JP5601102B2 - 血糖値予測システム - Google Patents

Description

本発明は、血糖値予測システムに関する。

糖尿病や生活習慣病などの治療においては、個人のデータを記録して、その推移を見守るとともに、必要な処置を施していくことが重要である。特に、血糖値に関してはユーザーの摂取エネルギー情報や消費エネルギー情報と血糖値の変化情報を記録・管理しておくことは、今後の血糖値の推移を予測するうえで重要である。しかし、これらの情報はユーザー個人のみが保有する情報であって、同様な病状のユーザー相互の情報を活用することはできなかった。

そこで、個人の病状、生活態様にあった消費エネルギー情報（運動プログラム）と摂取エネルギー情報（食事情報）を配信することが考えられた。例えば、インターネット網に接続されたデータベース装置に配信する食事情報と運動プログラムとを蓄積し、蓄積されている食事情報と運動プログラムを検索し、インターネット網を通して食事情報と運動プログラムをユーザーの要求に応じて配信するデータベース装置が提案されている（例えば、特許文献１参照）。

特開２００６−１２１３７号公報

糖尿病や生活習慣病では、同じ病状、生活態様であってもその改善度合いには個人差がある。上述した特許文献１によれば、ユーザーは、インターネット網を通して食事情報と運動プログラムを入手することが可能であるが、ユーザーが、データベース装置内に蓄積されている他のユーザーの情報を入手することができなかった。従って、複数のユーザーの情報を共有化することによりユーザー自身の病状や生活態様を改善するための参考にすることはできない。

本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。

［適用例１］本適用例に係る血糖値予測システムは、血糖値を予測する対象のユーザー個人が摂取した摂取エネルギー情報を取得する摂取エネルギー取得部と、前記ユーザー個人が消費した消費エネルギー情報を取得する消費エネルギー取得部と、前記ユーザー個人の個体差及び環境変数を含むユーザー属性を入力する操作部と、前記摂取エネルギー情報と前記消費エネルギー情報を用いて予測血糖値曲線を作成する生成部と、を有する血糖値予測装置と、複数のユーザーそれぞれのユーザー情報及び前記ユーザー属性とを収集・蓄積する情報収集部と、前記ユーザー個人が要求する前記ユーザー属性に対応する前記ユーザー情報から前記ユーザー個人の共通性を有する特徴を抽出してデータマイニング処理を行うデータマイニング部と、を有するデータベース装置と、を備えていることを特徴とする。

本適用例によれば、ユーザーは、自身のユーザー属性と共通性があるデータベース装置に蓄積されたユーザー属性を検索し、他の多数のユーザーの中から自身のユーザー属性に近いユーザー情報を抽出して、このユーザー情報を参考にして血糖値の予測精度を高めると共に、生活態様の管理・改善に活用することができる。

また、血糖値予測装置の情報蓄積が少ないユーザーであっても、データベース装置に長期間にわたって蓄積されたユーザー情報を抽出することによって、血糖値の予測精度を高めることができるという効果がある。

［適用例２］上記適用例に係る血糖値予測システムは、前記データマイニング部で抽出された前記ユーザー情報に基づき、前記生成部により前記ユーザー個人の予測血糖値曲線を変形することが好ましい。

データベース装置に蓄積された他のユーザーの情報を用いて、血糖値予測装置によりユーザー個人の予測血糖値曲線を変形（補正）することにより、血糖値の予測誤差を低減することができる。特に、情報蓄積の期間が短いユーザーにとって、ユーザー属性に共通の特徴を有し長期間にわたって蓄積された他のユーザーを活用することで血糖値予測精度を高めることを可能にする。

［適用例３］上記適用例に係る血糖値予測システムは、前記ユーザーの個体差には、ユーザー個人の生体情報及びバイタルサインのいずれかが含まれていることが望ましい。

ここで、生体情報には、例えば年齢、性別、身長、体重、体重ＢＭＩ値（ボディマス指数：Ｂｏｄｙ Ｍａｓ Ｉｎｄｅｘ）体脂肪値等が含まれており、バイタルサインには、例えば脈拍数、心拍数、血圧、体温等が含まれ、糖尿病患者の場合には血糖値、Ｃ−ペプチド、インスリン抵抗指数が含まれる。これらは、血糖値測定対象ユーザーの身体的特徴を表す情報であって、これらの幾つかの情報に共通性がある他のユーザーの情報を検索することでユーザーにより近い他のユーザーの情報を抽出することが可能となる。このことによって、情報蓄積が少ないユーザーも血糖値の予測精度を高めることができる。

［適用例４］上記適用例に係る血糖値予測システムは、前記ユーザーの環境変数には、ユーザー個人の生活環境に関わる内容が含まれていることが望ましい。

ここで、環境変数には、例えば家族構成、地域性、職業、性格、過去の病歴、趣味等が含まれる。これらの情報は、血糖値の変化に間接的に影響するものであって、これらの情報を前述した生体情報とバイタルサインの幾つかに加えて検索することで、さらに血糖値予測の精度を高めることができると共に、生活態様の管理・改善の参考にすることができる。

［適用例５］上記適用例に係る血糖値予測システムは、前記血糖値予測装置と前記データベース装置は、ネットワークで接続されていることが望ましい。

ここで、ネットワークとは、例えばインターネット網、電話回線（携帯電話含む）等のいずれかを採用できる。このようにすれば、データベース装置に対して遠隔地に生活する個人ユーザーがデータベース装置に容易にアクセスすることができる。
なお、アクセスとは、血糖値予測装置の情報をデータベース装置に入力すること、データベース装置により抽出された情報を血糖値予測装置に取り込むことを含む。

［適用例６］上記適用例に係る血糖値予測システムは、前記データベース装置には、前記ユーザー個人を特定する認証部が備えられていることが望ましい。

データベース装置に蓄積されている情報は個人の機微のセキュリティー情報である。よって、事前に登録されたユーザーを認証することにより、個人情報の流出を防止することができる。

実施形態１に係る血糖値予測システムの主たる構成を表す構成説明図。 実施形態１に係る血糖値予測装置の主たる構成を示す構成説明図。 （ａ）は、食事メニュー情報の一例を示す表、（ｂ）は、運動種別情報の一例を示す表。 ユーザー情報を表し、（ａ）は血糖値情報の一例を表す図、（ｂ）は行動情報の一例を表す表。 ユーザー属性の１例を示す表。 制御部の主たる構成を表す機能構成図。 （ａ）は、第１予測曲線の一例を示す説明図、（ｂ）は、第２予測曲線の一例を示す説明図。 血糖値予測装置の動作フロー説明図。 （ａ）〜（ｃ）は、第１予測曲線を変形する例を説明する説明図。 （ａ）〜（ｃ）は、第２予測曲線を変形する例を説明する説明図。 血糖値予測システムの動作フロー説明図。

以下、本発明の実施形態を図面を参照して説明する。
（実施形態１）

図１は、実施形態１に係る血糖値予測システムの主たる構成を表す構成説明図である。図１において、血糖値予測システム１は、ユーザー個人一人ひとりの予測血糖値曲線を作成して出力する血糖値予測装置１０と、複数のユーザーの血糖値予測装置からの情報を収集・蓄積し、これらの情報からユーザーの共通性のある特徴を抽出するデータベース装置としての血糖値サーバー３００とから構成され、血糖値予測装置１０と血糖値サーバー３００とは、ネットワーク（図示せず）によって接続されている。

なお、図１では複数のユーザー群としてＡさん〜Ｅさんを図示しているが、実際には多数のユーザーが存在し、それぞれが血糖値予測装置１０を有している。以降、ユーザー群を代表してユーザー個人（例えば、Ａさん）として説明する。

まず、血糖値サーバー３００について図１を参照して説明する。本実施形態による血糖値サーバー３００は、本システム専用のサーバーである。但し、後述する機能を備えていればｗｅｂサーバーと兼用することも可能である。血糖値サーバー３００は、予め登録された複数のユーザーそれぞれが保有する血糖値予測装置１０からの情報（血糖値予測装置の項で後述する）を収集する情報収集部３４０と、情報収集部３４０に蓄積されたユーザーの情報をもとにデータマイニング処理を行うデータマイニング部３１０と、ユーザー個人の特定（認証）を行う認証部３８０と、血糖値予測装置１０との間で情報の授受を行う通信部３７０とを備えて構成されている。

情報収集部３４０には、多数の血糖値予測装置１０から情報を収集する情報検索部３５０と、記憶部３６０と、が備えられている。情報検索部３５０ではさらに、データマイニング部３１０から指定された情報を血糖値予測装置１０から収集する機能、データマイニング部３１０から指定された情報を多数の血糖値予測装置１０から選択して収集する機能を有する。そして、記憶部３６０は、情報検索部３５０、及びデータマイニング部３１０が収集した情報を蓄積する。

データマイニング部３１０は、記憶部３６０に蓄積された情報をもとにデータマイニング処理を行うマイニング部３２０と、指定されたユーザー属性に対応するデータマイニング処理された情報を抽出する特徴抽出部３３０を備える。特徴抽出部３３０では、ユーザー属性に対応して集める情報の特徴を選択する。

データマイニング処理は、統計学的、パターン認識等のデータ解析の技法を用いて、大量のデータを網羅的に適用する処理方法であって、ユーザー個人毎の摂取エネルギー情報、消費エネルギー情報、血糖値情報に基づくユーザー情報を作成し、これらをユーザー属性に紐付けして情報収集部３４０（記憶部３６０）に蓄積する。

続いて、血糖値予測装置について説明する。なお、血糖値予測装置はユーザー一人ひとりが所有するものである。
図２は、実施形態１に係る血糖値予測装置の主たる構成を示す構成説明図である。血糖値予測装置１０は、制御部１１０と、活動量測定部１２０と、操作部１３０と、記憶部１４０と、表示部１５０と、計時部１６０と、通信部３７０とを備えて構成されている。

制御部１１０は、ＣＰＵ（Central Processing Unit）とＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）のメモリーを含み、ＲＡＭをワーキングエリアとしてＲＯＭに予め記憶されている制御プログラムを実行することにより、制御部１１０と接続されている各部を制御する。なお、制御部１１０の詳細については図６を参照して後述する。

活動量測定部１２０は、ユーザーが消費した消費カロリーを求め、求めた消費カロリーを消費エネルギー情報として制御部１１０へ送出する。活動量測定部１２０は、例えば、ユーザーの運動状態を検出するための加速度センサーや速度センサー等のセンサーを有し、ユーザーの歩行や歩行以外の運動などの動作によって検出された上記センサーからの出力信号を予め定義された演算式を用いて消費エネルギーに変換する。なお、加速度センサーとしては、検出方向の多様性をもたせるために３軸加速度センサーとすることが好ましい。
また、消費カロリーを精度よく求めるため、脈波ＲＲ間隔・体温・血圧・睡眠などの生体データを、光学検出、電気信号検出、圧力検出などを用いて検出してもよい。

操作部１３０は、例えば、数字や文字等の入力キーを有する操作ボタン群を有し、ユーザーによって操作された入力キーに対応する操作信号を制御部１１０へ送出する。本実施形態では、特に、操作部１３０は、測定されたユーザーの血糖値データを入力すると共に、ユーザーが摂取した食事内容を示す食事メニュー情報やユーザーが行った運動内容を示す運動種別情報のデータ、及びユーザー個人の個体差及び環境変数を含むユーザー属性を制御部１１０に入力する。

さらに、操作部１３０は、血糖値予測装置１０の情報を前述した血糖値サーバー３００に入力し、血糖値サーバー３００が抽出した情報を血糖値予測装置１０に取り込む機能と、ユーザー個人を特定するパスワード等を登録する機能を有する。

記憶部１４０は、不揮発性の記憶媒体で構成され、ユーザーの過去の血糖値に関する情報を含むユーザー情報２００や、食事メニュー情報２１１、運動種別情報２１２及びユーザー個人のユーザー属性２１３等のテーブルを記憶している。食事メニュー情報２１１、運動種別情報２１２、ユーザー情報２００及びユーザー属性２１３の詳細については、図３、図４、図５を参照して後述する。

表示部１５０は、液晶ディスプレイ等の表示装置で構成され、操作部１３０によって入力された情報、血糖値サーバー３００から入手した情報や、制御部１１０の制御に従い食事メニュー情報２１１や運動種別情報２１２の入力画面や血糖値の予測曲線等の各種画像を表示する。
計時部１６０は、所定のクロックをカウントして時刻を計時する。

通信部３７０は、血糖値予測装置１０と血糖値サーバー３００との間においてネットワークを介して情報の授受を行う。

続いて、記憶部１４０に含まれる食事メニュー情報２１１、運動種別情報２１２、ユーザー情報２００、ユーザー属性２１３について順に説明する。
図３（ａ）は、食事メニュー情報の一例を示す表である。食事メニュー情報２１１には、単品の食品名や料理名等の食事メニューと食事メニューに対応する摂取カロリーが記憶されている。食事メニュー情報２１１は、ユーザーが食事情報を入力する際に参照される。
図３（ｂ）は、運動種別情報の一例を示す表である。運動種別情報２１２には、運動種別と運動内容とが記憶されている。運動種別情報２１２は、ユーザーが運動情報を入力する際に参照される。

次に、ユーザー情報２００について説明する。
図４はユーザー情報を表し、（ａ）は血糖値情報の一例を表す説明図、（ｂ）は行動情報の一例を表す表である。ユーザー情報２００には、図４（ａ）に示す血糖値情報２００ａと、図４（ｂ）に示す行動情報２００ｂとが含まれている。
血糖値情報２００ａには、例えば、ユーザーが過去に糖尿病に関する教育入院を行ったとき等の、教育入院期間において測定された毎日の血糖値と行動履歴（食事と運動の履歴）が記憶されている。

図４（ａ）は、その一例として、２０１０年２月１日と２月２日のユーザーの血糖値情報２００ａを示している。この図の波形４１は、ユーザーの血糖値の時系列変化を表している。また、時間軸における「朝食」、「散歩」、「昼食」・・・等は、ユーザーが摂った食事や運動のタイミング等の行動履歴を示している。

図４（ｂ）は、図４（ａ）の各行動履歴に対応する行動情報２００ｂを示しており、各行動履歴に対応する行動内容（食事内容、運動内容）と、行動内容に対応する摂取カロリーと消費カロリーとが対応づけられている。
例えば、図４（ａ）の２０１０年２月１日の朝食の食事内容は「和食Ａ」であり、和食Ａの摂取カロリーは「５００ｋｃａｌ」であったことを示している。また、図４（ａ）の２０１０年２月１日の午前に行った「散歩」の消費カロリーは「５０ｋｃａｌ」であったことを示している。
このように、ユーザー情報２００には、ユーザーの過去の行動履歴に対応する血糖値の変化と、ユーザーの行動に対する摂取カロリーと消費カロリーと、が含まれている。

次に、ユーザー属性２１３について説明する。
図５は、ユーザー属性の１例を示す表である。ユーザー属性には、ユーザー個人の個体差と環境変数が含まれる。個体差は、ユーザー個人の生体データ及びバイタルサインを含んでいる。生体データには、例えば年齢、性別、身長、体重、体重ＢＭＩ値、体脂肪値が含まれており、バイタルサインとしては、脈拍数、心拍数、血圧、体温等が含まれる。バイタルサインは平均値または起床時の平均値とする。なお、ユーザーが糖尿病の場合には血糖値、Ｃ−ペプチド、インスリン抵抗指数を含むことが望ましい。これらは、血糖値測定対象ユーザーの身体的特徴を表す情報である。

環境変数には、家族構成、地域性、職業、性格、過去の病歴、趣味等が含まれる。環境変数は、ユーザー個人の生活環境に関わる内容が含まれ、血糖値の変化に間接的に影響するものと考えられている。
これら個体差と環境変数のうちの幾つかを選択し、または全部を操作部１３０から制御部１１０に入力する。

次に、制御部１１０の機能構成について図面を参照して説明する。
図６は、制御部の主たる構成を表す機能構成図である。制御部１１０には、摂取エネルギー取得部１１１と、消費エネルギー取得部１１２と、算出部１１３と、解析部１１４及び生成部１１５と、通信部３７０と、が含まれる。

摂取エネルギー取得部１１１は、ユーザーが入力する血糖値データと、摂取エネルギー情報としてユーザーが入力する食事情報を取得し、取得した食事情報と食事メニュー情報２１１に基づいて、食事情報に対応する摂取カロリーを算出する。
消費エネルギー取得部１１２は、ユーザーの消費エネルギー情報として消費カロリーを活動量測定部１２０から一定時間毎に取得する。

算出部１１３は、摂取エネルギー取得部１１１で求めた摂取カロリーと予め定められた第１の予測アルゴリズムに基づいて、摂取カロリーに対する血糖値の変化を予測した予測曲線（以下、第１予測曲線と称する）を作成する。さらに、算出部１１３は、消費エネルギー取得部１１２で取得された消費カロリーと予め定められた第２の予測アルゴリズムに基づいて、消費カロリーに対する血糖値の変化を予測した予測曲線（以下、第２予測曲線と称する）を作成する。

続いて、第１予測曲線と第２予測曲線の作成について説明する。
図７（ａ）は、第１予測曲線の一例を示す説明図である。第１予測曲線は、摂取カロリーと第１の予測アルゴリズムとに基づいて求められる。第１予測曲線は、遅延期間ｄ１、上昇期間ｄ２、平衡期間ｄ３、及び下降期間ｄ４を有する。以下、各期間における血糖値曲線を求める第１の予測アルゴリズムの一例を説明する。

遅延期間ｄ１は、食事摂取を開始してから食事開始時における血糖値（基準値）Ｃ０を超えるまでの期間を示している。遅延期間ｄ１は、食事の開始時点から予め定められた時間（例えば、１５分）が設定されおり、食事開始時の血糖値Ｃ０を維持している。なお、食事開始時の血糖値Ｃ０は、当該時刻においてユーザーが測定した血糖値を用いるが、測定できなかった場合には、例えば、予め設定されたユーザーの血糖値の標準値等を用いるようにしてもよい。

上昇期間ｄ２は、遅延期間ｄ１の終期から始まり、血糖値が上昇を開始して血糖値がピークとなる値（ピーク値）に到達するまでの期間を示している。ピーク値は、傾きＳ１で血糖値が上昇し、食事開始時の血糖値Ｃ０に血糖値の上昇量ｈ１１を合算した値である。
血糖値の上昇量ｈ１１は、例えば、ｈ１１＝（摂取カロリー）×（インスリン分泌量）×（係数α）で求められる。本実施形態では、インスリン分泌量と係数α（但し、α＞０）は、ユーザーに応じて予め設定された固定値である。なお、インスリン分泌量及び係数は、予め設定された固定値だけなく、ユーザー属性（年齢、性別、身長、体重等）に応じて定められた値や可変値であってもよい。

平衡期間ｄ３は、上昇期間ｄ２の終期から血糖値のピーク値を維持している期間であり、本実施形態では、予め定義された固定値が設定されている。例えば、摂取カロリーとユーザーに固有の係数とを乗算した値を、前回の摂取カロリーとの差に応じた係数で除算する等、摂取カロリーと予め定められた演算式とを用いて平衡期間ｄ３を求めるようにしてもよい。

下降期間ｄ４は、平衡期間ｄ３の終期から血糖値が傾きＳ２で下降を開始して基準値に到達するまでの期間を示している。つまり、下降期間ｄ４は、血糖値がピーク値から基準値（食事開始時の血糖値Ｃ０）に戻るまでの期間である。
傾きＳ２は、例えば、Ｓ２＝（摂取カロリー）×（係数β）で求められる。本実施形態では、係数βは、ユーザーに応じて予め定められた固定値（但し、β＜０）であるが、ユーザー属性（年齢、性別、身長、体重等）に応じて予め定められた値や可変値であってもよい。

次に、第２予測曲線について説明する。
図７（ｂ）は、第２予測曲線の一例を示す説明図である。第２予測曲線は、消費カロリーと第２の予測アルゴリズムとに基づいて求められる。第２予測曲線は、遅延期間ｅ１と下降期間ｅ２を含んで構成されている。以下、各期間における血糖値曲線を求める第２の予測アルゴリズムの一例を説明する。

遅延期間ｅ１は、運動を開始してから血糖値が下降し始めるまでの期間を示し、運動開始時の血糖値が維持される期間である。本実施形態では、遅延期間ｅ１には、予め定められた期間（例えば、２分）が設定されている。下降期間ｅ２は、遅延期間ｅ１の終期から傾きＳ３（単位時間当たりの血糖値の低下量ΔＣ）で血糖値が下降する期間である。
血糖値の低下量ΔＣは、例えば、ΔＣ＝（消費カロリー）×（インスリン分泌量）×（係数γ）で求められる。消費カロリーは、活動量測定部１２０において計測されたユーザーの消費カロリーであり、本実施形態では、ユーザーが運動を意識していない通常の動作時においても活動量測定部１２０によりユーザーの消費カロリーが算出されて逐次入力される。

なお、インスリン分泌量はユーザーに応じて予め設定された固定値であり、係数γ（但し、γ＜０）は、血糖値に応じた可変値であってもよいし、ユーザー属性（年齢、性別、身長、体重等）に応じて定められた固定値であってもよい。

続いて、図６を参照して解析部１１４について説明する。
解析部１１４は、操作部１３０から入力された摂取エネルギー情報としての食事情報（食事メニュー情報２１１）に対応するユーザー情報２００を抽出する抽出条件を用いてユーザー情報２００を抽出し、抽出したユーザー情報２００を用いて当該食事情報に対するユーザーの血糖値の変化傾向を解析する。

具体的には、例えば、入力された食事メニューが和食Ａの場合、和食Ａを摂取したときの血糖値の変化を表す波形として和食Ａを摂取した時点から次の行動（食事又は運動）が行われるまでの期間の波形データが抽出される。図４（ａ）に示す血糖値情報２００ａの例では、２０１０年２月１日の朝食を摂取した時点から次の行動、つまり散歩が行われるまでの期間の波形データが抽出される。なお、散歩が行われなければ、朝食を摂取した時点から昼食を摂取するまでの期間の波形データが抽出される。このようにして、同じ食事内容を摂取したときの行動内容に対応する血糖値の変化を表す波形を第１モデル波形として抽出する。なお、複数の波形が抽出された場合には、解析部１１４は、抽出した複数の波形を平均化する等の処理を行い、当該食事情報に対する血糖値の変化傾向を示す第１モデル波形を生成する。

また、解析部１１４は、操作部１３０から入力された運動情報（運動種別情報）と対応するユーザー情報２００を抽出する抽出条件を用いてユーザー情報２００を抽出し、抽出したユーザー情報２００を用いて運動情報に対するユーザーの血糖値の変化傾向を解析する。本実施形態では、活動量測定部１２０によりユーザーの消費カロリーが逐次算出されるように構成されているが、算出された消費カロリーがどのような動作を行ったときのものであるかを区別するために、通常の動作以外の運動については、ユーザーが運動を行う前に運動種別を入力する。

具体的には、例えば、入力された運動内容がウォーキングである場合には、ウォーキングを行ったときの血糖値の変化を表す波形として、図４（ａ）に示す血糖値情報２００ａにおける２０１０年２月１日のウォーキング開始時から次の行動、つまり軽食を摂取するまでの波形データが抽出される。このようにして、同じ運動を行ったときの血糖値の変化を表す波形を第２モデル波形として抽出する。なお、複数の波形が抽出された場合には、解析部１１４は、抽出された複数の波形を平均化する等の処理を行い、当該運動情報に対する血糖値の変化傾向を示す第２モデル波形を生成する。

なお、第２の予測アルゴリズムにおけるインスリン分泌量はユーザーに応じて予め設定された固定値であり、係数γの調整は、血糖値に応じた可変値であってもよいし、ユーザー属性（年齢、性別、身長、体重等）に応じて定められた固定値であってもよい。

また、解析部１１４には、操作部１３０から前述したユーザー属性２１３が入力される。ユーザー属性２１３と制御部１１０内の各情報とは紐付けされている。

次に、生成部１１５について説明する。
生成部１１５は、算出部１１３において算出された第１予測曲線及び第２予測曲線を、解析部１１４の解析結果に基づいて変形し、変形した第１予測曲線と第２予測曲線を統合して予測血糖値曲線を生成する。

具体的には、生成部１１５は、第１予測曲線（図７（ａ）、参照）の上昇期間ｄ２における血糖値のピーク値までの上昇量ｈ１１と、解析部１１４から出力される同じ食事内容を摂取したときの血糖値の変化を表す第１モデル波形のピーク値までの上昇量とを比較し、上昇量の差分が予め定めた閾値以上である場合には、第１予測曲線の上昇量ｈ１１が第１モデル波形の上昇量となるように係数αを調整する。

また、生成部１１５は、第１予測曲線の平衡期間ｄ３と、第１モデル波形において血糖値のピーク値が継続する継続期間とを比較し、平衡期間ｄ３と継続期間との差分が予め定めた閾値以上である場合には、第１予測曲線の平衡期間ｄ３を継続期間と一致させるように平衡期間ｄ３を設定する。なお、第１モデル波形において、血糖値のピーク値が予め定められた閾値ΔＣｔｈの範囲内で下降している期間はピーク値が継続しているものとし閾値ΔＣｔｈの範囲を下回った時点を継続期間の終期と判断する。

また、生成部１１５は、第１予測曲線の下降期間ｄ４においてピーク値から血糖値が低下した低下量（ｈ１１）と、第１モデル波形のピーク値から血糖値が低下した低下量とを比較し、低下量の差分が予め定めた閾値以上である場合には、第１予測曲線の下降期間ｄ４におけ低下量（ｈ１１）が第１モデル波形における低下量となるように、傾きＳ２の係数βを調整する。

生成部１１５は、第２予測曲線（図７（ｂ）、参照）についても第１予測曲線と同様に変形する。具体的には、生成部１１５は、第２予測曲線の下降期間ｅ２における血糖値の単位時間当たりの血糖値の低下量ΔＣと、同じ運動を行ったときの血糖値の変化を表す第２モデル波形における血糖値の単位時間当たりの低下量とを比較し、低下量の差分が予め定めた閾値以上である場合には、第２予測曲線における血糖値の低下量ΔＣを第２モデル波形における低下量となるように係数γを調整する。

生成部１１５は、上記のようにして第１予測曲線と第２予測曲線を各々変形し、変形した第１予測曲線と第２予測曲線とを統合した予測血糖値曲線を生成し、生成した予測血糖値曲線を表示部１５０へ出力する。

なお、本実施形態において、解析結果に基づいて予測曲線を変形する処理とは、運動情報、及び摂取エネルギー情報の解析結果に基づく波形（第１モデル波形、第２モデル波形）からユーザーの血糖値変化の特徴量を示すパラメーターを抽出し、予測曲線（第１予測曲線、第２予測曲線）においてこの特徴量に対応するパラメーターを抽出し、予測曲線のパラメーターを解析結果のパラメーターとなるように近づける処理である。

生成部１１５によって形成された予測血糖値曲線は、操作部１３０を操作することによってユーザー属性２１３と紐付けされた状態で血糖値サーバー３００に入力される。

続いて、本実施形態における血糖値予測装置１０の動作について説明する。
図８は、本実施形態における血糖値予測装置の動作フロー説明図である。なお、この動作フローは、血糖値予測装置１０単独の動作フローを表している。本実施形態では、ユーザーによって毎日朝食前に血糖値が実測される。血糖値予測装置１０は、その実測値を用いて、食事情報が入力される毎、ユーザーの消費カロリーが測定される毎に血糖値の予測を行い、予測血糖値曲線を出力する。

ユーザーは、実測した血糖値のデータを血糖値予測装置１０の操作部１３０を介して入力する。制御部１１０は、操作部１３０を介して入力された血糖値データを入力時間と共に受付ける（ステップＳ１１）と、入力された血糖値データを基準値Ｃ０（図７（ａ）、参照）として設定し、血糖値予測処理を開始する。

ユーザーが操作部１３０を介して食事情報入力画面を表示させる操作を行うと、制御部１１０は、食事メニュー情報２１１の食事メニューを表示部１５０に表示し、ユーザーからの入力を受付ける（ステップＳ１２）。

制御部１１０は、操作部１３０を介して食事メニューがユーザーによって入力されると（ステップＳ１２：ＹＥＳ）、摂取エネルギー情報として、入力された食事メニューに対応する摂取カロリーを食事メニュー情報２１１から選択し、選択した摂取カロリーに対する第１予測曲線を第１の予測アルゴリズムを用いて算出する（ステップＳ１３）。制御部１１０は、ステップＳ１２において入力された食事メニューに対応するユーザー情報２００を抽出し、食事情報に対する過去の血糖値の変化傾向を解析して第１モデル波形を生成する（ステップＳ１４）。

次に、ステップＳ１３において算出された第１予測曲線における各期間（ｄ１，ｄ２，ｄ３，ｄ４）の血糖値変化と、ステップＳ１４において生成された第１モデル波形の血糖値変化とを比較し、比較結果に応じて第１予測曲線を変形する（ステップＳ１５）。
また、制御部１１０は、消費エネルギー情報として、活動量測定部１２０において一定時間毎に計測されるユーザーの消費カロリーを活動量測定部１２０から受付け（ステップＳ１６）、受付けた消費カロリーに対する第２予測曲線を第２の予測アルゴリズムを用いて算出する（ステップＳ１７）。

ユーザーは、操作部１３０を介して運動情報入力画面を表示させる操作を行うと、制御部１１０は、運動種別情報２１２を表示部１５０に表示し、ユーザーからの入力を受付ける（ステップＳ１８）。制御部１１０は、運動情報として、操作部１３０を介して運動種別がユーザーによって入力されると（ステップＳ１８：ＹＥＳ）、入力された運動情報に対応するユーザー情報２００を抽出し、運動情報に対する過去の血糖値の変化傾向を解析して第２モデル波形を生成する（ステップＳ１９）。

制御部１１０は、ステップＳ１７において算出された第２予測曲線における下降期間ｅ２の血糖値変化と、ステップＳ１９において生成された第２モデル波形の血糖値変化とを比較し、比較結果に応じて第２予測曲線を変形する（ステップＳ２０）。

制御部１１０は、第１予測曲線と第２予測曲線とを同一時間軸上で統合させた予測血糖値曲線を生成し、生成した予測血糖値曲線を示す画像を表示部１５０に表示する（ステップＳ２１）。なお、ステップＳ１２において、ユーザーにより食事情報が入力されなかった場合には（ステップＳ１２：ＮＯ）、制御部１１０は、ステップＳ１６の処理を行う。また、ステップＳ１８において、ユーザーにより運動情報が入力されなかった場合には（ステップＳ１８：ＮＯ）、制御部１１０は、ステップＳ２１の処理を行う。

このように、制御部１１０では、摂取エネルギー情報と消費エネルギー情報とが入力される毎に第１予測曲線、第２予測曲線を算出し、算出された第１予測曲線と第２予測曲線に基づいて予測血糖値曲線を生成する。なお、ユーザーによって入力された血糖値データと食事情報と運動情報は、ユーザーの過去の血糖値に関する情報として制御部１１０により記憶部１４０のユーザー情報２００として記憶されるようにしてもよい。

次に、上述した動作フローに従って血糖値予測装置１０の具体的な動作例を説明する。なお、図８、図９、図１０を参照して説明する。
図９（ａ）〜図９（ｃ）は、第１予測曲線を変形する例を説明する説明図である。
図１０（ａ）〜図１０（ｃ）は、第２予測曲線を変形する例を説明する説明図である。
まず、第１予測曲線について説明する。ユーザーは、操作部１３０を介して、朝食摂取前に血糖値を測定した血糖値データ「１３０」を入力し（ステップＳ１１）、食事情報入力画面を表示させる操作を行い、食事情報として仮に「洋食Ｃ」を入力する（ステップＳ１２）。制御部１１０は、「洋食Ｃ」に対応する摂取カロリーとして、食事メニュー情報２１１から「５００ｋｃａｌ」を選択する。制御部１１０は、入力された血糖値データ「１３０」を基準値Ｃ０として設定し、摂取カロリー「５００（ｋｃａｌ）」と第１の予測アルゴリズムを用いて図９（ａ）に示す第１予測曲線を算出、作成する（ステップＳ１３）。

続いて、制御部１１０は、図４（ａ）に示す血糖値情報２００ａから食事情報「洋食Ｃ」を含む波形を抽出する。図４（ａ）の血糖値情報２００ａの例では、洋食Ｃが摂取された２０１０年２月２日の朝食時点から次の行動「水中ウォーキング」が開始されるまでの期間の波形データを抽出する。このようにして、制御部１１０により、食事情報「洋食Ｃ」が摂取されたときの波形データを血糖値情報２００ａから抽出し、抽出された波形データを平均化した図９（ｂ）に示す第１モデル波形を生成する（ステップＳ１４）。

制御部１１０は、図９（ａ）に示す第１予測曲線の各期間の血糖値変化と図９（ｂ）に示す第１モデル波形の血糖値変化とを比較し、第１予測曲線を変形して図９（ｃ）に示す第１予測曲線を生成する（ステップＳ１５）。
続いて、図９（ａ）に示す第１予測曲線の上昇期間ｄ２における血糖値の上昇量ｈ１１と、図９（ｂ）に示す第１モデル波形の血糖値の上昇量ｈ２１（Ｃ４−Ｃ１）とを比較する。上昇量の差分が閾値以上である場合には、制御部１１０により、第１予測曲線における上昇量ｈ１１がｈ２１（Ｃ４−Ｃ１）となるように、第１の予測アルゴリズムにおける係数αを調整する。

制御部１１０は、図９（ｂ）の第１モデル波形の血糖値がピークとなる時間ｔ１以降において、血糖値がピーク値から閾値ΔＣｔｈ範囲内の時間ｔ２までの継続期間ｄ３１（ｔ２−ｔ１）と、第１予測曲線における平衡期間ｄ３とを比較する。継続期間ｄ３１と平衡期間ｄ３との差分が閾値以上である場合には、制御部１１０により、平衡期間ｄ３として継続期間ｄ３１を設定する。

制御部１１０は、図９（ａ）の第１予測曲線の下降期間ｄ４における血糖値の低下量（ｈ１２）と、図９（ｂ）の第１モデル波形の血糖値の低下量ｈ２２（Ｃ４−Ｃ２）とを比較する。低下量の差分が閾値以上である場合には、制御部１１０により、低下量ｈ１２を第１モデル波形における低下量ｈ２２となるように、第１の予測アルゴリズムにおける係数βを調整する。

制御部１１０は、ユーザーの消費エネルギー情報として、活動量測定部１２０から一定時間毎にユーザーの消費カロリーを受付けると（ステップＳ１６）、受付けた消費カロリーと第２の予測アルゴリズムとを用いて図１０（ａ）に示す第２予測曲線を算出する（ステップＳ１７）。例えば、ユーザーは、運動「ウォーキング」を行う際には、当該運動開始時において、操作部１３０を介して、運動情報入力画面を表示部１５０に表示する操作を行い、運動種別情報２１２から運動種別「３」を選択し入力する（ステップＳ１８：ＹＥＳ）。

制御部１１０は、入力された運動種別「３」の運動内容「ウォーキング」に対応するユーザー情報２００を抽出する。図４（ａ）の血糖値情報２００ａの例では、「ウォーキング」が行われた２０１０年２月１日のウォーキング開始時点から次の行動である「軽食」が摂取されるまでの期間の波形データが抽出される。このようにして、制御部１１０により、「ウォーキング」が行われたときの波形データを血糖値情報２００ａから抽出し、抽出された波形データを平均化した図１０（ｂ）に示す第２モデル波形を生成する（ステップＳ１９）。

次に、第２予測曲線について説明する。
制御部１１０は、図１０（ａ）に示す第２予測曲線の下降期間ｅ２の血糖値変化と図１０（ｂ）に示す第２モデル波形の血糖値変化とを比較し、第２予測曲線を変形して図１０（ｃ）に示す第２予測曲線を生成する（ステップＳ２０）。
図１０（ａ），（ｂ）の例では、制御部１１０により、第２予測曲線の下降期間ｅ２領域における時間Ｔ０の血糖値の低下量ΔＣと、第２モデル波形の血糖値の低下量ΔＣ１とを比較する。第２モデル波形における血糖値の低下量ΔＣ１は、時間ｔ１〜ｔ２の間に運動開始時の血糖値からｈ３１だけ血糖値が低下したときの単位時間当たりの低下量である。単位時間当たりの低下量の差分が閾値以上である場合には、制御部１１０により、第２予測曲線における血糖値の低下量ΔＣがΔＣ１となるように、第２の予測アルゴリズムにおける係数γを調整する。

制御部１１０は、ユーザーによって食事情報が入力される毎に当該食事情報に応じて変形した第１予測曲線と、活動量測定部１２０において測定された消費エネルギー情報に基づいて生成された第２予測曲線、又は、ユーザーによって入力された運動情報に応じて変形した第２予測曲線を統合した予測血糖値曲線を逐次生成し、生成した予測血糖値曲線を示す画像を表示部１５０に表示する（ステップＳ２１）。

続いて、血糖値予測システム１の動作フローについて説明する。
図１１は、血糖値予測システムの動作フロー説明図である。なお、図８も参照する。血糖値サーバー３００には、血糖値予測装置から入力された多数のユーザー個人の情報、及びこの情報を基にデータマイニング処理がされた情報が蓄積されている。ユーザーは、血糖値予測装置１０を立ち上げ、操作部１３０を操作し血糖値サーバー３００にアクセスする。この際、ユーザーＩＤまたはパスワードを入力し、血糖値サーバー３００と接続する。

血糖値サーバー３００との接続を確認した後、参考にしたい検索対象のユーザー属性２１３を操作部１３０から入力する。例えば、身体的特徴が似ているユーザー情報が欲しい場合には、身長、体重、または体重ＢＭＩ値を入力する。すると、情報検索部３５０が入力されたユーザー属性と同じか近いユーザー情報を情報検索部３５０によって検索し（ステップＳ３１）し、選択したいユーザー属性に近いユーザー情報を収集し（ステップＳ３２）、通信部３７０を介して血糖値予測装置１０に送信し、血糖値予測装置１０では記憶部１４０にその情報をコピーする（ステップＳ３３）と共に、そのユーザー情報を表示部１５０に表示する。

ユーザーは、取得したユーザー情報が自身にとって参考にできるかどうかを判断し、参考にできないと判断した場合には、新たに、体脂肪、脈拍数、血圧、などの個体差の幾つかの情報を入力する。また、環境変数も加えて検索したい場合は、環境変数を追加入力し、抽出されたユーザー情報を記憶部１４０にコピーする。

血糖値予測装置１０を使用して間もないユーザー（情報の蓄積が少ないユーザー）は、コピーされたユーザー情報を用いて、摂食エネルギー情報に基づく第１予測曲線及び消費エネルギー情報に基づく第２予測曲線の変形を行うか判断し（ステップＳ３４：ＹＥＳ）、第１予測曲線及び第２予測曲線の変形を行う（ステップＳ３５）。そして第１予測曲線及び第２予測曲線と、を統合した予測血糖値曲線を作成する（ステップＳ３６）。

第１予測曲線及び第２予測曲線の変形を行わない場合（ステップＳ３４：ＮＯ）、表示されたユーザー情報を参考にして動作フローを終了する。

さらに、血糖値の予測精度を高めたい場合には、図８に表す動作フローの一部に血糖値サーバー３００に蓄積されたユーザー情報を用いて予測血糖値曲線を作成することができる。具体的には、ユーザー属性により血糖値サーバー３００に蓄積されたユーザー情報の中から検索・抽出された食事情報に対する過去の血糖値変化傾向の解析し（ステップＳ１４）、この解析結果に基づいて血糖値予測装置１０内で作成されていた第１予測曲線を変形させる（ステップＳ１５）。

また、ユーザー属性により血糖値サーバー３００に蓄積されたユーザー情報の中から検索・抽出された運動情報に対する過去の血糖値変化傾向の解析し（ステップＳ１９）、この解析結果に基づいて血糖値予測装置１０内で作成されていた第２予測曲線を変形させる（ステップＳ２０）。
そして、変形された第１予測曲線及び第２予測曲線と、を統合した予測血糖値曲線を作成する（ステップＳ２１）。

従って、本実施形態によれば、ユーザーは、自身のユーザー属性と共通性がある血糖値サーバー３００に蓄積されたユーザー属性を検索し、多数の他のユーザーのユーザー属性に対応するユーザー情報を検索・抽出して、血糖値の予測精度を高めることができると共に、食事や運動等の生活態様の管理・改善に活用することができる。

また、血糖値予測装置１０のデータ蓄積が少ないユーザーであっても、血糖値サーバー３００に長期間にわたって蓄積されたユーザー情報を活用することによって、血糖値の予測精度を高めることができるという効果がある。

血糖値サーバー３００に蓄積された他の多数のユーザー情報の中からユーザー個人のユーザー属性２１３に近いユーザーのユーザー情報を用いて、予測血糖値曲線を変形することにより、血糖値の予測誤差を低減することができる。

ユーザー属性２１３には、ユーザー個人の個体差と環境変数が含まれている。個体差には、ユーザー個人の年齢、性別、身長、体重、体重ＢＭＩ値、体脂肪値などの生体情報と、脈拍数、心拍数、血圧、体温等に代表されるバイタルサインが含まれる。また、糖尿病患者の場合には血糖値、Ｃ−ペプチド、インスリン抵抗指数のいずれかが含まれる。
これらは、血糖値測定対象ユーザーの身体的特徴を表す情報であって、これらの幾つかの情報に共通性がある他のユーザーの情報を検索することでユーザー個人により近いユーザーの情報を抽出することが可能となる。このことによって、情報蓄積が少ないユーザーも血糖値の予測精度を高めることができる。

また、環境変数には、ユーザー個人の家族構成、地域性、職業、性格、過去の病歴、趣味等が含まれ、これらの情報は生活環境に関わる内容であって、血糖値の変化に間接的に影響するものと考えられている。よって、これらの情報を前述した生体情報とバイタルサインの幾つかに加えて検索することで、さらに血糖値予測の精度を高めることができると共に、生活態様の改善に活かすことができる。

また、血糖値予測装置１０と血糖値サーバー３００は、インターネット網、電話回線（携帯電話含む）等ネットワークで接続されている。このようにすれば、血糖値サーバー３００に対して遠隔地に生活する個人ユーザーが容易にアクセスすることができる。

さらに、血糖値サーバー３００には、ユーザー個人を特定するための認証部３８０が備えられている。血糖値サーバー３００に蓄積されている情報は、ユーザー個人の機微のセキュリティー情報である。よって、事前に登録されたユーザーを認証しなければアクセスを拒否することにより、個人情報の流出を防止することができる。
なお、血糖値予測装置１０にもユーザー個人の認証部を設けておけば、血糖値予測装置１０のセキュリティーを確保することができる。

以上説明したように本実施形態では、多数のユーザー情報の中からユーザー個人のユーザー属性と共通性（または近い）を有するユーザー情報を活用することが可能となるため、血糖値の予測精度を高めると共に、生活態様の管理・改善により治療効果を高めることができる。

また、血糖値サーバー３００に医師がアクセスできるようにすれば、食事、運動などの生活態様に対する指導、治療方法の指導等を行うことができる。

なお、本実施形態は、糖尿病に係る事例を上げ説明したが、ダイエットや運動選手等の生活管理に活用可能である。

１…血糖値予測システム、１０…血糖値予測装置、１１１…摂取エネルギー取得部、１１２…消費エネルギー取得部、１１５…生成部、１３０…操作部、２１３…ユーザー属性、３００…データベース装置としての血糖値サーバー、３１０…データマイニング部、３４０…情報収集部。

Claims (7)

1. 第１のユーザーが摂取した摂取エネルギー情報を取得する摂取エネルギー取得部と、
   前記第１のユーザーが消費した消費エネルギー情報を取得する消費エネルギー取得部と、
   前記第１のユーザーの個体差及び環境変数を含む第１のユーザー属性を入力する操作部と、
   前記第１のユーザーの前記摂取エネルギー情報及び前記第１のユーザーの前記消費エネルギー情報を用いて、前記第１のユーザーの予測血糖値情報を生成する生成部と、を有する血糖値予測装置と、
   前記第１のユーザーとは異なる第２のユーザーの個体差及び環境変数を含む第２のユーザー属性を収集する情報収集部と、
   前記第１のユーザー属性と前記第２のユーザー属性との共通性を判断する処理部と、を有し、
   前記処理部で抽出された前記共通性の判断結果に基づき、前記生成部により生成された前記第１のユーザーの予測血糖値情報を、前記第２のユーザーのユーザー情報に基づき補正する機能を有するデータベース装置と、
   を備えていることを特徴とする血糖値予測システム。
2. 請求項１に記載の血糖値予測システムにおいて、
   前記処理部は前記第１のユーザー属性及び前記第２のユーザー属性の特徴を抽出する機能を備え、前記データベース処理装置は、前記抽出された特徴に基づき前記第１のユーザーと前記第２のユーザーの共通性を判断することを特徴とする血糖値予測システム。
3. 請求項１または請求項２に記載の血糖値予測システムにおいて、
   前記個体差には、前記ユーザーの生体情報及びバイタルサインのいずれかが含まれていることを特徴とする血糖値予測システム。
4. 請求項１〜請求項３に記載の血糖値予測システムにおいて、
   前記ユーザーの環境変数には、ユーザー個人の生活環境に関わる内容が含まれていることを特徴とする血糖値予測システム。
5. 請求項４に記載の血糖値予測システムにおいて、
   前記生活環境は、家族構成、地域制、職業、正確、過去の病歴、趣味のうち少なくとも１つが含まれることを特徴とする血糖値予測システム。
6. 請求項１に記載の血糖値予測システムにおいて、
   前記血糖値予測装置と前記データベース装置は、ネットワークで接続されていることを特徴とする血糖値予測システム。
7. 請求項１に記載の血糖値予測システムにおいて、
   前記データベース装置には、前記第１のユーザー及び前記第２のユーザーを特定する認証部が備えられていることを特徴とする血糖値予測システム。

Images