WO2022153781A1 - 分析装置及び分析方法 - Google Patents

分析装置及び分析方法 Download PDF

Info

Publication number
WO2022153781A1
WO2022153781A1 PCT/JP2021/046553 JP2021046553W WO2022153781A1 WO 2022153781 A1 WO2022153781 A1 WO 2022153781A1 JP 2021046553 W JP2021046553 W JP 2021046553W WO 2022153781 A1 WO2022153781 A1 WO 2022153781A1
Authority
WO
WIPO (PCT)
Prior art keywords
amount
fat
measured
data
adipose tissue
Prior art date
Application number
PCT/JP2021/046553
Other languages
English (en)
French (fr)
Inventor
朝美 飯田
之雄 上田
隆文 浜岡
Original Assignee
浜松ホトニクス株式会社
学校法人東京医科大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 浜松ホトニクス株式会社, 学校法人東京医科大学 filed Critical 浜松ホトニクス株式会社
Priority to US18/266,355 priority Critical patent/US20240099586A1/en
Priority to GB2307944.5A priority patent/GB2616155A/en
Priority to DE112021006832.6T priority patent/DE112021006832T5/de
Priority to JP2022575154A priority patent/JPWO2022153781A1/ja
Publication of WO2022153781A1 publication Critical patent/WO2022153781A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J2003/2859—Peak detecting in spectrum

Definitions

  • This disclosure relates to an analyzer and an analysis method.
  • Brown adipose tissue is adipose tissue, but has the property of burning fat and consuming energy by a specific uncoupling protein (UCP1).
  • UCP1 uncoupling protein 1
  • brown adipose tissue affects systemic sugar and lipid metabolism and insulin sensitivity. It has been reported that brown adipose tissue plays a role as an endocrine organ by being involved in systemic metabolic control via secretory substances and nerves. If it becomes possible to control the weight and activity of brown adipose tissue, it is expected to prevent or improve metabolic diseases such as metabolic syndrome.
  • positron emission tomography FLD-PET examination
  • fluorodeoxyglucose which is a glucose-like substance
  • Patent Document 1 near-infrared time-resolved spectroscopy (TRS) is used to evaluate brown adipose tissue based on the total amount of hemoglobin at the measurement site.
  • TRS near-infrared time-resolved spectroscopy
  • Non-Patent Document 1 discloses that the process of beige white fat is detected based on the ratio of the reflection intensity at wavelengths of 550 nm and 680 nm and the slope of the spectrum at wavelengths of 570 nm to 630 nm.
  • fat and water are used so that the difference between the actually measured diffuse reflection spectrum obtained in the wavelength range of 1050 nm to 1350 nm and the reflection spectrum modeled from the lookup table based on the Monte Carlo simulation is minimized. It is disclosed that the volume fraction of white fat is determined and the process of beigeification of white fat is detected from the volume fraction.
  • brown adipose tissue In order to promote clinical applications such as research on brown adipose tissue, treatment using brown adipose tissue, and disease prevention in humans, a method more specialized in the analysis of brown adipose tissue and beige fat is required. For example, if it becomes possible to carry out quantitative evaluation of brown adipose tissue or beige fat as well as relative evaluation of brown adipose tissue and beige fat, it will be a foundation for future research and application of brown adipose tissue. ..
  • the present disclosure has been made to solve the above problems, and an object of the present disclosure is to provide an analyzer and an analysis method capable of quantitatively evaluating brown adipose tissue or beige fat.
  • the applicant of the present application focused on the spectral characteristics of brown adipose tissue and beige fat while conducting diligent research on the above-mentioned problems, and found that brown adipose tissue and beige fat have light absorption characteristics not found in white fat. It turned out. Further, when a cold stimulus was applied to the brown adipose tissue and the beige fat, the light absorption characteristics of the brown adipose tissue and the beige fat changed with the stimulus. It was found that there is a certain correlation between the amount of change in the light absorption characteristics and the amount of change in triglyceride obtained from biochemical analysis.
  • the applicant of the present application combines the analysis of the triglyceride amount based on the spectral data of the object to be measured and the regression model for the prediction of the triglyceride amount in the object to be measured to obtain brown adipose tissue or beige fat.
  • We have completed the content of this disclosure based on the finding that quantitative evaluation can be easily carried out.
  • the analyzer detects a light irradiation unit that irradiates a measurement light including light in a wavelength band of 900 nm toward the object to be measured, and detects the reflected light from the object to be measured, and reflects the light in the object to be measured. It has a light detection unit that acquires light spectrum data, a data processing unit that performs noise removal processing on the spectrum data acquired by the light detection unit, and a PLS regression model for predicting the amount of neutral fat in the object to be measured.
  • the first determination unit for determining the amount of neutral fat in the object to be measured and the amount of neutral fat in the object to be measured A second judgment unit that holds data showing the correlation and determines the amount of brown fat tissue or beige fat in the object to be measured based on the data and the amount of neutral fat determined by the first judgment unit. And.
  • the spectrum data of the reflected light in the object to be measured is acquired, and the acquired spectrum data is subjected to noise reduction processing.
  • the spectral data after the noise removal treatment the light absorption characteristics in the 900 nm wavelength band differ depending on the presence or absence of brown adipose tissue, beige fat, and white fat in the object to be measured. Therefore, the amount of triglyceride in the object to be measured can be determined by applying the spectrum data subjected to the noise reduction processing to the PLS regression model created in advance.
  • the absolute value of the amount of brown adipose tissue or the amount of beige fat in the object to be measured can be determined by comparing the determination result of the amount of triglyceride with the data showing the correlation with the amount of triglyceride in the object to be measured.
  • the PLS regression model may be a model based on the value of the fat absorption peak in the spectrum data subjected to the noise reduction processing. By using the PLS regression model based on the value of the fat absorption peak, it is possible to improve the accuracy of determining the amount of triglyceride in the object to be measured.
  • the first determination unit is the presence or absence of brown adipose tissue, beige fat, and white fat in the object to be measured, based on the presence or absence of absorption peaks of water in the wavelength band of 900 nm in the spectrum data subjected to the noise removal treatment. May be judged. Brown adipose tissue and beige fat tend to have a water absorption peak in the wavelength 900 nm band, and white adipose tissue tends to have no water absorption peak in the wavelength 900 nm band.
  • the amount of information obtained in the analysis can be further increased by determining the presence or absence of brown adipose tissue, beige fat, and white fat in the object to be measured based on the presence or absence of absorption peaks of water in the wavelength band of 900 nm. can.
  • the second judgment unit holds data showing the correlation with the amount of triglyceride in the measured object to which the stimulus is applied, and is based on the data and the amount of triglyceride determined by the first judgment unit. Therefore, the amount of brown adipose tissue or the amount of beige fat in the stimulated object to be measured may be determined. In this case, the amount of brown adipose tissue or the amount of beige fat in the object to be stimulated can be accurately determined. Since the change in the amount of brown adipose tissue or the amount of beige fat in the object to be measured before and after the application of the stimulus can be remarkably determined, the range of application of the analysis can be further expanded.
  • the analysis method includes a light irradiation step of irradiating a measurement object with measurement light including light in a wavelength band of 900 nm toward the object to be measured, and detecting reflected light from the object to be measured and reflecting the light in the object to be measured.
  • Noise removal processing is performed using a light detection step for acquiring light spectrum data, a data processing step for performing noise removal processing on the spectrum data acquired in the light detection step, and a PLS regression model for predicting neutral fat mass.
  • the first determination step for determining the amount of neutral fat in the object to be measured and the data showing the correlation with the amount of neutral fat in the object to be measured are used.
  • a second determination step is provided for determining the amount of brown adipose tissue or the amount of beige fat in the object to be measured based on the data and the amount of neutral fat determined in the first determination step.
  • the spectrum data of the reflected light in the object to be measured is acquired, and the acquired spectrum data is subjected to noise reduction processing.
  • the spectral data after the noise removal treatment the light absorption characteristics in the 900 nm wavelength band differ depending on the presence or absence of brown adipose tissue, beige fat, and white fat in the object to be measured. Therefore, the amount of triglyceride in the object to be measured can be determined by applying the spectrum data subjected to the noise reduction processing to the PLS regression model created in advance.
  • the absolute value of the amount of brown adipose tissue or the amount of beige fat in the object to be measured can be determined by comparing the determination result of the amount of triglyceride with the data showing the correlation with the amount of triglyceride in the object to be measured.
  • the PLS regression model a model based on the value of the fat absorption peak in the spectrum data subjected to the noise reduction processing may be used.
  • the PLS regression model based on the value of the fat absorption peak, it is possible to improve the accuracy of determining the amount of triglyceride in the object to be measured.
  • the presence or absence of brown adipose tissue, beige fat, and white fat in the object to be measured is based on the presence or absence of absorption peaks of water in the wavelength band of 900 nm in the spectrum data subjected to the noise removal treatment. May be judged. Brown adipose tissue and beige fat tend to have a water absorption peak in the wavelength 900 nm band, and white adipose tissue tends to have no water absorption peak in the wavelength 900 nm band.
  • the amount of information obtained in the analysis can be further increased by determining the presence or absence of brown adipose tissue, beige fat, and white fat in the object to be measured based on the presence or absence of absorption peaks of water in the wavelength band of 900 nm. can.
  • the second determination step data showing the correlation with the amount of triglyceride in the object to be stimulated is used, and based on the data and the amount of triglyceride determined in the first determination step.
  • the amount of brown adipose tissue or the amount of beige fat in the object to be stimulated may be determined.
  • the amount of brown adipose tissue or the amount of beige fat in the object to be stimulated can be accurately determined. Since the change in the amount of brown adipose tissue or the amount of beige fat in the object to be measured before and after the application of the stimulus can be remarkably determined, the range of application of the analysis can be further expanded.
  • (A) is a diagram showing the time course of the value of the fat absorption peak in the brown adipose tissue in the control group and the stimulation-giving group, and (b) is the inside of the brown adipose tissue in the control group and the stimulation-giving group. It is a figure which shows the time-dependent change of the sex fat mass.
  • (A) is a diagram showing the time course of the value of the absorption peak of fat in beige fat in the control group and the stimulation-giving group, and (b) is the neutral fat in beige fat in the control group and the stimulation-giving group. It is a figure which shows the time-dependent change of the amount.
  • FIG. 1 is a block diagram showing a configuration of an analyzer according to an embodiment of the present disclosure.
  • the analyzer 1 shown in FIG. 1 is configured as an apparatus for measuring the absolute value of the amount of brown adipose tissue or the absolute value of the amount of beige fat in the object S to be measured.
  • the analyzer 1 enables discrimination between brown adipose tissue and beige fat and white fat, which was difficult with conventional positron tomography (PET) examination and thermography, and easily realizes quantitative evaluation of brown adipose tissue or beige fat.
  • PET positron tomography
  • the object S to be measured is, for example, a living tissue of a human or an animal.
  • the object S to be measured may be a tissue in a living body or a tissue obtained by cutting out a part of the living body.
  • brown adipose tissue is adipose tissue, it has the property of burning fat and consuming energy by the specific uncoupling protein UCP1.
  • the cell origin is muscle progenitor cells. Morphological features include multilocular lipid droplets and are rich in mitochondria.
  • the main site of brown adipose tissue in humans is between the scapula in the neonatal period and around the kidney in adults.
  • Beige fat is one in which UCP1 appears in white fat and becomes beige, and has the same properties as brown adipose tissue.
  • the main sites of beige fat in humans are the supraclavicular fossa and paravertebral spine.
  • the cell origin is preadipocytes.
  • Morphological features like brown adipose tissue, include multilocular lipid droplets and are rich in mitochondria.
  • White fat mainly has energy storage and release as a physiological function.
  • the main location of white fat in humans is subcutaneously throughout the body and around the internal organs.
  • the cell origin is preadipocytes.
  • Morphological features include single tufted lipid droplets.
  • the main constituent of white fat is triglyceride.
  • Examples of application of the analyzer 1 include the medical field and the sports field.
  • the medical field for example, it can be applied to the treatment / prevention of diabetes and dyslipidemia.
  • Brown adipose tissue is known to be highly associated with insulin sensitivity and lipid metabolism.
  • Drug-independent treatment by comparing the amount of brown adipose tissue or beige fat in diabetic patients and patients with abnormal lipid metabolism with the amount of brown adipose tissue or beige fat in healthy subjects and increasing the amount of brown adipose tissue or beige fat ⁇ Prevention is expected.
  • the analyzer 1 includes a probe 2 and a calculation unit 3.
  • the analyzer 1 is connected to the display device 4 so as to be able to communicate with each other.
  • the display device 4 is a monitor, a touch panel display, or the like.
  • the display device 4 receives the analysis result information from the analysis device 1 and displays the information.
  • the probe 2 has a light irradiation unit 11 and a light detection unit 12.
  • the probe 2 is connected to the arithmetic unit 3 so as to be able to communicate with each other.
  • the probe 2 may be a handy type probe in which the light irradiation unit 11 and the photodetection unit 12 are housed in a small housing.
  • the probe 2 may be a wireless probe capable of wireless communication with the arithmetic unit 3. In this case, the degree of freedom of the measurement posture in the analyzer 1 can be increased. For example, by fixing a wireless probe to a part of the body, it becomes possible to measure during meals and exercise, and it becomes easy to acquire data on changes over time during the day.
  • the light irradiation unit 11 is a portion that irradiates the measurement light I including light in the wavelength band of 900 nm toward the object S to be measured.
  • the light source constituting the light irradiation unit 11 for example, a halogen light source, LD, LED, SLD or the like can be used.
  • the wavelength band of the measurement light I is, for example, 900 nm to 1000 nm. This wavelength band includes 920 nm to 930 nm in which a fat absorption peak is present and 960 nm to 970 nm in which a water absorption peak is present.
  • the light detection unit 12 is a part that detects the reflected light R from the object S to be measured and acquires the spectrum data of the reflected light R in the object S to be measured.
  • the detection element constituting the photodetector 12 for example, a CCD array, a CMOS array, a PD array, or the like can be used.
  • the light detection unit 12 outputs information indicating the detection result to the calculation unit 3.
  • the photodetector 12 may have an integrating sphere. In this case, by diffusing and reflecting the reflected light R from the object S to be measured in the integrating sphere, uniform diffuse reflection spectrum data of the reflected light R can be obtained.
  • the calculation unit 3 is a part that performs various calculations based on the information from the light detection unit 12.
  • the arithmetic unit 3 is physically a computer system including a memory such as a RAM and a ROM, a processor (arithmetic circuit) such as a CPU, a communication interface, and a storage unit such as a hard disk. Examples of such a computer system include a personal computer, a cloud server, a smart device (smartphone, tablet terminal, etc.) and the like.
  • the arithmetic unit 3 functions as a controller of the analyzer 1 by executing a program stored in the memory on the CPU of the computer system.
  • the calculation unit 3 has a data processing unit 21, a first determination unit 22, and a second determination unit 23 as functional components.
  • the data processing unit 21 is a unit that performs noise reduction processing on the spectrum data acquired by the light detection unit 12. Examples of the noise reduction process include quadratic differentiation such as the Sabitsuki-Goray differentiation.
  • the data processing unit 21 outputs the spectrum data after the noise reduction processing to the first determination unit 22.
  • the first determination unit 22 is a portion for determining the amount of triglyceride in the object S to be measured.
  • the brown fat in the object S to be measured is based on the presence or absence of the absorption peak of water in the wavelength 900 nm band in the spectrum data. Determine the presence or absence of tissue, beige fat, and white fat.
  • FIG. 2 and 3 are diagrams showing an example of the spectrum of reflected light.
  • FIG. 2 shows a quadratic differential spectrum of a group of objects to be measured (control group) to which no stimulus is applied.
  • FIG. 3 shows a quadratic differential spectrum of a group of objects to be measured (stimulation group) to which a stimulus is applied.
  • the stimulus here is a cold stimulus.
  • 5 rats bred at room temperature of 24 ° C. for 28 days were prepared, and in the stimulation-giving group, 5 rats bred at room temperature of 4 ° C. for 28 days were prepared.
  • the water absorption peak (peak with a negative value) P1 exists in the vicinity of the wavelength of 960 nm to 970 nm regardless of the application of stimulation. I understand. Further, from the results shown in FIGS. 2 and 3, it can be seen that the absorption peak (peak with a negative value) P1 of water does not exist in the vicinity of the wavelength of 960 nm to 970 nm in the white fat regardless of the application of the stimulus. ..
  • the presence or absence of brown adipose tissue, beige fat, and white fat in the object S can be determined based on the presence or absence of the absorption peak of water in the wavelength band of 900 nm in the spectral data.
  • the first determination unit 22 has a PLS regression model for predicting the amount of triglyceride in the object S to be measured in determining the amount of triglyceride in the object S to be measured.
  • the PLS regression model here is a model based on the value of the fat absorption peak in the spectral data subjected to the noise reduction processing.
  • the first determination unit 22 determines the amount of triglyceride in the object S to be measured by applying the spectrum data to the PLS regression model. ..
  • the first determination unit 22 generates information indicating the determination result of the amount of triglyceride in the object S to be measured, and outputs the information to the second determination unit 23.
  • FIG. 4 is a diagram showing an example of a predicted value of the amount of triglyceride in brown adipose tissue from the PLS regression model.
  • the horizontal axis is the measured value of triglyceride mass
  • the vertical axis is the predicted value of triglyceride mass.
  • FIG. 5 is a diagram showing an example of a predicted value of the amount of triglyceride in beige fat from the PLS regression model.
  • the horizontal axis is the measured value of triglyceride mass
  • the vertical axis is the predicted value of triglyceride mass.
  • the second determination unit 23 is a portion for determining the amount of brown adipose tissue or the amount of beige fat in the object S to be measured.
  • the second determination unit 23 holds data showing a correlation with the amount of neutral fat in the object S to be measured in determining the amount of brown adipose tissue or the amount of beige fat in the object S to be measured.
  • the second determination unit 23 receives information indicating the determination result of the amount of triglyceride in the object S to be measured from the first determination unit 22, the data and the neutrality determined by the first determination unit 22
  • the amount of brown adipose tissue or the amount of beige fat in the object S to be measured is determined based on the amount of fat.
  • the second determination unit 23 generates information indicating the determination result of the amount of brown adipose tissue or the amount of beige fat in the object S to be measured, and outputs the information to the display device 4.
  • FIG. 6 is a diagram showing the correlation between the amount of triglyceride and the amount of brown adipose tissue in the control group.
  • the horizontal axis is the amount of triglyceride
  • the vertical axis is the amount of brown adipose tissue.
  • FIG. 7 is a diagram showing the correlation between the amount of triglyceride and the amount of beige fat in the control group.
  • the horizontal axis is the amount of triglyceride
  • the vertical axis is the amount of beige fat. From the results shown in FIG. 7, it can be seen that there is a certain correlation between the amount of triglyceride and the amount of beige fat in the control group.
  • the absolute value of the beige fat amount can be determined based on the neutral fat amount determined by the first determination unit 22.
  • the second determination unit 23 may have data showing the correlation with the neutral fat in the object S to be stimulated. In this case, the second determination unit 23 determines the amount of brown adipose tissue or beige in the measured object S to which the stimulus is applied, based on the data and the amount of neutral fat determined by the first determination unit 22. Determine the amount of fat. The second determination unit 23 generates information indicating the determination result of the amount of brown adipose tissue or the amount of beige fat in the object S to be stimulated, and outputs the information to the display device 4. The second determination unit 23 may determine both the amount of brown adipose tissue and the amount of beige fat in the object S to be measured, or may determine only one of them.
  • FIG. 8 is a diagram showing the correlation between the amount of triglyceride and the amount of brown adipose tissue in the stimulation-giving group.
  • the horizontal axis is the amount of triglyceride
  • the vertical axis is the amount of brown adipose tissue.
  • FIG. 9 is a diagram showing the correlation between the amount of triglyceride and the amount of beige fat in the stimulation-giving group.
  • the horizontal axis is the amount of triglyceride
  • the vertical axis is the amount of beige fat. From the results shown in FIG. 9, it can be seen that there is a certain correlation between the amount of triglyceride and the amount of beige fat even in the stimulation-giving group.
  • the absolute value of the beige fat amount can be determined based on the neutral fat amount determined by the first determination unit 22.
  • FIG. 10 is a flowchart showing the analysis method in the present embodiment.
  • this analysis method includes a light irradiation step (step S01), a light detection step (step S02), a data processing step (step S03), a first determination step (step S04), and a first. It is configured to include the determination step (S05) of 2.
  • the probe 2 of the analyzer 1 is set on the object S to be measured, and the measurement light I including light having a wavelength of 900 nm is irradiated from the light irradiation unit 11 of the probe 2 toward the object S to be measured.
  • the measurement light I applied to the object S to be measured is reflected by the object S to be measured and becomes the reflected light R.
  • the reflected light R from the object S to be measured is detected by the light detection unit 12 of the probe 2, and the spectrum data of the reflected light R in the object S to be measured is acquired.
  • the spectrum data obtained by the light detection unit 12 is uniform diffuse reflection spectrum data of the reflected light R.
  • noise reduction processing is performed on the spectrum data acquired by the photodetector 12.
  • differential processing such as quadratic differentiation or Sabitsuki-Goray differentiation is applied to the spectrum data acquired by the photodetector 12.
  • the presence of brown adipose tissue, beige fat, and white fat in the object S to be measured is based on the presence or absence of an absorption peak of water in the wavelength band of 900 nm in the spectrum data subjected to the noise removal treatment. Judge the presence or absence.
  • the PLS regression model for predicting the amount of neutral fat is used, and the spectrum data subjected to the noise removal processing is applied to the PLS regression model to obtain the neutral fat in the object S to be measured. Judge the amount.
  • the PLS regression model a model based on the value of the fat absorption peak P2 in the spectrum data subjected to the noise reduction treatment is used.
  • the second determination step data showing the correlation with the amount of neutral fat in the object to be measured S is used, and the object to be measured is based on the data and the amount of neutral fat determined in the first determination step.
  • the amount of brown fat tissue or the amount of beige fat in S is determined.
  • the second determination step data showing the correlation with the amount of triglyceride in the stimulated object S to which the stimulus is given is used. ..
  • the amount of brown adipose tissue or the amount of beige fat in the stimulated object S is determined based on the data and the amount of triglyceride determined by the first determination unit 22. do.
  • the spectrum data of the reflected light R in the object S to be measured is acquired, and the acquired spectrum data is subjected to noise removal processing.
  • the spectral data after the noise removal treatment the light absorption characteristics in the 900 nm wavelength band differ depending on the presence or absence of brown adipose tissue, beige fat, and white fat in the object S to be measured. Therefore, the amount of triglyceride in the object S to be measured can be determined by applying the spectrum data subjected to the noise reduction processing to the PLS regression model created in advance.
  • the absolute value of the brown adipose tissue amount or the beige fat amount in the object S can be determined. ..
  • the PLS regression model is a model based on the value of the fat absorption peak in the spectrum data subjected to the noise reduction processing.
  • the first determination unit 22 determines the brown adipose tissue and beige fat in the object S to be measured, based on the presence or absence of the absorption peak P1 of water in the wavelength 900 nm band in the spectrum data subjected to the noise removal treatment. , And the presence or absence of white fat is judged. Brown adipose tissue and beige fat tend to have a water absorption peak P1 in the wavelength 900 nm band, and white adipose tissue tends to have no water absorption peak P1 in the wavelength 900 nm band (FIGS. 2 and 3). reference).
  • Absolute amount of brown adipose tissue or beige fat by determining the presence or absence of brown adipose tissue, beige fat, and white fat in the object S based on the presence or absence of absorption peak of water in the wavelength 900 nm band.
  • analysis results regarding the presence or absence of brown adipose tissue, beige fat, and white fat can be obtained. Therefore, the amount of information obtained in the analysis can be further increased. Further, for example, when it is determined that brown adipose tissue or beige fat does not exist, the time required for the treatment can be shortened by not performing the treatment for determining the absolute value of the brown adipose tissue amount or the beige fat amount.
  • the second determination unit 23 holds data showing the correlation with the amount of neutral fat in the measured object S to which the stimulus is applied, and the data and the first determination unit 22 determine the data.
  • the amount of brown adipose tissue or the amount of beige fat in the stimulated object S is determined based on the amount of neutral fat. In this case, the amount of brown adipose tissue or the amount of beige fat in the object S to be stimulated can be accurately determined. Since the change in the amount of brown adipose tissue or the amount of beige fat in the object S to be measured before and after the application of the stimulus can be remarkably determined, the range of application of the analysis can be further expanded.
  • the analyzer 1 determines the amount of change in brown adipose tissue or beige fat based on the change in the value of the fat absorption peak P2 (see FIGS. 2 and 3) in the spectrum data subjected to the noise removal treatment. It may be provided with a part.
  • FIG. 11A is a diagram showing changes over time in the value of fat absorption peak in brown adipose tissue in the control group and the stimulation-giving group.
  • FIG. 11B is a diagram showing changes over time in the amount of triglyceride in brown adipose tissue in the control group and the stimulation-giving group. The results in the figure are based on biochemical analysis. The fat absorption peak in brown adipose tissue exists at a wavelength of around 924 nm.
  • FIG. 12A is a diagram showing changes over time in the value of fat absorption peak in beige fat in the control group and the stimulation-giving group.
  • FIG. 12B is a diagram showing changes over time in the amount of triglyceride in beige fat in the control group and the stimulation-giving group. The results in the figure are based on biochemical analysis. The fat absorption peak in beige fat exists at a wavelength of around 926 nm.

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

分析装置１は、波長９００ｎｍ帯の光を含む計測光Ｉを被測定物Ｓに向けて照射する光照射部１１と、被測定物Ｓにおける反射光Ｒのスペクトルデータを取得する光検出部１２と、スペクトルデータにノイズ除去処理を施すデータ処理部２１と、被測定物Ｓ中の中性脂肪量の予測に関するＰＬＳ回帰モデルを保有し、ノイズ除去処理が施されたスペクトルデータをＰＬＳ回帰モデルに適用することにより、被測定物Ｓ中の中性脂肪量を判断する第１の判断部２２と、被測定物Ｓ中の中性脂肪量との相関を示すデータを保有し、当該データと第１の判断部２２で判断された中性脂肪量とに基づいて、被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断する第２の判断部２３とを備える。

Description

分析装置及び分析方法
　本開示は、分析装置及び分析方法に関する。
　褐色脂肪組織（Ｂｒｏｗｎ　Ａｄｉｐｏｓｅ　Ｔｉｓｓｕｅ：ＢＡＴ）は、脂肪組織でありながら、特異的な脱共役タンパク質（ｕｎｃｏｕｐｌｉｎｇ　ｐｒｏｔｅｉｎ　１：ＵＣＰ１）により脂肪を燃焼し、エネルギーを消費する性質を有している。最近の研究では、褐色脂肪組織は、全身の糖や脂質の代謝、インスリン感受性に影響するとの報告がある。褐色脂肪組織は、分泌物質や神経を介して全身の代謝制御にも関わり、内分泌器官としての役割を果たしているとの報告もある。褐色脂肪組織の重量や活性をコントロールすることが可能となれば、メタボリックシンドローム等の代謝性疾患の予防や改善が期待される。
　現状、ヒト生体に対する褐色細胞組織の測定手段としては、ブドウ糖類似物質であるフルオロデオキシグルコースを用いたポジトロン断層検査（ＦＤＧ－ＰＥＴ検査）が主流となっている。ヒトの褐色脂肪組織を測定する非侵襲の手法としては、例えば特許文献１に記載の測定方法がある。この測定方法では、近赤外時間分解分光法（ｔｉｍｅ－ｒｅｓｏｌｖｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ：ＴＲＳ）を用い、測定部位の総ヘモグロビン量に基づいて褐色脂肪組織を評価している。
　近年では、ヒトの褐色脂肪組織がベージュ脂肪を主体として構成されていることが分かってきている。ベージュ脂肪は、白色脂肪中にＵＣＰ１が出現してベージュ化し、褐色脂肪組織と同様の性質を持つようになったものである。ベージュ脂肪を測定する非侵襲の手法としては、例えば非特許文献１，２に記載の手法がある。これらの手法は、いずれも測定部位の反射スペクトルに基づくものである。
　非特許文献１では、波長５５０ｎｍ及び６８０ｎｍにおける反射強度の比と、波長５７０ｎｍ～６３０ｎｍにおけるスペクトルの傾きとに基づいて、白色脂肪のベージュ化の過程を検出することが開示されている。非特許文献２では、波長１０５０ｎｍ～１３５０ｎｍの範囲で得られた実測の拡散反射スペクトルと、モンテカルロシミュレーションに基づくルックアップテーブルからモデル化された反射スペクトルとの差が最小になるように脂肪と水との体積分率を決定し、当該体積分率から白色脂肪のベージュ化の過程を検出することが開示されている。
特許第６２２４４６４号公報
"Diffuse optical spectroscopy and imaging to detect and quantify adipose tissue browning"U.S Dinish et al., Scientific Reports, vol.7, 41357 (2017) "Quantitative in vivo detection of adipose tissue browning using diffuse reflectance spectroscopy in near‐infrared II window" Kapil Dev et al., Journal of Biophotonics, Volume11, Issue12e201800135, Dec (2018)
　ヒトにおける褐色脂肪組織の研究、褐色脂肪組織を利用した治療、疾病予防といった臨床応用を促進するためには、褐色脂肪組織及びベージュ脂肪の分析に一層特化した手法が必要となる。例えば褐色脂肪組織やベージュ脂肪の相対的な評価だけでなく、褐色脂肪組織或いはベージュ脂肪の定量評価の実施が可能となれば、将来の褐色脂肪組織の研究及び応用の礎になり得ると考えられる。
　本開示は、上記課題の解決のためになされたものであり、褐色脂肪組織或いはベージュ脂肪の定量評価を実施できる分析装置及び分析方法を提供することを目的とする。
　本願出願人は、上記課題に対する鋭意研究を重ねる中で、褐色脂肪組織及びベージュ脂肪の分光特性に着目したところ、褐色脂肪組織及びベージュ脂肪には、白色脂肪には見られない光吸収特性があることが分かった。また、褐色脂肪組織及びベージュ脂肪に寒冷刺激を付与したところ、刺激の付与に伴って褐色脂肪組織及びベージュ脂肪の光吸収特性が変化した。この光吸収特性の変化量と、生化学分析から得られた中性脂肪の変化量との間には、一定の相関があることが分かった。そこで、本願出願人は、被測定物のスペクトルデータに基づく中性脂肪量の分析と、被測定物中の中性脂肪量の予測に関する回帰モデルとを組み合わせることで、褐色脂肪組織或いはベージュ脂肪の定量評価を簡易に実施できるとの知見を得て、本開示の内容を完成させるに至った。
　本開示の一側面に係る分析装置は、波長９００ｎｍ帯の光を含む計測光を被測定物に向けて照射する光照射部と、被測定物からの反射光を検出し、被測定物における反射光のスペクトルデータを取得する光検出部と、光検出部で取得されたスペクトルデータにノイズ除去処理を施すデータ処理部と、被測定物中の中性脂肪量の予測に関するＰＬＳ回帰モデルを保有し、ノイズ除去処理が施されたスペクトルデータをＰＬＳ回帰モデルに適用することにより、被測定物中の中性脂肪量を判断する第１の判断部と、被測定物中の中性脂肪量との相関を示すデータを保有し、当該データと第１の判断部で判断された中性脂肪量とに基づいて、被測定物中の褐色脂肪組織量或いはベージュ脂肪量を判断する第２の判断部とを備える。
　この分析装置では、被測定物における反射光のスペクトルデータを取得し、取得したスペクトルデータにノイズ除去処理を施している。ノイズ除去処理後のスペクトルデータでは、被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無により、波長９００ｎｍ帯の光の吸収特性に差異が生じる。このため、ノイズ除去処理が施されたスペクトルデータを予め作成したＰＬＳ回帰モデルに適用することで、被測定物中の中性脂肪量を判断できる。被測定物中の中性脂肪量との相関を示すデータに中性脂肪量の判断結果を照らし合わせることで、被測定物中の褐色脂肪組織量或いはベージュ脂肪量の絶対値を判断できる。
　ＰＬＳ回帰モデルは、ノイズ除去処理が施されたスペクトルデータにおける脂肪の吸収ピークの値に基づくモデルであってもよい。脂肪の吸収ピークの値に基づくＰＬＳ回帰モデルを用いることで、被測定物中の中性脂肪量の判断精度を高めることが可能となる。
　第１の判断部は、ノイズ除去処理が施されたスペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断してもよい。褐色脂肪組織及びベージュ脂肪では、波長９００ｎｍ帯に水の吸収ピークが見られる傾向があり、白色脂肪では、波長９００ｎｍ帯に水の吸収ピークが見られない傾向がある。波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断することにより、分析で得られる情報量を更に増やすことができる。
　第２の判断部は、刺激が付与された被測定物中の中性脂肪量との相関を示すデータを保有し、当該データと第１の判断部で判断された中性脂肪量とに基づいて、刺激が付与された被測定物中の褐色脂肪組織量或いはベージュ脂肪量を判断してもよい。この場合、刺激が付与された被測定物中の褐色脂肪組織量或いはベージュ脂肪量を精度良く判断できる。刺激の付与前後での被測定物中の褐色脂肪組織量或いはベージュ脂肪量の変化を顕著に判断できることで、分析の応用の幅を更に広げることが可能となる。
　本開示の一側面に係る分析方法は、波長９００ｎｍ帯の光を含む計測光を被測定物に向けて照射する光照射ステップと、被測定物からの反射光を検出し、被測定物における反射光のスペクトルデータを取得する光検出ステップと、光検出ステップで取得されたスペクトルデータにノイズ除去処理を施すデータ処理ステップと、中性脂肪量の予測に関するＰＬＳ回帰モデルを用い、ノイズ除去処理が施されたスペクトルデータをＰＬＳ回帰モデルに適用することにより、被測定物中の中性脂肪量を判断する第１の判断ステップと、被測定物中の中性脂肪量との相関を示すデータを用い、当該データと第１の判断ステップで判断された中性脂肪量とに基づいて、被測定物中の褐色脂肪組織量或いはベージュ脂肪量を判断する第２の判断ステップとを備える。
　この分析方法では、被測定物における反射光のスペクトルデータを取得し、取得したスペクトルデータにノイズ除去処理を施している。ノイズ除去処理後のスペクトルデータでは、被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無により、波長９００ｎｍ帯の光の吸収特性に差異が生じる。このため、ノイズ除去処理が施されたスペクトルデータを予め作成したＰＬＳ回帰モデルに適用することで、被測定物中の中性脂肪量を判断できる。被測定物中の中性脂肪量との相関を示すデータに中性脂肪量の判断結果を照らし合わせることで、被測定物中の褐色脂肪組織量或いはベージュ脂肪量の絶対値を判断できる。
　ＰＬＳ回帰モデルとして、ノイズ除去処理が施されたスペクトルデータにおける脂肪の吸収ピークの値に基づくモデルを用いてもよい。脂肪の吸収ピークの値に基づくＰＬＳ回帰モデルを用いることで、被測定物中の中性脂肪量の判断精度を高めることが可能となる。
　第１の判断ステップでは、ノイズ除去処理が施されたスペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断してもよい。褐色脂肪組織及びベージュ脂肪では、波長９００ｎｍ帯に水の吸収ピークが見られる傾向があり、白色脂肪では、波長９００ｎｍ帯に水の吸収ピークが見られない傾向がある。波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断することにより、分析で得られる情報量を更に増やすことができる。
　第２の判断ステップでは、刺激が付与された被測定物中の中性脂肪量との相関を示すデータを用い、当該データと第１の判断ステップで判断された中性脂肪量とに基づいて、刺激が付与された被測定物中の褐色脂肪組織量或いはベージュ脂肪量を判断してもよい。この場合、刺激が付与された被測定物中の褐色脂肪組織量或いはベージュ脂肪量を精度良く判断できる。刺激の付与前後での被測定物中の褐色脂肪組織量或いはベージュ脂肪量の変化を顕著に判断できることで、分析の応用の幅を更に広げることが可能となる。
　本開示によれば、褐色脂肪組織或いはベージュ脂肪の定量評価を実施できる。
本開示の一実施形態に係る分析装置の構成を示すブロック図である。 コントロール群における反射光のスペクトルの一例を示す図である。 刺激付与群における反射光のスペクトルの一例を示す図である。 ＰＬＳ回帰モデルからの褐色脂肪組織中の中性脂肪量の予測値の一例を示す図である。 ＰＬＳ回帰モデルからのベージュ脂肪中の中性脂肪量の予測値の一例を示す図である。 コントロール群における中性脂肪量と褐色脂肪組織量との相関を示す図である。 コントロール群における中性脂肪量とベージュ脂肪量との相関を示す図である。 刺激付与群における中性脂肪量と褐色脂肪組織量との相関を示す図である。 刺激付与群における中性脂肪量とベージュ脂肪量との相関を示す図である。 本開示の一実施形態に係る分析方法を示すフローチャートである。 （ａ）は、コントロール群及び刺激付与群における褐色脂肪組織での脂肪の吸収ピークの値の経時変化を示す図であり、（ｂ）は、コントロール群及び刺激付与群における褐色脂肪組織中の中性脂肪量の経時変化を示す図である。 （ａ）は、コントロール群及び刺激付与群におけるベージュ脂肪での脂肪の吸収ピークの値の経時変化を示す図であり、（ｂ）は、コントロール群及び刺激付与群におけるベージュ脂肪中の中性脂肪量の経時変化を示す図である。
　以下、図面を参照しながら、本開示の一側面に係る分析装置及び分析方法の好適な実施形態について詳細に説明する。
　図１は、本開示の一実施形態に係る分析装置の構成を示すブロック図である。図１に示す分析装置１は、被測定物Ｓ中の褐色脂肪組織量の絶対値或いはベージュ脂肪量の絶対値を測定する装置として構成されている。分析装置１は、従来のポジトロン断層（ＰＥＴ）検査やサーモグラフィなどでは困難であった褐色脂肪組織及びベージュ脂肪と白色脂肪との判別を可能とし、褐色脂肪組織或いはベージュ脂肪の定量評価を簡易に実現するものである。被測定物Ｓは、例えばヒトや動物の生体組織である。被測定物Ｓは、生体内の組織であってもよく、生体の一部を切り出した組織であってもよい。
　褐色脂肪組織は、脂肪組織でありながら、特異的な脱共役タンパク質ＵＣＰ１により脂肪を燃焼し、エネルギーを消費する性質を有している。細胞起源は、筋前駆細胞である。形態学的特徴としては、多房性脂肪滴を含み、ミトコンドリアが豊富であることが挙げられる。ヒトにおける褐色脂肪組織の主な存在部位は、新生児期では肩甲骨間、成人では腎臓の周囲である。ベージュ脂肪は、白色脂肪中にＵＣＰ１が出現してベージュ化し、褐色脂肪組織と同様の性質を持つようになったものである。ヒトにおけるベージュ脂肪の主な存在部位は、鎖骨上窩及び傍脊椎である。細胞起源は、前駆脂肪細胞である。形態学的特徴としては、褐色脂肪組織と同様に、多房性脂肪滴を含み、ミトコンドリアが豊富であることが挙げられる。白色脂肪は、主にエネルギーの貯蔵及び放出を生理的機能として有している。ヒトにおける白色脂肪の主な存在部位は、全身の皮下や内臓の周囲である。細胞起源は、前駆脂肪細胞である。形態学的特徴としては、単房性脂肪滴であることが挙げられる。白色脂肪の主な構成成分は、中性脂肪である。
　分析装置１の適用例としては、例えば医療分野やスポーツ分野などが挙げられる。医療分野では、例えば糖尿病や脂質代謝異常症の治療・予防への応用が考えられる。褐色脂肪組織は、インスリンの感受性や脂質代謝との関連が高いことが知られている。糖尿病患者や脂質代謝異常症患者の褐色脂肪組織量或いはベージュ脂肪量を健常者の褐色脂肪組織量或いはベージュ脂肪量と比較し、褐色脂肪組織或いはベージュ脂肪を増量することで、薬に依存しない治療・予防が期待される。
　褐色脂肪組織量或いはベージュ脂肪量の測定により、メタボリックシンドローム等の代謝性疾患の予防や改善も図られる。学校などで実施される検診において褐色脂肪組織量或いはベージュ脂肪量のデータを追加することにより、若年層における疾病予防や体重管理が可能となる。中高年層以降の内臓脂肪の増加と褐色脂肪組織量或いはベージュ脂肪量との関係を調べることで、老化に対する研究の発展も期待できる。ある種の褐色脂肪組織の機能が強化されたマウスは長寿であることも報告されている。褐色脂肪組織或いはベージュ脂肪の増加や活性化を促すサプリメント等の開発にあたって、開発品の評価手段としての応用も考えられる。
　スポーツ分野では、例えばトレーニング前後の褐色脂肪組織量或いはベージュ脂肪量の測定により、トレーニングプログラムの評価や新たな減量プログラムの提供などが可能となる。筋量を落とさずに脂肪のみを落とすような体重の管理が必要となる場合、食事やトレーニングに加えた第３の選択肢として、褐色脂肪組織量或いはベージュ脂肪量の増加によるアプローチが考えられる。褐色脂肪組織量或いはベージュ脂肪量のモニタが体重コントロールの一助となることが期待される。
　以下、分析装置１の構成について説明する。図１に示すように、分析装置１は、プローブ２と、演算部３とを備えて構成されている。分析装置１は、表示装置４と相互に情報通信可能に接続されている。表示装置４は、モニタやタッチパネルディスプレイ等である。表示装置４は、分析装置１からの分析結果情報を受信し、当該情報を表示する。
　プローブ２は、光照射部１１と、光検出部１２とを有している。プローブ２は、演算部３と相互に情報通信可能に接続されている。プローブ２は、光照射部１１及び光検出部１２を小型の筐体内に収容したハンディタイプのプローブであってもよい。プローブ２は、演算部３との間で無線通信が可能なワイヤレス型のプローブであってもよい。この場合、分析装置１における測定姿勢の自由度を高めることができる。例えばワイヤレス型のプローブを身体の一部に固定することで、食事中や運動中の測定が可能となり、一日の中での経時変化のデータ取得も容易となる。
　光照射部１１は、波長９００ｎｍ帯の光を含む計測光Ｉを被測定物Ｓに向けて照射する部分である。光照射部１１を構成する光源としては、例えばハロゲン光源、ＬＤ、ＬＥＤ、ＳＬＤなどを用いることができる。計測光Ｉの波長帯は、例えば９００ｎｍ～１０００ｎｍである。この波長帯は、脂肪の吸収ピークが存在する９２０ｎｍ～９３０ｎｍ及び水の吸収ピークが存在する９６０ｎｍ～９７０ｎｍを含んでいる。
　光検出部１２は、被測定物Ｓからの反射光Ｒを検出し、被測定物Ｓにおける反射光Ｒのスペクトルデータを取得する部分である。光検出部１２を構成する検出素子としては、例えばＣＣＤアレイ、ＣＭＯＳアレイ、ＰＤアレイなどを用いることができる。光検出部１２は、検出結果を示す情報を演算部３に出力する。光検出部１２は、積分球を有していてもよい。この場合、被測定物Ｓからの反射光Ｒを積分球内で拡散反射させることにより、反射光Ｒの均一な拡散反射スペクトルデータを取得できる。
　演算部３は、光検出部１２からの情報に基づいて各種の演算を行う部分である。演算部３は、物理的には、ＲＡＭ、ＲＯＭ等のメモリ、及びＣＰＵ等のプロセッサ（演算回路）、通信インターフェイス、ハードディスク等の格納部を備えたコンピュータシステムである。かかるコンピュータシステムとしては、例えばパーソナルコンピュータ、クラウドサーバ、スマートデバイス（スマートフォン、タブレット端末など）などが挙げられる。演算部３は、メモリに格納されるプログラムをコンピュータシステムのＣＰＵで実行することにより、分析装置１のコントローラとして機能する。
　演算部３は、機能的な構成要素として、データ処理部２１と、第１の判断部２２と、第２の判断部２３とを有している。データ処理部２１は、光検出部１２で取得されたスペクトルデータにノイズ除去処理を施す部分である。ノイズ除去処理としては、例えばサビツキ－ゴーレイ微分などの二次微分が挙げられる。データ処理部２１は、ノイズ除去処理後のスペクトルデータを第１の判断部２２に出力する。
　第１の判断部２２は、被測定物Ｓ中の中性脂肪量を判断する部分である。第１の判断部２２は、データ処理部２１からノイズ除去処理後のスペクトルデータを受け取ると、当該スペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物Ｓ中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断する。
　図２及び図３は、反射光のスペクトルの一例を示す図である。図２に、刺激を付与しない被測定物群（コントロール群）の二次微分スペクトルを示す。図３に、刺激を付与した被測定物群（刺激付与群）の二次微分スペクトルを示す。ここでの刺激は、寒冷刺激である。コントロール群では、室温２４℃で２８日間飼育した５匹のラットを用意し、刺激付与群では、室温４℃で２８日間飼育した５匹のラットを用意した。
　図２及び図３に示す結果から、刺激の付与に関わらず、褐色脂肪組織及びベージュ脂肪では、波長９６０ｎｍ～９７０ｎｍ付近に水の吸収ピーク（値が負となるピーク）Ｐ１が存在していることが分かる。また、図２及び図３に示す結果から、刺激の付与に関わらず、白色脂肪では、波長９６０ｎｍ～９７０ｎｍ付近に水の吸収ピーク（値が負となるピーク）Ｐ１が存在していないことが分かる。これらの結果から、スペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物Ｓ中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断できることが分かる。
　第１の判断部２２は、被測定物Ｓ中の中性脂肪量を判断するにあたり、被測定物Ｓ中の中性脂肪量の予測に関するＰＬＳ回帰モデルを保有している。ここでのＰＬＳ回帰モデルは、ノイズ除去処理が施されたスペクトルデータにおける脂肪の吸収ピークの値に基づくモデルである。第１の判断部２２は、データ処理部２１からノイズ除去処理後のスペクトルデータを受け取ると、当該スペクトルデータをＰＬＳ回帰モデルに適用することにより、被測定物Ｓ中の中性脂肪量を判断する。第１の判断部２２は、被測定物Ｓ中の中性脂肪量の判断結果を示す情報を生成し、第２の判断部２３に出力する。
　図４は、ＰＬＳ回帰モデルからの褐色脂肪組織中の中性脂肪量の予測値の一例を示す図である。同図では、横軸が中性脂肪量の実測値となっており、縦軸が中性脂肪量の予測値となっている。図４の結果から、ＰＬＳ回帰により予測された褐色脂肪組織中の中性脂肪量と、実際の褐色脂肪組織中の中性脂肪量との関係を把握できる。図４において、キャリブレーション（モデル作成データ）の決定係数は、Ｒ２＝０．７５、バリデーション（検証用データ）の決定係数は、Ｒ２＝０．７３である。
　図５は、ＰＬＳ回帰モデルからのベージュ脂肪中の中性脂肪量の予測値の一例を示す図である。同図では、横軸が中性脂肪量の実測値となっており、縦軸が中性脂肪量の予測値となっている。図５の結果から、ＰＬＳ回帰により予測されたベージュ脂肪中の中性脂肪量と、実際のベージュ脂肪中の中性脂肪量との関係を把握できる。図５において、キャリブレーション（モデル作成データ）の決定係数は、Ｒ２＝０．７３、バリデーション（検証用データ）の決定係数は、Ｒ２＝０．５３である。
　第２の判断部２３は、被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断する部分である。第２の判断部２３は、被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断するにあたり、被測定物Ｓ中の中性脂肪量との相関を示すデータを保有している。第２の判断部２３は、第１の判断部２２から被測定物Ｓ中の中性脂肪量の判断結果を示す情報を受け取ると、当該データと第１の判断部２２で判断された中性脂肪量とに基づいて、被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断する。第２の判断部２３は、被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量の判断結果を示す情報を生成し、表示装置４に出力する。
　図６は、コントロール群における中性脂肪量と褐色脂肪組織量との相関を示す図である。同図では、横軸が中性脂肪量となっており、縦軸が褐色脂肪組織量となっている。図６に示す結果から、コントロール群において、中性脂肪量と褐色脂肪組織量との間には、一定の相関があることが分かる。同図の相関の決定係数は、Ｒ２＝０．７２である。この相関を参照することにより、第１の判断部２２で判断された中性脂肪量に基づいて、褐色脂肪組織量の絶対値を判断できる。
　図７は、コントロール群における中性脂肪量とベージュ脂肪量との相関を示す図である。同図では、横軸が中性脂肪量となっており、縦軸がベージュ脂肪量となっている。図７に示す結果から、コントロール群において、中性脂肪量とベージュ脂肪量との間には、一定の相関があることが分かる。同図の相関の決定係数は、Ｒ２＝０．５７である。この相関を参照することにより、第１の判断部２２で判断された中性脂肪量に基づいて、ベージュ脂肪量の絶対値を判断できる。
　第２の判断部２３は、刺激が付与された被測定物Ｓ中の中性脂肪との相関を示すデータを保有していてもよい。この場合、第２の判断部２３は、当該データと第１の判断部２２で判断された中性脂肪量とに基づいて、刺激が付与された被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断する。第２の判断部２３は、刺激が付与された被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量の判断結果を示す情報を生成し、表示装置４に出力する。第２の判断部２３は、被測定物Ｓ中の褐色脂肪組織量及びベージュ脂肪量の双方を判断してもよく、いずれか一方のみを判断してもよい。
　図８は、刺激付与群における中性脂肪量と褐色脂肪組織量との相関を示す図である。同図では、横軸が中性脂肪量となっており、縦軸が褐色脂肪組織量となっている。図８に示す結果から、刺激付与群においても、中性脂肪量と褐色脂肪組織量との間には、一定の相関があることが分かる。同図の相関の決定係数は、Ｒ２＝０．９である。この相関を参照することにより、第１の判断部２２で判断された中性脂肪量に基づいて、褐色脂肪組織量の絶対値を判断できる。
　図９は、刺激付与群における中性脂肪量とベージュ脂肪量との相関を示す図である。同図では、横軸が中性脂肪量となっており、縦軸がベージュ脂肪量となっている。図９に示す結果から、刺激付与群においても、中性脂肪量とベージュ脂肪量との間には、一定の相関があることが分かる。同図の相関の決定係数は、Ｒ２＝０．７３である。この相関を参照することにより、第１の判断部２２で判断された中性脂肪量に基づいて、ベージュ脂肪量の絶対値を判断できる。
　続いて、本開示の一実施形態に係る分析方法について説明する。
　図１０は、本実施形態における分析方法を示すフローチャートである。本実施形態では、上述した分析装置１を用いた分析方法の実施を例示する。図１０に示すように、この分析方法は、光照射ステップ（ステップＳ０１）と、光検出ステップ（ステップＳ０２）と、データ処理ステップ（ステップＳ０３）と、第１の判断ステップ（ステップＳ０４）、第２の判断ステップ（Ｓ０５）とを備えて構成されている。
　光照射ステップでは、分析装置１のプローブ２を被測定物Ｓにセットし、波長９００ｎｍ帯の光を含む計測光Ｉをプローブ２の光照射部１１から被測定物Ｓに向けて照射する。被測定物Ｓに照射された計測光Ｉは、被測定物Ｓで反射して反射光Ｒとなる。光検出ステップでは、被測定物Ｓからの反射光Ｒをプローブ２の光検出部１２で検出し、被測定物Ｓにおける反射光Ｒのスペクトルデータを取得する。光検出部１２が積分球を有する場合、光検出部１２で得られるスペクトルデータは、反射光Ｒの均一な拡散反射スペクトルデータとなる。
　データ処理ステップでは、光検出部１２で取得されたスペクトルデータにノイズ除去処理を施す。ここでは、ノイズ除去処理として、二次微分或いはサビツキ－ゴーレイ微分などの微分処理を光検出部１２で取得されたスペクトルデータに対して適用する。
　第１の判断ステップでは、ノイズ除去処理が施されたスペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物Ｓ中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断する。また、第１の判断ステップでは、中性脂肪量の予測に関するＰＬＳ回帰モデルを用い、ノイズ除去処理が施されたスペクトルデータをＰＬＳ回帰モデルに適用することにより、被測定物Ｓ中の中性脂肪量を判断する。ＰＬＳ回帰モデルとしては、ノイズ除去処理が施されたスペクトルデータにおける脂肪の吸収ピークＰ２の値に基づくモデルを用いる。
　第２の判断ステップでは、被測定物Ｓ中の中性脂肪量との相関を示すデータを用い、当該データと第１の判断ステップで判断された中性脂肪量とに基づいて、被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断する。寒冷刺激等の刺激が付与された被測定物Ｓを分析対象とする場合、第２の判断ステップでは、刺激が付与された被測定物Ｓ中の中性脂肪量との相関を示すデータを用いる。第２の判断ステップでは、当該データと第１の判断部２２で判断された中性脂肪量とに基づいて、刺激が付与された被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断する。
　以上説明したように、分析装置１及び分析方法では、被測定物Ｓにおける反射光Ｒのスペクトルデータを取得し、取得したスペクトルデータにノイズ除去処理を施している。ノイズ除去処理後のスペクトルデータでは、被測定物Ｓ中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無により、波長９００ｎｍ帯の光の吸収特性に差異が生じる。このため、ノイズ除去処理が施されたスペクトルデータを予め作成したＰＬＳ回帰モデルに適用することで、被測定物Ｓ中の中性脂肪量を判断できる。被測定物Ｓ中の中性脂肪量との相関を示すデータに中性脂肪量の判断結果を照らし合わせることで、被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量の絶対値を判断できる。
　本実施形態では、ＰＬＳ回帰モデルは、ノイズ除去処理が施されたスペクトルデータにおける脂肪の吸収ピークの値に基づくモデルとなっている。脂肪の吸収ピークＰ２の値に基づくＰＬＳ回帰モデルを用いることで、被測定物Ｓ中の中性脂肪量の判断精度を高めることが可能となる。
　本実施形態では、第１の判断部２２は、ノイズ除去処理が施されたスペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークＰ１の有無に基づいて、被測定物Ｓ中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断している。褐色脂肪組織及びベージュ脂肪では、波長９００ｎｍ帯に水の吸収ピークＰ１が見られる傾向があり、白色脂肪では、波長９００ｎｍ帯に水の吸収ピークＰ１が見られない傾向がある（図２及び図３参照）。波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、被測定物Ｓ中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断することにより、褐色脂肪組織量或いはベージュ脂肪量の絶対値の他に、褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無についての分析結果を得ることができる。したがって、分析で得られる情報量を更に増やすことができる。また、例えば褐色脂肪組織或いはベージュ脂肪が存在しないと判断された場合に褐色脂肪組織量或いはベージュ脂肪量の絶対値を判断する処理を実施しないことで、処理に要する時間の短縮化が図られる。
　本実施形態では、第２の判断部２３は、刺激が付与された被測定物Ｓ中の中性脂肪量との相関を示すデータを保有し、当該データと第１の判断部２２で判断された中性脂肪量とに基づいて、刺激が付与された被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を判断している。この場合、刺激が付与された被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量を精度良く判断できる。刺激の付与前後での被測定物Ｓ中の褐色脂肪組織量或いはベージュ脂肪量の変化を顕著に判断できることで、分析の応用の幅を更に広げることが可能となる。
　本開示は、上記実施形態に限られるものではない。例えば分析装置１は、ノイズ除去処理が施されたスペクトルデータにおける脂肪の吸収ピークＰ２（図２及び図３参照）の値の変化に基づいて、褐色脂肪組織或いはベージュ脂肪の変化量を判断する判断部を備えていてもよい。
　図１１（ａ）は、コントロール群及び刺激付与群における褐色脂肪組織での脂肪の吸収ピークの値の経時変化を示す図である。図１１（ｂ）は、コントロール群及び刺激付与群における褐色脂肪組織中の中性脂肪量の経時変化を示す図である。同図の結果は、生化学分析に基づいて得られたものである。褐色脂肪組織での脂肪の吸収ピークは、波長９２４ｎｍ付近に存在する。
　図１１（ａ）の結果から、１４日間及び２８日間の２つのデータにおいて、脂肪の吸収ピークが寒冷刺激の継続によって有意に減少していることが認められた。また、図１１（ｂ）の結果から、刺激付与群における褐色脂肪組織中の中性脂肪量は、全ての期間のデータにおいて、コントロール群における褐色脂肪組織中の中性脂肪量を下回っていることが認められた。したがって、脂肪の吸収ピークの減少量は、生化学分析から得られた中性脂肪の減少量と一致する傾向を有することが確認できた。
　図１２（ａ）は、コントロール群及び刺激付与群におけるベージュ脂肪での脂肪の吸収ピークの値の経時変化を示す図である。図１２（ｂ）は、コントロール群及び刺激付与群におけるベージュ脂肪中の中性脂肪量の経時変化を示す図である。同図の結果は、生化学分析に基づいて得られたものである。ベージュ脂肪での脂肪の吸収ピークは、波長９２６ｎｍ付近に存在する。
　図１２（ａ）の結果から、７日間のデータを除いたデータにおいて、脂肪の吸収ピークが寒冷刺激の継続によって有意に減少していることが認められた。また、図１２（ｂ）の結果から、褐色脂肪組織と比較して減少幅は小さいものの、刺激付与群におけるベージュ脂肪中の中性脂肪量は、７日間、１４日間、２８日間の３つのデータにおいて、コントロール群におけるベージュ脂肪中の中性脂肪量を下回っていることが認められた。したがって、脂肪の吸収ピークの減少量は、生化学分析から得られた中性脂肪の減少量と一致する傾向を有することが確認できた。
　１…分析装置、１１…光照射部、１２…光検出部、２１…データ処理部、２２…第１の判断部，２３…第２の判断部、Ｉ…計測光、Ｒ…反射光、Ｓ…被測定物、Ｐ１…水の吸収ピーク、Ｐ２…脂肪の吸収ピーク。

Claims (8)

  1. 　波長９００ｎｍ帯の光を含む計測光を被測定物に向けて照射する光照射部と、
    　前記被測定物からの反射光を検出し、前記被測定物における前記反射光のスペクトルデータを取得する光検出部と、
    　前記光検出部で取得された前記スペクトルデータにノイズ除去処理を施すデータ処理部と、
    　被測定物中の中性脂肪量の予測に関するＰＬＳ回帰モデルを保有し、前記ノイズ除去処理が施された前記スペクトルデータを前記ＰＬＳ回帰モデルに適用することにより、前記被測定物中の中性脂肪量を判断する第１の判断部と、
    　被測定物中の中性脂肪量との相関を示すデータを保有し、当該データと前記第１の判断部で判断された前記中性脂肪量とに基づいて、前記被測定物中の褐色脂肪組織量或いはベージュ脂肪量を判断する第２の判断部とを備える分析装置。
  2. 　前記ＰＬＳ回帰モデルは、前記ノイズ除去処理が施された前記スペクトルデータにおける脂肪の吸収ピークの値に基づくモデルである請求項１記載の分析装置。
  3. 　前記第１の判断部は、前記ノイズ除去処理が施された前記スペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、前記被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断する請求項１又は２記載の分析装置。
  4. 　前記第２の判断部は、刺激が付与された被測定物中の中性脂肪量との相関を示すデータを保有し、当該データと前記第１の判断部で判断された前記中性脂肪量とに基づいて、前記刺激が付与された前記被測定物中の前記褐色脂肪組織量或いは前記ベージュ脂肪量を判断する請求項１～３のいずれか一項記載の分析装置。
  5. 　波長９００ｎｍ帯の光を含む計測光を被測定物に向けて照射する光照射ステップと、
    　前記被測定物からの反射光を検出し、前記被測定物における前記反射光のスペクトルデータを取得する光検出ステップと、
    　前記光検出ステップで取得された前記スペクトルデータにノイズ除去処理を施すデータ処理ステップと、
    　中性脂肪量の予測に関するＰＬＳ回帰モデルを用い、前記ノイズ除去処理が施された前記スペクトルデータを前記ＰＬＳ回帰モデルに適用することにより、前記被測定物中の中性脂肪量を判断する第１の判断ステップと、
    　被測定物中の中性脂肪量との相関を示すデータを用い、当該データと前記第１の判断ステップで判断された前記中性脂肪量とに基づいて、前記被測定物中の褐色脂肪組織量或いはベージュ脂肪量を判断する第２の判断ステップとを備える分析方法。
  6. 　前記ＰＬＳ回帰モデルとして、前記ノイズ除去処理が施された前記スペクトルデータにおける脂肪の吸収ピークの値に基づくモデルを用いる請求項５記載の分析方法。
  7. 　前記第１の判断ステップでは、前記ノイズ除去処理が施された前記スペクトルデータにおける波長９００ｎｍ帯の水の吸収ピークの有無に基づいて、前記被測定物中の褐色脂肪組織、ベージュ脂肪、及び白色脂肪の存在の有無を判断する請求項５又は６記載の分析方法。
  8. 　前記第２の判断ステップでは、刺激が付与された被測定物中の中性脂肪量との相関を示すデータを用い、当該データと前記第１の判断ステップで判断された前記中性脂肪量とに基づいて、前記刺激が付与された前記被測定物中の前記褐色脂肪組織量或いは前記ベージュ脂肪量を判断する請求項５～７のいずれか一項記載の分析方法。
PCT/JP2021/046553 2021-01-18 2021-12-16 分析装置及び分析方法 WO2022153781A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US18/266,355 US20240099586A1 (en) 2021-01-18 2021-12-16 Analysis device and analysis method
GB2307944.5A GB2616155A (en) 2021-01-18 2021-12-16 Analysis device and analysis method
DE112021006832.6T DE112021006832T5 (de) 2021-01-18 2021-12-16 Analysevorrichtung und Analyseverfahren
JP2022575154A JPWO2022153781A1 (ja) 2021-01-18 2021-12-16

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-005585 2021-01-18
JP2021005585 2021-01-18

Publications (1)

Publication Number Publication Date
WO2022153781A1 true WO2022153781A1 (ja) 2022-07-21

Family

ID=82447255

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/046553 WO2022153781A1 (ja) 2021-01-18 2021-12-16 分析装置及び分析方法

Country Status (5)

Country Link
US (1) US20240099586A1 (ja)
JP (1) JPWO2022153781A1 (ja)
DE (1) DE112021006832T5 (ja)
GB (1) GB2616155A (ja)
WO (1) WO2022153781A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04500762A (ja) * 1988-03-14 1992-02-13 ヒュートレックス　インコーポレイテッド 体脂肪率を測定するための近赤外線定量測定装置
JP2005506517A (ja) * 2001-01-26 2005-03-03 センシス メディカル インク 組織の光学特性によるグルコースの非侵襲的測定
US20090024041A1 (en) * 2007-07-19 2009-01-22 Samsung Electronics Co., Ltd. Apparatus for measuring bio-information
JP2015077387A (ja) * 2013-09-12 2015-04-23 学校法人立命館 褐色脂肪組織の測定方法及び測定装置
CN108148572A (zh) * 2018-01-12 2018-06-12 济南大学 一种脂滴荧光探针及其合成方法和应用
WO2019069513A1 (ja) * 2017-10-06 2019-04-11 浜松ホトニクス株式会社 脂肪計測装置
WO2019139541A1 (en) * 2018-01-12 2019-07-18 Agency For Science, Technology And Research Method and system for in vivo detection of adipose tissue browning

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04500762A (ja) * 1988-03-14 1992-02-13 ヒュートレックス　インコーポレイテッド 体脂肪率を測定するための近赤外線定量測定装置
JP2005506517A (ja) * 2001-01-26 2005-03-03 センシス メディカル インク 組織の光学特性によるグルコースの非侵襲的測定
US20090024041A1 (en) * 2007-07-19 2009-01-22 Samsung Electronics Co., Ltd. Apparatus for measuring bio-information
JP2015077387A (ja) * 2013-09-12 2015-04-23 学校法人立命館 褐色脂肪組織の測定方法及び測定装置
WO2019069513A1 (ja) * 2017-10-06 2019-04-11 浜松ホトニクス株式会社 脂肪計測装置
CN108148572A (zh) * 2018-01-12 2018-06-12 济南大学 一种脂滴荧光探针及其合成方法和应用
WO2019139541A1 (en) * 2018-01-12 2019-07-18 Agency For Science, Technology And Research Method and system for in vivo detection of adipose tissue browning

Also Published As

Publication number Publication date
GB2616155A (en) 2023-08-30
US20240099586A1 (en) 2024-03-28
JPWO2022153781A1 (ja) 2022-07-21
GB202307944D0 (en) 2023-07-12
DE112021006832T5 (de) 2023-11-16

Similar Documents

Publication Publication Date Title
Li et al. Simultaneous measurement of deep tissue blood flow and oxygenation using noncontact diffuse correlation spectroscopy flow-oximeter
Gabriely et al. Transcutaneous glucose measurement using near-infrared spectroscopy during hypoglycemia.
Currà et al. Near-infrared spectroscopy as a tool for in vivo analysis of human muscles
US9841415B2 (en) Noninvasive apparatus and method for testing glycated hemoglobin
US20080097173A1 (en) Measuring Tissue Oxygenation
JP2005506517A (ja) 組織の光学特性によるグルコースの非侵襲的測定
EP1210582A1 (en) Optical sensor having a selectable sampling distance for determination of analytes
JP2002515277A (ja) 組織温度のコントロールを伴う非侵襲的光学センサー
Mesquita et al. Diffuse optical characterization of an exercising patient group with peripheral artery disease
JP2007259967A (ja) 体内成分計測装置
US20220357279A1 (en) Dual wavelength combined fingerprint and high wavenumber raman spectroscopy and applications of same
Abdlaty et al. Skin erythema assessment techniques
Hornberger et al. Approaches for calibration and validation of near-infrared optical methods for oxygenation monitoring
Ni et al. A preliminary study on the utilisation of near infrared spectroscopy to predict age and in vivo human metabolism
Abookasis et al. Monitoring hemodynamic and morphologic responses to closed head injury in a mouse model using orthogonal diffuse near-infrared light reflectance spectroscopy
Verkruysse et al. A library based fitting method for visual reflectance spectroscopy of human skin
Huang et al. Second derivative multispectral algorithm for quantitative assessment of cutaneous tissue oxygenation
WO2022153781A1 (ja) 分析装置及び分析方法
Davydov et al. Monitoring the skin structure during edema in vivo with spatially resolved diffuse reflectance spectroscopy
Lisenko et al. Determination of structural and morphological parameters of human bulbar conjunctiva from optical diffuse reflectance spectra
Geraskin et al. Optical measurement of adipose tissue thickness and comparison with ultrasound, magnetic resonance imging, and callipers
Fu et al. Fingertip capillary dynamic near infrared spectrum (DNIRS) measurement combined with multivariate linear modification algorithm for noninvasive blood glucose monitoring
US10653343B2 (en) System and method for non-invasive glucose monitoring using near infrared spectroscopy
KR102290278B1 (ko) 비침습 간기능 검사 장치 및 비침습 간기능 검사 방법
Jonasson et al. Absorption and reduced scattering coefficients in epidermis and dermis from a Swedish cohort study

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21919669

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022575154

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 202307944

Country of ref document: GB

Kind code of ref document: A

Free format text: PCT FILING DATE = 20211216

WWE Wipo information: entry into national phase

Ref document number: 18266355

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 112021006832

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21919669

Country of ref document: EP

Kind code of ref document: A1