JP2008104529A - 健康／疾患度測定方法、健康／疾患度測定装置、健康／疾患度測定システム - Google Patents

Abstract

【課題】 睡眠中の被験者への負担を大きくすることなく、睡眠中に測定されたデータから、健康／疾患度に関して情報を提供する。
【解決手段】 寝具にセットした圧電センサ、又は生体に装着した脈波センサ又は心電センサであるセンサ手段より得られた原信号から心拍数時系列データを抽出する。次に、前記心拍数時系列データを、心拍数時系列データ解析手段により近似直線除去ゆらぎ解析する。このゆらぎ解析の結果により、健康／疾患度を測定する。
【選択図】 図２

Description

本発明は、特に健康／疾患度測定方法、健康／疾患度測定装置、健康／疾患度測定システムに関する。

現在、家庭で測定できる健康管理システムは多数販売されているが、血圧、心電図、脈波などを測定できる健康管理システムなどがある。しかし、測定にはある程度の時間と手間が必要であり、場合によっては測定欠如の日も発生する。そこで、毎日の睡眠中のデータから無意識のうちに測定されたデータから、健康に関する情報が得られれば、ユーザーにとって非常に便利である。

また、最新の研究成果によると、心電図の心拍データに対してフラクタル解析のひとつの手法である近似直線除去ゆらぎ解析、すなわち、ＤＦＡ（Detrended Fluctuation Analysis）解析を用いることにより、心疾患やその他の疾患を推定できることがわかってきた（例えば、非特許文献１参照）。例えば、心房細動がある場合はＤＦＡで求められる指数が、生体に特徴的な１／ｆゆらぎから、ホワイトノイズに対応する値に近くなることが知られている。

清野健、山本義春著『ゆらぎの科学と技術―フラクチュオマティクス入門―』東北大学出版会 ２００４年発行、Ｐ７１〜Ｐ９０

しかしながら、上記従来技術のＤＦＡ解析においては、具体的にどのような疾患についてどのような値であれば疾患であるという判定を行うのは難しかった。
さらに、ＤＦＡ解析を睡眠中の心拍数の時系列データに適用して、健康／疾患度を推定する試みは行われていなかった。

本発明は、上記に鑑みてなされたものであって、上記問題点を解決する技術を提供することを課題とする。

請求項１に記載の発明は、検出手段より得られた原信号から脈波拍動成分データを抽出し、前記脈波拍動成分データから、心拍数時系列データを抽出し、前記心拍数時系列データを近似直線除去ゆらぎ解析してこの結果より健康／疾患度を測定することを特徴とする健康／疾患度測定方法であることを特徴とする。
請求項２に記載の発明は、前記測定は、リアルタイムで、又は保存された心拍数時系列データをもとに所定の時刻について行うことを特徴とする請求項１に記載の健康／疾患度測定方法であることを特徴とする。
請求項３に記載の発明は、前記健康／疾患度は、生活習慣病の健康／疾患度であることを特徴とする請求項１又は２に記載の健康／疾患度測定方法であることを特徴とする。
請求項４に記載の発明は、寝具にセットした圧電センサ、又は生体に装着した脈波センサ又は心電センサであるセンサ手段と、前記センサ手段より得られた原信号から心拍数時系列データを抽出する心拍数時系列データ抽出手段と、前記心拍数時系列データを近似直線除去ゆらぎ解析をする心拍数時系列データ解析手段と、健康／疾患度を測定する健康／疾患度測定手段を含むことを特徴とする健康／疾患度測定装置であることを特徴とする。
請求項５に記載の発明は、前記健康／疾患度測定装置を含むことを特徴とする請求項４に記載の健康／疾患度測定システムであることを特徴とする。
請求項６に記載の発明は、ネットワーク手段とサーバ手段をさらに含むことを特徴とする請求項４又は５に記載の健康／疾患度測定システムであることを特徴とする。

本発明にかかる健康／疾患度測定装置及び方法によれば、脈波の心拍データから、被験者の健康／疾患度を測定できる。

以下、本発明の実施形態について説明する。
まずは、図１に示すように、マットレスやベッド、布団、枕、クッション、座布団、ソファーなどである寝具２に、圧電センサ１が装備されており、この圧電センサ１の原信号の出力が、測定装置３に入力される。測定装置３は、脈波信号から各種処理を行い、被験者の健康／疾患度の測定を行って、パソコンである表示部４に該評価を表示する。

次に、図２に示すように、圧電センサ１は、被験者の脈波を取得することができる圧電センサであり、アナログ回路において、電源ノイズ等をカットして、生体の心臓の拍動による成分、すなわち１Ｈｚ付近を通過させるハイパスフィルタとローパスフィルタを通しながら増幅した後、５００Ｈｚ、１２bitでＡ／Ｄ（アナログ／デジタル）変換を行う。
測定装置３は、脈波拍動成分データ抽出部１１と、ＤＦＡ解析部１２と、健康／疾患度測定部１３から構成される。また、図示されない、制御部や記憶部により各部のデータが制御され、一時的に蓄積される。
脈波拍動成分データ抽出部１１は、圧電センサ１より得られた原信号から脈波拍動成分データを抽出する。ＤＦＡ解析部１２は、該脈波拍動成分データからＤＦＡ解析を行う。健康／疾患度測定部１３は該ＤＦＡ解析の結果より健康／疾患度を測定する。
また、健康／疾患度を表示する表示部４は、パソコン等のインテリジェントな表示機能を持った装置であり、健康／疾患度をグラフや図表の形式で表示する。

次に、本発明の実施の形態における健康／疾患度推定装置のデータ解析時における動作について、図３のフローチャートを参照して詳しく説明する。
まず、ステップＳ１において、脈波拍動成分データ抽出部１１が、圧電センサの原信号に対して、フィルタ処理を行う。この処理においては、測定装置３がデジタル化されたデータに対して０．７Ｈｚ〜１．４Ｈｚを通過させるＦＩＲバンドパスフィルタを通して、１Ｈｚ付近の心臓の拍動による脈波拍動成分データを抽出する。

次に、ステップＳ２において、ＤＦＡ解析部１２が脈波拍動成分データからピークを検出し、心電図のＲ−Ｒ間隔に相当するＰ−Ｐ間隔データを作成する。
このＲ−Ｒ間隔とＰ−Ｐ間隔との関係について、図４を参照して説明すると、心電図上の一拍であるＲ−Ｒ間隔とＰ−Ｐ間隔は、ピークの位置はずれるもののお互いに対応している。

このＰ−Ｐ間隔データを用いて、ＤＦＡ解析のスライディング計算を行う。
すなわち、図５を参照すると、スライディング計算とは、時間幅としてウィンドウ幅Ｗ、スライド点数Ｓとして、データの最初の点からスタートしてＷ点のすべてのデータを用いてある処理を行い、次に、データの最初の点からＳ点スライドした点からＷ点のすべてのデータを用いて同じ処理を行うということを繰り返す処理である。これにより、ウィンドウ幅Ｗの約半分の時間遅れで、計算結果を表示することができる。

次に、ステップＳ３において、ＤＦＡ解析部１２が、ＤＦＡ計算を行う。
このＤＦＡ(Detrended Fluctuation Analysis)解析における計算は、以下のようにして行う。
まず、時系列データをX(1), X(2), X(3), ... , X(N)とした場合、全体の平均値を計算する。
次に、時系列データの各値から、平均値を引きそれを積分しy(k)を求める。図６に、この積分にてy(k)を求める概念を示す。
下の式では、時系列データが、時間について離散的なデータであるため、積分は和に置き換えられている。

さらに、積分後の時系列 を等間隔ｎの区分時間で分割し、その区分時間内で最小２乗近似直線 （ローカルトレンド）を求める。y(k)からyn(k)のトレンドを除去し二乗して平均をとり平方根をとった （平均二乗誤差）は、数２に示す通りとなる。

区分時間の大きさを全ての時間スケールに対して変化させ、各区分時間毎にF(n) を計算し、横軸に区分時間の対数log n 、縦軸に平均二乗誤差平均F(n)の対数log F(n) をプロットする。図７を参照すると、このようにして求まるlog nとlog F(n)のプロット図が、図７の各点になる。このときの傾きが、スケール指数αである。図７においては、最小２乗法で求められる直線の傾きがこれにあたる。つまり、この傾きがＤＦＡ解析で導かれるスケール指数αである。

ＤＦＡ解析では、このスケール指数αの大小により、時系列データX(i)を、一般的に以下のように分類することができる。
0＜α＜0.5 ：反相関
α＝0.5 ：無相関、ホワイトノイズ
0.5＜α＜1.0：長距離相関
α＝1 ：1／ｆゆらぎ
α＞1 ：相関はあるが、log nとlog F(n)の間の直線関係（PowerLaw）が崩れる
α＝1.5 ：ブラウンノイズ（ホワイトノイズの積分）、ランダムウォーク
このように、ＤＦＡ解析では、有限の時系列データから１つのスケール指数αの値が導かれる。

次に、ステップＳ４において、健康／疾患度測定部１３が、上述のスケール指数αの値から、被験者の健康／疾患度を測定する。具体的には、健康／疾患度測定部１３が、予め蓄えられた各種成人病の評価テーブルと上述のスケール指数αの値を比べて、健康／疾患度に関する出力として表示部４に出力する。これにより、健康／疾患度測定の一連のシークエンスが終了する。

以上のステップは、リアルタイムで、又は保存された前記脈波拍動成分データをもとに所定の時刻について行うことができる。

図８は、上述の健康／疾患度について、２つの閾値を設定し３段階で結果を表示した例である。中央のラインが1／ｆゆらぎに相当する健康な状態であり、下のラインが疾患の可能性がある状態、上のラインが疾患でも健康でもない心理的に不健康な状態と考えられる。
この心理的に不健康な状態とは、スケール指数αが１よりも大きく、ゆらぎが過剰な状態であり、疾患ではないけれども、興奮している状態、落ち着かない状態や、気分が悪い心理状態であると推測される。

以上のように構成することにより、以下のような効果が生じる。
従来、ＤＦＡ解析は心電Ｒ−Ｒ解析に用いられており、生体が健全な状態にある場合にはスケール指数αが１に近く（1／ｆゆらぎ）、心房細動がある場合はスケール指数αが０．５に近いことが知られている。
しかし、脈波は心臓の収縮に関係する純粋なデータである心電図よりも、体内の血流の情報を豊富に含む。このため、脈波のＰ−Ｐ間隔からＤＦＡ解析をすることで、具体的な成人病に関する知見が得られる。
たとえば図９は、実験における、指尖脈波によるＰ−Ｐ間隔データのＤＦＡ解析の結果である。
この実験によると、ＤＦＡ解析のスケール指数αは、健常者では1／ｆゆらぎである１を中心として分布しており、高血圧と狭心症では０．９付近、糖尿病と心筋梗塞では０．６〜０．７付近、心房細動の被験者では０．５付近に分布している。健康な場合が1／ｆゆらぎのα＝１で、疾患の度合いが大きくなるにつれて、スケール指数αがだんだん小さくなり、無相関、ホワイトノイズである０．５に近づくと考えられる。
上述の結果から各種成人病の評価テーブルを作成し、上述のスケール指数αの値を比べて、健康／疾患度に関する出力とすることができる。
具体的には、被験者のスケール指数αを、評価テーブルの範囲と重ね合わせて、被験者がどの状態にいるのかを示すことで、被験者の健康／疾患度を予測し、測定することができる。

また、本発明に係る健康／疾患度推定装置、睡眠状態及び健康／疾患度推定方法は、日常生活で手軽に使用できる。
加えて、毎日の睡眠時のデータから健康／疾患度を推定できるので、測定者が手間を取られることがなく健康チェックを行うことができる。加えて、睡眠時のデータを平均してＤＦＡ解析を行うので、スケール指数αの測定の精度が向上するという効果が得られる。
さらに、健常者の健康度チェックだけでなく、病院施設の入院患者のデータを測定し、データを解析しながら投薬することにより、医学的にも新しい治療法として利用できる可能性がある。

なお、上記実施の形態の構成及び動作は例であって、本発明の趣旨を逸脱しない範囲で適宜変更して実行することができることは言うまでもない。
例えば、本発明の実施の形態では寝具に装備したセンサは圧電センサとしたが、他の種類の圧力センサ、脈波センサ、又は心電センサであってもよい。また、寝具も、毛布や羽毛布団等の様々な素材を用いることができる。
また、上述の実験の結果より、逆に、例えば（ゆらぎのない電気刺激を発生する）ペースメーカーを装備して自律神経が支配され、生来的に脈に生じるゆらぎ（変動）が低下すると、血圧に加えられた急激な外乱に対する俊敏な補償性と反応性が低下してしまい、疾患につながるとも考察される。
このため、適度な乱数で電気刺激を与えるペースメーカーと、本発明の実施の形態に係る健康／疾患度の状態の測定装置を組み合わせることで、さらなる効果が期待できる。
たとえば、ゆらぎが低下している状態の際に、ペースメーカーに乱数を健康なレベルになるようにゆらぎを与えるような信号を送ると、よりペースメーカーを身体の状態に合わせて使用することが可能となるという効果が生じる。

本発明の実施の形態に係る健康／疾患度測定装置の説明をする図である。 本発明の実施の形態に係る健康／疾患度測定装置のブロック図である。 本発明の実施の形態に係る健康／疾患度測定のフローチャートである。 本発明の実施の形態におけるＲ−Ｒ間隔とＰ−Ｐ間隔の説明図である。 本発明の実施の形態におけるスライディング計算の説明図である。 本発明の実施の形態におけるＤＦＡ解析のアルゴリズム説明図１である。 本発明の実施の形態におけるＤＦＡ解析のアルゴリズム説明図２である。 本発明の実施の形態における健康／疾患度の結果グラフの例である。 本発明の実施の形態におけるゆらぎ解析のスケール指数指数αによる健常者と疾患を持つ患者の実験結果を示す図である。

符号の説明

１ 圧電センサ （検出手段）
２ 寝具
３ 測定装置
４ 表示部 （表示手段）
１１ 脈波拍動成分データ抽出部 （脈波拍動成分データ抽出手段）
１２ ＤＦＡ解析部 （ＤＦＡ解析手段）
１３ 健康／疾患度測定部 （健康／疾患度測定手段）
α スケール指数

Claims (6)

1. 検出手段より得られた原信号から脈波拍動成分データを抽出し、
   前記脈波拍動成分データから、心拍数時系列データを抽出し、
   前記心拍数時系列データを近似直線除去ゆらぎ解析して
   この結果より健康／疾患度を測定することを特徴とする健康／疾患度測定方法。
2. 前記測定は、リアルタイムで、又は保存された前記心拍数時系列データをもとに所定の時刻について行うことを特徴とする請求項１に記載の健康／疾患度測定方法。
3. 前記健康／疾患度は、生活習慣病の健康／疾患度であることを特徴とする請求項１又は２に記載の健康／疾患度測定方法。
4. 寝具にセットした圧電センサ、又は生体に装着した脈波センサ又は心電センサであるセンサ手段と、
   前記センサ手段より得られた原信号から心拍数時系列データを抽出する心拍数時系列データ抽出手段と、
   前記心拍数時系列データを近似直線除去ゆらぎ解析する心拍数時系列データ解析手段と、
   健康／疾患度を測定する健康／疾患度測定手段とを含むことを特徴とする健康／疾患度測定装置。
5. 前記健康／疾患度測定装置を含むことを特徴とする請求項４に記載の健康／疾患度測定システム。
6. ネットワーク手段とサーバ手段をさらに含むことを特徴とする請求項４又は５に記載の健康／疾患度測定システム。

Images