JP6659831B2

JP6659831B2 - 生体情報分析装置、システム、及び、プログラム

Info

Publication number: JP6659831B2
Application number: JP2018512096A
Authority: JP
Inventors: 中嶋　宏; 宏中嶋; 洋貴和田; 直樹土屋; 誠朗笠井; 絵里子閑; 徹上野山; 慶一尾林; 綾子小久保; 雄也太田; 志賀　利一; 利一志賀; 光巨桑原; 佐藤　博則; 博則佐藤; 健宮川; 正和堤
Original assignee: Omron Corp; Omron Healthcare Co Ltd
Current assignee: Omron Corp; Omron Healthcare Co Ltd
Priority date: 2016-04-15
Filing date: 2017-04-14
Publication date: 2020-03-04
Anticipated expiration: 2037-04-14
Also published as: EP3427652A4; US20190117084A1; EP3440995B1; WO2017179700A1; EP3427656B1; EP3427655B1; EP3427655A4; US11617516B2; EP3440995A4; EP3427653A1; JP6679005B2; EP3427651A1; EP3440995A1; WO2017179702A1; EP3427650A1; JP6679051B2; CN108882877B; CN108882870B; EP3427649A4; JP6721156B2

Description

本発明は、計測した血圧波形から有益な情報を取得する技術に関する。

橈骨（とうこつ）動脈の内圧変化を計測し、圧脈波の形状（血圧波形）を記録する技術が知られている。特許文献１（特開２００８−６１８２４号公報）には、トノメトリ法により血圧波形を計測し、血圧波形からＡＩ（Augmentation Index）値、脈波周期、基線変動率、鮮鋭度、ＥＴ（Ejection Time）などの情報を取得することが開示されている。また、特許文献２（特表２００５−５３２１１１号公報）には、腕時計型の血圧計により血圧波形を計測し、血圧波形から平均動脈圧、平均収縮期圧、平均拡張期圧、平均収縮期圧指数、及び、平均拡張期圧指数を計算し、これらの値が基準値から逸脱した場合にアラートを出力することが開示されている。

特開２００８−６１８２４号公報特表２００５−５３２１１１号公報

運動が血圧の改善に効果があることは知られている。しかし、運動をある程度の期間継続しなければ、減圧効果は得られない。そのため、運動が自分にとってどれだけ効果があるかをユーザ自身がイメージできず、運動に取り組むモチベーションが上がらないという問題がある。また、行き過ぎた運動はかえって身体の負担になる可能性がある。しかし、実施している運動が自分の心臓等にどの程度の負荷をかけているかが分からないため、どのような運動が自分にとってリスクがあるのか、あるいはどの程度の運動が適切であるのか判断できないという問題がある。

本発明者らは、自由行動下における１心拍ごとの血圧波形を正確に計測可能な血圧測定デバイスの実用化に向け、鋭意開発を進めている。その開発過程における被験者実験を通じて、本発明者らは、自由行動下において連続的に計測した血圧波形のデータから様々な有益な情報を抽出できることを見出した。

そこで本発明は、血圧波形のデータを基に運動による心機能への影響度を評価する新規な技術を提供することを目的とする。

上記目的を達成するために本発明は以下の構成を採用する。

本発明に係る生体情報分析装置は、ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出する指標抽出部と、抽出された前記指標に基づく処理を行う処理部と、
を有し、前記指標抽出部は、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値と、前記運動後区間の血圧波形の特徴の最大値または最小値との差に基づいて前記指標を抽出することを特徴とする生体情報分析装置である。
また、本発明に係る生体情報分析装置は、ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出する指標抽出部と、抽出された前記指標に基づく処理を行う処理部と、を有し、前記指標抽出部は、前記運動後区間の血圧波形の特徴が、前記運動後区間の血圧波形の特徴の最大値または最小値から、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値に回復するまでの時間に基づいて前記指標を算出することを特徴とする生体情報分析装置である。
また、本発明に係る生体情報分析装置は、ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出する指標抽出部と、抽出された前記指標に基づく処理を行う処理部と、を有し、前記指標抽出部は、前記運動後区間の血圧波形の特徴が、前記運動後区間の血圧波形の特徴の最大値または最小値から、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値に回復する速度に基づいて前記指標を算出することを特徴とする
生体情報分析装置である。

運動を行うと一時的に血圧波形が変化し、運動終了後は血圧波形が徐々に元の状態に回復する。このときの血圧波形の変化量、回復時間、回復速度などは、実施した運動の内容やユーザの心機能に関わる特性に依存する。したがって、本発明の構成のごとく、運動前区間の血圧波形の特徴と運動後区間の血圧波形の特徴を用いることで、運動が当該ユーザの心機能に与える影響を定量的に評価することができる。

このように、前記指標抽出部は、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴の差（変化量）に基づいて前記指標を算出してもよいし、前記運動により変化した血圧波形の特徴が前記運動前区間の状態に回復するまでの時間に基づいて前記指標を算出してもよいし、前記運動により変化した血圧波形の特徴が前記運動前区間の状態に回復する速度に基づいて前記指標を算出してもよい。また、これらを適宜組み合わせてもよい。上記のように、血圧波形の変化量、回復時間、回復速度などは、実施した運動の内容やユーザの心機能に関わる特性に依存する。したがって、少なくとも血圧波形の変化量、回復時間、回復速度に着目することで、運動が当該ユーザの心機能に与える影響を適切に評価できる。

前記指標抽出部は、血圧波形の特徴として、ＡＩ（Augmentation Index）、収縮期血圧、拡張期血圧、平均血圧、心拍数、収縮期血圧と収縮後期圧の時刻差、のうち少なくともいずれかの特徴を用いるとよい。これらの特徴は、運動により一時的に変化（低下又は増加）し、運動後に徐々に元に戻るという性質を有するからである。

前記処理部は、前記指標と前記運動の強さ及び／又は継続時間に関する指標とに基づいて、前記運動が心機能に与える影響度を評価するとよい。さらに、前記処理部は、前記影響度の情報を出力する処理を行うとよい。このような情報を提供することにより、ユーザは、自己が実施した運動と、その運動が自己の心機能に与えた影響を、客観的に且つ納得性をもって把握することができる。

なお、本発明は、上記構成ないし機能の少なくとも一部を有する生体情報分析装置ないしシステムとして捉えることができる。また、本発明は、上記処理の少なくとも一部を含む生体情報分析方法、又は、かかる方法をコンピュータに実行させるためのプログラム、又は、そのようなプログラムを非一時的に記録したコンピュータ読取可能な記録媒体として捉えることもできる。上記構成及び処理の各々は技術的な矛盾が生じない限り互いに組み合わせて本発明を構成することができる。

本発明によれば、血圧波形のデータを基に運動による心機能への影響度を評価する新規な技術を提供することができる。

図１は生体情報分析システム１０の外観の概略構成を示す図である。図２は生体情報分析システム１０のハードウエア構成を示すブロック図である。図３は血圧測定ユニット２０の構造と測定時の状態を模式的に示す断面図である。図４は血圧測定ユニット２０で測定される血圧波形を示す図である。図５は生体情報分析装置１の処理を説明するブロック図である。図６は１心拍の橈骨動脈の圧脈波の波形（血圧波形）を示す図である。図７は実施例１における運動が心機能に与える影響を評価する処理のフローチャートである。図８は実施例１における運動前区間、対象区間（運動区間）、及び運動後区間における血圧波形とその特徴量Ｆの変化を示す図である。図９は実施例１における評価結果の判定チャートの一例を示す図である。図１０は実施例１における評価結果データの一例を示す図である。図１１は実施例１における血圧波形の特徴量ＦとしてＡＩ値を用いた場合の、指標Ｔ、Ｖの例を示す図である。図１２は情報出力画面の一例を示す図である。図１３は情報出力画面の一例を示す図である。

以下に図面を参照しつつ、本発明の好適な実施の形態を説明する。ただし、以下に記載されている各構成の説明は、発明が適用される装置の構成や各種条件により適宜変更されるべきものであり、この発明の範囲を以下の記載に限定する趣旨のものではない。

＜生体情報分析システム＞
図１は、本発明の一実施形態に係る生体情報分析システム１０の外観の概略構成を示す図である。図１は生体情報分析システム１０を左手首に装着した状態を示している。生体情報分析システム１０は、本体部１１と、本体部１１に固定されたベルト１２と、を備える。生体情報分析システム１０は、いわゆるウェアラブル型のデバイスであり、本体部１１が手首内側の皮膚に接触し、かつ、皮下に存在する橈骨動脈ＴＤの上に本体部１１が配置されるように、装着される。なお、本実施形態では橈骨動脈ＴＤ上に装置を装着する構成としたが、他の表在動脈上に装着する構成でもよい。

図２は、生体情報分析システム１０のハードウエア構成を示すブロック図である。生体情報分析システム１０は、概略、測定ユニット２と生体情報分析装置１を有する。測定ユニット２は、生体情報の分析に利用する情報を測定により取得するデバイスであり、血圧測定ユニット２０、体動測定ユニット２１、環境測定ユニット２２を含む。ただし、測定ユニット２の構成は図２のものに限られない。例えば、血圧や体動以外の生体情報（体温、血糖、脳波など）を測定するユニットを追加してもよい。あるいは、後述する実施例で利用しないユニットは必須の構成ではないので、生体情報分析システム１０に搭載しなくてもよい。生体情報分析装置１は、測定ユニット２から得られる情報を基に生体情報の分析を行うデバイスであり、制御ユニット２３、入力ユニット２４、出力ユニット２５、通信ユニット２６、記憶ユニット２７を含む。各ユニット２０〜２７は、ローカルバスその他の信号線を介して信号がやり取りできるよう、互いに接続されている。また生体情報分析システム１０は、不図示の電源（バッテリ）を有する。

血圧測定ユニット２０は、トノメトリ法により橈骨動脈ＴＤの圧脈波を測定するユニットである。トノメトリ法は、皮膚の上から動脈を適切な圧力で押圧して動脈ＴＤに扁平部を形成し、動脈内圧と外圧をバランスさせて、圧力センサにより非侵襲的に圧脈波を計測する方法である。

体動測定ユニット２１は、３軸加速度センサを含み、このセンサによりユーザの身体の動き（体動）を測定するユニットである。体動測定ユニット２１は、当該３軸加速度センサの出力を、制御ユニット２３が読み取り可能な形式に変換する回路を含んでいてもよい。

環境測定ユニット２２は、ユーザの心身の状態（特に血圧）に影響を与え得る環境情報を測定するユニットである。環境測定ユニット２２は、例えば、気温センサ、湿度センサ、照度センサ、高度センサ、位置センサなどを含むことができる。環境測定ユニット２２は、これらのセンサなどの出力を、制御ユニット２３が読み取り可能な形式に変換する回路を含んでいてもよい。

制御ユニット２３は、生体情報分析システム１０の各部の制御、測定ユニット２からのデータの取り込み、取り込んだデータの記録ユニット２７への格納、データの処理・分析、データの入出力などの各種処理を担うユニットである。制御ユニット２３は、ハードウェアプロセッサ（以下、ＣＰＵと呼ぶ）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、などを含む。後述する制御ユニット２３の処理は、ＣＰＵがＲＯＭ又は記憶ユニット２７に記憶されているプログラムを読み込み実行することにより実現される。ＲＡＭは、制御ユニット２３が各種処理を行う際のワークメモリとして機能する。なお、本実施形態では、測定ユニット２からのデータの取り込み、及び、記憶ユニット２７へのデータの格納を制御ユニット２３が実行する構成としたが、測定ユニット２から記憶ユニット２７へ直接データが格納（書き込み）されるように構成してもよい。

実施形態の各構成要素、例えば、測定ユニット、指標抽出部、処理部、判断部、リスクデータベース、入力ユニット、出力ユニット及び、症例データベース等は、生体情報分析システム１０にハードウエアで実装されてもよい。指標抽出部、処理部、及び判断部は、記憶ユニット２７に格納された実行可能なプログラムを受信して実行してもよい。指標抽出部、処理部、及び判断部は、必要に応じて血圧測定ユニット２０、体動測定ユニット２１、環境測定ユニット２２、入力ユニット２４、出力ユニット２５、通信ユニット２６、記憶ユニット２７等からデータを受信してもよい。リスクデータベース及び症例データベース等のデータベースは、記憶ユニット２７等で実装され、データを検索や蓄積が容易にできるよう整理された情報を格納してもよい。ここで、例えば、生体情報分析システム１０の構造や動作等については、特願２０１６−０８２０６９号に開示される。その内容は、引用により本明細書に組み込まれる。また、血圧測定ユニットの構造や動作等については、特開２０１６−０８７００３号公報に開示される。その内容は、引用により本明細書に組み込まれる。

入力ユニット２４は、ユーザに対し操作インタフェースを提供するユニットである。例えば、操作ボタン、スイッチ、タッチパネルなどを用いることができる。

出力ユニット２５は、ユーザに対し情報出力を行うインタフェースを提供するユニットである。例えば、画像により情報を出力する表示装置（液晶ディスプレイなど）、音声により情報を出力する音声出力装置やブザー、光の明滅により情報を出力するＬＥＤ、振動により情報を出力する振動装置などを用いることができる。

通信ユニット２６は、他のデバイスとの間でデータ通信を行うユニットである。データ通信方式は、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）などどのような方式でもよい。

記憶ユニット２７は、データの記憶及び読み出しが可能な記憶媒体であり、制御ユニット２３で実行されるプログラム、各測定ユニットから得られた測定データ、測定データを処理することで得られた各種のデータなどを記憶する。記憶ユニット２７は、記憶対象となる情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。例えばフラッシュメモリが用いられる。記憶ユニット２７は、メモリカード等の可搬型のものであってもよいし、生体情報分析システム１０に内蔵されていてもよい。

体動測定ユニット２１、環境測定ユニット２２、制御ユニット２３、入力ユニット２４、出力ユニット２５、記憶ユニット２７の一部又は全部を、本体部１１とは別のデバイスで構成してもよい。すなわち、血圧測定ユニット２０とその制御を行う回路を内蔵する本体部１１が手首に装着可能な形態であれば、それ以外のユニットの構造については自由に設計できる。この場合、本体部１１は通信ユニット２６を介して別のユニットと連携する。例えば、制御ユニット２３や入力ユニット２４や出力ユニット２５の機能をスマートフォンのアプリで構成したり、体動測定ユニット２１や環境測定ユニット２２の機能を有する活動量計から必要なデータを取得する等、さまざまな構成が考えられる。また、血圧以外の生体情報を測定するセンサを設けてもよい。例えば、睡眠センサ、パルスオキシメーター（ＳｐＯ２センサ）、呼吸センサ（フローセンサ）、血糖値センサなどを組み合わせてもよい。

なお、本実施形態では、血圧を測定するセンサ（血圧測定ユニット２０）と血圧波形データの分析処理を行う構成（制御ユニット２３等）を１つの装置内に設けたが、それらを別体の構成としてもよい。本実施形態では、生体情報の分析処理を行う構成（制御ユニット２３等）を生体情報分析装置と呼び、測定ユニットと生体情報分析装置の組み合わせで構成される装置を生体情報分析システムと呼ぶ。しかし、名称は便宜的なものであり、測定ユニットと生体情報の分析処理を行う構成の全体を生体情報分析装置と呼んでもよいし、他の名称を用いてもよい。

＜血圧波形の測定＞
図３は血圧測定ユニット２０の構造と測定時の状態を模式的に示す断面図である。血圧測定ユニット２０は、圧力センサ３０と、圧力センサ３０を手首に対して押圧するための押圧機構３１と、を備える。圧力センサ３０は、複数の圧力検出素子３００を有している。圧力検出素子３００は、圧力を検出して電気信号に変換する素子であり、例えばピエゾ抵抗効果を利用した素子などを好ましく用いることができる。押圧機構３１は、例えば、空気袋とこの空気袋の内圧を調整するポンプとにより構成される。制御ユニット２３がポンプを制御し空気袋の内圧を高めると、空気袋の膨張により圧力センサ３０が皮膚表面に押し当てられる。なお、押圧機構３１は、圧力センサ３０の皮膚表面に対する押圧力を調整可能であれば何でもよく、空気袋を用いたものに限定されない。

生体情報分析システム１０を手首に装着し起動すると、制御ユニット２３が血圧測定ユニット２０の押圧機構３１を制御し、圧力センサ３０の押圧力を適切な状態（トノメトリ状態）に維持する。そして、圧力センサ３０で検知された圧力信号が制御ユニット２３に順次取り込まれる。圧力センサ３０より得られる圧力信号は、圧力検出素子３００が出力するアナログの物理量（例えば電圧値）を、公知の技術のＡ／Ｄ変換回路等を通してデジタル化して生成される。当該アナログの物理量は、圧力検出素子３００の種類に応じて、電流値や抵抗値など好適なアナログ値が採用されてよい。当該Ａ／Ｄ変換等の信号処理は、血圧測定ユニット２０の中に所定の回路を設けて行ってもよいし、血圧測定ユニット２０と制御ユニット２３の間に設けたその他のユニット（図示せず）で行ってもよい。制御ユニット２３に取り込まれた当該圧力信号は、橈骨動脈ＴＤの内圧の瞬時値に相当する。したがって、１心拍の血圧波形を把握することが可能な時間粒度及び連続性で圧力信号を取り込むことにより、血圧波形の時系列データを取得することができる。制御ユニット２３は、圧力センサ３０より順次取り込んだ圧力信号をその測定時刻の情報とともに記憶ユニット２７に格納する。制御ユニット２３は、取り込んだ圧力信号をそのまま記憶ユニット２７に格納してもよいし、当該圧力信号に対して必要な信号処理を施した後で記憶ユニット２７に格納してもよい。必要な信号処理は、例えば、圧力信号の振幅が血圧値（例えば上腕血圧）と一致するように圧力信号を較正する処理、圧力信号のノイズを低減ないし除去する処理などを含んでもよい。

図４は、血圧測定ユニット２０で測定される血圧波形を示す。横軸が時間、縦軸が血圧である。サンプリング周波数は任意に設定できるが、１心拍の波形の形状的な特徴を再現するため、１００Ｈｚ以上に設定することが好ましい。１心拍の周期は概ね１秒程度であるから、１心拍の波形について約１００点以上のデータ点が取得されることとなる。

本実施形態の血圧測定ユニット２０は以下のような利点を有する。

１心拍ごとの血圧波形を計測することができる。これにより例えば、血圧波形の形状的な特徴に基づき、血圧や心臓の状態、心血管リスクなどに関連する様々な指標を得ることができる。また、血圧の瞬時値を監視することができるため、血圧サージ（血圧値の急激な上昇）を即座に検出したり、極めて短い時間（１〜数回の心拍）だけに現れる血圧変動や血圧波形の乱れでも漏れなく検出することが可能となる。

なお、携帯型血圧計としては、手首や上腕に装着しオシロメトリック法により血圧を測定するタイプの血圧計が実用化されている。しかし、従来の携帯型血圧計では、数秒から十数秒間の複数心拍分のカフ内圧の変動から血圧の平均値を測定することしかできず、本実施形態の血圧測定ユニット２０のように１心拍ごとの血圧波形の時系列データを得ることはできない。

血圧波形の時系列データを記録可能である。血圧波形の時系列データを取得することにより、例えば、血圧波形の時間的な変化に関わる特徴を捉えたり、時系列データを周波数解析して特定の周波数成分を抽出したりすることで、血圧や心臓の状態、心血管リスクなどに関連する様々な指標を得ることができる。

携帯型（ウェアラブル型）の装置構成としたので、ユーザに与える測定負担が小さく、長時間の連続的な測定や、さらには２４時間の血圧の監視なども比較的容易である。また、携帯型のため、安静時の血圧だけでなく、自由行動下（例えば日常生活や運動中）の血圧変化も測定可能である。これにより例えば、日常生活における行動（睡眠、食事、通勤、仕事、服薬など）や運動が血圧に与える影響を把握することが可能となる。

従来製品は、血圧測定ユニットに対し腕及び手首を固定し、安静状態にて計測するタイプの装置であり、本実施形態の生体情報分析システム１０のように日常生活や運動中の血圧変化を測定することはできない。

他のセンサとの組み合わせや連携が容易である。例えば、他のセンサにより得られる情報（体動、気温等の環境情報、ＳｐＯ２や呼吸等の他の生体情報など）との因果関係の評価や複合的な評価を行うことができる。

＜生体情報分析装置＞
図５は、生体情報分析装置１の処理を説明するブロック図である。図５に示すように、生体情報分析装置１は、指標抽出部５０と処理部５１を有している。本実施形態では、制御ユニット２３が必要なプログラムを実行することによって、指標抽出部５０及び処理部５１の処理が実現されてもよい。当該プログラムは、記憶ユニット２７に記憶されていてもよい。制御ユニット２３が必要なプログラムを実行する際は、ＲＯＭ又は記憶ユニット２７に記憶された、対象となるプログラムをＲＡＭに展開する。そして、制御ユニット２３は、ＲＡＭに展開された当該プログラムをＣＰＵにより解釈及び実行して、各構成要素を制御する。ただし、指標抽出部５０及び処理部５１の処理の一部又は全部をＡＳＩＣやＦＰＧＡなどの回路で構成してもよい。あるいは、指標抽出部５０及び処理部５１の処理の一部又は全部を、本体部１１とは別体のコンピュータ（例えば、スマートフォン、タブレット端末、パーソナルコンピュータ、クラウドサーバなど）で実現してもよい。

指標抽出部５０は、血圧測定ユニット２０により連続的に計測される血圧波形の時系列データを記憶ユニット２７から取得する。指標抽出部５０は、取得した血圧波形の時系列データから血圧波形の特徴に関わる指標を抽出する。ここで、血圧波形の特徴とは、１心拍の血圧波形の形状的な特徴、血圧波形の時間的な変化、血圧波形の周波数成分などを含む。しかし、血圧波形の特徴はこれらには限られない。抽出された指標は、処理部５１へ出力される。血圧波形の特徴及び指標については様々なものがあり、処理部５１による処理の目的に応じて、抽出する特徴及び指標は適宜設計ないし選択することができる。本実施形態の血圧波形の測定データから抽出可能な特徴及び指標については後ほど詳しく説明する。

指標抽出部５０は、指標を求める際に、血圧波形の測定データに加えて、体動測定ユニット２１の測定データ及び／又は環境測定ユニット２２の測定データを用いることもできる。また、図示しないが、睡眠センサ、ＳｐＯ２センサ、呼吸センサ（フローセンサ）、血糖値センサなどの測定データを組み合わせてもよい。複数種類のセンサにより得られる複数種類の測定データを複合的に分析することによって、血圧波形のより高度な情報分析が可能となる。例えば、安静時と動作時、気温が高い時と低い時、睡眠が浅い時と深い時、呼吸時と無呼吸時というように、ユーザの状態ごとに血圧波形のデータを分類することができる。あるいは、体動、活動量や活動強度、気温の変化、無呼吸、呼吸の仕方などが血圧に与える影響を抽出するなど、各測定データの因果関係や相関などを評価することもできる。

処理部５１は、指標抽出部５０によって抽出された指標を受信する。処理部５１は、受信した指標に基づく処理を行う。指標に基づく処理には、様々なものが想定できる。例えば、処理部５１は、抽出された指標の値や変化などをユーザや医師、保健師などに提示し、健康管理や治療や保健指導などへの活用を促してもよい。あるいは、処理部５１は、抽出された指標から循環器系リスクを推測したり、健康維持あるいはリスク改善のための指針を提示したりしてもよい。さらには、処理部５１は、指標に基づき心血管リスクの上昇が検知あるいは予測された場合に、ユーザや担当医などに報知したり、ユーザの心臓等に負担となる行動や循環器系イベントの発生を阻止する制御を行ってもよい。

＜血圧波形から取得される情報＞
図６は１心拍の橈骨動脈の圧脈波の波形（血圧波形）を示している。横軸は時間ｔ［ｍｓｅｃ］であり、縦軸は血圧ＢＰ［ｍｍＨｇ］である。

血圧波形は、心臓が収縮し血液を送り出すことで発生する「駆出波」と、駆出波が末梢血管や動脈の分岐部で反射することにより発生する「反射波」との合成波となる。１心拍の血圧波形から抽出可能な特徴点の一例を以下に示す。

・点Ｆ１は、圧脈波の立ち上がり点である。点Ｆ１は、心臓の駆出開始点、つまり大動脈弁の開放点に対応する。
・点Ｆ２は、駆出波の振幅（圧力）が最大となる点（第１ピーク）である。
・点Ｆ３は、反射波の重畳により、駆出波の立下りの途中で現れる変曲点である。
・点Ｆ４は、駆出波と反射波の間に現れる極小点であり、切痕とも呼ばれる。これは大動脈弁の閉鎖点に対応する。
・点Ｆ５は、点Ｆ４の後に現れる反射波のピーク（第２ピーク）である。
・点Ｆ６は、１心拍の終点であり、次の心拍の駆出開始点つまり次の心拍の始点に対応する。

指標抽出部５０は、上記特徴点の検出にどのようなアルゴリズムを用いてもよい。例えば、指標抽出部５０が演算して、血圧波形のｎ次微分波形を求め、そのゼロクロス点を検出することにより、血圧波形の特徴点（変曲点）を抽出してもよい（点Ｆ１、Ｆ２、Ｆ４、Ｆ５、Ｆ６については１次微分波形から、点Ｆ３については２次微分波形又は４次微分波形から検出可能である。）。あるいは、指標抽出部５０は、特徴点が予め配置された波形パターンを記憶ユニット２７から読み出し、当該波形パターンを対象となる血圧波形にフィッティングすることにより、各特徴点の位置を特定してもよい。

上記特徴点Ｆ１〜Ｆ６の時刻ｔ及び圧力ＢＰに基づき、指標抽出部５０が演算して、１心拍の血圧波形から様々な情報（値、特徴量、指標など）を得ることができる。以下、血圧波形から取得可能な情報の代表的なものを例示する。ただし、ｔｘとＢＰｘはそれぞれ特徴点Ｆｘの時刻と血圧を表す。

・脈波間隔（心拍周期）ＴＡ＝ｔ６−ｔ１
・心拍数ＰＲ＝１／ＴＡ
・脈波立上り時間ＵＴ＝ｔ２−ｔ１
・収縮期ＴＳ＝ｔ４−ｔ１
・拡張期ＴＤ＝ｔ６−ｔ４
・反射波遅延時間＝ｔ３−ｔ１
・最高血圧（収縮期血圧）ＳＢＰ＝ＢＰ２
・最低血圧（拡張期血圧）ＤＢＰ＝ＢＰ１
・平均血圧ＭＡＰ＝ｔ１〜ｔ６の血圧波形の面積／心拍周期ＴＡ
・収縮期の平均血圧＝ｔ１〜ｔ４の血圧波形の面積／収縮期ＴＳ
・拡張期の平均血圧＝ｔ４〜ｔ６の血圧波形の面積／拡張期ＴＤ
・脈圧ＰＰ＝最高血圧ＳＢＰ−最低血圧ＤＢＰ
・収縮後期圧ＳＢＰ２＝ＢＰ３
・ＡＩ（Augmentation Index）＝（収縮後期圧ＳＢＰ２−最低血圧ＤＢＰ）／脈圧ＰＰ

これらの情報（値、特徴量、指標）の基本統計量も指標として用いることができる。基本統計量は、例えば、代表値（平均値、中央値、最頻値、最大値、最小値など）、散布度（分散、標準偏差、変動係数など）を含む。また、これらの情報（値、特徴値、指標）の時間的な変化も指標として用いることができる。

また、指標抽出部５０は、複数の拍情報を演算することでＢＲＳ（血圧調整能）という指標を得ることもできる。これは、血圧を一定に調整しようとする能力を表す指標である。算出方法は例えばSpontaneous sequence法などがある。これは、連続して３拍以上にわたり最高血圧ＳＢＰと脈波間隔ＴＡとが同期して上昇、または下降するシーケンスのみを抽出し、最高血圧ＳＢＰと脈波間隔ＴＡを２次元平面上にプロットし、回帰直線を最小二乗法により求めたときの傾きをＢＲＳとして定義する方法である。

以上述べたように、本実施形態の生体情報分析システム１０を利用すれば血圧波形のデータから様々な情報を取得することができる。ただし、生体情報分析システム１０に対し上述した全ての情報を取得する機能を実装する必要はない。生体情報分析システム１０の構成、利用者、利用目的、利用場所などに応じて、必要な情報を取得する機能のみを実装すればよい。また、各機能をプログラムモジュール（アプリケーションソフト）として提供し、生体情報分析システム１０に必要なプログラムモジュールをインストールすることで、機能追加を行えるような仕組みにしてもよい。

以下、生体情報分析システム１０の具体的な応用としての実施例を例示的に説明する。

＜実施例１＞
本実施例は、血圧波形の時系列データに基づき、運動がユーザの心機能に与える影響を評価し可視化する方法に関する。

運動が血圧の改善に効果があることは知られているが、運動が自分にとってどれだけ効果があるかをユーザ自身がイメージすることは難しい。また、行き過ぎた運動はかえって身体の負担になる可能性があるが、実施している運動が自分の心臓等にどの程度の負荷をかけているかを知ることは難しい。

本発明者らが、被検者実験において、運動前後の血圧波形の変化を観測したところ、次のような現象が確認できた。（１）運動により一時的に血圧波形が変化し、運動終了後、血圧波形が徐々に元の状態に回復する。（２）血圧波形の変化量、回復時間（回復速度）は、実施した運動の活動量によって変わる。（３）また、血圧波形の変化量、回復時間（回復速度）は、その人の心血管特性によっても変わる。このような知見に基づき、本実施例では、血圧波形の時系列データに基づき、運動による心機能への影響度を評価するアルゴリズムを提案する。

本実施例の生体情報分析装置１は、１心拍ごとの血圧波形から抽出される特徴量を用いて、運動前後の血圧波形の変化を評価し、当該ユーザの心血管特性を推定する。血圧波形の特徴量としては、例えば、ＡＩ（Augmentation Index）、収縮期血圧ＳＢＰ、拡張期血圧ＤＢＰ、平均血圧ＭＡＰ、心拍数ＰＲ、収縮期血圧ＳＢＰと収縮後期圧ＳＢＰ２の時刻差ＤＴｐ（図６のｔ３−ｔ２）などを用いることができる。これらの特徴量のうち、ＡＩ、ＳＢＰ、ＤＢＰ、ＭＡＰは運動により一旦減少した後、徐々に増加して元の値に戻る、という振舞をみせる。一方、ＰＲ、ＤＴｐは運動により一旦増加した後、徐々に減少して元の状態に戻る、という振舞をみせる。なお、このような特徴量の変化は、自由行動下における１心拍ごとの血圧波形を正確にモニタリングすることによってはじめて捉えることが可能となる。言い換えると、オシロメトリック法のように血圧波形を計測できないタイプの血圧計から得られる血圧データや、安静時に計測された血圧データからは、上記のような特徴量の変化を捉えることはできない。

図７のフローチャートを参照して、本実施例の処理の流れを説明する。ただし、前提として、血圧測定ユニット２０により計測された血圧波形の時系列データと、体動測定ユニット２１により計測された活動強度［ＭＥＴｓ］の時系列データが、記憶ユニット２７又は他のデータストレージ（クラウドサーバ含む）に蓄積されているものとする。

指標抽出部５０は、記憶ユニット２７又は他のデータストレージから、血圧波形の時系列データと活動強度の時系列データを読み込む（ステップ４８００）。次に、指標抽出部５０は、活動強度の時系列データから運動が行われた区間を検出し、評価対象とする運動区間にラベリングを行う（ステップ４８０１）。例えば、以下の条件（１）〜（３）を満たす区間が評価対象としてラベリングされる。

（１）運動（例えば活動強度が１ＭＥＴｓより大きい状態）が時間Ｔｔｈ１以上連続している。活動強度は、ＭＥＴｓだけでなく、活動強度を示す他の指標（例えばＭＥＴｓ×体重など）を用いてもよい。
（２）区間全体の活動量（Ｅｘ量）が閾値Ｅｔｈ以上である。ここで、Ｅｘ量（エクササイズ量）は、活動強度［ＭＥＴｓ］に活動時間を乗じた値である。
（３）当該区間の前後に時間Ｔｔｈ２以上の長さの非運動区間（例えば活動強度が１ＭＥＴｓ以下の状態が続く区間）が存在している。

なお、条件（２）については、活動量ではなく、運動に関する他の指標（例えば、区間内の運動強度の統計値（平均、最大値、最頻値など）や、消費カロリーなど）で判断してもよい。閾値Ｔｔｈ１は、少なくとも活動強度が測定可能な最小時間単位よりも長い時間に設定する。また閾値Ｔｔｈ２は、他の区間に行われた運動が評価に影響しない程度の長さに設定する。上記判定処理に用いる閾値Ｔｔｈ１、Ｔｔｈ２、Ｅｔｈは、例えば記憶ユニット２７にあらかじめ記憶されている。

評価対象としてラベリングされた運動区間を以下「対象区間」と呼び、対象区間の活動量をＥａ、活動時間（長さ）をＴａとする。

次に、指標抽出部５０は、血圧波形の時系列データから、対象区間の直前の非運動区間（「運動前区間」と呼ぶ）の血圧波形データと、対象区間の直後の非運動区間（「運動後区間」と呼ぶ）の血圧波形データを取得する（ステップ４８０２）。運動前区間と運動後区間の長さは任意に設定できる（長くてもＴｔｈ２以下となる）。図８に、運動前区間、対象区間（運動区間）、及び運動後区間における血圧波形とその特徴量Ｆの変化を示す。図８では血圧波形の特徴量ＦとしてＡＩ値を用いた例を示す。

指標抽出部５０は、運動前区間の血圧波形データに基づき、運動前の特徴量Ｆの値Ｆ１を計算する（ステップ４８０３）。例えば、値Ｆ１は、運動前区間の特徴量Ｆの平均値、最頻値、中央値などである。また、指標抽出部５０は、運動後区間の血圧波形データに基づき、運動後区間内の特徴量Ｆの最小値Ｆ２を計算する（ステップ４８０４）。そして、指標抽出部５０は、特徴量の変化量ＤＦ（＝｜Ｆ１−Ｆ２｜）を計算する（ステップ４８０５）。この指標ＤＦは、対象区間に行われた運動によって血圧波形がどの程度変化したかを表しており、運動が当該ユーザの心機能に与える影響を表す指標として用いることができる。なお、運動により増加する特徴量（例えば、ＰＲ、ＤＴｐなど）の場合は、ステップ４８０４において、運動後区間内の特徴量Ｆの最大値Ｆ２を計算すればよい。

続いて、処理部５１は、対象区間の活動量Ｅａと指標ＤＦに基づき、当該運動が心機能に与える影響度を評価する（ステップ４８０６）。本実施例では、評価結果Ｒとして、Ｌｏｗ（影響度：小）、Ｍｉｄ（影響度：中）、Ｈｉｇｈ（影響度：大）のいずれかの値が出力される。例えば、活動量Ｅａが大きいにもかかわらず、指標ＤＦが小さい（特徴量Ｆの変化量が小さい）場合には、心機能はその運動の影響を受けにくいと評価される。図９は、処理部５１が利用する評価結果Ｒの判定チャートの一例である。横軸が指標ＤＦの値であり、縦軸が活動量［Ｅｘ］である。なお、評価の基準や判定チャートはあくまで一例であり、他の方法を採用してもよい。また、３段階評価ではなく、例えば、ソフトクラスタリング、連続値の評価でもよい。

処理部５１は、例えば、対象区間の情報（運動開始日時、活動量Ｅａ、活動時間Ｔａ）、運動前区間及び運動後区間の情報（特徴量Ｆ１、Ｆ２）、影響度指標（ＤＦ）、評価結果（Ｒ）を対応付けた評価結果データを生成し、評価結果データを記憶ユニット２７に格納する（ステップ４８０７）。ステップ４８００において複数の対象区間が抽出されていた場合は、各対象区間についてステップ４８０２〜４８０７の処理が繰り返される。

図１０は、記憶ユニット２７に蓄積された評価結果データの一例である。このような評価結果データが蓄積されることによって、どの程度の運動がユーザの心機能にどの程度の影響を与えるのかを客観的に把握可能となる。そうなれば、例えばユーザは、今の自分の心機能が運動の影響をどの程度受けるのか分かるので、運動療法による効果をイメージすることができ、運動継続へのモチベーションが向上する。また、ユーザは、自分にとって危険な運動の仕方が分かり、自分の心血管特性に合った無理のない運動療法を選択することができる。また、医師や保健師は、このようなデータを活用することで、ユーザの心血管特性に合った適切な運動療法を指導できるようになる。

（変形例）
運動が心機能に与える影響を表す指標としては、特徴量Ｆの変化量ＤＦ以外にも、次のような指標を用いることができる。
・運動により変化した特徴量Ｆが運動前区間の状態に回復するまでにかかる時間Ｔ
・運動により変化した特徴量Ｆが運動前区間の状態に回復する速度Ｖ

指標Ｔ、Ｖのいずれもユーザの心機能の回復力を表す指標である。図１１に、血圧波形の特徴量ＦとしてＡＩ値を用いた場合の、指標Ｔ、Ｖの例を示す。指標Ｔ、Ｖはそれぞれ、
Ｔ＝Ｔ３−Ｔ２
Ｖ＝｜Ｆ３−Ｆ２｜／｜Ｔ３−Ｔ２｜
のように計算される。ここで、Ｔ２は、運動後区間において特徴量Ｆが最小となる時刻であり、Ｆ２は、時刻Ｔ２における特徴量の値である。また、Ｔ３は、運動後区間において特徴量Ｆが運動前の値Ｆ１まで回復した時刻であり、Ｆ３は、時刻Ｔ３における特徴量の値である。なお、回復したか否かの判定にある程度のマージンを設けてもよい。例えば、運動前の特徴量の値Ｆ１と運動後の特徴量の値Ｆ３の差又は比が所定範囲内に収まった場合に「回復した」と判定するなどが考えられる。また、対象区間の終了時刻（運動を終えた時刻）をＴｅとした場合に、指標Ｔ、Ｖを、
Ｔ＝Ｔ３−Ｔｅ
Ｖ＝｜Ｆ３−Ｆｅ｜／｜Ｔ３−Ｔｅ｜
のように求めてもよい。Ｆｅは、時刻Ｔｅにおける特徴量の値である。

指標Ｔ、Ｖを用いることによっても、指標ＤＦと同様、運動が心機能に与える影響度を評価することが可能となる。なお、影響度を評価する際に、複数の指標を用いてもよい。例えば、図９では、活動量Ｅａと指標ＤＦの２軸のチャートを用いたが、活動量Ｅａと指標ＤＦと指標Ｔの３軸のチャートで影響度を判定したり、活動量Ｅａと指標ＤＦと指標Ｔと指標Ｖの４軸のチャートで影響度を判定してもよい。なお、判定に用いる指標の組み合わせ及び個数は任意である。

（出力例）
処理部５１は、上記評価処理により得られた情報を出力ユニット２５又は外部の表示装置等（図示せず）に出力してもよい。図１２は処理部５１による情報出力画面の一例である。上段に、運動区間の情報（活動量Ｅａ）と、運動前区間及び運動後区間の血圧波形と特徴量（ＡＩ値）のグラフが表示され、下段に、当該運動区間の評価結果（星印）を示すチャートが表示されている。このような画面をみることで、ユーザは、実施した運動が自身の心機能に与えた影響度を容易に把握することができる。図１３は処理部５１による情報出力画面の他の例である。複数回（図１３の例では４回）の運動に関する評価結果（星印）が時系列に並べてチャート上に表示されている。このような画面をみることで、ユーザは、実施した運動が自身の心機能に与えた影響度の変化を直観的に把握することができる。

なお、上述した実施形態及び実施例の構成は本発明の一具体例を示したものにすぎず、本発明の範囲を限定する趣旨のものではない。本発明はその技術思想を逸脱しない範囲において、種々の具体的構成を採り得るものである。

本明細書に開示された技術思想は以下のような発明として特定することもできる。

（付記１）
生体情報分析装置であって、
ハードウェアプロセッサと、プログラムを記憶するメモリとを有し、
前記ハードウェアプロセッサは、前記プログラムにより、
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、
前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出し、
抽出された前記指標に基づく処理を行う
ことを特徴とする生体情報分析装置。

（付記２）
生体情報分析システムであって、
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサと、ハードウェアプロセッサと、プログラムを記憶するメモリと、を有し、
前記ハードウェアプロセッサは、前記プログラムにより、
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、
前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出し、
抽出された前記指標に基づく処理を行う
ことを特徴とする生体情報分析システム。

（付記３）
生体情報分析方法であって、
少なくとも１つのハードウェアプロセッサによって、ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得するステップと、
少なくとも１つのハードウェアプロセッサによって、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出するステップと、
少なくとも１つのハードウェアプロセッサによって、抽出された前記指標に基づく処理を行うステップと、
を含むことを特徴とする生体情報分析方法。

１：生体情報分析装置、２：測定ユニット
１０：生体情報分析システム、１１：本体部、１２：ベルト
２０：血圧測定ユニット、２１：体動測定ユニット、２２：環境測定ユニット、２３：制御ユニット、２４：入力ユニット、２５：出力ユニット、２６：通信ユニット、２７：記憶ユニット
３０：圧力センサ、３１：押圧機構、３００：圧力検出素子
５０：指標抽出部、５１：処理部

Claims

ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出する指標抽出部と、
抽出された前記指標に基づく処理を行う処理部と、
を有し、
前記指標抽出部は、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値と、前記運動後区間の血圧波形の特徴の最大値または最小値との差に基づいて前記指標を抽出する
ことを特徴とする生体情報分析装置。
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出する指標抽出部と、
抽出された前記指標に基づく処理を行う処理部と、
を有し、
前記指標抽出部は、前記運動後区間の血圧波形の特徴が、前記運動後区間の血圧波形の特徴の最大値または最小値から、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値に回復するまでの時間に基づいて前記指標を算出する
ことを特徴とする生体情報分析装置。
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより
連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出する指標抽出部と、
抽出された前記指標に基づく処理を行う処理部と、
を有し、
前記指標抽出部は、前記運動後区間の血圧波形の特徴が、前記運動後区間の血圧波形の特徴の最大値または最小値から、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値に回復する速度に基づいて前記指標を算出する
ことを特徴とする生体情報分析装置。
前記指標抽出部は、血圧波形の特徴として、ＡＩ（Augmentation Index）、収縮期血圧、拡張期血圧、平均血圧、心拍数、収縮期血圧と収縮後期圧の時刻差、のうち少なくともいずれかの特徴を用いる
ことを特徴とする請求項１〜３のいずれかに記載の生体情報分析装置。
前記処理部は、前記指標と前記運動の強さ及び／又は継続時間に関する指標とに基づいて、前記運動が心機能に与える影響度を評価する
ことを特徴とする請求項１〜４のいずれかに記載の生体情報分析装置。
前記処理部は、前記影響度の情報を出力する処理を行う
ことを特徴とする請求項５に記載の生体情報分析装置。
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサと、
前記センサにより連続的に計測される血圧波形のデータを用いて、生体情報の分析を行う、請求項１〜６のいずれかに記載の生体情報分析装置と、
を有することを特徴とする生体情報分析システム。
請求項１〜６のいずれかに記載の生体情報分析装置の前記指標抽出部及び前記処理部としてプロセッサを機能させることを特徴とするプログラム。
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出するステップと、
抽出された前記指標に基づく処理を行うステップと、
を含み、
前記抽出するステップでは、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値と、前記運動後区間の血圧波形の特徴の最大値または最小値との差に基づいて前記指標を抽出することを特徴とする生体情報分析方法。
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出するステップと、
抽出された前記指標に基づく処理を行うステップと、
を含み、
前記抽出するステップでは、前記運動後区間の血圧波形の特徴が、前記運動後区間の血
圧波形の特徴の最大値または最小値から、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値に回復するまでの時間に基づいて前記指標を算出する
ことを特徴とする生体情報分析方法。
ユーザの身体に装着され、１心拍ごとの血圧波形を非侵襲的に計測可能なセンサにより連続的に計測された血圧波形の時系列データから、前記ユーザが運動を行う前の運動前区間の血圧波形のデータと、前記ユーザが前記運動を行った後の運動後区間の血圧波形のデータを取得し、前記運動前区間の血圧波形の特徴と前記運動後区間の血圧波形の特徴に基づいて前記運動が前記ユーザの心機能に与える影響を表す指標を抽出するステップと、
抽出された前記指標に基づく処理を行うステップと、
を含み、
前記抽出するステップでは、前記運動後区間の血圧波形の特徴が、前記運動後区間の血圧波形の特徴の最大値または最小値から、前記運動前区間の血圧波形の特徴の平均値または中央値または最頻値に回復する速度に基づいて前記指標を算出する
ことを特徴とする生体情報分析方法。