WO2017179696A1 - 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である血圧変動区間のデータを取得し、前記血圧変動区間のデータから前記ユーザの血圧変動タイプを示す指標を抽出する指標抽出部と、前記指標抽出部により抽出した前記血圧変動タイプを示す指標を出力する処理部と、を有する。

Description

生体情報分析装置、システム、及び、プログラム

　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

　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。

　血圧の変動には、加齢による長期的な変動、曜日による変動、日内変動、環境変化（例えば、気温の変化など）による変動、ユーザの状態変化（例えば、睡眠時無呼吸の発生などの生理的な変化、運動や起立などの身体的な変化）による変動など、様々なものがある。このうち、環境変化やユーザの状態変化による変動については、その人の病態や抱えるリスク、属性（年齢、性別など）によって、血圧の変動の現れ方に違いがあることを本発明者らは見出した。なお、従来の血圧計は、安静時の血圧を計測するか、平均収縮期圧のような平均値を計測することしかできず、環境変化やユーザの状態変化による血圧の瞬間的な変動を正確に検出することは困難であった。

　そこで本発明は、ユーザごとの血圧変動の現れ方を評価するための新規な技術を提供することを目的とする。また、本発明のさらなる目的は、血圧変動の現れ方に基づいてそのユーザのリスクを推定する新規な技術を提供することにある。

　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である血圧変動区間のデータを取得し、前記血圧変動区間のデータから前記ユーザの血圧変動タイプを示す指標を抽出する指標抽出部と、前記指標抽出部により抽出した前記血圧変動タイプを示す指標を出力する処理部と、を有することを特徴とする生体情報分析装置である。この構成によれば、当該ユーザの血圧が変動した区間の測定データを基に、当該ユーザの血圧変動タイプが判定され、その情報が出力される。したがって、ユーザは、自身の特性に合った適切な対策をいちはやくとることができる。また、医師や保健師が本装置を利用する場合には、ユーザ（患者）の血圧変動タイプを参考にすることで、当該ユーザに対し、その人の特性に合った適切な処置や指導をすることができる。

　前記指標抽出部は、前記血圧波形の時系列データから１心拍ごとの収縮期血圧の時系列データを算出し、前記収縮期血圧の時系列データにおける極大点を挟む２つの極小点の間の期間のデータを、前記血圧変動区間のデータとして抽出するとよい。この抽出方法によれば、血圧変動区間を簡易にかつ自動で検出することができる。

　前記指標抽出部は、前記血圧変動区間のデータから血圧変動の特徴量を抽出し、前記抽出された血圧変動の特徴量の傾向を、前記血圧変動タイプを示す指標の一つとするとよい。血圧変動の現れ方は当該ユーザの特性やリスクに関連性を有すると考えられるからである。また、前記指標抽出部は、前記血圧変動区間の血圧変動が発生した要因を推定し、前記推定された要因を、前記血圧変動タイプを示す指標の一つとするとよい。血圧変動の要因も当該ユーザの特性やリスクに関連性を有すると考えられるからである。前記指標抽出部は、血圧変動の特徴量の傾向と、血圧変動が発生した要因とを総合的に評価するとよい。これにより、当該ユーザの特性やリスクをより精度良く推定できると期待できる。

　例えば、前記指標抽出部は、血圧変動の特徴量の傾向が異なる複数のグループが登録された分類データベースを参照し、前記血圧変動区間のデータから抽出された血圧変動の特徴量が、前記複数のグループのうちのいずれのグループの血圧変動の特徴量の傾向に合致するかを判定することにより、前記ユーザの血圧変動の特徴量の傾向を分類するとよい。

　例えば、前記指標抽出部は、前記ユーザの状態を検知する第２のセンサによって、前記血圧変動区間に対応する時刻に検知された前記ユーザの状態に関する情報に基づいて、前記血圧変動区間の血圧変動が発生した要因を推定するとよい。

　前記指標抽出部は、血圧変動タイプとリスク情報とが対応付けられたリスクデータベースから、前記ユーザの血圧変動タイプに対応するリスク情報を取得し、前記処理部は、前記指標抽出部により取得した前記リスク情報を出力するとよい。この構成によれば、当該ユーザの血圧が変動した区間の測定データを基に、当該ユーザの血圧変動タイプが判定され、血圧変動タイプに対応するリスク情報が出力される。したがって、ユーザは、自身のリスクに合った適切な対策をいちはやくとることができる。また、医師や保健師が本装置を利用する場合には、ユーザ（患者）の血圧変動タイプに対応するリスクを参考にすることで、当該ユーザに対し、その人のリスクに合った適切な処置や指導をすることができる。

　本発明に係る生体情報分析システムは、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である。

　本発明に係るプログラムは、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である。

　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、ユーザごとの血圧変動の現れ方を評価するための新規な技術を提供することができる。また、血圧変動の現れ方に基づいてそのユーザのリスクを推定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におけるイベント発生リスク推定処理のフローチャートである。 図８は実施例１における血圧変動区間の抽出方法の一例を示す図である。 図９Ａ～図９Ｄは実施例１における波形特徴量の一例を示す図である。 図１０は実施例１におけるユーザの血圧変動区間に関する情報の一例を示す図である。 図１１は実施例１における血圧変動の特徴を分類する処理を概念的に示す図である。 図１２は実施例１におけるリスクデータベースの一例を示す図である。 図１３は実施例１における情報表示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。なお、無呼吸には、閉塞性無呼吸、中枢性無呼吸、混合性無呼吸などが含まれる。

　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。

　＜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＞
　血圧変動からその人のイベント発症リスクを正確に捉えるためには、変動の要因や変動の現れ方を総合的に評価するべきである。しかし、血圧の変動が生じた区間（「血圧変動区間」と呼ぶ）における血圧の変動の現れ方は、単純な最高血圧値（ＳＢＰ）や最低血圧値（ＤＢＰ）だけでは表現することが困難である。そこで本実施例では、血圧波形の時系列データから血圧変動区間を検出し、当該区間の血圧が変動した原因や、当該区間の血圧変動の特徴量に基づき、ユーザの血圧変動タイプを表す指標を求める。血圧変動タイプを指標化することで、ユーザごとのイベント発症リスクを精度良く推定できると期待できる。

　図７に、本実施例の処理のフローチャートを示す。

　まず、指標抽出部５０は、記憶ユニット２７から血圧波形の時系列データを読み込む（ステップ１７００）。ユーザの血圧変動の傾向を捉える目的ゆえ、指標抽出部５０は、ある程度長い期間（例えば１週間～１月分）のデータを取得するとよい。次に、指標抽出部５０は、１心拍ごとの血圧波形から１心拍ごとの収縮期血圧（Systolic Blood Pressure：ＳＢＰ）の値とその時刻を抽出する（ステップ１７０１）。これにより、ＳＢＰの時系列データが得られる。なお、本実施例ではＳＢＰを用いるが、他の特徴量（例えば、拡張期血圧（Diastolic Blood Pressure：ＤＢＰ）、平均血圧（Mean Arterial Pressure：ＭＡＰ）など）を用いてもよい。

　次に、指標抽出部５０は、ＳＢＰの時系列データを解析し、血圧変動区間を抽出する（ステップ１７０２）。血圧変動区間の抽出方法は特に限定されない。指標抽出部５０は、例えば、図８に示すように、ＳＢＰの時系列データにおいてＳＢＰをつないで得られたＳＢＰ波形の極小点と極大点を検出し（このとき、ＳＢＰ波形の細かい振動による極小点・極大点は無視するとよい）、ある極大点を挟む２つの極小点の間の期間を血圧変動区間として抽出してもよい。この抽出方法によれば、血圧変動区間を簡易にかつ自動で検出することができる。

　次に、指標抽出部５０は、血圧変動区間の血圧変動要因を推定する（ステップ１７０３）。血圧変動要因については、ユーザの状態を検知するセンサ（例えば、体動測定ユニット２１や環境測定ユニット２２など）で得られた情報を基に推定してもよい。例えば、血圧変動区間に対応する時刻に体動測定ユニット２１で得られた情報から、ユーザが運動中であること、ユーザが座った状態から起立したことなどが判別できたら、指標抽出部５０は、「運動」や「起立（姿勢変化）」が血圧変動要因であると推定してもよい。また、血圧変動区間に対応する時刻に環境測定ユニット２２で得られた情報から、気温や室温が急激に変化したことが判別できたら、指標抽出部５０は、「温度変化」が血圧変動要因であると推定してもよい。「血圧変動区間に対応する時刻」は、血圧変動区間内の時刻である場合もあるし、要因の発生と血圧変動の間に時間遅れがある場合には、血圧変動区間の所定時間前の時刻である場合もある（血圧変動要因の種類によって、血圧変動区間と血圧変動要因の時刻の対応関係は適宜変えればよい）。さらに、血圧変動区間の時刻が夜間である場合には、指標抽出部５０は、無呼吸の発生が血圧変動要因であると推定してもよい。あるいは、血圧変動要因をユーザ自身に入力させるようにしてもよい。

　次に、指標抽出部５０は、血圧変動区間のＳＢＰのデータから各種特徴量を抽出する（ステップ１７０４）。抽出する特徴量の種類及び数は特に限定されない。例えば、血圧変動区間のＳＢＰの基本統計量、血圧変動区間のＳＢＰ波形の特徴量などがある。基本統計量には、平均、中間値、最大値、最小値、最大値と最小値の差、標準偏差、歪度、尖度などが含まれる。また、波形特徴量には、図９Ａ～図９Ｄに示すように、血圧変動区間の始点のＳＢＰ値１９０１、ピーク点のＳＢＰ値１９０２、終点のＳＢＰ値１９０３、始点とピーク点の間のＳＢＰ変化量１９０４、ピーク点と終点の間のＳＢＰ変化量１９０５、始点と終点の間のＳＢＰ変化量１９０６、始点とピーク点の間の時間１９０７、ピーク点と終点の間の時間１９０８、始点と終点の間の時間１９０９、始点からピーク点への上昇角度１９１０、ピーク点から終点への下降角度１９１１、始点から終点までのＳＢＰの平均、始点からピーク点までのＳＢＰの標準偏差、ピーク点から終点までのＳＢＰの標準偏差、始点から終点までのＳＢＰの標準偏差、始点からピーク点までのＳＢＰ波形の面積１９１２、ピーク点から終点までのＳＢＰ波形の面積１９１３、始点から終点までのＳＢＰ波形の面積（面積１９１２と１９１３の合計）、ＳＢＰ波形における極小点の数などが含まれる。

　次に、指標抽出部５０は、血圧変動区間に関する情報として、血圧変動要因と血圧変動の特徴量を記憶ユニット２７に記録する（ステップ１７０５）。血圧波形データから複数の血圧変動区間が抽出された場合には、ステップ１７０３～１７０５の処理が血圧変動区間ごとに繰り返される。図１０は、記憶ユニット２７に蓄積された、当該ユーザの血圧変動区間に関する情報（以下、単に「血圧情報」と呼ぶ）の例である。血圧変動の一機会ごとに血圧変動要因と血圧変動の特徴量の情報が記録されている。なお、「ＩＤ」とは、ユーザを特定するための識別子である。

　次に、指標抽出部５０は、血圧情報を分析し、最も頻度の高い血圧変動要因（最頻要因）を求める（ステップ１７０６）。例えば、あるユーザの血圧情報において、「起立」が要因の血圧変動が５０％、「運動」が要因の血圧変動が１０％、「無呼吸」が要因の血圧変動が２０％、「温度変化」が要因の血圧変動が２０％であった場合、当該ユーザの最頻要因は「起立」となる。

　次に、指標抽出部５０は、血圧情報に基づき、血圧変動の特徴量を分類する（ステップ１７０７）。具体的には、指標抽出部５０は、血圧変動の特徴量の傾向が異なる複数のグループが登録された分類データベースを参照し、当該ユーザの血圧変動の特徴量と各グループの血圧変動の特徴量との類似度を評価することで、当該ユーザの血圧変動の特徴量がいずれのグループの血圧変動の特徴量の傾向に合致するかを判定する。本実施例では分類データベースは記憶ユニット２７に格納されているが、分類データベースは生体情報分析装置１の外部のストレージやサーバ（例えば、クラウドサーバ、オンラインストレージなど）に存在してもよい。

　図１１はステップ１７０７の処理を概念的に示している。分類データベースには、多数の被験者から得られた血圧変動の特徴量のデータが登録されており、それらのデータは特徴量の類似性に基づきＫ個のグループ（クラスともいう）にあらかじめ分割されているものとする。このグループ分けは、階層的クラスタリングやＫ－Ｍｅａｎｓ法などの周知のクラスタリング手法により行われる。図１１は、特徴量空間が６つのグループ（クラス）に分割された様子を模式的に示している。指標抽出部５０は、この特徴量空間に対し、当該ユーザの血圧変動の特徴量のデータをマッピングする。図１１の例では、グループ３のエリアにマッピングされたデータ点数が最も多いので、当該ユーザの血圧変動の特徴量は「グループ３」に分類される。以下、血圧変動の特徴量の分類（傾向）を「変動分類」と呼ぶ。

　次に、指標抽出部５０は、ユーザの属性情報（年齢、性別、持病の有無など）を受け付ける（ステップ１７０８）。例えば、入力ユニット２４を用いてユーザ自身に属性情報を入力させるとよい。

　以上の処理により、当該ユーザの血圧変動に関して、変動要因「起立」と変動分類「グループ３」の２つの指標が得られる。これらの指標は、当該ユーザの血圧変動タイプを表すものといえる。また、当該ユーザのイベント発生リスクに関連する情報として、属性情報も得られる。

　次に、処理部５１は、リスクデータベースを参照し、当該ユーザの血圧変動タイプに対応するリスクの情報を取得する（ステップ１７０９）。本実施例ではリスクデータベースは記憶ユニット２７に格納されているが、リスクデータベースは生体情報分析装置１の外部のストレージやサーバ（例えば、クラウドサーバ、オンラインストレージなど）に存在してもよい。

　図１２にリスクデータベースの一例を示す。リスクデータベースには、多数の被験者から得られた、年齢や性別などの属性情報、血圧変動タイプ（変動要因、変動分類）、リスク情報（既往症など）のデータがあらかじめ登録されている。例えば、ＩＤ＝１００３の登録データからは、被検者が４７歳の女性であり、「温度」変化に起因する血圧変動を起こしやすく、変動分類はグループ２であり、既往症として糖尿病を有していることがわかる。

　ステップ１７０９では、処理部５１は、ステップ１７０６～１７０８で得たユーザの属性情報及び血圧変動タイプ（変動要因、変動分類）に最も近い登録データをリスクデータベースから検索し、索出された登録データのリスク情報を読み出す。ステップ１７１０では、処理部５１は、読み出したリスク情報に基づいて、当該ユーザの血圧変動タイプやイベント発生リスクなどの情報を提示する。図１３は、処理部５１が出力ユニット２５（表示装置）に出力する情報表示画面の一例である。この例では、血圧変動区間におけるＳＢＰ波形（血圧サージの波形）、ユーザの属性情報、血圧変動タイプ（変動要因、変動分類）などの情報とともに、「動脈硬化のリスクがあります。」のようなメッセージが出力される。

　以上述べた構成によれば、血圧が変動した区間の測定データを基に、当該ユーザの血圧変動タイプやリスクが判定され、その情報が出力される。したがって、ユーザは、自身の特性やリスクに合った適切な対策をとることができ、重篤なイベント発症を未然に防ぐことができる。また、医師や保健師が本システムを利用する場合には、ユーザ（患者）の血圧変動タイプやリスクなどの分析情報を参考にすることで、当該ユーザに対し、その人の特性やリスクに合った適切な処置や指導をすることができる。

　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、血圧の変動が生じた区間である血圧変動区間のデータを取得し、
　前記血圧変動区間のデータから前記ユーザの血圧変動タイプを示す指標を抽出し、
　抽出した前記血圧変動タイプを示す指標を出力する
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、
　前記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である血圧変動区間のデータを取得し、
　前記血圧変動区間のデータから前記ユーザの血圧変動タイプを示す指標を抽出し、
　抽出した前記血圧変動タイプを示す指標を出力する
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である血圧変動区間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、前記血圧変動区間のデータから前記ユーザの血圧変動タイプを示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、抽出した前記血圧変動タイプを示す指標を出力するステップと、
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 (12)

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である血圧変動区間のデータを取得し、前記血圧変動区間のデータから前記ユーザの血圧変動タイプを示す指標を抽出する指標抽出部と、
   　前記指標抽出部により抽出した前記血圧変動タイプを示す指標を出力する処理部と、
   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、前記血圧波形の時系列データから１心拍ごとの収縮期血圧の時系列データを算出し、前記収縮期血圧の時系列データにおける極大点を挟む２つの極小点の間の期間のデータを、前記血圧変動区間のデータとして抽出する
   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、前記血圧変動区間のデータから血圧変動の特徴量を抽出し、前記抽出された血圧変動の特徴量の傾向を、前記血圧変動タイプを示す指標の一つとする
   ことを特徴とする請求項1又は２に記載の生体情報分析装置。
4. 　前記指標抽出部は、血圧変動の特徴量の傾向が異なる複数のグループが登録された分類データベースを参照し、前記血圧変動区間のデータから抽出された血圧変動の特徴量が、前記複数のグループのうちのいずれのグループの血圧変動の特徴量の傾向に合致するかを判定することにより、前記ユーザの血圧変動の特徴量の傾向を分類する
   ことを特徴とする請求項３に記載の生体情報分析装置。
5. 　前記分類データベースをあらかじめ記憶している記憶ユニットを有する
   ことを特徴とする請求項４に記載の生体情報分析装置。
6. 　前記指標抽出部は、前記血圧変動区間の血圧変動が発生した要因を推定し、前記推定された要因を、前記血圧変動タイプを示す指標の一つとする
   ことを特徴とする請求項１～５のいずれかに記載の生体情報分析装置。
7. 　前記指標抽出部は、前記ユーザの状態を検知する第２のセンサによって、前記血圧変動区間に対応する時刻に検知された前記ユーザの状態に関する情報に基づいて、前記血圧変動区間の血圧変動が発生した要因を推定する
   ことを特徴とする請求項６に記載の生体情報分析装置。
8. 　前記指標抽出部は、血圧変動タイプとリスク情報とが対応付けられたリスクデータベースから、前記ユーザの血圧変動タイプに対応するリスク情報を取得し、
   　前記処理部は、前記指標抽出部により取得した前記リスク情報を出力する
   ことを特徴とする請求項１～７のいずれかに記載の生体情報分析装置。
9. 　前記リスクデータベースをあらかじめ記憶している記憶ユニットを有する
   ことを特徴とする請求項８に記載の生体情報分析装置。
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１～９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。
11. 　請求項１～９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。
12. 　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である血圧変動区間のデータを取得するステップと、
    　前記血圧変動区間のデータから前記ユーザの血圧変動タイプを示す指標を抽出するステップと、
    　抽出した前記血圧変動タイプを示す指標を出力するステップと、
    を含むことを特徴とする生体情報分析方法。

Images