表示装置、ならびに上記基板の製造方法
WO2006098192A1 (ja) 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
EP1937837A2 (en) * 2005-07-29 2008-07-02 Siemens Healthcare Diagnostics Inc. Methods and kits for the prediction of therapeutic success, recurrence free and overall survival in cancer therapies
US20100004871A1 (en) * 2005-12-27 2010-01-07 Power3 Medical Products, Inc. Identities, specificities, and use of twenty two (22) differentially expressed protein biomarkers for blood based diagnosis of breast cancer
JP5470848B2 (ja) 2006-08-04 2014-04-16 味の素株式会社 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
EP2053395A4 (en) 2006-08-04 2010-04-21 Ajinomoto Kk METABOLIC SYNDROME EVALUATION PROCEDURES, METABOLIC SYNDROME EVALUATION DEVICE, METABOLIC SYNDROME EVALUATION PROCEDURES, METABOLIC SYNDROME EVALUATION SYSTEM, METABOLIC SYNDROME EVALUATION PROGRAM AND RECORDING MEDIUM AND METHOD FOR SEARCHING FOR A PROPHYLACTIC / soothing SUBSTANCE FOR METABOLIC SYNDROME
WO2008036691A2 (en) 2006-09-19 2008-03-27 Metabolon, Inc. Biomarkers for prostate cancer and methods using the same
KR101542037B1 (ko) 2006-12-21 2015-08-05 아지노모토 가부시키가이샤 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체
EP2096439A4 (en) * 2006-12-21 2011-01-05 Ajinomoto Kk METHOD FOR ASSESSING COLORECTAL CARCINOMA, COLORECTAL CARCINOMA ASSESSMENT DEVICE, METHOD, SYSTEM, PROGRAM AND RECORDING MEDIUM
EP2103940A4 (en) 2006-12-21 2013-04-24 Ajinomoto Kk METHOD FOR EVALUATING BREAST CANCER, BREAST CANCER EVALUATION METHOD, METHOD, SYSTEM, PROGRAM AND RECORDING MEDIUM
CN101939652B (zh) 2008-02-06 2015-01-07 味之素株式会社 胃癌的评价方法、以及胃癌评价装置、胃癌评价方法、胃癌评价系统、胃癌评价程序和记录介质
CN101960310A (zh) 2008-03-04 2011-01-26 味之素株式会社 癌症种类的评价方法
WO2009154297A1 (ja) 2008-06-20 2009-12-23 味の素株式会社 前立腺疾患の評価方法
JP5754136B2 (ja) * 2008-06-20 2015-07-29 味の素株式会社 女性生殖器癌の評価方法、女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価プログラム、記録媒体、女性生殖器癌評価システム、および情報通信端末装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005508505A (ja) * 2001-11-09 2005-03-31 ソース・プリシジョン・メディシン・インク 遺伝子発現プロファイルを用いる病気の同定、観測及び治療及び生物学的状態の同定
WO2004052191A1 (ja) * 2002-12-09 2004-06-24 Ajinomoto Co., Inc. 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JPN7013001802; ＰＲＯＥＮＺＡ　Ａ．Ｍ．，　ｅｔ　ａｌ．: 'Ｂｒｅａｓｔ　ａｎｄ　ｌｕｎｇ　ｃａｎｃｅｒ　ａｒｅ　ａｓｓｏｃｉａｔｅｄ　ｗｉｔｈ　ａ　ｄｅｃｒｅａｓｅ　ｉｎ　ｂｌｏｏｄ　ｃｅｌｌ　ａｍｉｎｏ　ａｃｉｄ　ｃｏｎｔｅｎｔ' Ｊ．Ｎｕｔｒ．Ｂｉｏｃｈｅｍ． １４，　３, 2003, １３３-１３８ *
JPN7013001803; ＣＡＳＣＩＮＯ　Ａ．　ｅｔ　ａｌ．: 'Ｐｌａｓｍａ　ａｍｉｎｏ　ａｃｉｄ　ｉｍｂａｌａｎｃｅ　ｉｎ　ｐａｔｉｅｎｔｓ　ｗｉｔｈ　ｌｕｎｇ　ａｎｄ　ｂｒｅａｓｔ　ｃａｎｃｅｒ' Ａｎｔｉｃａｎｃｅｒ　Ｒｅｓｅａｒｃｈ １５，　２, 1995, ５０７-５１０ *
JPN7013001804; ＥＶＡＮＳ　Ｗ．Ｋ．　ｅｔ　ａｌ．: 'Ｐｅｒｔｕｒｂａｔｉｏｎｓ　ｉｎ　ｐｌａｓｍａ　ａｍｉｎｏ　ａｃｉｄ　ｐｒｏｆｉｌｅｓ　ｉｎ　ｓｍａｌｌ　ｃｅｌｌ　ｌｕｎｇ　ｃａｎｃｅｒ（ＳＣＬＣ）　ａｎｄ　ｔｈｅｉｒ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｔｒ' Ｐｒｏｃ．　ＡＭ．Ａｓｓｏｃｉａｔｉｏｎ　Ｃａｎｃｅｒ　Ｒｅｓ．Ａｎｎ．Ｍｅｅｔ． ２９, 1988, １８ *

Also Published As

Publication number Publication date
JP5470848B2 (ja) 2014-04-16
US20100017144A1 (en) 2010-01-21
EP2081027A4 (en) 2009-09-23
US9664681B2 (en) 2017-05-30
JPWO2008016111A1 (ja) 2009-12-24
WO2008016111A1 (fr) 2008-02-07
EP2081027A1 (en) 2009-07-22

Similar Documents

Publication Publication Date Title
JP5470848B2 (ja) 肺癌の評価方法、肺癌評価装置、肺癌評価方法、肺癌評価システム、肺癌評価プログラム、記録媒体、および、情報通信端末装置
JP7193020B2 (ja) 取得方法、算出方法、胃癌評価装置、算出装置、胃癌評価プログラム、算出プログラムおよび胃癌評価システム
JP5746811B2 (ja) 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
JP6269578B2 (ja) 取得方法、前立腺疾患評価装置、前立腺疾患評価プログラム及び前立腺疾患評価システム
JP6586980B2 (ja) 取得方法、算出方法、女性生殖器癌評価装置、算出装置、女性生殖器癌評価プログラム、算出プログラム及び女性生殖器癌評価システム
KR101542037B1 (ko) 암 상태의 평가 방법, 및 암 평가 장치, 암 평가 방법, 암 평가 시스템, 암 평가 프로그램 및 기록 매체
JP5746810B2 (ja) 乳癌の評価方法、ならびに乳癌評価装置、乳癌評価方法、乳癌評価システム、乳癌評価プログラムおよび記録媒体
KR101361601B1 (ko) 암종의 평가 방법
JP2022066387A (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、評価システム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20131226

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20140509

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150106

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150306

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20150707