疾病染患预测系统、保险费计算系统、疾病染患预测方法以及保险费计算方法

技术领域

本发明涉及一种疾病染患预测系统、保险费计算系统、疾病染患预测方法以及保险费计算方法，详细地说，涉及一种根据与动物是否携带属于特定的菌科的菌有关的数据来提供该动物是否会染患特定的疾病的预测信息的疾病染患预测系统和疾病染患预测方法、以及根据与动物是否携带属于特定的菌科的菌有关的数据来计算或修正动物的保险费的保险费计算系统和保险费计算方法。

背景技术

以狗、猫、兔为代表的宠物动物、以牛、猪为代表的家畜对人类而言是无可替代的存在。近年来，人类饲养的动物的平均寿命大幅延长，另一方面，动物在其一生之中染患某种疾病的情况增多，饲养者所负担的医疗费的增加成为问题。

为了维持动物的健康，重要的是通过日常的饮食、运动等来管理身体状况并对不良状况迅速应对，但是由于动物无法用自己的语言来诉说身体的不良状况，因此实际情况是，在症状发展而产生了外形上能够观察到的某种征候时，饲养者才会察觉到动物染患了疾病。如果能够掌握动物染患某种疾病的可能性，则能够采取用于避免那样的疾病的应对。

因此，寻求一种通过简易的方法来获知动物是否有染患特定的疾病的可能性的方法。

干燥性角结膜炎(KCS)是指由于泪液量减少而导致角膜、结膜出现问题的眼科疾病，由于眼睛的表面干燥而引起结膜充血、角膜的炎症、损伤、色素沉着等。过敏性皮肤炎是指由于作为引起过敏症状的致病物质的过敏原导致动物体内的免疫系统过度反应而产生的皮肤炎。过敏原的种类有跳蚤、室内灰尘、花粉、食物等。炎症性肠道疾病(IBD)是指以炎细胞浸润肠黏膜为特征的原因不明的慢性消化器官疾病。IBD根据浸润的炎细胞的种类、部位，而被分类为“淋巴浆细胞性肠炎”、“淋巴浆细胞性结肠炎”、“嗜酸细胞性胃肠炎”、“肉芽肿性肠炎”、“组织细胞性溃疡性肠炎”等。

在专利文献1中，公开了具有通过使肠道细菌群中的拟杆菌门(Bacteroidetes)的细菌增殖且使厚壁菌门(Firmicutes)的细菌减少来有效地调整或改善肠道细菌群这一效果的肠道细菌群调整或改善组合物，但是并没有公开根据与动物是否携带属于特定的菌科的菌有关的数据来预测该动物是否有染患特定的疾病的可能性的方法。

现有技术文献

专利文献

专利文献1：国际公开2017/094892号小册子

发明内容

发明要解决的问题

因此，本发明的目的在于提供一种通过简易的方法来预测动物是否有染患特定的疾病的可能性的疾病染患预测系统和疾病染患预测方法。

用于解决问题的方案

本发明人等对与参加了宠物保险的动物所携带的菌有关的数据、特别是与肠道细菌群有关的数据、以及与该动物是否染患了特定的疾病及是否针对该动物进行了保险金请求有关的庞大的数据进行了分析、研究，其结果发现能够利用动物所携带的细菌的数据来预测该动物是否有染患特定的疾病的可能性，从而完成了本发明。

即，本发明是下面的[1]～[10]。

[1]一种疾病染患预测系统，具备：受理单元，其受理与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息；以及判定单元，其根据输入到所述受理单元的、与属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患干燥性角结膜炎的可能性。

[2]一种疾病染患预测系统，具备：受理单元，其受理与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息；以及判定单元，其根据输入到所述受理单元的、与属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患过敏性皮肤炎的可能性。

[3]一种疾病染患预测系统，具备：受理单元，其受理与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息；以及判定单元，其根据输入到所述受理单元的、与属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患炎症性肠道疾病的可能性。

[4]根据[1]～[3]中的任一项的疾病染患预测系统，其中，所述试样是粪便。

[5]一种保险费计算系统，具备：受理单元，其受理与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息；以及保险费计算单元，其使用输入到所述受理单元的、与属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来计算或修正保险费。

[6]一种疾病染患预测方法，包括以下步骤：根据与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患干燥性角结膜炎的可能性。

[7]一种疾病染患预测方法，包括以下步骤：根据与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患过敏性皮肤炎的可能性。

[8]一种疾病染患预测方法，包括以下步骤：根据与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患炎症性肠道疾病的可能性。

[9]根据[6]～[8]中的任一项的疾病染患预测方法，其中，所述试样是粪便。

[10]一种保险费计算方法，包括以下步骤：使用与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来计算或修正保险费。

发明的效果

根据本发明，能够提供一种通过简易的方法来预测动物是否有染患特定的疾病的可能性的疾病染患预测系统和疾病染患预测方法。另外，从动物采样到的试样中的属于梭杆菌科(Fusobacteriaceae)的菌的有无和/或属于韦荣氏菌科(Veillonellaceae)的菌的有无与该动物的将来的保险索赔的可能性相关联，因此能够提供一种能够使用与属于梭杆菌科(Fusobacteriaceae)的菌的有无和/或属于韦荣氏菌科(Veillonellaceae)的菌的有无有关的信息来进行动物的保险费的计算或修正的保险费计算系统和保险费计算方法。

附图说明

图1是表示本发明的疾病染患预测系统的一个实施方式的示意图。

图2是表示基于本发明的疾病染患预测系统的疾病染患预测方法的流程的一例的流程图。

图3是表示本发明的保险费计算系统的一个实施方式的示意图。

图4是表示基于本发明的保险费计算系统的保险费计算方法的流程的一例的流程图。

图5是表示实施例的结果的图表。

图6是表示实施例的结果的图表。

图7是表示实施例的结果的图表。

图8是表示实施例的结果的图表。

图9是表示实施例的结果的图表。

具体实施方式

<疾病染患预测系统>

本发明的疾病染患预测系统具备：受理单元，其受理与从动物采样到的试样中的属于梭杆菌科(Fusobacteriaceae)的菌的有无和/或属于韦荣氏菌科(Veillonellaceae)的菌的有无有关的信息；以及判定单元，其根据输入到所述受理单元的、与属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患干燥性角结膜炎、过敏性皮肤炎或炎症性大肠疾病(下面有时一并称为“特定疾病”。)的可能性。

[受理单元]

本发明的受理单元是受理与从希望预测染患特定疾病的可能性的动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息的输入的单元。作为动物，例举狗、猫、鸟、兔、雪貂等。成为对象的动物的年龄没有限定。与菌的有无或占有率有关的数据的受理方法可以是向终端输入数据、发送数据等任意的方法。作为从动物采样到的试样，例举唾液、粪便等，优选为粪便。能够通过对粪便进行分析，来确认动物的肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无。

从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无能够通过对唾液样本、粪便样本等从动物采样到的试样应用使用了NGS等测序器的扩增子测序等公知的宏基因组分析法、细菌群的分析方法。例如，例举通过使用二代测序器对试样中包含的所有生物的DNA、RNA的碱基序列信息进行分析来对该试样中包含的生物进行鉴定的方法。优选例举下面的方法：根据需要对试样中包含的16SrRNA基因的全部或一部分进行扩增来进行测序，使用软件对所得到的序列进行分析，得到试样中的细菌的组成数据。能够通过软件对试样中的细菌的组成数据进行处理、或者参照Genbank、Greengenes、SILVA数据库之类的基因数据库，来决定试样中包含的细菌的菌种的归属，并测定属于特定的科的细菌的有无、占有率。

具体地说明利用了NGS(二代测序器)的16SrRNA基因的扩增子分析(菌群分析)的一例。首先，使用DNA提取试剂来从试样提取DNA，通过PCR从所提取出的DNA中对16SrRNA基因进行扩增。之后，使用NGS全面地对进行了扩增的DNA片段决定碱基序列，并去除低质量的序列(low-quality reads)、嵌合体序列，之后，对序列之间进行聚类来进行OTU(Operational Taxonomic Unit：运算分类单元)分析。OTU是指用于将具有一定程度以上的相似性(例如96％～97％以上的同源性)的序列彼此视为一个菌种的在操作上的分类单位。因而，能够认为OTU数表示构成菌群的菌种的数量，属于同一OTU的序列(reads)数表示该种的相对的存在量。另外，能够从属于各OTU的序列(reads)数中选择代表性的序列并通过数据库检索来进行科名、属种名的鉴定。通过这样，能够测定属于特定的科的菌的有无、占有率。

在本发明中，作为与属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，也可以使用基于属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无设定的标签、分数。

基于菌的有无设定的标签是指根据菌的有无而适当设定的标签。例如，能够在存在菌的情况下赋予“1”这样的标签，在不存在菌的情况下赋予“0”这样的标签。

基于菌的有无设定的分数是指根据菌的有无而适当设定的分数。例如，能够针对特定的科，如果属于该科的菌存在则赋予“+1”这一分数，如果不存在则赋予“-1”这一分数。

可以按每个菌科计算这样的分数，并输入到受理单元。另外，也可以构成为，向受理单元输入属于菌科的菌的有无，基于与该输入的菌的有无有关的数据，并基于预先设定的分数赋予基准，来针对各菌科计算分数。

本发明的疾病染患预测系统也可以构成为，判定单元将针对每个菌科计算出的分数或输入的分数进行总计，基于所得到的总计分数来预测判定染患特定疾病的可能性。

[判定单元]

本发明的判定单元是根据输入到受理单元的、与从动物采样到的试样中的属于规定的菌科的菌的有无有关的信息来预测判定该动物是否会在规定期间内染患特定疾病的单元。预测判定方法没有特别限定。例如，处理器使用预先设定的程序，根据与从动物采样到的试样中的属于规定的菌科的菌的有无有关的信息来预测判定该动物是否会在规定期间内染患特定疾病。另外，如上所述，也可以是下面这样的结构：根据每个菌科的菌的有无，按照预先设定的基准来计算分数，基于将该分数进行总计所得到的总计分数来判定疾病染患风险。即，是下面这样的情况：如果总计分数为规定值以上，则疾病染患风险高，如果总计分数小于规定值，则疾病染患风险低。

本发明的判定单元当受理与从动物采样到的试样中的属于规定的菌科的菌的有无有关的信息时，优选进行在规定期间内是否会染患特定疾病的预测判定，更优选进行在从受理时起的规定期间内、从采样到试样时起的规定期间内、或者从获取到与属于规定的菌科的菌的有无有关的数据时起的规定期间内是否会染患特定疾病的预测判定。规定期间优选为三年以内，更优选为两年以内，进一步优选为一年以内，特别优选为180天以内。

本发明的判定单元也可以是使用学习完毕模型来进行预测判定的结构。作为这样的学习完毕模型，优选如下面这样得到的学习完毕模型：对与从动物采样到的试样、肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据、同与该动物在从获取到试样时或获取到与属于规定的菌科的菌的有无有关的数据时起的规定期间内是否染患了特定疾病的信息之间的关系进行学习而得到的。作为学习完毕模型，进一步优选如下面这样得到的学习完毕模型：将与从动物采样到的试样中的例如肠道细菌群中的属于规定的菌科的菌的有无有关的数据、以及与该动物在从获取到试样时或获取到与属于规定的菌科的菌的有无有关的数据时起的规定期间内是否染患了特定疾病有关的信息作为训练数据进行学习而得到的。作为这样的训练数据中使用的、与在规定期间内是否染患了特定疾病有关的信息中的规定期间，优选为三年以内，更优选为两年以内，进一步优选为一年以内，特别优选为180天以内。

作为所述学习完毕模型，优选为人工智能(AI)。人工智能(AI)是由计算机模仿人脑所进行的智力作业的软件、系统，具体是指理解人类使用的自然语言、进行逻辑推理、从经验中学习的计算机程序等。作为人工智能，可以是通用型、专用型中的任一种，也可以是深度神经网络、卷积神经网络等中的任一种，能够使用公开的软件。

为了生成学习完毕模型，使人工智能使用训练数据进行学习。作为学习，可以是机器学习和深度学习(deep learning)中的任一种，但优选机器学习。深度学习是由机器学习发展得到的，特征在于能够自动地找出特征量。在本发明中，使用与从动物采样到的试样中的例如肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据来作为特征量。

作为用于生成学习完毕模型的学习方法，没有特别限制，能够使用公开的软件。例如，能够使用英伟达(NVIDIA)所公开的DIGITS(the Deep Learning GPU TrainingSystem：深度学习GPU训练系统)。此外，例如也可以通过在“サポートベクターマシン入門(支持向量机入门)”(共立出版)等中公开的公知的支持向量机法(Support VectorMachine法)等进行学习。

作为机器学习，能够是无监督学习和有监督学习中的任一种，但优选为有监督学习。作为有监督学习的方法，没有特别限定，例如例举决策树(Decision Tree)、集成学习、梯度提升等。作为公开的机器学习的算法，例如例举XGBoost、CatBoost、LightGBM。

用于学习的训练数据例如是与从动物采样到的试样、例如肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据、以及该动物在从采样到试样时或获取到与属于规定的菌科的菌的有无有关的数据时起的规定期间内染患了特定疾病或未染患特定疾病的疾病染患的有无，该规定期间优选为三年以内，更优选为两年以内，进一步优选为一年以内，特别优选为180天以内。是否染患了特定疾病能够替换为虚拟变量。作为训练数据的与从动物采样到的试样中的属于规定的菌科的菌的有无有关的数据同在上述受理方法中所说明的与肠道细菌群中的属于规定的菌科的菌的有无有关的数据是相同的。该动物在规定期间内是否染患了特定疾病的信息例如与保险索赔的事实(也称为“事故”)相关联，能够从动物医院或投保的饲主等处获得。

[输出]

由本发明的判定单元得到的预测判定的输出形式没有特别限定，例如能够通过在个人计算机、智能手机等终端的画面上进行“今后一年以内有染患干燥性角结膜炎的可能性”、“今后一年以内染患过敏性皮肤炎的可能性高”或“今后一年以内染患炎症性大肠疾病的可能性为○％”这样的显示来输出预测判定。

本发明的疾病染患预测系统也可以另外具有输出单元，该输出单元从判定单元接收判定结果并输出判定结果。

本发明的疾病染患预测系统也可以还具备建议单元，该建议单元根据疾病染患预测的结果来建议生活改善方法。例如，建议单元能够接收从判定单元输出的预测结果，根据预测结果来建议或推荐用于避免所预测出的疾病染患风险的膳食、包含不容易得病的细菌的营养食品、低盐分低卡路里的膳食、低糖的膳食、减肥菜单等。建议单元也可以具有学习完毕模型。

另外，还能够根据本发明的疾病染患预测系统或疾病染患预测方法所输出的预测结果，来制造或者定制用于防止染患特定疾病的饮料、膳食、营养食品。作为与疾病染患预测相关联的服务，也能够采取利用本发明的疾病染患预测系统或疾病染患预测方法的预测、预测结果的提供，制造或者定制与预测结果相应的饮料、膳食、营养食品以及建议、推荐该饮料、膳食、营养食品这样的方式。另外，还能够采取在提供了这样的服务之后进一步地实施本发明的疾病染患预测方法并提示染患特定疾病的可能性是否降低了这样的方法。上述饮料、膳食、营养食品包括食饵疗法用饮料、减肥食品、营养辅助用添加物等。

像这样，期望通过进行与预测结果相应的膳食、食物的建议、制造、定制，来降低、避免染患特定疾病的风险。

[梭杆菌科(Fusobacteriaceae)]

梭杆菌科是属于梭杆菌目的科，包括梭杆菌属。

[韦荣氏菌科(Veillonellaceae)]

韦荣氏菌科是属于梭菌目(Clostridiales)的科，作为属，例如包括韦荣氏菌属、氨基酸球菌属(Acidaminococcus)、Anaeroarcus、厌氧弧菌属(Anaerovibrio)、戴阿利斯特菌属(Dialister)、巨单胞菌属(Megamonas)、巨球菌属(Megasphaera)、光冈菌属(Mitsuokella)、梳状菌属(Pectinatus)、Phascolarctobacterium、丙酸螺菌属(Propionispira)、SelenomonasSucciniclasticum。

[其它菌科]

本发明的疾病染患预测系统也可以在预测判定中使用与属于除了梭杆菌科和韦荣氏菌科以外的其它菌科的菌的有无、占有率(hit rate)有关的数据。

作为那样的其它菌科，没有特别限定，例如例举弯曲杆菌科(Campylobacteraceae)、梭菌科(Clostridiaceae)、粪芽孢菌科(Coprobacillaceae)、脱硫弧菌科(Desulfovibrionaceae)、肠道细菌科(Enterobacteriaceae)、肠球菌科(Enterococcaceae)、丹毒丝菌科(Erysipelotrichaceae)、毛螺菌科(Lachnospiraceae)、乳酸杆菌科(Lactobacillaceae)、帕拉普氏菌科(Paraprevotellaceae)、紫单胞菌科(Porphyromonodaceae)、普雷沃氏菌科(Prevotellaceae)、苏黎世杆菌科(Turicibacteraceae)、丛毛单胞菌科(Comamonadaceae)、明串珠菌科(Leuconostocaceae)、假单胞菌科(Pseudomonadaceae)、鞘脂杆菌科(Sphingobacteriaceae)。

[弯曲杆菌科(Campylobacteraceae)]

弯曲杆菌科是属于ε-变形菌纲弯曲杆菌目的科，包括弯曲杆菌属。

[梭菌科(Clostridiaceae)]

梭菌科是梭菌目的科，包括梭菌属。

[粪芽孢菌科(Coprobacillaceae)]

粪芽孢菌科是属于丹毒丝菌目的科，包括粪芽孢菌属(Coprobacillus)。

[脱硫弧菌科(Desulfovibrionaceae)]

脱硫弧菌科是属于δ-变形菌纲脱硫弧菌目的科，包括脱硫弧菌属。

[肠道细菌科(Enterobacteriaceae)]

肠道细菌科(也称为肠杆菌科。)是属于变形菌门(Proteobacteria)γ-变形菌纲肠杆菌目的科。在肠杆菌科中，作为属例如包括肠杆菌属、埃希氏菌属(Escherichia)、克雷伯氏菌属(Klebsiella)、沙门氏菌属(Salmonella)、沙雷氏菌属(Serratia)、耶尔森氏菌属(Yersinia)、杀雄菌属(Arsenophonus)、菌膜菌属(Biostraticola)、Candidatus、Blochmannia、布伦勒氏菌属(Brenneria)、布赫纳氏菌属(Buchnera)、布德维斯菌属(Budvicia)、布特奥克斯氏菌属(Buttiauxella)、西地西菌属(Cedecea)、柠檬酸杆菌属(Citrobacter)、科森扎菌属(Cosenzaea)、克罗诺杆菌属(Cronobacter)、迪基氏菌属(Dickeya)、爱德华氏菌属(Edwardsiella)、欧文氏菌属(Erwinia)等。

[肠球菌科(Enterococcaceae)]

肠球菌科是属于乳杆菌目的革兰氏阳性的真细菌的科。作为代表的属，包括肠球菌属(Enterococcus)、蜜蜂球菌属(Melissococcus)、矛形细菌属(Pilibacter)、四联球菌属(Tetragenococcus)以及漫游球菌属(Vagococcus)。

[丹毒丝菌科(Erysipelotrichaceae)]

丹毒丝菌科是属于丹毒丝菌目的科，作为属，例如包括异杆菌属(Allobaculum)、布雷德菌属(Bulleidia)、丹毒丝菌属(Erysipelothrix)、霍尔德曼菌属(Holdemania)。

[毛螺菌科(Lachnospiraceae)]

毛螺菌科是包括于梭菌纲梭菌目的科，包括毛螺菌属。

[乳酸杆菌科(Lactobacillaceae)]

乳酸杆菌科(也称为乳杆菌科。)是属于乳杆菌目的科，包括乳杆菌属。

[帕拉普氏菌科(Paraprevotellaceae)]

帕拉普氏菌科是属于拟杆菌目的科，包括帕拉普氏菌属。另外，也有不将帕拉普氏菌科作为独立的科而将帕拉普氏菌属包括于普雷沃氏菌科的分类方法。

[紫单胞菌科(Porphyromonodaceae)]

紫单胞菌科是属于拟杆菌目的科，包括紫单胞菌属。

[普雷沃氏菌科(Prevotellaceae)]

普雷沃氏菌科是属于拟杆菌目的科，包括普雷沃氏菌属。

[苏黎世杆菌科(Turicibacteraceae)]

苏黎世杆菌科是属于苏黎世杆菌目的科，包括苏黎世杆菌属。

[丛毛单胞菌科(Comamonadaceae)]

丛毛单胞菌科是包括于伯克氏菌目(Burkholderiales)的科，包括丛毛单胞菌属。丛毛单胞菌属是将曾经属于假单胞菌属的菌通过基因的系统分析进行重新分类而新设的属。

[明串珠菌科(Leuconostocaceae)]

明串珠菌科是属于乳杆菌目的革兰氏阳性菌的科。代表性的属包括果杆菌属(Fructobacillus)、明串珠菌属(Leuconostoc)、酒球菌属(Oenococcus)以及魏斯氏菌属(Weissella)。

另外，也有不将明串珠菌科作为独立的科而将明串珠菌属包括于乳酸杆菌科的分类方法。

[假单胞菌科(Pseudomonadaceae)]

假单胞菌科是属于假单胞菌目的科，包括假单胞菌属。

[鞘脂杆菌科(Sphingobacteriaceae)]

鞘脂杆菌科是属于鞘脂杆菌目的科，包括鞘脂杆菌属。

本发明的疾病染患预测系统也可以除了使用与属于规定的菌科的菌的有无或占有率有关的数据以外，还使用动物的面部图像、种类、品种、年龄、性别、体重、病史、基因的序列信息、SNP、基因变异的有无等信息。

下面，参照图1来对本发明的疾病染患预测系统的一个实施方式进行说明。

在图1中，终端40是想要利用疾病染患预测系统的人(用户)所利用的终端。关于终端40，例如例举个人计算机、智能手机、平板终端等。终端40构成为包括CPU等处理部、硬盘、ROM或RAM等存储部、液晶面板等显示部、鼠标、键盘、触摸面板等输入部、网络适配器等通信部。

用户从终端40访问服务器，输入并发送与从成为对象的动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，以及根据需要输入并发送该动物的面部图像(照片)、种类、品种、年龄、体重、病史等信息。

另外，用户能够通过终端40访问服务器，来接收服务器中的疾病染患预测结果。

另外，用户收到用于调查从所饲养的动物采样到的试样、例如粪便中的细菌群的粪便试样试剂盒，并将粪便试样发送给进行细菌群的测定的机构(未图示)。该机构进行该动物的粪便试样中的细菌群的测定，来获取与试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据。然后，可以是该机构直接通过自己的终端将与该动物的粪便试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据输入并发送到服务器的受理单元31，也可以是该机构以另行邮寄、电子邮件等形式将与该动物的粪便试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据发送给用户，还可以是用户通过终端40将该数据输入并发送到受理单元31。在该机构收取粪便、进行细菌群的分析并将分析结果输入到本发明的疾病染患预测系统的情况下，用户仅通过采样并寄送所饲养的动物的粪便，就能够知晓动物染患特定疾病的可能性。

在本实施方式中，服务器由计算机构成，但只要具有本发明所涉及的功能，则任何装置都可以。

存储部10例如由ROM、RAM或硬盘等构成。在存储部10中存储有用于使服务器的各部动作的信息处理程序，特别是存储有用于判定单元11的软件等。

判定单元11如上述那样将用户或进行了细菌群的测定的机构所输入的、与成为对象的动物的细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据设为输入，并输出该动物在规定期间内(例如一年以内)是否会染患特定疾病、或者染患特定疾病的可能性为百分之几的预测。作为判定单元，也可以是学习完毕模型。这样的学习完毕模型例如构成为包括XGBoost、CatBoost、LightGBM、或者深度神经网络或卷积神经网络。

在本实施方式中，对判定单元、受理单元被配置于服务器并通过因特网、LAN等连接单元来与用户的终端连接的方式进行了说明，但本发明不限定于此，也可以是判定单元、受理单元、接口部被配置于一个服务器、装置内的方式、不另外需要利用者所利用的终端的方式等。

<疾病染患预测方法>

本发明的疾病染患预测方法的特征在于包括以下步骤：根据与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来预测判定该动物染患干燥性角结膜炎、过敏性皮肤炎或炎症性大肠疾病的可能性。优选的是，包括以下步骤：准备与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息；以及根据该信息来预测判定该动物染患干燥性角结膜炎、过敏性皮肤炎或炎症性大肠疾病的可能性。该方法例如能够使用上述的疾病染患预测系统来进行。

本发明的疾病染患预测方法中的、根据与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息、以及与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息来预测判定该动物在规定期间内是否会染患特定疾病的方法以及用于该方法的结构同在上述的疾病染患预测系统中所说明的内容是相同的。

在图2中示出基于利用了本发明的疾病染患预测系统的疾病染患预测方法的一个实施方式的疾病染患预测判定的流程图。为了便于说明，包括从动物获取试样以及获取与该试样中的细菌群、例如肠道细菌群有关的数据在内来说明这一个实施方式。用户利用粪便试剂盒等来从动物采样粪便样本，并发送给肠道细菌群分析机构(步骤S1)。肠道细菌群分析机构利用二代测序器，根据粪便样本来分析并获取与该动物的肠道细菌群中的属于规定的菌科的菌的有无有关的数据(步骤S2)。肠道细菌群分析机构将与该肠道细菌群有关的数据送回给用户。用户通过终端访问疾病染患预测系统，输入与动物的肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据(步骤S3)。疾病染患预测系统根据被输入的与动物的肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据，来预测判定该动物在规定期间内(例如一年以内)染患特定疾病的可能性有多少(步骤S4)。疾病染患预测系统输出该预测判定并发送到终端40，在终端40中显示预测判定结果(步骤S5)。

<保险费计算系统>

本发明的保险费计算系统具备：受理单元，其受理与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息；以及保险费计算单元，其使用输入到所述受理单元的与属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来计算或修正保险费。

本发明人等对与从参加了宠物保险的动物采样到的试样、特别是粪便试样中的细菌群以及该动物的保险索赔的有无有关的庞大的数据进行分析，其结果发现从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无与保险金请求额、保险索赔次数之间存在相关关系。因此，通过将要参加宠物保险的动物是否携带属于梭杆菌科的菌和/或属于韦荣氏菌科的菌设为保险费估算的依据，能够进行考虑了将来的保险金请求的可能性的保险费的计算、或者使用品种、年龄、性别、体重、病史等其它因素计算出的保险费的修正。

[受理单元]

保险费计算系统中的受理单元与上述的疾病染患预测系统的受理单元是相同的。

[保险费计算单元]

保险费计算单元是基于输入到受理单元的、与从动物采样到的试样中的属于规定的菌科的菌的有无有关的信息、以及根据需要还基于该动物的品种、年龄、性别、体重、病史之类的信息来计算对于该动物而言适当的保险费的单元。保险费的计算单元没有特别限定。例如，处理器使用预先设定的软件、程序，根据与从动物采样到的试样中的属于规定的菌科的菌的有无有关的信息来计算与该动物相匹配的保险费。在计算保险费时，也可以参照预先存储的保险费表。另外，例如，构成保险费计算单元的软件也可以是用于进行以下处理的软件：根据该动物的种类、品种、性别、体重、病史等进行保险费的等级划分，最后考虑属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无来对该等级进行修正，从而计算最终的保险费。

<保险费计算方法>

本发明的保险费计算方法的特征在于包括以下步骤：使用与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息，来计算或修正保险费。优选的是，包括以下步骤：准备与从动物采样到的试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的信息；以及基于该信息来计算或修正该动物的保险费。该方法例如能够使用上述的保险费计算系统来进行。

下面，参照图3来对本发明的保险费计算系统的一个实施方式进行说明。适当省略与图1相同的部分。

用户收到用于调查从所饲养的动物采样到的试样、例如粪便中的细菌群的粪便试样试剂盒，并将粪便试样发送给进行细菌群的测定的机构(未图示)。该机构进行该动物的粪便试样中的细菌群的测定，来获取与试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据。然后，既可以是该机构直接通过自己的终端将与该动物的粪便试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据输入并发送到服务器的受理单元31，也可以是该机构以另行寄送、电子邮件等形式将与该动物的粪便试样中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据发送给用户，用户通过终端40将该数据输入并发送到受理单元31。在该机构收取粪便、进行细菌群的分析并将分析结果输入到本发明的保险费计算系统的情况下，用户仅通过采样并寄送所饲养的动物的粪便，就能够知晓动物的保险费。

在图3中，保险费计算单元12是根据用户所输入的该动物的种类、品种、细菌群的数据获取时的年龄、体重、病史等信息来计算该动物的保险费的软件。例如，该软件是用于进行以下处理的软件：根据该动物的种类、品种、肠道细菌群的数据获取时的年龄、体重、病史等进行保险费的等级划分，最后考虑属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无来对该等级进行修正，基于保险费表13来计算最终的保险费。

可以与保险费计算单元12分开地具备用于预测特定疾病的染患的判定单元11，保险费计算单元12与判定单元11也可以为一个软件。

处理运算部20使用存储于存储部的判定单元11、保险费计算单元12来预测疾病的染患、计算保险费。

接口部(通信部)30具备受理单元31和输出单元32，从用户的终端受理与动物的试样中的细菌群、例如肠道细菌群中的属于规定的菌科的菌的有无有关的数据、其它信息，并对用户的终端输出疾病染患预测、保险费的计算结果。

在图4中示出基于利用了本发明的保险费计算系统的保险费计算方法的一个实施方式的保险费计算的流程图。为了便于说明，包括从动物获取试样以及获取与该试样中的细菌群、例如肠道细菌群的数据在内来说明这一个实施方式。用户利用粪便试剂盒等来从动物采样粪便样本，并发送给肠道细菌群分析机构(步骤S1)。肠道细菌群分析机构利用二代测序器，根据粪便样本来分析并获取与该动物的肠道细菌群中的属于规定的菌科的菌的有无有关的数据(步骤S2)。肠道细菌群分析机构将与该肠道细菌群有关的数据送回给用户。用户通过终端来访问保险费计算系统，输入与动物的肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据(步骤S3)。保险费计算系统根据被输入的与动物的肠道细菌群中的属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无有关的数据，来计算该动物的保险费(步骤S4)。保险费计算系统输出该预测判定并发送到终端40，在终端40中显示计算结果(步骤S5)。

实施例

下面示出本发明的实施例。本发明不限定于下面的实施例。

(来自粪便试样的DNA提取)

通过如下面那样对各只狗进行粪便试样的采样并提取了DNA。

狗的饲养者使用粪便的采样试剂盒来对狗进行了粪便试样的采样。收到该粪便试样后混于水中。

接着，将粪便悬浊液200μL与裂解缓冲液(Lysis buffer)(包含224μg/mL的蛋白酶K(Protenase K))810μL添加至研磨珠套管，在研磨珠匀质器中进行了研磨珠破碎(6，000rpm，破碎20秒，间隔30秒，破碎20秒)。之后，通过将检体在70℃的加热块上静置10分钟来进行基于蛋白酶K的处理，接着，通过在95℃的加热块上静置5分钟来使蛋白酶K失活。进行了溶菌处理的检体使用chemagic360(PerkinElmer(珀金埃尔默))，按照chemagic试剂盒粪便提取用协议(chemagic kit stool protocol)来进行DNA的自动提取，得到100μL的DNA提取液。

(Meta 16SRNA基因测序分析)

Meta 16S测序分析是改变illumina 16S宏基因组测序文库构件(MetagenomicSequencing Library Preparation)(版本15044223B)而进行的。首先，通过使用了通用引物(Illumina_16S_341F和Illumina_16S_805RPCR)的PCR来对包括16SrRNA基因的可变区域V3-V4在内的460bp的区域进行了扩增。PCR反应液是将10μL的DNA提取液、0.05μL的各引物(100μM)、12.5μL的2xKAPA高保真热启动酶预混液(HiFi Hot-Start Ready Mix)(F.Hoffmann-LaRoche、瑞士)、2.4μL的PCR级水混合调制而得到的。针对PCR，在以95℃进行了3分钟的热变性后，将以95℃进行30秒、以55℃进行30秒、以72℃进行30秒的循环重复30次，最后以72℃进行了5分钟的伸长反应。扩增产物使用磁珠来精制，并通过50μL的洗脱缓冲液(Buffer EB)(QIAGEN、德国)溶出。精制后的扩增产物使用Nextera XT Index Kit v2(Illumina(因美纳)、CA、US)进行PCR来添加索引。PCR反应液是将2.5μL的扩增产物、2.5μL的各引物、12.5μL的2x KAPA高保真热启动酶预混液、5μL的PCR级水混合调制而成的。针对PCR，在以95℃进行了3分钟的热变性后，将以95℃进行30秒、以55℃进行30秒、以72℃进行30秒的循环重复12次，最后以72℃进行了5分钟的伸长反应。进行了索引添加的扩增产物使用磁珠进行精制，并通过80μL－105μL的洗脱缓冲液溶出。各扩增产物的浓度通过NanoPhotometer(Implen(艾姆帕拉恩)、CA、US)来测定，在调制为1.4nM之后，分别等量地混合，并将其作为测序用文库。用电泳来确认测序用文库的DNA浓度和扩增产物的尺寸，并通过MiSeq来对其进行分析。在分析中使用MiSeq Reagent Kit V3，进行2×300bp的双向测序。所得到的序列用MiSeq Reporter进行分析，得到细菌的组成数据。

在上述中使用的通用引物的序列如下。该通用引物能够购买市场在售的引物。

ILLumi naa16S 341F

llumina 16S 805R

按照上述方法，针对0岁以上的19040个个体(平均年龄为3.4岁)的玩具贵宾犬获得肠道细菌群的组成数据并测定了各只狗的肠道细菌群中的属于规定的菌科的菌的有无。此外，在19040个个体中，在粪便样本采样前后180天(总计360天)以内进行过保险索赔的个体(事故组)为7805个个体，在该期间内没有进行过保险索赔的个体(无事故组)为11235个个体。

[实施例1]

针对上述19040个个体中的事故组的玩具贵宾犬，调查属于梭杆菌科的菌的有无、属于韦荣氏菌科的菌的有无，并调查了这些菌的有无与年保险金支付额之间的关系。

在图5中示出结果。

在图5中，“F无V无”是指属于梭杆菌科的菌和属于韦荣氏菌科的菌均未携带的个体组。

“F无V有”是指未携带属于梭杆菌科的菌但携带属于韦荣氏菌科的菌的个体组。

“F有V无”是指携带属于梭杆菌科的菌但未携带属于韦荣氏菌科的菌的个体组。

“F有V有”是指属于梭杆菌科的菌和属于韦荣氏菌科的菌均携带的个体组。

如从图5明确可知，在所有的年龄层中，F无V无的个体组的年保险金总额多，支付了大额的保险金。另外，F有V有的个体组具有年保险金总额少、保险金支付少的倾向。(以F有V有中的0岁时的金额为基准额。)

像这样，确认出动物的粪便试样中的属于梭杆菌科的菌的有无、属于韦荣氏菌科的菌的有无与保险金支付额之间存在一定的相关性。

[实施例2]

针对上述19040个个体中的事故组的玩具贵宾犬，调查属于梭杆菌科的菌的有无、属于韦荣氏菌科的菌的有无，并调查了这些菌的有无与年保险利用次数之间的关系。

在图6中示出结果。

如从图6明确可知，在所有的年龄层中，F无V无的个体组的年保险利用次数多，在动物医院接受治疗并利用宠物保险的次数多。另外，F有V有的个体组具有年保险利用次数少、利用宠物保险的次数少的倾向。(将F有V有中的0岁时的次数设为基准次数1。)

像这样，确认出动物的粪便试样中的属于梭杆菌科的菌的有无、属于韦荣氏菌科的菌的有无与保险利用次数之间存在一定的相关性。

[实施例3]

针对上述19040个个体，调查属于梭杆菌科的菌的有无、属于韦荣氏菌科的菌的有无，并调查了这些菌的有无与有无染患干燥性角结膜炎之间的关系。此外，在19040个个体整体中，在粪便试样采样前后180天(总计360天)以内确认出染患干燥性角结膜炎的个体为22个个体。

针对F无V无、F无V有、F有V无、F有V有的各个个体组，计算了染患干燥性角结膜炎的染患率(各个个体组中的染患了干燥性角结膜炎的个体的比例)。在图7中示出结果。

如从图7明确的是，染患干燥性角结膜炎的染患率按F无V无、F无V有、F有V无、F有V有的顺序下降，因此发现了能够表示属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无与干燥性角结膜炎之间的相关性的可能性。进而可知，能够通过调查属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无来预测判定动物是否会染患干燥性角结膜炎。

[实施例4]

针对上述19040个个体，调查属于梭杆菌科的菌的有无、属于韦荣氏菌科的菌的有无，并调查了这些菌的有无与有无染患过敏性皮肤炎之间的关系。此外，在19040个个体整体中，在粪便试样采样前后180天(总计360天)以内确认出染患过敏性皮肤炎的个体为444个个体。

针对F无V无、F无V有、F有V无、F有V有的各个个体组，计算了染患过敏性皮肤炎的染患率(各个个体组中的染患了过敏性皮肤炎的个体的比例)。在图8中示出结果。

如从图8明确的是，染患过敏性皮肤炎的染患率按F无V无、F有V无、F无V有、F有V有的顺序下降，因此发现了能够表示属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无与过敏性皮肤炎之间的相关性的可能性。进而可知，能够通过调查属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无来预测判定动物是否会染患过敏性皮肤炎。

[实施例5]

针对上述19040个个体，调查属于梭杆菌科的菌的有无、属于韦荣氏菌科的菌的有无，并调查了这些菌的有无与有无染患炎症性大肠疾病之间的关系。此外，在19040个个体整体中，在粪便试样采样前后180天(总计360天)以内确认出染患炎症性大肠疾病的个体为12个个体。

针对F无V无、F无V有、F有V无、F有V有的各个个体组，计算了染患炎症性大肠疾病的染患率(各个个体组中的染患了炎症性大肠疾病的个体的比例)。在图9中示出结果。

如从图9明确的是，染患炎症性大肠疾病的染患率按F无V有、F无V无、F有V有、F有V无的顺序下降，因此发现了能够表示属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无与炎症性大肠疾病之间的相关性的可能性。进而可知，能够通过调查属于梭杆菌科的菌的有无和/或属于韦荣氏菌科的菌的有无来预测判定动物是否会染患炎症性大肠疾病。