特許ウォッチ

公開番号2025161496
公報種別公開特許公報(A)
公開日2025-10-24
出願番号2024064721
出願日2024-04-12
発明の名称血糖値測定装置及び血糖値測定方法
出願人浜松ホトニクス株式会社
代理人個人,個人,個人,個人
主分類A61B 5/1455 20060101AFI20251017BHJP(医学または獣医学;衛生学)
要約【課題】生体の血糖値を精度よく測定することが可能な血糖値測定装置及び血糖値測定方法を提供する。
【解決手段】血糖値測定装置1は、生体の血糖値を測定する装置であって、学習済みの機械学習モデルMOを用いて血糖値を推定する推定部11を備える。機械学習モデルMOは、生体の血液の酸素化ヘモグロビンと脱酸素化ヘモグロビンとの時間的位相差が入力パラメータとして少なくとも入力されることで、血糖値に関する出力データを出力するモデルである。
【選択図】図1
特許請求の範囲【請求項１】
生体の血糖値を測定する血糖値測定装置であって、
学習済みの機械学習モデルを用いて前記血糖値を推定する推定部を備え、
前記機械学習モデルは、前記生体の血液の酸素化ヘモグロビンと脱酸素化ヘモグロビンとの時間的位相差が入力パラメータとして少なくとも入力されることで、前記血糖値に関する出力データを出力するモデルである、血糖値測定装置。
続きを表示（約 1,000 文字）【請求項２】
前記機械学習モデルは、前記生体の血液の総ヘモグロビン濃度が入力パラメータとして入力されるモデルである、請求項１に記載の血糖値測定装置。
【請求項３】
前記機械学習モデルは、前記生体の血液の酸素飽和度が入力パラメータとして入力されるモデルである、請求項１に記載の血糖値測定装置。
【請求項４】
前記機械学習モデルは、前記生体の光路長ファクタが入力パラメータとして入力されるモデルである、請求項１に記載の血糖値測定装置。
【請求項５】
前記機械学習モデルは、前記生体の局所表面体温、前記生体の深部体温、及び外気温の少なくとも何れかが入力パラメータとして入力されるモデルである、請求項１に記載の血糖値測定装置。
【請求項６】
前記機械学習モデルは、前記生体が位置する標高、前記生体の性別、前記生体の体格、前記生体の種別、及び、前記生体の年齢の少なくとも何れかが入力パラメータとして入力されるモデルである、請求項１に記載の血糖値測定装置。
【請求項７】
前記機械学習モデルは、前記生体の加速度、前記生体の周辺の環境光、前記生体の睡眠段階、前記酸素化ヘモグロビンのＳＮ比、及び、前記脱酸素化ヘモグロビンのＳＮ比の少なくとも何れかが入力パラメータとして入力されるモデルである、請求項１に記載の血糖値測定装置。
【請求項８】
生体に対して光を出力する光源を含む光出力部と、
前記光出力部で出力されて前記生体を透過した光を検出する光検出部と、を備え、
前記推定部は、前記光検出部の検出結果に基づいて、前記生体の血液の酸素化ヘモグロビンと脱酸素化ヘモグロビンとの時間的位相差を算出する、請求項１に記載の血糖値測定装置。
【請求項９】
前記機械学習モデルは、ニューラルネットワークを含むモデルである、請求項１に記載の血糖値測定装置。
【請求項１０】
生体の血糖値を測定する血糖値測定方法であって、
学習済みの機械学習モデルを用いて前記血糖値を推定する推定ステップを備え、
前記機械学習モデルは、前記生体の血液の酸素化ヘモグロビンと脱酸素化ヘモグロビンとの時間的位相差が入力パラメータとして少なくとも入力されることで、前記血糖値に関する出力データを出力するモデルである、血糖値測定方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、血糖値測定装置及び血糖値測定方法に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
生体の血糖値を測定する血糖値測定装置に関する技術として、例えば特許文献１に記載された装置が知られている。特許文献１に記載の装置では、連続グルコースモニタリングシステムで得られた過去のグルコース測定値を機械学習モデルに入力することにより、将来のグルコース測定値を予測する。
【先行技術文献】
【特許文献】
【０００３】
特表２０２３－５２９２６１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
近年、例えば機械学習技術の進展に伴い、機械学習モデルを用いて生体の血糖値を測定する血糖値測定装置の開発が進められている。しかし、このような血糖値測定装置において、例えば医療機器と同等の精度で血糖値を精度よく測定することは、未だ困難である。
【０００５】
そこで、本開示は、生体の血糖値を精度よく測定することが可能な血糖値測定装置及び血糖値測定方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
本発明者等は鋭意検討を重ねた結果、生体の血液の酸素化ヘモグロビンと脱酸素化ヘモグロビンとの時間的位相差（以下、「オキシ・デオキシ位相差」ともいう）が、生体の血糖値と相関しているという知見を得た。具体的には、生体において、血糖値が局所酸素代謝（心拍１回の酸素消費量）に相関し、局所酸素代謝がオキシ・デオキシ位相差に相関することを見出した。つまり、例えば、生体において血糖値の上昇により代謝(細胞呼吸)が増大した場合、酸素消費が増大し、酸素消費の当該増大に伴ってオキシ・デオキシ位相差も増大することを見出した。このような知見に基づき学習させた機械学習モデルを用いることで、生体の血糖値を精度よく推定できることに至り、本開示を完成するに至った。
【０００７】
すなわち、本開示の血糖値測定装置は、［１］「生体の血糖値を測定する血糖値測定装置であって、学習済みの機械学習モデルを用いて前記血糖値を推定する推定部を備え、前記機械学習モデルは、前記生体の血液の酸素化ヘモグロビンと脱酸素化ヘモグロビンとの時間的位相差が入力パラメータとして少なくとも入力されることで、前記血糖値に関する出力データを出力するモデルである、血糖値測定装置」である。
【０００８】
上記［１］に記載された血糖値測定装置では、オキシ・デオキシ位相差を入力パラメータとした機械学習モデルを用いて、生体の血糖値に関する出力データを得ることができる。この場合、オキシ・デオキシ位相差が生体の血糖値と相関するという上記知見を機械学習モデルに利用し、生体の血糖値を精度よく測定することが可能となる。
【０００９】
本開示の血糖値測定装置は、［２］「前記機械学習モデルは、前記生体の血液の総ヘモグロビン濃度が入力パラメータとして入力されるモデルである、上記［１］に記載の血糖値測定装置」であってもよい。生体において、血糖値が局所酸素代謝に相関し、局所酸素代謝が血液の総ヘモグロビン濃度にも相関するという知見が見出される。よって、上記［２］に記載された血糖値測定装置では、当該知見を機械学習モデルに利用し、生体の血糖値をより精度よく測定することが可能となる。
【００１０】
本開示の血糖値測定装置は、［３］「前記機械学習モデルは、前記生体の血液の酸素飽和度が入力パラメータとして入力されるモデルである、上記［１］又は［２］に記載の血糖値測定装置」であってもよい。生体において、血糖値が局所酸素代謝に相関し、局所酸素代謝が血液の酸素飽和度にも相関するという知見が見出される。よって、上記［３］に記載された血糖値測定装置では、当該知見を機械学習モデルに利用し、生体の血糖値をより精度よく測定することが可能となる。
（【００１１】以降は省略されています）

関連特許