JP6709154B2 - 人間の現在の概日リズムを計算するための装置、方法、システム、および当該方法を実行するためにコンピュータプログラム - Google Patents

Description

本発明は、人間の概日リズム（ｃｉｒｃａｄｉａｎ ｒｈｙｔｈｍ）を記述するモデル出力を見積るための方法および装置に関する。

人類および動物における概日リズムの存在と重要性が知られてから、この知識を利用しようと試みるプロダクトが開発されてきている。米国特許出願公開第２００５／００１５１２２号は、例えば、モデルベースの予測コントロール技術のアプリケーションを通じた照明を使用して、被検体の２４時間周期のペースメーカーサイクルをコントロール可能に調整するための方法を開示している。

欧州特許出願公開第２６５７８２号は、少なくとも一つの体位と活動センサ、少なくとも一つの周辺温度センサ、および、少なくとも一つの光センサ、から構成される装置を開示している。センサから獲得されたデータに基づいて、個人の概日系（ｃｉｒｃａｄｉａｎ ｓｙｓｔｅｍ）状態および睡眠覚醒状態について情報を提供するように構成されているものである。装置は、被検体のリスト（ｗｒｉｓｔ）、または被検体の腕に配置され得る。装置は、また、血圧センサを含んでもよい。この装置は、人間の概日系の一般的な研究において使用され得る。そして、より特定的には、睡眠覚醒と血圧リズムの研究のために使用される。

国際公開第２０１２／０５６３４２号は、被検体の概日リズムの特徴を決定するための方法を開示している。被検体の概日機能を示す第１入力信号を測定するステップと、被検体の活動を示す少なくとも一つの第２入力信号を測定するステップと、被検体の概日リズムを表わす定期的な出力信号へと第１入力信号および第２入力信号を組み合わせるステップと、この定期的な出力信号の少なくとも一つの特徴を決定するステップ、を含むものである。

Ｈｉｌａｉｒｅ Ｍ．Ａ．共著の論文”Ａｄｄｉｔｉｏｎ ｏｆ ｎｏｎ−ｐｈｏｔｉｃ ｃｏｍｐｏｎｅｎｔ ｔｏ ａ ｌｉｇｈｔ−ｂａｓｅｄ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌ ｏｆ ｔｈｅ Ｈｕｍａｎ Ｃｉｒｃａｄｉａｎ Ｐａｃｅｍａｋｅｒ”、Ｊｏｕｒｎａｌ ｏｆ Ｔｈｅｏｒｅｔｉｃａｌ Ｂｉｏｌｏｇｙ、ｖｏｌ．２４７、ｐｐ．５８３−５９９（２００７）は、睡眠覚醒サイクル及び/又は関連する振る舞いは、概日ペースメーカーについて非光効果（ｎｏｎ−ｐｈｏｔｉｃ ｅｆｆｅｃｔ）を有するという研究からの証拠を反映するために、変更された光ベースの概日数学モデルを開示している。睡眠覚醒サイクル及び関連する振る舞いは、概日ペースメーカーについて非光ドライブ（ｎｏｎ−ｐｈｏｔｉｃ ｄｒｉｖｅ）を提供する。光刺激と独立および併用の両方で作用するものである。

Ｂｒｏｗｎ Ａ．Ｃ．共著の論文”Ａｃｔｉｇｒａｐｈｙ：Ａ Ｍｅａｎｓ ｏｆ Ａｓｓｅｓｓｉｎｇ Ｃｉｒｃａｄｉａｎ Ｐａｔｔｅｒｎｓ ｉｎ Ｈｕｍａｎ Ａｃｔｉｖｉｔｙ”、Ｃｈｒｏｎｏｂｉｏｌｏｇｙ Ｉｎｔｅｒｎａｔｉｏｎａｌ、ｖｏｌ．７、ｎｏ．２、ｐｐ．１２５−１３３（１９９０）は、２２歳から５４歳の年齢で、睡眠異常のない、日周性で（ｄｉｕｒｎａｌｌｙ）活動的で、健康な２３人について、リストアクティグラフィ（ｗｒｉｓｔ ａｃｔｉｇｒａｐｈｙ）によって、連続した１２０時間（５日間）にわたり継続してモニタリングした結果を開示している。高いアンプの概日リズムが、それぞれの参加者についてコサイナー分析（ｃｏｓｉｎｏｒ ａｎａｌｙｓｉｓ）によって検出された。男性１０人と女性１３人で、高められた活動の平均スパンが１３３０と１６０５との間の時間であるグループに対するものである。リスト動作における概日の最高最低間の差異がマーク付けされた。２４時間のうち概ね７５％の平均レベルと等しいものである。２３人の参加者のうち１９人において、リスト動作の２4時間平均は１４０−１８０動作／分の間で変動し、４人が、１１０−１４０動作／分のより少ない平均を示していた。活動の日中（ｄａｙｔｉｍｅ）スパンに関して、個々の参加者の平均のリスト動作は、１５５−２６５動作／分の範囲であり、大多数（２０人／２３人中）が１８５−２４５動作／分の範囲で様々であった。夜間の睡眠の最中に、平均のリスト活動は非常に低く、２３人中２１人について、個人間で５から２５動作／分まで様々であった。リストアクティグラフィは、広く受け入れられるものであることが立証された。そして、普段の習慣と探求に固執している歩行可能な人間において、活動および睡眠の最中の体の動作の様子をモニタリングする最も信頼性のある手段である。

この状況に基づいて、本発明の目的は、人間の概日リズムの改善された見積りができる手段を提供することである。

この目的は、請求項１に従った装置、請求項９に従ったシステム、請求項１２に従った方法、および、請求項１５に従ったコンピュータプログラムによって取り扱われる。

本発明の第１の態様において、人間の概日リズムを記述する、第１時間におけるモデル出力を生成するための装置が提供される。本装置は、活動レベル測定に基づいて第１時間における人間の活動の現在のレベルを示す活動信号を受け取るための入力モジュールと、第１時間における覚醒状態信号を生成するための分類モジュールであり、覚醒状態信号は人間が第１時間において覚醒していること又は睡眠していることを示し、分類モジュールは受け取った活動信号に基づいて覚醒状態信号を生成するように適合されている、分類モジュールと、第１時間における非光ドライブ項を決定するための第１計算モジュールであり、非光ドライブ項は概日リズムに対する非光影響を表し、第１計算モジュールは覚醒状態信号に基づいて非光ドライブ項を決定するように構成されている、第１計算モジュールと、少なくとも非光ドライブ項に基づいて第１時間における現在のモデル出力をリアルタイムに計算するためのシミュレーションモジュールと、を含む。

請求される発明の実施例は、特定的には、内部の時間進展の継続的なエポック毎の更新を提供する。ここで、エポックは、時間における所与の期間に対応している。

一つの実施例において、入力モジュールは、さらに、人間の位置での第１時間における光レベルを示す光レベル信号を受け取るように構成されている。そして、分類モジュールは、さらに、受け取った光レベル信号に基づいて、及び/又は、受け取った活動信号に基づいて、覚醒状態信号を生成するように構成されている。

さらなる実施例において、本装置は、さらに、光ドライブ項を決定するための第２計算モジュールを含み、光ドライブ項は概日リズムに対する光影響を表す。第２計算モジュールは、受け取った光レベル信号から光ドライブ項を決定するように構成されている。シミュレーションモジュールは、さらに、非光ドライブ項と光ドライブ項とに基づいて、第１時間における現在のモデル出力をリアルタイムに計算するように構成されている。

さらなる実施例において、分類モジュールは、さらに、一つまたはそれ以上の最近の活動信号に基づいて、及び/又は、一つまたはそれ以上の最近の光レベル信号に基づいて、第１時間における覚醒状態信号を生成するように構成されており、一つまたはそれ以上の最近の活動信号は、第１時間以前の時間において取得された一つまたはそれ以上の活動信号に対応し、一つまたはそれ以上の最近の光レベル信号は、第１時間以前の時間において取得された一つまたはそれ以上の光レベル信号に対応している。

さらなる実施例において、分類モジュールは、さらに、人間の少なくとも一つの閾値を受け取るように構成されており、分類モジュールは、さらに、閾値を最近の活動信号及び/又は最近の光レベル信号の加重和と比較するように構成されており、分類モジュールは、さらに、人間に対する活動または光レベルの個人的なベースラインを生成するように構成されている。

さらなる実施例において、現在のエポックにおける分類器スコア（ＲｎＤ_{ＳＣＯＲＥ}（Ｉ））は、

に従って計算されるものであり、
ここで、ｗ１とｗ２は既定の第１および第２の重み付けに対応し、ｗ１≧０かつｗ２≧０であり、α（ｉ）は既定の非光係数に対応し、かつ、β（ｉ）は既定の光係数に対応しており、そして、現在のエポックは、時間における現在の期間に対応する。

さらなる実施例において、現在のモデル出力（ｘ（ｔ_ｉ））は、ドライブされるファン・デル・ポールオシレータモデルに基づいて計算される。

さらなる実施例において、非光ドライブ項はゲインファクタ（ρ）に比例し、人間の最低深部体温が生じる時間は、最小の現在のモデル出力が生成される時間にオフセットを加えたものとして決定される。オフセットは、ゲインファクタに依存し、オフセットは、ａ−ｂ・ρとして表わされるものである。ａとｂは定数であって、ρはゲインファクタに対応している。

さらなる態様においては、人間の概日リズムを記述する第１時間におけるモデル出力を生成するためのシステムがテスト提供される。システムは、第１時間での活動信号を決定するための少なくとも一つのセンサであり、活動信号は第１時間における人間の活動を示しているセンサと、上記に説明された装置とを含む。

さらなる実施例において、少なくとも一つのセンサは加速度センサまたは生理学的パラメータセンサであり、ここで、生理学的パラメータセンサは、心拍数センサ、血圧センサ、または、体温センサである。

さらなる実施例において、本システムは、さらに、第１時間における人間の位置での光レベル信号を決定するためのセンサを含む。

さらなる態様においては、人間の概日リズムを記述する、第１時間におけるモデル出力を生成するための方法が提供される。本方法は、以下のステップを含んでいる。活動レベル測定に基づいて第１時間における人間の活動の現在のレベルを示す活動信号を受け取るステップ。覚醒状態信号が生成されるように受け取った活動信号を分類するステップであり、覚醒状態信号は人間が第１時間において覚醒していること又は睡眠していることを示しているステップ。概日リズムに対する非光影響を表す非光ドライブ項を決定するステップであり、非光ドライブ項は覚醒状態信号に基づいて決定されるステップ。および、少なくとも非光ドライブ項に基づいて、現在のモデル出力をリアルタイムに計算するステップ、である。

一つの実施例において、本方法は、さらに、第１時間における人間の位置での光レベルを示す光レベル信号を受け取るステップと、光レベル信号から光ドライブ項を決定するステップと、非光ドライブ項と光ドライブ項とに基づいて、第１時間における現在のモデル出力をリアルタイムに計算するステップ、を含む。

さらなる実施例において、覚醒状態信号は、（ｉ）現在および過去の活動信号、及び/又は、現在および過去の光レベル信号の加重和として、スコアを計算し、かつ、（ｉｉ）スコアを少なくとも一つの閾値と比較する、ことによって計算される。

さらなる態様において、プログラムコードを含むコンピュータプログラムが提供される。コンピュータプログラムが実行されると、人間の概日リズムを記述するモデル出力を生成するための上記に説明された装置に、上記に定められた方法に係るステップを実行させる。

さらなる態様において、人間の概日リズムを記述しているモデル出力ｘ（ｔ）を見積るための装置が提供される。本装置は、以下のコンポーネントを含んでいる。
−活動レベル測定に基づいて人間の活動の現在のレベルを示す活動信号を受け取るための第１モジュールであり、以降において、モジュールは「入力モジュール（”ｉｎｐｕｔ ｍｏｄｕｌｅ”）」呼ばれ、かつ、信号は「活動信号（”ａｃｔｉｖｉｔｙ ｓｉｇｎａｌ”）」と呼ばれるもの。
−活動レベルを考慮に入れて現在のモデル出力ｘ（ｔ）を計算するための、以降において「シミュレーションモジュール（”ｓｉｍｕｌａｔｉｏｎ ｍｏｄｕｌｅ”）」と呼ばれる第２モジュール、である。

装置は、特定的には、専用の電気的ハードディスク、関連ソフトウェアを伴う処理ハードウェア、または、両方の組み合わせによって具現化され、または、それらを含んでよい。装置のモジュールは、異なるハードウェアコンポーネントによって具現化されてよい。追加的または代替的に、モジュールは、任意的に同一のハードウェアにおいて実行され得るコンピュータプログラムの異なる（サブ）ルーチンによって具現化されてよい。

さらなる態様に従って、本発明の実施例は、人間の概日リズムを記述するモデル出力ｘ（ｔ）を見積るための方法に関する。本方法は、以下のステップを含んでいる。
−活動レベル測定に基づいて人間の活動の現在のレベルを示す活動信号を受け取るステップと、
−上記の活動信号を考慮して現在のモデル出力ｘ（ｔ）を計算するステップ、である。

「モデル出力（”ｍｏｄｅｌ ｏｕｔｐｕｔ”）」ｘ（ｔ）は、一般的に、人間の概日リズムの現在の状態を記述するのに適切なあらゆる種類の１次元または多次元の信号であってよい。モデル出力は、情報を、例えば、アナログまたはデジタル値としてエンコード（ｅｎｃｏｄｅ）してよい。特には、人間の活動の最大と最小の状態にそれぞれ対応している上限と下限の間で変動している値である。

「活動信号（”ａｃｔｉｖｉｔｙ ｓｉｇｎａｌ”）」は、あらゆる種類の信号であってよく、例えば、デジタル数及び/又はアナログ値を表している電圧または電流である。活動信号は、望ましくは、「非光の（”ｎｏｎ−ｐｈｏｔｉｃ”）」活動レベル測定に基づいており、人間の周りの照明レベルを直接的に表していないこと、または、依存しないことを意味している（上記の照明レベルはたいてい人間の活動に影響するので、いくらかの間接的な依存性が典型的には存在し得る）。一般的に、光は人間の概日システムに対する最大の影響力をもつ刺激である（定義上の「光の（”ｐｈｏｔｉｃ”）」）。一方で、他の非光の刺激は、２次的な影響を発揮する（例えば、外部の温度、食事、または、物理的な移動）。活動レベルの測定は、例えば、人間の移動に関する指標を提供する加速度センサの助けを借りて実施される。

用語「現在の（”ｃｕｒｒｅｎｔ”）」は、測定および計算が、ある特定の時点において（または、より正確には、ある小さな時間間隔の最中に）行われることを示していることに留意すべきである。特に、現在のモデル出力ｘ（ｔ）を決定するためには、最も最近の（「現在の」）活動信号が考慮される。

装置と方法は、同一の発明的な概念に基づいている。つまり、現在のモデル出力の計算における非光活動信号の実施である。装置のために提供される説明は、従って、方法に対しても同じように有効であり、その逆も同様である。装置と方法は、概日リズムの改善されたリアルタイムの見積りが可能であるという利点を有している。将来のデータを要求することなく最新の非光活動信号が考慮されるからである。

以降においては、装置と方法の両方に関連して具現化され得る種々の望ましい実施例が説明される（装置また方法のうち一つだけ説明されたとしてもである）。

活動信号は、人間の周りの光または照明レベルに直接的に依存することなく、人間の活動に関するあらゆる情報を含み得る。活動信号は、例えば、人間の動作を示している少なくとも一つの加速度信号を含んでよい。追加的または代替的には、人間の生理学的信号を含んでよい。例えば、心拍数、血圧、または体温である。

上記のパラメータは、装置が加速度センサ及び/又は生理学的パラメータセンサを含む場合に提供され得るものである。追加的または代替的に、装置は、光レベルを決定するための少なくとも一つの光センサを含んでよい。特には、観察される人間の位置において広がっている光のレベルである。全ての言及されたセンサは、望ましくは、ポータブルであり、人間によって持ち運ばれ、または、身に付けられてよい。

別の実施例に従って、「覚醒状態変数（”ｗａｋｅｆｕｌｎｅｓｓ ｖａｒｉａｂｌｅ”）」δと呼ばれ、かつ、人間の覚醒状態または睡眠状態を示す変数は、現在の活動信号から決定されてよい。装置は、「分類モジュール（”ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｏｄｕｌｅ”）」を含んでよく、そこでは、覚醒状態変数の決定が実行される。覚醒状態変数は、実質的に、または、正確にはバイナリであってよい。つまり、−現在の活動レベルに応じて−たった２つの可能性のある値を有している（一日の特定の時間において、人間が覚醒しているか、または、睡眠しているかを示すもの）。

上記の分類モジュールは、特には、現在の光レベルも考慮に入れてよい。一方の側の活動信号と他方の側の光レベルの貢献は、例えば、関連するファクタによって、オペレータの好み（ｐｒｅｆｅｒｅｎｃｅ）に応じて容易に調整され得るように、重み付けされてよい。光レベルの重み付けファクタをゼロに設定することは、例えば、光レベルではなく、活動レベルに依存する覚醒状態変数を提供することができる。同様に、適切な重み付けファクタを選択することによって、これら２つの影響のあらゆる組み合わせが設定され得る。

覚醒状態変数の現在の値を決定するために、分類モジュールは、現在の活動信号、および、任意的に現在の光レベルを考慮することが想定されている。さらなる進展に応じて、分類モジュールは、追加的に、以前の活動レベル及び/又は以前の光レベルを考慮してよい（ここで、用語「以前の（”ｐｒｅｖｉｏｕｓ”）」は、現在の時点よりも以前の時点を参照するものである）。以前の光レベル及び/又は活動レベルの重み付けは、現在の時点からのそれぞれの時点の時間的距離が増加すると伴に典型的には減少する。以前の値を考慮することは、また、覚醒状態変数を安定させること、および、活動信号及び/又は光レベルの過渡的な値への依存を少なくすることも手助けする。

分類モジュールは、入力として少なくとも一つのユーザ特有パラメータを任意的に受け取ってよい。つまり、概日リズムが見積りされる人間に依存するパラメータである。このように、この人間の個々の特性が考慮され得る。異なる人間は、例えば、異なる活動のベースラインを典型的に有するものである。一つの同一の活動信号が、一人の人間における覚醒状態、しかし、別の人間においては睡眠状態を表し得るようにである。ユーザ特有パラメータは、特に、最近の活動信号の加重和と比較される閾値、及び/又は、最近の光レベルの加重和と比較される閾値を含んでよい（ここで、「最近の（”ｒｅｃｅｎｔ”）」は、上記に定めた意味において現在および以前の時点を含んでいる）。

利用可能な情報に基づいてモデル出力ｘ（ｔ）を見積りするために、様々な種類のアプローチとモデルが使用され得る。一つの望ましい実施例に従って、モデル出力は、「ドライブされるファン・デル・ポールオシレータモデル（”ｄｒｉｖｅｎ ｖａｎ−ｄｅｒ−Ｐｏｌ ｏｓｃｉｌｌａｔｏｒ ｍｏｄｅｌ”）」に基づいて計算される。このモデルのドライブ入力（ｄｒｉｖｉｎｇ ｉｎｐｕｔ）は、人間の概日リズムに作用し得る影響（例えば、光レベル）であってよい。そうした影響がなく、つまり、ドライブ入力なしに、オシレータモデルは、隔離された環境における人間の経験の中に観察され得る概日リズムの揺れ動いている振る舞いを、典型的には表している。

上記のドライブされるオシレータモデルは、特に、現在の光レベルに基づいて決定される少なくとも一つのドライブ項を含んでよい。このように、人間の概日リズムにおける外部光の影響が、モデルの中に統合され得る。

追加的または代替的に、ドライブされるオシレータモデルは、現在の活動レベルに基づいて決定されるドライブ項を含んでよい。従って、実際の概日リズムの予測からの偏差、活動信号においてそれ自身が明らかなもの、が考慮され得る。

ドライブされるオシレータモデルは、特定的には、以下の微分方程式に基づいて計算され得る。

この等式において、μとτは所与のパラメータであり、かつ、Ｂ（ｔ）とＮ（ｔ）はドライブ項である。

ドライブ項Ｎを伴いドライブされるオシレータモデルが使用される実施例のさらなる進展において、上記の非光ドライブ項は、上述の覚醒状態変数δに基づいて決定されてよい。現在の活動信号は、このように、覚醒状態変数δへと最初に変換されて、次に、ドライブ項を介して、ドライブされるオシレータモデルの中に統合される。覚醒状態変数は、典型的にはバイナリ（ｂｉｎａｒｙ）なので、このアプローチは、モデル出力における活動信号の２つの影響を結果として実質的に生じている。

ドライブされるオシレータモデルのドライブ項は、特に、モデル出力自身に依存してよい。このように、外部の影響は、モデルが見積りされた現在の概日状態に応じて、異なって重み付けされ得るものである。

ドライブ項は、人間のメインの睡眠インターバルの中間から実質的に離れた時間において、特には、ゼロまたは少なくとも無視できるものでよい。メインの睡眠インターバルは、モデル出力ｘ（ｔ）によって示されるので（見積りが正しい場合）、そうしたドライブ項の一時的な集中は、（以前のパラグラフにおいて提案されたように）モデル出力自身に依存するようにさせることによって、達成され得る。

見積りされたモデル出力は、多くの異なる目的のために使用され、かつ、さらに処理され得る。装置は、例えば、現在のモデル出力ｘ（ｔ）を表示し、かつ、従って、モニタされる人間に対して概日リズムを示すことができる。ターゲットの振る舞いからの概日リズムの偏差が検出され、かつ、適切な対応策（例えば、照明を変更する）が取られ得るようにである。

概日リズムからしばしば計算される興味の一つのパラメータは、略された”ＣＢＴｍｉｎ”であり、そして、最低深部体温が生じる時間に対応している。ＣＢＴｍｉｎ値は、特に、最小出力信号ｘ（ｔ）が見積られる時間にオフセットを加えたものとして決定されてよい。

上記の場合には、ドライバ項Ｎは、特に、所与のゲインファクタに比例してよく、ここで、言及されるオフセットは、上記のファクタに依存している。より望ましくは、関連のドライブ項は、覚醒状態変数に基づくものである。ゲインファクタへのオフセットの依存性は、例えば、線形であってよい。そうした依存性は、ＣＢＴｍｉｎ値に対する予測を著しく改善することが判明している。

説明された方法は、コンピューティングデバイスの助けを借りて典型的には具現化されるだろう。例えば、関連の装置におけるマイクロプロセッサまたはＦＰＧＡである。従って、本発明は、さらに、コンピューティングデバイスによって実行されたときに、本発明に従ったあらゆる方法の機能性を提供する、コンピュータプログラムを含んでいる。

さらに、本発明は、データキャリア（ｃａｒｒｉｅｒ）を含んでいる。例えば、フロッピー（登録商標）ディスク、ハードディスク、ＥＰＲＯＭ、コンパクトディスク（ＣＤ−ＲＯＭ）、デジタル多目的ディスク（ＤＶＤ）、または、マシンで読取り可能な形式でコンピュータプロダクトを保管するＵＳＢスティックである。そして、データキャリアに保管されたプログラムがコンピューティングデバイス上で実行されたときに、本発明の方法のうち少なくとも一つを実施する。データキャリアは、以前のパラグラフにおいて言及されたコンピューティングデバイスに係るプログラムを保管するために特に適切であり得る。

今日では、そうしたソフトウェアは、ダウンロードのためにインターネットまたは会社のイントラネットにおいて、しばしば提供される。従って、本発明は、また、本発明に従ったコンピュータプロダクトをローカルまたはワイドネットワークにわたり送信することも含んでいる。請求項１の装置、請求項９のシステム、請求項１２の方法、および、請求項１５のコンピュータプロダクトは、従属請求項において定められるように、類似及び/又は同一の望ましい実施例を有している。本発明の望ましい実施例は、また、従属請求項または上記の実施例と、それぞれの独立請求項とのあらゆる組み合わせであってもよいことが、理解されるべきである。

本発明に係るこれら及び他の態様は、これ以降に説明される実施例を参照して明らかになり、かつ、理解されよう。
図１は、本発明の実施例に従って、人間の概日リズムを記述するモデル出力を見積るための装置を模式的に示している。 図２は、図１の装置を用いて計算され得るモデル出力を模式的に示している。 図３は、オシレータモデルのドライブ項（ｄｒｉｖｉｎｇ ｔｅｒｍ）において現れるファクタを模式的に示している。

類似の参照番号は、図面において、同一または類似のコンポーネントを参照するものである。

被検体の概日フェイズ（ｃｉｒｃａｄｉａｎ ｐｈａｓｅ）と彼／彼女の環境における外部時間との正しい整合（ａｌｉｇｎｍｅｎｔ）は、非常に重要である。被検体の内部の体内時計（ｂｉｏｌｏｇｏｃａｌ ｔｉｍｅ）が、外部の「社会的（”ｓｏｃｉａｌ”）」時間と不整合（ｍｉｓａｌｉｇｎｅｄ）である場合には、数多くの症状が発生しそうである。フェイズ進み又は遅れの睡眠障害、時差ボケ（ｊｅｔ−ｌａｇ）問題、または、いわゆる季節性情動障害（Ｓｅａｓｏｎａｌ Ａｆｆｅｃｔｉｖｅ Ｄｉｓｏｒｄｅｒ、ＳＡＤ）を含むものである。概日リズムが慢性的に不整合である場合（例えば、シフト勤務者の場合）、被検体は、より厳しい健康問題までに対して警戒力の低下と認知障害に苦しむことがあり、心不全といくらかのホルモン癌に対するより高いリスクを暗示している。従って、被検体の概日フェイズを信頼性よく見積ることができることは、診断目的だけでなく、適切な対策の計画のためにも重要である。対策（例えば、光治療または外因性のメラトニン摂取）は、被検体が日常生活で活動する際に、外部の「ツァイトゲーバー（”Ｚｅｉｔｇｅｂｅｒ”）」との被検体の適切な同調を回復するためのものである。

光ベースのＨＣＰモデル（ＨＣＰ＝Ｈｕｍａｎ Ｃａｉｒｃａｄｉａｎ Ｐａｃｅｍａｋｅｒ）に対する非光拡張（ｎｏｎ−ｐｈｏｔｉｃ ｅｘｔｅｎｓｉｏｎ）が、文献において説明されている（Ｍ．Ａ．Ｓｔ−Ｈｉｌａｉｒｅ、Ｅ．Ｂ．Ｋｌｅｒｍａｎ、Ｓａｔ Ｂｉｒ Ｋｈａｌｓａ、Ｋ．Ｐ．Ｗｒｉｇｈｔ Ｊｒ．、Ｃ．Ａ． Ｃｚｅｉｓｌｅｒ、Ｒ．Ｅ．Ｋｒｏｎａｕｅｒ共著、”Ａｄｄｉｔｉｏｎ ｏｆ ａ ｎｏｎ−ｐｈｏｔｉｃ ｃｏｍｐｏｎｅｎｔ ｔｏ ａ ｌｉｇｈｔ−ｂａｓｅｄ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌ ｏｆ ｔｈｅ Ｈｕｍａｎ Ｃｉｒｃａｒｄｉａｎ Ｐａｃｅｍａｋｅｒ”、Ｊｏｕｒｎａｌ ｏｆ Ｔｈｅｏｒｅｔｉｃａｌ Ｂｉｏｌｏｇｙ、Ｖｏｌ．２４７、ｐｐ．５８３−５９９、２００７、この論文は本文章の中に参照として包含されている）。このモデルは、毎日の睡眠と覚醒のインターバルに関する記録されたデータの先立つ区分（ｐｒｉｏｒ ｓｅｇｍｅｎｔａｔｉｏｎ）に依存しており、かつ、リアルタイムの「オンライン（”ｏｎ−ｌｉｎｅ”）」処理と互換性のない自明でない（ｎｏｎ−ｔｒｉｖｉａｌ）計算ステップを必要とする。実際に、ＣＰＵとメモリのコストとは独立して、被検体の毎日の睡眠インターバルは、次の朝における起床時間（ｗａｋｅ−ｕｐ ｔｉｍｅ）が特定された後にだけに確実に決定され得るものであり、数時間の遅れが課される。このアプローチは、従って、「オフライン（”ｏｆｆ−ｌｉｎｅ”）」モードにおいてだけ適用可能である。

上記の観点から、改善された精度を伴って継続的に被検体の概日フェイズの見積りを提供することが望ましい。ここにおいて提案される実施例に従って、この目的は、睡眠／覚醒サイクルを明示的に考慮にいれる（望ましくは、光露出と併せて）ことによって達成される。人間の概日ペースメーカーサイクルの数学的モデル（例えば、Ｋｒｏｎａｕｅｒ Ｒ．Ｅ．、Ｆｏｒｇｅｒ Ｄ．Ｂ．、Ｊｅｗｅｔｔ Ｍ．Ｅ．共著、”Ｑｕａｎｔｉｆｙｉｎｇ Ｈｕｍａｎ Ｃｉｒｃａｄｉａｎ Ｐａｃｅｍａｋｅｒ Ｒｅｓｐｏｎｓｅ ｔｏ ｂｒｅｉｆ、ｅｘｔｅｎｄｅｄ ａｎｄ ｒｅｐｅａｔｅｄ ｌｉｇｈｔ ｓｔｉｍｕｌｉ ｏｖｅｒ ｔｈｅ ｐｈｏｔｏｐｉｃ ｒａｎｇｅ”、Ｊ．Ｂｉｏｌｏｇｉｃａｌ Ｒｈｙｔｈｍｓ、Ｖｏｌ．１４（６）、ｐｐ．５０１−５１６、１９９、この論文は本文章の中に参照として包含されている）に基づくものである。本発明の一つの態様は、非光コンポーネント（ｎｏｎ−ｐｈｏｔｉｃ ｃｏｍｐｏｎｅｎｔ）に係る時間にわたる逐次積分（ｉｎｃｒｅｍｅｎｔａｌ ｉｎｔｅｇｒａｔｉｏｎ）に存在する。「休息と暗闇（”ｒｅｓｔ ａｎｄ ｄａｒｋｎｅｓｓ”）」状態のコンセプトに基づくもので、センサ装置によって獲得された最も新しい活動および光の測定から引き出されるものである。これにより、さらなく遅れがなく、記録されたデータのエポックそれぞれの時間同期した処理が可能となる。

処理アルゴリズムの「左から右（”ｌｅｆｔ−ｔｏ−ｒｉｇｈｔ”）」オンライン処方（ｏｎ−ｌｉｎｅ ｆｏｒｍｕｌａｔｉｏｎ）へと導く以外に、この方法は、また、分割された睡眠エピソード（ｓｌｅｅｐ ｅｐｉｓｏｄｅ）、または、暗闇要求が緩和された場合の午後の居眠り（ａｆｔｅｒｎｏｏｎ ｎａｐ）さえも取り扱うことができる。覚醒維持ゾーン（ｗａｋｅ ｍａｉｎｔｅｎａｎｃｅ ｚｏｎｅ）、睡眠が疑わしいところ、に関する追加の制約、もしくは、ローカルまたは体内時計に依存する他の制約は、このフレームワークの中に容易に統合され得る。より詳細に以下に説明される方法により、従って、概日フェイズに対する睡眠／覚醒サイクルの貢献の逐次処理（ｉｎｃｒｅｍｅｎｔａｌ ｐｒｏｃｅｓｓｉｎｇ）に基づいて、安い計算コストで、ＨＣＰモデルの中に非光コンポーネントをオンライン統合することができる。

図１は、上記の一般的な原理に従ってデザインされた装置１００を模式的に示している。装置１００は、観察の下にある人間Ｐの概日リズムを記述する「モデル出力（”ｍｏｄｅｌ ｏｕｔｐｕｔ”）」ｘ（ｔ）を見積るように意図されている。

測定またはセンサ装置として、装置１００は、光センサ１１０を含んでおり、それによって、人間Ｐの位置において優勢な光レベルＬ（ｔ_ｉ）が測定され得る。固定の光センサ１１０が示されているが、このセンサは、望ましくは、人間Ｐによって持ち運ばれ、もしくは、リストデバイスに統合され、または、ペンダントとして身に付けられるものであってよい。光は、例えば、部屋を取り囲む人工照明によって生成されてよい。アプローチのさらなる発展においては、より詳しくここでは説明されないが、見積りされたモデル出力ｘ（ｔ）と人間および概日リズムのために与えられたターゲットに基づいて、光レベルが任意的にコントロールされてよい。光センサ１１０は、対応する光レベル信号Ｌ（ｔ_ｉ）を提供し、それぞれの時間ｔ_ｉについて一つの測定が行われる。

さらに、装置１００は、時間ｔ_ｉにおける人間Ｐの活動を示す活動信号Ａ（ｔ_ｉ）を決定するために、少なくとも一つのセンサ１２０を含んでいる。そうしたセンサは、例えば、人間Ｐによって身に付けられ、そして、受信器１２２に対して測定信号を無線で送信するコンポーネント１２１を含んでよい。ウェアラブル（ｗｅａｒａｂｌｅ）コンポーネント１２１は、例えば、人間の動作を検出するための加速度計、及び/又は、心拍数、血圧、または体温といった、生理学的パラメータのためのセンサを含んでよい。追加的または代替的に、本装置は、動作検出器（図示なし）といった固定の活動センサを含んでよい。

装置１００は、さらに、固定のデバイス（例えば、パーソナルコンピュータ）、もしくは、スマートフォンまたはタブレットコンピュータといったポータブルデバイスの中に統合され得るプロセッサ１３０を含んでいる。プロセッサ１３０は、また、センサからのデータをネットワーク上で受信し、そして、結果を再びネットワーク上でユーザに対して返すサーバであってよい。プロセッサ１３０は、図においてボックスとして示されている数個のモジュールを含んでおり、専用のハードウェア及び/又は特定のソフトウェア（サブ）ルーチンによって実現されてよい。特に、プロセッサ１３０は、以下のモジュールを含んでいる。
−「入力モジュール（”ｉｎｐｕｔ ｍｏｄｕｌｅ”）」１３１であり、活動信号Ａ（ｔ_ｉ）が到着し、そして、例えば、フィルタリング、増幅、及び/又は、中間保存（ｉｎｔｅｒｍｅｄｉａｔｅ ｓｔｏｒａｇｅ）によって、任意的に処理され得る。
−「分類モジュール（”ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｏｄｕｌｅ”）」１３２であり、入力モジュール１３１から現在の活動信号Ａ（ｔ_ｉ）、および、任意的に、現在の光レベル信号Ｌ（ｔ_ｉ）を受け取る。さらに、分類モジュールは、オペレータ、例えば、測定をモニタしている医師によって、設定または調整され得る外部入力Ｔを受信する。分類モジュールの出力は、「覚醒状態信号（”ｗａｋｅｆｕｌｎｅｓｓ ｓｉｇｎａｌ”）」δ（ｔ）である。より詳細に以下に説明されるように、覚醒状態信号δ（ｔ）は、分類モジュール１３２において２つのステップで計算される。すなわち、（ｉ）活動信号Ａ（ｔ_ｉ）と、任意的に、光レベルＬ（ｔ_ｉ）の実際の値と以前の値の加重和（ｗｅｉｇｈｔｅｄ ｓｕｍ）としてスコアＲｎＤ_{ＳＣＯＲＥ}を計算するステップ、および、（ｉｉ）加重されたデータが覚醒状態または睡眠状態に対応するかを決定するために、このスコアＲｎＤ_{ＳＣＯＲＥ}を少なくとも一つの閾値Ｔと比較するステップ、によるものである。この決定の結果は、覚醒状態値δ（ｔ）において符号化（ｅｎｃｏｄｅ）される。
−「第１ドライブ項計算モジュール（”ｆｉｒｓｔ ｄｒｉｖｉｎｇ ｔｅｒｍ ｃａｌｃｕｌａｔｉｏｎ ｍｏｄｕｌｅ”）」１３３であり、前出の覚醒状態信号δ（ｔ）とモデル出力の現在値ｘ（ｔ）を使用して、非光影響（ｎｏｎ−ｐｈｏｔｉｃ ｉｎｆｌｕｅｎｃｅ）を表わす第１ドライブ項Ｎ（ｔ）を決定する。
−「第２ドライブ項計算モジュール（”ｆｉｒｓｔ ｄｒｉｖｉｎｇ ｔｅｒｍ ｃａｌｃｕｌａｔｉｏｎ ｍｏｄｕｌｅ”）」１３４であり、測定された光レベルＬ（ｔ_ｉ）から第２ドライブ項Ｂ（ｔ）を決定する。
−「シミュレーションモジュール（”ｓｉｍｕｌａｔｉｏｎ ｍｏｄｕｌｅ”）」１３５であり、ドライブされる（ｄｒｉｖｅｎ）オシレータモデルを使用して、モジュール１３３と１３４のそれぞれによって提供される外部ドライブ項Ｎ（ｔ）とＢ（ｔ）に基づいてモデル出力ｘ（ｔ）を決定する。

本発明の説明される実施例は、望ましくは、例えば、ポータブルデバイス（例えば、リストウォッチまたはアクティグラフィモニタ）によって継続的に獲得される活動および光強度レベルのデジタル測定に適用される。データサンプル｛Ａ（ｔ_ｉ）、Ｌ（ｔ_ｉ）｝、「エポック（”ｅｐｏｃｈ”）」と呼ばれるものは、典型的には１分間に１回（[０．００８、０．０６７]Ｈｚの比率の範囲において）獲得され、そして、２つのメインステップを含むアルゴリズムを実施するエンベッドされたソフトウェアプログラムによって、プロセッサ１３０において処理される。
−第１ステップは、分類モジュール１３２において実行され、「休息と暗闇」のコンセプトに基づいて、入ってくるデータのエポックを２つの可能性のある状態のうち１つに分類する。活動と光強度のレベルが閾値より上である場合には、現在のエポックは「覚醒かつ活動（”ａｗａｋｅ ａｎｄ ａｃｔｉｖｅ”）」としてタグ付けされ、一方で、薄暗いところで観察された低い活動レベル又は光が無いことは、「休息中（”ａｔ ｒｅｓｔ”）」としてタグ付けされる。選択された設定に応じて、分類器（ｃｌａｓｓｉｆｉｅｒ）は、活動レベルだけに、または、活動と光レベルの両方に適用されてよい。光強度によってもたらされる情報は、より信頼性のある決定へ導く可能性を有している。あらゆる場合において、分類器は、現在の時間ｔ_ｉまでの最近の過去（ｒｅｃｅｎｔ ｐａｓｔ）から引き出される少ない数のサンプルに適用され、現在の時間を越えたデータを使用しない。時間同期処理を確実にするためである。
−第２ステップは、第１ドライブ項計算モジュール１３３とシミュレーションモジュール１３５において実行される。概日オシレータをドライブする非光刺激（ｎｏｎ−ｐｈｏｔｉｃ ｓｔｉｍｕｌｕｓ）を通じたペースメーカーにおける分類器出力の即時の使用が重要である。

一般的なＨＣＰフレームワークを提供するシミュレーションのための適切な数学的モデルは、例えば、文献（Ｓｔ−Ｈｉｌａｉｒｅ共著、Ｋｒｏｎａｕｅｒ共著の上記に引用したもの）に見い出される。モデルは、ファン・デル・ポール（ｖａｎ ｄｅｒ Ｐｏｌ）タイプのリミットサイクルオシレータに基づいており、そして、以下の２次の微分方程式を使用して記述され得る。ここで、外部刺激は、右辺に現われているドライブ項Ｚ（ｔ）として導入される。

従属変数ｘは、深部体温（ｃｏｒｅ ｂｏｄｙ ｔｅｍｐｅｒａｔｕｒｅ、ＣＢＴ）と伴にアナログ的に変動し、かつ、正規化された範囲[−１、＋１]において時間ｔにわたり変動する（ｏｓｃｉｌｌａｔｅ）。このことは、図２において、模式的に示されている。μ（０＜μ＜１）は、剛性（ｓｔｉｆｆｎｅｓｓ）パラメータであり、そして、τは、固有の期間（ｉｎｔｒｉｎｓｉｃ ｐｅｒｉｏｄ）（約２４．２時間）である。強制「ツァイトゲーバー（”Ｚｅｉｔｇｅｂｅｒ”）」項Ｚ（ｔ）は、光強度測定に依存している光パートＢ（ｔ）と、ローカルエポック分類器を介する概日フェイズにおける睡眠／覚醒サイクルの影響を表わしている非光パート項Ｎ（ｔ）との合計である。

バイナリ分類器１３２の出力δ（ｔ_ｉ）は、エポック状態が「休息中」の場合には「１」に、そして、エポックが「覚醒と活動」としてタグ付けされている場合には「０」に等しく設定されてよい。非光ドライブＮ（ｔ）は、以下の方程式に従って計算され得る。

ここで、ρは非光ゲイン（０＜ρ＜０．２）であり、かつ、φはパラメータ（１＜φ＜１００）である。

等式（２）において、δ（ｔ）を伴う第１項は、エポックの状態に応じて−２／３かまたは＋１／３の値をとる。双曲線正接（ｈｙｐｅｒｂｏｌｉｃ ｔａｎｇｅｎｔ）を含んでいる項が図３に示されており、概日感受性（ｓｅｎｓｉｔｉｖｉｔｙ）の変動を定めている。概日感受性は、ｘ（１）≒−１におけるＣＢＴの底（ｎａｄｉｒ）近くで最大値に達しており、特異点（ｓｉｎｇｕｌａｒ ｐｏｉｎｔ）から数時間離れた時間において急激に０まで減少する。従って、感受性の変動は、ＣＢＴ最長時間の近傍において非光影響を強調する。通常は、メインの睡眠インターバルの中間近くで生じるものである。

上記等式（１）の光項（ｐｈｏｔｉｃ ｔｅｒｍ）Ｂ（ｔ）は、例えば、非線形圧縮およびレチナール（ｒｅｔｉｎａｌ）光伝達段階の対象である白色光輝度値（ｌｕｍｉｎａｎｃｅ ｖａｌｕｅ）によってドライブされる。これらのオペレーションは、全てが大きな問題なく時間に同期して評価され得るものであり、ペースメーカーモデル（１）と（２）の左から右への（ｌｅｆｔ−ｔｏ−ｒｉｇｈｔ）数値積分を完成して、オンラインの概日リズム評価の見積りができる。他の実施例において、Ｂ（ｔ）は、可視スペクトルの一部、例えば青色光、のスペクトル放射照度によってドライブされてよい。一般的に、光入力は、白色またはカラーのいずれかであってよい。後者の場合には、例えば、赤／青／緑の放射照度測定を提供する３つの光センサから引き出されるものである。

次のセクションは、分類器の作成の方法、および、非光ゲインρに依存する深さマップ的なオフセットを含み、この非光拡張の実際の適用され方を説明する。この時間オフセットは、見積りバイアスを低減することによって精度を最適化するようにＣＢＴ最小値の予測された値に加えられる。

望ましい実施例において、上記に説明されたアルゴリズムは、歩行可能モードにある被検体Ｐの概日フェイズの連続的な更新を提供する（ポータブル）デバイスの中に統合された小さなプロセッサ１３０において実行しているエンベッドされたソフトウェアとして実施される。予測された値は、典型的に、毎分に更新される。休息と暗闇状態における係属したエポックのタグ付けは、低い計算コストでの時間に同期した処理の要求を満たしている分類器によって行われる。

Ａ（ｔ_ｉ）とＬ（ｔ_ｉ）をそれぞれに時間ｔ＝ｔ_ｉにおける活動と光強度レベルとする。ｉ＝１、２、３、・・・は、獲得されたエポックのインデックスであり、そして、Ｉは現在のエポックインデックスである。分類器スコアは、現在のエポックＩにおいて以下の式に従って計算される。

ここで、ｗ１とｗ２は、分類器スコアに対する活動と光それぞれの貢献のための重み付け（≧０）であり、α（ｉ）は、ｎ個の過去の活動カウントを包含している活動部分の係数であり、そして、β（ｉ）は、現在入ってきているエポックである、Ｉまでの、ｐ個の過去の光強度を包含している光部分の係数である。ｗ１＝１およびｗ２＝０と設定することによって、分類器は、活動だけに依存するものであり、一方、ｗ１＝０．５およびｗ２＝０．５は、光と活動の貢献を等しい割合で結合するだろう。係数α（ｉ）とβ（ｉ）は、正規化され、かつ、両方ともに足し算すると１になる。例えば、ｎ＝３について、α（０）＝０，２５、α（１）＝０，５、α（３）＝０，２５である。

一つの所定の状態におけるエポックを分類するための判断ルール（ｄｅｃｉｓｉｏｎ ｒｕｌｅ）は、以下の式に基づいている。

ここで、ＴＨＲは、活動または光レベルいずれかに関する閾値を表している。等式（４）において見積りされたｓｉｇｎＳが正である場合、そのエポックは「覚醒と活動」としてタグ付けされ、そうでなければ、「休息中」であると考えられる。等式（４）から、等式（２）の覚醒状態変数δは、以下のように決定され得る。
δ（ｔ）＝（１−Ｓ）／２

最高のパフォーマンスのために、閾値ＴＨＲ（ａｃｔｉｖｉｔｙ）とＴＨＲ（ｌｉｇｈｔ）は、被検体Ｐに依存するようにされ得る（外的に決定された閾値の入力は、図１において文字「Ｔ」によって象徴されている。これは、例えば、以前の日々の測定にわたり累積された活動または光レベルのヒストグラムに基づいてよい。例えば、初期値であるＴＨＲ（ａｃｔｉｖｉｔｙ）＝Ｒ_０、休息における活動の典型的な値Ｒ_０から派生したもの、から開始して、活動の閾値は、今のところ観察される活動カウントの４０％パーセンタイル（ｐｅｒｃｅｎｔｉｌｅ）の値を用いて、毎日更新されるものである。同一のアプローチが、今のところ観察される活動カウントの２０％パーセンタイルの値を用いて、分類器の光部分について適用される。

さらなるポイントは、ＣＢＴの底、ＣＢＴｍｉｎと示されているもの、の毎日のタイミングに関する予測されたフェイズマーカーの定義にかかわるものであり、以下の式に従うものである。

ここで、ｘは、上記の等式（１）の解として獲得され、かつ、非光ゲインρのサイズに応じて、追加オフセットがなされる。ここでは、予測されたフェイズに対する非光貢献の効果が最適化されるように、オフセットを単調に減少させることの適用が提案される。他のより複雑な可能性のなかでも以下の線形回帰は、概日フェイズ見積りにおけるバイアスサイズの低減に対して特に効果を示してきている。

（時間で表わされている）

ゲイン値ρは、たいてい、０．１に設定される。しかしながら、被検体の所定のクロノタイプ（ｃｈｒｏｎｏｔｙｐｅ）特性に対しても適合され得るものである。ρ＝０．１に対して、時間オフセットは０．３５時間までに低減される。

フェイズ予測精度は、３つの統計的な測定を使用して評価されてきた。見積りされる値と、考慮される被検体の夕方の唾液採取から獲得される参照ＤＬＭＯ（Ｄｉｍ Ｌｉｇｈｔ Ｍｅｌａｔｏｎｉｎ Ｏｆｆｅｓｔ）フェイズマーカーとの類似性を定量化するものである。ＤＬＭＯと予測されるフェイズ値との間の差異の標準偏差は、グループパフォーマンスの第１インデックスであり、両方のシーケンスのピアソン（Ｐｅａｒｓｏｎ）相関係数が、グループパフォーマンスの第２インデックスであり、そして、第３インデックスは、予測された値と参照値の個々のペアそれぞれの絶対的な差異の平均である。

８１人の一式の被検体（重度のクロノタイプ（ｃｈｒｏｎｏｔｙｐｅ）の異常値を除く）について、彼らの制限のない日常生活において一週間以上にわたり記録されたテストにおいて、以下の結果が得られている。

上記の表中の数字は、標準偏差の２０％の相対的削減、（ピアソン）相関係数の１１％の相対的増加、誤りの平均絶対値の３７％の相対的削減、および、最大誤りの４４％の削減を示している。これは、概日ペースメーカーにおける催眠／覚醒サイクルの増加貢献（ｉｎｃｒｅｍｅｎｔａｌ ｃｏｎｔｒｉｂｕｔｉｏｎ）を用いてフェイズ予測精度を改善するための本技術のポテンシャルを示している。

まとめると、概日ペースメーカーモデルにおける睡眠／覚醒サイクルの非光態様に係るリアルタイム統合の実施例、および、改善されたフェイズ予測精度を達成するためのアプリケーションが説明されてきた。本方法は、休息と暗闇に関する活動と光測定のローカル分類器に基づくものであり、そして、睡眠と覚醒のインターバルにおける先立つ区分を必要としない。分類器出力は、被検体の現在の照明を獲得している光検出エレメントから引き出されるメインの光刺激と組み合わされる。これにより、アクティグラフィ腕時計のような限定されたハードウェアデバイスを使用するモバイルアプリケーションに適した、データの時間同期処理ができるようになり、そして、これは、改善された精度を伴って（人間の）概日フェイズのオンライン見積りを意味するものである。

説明されたアプローチは、例えば、光センサを含む小さなアクティグラフィについて適用され得る。それは、概日リズム問題のリアルタイム管理に重点を置いた、光治療を含む、時間医療（ｃｈｒｏｎｏ−ｍｅｄｉｃｉｎｅ）の一般的なコンテキストにおいて適用され得るものである。より特定的に、可能なアプリケーションは、睡眠相後退障害（Ｄｅｌａｙｅｄ Ｓｌｅｅｐ Ｐｈａｓｅ Ｄｉｓｏｒｄｅｒ）と慢性的な不眠症を伴う人たちをターゲットにしている製品に関するものである。ここにおいて説明されたソリューションは、実世界において、より高い精度の概日フェイズ見積りに貢献することができ、被検体に対してリアルタイムに推奨およびアドバイスを提供するために使用され得る。一つのターゲット集団は、慢性的な不眠症に苦しんでいる人達からなり（不眠症を訴える人の約３分の１が概日障害におそらく関連する）、そして、シフト勤務者のような特定のカテゴリーもターゲットである。「ライフスタイル（”ｌｉｆｅｓｔｙｌｅ”）」セクタにおいて、時間医療は、一日の特定の時間における注意（ａｌｅｒｔｎｅｒｓｓ）および認知パフォーマンスを改善するためのツールとしてみなされてよく、子午線をまたぐ（ｔｒａｎｓ−ｍｅｒｉｄｉａｎ）旅行の後に続く時差ボケ効果を低減し、そして、うつ（ｄｅｐｒｅｓｓｉｏｎ）の弱い形態に関する典型的な症状を軽減する。可能なアプリケーションの別のフィールドは時間医療に関連し、患者の概日フェイズに係る知識が開拓されて、製薬ドラッグの効率を改善し、その副作用を最小化し得る。例えば、がん治療におけるものである。

本発明は、図面または前出の記載において、その詳細が説明され記述されてきたが、そうした説明および記載は、説明的または例示的なものであり、制限的なものではないと考えられるべきである。つまり、本発明は、開示された実施例に限定されるものではない。図面、明細書、および添付の特許請求の範囲を研究すれば、クレームされた本発明の実施において、当業者によって、開示された実施例に対する他の変形が理解され、もたらされ得る。請求項において、用語「含む（“ｃｏｍｐｒｉｓｉｎｇ“」は、他のエレメントまたはステップの存在を排除するものではなく、不定冠詞「一つの（”ａ“または”ａｎ“）」は、複数を排除するものではない。単一のプロセッサまたは他のユニットは、請求項で述べられる数個のアイテムに係る機能を満たし得る。特定の手段が、お互いに異なる従属請求項の中で引用されているという事実だけでは、これらの手段の組み合せが有利に使用され得ないことを示すものではない。コンピュータプログラムは、光記録媒体もしくはハードウェアと供に、またはハードウェアの一部として提供される半導体媒体といった、好適な媒体上に記録され、配布され得る。しかし、インターネット、または他の有線もしくは無線の電子通信システムを介するといった、他の形式においても配布され得る。請求項におけるいかなる参照番号も、発明の範囲を限定するものと解釈されるべきではない。

本発明は、人間の概日リズムを記述するモデル出力を見積りするための装置および方法に関するものである。望ましい実施例においては、光の露出（ｐｈｏｔｉｃ ｅｘｐｏｓｕｒｅ）を提供する光センサ、および、（加速度計を介した）動作測定に基づく人間の活動の現在のレベルを示す活動信号が使用され、人間が覚醒しているか、または、睡眠しているかどうかを示すバイナリの覚醒状態値を計算する。覚醒状態値は、次に、ドライブされるオシレータモデルのためのドライブ項を決定するために使用される。光と活動の共同の影響の下でモデル出力をシミュレーションするものである。

Claims (11)

1. 人間（Ｐ）の概日リズムを記述する、第１時間（ｔ_ｉ）におけるモデル出力（ｘ（ｔ_ｉ））を生成するための装置であって、
   活動レベル測定に基づいて第１時間（ｔ_ｉ）における人間（Ｐ）の活動の現在のレベルを示す活動信号（Ａ（ｔ_ｉ））を受け取るための入力モジュールと、
   第１時間（ｔ_ｉ）における覚醒状態信号（δ（ｔ_ｉ））を生成するための分類モジュールであり、前記覚醒状態信号（δ（ｔ_ｉ））は人間（Ｐ）が第１時間（ｔ_ｉ）において覚醒していること又は睡眠していることを示し、前記分類モジュールは、前記受け取った活動信号（Ａ（ｔ_ｉ））に基づいて前記覚醒状態信号（δ（ｔ_ｉ））を生成するように適合されている、分類モジュールと、
   第１時間（ｔ_ｉ）における非光ドライブ項（Ｎ（ｔ_ｉ））を決定するための第１計算モジュールであり、前記非光ドライブ項（Ｎ（ｔ_ｉ））は前記概日リズムに対する非光影響を表し、前記第１計算モジュールは、前記覚醒状態信号（δ（ｔ_ｉ））に基づいて前記非光ドライブ項（Ｎ（ｔ_ｉ））を決定するように構成されている、第１計算モジュールと、
   前記概日リズムに対する光影響を表す光ドライブ項（Ｂ（ｔ _ｉ ））を決定するための第２計算モジュールであり、前記光ドライブ項（Ｂ（ｔ _ｉ ））は光強度測定に依存している、第２計算モジュールと、
   前記非光ドライブ項（Ｎ（ｔ _ｉ ））と前記光ドライブ項（Ｂ（ｔ _ｉ ））とに基づいて、前記第１時間（ｔ _ｉ ）における現在のモデル出力（ｘ（ｔ _ｉ ））をリアルタイムに計算するように構成されている、シミュレーションモジュールと、
   を含み、
   前記分類モジュールは、さらに、前記人間（Ｐ）の位置での第１時間（ｔ_ｉ）における光レベルを示す光レベル信号（Ｌ（ｔ_ｉ））を受け取るように構成されており、
   前記分類モジュールは、さらに、前記受け取った光レベル信号（Ｌ（ｔ _ｉ ））に基づいて、及び/又は、前記受け取った活動信号（Ａ（ｔ _ｉ ））に基づいて、前記覚醒状態信号（δ（ｔ _ｉ ））を生成するように構成されており、
   前記分類モジュールは、さらに、前記人間（Ｐ）に関する少なくとも一つの閾値（Ｔ）を受け取るように構成されており、
   前記分類モジュールは、さらに、前記閾値（Ｔ）を、最近の活動信号（Ａ（ｔ_ｉ））、及び/又は、最近の光レベル信号（Ｌ（ｔ_ｉ））の加重和と比較するように構成されている、
   装置。
2. 前記分類モジュールは、さらに、一つまたはそれ以上の最近の活動信号に基づいて、及び/又は、一つまたはそれ以上の最近の光レベル信号に基づいて、第１時間（ｔ_ｉ）における覚醒状態信号（δ（ｔ_ｉ））を生成するように構成されており、
   前記一つまたはそれ以上の最近の活動信号は、第１時間（ｔ_ｉ）以前の時間において取得された一つまたはそれ以上の活動信号に対応し、
   前記一つまたはそれ以上の最近の光レベル信号は、第１時間（ｔ_ｉ）以前の時間において取得された一つまたはそれ以上の光レベル信号に対応している、
   請求項１に記載の装置。
3. 前記分類モジュールは、さらに、前記人間（Ｐ）に対する活動または光レベルの個人的なベースラインを生成するように構成されている、
   請求項２に記載の装置。
4. 現在のエポックにおける分類器スコア（ＲｎＤ_{ＳＣＯＲＥ}（Ｉ））は、
   

   

   に従って計算されるものであり、
   ここで、ｗ１とｗ２は、既定の第１および第２の重み付けに対応し、ｗ１≧０かつｗ２≧０であり、
   α（ｉ）は、既定の非光係数に対応し、かつ、β（ｉ）は、既定の光係数に対応しており、
   前記現在のエポックは、時間における現在の期間に対応する、
   請求項３に記載の装置。
5. 前記現在のモデル出力（ｘ（ｔ_ｉ））は、ドライブされるファン・デル・ポールオシレータモデルに基づいて計算される、
   請求項１乃至４いずれか一項に記載の装置。
6. 前記非光ドライブ項（Ｎ（ｔ_ｉ））は、ゲインファクタ（ρ）に比例し、
   前記人間（Ｐ）の最低深部体温が生じる時間は、最小の現在のモデル出力（ｘ（ｔ_ｉ））が生成される時間にオフセットを加えたものとして決定され、
   前記オフセットは、前記ゲインファクタ（ρ）に依存し、
   前記オフセットは、ａ−ｂ・ρとして表わされるものであり、ａとｂは定数であって、ρは前記ゲインファクタに対応している、
   請求項５に記載の装置。
7. 人間（Ｐ）の概日リズムを記述する第１時間（ｔ_ｉ）におけるモデル出力（ｘ（ｔ_ｉ））を生成するためのシステムであって、
   前記第１時間（ｔ_ｉ）での活動信号（Ａ（ｔ_ｉ））を決定するための少なくとも一つのセンサであり、前記活動信号（Ａ（ｔ_ｉ））は前記第１時間（ｔ_ｉ）における前記人間（Ｐ）の活動を示している、センサと、
   請求項１乃至６いずれか一項に記載の装置と、
   を含む、システム。
8. 前記少なくとも一つのセンサは、加速度センサまたは生理学的パラメータセンサであり、
   前記生理学的パラメータセンサは、心拍数センサ、血圧センサ、または、体温センサである、
   請求項７に記載のシステム。
9. 前記システムは、さらに、
   前記第１時間（ｔ_ｉ）における前記人間（Ｐ）の位置での光レベル信号（Ｌ（ｔ_ｉ））を決定するためのセンサ、を含む、
   請求項７または８に記載のシステム。
10. 人間（Ｐ）の概日リズムを記述する、第１時間（ｔ_ｉ）におけるモデル出力（ｘ（ｔ_ｉ））を生成するための装置によって実行される方法であって、
    前記装置が、活動レベル測定に基づいて第１時間（ｔ_ｉ）における人間（Ｐ）の活動の現在のレベルを示す活動信号（Ａ（ｔ_ｉ））を受け取るステップと、
    前記装置が、覚醒状態信号（δ（ｔ_ｉ））が生成されるように前記受け取った活動信号（Ａ（ｔ_ｉ））を分類するステップであり、前記覚醒状態信号（δ（ｔ_ｉ））は人間（Ｐ）が第１時間（ｔ_ｉ）において覚醒していること又は睡眠していることを示している、ステップと、
    前記装置が、前記概日リズムに対する非光影響を表す非光ドライブ項（Ｎ（ｔ_ｉ））を決定するステップであり、前記非光ドライブ項（Ｎ（ｔ_ｉ））は前記覚醒状態信号（δ（ｔ_ｉ））に基づいて決定される、ステップと、
    前記装置が、前記概日リズムに対する光影響を表す光ドライブ項（Ｂ（ｔ _ｉ ））を決定するステップであり、前記光ドライブ項（Ｂ（ｔ _ｉ ））は光強度測定に依存している、ステップと、
    前記装置が、前記非光ドライブ項（Ｎ（ｔ _ｉ ））と前記光ドライブ項（Ｂ（ｔ _ｉ ））とに基づいて、前記第１時間（ｔ _ｉ ）における前記現在のモデル出力（ｘ（ｔ _ｉ ））をリアルタイムに計算するステップと、
    前記装置が、前記第１時間（ｔ_ｉ）における前記人間（Ｐ）の位置での光レベルを示す光レベル信号（Ｌ（ｔ_ｉ））を受け取るステップと、
    を含み、
    前記覚醒状態信号（δ（ｔ_ｉ））は、
    （ｉ）現在および過去の活動信号（Ａ（ｔ_ｉ））、及び/又は、現在および過去の光レベル信号（Ｌ（ｔ_ｉ））の加重和として、スコア（ＲｎＤ_{ＳＣＯＲＥ}）を計算し、かつ、
    （ｉｉ）前記スコア（ＲｎＤ_{ＳＣＯＲＥ}）を少なくとも一つの閾値（Ｔ）と比較する、
    ことによって計算される、
    方法。
11. プログラムコードを含むコンピュータプログラムであって、実行されると、
    人間（Ｐ）の概日リズムを記述するモデル出力（ｘ（ｔ_ｉ））を生成するための請求項１乃至８いずれか一項に記載の装置に、請求項１０に記載の方法に係るステップを実行させる、
    コンピュータプログラム。

Images