発明の詳細な説明【技術分野】 【０００１】 本発明は、Ｘ線画像による分析技術に関する。 続きを表示（約 3,000 文字）【背景技術】 【０００２】 世界人口の高齢化に伴い、老化に関する研究の重要性はさらに高まっている。老化は病気と強く関連する複雑な変化であり、また、老化が個人に与える影響には大きな異質性がある。たとえば同い年の高齢者でも、虚弱で日常生活の支援が必要な人もいれば、活動的かつ自立していて若々しい人もいる。こうした老化と健康の関係性を解明するための研究においては、生理学的指標（バイオマーカー）が用いられる。 【先行技術文献】 【非特許文献】 【０００３】 Weinert, B. T. & Timiras, P. S. Invited review: Theories of aging. J Appl Physiol (1985) 95, 1706-1716, doi:10.1152/japplphysiol.00288.2003 (2003). Higgins-Chen, A. T., Thrush, K. L. & Levine, M. E. Aging biomarkers and the brain. Semin Cell Dev Biol 116, 180-193, doi:10.1016/j.semcdb.2021.01.003 (2021). Jylhava, J., Pedersen, N. L. & Hagg, S. Biological Age Predictors. EBioMedicine 21, 29-36, doi:10.1016/j.ebiom.2017.03.046 (2017). Wagner, K. H., Cameron-Smith, D., Wessner, B. & Franzke, B. Biomarkers of Aging: From Function to Molecular Biology. Nutrients 8, doi:10.3390/nu8060338 (2016). Raghu VK, Weiss J, Hoffmann U, Aerts H, Lu MT. Deep Learning to Estimate Biological Age From Chest Radiographs. JACC Cardiovasc Imaging 2021; 14(11): 2226-36. Lu MT, Ivanov A, Mayrhofer T, Hosny A, Aerts H, Hoffmann U. Deep Learning to Assess Long-term Mortality From Chest Radiographs. JAMA Netw Open 2019; 2(7): e197416. Karargyris A, Kashyap S, Wu JT, Sharma A, Moradi M, Syeda-Mahmood T. Age prediction using a large chest x-ray dataset: SPIE; 2019. Ieki H, Ito K, Saji M, et al. Deep learning-based age estimation from chest X-rays indicates cardiovascular prognosis. Commun Med (Lond) 2022; 2(1): 159. Yang CY, Pan YJ, Chou Y, et al. Using Deep Neural Networks for Predicting Age and Sex in Healthy Adult Chest Radiographs. J Clin Med 2021; 10(19): 4431. 【発明の概要】 【発明が解決しようとする課題】 【０００４】 ところで、肺に関する検査手法として、胸部を含むＸ線写真（以下、「Ｘ線画像」とよぶ）による検査が存在する。Ｘ線画像による検査は、定期健診の機会などで高頻度に行われる、低侵襲な検査である。また、Ｘ線画像は胃、肺または骨などの様々な臓器の構造を明瞭に映すため、加齢に伴う複雑な体内変化を評価できる可能性がある。こうした特徴から、Ｘ線画像は、加齢と疾患の関係性を明らかにし得る、簡便かつ定量的な加齢のバイオマーカーとして活用できる可能性がある。 【０００５】 本発明は、本発明者による上記着眼点に基づいて完成された発明であり、その主たる目的は、数理モデルに対しＸ線画像を入力することで、被験者の年齢推定を行うことにある。 【課題を解決するための手段】 【０００６】 本発明のある態様における診断装置は、推定対象となる被験者のＸ線画像を取得する画像取得部と、Ｘ線画像から年齢を推定する数理モデルに対して、推定対象となる被験者について取得されたＸ線画像を入力値として設定することにより、推定対象となる被験者の年齢を推定する年齢推定部と、を備える。 【発明の効果】 【０００７】 本発明によれば、簡便に被験者の年齢を推定しやすくなる。 【図面の簡単な説明】 【０００８】 診断システムの全体構成図である。 診断装置の機能ブロック図である。 本発明における実施形態の流れを示すフローチャートである。 年齢推定モデルの概念図である。 電子カルテの選別の概要を示す模式図である。 実施段階における処理の概要を示す模式図である。 実年齢と推定年齢の相関を示す散布図である。 第１表示画面の模式図である。 第２表示画面の模式図である。 【発明を実施するための形態】 【０００９】 まず、本発明における診断システムの概要について説明する。つぎに、本発明において対象者の年齢を推定する、年齢推定モデルの概要について説明する。つぎに、本発明において実施される処理の詳細を、選別段階、学習段階および実施段階の各実施形態に分けて説明する。 【００１０】 はじめに、本発明における診断システム１００の概要について説明する。 図１は、診断システム１００の全体構成図である。 診断システム１００において、診断装置１０１は通信ネットワーク１０２を介して端末１０３と接続される。なお、診断装置１０１は選別装置１０４、推定装置１０５および評価装置１０６（いずれも後述）を含む。端末１０３は主に、病院内のサーバー室のワークステーションや病院の診察室にあるラップトップＰＣなどの汎用コンピュータを想定しているが、タブレットやスマートフォンなどの携帯型の通信端末であってもよい。また、端末１０３と通信ネットワーク１０２は無線接続されてもよいし、有線接続されてもよい。診断システム１００を構成する機器は、基本的に同一医療機関の同一構内に設置されることを想定する。なお、診断装置１０１を外部業者等に設置することにより、診断システム１００をいわゆるクラウドサービスとして提供してもよい。 （【００１１】以降は省略されています） この特許をJ-PlatPatで参照する
特許ウォッチ
