JP2021129693A - 心臓疾患重症度判定システム - Google Patents

Abstract

【課題】生物の心臓疾患の重症度を判定するための技術を提供する。【解決手段】測定対象の動物の心拍数を取得するための心拍センサ４００と、測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリ１０２と、テーブルと、心拍センサによって測定された心拍数とを比較し、測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システムが提供される。【選択図】図２

Description

以下の開示は、動物の心臓疾患の重症度を判定するための技術に関する。

従来から、動物の心臓疾患の重症度を判定するための技術が知られている。例えば、特開２００７−１９５８１７号公報（特許文献１）には、動物の生体信号の検出装置が開示されている。特許文献１によると、犬の生体信号を検出するための生体信号検出手段と、この生体信号検出手段を、該被検体の生体信号を好適に検出することのできる検出部位に密着的に装着するための装着部材と、生体信号検出手段によって検出された生体信号を出力するための出力手段とを備え、検出部位が犬の心臓位置の胸部における心臓を挟む両側部分であって、生体信号検出手段がその２箇所にそれぞれ１つ以上配設されるように構成されることを特徴とする生体信号の検出装置が提供される。

また、非特許文献１によると、キャバリア（犬種名）では、18の心拍変動指標（すべてP <.0002）および3つの不整脈の指標（すべてP <.0004）はMMVD重症度の増加とともに減少し、最小心拍数および平均心拍数（すべてP <.0001）はMMVD重症度の増加とともに増加した。洞性不整脈（「早期正常」）（P <.0001）およびHRV変数三角指数（TI）（P <.0001）を表す不整脈変数は、特定の間隔で中等度または重度の僧帽弁逆流を伴うキャバリアとうっ血性心不全のキャバリアとを区別できる。また、うっ血性心不全の犬では、ホルター由来の変数は犬種間で差がなかった、と報告されている。

特開２００７−１９５８１７号公報 Heart rate, heart rate variability, and arrhythmias in dogs with myxomatous mitral valve disease. Rasmussen CE1, Falk T, Zois NE, Moesgaard SG, Haggstrom J, Pedersen HD, Ablad B, Nilsen HY, Olsen LH. J Vet Intern Med. 2012 Jan-Feb;26(1):76-84. doi: 10.1111/j.1939-1676.2011.00842.x. Epub 2011 Dec 13.

本開示の目的は、動物の心臓疾患の重症度を判定するための技術を提供することにある。

本開示の一態様に従うと、測定対象の動物の心拍数を取得するための心拍センサと、測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリと、テーブルと、心拍センサによって測定された心拍数とを比較し、測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システムが提供される。

以上のように、本開示によれば、動物の心臓疾患の重症度を判定するための技術が提供される。

第１の実施の形態にかかる生体情報処理システム１の全体構成を示す図である。 第１の実施の形態にかかる生体情報処理システム１の物理的な構成を示すブロック図である。 第１の実施の形態にかかる生体情報処理システム１の論理的な構成を示すブロック図である。 第１の実施の形態にかかるサーバ１００の処理手順を示すフローチャートである。 第１の実施の形態にかかる心拍数と心臓疾患の重症度との対応関係を示す図面である。 第２の実施の形態にかかるサーバ１００の処理手順を示すフローチャートである。 第２の実施の形態にかかる心拍数と自律神経バランスと心臓疾患の重症度との対応関係を示す図面である。 第２の実施の形態にかかる通常の心電データを示す図面である。 第２の実施の形態にかかる拍動タイミングおよび拍動間隔のデータを示す図である。 第２の実施の形態にかかるサーバ１００の自律神経バランスを算出するための処理手順を示すフローチャートである。 第２の実施の形態にかかる拍動間隔Ｒ−Ｒ（ｎ）とその次の拍動間隔Ｒ−Ｒ（ｎ＋１）との拍動間隔テーブルからＹ＝Ｘ方向とそれに垂直な方向の軸への変換を示すイメージ図である。 第２の実施の形態にかかる犬の精神的状態または肉体的状態毎の、Ｙ＝Ｘ軸に関する標準偏差と、Ｙ＝Ｘと垂直な軸に関する標準偏差との目安を示す表である。 第３の実施の形態にかかるサーバ１００の処理手順を示すフローチャートである。 第３の実施の形態にかかる４種類の分類機の例を示すイメージ図である。 第３の実施の形態にかかる年齢別の４種類の分類機の例を示すイメージ図である。 第３の実施の形態にかかる年齢と心拍数最小値と心拍数平均値とに応じた４種類の分類の分類機の例を示すイメージ図である。 第３の実施の形態にかかる複数の２種類の分類機の例を示すイメージ図である。 (ａ) 第４の実施の形態に係る生体情報処理システムの一部の構成を示す図であり、(ｂ)第４の実施の形態にかかる生体情報処理システム１の物理的な一部の構成を示すブロック図である。 第４の実施の形態にかかる安静時と非安静時における圧力センサのアウトプットを示すイメージ図である。 第４の実施の形態にかかる信号処理装置５００の処理手順を示すフローチャートである。

以下、図面を参照しつつ、本開示の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。なお、本願では、「動物」とは、犬や猫、牛、馬、羊、山羊などの哺乳類、鶏や鳥類などに代表される心臓を持つ生物を指す。また、「心臓疾患」とは、虚血性心疾患、弁膜症、不整脈、心不全などの心臓に関わる疾患を指す。
＜第１の実施の形態＞
＜生体情報処理システムの全体構成＞

まず、図１を参照して、本実施の形態にかかる生体情報処理システム１の全体構成について説明する。図１は、本実施の形態にかかる生体情報処理システム１の全体構成を示す図である。本実施の形態にかかる生体情報処理システム１は、呼吸性の不整脈を有する動物にも適用することができる。なお、以下では、犬の僧帽弁閉鎖不全症（以下、ＭＲと称する場合もある。）の進行度を判断する場合について説明する。

本実施の形態にかかる生体情報処理システム１は、心拍センサ(Heart rate sensor)４００と、心電信号を処理するための信号処理装置５００と、信号処理装置５００と通信可能な結果出力装置としての通信端末３００と、各種の演算を実行して演算結果を提供するクラウド上のサーバ１００とを含む。

心拍センサ４００は、心電取得用の電極(Electrode)であってもよい。心電取得用の電極は、犬の胸部等において、心臓部を挟むような位置に取り付けることが望ましく、例えば、両前足（または、前足と後ろ足）の肉球部など毛の生えていない場所であってもよい。特に、測定の精度の観点において、毛を刈った部分に電極を取り付けることが望ましい。犬の毛が刈れない場合、電極４０は、犬と接触する部分に導電性を改善するためのゲルが塗布されている構成であること、または、突起状の構造を持ち、毛があっても皮膚と接触する構成であることが望ましい。あるいは、容量性結合電極などを用いることにより、毛がある状態で皮膚に電極が直接触れることがなくても心電を誘導する形態が望ましい。それにより、犬等の表皮が毛に覆われた動物であっても心電を取得することが可能となる。電極は、２個以上であればよく、さらに、多くの電極を使用する構成としてもよい。
また、心拍センサ４００は、心電取得用の電極に限定されず、脈波を測定し、光電脈波法により心拍を検出するためのフォトダイオード(Photodiode)やＬＥＤなどの発光素子や、心音を測定し、心音図方により心拍を検出するためのマイク(Microphone)であってもよい。
＜生体情報処理システムの物理的な構成＞

次に、図２を参照して、本実施の形態にかかる生体情報処理システム１の物理的な構成について説明する。

まず、心拍センサ４００は、信号処理装置５００と接続され、動物の心拍を測定するための情報をアナログ信号にし、情報処理装置５００に送る。動物の心拍を測定するための情報は、例えば、心拍センサ４００が心電取得用の電極の場合、心電信号である。

次に、信号処理装置５００は、心拍センサ４００などと接続されて、ベルトなどを利用して動物に取り付けられる。信号処理装置５００は、ＣＰＵ（Central Processing Unit）５０１や、メモリ(Memory)５０２や、通信インターフェイス(Communication interface)５０６や、センサ類などを搭載する。センサ類としては、動物の動きを検知する加速度センサ(Acceleration sensor)５０３や、心拍センサ４００から送られた心電信号等のアナログ信号を処理するアナログＩＣや、赤外線センサや、温度センサや、湿度センサなどが搭載される。信号処理装置５００は、心拍センサ４００から取得した心電信号等のアナログ信号に基づいて、拍動タイミングや拍動間隔や心拍数などの生体情報を取得して、通信端末３００を介して、サーバ１００に提供する。信号処理装置５００から通信端末１００に生体情報などの情報を送信する手段は、特に限定されず、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉ−Ｆｉなどの無線通信手段や、Ｅｔｈｅｍｅなどの有線通信手段を用いることができる。

次に、通信端末３００は、信号処理装置５００のＧａｔｅＷａｙの役割を果たしたり、ユーザに対する情報の出力の役割を果たしたりする。通信端末３００は、ＣＰＵ３０１や、メモリ３０２や、情報を出力するためのディスプレイ(Display)３０３や、通信インターフェイス(Communication interface)３０６などを搭載する。

次に、サーバ１００は、信号処理装置５００が取得したり測定したデータを受信して、各種の演算を行ったり、演算結果を通信端末３００や信号処理装置５００に提供したりする。サーバ１００は、ＣＰＵ１０１や、メモリ１０２や、通信インターフェイス(Communication interface)１０６などを搭載する。通信端末３００とサーバ１００間の情報の送受信する手段は、特に限定されず、公知の技術を利用することができる。
＜生体情報処理システムの論理的な構成＞

次に、図３を参照して、本実施の形態にかかる生体情報処理システム１の論理的な構成について説明する。

また、本実施の形態においては、サーバ１００のメモリ１０２は、各種の判断を行うための閾値を記憶する。

サーバ１００のＣＰＵ１０１が、メモリ１０２のプログラムを実行することによって、判断部Determination section）１１０や、テーブル更新部１３０（Table Updating section）や、通知生成部（Information generating section）１５０を実現する。判断部(Determination section)１１０は、ＣＰＵで制御する種々の判断を行う回路を指し、例えば、測定データと閾値とを比較することによって各種の判断を行う。テーブル更新部１３０は、機械学習などを行うことによって、各種の閾値をより正確な数値に更新していく。通知生成部１５０は、判断結果に基づいて、通信端末３００や信号処理装置５００に送信するための送信データを作成したり、ディスプレイから出力するためのテキストデータや画像データを作成したりする。

サーバ１００の通信インターフェイス１０６は、送信データを通信端末３００や信号処理装置５００に送信したり、テキストデータや画像データを自身のディスプレイ（不図示）に表示したり、音声データを自身のスピーカ(不図示)から出力したりする。
＜サーバ１００の情報処理＞

次に、図４を参照して、本実施の形態にかかるサーバ１００による僧帽弁閉鎖不全症の進行度を特定するための情報処理について説明する。なお、図４は、本実施の形態---にかかる信号処理装置５００が実行する全体処理を示すフローチャートである。なお、図４のフローチャートで示す処理は、信号処理装置５００にて被測定対象の動物の測定が終わった後に動作を開始するものとする。

まず、ＣＰＵ１０１は、通信インターフェイス１０６を介して、犬などの被測定対象の動物の過去に診断されたＭＲの進行度ＡＣｅおよびその他の固有情報の入力を受け付ける（ステップＳ１０２）。なお、被測定対象の動物が犬の場合、この固有情報には、犬種、年齢、などが含まれる。

次に、ＣＰＵ１０１は、通信インターフェイス１０６を介して、信号処理装置５００から拍動タイミングや拍動間隔、心拍数などを取得する（ステップＳ１０４）。図４では、ｎ分間の1分毎の心拍数Ｐ１〜Ｐｎを取得する。Ｐ１〜Ｐｎは、それぞれいつ取得されたかを示す時刻情報と関連付けられ、例えばＰ１は測定開始直後、Ｐ５は測定開始５分後、Ｐｎは測定開始ｎ分後の心拍数を示すこととする。

ＣＰＵ１０１は、通信インターフェイス１０６を介して、信号処理装置５００から加速度や加速度の変化量Δａを取得する（ステップＳ１０６）。Δａも前述Ｓ１０４の心拍数と同様に、いつ取得されたかを示す時刻情報と関連付けられたΔａ１〜Δａｎで構成されるものとする。

ＣＰＵ１０１は、各測定データ（図４では心拍数Ｐ１〜Ｐｎ）を取得した各時刻において被測定対象の動物が安静であったか否かを判断する（ステップＳ１０８）。被測定対象の動物が安静であるか否かを判断するために、ＣＰＵ１０１は、加速度の変化量Δａ１〜Δａｎがそれぞれ所定値よりも小さい場合（例えば、Δａ＜０．０５ｍ／ｓ^２）に、被測定対象の動物が安静である時刻だったと判断し、該当する時刻の心拍数データをＰＰとする。

なお、上述のＳ１０４からＳ１０８は、被測定対象の動物の測定が終わった後に動作を開始するものとして説明したが、測定中に動作を行っても構わない。例えば、所定の時間ごと（例えば１分おき）に心拍数データＰ、加速度データΔａを取得し、Δａを参照し安静であると判定される場合に当該心拍数データＰを「安静時の心拍数データ」としてＰＰに追加、或いは、Δａを参照し安静ではないと判定される場合には当該心拍数データＰを「安静時の心拍数データではない」としてＰＰに追加しない、という形で動作させることができる（不図示）。また、心拍数データＰを取得（Ｓ１０４）した後で、取得した加速度変化量Δａ（Ｓ１０６）に基づいてＰＰに入れる心拍数を抽出する（Ｓ１０８）としたが、順序を入れ替え、加速度変化量Δａを取得（Ｓ１０６）した後、Δａが所定の条件を満たす（Ｓ１０８）場合に心拍数データを取得しＰＰとするよう動作させてもよいことは言うまでもない。

ＣＰＵ１０１は、当該安静と判断された期間に測定された心拍数ＰＰの平均値と、数値範囲記憶手段１２０に記憶されている疾患の進行度毎の心拍数とを比較して、心拍数の平均値Ｐに対応する疾患の進行度ＡＣｊを特定する（ステップＳ１１２）。

なお、本実施の形態においては、安静時の心拍数ＰＰの平均値を利用するものであるが、安静時には限られないし、平均値にも限られない。たとえば、単なる心拍数を利用してもよいし、心拍数の最小値と利用したり、心拍数の最大値を利用したり、心拍数の最頻値を利用したりしてもよい。

より詳細には、図５（ａ）示されたグラフは、健康な犬と、僧帽弁閉鎖不全症が進行中の犬と、に関する平均心拍数の分布を示す。当該分布に基づいて、図５（ｂ）に示されたグラフは、図５（ａ）に示した平均心拍数の分布に基づき、健康な犬と、僧帽弁閉鎖不全症の進行度毎の犬と、に関する平均心拍数の範囲を示す。図５（ａ）および図５（ｂ）の横軸に記載されたＮ、Ａ、Ｂ１、Ｂ２、Ｃ１、Ｃ１は、僧帽弁閉鎖不全症の進行度を示す一つの指標であるＡＣＶＩＭ分類を指す。ＡＣＶＩＭ分類は、アメリカ獣医内科学学会（ＡＣＶＩＭ）によって提唱された心不全分類である。ＡＣＶＩＭ分類の各項目の説明を表１に示す。このような進行度に応じた範囲を示すデータがメモリ１０２に格納されている。ＣＰＵ１０１は、特定された心拍数の平均値がいずれの範囲に属するかを特定することによって、被測定動物の疾患の進行度を特定する。なお、ＡＣＶＩＭ分類のＡは疾患の有無ではなく、心疾患になりやすい犬種に付与される分類であるため、図５（ｂ）の横軸には示していない。また、ＡＣＶＩＭ分類のＣ１、Ｄ１は急性期に付与される分類であり、そのステージが維持されることはないため、図５（ｂ）の横軸には示していない。また、ＡＣＶＩＭ分類のＤ２は難治性心不全を示す分類であり、医師診断で分類が変わる可能性が低く、既に定期的な診断を受ける必要があるため、図５の横軸には示していない。

図４に戻って、ＣＰＵ１０１は、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症であるか否かを判断する（ステップＳ１１６）。

ＣＰＵ１０１は、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症である場合、通知生成部１５０として、進行度に応じた通知、たとえば受診を進めるためのメッセージなど、を作成する（ステップＳ１１８）。

或いは、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症でない場合、ＣＰＵ１０１は、「症状は安定していますね」など、目立った進行が確認できない旨のメッセージなどを生成する（ステップＳ１１８）。この場合は、ステップＳ１０４からの処理を繰り返してもよい。

このように、本実施の形態においては、心拍センサ４００によって測定された心拍数の値から、僧帽弁閉鎖不全症の進行度を予測したり、警告を通知したりするため、早期に心臓疾患に気が付くことが可能になる。
＜第２の実施の形態＞

上記の実施の形態においては、心拍数に基づいて僧帽弁閉鎖不全症の進行度を予測するものであった。本実施の形態においては、心拍数だけでなく、自律神経バランスにも基づいて心臓疾患の進行度を特定するものである。

図６を参照して、本実施の形態にかかるサーバ１００による情報処理について説明する。なお、図４に示した各ステップと同じ部品番号を付したステップについては同じ動作であるため説明を省略する。また前述のＳ１０４からＳ１０８の別の動作形態についても同様であるため、これも説明を繰り返さない。

ＣＰＵ１０１は、当該被測定対象の動物が安静であると判定された時刻（ＰＰに含まれる心拍数がそれぞれ関連付けられた時刻）における自律神経バランスＡを算出する（ステップＳ２１０）。当該自律神経バランスＡを算出するステップにおいては、安静であると判定された各時刻における拍動間隔情報を元に算出する。自律神経バランスＡの詳しい算出方法については後述する。

ＣＰＵ１０１は、メモリ１０２に記憶されている疾患の進行度毎の心拍数と自律神経バランスとの対応関係を参照して、当該安静と判断された期間に測定された心拍数ＰＰおよび自律神経バランスＡとの関係に近い疾患の進行度ＡＣｊを特定する（ステップＳ２１２）。より具体的には、心拍数ＰＰの平均値と、自律神経バランスＡの平均値を用いるものとする。

より詳細には、図７のグラフのように、健康な犬および僧帽弁閉鎖不全症の進行度毎の犬、に関する心拍数と自律神経バランスとの組み合わせに基づいて、今回測定された心拍数ＰＰの平均値と、自律神経バランスＡの平均値との関係に近い疾患の進行度ＡＣｊを特定する。図７に示すグラフの横軸は心拍数を示し、縦軸は自律神経バランスを示す。また、グラフ上のＸ座標が被測定対象の犬の測定結果を示す座標（ｈＸ、ａＸ）を示す。また、Ｎの座標（ｈＮ、ａＮ）およびＢ１の座標（ｈＢ１、ａＢ１）、Ｂ２の座標（ｈＢ２、ａＢ２）、Ｃ２の座標（ｈＣ２、ａＣ２）が、それぞれ医師に診断されたＡＣＶＩＭ分類毎に分類された犬の過去の測定データの平均値を示す指標座標である。ここで、ＣＰＵ１０１は、被測定対象の犬の測定結果であるＸ座標と、それぞれの指標座標との距離を算出し、最も近接の座標を特定し、被測定対象の犬のＡＣＶＩＭ分類ＡＣｊを判定する。

なお、本実施の形態においては、Ｘ座標は、所定期間の平均値であるが、平均値に限らず代表値や中間値などであってもよい。また、Ｎ座標やＢ１座標やＢ２座標やＣ座標も、医師に診断されたＡＣＶＩＭ分類毎に分類された犬の過去の測定データの平均値を示す指標座標であってもよいし、比較基準としやすい代表値や目印であってもよい。

図６に戻って、ＣＰＵ１０１は、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症であるか否かを判断する（ステップＳ１１６）。

ＣＰＵ１０１は、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症である場合、通知生成部１５０として、進行度に応じた通知、たとえば受診を勧めるためのメッセージなど、を作成する（ステップＳ１１８）。

判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症でない場合、ＣＰＵ１０１は、「症状は安定していますね」など、目立った進行を確認できない旨のメッセージなどを生成する（ステップＳ１１８）。この場合は、ステップＳ１０４からの処理を繰り返してもよい。

ここで、本実施の形態にかかる自律神経バランスを算出するための情報処理の一例について説明する。まず、信号処理装置５００は、図８に示すような心電信号データに基づいて、各種の判断方法により、Ｒ波と判断できるピークを特定することによって、拍動タイミングとしての時刻情報を蓄積する。サーバ１００のＣＰＵ１０１または信号処理装置５００のＣＰＵ５０１は、前回の拍動タイミングから今回の拍動タイミングまでの時間を今回の拍動間隔として計算していく。たとえば、図９に示すように、所定の時間帯毎に、当該所定の時間帯の基準時刻を示すタイムスタンプと、当該所定の時間帯に含まれる拍動タイミング毎の、所定の時間帯の基準時刻からの詳細な経過時間とを蓄積する。

なお、図１０は、本実施の形態にかかるサーバ１００のＣＰＵ１０１が実行する処理を示すフローチャートである。ＣＰＵ１０１は、通信インターフェイス１０６を介して、信号処理装置５００からの拍動タイミングを示すデータを受信する（ステップＳ２０１）。

本実施の形態においては、ＣＰＵ１０１が、受信した拍動タイミングに基づいて拍動と拍動の間の時間を計算する（ステップＳ２０２）。ＣＰＵ１０１は、拍動間隔を拍動間隔テーブル（図９参照。）として逐次メモリ１０２に蓄積していく（ステップＳ２０３）。本実施の形態においては、拍動間隔は、例えば、図９に示すようにｍｓｅｃ（ミリセック）の単位で計算される。

ＣＰＵ１０１は、一定時間単位、例えば、１分、１０分、１時間など、状態を判定するために必要な時間単位で、拍動間隔データを読み出して、拍動間隔Ｒ−Ｒ（ｎ）とその次の拍動間隔Ｒ−Ｒ（ｎ＋１）との拍動間隔テーブルを作成する（ステップＳ２０４）。

ＣＰＵ１０１は、図１１に示すように、拍動間隔Ｒ−Ｒ（ｎ）とその次の拍動間隔Ｒ−Ｒ（ｎ＋１）との拍動間隔テーブルからＹ＝Ｘ方向とそれに垂直な方向の軸への変換を行う（ステップＳ２０５）。

ＣＰＵ１０１は、軸の変換を行った後のそれぞれの軸を構成する数値列に関する標準偏差を算出する（ステップＳ２０６）。なお、ＣＰＵ１０１は、Ｙ＝Ｘ軸に関する標準偏差だけを算出してもよいし、Ｙ＝Ｘと垂直な軸に関する標準偏差だけを算出してもよいし、両方を算出してもよい。図１２は、犬の精神状態または肉体的状態毎の、Ｙ＝Ｘ軸に関する標準偏差と、Ｙ＝Ｘと垂直な軸に関する標準偏差との目安を示す表である。

なお、ＣＰＵ１０１は、主成分分析などの方法により分散が最大になる軸を特定し、当該軸と当該軸に垂直な軸に関する標準偏差を算出してもよい。さらには、ＣＰＵ１０１は、軸変換を行わずに、Ｘ軸とＹ軸に関する標準偏差を算出するものであってもよい。分散の大きい方向がＸ軸方向とＹ軸方向である場合には、軸変換を行わなくとも、Ｘ軸とＹ軸の標準偏差を算出することで、ポアンカレプロットした拍動間隔のばらつき状態を評価できる。この場合、軸変換を行う必要が無いために、計算量を低減することができる。

ＣＰＵ１０１は、例えば、自身の、あるいは外部の、ディスプレイ３３０やスピーカなどの出力装置に、標準偏差を表示させたり、音声メッセージを出力させたりする（ステップＳ２０７）。より詳細には、ＣＰＵ１０１は、Ｙ＝Ｘ軸に関する標準偏差だけを出力させてもよいし、Ｙ＝Ｘと垂直な軸に関する標準偏差だけを出力させてもよいし、両方を出力させてもよいし、大きい方だけを出力させてもよいし、小さい方だけを出力させてもよい。

標準偏差を計算することにより、拍動間隔Ｒ−Ｒ（ｎ）とその次の拍動間隔Ｒ−Ｒ（ｎ＋１）とをそれぞれ軸としてポアンカレプロットした拍動間隔のばらつき状態、すなわち自律神経バランスＡが評価できる。

このようにして、図７に示すように、本実施の形態においては、測定された心拍数の値と、自律神経バランスＡとから、僧帽弁閉鎖不全症の進行度を予測したり、警告を通知したりするため、早期に心臓疾患に気が付くことが可能になる。
＜第３の実施の形態＞

上記の実施の形態においては、心拍数や自律神経バランスに基づいて僧帽弁閉鎖不全症の進行度を予測するものであった。当該機能に加えて、数値範囲などの判断基準を機械学習し続けることも好ましい。このようにして更新した分類器を用いて、以下のように心臓疾患の進行度を特定する。

たとえば、数値範囲記憶手段１２０が、被測定動物の年齢と心拍数とに対する進行度の関係とを示す各種の分類器を格納してもよい。そして、分類器を利用して予測した心臓疾患の進行度と実際の診療によって決定された心臓疾患の進行度とを照らし合わせて、分類器のデータを修正したり更新していくことが好ましい。ここで示す分類器は、例えば、線形ＳＶＭ、ｋ−近傍法、非線形ＳＶＭ、ランダムフォレスト法など、広く知られた機械学習手法や統計学的手法を採用し作成した分類器である。

より詳細に、図１３を参照して、本実施の形態にかかるサーバ１００による僧帽弁閉鎖不全症の進行度を特定するための情報処理について説明する。なお、図１３は、本実施の形態にかかるサーバ１００が実行する全体処理を示すフローチャートである。図４およびず６と同じ部品番号を付したステップにおいては同じ動作であるため説明を省略する。

まず、ＣＰＵ１０１は、犬などの被測定動物の固有情報の入力を受け付ける（ステップＳ１０２）。なお、固有情報には、犬種、年齢、現在予想される疾患の進行度ＡＣｅなどが含まれる。

次に、ＣＰＵ１０１は、通信インターフェイス１０６を介して、信号処理装置５００から拍動タイミングや拍動間隔や心拍数などのバイタルデータＶ（Ｖ１〜Ｖｎ）を取得する（ステップＳ３０４）。

ＣＰＵ１０１は、通信インターフェイス１０６を介して、信号処理装置５００から加速度や加速度の変化量Δａ（Δａ１〜Δａｎ）を取得する（ステップＳ３０６）。

ＣＰＵ１０１は、被測定動物が安静であるか否かを判断し、安静であると判断した時刻におけるバイタルデータをＶＶとする（ステップＳ３０８）。

逆に、ＣＰＵ１０１は、被測定動物が安静であったと判断された時刻に測定されたバイタルデータＶＶの特徴量を取得する（ステップＳ３１２）。ここではＶＶの特徴量として、平均値の他、最小値、最大値、中央値、四分位数、分散、標準偏差、平均誤差、変動係数など、一般的な統計的手法で得た数値などを指すものとするが、これに限らない。ＣＰＵ１０１は、バイタルデータＶＶを入力した分類器の判定結果ＡＣｊを特定する（ステップＳ３１４）。

ＣＰＵ１０１は、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症であるか否かを判断する（ステップＳ３１６）。

ＣＰＵ１０１は、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症である場合、通知生成部１５０として、進行度に応じた通知、たとえば受診を進めるためのメッセージなど、を作成する（ステップＳ３１８）。

或いは、判定されたＡＣｊの方が、もともと診断されていたＡＣｅよりも重症でない場合、ＣＰＵ１０１は、「症状は安定していますね」など、目立った進行が確認できない旨のメッセージなどを生成する（ステップＳ３１８）。この場合は、ステップＳ３０４からの処理を繰り返す。

このように、本実施の形態においては、測定された各種バイタルデータの値から、僧帽弁閉鎖不全症の進行度を予測したり、警告を通知したりするため、早期に心臓疾患に気が付くことが可能になる。

図１５は、数値範囲記憶手段１２０が、被測定動物の年齢と心拍数とに対する進行度の関係とを示す各種の分類器の一例を示す。図１５は、横軸に安静時の平均心拍数を示し、縦軸に安静時の心拍数の最小値を示すグラフにおいて、線形ＳＶＭを用いて、ＡＣＶＩＭ分類毎に４つの領域に分類した分類器である。

さらには、図１５に示すように、年齢毎に、分類器を準備することによって、より正確な心臓疾患の進行度を予測することができる。

また、図１６に示すように、安静時の心拍数最小値と、安静時の平均心拍数と、被測定動物の年齢など、３次元の入力値に対して疾患の進行度を特定するものであってもよい。

また、ＣＰＵ１０１は、測定時のＡＣＶＩＭ分類によって、どの分類器を採用するか選択してもよい。例えば、図１７に示すように、隣り合うＡＣＶＩＭ分類に関して、当該２種類の状態を判断する処理を繰り返して、疾患の進行度を特定するものであってもよい。
＜第４の実施の形態＞

上記の実施の形態においては、犬などの被測定動物に加速度センサを取り付けて、当該被測定動物が安静であるか否かを判断するものであった。しかしながら、心拍センサ４００として、シート状の圧電センサ（Piezoelectric sensor）４０２を利用して、被測定動物が安静であるか否かを判断しながら、心拍数を測定してもよい。図１８（ａ）は、第４の実施の形態に係る生体情報処理システムの一部を示し、図１８（ｂ）は、第４の実施形態に係る生体情報処理システム１の物理的な構成の一部を示すブロック図である。第４の実施形態４に係る生体情報処理システムは、信号処理装置５００と通信可能な結果出力装置としての通信端末３００と、各種の演算を実行して演算結果を提供するクラウド上のサーバ１００とを含むが、上記の実施形態と同様であるから、図１８（ａ）および図１８（ｂ）において省略し、以下詳細な説明も省略する。

第４の実施形態に係る生体情報処理システムは、心拍センサ４００として、圧電センサ４０２を備える。圧電センサ４０２は、安静時の被測定対象の動物と胸部が接触し、被測定対象の動物の拍動や拍動間隔を検出する。圧電センサ４０２は、検出した拍動をアナログ信号に変換し、信号処理装置５００Ｂに出力する。拍動間隔を検出する手法の場合、圧電センサ４０２ではなく、圧力センサでもよい。

信号処理装置５００Ｂは、加速度センサを備えている必要がない点が、実施形態１〜３の信号処理装置５００と異なり、その他の構成は同一である。

そして、図１９（Ａ）に示すように、圧電センサのデータが振り切れない場合に、被測定動物が安静であると判断し、図１９（Ｂ）に示すように、圧電センサのデータが振り切れた場合に、被測定動物が安静でないと判断してもよい。つまり、圧電センサ４０２は、心拍センサ４００と体動検知センサの両方の機能を兼ねる。

より詳細には、図２０を参照して、信号処理装置５００のＣＰＵ５０１またはサーバ１００のＣＰＵ１０１は、１秒間の電圧値Ｖ１〜Ｖｎを取得する（ステップＳ５０２）。

ＣＰＵ１０１は、電圧値Ｖ１〜Ｖｎの全てが所定範囲内（例えば−８Ｖ〜＋８Ｖ内）である場合（ステップＳ５０４にてＹＥＳである場合）、当該１秒間は被測定動物が安静であると判断して（ステップＳ５０６）、圧電センサ４０２より得られたデータ信号の間隔を用いて、心拍や呼吸などのバイタルデータを取得する（ステップＳ５０８）。ＣＰＵ１０１は、次の１秒に進む（ステップＳ５１０）。

ＣＰＵ１０１は、電圧値Ｖ１〜Ｖｎのいずれかが所定範囲内でない場合（ステップＳ５０４にてＮＯである場合）、当該１秒間は被測定動物が安静でないと判断して（ステップＳ５１２）、心拍や呼吸などのバイタルデータにエラーフラグを付して送信したり、エラー通知を出力したりする（ステップＳ５１４）。ＣＰＵ１０１は、次の１秒に進む（ステップＳ５１０）。

ＣＰＵ１０１は、次のデータが送られてこない場合（ステップＳ５１６にてＹＥＳである場合）、今回の処理を終了する。
＜第５の実施の形態＞

上記の実施の形態にかかる生体情報処理システム１は、電極４００からの心電信号に基づいて信号処理装置５００が拍動タイミングを計算し、サーバ１００が拍動間隔や心臓疾患の進行度の計算を行い、その結果を通信端末３００が出力するものであった。しかしながら、それらの１つの装置の全部または一部の役割が、別の装置によって担われてもよいし、複数の装置によって分担されてもよい。逆に、それら複数の装置の全部または一部の役割を、１つの装置が担ってもよいし、別の装置が担ってもよい。

例えば、信号処理装置５００の役割の一部を通信端末３００が担ったり、サーバ１００の役割の一部または全部を信号処理装置５００や通信端末３００が担ったりしてもよい。例えば、通信端末３００や信号処理装置５００が、心臓疾患の進行度を演算して、自身のディスプレイやスピーカから演算結果を出力してもよい。
＜まとめ＞

上記の実施の形態においては、測定対象の動物の心拍数を取得するための心拍センサと、測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリと、テーブルと、心拍センサによって測定された心拍数とを比較し、測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システムが提供される。

好ましくは、心臓疾患重症度判定システムは、測定対象の体動を検知する体動検知センサと、をさらに備える。演算回路は、体動検知センサが検知した値が所定の範囲にある安静時期間内において、測定対象の心臓に係る疾患の重症度を推測する。

好ましくは、体動検知センサが加速度センサである。演算回路は、安静時期間として、加速度センサの加速度の変化量が所定の値以下の期間が所定時間以上継続した期間を特定する。

好ましくは、心拍数センサが圧電センサである。演算回路は、安静時期間内として、圧電センサが検出した電圧値が所定の範囲内である期間が所定時間以上継続した期間を特定する。

好ましくは、演算回路は、心拍センサが測定した心拍数の平均値と、テーブルとを比較することによって、測定対象の心臓に係る疾患の重症度を推測する。

好ましくは、テーブルは、動物の種類および属性毎の、心臓に係る疾患の重症度と、心拍数と、の対応関係を含む。

好ましくは、心臓に係る疾患の重症度は、安静時における自律神経バランスにも対応付けられている。演算回路は、心拍センサの測定値から拍動間隔を算出し、拍動間隔から自律神経バランスを算出し、安静時の心拍数と、自立神経バランスと、テーブルのデータを比較することによって、測定対象の心臓に係る疾患の重症度を推測する。

好ましくは、テーブルは、第１の軸に安静時の心拍数を、第１の軸とは異なる第２の軸に安静時の自律神経バランスを、含む座標系における、心臓に係る疾患の重症度に応じた複数サンプルの座標位置のデータを有する。演算回路は、測定対象の安静時の心拍数と、測定対象の安静時の自律神経バランスと、からなる座標位置と、重症度に応じた座標位置との距離に基づいて、測定対象の心臓に係る疾患の重症度を推測する。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ ：生体情報処理システム
１００ ：サーバ
１０１ ：ＣＰＵ
１０２ ：メモリ
１０６ ：通信インターフェイス
１１０ ：実測値比較手段
１２０ ：数値範囲記憶手段
１３０ ：テーブル更新部
１５０ ：通知生成部
１６０ ：通知手段
３００ ：通信端末
３０１ ：ＣＰＵ
３０２ ：メモリ
３０３ ：ディスプレイ
３０６ ：通信インターフェイス
３３０ ：ディスプレイ
４００ ：電極
４０２ ：圧電センサ
５００ ：信号処理装置
５０１ ：ＣＰＵ
５０２ ：メモリ
５０３ ：加速度センサ
５０６ ：通信インターフェイス
５０７ ：加速度センサ

Claims (8)

1. 測定対象の動物の心拍数を取得するための心拍センサと、
   前記測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリと、
   前記テーブルと、前記心拍センサによって測定された心拍数とを比較し、前記測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システム。
2. 前記測定対象の体動を検知する体動検知センサと、をさらに備え、
   前記演算回路は、前記体動検知センサが検知した値が所定の範囲にある安静時期間内において、前記測定対象の心臓に係る疾患の重症度を推測する、請求項１に記載の心臓疾患重症度判定システム。
3. 前記体動検知センサが加速度センサであり、
   前記演算回路は、前記安静時期間として、前記加速度センサの加速度の変化量が所定の値以下の期間が所定時間以上継続した期間を特定する、請求項２に記載の心臓疾患重症度判定システム。
4. 前記心拍数センサが圧電センサであって、
   前記演算回路は、前記安静時期間内として、前記圧電センサが検出した電圧値が所定の範囲内である期間が所定時間以上継続した期間を特定する、請求項２に記載の心臓疾患重症度判定システム。
5. 前記演算回路は、前記心拍センサが測定した心拍数の平均値と、前記テーブルとを比較することによって、前記測定対象の心臓に係る疾患の重症度を推測する、請求項１から４のいずれか１項に記載の心臓疾患重症度判定システム。
6. 前記テーブルは、動物の種類および属性毎の、前記心臓に係る疾患の重症度と、心拍数と、の対応関係を含む、請求項１から５のいずれか１項に記載の心臓疾患重症度判定システム。
7. 前記心臓に係る疾患の重症度は、安静時における自律神経バランスにも対応付けられており、
   前記演算回路は、前記心拍センサの測定値から拍動間隔を算出し、前記拍動間隔から自律神経バランスを算出し、
   前記安静時の心拍数と、前記自立神経バランスと、前記テーブルのデータを比較することによって、前記測定対象の心臓に係る疾患の重症度を推測する、請求項１から６のいずれか１項に記載の心臓疾患重症度判定システム。
8. 前記テーブルは、第１の軸に安静時の心拍数を、前記第１の軸とは異なる第２の軸に安静時の自律神経バランスを、含む座標系における、前記心臓に係る疾患の重症度に応じた複数サンプルの座標位置のデータを有し、
   前記演算回路は、前記測定対象の安静時の心拍数と、前記測定対象の安静時の自律神経バランスと、からなる座標位置と、前記重症度に応じた座標位置との距離に基づいて、前記測定対象の心臓に係る疾患の重症度を推測する、請求項７に記載の心臓疾患重症度判定システム。

Images