JP5536337B2 - 体液中の物質濃度を推定するためのシステムおよび方法 - Google Patents

Description

本発明は、体液中の物質濃度を推定するためのシステムおよび方法に関する。本発明の特に好ましい実施の形態は、血液中の物質濃度を非侵略的にインビボで光学的に推定できるシステムおよび方法に関する。

本発明の教示は、血液中の物質濃度、特にグルコース濃度の推定について特に重点をおいて以下に説明する。しかしながら、様々な異なる体液中の物質濃度の推定に対して本発明の教示が適用されてもよいことは、当業者に直ちに明らかであり、それゆえ以下の説明が、血液中の物質濃度の推定に対してのみ限定されると解釈されるべきではない。物質濃度の推定はインビボで行われることが好ましいが、これは重要ではなく、開示されたシステムおよび方法は、体液中の物質濃度のインビトロ推定に対して同様に十分に利用されてもよい。

血液は様々な異なる物質を含んでおり、それらのうちのいくつかは病状に関連している。かかる物質に関して、患者が正しく治療されるためには、血液中の物質濃度が正確に推定されることが重要である。かかる物質には、例えば、グルコース、コレステロール、尿素、ビリルビン、酸素等が含まれる。多くの状況において、継続的に患者の症状をモニターし、それに応じて施される治療を調整することは重要であり、それゆえ特定の物質濃度を繰り返し測定することが通常である。

患者の血液中の物質濃度の頻繁な測定が必要となる１つの例示的病状は、糖尿病である。真性糖尿病は、血中インスリンの欠損、非送達、またはインスリン量の枯渇に結びつく、グルコースを代謝する身体プロセスを妨害する。血流中のグルコース構造の蓄積は、脈管疾患、腎臓病、高血圧症および視力低下を頻繁にもたらし、血中ブドウ糖変動を減少させることによって、糖尿病患者（特にＩＩ型）の合併症を減少させることができる。

Ｉ型（若年発症）糖尿病においては、インシュリンを産生する膵臓細胞が異物であるかのように見なされて死滅し、それにより唯一のインスリン源が身体から奪われてしまう。これらの細胞はウイルスに類似している表面受容体を共有すると、研究者は考えている。免疫システムがこのウイルスを攻撃する場合、誤ってインシュリン分泌細胞を攻撃する。Ｉ型糖尿病はすべての糖尿病症例の１０％を占め、インスリン注射を併用する集中的グルコースモニタリングを必要とする。

ＩＩ型（成人発症）糖尿病においては、インシュリン不耐性細胞の不可思議な出現または膵臓での不十分なインシュリンの産生のいずれかが生じる。ダイエット、運動および経口薬剤により、さほど重症でない型の糖尿病の管理を補助することはできるが、糖尿病合併症を引き起こすグルコース変動の制限のためには、頻繁なグルコースモニタリングが依然として重要である。

血糖レベルのモニタリングは様々な技術によって行うことができ、それらのうちのいくつかは侵襲的であり、他のいくつかは半非侵襲的または完全に非侵襲的である。

特定の物質濃度を侵襲的に測定する通常の方法の１つは、患者の血液のサンプルを採取し、そのサンプルのグルコース濃度について検査することである。しかしながら、糖尿病患者における血糖レベルのモニターが比較的高頻度で必要であるということは、患者に対する度重なる血液の侵襲的サンプリングが、不必要な痛み、不自由および不快感をもたらす場合があることを意味する。さらにこの侵襲的検査プロセスに関連した器具（ランセットおよび検査ストリップのような）の費用は軽微ではなく、頻繁な検査によるこの「経済的不利益」のために、患者は指示された検査予定表に厳格に従うのを止めてしまう。

侵襲的検査に対する代替物として、間接的な半非侵襲的血液物質測定法が今までにいくつか提案されてきた。これらの技術のうちのいくつかは、なお間質液のサンプルの採取に経皮貫通（すなわち皮膚上層を経た貫通）を必要とし、他のアプローチでは、容易に入手可能な体液（唾液または涙のような）中の物質濃度を測定する。いずれの場合においても、これらの間質液または入手可能な体液中の物質濃度は血液中の物質濃度と関連しているが、間質液または容易に入手可能な体液中の物質濃度の変化と、血液中の物質濃度の濃度変化の間には、時間的な遅延が存在することがまれではないので、測定の正確性は影響を受けるかもしれない。このことは、間接測定を使用する技術では、検出されないか、または患者への必要な治療を投与するのに必要であるよりも遅く検出されるかのいずれかのために、血糖濃度が危険レベルになってしまうような血糖レベルに特に当てはまる。

多数の他の提案された血液物質測定技法は、たとえそれらが化学薬剤の注入または患者への有意な（生理学的に検出可能な）量の電気エネルギーの投与を必要としても、非侵襲的なものとして分類される。これらの技術は、比較的不正確であり、典型的には従来の侵襲的技術による患者からの血液サンプルの採取を含む個人ごとの再較正を頻繁に必要とする傾向があり、それによって、この技術の非侵襲的部分が持つ患者に対するいかなる長所をも相殺してしまう。

多くの独立した研究者が、血糖と光学的放射（可視光線および近赤外線（ＮＩＲ））の血液吸光度係数の間に相関性が存在することを示し、同様の相関性は他の血液物質に関しても見出されている。かかる相関性は、非侵襲的な光学的モニタリングが可能であろうことを示唆する傾向があるが、光学的センサーにより皮膚を経て得ることができる情報は、全スペクトルにわたって、血液および組織中に存在する他の成分によって非常に影響を受ける場合がある。例えば、グルコースに関して得られる光学的情報は、類似の波長における水および脂肪の大きな吸収によって非常に影響を受ける。したがって１杯の水およびグルコースのサンプリングの場合には、実験的な光学的モニタリングシステムは適切に作動するであろうが、主に血糖濃度を直接予測する光学的センサーから得られた情報を使用することは困難であるので、かかるアプローチを実行する実際的な試みは技術的に問題があることが証明されている。かかる問題を解決する試みは提案されてきたが、かかる試みは、典型的には、測定結果の正確性の向上を補助する予備情報を得るための付加的な非光学的実験を含んでいる。

血糖モニターに対する有力な応用は、糖尿病管理のための閉ループシステムである。閉ループシステムは、低血糖症（グルコースの欠如）および長期糖尿病合併症のリスクを著しく減少させることができるが、かかるシステムは正確で連続的な血糖モニタリングでのみ達成可能であり、既存の技術を使用する同種のものは現在利用不可能である。非侵襲的薬剤送達法に非侵襲的モニタリング装置を統合したシステムを考案して容易に操作でき、個別に糖尿病を制御する装置を作り出すことができるならば、明らかに有利であろう。

一般論として、今までに提案された侵襲的または半侵襲的な血糖レベル測定のための技術は、特に高い頻度でかかる検査が反復されなくてはいけないことを考えると、患者にとって苦痛を伴いがちである。間質液による血糖レベルの間接的な測定を含む技術は、血糖レベルの変化と間質液中のグルコース濃度の変化の間の時間的な遅延があるので比較的不正確な傾向があり、多くの技術が、それぞれの特定の患者に対する個人ごとの較正を必要とする（典型的に、その較正は従来の侵襲的技術によって採取される患者の血液サンプルを必要とする）。患者の皮膚へ光を向けることを伴う非侵襲的技術は今までに理論上では提案されたが、実際には、組織成分および他の物質により、光学的グルコースフィンガープリントを曖昧にし、検出可能な信号を減衰する。

前述の内容を考慮すると、血液中の物質濃度の効果的で非侵襲的な推定のためのシステムおよび方法であって、個人ごとの較正の要求によって妨げられない方法およびシステムに対して、当該分野における必要性があることは明らかである。

この目的のために、本発明の現時点で好ましい実施の形態は、血液を含む被験体の光学的応答を推定する方法を提供し、当該方法は、入射光に対する被験体のスペクトル応答を推定することができるモデルを形成する工程をと備え、モデルが複数のパラメータを含み、各パラメータがそれぞれの生化学成分のスペクトル応答に対する影響に対応するものであり、さらに、既知のスペクトル成分の光を被験体に向ける工程と、光に対する塩基被験体のスペクトル応答を検出する工程と、下記１から３のステップを繰り返し行う工程とを備える。１．前記モデルによって前記光に対する前記被験体のスペクトル応答をモデル化するステップ。２．前記モデル化されたスペクトル応答を前記検出されたスペクトル応答と比較するステップ。３．前記パラメータの１つ以上を変化させることによって前記比較に依存して前記モデルを変更するステップ。

モデル化されたスペクトル応答が、現在のモデルのモデル化されたスペクトル応答よりも検出されたスペクトル応答に対してより近い場合にのみ、モデルを変更するステップを行うことが好ましい。

複数の波長を含む光は、被験体に向けられるのが好ましく、被験体のスペクトル応答はそれぞれの波長について検出される。被験体に向けられる光は、複数の装置によって発生させてもよく、各装置はそれぞれの単一波長から成る光を発生できてもよい。

複数の波長の数は、モデル中に含まれるパラメータの数と同じか、それ以上であるのが好ましい。

モデル化されたスペクトル応答と検出されたスペクトル応答との間の差が、所定の閾値以下になるまで、モデル化、比較および変更のステップを繰り返し行うのが好ましい。

モデルを変更するステップはニューラルネットワークを使用して行ってもよい。

被験体のスペクトル応答は、被験体を経た２つの異なる経路を通って通過する光で検出されてもよい。

モデルは、生化学成分の光散乱および光吸収特性を表わすパラメータを含むのが好ましい。当該パラメータは被験体中の脂肪、水およびグルコースのうちの１つ以上の濃度を含んでもよく、複数の波長は２．１０μｍ、２．２７μｍおよび２．３２μｍを含んでもよい。

本発明の第２の局面によれば、血液を含む被験体の生化学成分の濃度を推定するための非侵襲的センサーを製造する方法であって、上で開示された方法によって、変更されるモデルを形成する工程と、既知のスペクトル成分の光に対する被験体のスペクトル応答に依存して、生化学成分のスペクトル応答に対する影響を推定するためにモデルを適用するよう構成された処理装置を形成する工程と、ユーザーに対して出力される推定された影響に依存して、処理装置がデータを生成できる出力手段を提供する工程とを備える方法が提供される。

本発明の第３の局面によれば、血液を含む被験体の生化学成分の濃度を推定する方法であって、本明細書において開示された方法によって、変更されるモデルを形成する工程と、既知のスペクトル成分の光を被験体に向ける工程と、光に対する被験体のスペクトル応答を検出する工程と、そして、光に対する被験体のスペクトル応答に依存して、生化学成分のスペクトル応答への影響を推定するためにモデルを適用する工程と、推定された影響に依存して、被験体における生化学成分の濃度を推定する工程とを備える方法が提供される。

本発明の現時点で好ましい第４の実施の形態は、体液中の物質濃度を推定するためのシステムであって、既知のスペクトル成分を有する光により、体液を含む被験体を照射する手段と；前記光に対する被験体のスペクトル応答を検出する手段と；前記既知のスペクトル成分の光による照射に対する被験体のスペクトル応答のモデル確立するよう作動可能な処理手段とを備え；前記モデルが複数のパラメータを有し、各パラメータがそれぞれの生化学物質の前記スペクトル応答に対する影響に対応し；前記処理手段が更に、モデル化されたスペクトル応答を検出されたスペクトル応答とを比較し、前記モデル化されたスペクトル応答が所定量を超えて前記検出されたスペクトル応答と異なる場合には、前記差が前記所定量よりも少なくなるまで、１つ以上の前記パラメータを繰り返し調整するよう作動可能であるシステムに関する。

好ましい実施の形態において、プロセッサは更に、前記所定量未満の差をもたらす調節に続いて、前記モデルから前記被験体における前記生化学成分濃度の推定を導出するよう作動可能である。

本発明の他の局面は、上で記載されたシステムによる使用のためのプローブに関し、プローブは、単一の筺体中に並列して配置される複数の光学的放射体および１つ以上の光検出体を備え、配置が、プローブが被験体に隣接して置かれる場合、複数の光学的放射体は既知のスペクトル成分の光によって被験体を照射するよう作動可能であり、少なくとも光の一部は１つ以上の前記光検出体による検出のために被験体を経て進むようなされている。

本発明の現時点で好ましい第５の実施の形態は、実行環境において実行された場合に、入射光に対する被験体のスペクトル応答を推定できるモデルを形成するよう作動可能である１つ以上のコンピュータープログラム要素を備え；モデルは複数のパラメータを含み、各パラメータはそれぞれの生化学物質のスペクトル応答に対する影響に対応するコンピュータープログラムに関する。

現時点で好ましい他の実施の形態および本発明の利点は、以下の好ましい実施の形態の詳細な説明の検討の後で当業者に対して明らかになるであろう。

本発明の好ましい実施の形態を詳述する前に、本発明の教示は血液中の物質濃度（特にグルコース濃度に対して）の推定について特に重点をおいて以後説明する、本発明の教示は、様々な異なる体液中の物質濃度の推定に対して適用されてもよく、従って以下の説明が血液中の物質濃度の推定に対してのみ限定されると解釈されるべきでないことを、この時点で繰り返して言及することは有益である。物質濃度の推定はインビボで行われることが好ましいが、これは重要ではなく、開示されるシステムおよび方法は、体液中の物質濃度のインビトロ推定のために同様に十分に利用されてもまたよい。

この後の記述で明らかになるように、本発明の実施の形態は、被験体に光を向けて、その光に対する被験体のスペクトル応答を測定することにより、血液中の物質の濃度を推定するための技術を提供する。一般論として、提案された技術は、被験体の入射光に対するスペクトル応答を適合してモデル化し、そのモデルを入射光に対して測定されたスペクトル応答と比較することを含む。モデルは、対象となる物質、例えばグルコース、によるスペクトル応答に対して生じた未知の寄与を表わすパラメータに加えて、水、脂肪またはヘモグロビン等の生化学物質が被験体のスペクトル応答に対して生じる容易に推定できる寄与を表わすパラメータを含む。モデルによって推定されるスペクトル応答が、入射光の既定の強度について検出されるスペクトル応答の受け入れ可能な許容誤差内に入るまで、モデルは適合される。適合されるモデルは、患者の血液中の物質濃度の推定のためのシステムの中核を形成する。一般論として、システムは、患者の指、耳たぶまたは他の身体部分であってもよい被験体に光を向けて、被験体のスペクトル応答を検出し、モデルおよび検出されたスペクトル応答を使用して患者の血液中の物質濃度を計算する。

システムは光学的センサーを含んでおり、被験体のスペクトル応答に対する被験体における各生化学物質が生じる寄与を分離することができる。これによってセンサーが１つの特定の成分により生じた寄与を決定することができ、その結果として被験体におけるその物質の濃度を計算できる。したがってセンサーは、被験体において推定される物質濃度を、侵襲的較正プロセスを必要とすることなく正確かつ非侵襲的に計算することができる。

入射光に対する人体部分のスペクトル応答は、それに含まれる生化学物質に依存する。入射光の特定の波長では、身体部分のスペクトル応答は、その波長での各々の物質の吸収特性および散乱特性に依存する。特に、各物質の濃度、および被験体内の関連する所在（すなわち被験体に向けられた光の透過経路中に成分が位置する範囲）は、結果として生じるスペクトルに多かれ少なかれ寄与する。

例えば、関連する物質がＸ、ＹおよびＺであるならば、入射光に対する身体部分のスペクトル応答は、各波長におけるＸ、ＹおよびＺのある関数である。関数は、被験体に光を向けて、モデルが検出光強度の受け入れ可能な許容誤差内にある推定光強度を出力するまで、繰り返しモデルを適合させることにより決定される。次いで結果として生じるモデルは、検出された光強度と入射光の特定の波長についての物質Ｘ、ＹおよびＺの濃度との間の関係を表す。

物質Ｘが、濃度の推定が所望される物質である場合、モデルに基づく特定の波長を含む光（すなわちＸ、ＹおよびＺが応答する波長の光）が、被験体に向けられ、各波長での検出光強度はモデル内に送られる。モデルの出力は、測定光強度と比較し、モデル化された光強度が検出光強度の受け入れ可能な許容誤差内になるまで、モデルを定義するパラメータを変更する。この時点で、モデルは被験体を表すものであると判断され、次いで被験体における物質Ｘの濃度はモデルから計算できる。

モデルパラメータの変更により、推定されるスペクトル応答と実際のスペクトル応答のとの間の差が増加するならば、適合アルゴリズムは、変更がより正確なモデルをもたらさないことが分かる。そのときは、アルゴリズムは現在のモデル、すなわち変更される前のモデルにより継続してもよく、推定されるスペクトル応答と検出されるスペクトル応答との間の差を減少させようとする異なる方法においてパラメータを適合させる。

モデル適合技術の機能的ステップは、図１において図式的に示される。図示するように、発光体１０１は、患者の身体の一部、または解剖学的成分（例えば皮膚、脂肪、血液）もしくはそのシミュレーションを含む組織ファントム等の適切な身体シミュレーションを含む被験体に光を向けるように配置される。図１において、被験体は患者の指を含むが、耳たぶのような他の身体部分を代りに調べてもよい。指は、比較的高度に血管が発達する傾向があり、したがってこの技術を行うために都合のよい部位である。しかしながら、身体の任意の適切な部分が使用されてもよいとことに留意することが重要である。例えば耳たぶは、グルコースに起因する光学的応答を遮蔽する他の材料が比較的少量であることから特に適切な部位として提案されている。

反射光または透射光は光検知体１０２により検出され、結果として生じる出力は、適合モデルパラメータアルゴリズム１０３に送られる。アルゴリズムは、光が入射する組織の吸収特性および散乱特性をモデル化するよう構成されるモデル化ユニット１０５により生成されるモデル化光強度１０７も受け取る。このモデルは、所定の放射光強度１０４について組織を経て透過する光強度および／または反射される光強度を推定するために使用される。

適合モデルパラメータアルゴリズム１０３は、モデルによって推定された光強度を検出光強度１０８と比較し、推定光強度と検出光強度との間の差が所定の閾値未満になるまで、モデルパラメータ１０９を繰り返し調整するよう構成される。推定強度と検出強度との間の差が、この受け入れ可能な誤差限界内にある場合、モデルは被験体のスペクトル応答の受け入れ可能なモデルであると判断される。

一旦変更されたモデルが導き出されると、次にそれを被験体における物質濃度の推定を導き出すために利用してもよく、このプロセスの機能的なステップは図２において図式的に示される。

図示するように、発光体２０１は被験体、例えば患者の身体部分、に光を向けるよう構成され、そして光検知体２０２は被験体から反射される光および／または被験体を経て透過される光を検出するよう構成される。濃度計算ユニット２０３は、供給され、この後説明される様式で変更されたモデルから被験体における検査中の物質の濃度を計算し、ユーザーインタフェース２０４（ディスプレイ等）に対してその濃度を供給するよう作動可能である。

関連する生化学物質Ｘ、ＹおよびＺの前記の実施例を考慮して、濃度計算ユニットは、既知の強度および波長Ａ、ＢおよびＣの光に対する、物質Ｘ、ＹおよびＺに起因する被験体のスペクトル応答をそれぞれ定義する３つの関数を含むモデルを実行するよう構成される。光検知体は、被験体を経て透過される光強度および／または被験体から反射される光強度を測定し、この情報を以後説明する様式でモデルを使用して物質Ｘの濃度を計算する濃度計算ユニットへ渡す。次いでこの値は、ユーザーに出力するユーザーインタフェースに渡される。

選択された波長Ａ、ＢおよびＣは、物質Ｘが強いスペクトル応答を示す波長、例えば物質Ｘが強く吸収する波長であるのが好ましい。被験体のスペクトル応答が測定される波長の数は、モデル内の未知のものの数と少なくとも等しくなくてはならない。この場合、生化学物質Ｘ、ＹおよびＺの濃度は未知であり、したがってモデルは、３つの異なる波長Ａ、ＢおよびＣでの被験体のスペクトル応答を表わす。

発光体は、特定の波長を含む光スペクトルを放射することができるのが好ましい。これは単一放射体の範囲の使用により達成されてもよく、それぞれの単一放射体は単一の特定の波長における光を放射することができるものとする。例えば、単一の波長の光を放射する発光ダイオード（ＬＥＤ）のバンクを、都合よく使用してもよい。しかしながら、様々な異なる放射体が代りに利用されてもよいことが認識されるであろう。例えば放射体は、異なる波長の光を放射するよう配置される光ファイバーを備えていてもよい。

適合性のあるモデル化技術は、血糖濃度の推定に対する具体的な参照によりここでより詳細に説明する。上で述べられるように、この応用は純粋に例示的であり、本発明の教示は、患者の血液中の任意の適切な物質濃度を測定するために使用されてもよい。例えば、他の血液検体、例えば尿素、ビリルビン、酸素等の濃度を測定するためにもまた、本発明の実施の形態を使用することができるであろう。

付加的な非光学的実験が使用されないという意味において、本明細書において記載される適合性のあるモデル化技術は、今までに提案された適合性のある技術とは異なる。その代りに、光学的センサーによって得られ、人間生理学および生化学から知ることができる情報量は系統的に増加されてもよく、アルゴリズムスキームはこの情報を分析するために提供される。この適合可能なモデル化技術は、システムの複雑度、すなわち血糖予測モデルおよび適合アルゴリズムにおいて使用される情報量、特にモデルにおいて使用されるパラメータの複雑度およびパラメータの数、の制御可能な増加により、測定精度が次第に増加されることを可能にするという、重要な利点を有する。

本明細書において記載される、適合性のあるモデル化測定法は、一般的な非経験的な分析手法で、被験体物質濃度、特にグルコース濃度の正確な非侵襲的推定について従来問題となった較正問題を解決するように設定されている。この技術（このための数学的基礎はここで、図３および４に関連して説明する）は、糖尿病患者の「血管組織」に適用される透過測光技術または反射測光技術のいずれかを使用して、実行できる。

対象となる「血管組織」の特性は、パラメータＸ＝｛ｘ_１，ｘ_２，ｘ_３．．．ｘ_ｎ｝のベクトルによって数値的に表わされる。「血管組織」の任意の選ばれた特性の変化が、検出される光学的放射Ｉ_Ｄλにおける検出可能な変化を生ずるように、放射される光学的放射波長および強度Ｉ_Ｅλが選択される。「血管組織」の特性の１つはグルコース濃度であり、それはパラメータの１つによってベクトルＸにおいて表わされる。放射される光学的放射と検出される光学的放射との間の関係は、「血管組織」の数学的近似法によって確立され、それは図３において「血管組織モデル」として定義される。ベクトルＸのパラメータが所定の許容差内で「血管組織」の特性と一致する場合、「モデル検出差」は小さくなり、ベクトルＸを血管組織の現実的特性の受け入れ可能な説明として認めることができる。

数学的にわずかな「モデル検出差」をもたらす１つ超のベクトルＸの存在は可能であり、それゆえ光学的放射体が多数の異なる強度、波長で、既定の制御情報セットのための光学的検出体に関して異なる幾何学的な位置において放射を放出することが好ましい。例えば、被験体を経た２つの（または２つより多い）異なる経路を介して通過した光が検出されるように、放射体および検出体を配置してもよい。次いで、被験体によって透過および／または反射された２つのビーム光を検出するように、検出体は構成される。正確なベクトルＸは、十分に多数の制御情報セットについて、モデルと検出の最小の差をもたらすものになるであろう。

この技術は、血糖測定システムの連続的な自動較正を可能にし、その結果、個々の再較正の必要もなく、すべての糖尿病患者に利用可能となる。

実際に実行される適合性のあるモデル化測定法のために、特定の仮定が必要である。これらの仮定は、物理的な仮定（例えば、光はどのように被験体によって吸収されるか、および、光がどのように被験体を経て伝播し、被験体によってどのように散乱されるか）、ならびに生理的な組織特性についての仮定（組織構造およびその種々の部分の散乱特性等、および組織の光吸収成分およびそれらの被験体の全体にわたる分布）を含む。

モデルは、段階的な方式で仮定の数を増加させることにより構築される。ここで説明するように、被験体モデルは、第１の信号分離ステップおよび第２の情報抽出ステップの２つのステップを含む信号分離情報抽出（ＳＳＩＥ）方法によって作成される。以下説明するＳＳＩＥ方法は、図４に示す組織の光吸収の仮定を使用し、以下の記号は図４において使用され、以後以下の意味を持つ：
λ−放射波長
Ｉ_Ｅλ−波長λで放射された放射強度
Ｉ_Ｄλ−波長λで検出された放射強度
ｌ−放射体−検出体の距離

[信号分離]
Ｉ_Ｌλが組織における放射および強度損失であるとして定義されるならば、次に波長λについては、

である。

最新の光量子論では、種々の種類の光子吸収および光子散乱のために強度損失が生じると述べている。したがって、Ｓ_λを散乱に起因して生じる損失とし、およびＡ_λを波長λの放射に対する吸収に起因する損失として定義すると、

と説明できる。

組織における放射の挙動を説明するモデルであって、必ずしも現象の現実の物理的性質について説明するのではないが、実験データ（Ｉ_Ｌλ）中で見られる良好な近似を示すモデルがあると仮定する。モデルは、等式２において定義されるような組織特性および信号分離の関数パラメータ化を可能にするものであり、

として表わすことができる。

ここで、Ｅ_λは組織Ｉ_Ｌλにおける放射強度損失に対するモデル近似であり；Ｆ（Ｐ_λ,ｌ,Ｉ_Ｅλ）は、散乱Ｓ_λに起因して生じる損失について近似するパラメータ化された関数であり；Ｇ_λ（Ｈ_λ,ｌ,Ｉ_Ｅλ）は、吸収に起因して生じる損失Ａ_λ について近似するパラメータ化された関数である。Ｐ _λ ＝｛ｐ _１λ ,ｐ _２λ ,ｐ _３λ ,．．．ｐ _ｎλ ｝およびＨ_λ＝｛ｈ_１λ,ｈ_２λ,ｈ_３λ．．．ｈ_ｍλ｝は、組織の散乱特性および吸収特性を説明するパラメータである。

このモデルへパラメータＰ_λおよびＨ_λの正しいセットを置換するならば、

が得られる。

ここでΔは近似誤差である。これは前もって要求されるある値未満であるべきであり、それは最終測定結果のために必要とされる精度に従って定義できる。例えば、血糖測定のために必要な精度は１０％の範囲であってもよく、好ましくは１０％未満、より好ましくは５％以下であってもよい。

条件４が、実際に得られた「十分に多数の」異なるセット（ｌ,Ｉ_Ｅλ,Ｉ_Ｌλ）について満たされるならば、

という適した仮定を立てることができる。

ここで記号「→」は「する傾向がある」を意味する（実際にＳ_λおよびＡ_λを測定することが可能でないため）。

最小限の「十分に多数」の異なるセットを見つけるために、単純なパラメトリック等式の以下の例を考慮する。
ｚ＝ａｘ＋ｂｘ−ｃｙ

等式の型（この場合一次方程式）ならびに従属変数および独立変数（ｘ,ｙ,ｚ）の任意の正確なセットが判明していると仮定する。等式パラメータ（ａ,ｂ,ｃ）を見つける必要がある。この等式には３つのパラメータがあり、したがって最低３つの独立方程式システムをともなう連立方程式が必要である。３つ（あるいは３を超える数の）のセットの変数（ｘ,ｙ,ｚ）の使用により、この連立方程式を立てることができる。
ｚ_１＝ａｘ_１＋ｂｘ_１−ｃｙ_１
ｚ_２＝ａｘ_２＋ｂｘ_２−ｃｙ_２
ｚ_３＝ａｘ_３＋ｂｘ_３−ｃｙ_３
等式が独立しているならば、この連立方程式の解によりパラメータ（ａ,ｂ,ｃ）を見つけることができる。

したがって、等式３において使用されるパラメータの数は、「十分に多数」のｌ、Ｉ_ＥλおよびＩ_Ｌλの異なる値を定義する。組織モデルのための等式パラメータがＰ_λ＝｛ｐ_１λ,ｐ_２λ,ｐ_３λ．．．ｐ_ｎλ｝およびＨ_λ＝｛ｈ_１λ,ｈ_２λ,ｈ_３λ．．．ｈ_ｍλ｝であるので、異なるパラメータセット（ｌ，Ｉ_Ｅλ，Ｉ_Ｌλ）の最少数はｍ＋ｎである。パラメータＰ_λおよびＨ_λのすべてを見つけることができる解により、パラメータセットのこの数は、連立方程式を立てることを可能にし、波長λにおける組織の吸収特性および散乱特性を説明する。（ｌ,Ｉ_Ｅλ,Ｉ_Ｌλ）のｍ＋ｎ個のセットを見つけるために考慮された特別のモデルは、連立方程式における等式間の任意の従属を生じさせるべきではない。

等式の完全形式に依存して連立方程式を直接解くことは必ずしも簡単ではない。したがって、近似（または階段近似）アルゴリズムは、Ｐ_λおよびＨ_λを見つけるために適用されてもよい。しかしながら、成功する近似のためのフィードバックとして使用するために、ｍ＋ｎの異なるセットのパラメータ（ｌ,Ｉ_Ｅλ,Ｉ_Ｌλ）を持っていることがなお必要である。

組織モデルが以下の法則に従うことは望ましい：
任意のＰ_１λ、Ｐ_２λ、Ｈ_１λ、Ｈ_２λについて、Ｐ_１λ≠Ｐ_２λおよびＨ_１λ≠Ｈ_２λとし、次に、任意のｌおよびＩ_Ｅλについて、Ｆ（Ｐ_１λ,ｌ,Ｉ_Ｅλ）≠ Ｆ（Ｐ_２λ,ｌ,Ｉ_Ｅλ）およびＧ（Ｈ１λ,ｌ,Ｉ_Ｅλ）≠Ｇ（Ｈ_２λ,ｌ,Ｉ_Ｅλ）とする。

連立方程式に対する２つ以上の解、すなわち２つ以上の（Ｐ_λ,Ｈ_λ）セットが存在することは、数学的に可能である。モデルは、解のどれが物理学的に正確かを確定することができなければならない。モデルが上記の法則に従うならば、数学的に１つの解のみが可能であり、この問題は解消する。しかしながら、モデルが上記の法則に従わないならば、他の解は、例えば上で説明されるように被験体に２つの光線を向けることによって、物体を経た２つ以上の異なる経路を通って通過した光を検出するものである。物理的に正確ではないどのような解も、各透過経路について検出された強度を正しく推定するものではないので、このような解は検出し考慮に入れないようにすることができる。

[情報抽出]
ベール・ランバートの方程式は十分に検査された経験的な法則である。その導出の際に作られた主な仮定は、材料の非常にわずかな部分についてであり、任意の特定の材料物質によって吸収された放射エネルギーは、材料中のその物質の濃度に比例することである。この仮定もまた使用するが、しかし付加的仮定により、材料中に２つ以上の吸収物質があれば、総吸収は、材料のわずかな部分についてそれぞれの分離した吸収成分の合計になるであろう。この最後の仮定は、以下に示される連立方程式７を立てるために使用される。

組織は波長λ１の放射を吸収するｋ個の物理的成分を含むと仮定される。それらのｋ個の成分とは別の、組織の他の物理的成分はその波長では放射を吸収しないと仮定される。各物理的成分ｉに関して、その成分が放射を吸収し、およびｋ個の中の他の任意の成分も吸収する（またはしない）波長λｉが存在する場合に、１セットの波長｛λ_２，λ_３，λ_４．．．λ_ｋ｝が存在するならば、さらに放射強度損失がＧ（Ｈ_λ,ｌ,Ｉ_Ｅλ）→Ａ_λならば、

と記述することができる。
ここでＵ_ｉλｊは、組織成分ｉによる吸収に起因して生じる波長λ_ｊでの放射強度損失の一部である。

組織モデルを完成するために、等式２において定義された信号分離モデルを使用するか、または他の便利な「組織ファントム様」モデルを使用することができる。

等式２において定義されたモデルを使用して、組織における各吸収成分ｉに対する等式を作成することができ、それは波長λおよび放射された放射線強度Ｉ_Ｅλｊにその濃度ｃ_ｉおよび吸収された放射Ｕ_ｉλｊを関連づける。完全なモデルを作成するために、各成分の吸収係数（またはその成分の光吸収スペクトル）および組織の散乱特性もまた必要とし、それは信号分離の際に発見され：

ここでＰ_λ＝｛ｐ_１λ,ｐ_２λ,ｐ_３λ．．．ｐ_ｎλ｝は組織の散乱特性を説明するパラメータであり、Ｙ_ｉλｊ＝｛ｙ_ｉλｊ,_１,ｙ_ｉλｊ,_２,ｙ_ｉλｊ,_３．．．ｙ_ｉλｊ,ｑ｝は波長λ_ｊでの各成分ｉの吸収特性を説明するパラメータである。したがって、連立方程式７は以下の形式に書き直すことができる：

上記の等式を使用して、モデルについて十分に正確な形式が決定された場合、この連立方程式中の唯一の未知の変数は成分濃度ｃ_ｉである。この連立方程式を解くことによって、成分濃度を知ることができる。

上で説明された方法において、静的組織モデルが考慮された。しかしながら、生組織の光学的性質は、時間とともに、主として短期では血液循環、および長期では組織構造における変化のために変化することもある。長期的変化は測定速さと比較すると非常にゆっくり生じるので、これらの変化は、測定にかかる時間の間は無視することができる。しかしながら短期的変化を無視できない可能性があり、この場合以下の戦略を実践することができる。

短期的変化は本来は周期的であると仮定される。それは変化が主として心臓の拍動に起因するからである。その場合、組織特性Ｐ_λおよびＨ_λを説明するパラメータセットが同様に周期的に変化するであろうと期待することができる。信号期間をＴ、および時間ｔ_１において得られたパラメータをＰ_１λおよびＨ_１λとする。Ｐ_２λおよびＨ_２λが、ｔ_２＝ｔ_１＋Ｔにおいて得られたパラメータであれば、Ｐ_１λ＝Ｐ_２λおよびＨ_１λ＝Ｈ_２λである。または言いかえれば、ｎが自然数である場合、任意の時間ｔ＋ｎＴについて、組織を静的なものとして考慮することができる。

好ましい実施の形態において、ニューラルネットワーク、適合フィルターまたは遺伝的アルゴリズムまたは他の同等のアルゴリズムが、被験体モデルの適合を可能にするために利用されてもよい。

好ましくは、被験体を経て２つの異なる経路を介して通過した光が検出されるように、放射体および検出体は配置されてもよい。上で説明したように、すべての透過経路について検出された強度が正しく推定されるとは限らないので、このことは物理学的に正確でない任意のモデルが、検出されても考慮されないことを可能にする。１つの配置において、これは、例えば被験体を経て互いに対して９０°である２本の光線が透過するように放射体を配置することにより達成されてもよい。次に被験体を透過したおよび／または被験体によって反射されたそれらの２本のビーム光を検出するように、検出体は対応して構成される。他の配置は後で説明する。

モデルにおいて使用される生化学成分の１つは血糖濃度である。他の成分は、典型的には水および脂肪を含んでいてもよく、それらはグルコースが吸収する波長で強い吸収を示す。グルコースの光学的シグネチャーは、２．１０μｍ、２．２７μｍおよび２．３２μｍにおいては最も強い吸収が起こることを示す。したがって検出体は、患者の皮膚に向かって上で示された波長（すなわち２．１０μｍ、２．２７μｍおよび２．３２μｍ）を含む光を向けるのが好ましい。

上述のように、本明細書中で開示される技術は、グルコース以外の物質の患者血液中の濃度の測定のために使用されてもよい。例えば、技術は他の血液検体、例えば尿素、ビリルビンおよび酸素等の濃度の検出で使用されるモデルを生成するために使用されてもよい。モデルは、推定されるべき物質濃度のための適切な生化学物質、すなわち測定される物質が吸収する波長で有意な吸収を示す生化学物質を組み入れるべきである。

本明細書において開示された適合性のあるモデル化技術は、既存のシステムを超える多くの利点を提供しており、その利点は以下を含む：
・皮膚下に、または血流中への任意の外来分子の挿入を必要としない。
・測定中に患者への生理的な感覚はないか、または任意の感覚があっても非常に限定されるかのいずれかである。
・人体組織のイオン化、加熱、締めつけまたは他の任意の変形を必要としない。
・身体の特定部分での使用に限定されない。
・個人ごとの較正を必要としない。
・達成可能な精度は使用する光学的センサーの能力によってのみ限定される。

ここで図５を参照すると、本発明の好ましい実施の形態のシステムによる使用のために、特に好ましい光プローブの下側の図式的な概観が示される。

この実施の形態のプローブ４００は、単一の筺体内に光検出体（Ｄ１、Ｄ２）と共に統合される光放射体（Ｓ１、Ｓ２．．．など）を含む。光放射体は、第１の波長λ_１で光を放射する各バンクの第１の放射体（Ｓ１、Ｓ１_１．．．など）、第２の波長λ_２で光を放射する各バンクの第２の放射体（Ｓ２、Ｓ２_１．．．など）、および第３の波長λ_３で光を放射する各バンクの第３の放射体（Ｓ３、Ｓ３_１．．．など）で、３つの放射体のバンクにおいて配置される。上で説明された配置におけるように、これらの各波長は被験体内の特定の物質の検出に適合する。放射体の９つのバンクおよび２つの検出体の提供によって、各波長に対する、放射体と検出体間の１８の異なる空間的関係による測定を採用することが可能であり、そして一般論として、放射体のバンク数の増加は、得られる空間分解能を増加させ、したがって全体としてシステムの正確性を改良する。とは言うものの、より少数の放射体バンクおよび単一の検出体のみを備えたシステムを操作することは可能であるが、そのような配置は図５に示すプローブよりも正確でない結果をもたらすであろう。最低限として、各波長について被験体を経た２つの異なる経路の提供が必要である。これは、各波長に対する２つの放射体および単一の検出体、または各波長に対する単一の放射体および１対の検出体の提供により行われてもよい。

以前に示したように、このプローブ用の放射体にはＬＥＤが好ましいが、代りに他の光学的放射体を提供できるであろうことは明らかである。例えば、放射体はそれぞれ、異なる波長で被験体を照射するファイバーへ導入される適切な光源からの光と共に、光ファイバーまたはファイバー束を含む。図５に示すプローブは特にコンパクトで、小さなポータブル推定システムへの統合のために十分に適している。

ここで図６を参照すると、本発明の現時点で好ましい実施の形態に従って推定システム５００が示されている。この実施の形態のシステムは、推定モジュールによって集められたデータを処理し、処理されたデータの結果およびユーザーへの他の情報を示すよう構成されるコンピューター５０６によりモジュールが情報をやりとりすることを可能にするＩ／Ｏインターフェース５０４を含む推定モジュール５０２を備える。他の同等のインターフェースは当業者に直ちに明らかであるが、特に好ましい配置におけるＩ／Ｏインターフェースは、ＵＳＢインターフェースである。

Ｉ／Ｏインターフェース５０４はプロセッサに連結され、プロセッサは次にＲＡＭおよびＲＯＭメモリーに連結される。メモリーはプロセッサとは別体として示されるが、メモリーはマイクロコントローラー内にプロセッサと共に組み込まれてもよいことは明らかであり、この実施の形態で使用される特に好ましいマイクロコントローラーはＡｔｍｅｌＡＶＲファミリーチップＡＴＭＥＧＡ８５１５−１６ＰＣである。プロセッサは、光学的放射体および検出体の駆動、およびコンピューターへの出力のための対象となる物体のスキャンに応答するデータの収集に対する役割を持つ。

プロセッサは光学的駆動回路に連結され、光学的駆動回路は次に、光学的放射体が連結される複数の出力ポート５０８（それらのうちの３つのみを示す）に連結される。光学的駆動回路のさらなる詳細は、図７に関連して以降で検討する。

プロセッサは検出体駆動回路５１０にもまた連結され、検出体駆動回路５１０は次に、検出体が連結される検出体ポート５１２（そのうちの１つのみを示す）に連結される。検出体駆動回路のさらなる詳細は、図８に関連して以降で検討する。

ここで図７を参照して説明すると、光学的駆動回路は、プロセッサに連結され、プロセッサから信号を受信し、プロセッサに信号を送信するよう構成されるデジタル／アナログ変換器ＤＡＣを備えている。ＤＡＣは電圧源を含んでおり電圧電流変換器に連結されて、各放射体Ｓ１、Ｓ２などを駆動するための電流を提供する。電圧電流変換器からの出力は、各放射体へプロセッサに制御されるスイッチ経由で連結され、スイッチは、順に各放射体に電圧を加えるようプロセッサによって制御可能である。

ここで図８を参照して説明すると、検出体駆動回路５１０は、各検出体Ｄ１、Ｄ２に（この実例では）連結される電流電圧変換器を備えている。変換器の電圧出力は、プロセッサ制御デマルチプレクサー経由で、複数の同一の信号調節およびフィルタリング回路に対して渡され、デマルチプレクサーは、その各チャンネルで特定の放射体検出体の組み合わせ体について測定された強度を表わす信号を出力し、異なる放射体検出体ペア５１４が通電されるようにチャンネル間を切り替えるようプロセッサによって制御可能である。例えば、図示のように、第１のチャンネルは、放射体Ｓ１による検出体Ｄ１の照射に由来する測定に対応してもよく、第２のチャンネルは、放射体Ｓ１による検出体Ｄ２の照射に由来する測定に対応してもよい。本明細書中で前に説明したように、各デマルチプレクサーチャンネルの出力はアナログ／デジタル変換器を介して更なる処理のためにプロセッサに渡される。

任意で、デマルチプレクサーおよびフィルタリング回路は、（推定モジュールのプロセッサによる実行のため、または実際はコンピューターのプロセッサによる実行のために）ソフトウェアで実装されてもよく、この実例において、Ｉ−Ｖ変換器は高速ＡＤＣへ出力し、ＡＤＣからの信号はさらに前述のソフトウェアによって処理されるであろう。

ここで図９を参照して説明すると、この実施の形態のシステムによって行われる処理ステップの図式的なフロー図が示されている。第１のステップにおいて、プロセッサは、光学的駆動スイッチを制御して順に各放射体を照射し、デマルチプレクサーを制御して各放射体検出体ペアに対する適切なチャンネルに切り替える。一旦プロセッサがすべての放射体検出体ペアについてのデータを集めると、処理は上で詳細に説明した「血管組織モデル化およびパラメータ適合」方法の前記信号分離段階へ移行し、等式は各放射体検出体ペアについて構築される。

プロセッサは次に、モデルから導出した強度を測定された強度と比較し、モデル強度が所定量を超えて測定強度から異なる場合に、プロセッサは、構築された等式のためのパラメータを調整し、信号分離ステップを繰り返す。

一旦モデル強度出力が測定強度出力と等しくなれば（正確性の受け入れ可能なレベルまで）、散乱に起因して生じる損失について近似する関数、および吸収に起因して生じる損失について近似する関数を決定することができ、処理は方法の前記情報抽出段階へ移行する。

本方法のこの段階において、プロセッサは被験体モデルを構築し、そのモデルを検査してモデル出力が測定された出力と同じかどうかを（再び正確性の受け入れ可能なレベルまで）決定する。差が発見された場合、モデルのパラメータは調整され、モデルは再び検査され、モデル出力が測定された出力と本質的に同じになるまでこのプロセスは続く。

モデルが測定された出力と類似すると容認できる出力を与えるよう構築されると、モデルの調節は完了し、ユーザーへの中継のために、前記等式を対象となる物質濃度（この例ではグルコース）を推定するために解くことができる。

前述から明らかなように、本発明のシステムおよび方法は、体液における物質濃度の正確な推定のための迅速な真の非侵襲的機構を提供する。

多くの変更および改変が前述の特定の実施の形態に対して行われてもよく、かかるすべての変更は本発明の適用範囲内と判断される。例えば、本明細書において説明された方法および技術はソフトウェアにおいて実装されているが、そのソフトウェアで提供される機能性は、ハードウェアによって、例えば特定用途向け集積回路によって、または実際はハードウェアおよびソフトウェアの混合によって提供されてもよく、または実際は、ハードウェアのうちのいくつかによって提供される機能性は、ソフトウェアにおいて実装されてもよいことは、当業者に直ちに明らかであろう。それゆえ、先の説明は、本発明の適用範囲を限定しているのではなく、単に例示的なものとして解釈されるべきである。

上で開示された実施の形態は、並列して配置された放射体および検出体を利用しているが、代りに放射体および検出体は、被験体を経て横断して透過する光を測定するように被験体の両側に配置されてもよいことが、当業者に対して明らかであろう。更に、本明細書において開示されたシステムは、コンピューターおよび別体の推定モジュールを含んでいるが、コンピューターおよび推定モジュールが単一の装置中に、例えば携帯装置に統合されるように、この配置を変更することができるであろうことは明らかであろう。

ここに出願人により、本明細書において説明された個別の特長および２つ以上のかかる特長の任意の組み合わせは、かかる特長または組み合わせが当業者に共通の一般知識に照らして本明細書全体に基づいて実行できる限り、かかる特長または特長の組み合わせが本明細書において開示された任意の問題を解くかどうかに関係なく、請求項の適用範囲に対する限定をせずに、分離して開示されることも留意すべきである。出願人は、本発明の局面が任意のかかる個別の特長または特長の組み合わせから成ってもよいことを示す。

本発明の現時点で好ましい実施の形態は、添付図面を参照して例示的実施例としてのみここでは説明されるであろう：
組織モデルの開発のための機能的成分および物理的成分の原理を示す図である。 図１の配置により導出されたモデルを実行するよう構成される光学的センサーを示す図である。 血糖濃度の測定に対し適合可能にモデル化するスキームを示す図である。 光学的放射体および検出体を示す図である。 新規センサープローブの図式的説明である。 本発明の好ましい実施の形態に記載のシステムの図式的説明である。 光学的駆動回路の図式的説明である。 検出体駆動回路の図式的説明である。 図６において開示されたシステムについて例示的実行モードを示すフローチャートである。

Claims (20)

1. 血液を含む被験体の光学的応答を推定する方法であって；
   入射光に対する前記被験体のスペクトル応答を推定することができる、前記被験体のモデルであり、散乱に起因して生じる損失について近似するパラメータ化された関数と、吸収に起因して生じる損失について近似するパラメータ化された関数を含む前記モデルを形成する工程を備え；
   前記モデルが複数のパラメータを含み、各パラメータがそれぞれの生化学成分のスペクトル応答に対する影響に対応するものであり；さらに、
   既知のスペクトル成分の光を前記被験体に向ける工程と；
   前記光に対する前記被験体のスペクトル応答を検出する工程と；そして
   下記１から３のステップを、繰り返し行う工程とを備える；
   方法。
   １．前記モデルによって前記光に対する前記被験体のスペクトル応答をモデル化するステップ。
   ２．前記モデル化されたスペクトル応答を前記検出されたスペクトル応答と比較するステップ。
   ３．前記パラメータの１つ以上を変化させることによって前記比較に依存して前記モデルを変更するステップ。
2. 前記モデル化されたスペクトル応答が、現在の前記モデルの前記モデル化されたスペクトル応答よりも前記検出されたスペクトル応答に対して近い場合にのみ、前記モデルを変更するステップが行われる；
   請求項１に記載の方法。
3. 複数の波長を含む光が前記被験体に向けられ、前記被験体の前記スペクトル応答がそれぞれの波長について検出される；
   請求項１または請求項２のいずれかに記載の方法。
4. 前記被験体に向けられる前記光が複数の装置によって発生され、各装置がそれぞれの単一波長から成る光を発生できる；
   請求項３に記載の方法。
5. 複数の波長の数が、前記モデルに含まれるパラメータの数以上である；
   請求項３または請求項４に記載の方法。
6. 前記モデル化されたスペクトル応答と前記検出されたスペクトル応答との間の差が所定の閾値以下になるまで、前記モデル化、比較および変更のステップが繰り返し行われる；
   請求項１乃至請求項５のいずれかに記載の方法。
7. 前記モデルを変更するステップが、ニューラルネットワークを使用して行われる；
   請求項１乃至請求項６のいずれかに記載の方法。
8. 前記被験体のスペクトル応答が、前記被験体を経た少なくとも２つの異なる経路を通って通過する光で検出される；
   請求項１乃至請求項７のいずれかに記載の方法。
9. 前記モデルが、前記生化学成分の光散乱特性および光吸収特性を表わすパラメータを含む；
   請求項１乃至請求項８のいずれかに記載の方法。
10. 前記パラメータが、前記被験体中の脂肪、水およびグルコースのうちの１つ以上の濃度を含む；
    請求項１乃至請求項９のいずれかに記載の方法。
11. 前記複数の波長が、２．１０μｍ、２．２７μｍおよび２．３２μｍを含む；
    請求項３に直接的または間接的に従属する請求項１０に記載の方法。
12. 血液を含む被験体中の生化学成分の濃度を推定するために非侵襲的センサーを製造する方法であって；
    請求項１乃至請求項１１のいずれかに記載の方法によって、変更されたモデルを形成する工程と；
    既知のスペクトル成分の光に対する被験体のスペクトル応答に依存して、前記生化学成分のスペクトル応答に対する影響を推定するために前記モデルを適用するよう構成された処理装置を形成する工程と；そして
    ユーザーに対して出力される前記推定された影響に依存して、前記処理装置がデータを生成できる出力手段を提供する工程とを備える；
    方法。
13. 血液を含む被験体中の生化学成分の濃度を推定する方法であって；
    請求項１乃至請求項１１のいずれかに記載の方法によって、変更されたモデルを形成する工程と；
    既知のスペクトル成分の光を前記被験体に向ける工程と；
    前記光に対する前記被験体のスペクトル応答を検出する工程と；そして
    前記光に対する前記被験体のスペクトル応答に依存して、前記生化学成分のスペクトル応答への影響を推定するために前記モデルを適用する工程と；そして
    前記推定された影響に依存して、前記被験体における前記生化学成分の濃度を推定する工程とを備える；
    方法。
14. 前記濃度を推定する工程は、前記推定された影響のうち、吸収に起因して生じる損失について近似するパラメータ化された関数に基づいて前記生化学成分の濃度を推定する、
    請求項１３に記載の方法。
15. 体液中の物質濃度を推定するためのシステムであって；
    既知のスペクトル成分を有する光により、体液を含む被験体を照射する手段と；
    前記光に対する前記被験体のスペクトル応答を検出する手段と；そして
    前記既知スペクトル成分の光による照射に対する前記被験体のスペクトル応答を推定する、前記被験体のモデルであって、散乱に起因して生じる損失について近似するパラメータ化された関数と、吸収に起因して生じる損失について近似するパラメータ化された関数を含む前記モデルを確立するよう作動可能な処理手段とを備え；
    前記モデルが複数のパラメータを有し、各パラメータがそれぞれの生化学物質の前記スペクトル応答に対する影響に対応し；
    前記処理手段が更に、前記モデル化されたスペクトル応答を前記検出されたスペクトル応答とを比較し、前記モデル化されたスペクトル応答が所定量を超えて前記検出されたスペクトル応答と異なる場合には、その差が前記所定量よりも少なくなるまで、１つ以上の前記パラメータを繰り返し調整するよう作動可能である；
    システム。
16. 前記処理手段は更に、前記所定量未満の差をもたらす調節に続いて、前記モデルから前記被験体における前記生化学成分濃度の推定を導出するよう作動可能であり；
    前記濃度は、前記モデルのうち、吸収に起因して生じる損失について近似するパラメータ化された関数に基づいて推定される、
    請求項１５に記載のシステム。
17. 請求項１５または請求項１６に記載のシステムによる使用のためのプローブであって；
    単一の筺体中に並列して配置される複数の光学的放射体および１つ以上の光検出体を備え；
    前記配置が、前記プローブが被験体に隣接して置かれる場合、前記複数の光学的放射体は既知のスペクトル成分の光によって前記被験体を照射するよう作動可能であり、少なくとも前記の光の一部は１つ以上の前記光検出体による検出のために前記被験体を経て進むようなされている；
    プローブ。
18. 実行環境において実行された場合に、入射光に対する被験体のスペクトル応答を推定できる、前記被験体のモデルであって、散乱に起因して生じる損失について近似するパラメータ化された関数と、吸収に起因して生じる損失について近似するパラメータ化された関数を含む前記モデルを形成するよう作動可能である１つ以上のコンピュータープログラム要素を備え；
    前記モデルは複数のパラメータを含み、各パラメータはそれぞれの生化学物質のスペクトル応答に対する影響に対応し；
    前記プログラムは更に、前記被験体に向けられた既知のスペクトル成分の光に対する前記被験体のスペクトル応答をモデル化し、前記モデル化されたスペクトル応答を既知のスペクトル成分の光に対する前記被験体の検出されたスペクトル応答と比較するよう作動可能である；
    コンピュータープログラム。
19. 前記コンピュータープログラムは、前記モデル化されたスペクトル応答と前記検出されたスペクトル応答への比較に依存して、前記モデル化されたスペクトル応答と前記検出されたスペクトル応答との間の差が所定量未満になるまで、前記モデルを繰り返し適合させるよう作動可能である；
    請求項１８に記載のコンピュータープログラム。
20. 前記コンピュータープログラムは、一旦前記差が前記所定量未満であれば、前記モデル化されたスペクトル応答から前記被験体中の物質の推定された濃度を導出するよう作動可能であり；
    前記濃度は、前記モデル化されたスペクトル応答のうち、吸収に起因して生じる損失について近似するパラメータ化された関数に基づいて推定される、
    請求項１９に記載のコンピュータープログラム。

Images