JP6858751B2 - 糖尿病管理療法アドバイザ - Google Patents

Description

本開示は、真性糖尿病（Diabetes Mellitus）の治療のための個別療法を識別して最適化する糖尿病管理療法アドバイザに関する。

米国糖尿病協会及びＣＤＣからの最新のデータによれば、２千９百万人を超える米国人が糖尿病を患っている。しかしながら、さらに重要なことには、これ以外の８千６百万人、すなわち３人に１人が前糖尿病である。有効な治療介入がなければ、これらの人々の１５％〜２０％が５年以内に糖尿病を発症すると推定される。国際糖尿病連合は、全世界の糖尿病発症数を３億８千７百万人と報じている。この数字は、今後２０年間で５億９千２百万人に膨れ上がると予想される。

多くの場合、糖尿病患者は、糖尿病でない人々と比べて、心疾患、腎疾患、消化器疾患、神経疾患、甲状腺疾患及び眼科的合併症の割合が高い。多くの場合、糖尿病患者は、持続型及び即効型インスリン注射、インスリン吸入、経口薬、及びその他の抗糖尿病薬の注射を含む幅広い投薬を受ける。様々な分野の薬剤の中には、妊娠状態又は重度の腎疾患患者にとって禁忌の薬剤もある。さらに、２型糖尿病の治療に適した薬剤には、１型糖尿病にとって禁忌のものもある。

本開示の１つの態様は、治療患者のための治療量（treatment dose）を決定する方法を提供する。方法は、データ処理ハードウェアにおいて、データ処理ハードウェアと通信する記憶ハードウェアから、患者集団の複数の患者の訓練データを取得するステップを含む。訓練データは、患者集団の各患者の訓練血糖履歴データ（training blood glucose history data）と、訓練患者状態情報（training patient-state information）とを含む。訓練血糖履歴データは、患者集団の患者が投与したインスリンの治療量と、患者集団の患者が投与したインスリンの各治療量に関連する１又は２以上の結果属性とを含む。方法は、患者集団の各患者について、データ処理ハードウェアを用いて、好ましい結果属性をもたらすインスリンの治療量から１又は２以上の最適なインスリンの治療量を識別するステップを含む。方法は、データ処理ハードウェアにおいて、治療患者の患者状態情報を受け取るステップも含む。方法は、データ処理ハードウェアを用いて、患者集団のうちの、治療患者の患者状態情報と同様の訓練患者状態情報を有する患者に関連する識別された最適な治療量のうちの１つ又は２つ以上に基づいて、治療患者のための次回の推奨インスリン治療量を決定するステップをさらに含む。方法は、次回の推奨インスリン治療量を表示する、治療患者に関連するポータブル装置に、次回の推奨治療量を送信するステップをさらに含む。

本開示の実装は、以下の任意の特徴のうちの１つ又は２つ以上を含むことができる。いくつかの実装では、訓練データを取得するステップが、繰り返し生じる構成可能時間間隔の終了時に訓練データを自動的に取得するステップを含む。訓練データを取得するステップは、データ処理ハードウェアと通信するディスプレイ上に表示された即時開始ボタンを選択するユーザ入力に応答して、訓練データを即座に取得するステップを含むことができる。訓練データを取得するステップは、訓練データを選択日に取得するステップを含むこともできる。

いくつかの例では、治療患者のための次回の推奨インスリン治療量を決定するステップが、治療患者の患者状態情報に基づいて、治療患者がインスリンを必要としていると判断するステップと、予定される時間間隔中に治療患者が以前に投与したインスリンの食事ボーラス（meal boluses）を受け取るステップとを含む。予定される時間間隔中における治療患者のための次回の推奨治療量を決定するステップは、予定される時間間隔に関連する識別された最適なインスリンの治療量、及び受け取った予定される時間間隔中に治療患者が以前に投与したインスリンの食事ボーラスのうちの少なくとも一方に基づくことができる。予定される時間間隔は、朝食前の時間間隔、昼食前の時間間隔、夕食前の時間間隔、就寝時の時間間隔、又は睡眠中の時間間隔を含むことができる。

訓練血糖履歴データの１又は２以上の結果属性は、次回の予定血糖測定値と血糖目標範囲との関数に基づく血糖パーセント誤差を含むことができる。次回の予定血糖測定値は、対応するインスリンの治療量の投与後に生じる血糖測定値に対応することができる。治療患者のための次回の推奨インスリン治療量を決定するステップは、治療患者の患者状態情報に基づいて、治療患者がインスリンを必要としていると判断するステップと、治療患者が以前に投与した基礎インスリン量を受け取るステップとを含むことができる。治療患者のための次回の推奨基礎量を決定するステップは、識別された最適な治療量、及び治療患者が以前に投与した受け取った基礎インスリン量のうちの少なくとも一方に基づくことができる。

いくつかの例では、方法が、次回の推奨インスリン治療量を、データ処理ハードウェアと通信する投与装置に送信するステップを含む。投与装置は、投薬器と、投薬器と通信する投与コンピュータ装置とを含むことができる。投与コンピュータ装置は、次回の推奨インスリン治療量を投薬器に投与させることができる。治療患者のための次回の推奨治療量を決定するステップは、治療患者の患者状態情報に基づいて、治療患者の治療のために抗糖尿病薬が使用可能であると判断するステップと、患者の糖化ヘモグロビン測定値を受け取るステップと、糖化ヘモグロビン測定値と訓練データとに基づいて、治療患者のための抗糖尿病薬投与計画を決定するステップとを含むことができる。

訓練データの治療量は、患者集団の患者が投与した抗糖尿病薬併用量に対応することができる。訓練データの結果属性は、各抗糖尿病薬投与計画に関連する糖化ヘモグロビン測定値に対応することができる。患者状態情報は、患者に関連する複数の患者状態属性を含むことができる。患者状態属性は、年齢属性、性別属性、医療履歴属性、肥満度指数属性、医療履歴属性、リスク因子属性及び／又は財務属性のうちの１つ又は２つ以上を含むことができる。

本開示の別の態様は、治療患者のための治療量を決定するシステムを提供する。システムは、データ処理ハードウェアと、データ処理ハードウェアと通信する記憶ハードウェアとを含む投与量コントローラを含む。投与量コントローラは、記憶ハードウェアから患者集団の複数の患者の訓練データを取得する。訓練データは、患者集団の各患者の訓練血糖履歴データと、訓練患者状態情報とを含む。訓練血糖履歴データは、患者集団の患者が投与したインスリンの治療量と、患者集団の患者が投与したインスリンの各治療量に関連する１又は２以上の結果属性とを含む。システムは、患者集団の各患者について、好ましい結果属性をもたらすインスリンの治療量から１又は２以上の最適なインスリンの治療量を識別することと、治療患者の患者状態情報を受け取ることとを含む。システムは、患者集団のうちの、治療患者の患者状態情報と同様の訓練患者状態情報を有する患者に関連する識別された最適な治療量のうちの１つ又は２つ以上に基づいて、治療患者のための次回の推奨インスリン治療量を決定することも含む。システムは、治療患者に関連する、次回の推奨インスリン治療量を表示するポータブル装置に、次回の推奨治療量を送信することをさらに含む。

この態様は、以下の任意の特徴のうちの１つ又は２つ以上を含むことができる。いくつかの実装では、訓練データを取得することが、繰り返し生じる構成可能な時間間隔の終了時に訓練データを自動的に取得することを含む。訓練データを取得することは、データ処理ハードウェアと通信するディスプレイ上に表示された即時開始ボタンを選択するユーザ入力に応答して、訓練データを即座に取得することを含むことができる。訓練データを取得することは、訓練データを選択日に取得することをさらに含むことができる。

いくつかの例では、治療患者のための次回の推奨インスリン治療量を決定することが、治療患者の患者状態情報に基づいて、治療患者がインスリンを必要としていると判断することと、予定される時間間隔中に治療患者が以前に投与したインスリンの食事ボーラスを受け取ることとを含む。予定される時間間隔中における治療患者のための次回の推奨治療量を決定するステップは、予定される時間間隔に関連する識別された最適なインスリンの治療量、及び受け取った予定される時間間隔中に治療患者が以前に投与したインスリンの食事ボーラスのうちの少なくとも一方に基づくことができる。予定される時間間隔は、朝食前の時間間隔、昼食前の時間間隔、夕食前の時間間隔、就寝時の時間間隔、又は睡眠中の時間間隔を含むことができる。訓練血糖履歴データの１又は２以上の結果属性は、次回の予定血糖測定値と血糖目標範囲との関数に基づく血糖パーセント誤差を含むことができる。次回の予定血糖測定値は、対応するインスリンの治療量の投与後に生じる血糖測定値に対応することができる。

治療患者のための次回の推奨インスリン治療量を決定することは、治療患者の患者状態情報に基づいて、治療患者がインスリンを必要としていると判断することと、治療患者が以前に投与した基礎インスリン量を受け取ることとを含むことができる。治療患者のための次回の推奨基礎量を決定することは、識別された最適な治療量、及び治療患者が以前に投与した受け取った基礎インスリン量のうちの少なくとも一方に基づくことができる。

いくつかの例では、投与量コントローラが、次回の推奨インスリン治療量を、投与量コントローラと通信する投与装置に送信することができる。投与装置は、投薬器と、投薬器と通信する投与装置とを含むことができる。投与コンピュータ装置は、次回の推奨インスリン治療量を投薬器に投与させることができる。

いくつかの実装では、治療患者のための次回の推奨治療量を決定することが、治療患者の患者状態情報に基づいて、治療患者の治療のために抗糖尿病薬が使用可能であると判断することと、患者の糖化ヘモグロビン測定値を受け取ることと、糖化ヘモグロビン測定値と訓練データとに基づいて、治療患者のための抗糖尿病薬投与計画を決定することとを含む。

訓練データの治療量は、患者集団の患者が投与した抗糖尿病薬併用量に対応することができる。訓練データの結果属性は、各抗糖尿病薬投与計画に関連する糖化ヘモグロビン測定値に対応することができる。患者状態情報は、患者に関連する複数の患者状態属性を含むことができる。患者状態属性は、年齢属性、性別属性、医療履歴属性、肥満度指数属性、医療履歴属性、リスク因子属性及び／又は財務属性のうちの１つ又は２つ以上を含むことができる。

添付図面及び以下の説明に、本開示の実装の１又は２以上の詳細を示す。これらの説明及び図面、並びに特許請求の範囲からは、他の態様、特徴及び利点も明らかになるであろう。

患者のための治療量を推奨する例示的なシステムの概略図である。 患者のための治療量を推奨する例示的なシステムの概略図である。 投与量コントローラと通信する例示的な投与装置の概略図である。 患者のための患者治療プログラムを開始する例示的なプロセスの概略図である。 患者情報を入力するための例示的なディスプレイの概略図である。 患者情報を入力するための例示的なディスプレイの概略図である。 訓練プログラムの開始モードを選択するための例示的なディスプレイの概略図である。 インスリンの投与量を調整するための例示的な患者訓練プログラムの概略図である。 訓練データを用いて最適なインスリン投与量を決定する例示的な患者治療プログラムの概略図である。 患者に対する抗糖尿病薬併用量を処方するための例示的な抗糖尿病プログラムの概略図である。 例示的な皮下食事ボーラス調整プログラムの概略図である。 例示的な皮下基礎調整プログラムの概略図である。 抗糖尿病薬調整プログラムの概略図である。 治療患者のための治療量を決定する動作の例示的な配列である。

様々な図面の同じ参照記号は同じ要素を示す。

糖尿病の進行を大幅に遅らせ、場合によって排除するには、早期の、持続的、効果的かつ定期的な治療が必要である。非専門家の医療提供者にとって、糖尿病の管理は極めて複雑なプロセスとなり得る。多くの場合、糖尿病患者には、脂質異常症、高血圧症及び血糖制御のための多くの異なる治療薬が処方される。心不全、血圧及びその他の腎臓障害の治療に使用されることが多い利尿薬は、低血糖症をもたらす予期せぬ副作用を有することがある。医療関係職は、併用薬の効果と潜在的な薬力学的及び薬物動態学的相互作用とを熟考しなければならない。

図１Ａ〜図１Ｃを参照すると、いくつかの実装では、臨床判断支援システム１００が、入力された患者１０の患者状態パラメータを分析し、患者の血糖値を目標範囲ＢＧ_TR内に収めて維持するようにインスリンの個別投与量を計算する。本出願で使用する患者１０は、自宅又は職場などの遠隔地に存在し得る外来患者、或いは診療所４２又は病院に存在する入院患者を意味することができる。さらに、システム１００は、患者１０の血糖値をモニタし、患者の血糖を推奨期間にわたって好ましい目標範囲ＢＧ_TR内に収めるように、推奨される皮下インスリン投与量を計算する。いくつかの実装では、システム１００が、患者１０の糖化ヘモグロビン（以下「Ａ１ｃ」）レベルをモニタし、患者１０の糖尿病の進行を大幅に遅らせ、場合によっては排除するために、推奨される１又は２以上の抗糖尿病薬（ＡＤＭ）の投与量を計算する。本出願で使用するＡＤＭは、患者に投与できる非インスリン薬を意味する。システム１００は、患者１０への正しい投与量（例えば、インスリン投与量、ＡＤＭ投与量、又はこれらの組み合わせ）を決定するために、資格を持つ経験豊かな医療従事者４０が臨床的推論と併せて使用することができる。従って、システム１００は、患者の年齢、体重及び身長などの情報を考慮しながら患者の現在の及び累積的な血糖値ＢＧ又は現在の及び累積的なＡ１ｃレベルを評価するための血糖管理ツールである。システム１００は、食事の炭水化物含有量、及び／又は患者１０に投与されているインスリン投与量、例えば基礎インスリンのための持続型インスリン投与量、並びに食事ボーラス及び補正ボーラスのための即効型インスリン投与量などの、他の情報を考慮することもできる。システム１００は、（非一時的メモリ２４、１１４、１４４に記憶することができる）これらの測定結果に基づいて、医師が決定した（患者情報に基づいて）構成可能な目標血糖範囲ＢＧ_TRに向けて血糖値を調整して維持するために、皮下基礎インスリン及びボーラスインスリンの投与量又は処方用量を推奨する。システム１００は、患者のインスリン感受性又は改善された血糖管理及び結果も考慮する。いくつかの例では、システム１００が、医師が決定した（患者情報に基づいて）構成可能なＡ１ｃ目標範囲Ａ１ｃ_TRに向けて患者１０のＡ１ｃレベルを調整して維持するために、ＡＤＭ投与推奨治療を推奨する。

システム１００は、患者１０に関連する患者状態情報及び血糖ＢＧ履歴データなどの関連する患者情報を考慮することができる。システム１００は、１型真性糖尿病（以下、「ＤＭ１」）及び２型真性糖尿病（以下、「ＤＭ２」）に関する関連情報を含む（非一時的メモリ２４、１１４、１４４に記憶できる）糖尿病に関する情報を含む領域知識ベースを含むことができる。領域知識ベースは、併用薬の効果、並びに潜在的な薬力学的及び薬物動態学的相互作用に関する情報を含むこともできる。システム１００は、領域知識ベースの情報と、患者１０に関連する患者状態情報及び／又はＢＧ履歴データとに基づいて、患者１０の血糖制御のための個別糖尿病療法を選択することができる。システム１００は、患者集団の訓練血糖ＢＧデータ及び患者状態情報を（非一時的メモリ２４、１１４、１４４に）記憶し、患者集団の患者１０と同様の患者状態属性を有する患者の訓練ＢＧデータを使用して、患者１０に関連する皮下基礎インスリン及びボーラスインスリン投与量の推奨（又は、ＡＤＭ投与量の推奨）を調整することもできる。

最後に、システム１００は、推奨、調整又は処方用量をユーザ４０及び患者１０に報告するための報告プラットフォームを提供する。また、システム１００は、人間がインスリン投与をモニタするよりも速く確実で効率的なインスリン投与も提供する。システム１００は、領域知識ベースの情報にアクセスするシステムの能力に起因して、低血糖又は高血糖という予期せぬ副作用をもたらす恐れがある薬剤処方における人的過失を低減する。システム１００は、患者の血糖値ＢＧを記憶して追跡し、これらを統計的研究に使用できるというシステムの能力に起因して、人的エラーの確率を低減して一貫した治療を保証する。システム１００は、直前の食事ボーラス及びその後のＢＧに基づいて食事ボーラスを調整する専用のサブプログラムを提供することによって、炭水化物の集計を伴わない食事毎の食事ボーラス調整を行う。システム１００は、直前の食事ボーラス及びその後のＢＧにおいて使用される炭水化物−インスリン比（ＣＩＲ）に基づいて食事毎に調整されるＣＩＲに基づいて食事ボーラスを調整する専用のサブプログラムを提供することによって、炭水化物の集計を伴う食事毎の食事ボーラス調整を行う。

高血糖は、血糖が高過ぎる時に存在する状態である。通常、高血糖は糖尿病に関連するが、この状態は、糖尿病ではなく手術の外傷又はストレス及び院内処置によるその他の合併症に起因する高血糖値を有する多くの患者に存在する可能性もある。血糖値を正常な範囲に戻すには、インスリン療法が使用される。

低血糖は、患者の血糖値が好ましい目標に満たない時にはいつでも発生する可能性がある。重症患者の血糖値の適切な管理は、併存疾患を抑え、感染率、入院期間及び死亡の減少に関連する。高血糖の治療は、患者がＤＭ１、ＤＭ２、妊娠糖尿病、又は非糖尿病ストレス高血糖であると診断されたことがあるか否かによって異なり得る。目標血糖範囲ＢＧ_TRは、下限、すなわち低目標ＢＧ_TRLと、上限、すなわち高目標ＢＧ_TRHとによって定められる。

真性糖尿病は、長年にわたりインスリンを用いて治療されてきた。以下、いくつかの頻出する用語及び表現について説明する。

注射：手動注射器、又は身近な筆記用具に類似することにちなんで命名された携帯用注射器であるインスリン「ペン」を用いてインスリンを投与すること。

注入：継続投与が可能な皮下インスリン装置１２３、１２３ａのインスリンポンプを用いてインスリンを継続的に投与すること。

基礎ボーラス療法：基礎ボーラス療法は、基礎インスリンとインスリンボーラスとを含むあらゆるインスリン投与法を総称的に示す用語である。

基礎インスリン：絶食状態中に患者の肝臓から放出される糖を代謝させることを目的としたインスリン。基礎インスリンは、概ね一定であるがインスリンポンプ１２３ａによってプログラム的に変更することもできる患者の血中インスリンの基礎濃度を維持するように投与される。基礎インスリンは、グルコース消費（グルコースの摂取及び酸化）とグルコース産生（グルコース分解及びグルコース新生）とのバランスを取るために必要な低いながらも存在するインスリン濃度を提供する、昼夜を通じて低速で比較的持続的に行われるインスリンの供給である。通常、患者の基礎インスリン必要量は、約１０ｍＵ／ｋｇ／ｈｒ〜１５ｍＵ／ｋｇ／ｈｒであり、１日の総インスリン必要量の３０％〜５０％を占めるが、患者１０に基づいてかなりの変化が生じる。

ボーラスインスリン：個別の投与量で投与されるインスリン。ボーラスには、食事ボーラス（Meal Bolus）及び補正ボーラス（Correction Bolus）という２つの主な種類がある。

食事ボーラス：消化器系から直接血液に入り込む予想される食事中の炭水化物の即効性に比例する量が食事の直前に摂取される。食事ボーラスの量は、日中の食事、すなわち朝食、昼食及び夕食毎に医師４０が決定して処方することができる。或いは、食事ボーラスは、食事中の炭水化物のグラム数に概ね比例する量で計算することもできる。食事ボーラスの量は、炭水化物対インスリン比（ＣＩＲ）と呼ばれる個別数値である比例定数を用いて計算され、以下のように計算される。
インスリンの食事ボーラス＝｛食事中の炭水化物のグラム｝／ＣＩＲ （１）

補正ボーラスＣＢ：血糖測定の直後に注射されるものであり、補正ボーラスの量は、ＢＧの誤差に比例する（すなわち、このボーラスは、血糖測定値ＢＧと患者の個別目標血糖ＢＧ_Targetとの間の差分に比例する）。比例定数は、補正因子ＣＦと呼ばれる個別数値であり、以下のように計算される。
ＣＢ＝（ＢＧ−ＢＧ_Target）／ＣＦ （２）

補正ボーラスＣＢは、一般に前回摂取した食事が消化された後の絶食状態で投与される。多くの場合、この時間は、次の食事の直前の時間と一致する。

いくつかの実装では、血糖測定値ＢＧが、指数加重移動平均ＥＭＡ_tを各モーダルデイ（ｍｏｄａｌ ｄａｙ）の時間間隔ＢＧにわたる関数として用いて集計される。ＥＭＡ_tは、以下のように計算され、
ＥＭＡ_t＝α（ＢＧ_t）＋（１−α）ＥＭＡ_t-1 （３）
式中、
α＝２／（ｎ＋１）であり、
ｎは、相当する日数の平均である。他の実施形態では、ｎ日における全てのＢＧの合計を関連する全ての値の総数（ｎ）で除算したものを計算する算術移動平均が利用される。

基礎−ボーラスインスリン療法には、インスリンポンプ療法及び頻回注射療法（Ｍｕｌｔｉｐｌｅ Ｄｏｓｅ Ｉｎｊｅｃｔｉｏｎ ｔｈｅｒａｐｙ）を含む複数の種類が存在する。

インスリンポンプ療法：インスリンポンプ１２３ａは、真性糖尿病の治療における持続的皮下インスリン注入療法としても知られているインスリンの投与に使用される医療装置である。この装置は、ポンプと、インスリン用の使い捨てタンクと、使い捨て輸液セットとを含む。ポンプ１２３ａは、インスリン注射器又はインスリンペンによる頻回インスリン注射の代替例であり、血糖モニタ及び炭水化物集計との併用時に強化インスリン療法を可能にする。インスリンポンプ１２３ａは、ほぼページャのサイズのバッテリ式装置である。インスリンポンプ１２３ａは、インスリンカートリッジを含み、粘着パッチが取り付けられた小型のプラスチック針又は「カニューレ」である「輸液セット」を通じて患者内にインスリンを圧送する。即効型インスリンのみが使用される。

頻回注射療法（ＭＤＩ）：ＭＤＩは、注射器又はインスリンペン１２３ｂを用いた１日数回の皮下手動インスリン注射を伴う。食事インスリンは、各食事の前に食事に比例した量の即効型インスリンを注射することによって供給される。基礎インスリンは、１回分の持続型インスリンの１回、２回又は３回の連日注射として供給される。他の投薬頻度を利用することもできる。異なるタイプのインスリンの開発が進歩し続けており、これらの多くがＭＤＩ投与法に大きく弾みを付けるために使用されている。

持続型インスリンは非ピーク型（ｎｏｎ−ｐｅａｋｉｎｇ）であり、１日に１回程度の低頻度で注射することができる。これらのインスリンは、基礎インスリンのために広く使用されている。これらのインスリンは、安定した最低血糖値を維持するために肝臓によって血糖が補充される患者の絶食状態に適した投与量で投与される。

即効型インスリンは、自然のインスリンよりも短い時間尺度で作用する。これらのインスリンは、ボーラスに適する。

臨床判断支援システム１００は、血糖管理モジュール５０と、統合モジュール６０と、監視モジュール７０と、報告モジュール８０とを含む。各モジュール５０、６０、７０、８０は、ネットワーク２０を介して他のモジュール５０、６０、７０、８０と通信する。いくつかの例では、（後述する）ネットワーク２４が、特定のモジュール５０、６０、７０、８０の代わりに遠隔装置上におけるサービスの実行を可能にするクラウドコンピューティングリソースへのアクセスを提供する。血糖管理モジュール５０は、プロセッサ１１２、１３２、１４２上又はクラウドコンピューティングリソース上でプロセス２００（例えば、実行可能命令セット）を実行する。統合モジュール６０は、ユーザ４０及び患者１０とシステム１００との相互作用を可能にする。統合モジュール６０は、ユーザ４０によって入力された情報を受け取り、記憶システム（例えば、クラウドストレージリソース２４、診療所の電子医療システム１４０の非一時的メモリ１４４、患者装置１１０の非一時的メモリ１１４、又は統合モジュール６０と通信する他の非一時的記憶媒体のうちの１つ又は２つ以上）に記憶されている過去の入力情報をユーザ４０が検索できるようにする。従って、統合モジュール６０は、ディスプレイ１１６、１４６を介してユーザ４０、患者１０とシステム１００との間の相互作用を可能にする。いくつかの例では、統合モジュール６０が、患者１０に関連する血糖履歴データ２０８ｂをユーザ４０又は患者１０が入力して記憶システム２４、１４４、１１４に記憶できるようにする。監視モジュール７０は、ユーザ４０から統合モジュール６０を介して受け取った患者状態情報２０８ａと、患者の血糖値ＢＧを測定する血糖値測定器１２４から受け取った情報とを考慮して、患者１０が閾血糖値ＢＧＴＨ内にあるかどうかを判定する。いくつかの例では、患者の血糖値ＢＧが閾血糖値ＢＧＴＨ内にない場合、監視モジュール７０がユーザ４０に通知する。監視モジュール７０は、（後述する）事前構成パラメータに基づいて期待値と実際値との間のその他の不一致をユーザ４０に通知するように事前構成することができる。例えば、患者の血糖値ＢＧが閾血糖値の下限ＢＧＴＨＬ未満に低下した時に。報告モジュール８０は、少なくとも１つのディスプレイ１１６、１４６と通信することができ、血糖管理モジュール５０、統合モジュール６０及び／又は監視モジュール７０を用いて決定された情報をユーザ４０に提示する。いくつかの例では、報告モジュール８０が、ディスプレイ１１６、１４６上に表示できる、及び／又は印刷できる報告を提供する。

システム１００は、患者１０の血糖値及び栄養摂取量を評価するように構成される。システム１００は、データの評価及び分析に基づいて、患者１０の血糖値を目標血糖範囲ＢＧ_TR内に収めて維持するために患者１０に投与されるインスリン量を計算する。システム１００は、以下に限定するわけではないが、皮下インスリン注入ポンプ１２３ａ、インスリンペン１２３ｂ、血糖値測定器１２４、連続グルコースモニタリングシステム、及びグルコースセンサを含む様々な装置に適用することができる。

いくつかの実装では、システム１００が、患者１０に投与されるインスリン量に関連する結果データを考慮する。結果データは、前回患者１０に投与されたインスリン量の効果を示す次回の予定血糖測定値ＢＧｎｅｘｔを含むことができる。一般に、ＢＧｎｅｘｔは、推奨投与量の精度を示すように、患者にインスリン量が投与されてからインスリンの効果と食物の効果とがいずれも完了した十分な時間（例えば、４〜６時間）後に生じる。例えば、システム１００は、ＢＧｎｅｘｔが目標血糖範囲ＢＧ_TRの目標中心ＢＧ_TCよりも高い時には投与量を増やし、ＢＧｎｅｘｔが目標中心ＢＧ_TCよりも低い時には投与量を減らすことによって、次回の推奨インスリン投与量を調整することができる。次回の推奨インスリン投与量は、投与されたインスリン量又はそれに関連する食事ボーラスの後の、ただし翌日の、次回の予定食事ボーラスを含むことができる。

いくつかの例では、臨床判断支援システム１００が、ネットワーク２０と、患者装置１１０と、投与コントローラ１６０と、サービス提供者１３０と、計器メーカー提供者１６０とを含む。患者装置１１０は、以下に限定するわけではないが、デスクトップコンピュータ１１０ａ、ポータブル電子装置１１０ｂ（例えば、携帯電話機、スマートフォン、携帯情報端末、バーコードリーダ、パーソナルコンピュータ又は無線パッド）、又はネットワーク２０を介して情報を送受信できる他のいずれかの電子装置を含むことができる。いくつかの実装では、患者の血糖値測定器１２４、インスリンポンプ１２３ａ又はインスリンペン１２３ｂのうちの１つ又は２つ以上が、ネットワーク２０を介して情報を送受信することができる。

患者装置１１０ａ、１１０ｂは、データプロセッサ１１２ａ、１１２ｂ（例えば、命令を実行するコンピュータ装置）と、データプロセッサ１１２と通信する非一時的メモリ１１４ａ、１１４ｂ及びディスプレイ１１６ａ、１１６ｂ（例えば、タッチディスプレイ又は非タッチディスプレイ）とを含む。いくつかの例では、患者装置１１０が、キーボード１１８と、スピーカ２１２と、マイクと、マウスと、カメラとを含む。

患者１０に関連する血糖値測定器１２４、インスリンポンプ１２３ａ及びインスリンペン１２３ｂは、データプロセッサ１１２ｃ、１１２ｄ、１１２ｅ（例えば、命令を実行するコンピュータ装置）と、データプロセッサ１１２ｃ、１１２ｄ、１１２ｅと通信する非一時的メモリ１１４ｃ、１１４ｄ、１１４ｅ及びディスプレイ１１６ｃ、１１６ｄ、１１６ｅ（例えば、タッチディスプレイ又は非タッチディスプレイ）とを含む。

計器メーカー提供者１９０は、非一時的メモリ１９４と通信するデータプロセッサ１９２を含むことができる。データプロセッサ１９２は、患者の血糖値測定器１２４のメモリ１１４ｃから血糖ＢＧデータをダウンロードするための専用ダウンロードプログラム１９６を実行することができる。いくつかの実装では、専用ダウンロードプログラム１９６が、医療提供者１４０のコンピュータ装置１４２又は患者１０の装置１１０ａ上に実装されてメモリ１１４ｃからＢＧデータをダウンロードする。いくつかの例では、ダウンロードプログラム１９６が、非一時的メモリ２４、１１４、１４４に記憶できるようにＢＧデータファイルをエクスポートする。データプロセッサ１９２は、患者の装置１１０ａ、１１０ｂ、１２４、１２３ａ、１２３ｂのうちの１つ又は２つ以上から送信されたＢＧデータを受け取り、フォーマットして非一時的メモリ２４、１１４、１４４に記憶するためのウェブベースアプリケーション１９８をさらに実行することができる。

サービス提供者１３０は、非一時的メモリ１３４と通信するデータプロセッサ１３２を含むことができる。サービス提供者１３０は、患者装置１１０、医療提供者電子医療記録システム１４０、ポータブル血糖測定装置１２４（例えば、グルコース測定器又は血糖値測定器）又はポータブル投与装置１２３ａ、１２３ｂを介してネットワーク２０経由でアクセスできる、投与コントローラ１６０のプロセッサ１１２、１３２、１４２、１９２上で実行可能なプロセス２００（図２Ａを参照）（例えば、命令セットを含むモバイルアプリケーション、ウェブサイトアプリケーション又はダウンロードプログラム）を患者１０に提供する。

いくつかの実装では、医療提供者医療記録システム１４０が診療所４２（又は医院）に存在し、データプロセッサ１４２と、非一時的メモリ１４４と、ディスプレイ１４６（例えば、タッチディスプレイ又は非タッチディスプレイ）とを含む。一時的メモリ１４４及びディスプレイ１４６は、データプロセッサ１４２と通信する。いくつかの例では、医療提供者電子医療システム１４０が、ユーザ４０による患者状態情報２０８ａ（図２Ａ〜図２Ｃ）などのデータの入力を可能にするように、データプロセッサ１４２と通信するキーボード１４８を含む。非一時的メモリ１４４は、許可された病院職員がディスプレイ１４６上で検索、閲覧し、いくつかの例では修正して更新できる患者記録を維持する。

投与コントローラ１６０は、血糖値測定器１２４、インスリン投与装置１２３ａ、１２３ｂと通信し、コンピュータ装置１１２、１３２、１４２と、これらのコンピュータ装置と通信する非一時的メモリ１１４、１３４、１４４とを含む。投与コントローラ１６０は、プロセス２００を実行する。投与コントローラ１６０は、血糖値測定器１２４から検索された患者関連情報を記憶し、受け取った血糖測定値ＢＧに基づいてインスリン投与量ＩＲＲを決定する。投与コントローラ１６０は、治療量と、患者が投与した各治療量に関連する結果属性とを含む、患者１０に関連する血糖ＢＧ履歴データ２０８ｂを記憶することができる。例えば、治療量は、患者１０に投与されるインスリン量ＩＲＲを含むことができ、結果属性は、投与されたＩＲＲに関連するＢＧｎｅｘｔを含むことができる。他の例では、治療量が、患者１０に投与される１又は２以上のＡＤＭを含むことができ、結果属性が、投与されたＡＤＭに関連する次回の予定Ａ１ｃレベルを含むことができる。

図１Ｃを参照すると、いくつかの実装では、投与コントローラ１６０と通信するインスリン装置１２３（例えば、投与装置）が、投与コントローラ１６０によって選択された皮下インスリン治療プログラムに従ってインスリンを投与するための命令を実行することができる。投与装置１２３は、インスリンポンプ１２３ａ又はペン１２３ｂを含むことができる。投与装置１２３は、血糖値測定器１２４と通信し、コンピュータ装置１１２ｄ、１１２ｅと、コンピュータ装置１１２ｄ、１１２ｅと通信する非一時的メモリ１１４ｄ、１１４ｅとを含む。投与装置１２３は、投与コンピュータ装置１１２ｄ、１１２ｅと通信して患者１０にインスリンを投与する投薬器２２３ａ、２２３ｂを含む。例えば、インスリンポンプ１２３ａの投薬器２２３ａは、インスリンリザーバと流体連通する管と、患者１０の体内に挿入されて粘着パッチによって固定されるカニューレとを含む輸液セットを含む。ペン１２３ｂの投薬器２２３ｂは、インスリンカートリッジからインスリンを投与するための、患者１０に挿入される針を含む。投与装置１２３は、投与コントローラ１６０が選択して送信した皮下インスリン治療プログラムを受け取る一方で、投与コンピュータ装置１１２ｄ、１１２ｅは、皮下インスリン治療プログラムを実行することができる。いくつかの例では、投与コントローラ１６０が、投与コンピュータ装置１１２ｄ、１１２ｅ上で実行する。投与コンピュータ装置１１２ｄ、１１２ｅが皮下インスリン治療プログラムを実行すると、投薬器２２３ａ、２２３ｂは、皮下インスリン治療プログラムによって指定された量のインスリンを投与する。例えば、投与装置１２３ａ、１２３ｂは、インスリンを投与する単位を自動的に設定又はダイヤル入力し、投薬器２２３ａ、２２３ｂを介して患者１０に投与することができる。従って、投与装置１２３ａ、１２３ｂは、投与コントローラ１６０と通信し、又は投与コントローラ１６０を実装して、患者１０に投与するための推奨されるインスリン投与量を追加できる「スマート」投与装置とすることができる。

ネットワーク２０は、無線通信ネットワーク、携帯電話ネットワーク、時分割多重アクセス（ＴＤＭＡ）ネットワーク、符号分割多重アクセス（ＣＤＭＡ）ネットワーク、グローバルシステムフォーモバイルコミュニケーション（ＧＳＭ（登録商標））、第３世代（３Ｇ）ネットワーク、第４世代（４Ｇ）ネットワーク、衛星通信ネットワーク、及びその他の通信ネットワークなどの、通信信号の送受信を可能にするあらゆるタイプのネットワークを含むことができる。ネットワーク２０は、ワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）及びパーソナルエリアネットワーク（ＰＡＮ）のうちの１つ又は２つ以上を含むことができる。いくつかの例では、ネットワーク２０が、データネットワークの組み合わせ、遠距離通信ネットワーク、及びデータネットワークと遠距離通信ネットワークとの組み合わせを含む。患者装置１１０、サービス提供者１３０及び病院電子医療記録システム１４０は、ネットワーク２０を介して（有線又は無線で）信号を送受信することによって互いに通信する。いくつかの例では、ネットワーク２０が、ネットワーク２０を介して利用できる弾性的な／オンデマンドのコンピューティングリソース及び／又はストレージリソース２４とすることができるクラウドコンピューティングリソースへのアクセスを提供する。一般に「クラウド」サービスという用語は、ユーザの装置上でローカルに実行されるサービスではなく、むしろ１又は２以上のネットワーク２０を介してアクセスできる１又は２以上の遠隔装置から配信されるサービスを意味する。

図１Ｂ及び図２Ａ〜図２Ｄを参照すると、プロセス２００は、クライアント装置１１０、サービス提供者１３０及び／又は診療所システム１４０を介して入力されたパラメータ（例えば、患者状態パラメータ）を受け取り、入力されたパラメータを分析して、患者治療プログラム３００ｂ（図３Ｂ）を開始する。さらに、図２Ｄには、カレンダー間隔で実行できる訓練プログラム３００ａを開始するための開始モードセレクタ３０１を示す。訓練プログラム３００ａは、より効果的に機能するように自己訓練することができる。これを達成するために、訓練プログラム３００ａは、ＢＧ履歴データ２０８ｂから一連の新たな訓練データ３０８を検索し、処理して、数多くの患者プロファイルの血糖変数を予測できる最新の予測モデルを学習する。訓練プログラム３００ａは、訓練データ３０８から、患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及び／又はＳｕｂＱ情報２０８ｃを用いて計数を集計し、確率、平均、回帰関数及び／又はその他の統計データを計算して（非一時的メモリ１１４、１３４、１４４に）保存することができる。訓練の実行完了後には、治療プログラム３００ｂがこれらの確率及びその他の統計データを利用して、患者１０にとって最適な好ましい結果属性をもたらす治療量を予測できるようになる。例えば、治療プログラム３００ｂは、ＳｕｂＱ食事ボーラス調整プログラム４００ａ（図４Ａ）又はＳｕｂＱ基礎調整プログラム４００ｂ（図４Ｂ）のための推奨されるインスリン投与量を、患者の血糖値ＢＧを好ましい目標範囲ＢＧ_TRの目標中心ＢＧ_TC近くに収めて維持するように調整することができる。

いくつかの実装では、プロセス２００が、パラメータを受け取り始める前に（例えば、ディスプレイ１１６、１４６上に表示されたログイン画面において）ユーザ名及びパスワードを受け取って、資格を持つ経験豊かな医療従事者がプロセス２００を開始して患者１０に正確にインスリンを投与するためにプロセス２００が必要とする正しい情報を入力していることを検証することができる。システム１００は、ユーザ４０が自身のパスワード及び／又はユーザ名をリセットできるようにログイン画面をカスタマイズすることができる。さらに、システム１００は、ユーザ４０がシステム１００からログアウトできるようにするログアウトボタン（図示せず）を提供することもできる。ログアウトボタンは、プロセス２００の実行中にディスプレイ１１６、１４６上に常に表示しておくことができる。

臨床判断支援システム１００は、患者の血糖値ＢＧが目標範囲ＢＧ_TR外にある時にユーザ４０に通知する警報システム１２０を含むことができる。警報システム１２０は、スピーカ１２２を介して、ビープ音又は何らかの可聴音声メカニズムのような形で可聴音を発することができる。いくつかの例では、警報システム１２０が、患者装置１１０のディスプレイ１１６ａ〜１１６ｅ上に、警告メッセージ、又は警告メッセージを提供するための他のタイプの指示を表示する。警報システム１２０は、診療所システム１４０のディスプレイ１４６上に表示されるように、又は診療所システム１４０のスピーカ１５２を通じて再生されるように、ネットワーク２０を介して診療所システム１４０（又は他のいずれかのリモートステーション）に可聴通知及び／又は視覚通知を送信することもできる。

プロセスは、訓練プログラム３００ａ又は患者治療プログラム３００ｂを開始するために、ブロック２０８においてユーザ４０に患者情報２０８ａ〜２０８ｃを入力するように促す。ユーザ４０は、例えばユーザ装置１１０、又は診療所４２（又は医院）に位置する医療提供者医療記録システム１４０を介して患者情報２０８ａ〜２０８ｃを入力することができる。ユーザ４０は、図２Ｂに示すような新たな患者情報２０８ａ〜２０８ｃを入力することができる。プロセス２００は、診療所の電子医療システム１４０の非一時的メモリ１４４から、又は（例えば、患者情報２０８ａ〜２０８ｃが過去に入力され記憶されている場合には）患者装置１１０の非一時的メモリ１１４から患者情報２０８ａ〜２０８ｃを検索することができる。患者情報２０８ａ〜２０８ｃは、以下に限定するわけではないが、患者１０に関連する患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃを含むことができる。

図２Ａ及び図２Ｃを参照すると、患者１０の患者状態情報２０８ａは、患者１０に関連する１又は２以上の患者状態属性を含むことができる。患者状態属性は、変化しない属性、ゆっくりと変化する属性、又は滅多に変化しない属性に関連する。例えば、患者状態情報２０８ａは、以下に限定するわけではないが、患者の名前、患者の識別番号（ＩＤ）、患者の身長、体重、誕生日、糖尿病歴、病歴、臨床属性、財務属性及び他のいずれかの関連情報を含むことができる。病歴は、患者１０の全ての病気のリストと、これらの病気の治療のために処方された全ての薬剤のリストとを含むことができる。病歴内の情報は、患者１０に処方される個別糖尿病療法に影響し得る重要な併存疾患を患者１０が有しているか否かを示すことができる。臨床属性は、患者の医療提供者全てと、過去の通院に関する関連情報の記録とを含むことができる。例えば、臨床属性は、患者１０に関連する症状及び／又は検査結果を含むことができる。ここでの症状及び／又は検査結果は、患者１０が血管合併症を発症したことがあるか否かを示すことができる。財務属性は、特定の薬剤の処方時に考慮される患者１０の保険適用範囲、給与及び／又は教育程度を含むことができる。例えば、患者の保険制度の対象外の薬剤は、患者にとって継続が困難な処方となる可能性があり、従って代替の薬剤を検討することが必要となり得る。他の関連する患者状態情報は、以下に限定するわけではないが、患者の平均余命、重要な併存疾患、認められた血管合併症、患者の資金及び支援システムが直ぐに利用可能であるか、それとも制限があるか、及び患者の姿勢を含むことができる。例えば、患者の姿勢は、患者１０が意欲的であり、優れた自己管理能力を持って追随するかどうか、或いは患者１０が意欲的でなく、自己管理能力が低く追随性がないかどうかを示すことができる。

ＢＧ履歴データ２０８ｂは、治療量と、患者が投与した各治療量に関連する結果属性とを含む。図２Ｂには、「手動」ボタンの選択に基づいて患者１０のＢＧ履歴データ２０８ｂを手動で入力するか、それとも「ダウンロード」ボタンの選択に基づいてＢＧ履歴データ２０８ｂをダウンロードするかのオプションをユーザ４０に促すディスプレイ１１６、１４６を示す。例えば、患者１０のスマートフォン１１０ｂ又はタブレットは、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はその他の接続を介して血糖値測定器１２４及び／又はインスリン投与装置１２３ａ、１２３ｂと通信して、血糖値測定器１２４のメモリ１１４ｃからＢＧ履歴データ２０８ｂをダウンロードし、ネットワーク２０を介して投与量コントローラ１６０に送信することができる。他の例では、血糖値測定器１２４が、投与量コントローラ１６０と直接通信して、ＢＧ履歴データ２０８ｂを血糖値測定器１２４のメモリ１１４ｃからネットワーク２０を介して投与量コントローラ１６０に送信することができる。図２Ｃには、患者１０に投与された各インスリン量の時系列的記録及び各インスリン投与後に生じるＢＧｎｅｘｔを示す結果履歴としてのＢＧ履歴データ２０８ｂを表示するディスプレイ１１６、１４６を示す。例えば、ＢＧｎｅｘｔは、前回の食事のための食事ボーラスを投与した後の食事の際に生じる次回の予定ＢＧ測定値に対応することができる。いくつかの例では、朝食に関連するＢＧｎｅｘｔが昼食前の時間に生じ、昼食に関連するＢＧｎｅｘｔが夕食前の時間に生じ、夕食に関連するＢＧｎｅｘｔが就寝時又は翌日の朝食前の時間に生じる。

いくつかの例では、プロセス２００が、ブロック２０８において、患者の糖尿病状態、患者１０に指示された皮下タイプ（例えば、基礎／ボーラス、及び患者の一貫した炭水化物食のための補正）、１日の総投与量（ＴＤＤ）、ボーラスインスリンタイプ（例えば、Ｎｏｖｏｌｏｇ）、基礎インスリンタイプ（例えば、Ｌａｎｔｕｓ）、配分回数（例えば、１日１回、１日２回、１日３回など）、基礎の時間、ＴＤＤのうちの基礎の割合、ＴＤＤのうちの食事ボーラスの割合、１日の食事ボーラスの配分（例えば、朝食ボーラス、昼食ボーラス及び夕食ボーラス）、又は他のいずれかの関連情報などの、患者１０のＳｕｂＱ情報２０８ｃを入力するようにユーザ４０に要求する。いくつかの実装では、ＴＤＤが以下の式に従って計算される。
ＴＤＤ＝ＱｕｉｃｋＴｒａｎｓｉｔｉｏｎＣｏｎｓｔａｎｔ＊Ｍ_Trans （４Ａ）
式中のＱｕｉｃｋＴｒａｎｓｉｔｉｏｎＣｏｎｓｔａｎｔは、通常は１０００に等しく、Ｍ_Transは、ＳｕｂＱ遷移プロセスの開始時の患者の乗数である。他の実装では、ＴＤＤが、体重の関数としてのＴＤＤの統計的相関によって計算される。使用される相関は以下の通りである。
ＴＤＤ＝０．５＊体重（ｋｇ） （４Ｂ）
他の実装では、患者の１日の総投与量ＴＤＤが以下の式に従って計算される。
ＴＤＤ＝（ＢＧ_Target−Ｋ）＊（Ｍ_Trans）＊２４ （４Ｃ）
式中のＭ_Transは、ＳｕｂＱ遷移プロセスの開始時の患者の乗数である。

いくつかの実装では、患者ＳｕｂＱ情報２０８ｃに、調整又は修正できるデフォルトパラメータが予め追加される。いくつかの例では、患者ＳｕｂＱ情報２０８ｃの一部に、以前に入力された患者皮下情報２０８ｃが予め追加される。プロセス２００は、ＳｕｂＱ情報２０８ｃを入力する要求を患者装置１１０のディスプレイ１１６上でユーザ４０に促すことができる。いくつかの実装では、プロセス２００が、訓練プログラム３００ａ又は治療プログラム３００ｂを受ける新規患者のカスタムスタート（図２Ｂ）のための要求をディスプレイ１１６上で促す。ユーザ４０は、式２を用いて補正ボーラスＣＢを計算できるように、患者１０の補正因子ＣＦ（例えば、１７００）及び目標ＢＧ範囲を含むＳｕｂＱ情報２０８ｃを入力することができる。図２Ｂに示すように、ユーザ４０は、関連する食事の際に患者１０が摂取する炭水化物の数字に基づいて推奨インスリン投与量を決定できるように、インスリン−炭水化物比（ＩＣＲ）を入力することができる。

いくつかの例では、ディスプレイ１１６、１４６が、既存の患者又は再来患者１０の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及び／又はＳｕｂＱ情報２０８ｃを示すことができる。これらのシナリオでは、患者１０の名前及び／又は識別ＩＤ番号（図２Ｃ）を入力することによってシステム１００の非一時的メモリ２４、１１４、１２４から患者情報２０８ａ〜２０８ｃを検索し、ディスプレイ１１６、１４６上に表示することができる。プロセス２００が全ての患者情報２０８ａ〜２０８ｃを取得すると、ユーザ４０は患者治療プログラム３００ｂを開始することができる。例えば、ユーザ４０は、図２Ｂ及び図２Ｃにおいてディスプレイ１１６、１４６上の「治療」ボタンを選択することによって患者治療プログラム３００ｂを開始することができる。

プロセス２００は、訓練プログラム３００ａ（図３Ａ）が使用する訓練データの頻度及び／又はデータ範囲をユーザ４０が決定できるようにする。図２Ｄには、ユーザ４０が訓練プログラム３００ａの自動開始３０３、訓練プログラム３００ａの即時開始３０５、又は訓練プログラム３００ａの新規再開３０７のうちの１つを選択できるようにする、訓練プログラム３００ａのための例示的な開始モードセレクタ３０１を示す。自動開始３０３は、訓練プログラム３００ａのデフォルト設定とすることができ、Ｎ日の間隔で構成することができる。いくつかの例では、Ｎ日の値が６０日に等しい。しかしながら、ユーザ４０は、即時開始３０５を選択することによって訓練プログラム３００ａの早期の又は予定外の開始を望むこともできる。いくつかのシナリオでは、新規再開３０７を選択すると、訓練プログラム３００ａの自己習得メモリ（例えば、非一時的メモリ２４、１１４、１２４）が再初期化される。ユーザ４０は、訓練プログラム３００ａの変更が行われた時、又は既知の日付に変更が行われる時に新規再開を選択することができる。従って、ユーザ４０は、図２のディスプレイ１１６、１４６上に示すようなカレンダープルダウンボタンを通じてデータ日付範囲の開始を選択することができる。

図３Ａを参照すると、いくつかの実装では、訓練プログラム３００ａが、図２Ｄの開始モードセレクタ３０１への選択的なユーザ入力に基づいて開始する。例えば、訓練プログラム３００ａは、ブロック３０２において、図２Ｄの開始モードセレクタ３０１における自動開始３０３、即時開始３０５又は新規再開３０７のうちの１つが選択されたことに応答して開始することができる。新規再開３０７は、カスタム入力開始日を伴い、過去に取得されたデータが訓練プログラム３００ａの変更によって古くなってしまった時に使用することができる。図３Ａには、Ｎ日（例えば、６０日）の時間周期による自動開始３０３で動作する訓練プログラム３００ａの概要を示す。プロセスタイマ３０６は、この時間周期をカウントし始めることができる。訓練プログラム３００ａは、糖尿病患者を治療するためのインスリン投与量助言プログラムを改善できる定期的最適化プロセスである。訓練プログラム３００ａは、ＳｕｂＱ食事ボーラス調整プログラム４００ａ（図４Ａ）及びＳｕｂＱ基礎調整プログラム４００ｂ（図４Ｂ）に適用することができる。プログラム４００ａ、４００ｂは、食事ボーラス又は基礎のための推奨インスリン投与量を調整する決定木をそれぞれ含むことができる。

訓練プログラム３００ａは、ブロック３０８において、患者１０に関連するＢＧ履歴データ２０８ｂを取得し、これをブロック３１０において新たな訓練データとして供給する。ブロック３１０における新たな訓練データは、患者の患者状態情報２０８ａ及び患者のＳｕｂＱ情報２０８ｃも含む。いくつかの例では、訓練プログラム３００ａの最後のサイクル以降のＢＧ履歴データ２０８ｂのみが、その時の訓練プログラム３００ａにおける使用に検討される。これらの新たなデータは、訓練プログラム３００ａのメモリ（非一時的メモリ２４、１１４、１２４）に既に記憶されている古いデータにデフォルトで追加することができる。しかしながら、訓練プログラム３００ａに変更が加えられた場合、ユーザ４０は、図２Ｄの開始モードセレクタ３０１の新規再開３０７を選択することによってデフォルトを無効にして訓練プログラム３００ａのメモリの再初期化を指示することができる。

訓練プログラムは、ブロック３１０において新たな訓練データを処理してカウントを取得し、患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及び／又はＳｕｂＱ情報２０８ｃに基づく木訓練の形で確率を計算する。訓練プログラム３００ａは、ブロック３１０において、時系列的に１度に１つの投与量調整（例えば、ボーラス又は基礎）で新たな訓練データを取得することができる。ＢＧ履歴データ２０８ｂは、患者１０に投与されるインスリン量の計算と、次回の予定血糖測定値ＢＧｎｅｘｔがインスリン投与量の結果を示した時点で取得される、インスリン投与量に関連する結果データとを含むことができる。

ブロック３１２において、患者の患者状態情報２０８ａの各患者状態属性ＰＡであるＰＡ１〜ＰＡｊがブロック３１４に提供される。ブロック３１２からは、ブロック３１４における入力のために各患者状態属性ＰＡのツリーコネクタが延びることができる。いくつかの例では、ブロック３１４が、患者１０の全ての患者状態属性ＰＡに関連する親ボックスに対応し、各々がそれぞれの患者状態属性ＰＡに関連する１又は２以上の子ボックスを集合的に含む。訓練プログラム３００ａは、ブロック３１４において、各投与量調整中に各患者状態属性のカウントを増分し、各患者状態属性の確率を計算することができる。従って、訓練プログラム３００ａは、１度に１つの投与量調整で患者１０の各患者状態属性に適したボックスを指定することができる。訓練プログラム３００ａは、領域知識ベースからの新たな事例のグループ属性を他の属性の値に基づいて予測するために使用できる、患者集団のための分類器を構築することが有利である。図３Ａには、決定木を用いて属性を分類する訓練プログラム３００ａを示しているが、訓練プログラム３００ａは、ＩＦ−Ｔｈｅｎ規則誘導、ベイズ分類器、単純ベイズ分類器、反復二分器３（ＩＤ３）アルゴリズム、Ｋ最近傍法及びニューラルネットワークなどの他の分類法を使用することもできる。

訓練プログラム３００ａは、ブロック３１６において、患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃを処理して患者１０の調整されたインスリン投与量を計算した後に、調整されたインスリン投与量を患者１０に推奨する。例えば、投与コントローラ１６０は、調整されたインスリン投与量を患者コンピュータ装置１１０に送信することができる。いくつかの例では、投与コントローラ１６０が、ブロック３１６において計算された調整済みのインスリン投与量を投与装置１２３ａ、１２３ｂに送信し、投薬器２２３ａ、２２３ｂが患者１０にインスリンを投与する。ブロック３１６は、訓練プログラムのために選択されたＮ日の時間周期中における各調整されたインスリン投与量ＴＡであるＴＡ１〜ＴＡｊを含むことができる。訓練プログラム３００ａは、ブロック３１６において、各調整されたインスリン投与量のカウントを増分し、調整されたインスリン投与量の各々の確率を計算することができる。

ブロック３１８を参照すると、訓練プログラム３００ａは、ブロック３１６において計算され投与された調整済みのインスリン投与量に関連する結果属性を取得する。ブロック３１８は、ブロック３１６において患者１０が投与した調整済みのインスリン投与量ＴＡであるＴＡ１〜ＴＡｊの各々に関連する結果属性ＯＡであるＯＡ１〜ＯＡｉを含むことができる。訓練プログラム３００ａは、ブロック３１８において、各結果属性のカウントを増分し、各結果属性の確率を計算することができる。

結果属性は、患者が調整済みの投与量を投与してから十分な期間（例えば、４時間〜６時間）後に生じるＢＧｎｅｘｔを含むことができる。いくつかの例では、調整された投与量が食事ボーラス投与量に対応する場合、訓練プログラム３００ａは、ブロック３１６において患者１０が投与した調整済みの投与量に対する評価又は「等級」を計算する。例えば、ＢＧｎｅｘｔは、以下の式に従って計算される別の結果属性であるＢＧパーセント誤差（Ｅｒｒ％）にさらに処理することができる。
Ｅｒｒ％＝ＡＢＳ［（ＢＧｎｅｘｔ−ＢＧ_TC）／ＢＧ_TC］ （５）
式中のＢＧ_TCは、ＳｕｂＱ情報２０８ｃから取得されたＢＧ目標範囲ＢＧ_TRの目標中心である。

次に、訓練プログラム３００ａは、ブロック３１８において、各調整されたインスリン投与量のＢＧｎｅｘｔを平均（ＭｅａｎＢＧｎｅｘｔ）するとともにＥｒｒ％を平均（ＭｅａｎＥｒｒ％）し、調整された食事ボーラス投与量に対応する親ボックスに含まれる子ボックスにこれらの値を記憶することができる。従って、訓練プログラム３００ａは、調整された食事ボーラス投与量に関連する１又は２以上の結果属性に基づいて、各調整された食事ボーラス投与量に対する評価又は「等級」を計算する。ここでは、好ましい結果属性をもたらす調整されたインスリンの食事ボーラス投与量に、あまり好ましくない結果属性をもたらすものよりも高い「等級」が割り当てられる。従って、訓練プログラム３００ａは、患者が投与した最も好ましい結果属性をもたらす調整済みの食事ボーラスインスリン投与量のうちの１つから、最良の又は最適なインスリン治療量（例えば、最良の又は最適な食事ボーラス投与量）を識別することができる。

いくつかの例では、ブロック３１６において計算され患者１０が投与した調整済みのインスリン投与量が調整済みの基礎投与量に対応する場合、ブロック３１８における結果属性は、ブロック３１６における調整済みの基礎投与量の投与後に生じる次回の予定朝食ＢＧ測定値（ＢＧｂｒｅａｋｆａｓｔＮｅｘｔ）を含むことができる。ここでは、調整済みの基礎投与量が患者の血糖値をどれほど上手く制御したかを正確に示すように、患者１０の睡眠中における絶食後にＢＧｂｒｅａｋｆａｓｔＮｅｘｔが取得される。いくつかの例では、調整済みの投与量が基礎投与量に対応する場合、訓練プログラム３００ａは、ブロック３１６において患者１０が投与した調整済みの投与量に対する評価又は「等級」を計算する。例えば、ＢＧｂｒｅａｋｆａｓｔＮｅｘｔは、以下の式に従って計算される別の結果属性であるＢＧｂｒｅａｋｆａｓｔパーセント誤差（ＢｒｋＥｒｒ％）にさらに処理することができる。
ＢｒｋＥｒｒ％＝ＡＢＳ［（ＢＧＢｒｅａｋｆａｓｔＮｅｘｔ−ＢＧ_TC）／ＢＧ_TC］ （６）

次に、訓練プログラム３００ａは、ブロック３１８において、各調整されたインスリン投与量のＢｒｋＥｒｒ％を平均（ＭｅａｎＢｒｋＥｒｒ％）し、調整された基礎投与量に対応する調整済みの投与量に関連する親ボックスに含まれる子ボックスにこれらの値を記憶することができる。従って、訓練プログラム３００ａは、調整された基礎投与量に関連する１又は２以上の結果属性に基づいて、各調整された基礎投与量に対する評価又は「等級」を計算する。ここでは、好ましい結果属性をもたらす調整された基礎インスリン量に、あまり好ましくない結果属性をもたらすものよりも高い「等級」が割り当てられる。従って、訓練プログラム３００ａは、患者が投与した最も好ましい結果属性をもたらす調整済みの基礎インスリン量のうちの１つから、最良の又は最適なインスリン治療量（例えば、最良の又は最適な基礎投与量）を識別することができる。

訓練プログラム３００ａはブロック３０２に戻り、ブロック３０８において、別の投与量調整履歴のためのＢＧ履歴データ２０８ｂを取得することができる。訓練プログラム３００ａは、調整すべき各インスリン投与量のための訓練プログラム３００ａを完了すると、ブロック３１４、３１６、３１８の各々において非一時的メモリ２４、１１４、１２４内でカウントを増分して確率を計算する反復プロセスを停止する。訓練プログラム３００ａは、患者集団の各患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃに基づいて、患者集団のための決定木を構築することができる。従って、ユーザ４０（例えば、医師又は医療専門家）が患者１０のための個別患者療法を処方できるようにするために患者治療プログラム３００ｂが使用する決定木を非一時的メモリ２４、１１４、１２４から検索することができる。

図３Ｂを参照すると、いくつかの実装では、治療プログラム３００ｂが、訓練プログラム３００ａによって処理された決定木に含まれる訓練データを用いて、最適なインスリン投与量を決定して治療中の患者に推奨する。治療プログラム３００ｂは、新規患者又は再来患者と共にブロック３３０において開始する。ブロック３３０において、治療プログラムは、新規患者又は再来患者に関連する患者情報を取得する。患者情報は、患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃを含むことができる。

ブロック３１２において、患者の患者状態情報２０８ａの各患者状態属性ＰＡであるＰＡ１〜ＰＡｊがブロック３１４に提供される。ブロック３１２からは、ブロック３１４において入力される各患者状態属性ＰＡのためのツリーコネクタが延びることができる。いくつかの例では、ブロック３１４が、患者１０の全ての患者状態属性ＰＡに関連する親ボックスに対応し、各々がそれぞれの患者状態属性ＰＡに関連する１又は２以上の子ボックスを集合的に含む。従って、治療プログラム３００ｂは、図３Ａの訓練プログラム３００ａに関連する対応するボックス内に患者１０の各患者状態属性を割り当てることができる。しかしながら、治療プログラム３００ｂは、治療中の患者１０に関連する患者状態属性のカウントの増分又は確率の計算は行わない。

ブロック３３６において、治療プログラム３００ｂは、患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃを処理し、患者１０のための推奨されるインスリン投与量ＲＡ１、ＲＡ２〜ＲＡｊを決定する。しかしながら、治療プログラム３００ｂは、患者１０が投与するための推奨されるインスリン投与量を提供するのではなく、ブロック３３８において、推奨されるインスリン投与量を、訓練プログラム３００ａから取得された調整済みのインスリン投与量ＴＡであるＴＡ１〜ＴＡｊ及び関連する結果属性ＯＡであるＯＡ１〜ＯＡｉと比較する。ここでは、訓練プログラム３００ａのブロック３１６において計算された調整済みのインスリン投与量ＴＡであるＴＡ１〜ＴＡｊ、並びに訓練プログラム３００ａのブロック３１８及び３３８からそれぞれ取得された関連する結果属性ＯＡであるＯＡ１〜ＯＡｉが、患者集団のうちの治療中の患者１０と同じ診断結果及び同様の患者状態属性を有する患者のみに対応することができる。従って、治療プログラム３００ｂは、ブロック３４０において、訓練プログラム３００ａから取得された調整済みのインスリン投与量及び関連する結果属性との比較に基づいて、患者１０にとって最適な最も好ましい結果属性をもたらすインスリン投与量を決定（例えば、予測）することができる。いくつかの例では、患者１０にとって最適なインスリン投与量が、患者訓練プログラム３００ａのブロック３１８において識別された、患者集団のうちの治療中の患者１０と同様の患者状態属性を有する１又は２以上の患者にとって最良のインスリン治療量に対応する。ブロック３４０は、患者１０にとって最適なインスリン投与量をブロック３３６に提供して、以前に推奨されたインスリン投与量に取って代わらせることができる。システム１００の報告モジュール８０は、患者コンピュータ装置１１０に最適なインスリン投与量を送信して患者１０がディスプレイ１１６上で確認できるようにし、最適なインスリン投与量を含むｅメールを患者１０に送信し、及び／又は患者１０にとって最適なインスリン投与量をレポートに印刷することによって、患者１０に最適なインスリンを推奨することができる。いくつかの例では、治療プログラム３００ｂを実行する投与コントローラ１６０が、最適なインスリン投与量を投与装置１２３（例えば、ポンプ１２３ａ又はスマートペン１２３ｂ）に送信して、投与コンピュータ装置１１２ｄ、１１２ｅが患者１０に最適なインスリン投与量を投与するように投薬器２２３ａ、２２３ｂに命令できるようにする。

図３Ｃを参照すると、いくつかの実装では、抗糖尿病プログラム３００ｃが、糖尿病の進行を遅らせ、場合によっては排除するために、患者１０にＡＤＭ併用量（ＡＤＭ ｄｏｓｅ−ｃｏｍｂｉｎａｔｉｏｎｓ）を処方する。図３Ｃには、訓練プログラム３００ａと治療プログラム３００ｂとをそれぞれ組み合わせてＡＤＭを調整する概要を示す。従って、本開示は、プログラム３００ｃを抗糖尿病プログラム又はＡＤＭプログラムと呼ぶこともできる。プログラム３００ｃは、訓練モード又は治療モードで動作することができる。プログラム３００ｃの訓練モードは、糖尿病になる確率の高い患者又は２型真性糖尿病（ＤＭ２）と診断された患者を治療するための非インスリン投与助言プログラムを改善できる定期的最適化プロセスを含む。抗糖尿病プログラムは、推奨される１又は２以上のＡＤＭの投与量を調整するための決定木を含むことができるＡＤＭ調整プログラム４００ｃ（図４Ｃ）に適用することができる。抗糖尿病プログラム３００ｃの訓練モードは、図２Ｄの開始モードセレクタ３０１における自動開始３０３、即時開始３０５又は新規再開３０７のうちの１つが選択されたことに応答して開始することができる。新規再開３０７は、カスタム入力開始日を伴い、抗糖尿病プログラム３００ｃが変更されたことによって過去に取得したデータが古くなってしまった時に使用することができる。図３Ｃには、Ｎ日（例えば、６０日）の時間周期による自動開始３０３で動作する抗糖尿病プログラム３００ｃを示す。プロセスタイマ３５６は、この時間周期をカウントし始めることができる。

プログラム３００ｃの訓練モードは、ブロック３５８において患者１０に関連するＢＧ履歴データ２０８ｂを取得し、ブロック３６０においてＢＧ履歴データ２０８ｂを新たな訓練データとして提供する。ブロック３６０の新たな訓練データは、患者の患者状態情報２０８ａを含むこともできる。いくつかの例では、プログラム３００ａの訓練モードの最後のサイクル以降のＢＧ履歴データ２０８ｂのみが、その時の訓練モードサイクルにおける使用に検討される。これらの新たなデータは、訓練プログラム３００ａのメモリ（非一時的メモリ２４、１１４、１２４）に既に記憶されている古いデータにデフォルトで追加することができる。しかしながら、抗糖尿病プログラム３００ｃに変更が加えられた場合、ユーザ４０は、図２Ｄの開始モードセレクタ３０１における新規再開３０７の選択を通じてデフォルトを無効にしてプログラム３００ｃのメモリの再初期化を指示することができる。

訓練モード中、抗糖尿病プログラム３００ｃは、ブロック３６０において新たな訓練データを処理してカウントを取得し、患者の患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂに基づく木訓練の形で確率を計算する。プログラム３００ｃの訓練モードは、ブロック３６０において、時系列的に１度に１つのＡＤＭ投与量調整で新たな訓練データを取得することができる。ＢＧ履歴データ２０８ｂは、患者１０に投与される１又は２以上のＡＤＭ併用量の計算と、患者１０が投与した１又は２以上のＡＤＭ投与量に関連するＡ１ｃレベルに対応する結果データとを含むことができる。これに加えて、又はこれとは別に、結果データは、患者１０がＡＤＭ併用量を投与してから十分な時間後に生じることによってＡＤＭ併用量の血糖結果を示す次回の予定血糖測定値ＢＧｎｅｘｔを含むこともできる。

ブロック３６２において、患者の患者状態情報２０８ａの各患者状態属性ＰＡであるＰＡ１〜ＰＡｊがブロック３６４に提供される。ブロック３６２からは、ブロック３６４において入力される各患者状態属性ＰＡのためのツリーコネクタが延びることができる。いくつかの例では、ブロック３６４が、患者１０の全ての患者状態属性ＰＡに関連する親ボックスに対応し、各々がそれぞれの患者状態属性ＰＡに関連する１又は２以上の子ボックスを集合的に含む。訓練モード中、抗糖尿病プログラム３００ｃは、ブロック３６４において、各投与量調整中に各患者状態属性のカウントを増分し、各患者状態属性の確率を計算することができる。従って、プログラム３００ｃの訓練モードは、１度に１つの投与量調整で患者１０の各患者状態属性に適したボックスを指定することができる。プログラム３００ｃの訓練モードは、領域知識ベースからの新たな事例のグループ属性を他の属性の値に基づいて予測するために使用できる、患者集団のための分類器を構築することが有利である。図３Ｃには、決定木を用いて属性を分類する抗糖尿病プログラム３００ｃを示しているが、抗糖尿病プログラム３００ｃは、ＩＦ−Ｔｈｅｎ規則誘導、ベイズ分類器、単純ベイズ分類器、反復二分器３（ＩＤ３）アルゴリズム、Ｋ最近傍法及びニューラルネットワークなどの他の分類法を使用することもできる。

抗糖尿病プログラム３００ｃは、ブロック３６６において、患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃを処理して患者１０の調整されたＡＤＭ併用量を計算した後に、調整されたＡＤＭ併用量を患者１０に推奨する。ブロック３６６は、抗糖尿病プログラム３００ｃの訓練モードのために選択されたＮ日の時間周期中における各ＡＤＭ併用量ＴＡであるＴＡ１〜ＴＡｊ及び対応するＡＤＭであるＡＤＭ１、ＡＤＭ２〜ＡＤＭｋを含むことができる。抗糖尿病プログラム３００ｃは、ブロック３６８において、訓練モード中に各ＡＤＭ併用量のカウントを増分し、ＡＤＭ併用量の各々の確率を計算することができる。しかしながら、治療モード中には、ブロック３６６においてカウントの増分又は確率の計算を行わない。

ブロック３６８を参照すると、プログラム３００ｃは、ブロック３６６において計算され投与されたＡＤＭ併用量に関連する結果属性を取得する。ブロック３６８は、ブロック３６６において患者１０が投与したＡＤＭ併用量ＴＡであるＴＡ１〜ＴＡｊの各々に関連する結果属性ＯＡであるＯＡ１〜ＯＡｉを含むことができる。抗糖尿病プログラム３００ｃの治療モードは、ブロック３６８において、各結果属性のカウントを増分し、各結果属性の確率を計算することができる。しかしながら、抗糖尿病プログラム３００ｃは、治療モード中には、ブロック３６６においてカウントの増分又は確率の計算を行わない。

結果属性は、患者がＡＤＭ併用量を投与した後に生じる次回の予定Ａ１ｃレベル（Ａ１ｃＮｅｘｔ）を含むことができる。いくつかのシナリオでは、患者１０がＡＤＭ併用量を投与してから２〜３ヶ月以内に抗糖尿病プログラム３００ｃがＡ１ｃＮｅｘｔを取得する。いくつかの例では、抗糖尿病プログラム３００ｃが、訓練モード中に、ブロック３６６において患者１０が投与したＡＤＭ併用量に対する評価又は「等級」を計算する。例えば、抗糖尿病プログラム３００ｃは、患者１０が投与したＡＤＭ併用量のＡ１ｃＮｅｘｔを平均（ＭｅａｎＡ１ｃＮｅｘｔ）し、ＡＤＭ併用量に関連する親ボックスに含まれる子ボックスにこれらの値を記憶することができる。

訓練プログラム３００ｃの訓練モードはブロック３５２に戻り、ブロック３５８において、別の投与量調整履歴のためのＢＧ履歴データ２０８ｂを取得することができる。訓練モードは、指定期間Ｎ日の間に各ＡＤＭ投与量を調整すると終了し、抗糖尿病プログラム３００ｃは、ブロック３６４、３６６、３６８の各々において非一時的メモリ２４、１１４、１２４内でカウントを増分して確率を計算する反復プロセスを停止する。抗糖尿病プログラム３００ｃは、図３Ａの訓練プログラム３００ａと同様に、訓練モード中、患者集団の各患者の患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂに基づいて、患者集団のための決定木を処理することができる。

抗糖尿病プログラム３００ｃは、治療モード中、訓練モード中に処理された決定木に含まれる訓練データを用いて最適なＡＤＭ併用量を決定し、治療中の患者１０に最適なＡＤＭ併用量を推奨する。治療モードは、ブロック３６０において、新規患者又は再来患者１０に関連する患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂを取得することによって開始することができる。抗糖尿病プログラム３００ｃの治療モードは、訓練モードと同様に、新規患者又は再来患者１０の各患者状態属性を対応するボックス内に割り当てることができる。しかしながら、治療モードでは、治療中の患者１０に関連する患者状態属性カウントの増分又は確率の計算は行わない。抗糖尿病プログラム３００ｃは、ブロック３６６において、患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂを処理して患者１０のための推奨されるＡＤＭ併用量を計算する。プログラム３００ｃの治療モードは、患者１０が投与するための推奨されるＡＤＭ併用量を提供するのではなく、ブロック３６８において、推奨されるＡＤＭ併用量と、訓練モード中に訓練データから取得された調整済みのＡＤＭ併用量ＴＡであるＴＡ１〜ＴＡｊ及び関連する結果属性ＯＡであるＯＡ１〜ＯＡｉとを比較する。ここでは、抗糖尿病プログラム３００ｃが、推奨されるＡＤＭ併用量を、患者集団のうちの治療中の患者１０と同じ診断結果及び同様の患者状態属性を有する患者のみに対応する調整済みのＡＤＭ併用量ＴＡであるＴＡ１〜ＴＡｊ及び関連する結果属性ＯＡであるＯＡ１、ＯＡｉと比較することができる。従って、プログラム３００ｃの治療モードは、ブロック３７０において、訓練データから取得された調整済みのＡＤＭ併用量及び関連する結果属性に基づいて、患者１０にとって最適な最も好ましい結果属性をもたらすＡＤＭ（インスリン又は非インスリン）併用量を決定することができる。ブロック３７０は、最適なＡＤＭ併用量をブロック３６６に提供して、以前に推奨されたＡＤＭ併用量に取って代わらせることができる。システム１００の報告モジュール８０は、患者コンピュータ装置１１０に最適なＡＤＭ併用量を送信して患者１０がディスプレイ１１６上で確認できるようにし、最適なＡＤＭ併用量を含むｅメールを患者１０に送信し、及び／又は患者１０にとって最適なＡＤＭ併用量をレポートに印刷することによって、患者１０に最適なＡＤＭ併用量を推奨することができる。

図４Ａを参照すると、いくつかの実装では、ＳｕｂＱ食事ボーラス調整プログラム４００ａが、訓練プログラム３００ａ（図３Ａ）に関連する訓練モードと治療プログラム３００ｂ（図３Ｂ）に関連する治療モードとで動作することができる。図４Ａには、食事ボーラスを調整するための訓練及び治療の詳細を示す。ＳｕｂＱ食事ボーラス調整プログラム４００ａは、サービス提供者のデータ処理ハードウェア１３０、１６０、クラウドリソース、又は他の何らかのコンピュータ装置１１２、１３２、１４２などのコンピュータ装置上で実行することができる。ＳｕｂＱ食事ボーラス調整プログラム４００ａの訓練モードは、訓練プログラム３００ａと同様に、ブロック４０２において、図２Ｄの開始モードセレクタ３０１における自動開始３０３、即時開始３０５又は新規再開３０７のうちの１つが選択されたことに応答して開始することができる。新規再開３０７は、カスタム入力開始日を伴い、訓練プログラム３００ａが変更されたことによって過去に取得したデータが古くなってしまった時に使用することができる。図４Ａには、Ｎ日（例えば、６０日）の時間周期による自動開始３０３で動作するプログラム４００ａの概要を示す。プロセスタイマ４０６は、この時間周期をカウントし始めることができる。訓練モードは、ＳｕｂＱ食事ボーラス調整プログラム４００ａによって決定された食事ボーラス投与量の推奨を改善することができる定期的最適化プロセスである。

ＳｕｂＱ食事ボーラス調整プログラム４００ａの治療モードは、ブロック４０８において患者１０に関連するＢＧ履歴データ２０８ｂを含む患者情報を取得し、ブロック４１０においてＢＧ履歴データ２０８ｂを新たな訓練データとして提供する。ブロック４１０の新たな訓練データは、患者の患者状態情報２０８ａ及び患者のＳｕｂＱ情報２０８ｃも含む。ＳｕｂＱ食事ボーラス調整プログラム４００ａは、ブロック４１０において、時系列的に１度に１つの食事ボーラス投与量調整で新たな訓練データを取得することができる。ＢＧ履歴データ２０８ｂは、患者１０が投与するインスリン量（例えば、食事ボーラス）の計算と、次回の予定血糖測定値ＢＧｎｅｘｔがインスリン投与量の結果を示した時点で取得される、インスリン量に関連する結果データとを含むことができる。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及び／又はＳｕｂＱ情報２０８ｃから取得された関連する属性を処理するためのブロック４１０〜４２８を含む。各ブロック４１０〜４２８では、カウントを取得し、ブロック４１０において訓練データから取得された患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及び／又はＳｕｂＱ情報２０８ｃに基づく木訓練の形で関連する属性の確率を計算することができる。各ブロック４１０〜４２８は、親属性ボックスに関連する１又は２以上の子属性ボックスを含むことができる。ブロック４１０〜４２８は、各属性について適切なボックスを決定し、カウント（Ｎ）を１だけ増分し、各ボックスにおける尤度又は確率（Ｐ）を以下の式に従って計算することができる。
Ｐ＝（子ボックス内のＮ）／（親ボックス内のＮ） （７）
式中の子ボックスは、現在の属性に対応する。

ブロック４１２において、患者状態情報２０８ａから取得された患者の診断属性を、その診断属性に関連する子ボックスと比較する。次に、患者の診断に関連する子ボックスを選択し、診断カウントＮｄｉａｇを１だけ増分し、式７を用いて診断確率Ｐｄｉａｇを計算する。

ブロック４１４において、患者状態情報２０８ａから取得された患者の年齢属性を、この属性に関連する子ボックスと比較する。各子ボックスは、年単位の年齢、又は関連する年単位の年齢範囲に対応することができる。次に、患者の年齢に関連する子ボックスを選択し、年齢カウントＮａｇｅを１だけ増分し、式７を用いて年齢確率Ｐａｇｅを計算する。いくつかの例では、患者の年齢に関連するボックスが、患者の年齢を最も若い年齢から開始して年齢属性の上限（ＡｇｅＴｏｐ）と反復的に比較し、ＩＦ Ａｇｅ＜ＡｇｅＴｏｐ ＴＨＥＮ Ｎａｇｅ＝Ｎａｇｅ＋１という式に従う論理表現を使用することによって選択される。

ブロック４１６において、患者状態情報２０８ａから取得された患者の糖尿病患者型ＤＭｔｙｐｅを、ＤＭｔｙｐｅ属性に関連する子ボックスと比較する。ブロック４１６におけるＤＭｔｙｐｅ属性は、ＤＭ１のための子ボックスと、ＤＭ２のための子ボックスと、「未記録」のための子ボックスという３つの子ボックスを含むことができる。次に、患者のＤＭＴｙｐｅに関連する子ボックスを選択し、ＤＭＴｙｐｅカウントＮＤＭ１又はＮＤＭ２を１だけ増分し、式７を用いて確率ＰＤＭ１又はＰＤＭ２を計算する。

ブロック４１８において、患者状態情報２０８ａから取得された患者の体重及び身長によって患者の肥満度指数（ＢＭＩ）を求め、ＢＭＩ属性に関連する子ボックスと比較する。各子ボックスは、ＢＭＩ値又は関連するＢＭＩ値範囲に対応することができる。次に、患者のＢＭＩに関連する子ボックスを選択し、ＢＭＩカウントＮＢＭＩを１だけ増分し、式７を用いてＢＭＩ確率ＰＢＭＩを計算する。いくつかの例では、患者のＢＭＩに関連するボックスが、患者のＢＭＩを最も低いＢＭＩから開始してＢＭＩ属性の上限（ＢＭＩＴｏｐ）と反復的に比較し、ＩＦ ＢＭＩ＜ＢＭＩＴｏｐ ＴＨＥＮ ＮＢＭＩ＝ＮＢＭＩ＋１という式に従う論理表現を使用することによって選択される。

ブロック４２０において、患者状態情報２０８ａから取得された患者の補正因子（ＣＦ）を、ＣＦ属性に関連する子ボックスと比較する。各子ボックスは、ＣＦ値又は関連するＣＦ値範囲に対応することができる。次に、患者のＣＦに関連する子ボックスを選択し、ＣＦカウントＮＣＦを１だけ増分し、式７を用いてＣＦ確率ＰＣＦを計算する。いくつかの例では、患者のＣＦに関連するボックスが、患者のＣＦを最も低いＣＦから開始してＣＦ属性の上限（ＣＦＴｏｐ）と反復的に比較し、ＩＦ ＣＦ＜ＣＦＴｏｐ ＴＨＥＮ ＮＣＦ＝ＮＣＦ＋１という式に従う論理表現を使用することによって選択される。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、ブロック４２２において、食事ボーラスインスリン投与量を時系列的に１度に１つずつ調整する。調整された食事ボーラスは、制御食事ボーラス（ＭｅａｌＢｏｌｕｓＧｏｖ）と呼ばれる。ＭｅａｌＢｏｌｕｓＧｏｖは、ＢＧ履歴データ２０８ｂから取得して、ＭｅａｌＢｏｌｕｓＧｏｖ属性に関連する子ボックスと比較することができる。各子ボックスは、ＭｅａｌＢｏｌｕｓＧｏｖ値又は関連するＭｅａｌＢｏｌｕｓＧｏｖ値範囲に対応することができる。プログラム４００ａは、患者のＭｅａｌＢｏｌｕｓＧｏｖに関連する子ボックスを選択し、カウントＮｂｏｌｇを１だけ増分し、式７を用いてＭｅａｌＢｏｌｕｓＧｏｖ確率Ｐｂｏｌｇを計算する。いくつかの例では、患者のＭｅａｌＢｏｌｕｓＧｏｖに関連するボックスが、患者のＭｅａｌＢｏｌｕｓＧｏｖを最も低いＭｅａｌＢｏｌｕｓＧｏｖから開始してＭｅａｌＢｏｌｕｓＧｏｖ属性の上限（ＭｅａｌＢｏｌｕｓＧｏｖＴｏｐ）と反復的に比較し、ＩＦ ＭｅａｌＢｏｌｕｓＧｏｖ＜ＭｂｏｌＧＴｏｐ ＴＨＥＮ Ｎｂｏｌｇ＝Ｎｂｏｌｇ＋１という式に従う論理表現を使用することによって選択される。

プログラム４００ａは、ブロック４２４において、患者１０がＭｅａｌＢｏｌｕｓＧｏｖを投与した後の患者の次回の予定血糖測定値（ＢＧｇｏｖ）をＢＧ履歴データ２０８ｂから取得して、ＢＧｇｏｖ属性に関連する子ボックスと比較する。各子ボックスは、ＢＧｇｏｖ値又は関連するＢＧｇｏｖ値範囲に対応することができる。プログラム４００ａは、患者のＢＧｇｏｖに関連する子ボックスを選択し、カウントＮＢＧを１だけ増分し、式７を用いてＢＧｇｏｖ確率ＰＢＧを計算する。いくつかの例では、患者のＢＧｇｏｖに関連するボックスが、患者のＢＧｇｏｖを最も低いＢＧｇｏｖから開始してＢＧｇｏｖ属性の上限（ＢＧｇｏｖＴｏｐ）と反復的に比較し、ＩＦ ＢＧｇｏｖ＜ＢＧｇｏｖ Ｔｏｐ ＴＨＥＮ ＮＢＧ＝ＮＢＧ＋１という式に従う論理表現を使用することによって選択される。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、ブロック４２６において、ＳｕｂＱ情報２０８ｃから患者の目標血糖範囲ＢＧ_TRを取得して、ＢＧ_TR属性に関連する子ボックスと比較する。プログラム４００ａは、患者のＢＧ_TRに関連する子ボックスを選択し、カウントＮＴｇｔを１だけ増分し、式７を用いてＢＧ_TR確率ＰＴｇｔを計算する。いくつかの例では、患者のＢＧ_TRに関連するボックスが、患者のＢＧ_TRを最も低いＢＧ_TRから開始してＢＧ_TR属性の上限（ＢＧ_TRTop）と反復的に比較し、ＩＦ ＢＧ_TR＜ＴａｒｇｅｔＨｉｇｈ ＴＨＥＮ ＮＴｇｔ＝ＮＴｇｔ＋１という式に従う論理表現を使用することによって選択される。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、ブロック４２８において、ＳｕｂＱ情報２０８ｃから患者のインスリン−炭水化物比（ＩＣＲ）を取得して、ＩＣＲ属性に関連する子ボックスと比較する。プログラム４００ａは、患者のＩＣＲに関連する子ボックスを選択し、カウントＮＩＣＲを１だけ増分し、式７を用いてＩＣＲ確率ＰＩＣＲを計算する。いくつかの例では、患者のＩＣＲに関連するボックスが、患者のＩＣＲを最も低いＩＣＲから開始してＩＣＲ属性の上限（ＩＣＲＴｏｐ）と反復的に比較し、ＩＦ ＩＣＲ＜ＩＣＲｂｏｘＴｏｐ ＴＨＥＮ ＮＩＣＲ＝ＮＩＣＲ＋１という式に従う論理表現を使用することによって選択される。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、訓練モード中にブロック４１０〜４２８内で患者の各属性を処理した後に、ブロック４３０に進んで調整済みの食事ボーラス（ＭｅａｌＢｏｌＡｄｊ）を取得する。いくつかの例では、ＭｅａｌＢｏｌＡｄｊが、ブロック４２２のＭｅａｌＢｏｌＧｏｖの後に生じる次回の食事ボーラスに対応する。例えば、ＭｅａｌＢｏｌＧｏｖが朝食の食事ボーラスを含む場合、ＭｅａｌＢｏｌＡｄｊは、同じ日の昼食の食事ボーラスに対応する。他の例では、ＭｅａｌＢｏｌＡｄｊが、ＭｅａｌＢｏｌＧｏｖと同じであるが翌日の食事ボーラスに対応する。例えば、ＭｅａｌＢｏｌＧｏｖが夕食の食事ボーラスを含む場合、ＭｅａｌＢｏｌＡｄｊは、翌日に生じる夕食の食事ボーラスに対応する。プログラム４００ａは、訓練モード中に、ＭｅａｌＢｏｌＡｄｊを、ＭｅａｌＢｏｌＡｄｊ属性に関連する子ボックスと比較する。各子ボックスは、ＭｅａｌＢｏｌＡｄｊ値又は関連するＭｅａｌＢｏｌＡｄｊ値範囲に対応することができる。プログラム４００ａは、患者のＭｅａｌＢｏｌＡｄｊに関連する子ボックスを選択し、カウントＮＭｂｏｌＡｄｊを１だけ増分し、式７を用いてＭｅａｌＢｏｌＡｄｊ確率ＰＭＢｏｌＡｄｊを計算する。いくつかの例では、患者のＭｅａｌＢｏｌＡｄｊに関連するボックスが、患者のＭｅａｌＢｏｌＡｄｊを最も低いＭｅａｌＢｏｌＡｄｊから開始してＭｅａｌＢｏｌＡｄｊ属性の上限（ＭｅａｌＢｏｌＡｄｊＴｏｐ）と反復的に比較し、ＩＦ ＭｅａｌＢｏｌＡｄｊ＜ＭｂｏｌＡｄｊＴｏｐ ＴＨＥＮ ＮＭｂｏｌＡｄｊ＝ＮＭｂｏｌＡｄｊ＋１という式に従う論理表現を使用することによって選択される。ＳｕｂＱ食事ボーラス調整プログラム４００ａは、患者１０が投与するためのＭｅａｌＢｏｌＡｄｊに関連する調整されたインスリン投与量を患者１０に推奨することができる。例えば、投与コントローラ１６０は、ＭｅａｌＢｏｌＡｄｊを患者コンピュータ装置１１０又は患者の投与装置１２３ａ、１２３ｂに送信することができる。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、ブロック４３０において患者のＭｅａｌＢｏｌＡｄｊを処理した後に、ブロック４３２において患者のＭｅａｌＢｏｌＡｄｊに関連する１又は２以上の結果属性を取得する。結果属性は、患者１０が調整された投与量を投与してから十分な期間（例えば、４時間〜６時間）後に生じるＢＧｎｅｘｔを含むことができる。プログラム４００ａは、ＢＧｎｅｘｔのカウント（ＮＢＧｎｅｘｔ）を１だけ増分することができる。また、プログラム４００ａは、訓練モード中に、ＢＧｎｅｘｔに基づいて、患者１０が投与したＭｅａｌＢｏｌＡｄｊに対する評価又は「等級」を計算する。例えば、プログラム４００ａは、ＢＧｎｅｘｔを処理して式５を用いてＢＧパーセント誤差（Ｅｒｒ％）を計算し、Ｅｒｒ％のカウント（Ｎｅｒｒ％）を１だけ増分することができる。ＳｕｂＱ食事ボーラス調整プログラム４００ａは、各ＭｅａｌＢｏｌＡｄｊについて各ＢＧｎｅｘｔの合計（ＳｕｍＢＧｎｅｘｔ）と各Ｅｒｒ％の合計（ＳｕｍＥｒｒ％）とを計算した後に、各ＭｅａｌＢｏｌＡｄｊについてＢＧｎｅｘｔを平均（ＭｅａｎＢＧｎｅｘｔ）してＥｒｒ％を平均（ＭｅａｎＥｒｒ％）することもできる。ＳｕｍＢＧｎｅｘｔ、ＳｕｍＥｒｒ％、ＭｅａｎＢＧｎｅｘｔ及びＭｅａｎＥｒｒ％の値は、ＭｅａｌＢｏｌＡｄｊに対応する親ボックスに含まれる子ボックスに記憶することができる。従って、食事ボーラス調整プログラム４００ａは、ＭｅａｌＢｏｌＡｄｊに関連する１又は２以上の結果属性に基づいて、ＭｅａｌＢｏｌＡｄｊに対する評価又は「等級」を計算する。ここでは、好ましい結果属性をもたらすＭｅａｌＢｏｌＡｄｊ値に、あまり好ましくない結果属性をもたらすものよりも高い「等級」が割り当てられる。従って、プログラム４００ａは、患者１０が投与したＭｅａｌＢｏｌＡｄｊ投与量のうちの１つから、最も好ましい結果属性をもたらす最良の又は最適なインスリン治療量（例えば、最良の又は最適なＭｅａｌＢｏｌＡｄｊ）を識別することができる。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、各ＭｅａｌＢｏｌＡｄｊのための訓練モードを完了すると、ブロック４１０〜４３０の各々において非一時的メモリ２４、１１４、１２４内でカウントを増分して確率を計算する反復プロセスを停止する。従って、ＳｕｂＱ食事ボーラス調整プログラム４００ａの訓練モードは、訓練プログラム３００ａ（図３Ａ）と同様に、患者集団の各患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃに基づいて患者集団の決定木を構築する。その後、ＳｕｂＱ食事ボーラス調整プログラム４００ａの治療モードは、この決定木を非一時的メモリ２４、１１４、１２４から検索して、治療中の患者１０に特化された最適なＭｅａｌＢｏｌＡｄｊをユーザ４０（例えば、身体的専門家又は医療専門家）が処方できるようにする。

ＳｕｂＱ食事ボーラス調整プログラム４００ａは、治療モード中、訓練モード中に処理された決定木に含まれる訓練データを用いて最適なＭｅａｌＢｏｌＡｄｊを決定して治療中の患者１０に推奨する。治療モードは、ブロック４１０において、治療中の新規患者又は再来患者１０に関連する患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃを取得することによって開始することができる。ＳｕｂＱ食事ボーラス調整プログラム４００ａの治療モードは、訓練モードと同様に、ブロック４１０〜４２８の各々において、新規患者又は再来患者の各属性を対応するボックス内に割り当てることができる。しかしながら、治療モードは、患者１０の属性に関連するボックスのカウントの増分又は確率の計算は行わない。プログラム４００ａは、ブロック４３０において、訓練モードからの最も低いＭｅａｎＥｒｒ％に関連するＭｅａｌＢｏｌＡｄｊに基づいて、新規患者又は再来患者１０にとって最適なＭｅａｌＢｏｌＡｄｊのためのインスリン投与量（例えば、最適なＭｅａｌＢｏｌＡｄｊ）を選択する。従って、プログラム４００ａの治療モードは、訓練モードの訓練データに基づいて、最も好ましい結果属性（例えば、最も低いＭｅａｎＥｒｒ％）をもたらす最適なＭｅａｌＢｏｌＡｄｊを選択する。ブロック４３０は、システム１００の報告モジュール８０を使用して、患者１０がディスプレイ上で見られるように患者コンピュータ装置１１０に送信し、最適なＭｅａｌＢｏｌＡｄｊを含むｅメールを送信し、及び／又は患者１０のレポートに最適なＭｅａｌＢｏｌＡｄｊを印刷することを通じて、治療中の患者１０に最適なＭｅａｌＢｏｌＡｄｊを推奨することができる。いくつかの例では、ブロック４３０において、ＳｕｂＱ食事ボーラス調整プログラム４００ａを実行する投与コントローラ１６０が、投与装置１２３（例えば、ポンプ１２３ａ又はスマートペン１２３ｂ）に最適なＭｅａｌＢｏｌＡｄｊを送信して、投与コンピュータ装置１１２ｄ、１１２ｅが患者１０に最適なインスリン投与量を投与するように投薬器２２３ａ、２２３ｂに命令できるようにする。

図４Ｂを参照すると、いくつかの実装では、ＳｕｂＱ基礎調整プログラム４００ｂが、訓練プログラム３００ａ（図３Ａ）に関連する訓練モードと、治療プログラム３００ｂ（図３Ｂ）に関連する治療モードとで動作することができる。訓練モードは、図４Ａのブロック４３４においてＳｕｂＱ食事ボーラス調整プログラム４００ａ（図４Ａ）の訓練モードが完了した後に開始することができる。ＳｕｂＱ基礎調整プログラム４００ｂは、患者ＩＤによって時系列的に１度に１つの基礎投与量調整でソートされた、ＳｕｂＱ食事ボーラス調整プログラム４００ａのブロック４１０からの新たな訓練データ（例えば、患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃ）を使用する。従って、ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、基礎インスリン投与量調整に関連するＢＧ履歴データ２０８ｂと、これに関連する結果属性とを取得するプロセスを完了する。従って、各基礎インスリン投与量調整及び関連する１又は２以上の結果属性は、それぞれの日付が印されたイベントを含むことができる。

ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及び／又はＳｕｂＱ情報２０８ｃから取得された関連する属性を処理するブロック４４２〜４５６を含む。訓練モード中のＳｕｂＱ基礎調整プログラム４００ｂの各ブロック４４２〜４５６は、ＳｕｂＱ食事ボーラス調整プログラム４００ａ（図４Ａ）の訓練モードと同様にカウントを取得し、ブロック４１０において訓練データから取得された患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及び／又はＳｕｂＱ情報２０８ｃに基づく木訓練の形で関連する属性の確率を計算することができる。各ブロック４４２〜４５６は、親属性ボックスに関連する１又は２以上の子属性ボックスを含むことができる。ブロック４４２〜４５６は、各属性について適切なボックスを決定し、カウント（Ｎ）を１だけ増分し、式７を用いて各ボックス内の尤度又は確率（Ｐ）を計算することができる。

ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、ブロック４４２〜４４８において、図４ＡのＳｕｂＱ食事ボーラス調整プログラム４００ａのブロック４１２〜４１８を参照しながら上述した方法と同様に、子ボックスを選択し、カウントＮを１だけ増分し、各ボックス内における、患者の診断、年齢、糖尿病型ＤＭｔｙｐｅ及び肥満度指数（ＢＭＩ）に関連する各属性の確率Ｐを計算する。ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、ブロック４５０において、ＳｕｂＱ情報２０８ｃから患者の目標血糖範囲ＢＧ_TRを取得し、ＢＧ_TR属性に関連する子ボックスと比較する。ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、ＳｕｂＱ食事ボーラス調整プログラム４００ａ（図４Ａ）のブロック４２６と同様に、患者のＢＧ_TRに関連する子ボックスを選択し、カウントＮＴｇｒを１だけ増分し、式７を用いてＢＧ_TR確率ＰＴｇｒを計算する。

ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、ブロック４５２において、基礎インスリン量を時系列的に１度に１つずつ調整する。調整された基礎投与量は、制御基礎投与量（ＢａｓａｌＧｏｖ）と呼ばれる。プログラム４００ｂは、ＢＧ履歴データ２０８ｂから患者のＢａｓａｌＧｏｖを取得して、ＢａｓａｌＧｏｖ属性に関連する子ボックスと比較することができる。各子ボックスは、ＢａｓａｌＧｏｖ値又は関連するＢａｓａｌＧｏｖ値範囲に対応することができる。プログラム４００ｂは、患者のＢａｓａｌＧｏｖに関連する子ボックスを選択し、カウントＮＢａｓａｌＧを増分し、式７を用いてＢａｓａｌＧｏｖ確率ＰＢａｓａｌＧを計算する。いくつかの例では、患者のＢａｓａｌＧｏｖに関連するボックスが、患者のＢａｓａｌＧｏｖを最も低いＢａｓａｌＧｏｖから開始してＢａｓａｌＧｏｖ属性の上限（ＢａｓａｌＧｏｖＴｏｐ）と反復的に比較し、ＩＦ ＢａｓａｌＧｏｖ＜ＢａｓａｌＧＴｏｐ ＴＨＥＮ ＮＢａｓａｌＧ＝ＮＢａｓａｌＧ＋１という式に従う論理表現を使用することによって選択される。

ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、ブロック４５４において、患者がＢａｓａｌＧｏｖを投与した後の患者の次回の予定血糖測定値（ＢＧｇｏｖ）をＢＧ履歴データ２０８ｂから取得して、ＢＧｇｏｖ属性に関連する子ボックスと比較する。患者のＢａｓａｌＧｏｖに関連するＢＧｇｏｖは、患者がＢａｓａｌＧｏｖを投与してから十分な時間後の、投与量が最大活性レベルにあって食物の効果と即効型インスリンの効果がいずれも存在せず血糖値が安定している時に生じる。ここでは、プログラムがＢＧｇｏｖに識別のためのフラグを立てる。各子ボックスは、ＢＧｇｏｖ値又は関連するＢＧｇｏｖ値範囲に対応することができる。プログラム４００ａは、患者のＢＧｇｏｖに関連する子ボックスを選択し、カウントＮＢＧを１だけ増分し、式７を用いてＢＧｇｏｖ確率ＰＢＧを計算する。いくつかの例では、患者のＢＧｇｏｖに関連するボックスが、患者のＢＧｇｏｖを最も低いＢＧｇｏｖから開始してＢＧｇｏｖ属性の上限（ＢＧｇｏｖＴｏｐ）と反復的に比較し、ＩＦ ＢＧｇｏｖ＜ＢＧｇｏｖ Ｔｏｐ ＴＨＥＮ ＮＢＧ＝ＮＢＧ＋１という式に従う論理表現を使用することによって選択される。

ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、ブロック４５６において、ＳｕｂＱ情報２０８ｃから患者の基礎調整因子ＢＡＦを取得して、ＢＡＦ属性に関連する子ボックスと比較する。各子ボックスは、ＢＡＦ値又は関連するＢＦ値範囲に対応することができる。プログラム４００ｂは、患者のＢＡＦに関連する子ボックスを選択し、カウントＮＢＡＦを１だけ増分し、式７を用いてＢＡＦ確率ＰＢＡＦを計算する。

ＳｕｂＱ基礎調整プログラム４００ｂは、ブロック４４２〜４５６内で患者の各属性を処理した後にブロック４５８に進み、調整された基礎投与量（ＢａｓａｌＡｄｊ）を取得する。ＢａｓａｌＡｄｊは、ブロック４５２のＢａｓａｌＧｏｖの後に生じる次回の予定基礎投与量に対応する。プログラム４００ｂは、訓練モード中、ＢａｓａｌＡｄｊとＢａｓａｌＡｄｊ属性に関連する子ボックスとを比較する。各子ボックスは、ＢａｓａｌＡｄｊ値又は関連するＢａｓａｌＡｄｊ値範囲に対応することができる。プログラム４００ｂは、患者のＢａｓａｌＡｄｊに関連する子ボックスを選択し、カウントＮＢａｓａｌＡｄｊを１だけ増分し、式７を用いてＢａｓａｌＡｄｊ確率ＰＢａｓａｌＡｄｊを計算する。いくつかの例では、患者のＢａｓａｌＡｄｊに関連するボックスが、患者のＢａｓａｌＡｄｊを最も低いＢａｓａｌＡｄｊから開始してＢａｓａｌＡｄｊ属性の上限（ＢａｓａｌＡｄｊＴｏｐ）と反復的に比較し、ＩＦ ＢａｓａｌＡｄｊ＜ＢａｓａｌＡｄｊＴｏｐ ＴＨＥＮ ＮＢａｓａｌＡｄｊ＝ＮＢａｓａｌＡｄｊ＋１ｇｔ＋１という式に従う論理表現を使用することによって選択される。ＳｕｂＱ基礎調整プログラム４００ｂは、患者１０が投与するためのＢａｓａｌＡｄｊに関連する調整されたインスリン投与量を患者１０に推奨することができる。例えば、投与コントローラ１６０は、ＢａｓａｌＡｄｊを患者コンピュータ装置１１０又は患者の投与装置１２３ａ、１２３ｂに送信することができる。

ＳｕｂＱ基礎調整プログラム４００ｂは、ブロック４５８において患者のＢａｓａｌＡｄｊを処理した後に、ブロック４６０において患者のＢａｓａｌＡｄｊに関連する１又は２以上の結果属性を取得する。結果属性は、ブロック３５８において患者が調整済みの基礎投与量を投与した後に生じる次回の予定朝食ＢＧ測定値（ＢＧｂｒｅａｋｆａｓｔＮｅｘｔ）を含むことができる。プログラム４００ｂは、ＢＧｂｒｅａｋｆａｓｔＮｅｘｔのカウント（ＮＢＧｂｒｋＮｅｘｔ）を１だけ増分することができる。また、プログラム４００ｂは、訓練モード中、ＢＧｂｒｅａｋｆａｓｔＮｅｘｔに基づいて、患者１０が投与したＢａｓａｌＡｄｊに対する評価又は「等級」を計算する。例えば、プログラム４００ｂは、ＢＧｂｒｅａｋｆａｓｔＮｅｘを処理して式６を用いてＢＧｂｒｅａｋｆａｓｔパーセント誤差（ＢｒｋＥｒｒ％）を計算し、ＢｒｋＥｒｒ％のカウント（ＮＢｒｋＥｒｒ％）を１だけ増分することができる。ＳｕｂＱ基礎調整プログラム４００ｂは、各ＢａｓａｌＡｄｊについて各ＢＧｂｒｅａｋｆａｓｔＮｅｘｔの累計合計（ＳｕｍＢＧｂｒｋＮｅｘｔ）と各ＢｒｋＥｒｒ％の累計合計（ＳｕｍＢｒｋＥｒｒ％）とを計算した後に、各ＢａｓａｌＡｄｊＡｄｊについてＢｒｋＥｒｒ％を平均する（ＭｅａｎＢｒｋＥｒｒ％）こともできる。ＳｕｍＢＧｂｒｋＮｅｘｔ、ＳｕｍＢｒｋＥｒｒ％及びＭｅａｎＢｒｋＥｒｒ％の値は、ＢａｓａｌＡｄｊに対応する親ボックスに含まれる子ボックスに記憶することができる。従って、基礎調整プログラム４００ｂは、ＢａｓａｌＡｄｊに関連する１又は２以上の結果属性に基づいて、各ＢａｓａｌＡｄｊに対する評価又は「等級」を計算する。ここでは、好ましい結果属性をもたらすＢａｓａｌＡｄｊ値に、あまり好ましくない結果属性をもたらすものよりも高い「等級」が割り当てられる。従って、プログラム４００ａは、患者１０が投与したＢａｓａｌＡｄｊ投与量のうちの１つから、最も好ましい結果属性をもたらす最良の又は最適なインスリン治療量（例えば、最良の又は最適なＢａｓａｌＡｄｊ）を識別することができる。

ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、ブロック４１０に戻って別の基礎投与量調整履歴のＢＧ履歴データ２０８ｂを取得することができる。ＳｕｂＱ基礎調整プログラム４００ｂは、調整すべき各基礎インスリン量のための訓練モードを完了すると、ブロック４４２〜４６０の各々において非一時的メモリ２４、１１４、１２４内でカウントを増分して確率を計算する反復プロセスを停止する。従って、ＳｕｂＱ基礎調整プログラム４００ｂの訓練モードは、訓練プログラム３００ａ（図３Ａ）と同様に、患者集団の各患者の患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃに基づいて患者集団の決定木を構築する。その後、ＳｕｂＱ基礎調整プログラム４００ｂの治療モードは、この決定木を非一時的メモリ２４、１１４、１２４から検索して、治療中の患者１０に特化された最適なＢａｓａｌＡｄｊをユーザ４０（例えば、身体的専門家又は医療専門家）が処方できるようにする。

ＳｕｂＱ基礎調整プログラム４００ｂは、治療モード中、訓練モード中に処理された決定木に含まれる訓練データを用いて最適なＢａｓａｌＡｄｊを決定して治療中の患者１０に推奨する。治療モードは、ブロック４１０において、治療中の新規患者又は再来患者１０に関連する患者状態情報２０８ａ、ＢＧ履歴データ２０８ｂ及びＳｕｂＱ情報２０８ｃを取得することによって開始することができる。ＳｕｂＱ基礎調整プログラム４００ｂの治療モードは、訓練モードと同様に、ブロック４１０〜４５６の各々において、新規患者又は再来患者の各属性を対応するボックス内に割り当てることができる。しかしながら、治療モードは、患者１０の属性に関連するボックスのカウントの増分又は確率の計算は行わない。プログラム４００ａは、ブロック４５８において、訓練モードからの最も低いＭｅａｎＢｒｋＥｒｒ％に関連するＢａｓａｌＡｄｊに基づいて、新規患者又は再来患者１０にとって最適なＢａｓａｌＡｄｊのためのインスリン投与量（例えば、最適なＢａｓａｌＡｄｊ）を選択する。従って、プログラム４００ｂの治療モードは、訓練モードの訓練データに基づいて、最も好ましい結果属性（例えば、最も低いＭｅａｎＢｒｋＥｒｒ％）をもたらす最適なＢａｓａｌＡｄｊを選択する。ブロック４５８は、システム１００の報告モジュール８０を用いて、患者１０がディスプレイ上で見られるように患者コンピュータ装置１１０に送信し、最適なＢａｓａｌＡｄｊを含むｅメールを送信し、及び／又は患者１０のレポートに最適なＢａｓａｌＡｄｊを印刷することを通じて、治療中の患者１０に最適なＢａｓａｌＡｄｊを推奨することができる。いくつかの例では、ブロック４５８において、ＳｕｂＱ基礎調整プログラム４００ｂを実行する投与コントローラ１６０が、投与装置１２３（例えばポンプ１２３ａ又はスマートペン１２３ｂ）に最適なＢａｓａｌＡｄｊを送信して、投与コンピュータ装置１１２ｄ、１１２ｅが患者１０に最適なインスリン投与量を投与するように投薬器２２３ａ、２２３ｂに命令できるようにする。

図４Ｃを参照すると、いくつかの実装では、ＡＤＭ調整プログラム４００ｃが、抗糖尿病プログラム３００ｃ（図３Ｃ）に関連する訓練モードと治療モードとで動作することができる。従って、図４Ｃには、抗糖尿病プログラム３００ｃ（図３Ｃ）に関連するＡＤＭ調整プロセスの詳細を示す。ＡＤＭ調整プログラム４００ｃは、患者ＩＤによって時系列的に１度に１つのＡＤＭ併用量調整でソートされた、図３ＣのＡＤＭプログラム３００ｃのブロック３６０からの新たな訓練データ（例えば、患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂ）を使用する。従って、ＡＤＭ調整プログラム４００ｃの訓練モードは、ＡＤＭ併用量調整に関連するＢＧ履歴データ２０８ｂと、これに関連する結果属性とを取得するプロセスを完了する。従って、各ＡＤＭ投与量調整及び関連する１又は２以上の結果属性は、それぞれの日付が印されたイベントを含むことができる。

ＡＤＭ調整プログラム４００ｃは、患者の患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂを含むブロック３２２からの新たな患者訓練データから取得された関連する属性を処理するブロック４７２〜４８０を含む。各ブロック４７２〜４８０は、カウントを取得し、患者の患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂに基づく木訓練の形で関連する属性の確率を計算することができる。各ブロック４７２〜４８０は、親属性ボックスに関連する１又は２以上の子属性ボックスを含むことができる。ブロック４７２〜４８０は、各属性について適切なボックスを決定し、カウント（Ｎ）を１だけ増分し、式７を用いて各ボックス内の尤度又は確率（Ｐ）を計算することができる。

ＢＧ履歴データ２０８ｂは、患者１０に投与される１又は２以上のＡＤＭ併用量の計算値と、患者１０が投与したこれらの１又は２以上のＡＤＭ併用量に関連するＡ１ｃレベルに対応する結果データとを含むことができる。これに加えて、又はこれとは別に、結果データは、患者１０がＡＤＭ併用量を投与してから十分な時間後に生じることによってＡＤＭ併用量の血糖結果を示す次回の予定血糖測定値ＢＧｎｅｘｔを含むこともできる。ＡＤＭ併用量とは、抗糖尿病薬剤の１又は２以上の非インスリン投与量の組み合わせを含む投薬療法を意味する。

ＡＤＭ調整プログラム４００ｃの訓練モードは、ブロック４７２〜４８０において、ＳｕｂＱ食事ボーラス調整プログラム４００ａ（図４Ａ）のブロック４１２〜４１８及びＳｕｂＱ基礎調整プログラム４００ｂ（図４Ｂ）のブロック４４２〜４４８を参照しながら上述した方法と同様に、子ボックスを選択し、カウントＮを１だけ増分し、各ボックス内における、患者の診断、年齢、糖尿病型ＤＭｔｙｐｅ及び肥満度指数（ＢＭＩ）に関連する各属性の確率Ｐを計算する。

ＡＤＭ調整プログラム４００ｃは、ブロック４８０において、ＡＤＭ併用量を時系列的に１度に１つずつ調整する。このプログラムは、患者のＡ１ｃレベル（Ａ１ｃＧｏｖ）を用いてＡＤＭ併用量の調整を制御する。プログラム４００ｃは、ＢＧ履歴データ２０８ｂから患者のＡ１ｃＧｏｖを取得して、Ａ１ｃＧｏｖ属性に関連する子ボックスと比較することができる。各子ボックスは、Ａ１ｃＧｏｖ値又は関連するＡ１ｃＧｏｖ値範囲に対応することができる。プログラム４００ｃは、患者のＡ１ｃＧｏｖに関連する子ボックスを選択し、カウントＮＡ１ｃＧｏｖを増分し、式７を用いてＡ１ｃＧｏｖ確率ＰＡ１ｃＧｏｖを計算する。いくつかの例では、患者のＡ１ｃＧｏｖに関連するボックスが、患者のＢａｓａｌＧｏｖを最も低いＡ１ｃＧｏｖから開始してＡ１ｃＧｏｖ属性の上限（Ａ１ｃＧｏｖＴｏｐ）と反復的に比較し、ＩＦ Ａ１ｃＧｏｖ＜Ａ１ｃＴｏｐ ＴＨＥＮ ＮＡ１ｃＧｏｖ＝ＮＡ１ｃＧｏｖ＋１という式に従う論理表現を使用することによって選択される。例えば、ブロック４８０は、６．５、７．５、９．０、１０．０、１１．０及び２０．０に等しいＡ１ｃＴｏｐに対応する子ボックスを含むことができる。

ブロック４８２において、患者の１日の総インスリン投与量（ＴＤＤ）をボックス内に仕分けする。ＴＤＤはＳｕｂＱパラメータであるが、患者のＴＤＤは、式４Ａ〜４Ｃのいずれかを用いて患者状態情報２０８ａから取得することができる。プログラム４００ｃは、患者のＴＤＤをＴＤＤ属性に関連する子ボックスと比較することができる。各子ボックスは、ＴＤＤ値又は関連するＴＤＤ値範囲に対応することができる。プログラム４００ｃは、患者のＴＤＤに関連する子ボックスを選択し、カウントＮＴＤＤを増分し、式７を用いてＴＤＤ確率ＰＴＤＤを計算する。いくつかの例では、患者のＴＤＤに関連するボックスが、患者のＴＤＤを最も低いＴＤＤから開始してＴＤＤ属性の上限（ＴＤＤＴｏｐ）と反復的に比較し、ＩＦ ＴＤＤ＜ＴＤＤＴｏｐ ＴＨＥＮ ＮＴＤＤ＝ＮＴＤＤ＋１という式に従う論理表現を使用することによって選択される。

ＡＤＭ調整プログラム４００ｃは、ブロック４７２〜４８２内で患者の属性の各々を処理した後に、ブロック４８４の４８４ａ〜４８４ｃに進んで調整済みの基礎投与量（ＢａｓａｌＡｄｊ）を取得する。現在では多くの抗糖尿病薬（ＡＤＭ）が存在し、患者の治療に利用できるＡＤＭの数は増加し続けている。さらに、医学研究によって一部のＡＤＭに欠陥が見つかると、これらのＡＤＭは回収され、又は患者に処方されないようになる。従って、ブロック４８４ａ〜４８４ｃのＡＤＭ併用量に関連するＡＤＭは、新たなＡＤＭによって、及び／又はそれまで使用されていたＡＤＭを回収することによって更新することができる。単純にするために、ブロック４８４ａ〜４８４ｃに関連するＡＤＭ併用量は、単独で又は他のＡＤＭのうちの１つ又は２つ以上と組み合わせて使用できる４つの異なるＡＤＭ（例えば、ＡＤＭ１、ＡＤＭ２、ＡＤＭ３、ＡＤＭ４）を含むことができる。

ブロック４８４ａにおいて、ＡＤＭ調整プログラム４００ｃは、患者状態情報２０８ａから患者の１又は２以上のＡＤＭの各々を取得して、ＡＤＭ属性に関連する子ボックスと比較する。各子ボックスは、ＡＤＭのうちの特定のＡＤＭに対応することができる。プログラム４００ｃは、患者の１又は２以上のＡＤＭに関連する各子ボックスを選択し、選択した各ボックスのカウントＮＡＤＭ１〜４を増分し、式７を用いて各選択ボックスのＡＤＭ確率ＰＡＤＭ１〜４を計算する。

ブロック４８４ａの各ＡＤＭ併用量は、ＡＤＭ１、ＡＤＭ２、ＡＤＭ３又はＡＤＭ４のうちの１つのみの調整されたＡＤＭ投与量を含む単剤療法に関連する。ブロック４８４ｂのＡＤＭ併用量は、ＡＤＭ１〜４のうちのいずれか２つの調整されたＡＤＭ併用量を含む二剤療法に関連する。ブロック４８４ｃのＡＤＭ併用量は、ＡＤＭ１〜４のうちのいずれか３つの調整されたＡＤＭ併用量を含む三剤療法に関連する。患者の糖尿病の進行を遅らせ、場合によっては排除するＡＤＭが患者の治療に５つよりも多く利用可能な場合には、４つ又は５つ以上のＡＤＭのＡＤＭ併用量を含む療法が存在することもできる。ＡＤＭ調整プログラム４００ｃの訓練モードは、カウントを増分し、二剤療法に関連するブロック４８４ｂの各併用量、及び三剤療法に関連するブロック４８４ｃの各併用量の確率を計算することもできる。

ＡＤＭ調整プログラム４００ｃは、ブロック４８６において、ブロック４８４ａ〜４８４ｃの調整されたＡＤＭ併用量の各々に関連する１又は２以上の結果属性を取得する。いくつかの例では、ＡＤＭ併用量に関連する結果属性が、患者１０が関連する調整済みのＡＤＭ併用量を投与した後に生じる次回のＡ１ｃ結果（Ａ１ｃＮｅｘｔ）を含むことができる。ブロック４８６では、ＢＧ履歴データ２０８ｂから患者のＡ１ｃＮｅｘｔを取得して、Ａ１ｃＮｅｘｔ属性に関連する子ボックスと比較することができる。プログラム４００ｃは、患者のＡ１ｃＮｅｘｔに関連する子ボックスを選択し、選択したボックスのカウントＮＡ１ｃＮｅｘｔを１だけ増分する。

ＡＤＭ調整プログラム４００ｃの訓練モードは、ブロック３２２に戻って別のＡＤＭ投与量調整履歴のＢＧ履歴データ２０８ｂを取得することができる。ＡＤＭ調整プログラム４００ｃは、調整すべき各ＡＤＭ併用量のための訓練モードを完了すると、非一時的メモリ２４、１１４、１２４内でカウントを増分して確率を計算する反復プロセスを停止する。従って、ＡＤＭ調整プログラム４００ｃは、患者集団の各患者の患者状態情報２０８ａ及びＢＧ履歴データ２０８ｂに基づいて、患者集団の決定木を構築する。いくつかの実装では、ブロック４８６において、患者集団の患者が投与した各ＡＤＭ併用量の全ての取得されたＡ１ｃＮｅｘｔ値（ＭｅａｎＡ１ＣＮｅｘｔ）を平均する。その後、ＡＤＭ調整プログラム４００ｃの治療モードは、この決定木を非一時的メモリ２４、１１４、１２４から検索して、治療中の患者１０に特化された最適なＡＤＭ併用量をユーザ４０（例えば、身体的専門家又は医療専門家）が処方できるようにする。例えば、ＡＤＭ調整プログラム４００ｃの治療モードは、ブロック４８６における訓練モードの訓練データから取得された最も低いＭｅａｎＡ１ｃＮｅｘｔに関連するＡＤＭ併用量に対応する最適なＡＤＭ併用量を、ブロック４８４ａ〜４８４ｃのうちの１つから新規患者又は再来患者のために選択することができる。

図５を参照すると、治療患者１０のためのインスリンの治療量３３６を決定する方法５００が、データ処理ハードウェア１１２、１３２、１４２、１９２において、これらのデータ処理ハードウェアと通信する記憶ハードウェア２４、１１４、１３４、１４４、１９４から患者集団の複数の患者１０の訓練データ３１０を取得するステップ５０２を含む。訓練データ３１０は、患者集団の各患者の訓練血糖履歴データ２０８ｂ及び訓練患者状態データ２０８ａを含む。訓練血糖履歴データ２０８ｂは、患者集団の患者１０が投与したインスリン治療量３１６、３３６と、各インスリンの治療量３１６に関連する１又は２以上の結果属性３１８、３３８とを含む。方法５００は、データ処理ハードウェア１１２、１３２、１４２、１９２が、患者集団の各患者１０について、好ましい結果属性３１８、３３８をもたらすインスリン治療量３１６、３３６から最適なインスリン治療量３４０を識別するステップ５０４を含む。

方法５００は、データ処理ハードウェア１１２、１３２、１４２、１９２において、治療患者１０の患者状態情報２０８ａを受け取るステップ５０６と、患者集団のうちの、治療患者１０の患者状態情報２０８ａと同様の訓練患者状態情報３１０、２０８ａを有する患者１０に関連する識別された最適な治療量３４０のうちの１つ又は２つ以上に基づいて、治療患者１０のための次回の推奨インスリン治療量（３３６）を決定するステップ５０８とをさらに含む。方法５００は、治療患者に関連するポータブル装置１１０、１２３、１２４に次回の推奨治療量を送信するステップ５１０を含む。ポータブル装置１１０、１２３、１２４は、次回の推奨治療量を表示することができる。

本明細書で説明したシステム及び技術の様々な実装は、デジタル電子回路及び／又は光学回路、集積回路、特別設計のＡＳＩＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はこれらの組み合わせで実現することができる。これらの様々な実装は、記憶システム、少なくとも１つの入力装置及び少なくとも１つの出力装置との間でデータ及び命令を送受信するように結合された、専用又は汎用とすることができる少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステム上で実行可能及び／又は解釈可能な１又は２以上のコンピュータプログラムでの実装を含むことができる。

これらの（プログラム、ソフトウェア、ソフトウェアアプリケーション又はコードとしても知られている）コンピュータプログラムは、プログラマブルプロセッサのための機械命令を含み、高水準手続き型言語及び／又はオブジェクト指向型プログラミング言語、及び／又はアセンブリ／機械言語で実装することができる。本明細書で使用する「機械可読媒体」及び「コンピュータ可読媒体」という用語は、機械可読信号としての機械命令を受け取る機械可読媒体を含む、プログラマブルプロセッサに機械命令及び／又はデータを提供するために使用されるあらゆるコンピュータプログラム製品、非一時的コンピュータ可読媒体、装置及び／又はデバイス（例えば、磁気ディスク、光学ディスク、メモリ、プログラマブル論理装置（ＰＬＤ））を意味する。「機械可読信号」という用語は、プログラマブルプロセッサに機械命令及び／又はデータを提供するために使用されるあらゆる信号を意味する。

本主題の実装及び本明細書で説明した機能動作は、本明細書で開示した構造及びその構造的同等物を含むデジタル電子回路、又はコンピュータソフトウェア、ファームウェア又はハードウェア、或いはこれらの１又は２以上の組み合わせで実装することができる。さらに、本明細書で説明した主題は、１又は２以上のコンピュータプログラム製品として、すなわちデータ処理装置が実行するための、又はデータ処理装置の動作を制御するための、コンピュータ可読媒体上に符号化されたコンピュータプログラム命令の１又は２以上のモジュールとして実装することもできる。コンピュータ可読媒体は、機械可読記憶装置、機械可読記憶基板、メモリデバイス、機械可読伝播信号をもたらす組成物、或いはこれらの１つ又は２つ以上の組み合わせとすることができる。「データ処理装置」、「コンピュータ装置」及び「コンピュータプロセッサ」という用語は、一例としてプログラマブルプロセッサ、コンピュータ、或いはマルチプロセッサ又はコンピュータを含む、データを処理するための全ての装置、デバイス及び機械を含む。装置は、ハードウェアに加え、例えばプロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、或いはこれらのうちの１つ又は２つ以上の組み合わせを構成するコードなどの、対象とするコンピュータプログラムの実行環境を形成するコードを含むこともできる。伝播信号は、例えば好適な受信機装置に送信する情報を符号化するように機械によって生成された電気信号、光信号又は電磁信号などの人工的に生成された信号である。

（アプリケーション、プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト又はコードとしても知られている）コンピュータプログラムは、コンパイラ型言語又はインタープリタ型言語を含むあらゆる形態のプログラミング言語で書くことができ、独立型プログラムとしての形態、又はモジュール、コンポーネント、サブルーチン、又はコンピュータ環境で使用するのに適した他のユニットとしての形態を含むあらゆる形態で展開することができる。コンピュータプログラムは、必ずしもファイルシステム内のファイルに対応するとは限らない。プログラムは、他のプログラム又はデータ（例えば、マークアップ言語文書の形で記憶された１又は２以上のスクリプト）を保持するファイルの一部に記憶することも、対象とするプログラム専用の単一ファイルに記憶することも、又は複数の協調ファイル（例えば、１又は２以上のモジュール、サブプログラム又はコードの一部を記憶するファイル）に記憶することもできる。コンピュータプログラムは、１つのコンピュータ上で実行されるように展開することも、或いは１つの場所に位置する、又は複数のサイトにわたって分散されて通信ネットワークによって相互接続された複数のコンピュータ上で実行されるように展開することもできる。

本明細書で説明した処理及び論理フローは、入力データに作用して出力を生成することによって機能を実行するための１又は２以上のコンピュータプログラムを実行する１又は２以上のプログラマブルプロセッサによって実行することができる。これらの処理及び論理フローは、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）又はＡＳＩＣ（特定用途向け集積回路）などの専用論理回路によって実行することもでき、装置をこれらの専用論理回路として実装することもできる。

コンピュータプログラムの実行に適したプロセッサとしては、一例として、汎用及び専用の両方のマイクロプロセッサ、及びあらゆる種類のデジタルコンピュータのいずれかの１又は２以上のプロセッサが挙げられる。一般に、プロセッサは、リードオンリメモリ又はランダムアクセスメモリ、或いはこれらの両方から命令及びデータを受け取る。コンピュータの必須要素は、命令を実行するプロセッサ、並びに命令及びデータを記憶する１又は２以上のメモリデバイスである。一般に、コンピュータは、磁気ディスク、光磁気ディスク又は光ディスクなどの、データを記憶するための１又は２以上の大容量記憶装置も含み、或いはこれらの大容量記憶装置からデータを受け取り、これらの大容量記憶装置にデータを転送し、又はこれらの両方を行うように動作可能に結合される。しかしながら、コンピュータは、必ずしもこのような装置を有していなくてもよい。さらに、コンピュータは、ほんのわずかな例を挙げると、携帯電話機、携帯情報端末（ＰＤＡ）、モバイルオーディオプレーヤ、全地球測位システム（ＧＰＳ）受信機などの別の装置に組み込むこともできる。コンピュータプログラム命令及びデータを記憶するのに適したコンピュータ可読媒体としては、一例としてＥＰＲＯＭ、ＥＥＰＲＯＭ及びフラッシュメモリデバイスなどの半導体メモリデバイス、内蔵ハードディスク又は取り外し可能ディスクなどの磁気ディスク、磁気光学ディスク、並びにＣＤ ＲＯＭ及びＤＶＤ−ＲＯＭディスクを含む、全ての形態の不揮発性メモリ、媒体及びメモリデバイスが挙げられる。プロセッサ及びメモリは、専用論理回路によって補完することも、或いは専用論理回路に組み込むこともできる。

本開示の１又は２以上の態様は、ユーザとの相互作用を可能にするために、ＣＲＴ（ブラウン管）、ＬＣＤ（液晶ディスプレイ）モニタ又はタッチ画面などの、ユーザに情報を表示するためのディスプレイ装置と、任意にユーザがコンピュータに入力を提供できるようにするキーボード、及びマウス又はトラックボールなどのポインティングデバイスとを有するコンピュータに実装することができる。他の種類の装置を用いてユーザとの相互作用を可能にすることもでき、例えば、ユーザに提供されるフィードバックは、視覚フィードバック、聴覚フィードバック又は触覚フィードバックなどのあらゆる形の感覚フィードバックとすることができ、ユーザからの入力は、音響入力、発話入力又は触覚入力を含むあらゆる形で受け取ることができる。また、コンピュータは、ユーザが使用する装置との間で文書を送受信することにより、例えばユーザのクライアント装置上のウェブブラウザから受け取った要求に応答してこのウェブブラウザにウェブページを送信することによってユーザとの相互作用を行うこともできる。

本開示の１又は２以上の態様は、例えばデータサーバとしてのバックエンドコンポーネントを含む、又はアプリケーションサーバなどのミドルウェアコンポーネントを含む、又はユーザが本明細書で説明した主題の実装例と相互作用できるようにするグラフィカルユーザインターフェイス又はウェブブラウザを有するクライアントコンピュータなどのフロントエンドコンポーネントを含む、或いは１又は２以上のこのようなバックエンドコンポーネント、ミドルウェアコンポーネント又はフロントエンドコンポーネントのいずれかの組み合わせを含むコンピュータシステムに実装することができる。システムのコンポーネントは、通信ネットワークなどのいずれかの形態又は媒体のデジタルデータ通信によって相互接続することができる。通信ネットワークの例としては、ローカルエリアネットワーク（「ＬＡＮ」）及びワイドエリアネットワーク（「ＷＡＮ」）、インターネットワーク（例えば、インターネット）、並びにピアツーピアネットワーク（例えば、アドホックピアツーピアネットワーク）が挙げられる。

コンピュータシステムは、クライアント及びサーバを含むことができる。一般に、クライアントとサーバは互いに離れており、通常は通信ネットワークを介して相互作用する。クライアントとサーバの関係は、互いにクライアント−サーバの関係を有するそれぞれのコンピュータ上で実行されるコンピュータプログラムに基づいて生じる。いくつかの実装では、（例えば、クライアント装置と相互作用するユーザにデータを表示し、ユーザからユーザ入力を受け取る目的で）サーバがクライアント装置にデータ（例えば、ＨＴＭＬページ）を送信する。サーバでは、クライアント装置で生成されたデータ（例えば、ユーザインタラクションの結果）をクライアント装置から受け取ることができる。

本明細書は多くの詳細を含むが、これらの詳細は、本開示又は特許請求できるものの範囲を限定するものとして解釈すべきではなく、むしろ本開示の特定の実装に固有の特徴の説明として解釈すべきである。本明細書において別個の実装の文脈で説明したいくつかの特徴は、単一の実装に組み合わせて実装することもできる。これとは逆に、単一の実装の文脈で説明した様々な特徴を、複数の実装で別個に又はいずれかの好適な下位の組み合わせで実装することもできる。さらに、上記ではいくつかの組み合わせで機能するように特徴を説明し、最初はこのように特許請求していることもあるが、場合によっては、特許請求する組み合わせから生じる１又はそれ以上の特徴をこれらの組み合わせから削除することもでき、特許請求する組み合わせを下位の組み合わせ又は下位の組み合わせの変形例に向けることもできる。

同様に、図面には特定の順序で動作を示しているが、これについて、望ましい結果を達成するためにこのような動作を図示の特定の順序又は順番で実施し、又は図示の動作を全て実施する必要があると理解すべきではない。状況によっては、マルチタスク及び並行処理が有利な場合もある。さらに、上述した実施形態において様々なシステムコンポーネントを分離していても、このような分離が全ての実施形態において必要であると理解すべきではなく、説明したプログラムコンポーネント及びシステムを単一のソフトウェア製品に一般的に統合し、又は複数のソフトウェア製品にパッケージ化することもできると理解されたい。

複数の実装について説明した。それでもなお、本開示の趣旨及び範囲から逸脱することなく様々な修正を行うことができると理解されるであろう。従って、以下の特許請求の範囲には、他の実装も含まれる。例えば、特許請求の範囲に記載する動作は、異なる順序で実行しても所望の結果を達成することができる。

１０ 患者
２０ ネットワーク
２４ ストレージ
４０ 医師／看護師／医療提供者（ＨＣＰ）
４２ 診療所又は病院のコールセンター、電話医療センター
１００ 臨床判断支援システム
１１０ａ デスクトップコンピュータ
１１０ｂ ポータブル電子装置
１１２ａ〜ｅ データプロセッサ
１１４ａ〜ｅ 非一時的メモリ
１１６ａ〜ｅ ディスプレイ
１１８ キーボード
１２０ 警報
１２２ スピーカ
１２３ 皮下インスリン装置
１２３ａ インスリンポンプ
１２３ｂ インスリンペ
１２４ 血糖値測定器
１３０ サービス提供者
１３２ データプロセッサ
１３４ 非一時的メモリ
１４０ 医療提供者電子医療記録システム
１４２ データプロセッ
１４４ 非一時的メモリ
１４６ ディスプレイ
１５０ 警報
１５２ スピーカ
１６０ 投与コントローラ
１９０ 計器メーカー
１９６ ダウンロードプログラム
１９８ ウェブベースアプリケーション

Claims (24)

1. 治療患者（１０）のための治療量（３３６）を決定する方法（５００）であって、
   データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、該データ処理ハードウェア（１１２、１３２、１４２、１９２）と通信する記憶ハードウェア（２４、１１４、１３４、１４４、１９４）から患者集団の複数の患者（１０）の訓練データ（３１０）を取得するステップを含み、前記訓練データ（３１０）は、許可された医療専門家（４０）に関連する医療専門家コンピューティングデバイスによって前記記憶ハードウェア（２４、１１４、１３４、１４４、１９４）に入力され、前記訓練データ（３１０）は、前記患者集団の各患者（１０）の訓練血糖履歴データ（２０８ｂ）と、訓練患者状態情報（２０８ａ）とを含み、前記訓練血糖履歴データ（２０８ｂ）は、前記患者集団の前記患者（１０）に投与されたインスリンの治療量（３１６、３３６）と、前記患者集団の前記患者（１０）に投与されたインスリンの各治療量（３１６、３３６）に関連する１又は２以上の結果属性（３１８、３３８）とを含み、前記治療量（３１６、３３６）は、１日を通じて複数の予定される時間間隔のそれぞれの間に前記患者集団のそれぞれの患者（１０）に投与されるインスリンの食事ボーラス、及び
   前記患者集団のそれぞれの患者（１０）に投与される基礎インスリン量、を含み、
   前記方法（５００）は、
   前記患者集団の各患者（１０）について、前記データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、好ましい結果属性（３１８、３３８）をもたらす前記インスリンの治療量（３１６、３３６）から最適なインスリンの治療量（３４０）を識別するステップであって、前記識別された最適なインスリンの治療量は、各予定される時間間隔に関連する最適なインスリンの食事ボーラス、及び最適な基礎インスリン量を含むものであるステップと、
   前記データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、前記治療患者（１０）の患者状態情報（２０８ａ）を受け取るステップと、
   前記データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、前記患者集団のうちの、前記治療患者（１０）の前記患者状態情報（２０８ａ）と同様の訓練患者状態情報（２０８ａ）を有する前記患者（１０）に関連する前記識別された最適な治療量（３４０）のうちの１つ又は２つ以上に基づいて、前記治療患者（１０）のための次回の推奨インスリン治療量（３３６）を決定するステップと、
   前記データ処理ハードウェア（１１２、１３２、１４２、１９２）から投与装置（１２３）に、前記次回の推奨インスリン治療量（３３６）を送信するステップであって、前記投与装置（１２３）は、前記治療患者に前記次回の推奨インスリン治療量（３３６）を投与するように構成された投薬器（２２３ａ）を含むものであるステップと、
   をさらに含む、ことを特徴とする方法（５００）。
2. 前記訓練データ（３１０）を取得するステップは、繰り返し生じる構成可能な時間間隔の終了時に前記訓練データ（３１０）を自動的に取得するステップを含む、
   請求項１に記載の方法（５００）。
3. 前記訓練データ（３１０）を取得するステップは、前記データ処理ハードウェア（１１２、１３２、１４２、１９２）と通信するディスプレイ（１１６、１４６）上に表示された即時開始ボタン（３０５）を選択するユーザ入力に応答して、前記訓練データ（３１０）を即座に取得するステップを含む、
   請求項１に記載の方法（５００）。
4. 前記訓練データ（３１０）を取得するステップは、前記訓練データ（３１０）を選択日に取得するステップを含む、
   請求項１に記載の方法（５００）。
5. 前記治療患者（１０）のための前記次回の推奨インスリン治療量（３３６）を決定するステップは、
   前記治療患者（１０）の前記患者状態情報（２０８ａ）に基づいて、前記治療患者（１０）がインスリンを必要としていると判断するステップと、
   予定される時間間隔中に前記治療患者（１０）に以前に投与されたインスリンの食事ボーラスを受け取るステップと、
   前記予定される時間間隔に関連する、前記識別された最適なインスリンの食事ボーラス、及び前記受け取った、前記予定される時間間隔中に前記治療患者（１０）に以前に投与されたインスリンの食事ボーラスに基づいて、前記治療患者（１０）のための、前記予定される時間間隔中における次回の推奨治療量（４３０）を決定するステップと、
   を含む、請求項１に記載の方法（５００）。
6. 前記予定される時間間隔は、朝食前の時間間隔、昼食前の時間間隔、夕食前の時間間隔、就寝時の時間間隔、又は睡眠中の時間間隔を含む、
   請求項５に記載の方法（５００）。
7. 前記訓練血糖履歴データ（２０８ｂ）の前記１又は２以上の結果属性（３１８、３３８）は、次回の予定血糖測定値（ＢＧｎｅｘｔ）と血糖目標範囲（ＢＧ_TR）との関数に基づく血糖パーセント誤差（Ｅｒｒ％）を含み、前記次回の予定血糖測定値は、対応するインスリンの治療量（３１６、３３６）の投与後に生じる血糖測定値に対応する、
   請求項１に記載の方法（５００）。
8. 前記治療患者（１０）のための前記次回の推奨インスリン治療量（３３６）を決定するステップは、
   前記治療患者（１０）の前記患者状態情報（２０８ａ）に基づいて、前記治療患者（１０）がインスリンを必要としていると判断するステップと、
   前記治療患者（１０）に以前に投与された基礎インスリン量を受け取るステップと、
   前記識別された最適な基礎量、及び前記受け取った基礎インスリン量のうちの少なくとも一方に基づいて、前記治療患者（１０）のための次回の推奨基礎量（４５８）を決定するステップと、
   を含む、請求項１に記載の方法（５００）。
9. 前記次回の推奨インスリン治療量（３３６）を前記治療患者に関連する、前記次回の推奨インスリン治療量を表示するように構成されたポータブル装置に送信するステップをさらに含む、
   請求項１に記載の方法（５００）。
10. 前記データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、新しい治療患者のための患者状態情報（２０８ａ）を受信するステップと、
    前記データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、前記新しい治療患者（１０）の前記患者状態情報（２０８ａ）に基づいて、前記新しい治療患者（１０）の治療のために抗糖尿病薬が使用可能であると判断するステップと、
    前記データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、前記新しい治療患者（１０）の糖化ヘモグロビン測定値（Ａ１ｃ）を受け取るステップと、
    前記データ処理ハードウェア（１１２、１３２、１４２、１９２）によって、前記糖化ヘモグロビン測定値（Ａ１ｃ）と前記訓練データ（３１０）とに基づいて、前記新しい治療患者（１０）のための抗糖尿病薬投与計画を決定するステップと、
    をさらに含む、請求項１に記載の方法（５００）。
11. 前記訓練データ（３１０）は、前記患者集団の患者（１０）に投与された抗糖尿病薬併用量、及び各抗糖尿病薬投与計画に関連する糖化ヘモグロビン測定値（Ａ１ｃ）をさらに含む、
    請求項１０に記載の方法（５００）。
12. 前記患者状態情報（２０８ａ）は、前記患者（１０）に関連する複数の患者状態属性（３１４）を含み、該患者状態属性（３１４）は、年齢属性、性別属性、医療履歴属性、肥満度指数属性、医療履歴属性、リスク因子属性及び／又は財務属性のうちの１つ又は２つ以上を含む、
    請求項１に記載の方法（５００）。
13. システム（１００）であって、
    データ処理ハードウェア（１１２、１３２、１４２、１９２）と、該データ処理ハードウェア（１１２、１３２、１４２、１９２）と通信する記憶ハードウェア（２４、１１４、１３４、１４４、１９４）とを含む投与量コントローラ（１６０）を備え、該投与量コントローラ（１６０）は、
    前記記憶ハードウェア（２４、１１４、１３４、１４４、１９４）から患者集団の複数の患者（１０）の訓練データ（３１０）を取得し、前記訓練データ（３１０）は、許可された医療専門家（４０）に関連する医療専門家コンピューティングデバイスによって前記記憶ハードウェア（２４、１１４、１３４、１４４、１９４）に入力され、前記訓練データ（３１０）は、前記患者集団の各患者（１０）の訓練血糖履歴データ（２０８ｂ）と、訓練患者状態情報（２０８ａ）とを含み、前記訓練血糖履歴データ（２０８ｂ）は、前記患者集団の前記患者（１０）に投与されたインスリンの治療量（３１６、３３６）と、前記患者集団の前記患者（１０）に投与されたインスリンの各治療量（３１６、３３６）に関連する１又は２以上の結果属性（３１８、３３８）とを含み、前記治療量（３１６、３３６）は、１日を通じて複数の予定される時間間隔のそれぞれの間に前記患者集団のそれぞれの患者（１０）に投与されるインスリンの食事ボーラス、及び
    前記患者集団のそれぞれの患者（１０）に投与される基礎インスリン量、を含み、
    前記投与量コントローラ（１６０）は、
    前記患者集団の各患者（１０）について、好ましい結果属性（３１８、３３８）をもたらす前記インスリンの治療量から１又は２以上の最適なインスリンの治療量（３４０）を識別し、前記識別された最適なインスリンの治療量は、各予定される時間間隔に関連する最適なインスリンの食事ボーラス、及び最適な基礎インスリン量を含み、
    治療患者（１０）の患者状態情報（２０８ａ）を受け取り、
    前記患者集団のうちの、前記治療患者（１０）の前記患者状態情報（２０８ａ）と同様の訓練患者状態情報（２０８ａ）を有する前記患者（１０）に関連する前記識別された最適な治療量（３４０）のうちの１つ又は２つ以上に基づいて、前記治療患者（１０）のための次回の推奨インスリン治療量（３３６）を決定し、
    前記データ処理ハードウェア（１１２、１３２、１４２、１９２）から投与装置（１２３）に、前記次回の推奨インスリン治療量（３３６）を送信し、前記投与装置（１２３）は、前記治療患者に前記次回の推奨インスリン治療量を投与するように構成された投薬器（２２３ａ）を含むものであり、
    ことを特徴とするシステム（１００）。
14. 前記訓練データ（３１０）を取得することは、繰り返し生じる構成可能な時間間隔の終了時に前記訓練データ（３１０）を自動的に取得することを含む、
    請求項１３に記載のシステム（１００）。
15. 前記訓練データ（３１０）を取得することは、前記データ処理ハードウェア（１１２、１３２、１４２、１９２）と通信するディスプレイ（１１６、１４６）上に表示された即時開始ボタン（３０５）を選択するユーザ入力に応答して、前記訓練データ（３１０）を即座に取得することを含む、
    請求項１３に記載のシステム（１００）。
16. 前記訓練データ（３１０）を取得することは、前記訓練データ（３１０）を選択日に取得することを含む、
    請求項１３に記載のシステム（１００）。
17. 前記治療患者（１０）のための前記次回の推奨インスリン治療量（３３６）を決定することは、
    前記治療患者（１０）の前記患者状態情報（２０８ａ）に基づいて、前記治療患者（１０）がインスリンを必要としていると判断することと、
    予定される時間間隔中に前記治療患者（１０）に以前に投与されたインスリンの食事ボーラスを受け取ることと、
    前記予定される時間間隔に関連する、前記識別された最適なインスリンの食事ボーラス、及び前記受け取った、前記予定される時間間隔中に前記治療患者（１０）に以前に投与されたインスリンの食事ボーラスに基づいて、前記治療患者（１０）のための、前記予定される時間間隔中における次回の推奨治療量（４３０）を決定することと、
    を含む、請求項１３に記載のシステム（１００）。
18. 前記予定される時間間隔は、朝食前の時間間隔、昼食前の時間間隔、夕食前の時間間隔、就寝時の時間間隔、又は睡眠中の時間間隔を含む、
    請求項１７に記載のシステム（１００）。
19. 前記訓練血糖履歴データ（２０８ｂ）の前記１又は２以上の結果属性（３１８、３３８）は、次回の予定血糖測定値（ＢＧｎｅｘｔ）と血糖目標範囲（ＢＧ_TR）との関数に基づく血糖パーセント誤差（Ｅｒｒ％）を含み、前記次回の予定血糖測定値は、対応するインスリンの治療量（３１６、３３６）の投与後に生じる血糖測定値に対応する、
    請求項１３に記載のシステム（１００）。
20. 前記治療患者（１０）のための前記次回の推奨インスリン治療量（３３６）を決定することは、
    前記治療患者（１０）の前記患者状態情報（２０８ａ）に基づいて、前記治療患者（１０）がインスリンを必要としていると判断することと、
    前記治療患者（１０）に以前に投与された基礎インスリン量を受け取ることと、
    前記識別された最適な基礎量、及び前記受け取った基礎インスリン量のうちの少なくとも一方に基づいて、前記治療患者（１０）のための次回の推奨基礎量（４５８）を決定することと、
    を含む、請求項１３に記載のシステム（１００）。
21. 前記投与量コントローラは、前記次回の推奨インスリン治療量（３３６）を前記治療患者に関連する、前記次回の推奨インスリン治療量を表示するように構成されたポータブル装置に送信する、
    請求項１３に記載のシステム（１００）。
22. 前記投与量コントローラは、
    新しい治療患者のための患者状態情報（２０８ａ）を受信し、
    前記新しい治療患者（１０）の前記患者状態情報（２０８ａ）に基づいて、前記新しい治療患者（１０）の治療のために抗糖尿病薬が使用可能であると判断し、
    前記新しい患者（１０）の糖化ヘモグロビン測定値（Ａ１ｃ）を受け取り、
    前記糖化ヘモグロビン測定値（Ａ１ｃ）と前記訓練データ（３１０）とに基づいて、前記新しい治療患者（１０）のための抗糖尿病薬投与計画を決定する、
    請求項１３に記載のシステム（１００）。
23. 前記訓練データ（３１０）は、前記患者集団の患者（１０）に投与された抗糖尿病薬併用量、及び各抗糖尿病薬投与計画に関連する糖化ヘモグロビン測定値（Ａ１ｃ）をさらに含む、
    請求項２２に記載のシステム（１００）。
24. 前記患者状態情報（２０８ａ）は、前記患者（１０）に関連する複数の患者状態属性（３１４）を含み、該患者状態属性（３１４）は、年齢属性、性別属性、医療履歴属性、肥満度指数属性、医療履歴属性、リスク因子属性及び／又は財務属性のうちの１つ又は２つ以上を含む、
    請求項１３に記載のシステム（１００）。

Images