血球计数装置、诊断支援方法以及控制系统的利记博彩app

专利名称：血球计数装置、诊断支援方法以及控制系统的利记博彩app
技术领域：
本发明涉及血球计数装置、诊断支援方法以及控制系统。
技术背景
在规定的疾病状态的患者中，特别针对成为临床上重症的疾病状态的患者，在 医院内的集中治疗室(ICU)等设施中按照M小时体制来进行管理，而接受集中性的治 疗。如果可以针对这样的重症的患者早期地进行预后预测，则可以适当地决定之后的治疗 方针、施药的计划。此处，在临床上重症的患者中，包括被诊断成Systemichflammatory Response Syndrome (SIRS)的患者、和在呼吸、循环、代谢等中陷入重症的功能不全的患者 等。另外，预后预测是指，患者是否为高概率地导致死亡的程度的重症的预测、患者是否为 需要长期治疗的程度的重症的预测等。例如，如果可以针对被诊断为SIRS的患者，早期地 进行预后预测，则可以早期地开始适当的治疗、施药，进而可以未然地避免发展到重症的疾 病(例如，多器官功能障碍(MOD))。
以往，作为进行ICU患者的预后预测的方法，采用了 APACHE-II (Acute Physiology and Chronic Health Evaluation)、S0FA(Sepsis-related Organ Failure Assessment)进 行的得分(score)方法。
此处，在APACHE-II中，基于以作为体温、血压、I^O2、血清肌酸酐等器官功能的指 标的12个测定值为基础的点数、根据年龄的点数、慢性疾病的点数来计算出得分值。然后， 在APACHE-II中，根据所计算出的得分值对疾病的重症的程度进行层次化，进行与生存 死 亡相关的预后预测。
另外，在SOFA中，计算出基于针对吸入氧气浓度的动脉血中的氧分压比(PaO2/ FiO2)、血小板数、胆红素浓度、血压、意识障碍的评价尺度(Glasgow coma scale)、肌酸酐浓 度或者尿量这6个项目的得分值。然后，在SOFA中，根据所计算出的得分值来推测疾病的重症程度。
另夕卜，在 Axcel Stachon. et al. , Critical Care,2007 11 (3) :R62.以及 B. Montag. et al.，Pabst Science Publishers, 2003 :69-73.中，公开了重症患者的血液中 的有核红细胞(NRBC)与该患者的死亡率相关。另外，在B. Montag. et al.中，还公开了败 血症患者的血液中的未成熟粒细胞(IG)与该患者的死亡率相关。
在APACHE-II、SOFA等得分方法中，由于需要多个检查项目的信息，所以存在需要 繁杂的检查、费用增加这样的问题。
另一方面,在 Axcel Stachon. et al.以及 B. Montag. et al.中，公开了有核红细 胞(NRBC)与患者的死亡率相关，但即使将有核红细胞(NRBC)用作单独的指标来进行预后 预测，也难以从患者成为重症的疾病状态后早期地进行预后预测。另外，在B. Montag. et al.中，还公开了未成熟粒细胞(IG)与患者的死亡率相关，但即使将未成熟粒细胞(IG)用 作单独的指标来进行预后预测，仍难以早期地进行预后预测。
因此，本发明提供
(1) 一种血球计数装置，其特征在于包括
检测部，对被检验人员的血液中的血球进行检测；以及
控制部，基于由所述检测部的检测结果，取得与所述血液中的有核红细胞相关的 第ι分析信息、和与所述血液中的粒细胞相关的第2分析信息或者与所述血液中的血小板 相关的第3分析信息，基于所述取得的第1分析信息、和第2分析信息或者第3分析信息， 输出支援被检验人员的预后预测的诊断支援信息。
(2)在所述(1)所述的血球计数装置中，其特征在于，
所述控制部基于所述检测部的检测结果，取得所述第1分析信息、所述第2分析信 息、所述第3分析信息，基于所述第1分析信息至所述第3分析信息输出所述诊断支援信 息。
(3)在所述( 所述的血球计数装置中，其特征在于，
所述控制部基于所述检测部的检测结果，取得与所述血液中的未成熟网织红细胞 相关的第4分析信息，根据所述第1分析信息至所述第4分析信息输出所述诊断支援信息。
(4)在所述(1)所述的血球计数装置中，其特征在于，
所述第2分析信息是与中性球或者未成熟粒细胞相关的信息。
(5)在所述( 所述的血球计数装置中，其特征在于，
所述第3分析信息是与成熟血小板或者未成熟血小板相关的信息。
(6)在所述(3)所述的血球计数装置中，其特征在于，
所述检测部构成为对染色处理后的血液中的血球进行检测，
所述控制部取得与中性球的数量相关的信息以作为所述第2分析信息，取得与成 熟血小板相关的信息以作为所述第3分析信息，基于所述检测部的检测结果，取得表示中 性球的染色程度的第5分析信息、与未成熟粒细胞的数量相关的第6分析信息、以及与未成 熟血小板相关的第7分析信息，基于所述第1分析信息至所述第7分析信息输出所述诊断 支援信息。
(7)在所述⑴ (6)中的任意一项所述的血球计数装置中，其特征在于，
所述控制部使用规定的基准来计算出基于所述第1分析信息、和所述第2分析信 息或者所述第3分析信息的指标，基于所述计算出的指标，输出所述诊断支援信息。
(8)在所述(7)所述的血球计数装置中，其特征在于，
将所述指标与规定的阈值进行比较，基于比较后的结果来输出所述诊断支援信 肩、ο
(9)在所述⑴ (6)中的任意一项所述的血球计数装置中，其特征在于，
所述控制部使用规定的基准来计算出基于所述第1分析信息、和所述第2分析信 息或者所述第3分析信息的指标，将所述计算出的指标作为所述诊断支援信息而输出。
(10)在所述⑴ (6)中的任意一项所述的血球计数装置中，其特征在于，
所述第1分析信息是与有核红细胞的数量相关的信息，所述第2分析信息是与粒 细胞的数量相关的信息，所述第3分析信息是与血小板的数量相关的信息。
(11) 一种诊断支援方法，其特征在于，
受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、 和第2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞相关，所述第2分析信息与所述血液中的粒细胞相关，所述第3分析信息所述血液中的血小 板相关，
基于受理所述输入而得到的所述第1分析信息、和所述第2分析信息或者所述第 3分析信息，输出支援被检验人员的预后预测的诊断支援信息。
(12)在所述(11)所述的诊断支援方法中，其特征在于，
使用规定的基准来计算出基于受理输入而得到的所述第1分析信息、和所述第2 分析信息或者所述第3分析信息的指标，基于所述计算出的指标，来进行所述诊断支援信 息的输出。
(13)在所述(12)所述的诊断支援方法中，其特征在于，
将所述指标与规定的阈值进行比较，基于比较后的结果，来进行所述诊断支援信 息的输出。
(14)在所述(11)所述的诊断支援方法中，其特征在于，
所述诊断支援信息是基于受理输入而得到的所述第1分析信息、和所述第2分析 信息或者所述第3分析信息的、使用规定的基准计算出的指标。
(15)在所述(11)所述的诊断支援方法中，其特征在于，
基于所述第1分析信息、所述第2分析信息、以及所述第3分析信息，进行所述诊 断支援信息的输出。
(16)在所述(11) (15)中的任意一项所述的诊断支援方法中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息 是基于对呈现全身性的炎症反应的被检验人员的血液中的血球进行检测而得到的结果的 fn息ο
(17)在所述(11) (15)中的任意一项所述的诊断支援方法中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息 是基于对诊断为全身炎症反应综合症的被检验人员的血液中的血球进行检测而得到的结 果的信息。
(18)在所述(11) (15)中的任意一项所述的诊断支援方法中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息 是基于对集中治疗室的被检验人员的血液中的血球进行检测而得到的结果的信息。
(19) 一种诊断支援方法，其特征在于，
受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、 和第2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞 相关，所述第2分析信息与所述血液中的成熟血小板相关，所述第3分析信息与所述血液中 的未成熟血小板相关，
基于受理所述输入而得到的所述第1至第3分析信息，输出支援被检验人员的预 后预测的诊断支援信息。
(20) 一种控制系统，其特征在于，
受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、 和第2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞 相关，所述第2分析信息与所述血液中的粒细胞相关，所述第3分析信息与所述血液中的血小板相关，
基于受理输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分 析信息，输出支援被检验人员的预后预测的诊断支援信息。
(21)在所述00)所述的控制系统中，其特征在于，
使用规定的基准来计算出基于受理输入而得到的所述第1分析信息、和所述第2 分析信息或者所述第3分析信息的指标，基于所述计算出的指标，进行所述诊断支援信息 的输出。
(22)在所述所述的控制系统中，其特征在于，
将所述指标与规定的阈值进行比较，基于比较后的结果，进行所述诊断支援信息 的输出。
(23)在所述00)所述的控制系统中，其特征在于，
所述诊断支援信息是基于受理输入而得到的所述第1分析信息、和所述第2分析 信息或者所述第3分析信息的、使用规定的基准计算出的指标。
(24)在所述00)所述的控制系统中，其特征在于，
基于所述第1分析信息、所述第2分析信息、以及所述第3分析信息，进行所述诊 断支援信息的输出。
(25)在所述00) 04)中的任意一项所述的控制系统中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息 是基于对呈现全身性的炎症反应的被检验人员的血液中的血球进行检测而得到的结果的 fn息ο
(26)在所述OO) 04)中的任意一项所述的控制系统中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息 是基于对诊断为全身炎症反应综合症的被检验人员的血液中的血球进行检测而得到的结 果的信息。
(27)在所述OO) 04)中的任意一项所述的控制系统中，其特征在于，
受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息 是基于对集中治疗室的被检验人员的血液中的血球进行检测而得到的结果的信息。
根据所述(1)的装置，无需用于得到多个检查项目的信息的作业，且也无需使用 血球计数装置以外的装置来进行检查，所以可以减轻用于支援被检验人员的预后预测的检 查中所需的工作和费用。另外，通过设为(3)或者(6)那样的结构，可以仅根据可以从血球 计数装置取得的信息，从成为重症的疾病状态后早期地进行预后预测。进而，通过设为(7)、 (8)、(9)、(10)那样的结构，无需进行复杂的处理，而可以支援预后预测，可以减轻费用。
根据所述(11)的方法，可以仅根据对被检验人员的血液中的血球进行检测而得 到的结果，从成为重症的疾病状态后早期地支援预后预测，可以减轻用于支援预后预测的 检查中所需的工作和费用。另外，根据(12)或者(14)的方法，无需进行复杂的处理，而可 以支援预后预测，可以减轻费用。
根据所述OO)的系统，可以仅根据对被检验人员的血液中的血球进行检测而得 到的结果，从成为重症的疾病状态后早期地支援预后预测，可以减轻用于支援预后预测的 检查中所需的工作和费用。另外，根据或者03)的系统，无需进行复杂的处理，而可以支援预后预测，可以减轻费用。


图1是示出本发明的实施方式的血球计数装置的概略结构的主视图。
图2是示出本发明的实施方式的血球计数装置的检测单元的结构的框图。
图3是示意性地示出本发明的实施方式的血球计数装置的检测部的结构的概略 平面图。
图4是示出本发明的实施方式的血球计数装置的数据处理单元的结构的框图。
图5是示出本发明的实施方式的血球计数装置的数据处理单元的数据处理部的 CPU的处理步骤的流程图。
图6是示出由本发明的实施方式的血球计数装置制作出的NRBC散布图的图。
图7是示出由本发明的实施方式的血球计数装置制作出的DIFF散布图的图。
图8是示出由本发明的实施方式的血球计数装置制作出的WBC/BAS0散布图的图。
图9是示出由本发明的实施方式的血球计数装置制作出的RET散布图的图。
图10是示出将由本发明的实施方式的血球计数装置制作出的RET散布图的一部 分放大的部分的图。
图11是示出ROC曲线的图。
图12是示出本发明的实施方式的血球计数装置的数据处理单元的数据处理部的 CPU的计算指标(ICPS)的步骤的流程图。
图13是示出本发明的实施方式的血球计数装置的数据处理单元的数据处理部的 CPU的计算指标(ICPS)的步骤的流程图。
图14是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的经时变化，分成没有导致死亡的 SIRS患者群以及导致了死亡的SIRS患者群而示出的图。
图15是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的有核红细 胞的数量(NRBC#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS 患者群而示出的图。
图16是将在图15中示出的图的纵轴变换成有核红细胞的数量(NRBC#)的得分值 的图。
图17是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的未成熟粒 细胞的数量(IG#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS 患者群而示出的图。
图18是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的 SIRS患者群而示出的图。
图19是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的 SIRS患者群而示出的图。
图20是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标(ICPS(NRBC#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡 的SIRS患者群而示出的图。
图21是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#_IRF#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群以及导致 了死亡的SIRS患者群而示出的图。
图22是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#+PLT#+IG#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡 的SIRS患者群而示出的图。
图23是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#+PLT#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死 亡的SIRS患者群而示出的图。
图M是将通过血球计数装置对多个SIRS患者的血液进行测定而得到的指标 (ICPS (NRBC#+PLT#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死 亡的SIRS患者群而示出的图。
具体实施方式
以下，根据附图，对本发明的实施方式中的血球计数装置、诊断支援装置、诊断支 援方法以及计算机程序进行具体说明。
以下的实施方式不限定权利要求书记载的发明，在实施方式中说明的特征性的事 项的所有组合当然不是解决手段的必须事项。
图1是示出本发明的实施方式的血球计数装置的概略结构的主视图。如图1所示， 本发明的实施方式的血球计数装置1是对成为规定的疾病状态(例如，SIRS等重症的疾病 状态)后的被检验人员(患者)的血液中的血球进行检测，来支援被检验人员的预后预测 的装置，主要包括检测单元2以及数据处理单元3。检测单元2对被检验人员的血液中的 血球进行检测。数据处理单元3接收包括由检测单元2检测出的结果的数据并进行分析处 理。血球计数装置1例如设置在医院、病理检查设施等医疗机关的设施内。检测单元2与 数据处理单元3通过传送电缆3a连接，以便可以相互进行数据通信。另外，不限于通过传 送电缆3a直接连接检测单元2与数据处理单元3的结构。也可以经由例如使用了电话线 路的专用线路、LAN、因特网等通信网络来连接检测单元2和数据处理单元3。
在检测单元2的正面的右下部分，设置有可以设置收容了被检验人员的血液的采 血管的采血管设置部加。通过操作人员按下设置在其附近的按钮开关2b而使采血管设置 部加推出到操作人员侧，而成为可以设置采血管的状态。在设置了采血管后，操作人员再 次按下按钮开关2b，从而采血管设置部加移动到检测单元2侧而被收纳。
图2是示出本发明的实施方式的血球计数装置1的检测单元2的结构的框图。如 图2所示，检测单元2具备与以往的血球计数装置的主体部同样的结构，具备试样供给部4、 检测部5、控制部8、通信部。试样供给部4是具备腔、多个电磁阀、隔膜泵等的流体单元，将 设置在检测单元2中的被检验人员的血液和试剂混合后的检测试样供给到检测部5。控制 部8对检测单元2的各种构成要素的动作进行控制。通信部9例如是RS-232C接口、USB接 口、Ethernet (注册商标)接口，在与数据处理单元3之间进行数据的发送接收。10
图3是示意地示出本发明的实施方式的血球计数装置1的检测部5的结构的概略 平面图。如图3所示，检测部5是光学式的流式细胞仪，通过利用半导体激光器的流式细胞 术法对血液中的有核红细胞(NRBC)、网织红细胞(RET)、成熟红细胞(RBC)、白血球(WBC)、 血小板(PLT)等进行检测。另外，在本说明书中，将“红细胞”以包括“有核红细胞(NRBC) ”、 “网织红细胞(RET) ”以及“成熟红细胞(RBC) ”的全部的概念来使用。另外，将“血小板”用 作包括“成熟血小板”以及“未成熟血小板”的概念来使用。检测部5具备形成检测试样的 液流的流通池51。流通池51通过具有透光性的石英、玻璃、合成树脂等材料形成为管状，其 内部成为检测试样以及稍液流通的流路。在检测部5中，以朝向流通池51射出激光的方式 配置了半导体激光器光源52。在半导体激光器光源52与流通池51之间，配置了由多个透 镜构成的照射透镜系统53。通过照射透镜系统53，从半导体激光器光源52射出的平行波 束被聚光成光束点(beam spot)。另外，在从半导体激光器光源52直线地延伸的光轴上，以 夹着流通池51并与照射透镜系统53对向的方式，设置了光电二极管M，以遮挡来自半导体 激光器光源52的直接光方式，配置了波束阻挡器Ma。
当对流通池51流通了检测试样，则通过激光而产生散射光以及荧光的光。通过光 电二极管M对所产生的光中的激光的照射方向(前方)的光进行光电变换。沿着从半导 体激光器光源52直线地延伸的光轴行进的光中的、来自半导体激光器光源52的直接光被 波束阻挡器5 遮挡，向光电二极管M仅入射沿着大至光轴方向行进的散射光(以下，称 为前方散射光)。针对从流通池51中流通的检测试样发出的前方散射光，通过光电二极管 54进行光电变换，针对光电变换后的电信号(以下，称为前方散射光信号)，通过放大器54b 进行放大后，输出到控制部8。前方散射光信号反映了血球的大小。
另外，在流通池51的侧方，且相对从半导体激光器光源52向光电二极管M直线 地延伸的光轴交差的方向上，配置了侧方聚光透镜55，侧方聚光透镜55对在向流通池51 中流通的检测试样照射了激光时产生的侧方光(向相对光轴交差的方向射出的光)进行聚 光。在侧方聚光透镜55的下游侧，设置了分色镜56，针对由侧方聚光透镜55聚光的光，通 过分色镜56分成散射光分量和荧光分量。在由分色镜56反射的光轴方向(在和连接侧方 聚光透镜55与分色镜56的光轴方向交差的方向)上，配置了侧方散射光受光用的光电二 极管57，在透射分色镜56的光轴方向上，配置了侧方荧光受光用的光学滤色片58a以及光 电二极管58。
由分色镜56反射的光是侧方散射光，通过光电二极管57进行光电变换，把光电变 换后的电信号(以下，称为侧方散射光信号)，通过放大器57a进行放大后，输入到控制部 8。侧方散射光信号反映了血球的内部信息(核的大小等)。另外，透射了分色镜56的光是 侧方荧光，在通过光学滤色片58a进行波长选择之后，通过光电二极管58进行光电变换，把 光电变换后的电信号(以下，称为侧方荧光信号)，通过放大器58b进行放大后，输出到控制 部8。侧方荧光信号反映了表示血球的染色程度的信息。
图4是示出本发明的实施方式的血球计数装置1的数据处理单元3的结构的框 图。如图4所示，数据处理单元3至少包括由CPU(中央运算装置)等构成的数据处理部 31、图像显示部32、输入部33。数据处理部31包括CPU31a、存储器31b、硬盘31c、读出装 置31d、输入输出接口 31e、图像输出接口 31f、通信接口 31g、内部总线31h。在数据处理部 31中，CPU31a经由内部总线31h分别与存储器31b、硬盘31c、读出装置31d、输入输出接口31e、图像输出接口 31f、通信接口 31g连接。
CPU31a对所述硬件各部的动作进行控制，按照存储在硬盘31c中的计算机程序 34，对从检测单元2接收到的数据进行处理。
存储器31b由SRAM、闪存存储器等易失性存储器构成，在执行计算机程序34时展 开装载模块，存储在执行计算机程序34时产生的临时的数据等。
硬盘31c由内置的固定型存储装置等构成。从记录了程序以及数据等信息的DVD、 ⑶-ROM等可移动记录媒体35，通过可移动盘驱动器即读出装置31d下载存储到硬盘31c中 的计算机程序34，在执行时从硬盘31c向存储器31b展开而执行。当然，也可以是经由通信 接口 31g而从外部的计算机下载的计算机程序。在硬盘31c中，作为支援被检验人员的预 后预测的诊断支援信息，例如存储有表示重症度极高且导致死亡的概率较高的消息；以 及表示重症度是中等程度，且导致死亡的概率较低的消息。另外，还存储有在对分析信息 进行得分化时使用的每个分析信息的得分用阈值(在后面说明)；以及用于进行被检验人 员的预后预测的判别用阈值(在后面说明)。
输入输出接口 31e与由键盘、输入板等构成的输入部33连接。图像输出接口 31f 与CRT监视器、IXD等图像显示部32连接。
通信接口 3Ig与内部总线3Ih连接，通过连接到因特网、LAN、WAN等外部的网络网， 可以与外部的计算机、检测单元2等进行数据发送接收。例如所述硬盘31c不限于内置于 数据处理单元3的结构，而也可以是经由通信接口 31g连接的外部的存储设备等外部记录 媒体。
以下，对本发明的实施方式的血球计数装置1的动作进行说明。首先，血球计数装 置1的试样供给部4从设置在采血管设置部加内的采血管中吸引血液，将所吸引出的血液 分割成4个等分试样，并添加规定的专用试剂，从而调制NRBC检测试样、RET检测试样、DIFF 检测试样、以及WBC/BAS0检测试样。另外，通过对血液进行稀释处理，进而使用有核红细胞 检测用的专用试剂来进行染色处理，从而调制NRBC检测试样。通过对血液进行稀释处理， 进而使用网状红细胞检测用的专用试剂来进行染色处理，从而调制RET检测试样。通过对 血液进行稀释处理，使用白血球分类用的专用试剂来进行溶血处理，进而使用DIFF检测用 的专用试剂来进行染色处理，从而调制DIFF检测试样。通过对血液进行稀释处理，进而使 用白血球检测用的专用试剂来进行溶血处理，从而调制WBC/BAS0检测试样。试样供给部4 将所调制出的检测试样供给到检测部5的流通池51。
图5是示出本发明的实施方式的血球计数装置1的数据处理单元3的数据处理部 31的CPU31a的处理步骤的流程图。首先，当对流通池51供给了检测试样后，CPU31a经由 通信接口 31g，分别接收从检测单元2的检测部5输出的前方散射光信号、侧方散射光信号、 侧方荧光信号的数据，并存储在存储器31b中(步骤S51)。CPU31a根据存储在存储器31b 中的由检测部5检测出的前方散射光信号、侧方散射光信号、侧方荧光信号的数据来制作 多个散布图(步骤S52)。具体而言，CPU3Ia在步骤S52中，针对NRBC检测试样，制作出以 前方散射光信号为Y轴方向、以侧方荧光信号为X轴方向的NRBC散布图，针对RET检测试 样，制作出以前方散射光信号为Y轴方向、以侧方荧光信号为X轴方向的RET散布图，针对 DIFF检测试样，制作出以侧方荧光信号为Y轴方向、以侧方散射光信号为X轴方向的DIFF 散布图，针对WBC/BAS0检测试样，制作出以前方散射光信号为Y轴方向、以侧方散射光信号为X轴方向的WBC/BAS0散布图。
接下来，CPU31a使用NRBC散布图，计算出有核红细胞的数量(NRBC#)(步骤S53)， 取得为与血液中的有核红细胞(NRBC)相关的分析信息。图6是示出由本发明的实施方式 的血球计数装置1制作出的NRBC散布图的图。如图6所示，在NRBC散布图中，将血球分类 成有核红细胞(NRBC)区域60、白血球(WBC)区域61、红细胞影(ghost)区域62这三个区 域。通过数出包含在有核红细胞(NRBC)区域60中的红细胞的个数，可以计算出有核红细 胞的数量(NRBC#)。
接下来，CPU31a使用DIFF散布图以及WBC/BAS0散布图，计算出中性球的数量 (Neut#)(步骤S54)，取得为与粒细胞相关的分析信息。另外，在本说明书中，将“粒细胞”用 作包括“成熟粒细胞”以及“未成熟粒细胞”这两方的概念。在“成熟粒细胞”中，包括中性 球(Neut)、嗜酸球(EO)、嗜碱球(BASO)。图7是示出由本发明的实施方式的血球计数装置 1制作出的DIFF散布图的图。图8是示出由本发明的实施方式的血球计数装置1制作出的 WBC/BAS0散布图的图。如图7所示，在DIFF散布图中，将白血球(WBC)分类成单球(MONO) 区域71、淋巴球(LYMPH)区域72、中性球(Neut) +嗜碱球(BASO)区域73、嗜酸球(EO)区域 74、以及未成熟粒细胞(IG)区域75这五个区域。因此，通过从DIFF散布图中，数出中性球 (Neut)+嗜碱球(BASO)区域73的白血球(WBC)的个数，可以计算出中性球(Neut)的数量 与嗜碱球(BASO)的数量之和。
为了根据中性球(Neut)的数量与嗜碱球(BASO)的数量之和来计算出中性球的数 量(Neut#)，使用WBC/BAS0散布图来求出嗜碱球(BASO)的数量。如图8所示，在WBC/BAS0 散布图中，将白血球(WBC)分类成单球(MONO) +淋巴球(LYMPH)+中性球(Neut)+嗜酸球 (EO)区域81、和嗜碱球(BASO)区域82这二个区域。因此，通过从WBC/BAS0散布图中，数 出嗜碱球(BASO)区域82的白血球(WBC)的个数，可以计算出嗜碱球(BASO)的数量。通过 从根据DIFF散布图计算出的中性球(Neut)的数量与嗜碱球(BASO)的数量之和中，减去根 据WBC/BAS0散布图计算出的嗜碱球(BASO)的数量，可以计算出中性球的数量(Neut#)。
接下来，CPU31a使用DIFF散布图，计算出表示中性球的染色程度的值(Neut-Y) (步骤S55)，取得作为与粒细胞相关的分析信息。具体而言，通过根据DIFF散布图，计算出 中性球(Neut)+嗜碱球(BASO)区域73中包含的所有血球(即中性球(Neut)以及嗜碱球 (BASO))的侧方荧光强度的平均值，可以计算出表示中性球的染色程度的值(Neut-Y)。另 外，虽然在所计算出的表示中性球的染色程度的值(Neut-Y)中，包含嗜碱球(BASO)的侧方 散射光强度的影响，但嗜碱球(BASO)的数量较少而影响较小。
接下来，CPU31a使用DIFF散布图，计算出未成熟粒细胞的数量(IG#)(步骤S56)， 取得作为与粒细胞相关的分析信息。具体而言，通过从DIFF散布图，数出未成熟粒细胞 (IG)区域75的白血球(WBC)的个数，可以计算出未成熟粒细胞的数量(IG#)。
接下来，CPU31a使用RET散布图，计算出成熟血小板的数量(PLT#)(步骤S57)， 取得作为与血液中的血小板相关的分析信息。图9是示出由本发明的实施方式的血球计数 装置1制作出的RET散布图的图。如图9所示，在RET散布图中，将血液分类成成熟红细胞 (RBC)区域90、血小板(PLT)区域91、网织红细胞(RET)区域92这三个区域。然后，通过 从RET散布图，数出血小板(PLT)区域91的血小板的个数，可以计算出成熟血小板的数量 (PLT#)。
接下来，CPU31a使用RET散布图，计算出未成熟网织红细胞的数量(IRF#)(步 骤S58)，取得为与血液中的未成熟网织红细胞相关的分析信息。具体而言，将网织红细胞 (RET)区域92根据侧方荧光强度，分成低荧光强度区域LFR、中荧光强度区域MFR、高荧光强 度区域HFR这三个区域，数出中荧光强度区域MFR中包含的网织红细胞的个数以及高荧光 强度区域HFR中包含的网织红细胞的个数，并对它们进行加法运算，从而可以计算出未成 熟网织红细胞的数量(IRF#)。
接下来，CPU31a使用RET散布图，在血小板(PLT)区域91中，计算出与核酸染色荧 光色素良好地反应的大型且侧方荧光强度较高的区域(IPF分度区域)中出现的未成熟血 小板的数量(IPF#)(步骤S59)，取得作为与血液中的未成熟血小板相关的分析信息。图10 是示出将由本发明的实施方式的血球计数装置1制作出的RET散布图的一部分放大的部分 的图。如图10所示，血小板(PLT)区域91可以分成IPF分度区域91a和除此以外的区域。 因此，通过从RET散布图数出IPF分度区域91a的血小板的个数，可以计算出未成熟血小板 的数量(IPF#)。另外，在步骤S57中计算出的成熟血小板的数量(PLT#)中，还包括未成熟 血小板的数量(IPF#)，但由于未成熟血小板的数量与成熟血小板的数量相比十分小，所以 在本实施方式中，将血小板(PLT)区域91的血小板的数量作为成熟血小板的数量(PLT#)。 当然，也可以将从血小板(PLT)区域91的血小板的数量中减去未成熟血小板的数量(IPF#) 而得到的数值作为成熟血小板的数量(PLT#)。
接下来，CPU31a根据在步骤S53至步骤S59中计算而取得的多个分析信息 (NRBC#、Neut#、Neut-Y, IG#、PLT#、IRF#、IPF#)，针对每个分析信息(Neut#、Neut-Y, IG#、 NRBC#_IRF#、PLT#_IPF#)，按照规定的基准设定得分值，对所设定的得分值进行加法运算而 计算出指标(步骤S60)。此处，分析信息(NRBC#_IRF#)是基于有核红细胞的数量(NRBC#) 和未成熟网织红细胞的数量(IRF#)的分析信息，分析信息(PLT#_IPF#)是基于成熟血小板 的数量(PLT#)和未成熟血小板的数量(IPF#)的分析信息。另外，将在步骤S60中计算的 指标在以下称为指标(ICPS intensive CarePrognostic Score)。通过对在步骤S53至步 骤S59中取得的分析信息、与在硬盘31c中预先针对每个分析信息存储的得分用阈值进行 比较，来设定针对每个分析信息设定的得分值。
此处，对得分用阈值的决定方法进行说明。例如通过以下的方法，由血球计数装置 1的开发人员等预先决定得分用阈值，并将其存储在硬盘31c中。在本发明的实施方式中， 使用了 ROC(Receiver OperatingCharacteristic，接受者操作特性)曲线的 ROC 分析。一 般，将ROC分析用于筛选检查等的精度的评价、以往的检查与新的检查的比较中。在以纵轴 为灵敏度(％)、以横轴为100-特异度(％)的平面图上示出ROC曲线。另外，灵敏度(％) 是指，预测为重症度极其高且导致死亡的概率较高的被检验人员的数量相对由于规定的疾 病而导致了死亡的被检验人员的数量的比例。特异度(％)是指，预测为重症度是中等程度 且导致死亡的概率较低的被检验人员的数量相对由于规定的疾病没有导致死亡的被检验 人员的数量的比例。
由血球计数装置1的开发人员等，如下所述生成ROC曲线。在例如将未成熟粒细 胞的数量(IG#)用作分析信息的情况下，开发人员等设定某阈值，并根据该阈值和被检验 人员的未成熟粒细胞的数量(IG#)，进行被检验人员的预后预测。针对多个被检验人员执 行该预后预测。然后，开发人员等根据进行多个被检验人员的预后预测而得到的结果，计算出灵敏度(％)以及特异度(％)。进而，开发人员等在所述以纵轴为灵敏度(％)、以横轴 为100-特异度(％ )的平面图上，在与所计算出的灵敏度(％ )以及特异度(％ )对应的位 置，附加标记(点)。即，该标记(点)对应于所设定的阈值下的灵敏度(％ )以及特异度 (%)。开发人员等一边使阈值依次变化，一边反复所述判别、计算、以及附加标记。然后，开 发人员等描绘出对所述平面图上附加的多个标记(点)进行近似的曲线。该曲线便是ROC 曲线。
图11是示出ROC曲线的图。在图11所示的平面图中，纵轴是灵敏度，横轴是 100-特异度，曲线111是未成熟粒细胞的数量(IG#)的ROC曲线。在曲线111中，从坐标 (0,100)到曲线111的距离1最短的点Illa是灵敏度和特异度的平衡最佳的点。而且，在 对点Illa附加标记时设定的阈值是最佳截断值。另外，在由曲线111和轴包围的面积中， 坐标(100,0)侧的面积是未成熟粒细胞的数量(IG#) ^ AUC(Area Under the Curve，曲线 下面积)111b。
返回到得分用阈值的决定方法的说明。首先，开发人员等根据ROC曲线取得最佳 截断值，将该最佳截断值决定为第1得分用阈值。接下来，开发人员等将根据ROC曲线针对 特异度成为85%的点设定的阈值决定为第2得分用阈值。进而，开发人员等将根据ROC曲 线针对特异度成为95%的点设定的阈值决定为第3得分用阈值。例如，未成熟粒细胞的数 量(IG#)的第1至第3得分用阈值分别是150个/μ1、500个/μ1、1000个/μ 。中性球 的数量(Neut#)的第1至第3得分用阈值分别是11000个/ μ 1、15000个/ μ 1、22000个/ μ 1。表示中性球的染色程度的值(Neut-Y)的第1至第3得分用阈值分别是480、500、550。 血小板的数量(PLT#)的第1至第3得分用阈值分别是150 X IO3个/ μ 1、100 X IO3个/ μ 1、 50Χ103个/μ 1。对于NRBC#_IRF#、PLT#_IPF#，也由血球计数装置1的开发人员等通过同 样的方法来决定得分用阈值，并存储在硬盘31c中。
以下，说明如下处理CPU31a使用预先存储在硬盘31c中的所述得分用阈值，针对 每个分析信息设定得分值，对所设定的得分值进行加法运算而计算出指标(ICPQ。图12 以及图13是示出通过本发明的实施方式的血球计数装置1的数据处理单元3的数据处理 部31的CPU31a计算出指标(ICPQ的步骤的流程图。CPU31a从在图5的步骤S53至步骤 S59中进行计算而取得的多个分析信息中选择依次进行得分化的分析信息(步骤S121)。 CPU31a判断在步骤S121中选择出的分析信息是否为中性球的数量(Neut#)、表示中性球的 染色程度的值(Neut-Y)、未成熟粒细胞的数量(IG#)中的某一个(步骤S122)。在CPU31a 判断为在步骤S121中选择出的分析信息是中性球的数量(Neut#)、表示中性球的染色程 度的值(Neut-Y)、未成熟粒细胞的数量(IG#)中的某一个的情况下(步骤S122:“YES”)， CPU31a使处理进入到图13的步骤S131。例如，对在步骤S121中选择出的分析信息是中 性球的数量(Neut#)的情况进行说明。CPU31a判断在步骤S54中计算出的中性球的数量 (Neut#)是否为第1得分用阈值以上(步骤S131)。在CPU31a判断为在步骤S54中计算出 的中性球的数量(Neut#)小于第1得分用阈值的情况下(步骤S131 “否”)，CPU31a对在 步骤S54中计算出的中性球的数量(Neut#)将得分值设定为‘0(零)’(步骤S132)。
在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)是第1得分用阈 值以上的情况下(步骤S131 “是”)，CPU31a判断在步骤S54中计算出的中性球的数量 (Neut#)是否为第2得分用阈值以上(步骤S133)。在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)小于第2得分用阈值的情况下(步骤S133: “否”)，CPU31a对在 步骤S54中计算出的中性球的数量(Neut#)将得分值设定为‘1，(步骤S134)。
在CPU31a判断为在步骤S54中计算出的中性球的数量(Neut#)是第2得分用阈 值以上的情况下(步骤S133:“是”)，CPU31a判断在步骤S54中计算出的中性球的数量 (Neut#)是否为第3得分用阈值以上(步骤S135)。在CPU31a判断为在步骤S54中计算出 的中性球的数量(Neut#)小于第3得分用阈值的情况下(步骤S135 “否”)，CPU31a对在 步骤S54中计算出的中性球的数量(Neut#)将得分值设定为‘2’(步骤S136)。在CPU31a 判断为在步骤S54中计算出的中性球的数量(Neut#)是第3得分用阈值以上的情况下(步 骤S135 “是”)，CPU31a对在步骤S54中计算出的中性球的数量(Neut#)将得分值设定为 ‘4，(步骤S137)。然后，CPU31a使处理进入到图12的步骤S125。
在CPU31a判断为在步骤S121中选择出的分析信息不是中性球的数量(Neut#)、 表示中性球的染色程度的值(Neut-Y)、未成熟粒细胞的数量(IG#)中的任意一个的情况下 (步骤S122 “否”)，CPU31a判断在步骤S121中选择出的分析信息是否为NRBC#_IRF#(步 骤S123)。在CPU31a判断为在步骤S121中选择出的分析信息是NRBC#_IRF#的情况下(步 骤S123 “是”)，CPU31a使处理进入到步骤S127。
在步骤S127中，首先，对有核红细胞的数量(NRBC#)进行得分化。在硬盘31c中， 存储有所述第1以及第2得分用阈值，进而，作为第3得分用阈值，存储有针对特异度成为 90%的点设定的阈值，作为第4得分用阈值，存储有针对特异度成为95%的点设定的阈值。 然后，CPU31a通过与所述步骤S131至S137同样的方法对有核红细胞的数量(NRBC#)进行 得分化。此时，在有核红细胞的数量(NRBC#)是第3得分用阈值以上且小于第4得分用阈值 的情况下，得分值被设定为‘3’，在是第4得分用阈值以上的情况下，得分值被设定为‘4’。 在硬盘31c中，进而，作为与IRF#相关的得分用阈值，存储有15个/ μ 1以及50个/ μ 1这 2个阈值。于是，在步骤S58中取得的值小于15个/μ 1、或者是50个/μ 1以上的 情况下，对针对有核红细胞的数量(NRBC#)设定的得分值被加上‘2’。将这样求出的得分值 设定为NRBC#_IRF#的得分值。然后，CPU31a使处理进入到步骤S125。
在CPU31a判断为在步骤S121中选择出的分析信息并非NRBC#_IRF#的情况下 (步骤S123 “否”)，CPU31a判断在步骤S121中选择出的分析信息是否为PLT#_IPF#(步骤 S124)。在CPU31a判断为在步骤S121中选择出的分析信息并非PLT#_IPF#的情况下(步 骤S124 “否”)，CPU31a使处理进入到步骤S125。在CPU31a判断为在步骤S121中选择出 的分析信息是PLT#_IPF#的情况下(步骤S124 “是”)，CPU31a使处理进入到步骤S128.
在硬盘31c中，作为针对血小板的数量(PLT#)的得分用阈值，存储有50 X IO3个 /μ 1、100X IO3个/μ 1、150X IO3个/μ 1，作为针对未成熟血小板的数量(IPF#)的得分 用阈值，存储有5000个/μ 1。根据过去的统计数据，设定这些得分用阈值。在步骤SU8 中，CPU31a根据这些得分用阈值来设定分值。具体而言，在血小板的数量 (PLT#)是150X 103个/μ 1以上的情况下，得分值被设定为‘0’。在血小板的数量(PLT#) 是100X 103个/μ 1以上且小于150Χ103个/μ 、并且未成熟血小板的数量(IPF#)小于 5000个/ μ 1的情况下，得分值被设定为‘1’。另外，在血小板的数量(PLT#)是50 X IO3个 /μ 以上且小于100 X IO3个/μ 1、并且未成熟血小板的数量(IPF#)是5000个/ μ 1以上 的情况下，得分值也被设定为‘1’。在血小板的数量(PLT#)小于50X 103个/μ 、并且未16成熟血小板的数量(IPF#)是5000个/μ 1以上的情况下，得分值被设定为‘2’。在血小板 的数量(PLT#)是50X IO3个/μ 1以上且小于100X IO3个/μ 1、并且未成熟血小板的数量 (IPF#)小于5000个/μ 1的情况下，得分值被设定为‘3’。在血小板的数量(PLT#)小于 50 X IO3个/ μ 1、并且未成熟血小板的数量(IPF#)小于5000个/ μ 1的情况下，得分值被 设定为‘4’。
CPU31a判断在分析信息中，是否有尚未得分化的分析信息(步骤S125)。在CPU31a 判断为在分析信息中还有尚未得分化的分析信息的情况下(步骤S125 “是”)，CPU31a使处 理返回到步骤S121。在CPU31a判断为对所有分析信息进行了得分化的情况下(步骤S125 “否”)。CPU31a对针对每个分析信息设定的得分值进行加法运算而计算出指标(ICPQ(步 骤SU6)。另外，对于为了计算指标(ICPQ而针对每个分析信息设定的得分值进行加法运 算的方法，不限于对于针对每个分析信息设定的得分值单纯地进行加法运算的方法，也可 以使用将针对每个分析信息设定的得分值应用到规定的指标(ICPQ计算式中的方法，例 如，也可以是对针对每个分析信息设定的得分值适宜地进行加权而进行加法运算的方法。
回到图5，CPU31a根据在步骤S60中计算出的指标(ICPS)来进行被检验人员的预 后预测(步骤S61)。作为基于指标(ICPS)的被检验人员的预后预测，CPU31a对指标(ICPS) 与存储在硬盘31c中的判别用阈值进行比较，如果指标(ICPS)是判别用阈值以上，则判别 为重症度极其高且导致死亡的概率较高，如果指标(ICPS)小于判别用阈值，则判断为重症 度是中等程度且导致死亡的概率较低。
此处，作为基于在步骤S60中计算出的指标(ICPQ的被检验人员的预后预测，以 下说明可以进行重症度极其高且导致死亡的概率较高、还是重症度是中等程度且导致死亡 的概率较低的判别、以及与指标(ICPS)进行比较的判别用阈值的决定方法。另外，由血球 计数装置1的开发人员等预先决定判别用阈值，并存储在硬盘31c中。另外，在以下说明的 指标(ICPS)中，通过所述方法对指标(ICPS( *** + ***))的“ * * * ”中记载的分 析信息分别进行得分化，以作为对得分化的值进行加法运算而计算出的值。
图14是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指 标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的经时变化，分成没有导致死 亡的SIRS患者群以及导致了死亡的SIRS患者群而示出的图。在图14中，以从诊断为 是SIRS的日起的日数为横轴、以对NRBC#_IRF#、PLT#_IPF#、Neut#、Neut-Y、IG#分别进 行得分化并相加而计算出的指标(ICPS (NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#)) 为纵轴。折线141表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#_IRF#+PLT#_ IPF#+Neut#+Neut-Y+IG#))的平均值，折线142表示导致了死亡的SIRS患者群的指标 (ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的平均值。另外，折线 141、142 所示的 误差棒表示各个指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))的最高值和最 低值。
在折线141 中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut_Y+IG#))几乎不 会大于 ‘5，，在折线 142 中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))几乎 不会成为‘5’以下，所以可以将‘5’决定为SIRS的重症度极其高且导致死亡的概率较高、还 是SIRS的重症度是中等程度且导致死亡的概率较低的判别用阈值。即，使用本发明的实施 方式的血球计数装置 1,计算出指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))，如果所计算出的指标(ICPS(NRBC#_IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))是 ‘5，以 上，则可以预测为重症度极其高且导致死亡的概率较高。相反，如果指标(ICPS(NRBC#_ IRF#+PLT#_IPF#+Neut#+Neut-Y+IG#))小于‘5，，则可以预测为重症度是中等程度且导致 死亡的概率较低。
回到通过CPU31a进行的诊断支援信息输出处理的说明(参照图5)。CPU31a根据 步骤S61中的比较结果，从硬盘31c中读出诊断支援信息，经由图像输出接口 31f输出到图 像显示部32，经由通信接口 31g输出到其他计算机、打印机等(步骤S6》。具体而言，在步 骤S62中，如果在步骤S61中进行被检验人员的预后预测而得到的结果是重症度极其高且 导致死亡的概率较高的判别(即，指标(ICPS)是判别用阈值以上)，则从硬盘31c中，读出 表示重症度极其高且导致死亡的概率较高的消息，作为诊断支援信息而输出。另外，在步骤 S62中，如果在步骤S61中进行被检验人员的预后预测而得到的结果为重症度是中等程度 且导致死亡的概率较低的判别(即，指标(ICPS)小于判别用阈值)，则从硬盘31c中，读出 表示重症度是中等程度且导致死亡的概率较低的消息，作为诊断支援信息而输出。
此处，作为比较例，对作为用于计算指标(ICPS)的分析信息，单独使用了有核红 细胞的数量或者未成熟粒细胞的数量的情况下的预后预测的可否进行说明。
图15是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的有核红 细胞的数量(NRBC#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS 患者群而示出的图。在图15中，以从诊断为是SIRS的日起的日数为横轴、以有核红细胞的 数量(NRBC#)的计数值为纵轴。折线151表示没有导致死亡的SIRS患者群中的有核红细胞 的数量(NRBC#)的平均值，折线152表示导致了死亡的SIRS患者群中的有核红细胞的数量 (NRBC#)的平均值。另外，折线151、152所示的误差棒表示各个有核红细胞的数量(NRBC#) 的计数值的最高值和最低值。
如图15所示，从诊断为是SIRS的日到第25日，无法通过某阈值来分开折线151 和折线152，所以无法单独使用有核红细胞的数量(NRBC#)计数值来判别重症度极其高且 导致死亡的概率较高、还是重症度是中等程度且导致死亡的概率较低。另一方面，如果对 图14与图15进行比较，则在使用了本发明的实施方式的指标(ICPS(NRBC#_IRF#+PLT#_ IPF#+Neut#+Neut-Y+IG#))的情况下，可以与单独使用了有核红细胞的数量(NRBC#)的情 况相比更早期地支援预后预测。
图16是将图15中示出的图的纵轴变换为有核红细胞的数量(NRBC#)的得分值的 图。在向得分值的变换中，使用了与步骤S127中的有核红细胞的数量(NRBC#)的得分化 相同的方法。在图16中，以从诊断为是SIRS的日起的日数为横轴、以有核红细胞的数量 (NRBC#)的得分值为纵轴。折线161表示没有导致死亡的SIRS患者群中的有核红细胞的数 量(NRBC#)的得分值的平均值，折线162表示导致了死亡的SIRS患者群中的有核红细胞的 数量(NRBC#)的得分值的平均值。另外，折线161、162所示的误差棒表示各个有核红细胞 的数量(NRBC#)的得分值的最高值和最低值。
如图16所示，从诊断为是SIRS的日到第5日为止，折线161和折线162处于非 常近的位置，而无法通过某阈值来分开，所以无法单独使用有核红细胞的数量(NRBC#)的 得分值，来判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等 程度且导致死亡的概率较低。另一方面，如果对图14与图16进行比较，则在使用本发明的实施方式的指标(ICPS(NRBC#+Neut#))来判别重症度极其高且导致死亡的概率较高、还是 重症度是中等程度且导致死亡的概率较低的情况下，可以与单独使用了有核红细胞的数量 (NRBC#)的得分值的情况相比更早期地支援预后预测。
图17是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的未成熟 粒细胞的数量(IG#)的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的SIRS 患者群而示出的图。在图17中，以从诊断为是SIRS的日起的日数为横轴、以未成熟粒细胞 的数量(IG#)的得分值为纵轴。折线171表示没有导致死亡的SIRS患者群中的未成熟粒 细胞的数量(IG#)的得分值的平均值，折线172表示导致了死亡的SIRS患者群中的未成熟 粒细胞的数量(IG#)的得分值的平均值。另外，折线171、172所示的误差棒表示各个未成 熟粒细胞的数量(IG#)的得分值的最高值和最低值。
如图17所示，折线171和折线172重叠，而无法单独使用未成熟粒细胞的数量 (IG#)的得分值，来判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度 是中等程度且导致死亡的概率较低。
另外，在所述实施方式中，在指标(ICPQ的计算中使用了所述所有分析信息 (Neut#、Neut-Y、IG#、NRBC#_IRF#、PLT#_IPF#)，但无需使用它们的全部，而也可以从这些分 析信息中选择规定的2个以上的分析信息，进行得分化，对所得到的多个得分值进行加法 运算。另外，也可以不对NRBC#_IRF#进行得分化，而对有核红细胞的数量(NRBC#)进行得 分化。在该情况下，也可以使用所述第1至第3得分用阈值，通过与步骤S131至S137同样 的方法，对有核红细胞的数量(NRBC#)进行得分化。进而，也可以不对行得分 化，而对血小板的数量(PLT#)进行得分化。在该情况下，也可以使用所述第1至第3得分 用阈值，通过与步骤S131至S137同样的方法，对血小板的数量(PLT#)进行得分化。
以下，对指标(ICPQ的计算中所使用的分析信息的组合是可变更的情况进行说 明。
图18是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的 SIRS患者群而示出的图。在图18中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、 Neut#分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+Neut#))为纵轴。折 线181表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+Neut#))的平均值，折线182 表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+Neut#))的平均值。另外，折线181、 182所示的误差棒表示各个指标(ICPS(NRBC#+Neut#))的最高值和最低值。
在折线181中，指标(ICPS(NRBC#+Neut#))几乎不大于‘2’，在折线182中，指标 (ICPS(NRBC#+Neut#))几乎不成为‘2’以下，所以可以将‘2’决定为判别SIRS的重症度极 其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较低的判 别用阈值。
图19是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的指标 (ICPS(NRBC#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以及导致了死亡的 SIRS患者群而示出的图。在图19中，以从诊断为是SIRS的日起的日数为横轴、以对NRBC#、 Neut-Y分别进行得分化并进行加法运算而计算出的指标(ICPS(NRBC#+Neut-Y))为纵轴。 折线191表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+Neut-Y))的平均值，折线19192表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+Neut-Y))的平均值。另外，折线 191、192所示的误差棒表示各个指标(ICPS(NRBC#+Neut-Y))的最高值和最低值。
在折线191中，指标(ICPS(NRBC#+Neut-Y))几乎不会大于‘2’，在折线192中，指 标(ICPS(NRBC#+Neut-Y))几乎不会成为‘2’以下，所以可以将‘2’决定为判别SIRS的重 症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概率较 低的判别用阈值。
另外，图20是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到的 指标(ICPS(NRBC#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群以及导致了 死亡的SIRS患者群而示出的图。在图20中，以从诊断为是SIRS的日起的日数为横轴、以 对NRBC#、PLT#_IPF#分别进行得分化并进行加法运算而计算出的指标(ICPS (NRBC#+PLT#_ IPF#))为纵轴。折线201表示没有导致死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#_ IPF#))的平均值，折线202表示导致了死亡的SIRS患者群的指标(ICPS(NRBC#+PLT#_ IPF#))的平均值。另外，折线201、202所示的误差棒表示各个指标(ICPS(NRBC#+PLT#_ IPF#))的最高值和最低值。
在折线201中，指标(ICPS(NRBC#+PLT#_IPF#))几乎不会大于‘2，，在折线202中， 指标(ICPS(NRBC#+PLT#_IPF#))几乎不会成为‘2’以下，所以可以将‘2’决定为判别SIRS 的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概 率较低的判别用阈值。
另外，图21是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到 的指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的经时变化，分成没有导致死亡的SIRS患者群 以及导致了死亡的SIRS患者群而示出的图。在图21中，以从诊断为是SIRS的日起的日 数为横轴、以对NRBC#_IRF#、PLT#_IPF#分别进行得分化并进行加法运算而计算出的指标 (ICPS(NRBC#_IRF#+PLT#_IPF#))为纵轴。折线211表示没有导致死亡的SIRS患者群的指 标(ICPS(NRBC#_IRF#+PLT#_IPF#))的平均值，折线212表示导致了死亡的SIRS患者群的 指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的平均值。另外，折线211、212所示的误差棒表示各 个指标(ICPS(NRBC#_IRF#+PLT#_IPF#))的最高值和最低值。
在折线211中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#))几乎不会大于‘3，，在折线 212中，指标(ICPS(NRBC#_IRF#+PLT#_IPF#))几乎不会成为‘3’以下，所以可以将‘3’决定 为判别SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导 致死亡的概率较低的判别用阈值。
另外，图22是将通过血球计数装置1对多个SIRS患者的血液进行测定而得 到的指标(ICPS (NRBC#+PLT#+IG#))的经时变化，分成没有导致死亡的SIRS患者群 以及导致了死亡的SIRS患者群而示出的图。在图22中，以从诊断为是SIRS的日起 的日数为横轴、以对NRBC#、PLT#、IG#分别进行得分化并进行加法运算而计算出的指 标(ICPS(NRBC#+PLT#+IG#))为纵轴。折线221表示没有导致死亡的SIRS患者群的指 标(ICPS(NRBC#+PLT#+IG#))的平均值，折线222表示导致了死亡的SIRS患者群的指标 (ICPS(NRBC#+PLT#+IG#))的平均值。另外，折线221、222所示的误差棒表示各个指标 (ICPS (NRBC#+PLT#+IG#))的最高值和最低值。
在折线221中，指标(ICPS(NRBC#+PLT#+IG#))几乎不会大于‘3，，在折线222中，指标(ICPS(NRBC#+PLT#+IG#))几乎不会成为‘3’以下，所以可以将‘3’决定为判别SIRS 的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡的概 率较低的判别用阈值。
另外，图23是将通过血球计数装置1对多个SIRS患者的血液进行测定而得 到的指标(ICPS(NRBC#+PLT#+Neut#))的经时变化，分成没有导致死亡的SIRS患者群 以及导致了死亡的SIRS患者群而示出的图。在图23中，以从诊断为是SIRS的日起的 日数为横轴、以对NRBC#、PLT#、Neut#分别进行得分化并进行加法运算而计算出的指标 (ICPS(NRBC#+PLT#+Neut#))为纵轴。折线231表示没有导致死亡的SIRS患者群的指标 (ICPS(NRBC#+PLT#+Neut#))的平均值，折线232表示导致了死亡的SIRS患者群的指标 (ICPS(NRBC#+PLT#+Neut#))的平均值。另外，折线231、232所示的误差棒表示各个指标 (ICPS (NRBC#+PLT#+Neut#))的最高值和最低值。
在折线231中，指标(ICPS (NRBC#+PLT#+Neut#))几乎不会大于‘3，，在折线232 中，指标(ICPS(NRBC#+PLT#+Neut#))几乎不会成为‘3’以下，所以可以将‘3’决定为判别 SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡 的概率较低的判别用阈值。
另外，图M是将通过血球计数装置1对多个SIRS患者的血液进行测定而得到 的指标(ICPS(NRBC#+PLT#+Neut-Y))的经时变化，分成没有导致死亡的SIRS患者群以 及导致了死亡的SIRS患者群而示出的图。在图M中，以从诊断为是SIRS的日起的日 数为横轴、以对NRBC#、PLT#、Neut-Y分别进行得分化并进行加法运算而计算出的指标 (ICPS(NRBC#+PLT#+Neut-Y))为纵轴。折线241表示没有导致死亡的SIRS患者群的指标 (ICPS (NRBC#+PLT#+Neut-Y))的平均值，折线242表示导致了死亡的SIRS患者群的指标 (ICPS(NRBC#+PLT#+Neut-Y))的平均值。另外，折线241、242所示的误差棒表示各个指标 (ICPS (NRBC#+PLT#+Neut-Y))的最高值和最低值。
在折线Ml中，指标(ICPS(NRBC#+PLT#+Neut_Y))几乎不会大于‘3，，在折线242 中，指标(ICPS(NRBC#+PLT#+Neut-Y))几乎不会成为‘3’以下，所以可以将‘3’决定为判别 SIRS的重症度极其高且导致死亡的概率较高、还是SIRS的重症度是中等程度且导致死亡 的概率较低的判别用阈值。
如上所述，在本发明的实施方式的血球计数装置1中，数据处理单元3根据由检测 单元2的检测部5对血球进行检测而得到的结果，根据与血液中的有核红细胞相关的第1 分析信息(例如，NRBC#)、与血液中的粒细胞相关的第2分析信息(例如，Neut#, Neut-Y, IG#)或/和与血液中的血小板相关的第3分析信息(例如，PLT#、IPF#)来计算出指标 (ICPQ，根据所计算出的指标(ICPQ，输出支援被检验人员的预后预测的诊断支援信息，所 以可以仅根据可以从血球计数装置1取得的分析信息，从成为重症的疾病状态后早期地支 援预后预测，不需要用于得到多个检查项目的信息的作业，也无需使用血球计数装置以外 的装置来进行检测，所以可以减轻用于支援预后预测的检查中所需的工作和费用。
另外，本发明的实施方式的血球计数装置1可以根据对呈现全身性的炎症反应的 被检验人员的血液中的血球进行检测而得到的结果来计算出指标(ICPQ，根据所计算出的 指标(ICPQ来支援被检验人员的预后预测，且可以针对这样的被检验人员，减轻检查中所 需的工作和费用，并且根据由血球计数装置1取得的分析信息，从呈现全身性的炎症反应后早期地支援预后预测。
进而，本发明的实施方式的血球计数装置1可以根据对诊断为全身炎症反应综合 症6 的被检验人员的血液中的血球进行检测而得到的结果来计算出指标(ICPS)Jg 据所计算出的指标(ICPQ来支援被检验人员的预后预测，且针对这样的被检验人员，也可 以减轻检查中所需的工作和费用，并且根据由血球计数装置1取得的分析信息，从诊断为 是SIRS后早期地支援预后预测。
另外，本发明的实施方式的血球计数装置1可以根据对集中治疗室的被检验人 员的血液中的血球进行检测而得到的结果来计算出指标(ICPQ，根据所计算出的指标 (ICPS)来支援被检验人员的预后预测，且针对这样的被检验人员，也可以减轻检查中所需 的工作和费用，并且根据由血球计数装置1取得的分析信息，从集中治疗室中的治疗开始 后早期地支援预后预测。
另外，所述实施方式的血球计数装置1输出表示重症度极其高且导致死亡的概率 较高的消息或者表示重症度是中等程度且导致死亡的概率较低的消息，但本发明不限于 此，也可以输出在图5的步骤S60中计算出的指标(ICPS)，来作为诊断支援信息。
另外，所述实施方式的血球计数装置1计算出指标(ICPQ，根据所计算出的指标 (ICPS)来进行预后预测，但本发明不限于此，也可以使用其他判别式来进行预后预测。也可 以通过针对例如导致了死亡的患者以及没有导致死亡的患者分别取得分析信息，并对所取 得的分析信息进行多变量解析，来制作判别式。
另外，所述实施方式的血球计数装置1的检测部5具备单一的流式细胞仪，但也可 以具备多个流式细胞仪，也可以除了流式细胞仪以外还具备电气电阻方式的检测器。在该 情况下，也可以设为根据来自电气电阻方式的检测器的输出，取得血小板分析信息(PLT#)， 对于其他项目，如上所述根据来自流式细胞仪的输出，取得分析信息。
另外，还可以构成为如下诊断支援装置从本发明的实施方式的血球计数装置1 中取出数据处理单元3，受理基于对被检验人员的血液中的血球进行检测而得到的结果的、 与血液中的有核红细胞相关的第1分析信息(例如，NRBC#)、与血液中的粒细胞相关的第 2分析信息(例如，Neut#、Neut-Y、IG#)、与血液中的血小板相关的第3分析信息(例如， PLT#、IPF#)，根据第1分析信息、第2分析信息或/和第3分析信息，输出支援被检验人员 的预后预测的诊断支援信息。
S卩，诊断支援装置也可以构成为不具备检测单元2，而仅进行图5所示的步骤S60 至步骤S62的处理的装置。因此，诊断支援装置如果可以受理第1分析信息、第2分析信 息、第3分析信息等，则即使配置在远离检测单元2的场所，也可以支援被检验人员的预后 预测。
权利要求
1.一种血球计数装置，其特征在于包括检测部，对被检验人员的血液中的血球进行检测；以及控制部，基于由所述检测部的检测结果，取得与所述血液中的有核红细胞相关的第1 分析信息、和与所述血液中的粒细胞相关的第2分析信息或者与所述血液中的血小板相关 的第3分析信息，基于所述取得的第1分析信息、和第2分析信息或者第3分析信息，输出 支援被检验人员的预后预测的诊断支援信息。
2.根据权利要求1所述的血球计数装置，其特征在于所述控制部基于所述检测部的检测结果，取得所述第1分析信息、所述第2分析信息、 所述第3分析信息，基于所述第1分析信息至所述第3分析信息输出所述诊断支援信息。
3.根据权利要求2所述的血球计数装置，其特征在于所述控制部基于所述检测部的检测结果，取得与所述血液中的未成熟网织红细胞相关 的第4分析信息，根据所述第1分析信息至所述第4分析信息输出所述诊断支援信息。
4.根据权利要求1所述的血球计数装置，其特征在于所述第2分析信息是与中性球或者未成熟粒细胞相关的信息。
5.根据权利要求2所述的血球计数装置，其特征在于所述第3分析信息是与成熟血小板或者未成熟血小板相关的信息。
6.根据权利要求3所述的血球计数装置，其特征在于所述检测部构成为对染色处理后的血液中的血球进行检测，所述控制部取得与中性球的数量相关的信息以作为所述第2分析信息，取得与成熟血 小板相关的信息以作为所述第3分析信息，基于所述检测部的检测结果，取得表示中性球 的染色程度的第5分析信息、与未成熟粒细胞的数量相关的第6分析信息、以及与未成熟血 小板相关的第7分析信息，基于所述第1分析信息至所述第7分析信息输出所述诊断支援 fn息ο
7.根据权利要求1 6中的任意一项所述的血球计数装置，其特征在于所述控制部使用规定的基准来计算出基于所述第1分析信息、和所述第2分析信息或 者所述第3分析信息的指标，基于所述计算出的指标，输出所述诊断支援信息。
8.根据权利要求7所述的血球计数装置，其特征在于将所述指标与规定的阈值进行比较，基于比较后的结果来输出所述诊断支援信息。
9.根据权利要求1 6中的任意一项所述的血球计数装置，其特征在于所述控制部使用规定的基准来计算出基于所述第1分析信息、和所述第2分析信息或 者所述第3分析信息的指标，将所述计算出的指标作为所述诊断支援信息而输出。
10.根据权利要求1 6中的任意一项所述的血球计数装置，其特征在于所述第1分析信息是与有核红细胞的数量相关的信息，所述第2分析信息是与粒细胞 的数量相关的信息，所述第3分析信息是与血小板的数量相关的信息。
11.一种诊断支援方法，其特征在于受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、和第 2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞相关， 所述第2分析信息与所述血液中的粒细胞相关，所述第3分析信息所述血液中的血小板相基于受理所述输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分 析信息，输出支援被检验人员的预后预测的诊断支援信息。
12.根据权利要求11所述的诊断支援方法，其特征在于使用规定的基准来计算出基于受理输入而得到的所述第1分析信息、和所述第2分析 信息或者所述第3分析信息的指标，基于所述计算出的指标，来进行所述诊断支援信息的 输出。
13.根据权利要求12所述的诊断支援方法，其特征在于将所述指标与规定的阈值进行比较，基于比较后的结果，来进行所述诊断支援信息的 输出。
14.根据权利要求11所述的诊断支援方法，其特征在于所述诊断支援信息是基于受理输入而得到的所述第1分析信息、和所述第2分析信息 或者所述第3分析信息的、使用规定的基准计算出的指标。
15.根据权利要求11所述的诊断支援方法，其特征在于基于所述第1分析信息、所述第2分析信息、以及所述第3分析信息，进行所述诊断支 援信息的输出。
16.根据权利要求11 15中的任意一项所述的诊断支援方法，其特征在于受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基 于对呈现全身性的炎症反应的被检验人员的血液中的血球进行检测而得到的结果的信息。
17.根据权利要求11 15中的任意一项所述的诊断支援方法，其特征在于受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基 于对诊断为全身炎症反应综合症的被检验人员的血液中的血球进行检测而得到的结果的 fn息ο
18.根据权利要求11 15中的任意一项所述的诊断支援方法，其特征在于受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基 于对集中治疗室的被检验人员的血液中的血球进行检测而得到的结果的信息。
19.一种诊断支援方法，其特征在于受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、和第 2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞相关， 所述第2分析信息与所述血液中的成熟血小板相关，所述第3分析信息与所述血液中的未 成熟血小板相关，基于受理所述输入而得到的所述第1至第3分析信息，输出支援被检验人员的预后预 测的诊断支援信息。
20.一种控制系统，其特征在于受理基于对被检验人员的血液中的血球进行检测而得到的结果的第1分析信息、和第 2分析信息或者第3分析信息的输入，所述第1分析信息与所述血液中的有核红细胞相关， 所述第2分析信息与所述血液中的粒细胞相关，所述第3分析信息与所述血液中的血小板 相关，基于受理输入而得到的所述第1分析信息、和所述第2分析信息或者所述第3分析信 息，输出支援被检验人员的预后预测的诊断支援信息。
21.根据权利要求20所述的控制系统，其特征在于使用规定的基准来计算出基于受理输入而得到的所述第1分析信息、和所述第2分析 信息或者所述第3分析信息的指标，基于所述计算出的指标，进行所述诊断支援信息的输出ο
22.根据权利要求21所述的控制系统，其特征在于将所述指标与规定的阈值进行比较，基于比较后的结果，进行所述诊断支援信息的输出ο
23.根据权利要求20所述的控制系统，其特征在于所述诊断支援信息是基于受理输入而得到的所述第1分析信息、和所述第2分析信息 或者所述第3分析信息的、使用规定的基准计算出的指标。
24.根据权利要求20所述的控制系统，其特征在于基于所述第1分析信息、所述第2分析信息、以及所述第3分析信息，进行所述诊断支 援信息的输出。
25.根据权利要求20 M中的任意一项所述的控制系统，其特征在于受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基 于对呈现全身性的炎症反应的被检验人员的血液中的血球进行检测而得到的结果的信息。
26.根据权利要求20 M中的任意一项所述的控制系统，其特征在于受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基 于对诊断为全身炎症反应综合症的被检验人员的血液中的血球进行检测而得到的结果的 fn息ο
27.根据权利要求20 M中的任意一项所述的控制系统，其特征在于受理所述输入而得到的所述第1分析信息、所述第2分析信息、所述第3分析信息是基 于对集中治疗室的被检验人员的血液中的血球进行检测而得到的结果的信息。
全文摘要
本发明提供一种血球计数装置，具备对被检验人员的血液中的血球进行检测的检测部；以及根据所述检测部的检测结果，取得与所述血液中的有核红细胞相关的第1分析信息、和与所述血液中的粒细胞相关的第2分析信息或者与所述血液中的血小板相关的第3分析信息，根据所述取得的第1分析信息、和第2分析信息或者第3分析信息，输出支援被检验人员的预后预测的诊断支援信息的控制部，从而可以减轻检查中所需的工作和费用，并且支援被检验人员的预后预测。另外，还提供诊断支援方法以及控制系统。
文档编号G01N33/48GK102033122SQ20101028801
公开日2011年4月27日 申请日期2010年9月16日 优先权日2009年9月25日
发明者J·林森, M·古尔 申请人:希森美康株式会社