JPWO2017179701A1 - 生体情報分析装置、システム、及び、プログラム - Google Patents

Abstract

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、血圧の変動が生じた区間の血圧波形のデータを抽出し、該区間の血圧波形の特徴に基づいて前記ユーザの呼吸器の機能に関連する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、を有する。

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

従来、呼吸器に関する情報を取得するには、フローセンサなどの専用のセンサを身体に装着する必要があり、利用者にとって身体的及び心理的負担が大きい。したがって、利用者の負担が少ない簡便な方法で、呼吸器に関する情報を取得できれば、非常に有用である。

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。例えば、従来の血圧計ではもっぱら血圧そのものに関する情報を取得するにとどまっていたのに対し、自由行動下における１心拍ごとの血圧波形を正確に且つ非侵襲でモニタリングすると、血圧そのものに関する情報以外にも、例えば呼吸器に関する情報なども抽出できる可能性があることが分かってきた。

本発明は、血圧波形の時系列データから呼吸器に関連する情報を抽出するための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、血圧の変動が生じた区間の血圧波形のデータを抽出し、該区間の血圧波形の特徴に基づいて前記ユーザの呼吸器の機能に関連する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、を有することを特徴とする生体情報分析装置である。

本発明者らは、無呼吸が発生した場合に、収縮期血圧の一過性の増加（血圧サージ）が発生するとの知見を有している。したがって、本発明のごとく、血圧の変動が生じた区間の血圧波形の特徴に注目することで、無呼吸の発生のような呼吸器の機能に関連する情報を抽出することが可能である。この構成によれば、血圧波形の時系列データの解析だけで、呼吸器の機能に関連する情報が得ることができるので、非常に簡便かつ有利である。

ところで、血圧は、無呼吸だけでなく、他の様々な要因によっても変動する。そこで前記指標抽出部は、前記区間の血圧波形の特徴に基づいて、該区間の血圧変動が無呼吸によるものか否かを判定するとよい。これにより、血圧波形の時系列データの解析だけで、血圧変動の要因が無呼吸によるものか否かを簡易に判定できるので、利便性に優れる。また、無呼吸による血圧変動とそれ以外の要因による血圧変動を峻別することで、呼吸器の機能に関連する指標を高信頼に算出することができる。

例えば、前記指標抽出部は、前記区間の血圧波形のデータを用い、心拍数の増減と収縮期血圧の増減との関係に基づいて、該区間の血圧変動が無呼吸によるものか否かを判定するとよい。無呼吸の場合は、心拍数と収縮期血圧がともに増加するのに対し、他の要因の場合は、心拍数と収縮期血圧のうちの一方が増加し他方が減少するという挙動を示すからである。

前記指標抽出部は、前記区間の血圧波形のデータを用い、該区間に含まれる各血圧波形の心拍数及び収縮期血圧を計算し、心拍数の値と収縮期血圧の値がともに所定の判定条件を超える血圧波形の数又は割合が、所定の閾値を超える場合に、該区間の血圧変動が無呼吸によるものと判定してもよい。このような判定条件と閾値を用いた方法によれば、簡易な判定ロジックで血圧変動の要因を判定することができる。

前記指標抽出部は、前記呼吸器の機能に関連する指標として、無呼吸による血圧変動の発生頻度、無呼吸による血圧変動の変動量及び／又は変動量の統計量、などを計算するとよい。

前記処理部は、抽出された前記指標に基づき、前記ユーザの呼吸器の機能に関連する情報を出力する処理を行うとよい。

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、血圧波形の時系列データから血圧サージの要因を簡易に推定することができる。

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における無呼吸サージの判定処理のフローチャートである。 図８は実施例１における無呼吸サージの判定ロジックを示す図である。 図９は実施例１における情報出力画面の例である。

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、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圧電素子であり、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、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、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、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、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、血圧サージを検出した場合に、血圧波形のデータを基にその血圧サージが無呼吸によるものか否かを判定する例である。具体的には、血圧波形の時系列データにより収縮期血圧の変動を監視することで、無呼吸の発生を検知する。

本実施例では、血圧波形から取得できる情報のうち、収縮期血圧（ＳＢＰ）と心拍数（ＰＲ）の２つの情報を用いる。収縮期血圧（ＳＢＰ）と心拍数（ＰＲ）の計算方法については図６で述べた通りであり、血圧波形のデータから心拍ごとの収縮期血圧（ＳＢＰ）と心拍数（ＰＲ）の情報を取得可能である。

通常の呼吸による血圧変動の場合、呼気時（息を吐く時）に収縮期血圧が上昇するが、逆に心拍数は低下する。これに対し、睡眠時無呼吸による血圧変動の場合、交感神経の亢進等により睡眠時無呼吸の終了（覚醒反応）とともに収縮期血圧と心拍数がともに急激に上昇する。したがって、心拍数の増減と収縮期血圧の増減との関係に基づいて、血圧変動が睡眠時無呼吸によるものか通常の呼吸によるものかを判別することが可能である。以下、睡眠時無呼吸による血圧サージを「無呼吸サージ」と呼ぶ。

図７に、本実施例の処理のフローチャートの一例を示す。まず、指標抽出部５０が、記憶ユニット２７から血圧波形のデータを読み込む（ステップ４３００）。例えば、一晩分の時系列データが読み込まれる。指標抽出部５０は、血圧波形の時系列データから血圧サージの発生区間を検出し、その発生区間の血圧波形のデータを抽出する（ステップ４３０１）。指標抽出部５０は、例えば、１０拍分の区間ごとに収縮期血圧の変動を評価し、区間の最初の収縮期血圧に比べて１０ｍｍＨｇ以上の増加が認められた場合に、当該区間を血圧サージの発生区間として検出すればよい。

次に、指標抽出部５０は、ステップ４３０１で抽出した発生区間ごとに、心拍数の増減と収縮期血圧の増減の関係を評価し、無呼吸サージか否かを判定する（ステップ４３０２）。この判定ロジックを図示したものが図８である。図８のチャートの横軸は心拍数（ＰＲ）、縦軸は収縮期血圧（ＳＢＰ）であり、ＰＲｍは基準の心拍数、ＳＢＰｍは基準の収縮期血圧である。例えば、サージ発生区間の直前１分間における代表値（中央値、平均値、最頻値など）をＰＲｍ、ＳＢＰｍに設定してもよい。ＰＲｍ及びＳＢＰｍの値はあらかじめ記憶ユニット２７に格納されており、指標抽出部５０は記憶ユニット２７からＰＲｍ及びＳＢＰｍの値を読み込み、利用するとよい。

図８のチャートにおいて破線で描画された曲線は、ＰＲｍとＳＢＰｍの位置を基準に設定された判定条件である。本実施例の指標抽出部５０は、ＰＲｍとＳＢＰｍにそれぞれ漸近する反比例の曲線（直角双曲線）を判定条件の境界として用いる。判定条件のパラメータ（反比例の比例定数など）は、例えば、医学的な機序に基づいて決定してもよいし、サンプルデータを用いた機械学習によって決定してもよい。後者の方法の場合、（１）血圧サージのサンプルデータを収集し、各サンプルデータに対して、医師等の複合的な判断に基づいて、無呼吸サージであるか否かをラベル付けし、（２）決定木、ロジスティック回帰や判別分析、ＳＶＭ、ニューラルネットなどを用いて、ラベル付けされたデータから判定条件を機械学習する、という手順をとればよい。なお、本実施例では判定条件の境界を反比例の曲線で表したが、判定条件の境界は他の曲線でもよいし、直線でもよいし、不連続な境界でもよい。

サージ発生区間の１０拍分のデータを図８のチャートにプロットした場合、無呼吸サージのときは、判定条件よりも右上にプロットされるデータ点数が多く、一方、通常の呼吸による血圧変動のときは、判定条件よりも左下にプロットされるデータ点数が多い。したがって、例えば、指標抽出部５０は、１０拍分のデータそれぞれのチャート上の座標値を計算し、それぞれの座標値が判定条件の右上の領域に位置するか判定条件の左下の領域に位置するかを判断し、判定条件の右上の領域に位置するデータの数又は割合を計算する。そして、指標抽出部５０は、判定条件の右上の領域に位置するデータの数又は割合が閾値を超えるかどうかで、この発生区間の血圧サージが無呼吸によるサージか他の要因によるサージかを判定する。ステップ４３０２の判定処理は、ステップ４３０１で検出された全てのサージ発生区間に対して行われる（ステップ４３０３、４３０４）。

次に、指標抽出部５０は、無呼吸サージの発生頻度と変動量を計算する（ステップ４３０５）。発生頻度は所定期間（例えば１日）あたりの血圧サージの回数であり、変動量は基準値ＳＢＰｍと血圧サージ内の最大ＳＢＰの差である。この無呼吸サージの発生頻度及び変動量は、呼吸器の機能に関連する指標、ないし、呼吸器系のイベント発生リスクを表す指標として用いることができる。処理部５１は、ステップ４３０５で求めた無呼吸サージの発生頻度及び変動量などの情報や、呼吸器の機能に関連する情報を出力ユニット２５に提示する（ステップ４３０６）。処理部５１は、例えば、無呼吸サージの発生頻度及び／又は変動量が閾値より多い場合に、ユーザに対して警告を報知してもよい。

図９は出力ユニット２５に出力される情報出力画面の一例である。図９の例では、無呼吸による血圧サージについて、１日あたりの発生頻度、及び、血圧サージの変動量の統計量（最大値、平均値、ばらつきなど）が、無呼吸以外の要因による血圧サージについて、１日あたりの発生頻度、及び、血圧サージの変動量の統計量が、それぞれ表示される。さらに、発生頻度や変動量に応じたメッセージ（例えば、無呼吸の発生が多い場合の警告など）も表示される。

以上述べた構成によれば、血圧波形の時系列データの解析だけで、血圧変動の要因が無呼吸によるものか否かを判定することができ、血圧波形の分析結果を呼吸器の状態の評価や呼吸器系のリスクの評価などに利用できる。また、無呼吸サージの発生頻度及び変動量を、投薬前後で比較すれば、投薬効果を定量評価することも可能である。

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、血圧の変動が生じた区間の血圧波形のデータを抽出し、該区間の血圧波形の特徴に基づいて前記ユーザの呼吸器の機能に関連する指標を抽出し、
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、血圧の変動が生じた区間の血圧波形のデータを抽出し、該区間の血圧波形の特徴に基づいて前記ユーザの呼吸器の機能に関連する指標を抽出し、
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、血圧の変動が生じた区間の血圧波形のデータ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、該区間の血圧波形の特徴に基づいて前記ユーザの呼吸器の機能に関連する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 (10)

1. 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、血圧の変動が生じた区間の血圧波形のデータを抽出し、該区間の血圧波形の特徴に基づいて前記ユーザの呼吸器の機能に関連する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、
   を有することを特徴とする生体情報分析装置。
2. 前記指標抽出部は、前記区間の血圧波形の特徴に基づいて、該区間の血圧変動が無呼吸によるものか否かを判定する
   ことを特徴とする請求項１に記載の生体情報分析装置。
3. 前記指標抽出部は、前記区間の血圧波形のデータを用い、心拍数の増減と収縮期血圧の増減との関係に基づいて、該区間の血圧変動が無呼吸によるものか否かを判定する
   ことを特徴とする請求項１に記載の生体情報分析装置。
4. 前記指標抽出部は、前記区間の血圧波形のデータを用い、該区間に含まれる各血圧波形の心拍数及び収縮期血圧を計算し、心拍数の値と収縮期血圧の値がともに所定の判定条件を超える血圧波形の数又は割合が、所定の閾値を超える場合に、該区間の血圧変動が無呼吸によるものと判定する
   ことを特徴とする請求項１に記載の生体情報分析装置。
5. 前記指標抽出部は、前記呼吸器の機能に関連する指標として、無呼吸による血圧変動の発生頻度を計算する
   ことを特徴とする請求項２〜４のいずれかに記載の生体情報分析装置。
6. 前記指標抽出部は、前記呼吸器の機能に関連する指標として、無呼吸による血圧変動の変動量及び／又は変動量の統計量を計算する
   ことを特徴とする請求項２〜５のいずれかに記載の生体情報分析装置。
7. 前記処理部は、抽出された前記指標に基づき、前記ユーザの呼吸器の機能に関連する情報を出力する処理を行う
   ことを特徴とする請求項１〜６のいずれかに記載の生体情報分析装置。
8. 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１〜７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。
9. 請求項１〜７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。
10. 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、血圧の変動が生じた区間の血圧波形のデータを抽出し、該区間の血圧波形の特徴に基づいて前記ユーザの呼吸器の機能に関連する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、
    を含むことを特徴とする生体情報分析方法。
    

Images