DE60031427T2

DE60031427T2 - Verfahren zum kalibrieren einer spektroskopievorrichtung

Info

Publication number: DE60031427T2
Application number: DE60031427T
Authority: DE
Inventors: E. Theodore Conestogo CADELL
Original assignee: NIR Diagnostics Inc
Current assignee: NIR Diagnostics Inc
Priority date: 1999-08-31
Filing date: 2000-08-31
Publication date: 2007-09-20
Anticipated expiration: 2020-09-01
Also published as: EP1214579B1; ATE343125T1; JP2003508746A; WO2001016579A1; EP1214579A1; DE60031427D1; JP4636762B2; CA2382113A1

Description

Die vorliegende Erfindung betrifft die Gebiete der Spektroskopie, Spektrophotometrie und der Chemometrie. Im besonderen betrifft die vorliegende Erfindung ein Verfahren zum Kalibrieren einer Spektroskopievorrichtung für das Vorhersagen von Analytniveaus auf eine nicht-invasive Weise. Das Verfahren der vorliegenden Erfindung ist im besonderen für eine Blutzukkervorhersage basierend auf nahinfrarot-spektrophotometrischen Messungen geeignet.
Biotechnologische Analysen und Untersuchungen basieren häufig auf der Messung verschiedener chemischer Analyte in der Zusammensetzung einer biologischen Matrix, wie beispielsweise Blut, Zwischenzellflüssigkeit oder lebendes Gewebe. Solche Messungen können verwendet werden, um den Gesundheitszustand eines Patienten auszuwerten und um festzustellen, welche Behandlung, wenn überhaupt, notwendig ist. Beispielsweise ist bei Diabetikern die häufige Überwachung von Blutzuckerniveaus mit Glukosemeßgeräten oft notwendig, um diesen Personen das Zurechtkommen mit der Diabetes-Mellitus-Erkrankung zu ermöglichen, indem sie bei Bedarf Insulininjektionen oder orale Medikamente zum Senken des Blutzuckers einnehmen. Eine intensive Behandlung basierend auf häufigen Blutzuckermessungen kann das Auftreten von Blindheit, Nierenverlust und anderen mit Diabetes verbundenen Komplikationen signifikant verringern.
Die meisten Glukosemeßsysteme für zu Hause setzen voraus, daß sich der Patient invasiv eine Blutprobe abnimmt, indem er in seinen oder ihren Finger sticht, die Probe auf einem geeigneten Teststreifen plaziert und dann in einem optischen Glukosemeßgerät testet. Für Millionen von Diabetikern auf der ganzen Welt ist die Verwendung von Lanzetten oder anderen scharfen Instrumenten zum Gewinnen von Blut für die Überwachung ihrer Insulinwerte ein schmerzhafter Vorgang, der häufig Schwielen an den Fingern hervorruft, was das Abnehmen von Blut sogar noch schwieriger macht. Diese invasive Prozedur kann bei Kindern besonders schwierig durchzuführen sein und sich daher als besonders aufreibend für die Eltern erweisen. Außerdem sind die für jede Blutprobe erforderlichen Teststreifen im allgemeinen nicht wiederverwendbar und belaufen sich bei der Durchführung mehrerer Messungen pro Tag vom Standpunkt des Patienten aus auf si gnifikante Kosten. Daher überwachen viele Diabetiker ihre Glukosewerte trotz der Tatsache, daß eine große Anzahl von Diabetikern im Laufe des Tages etliche Messungen durchführen sollte (für einige Einzelpersonen empfehlen die Ärzte das Testen der Glukoseniveaus vier- bis siebenmal täglich), aufgrund der damit verbundenen Schmerzen, Kosten und Unbequemlichkeiten nicht häufig genug.
Spektroskopie basiert auf der Analyse, wie einfallende Strahlung mit den rotatorischen und Schwingzuständen von Molekülen interagiert, die von analytischem Interesse sind. Spektroskopische Meßtechniken haben aufgrund ihrer Fähigkeit, schnelle und nicht-invasive Messungen von Konzentrationen verschiedener Chemikalien oder Analyte bereitzustellen, erhöhte Popularität gewonnen. Wegen der oben genannten Gründe ist dies für Glukosemeßgeräte für zu Hause besonders wünschenswert. Spektrophotometrie ist eine Art von Spektroskopie, die im allgemeinen verwendet wird, um Analytkonzentrationen basierend auf der spektralen Energieverteilung im Absorptionsspektrum einer Probenlösung oder eines Probenmediums quantitativ zu messen. In der Spektrophotometrie wird die Energieverteilung typischerweise innerhalb eines Bereichs des sichtbaren, ultravioletten, infraroten oder nahinfraroten Spektrums analysiert. Beispielsweise ist nahinfrarote Strahlung (NIR) elektromagnetische Strahlung mit einer Wellenlänge zwischen ungefähr 0,75 und 2,5 Mikrometern (das heißt, von 150 bis 400 THz). Nahinfrarote Spektrophotometrie verwendet im allgemeinen Instrumente mit Quarzprismen in Monochromatoren und mit Bleisulfid-Photoleiterzellen als Detektoren, um Absorptionsbänder zu beobachten, und die NIR-Spektrophotometrie wird zunehmend verwendet, um In-Vivo-Analyte wie beispielsweise Glukose, Gesamthämoglobin, Albumin, Cholesterin oder Ethanol zu messen.
Die nicht-invasive, spektrophotometrische Messung von Glukose bei Menschen wird durch Fokussieren einer einfallenden Strahlungsquelle (oder mehrerer Quellen) auf ein bestimmtes Körperteil und Detektieren der spektralen Verteilung der dadurch übertragenen Strahlung durchgeführt. Die Extinktion von Licht von der einfallenden Strahlung wird von den chemischen Komponenten innerhalb des Körperteils, einschließlich Wasser, Fett, Eiweiß, Hämoglobin, Melanin und Glukose, verursacht. Eine Schwierigkeit bei Glukosemessungen mittels Spektralanalyse ist die spektrale Überlappung zwischen Glukose und anderen, im Blut häufig in viel höheren Mengen als Glukose auftretenden Chemikalien. Zusätzlich wird die Dicke, Farbe und Struktur von Haut, Knochen und Blut, durch welche die einfallende Strahlung hindurchtritt, ihre Übertragung (oder Reflexion/Absorption) beeinflussen. Außerdem kann die Analytkonzentration mit Änderungen im Aktivitätszustand, der Diät, Hormonschwankungen und anderen Faktoren variieren. Glukosekonzentrationsmessungen sind auch besonders anfällig für Schwankungen der physikalischen und chemischen Bedingungen, einschließlich Temperatur, Druck, Feuchtigkeit und Hautfeuchtigkeit. Als Ergebnis sollten zum Durchführen einer zuverlässigen, nicht-invasiven Glukosevorhersage NIR-Spektralmessungen durch einen vaskulären, equilibrierten Körperbereich durchgeführt werden, und ein NIR-Glukosespektrophotometer muß sorgfältig ausgelegt werden, so daß die Qualität von Spektralrohinformation von einem NIR-Glukosemeßgerät hoch ist. Vergleiche allgemein Waynant und Chenault "Overview of Non-Invasive Optical Glucose Monitoring Techniques", IEEE LEOS Newsletter, Band 12, Nr. 2 (April 1998); und Burmeister und Arnold, "Spectroscopic Considerations for Non-Invasive Blood Glucose Measurements with Near Infrared Spectroscopie, IEEE LEOS Newsletter, Band 12, Nr. 2 (April 1998).
Nahinfrarot-Glukosemessungen sind im allgemeinen geeignet für Gewebetiefen im Bereich von ungefähr 1 mm bis 10 cm und werden häufig durch die Fingerspitze eines Patienten durchgeführt, obwohl andere Körperbereiche (zum Beispiel die Interdigitalfalte zwischen zwei Fingern, ein Ohrläppchen oder die Oberlippe) ebenfalls verwendet werden können. Die Probendicke ist ein wichtiger experimenteller Parameter, weil eine größere Dicke den Absorptionsanteil vergrößert und dadurch die minimalen Grenzwerte für eine Detektion senkt, während das spektrale Rauschen effektiv erhöht wird, weil weniger einfallende Strahlung eine dickere Probe erfolgreich (d.h. ohne absorbiert zu werden) durchquert: Vergleiche Burmeister und Arnold, oben.
Zusätzlich zu den Schwierigkeiten beim Erhalten von genauen spektralen Messungen mittels NIR-Spektrophotometrie war eine wesentlichere mit solchen Messungen verbundene Schwierigkeit die Notwendigkeit, ein solches Instrument so zu kalibrieren, daß es von einer Vielzahl verschiedener Einzelpersonen verwendet werden kann, deren Analytkonzentrationen und -variabilitäten sich beispielsweise erheblich unterscheiden können. Eine Kalibrierung von Spektrophotometern (und von analytischen Instrumenten im allgemeinen) ist notwendig, um die Genauigkeit von durch solche Vorrichtungen durchgeführten Messungen sicherzustellen.
Im Stand der Technik wurden zwei Ansätze zum Kalibrieren und Vorhersagen von Analyt(z.B. Glukose)-Niveaus verwendet. Beim ersten Ansatz wird ein gründlicher Kalibrierungsvorgang für jede Einzelperson separat durchgeführt, für die das Instrument verwendet werden soll. Dieser individuelle Kalibrierungsvorgang erfordert das Abnehmen einer Anzahl von Blutproben von der Einzelperson während eines Zeitraums und das Gewinnen von Referenzglukosekonzentrationsmessungen aus diesen Proben. Gleichzeitig wird eine Anzahl von entsprechenden nicht-invasiven, spektroskopischen Messungen und danach eine Kalibrierungsregressionsanalyse durchgeführt, um beispielsweise durch eine lineare Regressionsanalyse die nicht-invasiven Messungen mit den Referenzmessungen zu korrelieren. Auf diese Weise wird die spektroskopische Vorrichtung oder das Spektrophotometer speziell für die spezifische Einzelperson kalibriert. Jedoch ist ein Hauptnachteil dieses Ansatzes, daß das Kalibrierungsmodell auf Daten dieser speziellen Einzelperson begrenzt ist, die eine unzureichende Informationsmenge hinsichtlich einer Variation von Spektren aufweisen können, welche die des Analyts von Interesse überlagern (mit ihm interferieren). Es ist wichtig, solche Spektren charakterisieren zu können, um hochpräzise Analytvorhersagen zu ermöglichen. Um dieses Problem abzumildern, muß der spezielle Kalibrierungsvorgang ggf. häufig ausgeführt werden, sogar auf täglicher Basis.
Ein alternativer Kalibrierungsansatz setzt die Entwicklung eines universellen oder allgemeinen Kalibrierungsalgorithmus voraus. Dieser Ansatz basiert auf dem Gedanken, daß durch Durch führen einer großen Anzahl von Kalibrierungsmessungen (wie im ersten Ansatz) ein einzelnes Kalibrierungsmodell berechnet werden kann, das jede individuelle Variabilität aller überlappenden oder interferierenden Analyte ausreichend berücksichtigt. Chemometrie, die Anwendung von mathematischen, statistischen und formalen logischen Verfahren auf die Chemie, wird im allgemeinen verwendet, um die spektralen Intensitätsdaten zu verarbeiten und zu berechnen und um ein Kalibrierungsmodell zu erzeugen: Vergleiche Small und Arnold, "Data Handling Issues for Near Infrared Glucose Measurements", IEEE LEOS Newsletter, Band 12, Nr. 2 (April 1998); und Shaffer, Small und Arnold, "Genetic Algorithm-Based Protocol for Coupling Digital Filtering and Partial Least-Squares Regression: Application to the Near-Infrared Analysis of Glucose in Biological Matrices", Anal. Chem. 68, 2663–2675 (1996). Jedoch ist für Messungen von Glukose und anderen Analyten, die merklich und unterschiedlich von einer individuellen Probe zur anderen variieren, ein einzelner, allgemeiner Kalibrierungsalgorithmus häufig uneffektiv und kann signifikant und manchmal gefährlich fehlerhafte Vorhersagen von Analytkonzentrationsniveaus verursachen.
Es werden auch Protokolle zum Koppeln digitaler Filtertechniken mit einer Regression der partiellen kleinsten Quadrate (PLS) für eine Verwendung bei der Erstellung multivariater Kalibrierungsmodelle aus Fourier-transformierten Nahinfrarot-Extinktionsspektren aufgestellt. In Small et al., "Strategies for Coupling Digital Filtering with Partial Least-Squares Regression: "Application to the Determination of Glucose Plasma by Fourier Transform Near Infrared Spectroscopy", Analytical Chemistry, Band 65 (1993) 3279–3289, wurden gaußkurvenförmige, digitale Bandpaßfilter durch Fourier-Filtertechniken implementiert und zum Vorverarbeiten von Spektren verwendet, um Abweichungen aufgrund der Hintergrundextinktion der Plasmamatrix zu beseitigen.
Die US 5,680,320 beschreibt ein Verfahren zum Quantifizieren der Menge von Chemikalien, wie beispielsweise Naßverfestigungsmitteln, Stärken und Retensionsmitteln, hydrophobischen und bindungslösenden Mitteln, die mit den Zellulosefasern in Flaumzellstoff oder Papier reagiert oder in ihnen festgehalten sind.
Das Verfahren entwickelt ein Kalibrierungsmodell durch Registrieren von Absorptions-, Reflexions- oder Emissions-Spektralrohdaten von Papier- oder Zellstoff-Referenzproben, die bekannte Mengen der Leistungschemikalien enthalten, um eine Lernmenge zu entwickeln; Verarbeiten der Spektralrohdaten aus den registrierten Spektren, um Rauschen zu reduzieren und nach Drift und diffusem Streulicht abzugleichen; Durchführen einer Datenanalyse auf die Lernmenge, bei der die verarbeiteten Spektraldaten der Referenzproben basierend auf einer Hauptkomponentenanalyse in verborgene Variable (latent variables) übertragen werden und Anwenden von chemometrischen Techniken auf die verborgenen Variablen, um den mathematischen Ausdruck des Kalibrierungsmodells zu finden; und Registrieren der Absorptions-, Reflexions- oder Emissions-Spektralrohdaten einer unbekannte Mengen von Chemikalien enthaltenden Flaumpapier- oder Zellstoffprobe, Verarbeiten der Spektralrohdaten; Übertragen der verarbeiteten Spektraldaten in verborgene Variable, und Anwenden des entwickelten Kalibrierungsmodells auf die verborgenen Variablen, um die unbekannten Mengen der reagierten oder enthaltenen Leistungschemikalien zu ermitteln.
Die US 5,606,164 beschreibt ein Verfahren und eine Vorrichtung zum Messen der Konzentration eines in einem biologischen Fluid vorliegenden Analyts. Das Verfahren umfaßt die Schritte des Anwendens von NIR-Strahlung auf Kalibrierungsproben; um Kalibrierungsdaten zu erzeugen, des Analysierens der Kalibrierungsdaten, um Ausreißer zu identifizieren und zu entfernen, des Erstellens eines Kalibrierungsmodells, des Sammelns und Analysierens unbekannter Proben, um Ausreißer zu identifizieren und zu entfernen, und des Vorhersagens der Analytkonzentration von Nicht-Ausreißern aus dem Kalibrierungsmodell. Die Analyse der Kalibrierungsdaten umfaßt eine Datenvorbehandlung, eine Datenzerlegung zum Entfernen redundanter Daten und die Identifizierung und Entfernung von Ausreißern unter Verwendung von generalisierten Distanzen. Das Kalibrierungsmodell kann Hauptkomponentenregression verwenden, partielle kleinste Quadrate, mehrfache lineare Regression oder künstliche neuronale Netze, und eine Reduktion unter Verwendung einer Hauptkomponentenanalyse oder von Bewertungen von partiellen kleinsten Quadraten. Unbekannte Probendaten werden unter Verwendung von Datenvorbe handlung analysiert, gefolgt von einer Projektion in den Kalibrierungsmodellraum und der Identifizierung und Entfernung von Ausreißern mit einer Vorhersage der Analytkonzentration unter Verwendung des Kalibrierungsmodells.
Die US 5,362,965 beschreibt ein Verfahren zum Ermitteln des Sauerstoffgehalts und/oder des Oktans von für Fahrzeuge geeigneten Treibstoffen.
Die US 5,576,544 beschreibt ein Verfahren zum Bereitstellen einer allgemeinen Kalibrierung von Nahinfrarot-Mengenanalyseinstrumenten. Das Verfahren vergleicht das Nahinfrarotspektrum einer Einzelperson mit einer Vielzahl von Nahinfrarot-Spektralclustern. Jeder Nahinfrarot-Spektralcluster weist einen Satz von Kalibrierungskonstanten auf. Die Kalibrierungskonstanten des am engsten mit den individuellen Spektren verknüpften Spektralclusters werden verwendet, um das Nahinfrarotanalysemeßinstrument spezifisch zu kalibrieren.
Daher ist, während NIR-Messungen eine nicht-invasive, schnelle, schmerzlose und bequeme Technik zum Überwachen von Glukoseniveaus bereitstellen, eine Korrelation und klinische Interpretation von spektralen Messungen zum Gewinnen der echten Glukoseniveaus äußerst wichtig für eine geeignete Therapie und Krankheitsüberwachung: Eine geeignete Kalibrierung von Instrumenten für verschiedene Patientenpopulationen (welche sich in der ethnischen Zugehörigkeit, Alter, Gewicht usw. unterscheiden werden), ist äußerst wichtig für das Erhalten präziser Glukosevorhersagemodelle. Außerdem ist eine sorgfältige Validierung und ein sorgfältiges Testen der nicht-invasiven Ergebnisse und der Glukosevorhersagegleichung notwendig, um festzustellen, ob die Glukosekorrelation für alle klinisch wichtigen Bedingungen und für alle, oder wenigstens für die meisten, Patiententypen konsistent ist.
Die vorliegende Erfindung ist auf ein Verfahren zum Kalibrieren einer Spektroskopievorrichtung zum Bereitstellen einer nicht-invasiven Messung eines Analytniveaus bei einer Testprobe gerichtet, im allgemeinen wie im oben genannten Dokument G. W. Small et al., Analytical Chemistry, Band 65 (1993) 3279–3289 und im Oberbegriff des Anspruchs 1 offenbart, das umfasst:

(a) Bereitstellen einer Vielzahl von Kalibrierungsalgorithmen;
(b) Aufnehmen eines Satzes von nicht-invasiven Spektralmessungen unter Verwendung der Spektroskopievorrichtung und entsprechender Referenzmessungen der Analytkonzentration für jede einer Vielzahl von Proben;
(c) Verwenden jedes der Kalibrierungsalgorithmen, um einen Satz von vorhergesagten Analytkonzentrationsniveaus für die in Schritt b) aufgenommenen nicht-invasiven Spektralmessungen zu berechnen;
(d) für jeden Satz von in Schritt c) erhaltenen vorhergesagten Analytkonzentrationsniveaus, Ermitteln des folgenden: eines Bereichs der Variabilität des Analyts; einer Steigung der vorhergesagten Analytkonzentration gegenüber der entsprechenden Referenzanalytkonzentration; R², wobei R die Korrelation der vorhergesagten Analytkonzentration mit der Referenzanalytkonzentration ist; und eines Standardfehlers der Vorhersage (SEP), wobei der SEP die Quadratwurzel des Mittels der quadratierten Abweichungen der Referenzanalytkonzentrationen von den vorhergesagten Analytkonzentrationen ist; und
(e) Auswählen eines zum Kalibrieren der Spektroskopievorrichtung geeigneten Kalibrierungsalgorithmus.

Gemäß diesem Aspekt der vorliegenden Erfindung umfaßt der Auswahlschritt, wie im Kennzeichen von Anspruch 1 definiert:

(i) Auswählen der Sätze von vorhergesagten Analytkonzentrationsniveaus, bei denen der SEP kleiner als eine obere Fehlergrenze ist, der Variabilitätsbereich größer als eine untere Bereichsgrenze ist und die Steigung zwischen einer unteren Steigungsgrenze und einer oberen Steigungsgrenze liegt, wobei die untere und die obere Steigungsgrenze einen akzeptablen Steigungsbereich definieren;
(ii) Berechnung einer Eignungsbewertung für jeden der in Schritt (i) ausgewählten vorhergesagten Sätze in Antwort auf die Steigung, das R² und den SEP für diesen vorhergesagten Satz, und Auswählen des Kalibrierungsalgorithmus, der dem vorhergesagten Satz mit der optimalen (höchsten) Eignungsbewertung entspricht, als den geeigneten Kalibrierungsalgorithmus;
(iii) Wenn keine vorhergesagten Sätze in Schritt (i) ausgewählt werden, Auswählen der Sätze von vorhergesagten Analytkonzentrationsniveaus, bei denen der Variabilitätsbereich kleiner als die untere Bereichsgrenze ist und bei dem der SEP kleiner als die obere Fehlergrenze ist;
(iv) Auswählen des Kalibrierungsalgorithmus von den in Schritt
(iii) ausgewählten vorhergesagten Sätzen, der dem vorhergesagten Satz mit dem geringsten SEP entspricht, als den geeigneten Kalibrierungsalgorithmus; und
(v) Wenn keine vorhergesagten Sätze in Schritt (i) und (iii) ausgewählt werden, Feststellen, daß kein Kalibrierungsalgorithmus geeignet ist.

Vorzugsweise ist der akzeptable Steigungsbereich in eine Vielzahl von Unterbereichen entsprechend einer Vielzahl von Niveaus unterteilt, die ein erstes Niveau und ein oder mehrere darauffolgende Niveaus umfassen. Wenn keine vorhergesagten Sätze im ersten Niveau ausgewählt werden, umfaßt das Verfahren dann das Wiederholen von Schritt (i) zu jedem darauffolgenden Niveau, bis ein vorhergesagter Satz ausgewählt wird oder es keine darauffolgenden Niveaus mehr gibt.
Die untere Steigungsgrenze kann kleiner als Eins sein, und die obere Steigungsgrenze kann größer als Eins sein. Im Besonderen kann die untere Steigungsgrenze ungefähr 0,3 sein und die obere Steigungsgrenze ungefähr 1,5. Alternativ kann der akzeptable Steigungsbereich durch eine untere Steigungsgrenze von ungefähr 0,3 und eine obere Steigungsgrenze von ungefähr 1,05 definiert sein.
Vorzugsweise wird die Vielzahl von Kalibrierungsalgorithmen in Schritt (a) durch die folgenden Schritte erzeugt:

(i) Erstellen von Datensätzen für jedes einer Vielzahl von Individuen durch Aufnehmen nicht-invasiver Spektralmessungen unter Verwendung der Spektroskopievorrichtung und entsprechender Referenzmessungen der Analytkonzentration für jede einer Anzahl von Proben von jedem Individuum;
(ii) Verwerfen von Datensätzen, die für eine Kalibrierung nicht geeignet sind, wobei die nicht für eine Kalibrierung geeigneten Datensätze umfassen: Datensätze, die wenigstens einige nicht-invasive Spektralmessungen enthalten, welche die Spektroskopievorrichtung sättigen; Datensätze mit einem kleinen Variabilitätsbereich der nicht-invasiven Spektralmessungen; und/oder Datensätze, die mit einer anderen Variablen korreliert sind;
(iii) Kombinieren von für eine Kalibrierung geeigneten Datensätzen in einer Vielzahl von Gruppen in Abhängigkeit davon, ob Korrelationen der kombinierten Datensätze vorgegebenen Kriterien entsprechen; und
(iv) Erzeugen eines Kalibrierungsalgorithmus für jede der Datensatzgruppen.

Die vorgegebenen Kriterien in Schritt (iii) können das Minimieren von Korrelationen des Analytniveaus in den kombinierten Datensätzen in einer bestimmten Gruppe mit anderen Parametern und das Maximieren der Korrelation zwischen Datensätzen in einer bestimmten Gruppe umfassen.
Schritte (iii) und (iv) können unter Verwendung einer Regressionsanalyse der partiellen kleinsten Quadrate ausgeführt werden.
Schritte (a), (c) und (d) können auf einem mit der Spektroskopievorrichtung verbundenen Computer durchgeführt werden. Außer dem kann die Testprobe ein individueller Patient und die Spektroskopievorrichtung ein Nahinfrarotspektrophotometer sein, und das Analyt kann aus der Gruppe von Glukose, Hämoglobin, Albumin, Cholesterin und Ethanol ausgewählt sein.
Nun wird auf die beigefügten Zeichnungen Bezug genommen, welche beispielhaft eine bevorzugte Ausführungsform der Erfindung darstellen, und in denen:
1 ein Korrelationsstreudiagramm von Glukosevorhersagen für eine Anzahl von verschiedenen Patienten basierend auf einem universellen, einzelnen Kalibrierungsmodell ist;
2 ein Korrelationsstreudiagramm von Glukosevorhersagen für eine Anzahl von Patienten basierend auf dem die vorliegende Erfindung verkörpernden Mehrfachalgorithmen-Kalibrierungsmodell ist;
3 ein anderes Korrelationsstreudiagramm von Glukosevorhersagen für eine Anzahl von Patienten basierend auf dem die vorliegende Erfindung verkörpernden Mehrfachalgorithmen-Kalibrierungsmodell ist;
4 ein Korrelationsstreudiagramm von Glukosevorhersagen für einen typischen Patienten basierend auf einem universellen, einzelnen Kalibrierungsmodell ist; und
5 ein Korrelationsstreudiagramm von Glukosevorhersagen für denselben typischen Patienten basierend auf dem die vorliegende Erfindung verkörpernden Mehrfachalgorithmen-Kalibrierungsmodell ist.
Wie erwähnt, betrifft die vorliegende Erfindung ein Verfahren zum Kalibrieren einer Spektroskopievorrichtung zum Vorhersagen von Analytniveaus auf eine nicht-invasive Weise. Die vorliegende Erfindung kann bei einem typischen NIR-Spektrophotometersystem verwendet werden, welches eine durch den zu untersuchenden Gegenstand projizierte Lichtquelle, einen Probenschnittstellenmechanismus, ein Spektrometer zum Teilen des Lichts in seine Komponentenwellenlängen, einen Detektor, Ver starkungselektronik und einen Computer aufweist. Durch Messen des Verlusts (der Absorption) zwischen der Quelle und dem Detektor und Anwenden geeigneter chemometrischer (mathematischer) Techniken ist es möglich, die untersuchten Chemikalien nicht-invasiv zu bestimmen, da verschiedene Chemikalien verschiedene Mengen von Licht bei verschiedenen Wellenlängen absorbieren. Eine solche spektrophotometrische Vorrichtung und ein Verfahren sind detailliert im US-Patent Nr. 5,361,758 beschrieben. Während die vorliegende Beschreibung hauptsächlich Glukosemessungen betrifft, momentan eins der Hauptanwendungsgebiete von NIR-Messungen, wird man verstehen, daß die Prinzipien der vorliegenden Erfindung gleichermaßen für andere, unter Verwendung verschiedener spektroskopischer Techniken nicht-invasiv gemessene Analyte gelten.
Um das NIR-Spektrum für Glukosemessungen zu verwenden, ist es notwendig, ein Spektrometer mit einem weiten dynamischen Bereich, einem hohen Rauschabstand und geringen Streuverlusten einzusetzen. Die Ausgabe des Spektrometers wird zum Erzeugen von Spektren mit hoher Genauigkeit sowohl in der Extinktion als auch der Wellenlänge verwendet. Signifikante Glukoseabsorptionsbänder sind um Wellenlängen von 1,67, 2,13, 2,27 und 2,33 Mikrometern zentriert (wie im oben zitierten Small und Arnold, "Data Handling Issues for Near-Infrared Glucose Measurements", diskutiert). Zusätzlich zu diesen Wellenlängen gibt es signifikante Glukoseabsorptionsbänder bei 0,97 und 1,12 Mikrometern, wobei diese Wellenlängen Übertragungsmessungen über eine größere Entfernung im Gewebe ermöglichen. Um NIR zum Messen einer bestimmten Komponente/eines bestimmten Analyts verwenden zu können, wird eine chemometrische, mathematische Analyse auf das gemessene Spektrum angewendet. Die mathematischen Analysetechniken werden von einem Computer ausgeführt, welcher mit hochentwickelter, zum Interpretieren der sich ergebenden komplexen Spektra geeigneter Software ausgerüstet ist.
Um ein NIR-Spektrophotometer universell zu kalibrieren, muß die zu der Komponente oder dem Analyt von Interesse gehörige Extinktion zuerst bei einer relativ großen Anzahl von Proben gemessen werden. Diese NIR-Messungen werden dann mit auf eine traditionellere und genauere invasive Weise gemachten Messungen verglichen. Aus diesen Vergleichen wird ein Algorithmus entwikkelt, welcher das zu messende Analyt charakterisiert. Die zum Erzeugen von Kalibrierungsmodellen für NIR-Spektrophotometer verwendeten Verfahren sind anspruchsvoll. Ein wichtiges Kriterium ist, daß die Kalibrierungsproben mit anderen Konzentrationen chemischer Spezies unkorreliert sein sollen. Eine Erfüllung dieser Kriterien ist schwierig, weil typischerweise eine große Anzahl chemischer Spezies in einer biologischen Matrix oder einem Wachstumsmedium vorliegt.
Die vorliegende Erfindung stellt ein Mehrfachalgorithmen-Kalibrierungsverfahren für ein spektroskopisches Gerät bereit, das Analytniveaus in einer biologischen Matrix, wie beispielsweise Blutzucker-Niveaus, für eine Vielzahl verschiedener Proben mit signifikant größerer Genauigkeit als konventionelle universelle, einzelne Kalibrierungsmodelle vorhersagen kann. Das Kalibrierungsverfahren der Erfindung weist zwei Schlüsselteile auf: Die Erzeugung einer Vielzahl von verschiedenen Algorithmen und die Auswahl des Algorithmus, der zum Erzeugen einer genauen Vorhersage der Analytkonzentration am geeignetsten ist.
Zum Erzeugen geeigneter Kalibrierungsalgorithmen werden die nicht-invasiven und Referenzmeßdatensätze für eine Anzahl von Individuen zuerst erstellt. Ist dies einmal erreicht, werden Korrelationstechniken angewendet, um nicht-invasive Spektralmessungen zu Referenzglukoseniveaus in Beziehung zu setzen. In diesem Stadium muß die Eignung der individuellen Datenproben für Kalibrierungszwecke berücksichtigt werden. Wenn einige der nicht-invasiven Spektralmessungen in einem Datensatz eine Sättigung der Meßausrüstung verursachen, beispielsweise bei der Ausgabe eines Analog-Digital-Wandlers, dann sollte diese Datenprobe von einer Verwendung in einem Kalibrierungsalgorithmus ausgeschlossen werden. Gleichermaßen sollte, wenn der Variabilitätsbereich der nicht-invasiven Spektralmessungen in einem Datensatz zu klein ist, die Datenprobe ebenfalls von einer Kalibrierung ausgeschlossen werden. Außerdem sollte, wenn die Korrelation von Glukose in einem bestimmten Datensatz unerwünscht mit einer anderen Variable, wie mit der Konzentration einer anderen Chemikalie, korreliert, diese Probe wiederum ausgeschlossen werden. Als Ergebnis wird eine große Anzahl von Probensätzen nicht für die Entwicklung von Kalibrierungsalgorithmen geeignet sein.
Die Gruppierung oder Kombination von kalibrierungsgeeigneten Datensätzen (jeder spezifisch für ein bestimmtes Individuum) in verschiedene Algorithmen geschieht auf der Basis von Versuch und Irrtum, indem diese Datensätze wiederholt kombiniert werden und eine neue Korrelation auf die kombinierten Datensätze ausgeführt wird. Wenn die Korrelationen der kombinierten Sätze bestimmten Kriterien entsprechen, dann ist die Kombination akzeptierbar, wenn nicht, wird eine andere Kombination versucht. Ist eine Kombination einmal als akzeptabel eingestuft, wird das Hinzufügen eines weiteren Datensatzes versucht und seine Annehmbarkeit wiederum bestimmt. Auf diese Weise wächst eine Datensatzkombination für einen Algorithmus von zwei Datensätzen auf drei Datensätze auf vier Datensätze usw., bis eine ausreichend große Anzahl von Datensätzen gewonnen ist, aus denen ein zuverlässiger Kalibrierungsalgorithmus entwickelt werden kann.
Beim Kombinieren von Datensätzen für einen einzelnen Algorithmus spielen zwei Kriterien eine Schlüsselrolle. Erstens muß jede Korrelation von Glukose in der kombinierten Datensatzgruppe mit anderen Parametern minimiert werden. Solche unerwünschten Korrelationen können mit verschiedenen Konzentrationen chemischer Spezies oder anderen über die Zeit variierenden Quantitäten vorliegen. Ein geeigneter quantitativer Test für diese Kriterien ist das Sicherstellen, daß alle unerwünschten Korrelationen der kombinierten Datensätze, wie von dem Quadrat des Korrelationskoeffizienten R_U ² angezeigt (für die unerwünschten Korrelationen), kleiner als ein bestimmter Grenzwert sind, wie beispielsweise R_U ² < 0,1. Auf bekannte Weise ist der Korrelationskoeffizient R_U ein Maß der Tendenz zweier Variablen, gemeinsam zu variieren. Wenn das Hinzufügen eines Datensatzes zu einem anderen Datensatz oder zu einer geeigneten Unterkombination von Datensätzen diesen Kriterien nicht genügt, wird die neue Kombination nicht annehmbar sein.
Zusätzlich kann die Kombination von Datensätzen optimiert werden, indem sichergestellt wird, daß die Datensätze einen hohen Grad von Korrelation miteinander aufweisen, so daß ein zweites Kriterium beim Kombinieren von Datensätzen erfordern sollte, daß die Datensätze in einer bestimmten Gruppe ausreichend miteinander korreliert sind. Dies kann erreicht werden, indem beispielsweise sichergestellt wird, daß der Standardvorhersagefehler (SEP) minimal ist und das Quadrat des Korrelationskoeffizienten R² zusammen mit der Steigung, welche die Referenzglukose mit der vorhergesagten Glukose in Beziehung setzt, für eine existierende Unterkombination von Datensätzen und einen anderen Datensatz, der möglicherweise mit dieser Unterkombination kombiniert wird, größer als ungefähr 0,8 ist.
In einer alternativen Ausführungsform der vorliegenden Erfindung kann anstelle des sukzessiven Hinzufügens zu oder Aufbauens von Datensetzgruppen für einen Kalibrierungsalgorithmus eine große Gruppe von kalibrierungsgeeigneten Datensätzen anfangs willkürlich aufgenommen werden. In dieser Ausführungsform werden Datensätze von der Gruppe entfernt und die oben genannten SEP- und Korrelationskriterien neu evaluiert. Wenn sich die SEP-, Steigungs- und Korrelationskriterien nach der Entfernung des Datensatzes verbessern, wird der Datensatz dauerhaft aus der Gruppe entfernt, wohingegen der Datensatz wieder zur Gruppe hinzugefügt wird, wenn sich die Kriterien nicht verbessern. Bei Verwendung dieses Top-Down-Ansatzes kann die Entfernung von Datensätzen gestoppt werden, wenn die Kriterien akzeptablen Grenzwerten entsprechen.
Die SEP-, Steigungs- und Korrelationsberechnungen für die Bestimmung von Kalibrierungsalgorithmusgruppierungen (und der dazugehörigen Kalibrierungsalgorithmen) werden mit zunehmenden Datenmengen zunehmend komplex und werden vorzugsweise unter Verwendung einer Regressionsanalyse der partiellen kleinsten Quadrate (PLS) ausgeführt. Die PLS-Analysetechniken sind dem Fachmann bekannt und stellen durch Entfernen beträchtlicher redundanter Informationen eine gute lineare Annäherung bereit: Vergleiche allgemein Small und Arnold, "Data Handling Issues for Near-Infrared Glucose Measurements", siehe oben. Andere Analysetypen, wie beispielsweise eine partielle Komponentenanalyse (PCA) oder künstliche neuronale Netze (ANN), können ebenfalls verwendet werden.
Dieser Kalibrierungsalgorithmus-Erzeugungsprozeß wird verwendet, um wenigstens zwei Datensatzgruppen (entsprechend zu Individuengruppen) zu erzeugen, wobei jede Gruppe ein Kalibrierungsmodell oder -algorithmus zum Vorhersagen des Analytniveaus in einer biologischen Matrix basierend auf einer nicht-invasiven spektroskopischen Messung bereitstellt. Vorzugsweise werden zwei Anfangsgruppen von Datensätzen entwickelt, und ausgehend von diesen beiden Gruppen werden zusätzliche Gruppen erzeugt. Diese zusätzlichen Gruppen sind im allgemeinen kleiner in der Größe als die beiden Anfangsgruppen und erfüllen ggf. strengere Korrelationskriterien. Diese zusätzlichen Gruppen können mit dem oben beschriebenen Top-Down-Ansatz gebildet werden, wobei Datensätze selektiv von einer Anfangsgruppe entfernt werden, um festzustellen, ob sich die Korrelationskriterien nach der Entfernung verbessern oder verschlechtern.
Angesichts der Verfügbarkeit mehrfacher Kalibrierungsalgorithmen ist es notwendig, den geeignetsten dieser Algorithmen zum Vorhersagen der Analytniveaus bei einem gegebenen Patienten oder einer gegebenen Probe auszuwählen. Ist dies einmal geschehen, wird die spektroskopische Vorrichtung nach dem ausgewählten Algorithmus kalibriert. Der Algorithmusauswahlprozeß ist im allgemeinen unabhängig von dem zum Erzeugen der mehrfachen Algorithmen verwendeten Prozeß, obwohl er ersichtlicherweise von der Anzahl von verschiedenen verfügbaren Algorithmen abhängen wird.
Für einen gegebenen Patienten oder eine gegebene Probe, an dem oder der die nicht-invasive spektroskopische Messung auszuführen ist, ist es zuerst notwendig, einen Satz von hochpräzisen Referenzmessungen und entsprechenden nicht-invasiven Spektralmessungen zu ausgewählten Intervallen über eine Zeitspanne zu erstellen. In einer bevorzugten Ausführungsform werden zwei aufeinanderfolgende, nicht-invasive Spektralmessungen nacheinander zu jedem Meßintervall abgenommen, und dann wird ihr Mittel als eine einzelne nicht-invasive Messung für dieses Intervall angenommen.
Bevor die Algorithmusauswahl beginnt, können zwei Variable gesetzt werden, um die Strenge von Akzeptanzanforderungen für Patienten zu ermitteln (d.h., ob wenigstens einer der verfügbaren Kalibrationsalgorithmen für einen Patienten für geeignet befunden werden wird). Diese sind (i) eine untere Bereichsgrenze für den Bereich von Glukose- oder Analytvariabilität im Datensatz (wenn die Daten nicht signifikant variieren, können sie nicht genügend Information bereitstellen, um nützlich zu sein), und (ii) eine obere Fehlergrenze (SEP_max) für den Standardfehler der Vorhersage (standard error of prediction, SEP), das heißt, die Quadratwurzel des Mittels der quadrierten Abweichungen der Referenzanalytkonzentrationen von den von einem Kalibrierungsalgorithmus vorhergesagten Analytkonzentrationswerten.
Aus den nicht-invasiven Spektralmessungen wird gemäß jedem Kalibrierungsalgorithmus ein vorhergesagter Satz von Analytkonzentrationsniveaus berechnet. Wenn er mit dem Referenzsatz von Konzentrationsniveaus verglichen wird, wird jeder vorhergesagte Satz von einer linearen Regression oder "Ausgleichs"-Linie berechnet werden, charakterisiert durch: einen Glukoseniveauvariabilitäts-Bereich; eine Steigung (die idealerweise gleich 1 ist, das heißt, die vorhergesagten Werte entsprechen direkt den Referenzwerten); einen Korrelationskoeffizienten R, der die Korrelation des vorhergesagten Wertesatzes mit dem Referenzwertesatz definiert; und einen Standardfehler der Vorhersage (SEP), wie oben definiert. Es ist zu beachten, daß mit einer Zunahme des Korrelationskoeffizienten R der SEP abnehmen wird und umgekehrt, außer in Fällen, in denen ein Offset oder systematischer Fehler im vorhergesagten Analyt vorliegt.
Als Beispiel, das den Bereich der vorliegenden Erfindung nicht begrenzen soll, kann der Algorithmusauswahlprozeß vier Niveaus oder Schritte umfassen. Auf einem ersten Niveau wird, wenn der vorhergesagte Datensatz für einen Algorithmus die folgenden Kriterien erfüllt:

i) SEP < obere Fehlergrenze (SEP_max)
ii) Analytbereich > untere Bereichsgrenze
iii) 0,5 < Steigung (der Regressionslinie) < 1,05

Bewertung = (Steigung)(R2)/(SEP).

Wenn mehr als ein Algorithmus die Kriterien des ersten Niveaus erfüllt, wird der Algorithmus mit der höchsten Eignungsbewertung ausgewählt, und der Auswahlprozeß ist beendet. Wenn sich kein Algorithmus nach den Kriterien des ersten Niveaus eignet, schreitet der Auswahlprozeß zu einem zweiten Niveau fort.
Das zweite Niveau ist identisch mit dem ersten Niveau, mit der Ausnahme, daß das Steigungskriterium zu
0,33 < Steigung (der Regressionslinie) < 0,5
wird.
Für Algorithmen, die dieses geänderte Steigungskriterium erfüllen (und die SEP- und Bereichskriterien) wird, wie auf dem ersten Niveau, eine Eignungsbewertung berechnet. Wiederum wird der Algorithmus mit der höchsten Eignungsbewertung ausgewählt, wenn sich mehr als ein Algorithmus auf dem zweiten Niveau qualifiziert, und der Auswahlprozeß ist beendet.
Auf einem dritten Niveau wird die Probe oder der Patient von einer Messung ausgeschlossen, wenn keiner der Algorithmen sich entweder auf dem ersten Niveau oder dem zweiten Niveau als geeignet erweisen und der Bereich von Analytmessungen größer als die untere Bereichsgrenze ist, da unter diesen Umständen kein Kalibrierungsalgorithmus verläßlich eine präzise Leistung abliefert.
Zuletzt wird auf einem vierten Niveau, wenn keiner der Algorithmen sich entweder auf dem ersten Niveau oder dem zweiten Niveau qualifiziert und der Bereich der Analytmessungen unterhalb der unteren Bereichsgrenze liegt, der Algorithmus mit dem niedrigsten SEP ausgewählt, wenn dieser SEP kleiner als die obere Fehlergrenze ist. Ist der SEP größer als die obere Fehlergrenze, wird der Patient wiederum von der Messung ausgeschlossen. Daher wird auf dem vierten Niveau der SEP der einzige Faktor bei der Entscheidung, ob ein Algorithmus angenommen werden sollte.
Es ist anzumerken, daß die oben beschriebenen Steigungskriteriengrenzen auf dem ersten und zweiten Niveau bevorzugte Grenzen sind, und daß diese Niveaus in Abhängigkeit von der Anwendung und den Akzeptanzanforderungen auch etwas variiert werden können (ähnlich wie die untere Bereichsgrenze und die obere Fehlergrenze). Auch kann die Anzahl von Niveaus oder Schritten, die beim Algorithmusauswahlprozeß verwendet werden, variieren, von einem einzigen Niveau, das den gesamten bevorzugten Bereich abdeckt, bis zu zwei oder mehr Niveaus, die den bevorzugten Bereich in zwei oder mehr Bereichsgrenzen oder Bereichskriterien unterteilen. Ungeachtet der Niveauanzahl werden jedoch das oben beschriebene dritte und vierte Niveau den letzten beiden Niveaus entsprechen, in denen der Patient entweder ausgeschlossen wird oder eine Entscheidung zum Annehmen eines Algorithmus auf der Basis des SEP allein gemacht wird. Der Fachmann wird verstehen, daß die gewählte Niveau- oder Schrittanzahl ausschließlich eine Sache der Präferenz ist.
Um die Hauptpunkte der vorliegenden Erfindung zu veranschaulichen, wurde das Mehrfachalgorithmen-Kalibrierungsverfahren zum Kalibrieren eines NIR-Spektrophotometers zum Messen von Glukoseniveaus bei einer Anzahl verschiedener Patienten verwendet. Alle Referenzdatenmessungen wurden mit einem Glukoseanalysierer, wie beispielsweise dem Industriestandard-YSI^TM (Yellow Springs Instruments)-Glukoseanalysierer aufgenommen, der präzise Glukosemessungen bei (invasiven) Blutproben bereitstellt. Der Erfinder hat herausgefunden, daß angesichts der oben beschriebenen Kriterien nur ungefähr 6% der einzelnen NIR-Patientendatensätze für Kalibrierungszwecke geeignet sind. Diese kalibrierungsgeeigneten Datensätze wurden in zwei Anfangs-Kalibrierungsalgorithmussätze gruppiert, wobei jede Anfangsgruppe zu einer Gruppe mit 33 Datensätzen aufgebaut wurde. Elf zusätzliche Gruppen wurden von diesen beiden Anfangsgruppen abgespalten, wobei jede dieser Gruppen mindestens acht Datensätze aufwies. Daher waren 13 verschiedene Kalibrierungsalgorithmen zum Vorhersagen von Glukoseniveaus verfügbar.
Die Algorithmusauswahl basierte auf einer Gesamtzahl von 24 Referenzmessungen (d.h. YSI^TM-gemessen) und 24 Mittelwerten von zwei NIR-Fingermessungen, die von einem Patienten über einen Zeitraum von drei Tagen aufgenommen wurden. Der oben beschriebene Algorithmusauswahlprozeß wurde für eine Anzahl verschiedener Patienten durchgeführt (die nicht in den Kalibrierungsvorgang involviert waren).
1 zeigt ein Korrelationsstreudiagramm von Glukosevorhersagen für eine Anzahl verschiedener Patienten basierend auf einem universellen Kalibrierungsmodell (QUAD 37). Das Streudiagramm in 1 ist über ein Clarke-Fehlergitter überlagert, wie beispielsweise in Clarke und Cox, "Error Grid Analysis", Diabetes Care, 10: 622–628 (1987) beschrieben. Das Clarke-Fehlergitter teilt den Korrelationsraum in fünf Bereiche (A-E) auf, welche die Meßgenauigkeit auf der Basis der Gültigkeit der entsprechenden klinischen Entscheidung bewerten. Korrelationspunkte, die in den "A"-Bereich fallen, entsprechen der korrekten klinischen Entscheidung, die basierend auf der Ähnlichkeit zwischen den tatsächlichen und vorhergesagten Glukoseniveaus gemacht werden (d.h., die vorhergesagten Werte weichen nicht mehr als 20% von den Referenzwerten ab). Im "B"-Bereich weichen die vorhergesagten Werte um mehr als 20% von den Referenzwerten ab, jedoch würden auf der Basis der vorhergesagten Glukoseniveaus getroffene Behandlungsentscheidungen den Patienten nicht gefährden oder ungünstig beeinflussen. In den Bereichen "C", "D" und "E" weichen die Vorhersagen signifikant von den Referenzwerten ab, und auf der Basis dieser Vorhersagen getroffene Behandlungsentscheidungen können sich leicht als schädlich für den Patienten erweisen. Das Clarke-Fehlergitter wird im Kontrast zu konventionelleren Analyseverfahren, welche für Laborreferenzvorrichtungen geeigneter sein können, häufig für die Abschätzung der klinischen Folgen von Fehlern zu Hause verwendeter Blutzuckerüberwachungsgeräte eingesetzt.
In Bezug auf 1 ist ersichtlich, daß die obere Fehlergrenze SEP_max für diesen universellen Kalibrierungsalgorithmus 3,07 mmol/L ist und daß signifikante Datenmengen außerhalb akzeptabler Grenzen oder Bereiche liegen. Im Gegensatz dazu zeigt 2 das Korrelationsstreudiagramm von Glukosevorhersagen für 25 Patienten basierend auf dem Mehrfachalgorithmen-Kalibrierungsmodell gemäß der vorliegenden Erfindung, mit einem SEP_max = 2.76 mmol/L. Gleichermaßen zeigt 3 ein Korrelationsstreudiagramm von Glukosevorhersagen für 22 Patienten basierend auf dem Mehrfachalgorithmen-Kalibrierungsmodell gemäß der vorliegenden Erfindung, wobei SEP_MAX = 2,28 mmol/L ist. Beide der Vorhersagen in 2 und besonders in 3 zeigen eine deutlich bessere Genauigkeit als die (gemäß einem universellen Algorithmus kalibrierten) in 1.
Gleichermaßen zeigt 4 einen Satz von Korrelationsdaten für einen typischen Patienten, kalibriert gemäß demselben universellen Algorithmus, wohingegen 5 die Korrelationsdaten für denselben Patienten zeigt, kalibriert gemäß dem Mehrfachalgorithmenverfahren der vorliegenden Erfindung. Einmal mehr ist die verbesserte Genauigkeit der Glukosevorhersagen basierend auf dem Kalibrierungsverfahren der vorliegenden Erfindung klar ersichtlich.
Dem Fachmann wird klar sein, daß die Prinzipien der vorliegenden Erfindung auf einen breiten Bereich von spektrokopischen Anwendungen anwendbar ist. Beispielsweise kann NIR-Strahlung zum Durchdringen solcher Gegenstände wie menschlichem Gewebe, Blutampullen oder Milchbehältern verwendet werden – die alle normalerweise als undurchsichtig betrachtet werden. Eine mathematische Analyse des resultierenden Absorptionsspektrums ermittelt die Zusammensetzung der vom Licht durchdrungenen Substanz. Daher können in einem Bluttestlabor Proben ohne Kontakt untersucht werden, indem das Licht durch eine die Flüssigkeit enthaltende Plastikampulle geführt wird. Ebenso wird bei einer Molkereinanwendung NIR-Licht durch einen Milchbeutel geführt und solche Parameter wie Butterfett, feste Partikel und Laktate werden gemessen. Das Mehrfachalgorithmenverfahren der vorliegenden Erfindung ist auch auf diese Arten nicht-invasiver Messungen einfach erweiterbar. Außerdem kann das Verfahren der vorliegenden Erfindung auch auf eine nicht-invasive Messung ei ner Anzahl anderer Blutanalyte, wie beispielsweise Cholesterin, Hämoglobin, Hb1Ac, Fruktosamin und 1,5 AG angewendet werden.
Obwohl bevorzugte Ausführungsformen der vorliegenden Erfindung beschrieben wurden, sind die offenbarten Ausführungsformen beispielhaft und nicht einschränkend zu verstehen. Die Erfindung soll durch die angehängten Ansprüche definiert sein.

Claims

Verfahren zum Kalibrieren einer Spektroskopievorrichtung zum Bereitstellen einer nicht-invasiven Messung eines Analyt-Niveaus bei einer Testprobe, umfassend: (a) Bereitstellen einer Vielzahl von Kalibrierungsalgorithmen; (b) Aufnehmen eines Satzes von nicht-invasiven Spektralmessungen unter Verwendung der Spektroskopievorrichtung und entsprechender Referenzmessungen der Analytkonzentration für jede einer Vielzahl von Proben; (c) Verwenden jedes der Kalibrierungsalgorithmen, um einen Satz von vorhergesagten Analytkonzentrationsniveaus für die in Schritt (b) aufgenommenen nicht-invasiven Spektralmessungen zu berechnen; (d) für jeden Satz von in Schritt (c) erhaltenen vorhergesagten Analytkonzentrationsniveaus, Ermitteln des Folgenden: Eines Bereichs der Variabilität des Analytkonzentrationsniveaus; Einer Steigung der vorhergesagten Analytkonzentration gegenüber der entsprechenden Referenzanalytkonzentration; R², wobei R die Korrelation der vorhergesagten Analytkonzentration mit der Referenzanalytkonzentration ist; und Eines Standardfehlers der Vorhersage (SEP), wobei der SEP die Quadratwurzel des Mittels der quadrierten Ab weichungen der Referenzanalytkonzentrationen von den vorhergesagten Analytkonzentrationen ist; und (e) Auswählen eines zum Kalibrieren der Spektroskopievorrichtung geeigneten Kalibrierungsalgorithmus; dadurch gekennzeichnet, dass der Auswahlschritt umfasst: (i) Auswählen der Sätze von vorhergesagten Analytkonzentrationsniveaus, bei denen der SEP kleiner als eine obere Fehlergrenze ist, der Variabilitätsbereich größer als eine untere Bereichsgrenze ist, und die Steigung zwischen einer unteren Steigungsgrenze und einer oberen Steigungsgrenze liegt, wobei die untere und die obere Steigungsgrenze einen akzeptablen Steigungsbereich definieren; (ii) Berechnen einer Eignungsbewertung für jeden der in Schritt (i) ausgewählten vorhergesagten Sätze in Antwort auf die Steigung, das R² und den SEP für diesen vorhergesagten Satz, und Auswählen des Kalibrierungsalgorithmus, der dem vorhergesagten Satz mit der optimalen, das heißt der höchsten, Eignungsbewertung entspricht, als den geeigneten Kalibrierungsalgorithmus; (iii) wenn keine vorhergesagten Sätze in Schritt (i) ausgewählt werden, Auswählen der Sätze von vorhergesagten Analytkonzentrationsniveaus, bei denen der Variabilitätsbereich kleiner als die untere Bereichsgrenze ist und bei denen der SEP kleiner als die obere Fehlergrenze ist; (iv) von den in Schritt (iii) ausgewählten vorhergesagten Sätzen, Auswählen des Kalibrierungsalgorithmus, der dem vorhergesagten Satz mit dem geringsten SEP entspricht, als den geeigneten Kalibrierungsalgorithmus; und (v) wenn keine vorhergesagten Sätze in Schritt (i) und (iii) ausgewählt werden, Feststellen, dass kein Kalibrierungsalgorithmus geeignet ist.
Verfahren nach Anspruch 1, bei dem der akzeptable Steigungsbereich in eine Vielzahl von Unterbereichen entsprechend einer Vielzahl von Niveaus unterteilt ist, die ein erstes Niveau und ein oder mehrere darauffolgende Niveaus umfassen, und bei dem, wenn keine vorhergesagten Sätze im ersten Niveau ausgewählt werden, das Verfahren dann das Wiederholen von Schritt (i) bei jedem darauffolgenden Niveau umfasst, bis ein vorhergesagter Satz ausgewählt wird oder es keine darauffolgenden Niveaus mehr gibt.
Verfahren nach Anspruch 1, bei dem die untere Steigungsgrenze kleiner als Eins ist und die obere Steigungsgrenze größer als Eins ist.
Verfahren nach Anspruch 3, bei dem die untere Steigungsgrenze ungefähr 0,3 ist und die obere Steigungsgrenze ungefähr 1, 05 ist.
Verfahren nach Anspruch 2, bei dem der akzeptable Steigungsbereich durch eine untere Steigungsgrenze von ungefähr 0,3 und eine obere Steigungsgrenze von ungefähr 1,05 definiert ist.
Verfahren nach einem der vorangehenden Ansprüche, bei dem die Vielzahl von Kalibrierungsalgorithmen in Schritt (a) durch die folgenden Schritte erzeugt werden: (i) Erstellen von Datensätzen für jedes einer Vielzahl von Individuen durch Aufnehmen nicht-invasiver Spektralmessungen unter Verwendung der Spektroskopievorrichtung und entsprechender Referenzmessungen der Analytkonzentration für jede einer Anzahl von Proben von jedem Individuum; (ii) Verwerfen von Datensätzen, die für eine Kalibrierung nicht geeignet sind, wobei die nicht für eine Kalibrierung geeigneten Datensätze umfassen: Datensätze, die wenigstens einige nicht-invasive Spektralmessungen enthalten, welche die Spektroskopievorrichtung sättigen; Datensätze mit einem kleinen Variabilitätsbereich der nicht-invasiven Spektralmessungen; und/oder Datensätze, die mit einer anderen Variablen korreliert sind; (iii) Kombinieren von für eine Kalibrierung geeigneten Datensätzen in einer Vielzahl von Gruppen in Abhängigkeit davon, ob Korrelationen der kombinierten Datensätze vorgegebenen Kriterien entsprechen; und (iv) Erzeugen eines Kalibrierungsalgorithmus für jede der Datensatzgruppen.
Verfahren nach Anspruch 6, bei dem die vorgegebenen Kriterien in Schritt (iii) das Minimieren von Korrelationen des Analytniveaus in den kombinierten Datensätzen in einer bestimmten Gruppe mit anderen Parametern und das Maximieren der Korrelation zwischen Datensätzen in einer bestimmten Gruppe umfassen.
Verfahren nach Anspruch 6, bei dem die Schritte (iii) und (iv) unter Verwendung einer Regressionsanalyse der partiellen kleinsten Quadrate ausgeführt werden.
Verfahren nach einem der vorangehenden Ansprüche, bei dem die Schritte (a), (c) und (d) auf einem mit der Spektroskopievorrichtung verbundenen Computer ausgeführt werden.
Verfahren nach einem der vorangehenden Ansprüche, bei dem die Testprobe ein individueller Patient ist, die Spektroskopievorrichtung ein Nahinfrarot-Spektrophotometer ist, und das Analyt aus der Gruppe aus Glucose, Hämoglobin, Albumin, Cholesterin und Ethanol ausgewählt ist.