JP2022529328A - 搬送流体中の現在のグルコース濃度を測定する方法 - Google Patents
搬送流体中の現在のグルコース濃度を測定する方法 Download PDFInfo
- Publication number
- JP2022529328A JP2022529328A JP2021560082A JP2021560082A JP2022529328A JP 2022529328 A JP2022529328 A JP 2022529328A JP 2021560082 A JP2021560082 A JP 2021560082A JP 2021560082 A JP2021560082 A JP 2021560082A JP 2022529328 A JP2022529328 A JP 2022529328A
- Authority
- JP
- Japan
- Prior art keywords
- glucose concentration
- tissue
- sensor
- model
- noise
- 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
Links
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 title claims abstract description 213
- 239000008103 glucose Substances 0.000 title claims abstract description 213
- 239000012530 fluid Substances 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 144
- 238000005259 measurement Methods 0.000 claims abstract description 105
- 210000004369 blood Anatomy 0.000 claims abstract description 74
- 239000008280 blood Substances 0.000 claims abstract description 74
- 230000008569 process Effects 0.000 claims abstract description 42
- 230000007704 transition Effects 0.000 claims abstract description 41
- 238000009792 diffusion process Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 11
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- 239000013307 optical fiber Substances 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 2
- 239000000523 sample Substances 0.000 claims description 2
- 230000036962 time dependent Effects 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims 1
- 230000001052 transient effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract 1
- 210000001519 tissue Anatomy 0.000 description 65
- 239000011159 matrix material Substances 0.000 description 28
- 238000012544 monitoring process Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 206010012601 diabetes mellitus Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 235000001537 Ribes X gardonianum Nutrition 0.000 description 1
- 235000001535 Ribes X utile Nutrition 0.000 description 1
- 235000016919 Ribes petraeum Nutrition 0.000 description 1
- 244000281247 Ribes rubrum Species 0.000 description 1
- 235000002355 Ribes spicatum Nutrition 0.000 description 1
- LPQOADBMXVRBNX-UHFFFAOYSA-N ac1ldcw0 Chemical compound Cl.C1CN(C)CCN1C1=C(F)C=C2C(=O)C(C(O)=O)=CN3CCSC1=C32 LPQOADBMXVRBNX-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
Images
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
- A61B5/14507—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 specially adapted for measuring characteristics of body fluids other than blood
- A61B5/1451—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 specially adapted for measuring characteristics of body fluids other than blood for interstitial fluid
-
- 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
- A61B5/145—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
- A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
- A61B5/1459—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 using optical sensors, e.g. spectral photometrical oximeters invasive, e.g. introduced into the body by a catheter
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
- A61B2562/0238—Optical sensor arrangements for performing transmission measurements on body tissue
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Emergency Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
一般に、CGMシステムにおいて、間質組織中グルコース濃度(interstitial tissue glucose concenration)IGは、自動で、例えば、1~5分ごとに測定される。
特に、糖尿病患者がCGMシステムから恩恵を受けるのは、患者が自分自身により手動で1日4~10回血液中グルコース濃度を測定する、自己監視法とも称されるセルフモニタリング法と比較して、測定を大幅により頻繁に行うことができるからである。
これにより、自動推定と患者への警告信号が患者の就寝中にも可能になり、患者の危機的な健康状態を防ぐ助けとなる。
このようなCGMシステムは、例えば、特許文献1に記載されている。
また、グルコース濃度に依存する蛍光が用いられる光学式CGMシステムは、例えば、特許文献2から知られており、参照により本明細書に組み込まれる。
両タイプのCGMシステムは、間質組織中グルコース濃度を測定する。
非特許文献1に記載されているように、血液中グルコース濃度への大きな影響の後、例えば、食物もしくは栄養素の摂取、または、インスリンの注入によって、大きく乖離する。
非特許文献2に記載されているように、この乖離は、血液周辺組織での拡散プロセスにより生じ、その結果、IG濃度は、時間遅延し、減衰された状態で、BG濃度に後続する。
これを行うための様々な方法が知られている。
非特許文献3から、較正のために時間遅延したグルコース信号を用いることが知られている。
また、非特許文献4から、カルマンフィルタを用いて、血液と組織との間のグルコース拡散プロセスの減衰と時間遅延を補償することが知られている。
本発明のさらなる目的は、代替的な方法、代替的な装置、および、その代替の推定装置を提供することである。
本発明のさらなる目的は、間質組織中グルコース濃度の測定に基づく、生物体における血液中グルコース濃度の測定が改善された方法、装置、および、その推定装置を提供することである。
a)センサ装置を用いて、搬送流体の周辺組織における、組織中グルコース濃度の一連の計測値を検出するステップであって、一連の計測値が、時間的に離間した少なくとも2つの計測値を含む、ステップと、
b)検出された一連の計測値を用いて、センサモデルに基づいて、組織中グルコース濃度を算出するステップであって、センサモデルにより、センサ装置の計測値が、計測雑音を考慮に入れつつ、組織中グルコース濃度と相関付けられる、ステップと、
c)状態遷移モデルを提供するステップであって、状態遷移モデルにより、搬送流体中の少なくとも1つのグルコース濃度が、プロセス雑音を考慮に入れつつ、算出された組織中グルコース濃度と相関付けられる、ステップと、
d)提供された状態遷移モデルと、算出された組織中グルコース濃度とに基づいて、現在のグルコース濃度を算出するステップと、を備え、
少なくともステップd)、特に、ステップb)~ステップd)が、少なくとも1つの移動ホライズン推定法を用いて実行される方法により、本発明は、上記課題を解決する。
光ファイバプローブにより、搬送流体の周辺組織中の蛍光計測用のセンサ装置であって、搬送流体の周辺組織における組織中グルコース濃度の、時間的に離間した少なくとも2つの計測値を含む一連の計測値を検出するように構成されたセンサ装置と、
状態遷移モデルを提供するように構成された提供装置であって、状態遷移モデルにより、搬送流体中の少なくとも1つのグルコース濃度が、プロセス雑音を考慮に入れつつ、算出された組織中グルコース濃度と相関付けられ、かつ、センサモデルを提供するように構成された、上記提供装置であって、センサモデルにより、センサ装置の計測値が、計測雑音を考慮に入れつつ、組織中グルコース濃度と相関付けられる提供装置と、
検出された一連の計測値を用いて、センサモデルに基づく組織中グルコース濃度を算出し、提供された状態遷移モデルと算出された組織中グルコース濃度とに基づいて、移動ホライズン推定法を用いて、現在のグルコース濃度を算出するように構成された推定装置と、
を備える装置により、本発明は、上記課題を解決する。
搬送流体の周辺組織における、組織中グルコース濃度の一連の計測値を検出するセンサ装置であって、一連の計測値が、時間的に離間した少なくとも2つの計測値を含む、センサ装置を接続する、少なくとも1つのインタフェースと、
状態遷移モデルを保存する、少なくとも1つのメモリであって、搬送流体中の少なくとも1つのグルコース濃度が、状態遷移モデルにより、少なくとも1つのプロセス雑音値を考慮に入れつつ、組織中グルコース濃度と相関付けられ、かつ、センサモデルを保存する、上記少なくとも1つのメモリであって、センサモデルにより、センサ装置の計測値が、少なくとも1つの計測雑音値を考慮に入れつつ、組織中グルコース濃度と相関付けられる、少なくとも1つのメモリと、
検出された一連の計測値を用いて、センサモデルに基づいて、組織中グルコース濃度を算出し、かつ、保存された状態遷移モデルと、算出された組織中グルコース濃度とに基づいて、少なくとも1つの移動ホライズン推定法を用いて、現在のグルコース濃度を算出するように構成された演算装置と、
を備える推定装置により、本発明は、上記課題を解決する。
a)センサ装置を用いて、搬送流体の周辺組織における組織中グルコース濃度の一連の計測値を検出するステップであって、一連の計測値が、時間的に離間した少なくとも2つの計測値を含む、ステップと、
b)検出された一連の計測値を用いて、センサモデルに基づいて、組織中グルコース濃度を算出するステップであって、センサモデルにより、センサ装置の計測値が、計測雑音を考慮に入れつつ、組織中グルコース濃度と相関付けられる、ステップと、
c)状態遷移モデルを提供するステップであって、状態遷移モデルにより、搬送流体中の少なくとも1つのグルコース濃度が、プロセス雑音を考慮に入れつつ、算出された組織中グルコース濃度と相関付けられる、ステップと、
d)提供された状態遷移モデルと算出された組織中グルコース濃度とに基づいて、現在のグルコース濃度を算出するステップと、を備え、
少なくともステップd)、特に、ステップb)~ステップd)が、少なくとも1つの移動ホライズン推定法を用いて実行される非一時的な機械可読媒体により、本発明は、上記課題を解決する。
これは、以下の方法を含む。
最初の方法ステップにおいて、センサ装置により、生物体の組織における組織中グルコース濃度に関する、時間的に離間した少なくとも2つのセンサ計測値を含む、一連の計測が行われる。
さらなるステップにおいて、センサ計測値と組織中グルコース濃度との間の関係のセンサモデルが提供され、組織中グルコース濃度と血液中グルコース濃度との関係のモデルを含む、状態遷移モデルが提供され、さらなる方法ステップにおいて、センサ計測値に依存する、センサモデルと、状態遷移モデルとにより、生物体の血液中グルコース濃度の定量化が行われ、ここでは、移動ホライズン推定法を用いることが重要である。
出願人の研究によると、従来用いられていた方法とは対照的に、移動ホライズン推定法を用いることで、推定の正確さの点と、モデル予測に関する柔軟性の点とにおいて、また、血液中グルコース濃度を検出する速度の点においても、血液中グルコース濃度を定量化するための、センサ計測値の推定にとって著しく有利であることが示されている。
移動ホライズン推定法により、現在の血液中グルコース濃度と、レトロスペクティブの血液中グルコース濃度が得られ、レトロスペクティブの血液中グルコース濃度は、少なくとも1つの過去の血液中グルコース濃度(計測値の推移(濃度の推移)における、それ以前に算出された血液中グルコース濃度)を考慮に入れつつ、算出される。
このようにして、レトロスペクティブの血液中グルコース濃度により、現在の血液中グルコース計測信号を、現在の血液中グルコース濃度のみの形で、より良好に再構築することが可能になる。
上記装置および/または推定装置は、独立のエネルギ源、例えば、バッテリ、または、同様のものを有する携帯型装置として構成されてよく、これにより効率的な動作が可能になる。
したがって、本発明の方法を実行する際のエネルギ消費が可能な限り低く維持され、その結果、バッテリを可能な限り長期間動作させることが可能になり、ユーザ体験が改善される。
このために、省エネルギプロセッサ、回路系統、回路、インタフェース、特に、無線インタフェース等が、用いられてよい。
この場合、本方法の実施は、そのパラメータに関して、基礎となる装置、例えば、推定装置にあわせて、下記のように、例えば、推定ホライズンおよび/または雑音ホライズンについて適応されてよく、その結果、一方では、十分な正確さ、他方では、長期間の実行時間が達成される。
また、所定のセンサモデルおよび/または状態遷移モデルの制限が除去されることから、既知の方法と比較して、柔軟性が著しく向上する。
さらに、現在のグルコース濃度の正確さが向上するだけでなく、同時に、それ以前のグルコース濃度も、同様に、改善される。
これにより、現在のグルコース濃度を、それ以前に測定されたグルコース濃度に基づいて、効率的に測定することが可能になる。
これにより、一連の計測の計測値に基づいて、間質組織中グルコース濃度を効率的かつ高速で算出可能であると同時に、十分な正確さで算出可能である。
ここで、例えば、以下のセンサモデルが提供されてよく、yは、計測値、IGは、グルコース濃度、a、b、c、または、A、b、cは、センサパラメータを示す:
y=c-a*b/(IG+b)
y=(A*b+c*IG)/(IG+b)
これにより、一連の計測の計測値に基づいて、間質組織中グルコース濃度を効率的かつ高速で算出可能となり、十分な正確さで算出可能である。
これにより、雑音値を簡単かつ迅速に算出可能になり、全体的に、現在のグルコース濃度を正確に測定可能になる。
この場合、時間に依存して変化する、任意の雑音値が適応されるか、更新されてよく、これにより、現在のグルコース濃度測定の全体的な正確さがさらに改善される。
したがって、例えば、計測雑音値および/またはプロセス雑音値を算出するために、必要とされ、計算負荷の高い計測値を、少なくとも部分的に、一時的に保存でき、それらを、それ以後の測定に利用可能とすることができる。
これにより、全体的に、現在のグルコース濃度を測定するのに必要な計算量が、その正確さを著しく低下させることなく、低減される。
これにより、現在のグルコース濃度に関する、プロセス雑音および/または計測雑音の推定における正確さが、確保され、現在のグルコース濃度の測定、または、定量化の、全体的な正確さを改善する。
これにより、任意の時点において、雑音値を、一定の時間間隔で効率的に調整することが確実になり、一方では、現在のグルコース濃度の十分な正確さが達成され、他方では、現在のグルコース濃度の正確さの向上に寄与しないか、ほぼ寄与することがない、不要な調整または更新が防止される。
フィルタ関数により、誤計測、例えば、計測値における、センサエラーまたは外れ値を、簡単に除去することができ、すなわち、誤計測は、現在のグルコース濃度をさらに算出する際には考慮されない。
これにより、計測雑音値の、過小評価および過大評価が防止される。
つまり、過小評価は、信号または計測値における非常に大きな誤差が生じ、また、過大評価により、一連の計測の計測値の推移が、過剰に平滑になる。
これにより、正確さが、全体的にさらに改善される。
その代替または追加として、このことは、搬送流体の現在のグルコース濃度、および/または、搬送流体の現在のグルコース濃度の増加の勾配を用いて行われてよい。
これにより、センサ装置のエラーが、簡単に、信頼性高く、効率的に求められる。
適切な閾値により、搬送流体中の、特に、血液中グルコース値と組織中グルコース値との両方を含む誤センサ計測値が、ウエイト行列、有利には、対角ウエイト行列を用いて、さらなる計算のために除去される。
ウエイト行列は、センサ装置の誤計測値が、因子0でウエイト付けされてよく、その他すべての計測値が、因子1でウエイト付けされる。
誤計測値、例えば、センサ計測値の外れ値は、搬送流体中の、特に、血液中の絶対グルコース濃度、および、その変化率またはその勾配により、定められる。
前者の場合、血液中グルコース濃度の生理的限界値が導入され、10mg/dL~600mg/dL、好ましくは、20mg/dL~500mg/dL、最も好ましくは、30mg/dL~450mg/dLの範囲の、血液中グルコース濃度が考えられる。
これらの範囲外の計測値は、誤センサ計測値として、因子0でウエイト付けされる。
搬送流体中の、特に、血液中のグルコース濃度の勾配、または、搬送流体中の、特に、血液中のグルコース濃度の変化率も、同様にして、定められてよく、その値は、生理的に現実的な変化率と比較されてよい。
したがって、搬送流体中の、特に、血液中のグルコース濃度の定量的変化率は、毎分0.1mg/dL~毎分15mg/dLの値、好ましくは、毎分0.5mg/dL~毎分10mg/dLの値、最も好ましくは、毎分1mg/dL~毎分3mg/dLの値である。
これにより、校正されていない組織中グルコース濃度を用いることができ、このことは、移動ホライズン推定法が実行される前に、必ずしも校正が行われる必要がなく、さらに言うと、移動ホライズン推定法の後に、校正が同様に行われてよい、という有利な点を有する。
校正されていない組織中グルコース濃度を用いることのさらなる有利な点は、校正されていない組織中グルコース濃度が、セルフモニタリングによる血液中グルコース濃度に対して、より高い相関関係を示し、これにより、例えば、センサモデルのパラメータを、より簡単かつ精度よく、有利に定めることができる。
拡散モデルにより、拡散定数に基づいて、搬送流体中の、特に血液中のグルコース濃度と組織中グルコース濃度との間の、減衰および時間遅延の、単純かつ計算負荷のより低いモデリングが提供される。
これの有利な点は、全体的に、現在のグルコース濃度の測定の正確さが、これにより向上し、同様に、これらモデルのパラメータを、変化する状況または影響に合わせて、柔軟に調整することができることである。
式、仮説、および、問題を解決する方法などの、すべてのリモデリングステップは、本発明の範囲から逸脱せずに、個別に用いられてよい。
初期化の後、第2フェーズT2では、離散時間ステップにおいて、移動ホライズン推定法に基づいて、以下に説明されるステップS4~ステップS6と、判定ステップE1により、血液中グルコース濃度が算出される。
これと並行して、第3フェーズT3では、以下に説明されるステップV1~ステップV3を用いて、計測雑音およびプロセス雑音の調整が行われる。
以下で用いられる移動ホライズン推定法は、コスト関数を最小化することにより、状態を推定する方法であり、コスト関数が、n個の離散時間ステップの移動時間窓をかけて実行される。
ここで、離散時間系が定義される。
ここで、▲xK▼は、状態変数のベクトル、▲yK▼は、計測ベクトルである。
また、コスト関数は、時点kにおける、ホライズンnの計測雑音▲vK▼およびプロセス雑音▲wk▼の、ウエイト付けされたノルムを含む。
センサ信号は、計測y(t)を用いた、線形モデルとして予測される。
センサパラメータp0およびp1が、ゆっくりとしか変化しないというさらなる予測のもと、拡散は、校正されていない信号についても、妥当である。
を最適化することにより、式(2)で形式化されている、移動ホライズン問題が解かれる。
以下、それ以前の状態変数、または、時点kにおける、センサ計測値N次元ベクトルの行列表記が用いられる。
計測雑音vk=(vk-N+1|k,...,vk|k)Tは、以下により与えられる。
上述した、代替の非線形センサモデルについては、以下の最適化問題が与えられる。
この最適化問題は、一般に、直接法ではなく、反復法により、解かれる。
非線形モデルのセンサパラメータの算出または更新は、セルフモニタリング測定bgi(t=ti)に基づく。
式(8)および式(9)を、線形モデルについての移動ホライズン問題に代入すると、以下の2次問題が得られる。
よって、この場合、Ainit=[BA]およびCinit=[DC]を用いつつ、BinitおよびDinitを零行列で置き換えることで、最適化問題を、書き換えることができる。
ここで、誤計測値に対応する、ウエイト行列Wの対角成分は、0に設定される。
その代替または追加として、計測信号またはセンサ計測値に、高閾値または低閾値を適用してよく、低閾値および高閾値の外側に位置する計測値を、エラーとして分類してよい。
また、これらパラメータは、時間推移とともに変化する。
したがって、分散を調整または更新することで、直接的に変化が生じ、移動ホライズン推定法による推定の質が、改善されることになる。
その一方で、計測雑音が過小評価されると、非常に雑音の大きい計測信号となり、これにより、誤計測値となる。
他方、計測雑音が過大評価されるか、プロセス雑音が過小評価されると、時間遅延した推定となり、これにより、現在のグルコース濃度の測定の正確さが低減されることにもなる。
また、任意の場合において、簡単に分散を調整または更新する方法が、以下説明される。
る場合、共分散行列Rkおよび共分散行列Qkは、
に対応し、これにより、式(12)は、以下のように単純化される。
および
推定ホライズンNが長くなると、計算負荷が増加するものの、推定の正確さは、わずかにしか改善されない。
分散の推定正確度とデータポイントの数とが、相関関係が強いため、雑音調整ホライズンnは、推定ホライズンNよりも大幅に大きく選択される。
行列Aは、予め定義された、行列Aおよび行列Cと、γと、にのみ依存するため、γと、関連する比率範囲との表を作成し、γの現在の値について、sを算出するために、表の値を補間してよい。
したがって、コンピュータまたはタブレット上でも、満足のいく、十分に正確な推定を、短時間で、低い計算負荷で行うことが可能になる。
行列Wに基づいて、第2ステップS2において、プロセス分散および計測ノイズの分散の比率が、式(24)から推定される。
第3ステップS3において、初期値が、式(14)から推定される。
第6ステップS6において、初期値が、式(12)から推定される。
その後、ステップE1において、時点kの、推定ホライズンNおよび雑音調整ホライズンnの和に対する比率が、1以上の整数であるか否かが判定される。
Noの場合、時間指数kを1だけ増加させ、次いで、ステップS4~ステップS6と、ステップE1を再び実行する。
その一方、Yesの場合、ステップV1~ステップV3を有する雑音調整T3を実行する。
雑音調整T3では、最初のステップV1において、二乗プロセス誤差の和または二乗計測誤差の和が、式(26)から算出される。
次に、これらを用いて、第2ステップV2において、計測雑音およびプロセス雑音の対応する分散が、式(22)および式(23)から算出され、そして、γの値が、式(25)から更新される。
その後、ステップS4~ステップS6と、ステップE1を再び実行する。
第6ステップS6において、初期値が、式(12)から算出される。
その後、ステップE1において、時点kの、推定ホライズンNおよび雑音調整ホライズンnの和に対する比率が、1以上の整数であるか否かが判定される。
Noの場合、時間指数kを1だけ増加させ、次いで、ステップS4~ステップS6と、ステップE1を再び実行する。
その一方、Yesの場合、ステップV1~ステップV3を有する雑音調整T3を実行する。
ここで、最初のステップV1において、二乗プロセス誤差の和または二乗計測誤差の和が、式(26)から算出される。
次に、これらを用いて、第2ステップV2において、計測雑音およびプロセス雑音の対応する分散が、式(22)および式(23)から算出され、そして、γの値が、式(25)から更新される。
その後、ステップS4~ステップS6と、ステップE1を再び実行する。
詳細には、推定方法は、同一のセンサ装置、すなわち、ファイバセンサを用いて実行され、ファイバセンサは、非特許文献7から知られており、蛍光計測に基づいて、血液中グルコース濃度を検出し、サンプリングレートは、2分毎である。
本発明の1つの実施形態による、移動ホライズン推定法による、血液中グルコース濃度の推定を、ここでは、他の2つの推定方法、すなわち、カルマンフィルタKF、および、平滑化されたセンサ信号を用いる移動平均フィルタMAと比較する。
また、異なるパラメータが血液中グルコース濃度推定に与える影響を説明する。
ここで、データは、8人の1型糖尿病患者および8人の2型糖尿病患者から収集されたものであり、センサ装置の対応するCGMセンサが、28日間にわたって装着された。
1日目、7日目、15日目、および28日目に、イエロースプリングス・インストルメント(YSI)社の、2300STATプラス・グルコース・アナライザ(YSIライフサイエンシーズ社、イエロースプリングス、オハイオ州)を用いて、参照データが、10分毎に4時間にわたって、確かめられた。
カルマンフィルタは、ここでは、式(5)に基づいている。
拡散定数、つまり、時定数τ=6分が、両方法それぞれに適用された。
よびカルマンフィルタにより生成され、移動平均法により平滑化された信号と比較され、この比較は、任意の時点における、臨床モニタリング中に計測された参照データとの、それらの一致に基づくものである。
3つの異なる推定方法を評価するため、3つの評価パラメータ、すなわち、平均絶対的相対的差異(MARD)、二乗平均平方根誤差(RMSE)、および、最大相対的絶対的差異(maxRAD)が、16人すべての患者の4回の測定について、用いられている。
移動平均法により平滑化され、フィルタ処理された組織中グルコース信号を示す、信号MAは、血液中グルコース濃度と組織中グルコース濃度との間の拡散プロセスを考慮に入れておらず、そのため、結果が不良である。
このために、2点校正法が用いられる。
2つの参照計測値b1およびb2と、時間的にそれに対応する血液中グルコース濃度の結
表2からは、MARD法とRMSE法について、pMHEにおいて、中央値が最小であり、四分位数間の差分が最小であることが見てとれる。
・拡散プロセスのモデリングと、過去の移動ホライズンの血糖値の推定(移動ホライズン推定法)とにより、時間遅延を補償。
・生理的範囲の限界値を設けることにより、外れ値に対するロバスト性を確保。
・問題の制御因子を適応的に定めることにより、計測雑音の適応的推定と状態雑音の適応的推定とが組み合わされる。
・ゆっくりと変化するモデルパラメータを適応させることが、さらに可能。
・効率的な実装により、限られた計算負荷を用いつつ高い正確度を確保。
・過去のホライズンの血糖値を、効率的に、時系列的に計算推定。
・モデルパラメータの適応。
・限定値の導入による、推定のロバスト性の向上。
・センサモデルに関する柔軟性、例えば、非線形センサモデルも用いることが可能。
・より低い計算負荷により、限られたバッテリ寿命を節約。
・生理的範囲の限界値を設けることにより、生理的に合理的な解決手段を保証。
・過去のホライズンを最適化することにより、校正用の血糖値推定を改善。
Claims (15)
- 生物体の搬送流体中の、特に、血液中の現在のグルコース濃度を連続的に測定する方法において、
a)センサ装置を用いて前記搬送流体の周辺組織における組織中グルコース濃度の一連の計測値を検出するステップであって、前記一連の計測値が、時間的に離間した少なくとも2つの計測値を含む、ステップと、
b)前記検出された一連の計測値を用いてセンサモデルに基づく前記組織中グルコース濃度を算出するステップであって、前記センサモデルにより、前記センサ装置の計測値が、計測雑音を考慮に入れつつ前記組織中グルコース濃度と相関付けられる、ステップと、
c)状態遷移モデルを提供するステップであって、前記状態遷移モデルにより、前記搬送流体中の少なくとも1つのグルコース濃度が、プロセス雑音を考慮に入れつつ前記算出された組織中グルコース濃度と相関付けられる、ステップと、
d)前記提供された状態遷移モデルと前記算出された組織中グルコース濃度とに基づいて、現在の前記グルコース濃度を算出するステップと、を備え、
少なくともステップd)、特に、ステップb)~ステップd)が、少なくとも1つの移動ホライズン推定法を用いて実行され、好ましくは、前記移動ホライズン推定法が、ステップd)における現在の前記グルコース濃度を算出するために実行され、それ以前に算出されたグルコース濃度と、少なくとも1つのそれ以前の組織中グルコース濃度とに適用される、測定する方法。 - 前記センサモデルが、計測値および組織中グルコース濃度の線形関数または非線形関数の形式で提供される、請求項1に記載の測定する方法。
- 現在の前記グルコース濃度を算出するための前記移動ホライズン推定法における、ホライズンの値が、10以下で選択される、請求項1または請求項2に記載の測定する方法。
- 前記計測雑音の分散および/または前記プロセス雑音の分散が、少なくとも一定の時間間隔で推定されるか、特に、補間されるか、かつ/または、ウエイト付けされ、好ましくは、前記計測雑音の前記分散および/または前記プロセス雑音の前記分散が、少なくとも1つのそれ以前の値に基づいて、好ましくは、指数平滑化法を用いて、推定されるか、特に、補間されるか、かつ/または、ウエイト付けされる、請求項1~請求項3のいずれか1項に記載の測定する方法。
- 前記計測雑音および/または前記プロセス雑音の推定を計算するために、部分的にのみ用いられた計測値が、一時的に保存されてよく、一時的に保存されることなく、かつ、必要とされる計測値が、前記保存された値を用いて補間されてよい、請求項4に記載の測定する方法。
- 前記計測値の数が、前記移動ホライズン推定法におけるホライズンの値よりも大きく、特に、少なくとも2倍以上、好ましくは、少なくとも5倍以上、大きく、選択される、請求項3または請求項4に記載の測定する方法。
- 前記計測雑音の前記分散および/または前記プロセス雑音の前記分散が、前記移動ホライズン推定法のホライズンの和の値と前記計測雑音および/または前記プロセス雑音の推定を計算するための計測値の数とに基づいて一定の時間間隔で調整される、請求項4または請求項6に記載の測定する方法。
- 算出された値は、フィルタ関数により、フィルタ処理され、前記フィルタ関数により、前記センサ装置の誤差、特に、計測誤差が抑えられ、好ましくは、前記フィルタ関数により、計測雑音値がウエイト付けされる、請求項1~請求項7のいずれか1項に記載の測定する方法。
- 前記センサ装置のエラーを求めるために、現在の組織中グルコース濃度の増加の勾配および/または前記現在の組織中グルコース濃度が推定される、請求項8に記載の測定する方法。
- 予め設定可能な低閾値未満、および/または、予め設定可能な高閾値超である、算出された値が、前記フィルタ関数により、削除され、特に、高閾値および低閾値が、生理的限界値に対応し、好ましくは、前記低閾値が、10mg/dL~50mg/dLの値を示し、特に、30mg/dLを示し、前記高閾値が、100mg/dL~600mg/dLの値を示し、特に、450mg/dLを示す、請求項8または請求項9に記載の測定する方法。
- 前記センサ装置の計測値の校正が、ステップd)の後に行われる、請求項1~請求項10のいずれか1項に記載の測定する方法。
- 前記状態遷移モデルが、前記搬送流体から周辺組織へのグルコースの拡散プロセスの時間依存性モデリングに関する拡散モデルを含み、かつ/または、前記センサモデルのセンサモデルパラメータおよび/または前記状態遷移モデルの状態遷移パラメータが、少なくとも一定の時間間隔で推定および/または更新される、請求項1~請求項11のいずれか1項に記載の測定する方法。
- 生物体の搬送流体中の、特に、血液中の現在のグルコース濃度を連続的に測定する、請求項1~請求項12のいずれか1項に記載の測定する方法を実行する装置において、
光ファイバプローブにより、前記搬送流体の周辺組織中の蛍光計測用のセンサ装置であって、前記搬送流体の周辺組織における組織中グルコース濃度の時間的に離間した少なくとも2つの計測値を含む一連の計測値を検出するように構成されたセンサ装置と、
前記状態遷移モデルを提供するように構成された提供装置であって、前記状態遷移モデルにより、前記搬送流体中の少なくとも1つのグルコース濃度が、プロセス雑音を考慮に入れつつ前記算出された組織中グルコース濃度と相関付けられ、かつ、センサモデルを提供するように構成され、前記センサモデルにより、前記センサ装置の計測値が、計測雑音を考慮に入れつつ前記組織中グルコース濃度と相関付けられる提供装置と、
前記検出された一連の計測値を用いて前記センサモデルに基づく前記組織中グルコース濃度を算出し、前記提供された状態遷移モデルと前記算出された組織中グルコース濃度とに基づいて、移動ホライズン推定法を用いて、現在の前記グルコース濃度を算出するように構成された推定装置と、
を備える、装置。 - 生物体の搬送流体中の、特に、血液中の現在のグルコース濃度を連続的に測定する、請求項1~請求項12のいずれか1項に記載の測定する方法を実行する推定装置において、
前記搬送流体の周辺組織における組織中グルコース濃度の一連の計測値を検出するセンサ装置であって、前記一連の計測値が、時間的に離間した少なくとも2つの計測値を含む、センサ装置を接続する少なくとも1つのインタフェースと、
前記状態遷移モデルを保存する少なくとも1つのメモリであって、前記搬送流体中の少なくとも1つのグルコース濃度が、前記状態遷移モデルにより、少なくとも1つのプロセス雑音値を考慮に入れつつ前記組織中グルコース濃度と相関付けられ、かつ、センサモデルを保存する、前記少なくとも1つのメモリであって、前記センサモデルにより、前記センサ装置の計測値が、少なくとも1つの計測雑音値を考慮に入れつつ前記組織中グルコース濃度と相関付けられる、少なくとも1つのメモリと、
前記検出された一連の計測値を用いて、前記センサモデルに基づいて、前記組織中グルコース濃度を算出し、かつ、前記保存された状態遷移モデルと前記算出された組織中グルコース濃度とに基づいて少なくとも1つの移動ホライズン推定法を用いて、現在の前記グルコース濃度を算出するように構成された演算装置と、
を備える、推定装置。 - コンピュータ上で実行される場合、生物体の搬送流体中の、特に、血液中の現在のグルコース濃度を連続的に測定する方法を実行させる命令を記憶する、請求項1~請求項12のいずれか1項に記載の測定する方法を実行する非一時的な機械可読媒体において、
a)前記センサ装置を用いて、前記搬送流体の周辺組織における、組織中グルコース濃度の一連の計測値を検出するステップであって、前記一連の計測値が、時間的に離間した少なくとも2つの計測値を含む、ステップと、
b)検出された前記一連の計測値を用いて、センサモデルに基づいて、前記組織中グルコース濃度を算出するステップであって、前記センサモデルにより、前記センサ装置の計測値が、計測雑音を考慮に入れつつ前記組織中グルコース濃度と相関付けられるステップと、
c)前記状態遷移モデルを提供するステップであって、前記状態遷移モデルにより、前記搬送流体中の少なくとも1つのグルコース濃度が、プロセス雑音を考慮に入れつつ前記算出された組織中グルコース濃度と相関付けられるステップと、
d)前記提供された状態遷移モデルと前記算出された組織中グルコース濃度とに基づいて、現在の前記グルコース濃度を算出するステップと、を備え、
少なくともステップd)、特に、ステップb)~ステップd)が、少なくとも1つの移動ホライズン推定法を用いて実行される、非一時的な機械可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019205430.7A DE102019205430A1 (de) | 2019-04-15 | 2019-04-15 | Verfahren zum Bestimmen eines aktuellen Glukosewerts in einem Transportfluid |
DE102019205430.7 | 2019-04-15 | ||
PCT/DE2020/200027 WO2020211910A1 (de) | 2019-04-15 | 2020-04-09 | Verfahren zum bestimmen eines aktuellen glukosewerts in einem transportfluid |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022529328A true JP2022529328A (ja) | 2022-06-21 |
Family
ID=70918165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021560082A Pending JP2022529328A (ja) | 2019-04-15 | 2020-04-09 | 搬送流体中の現在のグルコース濃度を測定する方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20220192544A1 (ja) |
EP (1) | EP3849419B1 (ja) |
JP (1) | JP2022529328A (ja) |
CN (1) | CN113825445A (ja) |
AU (1) | AU2020258630A1 (ja) |
CA (1) | CA3136010A1 (ja) |
DE (1) | DE102019205430A1 (ja) |
ES (1) | ES2912592T3 (ja) |
WO (1) | WO2020211910A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7494465B2 (en) | 2004-07-13 | 2009-02-24 | Dexcom, Inc. | Transcutaneous analyte sensor |
EP3593711B8 (en) * | 2010-03-26 | 2021-07-28 | University Of Virginia Patent Foundation | System for improving the accuracy of glucose sensors using insulin delivery observation in diabetes |
US9089292B2 (en) * | 2010-03-26 | 2015-07-28 | Medtronic Minimed, Inc. | Calibration of glucose monitoring sensor and/or insulin delivery system |
DE102015101847B4 (de) | 2015-02-10 | 2017-11-02 | Eyesense Gmbh | Strahlteiler und Anordnung zur Untersuchung einer mittels elektromagnetischer Strahlung anregbaren Probe |
US11883630B2 (en) * | 2016-07-06 | 2024-01-30 | President And Fellows Of Harvard College | Event-triggered model predictive control for embedded artificial pancreas systems |
-
2019
- 2019-04-15 DE DE102019205430.7A patent/DE102019205430A1/de not_active Ceased
-
2020
- 2020-04-09 WO PCT/DE2020/200027 patent/WO2020211910A1/de unknown
- 2020-04-09 JP JP2021560082A patent/JP2022529328A/ja active Pending
- 2020-04-09 US US17/603,741 patent/US20220192544A1/en active Pending
- 2020-04-09 EP EP20728934.9A patent/EP3849419B1/de active Active
- 2020-04-09 CA CA3136010A patent/CA3136010A1/en active Pending
- 2020-04-09 CN CN202080029248.4A patent/CN113825445A/zh active Pending
- 2020-04-09 ES ES20728934T patent/ES2912592T3/es active Active
- 2020-04-09 AU AU2020258630A patent/AU2020258630A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102019205430A1 (de) | 2020-10-15 |
CA3136010A1 (en) | 2020-10-22 |
WO2020211910A1 (de) | 2020-10-22 |
CN113825445A (zh) | 2021-12-21 |
ES2912592T3 (es) | 2022-05-26 |
US20220192544A1 (en) | 2022-06-23 |
EP3849419B1 (de) | 2022-03-23 |
AU2020258630A1 (en) | 2021-11-04 |
EP3849419A1 (de) | 2021-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11633156B2 (en) | Retrospective retrofitting method to generate a continuous glucose concentration profile by exploiting continuous glucose monitoring sensor data and blood glucose measurements | |
Kuure-Kinsey et al. | A dual-rate Kalman filter for continuous glucose monitoring | |
Gani et al. | Predicting subcutaneous glucose concentration in humans: data-driven glucose modeling | |
EP2825096B1 (en) | Systems and methods for processing analyte sensor data | |
DK2552313T3 (en) | Calibration of the glucose monitoring sensor and / or insulin delivery system | |
US5626140A (en) | System and method of multi-sensor fusion of physiological measurements | |
JP2012210431A (ja) | 連続グルコースセンサの精度の改善 | |
JP2005077412A (ja) | 推定モジュールを備えた分析装置及び方法 | |
KR101968105B1 (ko) | 환자의 파라미터를 나타내는 하나 이상의 값을 계산 또는 근사화하는 방법 및 장치 | |
Staal et al. | Kalman smoothing for objective and automatic preprocessing of glucose data | |
US20180003547A1 (en) | Apparatus and method for monitoring changes in user weight | |
Mahmoudi et al. | A multistep algorithm for processing and calibration of microdialysis continuous glucose monitoring data | |
WO2019213003A1 (en) | System and methods for model-based noninvasive estimation and tracking of intracranial pressure | |
JP2022529328A (ja) | 搬送流体中の現在のグルコース濃度を測定する方法 | |
Acciaroli et al. | Calibration of CGM systems | |
Laguna et al. | Postprandial performance of Dexcom® SEVEN® PLUS and Medtronic® Paradigm® Veo™: Modeling and statistical analysis | |
Al Ahdab et al. | State space temporal gaussian processes for glucose measurements | |
JP2024512037A (ja) | 輸送流体中の現在のグルコース値を判定する方法 | |
Murley et al. | Decision support of inspired oxygen selection based on Bayesian learning of pulmonary gas exchange parameters | |
US20230218204A1 (en) | Personalized calibration for glucose sensing | |
CN117717332A (zh) | 血氧仪数据处理方法、装置、介质及设备 | |
Vlasova et al. | Improving the Performance of Computerized Blood Glucose Concentration Analyzers | |
CA2970194A1 (en) | Analyte measurement | |
JP2020505177A (ja) | 向上した心拍出量測定を提供する血流力学モニター | |
Kruse et al. | Moving horizon estimation for continuous glucose monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230316 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231212 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231215 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240311 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240507 |