JP6813848B2

JP6813848B2 - 成分濃度測定装置及び方法

Info

Publication number: JP6813848B2
Application number: JP2017123961A
Authority: JP
Inventors: 卓郎田島; 雄次郎田中; 昌人中村; 倫子瀬山; 嘉代脇
Original assignee: Nippon Telegraph and Telephone Corp; University of Tokyo NUC
Current assignee: Nippon Telegraph and Telephone Corp; University of Tokyo NUC
Priority date: 2017-06-26
Filing date: 2017-06-26
Publication date: 2021-01-13
Anticipated expiration: 2037-06-26
Also published as: JP2019005257A

Description

本発明は、成分濃度測定装置及び方法に関し、特に非侵襲な生体内成分濃度の測定技術に関する。

高齢化が進み、成人病に対する対応が大きな課題になりつつある。血糖値などの検査は血液の採取が必要なために患者にとって大きな負担である。そのため、血液を採取しない非侵襲な成分濃度測定装置が注目されている。

非侵襲な成分濃度測定装置として、例えば、光音響法を用いた成分濃度測定装置や、誘電分光法を用いた成分濃度測定装置が提案されている。光音響法は、皮膚内に電磁波を照射し、測定対象とする血液成分、例えば、グルコース分子に電磁波を吸収させ、グルコース分子からの熱の放射によって局所的に熱膨張を起こし、熱膨張によって生体内から発生した音波を観測する（例えば、非特許文献１参照。）。

図５は、従来の透過型分光法を用いた成分濃度測定装置１００の構成例を示す図である。従来の成分濃度測定装置１００は、光信号発生装置１０１と、光信号出射装置１０２と、受光素子１０３と、光信号計測装置１０４と、信号処理装置１０５と、濃度演算装置１０６と、データベース１０７とから構成される。

従来の成分濃度測定装置１００では、光信号出射装置１０２から、光信号が人体に出射され、対向した受光素子１０３により透過光量が計測される。受光素子１０３で受光された光信号は、光信号計測装置１０４で増幅およびフィルタリングされ、信号処理装置１０５により時系列処理が施されて電気信号に変換される。次に、濃度演算装置１０６はデータベース１０７に基づき、光信号を濃度に変換する。例えば、このデータベース１０７は、分光スペクトルに基づき、作成された検量データベースである。

しかし、グルコースと光等の電磁波の相互作用は小さく、また生体に安全に照射しうる電磁波の強度には制限があり、従来の成分濃度測定装置１００ではグルコース濃度についての十分な精度を得ることが困難であった。

そこで、生体グルコース濃度等の測定値における精度を向上させるために、図６に示す従来の光音響法を用いた成分濃度測定装置２００では、連続的に強度変調した光源が用いられる（例えば、特許文献１参照。）。成分濃度測定装置２００は、背景成分および対象成分が混合されてなる溶液における対象成分の濃度を測定する。

成分濃度測定装置２００は、発振器２０１と、駆動回路２０３ａ、２０３ｂと、遅延調整器２０２と、第１光源２０４ａと、第２光源２０４ｂと、光合波器２０５と、音波検出器２０６と、波形観測器２０７と、記録器２０８とから構成される。成分濃度測定装置２００では、２つの光源を用いており、第１光源２０４ａは、波長λ１の測定光を発生し、第２光源２０４ｂは、波長λ２の参照光を発生する。

発振器２０１は、第１光源２０４ａおよび第２光源２０４ｂから出力される光を強度変調するための変調信号を出力する。遅延調整器２０２は、発振器２０１からの変調信号のうち一方を反転して出力する。駆動回路２０３ａは第１光源２０４ａを駆動する。駆動回路２０３ｂは、遅延調整器２０２で反転された変調信号を基に第２光源２０４ｂを駆動する。

第１光源２０４ａは、駆動回路２０３ａからの信号により波長λ１の測定光を強度変調して出力する。第２光源２０４ｂは、駆動回路２０３ｂからの信号により波長λ２の参照光を強度変調して出力する。これにより、光合波器２０５は、測定光と参照光を合波し、異なる２波長λ１およびλ２光のそれぞれを、同一周波数で逆位相の信号により電気的に強度変調して出力する。

ここで、図７および図８に示す分光スペクトルに基づき従来の成分濃度測定装置２００における波長λ１、λ２の選択について説明する。２つの波長λ１および波長λ２は、対象成分の呈する吸収の差が、背景成分の呈する吸収の差よりも大きい波長である。また、波長λ１は、対象成分が特徴的な吸収を呈する波長に設定する。波長λ１および波長λ２は、対象成分の呈する吸収の差がそれ以外の成分の呈する吸収の差よりも大きい２波長であってもよい。これにより、水や測定対象の生体内成分以外の成分による吸収の影響を少なくして測定装置の測定精度をよくすることができる。

従来の成分濃度測定装置２００では、２つの波長λ１および波長λ２の各々を電気的に強度変調する変調周波数を、生体等の被測定物で発生する音波の検出に関わる共鳴周波数と同一の周波数で変調することにより、音波の測定値における吸収係数に関わる非線形性に配慮して選択された２波長の光に対する音波を測定する。そして、２波長差分の音波から一方の波長の音波を規格化することで、一定に保ちがたい多数のパラメータの影響を排除して、より高精度に生体等の被測定物内に発生する音波を検出することができる。

２つの波長λ１および波長λ２の光により生体等の被測定物の内部で発生した光音響信号は、それぞれ音波検出器２０６により検出され、音圧に比例した電気信号に変換される。変換された光音響信号（電気信号）は、波形観測器２０７によって観測される。２波長に対応する光音響信号の強度の差は、血液中に含まれるグルコースの量に対応した電気信号として測定される。記録器２０８は、生体等の被測定物を構成する背景成分と測定対象の生体内成分それぞれの吸収度スペクトルを検量モデルとして記憶し、測定された光音響信号の振幅および位相から生体内成分濃度を算出する。

また、従来の成分濃度測定装置２００における２つの選択波長では、図９に示すように、例えば、一方の波長については、水の吸光度スペクトルにおける温度依存係数が正の傾向を示す波長を選択し、他方の波長については負の傾向を示す波長を選択する。図９に示すように、吸光度変化の影響が大きい場合、温度変化による吸光度変化Δαｗに対して、温度を直接計測して既知の吸光度スペクトルから求める、若しくは、光の吸収量変化から温度変化ΔＴを推定して既知の吸光度スペクトルからΔαｗを求める。この場合、Δα＝Ｍαｇ＋Δαｗと記述できる。したがって、モル濃度Ｍ＝（Δα−Δαｗ）／αｇを演算し求めることができる。なお、αは吸光度、αｗは水の吸光度、αｇはグルコースのモル濃度あたりの吸光度である。

このように、従来の成分濃度測定装置２００では、光音響信号変化と生体内成分濃度との相関を予め測定することによって検量モデルをデータベース（図示しない）として構築し、計測した光音響信号の変化から生体内成分濃度の検量を行っていた。

また、図１０に、別の従来の非侵襲な成分濃度測定装置である、誘電分光法を用いた成分濃度測定装置３００の構成例を示す。成分濃度測定装置３００は、同軸プローブ３０１と、高周波信号計測装置３０２と、信号処理装置３０３と、濃度演算装置３０４と、データベース３０５とから構成される。

従来の誘電分光法による成分濃度測定装置３００は、同軸プローブ３０１を介して電磁波を皮膚内に照射し、測定対象の血液成分、例えば、グルコース分子と水の相互作用に従い、電磁波を吸収させ、同軸プローブ３０１を介して計測される電磁波の周波数に対する振幅および位相を観測する（例えば、非特許文献２参照。）。

観測される電磁波の周波数に対する振幅および位相から、信号処理装置３０３で誘電緩和スペクトルが算定される。図１１Ａおよび図１１Ｂに示すように、グルコース分子と水の相互作用から、複素誘電率スペクトル変化が生じる。一般的には、各分極の相互作用による寄与をＣｏｌｅ−Ｃｏｌｅ式に基づき緩和カーブの線形結合として表現し、複素誘電率を算定する。

次に、濃度演算装置３０４は、データベース３０５に基づき、誘電率を濃度に変換する。例えば、このデータベース３０５は、誘電分光スペクトルに基づき、作成された検量データベースである。

血液成分の定量では、例えば、複素誘電率は血液中に含まれるグルコースやコレステロール等の血液成分の量に相関があるため、生体内成分濃度は、複素誘電率の変化に対応した電気信号（振幅、位相）として測定される。したがって、従来の成分濃度測定装置３００では、複素誘電率変化と生体内成分濃度との相関を予め測定することによって検量モデルを構築し、計測した誘電緩和スペクトルの変化から生体内成分濃度の検量を行っていた。

このように、従来の透過型分光法を用いた成分濃度測定装置１００、光音響法を用いた成分濃度測定装置２００、および誘電分光法を用いた成分濃度測定装置３００では、一つのセンサから得られたスペクトル等の周波数軸のデータに対して多変量解析を行うことで検量モデルを構築し、その検量モデルに基づいて生体内成分濃度を求めていた。

しかし、実際の非侵襲的な生体グルコース濃度等の生体内成分の測定では、個人差のみならず、様々な要因が影響を与える。生体グルコース濃度の測定に影響を与える要因としては、例えば、測定環境（温湿度、屋内であるか、または屋外であるか）、精神状態が発汗に与える影響、発汗（電解質）、皮膚上塗布物の電気的特性、測定時の接触圧との相関、皮膚部位間のバラツキ、皮膚の粗さや堅さ、皮膚下の骨の有無がセンサ接触面積に与える影響、滲出液の有無、センサの皮膚内到達深度、感度等の特性、季節的な身体変化等が挙げられる。

したがって、従来における、一つのセンサから得られる一つのスペクトルデータの多変量解析で構築された検量モデルに基づく生体内成分濃度の測定では、測定環境等の影響が十分に反映されないことがあり、生体内成分濃度の定量精度が十分でないことがあった。

特開２００７−８９６６２号公報

Ｙ．Ｔａｎａｋａ，Ｙ．Ｈｉｇｕｃｈｉ，ａｎｄＳ．Ｃａｍｏｕ， "Ｎｏｎｉｎｖａｓｉｖｅｍｅａｓｕｒｅｍｅｎｔｏｆａｑｕｅｏｕｓｇｌｕｃｏｓｅｓｏｌｕｔｉｏｎａｔｐｈｙｓｉｏｌｏｇｉｃａｌｌｙｒｅｌｅｖａｎｔｂｌｏｏｄｃｏｎｃｅｎｔｒａｔｉｏｎｌｅｖｅｌｓｗｉｔｈｄｉｆｆｅｒｅｎｔｉａｌｃｏｎｔｉｎｕｏｕｓ−ｗａｖｅｌａｓｅｒｐｈｏｔｏａｃｏｕｓｔｉｃｔｅｃｈｎｉｑｕｅ"，ＩＥＥＥＳＥＮＳＯＲＳ，２０１５．Ｍ．Ｎａｋａｍｕｒａ，Ｔ．Ｔａｊｉｍａ，Ｋ．ＡｊｉｔｏａｎｄＨ．Ｋｏｉｚｕｍｉ， "Ｓｅｌｅｃｔｉｖｉｔｙ−ｅｎｈａｎｃｅｄｇｌｕｃｏｓｅｍｅａｓｕｒｅｍｅｎｔｉｎｍｕｌｔｉｃｏｍｐｏｎｅｎｔａｑｕｅｏｕｓｓｏｌｕｔｉｏｎｂｙｂｒｏａｄｂａｎｄｄｉｅｌｅｃｔｒｉｃｓｐｅｃｔｒｏｓｃｏｐｙ，" ２０１６ＩＥＥＥＭＴＴ−ＳＩｎｔｅｒｎａｔｉｏｎａｌＭｉｃｒｏｗａｖｅＳｙｍｐｏｓｉｕｍ（ＩＭＳ），２０１６．

本発明は、様々な状況下で生体内成分濃度の定量精度を向上させることができる成分濃度測定装置及び方法を提供することを目的とする。

上述した課題を解決するために、本発明に係る成分濃度測定装置において、センサ群から生体情報を取得するセンサ出力取得回路と、前記生体情報と生体内成分の実測値とに基づいて回帰係数ベクトルを算出して前記生体内成分の検量モデルとする検量モデル生成回路と、前記検量モデルを記憶する記憶回路と、前記記憶回路が記憶した前記検量モデルに基づいて前記生体内成分の値を推定する推定回路と、を備えることを特徴とする。

また、本発明に係る成分濃度測定装置において、前記検量モデル生成回路は、ＰＬＳ回帰分析により、前記生体内成分の実測値を目的変数とし、潜在的な因子を説明変数とする回帰係数ベクトルと、前記生体情報から、前記潜在的な因子を求める重みベクトルとを求める。

また、本発明に係る成分濃度測定装置において、前記生体内成分の実測値は、複数の互いに異なる値を含む。

また、本発明に係る成分濃度測定装置において、前記センサ群の各センサは、互いに異なる生体情報を検出してもよい。

また、本発明に係る成分濃度測定装置において、前記生体内成分は、生体グルコースであってもよい。

また、本発明に係る成分濃度測定装置において、前記センサ群は、光音響センサを含んでいてもよい。

また、本発明に係る成分濃度測定装置において、前記センサ群は、誘電分光センサを含んでいてもよい。

また、本発明に係る成分濃度測定方法は、センサ群から生体情報を取得するセンサ出力取得ステップと、前記生体情報と生体内成分の実測値とに基づいて回帰係数ベクトルを算出して前記生体内成分の検量モデルとする検量モデル生成ステップと、前記検量モデルを記憶部に記憶する記憶ステップと、前記記憶部に記憶した前記検量モデルに基づいて前記生体内成分の値を推定する推定ステップと、を備え、前記検量モデル生成ステップは、ＰＬＳ回帰分析により、複数の互いに異なる値を含む前記生体内成分の実測値を目的変数とし、潜在的な因子を説明変数とする回帰係数ベクトルと、前記生体情報から、前記潜在的な因子を求める重みベクトルとを求めることを特徴とする。

本発明によれば、センサ群から取得される生体情報に基づいて回帰係数ベクトルを算出して検量モデルを生成し、その検量モデルに基づいて生体内成分濃度を推定するため、様々な状況下で生体内成分濃度の定量精度を向上させることができる。

図１は、本発明の実施の形態に係る成分濃度測定装置の構成例を示すブロック図である。図２は、本発明の実施の形態に係る成分濃度測定装置の動作を説明するフローチャートである。図３は、本発明の実施の形態に係る成分濃度測定装置による生体グルコース濃度の推定を説明する模式図である。図４は、本発明の実施の形態に係る成分濃度測定装置を実現するコンピュータの構成例を示すブロック図である。図５は、従来の透過型分光法による成分濃度測定装置の構成例を示すブロック図である。図６は、従来の光音響法による成分濃度測定装置の構成例を示すブロック図である。図７は、分光スペクトルを示す図である。図８は、分光スペクトルを示す図である。図９は、グルコース水溶液の吸光度温度依存性を示す図である。図１０は、従来の誘電分光法による成分濃度測定装置の構成例を示すブロック図である。図１１Ａは、グルコース水溶液の誘電緩和スペクトルを示す図である。図１１Ｂは、グルコース水溶液の誘電緩和スペクトルを示す図である。

以下、本発明の好適な実施の形態について、図１から図４を参照して詳細に説明する。また、以下の実施の形態では、本発明に係る成分濃度測定装置により、生体グルコース濃度を測定する場合について説明する。また、各図について共通する構成要素には、同一の符号が付されている。

＜実施の形態＞
本発明の実施の形態に係る成分濃度測定装置１は、異なる複数のセンサを含むセンサ群２からそれぞれ異なる生体情報を取得して、それらの生体情報と、生体グルコース濃度の実測値とから回帰係数ベクトルを算出して生体グルコース濃度の検量モデルとする検量モデル生成部３２と、生成された検量モデルを記憶する検量モデルＤＢ５と、検量モデルに基づいてセンサ群２から得られる生体情報の観測値を生体グルコース濃度に変換する生体グルコース濃度推定部３３と、を有する。成分濃度測定装置１は、予め生成される生体グルコース濃度の検量モデルに基づいて、生体グルコース濃度を推定する。

図１は、本発明の実施の形態に係る成分濃度測定装置１の構成例を示すブロック図である。成分濃度測定装置１は、センサ群２と、演算部３と、ＣＧＭ装置４と、検量モデルＤＢ５と、を備える。

センサ群２は、それぞれ異なる生体情報を検出する複数のセンサにより構成される。センサ群２には、光音響センサ２１、誘電分光センサ２２、体温計２３、血流計２４等が含まれる。各センサは、それぞれ検出した生体情報の信号を信号処理部３１に出力する。

光音響センサ２１は、生体グルコースが光を吸収することにより生ずる光音響信号を検出し、信号処理部３１に出力する。誘電分光センサ２２は、生体グルコースを透過した電磁波の透過又は生体グルコースを反射した電磁波を検出し、透過又は反射信号を信号処理部３１に出力する。体温計２３は、被験者の体温を検出し、検出された体温を示す信号を信号処理部３１に出力する。また、血流計２４は、被験者の皮膚等の部位における組織血流量や血流速度を検出し、検出された信号を信号処理部３１に出力する。

センサ群２を構成するセンサは上記に限られず、加速度計、体姿勢計、血圧計、心電計、インピーダンス計、音速計等を用いてそれぞれ異なる生体情報を検出する構成を採用してもよい。

演算部３は、信号処理部３１と、検量モデル生成部３２と、生体グルコース濃度推定部３３とを備える。演算部３は、成分濃度測定装置１における検量モデルの生成や、生体グルコース濃度の推定に関する各処理の実行および制御を行う。

信号処理部３１は、センサ群２の各センサにより検出された生体情報に関する信号を取得し、増幅、サンプリング、フィルタリング等の処理を行い、信号を検量モデル生成部３２や生体グルコース濃度推定部３３に出力する。

検量モデル生成部３２は、信号処理部３１によって処理されたセンサ群２からの生体情報に関する信号と、ＣＧＭ装置４からの生体グルコース濃度の実測値とに基づいて、後述する多変量解析を行って生体グルコース濃度の検量モデルを生成する。

生体グルコース濃度推定部３３は、信号処理部３１によって処理されたセンサ群２からの生体情報に関する信号と、検量モデル生成部３２により生成された検量モデルとに基づいて生体グルコース濃度を推定し、出力する。

持続血糖測定（ＣＧＭ：ＣｏｎｔｉｎｕｏｕｓＧｌｕｃｏｓｅＭｏｎｉｔｏｒｉｎｇ）装置４は、被験者の生体グルコース濃度を５分毎、２時間以上連続して実測することができる装置である。ＣＧＭ装置４は、実測した生体グルコース濃度のデータを検量モデル生成部３２に出力する。

検量モデルＤＢ５は、検量モデル生成部３２により生成される検量モデルを記憶する。検量モデルＤＢ５は、検量モデルをベクトル情報として記憶することができるが、ルックアップテーブル等の参照表や、関数として検量モデルを記憶することで、生体グルコース濃度推定部３３による演算負荷を低減することができる。

図２は、本実施の形態に係る成分濃度測定装置１の動作を説明するフローチャートである。まず、検量モデル生成部３２は、生体グルコース濃度の検量モデルを生成するために、ＣＧＭ装置４から生体グルコース濃度の実測値を取得する（ステップＳ１）。

より具体的には、検量モデル生成部３２は、ＣＧＭ装置４が５分毎に食事前後２時間の期間にわたって生体グルコース濃度を実測した値をＣＧＭ装置４から取得する。また、ＣＧＭ装置４により実測される生体グルコース濃度の値はそれぞれ異なる値であることが望ましい。異なる値からなる生体グルコース濃度の実測値を用いることにより、推定精度のより高い検量モデルが生成される。

次に、検量モデル生成部３２は、ＣＧＭ装置４によって食事前後２時間にわたって５分毎に測定された生体グルコース濃度の各実測値に対応するセンサ群２の出力値を信号処理部３１から取得する（ステップＳ２）。

センサ群２の出力信号としては、光音響信号、測定厚、温度（測定物温度、外気温）を用いるが、センサ群２の出力信号はこれらに限られない。光音響信号に代えて、例えば、光音響センサ２１により検出される音響信号強度、音響信号位相、誘電分光センサ２２等の電気測定法により検出される電波信号強度、電波信号位相、体温計２３等の熱測定法により検出される温度上昇値や、これらの組み合わせを用いてもよい。

次に、検量モデル生成部３２は、ステップＳ１およびステップＳ２で取得した複数の生体グルコース濃度の実測値とそれらに対応するセンサ群２の出力値とに基づいて生体グルコース濃度の検量モデルを生成する（ステップＳ３）。より詳細には、検量モデル生成部３２は、信号処理部３１を介して得られた、センサ群２の複数の異なる生体情報を示す出力信号に対して、多変量解析を行って検量モデルを生成する。

＜検量モデルの定式化＞
センサ群２から得られる生体情報を示す出力信号は、ＣＧＭ装置４が実測した複数の既知の生体グルコース濃度Ｇ_i（ｉ＝０、１、・・・、Ｎ）に対する説明変数として考えることができる。既知の生体グルコース濃度Ｇ_iとセンサ群２によるセンサ出力Ｓ_j（ｊ＝０、１、・・・、Ｎ）との関係性は、線形回帰係数行列（回帰係数ベクトル）ａ_ijによって記述することができる。また、センサ群２によるセンサ出力が、例えば３種（ｉ＝２、ｊ＝２）の場合、以下の式（１）のように記述できる。

目的変数である生体グルコース濃度Ｇ_iと、その説明変数であるセンサ群２のセンサ出力Ｓ_jとの関係性を表す線形回帰係数行列ａ_ijが、生体グルコース濃度の検量モデルとして用いられる。

より複雑なモデル化としては、主成分回帰、重回帰、ＰａｒｔｉａｌＬｅａｓｔＳｑｕａｒｅｓ（ＰＬＳ）回帰、またはスパースモデリング等の多変量解析を用いることで、より高精度な生体グルコース濃度の検量モデルの構築が可能となる。

また、上記のような多変量解析を行う際に、信号処理部３１は、スムーシング等の信号処理を行って、センサ出力Ｓ_jに含まれるノイズやオフセットを低減してもよい。

＜ＰＬＳ回帰分析による検量モデルの生成＞
ここで、特に、生体グルコース濃度の測定では、実際に観測される値である、センサ群２のセンサ出力Ｓ_jのデータセットを構成する各センサの出力信号が、センサ間において相関を有することが考えられる。そのため、センサ群２のセンサ出力Ｓ_jが多数の因子として存在する一方、目的変数である生体グルコース濃度Ｇ_iの値を説明するような、互いに相関が無いか低い潜在的な因子を考えると、そのような少ない数の潜在的な因子によって目的変数Ｇ_iが説明可能な場合がある。

本実施の形態では、多変量解析としてＰＬＳ回帰分析を用いて式（２）に記載の検量モデル（回帰係数ベクトル）を求める場合について説明する。ＰＬＳ回帰分析では、複数のセンサ出力を考慮に入れつつ情報を集約した、互いに相関が無いか低い潜在因子を抽出して用いるため、より推定精度の高い検量モデルを生成することが可能となる。

また、ＰＬＳ回帰分析を用いることにより、サンプル数である既知のグルコース濃度Ｇ_iの数が少なくても安定したパラメータ推定が可能であるため、必ずしも多量のセンサ数を要しない。

本実施の形態におけるＰＬＳ回帰分析では、センサ出力Ｓ_jを説明変数として直接回帰に用いるのではなく、潜在変数Ｐ_ikを説明変数として用いる。この潜在変数Ｐ_ikを用いて、目的変数である生体グルコース濃度Ｇ_iは次の式で表すことができる。

ここで、α_k（ｋ＝０、１、・・・、ｄ）は回帰係数、Ｒ_iは残差である。すなわち、生体グルコース濃度Ｇ_iと潜在変数Ｐ_ikとの関係は、回帰係数ベクトルα＝（α₀、α₁、・・・、α_d）によって記述することができる。また、潜在変数Ｐ_ikは次のように表される。

上式（４）において、ｘ_ij（ｊ＝１、・・・、ｍ）は、潜在変数Ｐ_ikの入力変数であり、ｍ個のセンサ出力Ｓ_jに対応する。潜在変数Ｐ_ikは、入力変数ベクトルｘ＝（ｘ_i1、・・・、ｘ_im）と重みベクトルｗ＝（ｗ_k1、・・・、ｗ_km）との内積によって表される。ｗ_kjは、入力変数ｘ_ijに対する重み行列である。重み行列ｗ_kjは、潜在変数Ｐ_ikと目的変数Ｇ_i（生体グルコース濃度）との共分散が最大となるように決定される。また、重み行列ｗ_kjの各行の係数は、無相関かつ残差Ｒ_iと潜在変数Ｐ_i1との共分散が最大となるように設定する。

潜在変数Ｐ_ikの最適な個数ｄを決定するためには、例えば、クロスバリデーションを用いて検量モデルの精度を評価してもよい。

このように、センサ出力Ｓ_jとして得られる多数の説明変数から、センサ出力Ｓ_jのデータとしては観測できない潜在的な因子Ｐ_ikを抽出し、目的変数である生体グルコース濃度Ｇ_iの変動を説明する回帰分析を行って回帰係数α_kを求める。この回帰係数α_k（回帰係数ベクトル）が、生体グルコース濃度Ｇ_iの検量モデルとして得られる。

また、本実施の形態では、ＣＧＭ装置４により計測される生体グルコース濃度の複数の互いに異なる実測値と、各実測値に対応するセンサ群２からの出力信号のデータセットとに基づいて、ＰＬＳ回帰分析による多変量解析を行うため、生体グルコース濃度についての推定精度のより高い検量モデルを生成することができる。

図２に戻り、演算部３は、ステップＳ３で生成された生体グルコース濃度の検量モデルを検量モデルＤＢ５に記憶する（ステップＳ４）。

次に、生体グルコース濃度推定部３３は、検量モデルＤＢ５に記憶された検量モデルに基づいて、生体グルコース濃度の推定を行う。生体グルコース濃度推定部３３は、信号処理部３１から、センサ群２の出力値（観測値）を取得する（ステップＳ５）。センサ群２の出力信号としては、光音響信号、測定厚、温度（測定物温度、外気温）を用いる。

次に、生体グルコース濃度推定部３３は、検量モデルＤＢ５から生体グルコース濃度の検量モデルを読み出す。さらに、生体グルコース濃度推定部３３がステップＳ５で取得したセンサ群２からの出力値を用いて、回帰係数ベクトルαを掛け合わせることで、生体グルコース濃度の推定値を求める（ステップＳ６）。

ここで、図３に成分濃度測定装置１による生体グルコース濃度の推定を説明する模式図を示す。図３に示すように、まず、検量モデル生成部３２による検量モデルの生成処理（図２のステップＳ１〜Ｓ４）が実行され、その後に、生体グルコース濃度推定部３３による生体グルコース濃度の推定処理（図２のステップＳ５〜Ｓ６）が実行される。

図３に示す「白丸」の点は、検量モデルの生成処理において、事前に校正されたＣＧＭ装置４によって、５分毎に食事前後の２時間にわたって実測された生体グルコース濃度の値である。また、各「白丸」の点の時刻における、センサ群２による出力値のデータセットが取得されて、上述したＰＬＳ回帰分析により検量モデルが生成される。

生体グルコース濃度の推定処理が開始されると、「黒丸」の点で示す各時刻においてセンサ群２から観測値が取得され、それぞれの観測値のデータセットに対応する生体グルコース濃度の推定値が求められる。

以上説明したように、本実施の形態に係る成分濃度測定装置１は、複数の生体グルコース濃度の実測値と、各実測値に対応するセンサ群２の出力値のデータセットとを用いて、ＰＬＳ回帰分析による多変量解析を行うため、より精度の高い検量モデルが生成される。

また、多変量解析としてＰＬＳ回帰分析を用いることで、生体グルコース濃度の測定に影響を与える様々な予測不可能な要因が、説明変数に加えられるため、より精度の高い検量モデルを生成することができる。さらに、成分濃度測定装置１は、予め生成された、より精度の高い検量モデルに基づいてセンサ群２の観測値に対する生体グルコース濃度を推定するため、様々な状況下で生体グルコース濃度の定量精度を向上させることができる。

本実施の形態で説明した成分濃度測定装置１は、図４に示すように、バス１０ａを介して接続されるＣＰＵ３ａ、記憶装置５ａ、およびＩ／Ｆ１１ａを備えるコンピュータと、これらのハードウェア資源を制御するプログラムによって実現することができる。ＣＰＵ３ａは、記憶装置５ａに格納されたプログラムに従って本実施の形態で説明した処理を実行する。また、ＣＰＵ３ａは、インターネット等のネットワーク上のストレージにプログラムを格納しておき、これをダウンロードしてプログラムを実行してもよい。

以上、本発明の成分濃度測定装置における実施の形態について説明したが、本発明は説明した実施の形態に限定されるものではなく、請求項に記載した発明の範囲において当業者が想定し得る各種の変形を行うことが可能である。

例えば、本実施の形態において、検量モデルＤＢ５は、成分濃度測定装置１における所定の領域に設けられている場合について説明した。しかし、検量モデル生成部３２が生成する検量モデルは、インターネット等の通信ネットワークを介して接続されたサーバ装置等に設けられた記憶部に記憶されていてもよい。この場合、生体グルコース濃度推定部３３は、通信ネットワークを介して検量モデルをダウンロードして生体グルコース濃度の推定を行う。

１、１ａ…成分濃度測定装置、２…センサ群、２１…光音響センサ、２２…誘電分光センサ、２３…体温計、２４…血流計、３…演算部、３１…信号処理部、３２…検量モデル生成部、３３…生体グルコース濃度推定部、４…ＣＧＭ装置、５…検量モデルＤＢ。

Claims

センサ群から生体情報を取得するセンサ出力取得回路と、
前記生体情報と生体内成分の実測値とに基づいて回帰係数ベクトルを算出して前記生体内成分の検量モデルとする検量モデル生成回路と、
前記検量モデルを記憶する記憶回路と、
前記記憶回路が記憶した前記検量モデルに基づいて前記生体内成分の値を推定する推定回路と、
を備え、
前記検量モデル生成回路は、ＰＬＳ回帰分析により、複数の互いに異なる値を含む前記生体内成分の実測値を目的変数とし、潜在的な因子を説明変数とする回帰係数ベクトルと、前記生体情報から、前記潜在的な因子を求める重みベクトルとを求める
ことを特徴とする成分濃度測定装置。
前記センサ群の各センサは、互いに異なる生体情報を検出することを特徴とする請求項１に記載の成分濃度測定装置。
前記生体内成分は、生体グルコースであることを特徴とする請求項１又は請求項２に記載の成分濃度測定装置。
前記センサ群は、光音響センサを含むことを特徴とする請求項３に記載の成分濃度測定装置。
前記センサ群は、誘電分光センサを含むことを特徴とする請求項３に記載の成分濃度測定装置。
センサ群から生体情報を取得するセンサ出力取得ステップと、
前記生体情報と生体内成分の実測値とに基づいて回帰係数ベクトルを算出して前記生体内成分の検量モデルとする検量モデル生成ステップと、
前記検量モデルを記憶部に記憶する記憶ステップと、
前記記憶部に記憶した前記検量モデルに基づいて前記生体内成分の値を推定する推定ステップと、
を備え、
前記検量モデル生成ステップは、ＰＬＳ回帰分析により、複数の互いに異なる値を含む前記生体内成分の実測値を目的変数とし、潜在的な因子を説明変数とする回帰係数ベクトルと、前記生体情報から、前記潜在的な因子を求める重みベクトルとを求める
ことを特徴とする成分濃度測定方法。