JPWO2016093347A1 - 生体状態分析装置及びコンピュータプログラム - Google Patents

Abstract

睡眠時無呼吸症候群を始めとする睡眠関連の疾病リスクを容易に推測する。本発明は、生体信号測定装置により収集された生体信号を分析して、疲労、注意力の低下又は眠気を含む所定の覚醒度低下状態の出現タイミングを判定し、その単位時間当たりの出現回数を求め、求めた出願回数と眠気のサーカディアンリズムとの関係で、睡眠に関連する疾病のリスクを推定するものである。

Description

本発明は、生体信号から人の状態を分析する生体状態分析装置及びコンピュータプログラムに関し、特に、睡眠に関連する疾病の可能性、なかでも睡眠時無呼吸症候群の可能性を推定することができる生体状態分析装置及びコンピュータプログラムに関する。

睡眠時無呼吸症候群か否かは、通常、医療機関に入院し、ポリグラフを中心として、筋電図、脳波、血中酸素飽和度などを測定し、その上で、医師の判断により判定されている。より簡易な検査方法として、特許文献１では、呼吸に伴ういびき音を収集し、人の呼吸の１サイクルに相当する長さの時間窓で波形を切り出し、各サイクル間のいびき音の波形の相関関数を求め、いびき音に非定常なものが含まれるか否かを求め、非定常なものが含まれる場合に睡眠時無呼吸症候群と判定する技術が開示されている。

特許文献２では、複数の感圧素子を有するセンサシートを寝具に付設し、被験者の寝具に加わる荷重変化を捉えた荷重信号から呼吸信号を抽出して睡眠時無呼吸症候群を初めとする呼吸障害を検出する技術が開示されている。

特開２００５−６５９０４号公報 特開２００７−１８１６１３号公報

特許文献１は、いびき音を収集して睡眠時無呼吸症候群か否かを判定するものであり、それ以前の複数のセンサを体表面に取り付けて行うことと比較すれば、より簡易かつ短時間でいびき音を特定することができる。特許文献２は、寝具にかかる被験者の体重変化を捉えた荷重センサにより情報を得るものである。

しかし、特許文献１及び２の技術は、いずれも被験者を寝かせて測定する必要があり、検査が面倒である。さらに、特許文献１では、疾病症状を概略的に判断し、より正確な判断を医師による判定に委ね、健康診断などでの簡易判定を目的としたスクリーニングに適していることが記載されている。しかしながら、いびき音を収集するためには所定の検査時間が必要であり、睡眠時無呼吸症候群を初めとする睡眠関連の疾病リスクを簡易かつ速やかに判断する手法は確立されていない。

本発明は上記に鑑みなされたものであり、被験者を寝かせることなく、日常活動を行う中で睡眠関連の疾病リスクをスクリーニングでき、特に、上体から非接触で背部体表脈波を収集して、睡眠時無呼吸症候群を初めとする睡眠関連の疾病リスクを推測することができる生体状態分析装置及びコンピュータプログラムを提供することを課題とする。

上記課題を解決するため、本発明者が鋭意研究を行った結果、本出願人によって提案されている生体状態分析手法、すなわち、乗物の運転席のシートバック部に設けた生体信号測定装置から非接触で運転者の背部体表脈波を収集し、この背部体表脈波の時系列波形から判定される生体状態と、睡眠のサーカディアンリズムとを複合して捉えることにより、睡眠関連の疾病リスク、特に睡眠時無呼吸症候群のリスクを判定できることを見出し、本発明を完成するに至った。

すなわち、本発明に係る生体信号分析装置は、生体信号測定装置により収集された生体信号を分析し、生体状態を判定する生体状態分析装置であって、疲労、注意力の低下又は眠気を含む所定の覚醒度低下状態の出現タイミングを判定する覚醒度低下状態判定手段と、前記覚醒度低下状態判定手段により判定される前記覚醒度低下状態の単位時間当たりの出現回数を求め、前記単位時間当たりの出現回数と眠気のサーカディアンリズムとの関係で、睡眠に関連する疾病のリスクを推定する疾病リスク推定手段とを有することを特徴とする。

前記疾病リスク推定手段は、前記眠気のサーカディアンリズムにおいて覚醒度が所定以上高いとされる時間帯における、前記覚醒度低下状態の単位時間当たりの出現回数が所定回数以上の場合に、睡眠時無呼吸症候群のリスクが高いと推定する手段を含むことが好ましい。
前記眠気のサーカディアンリズムにおける前記覚醒度が所定以上高いとされる時間帯は、眠気が低下していく傾向から眠気が増していく傾向に切り替わる切替点を含む時間帯であることが好ましい。
前記覚醒度低下状態判定手段は、前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手段を有し、前記周波数傾き時系列波形演算手段から得られる周波数の傾き時系列波形に基づき、前記覚醒度低下状態の出現タイミングを判定することが好ましい。
前記覚醒度低下状態判定手段は、前記周波数傾き時系列波形演算手段から得られる周波数の傾き時系列波形において、所定の基準に対して振幅の収束傾向と拡大傾向が連続する場合に、前記覚醒度低下状態の出現タイミングと判定することが好ましい。

前記覚醒度低下状態判定手段は、前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手段と、前記周波数傾き時系列波形演算手段により得られる周波数傾き時系列波形から、心循環系のゆらぎの特性が切り替わる周波数よりも低い周波数の機能調整信号、前記機能調整信号よりも高い周波数の疲労受容信号、及び前記疲労受容信号よりも高い周波数の活動調整信号に相当するＵＬＦ帯域からＶＬＦ帯域に属する各周波数成分を抜き出し、これらの周波数成分のそれぞれの分布率を時系列に求める分布率演算手段とを有し、前記分布率演算手段において、前記機能調整信号、疲労受容信号及び活動調整信号の分布率の変動が所定基準を下回る場合に、生体リズムの乱れを要因とする覚醒度低下状態の出現タイミングと判定することが好ましい。
前記生体信号測定装置によって収集される生体信号が、背部体表脈波であることが好ましい。

本発明のコンピュータプログラムは、生体状態分析装置としてのコンピュータに、生体信号測定装置により収集された生体信号を分析し、生体状態を判定する手順を実行させるコンピュータプログラムであって、疲労、注意力の低下又は眠気を含む所定の覚醒度低下状態の出現タイミングを判定する覚醒度低下状態判定手順と、前記覚醒度低下状態判定手順により判定される前記覚醒度低下状態の単位時間当たりの出現回数を求め、前記単位時間当たりの出現回数と眠気のサーカディアンリズムとの関係で、睡眠に関連する疾病のリスクを推定する疾病リスク推定手順とを実行させることを特徴とする。

前記疾病リスク推定手順は、前記眠気のサーカディアンリズムにおいて覚醒度が所定以上高いとされる時間帯における、前記覚醒度低下状態の単位時間当たりの出現回数が所定回数以上の場合に、睡眠時無呼吸症候群のリスクが高いと推定する手順を実行させることが好ましい。
前記眠気のサーカディアンリズムにおける前記覚醒度が所定以上高いとされる時間帯は、眠気が低下していく傾向から眠気が増していく傾向に切り替わる切替点を含む時間帯であることが好ましい。
前記覚醒度低下状態判定手順は、前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手順を実行させ、前記周波数傾き時系列波形演算手順の実行により得られる周波数の傾き時系列波形に基づき、前記覚醒度低下状態の出現タイミングを判定することが好ましい。
前記覚醒度低下状態判定手順は、前記周波数傾き時系列波形演算手順の実行により得られる周波数の傾き時系列波形において、所定の基準に対して振幅の収束傾向と拡大傾向が連続する場合に、前記覚醒度低下状態の出現タイミングと判定することが好ましい。
前記覚醒度低下状態判定手順は、前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手順と、前記周波数傾き時系列波形演算手順の実行により得られる周波数傾き時系列波形から、心循環系のゆらぎの特性が切り替わる周波数よりも低い周波数の機能調整信号、前記機能調整信号よりも高い周波数の疲労受容信号、及び前記疲労受容信号よりも高い周波数の活動調整信号に相当するＵＬＦ帯域からＶＬＦ帯域に属する各周波数成分を抜き出し、これらの周波数成分のそれぞれの分布率を時系列に求める分布率演算手順とを実行させ、前記分布率演算手順の実行により得られる前記機能調整信号、疲労受容信号及び活動調整信号の分布率の変動が所定基準を下回る場合に、生体リズムの乱れを要因とする覚醒度低下状態の出現タイミングと判定することが好ましい。

本発明によれば、睡眠関連の疾病リスク、特に睡眠時無呼吸症候群のリスクを判定することができる。また、本発明は、非接触で収集される背部体表脈波を用いて判定できるため、運転者が睡眠時無呼吸症候群のリスクを有する可能性があるか否かを推定でき、安全運転の向上に寄与できる。

図１は、本発明の一の実施形態において用いた背部体表脈波を測定する生体信号測定装置である背部体表脈波測定装置の一例を示した斜視図である。 図２は、本発明の一の実施形態に係る生体状態分析装置の構成を模式的に示した図である。 図３は、周波数傾き時系列波形における収束と拡大が連続する波形（事故多発判定の波形）の典型例を示した図である。 図４は、生体リズムの乱れが生じた際に分布率の時系列波形にみられる特徴的な波形（ジェットラグ判定の波形）の典型例を示した図である。 図５は、実験例において運転手１〜４の全データを分析して得られた周波数傾き時系列波形における収束と拡大が連続する波形（事故多発判定の波形）の時間帯別の出現回数と眠気のサーカディアンリズムの関係を示した図である。 図６（ａ）は、運転手４（ＳＡＳ患者）の１０時台の周波数傾き時系列波形の代表例を示した図であり、 図６（ｂ）は、運転手３（健常者）の１０時台の周波数傾き時系列波形の代表例を示した図である。 図７（ａ）は、運転手４（ＳＡＳ患者）の１０時台の分布率の時系列波形の代表例を示した図であり、 図７（ｂ）は、運転手３（健常者）の１０時台の分布率の時系列波形の代表例を示した図である。 図８は、実験例において運転手１〜４の全データを分析して得られた分布率の時系列波形における生体リズムの乱れが生じていると判定される波形（ジェットラグ判定の波形）の時間帯別の出現回数と眠気のサーカディアンリズムの関係を示した図である。 図９は、判定回数変動波形への変換手順を説明するための図である。 図１０は、図５の事故多発判定回数波形を図９の手順で判定回数変動波形に変換した図である。 図１１は、図８のジェットラグ判定回数波形を図９の手順で判定回数変動波形に変換した図である。 図１２は、実験例において運転手１〜４の全データから求めた１日当たりの平均判定回数を示した図であり、図１２（ａ）が事故多発判定回数に関する図で、図１２（ｂ）がジェットラグ判定回数に関する図である。 図１３は、実験例において運転手１〜４の全データから求めた１時間当たりの平均判定回数を示した図であり、図１３（ａ）が事故多発判定回数に関する図で、図１３（ｂ）がジェットラグ判定回数に関する図である。 図１４は、実験例において運転手１〜４の休み明けから次の休みまでの連続勤務日数別の１日当たりの平均判定回数を示した図であり、図１４（ａ）が事故多発判定回数に関する図で、図１４（ｂ）がジェットラグ判定回数に関する図である。 図１５は、実験例において運転手１〜４の休み明けから次の休みまでの連続勤務日数別の１時間当たりの平均判定回数を示した図であり、図１５（ａ）が事故多発判定回数に関する図で、図１５（ｂ）がジェットラグ判定回数に関する図である。 図１６は、実験例において運転手１〜４の事故多発判定に関する１運行毎の判定回数を示した図である。 図１７は、実験例において運転手１〜４のジェットラグ判定に関する１運行毎の判定回数を示した図である。

以下、図面に示した本発明の実施形態に基づき、本発明をさらに詳細に説明する。本発明において採取する生体信号は、例えば、指尖容積脈波、背部体表脈波（ＡＰＷ）等が挙げられるが、好ましくは、背部体表脈波（ＡＰＷ）である。背部体表脈波（ＡＰＷ）は、人の上体背部から検出される心臓と大動脈の運動から生じる音・振動情報であり、心室の収縮期及び拡張期の情報と、血液循環の補助ポンプとなる血管壁の弾性情報及び血圧による弾性情報を含んでいる。そして、心拍変動に伴う信号波形は交感神経系及び副交感神経系の神経活動情報（交感神経の代償作用を含んだ副交感神経系の活動情報）を含み、大動脈の揺動に伴う信号波形には交感神経活動の情報を含んでいる。

生体信号を採取するための生体信号測定装置は、指尖容積脈波であれば指尖容積脈波計を用いることができ、背部体表脈波（ＡＰＷ）であれば、例えば、圧力センサを用いることも可能であるが、好ましくは、（株）デルタツーリング製の居眠り運転警告装置（スリープバスター（登録商標））で使用されている導波管型センサを用いることができる。図１はこの導波管型センサからなる背部体表脈波測定装置１の概略構成を示したものである。

背部体表脈波測定装置１は、板状のビーズ発泡体からなるコアパッド１１と、このコアパッド１１において脊柱に対応する部位を挟んで対象に形成された２箇所の貫通孔１１ａに配置される三次元立体編物１２と、三次元立体編物１２に付設されたマイクロフォンセンサから構成されるセンサ１３と、三次元立体編物１２の両側に配置されたフィルム１４，１５とを有して構成される。また、コアパッド１１の表面及び裏面には、ビーズ発泡体からなる板状発泡体１６，１７が積層されている。背部体表脈波測定装置１は、例えば、乗物用シートのシートバックに取り付けられ、あるいは、ベッドの背部に対応する付近に取り付けられて使用される。背部体表脈波測定装置１は人の背に接すると、生体信号による体表面を通じての音・振動が、一方の板状発泡体１６を介してコアパッド１１、フィルム１４，１５に膜振動を生じさせ、三次元立体編物１２の連結糸に弦振動を生じさせ、さらに他方の板状発泡体１７に膜振動を生じさせて伝播される。背部体表脈波測定装置１はこのような膜振動、弦振動によって微弱な生体信号を実質的に増幅する機能を有し、センサ１３により生体信号を確実に検出するものである。

次に、本実施形態の生体状態分析装置１００の構成について図２に基づいて説明する。生体状態分析装置１００は、覚醒度低下状態判定手段１１０、疾病リスク推定手段１２０等を有して構成され、それらによって背部体表脈波測定装置１のセンサ１３から得られる音・振動情報の検出信号に含まれる背部体表脈波（ＡＰＷ）を分析する。生体状態分析装置１００は、コンピュータ（マイクロコンピュータ等も含む）から構成され、このコンピュータの記憶部に、覚醒度低下状態判定手段１１０として機能する覚醒度低下状態判定手順を実行させ、疾病リスク推定手段１２０として機能する疾病リスク推定手順を実行させるコンピュータプログラムが設定されている。なお、コンピュータプログラムは、記録媒体に記憶させてもよい。この記録媒体を用いれば、例えば上記コンピュータに上記プログラムをインストールすることができる。ここで、上記プログラムを記憶した記録媒体は、非一過性の記録媒体であっても良い。非一過性の記録媒体は特に限定されないが、例えば
フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ（光磁気ディスク）、ＤＶＤ−ＲＯＭ、メモリカードなどの記録媒体が挙げられる。また、通信回線を通じて上記プログラムを上記コンピュータに伝送してインストールすることも可能である。

覚醒度低下状態判定手段１１０は、背部体表脈波の分析により得られる指標を用いて、疲労、注意力の低下又は眠気を含む覚醒度の低下に伴って出現する生体の覚醒度低下状態の出現タイミングを検出する。

この覚醒度低下状態の出現を検出するため、覚醒度低下状態判定手段１１０は、背部体表脈波の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた周波数の時系列波形をスライド計算して周波数の傾き時系列波形（周波数傾き時系列波形）を求める周波数傾き時系列波形演算手段１１１を備えている。

周波数傾き時系列波形演算手段１１１は、背部体表脈波（ＡＰＷ）の時系列波形を周波数の時系列波形に変換し、さらに、得られた周波数の時系列波形をスライド計算して周波数傾き時系列波形を求める。なお、演算対象の背部体表脈波は、背部体表脈波測定装置１のセンサ１３から得られる音・振動情報得の検出信号を受信する前処理部において所定の処理が施されることにより、該検出信号から抽出される。具体的には、背部体表脈波は、センサ１３の検出信号に対して、１０〜３０Ｈｚ前後のバンド幅でのフィルタリング処理、フィルタリング処理した波形の整流、整流処理した波形からの包絡線波形の形成、包絡線波形に対する５Ｈｚ以下の低周波帯（例えば、１〜２Ｈｚ前後のバンド幅）でのフィルタリング処理を施すなどして、１Ｈｚ近傍の時系列波形として抽出される。

周波数傾き時系列波形を求める手法としては、本出願人による特開２０１１−１６７３６２号公報及び特開２０１２−９５７７９号公報に開示されているように、背部体表脈波（ＡＰＷ）の時系列波形において、正から負に切り替わる点（ゼロクロス点）を用いる手法（ゼロクロス法）と、背部体表脈波（ＡＰＷ）の時系列波形を平滑化微分して極大値（ピーク点）を用いて時系列波形を求める方法（ピーク検出法）の２つの方法がある。

ゼロクロス法では、ゼロクロス点を求めたならば、それを例えば５秒毎に切り分け、その５秒間に含まれる時系列波形のゼロクロス点間の時間間隔の逆数を個別周波数ｆとして求め、その５秒間における個別周波数ｆの平均値を当該５秒間の周波数Ｆの値として採用する。そして、この５秒毎に得られる周波数Ｆを時系列にプロットすることにより、周波数の変動の時系列波形を求める。

ピーク検出法では、背部体表脈波（ＡＰＷ）の時系列波形を、例えば、ＳａｖｉｔｚｋｙとＧｏｌａｙによる平滑化微分法により極大値を求める。次に、例えば５秒ごとに極大値を切り分け、その５秒間に含まれる時系列波形の極大値間の時間間隔の逆数を個別周波数ｆとして求め、その５秒間における個別周波数ｆの平均値を当該５秒間の周波数Ｆの値として採用する。そして、この５秒毎に得られる周波数Ｆを時系列にプロットすることにより、周波数の変動の時系列波形を求める。

周波数傾き時系列波形演算手段１１１は、ゼロクロス法又はピーク検出法により求められた周波数の変動の時系列波形から、所定のオーバーラップ時間（例えば１８秒）で所定の時間幅（例えば１８０秒）の時間窓を設定し、時間窓毎に最小二乗法により周波数の傾きを求め、その傾きの時系列波形を出力する。このスライド計算を順次繰り返し、ＡＰＷの周波数の傾きの時系列変化を周波数傾き時系列波形として出力する。

背部体表脈波（ＡＰＷ）は、中枢系である心臓の制御の様子を主として含む生体信号、すなわち、動脈の交感神経支配の様子、並びに、交感神経系と副交感神経系の出現情報を含む生体信号であり、ゼロクロス法により求めた周波数傾き時系列波形は、心臓の制御の状態により関連し、交感神経の出現状態を反映しているが、ピーク検出法により求めた周波数傾き時系列波形は、心拍変動により関連している。従って、覚醒度低下状態に関する生体現象を検出するには、ゼロクロス法を用いて求めた周波数傾き時系列波形を用いることが好ましい。

覚醒度低下状態判定手段１１０は、周波数傾き時系列波形演算手段１１１から得られる周波数傾き時系列波形において、所定の基準に対して振幅の収束傾向と拡大傾向が連続する場合に、覚醒度低下状態の出現タイミングであると判定する設定とすることが好ましい。

ここでいう覚醒度低下状態とは、覚醒度が著しく低下して切迫睡眠現象や入眠予兆現象が出現するタイミングだけでなく、切迫睡眠現象や入眠予兆現象に至る前の状態と推定される、疲労度の上昇期あるいは同一生体状態の継続期等と判定される場合も含む。これら覚醒度低下状態と判定されるタイミングにおけるゼロクロス検出法を用いた周波数傾き時系列波形においては、振幅が収束して短周期化する傾向を示し、その後、より長周期で振幅が拡大する傾向を示す波形成分が見られることが特徴である。入眠予兆現象として、周波数傾き時系列波形において振幅の拡大が生じることが知られていると共に、その後、振幅が収束する傾向を示すと交感神経活動が低下したことを示し、さらに振幅が拡大する傾向を示すことで、最も収束した時点を切迫睡眠現象と判定できることが知られている（本出願人による特開２０１４−１１７４２５号公報参照）。典型的には、図３に示したような波形である。また、このような振幅の収束傾向と拡大傾向が連続する波形成分は、入眠予兆現象や切迫睡眠現象ほど明確ではないが、慢然状態や覚低状態でも出現する場合がある。そして、このような波形成分が、運転中、事故を起こしたり、起こしそうになった時間帯に多く発生していることも本出願人の分析により既に確認されている。本出願人の分析事例では、このようは波形成分の出現時に実際の事故事例が６件あり、事故に至っていないがヒヤリハットがあった事例が１７件であった。

なお、振幅値の収束及び拡大は、例えば、判定時間帯の振幅において、その前の所定の時間帯の振幅との関係を示す比の値が、所定の範囲内になっているか否かにより収束傾向と判定でき、逆に、判定時間帯の振幅が、その前の所定の時間帯の振幅との関係で、所定倍以上になっているか否かにより拡大傾向と判定できる。

覚醒度低下状態判定手段１１０としては、周波数傾き時系列波形演算手段１１１によって覚醒度低下状態の出現タイミングを判定する手法に代え、分布率演算手段１１２を用いて覚醒度低下状態の出現タイミングを判定することができる。周波数傾き時系列波形演算手段１１１と分布率演算手段１１２を併用することもできる。両手段による覚醒度低下状態の判定は、基本的には一致しているが、両者を併用し、いずれか一方において覚醒度低下状態の出現タイミングと判定されたならば、他方において覚醒度低下状態の出現タイミングと判定されるか否かに拘わらず、覚醒度低下状態と判定する構成とすることで、判定漏れを抑制できる。

分布率演算手段１１２は、本出願人により、特開２０１１−１６７３６２号公報、特開２０１２−１７９２０２号公報において提案されており、次のような知見に基づいたものである。すなわち、人の恒常性はゆらぎで維持され、その周波数帯域はＵＬＦ帯域とＶＬＦ帯域にあるとされている。一方、心疾患の一つである心房細動において、心循環系のゆらぎの特性が切り替わる周波数は、０．００３３Ｈｚと言われており、０．００３３Ｈｚ近傍のゆらぎの変化を捉えることで、恒常性維持に関する情報が得られる。また、０．００３３Ｈｚ近傍以下と０．００５３Ｈｚ近傍の周波数帯は、主に体温調節に関連するもので、０．０１〜０．０４Ｈｚの周波数帯は自律神経の制御に関連するものと言われている。そして、実際に、生体信号に内在するこれら低周波のゆらぎを算出する周波数傾き時系列波形を求め、それを周波数解析したところ、０．００３３Ｈｚよりも低周波の０．００１７Ｈｚ、０．００３３Ｈｚ近傍の０．００３５Ｈｚを中心とする周波数帯のゆらぎと、さらにこれらこの２つ以外に、０．００５３Ｈｚを中心とする周波数帯のゆらぎがあることが確認できた。

分布率演算手段１１２は、まず、周波数傾き時系列波形演算手段１１１から得られる周波数傾き時系列波形をそれぞれ周波数分析して、心循環系のゆらぎの特性が切り替わる周波数である上記の０．００３３Ｈｚよりも低い周波数の機能調整信号、機能調整信号よりも高い周波数の疲労受容信号、及び疲労受容信号よりも高い周波数の活動調整信号に相当するＵＬＦ帯域からＶＬＦ帯域に属する各周波数成分を抜き出す。次に、これらの周波数成分のそれぞれの分布率を時系列に求める。すなわち、３つの周波数成分のパワースペクトルの値の合計を１とした際の各周波数成分の割合を分布率として時系列に求める。

本実施形態では、機能調整信号として０．００１７Ｈｚの周波数成分を用い、疲労受容信号として０．００３５Ｈｚの周波数成分を用い、活動調整信号として０．００５３Ｈｚの周波数成分を用いている。これらの周波数成分を用いることが適切であることは上記のとおりでが、各信号の周波数成分は個人差等により調整することも可能であり、機能調整信号は０．００３３Ｈｚ未満の範囲で好ましくは０．００１〜０．００２７Ｈｚの範囲で、疲労受容信号は０．００２〜０．００５２Ｈｚの範囲で、活動調整信号は０．００４〜０．００７Ｈｚの範囲で調整して用いることができる。

覚醒度低下状態判定手段１１０は、分布率演算手段１１２により得られる機能調整信号、疲労受容信号及び活動調整信号の分布率の変動が所定基準を下回る場合に、生体リズムの乱れを要因とする覚醒度低下状態の出現タイミングと判定する。生体リズムが正常であれば、機能調整信号、疲労受容信号及び活動調整信号の分布率の時系列波形は所定のゆらぎをもって変動するが、本出願人が特願２０１３−２５３７１３号において提案しているように、生体リズムが乱れると分布率の変動が長周期となり、変化が小さくなる傾向にある。その傾向は特に、長周期の周波数成分（機能調整信号）に顕著に現れる。そこで、覚醒度低下状態判定手段１１０は、分布率の変動が所定基準を下回る場合、具体的には、図４に示した分布率の時系列波形のように、機能調整信号（０．００１７Ｈｚ）の分布率が、疲労受容信号（０．００３５Ｈｚ）及び活動調整信号（０．００５３Ｈｚ）の分布率よりも高い時間帯が所定時間以上継続すると判定された場合に、生体リズムの乱れを要因とする覚醒度低下状態の出現タイミングと判定することが好ましい。覚醒度低下状態判定手段１１０は、機能調整信号の分布率の高い時間帯であって、機能調整信号、疲労受容信号及び活動調整信号の分布率の高さの順序が同じ時間帯が所定時間以上継続する場合に、前記生体リズムの乱れを要因とする覚醒度低下状態の出現タイミングと判定することがより好ましい。出願人による特願２０１３−２５３７１３号によれば、この手法を用いることにより、海外出張より帰国した健常な被験者１名について、各周波数成分の分布率の変化が少ない時間帯が６分前後続くと、生体リズムの乱れ（この場合、ジェットラグが原因）による注意力の低下、眠気の発現、覚低状態といった覚醒度低下状態に陥ることが示されている。

疾病リスク推定手段１２０は、覚醒度低下状態判定手段１１０により判定される覚醒度低下状態の所定の単位時間当たりの出現回数をまず求め、次に、単位時間当たりの覚醒度低下状態の出現回数を眠気のサーカディアンリズムと比較して、睡眠に関連する疾病のリスクを推定する手段である。眠気のサーカディアンリズムとしては、図５において点線で示した波形が知られており、生体状態分析装置１を構成するコンピュータの記憶部にこのサーカディアンリズムのデータが記憶されている。サーカディアンリズムには個人差もあるが、１０時台を中心として前後１〜２時間ほどの時間帯中に、眠気が低下していく傾向から眠気が増していく傾向に切り替わる切替点を含むことが一般的である。つまり、この切替点は、眠気が最も低下して覚醒度が高いポイントであり、切替点付近の時間帯では、覚醒度低下状態の出現は一般的には、他の時間帯と比較して発生しにくいものと考えられる。換言すれば、切替点付近の時間帯で覚醒度低下状態の出現が頻出傾向である場合には、睡眠に関連する何らかの疾病リスクが予想される。睡眠に関連する疾病には種々のものが含まれるが、後述の実験例では、睡眠時無呼吸症候群と診断されている被験者について、サーカディアンリズムの上記切替点付近の時間帯で、覚醒度低下状態の出現回数との相関が見られた。

（実験例）
（実験方法）
４名のトラック運転手を被験者として実験を行った。このうち１名は、医師により睡眠時無呼吸症候群（ＳＡＳ）と診断された者（ＳＡＳ患者）であり、他の３名は、ＳＡＳ患者でなく、かつ、他の顕著の疾患もない者（健常者）である。トラックの運転席の背もたれに、図１で示した背部体表脈波測定装置１（（株）デルタツーリング製）を装着し、運転業務中の各被験者の検出信号に上記の所定の処理を施して解析対象である背部体表脈波（ＡＰＷ）の時系列波形を得た。各被験者の運行日数と運行時間は次のとおりであり、運転手４がＳＡＳ患者である。

・運転手１：運行日数 ７０日、運行時間 ４３１．９時間
・運転手２：運行日数 ６６日、運行時間 ３３４．６時間
・運転手３：運行日数 ７３日、運行時間 ５１０．１時間
・運転手４：運行日数 ７６日、運行時間 ４７９．５時間

（実験結果・考察）
本実施形態の生体状態分析装置１は、運転手１〜４の解析対象の全データについて、周波数傾き時系列波形演算手段１１１により周波数傾き時系列波形を求め、覚醒度低下状態判定手段１１０が、得られた周波数傾き時系列波形の中で、図３に示した振幅の収束傾向と拡大傾向が連続する波形成分を、覚醒度低下状態の出現タイミングとして判定し、疾病リスク推定手段１２０により、覚醒度低下状態判定手段１１０により判定した覚醒度低下状態の所定の単位時間当たりの出現回数を求めた。疾病リスク推定手段１２０が、各運行日数の単位時間毎（この例では、時間帯別）の出現回数の平均値をさらに求め、記憶部から読み込んだ眠気のサーカディアンリズムのデータと重ねて一つのグラフとして出力したのが図５である。

図５から、運転手４は、眠気のサーカディアンリズムのうち、眠気が低下していく傾向から眠気が増していく傾向に切り替わる切替点である１０時台における覚醒度低下状態の出現回数が、他の運転手１〜３のデータと比較して突出していると共に、運転手４の他の時間帯のデータと比較しても最も多くなっている。このことから、ＳＡＳ患者である運転手４は、本来、眠気が最も低下して覚醒度の高いサーカディアンリズムの切替点付近の時間帯で、覚醒度低下状態が頻出している。よって、疾病リスク推定手段１２０は、眠気のサーカディアンリズムにおいて覚醒度が所定以上高いとされる時間帯、好ましくは、眠気が低下していく傾向から眠気が増していく傾向に切り替わる切替点を含む時間帯において、覚醒度低下状態の単位時間当たりの出現回数が所定回数以上と判定した場合に、睡眠時無呼吸症候群のリスクが高いと推定する手段とすることが好ましい。

図６（ａ）は、周波数傾き時系列波形演算手段１１１による得られるＳＡＳ患者である運転手４の１０時台の周波数傾き時系列波形であり、図６（ｂ）は、健常者の代表データとして運転手３の１０時台の周波数傾き時系列波形である。運転手４は、図６（ａ）の（Ａ）、（Ｂ）及び（Ｃ）の３箇所において、振幅が急激に減衰し、拡大した変動を示している。これらは、図３に示した周波数傾き時系列波形の収束傾向と拡大傾向が連続した波形成分に相当し、運転手４は、交感神経活動が低下して、慢然状態あるいは覚低状態になっているものと推測できる。一方、運転手３の場合には、図６（ｂ）の（Ｄ）の範囲で振幅の急減、急増傾向が見られるが、そのほかはある程度の振幅を保ちながら一定の周期で変動しており、覚醒度が高く安定した状態であることがわかる。

図７（ａ）は、周波数傾き時系列波形演算手段１１１により求めた周波数傾き時系列波形を分布率演算手段１１２により処理して得られるＳＡＳ患者である運転手４の１０時台の分布率の時系列波形であり、図７（ｂ）は、健常者の代表データとして運転手３の１０時台の分布率の時系列波形である。

運転手３は、０．００１７Ｈｚ、０．００３５Ｈｚ、０．００５３Ｈｚの変動の順序が時々刻々と変化しているのに対し、運転手４は、１０時台前半は運転手３と同様に各種は数成分の順序が変動しているものの、１０時台後半では、図７（ａ）中の（Ｅ）で示すように、各周波数成分の変動の順序の変化が少なくなり、特に、１０時３５分から１０時４５分にかけての約１０分間は、０．００１７Ｈｚの分布率が最も高く、次いで、０．００５３Ｈｚ、０．００３５Ｈｚと、分布率の高さの順序に変化のない時間帯が継続している。すなわち、分布率の変動が長周期となって変化が小さくなっていることから、運転手４が１０時台、特に、１０時台後半において生体リズムが崩れ、自律神経が機能低下を起こしていることが推定される。従って、ＳＡＳ患者は、自律神経機能が正常に機能せず、生体リズムが崩れやすいため、眠気の少ない時間帯に慢然、覚低状態といった覚醒度低下状態に陥りやすいと言え、覚醒度低下状態判定手段１１０が、分布率演算手段１１２によって得られる分布率の時系列波形により覚醒度低下状態の出現タイミングを判定することが妥当である。

図８は、運転手１〜４の解析対象の全データについて、周波数傾き時系列波形演算手段１１１により周波数傾き時系列波形を求め、さらにこの周波数傾き時系列波形を用いて分布率演算手段１１２によって分布率の時系列波形を求め、覚醒度低下状態判定手段１１０が、分布率の時系列波形により覚醒度低下状態の出現タイミングを判定し、これを所定の単位時間当たりで（この例では、時間帯別に）まとめたグラフである。この実験では、覚醒度低下状態判定手段１１０は、０．００１７Ｈｚ、０．００３５Ｈｚ、０．００５３Ｈｚの変動の順序に変化のない時間帯が６分間継続した場合に、覚醒度低下状態の出現タイミングと判定した。そして、疾病リスク推定手段１２０により、図５に示した周波数傾き時系列波形による判定結果を用いた場合と同様に、覚醒度低下状態判定手段１１０により判定した覚醒度低下状態の所定の単位時間当たりの出現回数、各運行日数の単位時間毎の出現回数の平均値をさらに求め、記憶部から読み込んだ眠気のサーカディアンリズムのデータと重ねて一つのグラフとして出力したものである。

図８から明らかなように、運転手４は、やはり１０時台における出現回数が、運転者１〜３及び運転手４の他の時間帯のいずれと比較しても突出しており、分布率の変動を用いて覚醒度低下状態を判定しても、ＳＡＳ患者特有の傾向を検出することができる。

従って、図５や図８に示したように、運転手４は、サーカディアンリズムにおける眠気の少ない時間帯において、事故多発のタイミングと相関のある周波数傾き時系列波形の特有の波形成分（図３に示した事故多発判定時に出現する波形）、又は、生体リズムの乱れと相関のある分布率の変化が所定基準以下の状態の波形成分（図４に示したジェットラグ判定時に出現する波形）が所定の閾値回数以上みられることから、その時間帯において恒常性維持機能に乱れが生じており、このことから、睡眠時無呼吸症候群あるいはそれに類する睡眠に関連した疾病リスクが高いと推測することができる。

また、事故多発判定の出現回数及びジェットラグ判定の出現回数の最も多いのは、運転手４が１０時台であることは上記したとおりであるが、次いで多いのは１６時台であり、これは他の運転手１〜３の頻出時間帯とは若干ずれていた。また、運転手４は、８時から１２時台の長時間に亘り、事故多発判定とジェットラグ判定が比較的多く出現する状態が続いていることも特有であった。なお、全ての運転手は、業務終了間際の時間帯で事故多発判定とジェットラグ判定の回数が増加する傾向にあったが、これは、疲労の蓄積や業務の終了間際であることで緊張が弛むことに関連していると予測される。次表は、事故多発判定及びジェットラグ判定の出現が頻出する時間帯をまとめたものである。

次に、事故多発判定とジェットラグ判定の時間帯別の判定回数の周期特性を明らかにするために、以下の手順により、図５及び図８に示した波形の変換を行った。図９に図５の運転手１の事故多発判定回数波形を例にとりその変換手順を示す。まず、事故多発判定回数波形の近似曲線を算出する。次に、事故多発判定回数波形と近似曲線の差を算出してプロットする。さらに、算出した近似曲線と判定回数の差の波形の隣り合う２点の中点を算出して平滑化したものを判定回数変動波形とする。

図１０及び図１１は、図５の事故多発判定回数波形と図８のジェットラグ判定回数波形を上記手順で変換して求めた判定回数変動波形を示したものである。なお、眠気のサーカディアンリズムの波形も同様の手順で変換している。図１０及び図１１から、運転手４は、事故多発、ジェットラグ判定共に、眠気のサーカディアンリズムの切替点である９〜１０時台をピークとした７時間周期の変動リズムを示していることがわかる。また、運転手４の事故多発とジェットラグの判定回数変動波形は、８時〜１３時台にかけ、眠気のサーカディアンリズムと逆位相を示しており、生体リズムが崩れていることが読み取れる。

図５、図８、図１０及び図１１は、事故多発判定回数とジェットラグ判定回数の時間帯別の特性を求めたものであるが、次に、全データから求めた１日当たりの平均判定回数（図１２）、全データから求めた１時間当たりの平均判定回数（図１３）、休み明けから次の休みまでの連続勤務日数別の１日当たりの平均判定回数（図１４）、休み明けから次の休みまでの連続勤務日数別の１時間当たりの平均判定回数（図１５）、１運行毎の判定回数（図１６及び図１７）を求めて比較した。

図１２（ａ），（ｂ）から、１日当たりの平均において、運転手２は他の運転手よりも事故多発及びジェットラグの判定回数がいずれも少ない傾向にあることがわかる。一方、運転手４は他の運転手と比べて図１２（ｂ）のジェットラグの判定回数が多いことがわかる。

図１３（ａ）から、１時間当たりに換算すると事故多発波形の判定回数は平均化し、運転手間での差がみられなくなったが、図１３（ｂ）のジェットラグ判定回数は、運転手２と運転手４との間で有意な差が認められ、運転手２は他の運転手と比べて判定回数が少なく、運転手４は他の運転手に比べて有意に判定回数が多い傾向にあった。

図１４（ａ），（ｂ）に示した連続勤務日数別の１日あたりの事故多発、ジェットラグ判定回数では、特に、図１４（ｂ）のジェットラグ判定回数において、運転手２が他の運転手と比べて勤務日数に関係なく少ない傾向にあった。

図１５（ａ）から、連続勤務日数別の１時間あたりの事故多発判定回数は、運転手３は勤務日６日目に他の運転手に比べ事故多発判定回数が少なくなった。図１５（ｂ）に示すように、運転手４は休み明け（１日目）と休み前（５日目、６日目）にジェットラグ判定回数が多くなる傾向を示した。特に５日目と６日目は他の運転手との比較で約１．５〜２．５倍の判定回数を示した。

図１６及び図１７の１運行毎のグラフで比較すると、運転手４は運行時間の長短に拘わらず、事故多発判定回数及びジェットラグ判定回数共に多い傾向にある。また、図１６から、運転手２，３，４は、運行時間が２００分を超えると急激に事故多発判定回数が増加していた。運転手２は、運転時間１００分以内では他の運転手よりも事故多発判定回数が少ないが、１００分を超えると所々で判定回数が増え、２００分を超えると急激に判定回数が増加する傾向にあった。また、図１７から、運転手１，３，４は、運転時間が２００分を超えると急激にジェットラグ判定回数が増加していた。

以上のことから、本発明の手法によれば、図５及び図８に示した時間帯別のグラフで示される特有の出現傾向で運転手４がＳＡＳ患者であることを特定可能であるだけでなく、運転手４が事故多発波形、ジェットラグ判定における種々の分析においても他の運転手にみられない特有の出現傾向を示すことがわかる。従って、運転手４の各判定の特有の出現傾向、例えば、図１２（ｂ）の１日平均のジェットラグ判定回数、図１３（ｂ）の１時間平均のジェットラグ判定回数における出現傾向を加味して判定することで、より高い精度でＳＡＳ患者の特定が可能となる。

また、これらの結果から、事故多発波形又はジェットラグの判定回数に基づいて、ＳＡＳ患者の特定以外に応用できることがわかる。例えば、運転手１のように、長時間運転すると、ジェットラグの判定回数が増加する傾向にある場合には、長時間の運転によって生体リズムが崩れやすい性質を有していると推定できる。運転者２のように、ジェットラグの判定回数が少なくても、長時間運転によって事故多発判定回数が増加する傾向にある場合には、長時間運転によって眠気や注意力の低下を招きやすい傾向であることが推定できる。運転者３のように、長時間運転すると、事故多発判定回数とジェットラグ判定回数の双方が増加する傾向にある場合には、長時間運転により生体リズムの乱れやすく、かつ、眠気や注意力の低下を引き起こしやすい傾向にあることが推定できる。

１ 背部体表脈波測定装置
１３ センサ
１００ 生体状態分析装置
１１１ 周波数傾き時系列波形演算手段
１１２ 分布率演算手段
１２０ 疾病リスク推定手段

Claims (13)

1. 生体信号測定装置により収集された生体信号を分析し、生体状態を判定する生体状態分析装置であって、
   疲労、注意力の低下又は眠気を含む所定の覚醒度低下状態の出現タイミングを判定する覚醒度低下状態判定手段と、
   前記覚醒度低下状態判定手段により判定される前記覚醒度低下状態の単位時間当たりの出現回数を求め、前記単位時間当たりの出現回数と眠気のサーカディアンリズムとの関係で、睡眠に関連する疾病のリスクを推定する疾病リスク推定手段と
   を有することを特徴とする生体状態分析装置。
2. 前記疾病リスク推定手段は、前記眠気のサーカディアンリズムにおいて覚醒度が所定以上高いとされる時間帯における、前記覚醒度低下状態の単位時間当たりの出現回数が所定回数以上の場合に、睡眠時無呼吸症候群のリスクが高いと推定する手段を含む請求項１記載の生体状態分析装置。
3. 前記眠気のサーカディアンリズムにおける前記覚醒度が所定以上高いとされる時間帯は、眠気が低下していく傾向から眠気が増していく傾向に切り替わる切替点を含む時間帯である請求項２記載の生体状態分析装置。
4. 前記覚醒度低下状態判定手段は、
   前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手段を有し、
   前記周波数傾き時系列波形演算手段から得られる周波数の傾き時系列波形に基づき、前記覚醒度低下状態の出現タイミングを判定する請求項１〜３のいずれか１に記載の生体状態分析装置。
5. 前記覚醒度低下状態判定手段は、
   前記周波数傾き時系列波形演算手段から得られる周波数の傾き時系列波形において、所定の基準に対して振幅の収束傾向と拡大傾向が連続する場合に、前記覚醒度低下状態の出現タイミングと判定する請求項４記載の生体状態分析装置。
6. 前記覚醒度低下状態判定手段は、
   前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手段と、
   前記周波数傾き時系列波形演算手段により得られる周波数傾き時系列波形から、心循環系のゆらぎの特性が切り替わる周波数よりも低い周波数の機能調整信号、前記機能調整信号よりも高い周波数の疲労受容信号、及び前記疲労受容信号よりも高い周波数の活動調整信号に相当するＵＬＦ帯域からＶＬＦ帯域に属する各周波数成分を抜き出し、これらの周波数成分のそれぞれの分布率を時系列に求める分布率演算手段と
   を有し、
   前記分布率演算手段において、前記機能調整信号、疲労受容信号及び活動調整信号の分布率の変動が所定基準を下回る場合に、生体リズムの乱れを要因とする覚醒度低下状態の出現タイミングと判定する請求項１〜３のいずれか１に記載の生体状態分析装置。
7. 前記生体信号測定装置によって収集される生体信号が、背部体表脈波である請求項１〜５のいずれか１に記載の生体状態分析装置。
8. 生体状態分析装置としてのコンピュータに、
   生体信号測定装置により収集された生体信号を分析し、生体状態を判定する手順を実行させるコンピュータプログラムであって、
   疲労、注意力の低下又は眠気を含む所定の覚醒度低下状態の出現タイミングを判定する覚醒度低下状態判定手順と、
   前記覚醒度低下状態判定手順により判定される前記覚醒度低下状態の単位時間当たりの出現回数を求め、前記単位時間当たりの出現回数と眠気のサーカディアンリズムとの関係で、睡眠に関連する疾病のリスクを推定する疾病リスク推定手順と
   を実行させることを特徴とするコンピュータプログラム。
9. 前記疾病リスク推定手順は、前記眠気のサーカディアンリズムにおいて覚醒度が所定以上高いとされる時間帯における、前記覚醒度低下状態の単位時間当たりの出現回数が所定回数以上の場合に、睡眠時無呼吸症候群のリスクが高いと推定する手順を実行させる請求項８記載のコンピュータプログラム。
10. 前記眠気のサーカディアンリズムにおける前記覚醒度が所定以上高いとされる時間帯は、眠気が低下していく傾向から眠気が増していく傾向に切り替わる切替点を含む時間帯である請求項９記載のコンピュータプログラム。
11. 前記覚醒度低下状態判定手順は、
    前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手順を実行させ、
    前記周波数傾き時系列波形演算手順の実行により得られる周波数の傾き時系列波形に基づき、前記覚醒度低下状態の出現タイミングを判定する請求項８〜１１のいずれか１に記載のコンピュータプログラム。
12. 前記覚醒度低下状態判定手順は、
    前記周波数傾き時系列波形演算手順の実行により得られる周波数の傾き時系列波形において、所定の基準に対して振幅の収束傾向と拡大傾向が連続する場合に、前記覚醒度低下状態の出現タイミングと判定する請求項１１記載のコンピュータプログラム。
13. 前記覚醒度低下状態判定手順は、
    前記生体信号の時系列波形におけるゼロクロス点又はピーク点を用いて周波数の時系列波形を求め、得られた前記周波数の時系列波形をスライド計算して周波数の傾き時系列波形を求める周波数傾き時系列波形演算手順と、
    前記周波数傾き時系列波形演算手順の実行により得られる周波数傾き時系列波形から、心循環系のゆらぎの特性が切り替わる周波数よりも低い周波数の機能調整信号、前記機能調整信号よりも高い周波数の疲労受容信号、及び前記疲労受容信号よりも高い周波数の活動調整信号に相当するＵＬＦ帯域からＶＬＦ帯域に属する各周波数成分を抜き出し、これらの周波数成分のそれぞれの分布率を時系列に求める分布率演算手順と
    を実行させ、
    前記分布率演算手順の実行により得られる前記機能調整信号、疲労受容信号及び活動調整信号の分布率の変動が所定基準を下回る場合に、生体リズムの乱れを要因とする覚醒度低下状態の出現タイミングと判定する請求項８〜１０のいずれか１に記載のコンピュータプログラム。