JP2017527421A - 改善された精度の連続グルコースモニタリング方法、システム、およびデバイス - Google Patents

改善された精度の連続グルコースモニタリング方法、システム、およびデバイス Download PDF

Info

Publication number
JP2017527421A
JP2017527421A JP2017528764A JP2017528764A JP2017527421A JP 2017527421 A JP2017527421 A JP 2017527421A JP 2017528764 A JP2017528764 A JP 2017528764A JP 2017528764 A JP2017528764 A JP 2017528764A JP 2017527421 A JP2017527421 A JP 2017527421A
Authority
JP
Japan
Prior art keywords
cgm
time
accuracy
signal
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2017528764A
Other languages
English (en)
Inventor
アンドレーア ファッキネッティ
アンドレーア ファッキネッティ
ジョヴァンニ スパラチーノ
ジョヴァンニ スパラチーノ
クラウディオ コベッリ
クラウディオ コベッリ
ボリス ピー コヴァチェフ
ボリス ピー コヴァチェフ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Virginia Patent Foundation
Original Assignee
University of Virginia Patent Foundation
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Virginia Patent Foundation filed Critical University of Virginia Patent Foundation
Publication of JP2017527421A publication Critical patent/JP2017527421A/ja
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1495—Calibrating or testing of in-vivo probes

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

時間ｔのＣＧＭの値を使用して時間ｔ＋ＰＨのＣＧＭ信号を推定し、実時間短時間グルコース予測範囲を使用して雑音推定アルゴリズムにより実時間雑音除去ＣＧＭ値を推定することによって連続グルコースモニタリングセンサの精度を改善するための方法、システム、およびデバイス。【選択図】図５

Description

関連出願の相互参照および優先権の主張
本願は、２０１４年８月１４日に出願された米国仮特許出願第６２／０３７，１３３号に基づいて３５ Ｕ．Ｓ．Ｃ．１１９（ｅ）の下で優先権を主張し、その全体が参照により本明細書に組み込まれる。
短時間予測による連続グルコースモニタリングの精度を改善するための方法、システム、およびデバイス。例えば、連続モニタリングセンサの精度が改善される。
連続グルコースモニタリング（ＣＧＭ）の出現により、糖尿病患者のグルコースレベルの制御および理解の改善が行われた［１］。準連続データストリームにより、低血糖イベントおよび高血糖イベントに関してのグルコースばらつき、検出、および持続時間定量化に関する情報収集が可能になる［２］。臨床的に、ＣＧＭデータの解析は、実時間でまたは遡及的に、糖尿病の管理に極めて有用である［３、４］。
技術の進歩に関して、インシュリンポンプに結合されたＣＧＭセンサは、人工膵臓と自動化された閉ループ制御との設計および発展の見込みを前進させる［５〜７］。実時間での動作を示唆するアドバイザリデバイス、例えば、ＤＩＡｄｖｉｓｏｒプロジェクトで開発されているものが、さらに、研究中である［８］。本発明者らは、これらのデバイスの成功のための重大な態様がＣＧＭセンサの精度であることを認識している。ＣＧＭセンサは、血糖（ＢＧ）を直接測定するのではなく間質グルコース（ＩＧ）を測定するので、ＣＧＭ読みの精度は次善である［９、１０］。
課題を示すために、図１は、ＦｒｅｅＳｔｙｌｅ Ｎａｖｉｇａｔｏｒ（登録商標） （Ａｂｂｏｔｔ Ｄｉａｂｅｔｅｓ Ｃａｒｅ、Ａｌａｍｅｄａ、カリフォルニア州）を使用して毎分収集され、ＹＳＩ ＢＧアナライザ（ＹＳＩ， Ｉｎｃ．、Ｙｅｌｌｏｗ Ｓｐｒｉｎｇｓ、オハイオ州）を用いて１５分ごとに得られた非常に頻繁に測定されたＢＧ基準と比較された、ＣＧＭ時系列（線）の一例を示す。ＣＧＭトレースは、振幅と遅延の両方に関してＢＧトレースから逸れていることは明らかである。立ち上がりフロントおよび立ち下がりフロントの間で主として明らかである差は、一般に、２つのサイト間で低域通過フィルタとして働くＢＧ濃度とＩＧ濃度との間の動態に起因する［１１、１２］。
本発明の好ましい実施形態の様々な目的および利点は、本開示に基づいて理解されるであろう。好ましい実施形態によれば、本発明は、短時間予測によりグルコースモニタリングセンサの精度を改善する。
本発明の例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明のさらなる例示的な実施形態としての、２０分未満の予測範囲（ＰＨ）による実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明のさらなる例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減し、ＢＧツーＩＧ動態システムの低域通過特質によって導入される遅延の一部を補償することによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明のさらなる別の例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減し、２０分未満の範囲ＰＨを予測し、ＢＧツーＩＧ動態システムの低域通過特質によって導入される遅延の一部を補償することによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
その上、本発明のさらなる例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減し、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先のアルゴリズムによって予測されたグルコース濃度を用いることによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明のさらなる例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減し、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先のアルゴリズムによって予測されたグルコース濃度を用いることであり、時間においてＰＨ分先のアルゴリズムが、
である、グルコース濃度を用いることによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明の別の例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減し、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先のアルゴリズムによって予測されたグルコース濃度を用い、確率文脈でアルゴリズムを発展させ、カルマンフィルタを使用して実装されることによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明のさらなる例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減し、実時間利用のみを対象としたＣＧＭデータを使用することによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明の別のさらなる例示的な実施形態としての、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減し、ベイズ平滑化基準に結合されたカルマンフィルタ（ＫＦ）をその未知パラメータの推定のために使用することにより雑音除去することによってＣＧＭ読みの精度を改善することを含むまたはＣＧＭ読みの精度を改善することからなる連続グルコースモニタリングセンサ（ＣＧＳ）の精度を改善する方法。
本発明の例示的な実施形態としての、デジタルプロセッサと、デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、連続グルコースモニタリング（ＣＧＭ）センサからのグルコース信号を受け取り、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するように構成された雑音除去モジュールとを含むかまたはそれらからなる連続グルコースモニタリングセンサの精度を改善するためのシステム。
本発明の別の例示的な実施形態としての、デジタルプロセッサと、デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、連続グルコースモニタリング（ＣＧＭ）センサからのグルコース信号を受け取り、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するように構成された雑音除去モジュールであり、２０分未満の範囲ＰＨを予測するように構成された、雑音除去モジュールとを含むかまたはそれらからなる連続グルコースモニタリングセンサの精度を改善するためのシステム。
本発明のさらなる例示的な実施形態としての、デジタルプロセッサと、デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、連続グルコースモニタリング（ＣＧＭ）センサからのグルコース信号を受け取り、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するように構成された雑音除去モジュールであり、ＢＧツーＩＧ動態システムの低域通過特質によって導入される遅延の一部を補償するように構成された、雑音除去モジュールとを含むかまたはそれらからなる連続グルコースモニタリングセンサの精度を改善するためのシステム。
本発明のさらなる例示的な実施形態としての、デジタルプロセッサと、デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、連続グルコースモニタリング（ＣＧＭ）センサからのグルコース信号を受け取り、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するように構成された雑音除去モジュールであり、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先のアルゴリズムによって予測されたグルコース濃度を用いるように構成された、雑音除去モジュールとを含むかまたはそれらからなる連続グルコースモニタリングセンサの精度を改善するためのシステム。
本発明のさらなる別の例示的な実施形態としての、デジタルプロセッサと、デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、連続グルコースモニタリング（ＣＧＭ）センサからのグルコース信号を受け取り、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するように構成された雑音除去モジュールであり、雑音除去モジュールが、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先のアルゴリズムによって予測されたグルコース濃度を用いるように構成され、時間においてＰＨ分先のアルゴリズムが、
である、雑音除去モジュールとを含むかまたはそれらからなる連続グルコースモニタリングセンサの精度を改善するためのシステム。
その上、本発明のさらなる例示的な実施形態としての、デジタルプロセッサと、デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、連続グルコースモニタリング（ＣＧＭ）センサからのグルコース信号を受け取り、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するように構成された雑音除去モジュールであり、雑音除去モジュールが、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先のアルゴリズムによって予測されたグルコース濃度を用いるように構成され、時間においてＰＨ分先のアルゴリズムが、
であり、アルゴリズムが、確率文脈で発展され、カルマンフィルタを使用して実装される、雑音除去モジュールとを含むかまたはそれらからなる連続グルコースモニタリングセンサの精度を改善するためのシステム。
その上、本発明のさらなる例示的な実施形態としての、デジタルプロセッサと、デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、連続グルコースモニタリング（ＣＧＭ）センサからのグルコース信号を受け取り、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するように構成された雑音除去モジュールであり、雑音除去モジュールが、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先のアルゴリズムによって予測されたグルコース濃度を用いるように構成され、時間においてＰＨ分先のアルゴリズムが、
であり、アルゴリズムが、確率文脈で発展され、カルマンフィルタを使用して実装され、雑音除去アルゴリズムが、実時間利用のみを対象としたＣＧＭデータを使用する、雑音除去モジュールとを含むかまたはそれらからなる連続グルコースモニタリングセンサの精度を改善するためのシステム。
ランダム雑音と較正エラーとを低減することによってＣＧＭ読みの精度を改善する方法が示唆された［１３〜１７］。したがって、本発明の方法、システム、およびコンピュータ可読媒体の一実施形態の一態様は、ＢＧツーＩＧ動態システムの低域通過特質により導入される遅延の一部を補償することによってＣＧＭデバイスの精度を改善するために、限定はしないが、実時間短時間予測（すなわち、２０分未満の範囲による予測）の使用を提供する。
連続グルコースモニタリング（ＣＧＭ）センサは、間質グルコース（ＩＧ）濃度を測定することによって血糖（ＢＧ）揺らぎを間接的に評価する。しかしながら、ＩＧおよびＢＧ濃度時系列は、ＢＧツーＩＧ動態の存在のために異なる。ＢＧツーＩＧダイナミクスの存在は、特に低血糖の範囲でＣＧＭデバイスの精度に影響を与える。例えば、ＢＧツーＩＧダイナミクスの影響は、図１に示される代表的な実際のデータセットで明らかであり、ここで、１５分ごとサンプルを引き出すことによるゴールドスタンダード測定値技法によって得られたＢＧサンプル（星印）が、並行して商用センサデバイスにより測定されたＣＧＭ（線）と比較されている。ＣＧＭデータは、ＢＧを基準にして、遅延されており、振幅がわずかに減衰されているように見える。
本発明の方法、システム、およびコンピュータ可読媒体の一実施形態の一態様は、限定はしないが、ＣＧＭデバイスの精度を改善するための解決策として実時間短時間グルコース予測（すなわち、２０分未満の予測範囲ＰＨによる）の使用を提供する。本発明の核心は、時間ｔにセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先の先の好適なアルゴリズムによって予測されたグルコース濃度、すなわち、
を用いることにある。特に、ここで示す短時間予測の実施態様は、以下の重要な特徴を提示し、実時間で働き、商用ＣＧＭセンサに埋め込むかまたはカスケードに配置することができる。提案するアルゴリズム（ならびに関連する方法、技法、システム、およびコンピュータ可読媒体）は、頑強であり、限定はしないが、確率文脈で発展され、カルマンフィルタを使用して実装されるので多くの利点を有する（後で本文で論じるように）。手順は、ＣＧＭデータのみを使用し、実時間利用を対象としている。
本発明の効果を実証するために、本発明の効果が、４８時間までの間並列に観察されたＦｒｅｅｓｔｙｌｅ Ｎａｖｉｇａｔｏｒ（商標）トレース（１分サンプリング）と基準ＢＧ時系列（１５分サンプリング）とからなる２５個のデータセットに関して本発明者らによって遡及的に検査された。実際のＣＧＭ出力の代わりに予測ＣＧＭを使用することの精度が、連続グルコースエラーグリッド解析（ＣＧ−ＥＧＡ）によって評価されている。結果は、ＣＧＭ（ｔ）の代わりにＣＧＭNEW（ｔ）を使用することによって、精度の著しい改善が達成されることを実証している。二乗平均平方根エラーは、特別なＰＨが被検者ごとに調整された場合に１９％低減されており、「平均」固定ＰＨが患者の集団全体に使用された場合に１４％低減されている。最後に、低血糖において著しい改善があり、ＣＧ−ＥＧＡの正確なまたは良性のゾーン（Ａ＋Ｂ）に入るデータ点の数は、２０％超増加した。
本発明のいくつかの好ましい実施形態の様々な目的および／または利点は、いくつかの好ましい例において、本明細書に添付された独立請求項の特徴を介して達成され得る。追加の好ましい実施形態が、従属請求項にさらに記載される。
本発明は、添付図面に関連して行われる本発明の例示的な実施形態の以下の詳細な説明から最もよく理解することができる。
代表的な被検者の時間グラフを示す図である。ＢＧ基準（星印）プロファイル対ＣＧＭデータ（線）プロファイル。 ＢＧ基準（星印）プロファイル、ＣＧＭ（線）プロファイル、およびＣＧＭNEWデータ（線）プロファイルの時間グラフを示す図である。 ＢＧ基準とＣＧＭデータとの間のＲＭＳＥのボックスプロットを示す図である。左：オリジナルＣＧＭ。中央：ＰＨ＝１２分によるＣＧＭNEW。右：個別化されたＰＨによるＣＧＭＮＥＷ。線は中間値であり、ボックスの両極端は、２５パーセンタイルおよび７５パーセンタイルであり、ウィスカは最極端データ点まで延びる。 オリジナルＣＧＭデータ（円）から得られた結果をＰＨ＝１２分によるＣＧＭNEW（上部、円）および個別化されたＰＨによるＣＧＭNEW（下部、円）と比較しているＰ−ＥＧＡ（左）およびＲ−ＥＧＡ（右）を示す図である。 オリジナルＣＧＭデータ（円）から得られた結果をＰＨ＝１２分によるＣＧＭNEW（上部、円）および個別化されたＰＨによるＣＧＭNEW（下部、円）と比較しているＰ−ＥＧＡ（左）およびＲ−ＥＧＡ（右）を示す図である。 本発明の実施形態の１つまたは複数の態様が実装され得る機械の一例を示すブロック図である。 本発明の一実施形態の高水準機能ブロック図である。 コンピューティングデバイスの最も基本的な構成のブロック図である。 本発明の実施形態が実装され得るネットワークシステムを示す図である。 本発明の１つまたは複数の実施形態が、ネットワーク、またはネットワークもしくはコンピュータの一部を使用して実装され得るシステムを示す図である。 オリジナルＣＧＭに対するＰ−ＥＧＡ結果とＲ−ＥＧＡ結果との組合せの表である。 ＰＨ＝１２によるオリジナルＣＧＭNEWに対するＰ−ＥＧＡ結果とＲ−ＥＧＡ結果との組合せの表である。 個別化されたＰＨによるＣＧＭNEWに対するＰ−ＥＧＡ結果とＲ−ＥＧＡ結果との組合せの表である。
本発明は、短時間予測による連続グルコースモニタリングの精度を改善するための方法、システム、およびデバイスを提供する。例えば、連続グルコースセンサの精度が改善される。
本発明の趣旨内の多くのあり得る変更を考慮して、本発明が、例示的な実施形態を参照しながら論じられることになる。しかしながら、以下の論議は例証目的のためのものであり、本発明の限定として解釈されるべきでないことが当業者によって理解されるであろう。本発明の趣旨から逸脱することなく他の変更が適用可能である。
数学モデル
（短時間予測アルゴリズム）
短時間予測を実行するために、最近提示されたオンライン雑音除去方法［１４］が、ベイズ平滑化基準に結合されたカルマンフィルタ（ＫＦ）をその未知パラメータの推定のために使用することによってさらに発展され実施された。
確率文脈において、ｙ（ｔ）が時間ｔに測定されたＣＧＭ値であるとする。
ｙ（ｔ）＝ｕ（ｔ）＋ｖ（ｔ） （１）
ここで、ｕ（ｔ）は、真で未知のグルコースレベルであり、ｖ（ｔ）はランダム雑音である。成分ｖ（ｔ）は、ゼロ平均とσ2に等しい未知分散とをもつ加法的ガウスであると仮定される。ｕ（ｔ）を表すための好適で効率的なモデルは白色雑音の二重積分であることが証明されおり、
ｕ（ｔ）＝２ｕ（ｔ−１）−ｕ（ｔ−２）＋ｗ（ｔ） （２）
ここで、ｗ（ｔ）は、λ2に等しい（未知）分散をもつゼロ平均ガウス雑音である［１４］。ｕ（ｔ）の推定は、ＫＦを使用することによって効率的に実行することができる［２２］。式（１）および式（２）を状態空間形式に変換し、状態ベクトルとしてｘ＝［ｘ1（ｔ）ｘ2（ｔ）］Tを考えると、（ここで、ｘ1（ｔ）＝ｕ（ｔ）およびｘ2（ｔ）＝ｕ（ｔ−１）である）、
が得られ、ここで、式（３ａ）および式（３ｂ）は、時間ｔまでに収集された測定値ｙ（ｔ）から得られる状態ベクトルの線形最小分散推定量である
を推定するためにＫＦによって使用されるプロセス更新式および測定式である。ＫＦ実施の式および詳細に関して、［１４、２１〜２３］を参照する。
唯一の未知パラメータは、プロセスおよび測定雑音の分散、すなわちλ2値およびσ2値である。しかしながら、λ2値およびσ2値は、［１４］のベイズ平滑化基準を使用して、効率的に推定することができる。とりわけ、この方法では、ＫＦパラメータは、時系列の固有の信号対雑音比（ＳＮＲ）を反映する。これは、センサと個体との間のばらつきの取扱いを可能にし、雑音除去における重要な利点であり、その上、それは予測に有用であり得る。我々の目的では、ＫＦの予測ステップ
を考え、ここで、Ｆは状態遷移行列（式３ａを参照）であり、
は、時間ｔまでに収集された測定値にのみ基づく状態推定値である。好適な短時間予測範囲（ＰＨ）を考えると、式（４）をＰＨ回再反復し、
を得ることができる。
左側、すなわち
は、時間ｔまでに入手可能なＣＧＭデータに基づく時間ｔ＋ＰＨでの予測ＣＧＭ値である。選ばれたＰＨが、ＢＧツーＩＧ動態の拡散定数τ（一般に、ここで使用される特定のデバイスでは約１２分と推定される［２４］）に近い場合、
は、時間ｔのＢＧレベルを近似することができると推測することができる。したがって、この考えは、短時間予測を使用し、時間ｔのＣＧＭ出力、すなわち、ＣＧＭ（ｔ）を、
である新しい値に実時間で代えることである。
注記：ＣＧＭ出力は１分ごとに与えられると仮定されている。サンプリング周期ＴS（分単位）が異なる場合、式（５）のＰＨ指数は、ＰＨをｋＴSに等しくするという明白な制約付きでＰＨをＴSで割ったものに等しくなることになり、ここで、ｋは整数である。
実験データ
提案するアルゴリズムの有効性を実証するために使用されたデータセットは、１型糖尿病被検者の２５個のＣＧＭトレースからなり、データベースのサブセットは以前に報告されていた［２５］。ＣＧＭトレースは、１分のサンプリング周期で動作するＦｒｅｅＳｔｙｌｅ Ｎａｖｉｇａｔｏｒ（登録商標）（Ａｂｂｏｔｔ Ｄｉａｂｅｔｅｓ Ｃａｒｅ、Ａｌａｍｅｄａ、カリフォルニア州）を使用して得られている。加えて、頻繁に測定されたＢＧ基準は、少なくとも２４時間の期間の間１５分ごとにＹＳＩ ＢＧアナライザ（ＹＳＩ， Ｉｎｃ．、Ｙｅｌｌｏｗ Ｓｐｒｉｎｇｓ、オハイオ州）で収集されている（代表的なデータセットの図１を参照）。
［１４］におけるように、λ2値およびσ2値の推定は、同じ確率的ベイズ平滑化基準を使用してＣＧＭデータの最初の６時間の部分で実行された。しかしながら、この方法では、６時間のデータが収集されるまで予測を実行することができないので、０〜６時間の時間ウィンドウで予測を実行するために、正則化パラメータγ＝σ2／λ2の平均値（例えば、０．００１に設定された）を使用することが決定された。短時間予測アルゴリズムが、実時間動作状態をシミュレートする各データセットに適用された。図２は、図１の同じ代表的な被検者へのそのアルゴリズムの適用の結果を示す（時間ウィンドウの２０〜３６時間のセクションが拡大されている）。線はオリジナルＣＧＭプロファイルであり、星印はＢＧ基準であり、線は、１２分のＰＨ（この値は［２４］から取られており、ＦｒｅｅＳｔｙｌｅ Ｎａｖｉｇａｔｏｒ（登録商標）での平均推定遅延である）を用いて短時間予測アルゴリズムに適用することによって得られたＣＧＭNEW時系列である。グラフを検査することによって明らかなように、予測アルゴリズムの出力（ＣＧＭNEW）は、ＢＧツーＩＧ動態によって導入される差の一部を補償することができるように見える。ＣＧＭNEWプロファイルは、オリジナルよりも良好にＹＳＩ測定値と重なっており、特に、ピークの近くで（例えば、計測時間３２のまわりで）および天底の近くで（例えば、計測時間３４のまわりで）センサの精度を改善している。定量的には、ＢＧ基準とＣＧＭデータとの間で計算された二乗平均平方根誤差（ＲＭＳＥ）は、２７ｍｇ／ｄＬから２０ｍｇ／ｄＬに減少し、それは約２７％の改善である。
２５個のデータセットすべてへのアルゴリズムの適用の定量的結果が、図３のボックスプロットにグラフ式に示され要約されている。左側のボックスプロットは、ＢＧ基準とオリジナルＣＧＭデータとの間で計算されたＲＭＳＥ値のコンパクトな表示であり、一方、中央のボックスプロットは、ＢＧとＣＧＭNEWデータ（ＰＨ＝１２）との間で計算されたＲＭＳＥ値を提示する。各ボックスプロットについて、線は中央ＲＭＳＥ値であり、ボックスの両極端は２５パーセンタイルおよび７５パーセンタイルであり、ウィスカは最極端のデータ点まで延びる。２つのボックスプロットを比較すると、ＣＧＭ出力の精度の向上は明らかであり、ＲＭＳＥは、すべての被検者に対して著しく減少している（ｐ＝０．０５）。特に、中央ＲＭＳＥは、２２．１ｍｇ／ｄＬから１９．２ｍｇ／ｄＬに減少している（約１４％の相対的改善）。
短時間予測アルゴリズムの使用によって導入される改善を定量化するのに使用される第２の指標は、連続グルコースエラーグリッド解析（ＣＧ−ＥＧＡ）である［２５］。ＣＧ−ＥＧＡは、ＣＧＭデータの臨床精度の評価のために、および３つの関連する血糖範囲、すなわち、低血糖、正常血糖、および高血糖の各々について精度を報告するために広く使用されている方法のうちの１つである。図４−１及び４−２は、ＰＨ＝１２によるＣＧＭNEWデータ（上部、円）とオリジナルＣＧＭデータ（上部、円）とを使用することによって得られたＰ−ＥＧＡ（左）およびＲ−ＥＧＡ（右）を示す。合計２６３０データ対が含まれている。グラフが意味するところによれば、危険（Ｄ）ゾーン内のデータ対の数が著しく減少し（３６．７％から２３．３％に）、それにより、図２の結果が確認されている。これは、オリジナルＣＧＭデータを使用するときのＣＧ−ＥＧＡ行列［２５］結果を提示する図９に示した数値結果によってもサポートされる。臨床的に正確な読みおよび良性エラーをもたらす読み（すなわち、Ａ＋Ｂゾーン）の割合は、低血糖では６３．３％、正常血糖では９９．４％、および高血糖において９９．７％である。図１０は、ＰＨ＝１２分によるＣＧＭNEWによって得られた結果を示す。図９に示した値と比較すると、Ａ＋Ｂゾーンに入るデータ対の割合は、低血糖で７６．７％まで著しくに増加し（約２１％の相対的改善）、一方、正常血糖および高血糖の値は変わらないままである。
ＢＧツーＩＧ動態の拡散定数τの個体間のばらつきのために［１２、２６］、固定したＰＨの選択は最適になり得ないと主張することがある。この理由から、発明者らは、アルゴリズムの性能がさらに改善され得るかどうかを理解するためにＰＨ値を個別化する、第２の解析をさらに実行した。被検者ごとに、１分から３０分までのＰＨ値が試験され、最も低いＲＭＳＥをもたらすＰＨ値が、最適なものとして遡及的に選択された。この遡及的解析の結果は、個別化されたＰＨ値は、被検者ごとに最小５分から最大２２分まで変化し、［１２、２６］で得られている結果が確認されたことを示している。個別化されたＰＨを用いた短時間予測アルゴリズムの適用のＲＭＳＥ結果を要約しているボックスプロットが、図３の右側にある。左のボックスプロット（オリジナルＣＧＭ）と右のボックスプロットとを比較すると、ＲＭＳＥは、すべての被検者に対して著しく減少し（ｐ＝０．０４）、中央ＲＭＳＥは、２２．１ｍｇ／ｄＬから１８．０ｍｇ／ｄＬに減少している（約１９％の相対的改善）。しかしながら、中央のボックスプロット（ＰＨ＝１２によるＣＧＭNEW）と右のボックスプロットとの結果を比較すると、有意差は達成されていない。この結果は、ＣＧ−ＥＧＡによっても確認され、図４−１及び４−２の下部段のパネルにグラフ式に示されている。Ｄゾーンに入るデータ対の数が３７．７％から２１．８％に減少しても、この結果は、ＰＨ＝１２で得られたもの（２３．３％）と実質的に違っていないことに留意されたい。最後に、図１１に示された結果を解析すると、Ａ＋Ｂゾーンに入るデータ対の割合は、やはり、固定したＰＨを使用して得られた結果と非常に類似している。これは、ＰＨ値を個別化するという選択が、予測アルゴリズムの性能に著しい改善をもたらしていないことを証明している。
図５は、本発明の実施形態の１つまたは複数の態様が実装され得る機械の一例を示すブロック図である。
図５は、１つまたは複数の実施形態（例えば、論じた手法）が実装され得る（例えば、作動することができる）例示の機械４００のブロック図を示す。
機械４００の例は、論理部、１つまたは複数の構成要素、回路（例えば、モジュール）、または機構を含むことができる。回路は、いくつかの動作を実行するように構成された有形エンティティである。一例では、回路は、（例えば、内部に、または他の回路などの外部エンティティに対して）特定の方法で配列することができる。一例では、１つもしくは複数のコンピュータシステム（例えば、スタンドアロン、クライアント、もしくはサーバコンピュータシステム）または１つもしくは複数のハードウェアプロセッサ（プロセッサ）は、本明細書で説明するようないくつかの動作を実行するように動作する回路としてソフトウェア（例えば、命令、アプリケーション部分、またはアプリケーション）によって構成することができる。一例では、ソフトウェアは、（１）非一時的機械可読媒体に、または（２）送信信号に存在することができる。一例では、ソフトウェアは、回路の基礎をなすハードウェアによって実行されるときいくつかの動作を回路に実行させる。
一例では、回路は、機械的にまたは電子的に実装することができる。例えば、回路は、専用プロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または特定用途向け集積回路（ＡＳＩＣ）などを含む、上述で論じたものなど１つまたは複数の技法を実行するように特別に構成された専用回路または論理部を含むことができる。一例では、回路は、いくつかの動作を実行するために、一時的に構成され得る（例えば、ソフトウェアによって）プログラマブル論理部（例えば、汎用プロセッサまたは他のプログラマブルプロセッサ内に包含されるものなどの回路）を含むことができる。機械的に（例えば、専用で恒久的に構成された回路に）、または一時的に構成された回路（例えば、ソフトウェアによって構成された）に回路を実装するという決定は、コストおよび時間を考慮することによって行われ得ることを理解されよう。
それゆえに、「回路」という用語は、有形エンティティを包含する、すなわち、特定の方法で動作するかまたは特定の動作を実行するように物理的に構築されるか、恒久的に構成される（例えば、配線される）か、または一時的に（例えば、一過的に）構成される（例えば、プログラムされる）エンティティであると理解される。一例では、複数の一時的に構成された回路を考えると、回路の各々は、任意の１つの事例において同時期に構成されるかまたはインスタンス化される必要はない。例えば、回路がソフトウェアを介して構成された汎用プロセッサを含む場合、汎用プロセッサは、異なる時間にそれぞれの異なる回路として構成され得る。したがって、ソフトウェアは、例えば、ある時点で特定の回路を構成し、異なる時点で異なる回路を構成するようにプロセッサを構成することができる。
一例では、回路は、他の回路に情報を供給し、他の回路から情報を受け取ることができる。この例では、回路は、１つまたは複数の他の回路に通信可能に結合されていると見なすことができる。多数のそのような回路が同時に存在する場合、通信は、回路を接続する信号伝送により（例えば、適切な回路およびバスにより）達成することができる。多数の回路が異なる時間に構成されるかまたはインスタンス化される実施形態では、そのような回路間の通信は、例えば、多数の回路がアクセスするメモリ構造中の情報を記憶し取り出すことにより達成され得る。例えば、１つの回路は、動作を実行し、その１つの回路が通信可能に結合されたメモリデバイスにその動作の出力を記憶することができる。次いで、さらなる回路は、後で、メモリデバイスにアクセスして、記憶された出力を取り出し処理することができる。一例では、回路は、入力デバイスまたは出力デバイスとの通信を開始するかまたは受け取るように構成することができ、リソース（例えば、情報の集合）に基づいて動作することができる。
本明細書で説明する方法例の様々な動作は、少なくとも部分的には、関連する動作を実行するように一時的に構成された（例えば、ソフトウェアによって）または恒久的に構成された１つまたは複数のプロセッサによって実行され得る。一時的に構成されたかまたは恒久的に構成されたかにかかわらず、そのようなプロセッサは、１つまたは複数の動作または機能を実行するように動作するプロセッサ実装回路を構成することができる。一例では、本明細書で参照される回路は、プロセッサ実装回路を含むことができる。
同様に、本明細書で説明する方法は、少なくとも部分的にプロセッサ実装され得る。例えば、方法の動作の少なくとも一部は、１つまたは複数のプロセッサまたはプロセッサ実装回路によって実行され得る。動作のうちのいくつかに関する実行は、１つまたは複数のプロセッサ間に分散され、単一機械内に存在するだけではなく、いくつかの機械にわたって配備されてもよい。一例では、１つまたは複数のプロセッサは、単一の場所（例えば、家庭環境、オフィス環境内に、またはサーバファームとして）に配置することができ、一方、他の例では、プロセッサはいくつかの場所にわたって分散させることができる。
１つまたは複数のプロセッサは、さらに、「クラウドコンピューティング」環境でのまたは「サービスとしてのソフトウェア」（ＳａａＳ）としての関連する動作の実行をサポートするように動作することができる。例えば、動作の少なくとも一部は、一群のコンピュータ（プロセッサを含む機械の例としての）によって実行され得、これらの動作は、ネットワーク（例えば、インターネット）を介して、および１つまたは複数の適切なインタフェース（例えば、アプリケーションプログラムインタフェース（ＡＰＩ））を介してアクセス可能である。
例示の実施形態（例えば、装置、システムまたは方法）は、デジタルエレクトロニクス回路で、コンピュータハードウェアで、ファームウェアで、ソフトウェアで、またはそれらの任意の組合せで実装することができる。例示の実施形態は、コンピュータプログラム製品（例えば、プログラマブルプロセッサ、１つのコンピュータ、または多数のコンピュータなどのデータ処理装置による実行のために、またはデータ処理装置の動作を制御するために情報担体でまたは機械可読媒体で有形に具現化されたコンピュータプログラム）を使用して実装することができる。
コンピュータプログラムは、コンパイル型言語またはインタープリタ型言語を含む任意の形態のプログラミング言語で書くことができ、スタンドアロンプログラムとして、またはソフトウェアモジュール（例えば、雑音除去モジュール）、サブルーチン、もしくはコンピューティング環境での使用に好適である他のユニットとして含む任意の形態で配備され得る。コンピュータプログラムは、１つのコンピュータ、または１つの場所にあるまたは多数の場所に分散され通信ネットワークによって相互接続された多数のコンピュータで実行されるように配備され得る。
一例では、動作は、入力データに作用し出力を生成することにより機能を実行するように１つまたは複数のプログラマブルプロセッサがコンピュータプログラムを実行することによって実行され得る。方法動作の例は、さらに、専用論理回路（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）または特定用途向け集積回路（ＡＳＩＣ））によって実行され得、例示の装置は専用論理回路として実装され得る。
コンピューティングシステムは、クライアントとサーバとを含むことができる。クライアントとサーバとは、一般に互いに遠く離れており、一般に通信ネットワークを通して対話する。クライアントとサーバとの関係は、それぞれのコンピュータ上で走り、互いにクライアント−サーバ関係を有するコンピュータプログラムによって生じる。プログラマブルコンピューティングシステムを配備している実施形態では、ハードウェアとソフトウェアアーキテクチャとの両方は考慮を必要とすることが理解されよう。特に、恒久的に構成されたハードウェア（例えば、ＡＳＩＣ）で、一時的に構成されたハードウェア（例えば、ソフトウェアとプログラマブルプロセッサとの組合せ）で、または恒久的に構成されたハードウェアと一時的に構成されたハードウェアとの組合せで、ある機能を実装すべきかどうかの選択は、設計上の選択とすることができることを理解されよう。例示の実施形態に配備され得るハードウェア（例えば、機械４００）およびソフトウェアアーキテクチャが以下で説明される。
一例では、機械４００はスタンドアロンデバイスとして動作することができ、または機械４００は他の機械に接続する（例えば、ネットワーク化する）ことができる。ネットワーク化配備において、機械４００は、サーバ−クライアントネットワーク環境においてサーバまたはクライアントマシンのいずれかの容量で動作することができる。一例では、機械４００は、ピアツーピア（または他の分散型）ネットワーク環境のピア機械として働くことができる。機械４００は、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ、セットトップボックス（ＳＴＢ）、パーソナルデジタルアシスタント（ＰＤＡ）、モバイル電話、ウェブ機器、ネットワークルータ、スイッチもしくはブリッジ、または機械４００によって行われる（例えば、実行される）アクションを指定する命令を実行する（順次または他の方法で）ことができる任意の機械とすることができる。さらに、単一の機械４００のみが示されているが、「機械」という用語は、さらに、本明細書で論じられる手法のうちの１つまたは複数を実行するために１つの組（または多数の組）の命令を個別にまたは共同で実行する機械のいかなる集合も含むと解されるものとする。
例示の機械（例えば、コンピュータシステム）４００は、プロセッサ４０２（例えば、中央制御装置（ＣＰＵ）、グラフィック処理ユニット（ＧＰＵ）、または両方）、メインメモリ４０４、およびスタティックメモリ４０６を含むことができ、これらの一部またはすべては、バス４０８を介して互いに通信することができる。機械４００は、ディスプレイユニット４１０、英数字入力デバイス４１２（例えば、キーボード）、およびユーザインタフェース（Ｕｌ）ナビゲーションデバイス４１１（例えば、マウス）をさらに含むことができる。一例では、ディスプレイユニット８１０、入力デバイス４１７、およびＵｌナビゲーションデバイス４１４は、タッチスクリーンディスプレイとすることができる。機械４００は、追加として、記憶デバイス（例えば、ドライブユニット）４１６、信号発生デバイス４１８（例えば、スピーカ）、ネットワークインタフェースデバイス４２０、および全地球測位システム（ＧＰＳ）センサ、コンパス、加速度計、または他のセンサなどの１つまたは複数のセンサ４２１を含むことができる。
記憶デバイス４１６は機械可読媒体４２２を含むことができ、機械可読媒体４２２には、本明細書で説明する手法または機能のうちの１つまたは複数を具現化する、または手法または機能のうちの１つまたは複数によって利用される１つまたは複数の組のデータ構造または命令４２４（例えば、ソフトウェア）が記憶される。命令４２４は、さらに、それが機械４００で実行される間、メインメモリ４０４内に、スタティックメモリ４０６内に、またはプロセッサ４０２内に、完全にまたは少なくとも部分的に存在することができる。一例では、プロセッサ４０２、メインメモリ４０４、スタティックメモリ４０６、または記憶デバイス４１６のうちの１つまたはそれらの任意の組合せは、機械可読媒体を構成することができる。
機械可読媒体４２２は単一の媒体として示されているが、「機械可読媒体」という用語は、１つまたは複数の命令４２４を記憶するように構成された単一の媒体または多数の媒体（例えば、集中型もしくは分散型データベース、および／または関連するキャッシュおよびサーバ）を含むことができる。「機械可読媒体」という用語は、さらに、機械による実行のための命令を記憶する、符号化する、または搬送することができ、および本開示の手法のうちの１つまたは複数を機械に実行させ、またはそのような命令によって利用されるか、もしくはそのような命令に関連するデータ構造を記憶する、符号化する、または搬送することができる任意の有形媒体を含むと解することができる。したがって、「機械可読媒体」という用語は、限定はしないが、固体メモリと、光および磁気媒体とを含むと解することができる。機械可読媒体の特定の例は、例として、半導体メモリデバイス（例えば、電気的プログラマブル読出し専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読出し専用メモリ（ＥＥＰＲＯＭ））、およびフラッシュメモリデバイスと、内臓ハードディスクおよび取外し可能ディスクなどの磁気ディスクと、光磁気ディスクと、ＣＤ−ＲＯＭおよびＤＶＤ−ＲＯＭディスクとを含む不揮発性メモリを含むことができる。
命令４２４は、さらに、いくつかの転送プロトコル（例えば、フレームリレー、ＩＰ、ＴＣＰ、ＵＤＰ、ＨＴＴＰなど）のうちのいずれか１つを利用するネットワークインタフェースデバイス４２０を介した伝送媒体を使用する通信ネットワーク４２６によって送受信することができる。例示の通信ネットワークは、とりわけ、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、パケットデータネットワーク（例えば、インターネット）、モバイル電話ネットワーク（例えば、セルラネットワーク）、単純旧式電話（ＰＯＴＳ）ネットワーク、およびワイヤレスデータネットワーク（例えば、Ｗｉ−Ｆｉ（登録商標）として知られるＩＥＥＥ８０２．１１標準ファミリ、ＷｉＭａｘ（登録商標）として知られるＩＥＥＥ８０２．１６標準ファミリ）、ピアツーピア（Ｐ２Ｐ）ネットワークを含むことができる。「伝送媒体」という用語は、機械による実行のための命令を記憶する、符号化する、または搬送することができる任意の無形媒体を含むと解されるものとし、そのようなソフトウェアの通信を容易にするデジタルもしくはアナログ通信信号または他の無形媒体を含む。
機械４００は、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって連続グルコースセンサ（ＣＧＳ）から受け取った信号から、改善した精度のＣＧＭを生成するための雑音除去モジュール（例えば、ソフトウェアおよび／またはハードウェア回路）を含むように構成するかまたは配列することができる。
図６は、本発明の一実施形態の高水準機能ブロック図である。
図６に示すように、プロセッサまたはコントローラ１０２は、グルコースモニタまたはデバイス１０１、およびオプションとしてインシュリンデバイス１００と通信することができる。グルコースモニタまたはデバイス１０１は、被検者１０３のグルコースレベルをモニタするために被検者１０３と通信することができる。プロセッサまたはコントローラ１０２は、必要な計算を実行するように構成される。オプションとして、インシュリンデバイス１００は、インシュリンを被検者１０３に送出するために被検者１０３と通信することができる。プロセッサまたはコントローラ１０２は、必要な計算を実行するように構成される。グルコースモニタ１０１およびインシュリンデバイス１００は、別個のデバイスとしてまたは単一デバイスとして実装することができる。プロセッサ１０２は、グルコースモニタ１０１、インシュリンデバイス１００、またはスタンドアロンデバイスに（あるいはグルコースモニタ、インシュリンデバイス、またはスタンドアロンデバイスのうちの２つ以上の任意の組合せに）局所的に実装することができる。プロセッサ１０２またはシステムの一部は、デバイスが遠隔医療デバイスとして動作するように遠隔に配置することができる。
図７Ａを参照すると、その最も基本的な構成において、コンピューティングデバイス１４４は、一般に、少なくとも１つの処理ユニット１５０と、メモリ１４６とを含む。コンピューティングデバイスの正確な構成およびタイプに応じて、メモリ１４６は、揮発性（ＲＡＭなど）、不揮発性（ＲＯＭ、フラッシュメモリなどのような）、またはこれら２つのある組合せとすることができる。
追加として、デバイス１４４は、さらに、他の機構および／または機能を有することができる。例えば、デバイスは、限定はしないが、磁気または光学式のディスクまたはテープ、ならびに書込み可能電気記憶媒体を含む追加の取外し可能および／または取外し不能ストレージをさらに含むことができる。そのような追加のストレージは、取外し可能ストレージ１５２および取外し不能ストレージ１４８によって設けられる。コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール（例えば、雑音除去モジュール）、または他のデータなどの情報の記憶のための任意の方法または技術で実装された揮発性および不揮発性の取外し可能および取外し不能の媒体を含む。メモリ、取外し可能ストレージ、および取外し不能ストレージはすべてコンピュータ記憶媒体の例である。コンピュータ記憶媒体は、限定はしないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤＲＯＭ、デジタルバーサタイルディスク（ＤＶＤ）もしくは他の光ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージもしくは他の磁気ストレージデバイス、または所望の情報を記憶するのに使用することができ、デバイスによってアクセスされ得る任意の他の媒体を含む。任意のそのようなコンピュータ記憶媒体は、デバイスの一部とするか、またはデバイスと組み合わせて使用することができる。デバイスは、さらに、デバイスが他のデバイス（例えば、他のコンピューティングデバイス）と通信できるようにする１つまたは複数の通信接続部１５４を含むことができる。通信接続部は、通信媒体に情報を搬送する。通信媒体は、一般に、コンピュータ可読命令、データ構造、プログラムモジュール（例えば、雑音除去モジュール）、または他のデータを、搬送波または他の移送機構などの変調データ信号で具現化し、任意の情報送出媒体を含む。「変調データ信号」という用語は、信号中の情報を符号化する、実行する、または処理するように特性のうちの１つまたは複数を設定したかまたは変更した信号を意味する。限定ではなく、例として、通信媒体は、有線ネットワークまたは直接有線接続などの有線媒体と、無線、ＲＦ、赤外、および他の無線媒体などのワイヤレス媒体とを含む。上述で論じたように、本明細書で使用するコンピュータ可読媒体という用語は、記憶媒体と通信媒体の両方を含む。
スタンドアロンコンピューティング機械に加えて、本発明の実施形態は、さらに、インフラストラクチャまたはアドホックネットワークによるネットワークなどのネットワーキング手段と通信する複数のコンピューティングデバイスを含むネットワークシステムで実装することができる。ネットワーク接続は、有線接続またはワイヤレス接続とすることができる。例示の方法として、図７Ｂは、本発明の実施形態が実装され得るネットワークシステムを示す。この例では、ネットワークシステムは、コンピュータ１５６（例えば、ネットワークサーバ）、ネットワーク接続手段１５８（例えば、有線接続および／またはワイヤレス接続）、コンピュータ端末１６０、およびＰＤＡ１６２（例えば、スマートフォン）（または携帯電話、ラップトップコンピュータ、タブレットコンピュータ、ＧＰＳ受信器、ｍｐ３プレーヤ、手持ち式ビデオプレーヤ、ポケットプロジェクタなどのような他の手持ち式もしくはポータブルデバイス、またはそのような特徴の組合せをもつ手持ち式デバイス（もしくは非ポータブルデバイス））を含む。一実施形態では、１５６としてリストされたモジュールはグルコースモニタデバイスとすることができることを理解すべきである。一実施形態では、１５６としてリストされたモジュールはグルコースモニタデバイスおよびインシュリンデバイスとすることができることを理解すべきである。図７Ｂに示されているかまたは論じられている構成要素のどれでも数が複数であってもよい。本発明の実施形態は、システムのデバイスのうちのいずれか１つに実装することができる。例えば、命令または他の所望の処理の実行は、１５６、１６０、および１６２のうちのいずれか１つである同じコンピューティングデバイスで実行することができる。代替として、本発明の一実施形態は、ネットワークシステムの異なるコンピューティングデバイスで実行することができる。例えば、いくつかの所望のまたは必要な処理または実行は、ネットワークのコンピューティングデバイス（例えば、サーバ１５６および／またはグルコースモニタデバイス）のうちの１つで実行することができ、一方、他の処理と命令の実行とは、ネットワークシステムの別のコンピューティングデバイス（例えば、端末１６０）で実行することができ、またはその逆である。実際、ある処理または実行は、１つのコンピューティングデバイス（例えば、サーバ１５６および／またはグルコースモニタデバイス）で実行することができ、命令の他の処理または実行は、ネットワーク化されていることもされていないこともある異なるコンピューティングデバイスで実行することができる。例えば、ある処理は端末１６０で実行することができ、そして一方、他の処理または命令は、命令が実行されるデバイス１６２に渡される。特に、ＰＤＡ１６２デバイスが、例えば、コンピュータ端末１６０（またはアドホックネットワークのアクセスポイント）を通してネットワークにアクセスするとき、このシナリオは特別な価値があり得る。別の例では、保護されるべきソフトウェアは、本発明の１つまたは複数の実施形態により実行するか、符号化するか、処理することができる。次いで、処理されたか、符号化されたか、または実行されたソフトウェアは、顧客に分配することができる。その分配は、記憶媒体（例えば、ディスク）または電子コピーの形態とすることができる。
例えば、実時間短時間グルコース予測を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成するための雑音除去モジュールは、上述のように構成されたおよび／または配列されたソフトウェアおよび／またはハードウェアとすることができる。
図８は、本発明の１つまたは複数の実施形態が、ネットワーク、またはネットワークもしくはコンピュータの一部を使用して実装され得るシステムを示す。
図８は、本発明の例が実装され得る例示的なシステムを図によって示す。一実施形態では、グルコースモニタは、家庭または他の所望の場所で被検者（または患者）によって実施され得る。しかし、別の実施形態では、それはクリニック設定または支援設定で実施され得る。例えば、図８を参照すると、クリニックセットアップ１５８は、医師（例えば、１６４）または臨床医／補助員が、グルコースに関連した疾病をもつ患者（例えば、１５９）を診察するための場所を提供する。グルコースモニタリングデバイス１０を使用して、患者のグルコースレベルをモニタおよび／または検査することができる。グルコースモニタデバイス１０だけが示されているが、本発明のシステムにおよびその任意の構成要素が図８によって示されるように使用されてもよいことが理解されるべきである。システムまたは構成要素は、要望または必要に応じて患者に付けるかまたは患者と通信することができる。例えば、システム、またはシステムの構成要素（グルコースモニタデバイス１０、コントローラ１２、もしくはインシュリンポンプ１４、または任意の他のデバイスもしくは構成要素を含む）の組合せは、テープもしくはチューブにより患者に接触されるかもしくは付けられてもよく、または有線接続もしくはワイヤレス接続による通信としてもよい。そのようなモニタおよび／または検査は、短期（例えば、臨床訪問）または長期（例えば、臨床滞在または家庭）とすることができる。グルコースモニタリングデバイス出力は、患者へのインシュリン注射もしくは給食などの適切な措置、または他の適切な措置のために医師（臨床医または補助員）によって使用され得る。代替として、グルコースモニタリングデバイス出力は、即時の解析または将来の解析のためにコンピュータ端末１６８に送出することができる。送出は、ケーブルまたはワイヤレスまたは任意の他の好適な媒体によることができる。患者からのグルコースモニタリングデバイス出力は、ＰＤＡ１６６などのポータブルデバイスに送出することもできる。精度が改善されているグルコースモニタリングデバイス出力は、処理および／または解析するためにグルコースモニタリングセンタ１７２に送出することができる。そのような送出は、有線またはワイヤレスとすることができるネットワーク接続１７０などの多くの方法で達成することができる。
グルコースモニタリングデバイス出力に加えて、エラー、精度改善のためのパラメータ、および精度関連情報が、コンピュータ１６８、および／またはエラー解析を実行するためのグルコースモニタリングセンタ１７２などに送出され得る。これは、グルコースセンサの重要性のために、集中型精度モニタリングおよび／または精度向上をグルコースセンタに提供することができる。
本発明の例は、目標グルコースモニタリングデバイスに関連するスタンドアロンコンピューティングデバイスで実施することもできる。本発明の例を実施することができる例示的なコンピューティングデバイスは、図７Ａに概略的に示されている。
要約すれば、特に、ＣＧＭデバイスの精度が優れていれば優れているほど低血糖イベントおよび高血糖イベントの実時間検出が良くなるので、日常生活用途の観点でＣＧＭシステムをさらにより信頼できるようにするには、連続グルコースモニタリング（ＣＧＭ）デバイスからの正確な読みを有することが必須である、現今、ＣＧＭデバイスの精度は、較正エラーと、較正プロセスにやはり影響を与えるＢＧツーＩＧ動態システムの存在とに関連する問題のために、依然として次善である。
短時間予測、すなわち、２０分未満の予測範囲ＰＨをもつ予測は、それがＢＧツーＩＧ動態システムに起因する遅延の一部を補償するので、ＣＧＭデバイスの精度を改善するための効果的な解決策と見なされるべきである。
本態様は、潜在的に、ＣＧＭ製造業者にとって商業的な関心事であり得るが、その理由は、ＣＧＭセンサの次善の精度が、自己モニタリング指穿刺の代替としてＣＧＭをＦＤＡが受け入れていない要因のうちの１つであるからである。
本発明の一実施形態の一態様による副産物として得られる別の重要な特徴は、この先のグルコース濃度の実時間予測である。イベントが生じる前に予防的警告をさらに生成することが可能であると、それは、警報発生システムを、低血糖／高血糖イベントに関して患者に警報を発する際によりタイムリーにすることができるので、ＣＧＭ製造業者に潜在的な影響を与えることができる。
Ｍｅｄｔｒｏｎｉｃによる米国特許第７，８０６，８８６号は、いくつかの制限を提起するフィルタを提供している。第１に、それは、特定のデータに基づき識別される必要があり、第２に、その構造は、Ｍｅｄｔｒｏｎｉｃのもの以外のＣＧＭデバイスに適用される場合修正される必要があり（サンプリング周期が変わることがあるので）、第３に、なぜなら、「未処理逆畳み込み」が悪条件にさらされるからである（Ｄｅ Ｎｉｃｏｌａｏらを参照［２７］）。
「Ｉｍｐｒｏｖｉｎｇ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｃｏｎｔｉｎｕｏｕｓ ｇｌｕｃｏｓｅ ｓｅｎｓｏｒｓ」という名称のＰＣＴ公開番号２００７０２７６９１／ＷＯ−Ａ１（ＰＣＴ出願番号ＰＣＴ／ＵＳ２００６／０３３７２４）は、数値近似によって実行されるＢＧ再構築を提供しており、それは、限られた場合に逆問題の悪条件にさらされることがある。
本発明の方法、システム、およびコンピュータ可読媒体の一実施形態の一態様は、限定はしないが、ＢＧツーＩＧ動態に起因するＢＧ測定に伴う遅延の一部を補償することによってＣＧＭ読みの精度を改善するために短時間予測を使用することにある技術革新を提供する。ここで提案する短時間予測の実施は、アルゴリズムの未知パラメータの自動確率的ベースベイズ推定手順のおかげで、モニタリング中のＣＧＭデータのあり得るＳＮＲ変動を考慮することができるので他の実施態様と比較して最善である。
米国特許第７，８０６，８８６号と２００７０２７６９１／ＷＯ−Ａ１出願の両方の方法は、限定はしないが、それらの方法のどれも、ＢＧツーＩＧ動態の存在に起因する遅延を補償するために短時間予測を利用していないので、本発明で提案される解決策と大変異なっている。
本発明の様々な実施形態の一態様は、いくつかの利点、例えば、限定はしないが、ＣＧＭ精度を改善し、ＢＧツーＩＧ動態に起因するＢＧ測定に伴う遅延の一部を補償するための効果的な解決策である短時間予測などを提供することができる。第１に、それは、識別されるべきいかなる生理学的モデルも含んでいない。第２に、それは、ＣＧＭデバイスが変わる場合変更される必要がない。第３に、提案する実施態様は、逆問題の悪条件を回避している。
本発明の様々な実施形態の一態様は、限定はしないが、ＣＧＭデバイスへの商業的効果などのいくつかの製品およびサービスのために利用することができる。実際、本発明者らが実行した予備的研究では、それは、ＣＧＭセンサの出力の精度の１５％超の改善を可能にすることを発明者らは示した。上述したように、これは、ＣＧＭ製造業者にとって関心事であり得るが、その理由は、ＣＧＭセンサの次善の精度が、指穿刺計測の代替としてＣＧＭが受け入れられていない要因のうちの１つであるからである。加えて、ＣＧＭ読みが正確であれば正確であるほど、低血糖および高血糖検出は良くなる。
最後に、本発明の様々な実施形態のＣＧＭデータの精度の改善は、さらに、ＣＧＭデータに基づく実時間利用にとって、例えば、人工膵臓実験のための閉ループアルゴリズムの重要要素であるＣＧＭ信号の精度の改善にとって重要となり得る。
別紙Ａ
以下に列記されるようなおよび本明細書の全体にわたる以下の特許、出願、および公表は、それらの全体が参照により本明細書に組み込まれる（それらは、本セクションに含まれることによって本発明に対する先行技術であると認められない）。
1. Garg K, Zisser H, Schwartz S, Bailey T, Kaplan R, Ellis S, Jovanovic L.Improvement in glycemic excursions with a transcutaneous, real-time continuous glucose sensor. Diabetes Care. 2008;29(1):44-50.
2. Klonoff DC. Continuous glucose monitoring: Roadmap for 21st century diabetes therapy. Diabetes Care. 2005;28(5):1231-9.
3. Deiss D, Bolinder J, Riveline J, Battelino T, Bosi E, Tubiana-Rufi N, Kerr D, Phillip M. Improved glycemic control in poorly controlled patients with type 1 diabetes using real-time continuous glucose monitoring. Diabetes Care. 2006;29（12):2730-2.
4. Juvenile Diabetes Research Foundation Continuous Glucose Monitoring Study Group, Tamborlane VVV, Beck RW, Bode BW, Buckingham B, Chase HP, demons R, Fiallo-Scharer R, Fox LA, Gilliam LK, Hirsch !B, Huang ES, Koilman C, Kowalski AJ, Laffel L, Lawrence JM, Lee J, Mauras N, O'Grady M, Ruedy KJ, Tansey M, Tsalikian E, Weinzimer S, Wilson DM, Woipert H, Wysocki T, Xing D. Continuous glucose monitoring and intensive treatment of type 1 diabetes. N Eng! J Med. 2008;359(14):1484- 76.
5. Bequette BW. A critical assessment of algorithms and challenges in the development of a closed-loop artificial pancreas. Diabetes Technol Ther. 2005;7(1):28-47.
6. Cobelli C, Dalla Man C, Sparacino G, Magni L, De Nicolao G, Kovatchev BP. Diabetes: Models, Signals, and Control. IEEE rev biomed Eng. 2010;2(2):54-96.
7. Bruttomesso D, Farret A, Costa S, Marescotti MC, Vettore M, Avogaro A, Tiengo A, Dalla Man C, Place J, Facchinetti A, Guerra S, Magni L, De Nicolao G, Cobelli C, Renard E, Maran A. Closed-Loop Artificial Pancreas Using Subcutaneous Glucose Sensing and Insulin Delivery and a Model Predictive Control Algorithm: Preliminary Studies in Padova and Montpellier. J Diabetes Sci Technol. 2009;3(5):1014-21.
8. www.diadvisor.eu [accessed on March 29, 2010].
9. Kovatchev B, Anderson S, Heinemann L, Clarke W. Comparison of the numerical and clinical accuracy of four continuous glucose monitors. Diabetes Care. 2008;31(6):1160-4.
10. Clarke WL, Anderson S, Kovatchev B. Evaluating clinical accuracy of continuous glucose monitoring systems: Continuous Glucose-Error Grid Analysis (CG-EGA). Curr Diabetes Rev. 2008;4(3):193-9.
11. Review. Rebrin K, Steil GM, van Antwerp WP, Subcutaneous glucose predicts plasma glucose independent of insulin: implications for continuous monitoring. Am J Physiol. 1999;277(3 Pt 1):E561-71.
12. Keenan DB, Mastrototaro JJ, Voskanyan G, Steil GM. Delays in Minimally Invasive Continuous Glucose Monitoring Devices: A Review of Current Technology. J Diabetes Sci Technol. 2009;3(5):1207-14.
13. Facchinetti A, Sparacino G, Cobelli C. Modeling the Error of Continuous Glucose Monitoring Sensor Data: Critical Aspects Discussed through Simulation Studies. J Diabetes Sci Technol. 2010;4(1):4-14.
14. Facchinetti A, Sparacino G, Cobelli C. An online self-tunable method to denoise CGM sensor data. IEEE Trans Biomed Eng. 2010;57(3):634-41.
15. Diabetes Research In Children Network (Direcnet) Study Group, Buckingham BA, Kollnnan C, Beck R, Kalajian A, Fiallo-Scharer R, Tansey MJ, Fox LA, Wilson DM, Weinzimer SA, Ruedy KJ, Tamborlane WV, Evaluation of factors affecting CGMS calibration. Diabetes Technol Ther. 2006;8(3):318-25.
16. King C, Anderson SM, Breton M, Clarke WL, Kovatchev BP. Modeling of calibration effectiveness and blood-to-interstitial glucose dynamics as potential confounders of the accuracy of continuous glucose sensors during hyperinsulinemic clamp. J Diabetes Sci Technol. 2007;1(3):317-22.
17. Kuure-Kinsey M, Palerm CC, Bequette BW. A dual-rate Kalman filter for continuous glucose monitoring. Conf Proc IEEE Eng Med Biol Soc. 2006;1:63-6.
18. Sparacino G, Zanderigo F, Corazza S, Maran A, Facchinetti A, Cobelli C.Glucose concentration can be predicted ahead in time from continuous glucose monitoring sensor time-series. IEEE Trans Biomed Eng. 2007;54(5):931-7.
19. Gani A, Gribok AV, Rajaraman S, Ward WK, Reifman J. Predicting subcutaneous glucose concentration in humans: data-driven glucose modeling. IEEE Trans Biomed Eng. 2009;56(2):246-54.
20. Perez-Gandia C, Facchinetti A, Sparacino G, Cobelli C, Gomez EJ, Rigla M, de Leiva A, Hernando ME. Artificial neural network algorithm for online glucose prediction from continuous glucose monitoring. Diabetes Technol Ther. 2010;12(1):81-8.
21. Palerm CC, Willis JP, Desemone J, Bequette BW. Hypoglycemia prediction and detection using optimal estimation. Diabetes Technol Ther. 2005;7(1):3-14.
22. Anderson BDO and Moore JB. Optimal Filtering. Dover Publications, 2005.
23. Bequette BW. Continuous glucose monitoring: real-time algorithms for calibration, filtering, and alarms. J Diabetes Sci Technol. 2010;4(2):404- 18.
24. Keenan DB, Mastrototaro JJ, Voskanyan, Steil G. Delays in Minimally Invasive Continuous Glucose Monitoring Devices: A Review of Current Technology. J Diabetes Sci Technol. 2009;3(5):1207-14.
25. Kovatchev BP, Gonder-Frederick LA, Cox DJ, Clarke WL. Evaluating the accuracy of continuous glucose-monitoring sensors: continuous glucose- error grid analysis illustrated by TheraSense Freestyle Navigator data. Diabetes Care. 2004;27(8):1922-8.
26. Facchinetti A, Sparacino G, Cobelli C. Reconstruction of glucose in plasma from interstitial fluid continuous glucose monitoring data: role of sensor calibration. J Diabetes Sci Technol. 2007;1(5):617-23.
27. De Nicolao G, Sparacino G, Cobelli C. Nonparametric input estimation in physiological systems: problems, methods and case study. Automatica. 1997;33:851-70.

別紙Ｂ
本明細書で開示する本発明の様々な実施形態のデバイス、システム、非一時的コンピュータ可読媒体、および方法は、以下の参考文献、出願、公表、および特許に開示された態様を利用することができ、それらの全体が参照により本明細書に組み込まれる（それらは、本セクションに含まれることによって本発明に対する先行技術であると認められない）。
A. International Patent Application No. PCT/US2014/045393 entitled "Simulation of Endogenous and Exogenous Glucose/lnsulin/Glucagon interplay in Type 1 Diabetic Patients," filed July 3, 2014.
B. U.S. Patent Application No. 14/266,612 entitled "Method, System and Computer Program Product for Real-Time Detection of Sensitivity Decline in Analyte Sensors," filed April 30, 2014.
C. U.S. Patent Application No. 13/418,305 entitled "Method, System and Computer Program Product for Real-Time Detection of Sensitivity Decline in Analyte Sensors," filed March 12, 2012; U.S. Patent No. 8,718,958, issued May 6, 2014.
D. International Patent Application No. PCT/US2007/082744 entitled "Method, System and Computer Program Product for Real-Time Detection of Sensitivity Decline in Analyte Sensors," filed October 26, 2007.
E. U.S. Patent Application No. 11/925,689 entitled "Method, System and Computer Program Product for Real-Time Detection of Sensitivity Decline in Analyte Sensors," filed October 26, 2007; U.S. Patent No. 8,135,548, issued March 13, 2012.
F. U.S. Patent Application No. 14/241,383 entitled "Method, System and Computer Readable Medium for Adaptive Advisory Control of Diabetes," filed February 26, 2014.
G. International Patent Application No. PCT/US2012/052422 entitled "Method, System and Computer Readable Medium for Adaptive Advisory Control of Diabetes," filed August 26, 2012.
H. International Patent Application No. PCT/US2014/017754 entitled "Method and System for Model-Based Tracking of Changes in Average Glycemia in Diabetes," filed February 21, 2014.
I. U.S. Patent Application No. 14/128,922 entitled "Unified Platform for Monitoring and Control of Blood Glucose Levels in Diabetic Patients," filed December 23, 2013.
J. International Patent Application No. PCT/US2012/043910 entitled "Unified Platform for Monitoring and Control of Blood Glucose Levels in Diabetic Patients," filed June 23, 2012.
K. U.S. Patent Application No. 14/128,811 entitled "Methods and Apparatus for Modular Power Management and Protection of Critical Services in Ambulatory Medical Devices," filed December 23, 2013.
L. International Patent Application No. PCT/US2012/043883 entitled "Methods and Apparatus for Modular Power Management and Protection of Critical Services in Ambulatory Medical Devices," filed June 22, 2012.
M. U.S. Patent Application No. 29/467,039 entitled "Alarm Clock Display of Personal Blood Glucose Level," filed September 13, 2013.
N. U.S. Patent Application No. 14/015,831 entitled "CGM-Based Prevention of Hypoglycemia via Hypoglycemia Risk Assessment and Smooth Reduction Insulin Delivery," filed August 30, 2013.
O. U.S. Patent Application No. 13/203,469 entitled "CGM-Based Prevention of Hypoglycemia via Hypoglycemia Risk Assessment and Smooth Reduction Insulin Delivery," filed August 25, 2011; U.S. Patent No. 8,562,587, issued October 22, 2013.
P. International Patent Application No. PCT/US2010/025405 entitled "CGM-Based Prevention of Hypoglycemia via Hypoglycemia Risk Assessment and Smooth Reduction Insulin Delivery," filed February 25, 2010.
Q. International Patent Application No. PCT/US2013/053664 entitled "Method, System, and Computer Simulation for Testing and Monitoring of Treatment Strategies for Stress Hyperglycemia in the ICU," filed August 5, 2013.
R. U.S. Patent Application No. 13/637,359 entitled "Method, System, and Computer Program Product for Improving the Accuracy of Glucose Sensors Using Insulin Delivery Observation in Diabetes," filed September 25, 2012; U.S. Patent Application Publication No. 2013/0079613, March 28, 2013.
S. International Patent Application No. PCT/US2011/029793 entitled "Method, System, and Computer Program Product for Improving the Accuracy of Glucose Sensors Using Insulin Delivery Observation in Diabetes," filed March 24, 2011.
T. U.S. Patent Application No. 13/634,040 entitled "Method and System for the Safety, Analysis, and Supervision of Insulin Pump Action and Other Modes of Insulin Delivery in Diabetes," filed September 11, 2012; U.S. Patent Application Publication No.2013/0116649, May 9, 2013.
U. International Patent Application No. PCT/US2011/028163 entitled "Method and System for the Safety, Analysis, and Supervision of Insulin Pump Action and Other Modes of Insulin Delivery in Diabetes," filed March 11, 2011.
V. U.S. Patent Application No. 13/394,091 entitled "Tracking the Probability for Imminent Hypoglycemia in Diabetes from Self- Monitoring Blood Glucose (SMBG) Data," filed March 2, 2012; U.S. Patent Application Publication No. 2012/0191361, July 26, 2012.
W. International Patent Application No. PCT/US2010/047711 entitled "Tracking the Probability for Imminent Hypoglycemia in Diabetes from Self-Monitoring Blood Glucose (SMBG) Data," filed September 2, 2010.
X. U.S. Patent Application No. 13/393,647 entitled "System, Method and Computer Program Product for Adjustment of Insulin Delivery (AID) in Diabetes Using Nominal Open-Loop Profiles," filed March 1, 2012; U.S. Patent Application Publication No. 2012/0245556, September 27, 2012.
Y. International Patent Application No. PCT/US2010/047386 entitled "System, Method and Computer Program Product for Adjustment of Insulin Delivery (AID) in Diabetes Using Nominal Open-Loop Profiles," filed August 31, 2010.
Z. U.S. Patent Application No. 13/380,839 entitled "System, Method, and Computer Simulation Environment for in Silico Trials in Pre- Diabetes and Type 2 Diabetes," filed December 25, 2011; U.S. Patent Application Publication No. 2012/0130698, May 24, 2012.
AA. International Patent Application No. PCT/US2010/040097 entitled "System, Method, and Computer Simulation Environment for in Silico Trials in Prediabetes and Type 2 Diabetes," filed June 25, 2010.
BB. U.S. Patent Application No. 13/322,943 entitled "System Coordinator and Modular Architecture for Open-Loop and Closed- Loop Control of Diabetes," filed November 29, 2011; U.S. Patent Application Publication No. 2012/0078067, March 29, 2012.
CC. International Patent Application No. PCT/US2010/036629 entitled "System Coordinator and Modular Architecture for Open-Loop and Closed-Loop Control of Diabetes," filed May 28, 2010.
DD. U.S. Patent Application No. 13/131,467 entitled "Method, System, and Computer Program Product for Tracking of Blood Glucose Variability in Diabetes," filed May 26, 2011; U.S. Patent Application Publication No. 2011/0264378, October 27, 2011.
EE. International Patent Application No. PCT/US2009/065725 entitled "Method, System, and Computer Program Product for Tracking of Blood Glucose Variability in Diabetes," filed November 24, 2009.
FF. U.S. Patent Application No. 12/975,580 entitled "Method, System, and Computer Program Product for the Evaluation of Glycemic Control in Diabetes from Self-Monitoring Data," filed December 22, 2010.
GG. U.S. Patent Application No. 11/305,946 entitled "Method, System, and Computer Program Product for the Evaluation of Glycemic Control in Diabetes from Self-Monitoring Data," filed December 19, 2005; U.S. Patent No. 7,874,985, issued January 25, 2011.
HH. U.S. Patent Application No. 10/240,228 entitled "Method, System, and Computer Program Product for the Evaluation of Glycemic Control in Diabetes from Self-Monitoring Data," filed September 26, 2002; U.S. Patent No. 7,025,425, issued April 11, 2006.
II. International Patent Application No. PCT/US2001/009884 entitled "Method, System, and Computer Program Product for the Evaluation of Glycemic Control in Diabetes," filed March 29, 2001.
JJ. U.S. Patent Application No. 12/674,348 entitled "Method, Computer Program Product and System for individual Assessment of Alcohol Sensitivity," filed February 19, 2010.
KK. International Patent Application No. PCT/US2008/073738 entitled "Method, Computer Program Product and System for individual Assessment of Alcohol Sensitivity," filed August 20, 2008.
LL. U.S. Patent Application No. 12/665,149 entitled "Method, System and Computer Program Product for Evaluation of Insulin Sensitivity, Insulin/Carbohydrate Ratio, and Insulin Correction Factors in Diabetes from Self-Monitoring Data," filed December 17, 2009.
MM. International Patent Application No. PCT/US2008/069416 entitled "Method, System and Computer Program Product for Evaluation of Insulin Sensitivity, Insulin/Carbohydrate Ratio, and Insulin
Correction Factors in Diabetes from Self-Monitoring Data," filed July 8, 2008.
NN. U.S. Patent Application No. 12/664,444 entitled "Method, System and Computer Simulation Environment for Testing of Monitoring and Control Strategies in Diabetes," filed December 14, 2009.
OO. International Patent Application No. PCT/US2008/067725 entitled "Method, System and Computer Simulation Environment for Testing of Monitoring and Control Strategies in Diabetes," filed June 20, 2008.
PP. U.S. Patent Application No. 12/516,044 entitled "Method, System, and Computer Program Product for the Detection of Physical Activity by Changes in Heart Rate, Assessment of Fast Changing Metabolic States, and Applications of Closed and Open Control Loop in Diabetes," filed May 22, 2009; U.S. Patent No. 8,585,593, issued November 19, 2013.
QQ. International Patent Application No. PCT/US2007/085588 entitled "Method, System, and Computer Program Product for the Detection of Physical Activity by Changes in Heart Rate, Assessment of Fast Changing Metabolic States, and Applications of Closed and Open Control Loop in Diabetes," filed November 27, 2007.
RR. U.S. Patent Application No. 12/159,891 entitled "Method, System and Computer Program Product for Evaluation of Blood Glucose Variability in Diabetes from Self-Monitoring Data," filed July 2, 2008.
SS. International Patent Application No. PCT/US2007/000370 entitled "Method, System and Computer Program Product for Evaluation of Blood Glucose Variability in Diabetes from Self-Monitoring Data," filed January 5, 2007.
TT. U.S. Patent Application No. 12/139,976 entitled "Method, Apparatu and Computer Program Product for Assessment of Attentional Impairments," filed June 16, 2008; U.S. Patent No. 8,340,752, issued December 25, 2012.
UU. U.S. Patent Application No. 10/476,826 entitled "Method, Apparatus, and Computer Program Product for Assessment of Attentional Impairments," filed November 3, 2003; U.S. Patent No. 7,403,814, issued July 22, 2008.
VV. International Patent Application No. US02/14188 entitled "Method, Apparatus, and Computer Program Product for Assessment of Attentional Impairments," filed May 6, 2002.
WW. U.S. Patent Application No. 12/065,257 entitled "Accuracy of Continuous Glucose Sensors," filed February 28, 2008; U .S. Patent Application Publication No. 2008/0314395, December 25, 2008.
XX. International Patent Application No. PCT/US2006/033724 entitled "Method for Improvising Accuracy of Continuous Glucose Sensors and a Continuous Glucose Sensor Using the Same," filed August 29, 2006.
YY. U.S. Patent Application No. 11/943,226 entitled "Systems, Methods and Computer Program Codes for Recognition of Patterns of Hyperglycemia and Hypoglycemia, increased Glucose Variability, and ineffective Self-Monitoring in Diabetes," filed November 20, 2007; U.S. Patent Application Publication No. 2008/0154513, June 26, 2008.
ZZ. U.S. Patent Application No. 11/578,831 entitled "Method, System and Computer Program Product for Evaluating the Accuracy of Blood Glucose Monitoring Sensors/Devices," filed October 18, 2006; U.S. Patent No. 7,815,569, issued October 19, 2010.
AAA. International Patent Application No. US2005/013792 entitled "Method, System and Computer Program Product for Evaluating the Accuracy of Blood Glucose Monitoring Sensors/Devices," filed April 21, 2005.
BBB. U.S. Patent Application No. 10/592,883 entitled "Method, Apparatus, and Computer Program Product for Stochastic Psychophysiological Assessment of Attentional Impairments," filed September 15, 2006; U.S. Patent No. 7,761,144, issued July 20, 2010.
CCC. International Patent Application No. US2005/008908 entitled "Method, Apparatus, and Computer Program Product for Stochastic Psycho-physiological Assessment of Attentional Impairments," filed March 17, 2005.
DDD. U.S. Patent Application No. 10/524,094 entitled "Method, System, and Computer Program Product for the Processing of Self- Monitoring Blood Glucose (SMBG) Data To Enhance Diabetic Self- Management," filed February 9, 2005; U.S. Patent No. 8,538,703, issued September 17, 2013.
EEE. International Patent Application No. PCT/US2003/025053 entitled "Managing and Processing Self-Monitoring Blood Glucose," filed August 8, 2003.
FFF. International Patent Application No. PCT/US2002/005676 entitled "Method and Apparatus for the Early Diagnosis of Subacute, Potentially Catastrophic Illness," filed February 27, 2002.
GGG. U.S. Patent Application No. 09/793,653 entitled "Method and Apparatus for the Early Diagnosis of Subacute, Potentially Catastrophic Illness," filed February 27, 2001; U.S. Patent No. 6,804,551, issued October 12, 2004.
HHH. U.S. Patent Application No. 10/069,674 entitled "Method and Apparatus for Predicting the Risk of Hypoglycemia," filed February 22, 2002; U.S. Patent No. 6,923,763, issued August 2, 2005.
III. International Patent Application No. US00/22886 entitled "Method and Apparatus for Predicting the Risk of Hypoglycemia," filed August 21, 2000.
要約すれば、本発明が特定の実施形態に関して説明されたが、多くの変形、変更、改変、置換、および均等物が当業者には明らかであろう。本発明は、本明細書で説明した特定の実施形態により範囲が限定されるべきではない。実際、本明細書で説明したものに加えて本発明の様々な変形が、前述の説明および添付の図面から当業者には明らかであろう。したがって、本発明は、本開示の趣旨および範囲によってのみ限定されると見なされるべきであり、すべての変形および均等物を含む。
さらなる他の実施形態が、いくつかの例示的な実施形態の上述で詳述した詳細な説明および図面を読むことから当業者には容易に明らかになるであろう。数多くの変更、変形、および追加の実施形態が可能であり、したがって、すべてのそのような変更、変形、および実施形態は本願の趣旨および範囲内にあると見なされるべきであることが理解されるべきである。例えば、本願のあらゆる部分（例えば、名称、分野、背景、概要、要約、図面など）の内容に関係なく、逆のことが明記されない限り、本明細書の、または本願の優先権を主張する出願の特許請求項に、任意の特定の説明または図示されたアクティビティまたは要素、そのようなアクティビティの任意の特定のシーケンス、あるいはそのような要素の任意の特定の相互関係を含める必要はない。その上、任意のアクティビティは繰り返されてもよく、任意のアクティビティは多数のエンティティによって実行されてもよく、および／または任意の要素は重複されてもよい。さらに、任意のアクティビティまたは要素は除外することができ、アクティビティのシーケンスは変わることができ、および／または要素の相互関係は変わることができる。逆のことが明記されない限り、特に説明もしくは図示されたアクティビティもしくは要素、任意の特定のシーケンスもしくはそのようなアクティビティ、任意の特定のサイズ、速度、材料、寸法、もしくは頻度、またはそのような要素の任意の特定の相互関係への要件はない。それゆえに、説明および図面は本質的に例示と見なされるべきであり、限定と見なされるべきでない。その上、数または範囲が本明細書に記載されている場合、特に明記されない限り、その数または範囲は近似である。範囲が本明細書に記載されている場合、特に明記されない限り、その範囲は、その中のすべての値と、その中のすべてのサブ範囲とを含む。参照により本明細書に組み込まれているいかなる資料（例えば、米国／外国特許、米国／外国特許出願、書籍、記事など）のいかなる情報も、そのような情報と、本明細書に記載された他の記述および図面との間に矛盾が存在しない範囲においてのみ参照により組み込まれる。本明細書の請求項または本願で優先権を求める請求項を無効にする矛盾を含むそのような矛盾の場合には、参照資料によってそのように組み込まれているそのような矛盾する情報は、特に、参照により本明細書に組み込まれない。

Claims (19)

  1. 連続グルコースモニタリングシステム（ＣＧＭ）の精度を改善する方法であって、
    時間ｔに出力ＣＧＭ信号を得るステップと、
    雑音状態推定を使用して、時間ｔ＋ＰＨの前記ＣＧＭ信号の値を推定することによって、前記ＣＧＭ信号からランダム雑音を除去するステップであり、ＰＨが、事前選択された実時間短時間予測範囲である、除去するステップと、
    前記ＣＧＭ信号の前記推定値を前記出力ＣＧＭ信号の代わりに実時間で用いるステップと、
    前記ＣＧＭ信号の前記推定値を時間ｔの前記ＣＧＭ信号の真の値として使用するステップと
    を含む、方法。
  2. ２０分未満の予測範囲ＰＨを使用するステップをさらに含む、請求項１に記載の方法。
  3. ＢＧツーＩＧ動態システムの低域通過特性によって導入される遅延の一部を補償するステップをさらに含む、請求項１に記載の方法。
  4. ＢＧツーＩＧ動態システムの低域通過特性によって導入される遅延の一部を補償するステップをさらに含む、請求項２に記載の方法。
  5. 時間ｔにＣＧＭセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先の雑音推定アルゴリズムによって予測されたグルコース濃度を用いるステップをさらに含む、請求項１に記載の方法。
  6. 前記時間においてＰＨ分先の前記アルゴリズムが、
    である、請求項５に記載の方法。
  7. 確率文脈で前記アルゴリズムを発展させ、カルマンフィルタを使用して実装されるステップをさらに含む、請求項５に記載の方法。
  8. 実時間利用でのみＣＧＭデータを使用するステップをさらに含む、請求項１に記載の方法。
  9. 連続グルコースモニタリング（ＣＧＭ）センサの精度を改善する方法であって、
    実時間短時間予測範囲を使用してＣＧＭ読みにおけるランダム雑音と較正エラーとを低減することによって、前記読みの精度を改善するステップと、
    ベイズ平滑化基準に結合されたカルマンフィルタ（ＫＦ）をその未知パラメータの推定のために使用することによって前記ＣＧＭ読みを雑音除去するステップと
    を含む、方法。
  10. 連続グルコースモニタリングセンサの精度を改善するためのシステムであって、
    デジタルプロセッサと、
    前記デジタルプロセッサと通信する連続グルコースモニタリング（ＣＧＭ）センサであり、グルコース信号を生成するように構成された、連続グルコースモニタリング（ＣＧＭ）センサと、
    前記連続グルコースモニタリング（ＣＧＭ）センサからの前記グルコース信号を受け取り、前記ＣＧＭ信号の実時間雑音除去値を推定するために実時間短時間グルコース予測範囲（ＰＨ）を使用してランダム雑音と較正エラーとを低減することによって改善した精度のＣＧＭ信号を生成する雑音除去モジュールと
    を含む、システム。
  11. 前記雑音除去モジュールが、２０分未満の予測範囲ＰＨを使用するように構成される、請求項１０に記載のシステム。
  12. 前記雑音除去モジュールが、ＢＧツーＩＧ動態システムの低域通過特性によって導入される遅延の一部を補償するように構成される、請求項１０に記載のシステム。
  13. 前記雑音除去モジュールが、時間ｔにＣＧＭセンサによる出力で与えられた、ＣＧＭ（ｔ）と名付けられた、現在のＣＧＭ値に代えて、時間においてＰＨ分先の先の雑音推定アルゴリズムによって予測されたグルコース濃度を用いるように構成される、請求項１０に記載のシステム。
  14. 前記時間においてＰＨ分先の前記アルゴリズムが、
    である、請求項１３に記載のシステム。
  15. 前記アルゴリズムが、確率文脈で発展され、カルマンフィルタを使用して実装される、請求項１３に記載のシステム。
  16. 前記アルゴリズムが、確率文脈で発展され、カルマンフィルタを使用して実装される、請求項１４に記載のシステム。
  17. 前記雑音除去アルゴリズムが、実時間利用でのみＣＧＭデータを使用する、請求項１３に記載のシステム。
  18. 前記雑音除去アルゴリズムが、実時間利用でのみＣＧＭデータを使用する、請求項１４に記載のシステム。
  19. 短時間予測範囲ＰＨを使用して、時間ｔに得られたＣＧＭデータを時間ｔ＋ＰＨのカルマンフィルタに適用し、時間ｔ＋ＰＨのＣＧＭ信号の推定値を時間ｔに得られた実時間ＣＧＭ信号値の代わりに用いることによって時間ｔ＋ＰＨのＣＧＭ信号の値を推定することによって、時間ｔに測定された連続グルコースモニタリング（ＣＧＭ）センサ信号の精度を向上させる方法。
JP2017528764A 2014-08-14 2015-08-14 改善された精度の連続グルコースモニタリング方法、システム、およびデバイス Pending JP2017527421A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462037133P 2014-08-14 2014-08-14
US62/037,133 2014-08-14
PCT/US2015/045340 WO2016025874A1 (en) 2014-08-14 2015-08-14 Improved accuracy continuous glucose monitoring method, system, and device

Publications (1)

Publication Number Publication Date
JP2017527421A true JP2017527421A (ja) 2017-09-21

Family

ID=55304683

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017528764A Pending JP2017527421A (ja) 2014-08-14 2015-08-14 改善された精度の連続グルコースモニタリング方法、システム、およびデバイス

Country Status (7)

Country Link
US (2) US10881334B2 (ja)
EP (1) EP3179914A4 (ja)
JP (1) JP2017527421A (ja)
CN (1) CN106999110A (ja)
AU (4) AU2015301454A1 (ja)
CA (1) CA2958067C (ja)
WO (1) WO2016025874A1 (ja)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11069434B2 (en) * 2010-03-11 2021-07-20 University Of Virginia Patent Foundation Method and system for the safety, analysis and supervision of insulin pump action and other modes of insulin delivery in diabetes
CA2958067C (en) 2014-08-14 2023-03-14 University Of Virginia Patent Foundation Improved accuracy continuous glucose monitoring method, system, and device
CN109069073B (zh) 2016-05-02 2022-06-28 德克斯康公司 用于提供针对用户优化的告警的系统和方法
JP7442316B2 (ja) 2016-09-09 2024-03-04 デックスコム・インコーポレーテッド 表示のためおよび医薬品送達デバイスに提供するための、ｃｇｍに基づくボーラス計算機のためのシステムおよび方法
CN110494568B (zh) * 2017-03-31 2024-03-19 龟甲万株式会社 使用fad依赖性葡糖脱氢酶的连续葡萄糖监测
US11045142B1 (en) 2017-04-29 2021-06-29 Biolinq, Inc. Heterogeneous integration of silicon-fabricated solid microneedle sensors and CMOS circuitry
AU2018261124B2 (en) 2017-05-05 2021-01-28 Ypsomed Ag Closed loop control of physiological glucose
EP3729446A1 (en) 2017-12-21 2020-10-28 Eli Lilly and Company Closed loop control of physiological glucose
US20190251456A1 (en) 2018-02-09 2019-08-15 Dexcom, Inc. System and method for decision support
US12020797B2 (en) 2018-06-22 2024-06-25 Ypsomed Ag Insulin and pramlintide delivery systems, methods, and devices
US20210145370A1 (en) * 2019-11-19 2021-05-20 University Of Louisiana At Lafayette Glucose monitorying method and system
JP7319742B2 (ja) 2020-07-29 2023-08-02 バイオリンク インコーポレイテッド 微小針アレイを伴う持続的分析物監視システム
SE2330048A1 (en) 2021-05-08 2023-01-25 Biolinq Incorporated Fault detection for microneedle array based continuous analyte monitoring device
US11792714B2 (en) * 2021-06-16 2023-10-17 Medtronic Minimed, Inc. Medicine administration in dynamic networks
CN114081484B (zh) * 2021-11-24 2024-02-27 上海微创生命科技有限公司 连续血糖检测方法、系统及可读存储介质
US11855949B2 (en) * 2022-05-10 2023-12-26 Yahoo Ad Tech Llc Companion user accounts

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7016713B2 (en) * 1995-08-09 2006-03-21 Inlight Solutions, Inc. Non-invasive determination of direction and rate of change of an analyte
US6804551B2 (en) 1998-03-17 2004-10-12 University Of Virginia Patent Foundation Method and apparatus for the early diagnosis of subacute, potentially catastrophic illness
JPH11330283A (ja) 1998-05-15 1999-11-30 Toshiba Corp 半導体モジュール及び大型半導体モジュール
SE518761C2 (sv) 1998-10-15 2002-11-19 Whirlpool Co Mikrovågsugn med grillanordning
US7806886B2 (en) 1999-06-03 2010-10-05 Medtronic Minimed, Inc. Apparatus and method for controlling insulin infusion with state variable feedback
US6923763B1 (en) 1999-08-23 2005-08-02 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
CA2382228A1 (en) 1999-08-23 2001-03-01 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
CA2404262C (en) 2000-03-29 2009-03-24 University Of Virginia Patent Foundation Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data
FR2813068B1 (fr) 2000-08-16 2002-12-06 Jean Hauville Outil de prehension d'un objet creux lourd, en vue de son deplacement
US6575905B2 (en) * 2000-09-22 2003-06-10 Knobbe, Lim & Buckingham Method and apparatus for real-time estimation of physiological parameters
TW571287B (en) 2001-02-20 2004-01-11 Au Optronics Corp Display with dot inversion or column inversion and having power-saving function
EP1392161A4 (en) 2001-05-04 2008-02-20 Univ Virginia PROCESS, DEVICE AND COMPUTER PROGRAM PRODUCT FOR ASSESSING ATTENTION DEFICITS
ES2456068T3 (es) 2002-08-13 2014-04-21 University Of Virginia Patent Foundation Método, sistema y producto de programa informático para el procesamiento de datos de auto-supervisión de glucemia (SMBG) para mejorar la autogestión diabética
EP2329813A1 (en) 2002-11-26 2011-06-08 University of Maryland, Baltimore Aqueous sustained-release drug delivery system for highly water-soluble electrolytic drugs
US20050008908A1 (en) 2003-06-27 2005-01-13 Ultracell Corporation Portable fuel cartridge for fuel cells
EP2316331B1 (en) * 2003-12-09 2016-06-29 Dexcom, Inc. Signal processing for continuous analyte sensor
CA2559489A1 (en) 2004-03-18 2005-09-29 University Of Virginia Patent Foundation Method, apparatus, and computer program product for stochastic psycho-physiological assessment of attentional impairments
US7815569B2 (en) 2004-04-21 2010-10-19 University Of Virginia Patent Foundation Method, system and computer program product for evaluating the accuracy of blood glucose monitoring sensors/devices
US20080314395A1 (en) 2005-08-31 2008-12-25 Theuniversity Of Virginia Patent Foundation Accuracy of Continuous Glucose Sensors
RU2477078C2 (ru) 2006-01-05 2013-03-10 Юниверсити Оф Вирджиния Пэйтент Фаундейшн Способ, система и компьютерный программный продукт для оценки изменчивости содержания глюкозы в крови при диабете по данным самоконтроля
CN102772212A (zh) 2006-10-26 2012-11-14 雅培糖尿病护理公司 检测被分析物传感器中的信号衰减的方法、设备和系统
US8585593B2 (en) 2006-11-27 2013-11-19 University Of Virginia Patent Foundation Method, system, and computer program product for the detection of physical activity by changes in heart rate, assessment of fast changing metabolic states, and applications of closed and open control loop in diabetes
US20080154513A1 (en) 2006-12-21 2008-06-26 University Of Virginia Patent Foundation Systems, Methods and Computer Program Codes for Recognition of Patterns of Hyperglycemia and Hypoglycemia, Increased Glucose Variability, and Ineffective Self-Monitoring in Diabetes
US10546659B2 (en) 2007-06-21 2020-01-28 University Of Virginia Patent Foundation Method, system and computer simulation environment for testing of monitoring and control strategies in diabetes
BRPI0813708A2 (pt) 2007-07-09 2014-12-30 Univ Virginia Patent Found Método, sistema e produto de programa de computador para avaliação de sensibilidade a insulina, coeficiente de insulina / carboidrato, e fatores de correção de insulina em diabetes a partir de dados de auto-monitoramento
WO2009026381A2 (en) 2007-08-21 2009-02-26 University Of Virginia Patent Foundation Method, computer program product and system for individual assessment of alcohol sensitivity
WO2010062898A1 (en) 2008-11-26 2010-06-03 University Of Virginia Patent Foundation Method, system, and computer program product for tracking of blood glucose variability in diabetes
EP4043878A1 (en) 2009-02-25 2022-08-17 The University of Virginia Patent Foundation Method, system and computer program product for cgm-based prevention of hypoglycemia via hypoglycemia risk assessment and smooth reduction insulin delivery
EP4227952A1 (en) 2009-05-29 2023-08-16 University Of Virginia Patent Foundation System coordinator and modular architecture for open-loop and closed-loop control of diabetes
US11238990B2 (en) 2009-06-26 2022-02-01 University Of Virginia Patent Foundation System, method and computer simulation environment for in silico trials in pre-diabetes and type 2 diabetes
CN102596307B (zh) 2009-09-01 2015-09-09 弗吉尼亚大学专利基金会 利用名义开环特性在糖尿病中进行胰岛素输送调节(aid)的系统、方法和计算机程序产品
US10431342B2 (en) 2009-09-02 2019-10-01 University Of Virginia Patent Foundation Tracking the probability for imminent hypoglycemia in diabetes from self-monitoring blood glucose (SMBG) data
WO2011051922A2 (en) * 2009-11-02 2011-05-05 Università Degli Studi Di Padova Method to recalibrate continuous glucose monitoring data on-line
US11069434B2 (en) 2010-03-11 2021-07-20 University Of Virginia Patent Foundation Method and system for the safety, analysis and supervision of insulin pump action and other modes of insulin delivery in diabetes
EP4183326A1 (en) 2010-03-26 2023-05-24 University Of Virginia Patent Foundation Method, system, and computer program product for improving the accuracy of glucose sensors using insulin delivery observation in diabetes
US20110313680A1 (en) 2010-06-22 2011-12-22 Doyle Iii Francis J Health Monitoring System
AU2012272668B2 (en) 2011-06-23 2017-02-02 University Of Virginia Patent Foundation Unified platform for monitoring and control of blood glucose levels in diabetic patients
CA2840352A1 (en) 2011-06-23 2012-12-27 University Of Virginia Patent Foundation Method and apparatus for modular power management and protection of critical services in ambulatory medical devices
EP2748747B1 (en) 2011-08-26 2020-08-26 University Of Virginia Patent Foundation Method, system and computer readable medium for adaptive advisory control of diabetes
EP2880175A4 (en) 2012-08-03 2016-04-06 Univ Virginia Patent Found COMPUTER SIMULATION FOR CHECKING AND MONITORING TREATMENT STRATEGIES FOR STRESS-RELATED HYPERGLYCEMIA
US9227014B2 (en) 2013-02-07 2016-01-05 The Board Of Trustees Of The Laland Stanford Junior University Kalman filter based on-off switch for insulin pump
CA2902042C (en) 2013-02-21 2021-09-07 University Of Virginia Patent Foundation Tracking changes in average glycemia in diabetics
US10169544B2 (en) 2013-07-03 2019-01-01 University Of Virginia Patent Foundation Simulation of endogenous and exogenous glucose/insulin/glucagon interplay in type 1 diabetic patients
CA2958067C (en) 2014-08-14 2023-03-14 University Of Virginia Patent Foundation Improved accuracy continuous glucose monitoring method, system, and device

Also Published As

Publication number Publication date
US10881334B2 (en) 2021-01-05
AU2021200374B2 (en) 2022-10-20
AU2023200213A1 (en) 2023-02-16
CA2958067C (en) 2023-03-14
AU2015301454A1 (en) 2017-03-09
EP3179914A1 (en) 2017-06-21
US20210113122A1 (en) 2021-04-22
EP3179914A4 (en) 2018-04-11
AU2018236794A1 (en) 2018-10-18
AU2021200374A1 (en) 2021-03-18
AU2023200213B2 (en) 2024-06-06
US20170273607A1 (en) 2017-09-28
CA2958067A1 (en) 2016-02-18
AU2018236794B2 (en) 2020-10-22
WO2016025874A1 (en) 2016-02-18
CN106999110A (zh) 2017-08-01

Similar Documents

Publication Publication Date Title
AU2021200374B2 (en) Improved accuracy continuous glucose monitoring method, system, and device
Facchinetti et al. Model of glucose sensor error components: identification and assessment for new Dexcom G4 generation devices
Ali et al. Continuous blood glucose level prediction of type 1 diabetes based on artificial neural network
US10709392B2 (en) Sensor fault detection using analyte sensor data pattern comparison
El-Laboudi et al. Measures of glycemic variability in type 1 diabetes and the effect of real-time continuous glucose monitoring
Facchinetti et al. Enhanced accuracy of continuous glucose monitoring by online extended kalman filtering
CN107771056B (zh) 经皮分析物传感器和监视器、其校准以及相关联方法
US20220208388A1 (en) Method, system, and computer readable medium for virtualization of a continuous glucose monitoring trace
EP3204880A1 (en) System and method for data analytics and visualization
Facchinetti et al. An online self-tunable method to denoise CGM sensor data
Sivananthan et al. Assessment of blood glucose predictors: the prediction-error grid analysis
Zanon et al. Non-invasive continuous glucose monitoring: improved accuracy of point and trend estimates of the multisensor system
Mahmoudi et al. Comparison between one-point calibration and two-point calibration approaches in a continuous glucose monitoring algorithm
Zanon et al. First experiences with a wearable multisensor device in a noninvasive continuous glucose monitoring study at home, part II: the investigators’ view
CN109935331B (zh) 一种基于多模型动态综合的血糖预测方法及系统
Mahmoudi et al. A multistep algorithm for processing and calibration of microdialysis continuous glucose monitoring data
Mahmoudi et al. Accuracy evaluation of a new real-time continuous glucose monitoring algorithm in hypoglycemia
Acciaroli et al. Toward calibration-free continuous glucose monitoring sensors: bayesian calibration approach applied to next-generation dexcom technology
AU2018221033B2 (en) System and method for body mass index relation to patient differing psychological stress effect on blood glucose dynamics in patients with insulin dependent diabetes
CN114145738B (zh) 分析物浓度数据生成方法和装置、监测分析物水平的系统
Garnica et al. Noise spectral analysis and error estimation of continuous glucose monitors under real-life conditions of diabetes patients
Laguna et al. Postprandial performance of Dexcom® SEVEN® PLUS and Medtronic® Paradigm® Veo™: Modeling and statistical analysis
Camerlingo et al. Bayesian denoising algorithm dealing with colored, non-stationary noise in continuous glucose monitoring timeseries
CN115394440A (zh) 基于模型融合的葡萄糖浓度预测方法及相关设备