JP7701355B2 - 連続血糖モニタリングに基づく提案 - Google Patents

Description

関連出願
この出願は、２０１９年１１月２６日に出願された米国仮特許出願第６２／９４０，７１５号の利益を主張する。前述の出願は、参照によりその全体が本明細書に組み込まれ、本明細書において明示的に本明細書の一部をなす。

糖尿病は、何億人もの人々に影響を与える代謝状態であり、世界中の主要な死因のうちの１つである。糖尿病を抱える人々にとって、治療へのアクセスは彼らの生存にとって重要である。適切な治療により、糖尿病による心臓、血管、目、腎臓、および神経への深刻な損傷を大幅に回避することができる。Ｉ型糖尿病の人の適切な治療には、多くの場合、１日を通して血糖レベルをモニタリングし、インスリン、食事、および運動を組み合わせて血糖レベルを調整し、そのレベルが望ましい範囲内に収まるようにする。医療技術の進歩により、血糖レベルをモニタリングするための様々なシステムが開発されている。

これらのシステムのいくつかは、血液を採取するために人の体の部分（例えば、多くの場合、人の指）を刺すためのアセンブリ、および血糖レベルを示す採取された血液中の分析物を検出するためのセンサも含む。他のシステムは、実質的にリアルタイムでセンサを使用して血糖レベルを示す分析物を検出し、一定期間にわたるそれらの血糖レベルの測定値を生成し、これは、連続血糖モニタリング（ＣＧＭ）と呼ばれる。どちらのタイプのシステムも、これらの測定値を出力する（例えば、表示する）ように構成されており、ユーザは、必要に応じて、また資格のある介護者と作成した計画に基づいて、これらの血糖レベルをどのように調整するかを決定することができる。ＣＧＭシステムによって生成および出力される膨大な量の血糖測定値は、ユーザに血糖レベルがどのようなトレンドであるかを示し、ユーザが治療に関してより適切な情報を踏まえた決定を行うことを可能にする。

本明細書では、連続血糖モニタリング（ＣＧＭ）に基づく提案が記載されている。ＣＧＭシステムを着用する人の数を考えると、ＣＧＭシステムは連続的に測定値を生成するため、ＣＧＭシステムに血糖レベルを検出するためのセンサを提供し、そのようなシステムによって生成された測定値を維持するＣＧＭプラットフォームは、膨大な量のデータ、例えば、数千万患者日分の測定値を有することがある。しかしながら、この量のデータは、血糖測定だけでなく、様々な状態、例えば健康指標を正確に予測するために血糖測定値と相関させることができる豊富な追加データに関連して、人間がパターンを確実に識別することは、実際にはそうではないにしても、事実上不可能である。

１つ以上の実装形態では、ＣＧＭプラットフォームは、ユーザによって着用されるＣＧＭシステムによって提供される血糖測定値を取得するデータ分析プラットフォームを含む。データ分析プラットフォームはまた、ユーザに関連付けられた追加データを取得する。しかしながら、データ分析プラットフォームは、ＣＧＭシステムのセンサとは異なる１つ以上のソース、例えば、ＣＧＭプラットフォームに通信する前に血糖測定値を処理する計算デバイス、または、例えば、インスリンデータ、運動データ、食事データなどの健康関連情報を生成することが可能なデバイスもしくはサービスを提供するサードパーティなどから取得する。

データ分析プラットフォームは、これらの血糖測定値および追加データを処理して、ユーザに対する健康指標を、１つ以上のモデル、例えば、統計モデル、ニューラルネットワークとして構成されている機械学習モデル、または他の機械学習モデルを使用して予測する。データ分析プラットフォームは、ユーザ母集団、例えば、ＣＧＭシステムを着用しているまたは着用していた複数のユーザの過去の血糖測定値および過去の追加データに基づいてこれらのモデルを生成する。予測される健康指標に基づいて、データ分析プラットフォームは、予測される悪い健康状態を緩和するための行動を取ること、または挙動を採用することをユーザに提案するメッセージなどの提案を生成する。次いで、データ分析プラットフォームは、予測または提案のうちの少なくとも１つを、ネットワークを介して出力のために１つ以上の計算デバイス、例えば、ユーザに関連付けられた計算デバイス（例えば、携帯電話またはスマートウォッチ）、ユーザの保護者（親など）に関連付けられた計算デバイス、検証サービスに関連付けられた計算デバイス（提案の有効化を許可された医療専門家がアクセス可能）などに通信する。

この概要は、以下の発明を実施するための形態でさらに記載される概念の選択を簡略化された形式で紹介している。したがって、この概要は、特許請求の範囲の主題の本質的な特徴を識別することを意図しておらず、特許請求の範囲の主題の範囲を決定する際の補助として使用されることも意図していない。

詳細な説明は、添付の図を参照して記載されている。

本明細書に記載の技術を用いるように動作可能な例示的な実装形態における環境の図示である。 図１の連続血糖モニタリング（ＣＧＭ）システムの例をより詳細に描く。 血糖測定値を含むＣＧＭデバイスデータが異なるシステムにルーティングされ、ＣＧＭ関連サービスの提供を可能にする例示的な実装形態を描く。 図１のデータ分析プラットフォームの例示的な実装形態をより詳細に描く。 データ分析プラットフォームによって生成された予測または提案のうちの少なくとも１つが、検証サービスまたは意思決定支援プラットフォームのうちの少なくとも１つにルーティングされる実装形態の例を描く。 ＣＧＭシステムに結合された計算デバイスに表示されるＣＧＭプラットフォームのユーザインターフェースの例示的な実装形態を描く。 更新された予測および更新された提案を出力するユーザインターフェースの例示的な実装形態を描く。 糖尿病治療の意思決定を支援するための予測および提案を出力するユーザインターフェースの別の例示的な実装形態を描く。 健康トレンドに関する情報を出力するユーザインターフェースの例示的な実装形態を描く。 承認されたユーザがＣＧＭプラットフォームによって生成された提案を有効化するために対話できる検証サービスのユーザインターフェースの例示的な実装形態を描く。 ＣＧＭプラットフォームの使用に関連して検出された障害およびシステム構成の問題に関する情報を出力するユーザインターフェースの例示的な実装形態を描く。 ユーザの血糖測定値および追加データの両方に基づいて予測および提案が生成される例示的な実装形態での手順を描く。 特定のアプリケーションを使用する提案が同様のユーザの１つ以上のデバイスに通信される例示的な実装形態における手順を描く。 本明細書に記載の技術の実施形態を実装するために、図１～１３を参照して記載および／または利用される任意のタイプの計算デバイスとして実装され得る例示的なデバイスの様々な構成要素を含む例示的なシステムを示す。

概要
本明細書では、連続血糖モニタリング（ＣＧＭ）に基づく提案が記載されている。ＣＧＭシステムを着用する人の数を考えると、ＣＧＭシステムは連続的に測定値を生成するため、ＣＧＭシステムに血糖レベルを検出するためのセンサを提供し、そのようなシステムによって生成された測定値を維持するＣＧＭプラットフォームは、膨大な量のデータ、例えば、数千万患者日分の測定値を有することがある。しかしながら、この量のデータは、実際にはそうではないにしても、血糖測定だけでなく、様々な状態、例えば健康指標を正確に予測するために血糖測定値と相関させることができる豊富な追加データに関連して、人間がパターンを確実に識別することは事実上不可能である。

これらの問題を克服するために、ＣＧＭによる予測生成が活用される。ＣＧＭプラットフォームは、ユーザ母集団におけるユーザの様々なＣＧＭシステムおよび計算デバイスから血糖測定値を取得する。記載の技法により、ＣＧＭシステムは、人の血糖を連続的にモニタリングするように構成されている。ＣＧＭシステムは、例えば、人の皮膚に皮下挿入され、人の血糖を示す分析物を検出するＣＧＭセンサを備えて構成されてもよい。ＣＧＭシステムは、検出された分析物に基づいて血糖測定値を連続的に生成することができる。本明細書で使用される場合、「連続的に」という用語は、ほぼ連続的にを意味し、連続的な血糖モニタリングは、ＣＧＭシステムのリソース（例えば、バッテリ寿命、処理能力、通信能力など）によって支援される時間間隔で、指を刺すなどのユーザの手動対話を必要とせずに測定値を生成するようにする。血糖レベルを連続的にモニタリングすることにより、ＣＧＭシステムは、ユーザがユーザの治療に関してより多くの情報に基づいた決定を行うことを可能にするだけではなく、手動で指を刺すことが危険である可能性のある活動、例えば車の運転に参加することを可能にしながら、血糖レベルのモニタリングも継続する。

ＣＧＭシステムは、人によって着用されるスマートウォッチ、人のスマートフォン、またはＣＧＭシステムに関連付けられた専用デバイスなど、ＣＧＭシステムに通信可能に結合された計算デバイスに血糖測定値を送信する。ＣＧＭシステムは、リアルタイムで、設定された時間間隔で、または計算デバイスからの要求に応答して、血糖測定値を通信してもよい。次いで、計算デバイスは、ネットワークを介してＣＧＭプラットフォームをホストするクラウドベースのサービスに血糖測定値を通信することなどによって、ＣＧＭプラットフォームに血糖測定値を提供する。

ＣＧＭプラットフォームは、様々なデバイス、センサ、アプリケーション、またはサービスに由来するユーザ母集団におけるユーザの追加データを取得してもよい。追加データは、限定ではなく例として、健康関連データ、アプリケーション対話データ、環境データ、人口統計データ、血糖測定値に加えて、デバイスデータ（例えば、センサ識別データ、インシデントレポート）、計算デバイスによって追加された補足データ、サードパーティデータなどを含んでもよい。健康関連データは、ほんの数例を挙げると、活動データ（例えば、歩数、運動頻度、睡眠データ）、生体測定データ（例えば、インスリンレベル、ケトンレベル、心拍数、温度、ストレス）、栄養データ（例えば、飲食ログ、スキャンされたレストランの領収書、炭水化物消費量、絶食）、医療記録（Ａ１Ｃ、コレステロール、心電図の結果、および他の医療検査または病歴に関連するデータなど）を含んでもよい。アプリケーション対話データは、特定のアプリケーションとのユーザ対話を記載するアプリケーションログから抽出されたデータ、計算デバイスの入力／出力インターフェースに関連して実行されるクリック、タップ、およびプレスを記載するクリックストリームデータ、ユーザが見ている場所を記載する注視データ（例えば、計算デバイスに関連付けられたディスプレイデバイスに関連して、またはユーザがデバイスから目をそらしているとき）、ユーザまたは他のユーザの可聴コマンドおよび他の話されたフレーズを記載する音声データ（例えば、ユーザが受動的に聞くことを含む）などを含んでもよい。環境データは、例えば、ユーザの位置、ユーザの位置の温度および／または天気、ユーザの高度、気圧など、ユーザに関連付けられた様々な環境的態様を記載するデータを含んでもよい。人口統計データは、例えば、年齢、性別、身長、体重など、ユーザを説明するデータを含んでもよい。上記に説明したタイプの追加データは単なる例であり、追加データには、本明細書に記載の技法の精神または範囲から逸脱することなく、より多くの、より少ない、または異なるタイプのデータを含んでもよい。

ＣＧＭプラットフォームは、ユーザ母集団の様々なそれぞれのユーザから収集された血糖測定値および追加データを記憶および集約する。場合によっては、血糖測定値および追加データにタイムスタンプを付けることができ、これにより、それぞれのユーザの血糖測定値および追加データを、様々なデータ間の時間ベースの関係または順序を維持する方法で記憶することが可能となる。これにより、ＣＧＭプラットフォームは、従来のシステムによってこのような大規模な分析が単純に行われていなかった個別のデータセットに基づいて、様々な予測および推論を行うことが可能となる。

集約データを使用して予測および推論を生成するために、ＣＧＭプラットフォームは、ＣＧＭプラットフォームによって維持される豊富な集約データを活用して、統計モデル、ニューラルネットワークとして構成された機械学習モデル、および／または統計モデルなどの様々なモデルを構築する。例えば、システムは統計モデルを構築し、他の機械学習モデルを構築し、他の機械学習モデルを訓練し（そうでなければそのような機械学習モデルによって展開されたポリシーを学習し）、ユーザ母集団の血糖測定値および追加データを使用してこれらのモデルを更新することができる。

特に、従来のシステムとは異なり、ＣＧＭプラットフォームは、ユーザ母集団の数十万人のユーザ（例えば、５００，０００人以上）に対してＣＧＭシステムを使用して取得された血糖測定値へのアクセスを有してもよい。さらに、これらの測定値は、ＣＧＭシステムのセンサによって連続的な速度で取られる。その結果、モデルの構築および訓練のためにシステムで利用できる血糖測定値は、数百万、さらには数十億になることがある。このような堅牢な量のデータで、システムはモデルを構築および訓練して、血糖レベルに対する様々な挙動の実際の影響を正確に模倣することができる。この集約データの堅牢性がなければ、従来のシステムは単にモデルを構築または訓練して、様々なユーザの挙動および行動が血糖値にどのように影響するかを好適に表す方式で状態空間をカバーすることができない。これらの状態空間を適切にカバーできないと、不正確な血糖予測または他の健康指標の予測をもたらす可能性があり、死を引き起こす可能性のある危険な行動または挙動を提案することにつながる可能性がある。不正確な予測を生成することの重要性を考えると、まれなイベントに対して堅牢な量の血糖測定値を使用してモデルを構築することが重要である。

ＣＧＭプラットフォームは、ＣＧＭシステムを着用しているユーザの様々な予測、および予測される健康状態を改善するための提案を生成するために、集約されたデータを使用して構築および／または訓練されたモデルを使用する。予測は、健康指標に対応するか、そうでなければそれを含んでもよい。本明細書で使用される場合、「健康指標」という用語は、「悪い（ｎｅｇａｔｉｖｅ）」または「良い（ｐｏｓｉｔｉｖｅ）」であり得る予測される健康状態を指してもよい。悪い健康状態の例は、例えば、ほんの数例を挙げると、前糖尿病、Ｉ型糖尿病、ＩＩ型糖尿病、ニューロパシー、アルツハイマー病、および心臓病を含む。対照的に、「良い」健康状態の例は、改善された血液検査、体組成、心臓血管能力などを含み得る。

さらに、システムによって生成される予測は、個々のユーザの特定の予測、およびユーザ母集団全体の一般化された予測または傾向を含んでもよい（例えば、ソーダを飲むと血糖値が急上昇し、長期的なニューロパシーを引き起こす、または低炭水化物の食事によりＡ１Ｃが低下する）。例えば、システムは、ユーザが将来、ＩＩ型糖尿病または心臓病を発症するであろうことを予測するなどによって、ユーザの健康指標またはイベントのユーザ固有の予測を生成するために、訓練された機械学習モデルを特定の期間にわたる個々のユーザの血糖測定値および追加データに適用することができる。システムは、予測に関連付けられた精度または確率、および予測に関連付けられた期間（例えば、４０か月以内にＩＩ型糖尿病を発症する可能性が７５％）を生成してもよい。場合によっては、システムは、短期的な予測を生成するために、リアルタイムデータに基づいて個々のユーザの予測を生成してもよい。例えば、訓練されたモデルは、近い将来（例えば、次の３０分）のユーザの予測される血糖レベルを生成するために、データが捕捉されているときにリアルタイムで血糖測定、心拍数、インスリンレベルなどに適用され得る。

これらの予測に基づいて、ＣＧＭプラットフォームは様々な提案を生成する。場合によっては、提案が、予測される悪い健康状態を、予測される悪い健康状態を緩和する（例えば、負の健康状態の発生確率を減らす）１つ以上の行動または挙動と関連付ける論理に基づいて生成される。そのため、提案は、予測される悪い健康状態を緩和することを意図する１つ以上の行動または挙動を含んでもよい。提案は、例えば、ユーザに行動を実行すること（例えば、計算デバイスにアプリケーションをダウンロードする、すぐに病院に駆け付ける、インスリンを投与する、散歩に出かける、特定の食品または飲料を消費する）、挙動を継続すること（例えば、特定の方法での食事、または特定の方法での運動を継続する）、挙動を変更すること（例えば、食習慣または運動習慣を変更する）などを指示してもよい。

例えば、ユーザの血糖値が次の３０分で高血糖レベルに上昇するという予測に基づいて、ＣＧＭプラットフォームは、ユーザがインスリンを投与するか、または活発な散歩に出かけることを提案するなどにより、ユーザの血糖レベルを下げることを意図する行動を含む提案を生成してもよい。逆に、ユーザの血糖値が一晩で低血糖レベルに低下するという予測に基づいて、ＣＧＭプラットフォームは、ユーザの血糖値を低血糖レベルより上に保つために、ユーザが就寝前にバナナを食べることを提案してもよい。別の例として、ユーザが４０か月以内にＩＩ型糖尿病を発症するという予測に基づいて、ＣＧＭプラットフォームは、ユーザの食事を調整するか、または活動レベルを上げたりするための提案を生成してもよい。

ＣＧＭプラットフォームによって生成された予測および提案は、ユーザに直接提供されてもよく、または、例えば、医療提供者、家族、サードパーティサービスなど、ユーザに関連付けられた他の関係者もしくはプラットフォームに提供されてもよい。そのような予測および提案は、例えば、電子通信（例えば、電子メールメッセージまたはテキストメッセージ）、通知（例えば、アプリケーション内またはデバイス上の通知）としてユーザまたは他の関係者に通信されてもよく、または資格情報を介してアクセス可能な安全なプラットフォームまたはウェブサイトにアップロードされてもよい。

様々な実装に従って、ＣＧＭプラットフォームは、１つ以上のアプリケーションプログラミングインターフェース（ＡＰＩ）を含み、ＣＧＭプラットフォームと１つ以上のサードパーティとの間で、血糖測定および追加データの往復通信を可能にする。このようなＡＰＩには、ＣＧＭシステムによって収集された血糖測定値を利用するアプリケーションおよびサービスを提供する様々なサードパーティに血糖測定値をＣＧＭプラットフォームから通信できるようにする「出力」ＡＰＩを含んでもよい。例えば、ユーザはそのようなサードパーティのアプリケーションをダウンロードし、これらのサードパーティのアプリケーションがユーザの血糖測定値にアクセスすることを許可してもよい。そうすることにより、サードパーティのアプリケーションが様々な方法で血糖測定値を活用して、ユーザの健康を改善することが可能となる。このようにして、サードパーティサービスプロバイダは、サードパーティサービスプロバイダが独自のＣＧＭシステムを製造および展開しなくても、血糖測定値を使用する様々なサービスを提供し得る。

ＣＧＭプラットフォームはまた、ＣＧＭプラットフォームがサードパーティのサービスプロバイダから「サードパーティ」のデータを受信することを可能にする「入力」ＡＰＩを含んでもよい。このようなサードパーティデータは、サードパーティのサービスまたはアプリケーションとのユーザ対話を記載するアプリケーション対話データを含んでもよい。ＣＧＭプラットフォームは、特定のアプリケーションとの対話がユーザの健康を改善しているかどうかを決定するために、ユーザの血糖測定値および他のデータとともに、アプリケーション対話データを集約することができる。これに基づいて、ＣＧＭプラットフォームは、ユーザ母集団の他のユーザも特定のアプリケーションを利用することを提案してもよい。

この一部として、システムは、例えば、年齢、性別、場所など、特定のユーザの人口統計データを収集してもよい。ユーザから収集された血糖測定値は、ユーザ母集団における他のユーザとの類似性スコアを生成するために、人口統計データおよび追加データと組み合わせることができる。例えば、２２歳の女性で、平均血糖が１６２ｍｇ／ｄＬで、夜間の低血糖測定のパターンを経験しているユーザは、その年齢、性別、平均血糖測定値、およびパターン経験の他のユーザとの類似性スコアを有することがある。このシナリオでは、特定のアプリケーションを利用するための提案は、母集団内の他のユーザとのユーザの類似性に基づいてもよい。例えば、特定のアプリケーションの使用によってユーザ母集団におけるユーザのサブセットの糖血症が改善される場合、ＣＧＭプラットフォームは、ユーザ母集団における同様のユーザに特定のアプリケーションの使用を提案することができる。

以下の説明では、最初に、本明細書に記載の技法を使用し得る例示的な環境を記載する。次いで、例示的な環境および他の環境で実行され得る例示的な実装形態の詳細および手順が記載される。例示的な手順のパフォーマンスは、例示的な環境に限定されず、例示的な環境は、例示的な手順のパフォーマンスに限定されない。

例示的な環境
図１は、本明細書に記載のような連続血糖モニタリング（ＣＧＭ）に基づく提案を用いるように動作可能な例示的な実装形態における環境１００の図示である。図示の環境１００は、ＣＧＭシステム１０４、インスリン送達システム１０６、および計算デバイス１０８を着用して描かれている人１０２を含む。図示された環境１００はまた、ＣＧＭシステムのユーザ母集団１１０における他のユーザ、ＣＧＭプラットフォーム１１２、およびモノのインターネット１１４（ＩｏＴ１１４）を含む。ＣＧＭシステム１０４、インスリン送達システム１０６、計算デバイス１０８、ユーザ母集団１１０、ＣＧＭプラットフォーム１１２、およびＩｏＴ１１４は、ネットワーク１１６を介して互いに通信可能に結合されている。

代替的または追加的に、ＣＧＭシステム１０４、インスリン送達システム１０６、および計算デバイス１０８のうちの１つ以上は、１つ以上の短距離通信プロトコルまたは技法を使用するなどして、他の方法で通信可能に結合されてもよい。例えば、ＣＧＭシステム１０４、インスリン送達システム１０６、および計算デバイス１０８は、Ｂｌｕｅｔｏｏｔｈ、近距離無線通信（ＮＦＣ）、５Ｇなどのうちの１つ以上を使用して互いに通信してもよい。ＣＧＭシステム１０４、インスリン送達システム１０６、および計算デバイス１０８は、これらのタイプの通信を利用して、互いの間に閉ループシステムを形成してもよい。このようにして、インスリン送達システム１０６は、血糖測定値がＣＧＭシステム１０４によって取得されるため、（例えば、計算デバイス１０８によって）リアルタイムで計算された血糖予測に基づいてインスリンを送達してもよい。

記載の技法により、ＣＧＭシステム１０４は、人１０２の血糖を連続的にモニタリングするように構成されている。ＣＧＭシステム１０４は、例えば、人１０２の血糖を示す分析物を連続的に検出し、血糖測定値の生成を可能にするＣＧＭセンサを備えて構成されてもよい。図示の環境１００では、これらの測定値は、血糖測定値１１８として表されている。この機能性は、ＣＧＭシステム１０４の構成のさらなる態様とともに、図２に関連してより詳細に説明されている。

１つ以上の実装形態では、ＣＧＭシステム１０４は、Ｂｌｕｅｔｏｏｔｈを介するなどして、血糖測定値１１８を計算デバイス１０８に送信する。ＣＧＭシステム１０４は、例えば、これらの測定値がＣＧＭセンサを使用して生成されるため、これらの測定値をリアルタイムで通信してもよい。代替的または追加的に、ＣＧＭシステム１０４は、設定された時間間隔、例えば、３０秒毎、１分毎、１時間毎、６時間毎、毎日などで、血糖測定値１１８を計算デバイス１０８に通信してもよい。またさらに、ＣＧＭシステム１０４は、例えば、計算デバイス１０８が、人１０２の血糖レベルに関する情報を有するユーザインターフェースの表示を引き起こし、そのような表示を更新し、インスリンを送達する目的で人１０２の次の血糖レベルを予測するなどするときに、例えば、ＣＧＭシステム１０４に通信される計算デバイス１０８からの要求に応答してこれらの測定値を通信してもよい。したがって、計算デバイス１０８は、例えば、計算デバイス１０８のコンピュータ可読記憶媒体において、人１０２の血糖測定値１１８を少なくとも一時的に維持してもよい。

ウェアラブルデバイス（例えば、スマートウォッチ）として図示されているが、計算デバイス１０８は、記載の技法の精神または範囲から逸脱することなく、様々な方法で構成されてもよい。限定ではなく例として、計算デバイス１０８は、異なるタイプのモバイルデバイス（例えば、携帯電話またはタブレットデバイス）として構成されてもよい。１つ以上の実装形態では、計算デバイス１０８は、ＣＧＭプラットフォーム１１２に関連付けられた専用デバイスとして構成されてもよく、例えば、ＣＧＭシステム１０４から血糖測定値１１８を取得し、血糖測定値１１８に関連する様々な計算を実行し、血糖測定値１１８およびＣＧＭプラットフォーム１１２に関連する情報を表示し、血糖測定値１１８をＣＧＭプラットフォーム１１２に通信するなどを行う機能性を備える。しかしながら、計算デバイス１０８が携帯電話として構成される実装形態とは対照的に、計算デバイス１０８は、電話をかける能力、カメラ機能性、ソーシャルネットワーキングアプリケーションを利用する能力など、専用のＣＧＭデバイスとして構成されるときに、携帯電話またはウェアラブル構成で利用可能ないくつかの機能性を含まないことがある。

追加的に、計算デバイス１０８は、記載の技法により、複数のデバイスを代表するものであってもよい。１つ以上のシナリオでは、例えば、計算デバイス１０８は、ウェアラブルデバイス（例えば、スマートウォッチ）および携帯電話の両方に対応してもよい。そのようなシナリオでは、これらのデバイスの両方は、例えば、ＣＧＭシステム１０４から血糖測定値１１８を受信し、ネットワーク１１６を介してそれらをＣＧＭプラットフォーム１１２に通信し、血糖測定値１１８に関連する情報を表示するなど、同じ動作の少なくとも一部を実行することが可能であってもよい。代替的または追加的に、異なるデバイスは、他のデバイスが有していないか、または特定のデバイスへの命令を計算することを通じて制限される異なる能力を有してもよい。計算デバイス１０８が別個のスマートウォッチおよび携帯電話に対応するシナリオでは、例えば、スマートウォッチは、様々な生理学的マーカー（例えば、心拍数、呼吸、血液速度など）および人１０２の活動（例えば、ステップ）を測定する様々なセンサおよび機能性を備えて構成されてもよい。このシナリオでは、携帯電話がこれらのセンサおよび機能性を備えて構成されていないか、または制限された量のその機能性を含むことがあるが、他のシナリオでは、携帯電話が同じ機能性を提供可能であってもよい。この特定のシナリオを続けると、携帯電話は、携帯電話が血糖測定値１１８に関連する計算をより効率的に実行することを可能にする量の計算リソース（例えば、バッテリおよび処理速度）など、スマートウォッチが有さない能力を有してもよい。スマートウォッチがそのような計算を実行可能であるシナリオでも、計算命令は、両方のデバイスに負担をかけず、利用可能なリソースを効率的に利用するために、携帯電話に対するそれらの計算のパフォーマンスを制限することがある。この範囲で、計算デバイス１０８は、記載の技法の精神および範囲から逸脱することなく、異なる方法で構成され、本明細書で説明されるものとは異なる数のデバイスを表してもよい。

上述のように、計算デバイス１０８は、血糖測定値１１８をＣＧＭプラットフォーム１１２に通信する。図示の環境１００では、血糖測定値１１８は、ＣＧＭデータ１２２の一部として、ＣＧＭプラットフォーム１１２の記憶デバイス１２０に記憶されて示されている。記憶デバイス１２０は、１つ以上のデータベース、およびＣＧＭデータ１２２を格納することが可能な他のタイプのストレージも表すことができる。ＣＧＭデータ１２２はまた、ユーザプロファイル１２４を含む。記載の技法によれば、人１０２は、少なくともＣＧＭプラットフォーム１１２のユーザに対応し、１つ以上の他のサードパーティサービスプロバイダのユーザであってもよい。この目的のために、人１０２は、ユーザ名に関連付けられ、ある時点で、ユーザ名を使用してＣＧＭプラットフォーム１１２にアクセスするための認証情報（例えば、パスワード、生体認証データなど）を提供することが要求されてもよい。この情報は、ユーザプロファイル１２４で捕捉されてもよい。ユーザプロファイル１２４はまた、ユーザに関する様々な他の情報、例えば、人１０２を記載する人口統計情報、医療提供者に関する情報、支払い情報、処方情報、決定された健康指標、ユーザ選好、他のサービスプロバイダシステム（例えば、ウェアラブル、ソーシャルネットワーキングシステムなどに関連付けられたサービスプロバイダ）のアカウント情報などを含んでもよい。ユーザプロファイル１２４は、記載の技法の精神および範囲内のユーザに関する異なる情報を含んでもよい。

さらに、ＣＧＭデータ１２２は、人１０２に対応するユーザのデータを表すだけでなく、ユーザ母集団１１０における他のユーザのデータも表す。これを考えると、記憶デバイス１２０内の血糖測定値１１８は、人１０２によって着用されたＣＧＭシステム１０４のＣＧＭセンサからの血糖測定値を含み、ユーザ母集団１１０における他のユーザに対応する人によって着用されたＣＧＭシステムのＣＧＭセンサからの血糖測定値も含む。これらの他のユーザの血糖測定値１１８は、ネットワーク１１６を介してそれぞれのデバイスによってＣＧＭプラットフォーム１１２に通信され、これらの他のユーザは、ＣＧＭプラットフォーム１１２でそれぞれのユーザプロファイル１２４を有することにもなる。

データ分析プラットフォーム１２６は、ＣＧＭデータ１２２を処理して、様々な機械学習モデルを使用することなどにより、様々な予測を生成する機能を表す。これらの予測に基づいて、ＣＧＭプラットフォーム１１２は、予測に関する提案および／または他の情報を提供してもよい。例えば、ＣＧＭプラットフォーム１１２は、提案または他の情報を、ユーザに直接、ユーザに関連付けられた医療専門家などに提供してもよい。特定のタイプの予測、提案、およびその他の情報については、以下で詳細に記載する。計算デバイス１０８とは別個に描かれているが、データ分析プラットフォーム１２６の一部または全体が、計算デバイス１０８において代替的または追加的に実装されてもよい。データ分析プラットフォーム１２６はまた、血糖測定値１１８に加えてデータ、例えばＩｏＴ１１４を介して取得された追加データを使用してこれらの予測を生成するように構成されてもよい。

ＩｏＴ１１４は、人１０２ならびに１つ以上のサービスプロバイダのユーザとしての人１０２の活動および実世界での活動を説明するデータを提供することができる様々なソースを表すことを理解されたい。例として、ＩｏＴ１１４は、例えば、カメラ、携帯電話、ラップトップなど、ユーザの様々なデバイスを含んでもよい。この目的のために、ＩｏＴ１１４は、ユーザと様々なデバイスとの対話、例えば、ウェブベースのアプリケーションとの対話、撮影された写真、他のユーザとの通信などに関する情報を提供してもよい。ＩｏＴ１１４はまた、例えば、歩数、地面に当たる足の力、歩幅、ユーザの体温（および他の生理学的測定値）、ユーザの周囲の温度、冷蔵庫に保管されている食品のタイプ、冷蔵庫から取り出された食品のタイプ、運転習慣など、挙動を記載する情報を提供するセンサで構成されている様々な実世界の物品（例えば、靴、衣類、スポーツ用品、電化製品、自動車など）を含んでもよい。ＩｏＴ１１４はまた、データ分析プラットフォーム１２６によって活用され得る医療および製造データをそれぞれ提供することができる医療提供者（例えば、人１０２の医療提供者）および製造業者（例えば、ＣＧＭシステム１０４、インスリン送達システム１０６、または計算デバイス１０８の製造業者）などのサードパーティをＣＧＭプラットフォーム１１２に含めることもできる。確かに、ＩｏＴ１１４は、記載の技法の精神または範囲から逸脱することなく、ＣＧＭに基づく提案に関連して豊富なデータを提供できるデバイスおよびセンサが含んでもよい。血糖を、例えば、連続的に測定し、そのような測定値を記載するデータを取得するコンテキストにおいて、図２の以下の説明を検討する。

図２は、図１のＣＧＭシステム１０４の例示的な実装形態２００をより詳細に描いている。特に、図示の例２００は、ＣＧＭシステム１０４の上面図および対応する側面図を含む。

ＣＧＭシステム１０４は、センサ２０２およびセンサモジュール２０４を含むように図示されている。図示の例２００では、センサ２０２は、側面図で描かれており、例えば、人１０２の皮膚２０６に皮下挿入されている。センサモジュール２０４は、上面図において破線の長方形として描かれている。ＣＧＭシステム１０４はまた、図示の例２００において送信機２０８を含む。センサモジュール２０４のために破線の長方形を使用して、それが送信機２０８のハウジング内に収容されるか、さもなければ実装され得ることを示している。この例２００では、ＣＧＭシステム１０４は、接着パッド２１０および取り付け機構２１２をさらに含む。

動作中、センサ２０２、接着パッド２１０、および取り付け機構２１２は、適用アセンブリを形成するように組み立てられてもよく、適用アセンブリは、描かれているようにセンサ２０２が皮下挿入されるように皮膚２０６に適用されるように構成されている。そのようなシナリオでは、送信機２０８は、皮膚２０６に適用された後、取り付け機構２１２を介してアセンブリに取り付けられてもよい。追加的または代替的に、送信機２０８は、適用アセンブリの一部として組み込まれてもよく、センサ２０２、接着パッド２１０、取り付け機構２１２、および送信機２０８（センサモジュール２０４を有する）がすべて一度に皮膚２０６に適用されてもよい。１つ以上の実装形態では、この適用アセンブリは、別個のアプリケータ（図示せず）を使用して皮膚２０６に適用される。この適用アセンブリは、接着パッド２１０を皮膚２０６から剥がすことによっても取り外すことができる。図示のＣＧＭシステム１０４およびその様々な構成要素は、単なる一例の形式ファクタであり、ＣＧＭシステム１０４およびその構成要素は、記載の技法の精神または範囲から逸脱することなく、異なる形式ファクタを有し得ることが理解されよう。

動作中、センサ２０２は、「無線」接続または「有線」接続であり得る少なくとも１つの通信チャネルを介してセンサモジュール２０４に通信可能に結合される。センサ２０２からセンサモジュール２０４への、またはセンサモジュール２０４からセンサ２０２への通信は、能動的または受動的に実装することができ、これらの通信は、連続的（例えば、アナログ）または離散的（例えば、デジタル）とすることができる。

センサ２０２は、センサ２０２から少なくとも部分的に独立している事象に応答して変化するか、または変化を引き起こすデバイス、分子、および／または化学物質であってもよい。センサモジュール２０４は、センサ２０２への変化またはセンサ２０２によって引き起こされた変化の表示を受信するように実装されている。例えば、センサ２０２は、血糖および酸素と反応して、電極を含み得るセンサモジュール２０４によって電気化学的に検出可能な過酸化水素を形成する血糖オキシダーゼを含むことができる。この例では、センサ２０２は、１つ以上の測定技術を使用して血糖レベルを示す血液または間質液中の分析物を検出するように構成されている血糖センサとして構成され得るか、または血糖センサを含んでもよい。

別の例では、センサ２０２（またはＣＧＭシステム１０４の追加のセンサ（図示せず））は、第１および第２の導電体を含むことができ、センサモジュール２０４は、センサ２０２の第１の導電体および第２の導電体間の電位の変化を電気的に検出することができる。この例では、センサモジュール２０４およびセンサ２０２は、電位の変化が温度変化に対応するように熱電対として構成されている。いくつかの例では、センサモジュール２０４およびセンサ２０２は、単一の分析物、例えば、血糖を検出するように構成されている。他の例では、センサモジュール２０４およびセンサ２０２は、複数の分析物、例えば、ナトリウム、カリウム、二酸化炭素、および血糖を検出するように構成されている。代替的または追加的に、ＣＧＭシステム１０４は、１つ以上の分析物（例えば、ナトリウム、カリウム、二酸化炭素、および血糖）だけでなく、１つ以上の環境条件（例えば、温度）も検出する複数のセンサを含む。したがって、センサモジュール２０４およびセンサ２０２（および任意の追加のセンサ）は、１つ以上の分析物の存在、１つ以上の分析物の不在、および／または１つ以上の環境条件の変化を検出してもよい。

１つ以上の実装形態では、センサモジュール２０４は、プロセッサおよびメモリ（図示せず）を含んでもよい。センサモジュール２０４は、プロセッサを活用することにより、上記に説明した変化を示すセンサ２０２との通信に基づいて血糖測定値１１８を生成してもよい。センサ２０２からのこれらの通信に基づいて、センサモジュール２０４は、ＣＧＭデバイスデータ２１４を生成するようにさらに構成されている。ＣＧＭデバイスデータ２１４は、少なくとも１つの血糖測定値１１８を含む通信可能なデータのパッケージである。代替的または追加的に、ＣＧＭデバイスデータ２１４は、例えば、複数の血糖測定値１１８、センサ識別２１６、センサステータス２１８などの他のデータを含む。１つ以上の実装形態では、ＣＧＭデバイスデータ２１４は、血糖測定値１１８に対応する温度および他の分析物の測定値のうちの１つ以上のものなどの他の情報を含んでもよい。ＣＧＭデバイスデータ２１４は、記載の技法の精神または範囲から逸脱することなく、少なくとも１つの血糖測定値１１８に加えて、様々なデータを含んでもよいことが理解されるべきである。

動作中、送信機２０８は、ＣＧＭデバイスデータ２１４をデータのストリームとして計算デバイス１０８に無線で送信してもよい。代替的または追加的に、センサモジュール２０４は、ＣＧＭデバイスデータ２１４を（例えば、センサモジュール２０４のメモリに）バッファし、送信機２０８に、バッファされたＣＧＭデバイスデータ２１４を様々な間隔、例えば、時間間隔（毎秒、３０秒毎、１分毎、１時間毎など）、記憶間隔（バッファされたＣＧＭデバイスデータ２１４がデータのしきい値量またはＣＧＭデバイスデータ２１４のインスタンスの数に達したとき）などで送信させてもよい。

ＣＧＭデバイスデータ２１４を生成し、それを計算デバイス１０８に通信させることに加えて、センサモジュール２０４は、記載の技法による追加機能性を含んでもよい。この追加機能性は、将来の人１０２の血糖レベルの予測を生成することと、例えば、人１０２の血糖レベルが近い将来に危険なほどに低くなる可能性が高いことを予測が示すときに警告を通信することによって、予測に基づいて通知を通信することと、を含んでもよい。センサモジュール２０４のこの計算能力は、特にネットワーク１１６を介したサービスへの接続が制限されているか、または存在しない場合に有利であり得る。このようにして、例えばインターネットへの接続性に依存することなく、危険な状態について警告を受けることができる。センサモジュール２０４のこの追加機能性はまた、センサ２０２を最初にまたは継続的に較正すること、およびＣＧＭシステム１０４の他の任意のセンサを較正することを含んでもよい。

ＣＧＭデバイスデータ２１４に関して、センサ識別２１６は、他のセンサ、例えば、他のＣＧＭシステム１０４の他のセンサ、皮膚２０６に以前または後続で埋め込まれた他のセンサなどの他のセンサからセンサ２０２を一意に識別する情報を表す。センサ２０２を一意に識別することにより、センサ識別２１６はまた、センサ２０２に関する他の態様、例えば、センサ２０２の製造ロット、センサ２０２の包装の詳細、センサ２０２の出荷の詳細などを識別するために使用されてもよい。このようにして、センサ２０２と同様の方法で製造、包装、および／または出荷されたセンサについて検出された様々な問題を識別し、例えば、血糖測定値１１８を較正し、欠陥のあるセンサを変更するように、またはそれらを廃棄するようにユーザに通知し、機械加工の問題を製造施設に通知するなどを行うために異なる方法で使用されてもよい。

センサステータス２１８は、所与の時点におけるセンサ２０２の状態、例えば、血糖測定値１１８の１つが生成されるのと同じ時点におけるセンサの状態を表す。この目的のために、センサステータス２１８は、血糖測定値１１８の各々に対するエントリを含んでもよく、血糖測定値１１８とセンサステータス２１８情報に捕捉されたステータスとの間に１対１の関係があるようにする。一般的に言えば、センサステータス２１８は、センサ２０２の動作状態を記載する。１つ以上の実装形態では、センサモジュール２０４は、所与の血糖測定値１１８に対するいくつかの所定の動作状態のうちの１つを識別してもよい。識別された動作状態は、センサ２０２からの通信および／またはそれらの通信の特性に基づいてもよい。

例として、センサモジュール２０４は、ある状態を別の状態から選択するための所定の数の動作状態および基礎を有するルックアップテーブルを（例えば、メモリまたは他のストレージに）含んでもよい。例えば、所定の状態は、「通常の」動作状態を含んでもよく、この状態を選択するための基礎は、センサ２０２からの通信が、通常の動作を示すしきい値内、例えば、予想される時間のしきい値内、予想される信号強度のしきい値、環境温度が予想どおりに動作を継続するのに適した温度のしきい値内にあるなどに収まることであってもよい。所定の状態はまた、センサ２０２の通信の１つ以上の特性が通常の活動の範囲外であることを示し、血糖測定値１１８における潜在的なエラーをもたらす可能性がある動作状態を含んでもよい。

例えば、これらの通常ではない動作状態の基礎は、しきい値予想時間外でセンサ２０２からの通信を受信すること、予想信号強度のしきい値外でセンサ２０２の信号強度を検出すること、予想通りに動作を継続するための好適な温度外で環境温度を検出すること、人１０２がＣＧＭシステム１０４上で転がった（例えば、ベッドにいる）ことを検出することなどを含んでもよい。センサステータス２１８は、記載の技法の精神または範囲から逸脱することなく、センサ２０２およびＣＧＭシステム１０４に関する様々な態様を示してもよい。

例示的な環境および例示的なＣＧＭシステムを検討したので、次に、１つ以上の実装形態によるデジタル媒体環境でのＣＧＭに基づく提案のための技法のいくつかの例示的な詳細の説明を検討する。

ＣＧＭに基づく提案
図３は、血糖測定値を含むＣＧＭデバイスデータが異なるシステムにルーティングされ、ＣＧＭ関連サービスの提供を可能にする例示的な実装形態３００を描いている。

図示の例３００は、図１から、ＣＧＭシステム１０４および計算デバイス１０８の例を含む。図示の例３００はまた、データ分析プラットフォーム１２６および記憶デバイス１２０を含み、これらは、上で論じたように、血糖測定値１１８を含むＣＧＭデータ１２２を記憶する。この例３００では、ＣＧＭシステム１０４は、ＣＧＭデバイスデータ２１４を計算デバイス１０８に送信するように描かれている。図２に関連して上で論じたように、ＣＧＭデバイスデータ２１４は、他のデータとともに血糖測定値１１８を含む。ＣＧＭシステム１０４は、様々な方法で、ＣＧＭデバイスデータ２１４を計算デバイス１０８に送信してもよい。

図示の例３００はまた、ＣＧＭパッケージ３０２を含み、これは、ＣＧＭデバイスデータ２１４および補足データ３０４を含む。この例３００では、ＣＧＭパッケージ３０２は、計算デバイス１０８からＣＧＭプラットフォーム１１２の記憶デバイス１２０にルーティングされて描かれている。大まかに言えば、計算デバイス１０８は、ＣＧＭデバイスデータ２１４に少なくとも部分的に基づいて補足データ３０４を生成し、このデータをＣＧＭパッケージ３０２に一緒にパッケージ化し、ＣＧＭパッケージ３０２を、例えばネットワーク１１６を介して記憶デバイス１２０に記憶するためにＣＧＭプラットフォーム１１２に通信する機能性を含む。

補足データ３０４に関して、計算デバイス１０８は、ＣＧＭデバイスデータ２１４を補足するために様々な補足データを生成してもよい。記載の技法によれば、補足データ３０４は、ユーザのコンテキストとＣＧＭデバイスデータ２１４（例えば、血糖測定値１１８）との対応を識別できるように、ユーザのコンテキストの１つ以上の態様を記載してもよい。例として、補足データ３０４は、計算デバイス１０８とのユーザの対話を記載してもよく、例えば、特定のアプリケーションの対話（例えば、行われた選択、実行された動作）を記載するアプリケーションログから抽出されたデータを含んでもよい。補足データ３０４はまた、計算デバイス１０８の入力／出力インターフェースに関連して実行されたクリック、タップ、およびプレスを記載するクリックストリームデータを含んでもよい。別の例として、補足データ３０４は、ユーザが見ている場所を記載する注視データ（例えば、計算デバイス１０８に関連付けられたディスプレイデバイスに関して、またはユーザがデバイスから目をそらしているとき）、ユーザまたは他のユーザの可聴コマンドおよび他の話されたフレーズを記載する音声データ（例えば、ユーザを受動的に聞くことを含む）、デバイスを記載するデバイスデータ（例えば、製造、モデル、動作システムおよびバージョン、カメラタイプ、計算デバイス１０８が実行しているアプリ）などを含んでもよい。補足データ３０４はまた、ユーザのコンテキストの他の態様、例えば、ユーザの場所、（例えば、屋外で、温度感知機能性を使用してユーザに近接する）その場所における温度、その場所における天気、ユーザの高度、気圧、ＩｏＴ１１４（例えば、ユーザが食べている食品、ユーザがスポーツ用品を使用している方式、ユーザが着用している服）を介してユーザに関連して取得されたコンテキスト情報などの環境的態様などを記載してもよい。補足データ３０４はまた、例えば、歩数、心拍数、発汗、ユーザの温度（例えば、計算デバイス１０８によって検出される）などを含む、ユーザに関して検出された健康関連の態様を記載してもよい。計算デバイス１０８が、ＣＧＭシステム１０４と同じ態様のいくつかを検出するか、さもなければ測定する機能性を含み得る限り、これらの２つのソースからのデータは、例えば、精度、障害検出などのために比較されてもよい。上記に説明したタイプの補足データ３０４は例にすぎず、補足データ３０４は、本明細書に記載の技術の精神または範囲から逸脱することなく、より多くの、より少ない、または異なるタイプのデータを含んでもよい。

補足データ３０４がユーザのコンテキストをどれほどロバストに記載するかに関係なく、計算デバイス１０８は、様々な間隔で処理するためにＣＧＭパッケージ３０２をＣＧＭプラットフォーム１１２に通信してもよい。１つ以上の実装形態では、計算デバイス１０８は、例えば、ＣＧＭシステム１０４がＣＧＭデバイスデータ２１４を計算デバイス１０８に連続的に提供するため、実質的にリアルタイムでＣＧＭパッケージ３０２をＣＧＭプラットフォーム１１２にストリーミングしてもよい。計算デバイス１０８は、代替的または追加的に、ＣＧＭパッケージ３０２のうちの１つ以上を、所定の間隔、例えば、毎秒、３０秒毎、１時間毎などで、ＣＧＭプラットフォーム１１２に通信してもよい。

図示の例３００には描かれていないが、ＣＧＭプラットフォーム１１２は、これらのＣＧＭパッケージ３０２を処理し、ＣＧＭデバイスデータ２１４および補足データ３０４のうちの少なくとも一部を記憶デバイス１２０に記憶してもよい。以下でより詳細に記載するように、記憶デバイス１２０から、このデータは、例えば、様々な予測を生成し、提案を提供するために、データ分析プラットフォーム１２６に提供されるか、そうでなければアクセスされてもよい。代替的または追加的に、データは、サードパーティサービスプロバイダなどのサードパーティ３０６に提供されてもよい。このようにして、サードパーティサービスプロバイダは、独自のＣＧＭシステムを製造および展開しなくても、血糖測定値１１８を使用する様々なサービスを提供することができる可能性がある。

図示の例３００では、血糖測定値１１８が、ＣＧＭプラットフォーム１１２の記憶デバイス１２０からネットワーク１１６を介してサードパーティ３０６の記憶デバイス３０８（または他のタイプのストレージ）に通信されるように描かれている。特に、血糖測定値１１８は、ＣＧＭプラットフォームアプリケーションプログラミングインターフェース（ＡＰＩ）３１０を介して通信されるように描かれている。このタイプのシナリオでは、ＣＧＭプラットフォームＡＰＩ３１０は、血糖測定値１１８などのデータの「出力」と考えられてもよい。「出力」によって、データの流れが一般にＣＧＭプラットフォーム１１２からサードパーティ３０６への外向きであることを意味する。

１つ以上の実装形態では、ＣＧＭプラットフォーム１１２は、ＣＧＭプラットフォームＡＰＩ３１０を介して記憶デバイス１２０からのデータへのアクセスを提供する。データ提供のコンテキストでは、ＣＧＭプラットフォームＡＰＩ３１０は、１つ以上の「呼び出し」（例えば、データ要求のための特定のフォーマット）をサードパーティ３０６に公開してもよい。例として、ＣＧＭプラットフォームＡＰＩ３１０は、サードパーティ３０６が、例えば、ＣＧＭプラットフォーム１１２に対応するビジネスと合意した後、サードパーティ３０６への呼び出しを公開してもよく、これにより、サードパーティ３０６は、ＣＧＭプラットフォームＡＰＩ３１０を介して記憶デバイス１２０からデータを取得することが可能である。この合意の一部として、サードパーティ３０６は、ＣＧＭプラットフォーム１１２からデータを取得するために支払いを交換することに同意してもよい。代替的または追加的に、サードパーティ３０６は、ＣＧＭプラットフォーム１１２からデータを取得するために、例えば、関連付けられたデバイスを介して、それが生成するデータを交換することに同意してもよい。ＣＧＭプラットフォームＡＰＩ３１０を介してＣＧＭプラットフォーム１１２からデータ（例えば、血糖測定値１１８）を取得するための合意をする当事者は、「データパートナー」と呼ばれることがある。

大まかに言えば、ＣＧＭプラットフォームＡＰＩ３１０は、サードパーティ３０６が特定の要求フォーマットでデータ（例えば、血糖測定値１１８）を要求することを可能にし、要求が特定のフォーマットで行われる場合、ＣＧＭプラットフォームＡＰＩ３１０は、特定の応答フォーマットで要求されたデータを提供する。言い換えれば、ＣＧＭプラットフォームＡＰＩ３１０は、サードパーティ３０６からの特定の要求フォーマットで血糖測定値１１８の要求を受信し、要求された血糖測定値１１８を記憶デバイス１２０から取得し、要求された血糖測定値１１８をフォーマットされた応答でサードパーティ３０６に提供するように構成されている。ＣＧＭプラットフォームＡＰＩ３１０は、サードパーティ３０６が、血糖測定値１１８の１つ以上の期間（例えば、過去１０日間）、特定のユーザまたはユーザのセグメントの血糖測定値１１８、多数のユーザ（例えば、１０，０００ユーザ）の特定の期間（例えば、過去１０日間）にわたる血糖測定値１１８を要求することを可能にする呼び出しを公開してもよい。ＣＧＭプラットフォーム３１０は、記載の技法の精神または範囲から逸脱することなく、サードパーティが様々な方法で特定の基準を満たす血糖測定値１１８を要求することを可能にする様々な呼び出しを公開してもよい。動作中、ＣＧＭプラットフォームＡＰＩ３１０は、例えば、血糖測定値１１８を取得できる頻度を制限すること、血糖測定値がＣＧＭシステム１０４および計算デバイス１０８などから取得された後に血糖測定値１１８の提供に待ち時間を導入することなど、対応する合意の条件に応じて、異なるサードパーティがどのデータにアクセスできるかを制限してもよい。

サードパーティ３０６が血糖測定値１１８を取得すると、サードパーティ３０６は、取得された血糖測定値１１８に基づいて、１つ以上のサードパーティ提案３１２を生成してもよい。例として、サードパーティ３０６は、ユーザにライフスタイルアプリケーションを提供し、血糖測定値１１８を使用して、そのようなアプリケーションを介して追跡される１つ以上のライフスタイル挙動に関連するサードパーティ提案３１２、例えば、運動を増やすための提案、運動を減らすための提案、所定の挙動（例えば、歩数、特定の食品を食べる、睡眠）を継続するための提案、特定の挙動（例えば、特定の食品を食べる、アルコールを飲む、睡眠）を減らすまたは排除するための提案などを提供してもよい。ライフスタイルアプリケーションの例は、運動アプリケーション、健康測定アプリケーション、食品追跡アプリケーション、スポーツ固有のアプリケーションなどを含み得る。

上記のように、サードパーティ３０６は、サードパーティ３０６が、製造および／または展開するデバイス、例えば、ウェアラブルデバイスを介するなどして、独自の追加データを生成してもよい。これを考えると、サードパーティ３０６は、血糖測定値１１８だけでなく、サードパーティ３０６が生成する追加データにも基づいて、サードパーティ提案３１２を生成してもよい。例えば、サードパーティ３０６は、取得された血糖測定値１１８およびこの追加データを、過去の血糖測定値１１８および過去の追加データを使用して訓練された１つ以上の機械学習モデルへの入力として提供してもよい。この入力に応答して、サードパーティ３０６は、１つ以上のモデルによって生成された少なくとも１つの予測を出力として取得する。サードパーティ３０６は、そのような予測をサードパーティ提案３１２の基礎として使用してもよい。サードパーティ提案３１２は、サードパーティ３０６によって出力されて示されている。これは、サードパーティ３０６が、サードパーティ提案３１２を、ネットワーク１１６を介して計算デバイス１０８または他の計算デバイス、例えば、ユーザ母集団１１０の計算デバイスにそれを通信することによって送達してもよいことを表す。次いで、サードパーティ提案３１２は、例えば、提案を表示すること、提案を音声で出力することなどによって、受信側計算デバイスによって出力されてもよい。

図示の例３００はまた、サードパーティからデータ分析プラットフォーム１２６に通信されて示されているサードパーティデータ３１４を含む。前述のように、サードパーティ３０６は、関連付けられたデバイスを製造および／または展開してもよい。追加的または代替的に、サードパーティ３０６は、対応するアプリケーションなどの他のソースを介してデータを取得してもよい。したがって、このデータは、対応するサードパーティアプリケーション、例えば、ソーシャルネットワーキングアプリケーション、ライフスタイルアプリケーションなどを介して入力されたユーザ入力データを含んでもよい。これを考えると、サードパーティ３０６によって生成されたデータは、専用データ構造、テキストファイル、ユーザのモバイルデバイスを介して取得された画像、公開フィールドまたはダイアログボックスに入力されたテキストを示すフォーマット、オプション選択を示すフォーマットなどを含む様々な方法で構成されてもよい。サードパーティデータ３１４は、記載の技法の精神または範囲から逸脱することなく、サードパーティによって提供される１つ以上のサービスに関連する様々な態様を記載してもよい。サードパーティデータ３１４は、例えば、サードパーティ３０６によって提供される特定のアプリケーションとのユーザによる使用または対話を記載するアプリケーション対話データを含んでもよい。一般に、アプリケーション対話データは、データ分析プラットフォーム１２６が、ユーザ母集団１１０のユーザによる特定のアプリケーションの使用または使用量を決定することを可能にする。このようなデータは、例えば、特定のアプリケーションとのユーザの対話を記載するアプリケーションログから抽出されたデータ、アプリケーションの入力／出力インターフェースに関連して実行されるクリック、タップ、およびプレスを記載するクリックストリームデータなどを含んでもよい。したがって、１つ以上の実装形態では、データ分析プラットフォーム１２６は、サードパーティ３０６によって生成されたか、そうでなければ取得されたサードパーティデータ３１４を受信してもよい。

図示の例３００では、サードパーティデータ３１４が、ＣＧＭプラットフォームＡＰＩ３１０を介して通信されるように描かれている。このタイプのシナリオでは、ＣＧＭプラットフォームＡＰＩ３１０は、サードパーティデータ３１４の「入力（ｉｎｇｒｅｓｓ）」と考えられてもよい。「入力」によって、データの流れが、一般にサードパーティ３０６からＣＧＭプラットフォーム１１２に内向きであることを意味する。ＣＧＭプラットフォームＡＰＩ３１０は、出力および入力データフローの両方を支援するものとして示されているが、１つ以上の実装形態では、ＣＧＭプラットフォーム１１２からのデータの出力およびＣＧＭプラットフォーム１１２へのデータの入力を可能にする機能性は、異なるＡＰＩによって処理されてもよい。例えば、入力機能性は、ＣＧＭプラットフォーム１１２のＡＰＩではなく、サードパーティ３０６に対応するＡＰＩによって処理されてもよい。とにかく、ＣＧＭプラットフォーム１１２のデータ（血糖測定値１１８および補足データ３０４）に加えて、データ分析プラットフォーム１２６は、１つ以上のシナリオでサードパーティデータ３１４を利用してもよい。

データ分析プラットフォーム１２６は、予測システム３１６を備えて示されている。記載のシステムに従って、予測システム３１６は、少なくとも血糖測定値１１８に基づいて予測３１８を生成するように構成されている。１つ以上の実装形態では、例えば、予測システム３１６は、血糖測定値１１８および追加データの両方に基づいて予測３１８を生成し、追加データは、血糖測定値１１８に加えて、ＣＧＭデバイスデータ２１４、補足データ３０４、サードパーティデータ３１４、ＩｏＴ１１４からのデータなどの１つ以上の部分を含んでもよい。以下で説明するように、予測システム３１６は、１つ以上の機械学習モデルを使用することによって、そのような予測３１８を生成してもよい。これらのモデルは、血糖測定値１１８およびユーザ母集団１１０から取得された追加データを使用して訓練されるか、そうでなければ構築されてもよい。

１つ以上の実装形態では、予測３１８は、健康指標に対応するか、そうでなければそれを含んでもよい。本明細書で使用される場合、「健康指標」という用語は、「悪い（ｎｅｇａｔｉｖｅ）」または「良い（ｐｏｓｉｔｉｖｅ）」であり得る予測される健康状態を指してもよい。悪い健康状態の例は、例えば、ほんの数例を挙げると、前糖尿病、Ｉ型糖尿病、ＩＩ型糖尿病、ニューロパシー、アルツハイマー病、および心臓病を含む。対照的に、「良い」健康状態の例には、悪い健康状態を発症させるリスク、または体脂肪、心臓血管能力などに関連する良い健康状態を含んでもよい。場合によっては、健康指標は、予測されるＡ１Ｃなどの予測される病状を指してもよい。特に、予測３１８は、特定の期間中に収集された血糖測定値１１８および追加データに基づく。したがって、場合によっては、予測３１８は、集約されたデータに基づいて、ユーザが現在予測される健康状態を有していることを予測する。代替的に、予測される健康状態は、集約されたデータが収集される特定の期間の後に発生する期間に対応してもよい（例えば、４０か月以内のＩＩ型糖尿病の予測）。いくつかの追加のタイプの予測、およびこれらの予測を生成するために使用される特定のタイプの情報についても、以下でさらに詳細に説明する。

生成された予測３１８に基づいて、データ分析プラットフォーム１２６は、提案３２０を生成する。提案３２０は、例えば、ユーザに行動を実行すること（例えば、計算デバイス１０８にアプリケーションをダウンロードする、すぐに病院に駆け付ける、インスリンを投与する、散歩に出かける、特定の食品または飲料を消費する）、挙動を継続すること（例えば、特定の方法での食事、または特定の方法での運動を継続する）、挙動を変更すること（例えば、食習慣または運動習慣を変更する）などを指示してもよい。そのようなシナリオでは、予測３１８および／または提案３２０は、データ分析プラットフォーム１２６から通信され、計算デバイス１０８を介して出力される。図示の例３００では、予測３１８もまた、計算デバイス１０８に通信されて図示されている。予測３１８および提案３２０のいずれかまたは両方が計算デバイス１０８に通信され得ることが理解されるべきである。追加的または代替的に、予測３１８および／または提案３２０は、例えば、予測および／または提案が計算デバイス１０８に送達されることが許可される前に、意思決定支援プラットフォームおよび／または検証プラットフォームにルーティングされてもよい。提案３２０の基礎として機能し得る１つ以上の予測を生成するコンテキストでは、図４の以下の説明を考える。

図４は、データ分析プラットフォーム１２６の例示的な実装形態４００をより詳細に描いている。図３のように、データ分析プラットフォーム１２６は、予測システム３１６を含む。

図示の例４００では、予測システム３１６は、統計モデル４０６および追加の機械学習モデル４０８、例えばニューラルネットワークを含むモデル４０４を管理するモデルマネージャ４０２を含む。モデル４０４は、複数の異なる統計モデル、ニューラルネットワークとして構成されている複数の機械学習モデル、および／または複数の他のタイプの機械学習モデルなど、記載の技法の精神または範囲から逸脱することなく、異なるモデルを含み得ることを理解されよう。これらの異なる機械学習モデルは、異なるデータを使用して、異なる統計モデリング技法に従って、異なるアーキテクチャを有して、異なるアルゴリズムに従うなどして、それぞれ構築もしくは訓練されてもよい（またはモデルは、それ以外の方法で学習される）。したがって、モデルマネージャ４０２の機能性の以下の説明は、様々な機械学習モデルに適用可能であることが理解されよう。しかしながら、説明の目的で、モデルマネージャ４０２の機能性は、統計モデル４０６および追加の機械学習モデル４０８に関連して一般的に記載される。

一般に、モデルマネージャ４０２は、モデル４０４を管理するように構成されている。このモデル管理は、例えば、統計モデル４０６を構築すること、機械学習モデル４０８を構築すること、機械学習モデル４０８を訓練すること、これらのモデルを更新することなどを含む。具体的には、モデルマネージャ４０２は、ＣＧＭプラットフォーム１１２の記憶デバイス１２０に維持されている豊富なデータを少なくとも部分的に使用して、このモデル管理を実行するように構成されている。図示のように、このデータは、ユーザ母集団１１０の血糖測定値１１８および追加データ４１０を含む。別の言い方をすれば、モデルマネージャ４０２は、統計モデル４０６を構築し、機械学習モデル４０８を構築し、機械学習モデル４０８を訓練し（そうでなければ、それによって展開されるポリシーを学習し）、ユーザ母集団１１０の血糖測定値１１８および追加のデータ４１０を使用してこれらのモデルを更新する。

一般に、ＣＧＭプラットフォーム１１２は、様々なデバイス、センサ、アプリケーション、またはサービスからユーザ母集団の追加データ４１０を取得する。したがって、追加データは、血糖測定値１１８が検出されるＣＧＭシステム１０４とは異なる１つ以上の「ソース」から取得されてもよい。１つ以上の実装形態では、この追加データ４１０は、血糖測定値１１８（例えば、センサ識別２１６およびセンサステータス２１８データ）に加えて、ＣＧＭデバイスデータ２１４、補足データ３０４、サードパーティデータ３１４、ＩｏＴ１１４からのデータなどのうちの少なくとも１つ以上の部分を含んでもよい。

追加データ４１０は、限定ではなく例として、健康関連データ、アプリケーション対話データ、環境データ、人口統計データ、血糖測定値に加えて、デバイスデータ（例えば、センサ識別データ、インシデントレポート）、計算デバイスによって追加された補足データ、サードパーティデータなどを含んでもよい。健康関連データは、ほんの数例を挙げると、活動データ（例えば、歩数、運動頻度、睡眠データ）、生体測定データ（例えば、インスリンレベル、ケトンレベル、心拍数、温度、ストレス、温度）、栄養データ（例えば、飲食ログ、スキャンされたレストランの領収書、炭水化物消費量、絶食）、医療記録（Ａ１Ｃ、コレステロール、心電図の結果、他の医療検査または病歴に関連するデータなど）を含んでもよい。アプリケーション対話データは、特定のアプリケーションとのユーザ対話を記載するアプリケーションログから抽出されたデータ、計算デバイスの入力／出力インターフェースに関連して実行されるクリック、タップ、およびプレスを記載するクリックストリームデータ、ユーザが見ている場所を記載する注視データ（例えば、計算デバイスに関連付けられたディスプレイデバイスに関連して、またはユーザがデバイスから目をそらしているとき）、ユーザまたは他のユーザの可聴コマンドおよび他の話されたフレーズを記載する音声データ（例えば、ユーザが受動的に聞くことを含む）などを含んでもよい。環境データは、例えば、ユーザの位置、ユーザの位置の温度および／または天気、ユーザの高度、気圧など、ユーザに関連付けられた様々な環境的態様を記載するデータを含んでもよい。人口統計データは、例えば、年齢、性別、身長、体重など、ユーザを説明するデータを含んでもよい。上記に説明したタイプの追加データは単なる例であり、追加データには、本明細書に記載の技法の精神または範囲から逸脱することなく、より多くの、より少ない、または異なるタイプのデータを含んでもよい。

従来のシステムとは異なり、ＣＧＭプラットフォーム１１２は、ユーザ母集団１１０の数十万人のユーザ（例えば、５００，０００以上）についてＣＧＭシステム１０４を使用して取得された血糖測定値１１８を（例えば、記憶デバイス１２０に）記憶するか、そうでなければアクセスを有する。さらに、これらの測定値は、ＣＧＭシステム１０４のセンサによって連続的な速度で取られる。結果として、血糖測定値１１８は、数百万、あるいは数十億のモデル構築および訓練数のためにモデルマネージャ４０２に利用可能である。このような堅牢な量のデータで、モデルマネージャ４０２はモデル４０４を構築および訓練して、血糖レベルに対する様々な挙動の実際の影響を正確に模倣することができる。ＣＧＭプラットフォーム１１２の血糖測定値１１８の堅牢性がなければ、従来のシステムは単にモデルを構築または訓練して、様々な挙動が血糖値にどのように影響するかを好適に表す方式で状態空間をカバーすることができない。これらの状態空間を適切にカバーできないと、不正確な血糖予測または他の健康指標の予測をもたらす可能性があり、死を引き起こす可能性のある危険な行動または挙動を提案することにつながる可能性がある。不正確な予測を生成することの重要性を考えると、まれなイベントに対して堅牢な量の血糖測定値１１８を使用してモデル４０４を構築することが重要である。

１つ以上の実装形態では、モデルマネージャ４０２は、血糖測定値１１８および追加データ４１０から少なくとも１つの属性に対応する観測値を抽出することによって統計モデル４０６を構築する。構築されると、統計モデル４０６は、この少なくとも１つの属性の値を予測し、それらを出力するように構成されており、少なくとも１つの属性の値は、モデルへの入力として機能しない。例えば、統計モデル４０６が回帰モデルであるシナリオでは、これらの値は、統計モデル４０６の１つ以上の従属変数に対応し得る。これらの属性の値（統計モデル４０６の従属変数に対応する）は、以下の説明では第１の値セットと呼ばれることがある。また、モデルマネージャ４０２は、血糖測定値１１８および追加データ４１０から少なくとも１つの他の属性に対応する観測値を抽出する。構築されると、この少なくとも１つの他の属性の値は、例えば、そのような値のベクトルとして、統計モデル４０６への入力として機能するものである。統計モデル４０６が回帰モデルであるシナリオでは、少なくとも１つの他の属性は、１つ以上の説明的（または独立）変数に対応してもよい。これらの独立変数の抽出された値は、以下の説明では第２の値セットと呼ばれることがある。

第１の値セットおよび第２の値セットを考えると、モデルマネージャ４０２は、これらの値を方程式に「フィッティング」させるための１つ以上の既知のアプローチを使用して、いくつかの許容範囲内で第２の値セットから第１の値セットを生成するようにする。このようなフィッティングアプローチの例は、最小二乗アプローチを使用すること、最小絶対偏差回帰を使用すること、最小二乗コスト関数のペナルティ付きバージョンを最小化すること（リッジ回帰またはラッソなど）などを含む。「フィッティング」により、モデルマネージャ４０２が、１つ以上のアプローチおよびこれらのデータセットを使用して、方程式のモデルパラメータを推定することを意味する。推定されるパラメータは、例えば、動作中に値が統計モデル４０６に入力されるときに独立変数の値に適用される重みを含む。モデルマネージャ４０２は、観測値から推定されたこれらのパラメータを方程式に組み込んで、統計モデル４０６を生成する。動作中、予測システム３１６は、独立変数の値を統計モデル４０６に（例えば、１つ以上のベクトルまたは行列として）入力し、統計モデル４０６は、推定された重みをこれらの入力値に適用し、次いで、１つ以上の従属変数に対する値を出力する。この出力は、予測３１８として表される。

１つの統計モデル構築シナリオでは、モデルマネージャ４０２は、特定のタイムスタンプの前のタイムスタンプを有するユーザ母集団１１０の血糖測定値１１８を使用し、また、対応する追加データ４１０（例えば、血糖測定値１１８に対応し、血糖測定値に対応するユーザに関連付けられたタイムスタンプを有する）も統計モデル４０６に対する独立変数の値として使用する。このシナリオでは、モデルマネージャ４０２は、統計モデル４０６の従属変数の値として、特定のタイムスタンプの後のタイムスタンプを有するユーザ母集団１１０の血糖測定値１１８を使用してもよい。ここで、モデルマネージャ４０２は、タイムスタンプ前後のデータに方程式をフィッティングさせるために１つ以上の既知のアプローチを使用する。そうすることで、モデルマネージャ４０２は、タイムスタンプ前のデータ値を入力することによって、タイムスタンプ後の血糖測定値１１８（またはそれらの測定値のいくらかの許容範囲内の値）が出力されるように、方程式のパラメータを推定する。

次いで、モデルマネージャ４０２は、推定されたパラメータを方程式に組み込み、統計モデル４０６が推定されたパラメータを方程式とともに保持するように、この組み込みを統計モデル４０６として持続させる。このようにして、モデルマネージャ４０２は、特定の時間前の入力血糖測定値および対応する追加データを受信するときに、特定の時間後の血糖測定値の予測３１８を生成することが可能な統計モデル４０６を構築する。したがって、動作中およびこのシナリオに継続して、予測システム３１６は、特定の時間（例えば、現在の時間）の前の人１０２の血糖測定値１１８のサブセットを、統計モデル４０６を訓練するために使用される独立変数に対応する人１０２の追加データ４１０とともに取得してもよい。次いで、予測システム３１６は、人１０２のこのデータを入力として統計モデル４０６に提供してもよい。継続シナリオでは、統計モデル４０６は、特定の時間、例えば、現在の時間の後の人１０２の血糖測定値として予測３１８を生成する。

特定の時間（例えば、現在の時間）後の血糖測定値の予測は、統計モデル４０６を構築および実際に使用することに関連して説明されるが、モデルマネージャ４０２は、観察された血糖測定値１１８および追加データ４１０におけるパターンとは異なる態様を予測する統計モデル４０６を構築してもよい。例として、モデルマネージャ４０２は、ある期間にわたって人１０２の健康指標を維持するなどして、人１０２の健康指標の上昇または下降傾向を予測する統計モデル４０６を構築してもよい。つまり、ユーザ母集団１１０の血糖測定値１１８および追加データ４１０を使用して、これらの健康指標およびユーザ母集団１１０間の傾向との相関を保持するモデルを構築する。

ここで、記載の技法に従って、（例えば、ニューラルネットワークとして構成されている）追加の機械学習モデル４０８の説明に戻る。統計モデル４０６と同様の方法で、モデルマネージャ４０２は、少なくとも１つの属性に対応する第１の観測値セットおよび少なくとも１つの他の属性に対応する第２の値セット、すなわち、ユーザ母集団１１０の血糖測定値１１８および追加データ４１０から抽出された両方のセットを抽出する。モデルマネージャ４０２は、これらの値セットを使用して、機械学習モデル４０８を訓練するか、またはその予測について機械学習モデル４０８にフィードバックを提供して、それが予測を生成するためのポリシーを学習するようにする。

また、統計モデル４０６と同様に、追加の機械学習モデル４０８が訓練されるか、または展開するための少なくとも初期ポリシーを学習すると、機械学習モデル４０８は、第１のセットに対応する少なくとも１つの属性の値を予測し、それらの値を出力するように構成されている。さらに、機械学習モデル４０８は、少なくとも初期ポリシーを展開するために訓練または使用されると、入力として、例えば、そのような値のベクトルとして、第２のセットの少なくとも１つの他の属性の値を受信するように構成されている。したがって、機械学習モデル４０８がニューラルネットワークであるシナリオでは、例えば、動作中の機械学習モデル４０８は、少なくとも１つの他の属性の値を表す１つ以上のベクトル（例えば、特徴ベクトル）を入力として受信してもよい。そのようなシナリオでは、動作中の機械学習モデル４０８はまた、少なくとも１つの属性の値を表す１つ以上のベクトル（例えば、特徴ベクトル）を出力してもよい。

訓練のコンテキストでは、モデルマネージャ４０２は、機械学習モデル４０８への入力として第２の値セットからのデータのインスタンスを提供することによって、機械学習モデル４０８を訓練してもよい。これに応答して、機械学習モデルは、予測３１８、例えば、第１のセットに対応する少なくとも１つの属性の値の予測を生成する。モデルマネージャ４０２は、出力として機械学習モデル４０８からこの訓練予測を取得し、訓練予測を、データ入力のインスタンスに対応する実際に抽出された第１の値セットと比較する。例として、モデルマネージャ４０２は、コスト関数を使用して、訓練予測を実際に抽出された値と比較する。この比較に基づいて、モデルマネージャ４０２は、機械学習モデル４０８の内部重みを調整して、データのインスタンスが将来入力として提供されるときに、機械学習モデルが実際に抽出された値を実質的に再現できるようにする。

観測データのインスタンスを機械学習モデル４０８に入力し、機械学習モデル４０８から訓練予測を受信し、（例えば、コスト関数を使用して）訓練予測を入力インスタンスに対応する期待される出力値（観測値）と比較し、これらの比較に基づいて機械学習モデル４０８の内部重みを調整するこのプロセスは、数百、数千、さらには数百万にわたって、すなわち反復ごとに訓練データのインスタンスを使用して反復することができる。

モデルマネージャ４０２は、機械学習モデル４０８が、期待される出力に一貫してかつ実質的に一致する、例えば、第１のデータセットの観測値に実質的に一致する予測３１８を生成できるまで、そのような反復を実行してもよい。期待される出力に実質的に一致する予測を一貫して生成する機械学習モデルの能力は、「収束」と呼ばれることがある。これを考えると、モデルマネージャ４０２は、機械学習モデル４０８を、解に「収束」するまで訓練すると言い得る。例えば、モデルの内部重みが、訓練の反復によって好適に調整され、モデルが期待される出力に実質的に一致する予測を生成するようにする。

これは、機械学習モデル４０８およびそれがどのように訓練されるかの１つの追加の例にすぎないと理解されるべきである。実際、機械学習モデルは、様々なパラダイム（例えば、教師あり学習、教師なし学習、強化学習など）に従って構成され、記載の技法の精神または範囲から逸脱することなく、様々なアプローチを使用して訓練されてもよい。例として、機械学習モデル４０８は、最初に、ユーザ母集団の血糖測定値１１８および追加データ４１０について訓練されてもよく、次いで、訓練は、人１０２の血糖測定値１１８および追加データ４１０からの訓練インスタンスを使用してさらに更新されて、例えば、機械学習モデル４０８の様々なパラメータをさらに調整してもよい。

とにかく、機械学習モデル４０８が、ユーザ母集団１１０の血糖測定値１１８および追加データ４１０を少なくとも部分的に使用して訓練されると、機械学習モデル４０８は、動作中に、人１０２に対応するユーザの予測３１８を生成するために使用されてもよい。上記に説明した統計モデル構築シナリオおよび使用と類似しているが、統計モデル４０６を利用する代わりに、機械学習モデル４０８を利用する以下の実装形態の例を考える。

この機械学習の例では、モデルマネージャ４０２は、特定のタイムスタンプの前のタイムスタンプを有するユーザ母集団１１０の血糖測定値１１８を使用し、また対応する追加データ４１０（例えば、血糖測定値１１８に対応し、血糖測定値に対応するユーザに関連付けられたタイムスタンプを有する）も機械学習モデル４０８への訓練入力として使用する。このシナリオでは、モデルマネージャ４０２は、機械学習モデル４０８の期待される出力（ターゲットまたはラベル）として特定のタイムスタンプの後のタイムスタンプを有するユーザ母集団１１０の血糖測定値１１８を使用してもよい。ここで、モデルマネージャ４０２は、入力としてタイムスタンプ前のデータが与えられてタイムスタンプ後のデータを予測するモデルのパラメータを調整するために１つ以上の既知のアプローチを使用する。これらのアプローチの例は、最急降下法、確率的勾配降下法などの教師あり学習アプローチを含む。もっとも、記載の技法の精神または範囲から逸脱することなく、他のアプローチが使用されてもよい。

これらのアプローチを使用することにより、モデルマネージャ４０２は、タイムスタンプ前のデータ値を入力することによって、タイムスタンプ後の血糖測定値１１８（またはそれらの測定値のいくらかの許容範囲内の値）が出力されるように、機械学習モデル４０８の内部重みを調整する。さらに、機械学習モデル４０８は、例えば、モデルの特定のノードに関連して、これらの内部重みを保持する。このようにして、モデルマネージャ４０２は、特定の時間前の入力血糖測定値および対応する追加データを受信するときに、特定の時間後の血糖測定値の予測３１８を生成することが可能な機械学習モデル４０８を構築する。

したがって、動作中およびこのシナリオに継続して、予測システム３１６は、特定の時間（例えば、現在の時間）の前の人１０２の血糖測定値１１８のサブセットを、機械学習モデル４０８を訓練するために使用される入力データに対応する人１０２の追加データ４１０とともに取得してもよい。次いで、予測システム３１６は、人１０２のこのデータを入力として機械学習モデル４０８に提供してもよい。継続シナリオでは、機械学習モデル４０８は、特定の時間、例えば、現在の時間の後の人１０２の血糖測定値として予測３１８を生成する。１つ以上の実装形態では、機械学習モデル４０８は、この予測をベクトルの形態で出力する。

特定の時間（例えば、現在の時間）後の血糖測定値の予測は、機械学習モデル４０８を訓練および実際に使用することに関連して説明されるが、モデルマネージャ４０２は、観測された血糖測定値１１８および追加データ４１０におけるパターンとは異なる態様を予測する機械学習モデル４０８を構築してもよい。例として、モデルマネージャ４０２は、ある期間にわたって人１０２の健康指標を維持するなどして、人１０２の健康指標の上昇または下降傾向を予測する機械学習モデル４０８を構築してもよい。つまり、ユーザ母集団１１０の血糖測定値１１８および追加データ４１０を使用して、これらの健康指標およびユーザ母集団１１０間の傾向との相関を保持するモデルを構築する。部分的には、大量の訓練データで機械学習モデル４０８を訓練するため、機械学習モデル４０８は、データ内の潜在的な特徴の捕捉が可能であり、これは、データ内の隠れた関係および偽の相関関係が含むことがあるが、人間の分析家が、関係にランダムに発生する不在を明らかにすることは事実上不可能である。

統計モデル４０６、追加の機械学習モデル４０８、または統計および／もしくは追加の機械学習モデルの何らかの組み合わせ（アンサンブル）が予測３１８を生成するために使用されるかどうかに関係なく、それは提案システム４１２によって取得され得る。提案システム４１２は、予測３１８に基づいて提案３２０を生成するように構成されている。提案システム４１２は、予測に従って提案３２０を構成する論理を使用して実装するか、そうでなければアクセスを有してもよい。例として、予測３１８が人１０２の良い健康傾向を示す場合（例えば、彼女のＡ１Ｃがより低い）、提案システム４１２は、様々な行動を継続することを提案する提案３２０を生成することができる。

提案３２０を生成する提案システム４１２によって使用される論理は、入力として予測３１８を受信することに基づいて提案を構成するための１つ以上の追加の機械学習モデルに手動でコーディングされたヒューリスティックなど、記載の技法の精神または範囲から逸脱することなく、複雑性を変えてもよい。モデル４０４および提案システム４１２によってそれぞれ生成され得る予測および提案のタイプのさらなる実装形態例が、以下でさらに詳細に説明される。ここで、記載の技法に従った検証サービスおよび意思決定支援プラットフォームに関連する図５の以下の説明を考える。

図５は、データ分析プラットフォームによって生成された予測または提案のうちの少なくとも１つが、検証サービスまたは意思決定支援プラットフォームのうちの少なくとも１つにルーティングされる実装形態の例５００を描いている。

図示の例５００は、計算デバイス１０８および予測システム３１６を有するデータ分析プラットフォーム１２６を含む。この例５００では、データ分析プラットフォームは、予測３１８および提案３２０を通信するように描かれている。ここで、提案３２０は、計算デバイス１０８のユーザ、例えば、人１０２に関連する。例として、予測３１８は、人に関する情報（例えば、次の期間にわたる予測される血糖レベル、次の期間にわたる予測される健康傾向など）を含み、提案（ｒｅｃｏｍｍｅｎｄａｔｉｏｎ）３２０は、ユーザを対象とする１つ以上の提案（ｓｕｇｇｅｓｔｉｏｎ）（例えば、実行または排除する１つ以上の行動、採用または排除する挙動など）を含む。

図３の図示の例３００とは対照的に、図示の例５００は、データ分析プラットフォーム１２６と計算デバイス１０８との間の仲介者として、検証サービス５０２および意思決定支援プラットフォーム５０４を含む。したがって、予測３１８および／または提案３２０は、検証サービス５０２または意思決定支援プラットフォーム５０４の一方または両方にルーティングされてもよい。検証サービス５０２および意思決定支援プラットフォーム５０４は図３には描かれていないが、図３に関連して説明したシナリオで生成された予測３１８および提案３２０もまた、検証サービス５０２および／または意思決定支援プラットフォーム５０４を介してルーティングされてもよいと理解するべきである。

記載の技法に従って、検証サービス５０２は、提案３２０を有効化するように構成されている。これは、提案が有効（例えば、安全）であり、意思決定支援プラットフォーム５０４に、および／または計算デバイス１０８に直接通信することができるかどうかを決定することを意味する。検証サービス５０２は、提案を有効化する権限を与えられたものとして検証サービス５０２によって許可されたユーザ、例えば、臨床医に提案３２０を公開してもよい。例として、検証サービス５０２は、提案３２０を臨床医に電子メールで送信し、臨床医ポータル（例えば、臨床医が複数の提案を検討し、それらを有効化できるかどうかにかかわらず）を通じて提案３２０を提供し、モバイルデバイスの画面上に提案３２０の通知を提供してもよい。すなわち、ほんの数例を挙げると、臨床医が単なるジェスチャーで追加情報を承認、拒否、または取得することを可能にする。検証サービス５０２は、本明細書に記載の技術の精神または範囲から逸脱することなく、様々な方法で提案を有効化することを許可されているユーザ（例えば、臨床医）に提案を表面化してもよい。

（例えば、臨床医または検証サービス５０２の論理によって）有効化されている提案に応答して、提案は、さらに意思決定支援プラットフォーム５０４に、または直接計算デバイス１０８にルーティングされてもよい。提案が有効化されない（すなわち、拒否される）ときに、提案は、さらに意思決定支援プラットフォーム５０４に、または計算デバイス１０８にルーティングされなくてもよい。代わりに、検証サービス５０２は、（例えば、臨床医の入力に従って）提案を修正し、かつ／または提案が有効化されなかったことをデータ分析プラットフォーム１２６に戻すように通知を提供してもよい。このシナリオでは、データ分析プラットフォーム１２６は、予測システムへの入力として有効化されなかった表示を追加し、異なる予測３１８および／または提案３２０の生成を開始することが可能であってもよい。

実際、モデル４０４は、検証サービス５０２から受信した有効化および有効化しないことに基づいて更新されてもよい。検証サービス５０２が提案３２０を有効化し、その結果、提案３２０が計算デバイス１０８に直接転送されることを可能にするシナリオでは、計算デバイス１０８は、上記および下記のように、ディスプレイデバイス、オーディオデバイス（例えば、スピーカー、ヘッドホン、イヤホン）、触覚フィードバックなどを介して、提案３２０を出力してもよい。提案を有効化することを許可されたユーザ（例えば、臨床医）に対して、検証サービス５０２によって提案がどのように表面化され得るかの例は、図１０に関連して以下でより詳細に説明される。

前述のように、予測３１８および／または提案３２０は、検証サービス５０２によって意思決定支援プラットフォーム５０４に通信されてもよいし、代替的には、検証サービス５０２をバイパスして、データ分析プラットフォーム１２６から直接意思決定支援プラットフォーム５０４に通信されてもよい。意思決定支援プラットフォーム５０４は、１つ以上の健康状態、例えば、糖尿病を管理するためのＣＧＭプラットフォーム１１２のユーザに支援を提供するように構成されている。提案３２０の受信に応答して、例えば、意思決定支援プラットフォーム５０４は、例えば、電子メール、支援スペシャリストポータルなどを介して、顧客支援スペシャリストに提案を提供してもよい。

提案３２０に基づいて、かつ対応するユーザに関してアクセス可能な他の情報に基づいて、顧客サービススペシャリストが、ユーザをどのように支援するかを決定してもよい。例として、顧客サービススペシャリストは、電話中に音声支援を提供するためにユーザに電話をかける、（例えば、支援スペシャリストポータルを介して）ユーザに送信する１つ以上の事前構成されたメッセージ（例えば、テキストメッセージ、携帯電話通知、電子メールメッセージなど）を選択する、事前構成されたメッセージ構成要素からユーザに送信する１つ以上のメッセージを構築する、単に提案３２０を計算デバイス１０８に転送する、ユーザに関連付けられた臨床医または他の医療専門家に連絡する、緊急サービスに連絡する、ユーザの介護者または他の保護者（親など）へ連絡するなどを決定してもよい。意思決定支援プラットフォーム５０４は、記載の技法の精神または範囲から逸脱することなく、様々な方法で、予測３１８および提案３２０に基づいて、ユーザの健康状態の管理を支援するためのツール、コンテンツ、およびサービスを提供してもよい。

ＣＧＭシステム１０４、ならびに様々なソースから収集されたデータが、ユーザの健康に関連する予測を生成し、提案を提供するために血糖測定でどのように使用されるかについて説明したので、ＣＧＭに基づく提案の以下の実装形態例を考える。

モデルを使用した予測および提案の生成
図６は、ＣＧＭシステムに結合された計算デバイスに表示されるＣＧＭプラットフォームのユーザインターフェースの例６００を描いている。

図示の例６００は、計算デバイス１０８によって表示されるＣＧＭユーザインターフェース６０２を含む。この例では、ＣＧＭインターフェース６０２は、提案６０６とともに予測６０４を表示するように描かれている。全体を通して説明されるように、予測６０４は、予測システム３１６によって生成されて、統計モデル４０６または追加の機械学習モデル４０８などの１つ以上のモデルを使用して、ユーザの血糖測定値１１８および追加データ４１０を処理することによって、ユーザの健康指標を予測する。

この例の目的のために、Ａ１Ｃ、およびユーザが近い将来にＩＩ型糖尿病を発症するリスクを抱えている「前糖尿病」を有していることを示す空腹時血糖テスト結果を受信した後、ＣＧＭシステム１０４を使用して血糖レベルの測定を始めると仮定する。これを考慮して、ユーザは、血糖測定値１１８を予測システム３１６に自動的に提供するＣＧＭシステム１０４の着用を始める。ＣＧＭプラットフォーム１１２は、ユーザのために収集された血糖測定値１１８を処理して、ユーザの血糖がますます「高い」範囲（例えば、＞２５０ｍｇ／ｄｌ）にあることを決定する。

血糖測定値１１８とともに、予測システム３１６は、様々なサードパーティ３０６（例えば、食料品店、レストラン、酒屋）によって提供される飲食物購入データおよび／またはユーザ提供の栄養データ（例えば、食品ログ、消費された飲食物の捕捉された画像、スキャンされたレストランまたは食料品店の領収書）など、ユーザの栄養データを取得する。この栄養データは、ユーザが平均して毎週１リットルのソーダを消費し、ファーストフードレストランで週に３回食事をし、ほとんどの週末にビールを飲み、ポテトチップを食べることを示す。予測システム３１６はまた、ユーザによって消費されていない食品または飲料に基づいて様々な推論を行ってもよい。この場合、予測システム３１６は、栄養データを分析して、ユーザが果物、野菜、または肉などの「ホールフード」をめったに購入しないと決定する。さらに、予測システム３１６は、ユーザが１日に５，０００歩を超えて歩くことはめったになく、ワークアウトをしないことを示す歩数データを含み、また、ユーザが毎晩平均５時間しか睡眠しないことを示す睡眠データを含むユーザの活動データを取得する。

予測システムは、モデル４０４を血糖測定値１１８および追加データ４１０に適用し、この例では、追加データは、上記に説明したユーザの栄養データおよび活動データを含む。ユーザの血糖測定値の増加、良くない食事の選択、および活動の欠如を考慮して、予測システム３１６は、ユーザが４０か月以内にＩＩ型糖尿病を発症する可能性が７６％であることを示す予測６０４を生成する。

予測６０４とともに、ＣＧＭユーザインターフェース６０２は、データ分析プラットフォーム１２６の提案システム４１２によって生成された提案６０６を表示する。提案６０６は、ユーザの予測される悪い健康状態を改善するためにユーザがとることができる１つ以上の行動または挙動を含む。この場合に、提案６０６は、カスタマイズされた食事計画の提案、カスタマイズされた運動計画の提案、ならびにユーザが提案される栄養および運動計画を軌道に乗せるのを助けることができる指導を取得するための提案を含む。図６では、提案される運動計画に関するより詳細な情報を取得するために、ユーザがカスタマイズされた運動計画の提案を選択することが示されている。

この例を続けると、例えば、ホールフードの食事に切り替え、オンライン食品ログを使用して食事を追跡し、１日に１０，０００歩歩き、歩数計を備えたスマートウォッチで歩数を追跡し、週に３回ワークアウトをし、各ワークアウトをオンラインワークアウトログでログに記録することによって、ユーザが予測システム３１６によって提案された行動および挙動に従うと仮定する。この場合に、予測システム３１６は、ユーザの血糖測定値１１８、栄養データ、および活動データを連続的に収集し、ユーザの改善された栄養選択および運動頻度が、ユーザの平均血糖測定値１１８の減少と相関していると決定する。

ＣＧＭセンサからのユーザの更新された血糖測定値１１８と、（ユーザの栄養ログによって示されるように）ユーザがより良い食品選択をしていることおよび（歩数データおよび運動ログによって示されるように）より頻繁に運動していることを示す追加データ４１０とに基づいて、予測システム３１６は、更新された予測を生成し、これは、図７に示されるように、通知７０２として表示するために計算デバイス１０８に通信される。この例では、通知７０２の更新された予測は、ユーザが次の４０か月以内にＩＩ型糖尿病を発症する可能性が「低い」ことを示す。特に、通知７０２の更新された予測は、ユーザに良いフィードバックを提供し、これは、ユーザが健康的な食事および運動を継続するようにさらに動機付けすることがある。逆に、更新された予測が悪化する健康状態を示す場合に、更新された予測は、ユーザを軌道に戻すための動機付けに役立つことがある。

同様のユーザ向けのアプリケーションの提案の生成
全体を通して説明されるように、ＣＧＭプラットフォーム１１２は、１つ以上のＣＧＭプラットフォームＡＰＩ３１０を活用して、ＣＧＭプラットフォーム１１２から様々なサードパーティ３０６への血糖測定値１１８の通信、およびサードパーティ３０６からＣＧＭプラットフォーム１１２へのサードパーティデータ３１４の通信を可能にする。このため、血糖測定値１１８を活用するそのようなサードパーティ３０６によって提供されるアプリケーションおよびサービスは、ますます利用可能になりつつあり、しばしば「アプリストア」を介してダウンロードすることができる。計算デバイス１０８にダウンロードされると、ユーザは、ＡＰＩ３１０を介してユーザの血糖測定値１１８にアクセスすることをサードパーティ３０６に許可することができる。そうすることにより、サードパーティ３０６が様々な異なる方法で血糖測定値１１８を活用して、ユーザの健康を改善することが可能となる。このようにして、サードパーティ３０６は、そのようなサードパーティ３０６が独自のＣＧＭシステムを製造および展開しなくても、血糖測定値１１８を使用する様々なアプリケーションおよびサービスを提供することができてもよい。サードパーティの「アプリ」およびサービスの数が増えるにつれて、母集団のユーザが個々の状況に最適に動作するであろうアプリおよびサービスを見つけることがますます困難になる。

ＣＧＭプラットフォーム１１２は、ＣＧＭプラットフォーム１１２が様々なサードパーティ３０６から（例えば、サードパーティ３０６のサードパーティサーバを介して）サードパーティデータ３１４を受信することを可能にする「入力」ＡＰＩ３１０を含んでもよい。このようなサードパーティデータ３１４は、サードパーティのサービスまたはアプリケーションとのユーザ対話を記載するアプリケーション対話データを含んでもよい。このようなデータは、例えば、特定のアプリケーションとのユーザの対話を記載するアプリケーションログから抽出されたデータ、計算デバイスの入力／出力インターフェースに関連して実行されるクリック、タップ、およびプレスを記載するクリックストリームデータなどを含んでもよい。

ＣＧＭプラットフォーム１１２は、特定のアプリケーションまたはサービスとのユーザの対話がユーザの健康の改善と相関するかどうかを決定するために、血糖測定値１１８および追加データとともに、アプリケーション対話データを集約することができる。例えば、血糖測定値１１８に基づいて、ＣＧＭプラットフォーム１１２は、ユーザの健康状態における改善を客観的に決定することができる。ＣＧＭプラットフォーム１１２は、平均血糖レベル、範囲内時間、特定の望ましくないパターンの緩和、またはそれらの任意の組み合わせにおける改善を含め、アプリケーションの使用がユーザの健康を改善するかどうかを決定するときに、血糖測定値に基づいて、様々な異なるファクタを考えることができる。さらに、ＣＧＭプラットフォーム１１２は、センサ利用および較正頻度などの血糖測定値１１８の違いを説明するための様々な制御を提供してもよい。ＣＧＭプラットフォーム１１２はまた、ユーザの健康の改善を決定するときに、サードパーティ３０６によって提供されたデータを考えてもよい。次いで、ＣＧＭプラットフォーム１１２は、アプリケーション対話データに基づいて、ユーザの健康の改善または低下を特定のアプリケーションの使用と相関させることができる。例えば、ＣＧＭプラットフォーム１１２が、特定のアプリケーションの頻繁な使用と一致するユーザの健康状態の改善を検出した場合、ＣＧＭプラットフォーム１１２は、特定のアプリケーションが改善と相関されると決定してもよい。ＣＧＭプラットフォーム１１２に利用可能なデータの量に基づいて、特定のアプリケーションと健康状態の改善との相関が、ユーザ母集団１１０のユーザのサブセットについて決定されてもよい。

次いで、提案システム４１２は、健康状態を有する同様のユーザを識別し、同様のユーザのサブセットの健康状態を改善するのに役立った特定のアプリケーションを利用するために同様のユーザへの提案を生成することができる。そうするために、提案システム４１２は、ユーザ母集団における他のユーザによる特定のアプリケーションの使用を通じて健康状態の同様の改善の確率を予測し、他のターゲットユーザに対する健康を改善する可能性が高いアプリケーションを提案することができる。このようなアプリケーションの提案は、特定のアプリケーションの使用に相関する改善された健康状態を有するユーザのサブセットに類似する個々のユーザをターゲットにしてもよい。例えば、特定のアプリケーションの使用がユーザ母集団におけるユーザのサブセットの糖血症の改善と相関している場合、ＣＧＭプラットフォーム１１２は、ユーザ母集団１１０における同様のユーザに特定のアプリケーションの使用を提案することができる。

類似のユーザの識別は、類似のユーザの血糖測定における人口統計または観察されたパターンのうちの少なくとも１つに基づいてもよい。例えば、類似のユーザは、ユーザによって着用されるＣＧＭシステム１０４によって提供される血糖測定値１１８に部分的に基づいて、同じ健康状態を有すると識別されてもよい。ＣＧＭプラットフォーム１１２は、最初に、年齢、性別、場所、既存の医療記録などの人口統計データを含む、ＣＧＭシステム１０４の着用を始める新規ユーザのためのユーザプロファイルを生成してもよい。ＣＧＭプラットフォーム１１２は、ユーザから血糖測定値１１８および追加データ４１０を収集するので、ＣＧＭプラットフォーム１１２は、他のユーザとのユーザの類似性スコアを洗練する。例えば、２２歳の女性で、平均血糖が１６２ｍｇ／ｄＬで、夜間の低血糖測定のパターンを経験しているユーザは、その年齢、性別、平均血糖測定値、およびパターン経験の他のユーザとの類似性スコアを有することがある。

次いで、アプリケーションの提案を決定するために、類似性スコアが同様のユーザの以前のアプリケーションの成功と組み合わされる。例えば、ターゲットユーザに類似するユーザが特定のアプリケーションをダウンロードして使用し、次いで、糖血症の改善が見られた場合（例えば、平均血糖値の低減および夜間低下の低減によって証明されるように）、提案システム４１２は、ターゲットユーザの特定のアプリケーションに対する高い提案スコア生成するように構成され得る。逆に、他のアプリケーションでそのような改善が見られなかった場合、これらのアプリケーションは、ターゲットユーザに対してより低い提案スコアを有する。アプリケーションの提案は、出力のために計算デバイス１０８に通信することができる。

アプリケーションの提案を生成するコンテキストでは、ＣＧＭシステムに結合された計算デバイスに表示されるＣＧＭプラットフォームのユーザインターフェースの追加の例８００を描いている図８を考える。図示の例８００は、計算デバイス１０８によって表示されるＣＧＭユーザインターフェース８０２を含む。この例では、ＣＧＭユーザインターフェース８０２は、提案されるアプリケーション８０４を表示するものとして描かれている。全体を通して説明されるように、提案されるアプリケーション８０４は、ターゲットユーザの健康状態を、ユーザと、提案されるアプリケーション８０４のうちの少なくとも１つの使用に基づいて健康状態が改善したユーザ母集団１１０における他のユーザとの類似性に基づいて改善する提案システム４１２によって決定されてもよい。この場合、提案されるアプリケーション８０４は、様々なサードパーティのアプリケーションに対応する。図８では、ユーザは、このアプリケーションをユーザのスマートフォンにダウンロードするために、アプリケーション「Ｎｕｔｒｉｔｉｏｎ ｂｙ Ｎｅｈａ」を選択するように描かれている。

特に、提案システム４１２は、ターゲットユーザがアプリケーションをダウンロードして使用するときにアプリケーションの提案をさらに強化することができ、したがって、以前の提案を強化または否定し、将来の後続の提案の改善につなげる。例えば、提案システム４１２が同様の健康状態の改善を示す、同様のユーザからの血糖測定値１１８を取得する場合、このフィードバックは、ユーザのサブセットの健康状態の改善と特定のアプリケーションの使用との間の相関を積極的に強化する。逆に、同様のユーザからの血糖測定値１１８が、同様のユーザの健康状態の改善を示さない（または健康状態の悪化を示す）場合、このフィードバックは、ユーザのサブセットの健康状態の改善と特定のアプリケーションの使用との間の相関を消極的に強化する。

図８に関して、例えば、ユーザが「Ｎｕｔｒｉｔｉｏｎ ｂｙ Ｎｅｈａ」アプリケーションとの対話を始めると、アプリケーション対話データが、ＡＰＩ３１０を介してＣＧＭプラットフォーム１１２に通信され、ユーザの血糖測定値１１８および追加データと相関されてもよい。このようにして、ＣＧＭプラットフォーム１１２は、ユーザ母集団１１０によるアプリケーションの使用から受信したフィードバックに基づいて、アプリケーションを提案するために使用されるモデル４０４を連続的に更新してもよい。機械学習モデル４０８がフィードバックに基づいて更新される構成では、例えば、モデルが強化学習モデルとして構成されてもよい。次いで、更新されたモデル４０４を使用して、改善されたアプリケーションの提案を生成する。

さらに、ＣＧＭプラットフォーム１１２が、特定のアプリケーションの使用が、更新された血糖測定値１１８に基づいてユーザの健康状態を改善していることを検出した場合、ＣＧＭプラットフォーム１１２は、出力のために計算デバイス１０８に改善の通知を通信してもよい。図９では、例えば、通知９０２が、計算デバイス１０８によって表示され、「Ｎｕｔｒｉｔｉｏｎ ｂｙ Ｎｅｈａ」アプリケーションの使用がユーザのニューロパシーを改善させたことを示す。この良い通知は、ユーザがアプリケーションの使用を継続することを動機付けることがあると理解されるべきである。

検証サービス
図１０は、許可されたユーザがＣＧＭプラットフォームによって生成された提案を有効化するために対話することができる検証サービスのユーザインターフェースの例示的な実装形態１０００を描いている。

図示の例１０００では、検証サービス５０２のユーザインターフェース１００４を表示するディスプレイデバイス１００２が描かれている。大まかに言えば、ユーザインターフェース１００４のインターフェース要素は、許可されたユーザがそれらの要素と対話して、データ分析プラットフォーム１２６によって提供され、ユーザ、例えば、人１０２に送達することを意図する提案を有効化または拒否することを可能にする。提案（例えば、提案３２０）を有効化するユーザインターフェース要素を介して入力を受信することに応答して、検証サービス５０２は、提案をそれぞれのユーザの計算デバイス１０８にルーティングしてもよい。上記に説明したように、検証サービス５０２はまた、提案を意思決定支援プラットフォーム５０４にルーティングしてもよい。提案を拒否するユーザインターフェース１００４のユーザインターフェース要素を介して入力を受信することに応答して、検証サービス５０２は、提案を計算デバイス１０８に通信しない。代わりに、検証サービスは、提案が拒否されたことを示す通知をデータ分析プラットフォーム１２６に通信してもよい。追加的または代替的に、検証サービス５０２の承認されたユーザは、提案を修正し、次いで、修正された提案をユーザの計算デバイス１０８に送信してもよい。前述のように、データ分析プラットフォーム１２６によって提供された提案を有効化することを許可されたユーザは、患者に健康指導を提供する資格のある臨床医または他の医療専門家を含んでもよい。

図示の例１０００では、ユーザインターフェース１００４は、データ分析プラットフォーム１２６によって検証サービス５０２に提供される提案のスタブ１００６を表示する。これらのスタブ１００６は、ユーザが対話して、それぞれの提案に関連して検討、有効化、拒否、および／または他の何らかの行動方針を取る（例えば、修正する）ことができる対話型要素として構成されている。この例では提案スタブが描かれているが、許可されたユーザが記載の技法の精神または範囲から逸脱することなくそれぞれの提案に関連して検討、有効化、拒否、および／または他の何らかの行動方針を取る（例えば、修正する）ことを可能にする他のユーザインターフェース要素が使用されてもよい。

この例１０００では、スタブ１００６の各々は、ユーザ名または患者名、それぞれの提案３２０が基づく予測３１８の表示、および提案３２０の表示も含む。ユーザ１００８が、スタブ１００６の１つ（この場合、右から左へのスワイプジェスチャー）に関連してジェスチャーを実行するように描かれており、それぞれの提案３２０を有効化またはそれを拒否するために選択可能なさらなるインターフェース要素を公開する。それぞれの提案を有効化または拒否する要素は、スワイプジェスチャーなどの対話を必要とせずに各スタブの一部として表示されたり、スタブ上の何らかの対話（例えば、マウスで右クリック）に応答して起動されるメニューの一部として表示されるなど、他の方法で公開されることがあると理解されるべきである。図示されていないが、スタブ１００６はまた、提案および他のオプションを有効化および拒否するオプションを含む提案、すなわち、予測の全体およびレビューのための提案の全体、ならびに提案を処理するための複数のオプションを出力する固有のユーザインターフェースを公開するように選択可能であってもよい。

障害検出およびシステム構成の問題
図１１は、ＣＧＭプラットフォームの使用に関連して検出された障害およびシステム構成の問題に関する情報を出力するユーザインターフェースの例示的な実装形態１１００を描いている。

図示の例では、障害検出およびシステム構成サービスのユーザインターフェース１１０４を表示するディスプレイデバイス１１０２が描かれている。１つ以上の実装形態では、障害検出およびシステム構成サービスは、ＣＧＭプラットフォーム１１２の一部として含まれるか、そうでなければアクセス可能であってもよい。また、ユーザインターフェース１１０２の部分は、ＣＧＭシステム１０４に関連して使用することができるデバイスまたはサービスをそれぞれ提供する製造業者またはサービスプロバイダなど、それぞれのポータルを介して他のエンティティに提供および表示されてもよいと理解されるべきである。これらのデバイスは、計算デバイス１０８、インスリン送達システム１０６、無数の生理学的マーカー測定デバイス、ＣＧＭシステム１０４の様々な構成要素などのうちの１つ以上を含んでもよい。

ユーザインターフェース１１０４は、複数の検出された障害およびシステム構成の問題についてのスタブ１１０６を表示する。様々な障害および問題がユーザインターフェース１１０４に表示されるが、所与のエンティティ（例えば、特定の製造業者または米国食品医薬品局（ＦＤＡ）などの規制機関）に表示される障害および／または問題（例えば、特定の製造業者のデバイスに関連する障害もしくは問題、または規制機関に公開するために法律で義務付けられている情報）は制限されてもよい。対照的に、従業員または同様のユーザとしてＣＧＭプラットフォーム１１２に許可するユーザ（例えば、エンジニア、品質保証、開発パートナーなど）は、ＣＧＭプラットフォーム１１２に関連するすべての障害および／または問題を表示するための許可を有してもよい。

この例１１００では、スタブ１１０６は、ほんの数例を挙げると、センサ２０２、計算デバイス１０８、インスリン送達システム１０６、サードパーティ３０６に関してＣＧＭシステム１０４によって報告されるような、ＣＧＭプラットフォーム１１２に通信可能に結合されたか、そうでなければ関連する１つ以上のデバイスによって報告されるイベント（例えば、障害）に対するスタブを含む。スタブ１１０６はまた、ＣＧＭシステム１０４を含むが、他のデバイスの異なる組み合わせ、例えば、特定の計算デバイス１０８（例えば、特定の製造業者）を有する構成、計算デバイス１０８の特定のアンサンブル（例えば、第１の製造業者に対応する携帯電話および第２の製造業者に対応するスマートウォッチ）、特定のインスリン送達システム（例えば、インスリンペン対インスリンポンプであり、異なる製造業者からのもの）、特定のファームウェアおよびソフトウェアバージョンなど特定のシステム構成に関連して生じる問題に関連するスタブを含む。

スタブ１１０６はまた、信頼性、例えば、様々な構成要素（例えば、センサ２０２の製造ロット）によって取得されるデータの信頼性、システム構成、様々な人口統計を有するユーザ関連など、１つ以上の信頼性の尺度を搬送するスタブを含む。１つ以上の実装形態では、信頼度の尺度は信頼区間である。追加的に、スタブ１１０６は、プラットフォームの特徴（例えば、ＣＧＭプラットフォーム１１２に対応するアプリケーションの機能性および／またはユーザインターフェース要素）の使用を示すスタブを含む。この情報は、システム開発者が様々な特徴に関連して開発および／または支援の提供を継続するかどうかを決定するために使用することができる。

１つ以上のデバイスによって報告されるイベントを記載するスタブに関して、ＣＧＭプラットフォーム１１２に対応する開発者が、展開前に、ＣＧＭシステム１０４に関連して使用され得るデバイスおよびＣＧＭプラットフォーム１１２のアプリケーション、例えば、携帯電話およびスマートウォッチアプリケーションのすべての組み合わせをテストすることは不可能ではないにしても難しい。代わりに、それらの開発者は、使用される可能性が最も高いデバイスの組み合わせ（例えば、最も人気のあるモバイルデバイスまたはインスリン送達システム１０６）および／またはＣＧＭプラットフォーム１１２によって、例えば、出版物、ウェブページ、パッケージング、電子メール、広告などを介して広められたコンテンツで提案される組み合わせにテストを制限してもよい。この範囲で、開発者は、テストされたデバイスの組み合わせに関する問題のサブセットのみを認識し、それらを修正していることがあるが、テストされていない組み合わせに関する問題は認識、修正していない。

膨大な量の血糖測定値１１８、ＣＧＭデバイスデータ２１４、および記憶デバイス１２０内の補足データ３０４を収集および維持することによって、データ分析プラットフォーム１２６は、モデル４０４を訓練し、次いで、ユーザ母集団１１０に使用されたデバイスの異なる組み合わせでの問題（例えば、障害）、例えば実世界での使用中、テストされた組み合わせおよびテストされていない組み合わせの両方で観測される問題を識別するために活用することができる。実際、デバイスのテストされた組み合わせは、実世界におけるユーザ母集団１１０によって実際に使用される様々な方法でテストされていないことがある。したがって、モデル４０４を使用してこれらの問題を識別することにより、データ分析プラットフォーム１２６は、開発者に問題を通知することができ、開発者は、問題の修正を開発し、次いで、それらを、例えば、ファームウェアまたはソフトウェアの更新として、モデル４０４への更新としてなどでそれらを展開することができる。

代替的または追加的に、データ分析プラットフォーム１２６は、これらの問題の識別を使用して、問題を経験している組み合わせの予測および提案を調整してもよい。例として、ユーザ母集団の小さなサブセット（例えば、１％）によって使用されるデバイスの組み合わせが、他の組み合わせによって提供される血糖測定値１１８よりも一貫して（かつ予測可能に）低い血糖測定値１１８をＣＧＭプラットフォーム１１２に提供する場合、この情報を使用して、計算デバイス１０８を介してユーザに提示されるリアルタイムの血糖測定値１１８を更新することができる。

この情報はまた、モデル４０４が、デバイスの組み合わせを有するユーザが母集団のサブセットと同じ問題を経験するであろうことを予測するために使用することができる。特に、この情報を使用して、有効な（例えば安全な）提案が生成され、これらのユーザに提供されるようにすることができる。データ分析プラットフォーム１２６は、記載の技法の精神または範囲から逸脱することなく、様々な方法でデバイスの異なる組み合わせに関する障害などの問題を識別するための能力を使用してもよい。

プラットフォームの機能の使用を記載するスタブに関連して、この情報を使用して、上記のように、様々な機能に関連して、開発および／または支援の提供を継続するかどうかを決定してもよい。１つ以上の実装形態では、データ分析プラットフォーム１２６は、記憶デバイス１２０に維持されるデータを分析して、ＣＧＭプラットフォーム１１２の様々な機能、例えば、そのＣＧＭシステム１０４およびアプリケーションによって提供される様々な機能性を支援する、ＣＧＭプラットフォーム１１２に対応する会社へのコストを決定することができる。この一部として、データ分析プラットフォーム１２６は、ＣＧＭプラットフォーム１１２によって展開される各機能性間の変動、共変動、および統計的依存、例えば、人１０２の温度を測定するＣＧＭシステム１０４の機能性、夜間に低血糖の起こりそうな発生を識別するＣＧＭプラットフォーム１１２の携帯電話アプリケーションの機能性、出力通知に関連して触覚フィードバック（例えば、振動）を使用するためのＣＧＭプラットフォーム１１２のスマートウォッチアプリケーションの機能性などの間の変動、共変動、および統計的依存を測定するように構成されている。

１つ以上の実装形態では、データ分析プラットフォーム１２６は、ユーザ母集団１１０からサンプリングされた所定の数のユーザ（例えば、５０，０００人のユーザ）およびＣＧＭプラットフォーム１１２によって展開されたある数の特徴（例えば、機能性）、または開発もしくは支援を潜在的に中止するために検討されているある数の特徴に対応する寸法を有する行列を生成することによって、変動および共変動を決定する。以下の説明では、所定のユーザ数は項ｍで表され、特徴の数は項ｎで表される。この目的のために、データ分析プラットフォーム１２６は、ｍ×ｎ行列を構築し、行列の各セルは、サンプリングされたユーザが対応する特徴を使用するかどうかを示す。データ分析プラットフォーム１２６は、ユーザが様々な方法で特徴を使用することを決定してもよく、使用は、異なる特徴に対して異なるように定義されてもよい。例えば、データ分析プラットフォーム１２６は、記憶デバイス１２０からのデータが、ユーザが特徴を使用したことがあること、その特徴を使用するかまたは機能がアクティブである状態でしきい値の時間を超えて消費したこと、しきい値の回数を超えてその特徴を使用したこと、その特徴をアクティブにするのを許容した（例えば、許容通知）ことなどを示す場合、ユーザがその特徴を使用したと決定してもよい。

ｍ×ｎ行列を使用して、データ分析プラットフォーム１２６は、サンプリングされたユーザ数ｍから所与の特徴ｉを「使用する」ユーザ数ａの関数として、所与の特徴ｉの変動スコアを計算する。一例では、データ分析プラットフォーム１２６は、以下に従って変動を計算する。

ここで、項φ（ｉ）は変動スコアを表す。データ分析プラットフォーム１２６はまた、サンプリングされたユーザ数ｍから、所与の特徴ｉを使用するユーザ数ａの関数として、および別の所与の特徴ｊを使用する第２のユーザ数ｂの関数として、所与の特徴ｉおよび別の特徴ｊの共変動スコアを計算するように構成されている。データ分析プラットフォーム１２６はまた、所与の特徴ｉおよび他の特徴ｊを同時に使用する第３のユーザ数ｃの関数として共変動を計算する。一例では、データ分析プラットフォーム１２６は、以下に従って共変動スコアを計算する。

ここで、項φ（ｉ，ｊ）は共変動スコアを表し、項φ（ｊ）は他の与えられた特徴ｊの変動スコアを表す。

データ分析プラットフォーム１２６は、各特徴がｍ－１特徴と対になり、各対に対して分割表が生成されるように、特徴の各対について分割表を構築することによって、異なる特徴間の統計的独立性を測定する。データ分析プラットフォーム１２６は、各テーブルに対して既知の独立性テストを実行する。１つ以上の実装形態では、既知の独立性テストは、独立性のカイ２乗検定を含み、その出力はＰ値、例えば、検定統計量と同じくらい極端なサンプル統計量を観測する確率である。次いで、データ分析プラットフォーム１２６は、各テーブルの既知の独立性テストの出力（例えば、Ｐ値）を有意レベルのしきい値と比較する。出力が有意レベルのしきい値を満たす場合、データ分析プラットフォームは特徴のペアを従属特徴として識別する。

次に、データ分析プラットフォーム１２６は、所与の特徴ｉに統計的に依存する他の特徴について、所与の特徴の変動φ（ｉ）に加えてペアワイズスコアφ（ｉ，ｊ）の関数として所与の特徴ｉのコストを決定する。次いで、データ分析プラットフォーム１２６は、ユーザインターフェース１１０４または他の何らかのインターフェースを介した表示などによって、ＣＧＭプラットフォーム１１２に対応する許可されたユーザ（例えば、エンジニア、マーケティング担当者など）にこれらのスコアを提示してもよい。ＣＧＭプラットフォーム１１２の特徴のコストはまた、他の方法で決定され得ることが理解されるべきである。

例示的な手順
このセクションでは、連続血糖モニタリング（ＣＧＭ）に基づく提案の例示的な手順を記載する。手順の態様は、ハードウェア、ファームウェア、ソフトウェア、またはそれらの組み合わせで実装されてもよい。手順は、１つ以上のデバイスによって実行される動作を指定するブロックのセットとして示され、必ずしもそれぞれのブロックによって動作を実行するために示される順序に制限されない。少なくともいくつかの実装形態では、手順は、予測システム３１６および提案システム４１２を利用するＣＧＭプラットフォーム１１２のデータ分析プラットフォーム１２６などのデータ分析プラットフォームによって実行される。

図１２は、ユーザの血糖測定値および追加データの両方に基づいて予測および提案が生成される例示的な手順１２００を描いている。

ユーザによって着用されるＣＧＭシステムによって提供される血糖測定値が取得される（ブロック１２０２）。例として、ＣＧＭプラットフォーム１１２は、人１０２によって着用されたＣＧＭシステム１０４によって検出された血糖測定値１１８を取得する。全体を通して説明されるように、ＣＧＭシステム１０４は、人１０２の血糖を連続的にモニタリングするように構成されている。例えば、ＣＧＭシステム１０４は、人１０２の皮膚２０６に皮下挿入されるセンサ２０２で構成されてもよく、血糖測定値を生成するために人１０２の血糖を示す分析物を連続的に測定する。１つ以上の実装形態では、ＣＧＭプラットフォーム１１２は、ユーザの携帯電話またはウェアラブルデバイスなど、ＣＧＭシステム１０４に通信可能に結合された計算デバイス１０８から血糖測定値１１８を取得する。

ユーザに関連付けられた追加データが取得される（ブロック１２０４）。例として、ＣＧＭプラットフォーム１１２は、様々なデバイス、センサ、アプリケーション、またはサービスから追加データ４１０を取得する。したがって、本明細書で説明される原理に従って、追加データは、血糖測定値１１８が提供されるＣＧＭシステム１０４とは異なる１つ以上の「ソース」から取得されてもよい。追加データ４１０は、血糖測定値１１８に加えて、ＣＧＭデバイスデータ２１４、補足データ３０４、サードパーティデータ３１４、ＩｏＴ１１４からのデータなどのうちの少なくとも１つ以上の部分を含んでもよい。

ユーザの健康指標は、１つ以上のモデルを使用して血糖測定値および追加データを処理することによって予測される（ブロック１２０６）。本明細書で説明される原理に従って、１つ以上のモデルは、ユーザ母集団の過去の血糖測定値および過去の追加データに基づいて生成される。例として、データ分析プラットフォーム１２６の予測システム３１６は、１つ以上のモデル４０４を使用して、人１０２の血糖測定値１１８および追加データ４１０を処理することによって、健康指標を含む予測３１８を生成する。１つ以上のモデル４０４は、ユーザ母集団１１０の血糖測定値１１８および追加データ４１０に基づいて生成される。１つ以上のモデル４０４は、限定ではなく例として、統計モデル４０６および／または追加の機械学習モデル４０８を含んでもよい。

提案は、ユーザの健康指標に基づいて生成される（ブロック１２０８）。例として、統計モデル４０６、機械学習モデル４０８、または統計および／または機械学習モデルの何らかの組み合わせが予測３１８を生成するために使用されるかどうかに関係なく、予測３１８は、データ分析プラットフォーム１２６の提案システム４１２によって取得される。提案システム４１２は、予測３１８に基づいて提案３２０を生成するように構成されている。場合によっては、健康指標は、ユーザが次の４０か月以内にＩＩ型糖尿病を発症するという予測など、予測される悪い健康状態に対応する。このシナリオでは、提案システム４１２は、予測される悪い健康状態を、予測される悪い健康状態を緩和する１つ以上の行動または挙動に関連付ける論理に基づいて、提案３２０を生成することができる。そのため、提案３２０は、予測される悪い健康状態を緩和することを意図する１つ以上の行動または挙動を含んでもよい。

予測または提案の少なくとも１つを、ネットワークを介して出力のために１つ以上の計算デバイスに通信する（ブロック１２１０）。例として、データ分析プラットフォーム１２６は、出力のために、予測３１８および／または提案３２０を計算デバイス１０８に通信する。次いで、計算デバイス１０８は、ＣＧＭインターフェースにおいて予測３１８および／または提案３２０を表示することができる。図６に示されるように、例えば、ＣＧＭユーザインターフェース６０２は、提案６０６とともに予測６０４を表示する。この例では、予測６０４は、ユーザが４０か月でＩＩ型糖尿病を発症する可能性が７６％であることを示している。提案６０６は、ユーザの予測される悪い健康状態を改善するためにユーザがとることができる１つ以上の行動または挙動を含む。例えば、図６では、提案６０６は、カスタマイズされた食事計画の提案、カスタマイズされた運動計画の提案、およびユーザが提案される栄養および運動計画を軌道に乗せるのを助けることができる指導を取得するための提案を含む。

１つ以上の実装形態では、予測または提案は、ユーザの計算デバイス１０８に通信される前に、またはその代わりに、検証サービス５０２および／または意思決定支援プラットフォーム５０４に通信され得る。このようにして、検証サービス５０２および意思決定支援プラットフォーム５０４は、データ分析プラットフォーム１２６と計算デバイス１０８との間の仲介者として行動してもよい。予測または提案が検証サービス５０２に伝達されるシナリオでは、検証サービス５０２は、提案３２０を有効化することができる。これは、提案が有効（例えば、安全）であり、さらに意思決定支援プラットフォーム５０４に、および／または計算デバイス１０８に直接通信することができるかどうかを決定することを意味する。検証サービス５０２は、提案を有効化するために、臨床医など、サービス５０２によって許可されたユーザに提案３２０を公開してもよい。

（例えば、臨床医または検証サービス５０２の論理によって）有効化されている提案に応答して、提案は、さらに意思決定支援プラットフォーム５０４に、または直接計算デバイス１０８にルーティングされてもよい。提案が有効化されない（すなわち、拒否される）ときに、提案は、さらに意思決定支援プラットフォーム５０４に、または直接計算デバイス１０８にルーティングされなくてもよい。代わりに、検証サービス５０２は、（例えば、臨床医の入力に従って）提案を修正し、および／または提案が拒否されたことをデータ分析プラットフォーム１２６に戻すように通知を提供してもよい。このシナリオでは、データ分析プラットフォーム１２６は、予測システムへの入力として拒絶の表示を追加し、異なる予測３１８および／または提案３２０の生成を開始することが可能であってもよい。実際、モデル４０４は、検証サービス５０２から受信した有効化および拒否に基づいて更新されてもよい。検証サービス５０２が提案３２０を有効化し、その結果、提案３２０が計算デバイス１０８に直接転送されることを可能にするシナリオでは、計算デバイス１０８は、上記および下記に記載のように、ディスプレイ、スピーカー、触覚フィードバックなどを介して、提案３２０を出力してもよい。

前述のように、提案３２０はまた、検証サービス５０２によって意思決定支援プラットフォーム５０４に通信されてもよいし、代替的には、検証サービスをバイパスして、データ分析プラットフォーム１２６から直接意思決定支援プラットフォーム５０４に通信されてもよい。提案３２０に基づいて、かつ対応するユーザに関してアクセス可能な他の情報に基づいて、顧客サービススペシャリストが、ユーザをどのように支援するかを決定してもよい。例として、顧客サービススペシャリストは、電話中に音声支援を提供するためにユーザに電話をかけることを決定してもよい。

更新された健康指標は、ユーザの更新された血糖測定値および追加データを１つ以上のモデルを使用して処理することによって予測され、更新された健康指標に基づいて、通知が、ネットワークを介して、出力のために１つ以上の計算デバイスに通信される（ブロック１２１２）。例として、データ分析プラットフォーム１２６は、ユーザのために血糖測定値１１８および追加データ４１０を連続的に収集する。したがって、予測システム３１６は、１つ以上のモデル４０４を使用して、更新された血糖測定値および追加データを処理することによって、更新された健康指標を予測することができる。図７に示されるように、例えば、ＣＧＭシステム１０４からのユーザの更新された血糖測定値１１８と、（ユーザの栄養ログによって示されるように）ユーザがより良い食品選択をしていることおよび（歩数データおよび運動ログによって示されるように）より頻繁に運動していることを示す追加データ４１０に基づいて、予測システム３１６は、更新された予測を生成し、これは、通知７０２として表示するために計算デバイス１０８に通信される。

図１３は、特定のアプリケーションを使用するための提案が同様のユーザの１つ以上のデバイスに通信される例示的な手順１３００を描いている。

ユーザ母集団の血糖測定値およびユーザ母集団のユーザに関連付けられたアプリケーション対話データは、１つ以上の記憶デバイスに維持される（ブロック１３０２）。本明細書で説明される原則に従って、アプリケーション対話データは、アプリケーションの使用（例えば、ユーザ母集団の様々なユーザによる「アプリ」の使用）を記載する。例として、ＣＧＭプラットフォーム１１２は、人１０２によって着用されたＣＧＭシステム１０４によって検出された血糖測定値１１８を取得し、血糖測定値１１８を記憶デバイス１２０に維持する。追加的に、ＣＧＭプラットフォームは、様々なアプリケーション、例えばサードパーティ３０６によって提供されるアプリケーションからアプリケーション対話データを取得する。

ユーザ母集団のユーザのサブセットの健康状態の改善は、少なくとも部分的に血糖測定に基づいて識別され（ブロック１３０４）、ユーザのサブセットの健康状態の改善は、アプリケーション対話データに基づく特定のアプリケーションの使用と相関される（ブロック１３０６）。例として、ＣＧＭプラットフォーム１１２は、特定のアプリケーションまたはサービスとのユーザの対話がユーザの健康の改善と相関するかどうかを決定するために、血糖測定値１１８および追加データとともに、アプリケーション対話データを集約することができる。例えば、血糖測定値１１８に基づいて、ＣＧＭプラットフォーム１１２は、ユーザの健康状態における改善を客観的に決定することができる。次いで、ＣＧＭプラットフォーム１１２は、アプリケーション対話データに基づいて、ユーザの健康の改善または低下を特定のアプリケーションの使用と相関させることができる。例えば、ＣＧＭプラットフォームが、特定のアプリケーションの頻繁な使用と一致するユーザの健康状態の改善を検出した場合、ＣＧＭプラットフォームは、特定のアプリケーションが改善と相関されると決定してもよい。

健康状態を有する同様のユーザが識別され（ブロック１３０８）、特定のアプリケーションを使用するための提案が、同様のユーザに関連付けられた１つ以上のデバイスに通信される（ブロック１３１０）。例として、提案システム４１２は、健康状態を有する同様のユーザを識別し、同様のユーザのサブセットの健康状態を改善するのに役立った特定のアプリケーションを利用するために同様のユーザへの提案を生成することができる。そうするために、提案システム４１２は、ユーザ母集団における他のユーザによる特定のアプリケーションの使用を通じて健康状態の同様の改善の確率を予測し、他の同様のユーザに対する健康を改善する可能性が高いアプリケーションを提案することができる。

アプリケーションの提案は、出力のために計算デバイス１０８に通信することができる。例として、図８に示されるように、ＣＧＭユーザインターフェース８０２は、提案されるアプリケーション８０４を表示するものとして描かれている。この場合、提案されるアプリケーション８０４は、様々なサードパーティのアプリケーションに対応する。図８では、ユーザは、このアプリケーションをユーザのスマートフォンにダウンロードするために、アプリケーション「Ｎｕｔｒｉｔｉｏｎ ｂｙ Ｎｅｈａ」を選択するように描かれている。

１つ以上の実装形態による例示的な手順について記載したため、本明細書に記載の様々な技術を実装するために利用することができる例示的なシステムおよびデバイスについて考える。

例示的なシステムおよびデバイス
図１４は、本明細書に記載の様々な技法を実装し得る１つ以上の計算システムおよび／またはデバイスを代表する例示的な計算デバイス１４０２を含む、概して１４００における例示的なシステムを示す。これは、ＣＧＭプラットフォーム１１２を含めることを通じて示されている。計算デバイス１４０２は、例えば、サービスプロバイダのサーバ、クライアントに関連付けられたデバイス（例えば、クライアントデバイス）、オンチップシステム、および／または任意の他の好適な計算デバイスまたは計算システムであり得る。

図示の例示的な計算デバイス１４０２は、処理システム１４０４、１つ以上のコンピュータ可読媒体１４０６、および互いに通信可能に結合された１つ以上のＩ／Ｏインターフェース１４０８を含む。図示されていないが、計算デバイス１４０２は、様々な構成要素を互いに結合するシステムバスまたは他のデータおよびコマンド転送システムをさらに含んでもよい。システムバスは、メモリバスもしくはメモリコントローラ、ペリフェラルバス、ユニバーサルシリアルバス、および／または様々なバスアーキテクチャのいずれかを利用するプロセッサもしくはローカルバスなどの異なるバス構造のうちの任意の１つまたは組み合わせを含むことができる。制御ラインおよびデータラインなど、様々な他の例も企図されている。

処理システム１４０４は、ハードウェアを使用して１つ以上の動作を実行するための機能性の代表的なものである。したがって、処理システム１４０４は、プロセッサ、機能ブロックなどとして構成され得るハードウェア要素１４１０を含むものとして図示されている。これは、１つ以上の半導体を使用して形成された特定用途向け集積回路または他の論理デバイスとしてのハードウェアでの実装を含んでもよい。ハードウェア要素１４１０は、それらが形成される材料またはそこで使用される処理メカニズムによって制限されない。例えば、プロセッサは、半導体および／またはトランジスタ（例えば、電子集積回路（ＩＣ））から構成されてもよい。このようなコンテキストでは、プロセッサ実行可能な命令は、電子的に実行可能な命令であってもよい。

コンピュータ可読媒体１４０６は、メモリ／ストレージ１４１２を含むものとして示されている。メモリ／ストレージ１４１２は、１つ以上のコンピュータ可読媒体に関連付けられたメモリ／ストレージ容量を表す。メモリ／ストレージ構成要素１４１２は、揮発性媒体（ランダムアクセスメモリ（ＲＡＭ）など）および／または不揮発性媒体（読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、光ディスク、磁気ディスクなど）を含んでもよい。メモリ／ストレージ構成要素１４１２は、固定メディア（例えば、ＲＡＭ、ＲＯＭ、固定ハードドライブなど）ならびにリムーバブルメディア（例えば、フラッシュメモリ、リムーバブルハードドライブ、光ディスクなど）を含んでもよい。コンピュータ可読媒体１４０６は、以下でさらに説明するように、他の様々な方法で構成され得る。

入力／出力インターフェース１４０８は、ユーザが計算デバイス１４０２にコマンドおよび情報を入力することを可能にし、また、様々な入力／出力デバイスを使用してユーザおよび／または他の構成要素またはデバイスに情報を提示することを可能にする機能の代表のものである。入力デバイスの例は、キーボード、カーソル制御デバイス（例えば、マウス）、マイク、スキャナー、タッチ機能性（例えば、物理的なタッチを検出するように構成されている容量性または他のセンサ）、カメラ（例えば、動きをタッチを伴わないジェスチャーとして認識するために、可視または赤外線周波数などの不可視の波長を用いてもよい）などを含む。出力デバイスの例は、ディスプレイデバイス（例えば、モニターまたはプロジェクター）、スピーカー、プリンター、ネットワークカード、触覚応答デバイスなどを含む。したがって、計算デバイス１４０２は、ユーザの対話を支援するために、以下でさらに記載されるように、様々な方法で構成されてもよい。

本明細書では、ソフトウェア、ハードウェア要素、またはプログラムモジュールの一般的なコンテキストで様々な技法が記載されてもよい。一般に、このようなモジュールは、特定のタスクを実行するか、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、要素、構成要素、データ構造などを含む。本明細書で使用される「モジュール」、「機能性」、および「構成要素」という用語は、一般に、ソフトウェア、ファームウェア、ハードウェア、またはそれらの組み合わせを表す。本明細書に記載の技術の特徴は、プラットフォームに依存しない。つまり、この技法は、様々なプロセッサを有する様々な商用計算プラットフォームに実装され得ることを意味する。

記載のモジュールおよび技法の実装形態は、何らかの形式のコンピュータ可読媒体に記憶されるか、またはそれを介して送信され得る。コンピュータ可読媒体は、計算デバイス１４０２によってアクセスされ得る様々な媒体を含んでもよい。限定ではなく例として、コンピュータ可読媒体は、「コンピュータ可読記憶媒体」および「コンピュータ可読信号媒体」を含んでもよい。

「コンピュータ可読記憶媒体」は、単なる信号伝送、搬送波、または信号自体とは対照的に、情報の永続的および／または非一時的な記憶を可能にする媒体および／またはデバイスを指してもよい。したがって、コンピュータで可読記憶媒体は、非信号伝達媒体を指す。コンピュータ可読記憶媒体は、揮発性および非揮発性、リムーバブルおよび非リムーバブル媒体などのハードウェア、および／またはコンピュータ可読命令、データ構造、プログラムモジュール、論理要素／回路、または他のデータなどの情報の記憶に好適な方法または技術で実装された記憶デバイスを含む。コンピュータ可読記憶媒体の例は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）もしくは他の光記憶デバイス、ハードディスク、磁気カセット、磁気テープ、磁気ディスクストレージもしくは他の磁気記憶デバイス、もしくは他の記憶デバイス、有形媒体、または所望の情報を記憶するのに好適であり、コンピュータによってアクセスされ得る製品を含んでもよいが、これらに限定されない。

「コンピュータ可読信号媒体」は、ネットワークを介するなどして、計算デバイス１４０２のハードウェアに命令を送信するように構成されている信号伝達媒体を指してもよい。信号媒体は、通常、コンピュータ可読命令、データ構造、プログラムモジュール、または搬送波、データ信号、もしくは他の輸送メカニズムなどの変調されたデータ信号における他のデータを具体化してもよい。信号媒体は、任意の情報送達媒体も含む。「変調されたデータ信号」という用語は、信号における情報を符号化するような方式で設定または変更されたその特性のうちの１つ以上を有する信号を意味する。限定ではないが例として、通信媒体は、有線ネットワークまたは直接有線接続などの有線媒体、および音響、ＲＦ、赤外線、および他の無線媒体などの無線媒体を含む。

上記のように、ハードウェア要素１４１０およびコンピュータ可読媒体１４０６は、１つ以上の命令を実行するなどのために、本明細書に記載の技術の少なくともいくつかの態様を実装するためにいくつかの実施形態で用いられ得るハードウェア形式で実装されるモジュール、プログラマブルデバイスロジックおよび／または固定デバイスロジックの代表のものである。ハードウェアは、集積回路またはオンチップシステムのコンポーネント、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、複雑なプログラマブルロジックデバイス（ＣＰＬＤ）、およびシリコンまたは他のハードウェアにおける他の実装形態を含んでもよい。このコンテキストでは、ハードウェアは、ハードウェアによって具体化された命令および／または論理によって定義されるプログラムタスク、ならびに実行のための命令を記憶するために利用されるハードウェア、例えば、上記のコンピュータ可読記憶媒体を実行する処理デバイスとして動作してもよい。

前述の組み合わせを用いて、本明細書に記載の様々な技術を実装してもよい。したがって、ソフトウェア、ハードウェア、または実行可能モジュールは、何らかの形式のコンピュータ可読記憶媒体上に、ならびに／または１つ以上のハードウェア要素１４１０によって具体化される１つ以上の命令および／もしくは論理として実装されてもよい。計算デバイス１４０２は、ソフトウェアおよび／またはハードウェアモジュールに対応する特定の命令および／または機能を実装するように構成されてもよい。したがって、ソフトウェアとして計算デバイス１４０２によって実行可能であるモジュールの実装形態は、例えば、コンピュータ可読記憶媒体および／または処理システム１４０４のハードウェア要素１４１０の使用を通じて、少なくとも部分的にハードウェアで達成されてもよい。命令および／または機能は、本明細書に記載の技術、モジュール、および例を実装するために、１つ以上の製品（例えば、１つ以上の計算デバイス１４０２および／または処理システム１４０４）によって実行可能／動作可能であってもよい。

本明細書に記載の技術は、計算デバイス１４０２の様々な構成によって支援されてもよく、本明細書に記載の技術の特定の例に限定されない。この機能性は、以下に記載のように、プラットフォーム１４１６を介した「クラウド」１４１４上など、分散システムを使用することを通じて、全部または部分的に実装されてもよい。

クラウド１４１４は、リソース１４１８のためのプラットフォーム１４１６を含み、および／またはその代表のものである。プラットフォーム１４１６は、クラウド１４１４のハードウェア（例えば、サーバ）およびソフトウェアリソースの基礎となる機能性を抽象化する。リソース１４１８は、計算デバイス１４０２から離れたサーバ上でコンピュータ処理が実行されている間に利用することができるアプリケーションおよび／またはデータを含んでもよい。リソース１４１８はまた、インターネットを介して、および／またはセルラーまたはＷｉ－Ｆｉネットワークなどの加入者ネットワークを通じて提供されるサービスを含むことができる。

プラットフォーム１４１６は、計算デバイス１４０２を他の計算デバイスと接続するためにリソースおよび機能を抽象化してもよい。プラットフォーム１４１６はまた、リソースのスケーリングを抽象化して、プラットフォーム１４１６を介して実装されるリソース１４１８の遭遇した需要に対応するレベルのスケールを提供するのに機能してもよい。したがって、相互接続されたデバイスの実施形態では、本明細書に記載の機能の実装は、システム１４００全体に分散されてもよい。例えば、機能性は、部分的に計算デバイス１４０２上、およびクラウド１４１４の機能性を抽象化するプラットフォーム１４１６を介して実装されてもよい。

結論
システムおよび技術は、構造的特徴および／または方法論的行為に固有の言語で記載されているが、添付の特許請求の範囲で定義されるシステムおよび技術は、必ずしも記載の特定の特徴または行為に限定されないと理解するべきである。むしろ、特定の特徴および行為は、特許請求の範囲の主題を実装するための例示的な形態として開示されている。

112 ＣＧＭプラットフォーム
1402 計算デバイス
1404 処理システム
1406 コンピュータ可読媒体
1408 Ｉ／Ｏインターフェース
1410 ハードウェア要素
1412 メモリ／ストレージ
1414 クラウド
1416 プラットフォーム
1418 リソース

Claims (23)

1. ユーザによって着用された連続血糖モニタリング（ＣＧＭ）システムによって提供された血糖測定値を受信することと、
   前記ユーザに関連付けられた第１の追加データを受信することであって、前記第１の追加データが、前記ＣＧＭシステムとは異なる１つ以上のソースから取得され、前記１つ以上のソースが、サードパーティアプリケーションを含む、受信することと、
   前記血糖測定値および前記第１の追加データに基づいて、１つ以上のモデルを使用して、前記ユーザの健康状態またはイベントの決定を生成することであって、前記１つ以上のモデルが、ユーザ母集団の過去の血糖測定値および過去の追加データに基づいて生成される、生成することと、
   前記ユーザの前記決定された健康状態またはイベント、前記ユーザ母集団の前記過去の血糖測定値、および前記ユーザ母集団の前記過去の追加データに基づいて提案を生成することであって、前記提案は挙動計画を含み、前記挙動計画は食事計画または運動計画の少なくとも１つを含む、生成することと、
   挙動計画を、ネットワークを介して出力のために１つ以上の計算デバイスに通信することと、
   前記挙動計画に対する前記ユーザの順守を示す第２の追加データを受信することであって、前記第２の追加データは、前記ＣＧＭシステムとは異なる前記１つ以上のソースから取得される、受信することと、
   前記ユーザの前記受信された第２の追加データに基づいて、前記１つ以上のモデルを使用して、前記健康状態またはイベントの更新された決定を生成することと、
   前記更新された決定された健康状態またはイベントに基づいて、前記ネットワークを介して出力のために前記１つ以上の計算デバイスに通知を通信することと、を含む、コンピュータが行う、方法。
2. 前記健康状態またはイベントが、悪い健康状態を含む、請求項１に記載の方法。
3. 前記提案が、前記悪い健康状態を、前記悪い健康状態を緩和する１つ以上の行動または挙動と関連付ける論理に基づいて生成され、前記挙動計画が、前記１つ以上の行動または挙動を含む、請求項２に記載の方法。
4. 前記ユーザに関連付けられた前記第１の追加データが、活動データ、栄養データ、サードパーティデータ、アプリケーション対話データ、デバイスデータ、または環境データのうちの少なくとも１つを含む、請求項１に記載の方法。
5. 前記１つ以上のモデルが、機械学習モデルを含み、前記方法が、
   前記ユーザ母集団のユーザによって着用されたＣＧＭシステムによって提供された前記ユーザ母集団の前記過去の血糖測定値を受信することと、
   前記ＣＧＭシステムとは異なる前記１つ以上のソースから前記ユーザ母集団の前記過去の追加データを受信することと、
   前記ユーザ母集団の前記過去の血糖測定値および前記過去の追加データを使用して、前記機械学習モデルを訓練することと、をさらに含む、請求項１に記載の方法。
6. 前記ＣＧＭシステムが、ユーザの皮膚に皮下挿入されたセンサを介して前記血糖測定値を検出する、請求項１に記載の方法。
7. システムであって、
   ユーザ母集団の血糖測定値および前記ユーザ母集団のユーザに関連付けられた追加データを維持するための記憶デバイスと、
   前記ユーザ母集団の前記血糖測定値および前記追加データを使用して訓練された１つ以上の機械学習モデルと、
   データ分析プラットフォームであって、
   前記ユーザ母集団の個々のユーザの健康状態またはイベントの決定を、前記個々のユーザの血糖測定値および第１の追加データに基づいて、前記１つ以上の機械学習モデルを使用して生成することと、
   前記個々のユーザの前記決定された健康状態またはイベント、前記ユーザ母集団の前記血糖測定値、および前記ユーザ母集団のユーザに関連付けられた前記追加データに基づいて提案を生成することであって、前記提案は挙動計画を含み、前記挙動計画は食事計画または運動計画の少なくとも１つを含む、生成することと、
   挙動計画を、ネットワークを介して出力のために１つ以上の計算デバイスに通信することと、
   前記挙動計画に対する前記個々のユーザの順守を示す第２の追加データを受信することであって、前記第２の追加データは、前記個々のユーザの前記血糖測定値のソースとは異なる前記１つ以上のソースから取得される、受信することと、
   前記個々のユーザの前記受信された第２の追加データに基づいて、前記１つ以上の機械学習モデルを使用して、前記健康状態またはイベントの更新された決定を生成することと、
   前記更新された決定された健康状態またはイベントに基づいて、前記ネットワークを介して出力のために前記１つ以上の計算デバイスに通知を通信することと、を行うためのデータ分析プラットフォームと、を含む、システム。
8. 前記１つ以上の計算デバイスが、前記個々のユーザに関連付けられ、前記提案が、前記１つ以上の計算デバイスに関連付けられたディスプレイデバイスまたはオーディオデバイスのうちの少なくとも１つを介した出力のために構成されている、請求項７に記載のシステム。
9. 前記記憶デバイスが、前記個々のユーザに関連付けられた前記１つ以上の計算デバイスから、前記個々のユーザの前記血糖測定値および前記第１の追加データの少なくとも一部を取得する、請求項８に記載のシステム。
10. 前記１つ以上の計算デバイスが、前記個々のユーザの介護者に関連付けられている、請求項７に記載のシステム。
11. 前記１つ以上の計算デバイスが、検証サービスに関連付けられており、前記検証サービスが、
    前記データ分析プラットフォームから前記提案を受信し、
    ユーザインターフェースを介して、提案の有効化を許可された１人以上のユーザに前記提案を公開し、
    許可されたユーザによる前記提案の有効化を受信することに応答して、前記提案を前記個々のユーザの計算デバイスに通信するか、または
    前記許可されたユーザによる前記提案の拒否を受信することに応答して、前記提案が拒否されたという通知を前記データ分析プラットフォームに通信するように構成されている、請求項７に記載のシステム。
12. 前記１つ以上の計算デバイスが、意思決定支援プラットフォームに関連付けられており、前記意思決定支援プラットフォームが、
    前記データ分析プラットフォームから前記提案を受信することと、
    ユーザインターフェースを介して、前記提案を前記個々のユーザの健康の管理を支援することを許可された１人以上のユーザに公開することと、を行うように構成されている、請求項７に記載のシステム。
13. 少なくとも１つのアプリケーションプログラミングインターフェース（ＡＰＩ）をさらに含み、前記ＡＰＩが、サードパーティに、前記サードパーティが前記記憶デバイスからの前記血糖測定値を要求することを可能にする呼び出しを公開するように構成されている、請求項７に記載のシステム。
14. 少なくとも１つのアプリケーションプログラミングインターフェース（ＡＰＩ）をさらに含み、前記ＡＰＩが、サードパーティから前記第１の追加データの少なくとも一部を取得するように構成されている、請求項７に記載のシステム。
15. 命令が記憶された１つ以上のコンピュータ可読記憶媒体であって、前記命令が、１つ以上のプロセッサによって動作を実行するように実行可能であり、前記動作が、
    ユーザによって着用されたウェアラブル血糖モニタリングシステムによって提供された血糖測定値を受信することと、
    前記ユーザに関連付けられた第１の追加データを受信することであって、前記第１の追加データが、前記ウェアラブル血糖モニタリングシステムとは異なる１つ以上のソースから取得され、前記１つ以上のソースが、サードパーティアプリケーションを含む、受信することと、
    前記血糖測定値および前記第１の追加データに基づいて、１つ以上のモデルを使用して、前記ユーザの健康状態またはイベントの決定を生成することであって、前記１つ以上のモデルが、ユーザ母集団の過去の血糖測定値および過去の追加データに基づいて生成される、生成することと、
    前記ユーザの前記決定された健康状態またはイベント、前記ユーザ母集団の前記過去の血糖測定値、および前記ユーザ母集団の前記過去の追加データに基づいて提案を生成することであって、前記提案は挙動計画を含み、前記挙動計画は食事計画または運動計画の少なくとも１つを含む、生成することと、
    前記挙動計画を、ネットワークを介して出力のために１つ以上の計算デバイスに通信することと、
    前記挙動計画に対する前記ユーザの順守を示す第２の追加データを受信することであって、前記第２の追加データは、前記ウェアラブル血糖モニタリングシステムとは異なる前記１つ以上のソースから取得される、受信することと、
    前記ユーザの前記受信された第２の追加データに基づいて、前記１つ以上のモデルを使用して、前記健康状態またはイベントの更新された決定を生成することと、
    前記更新された決定された健康状態またはイベントに基づいて、前記ネットワークを介して出力のために前記１つ以上の計算デバイスに通知を通信することと、を含む、１つ以上のコンピュータ可読記憶媒体。
16. 前記健康状態またはイベントが、悪い健康状態を含む、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
17. 前記提案が、前記悪い健康状態を、前記悪い健康状態を緩和する１つ以上の行動または挙動と関連付ける論理に基づいて生成され、前記挙動計画が、前記１つ以上の行動または挙動を含む、請求項１６に記載の１つ以上のコンピュータ可読記憶媒体。
18. 前記ユーザに関連付けられた前記第１の追加データが、活動データ、栄養データ、サードパーティデータ、アプリケーション対話データ、デバイスデータ、または環境データのうちの少なくとも１つを含む、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
19. 前記１つ以上のモデルが、機械学習モデルを含み、前記動作が、
    前記ユーザ母集団のユーザによって着用されたウェアラブル血糖モニタリングシステムによって提供された前記ユーザ母集団の前記過去の血糖測定値を受信することと、
    前記ユーザ母集団の前記ユーザによって着用された前記ウェアラブル血糖モニタリングシステムとは異なる前記１つ以上のソースから前記ユーザ母集団の前記過去の追加データを受信することと、
    前記ユーザ母集団の前記過去の血糖測定値および前記過去の追加データを使用して、前記機械学習モデルを訓練することと、をさらに含む、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
20. 前記ウェアラブル血糖モニタリングシステムが、前記ユーザによって着用される連続血糖モニタリング（ＣＧＭ）システムを含む、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
21. 前記ＣＧＭシステムが、前記ユーザの皮膚に皮下挿入されたセンサを介して前記血糖測定値を検出する、請求項２０に記載の１つ以上のコンピュータ可読記憶媒体。
22. ユーザによって着用された連続血糖モニタリング（ＣＧＭ）システムによって提供された血糖測定値および前記ユーザに関連付けられた第１の追加データを受信するための受信手段であって、前記第１の追加データが、前記ＣＧＭシステムとは異なる１つ以上のソースから取得され、前記第１の追加データが、食事計画または運動計画の少なくとも１つを含む挙動計画に対する前記ユーザの順守を示す、受信手段と、
    前記血糖測定値および前記第１の追加データに基づいて、１つ以上のモデルを使用して、前記ユーザの健康状態またはイベントの決定を生成するための決定手段であって、前記１つ以上のモデルが、ユーザ母集団の過去の血糖測定値および過去の追加データに基づいて生成される、決定手段と、
    前記ユーザの前記健康状態またはイベント、前記ユーザ母集団の前記過去の血糖測定値に基づいて提案を生成するための提案手段と、
    前記提案を、ネットワークを介して出力のために１つ以上の計算デバイスに通信するための通信手段と、を含む、装置。
23. 前記受信手段が、前記ＣＧＭシステムとは異なる１つ以上のソースから前記第１の追加データを取得する、請求項２２に記載の装置。