JP2005287853A

JP2005287853A - 毛髪の鑑別法

Info

Publication number: JP2005287853A
Application number: JP2004108646A
Authority: JP
Inventors: Hirota Miyamae; 裕太宮前; Yumika Yamakawa; 弓香山川
Original assignee: Pola Chemical Industries Inc
Current assignee: Pola Chemical Industries Inc
Priority date: 2004-04-01
Filing date: 2004-04-01
Publication date: 2005-10-20

Abstract

【課題】
未知毛髪の化学損傷の種類や度合、及び／又は損傷可能性の非侵襲的、且つ定量性のある鑑別法を提供することを課題とする。
【課題手段】
損傷の種類や度合の異なる２種以上の毛髪の赤外吸収スペクトルを測定し、それらのスペクトルデータを統計的処理した指標と、未知毛髪試料からの指標とを比較することにより、毛髪の損傷の履歴や可能性を鑑別する。前記統計処理のアルゴリズムとしては、主として主成分分析（ＰＣＡ）、ＳＩＭＣＡ（シムカ）、又はＫＮＮ法であることが好ましく、個人の将来の毛髪損傷の可能性を判別することが好ましい。
【選択図】図２

Description

本発明は、未知毛髪の損傷の履歴及び将来の損傷可能性の判別、例えば毛髪の化学損傷の種類、損傷度合及び／又は損傷の可能性等の毛髪の鑑別法に関する。

近年、パーマ（パーマネントウェーブ）に加えて、ヘアダイ（ヘアカラー等）や漂白処置（ブリーチ等）を施す人口が増大し、これらに伴う種々の毛髪のダメージ（損傷度）が深刻化している。毛髪の損傷の種類や度合及び損傷のし易さを的確に評価鑑別し、適切な毛髪用化粧料の提供が期待されている。

この様な毛髪の損傷度の鑑別は、非侵襲的な方法としては、専門パネラーによる視覚的な官能検査があり、その他としては、侵襲的に毛髪を採取し、引き裂き強度に基づく評価や免疫反応を利用した診断方法等が存在している。（例えば、特許文献１，２参照）。即ち、毛髪の損傷度合の鑑別において、非侵襲的に鑑別を行う方法の開発、取り分け、定量性のある鑑別法の開発が望まれていた。

一方、赤外分光分析技術の進展によって、赤外線や赤外吸収スペクトルを利用した生体等への応用が試みられるようになった。例えば、特許文献３には毛髪の赤外線による拡大画像によって観察する方法、特許文献４には生体中の脂肪量の分析方法、特許文献５には生体分泌物の測定方法、特許文献６には組織や細胞中の異常性の分析方法等が開示されている。しかし、簡便で汎用的な赤外吸収スペクトルを利用した毛髪状態の評価、例えば、毛髪の損傷の種類や損傷度を評価する報告は為されておらず、非侵襲的に毛髪の鑑別を行う方法が期待されていた。

特開２００２−２８２２４０公報特開平０６−２６５５４４号公報特開２００２−３６０５４２号公報特開２００３−２７０１３９号公報特開平０９−２１８１５１号公報特表平１０−５０５４１２号公報

本発明は、このような状況下為されたものであり、毛髪の鑑別法に関し、さらに詳細には、未知毛髪の損傷の履歴や可能性、例えばパーマ、漂白処置やヘアダイ等による毛髪の化学損傷の種類、損傷度合、及び／又は損傷可能性の非侵襲的、且つ定量性のある鑑別法を提供することを課題とする。

このような状況を鑑みて、本発明者ら鋭意研究努力を重ねた結果、毛髪の損傷度合の鑑別法であって、予め損傷の種類及び／又は度合の異なる２種以上の毛髪と未知毛髪の試験試料の赤外吸収スペクトルを測定し、前記赤外吸収スペクトル又はそのデータ加工したものを統計的処理（多変量解析等）し、該分析結果における指標として、これと試験試料の赤外吸収スペクトル又はそのデータ加工したものに統計的析を行った指標とを比較し、試験試料を鑑別することを特徴とする、毛髪の損傷度合の鑑別法により、試験試料の毛髪の損傷の種類、損傷度合及び／又は将来の損傷可能性を非侵襲的に、且つ、定量的に鑑別できることを見出し、発明を完成させるに至った。即ち、本発明は以下に示す技術に関するものである。

（１）毛髪の損傷度合の鑑別法であって、赤外吸収スペクトルの統計処理結果を指標とする、毛髪の損傷の種類及び／又は度合の鑑別法。
（２）前記赤外吸収スペクトルの波数の範囲の幅が２００〜１０００ｃｍ−１であることを特徴とする、（１）に記載の鑑別法
（３）前記赤外吸収スペクトルの波数が１３７０〜９００ｃｍ−１及び／又は３６００〜２８００ｃｍ−１であることを特徴とする、（１）及び／又は（２）に記載の鑑別法。
（４）前記統計処理のアルゴリズムが主成分分析（ＰＣＡ）、ＳＩＭＣＡ（シムカ）、又はＫＮＮ法であることを特徴とする、（１）〜（３）の何れか１項に記載の鑑別法。
（５）個人の将来の毛髪損傷の可能性を判別することを特徴とする、（１）〜（４）の何れか１項に記載の鑑別法。
（６）前記損傷が、化学処置によるものであることを特徴とする、（１）〜（５）の何れか１項に記載の鑑別法
（７）前記化学処置が、漂白処置、パーマ処置又はヘアダイ処置によるものであることを特徴とする、（１）〜（５）何れか１項に記載の鑑別法。
（８）前記化学処置が、漂白処置とパーマ処置及び／又はヘアダイ処置とを区別することを特徴とする、（７）に記載の鑑別法。
（９）損傷の度合いが、漂白処置回数或いはパーマ処置回数によって代表されることを特徴とする、（７）又は（８）に記載の鑑別法。

毛髪用の化粧料の選択や評価、毛髪の状態のモニタリング、及び将来の毛髪の損傷の可能性判別等に有用な毛髪の鑑別において、未知毛髪のトリートメント履歴や損傷可能性、例えば、漂白処置、パーマやヘアダイ等による化学損傷の種類、その回数等の損傷度合やそれらによる損傷のし易さであって、非侵襲的、定量性のある鑑別法を提供することができる。

本発明の毛髪の鑑別法は、毛髪の損傷の種類、度合及び／又は将来の損傷可能性の鑑別法であって、予め化学損傷の種類及び／又は度合の異なる２種以上の毛髪の赤外吸収スペクトルを測定し、前記赤外吸収スペクトル又はそのデータ加工したものを統計的処理し、該分析結果における指標として、これと試験試料の赤外吸収スペクトル又はそのデータ加工したものに統計的処理を行った指標とを比較し、試験試料の化学損傷の種類、損傷度及び／又損傷可能性を鑑別することを特徴とする。

ここで言う損傷可能性とは、漂白処置（ブリーチ等）、パーマ処置、ヘアダイ（ヘアカラー）処置、シャンプー処置、溶剤、ブラッシング、紫外線、熱湯、海水、過塩素酸（プール）が考えられるが、好ましくは、漂白処置、パーマ及びヘアダイ処置による損傷の種類による可能性を言う。またこれらの化学処置に基づく損傷度合としては、パーマ処置に用いるチオグリコール酸アンモニウム濃度或いはブリーチ処置（過酸化水素及びアンモニアを含むブリーチ剤）の回数が好ましく挙げられる。

鑑別に用いる赤外吸収スペクトルは、通常の回折格子を用いた分散型赤外分光光度計によるスペクトル、及びレーザ光による波数モニタ・移動鏡を有する干渉計・コンピュータによる電算処理部を有するフーリエ変換型分光光度計によるスペクトルの、何れもが使用可能である。更に好ましいものはフーリエ変換型分光光度計によるスペクトルがあり、このような装置として、例えば、島津製作所製のフーリエ変換型赤外分光光度計（ＦＴ−ＩＲ）が例示できる。

本発明の毛髪損傷度合の鑑別法で使用されるフーリエ変換型赤外吸収スペクトルの波数の範囲の幅は、２００〜１０００ｃｍ−１が好ましく、範囲の幅が広すぎても狭すぎても鑑別の精度が十分でない。又、鑑別法で使用されるフーリエ変換型赤外吸収スペクトルの波数は、１３７０〜９００ｃｍ−１、及び／又は３６００〜２８００ｃｍ−１が好ましい。これは、この波数領域に於けるスペクトルが毛髪の、漂白（ブリーチ）処置によるか、或いはパーマ処置によるか等の、毛髪の損傷の種類、度合及び／又は将来の損傷可能性等の指標を良く反映しているからである。この範囲の赤外吸収スペクトルは毛髪内の蛋白質等の存在状態とその挙動を的確に捉えられていることもその一因と考えられる。

鑑別に用いる統計的処理（多変量解析等）として、主成分分析、ＳＩＭＣＡ、ＫＮＮ法、ＰＬＳ等既に知られているものであれば、特別の限定なく用いることができ、主成分分析又はＳＩＭＣＡが特に好ましい。統計的処理とは、分光データ等の化学的な特性と物性等の特性値との関係を計量学的な処理によって関係づけ、解析する手法であり、主成分分析或いはＳＩＭＣＡ、ＫＮＮ法等が知られている。主成分分析は特定の試料に於ける波長等の連続的な因子の変化に対して、吸光度等の変数の出現する分光スペクトルパターンと当該試料のある特性値の間の関係を分析する場合において、変動に寄与する第一主成分を分析し、しかる後この第一主成分軸に対して直交する第二主成分軸（或いは第三主成分軸）を分析し、この２つの主成分軸がつくる座標におけるパターン変化で物性を比較、推定する方法である。ＳＩＭＣＡ法（Soft Independent Modeling of Class Analogy )及びＫＮＮ法（k nearest neighbors）は、分析機能に加えて未知試料の予測・分類機能を持つ方法であるが、近年、主成分分析にも予測機能が付加されているものもある。この様な主成分分析或いはＳＩＭＣＡ、ＫＮＮ法といった統計的処理は、市販されているソフトウェアを使用して行うことができる。この様な統計的処理用のソフトウェアとしては、例えば、前記ジーエルサイエンス(株)より販売されているピロエット「Ｐｉｒｏｕｅｔｔｅ」（登録商標）、サイバネットシステム(株)より販売されているマットラボ「ＭＡＴＬＡＢ」（登録商標）、横川電気(株)より販売されている、アンスクランブラーII「UnscranblerII」（登録商標）、セパノヴァ（ＳＥＰＡＮＯＶＡ）社より販売されているシムカ「ＳＩＭＣＡ」等のソフトウェアが例示できる。

前記ソフトウェアを利用して、赤外吸収スペクトルを解析し、その結果を本発明の鑑別法で用いる場合、大凡の処理ステップは次に示す手順による。この時、使用するフーリエ変換型赤外吸収スペクトルは測定して得られた原スペクトルでも良いし、前記原スペクトルをデータ加工したものでも良い。データ加工の方法としては、スペクトルの前処理法として、オートスケール（Autoscale）、平均化（Mean Center）、レンジスケール（Range Scale）、分散スケール（Variance Scale）等が例示できる。変換法として、一次微分や二次微分等の多次微分、ＳＮＶ（Standard Normal Variant）、ＭＳＣ（Multiplicative Scatter Correction）、ノーマライズ（Normalize）、平滑化（Smoothing）、引き算（Subtract)、常用対数(Log10)、掛け算（Multiply）、ベースライン補正（Baseline Correct）等が例示できる。この内、好ましいものは平均化（mean-center）及びＳＮＶである。

統計的処理は次のステップによって行う。
（１）使用する統計処理（多変量）解析ソフトを選択する。使用するソフトによっては、例えば、ＫＮＮ法の様に鑑別結果のみを表示するものも存するが、このような解析も本発明の鑑別法の技術的範囲に属する。
（２）毛髪の分散型分光光度計によるスペクトル，或いはフーリエ変換型分光光度計によるスペクトルを所望により、ＳＮＶ等データ加工を行い、波数と赤外吸収スペクトル乃至はその加工データとの行列を作成する。
（３）前記行列について（１）により解析を行う。
（４）第一軸を作成し、それと直交する第二軸を作成する。
（５）第一軸と第二軸が作る平面上に（３）の結果のスコアをプロットする。
（６）所望によりシムカのアルゴリズムを用いてグルーピングを行う。
（７）試験試料について、（２）〜（５）を行う。
（８）（５）のプロット乃至は（６）のグルーピングを指標に試験試料の鑑別を行う。

上記の統計的処理の結果、第一軸と第二軸が作る平面上に、化学損傷の種類乃至は損傷度合が異なるグループ群と未知の試験試料が位置づけられる。グループ群と未知の試験試料のプロット位置を比較するか、或いはＣＩＭＣＡやＫＮＮによるクラス化されることで、試験試料の毛髪の化学損傷の種類及び／又は損傷度合が鑑別できる。又、試験試料が未処置状態の毛髪の場合、該当するグループ内における相対的な位置によって定まる損傷状態を判定することで、将来の化学処置の種類や処置回数による損傷を受ける可能性を鑑別できる。

かくして、赤外吸収スペクトルの統計的処理により、毛髪の化学的損傷の種類、例えば、漂白処置（ブリーチ）によるか、パーマ処置によるか、ヘアダイ処置によるか、或いはそれらの複合処置によるか等、毛髪の損傷の度合、例えば、パーマ処置及び／又はブリーチ処置をどの程度これまで行ったかの履歴、例えば、その処置回数を鑑別できる。更に、この様な処置によるスペクトルの変化は人により異なり、どの程度の損傷が受けるかも異なるが、未処置状態の毛髪の場合、この様な将来的に受ける損傷度合いの可能性も鑑別できる。

かくして鑑別された毛髪の化学損傷の種類、損傷度合及び／又は損傷の可能性等の指標は、毛髪状態に合わせた化粧料の選択や化粧料の効果の評価、毛髪の状態の変化のモニタリング等に多面的に使用できる。

以下に、実施例を挙げて、本発明について更に詳細に説明を加えるが、本発明が、これら実施例にのみ限定されないことは言うまでもない。

予め用意した状態の異なる７種の毛髪を準備した。状態の異なる毛髪は、化学処置の種類及び化学処置剤の濃度又は回数によって調整した。化学処置の種類としては、パーマ処置、ブリーチ処置、及びパーマとブリーチとによる複合処置を行った。化学処置剤の濃度又は回数は、パーマ処置ではチオグリコール酸アンモニウム５％と１０％を、ブリーチ処置では、３％過酸化水素及び３％アンモニアを含むブリーチ処置剤で処置１回と３回を行った。複合処置では、２種類の濃度のパーマ処置後にブリーチ処置を１回行った。

１１名の被験者を募集し、１人の毛髪につき、直径約７〜８ｍｍの毛束を３束作成した。前記化学処置を行い、４０℃乾燥機で乾燥後、２０℃一定環境下で、フーリエ変換型赤外分光分析計（ＦＴＩＲ−８３００、島津製作所製）にダイヤモンドＡＴＲ装置（ＳＰＥＣＡＣ社製）を接続し、毛髪を直接に測定した。ＦＴＩＲ測定の際は、処置のばらつきを考慮に入れ、１束につき毛束を回転させ６〜１０ヶ所を測定した。未処置及び各種化学処置等によって得られた赤外吸収スペクトルについて、統計的処理ソフトのピロエット（ジーエルサイエンス(株)）を用いて、主成分分析を行った。

３６００〜２８００ｃｍ−１の赤外吸収スペクトルに対して主成分分析を行った結果を図１に示す。これより、鮮明に未処置、ブリーチ処置、パーマ処置及び複合処置（パーマ＋ブリーチ）毎のクラス分けがされていることが判る。個人毎のプロット群の差と、回数処置によるプロット群の移行方向の差が明確に判別できる。ブリーチ処置をすれば上方にプロット群が変移する。この変移の度合はブリーチ回数と相関している。又、パーマ処置を行うとプロット群は左方へ変移する。変移の度合はパーマ処置の強さに相関している。各プロット群は十分に分かれて平面上に展開している。かくのごとくに、プロット位置を見ることにより、化学損傷の種類及び／又は度合を鑑別できることが分かる。

実施例１において、未処置、ブリーチ処置３回、パーマ処置１０％及び複合処置（パーマ処置１０％＋ブリーチ処置１回）について検討した結果を図２に示す。これよりクラス分けが鮮明に示されることが判る。未知毛髪の赤外吸収スペクトルの主成分分析の指標を図２にプロットし（☆で表示）、その位置を見ることによりパーマ処１０％と鑑別された。本結果は本人の申告とも一致し、化学損傷の種類及び／又は度合が鑑別できることが分かる。

実施例１において、鑑別に使用するスペクトルの波数域を、１３７０〜９００ｃｍ−１の赤外吸収スペクトルに変えて、同様の検討を行った結果を図３に示す。図３より、実施例１と同様にクラス分けがされていることが判る。かくのごとく、プロット位置を見ることにより、化学損傷の種類及び／又は度合を鑑別できることが分かる。

実施例１において、鑑別に使用するスペクトルの波数域を、４０００〜６００ｃｍ−１の赤外吸収スペクトルに変えて同様の検討を行った結果を図４に示す。未処置、ブリーチ処置３回、パーマ処置１０％及び複合処置（パーマ処置１０％＋ブリーチ処置１回）のクラス分けは出来ているものの、実施例１には遙かに及ばないないことが判る。これより、赤外吸収スペクトルの波数の範囲の幅が２００〜１０００ｃｍ−１を用いることが好ましいこともことが分かる。

毛髪用の化粧料の選択や評価、毛髪の状態の変化のモニタリング等の毛髪の状態の鑑別において、未知毛髪の履歴、例えばパーマ、ブリーチやヘアカラーによる毛髪のダメージ等の化学損傷の種類と損傷度を分類できる、非侵襲的で定量性のある鑑別法を提供することができる。

実施例１の結果を示す図である。実施例２の結果を示す図である。実施例３の結果を示す図である。比較例１の結果を示す図である。

Claims

毛髪の損傷度合の鑑別法であって、赤外吸収スペクトルの統計処理結果を指標とする、毛髪の損傷の種類及び／又は度合の鑑別法。
前記赤外吸収スペクトルの波数の範囲の幅が２００〜１０００ｃｍ−１であることを特徴とする、請求項１に記載の鑑別法
前記赤外吸収スペクトルの波数が１３７０〜９００ｃｍ−１及び／又は３６００〜２８００ｃｍ−１であることを特徴とする、請求項１及び／又は請求項２に記載の鑑別法。
前記統計処理のアルゴリズムが主成分分析（ＰＣＡ）、ＳＩＭＣＡ（シムカ）、又はＫＮＮ法であることを特徴とする、請求項１〜３の何れか１項に記載の鑑別法。
個人の将来の毛髪損傷の可能性を判別することを特徴とする、請求項１〜４の何れか１項に記載の鑑別法。
前記損傷が、化学処置によるものであることを特徴とする、請求項１〜５の何れか１項に記載の鑑別法
前記化学処置が、漂白処置、パーマ処置又はヘアダイ処置によるものであることを特徴とする、請求項１〜５何れか１項に記載の鑑別法。
前記化学処置が、漂白処置とパーマ処置及び／又はヘアダイ処置とを区別することを特徴とする、請求項７に記載の鑑別法。
損傷の度合いが、漂白処置回数或いはパーマ処置回数によって代表されることを特徴とする、請求項７又は８に記載の鑑別法。