本发明涉及肌酐风险推定装置、肌酐风险推定方法以及程序。
背景技术:
1、肌酐是作为对肌肉的能量的供给源的肌酐磷酸的代谢产物。通常从肌肉组织向血中放出,由肾脏的小球过滤后,向尿中排出。据此,血中的肌酐量被有效利用为评价肾功能的指标。
2、过去,在肌酐的测定中,需要采集受试者的血液,并用生物化学方法进行分析。但在该方法中,需要有创地对受试者的皮肤刺针等,存在对受试者而言伴有心理上或肉体上的负担这样的课题。
3、另一方面,在专利文献1中,公开了通过激光系统传感器系统级芯片来无创地测定血液中的肌酐浓度水平的技术。
4、现有技术文献
5、专利文献
6、专利文献1:jp特表2020-520768
7、非专利文献
8、非专利文献1:psychology research and behavior management 2011:481-86、summary of the clinical investigations e.s.teck complex march,20,2010要旨
9、非专利文献2:r.n.chua,y.w.hau,c.m.tiew and w.l.hau,″investigation ofattention deficit/hyperactivity disorder assessment using electrointerstitial scan based on chronoamperometry technique,″in ieee access,vol.7,pp.144679-144690,2019,doi:10.1109/access.2019.2938095.
10、非专利文献3:maarek a.electro interstitial scan system:assessment of10 years of research and development.med devices(auckl).2012;5:23-30.doi:10.2147/mder.s29319
技术实现思路
1、发明要解决的课题
2、但在专利文献1中,并未公开肌酐的具体的测定方法。
3、本发明鉴于这样的事情而提出,本发明的目的在于,提供肌酐风险推定装置、肌酐风险推定方法以及程序,不进行采血、采尿,就能根据无创的生物体信息,以极其良好的精度迅速地推定肌酐对健康的风险。
4、用于解决课题的手段
5、本发明所涉及的肌酐风险推定装置的特征在于,具备:信息取得部,其取得给定的用户的属性信息以及无创的生物体信息;推定模型存储部,其存储肌酐风险推定模型;推定处理部,其使用肌酐风险推定模型,基于给定的用户的属性信息及/或无创的生物体信息来计算给定的用户的肌酐风险推定值。
6、本发明所涉及的肌酐风险推定装置的特征在于,还具备:训练数据存储部,其存储训练数据集;和学习处理部,其基于训练数据集,通过机器学习来生成肌酐风险推定模型。
7、特征在于,属性信息包含年龄以及性别的任一者或它们的组合,无创的生物体信息包含bmi、血压、脉搏波数据、心电图数据、生物体阻抗或它们的组合。
8、特征在于,训练数据集包含受试者的属性信息、无创的生物体信息、以及从血液测定的肌酐测定值。
9、特征在于,无创的生物体信息还包含氧饱和度(spo2)。
10、特征在于,肌酐风险推定值的推定精度是能根据roc_auc为0.7以上来对风险的有无进行分类的精度。
11、特征在于,学习处理部在训练数据集中,基于从血液测定的肌酐测定值来附加表示肌酐风险的有无的标签,在标签中,在有肌酐风险的数量与无肌酐风险的数量的差为给定的值以上的情况下,使训练数据集中的样本数据增加,以便使差减小。
12、特征在于,学习处理部基于不同的种类的训练数据集,分别通过机器学习来生成第1肌酐风险推定模型以及第2肌酐风险推定模型,推定处理部使用第1肌酐风险推定模型以及第2肌酐风险推定模型来计算给定的用户的肌酐风险推定值。
13、特征在于,还具备:生物体信息推定部,其推定生物体信息中所含的bmi、血压、脉搏波数据、心电图数据以及生物体阻抗、氧饱和度当中的至少1个以上的生物体信息,信息取得部取得由生物体信息推定部推定的生物体信息,作为给定的用户的生物体信息。
14、特征在于,除了肌酐风险推定装置,还具备测定无创的生物体信息的生物体信息测定装置,来构成无创肌酐风险推定系统。
15、本发明中的肌酐风险推定方法的特征在于,包含如下步骤:存储包含受试者的属性信息、无创的生物体信息以及从血液测定的肌酐的测定值在内的训练数据集;基于训练数据集,通过机器学习来生成肌酐风险推定模型;和使用肌酐风险推定模型,基于给定的用户的属性信息及/或无创的生物体信息来计算给定的用户的肌酐风险推定值。
16、本发明中的程序使计算机执行如下步骤:存储包含受试者的属性信息、无创的生物体信息以及从血液测定的肌酐的测定值在内的训练数据集;基于训练数据集,通过机器学习来生成肌酐风险推定模型;和使用肌酐风险推定模型,基于给定的用户的属性信息及/或无创的生物体信息来计算给定的用户的肌酐风险推定值。
17、发明效果
18、根据本发明,能提供肌酐风险推定装置、肌酐风险推定方法以及程序,能使用无创的生物体信息通过机器学习以极其良好的精度来推定肌酐对健康的风险。
1.一种肌酐风险推定装置,其特征在于,具备:
2.根据权利要求1所述的肌酐风险推定装置,其特征在于,
3.根据权利要求1或2所述的肌酐风险推定装置,其特征在于,
4.根据权利要求1~3中任一项所述的肌酐风险推定装置,其特征在于,
5.根据权利要求4所述的肌酐风险推定装置,其特征在于,
6.根据权利要求5所述的肌酐风险推定装置,其特征在于,
7.根据权利要求4~6中任一项所述的肌酐风险推定装置,其特征在于,
8.根据权利要求4~7中任一项所述的肌酐风险推定装置,其特征在于,
9.根据权利要求1~8中任一项所述的肌酐风险推定装置,其特征在于,
10.一种无创肌酐风险推定系统,其特征在于,具备:
11.一种肌酐风险推定方法,其特征在于,包含如下步骤:
12.一种程序,其特征在于,使计算机执行如下步骤: