特開2022-83421血糖値推定装置、学習装置、血糖値推定方法、学習情報の生産方法、およびプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022083421
(43)【公開日】2022-06-03
(54)【発明の名称】血糖値推定装置、学習装置、血糖値推定方法、学習情報の生産方法、およびプログラム
(51)【国際特許分類】
A61B 5/1455 20060101AFI20220527BHJP
【ＦＩ】
A61B5/1455
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
(21)【出願番号】P 2021189340
(22)【出願日】2021-11-22
(31)【優先権主張番号】P 2020194129
(32)【優先日】2020-11-24
(33)【優先権主張国・地域又は機関】JP
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＴＥＮＳＯＲＦＬＯＷ
(71)【出願人】
【識別番号】309007911
【氏名又は名称】サントリーホールディングス株式会社
(74)【代理人】
【識別番号】100115749
【弁理士】
【氏名又は名称】谷川 英和
(72)【発明者】
【氏名】山村 淳貴
(72)【発明者】
【氏名】ゼイ田 満広
(72)【発明者】
【氏名】鈴木 雄一
(72)【発明者】
【氏名】李 殷瑞
(72)【発明者】
【氏名】高木 基成
【テーマコード（参考）】
4C038
【Ｆターム（参考）】
4C038KK10
4C038KL05
4C038KL07
4C038KM01
4C038KX02
(57)【要約】
【課題】従来、人の適正な血糖値を非侵襲で簡単に取得することが困難であった。
【解決手段】人体に対して発せられた近赤外光の反射光を用いて取得された１以上のＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて取得された学習情報が格納される学習情報格納部７１１と、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部６３と、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と学習情報とを用いて、推定される血糖値を取得する推定部７３４と、推定部７３４が取得した血糖値を出力する血糖値出力部７４１とを具備する血糖値推定装置７により、人の適正な血糖値を非侵襲で簡単に取得できる。
【選択図】図２
【解決手段】人体に対して発せられた近赤外光の反射光を用いて取得された１以上のＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて取得された学習情報が格納される学習情報格納部７１１と、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部６３と、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と学習情報とを用いて、推定される血糖値を取得する推定部７３４と、推定部７３４が取得した血糖値を出力する血糖値出力部７４１とを具備する血糖値推定装置７により、人の適正な血糖値を非侵襲で簡単に取得できる。
【選択図】図２
【特許請求の範囲】
【請求項1】
人体に対して発せられた近赤外光の反射光を用いて取得された１以上のＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて取得された学習情報が格納される学習情報格納部と、
近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定部と、
前記推定部が取得した血糖値を出力する血糖値出力部とを具備する血糖値推定装置。
近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定部と、
前記推定部が取得した血糖値を出力する血糖値出力部とを具備する血糖値推定装置。
【請求項2】
前記教師データは、２以上の各波長の近赤外光を人体に対する発して得られる１以上のＮＩＲＳ情報を含み、
前記ＮＩＲＳ取得部は、
２以上の各波長の近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得する、請求項１記載の血糖値推定装置。
前記ＮＩＲＳ取得部は、
２以上の各波長の近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得する、請求項１記載の血糖値推定装置。
【請求項3】
前記２以上の波長は、略７６０ｎｍ～略１３００ｎｍの範囲の２以上の波長である。
【請求項4】
学習情報を取得するために用いられる２以上の異なる波長の近赤外光の数が、前記ＮＩＲＳ取得部による１以上のＮＩＲＳ情報の取得のために使用される２以上の異なる波長の近赤外光の数より多い、請求項１から請求項３いずれか一項に記載の血糖値推定装置。
【請求項5】
前記教師データは、前記人体を有する人の肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上のユーザ動的属性値を有し、
前記一のユーザの肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上のユーザ動的属性値を取得するユーザ動的属性値取得部をさらに具備し、
前記推定部は、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、前記ユーザ動的属性値取得部が取得した１以上のユーザ動的属性値と、前記学習情報とを用いて、推定される血糖値を取得する、請求項１から請求項４いずれか一項に記載の血糖値推定装置。
前記一のユーザの肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上のユーザ動的属性値を取得するユーザ動的属性値取得部をさらに具備し、
前記推定部は、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、前記ユーザ動的属性値取得部が取得した１以上のユーザ動的属性値と、前記学習情報とを用いて、推定される血糖値を取得する、請求項１から請求項４いずれか一項に記載の血糖値推定装置。
【請求項6】
前記教師データは、前記人体を有する人の静的な属性値である１以上のユーザ静的属性値を有し、
前記ユーザの１以上のユーザ静的属性値を取得するユーザ静的属性値取得部をさらに具備し、
前記推定部は、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、前記ユーザ静的属性値取得部が取得した１以上のユーザ静的属性値と、前記学習情報とを用いて、推定される血糖値を取得する、請求項１から請求項５いずれか一項に記載の血糖値推定装置。
前記ユーザの１以上のユーザ静的属性値を取得するユーザ静的属性値取得部をさらに具備し、
前記推定部は、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、前記ユーザ静的属性値取得部が取得した１以上のユーザ静的属性値と、前記学習情報とを用いて、推定される血糖値を取得する、請求項１から請求項５いずれか一項に記載の血糖値推定装置。
【請求項7】
前記１以上のユーザ静的属性値は、ユーザの年齢、身長、体重、前腕周囲のうちの１以上の情報である、請求項６記載の血糖値推定装置。
【請求項8】
前記教師データは、前記１以上のＮＩＲＳ情報を取得するために使用するデバイスの特性値である１以上のデバイス特性値を有し、
前記ユーザの１以上のＮＩＲＳ情報を取得するために使用するデバイスの１以上のデバイス特性値を取得するデバイス特性値取得部をさらに具備し、
前記推定部は、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、前記デバイス特性値取得部が取得した１以上のデバイス特性値と、前記学習情報とを用いて、推定される血糖値を取得する、請求項１から請求項７いずれか一項に記載の血糖値推定装置。
前記ユーザの１以上のＮＩＲＳ情報を取得するために使用するデバイスの１以上のデバイス特性値を取得するデバイス特性値取得部をさらに具備し、
前記推定部は、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、前記デバイス特性値取得部が取得した１以上のデバイス特性値と、前記学習情報とを用いて、推定される血糖値を取得する、請求項１から請求項７いずれか一項に記載の血糖値推定装置。
【請求項9】
前記１以上のデバイス特性値は、近赤外光の発光部から発光された反射光を受光する２以上の受光部間の距離を特定する距離情報、受光部の数、発光部の数のうちの１以上の情報である、請求項８記載の血糖値推定装置。
【請求項10】
前記ＮＩＲＳ取得部は、
１以上のＮＩＲＳ情報または１以上のＮＩＲＳ情報の元になる１以上のＮＩＲＳ情報元をユーザから取得する２以上の各ＮＩＲＳ装置から、前記１以上のＮＩＲＳ情報または前記１以上のＮＩＲＳ情報元を取得し、
前記血糖値出力部は、
前記推定部が取得した血糖値または当該血糖値に関する血糖値関連情報を、前記ＮＩＲＳ装置または前記ＮＩＲＳ装置に対応する端末装置に送信する、請求項１から請求項７いずれか一項に記載の血糖値推定装置。
１以上のＮＩＲＳ情報または１以上のＮＩＲＳ情報の元になる１以上のＮＩＲＳ情報元をユーザから取得する２以上の各ＮＩＲＳ装置から、前記１以上のＮＩＲＳ情報または前記１以上のＮＩＲＳ情報元を取得し、
前記血糖値出力部は、
前記推定部が取得した血糖値または当該血糖値に関する血糖値関連情報を、前記ＮＩＲＳ装置または前記ＮＩＲＳ装置に対応する端末装置に送信する、請求項１から請求項７いずれか一項に記載の血糖値推定装置。
【請求項11】
前記学習情報は、前記２以上の教師データを用いて、機械学習の学習処理を行い、取得された学習器である、請求項１から請求項１０いずれか一項に記載の血糖値推定装置。
【請求項12】
１以上の発光部から発光された近赤外光の反射光であり、１以上の受光部が受光した反射光を用いて、当該反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、
ユーザの血糖値を取得する実測血糖値取得部と、
前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成部と、
前記教師データを用いて、学習情報を取得する学習部と、
前記学習情報を蓄積する蓄積部とを具備する学習装置。
ユーザの血糖値を取得する実測血糖値取得部と、
前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成部と、
前記教師データを用いて、学習情報を取得する学習部と、
前記学習情報を蓄積する蓄積部とを具備する学習装置。
【請求項13】
前記１以上の発光部は、
２以上の波長の近赤外光を発光し、
前記１以上の受光部は、
２以上の各波長の近赤外光の反射光を受光し、
前記ＮＩＲＳ取得部は、
前記２以上の各波長の近赤外光の反射光に関する１以上のＮＩＲＳ情報を取得する、請求項１２記載の学習装置。
２以上の波長の近赤外光を発光し、
前記１以上の受光部は、
２以上の各波長の近赤外光の反射光を受光し、
前記ＮＩＲＳ取得部は、
前記２以上の各波長の近赤外光の反射光に関する１以上のＮＩＲＳ情報を取得する、請求項１２記載の学習装置。
【請求項14】
前記ユーザの肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上のユーザ動的属性値を取得するユーザ動的属性値取得部をさらに具備し、
前記教師データ構成部は、
前記１以上のＮＩＲＳ情報と前記１以上のユーザ動的属性値と前記血糖値とを用いて、教師データを構成する、請求項１２または請求項１３記載の学習装置。
前記教師データ構成部は、
前記１以上のＮＩＲＳ情報と前記１以上のユーザ動的属性値と前記血糖値とを用いて、教師データを構成する、請求項１２または請求項１３記載の学習装置。
【請求項15】
前記ユーザの静的な属性値である１以上のユーザ静的属性値を取得するユーザ静的属性値取得部をさらに具備し、
前記教師データ構成部は、
前記１以上のＮＩＲＳ情報と前記１以上のユーザ静的属性値と前記血糖値とを用いて、教師データを構成する、請求項１２から請求項１４いずれか一項に記載の学習装置。
前記教師データ構成部は、
前記１以上のＮＩＲＳ情報と前記１以上のユーザ静的属性値と前記血糖値とを用いて、教師データを構成する、請求項１２から請求項１４いずれか一項に記載の学習装置。
【請求項16】
前記１以上の受光部および前記１以上の発光部を具備するデバイスの１以上のデバイス特性値を取得するデバイス特性値取得部をさらに具備し、
前記教師データ構成部は、
前記１以上のＮＩＲＳ情報と前記１以上のデバイス特性値と前記血糖値とを用いて、教師データを構成する、請求項１２から請求項１５いずれか一項に記載の学習装置。
前記教師データ構成部は、
前記１以上のＮＩＲＳ情報と前記１以上のデバイス特性値と前記血糖値とを用いて、教師データを構成する、請求項１２から請求項１５いずれか一項に記載の学習装置。
【請求項17】
人体に対して発せられた近赤外光の反射光を用いて取得された１以上のＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて取得された学習情報が格納される学習情報格納部と、ＮＩＲＳ取得部と、推定部と、血糖値出力部とにより実現される血糖値推定方法であって、
前記ＮＩＲＳ取得部が、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得ステップと、
前記推定部が、前記ＮＩＲＳ取得ステップで取得された１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定ステップと、
前記血糖値出力部が、前記推定ステップで取得された血糖値を出力する血糖値出力ステップとを具備する血糖値推定方法。
前記ＮＩＲＳ取得部が、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得ステップと、
前記推定部が、前記ＮＩＲＳ取得ステップで取得された１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定ステップと、
前記血糖値出力部が、前記推定ステップで取得された血糖値を出力する血糖値出力ステップとを具備する血糖値推定方法。
【請求項18】
ＮＩＲＳ取得部と、実測血糖値取得部と、教師データ構成部と、学習部と、蓄積部とにより実現される学習情報の生産方法であって、
前記ＮＩＲＳ取得部が、１以上の発光部から発光された近赤外光の反射光であり、１以上の受光部が受光した反射光を用いて、当該反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得ステップと、
前記実測血糖値取得部が、ユーザの血糖値を取得する実測血糖値取得ステップと、
前記教師データ構成部が、前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成ステップと、
前記学習部が、前記教師データを用いて、学習情報を取得する学習ステップと、
前記蓄積部が、前記学習情報を蓄積する蓄積ステップとを具備する学習情報の生産方法。
前記ＮＩＲＳ取得部が、１以上の発光部から発光された近赤外光の反射光であり、１以上の受光部が受光した反射光を用いて、当該反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得ステップと、
前記実測血糖値取得部が、ユーザの血糖値を取得する実測血糖値取得ステップと、
前記教師データ構成部が、前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成ステップと、
前記学習部が、前記教師データを用いて、学習情報を取得する学習ステップと、
前記蓄積部が、前記学習情報を蓄積する蓄積ステップとを具備する学習情報の生産方法。
【請求項19】
人体に対して発せられた近赤外光の反射光を用いて取得された１以上のＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて取得された学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、
近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定部と、
前記推定部が取得した血糖値を出力する血糖値出力部として機能させるためのプログラム。
近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、
前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定部と、
前記推定部が取得した血糖値を出力する血糖値出力部として機能させるためのプログラム。
【請求項20】
コンピュータを、
１以上の発光部から発光された近赤外光の反射光であり、１以上の受光部が受光した反射光を用いて、当該反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、
ユーザの血糖値を取得する実測血糖値取得部と、
前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成部と、
前記教師データを用いて、学習情報を取得する学習部と、
前記学習情報を蓄積する蓄積部として機能させるためのプログラム。
１以上の発光部から発光された近赤外光の反射光であり、１以上の受光部が受光した反射光を用いて、当該反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、
ユーザの血糖値を取得する実測血糖値取得部と、
前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成部と、
前記教師データを用いて、学習情報を取得する学習部と、
前記学習情報を蓄積する蓄積部として機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、推定される血糖値を取得し、出力する血糖値推定装置等に関するものである。
【背景技術】
【0002】
従来、被験者の血糖値を非侵襲的に定量する技術があった（例えば、特許文献１参照）。かかる従来技術において、被験者の体内成分濃度は、近赤外光を用いて被験者から測定した吸光度スペクトルと検量線を用いて決定される。検量線は、生体の複数の近赤外吸光度スペクトルとこの中から選択される基準吸光度スペクトルの間の差分である複数の差分吸光度スペクトルを求め、前記差分吸光度スペクトルの各々に、予め測定した被験者の基準吸光度スペクトルを合成することにより複数の合成吸光度スペクトルを求め、得られた複数の合成吸光度スペクトル用いて多変量解析することにより作成される。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００６－０８７９１３号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、従来技術においては、学習情報を用いていないために、人の適正な血糖値を非侵襲で簡易に取得することが困難であった。
【課題を解決するための手段】
【0005】
本第一の発明の血糖値推定装置は、人体に対して発せられた近赤外光の反射光を用いて取得された１以上のＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて取得された学習情報が格納される学習情報格納部と、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と学習情報とを用いて、推定される血糖値を取得する推定部と、推定部が取得した血糖値を出力する血糖値出力部とを具備する血糖値推定装置である。
【0006】
かかる構成により、人の適正な血糖値を非侵襲で簡易に取得できる。
【0007】
また、本第二の発明の血糖値推定装置は、第一の発明に対して、教師データは、２以上の各波長の近赤外光を人体に対する発して得られる１以上のＮＩＲＳ情報を含み、ＮＩＲＳ取得部は、２以上の各波長の近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得する、血糖値推定装置である。
【0008】
かかる構成により、２以上の波長の近赤外光を用いて、より適正な血糖値を非侵襲で簡易に取得できる。
【0009】
また、本第三の発明の波長は、第二の発明に対して、２以上の波長は、略７６０ｎｍ～略１３００ｎｍの範囲の２以上の波長である、血糖値推定装置である。
【0010】
かかる構成により、２以上の適切な波長の近赤外光を用いて、より適正な血糖値を非侵襲で簡易に取得できる。
【0011】
また、本第四の発明の血糖値推定装置は、第一から第三いずれか１つの発明に対して、学習情報を取得するために用いられる２以上の異なる波長の近赤外光の数が、ＮＩＲＳ取得部による１以上のＮＩＲＳ情報の取得のために使用される２以上の異なる波長の近赤外光の数より多い、血糖値推定装置である。
【0012】
かかる構成により、より適正な血糖値を非侵襲で簡易に取得できる。
【0013】
また、本第五の発明の血糖値推定装置は、第一から第四いずれか１つの発明に対して、教師データは、人体を有する人の肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上のユーザ動的属性値を有し、一のユーザの肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上のユーザ動的属性値を取得するユーザ動的属性値取得部をさらに具備し、推定部は、ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、ユーザ動的属性値取得部が取得した１以上のユーザ動的属性値と、学習情報とを用いて、推定される血糖値を取得する、血糖値推定装置である。
【0014】
かかる構成により、１以上のユーザ動的属性値を用いて、より適正な血糖値を非侵襲で簡易に取得できる。
【0015】
また、本第六の発明の血糖値推定装置は、第一から第五いずれか１つの発明に対して、教師データは、人体を有する人の静的な属性値である１以上のユーザ静的属性値を有し、ユーザの１以上のユーザ静的属性値を取得するユーザ静的属性値取得部をさらに具備し、推定部は、ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、ユーザ静的属性値取得部が取得した１以上のユーザ静的属性値と、学習情報とを用いて、推定される血糖値を取得する、血糖値推定装置である。
【0016】
かかる構成により、１以上のユーザ静的属性値をも用いて、より適正な血糖値を非侵襲で簡易に取得できる。
【0017】
また、本第七の発明の血糖値推定装置は、第六の発明に対して、１以上のユーザ静的属性値は、ユーザの年齢、身長、体重、前腕周囲のうちの１以上の情報である、血糖値推定装置である。
【0018】
かかる構成により、１以上の適切なユーザ静的属性値をも用いて、より適正な血糖値を非侵襲で取得できる。
【0019】
また、本第八の発明の血糖値推定装置は、第一から第七いずれか１つの発明に対して、教師データは、１以上のＮＩＲＳ情報を取得するために使用するデバイスの特性値である１以上のデバイス特性値を有し、ユーザの１以上のＮＩＲＳ情報を取得するために使用するデバイスの１以上のデバイス特性値を取得するデバイス特性値取得部をさらに具備し、推定部は、ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と、デバイス特性値取得部が取得した１以上のデバイス特性値と、学習情報とを用いて、推定される血糖値を取得する、血糖値推定装置である。
【0020】
かかる構成により、１以上のデバイス特性値を用いて、より適正な血糖値を非侵襲で取得できる。
【0021】
また、本第九の発明の血糖値推定装置は、第八の発明に対して、１以上のデバイス特性値は、近赤外光の発光部から発光された反射光を受光する２以上の受光部間の距離を特定する距離情報、受光部の数、発光部の数のうちの１以上の情報である、血糖値推定装置である。
【0022】
かかる構成により、１以上の適切なデバイス特性値を用いて、より適正な血糖値を非侵襲で取得できる。
【0023】
また、本第十の発明の血糖値推定装置は、第一から第七いずれか１つの発明に対して、ＮＩＲＳ取得部は、１以上のＮＩＲＳ情報または１以上のＮＩＲＳ情報の元になる１以上のＮＩＲＳ情報元をユーザから取得する２以上の各ＮＩＲＳ装置から、１以上のＮＩＲＳ情報または１以上のＮＩＲＳ情報元を取得し、血糖値出力部は、推定部が取得した血糖値または血糖値に関する血糖値関連情報を、ＮＩＲＳ装置またはＮＩＲＳ装置に対応する端末装置に送信する、血糖値推定装置である。
【0024】
かかる構成により、２以上の各ユーザの適正な血糖値を非侵襲で簡易に取得できる。
【0025】
また、本第十一の発明の血糖値推定装置は、第一から第十いずれか１つの発明に対して、学習情報は、２以上の教師データを用いて、機械学習の学習処理を行い、取得された学習器である、血糖値推定装置である。
【0026】
かかる構成により、機械学習のアルゴリズムにより、より適正な血糖値を非侵襲で簡易に取得できる。
【0027】
また、本第十二の発明の学習装置は、１以上の発光部から発光された近赤外光の反射光であり、１以上の受光部が受光した反射光を用いて、当該反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、ユーザの血糖値を取得する実測血糖値取得部と、１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成部と、教師データを用いて、学習情報を取得する学習部と、学習情報を蓄積する蓄積部とを具備する学習装置である。
【0028】
かかる構成により、人の適正な血糖値を非侵襲に取得するための学習情報を得ることができる。
【0029】
また、本第十三の発明の学習装置は、第十二の発明に対して、１以上の発光部は、２以上の波長の近赤外光を発光し、１以上の受光部は、２以上の各波長の近赤外光の反射光を受光し、ＮＩＲＳ取得部は、２以上の各波長の近赤外光の反射光に関する１以上のＮＩＲＳ情報を取得する、学習装置である。
【0030】
かかる構成により、人の適正な血糖値を非侵襲に取得するための学習情報を得ることができる。
【0031】
また、本第十四の発明の学習装置は、第十二または第十三の発明に対して、ユーザの肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上のユーザ動的属性値を取得するユーザ動的属性値取得部をさらに具備し、教師データ構成部は、１以上のＮＩＲＳ情報と１以上のユーザ動的属性値と血糖値とを用いて、教師データを構成する、学習装置である。
【0032】
かかる構成により、１以上のユーザ動的属性値を用いて、人のより適正な血糖値を非侵襲に取得するための学習情報を得ることができる。
【0033】
また、本第十五の発明の学習装置は、第十二から第十四いずれか１つの発明に対して、ユーザの静的な属性値である１以上のユーザ静的属性値を取得するユーザ静的属性値取得部をさらに具備し、教師データ構成部は、１以上のＮＩＲＳ情報と１以上のユーザ静的属性値と血糖値とを用いて、教師データを構成する、学習装置である。
【0034】
かかる構成により、１以上のユーザ静的属性値を用いて、人のより適正な血糖値を非侵襲に取得するための学習情報を得ることができる。
【0035】
また、本第十六の発明の学習装置は、第十二から第十五いずれか１つの発明に対して、１以上の受光部および１以上の発光部を具備するデバイスの１以上のデバイス特性値を取得するデバイス特性値取得部をさらに具備し、教師データ構成部は、１以上のＮＩＲＳ情報と１以上のデバイス特性値と血糖値とを用いて、教師データを構成する、学習装置！－－である。
【0036】
かかる構成により、１以上のデバイス特性値を用いて、人のより適正な血糖値を非侵襲に取得するための学習情報を得ることができる。
【発明の効果】
【0037】
本発明による血糖値推定装置によれば、人の適正な血糖値を非侵襲で簡易に取得できる。
【図面の簡単な説明】
【0038】
【図1】実施の形態１における血糖値推定システムＣの概念図
【図2】同血糖値推定システムＣのブロック図の例を示す図
【図3】同血糖値推定装置７の動作例について説明するフローチャート
【図4】同ＮＩＲＳ装置６の例を示す図
【図5】同ＮＩＲＳ装置６の例を示す図
【図6】同ＮＩＲＳ装置６の例を示す図
【図7】同血糖値推定システムＣのブロック図の例を示す図
【図8】実施の形態２における血糖値推定システムＤの概念図を示す図
【図9】同血糖値推定システムＤのブロック図
【図10】同血糖値推定装置７の動作例について説明するフローチャート
【図11】実施の形態３における学習システムＥのブロック図
【図12】同学習システムＥのブロック図
【図13】同学習装置９の動作例について説明するフローチャート
【図14】同学習システムＥの具体的な動作例を説明するための図
【図15】上記実施の形態におけるコンピュータシステムの概観図
【図16】同コンピュータシステムのブロック図
【発明を実施するための形態】
【0039】
以下、血糖値推定装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
【0040】
（実施の形態１）
本実施の形態において、近赤外光（以下、適宜「ＮＩＲＳ」と言う。）を人体に対して発光して得られるＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて構成された学習情報（例えば、学習器）に対して、近赤外光をユーザに対して発光して得られるＮＩＲＳ情報を適用し、血糖値を取得し、出力する血糖値推定装置を含む血糖値推定システムについて説明する。なお、教師データは、ＮＩＲＳ情報以外の情報を含んでも良い。ＮＩＲＳ情報以外の情報は、例えば、１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値である。また、血糖値推定装置は、デバイスからＮＩＲＳ情報を受信し、推定した血糖値を外部の装置に送信しても良い。さらに、学習情報は、例えば、機械学習により得られた学習器である。
本実施の形態において、近赤外光（以下、適宜「ＮＩＲＳ」と言う。）を人体に対して発光して得られるＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて構成された学習情報（例えば、学習器）に対して、近赤外光をユーザに対して発光して得られるＮＩＲＳ情報を適用し、血糖値を取得し、出力する血糖値推定装置を含む血糖値推定システムについて説明する。なお、教師データは、ＮＩＲＳ情報以外の情報を含んでも良い。ＮＩＲＳ情報以外の情報は、例えば、１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値である。また、血糖値推定装置は、デバイスからＮＩＲＳ情報を受信し、推定した血糖値を外部の装置に送信しても良い。さらに、学習情報は、例えば、機械学習により得られた学習器である。
【0041】
また、本実施の形態において、教師データを得るために、２以上の波長を用いて取得された学習情報を用いて、血糖値を推定する血糖値推定装置を含む血糖値推定システムについて説明する。なお、学習時の波長の数は、予測時の波長の数より多くても良い。
【0042】
図１は、本実施の形態における血糖値推定システムＣの概念図の例である。血糖値推定システムＣは、ＮＩＲＳ装置６、および血糖値推定装置７を備える。血糖値推定システムＣは、２以上のＮＩＲＳ装置６と一の血糖値推定装置７とを備えるシステムでも良い。なお、ＮＩＲＳ装置６と血糖値推定装置７とは、一体化された一の装置でも良い。
【0043】
ＮＩＲＳ装置６は、近赤外光の発光部と受光部とを具備し、後述するＮＩＲＳ情報または後述するＮＩＲＳ情報元を取得し、血糖値推定装置７に渡す。ＮＩＲＳ装置６は、時計型であることは好適であるが、形状は問わない。ＮＩＲＳ装置６は、人体のいずれかの箇所に対してＮＩＲＳを発光し、反射光を受光できる装置であれば良い。
【0044】
血糖値推定装置７は、ＮＩＲＳ装置６からの情報に基づいてＮＩＲＳ情報を取得し、当該ＮＩＲＳ情報と学習情報とを用いて、血糖値を推定する装置である。血糖値推定装置７は、いわゆるパソコン、スマートフォン、タブレット端末、サーバ等、その種類は問わない。サーバは、いわゆるクラウドサーバ、ＡＳＰサーバ等、その種類は問わない。
【0045】
図２は、本実施の形態における血糖値推定システムＣのブロック図である。血糖値推定システムＣを構成するＮＩＲＳ装置６は、発光部６１、受光部６２、ＮＩＲＳ取得部６３、およびＮＩＲＳ出力部６４を備える。
【0046】
血糖値推定装置７は、格納部７１、受付部７２、処理部７３、および出力部７４を備える。格納部７１は、学習情報格納部７１１、ユーザ情報格納部７１２、およびデバイス特性値格納部７１３を備える。受付部７２は、ＮＩＲＳ情報受付部７２１を備える。処理部７３は、ユーザ動的属性値取得部７３１、ユーザ静的属性値取得部７３２、デバイス特性値取得部７３３、および推定部７３４を備える。出力部７４は、血糖値出力部７４１を備える。
【0047】
ＮＩＲＳ装置６を構成する発光部６１は、近赤外光を発光する。発光部６１は、通常、人体に対して近赤外光を発光する。発光部６１は、例えば、人体の手首、指先、耳たぶ等の箇所に対して近赤外光を発光する。但し、発光部６１が近赤外光を発光する箇所は問わない。
【0048】
ＮＩＲＳ装置６は、２以上の発光部６１を有しても良い。発光部６１は、略７６０ｎｍ～略１３００ｎｍの範囲の波長の近赤外光を発光することは好適である。ＮＩＲＳ装置６を構成する２つの各発光部６１は、例えば、各々、略１２００ｎｍ、略１３００ｎｍの波長の近赤外光を発光することは好適である。一の発光部６１が波長の異なる２以上の近赤外光を発光しても良い。また、一の発光部６１が波長の異なる２以上の各近赤外光を、時間をずらして発光しても良い。２以上の各近赤外光の波長は、略７６０ｎｍ～略１３００ｎｍの範囲であることは好適である。２以上の各近赤外光の波長は、例えば、略１２００ｎｍ、略１３００ｎｍの波長を含む。２以上の各近赤外光の波長は、例えば、略７６０ｎｍ、略８５０ｎｍの波長を含む。２以上の各近赤外光の波長は、例えば、略７６０ｎｍ、略８５０ｎｍ、略１２００ｎｍ、略１３００ｎｍの４つである。発光部６１は、例えば、発光ダイオード、ＬＥＤ等により実現され得るが、その実現手段は問わない。
【0049】
受光部６２は、発光部６１が人体に対して近赤外光を発光した際の反射光を受光する。受光部６２は、発光部６１が人体に対して近赤外光を発光した際の透過光を受光しても良い。受光部６２は、公知のデバイスで実現され得る。
【0050】
ＮＩＲＳ取得部６３は、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得する。ＮＩＲＳ取得部６３は、受光部６２が受光した光に関する情報である１以上のＮＩＲＳ情報を取得する。ＮＩＲＳ取得部６３は、通常、発光部６１が発光した近赤外光の反射光であり、受光部６２が受光した反射光に関する情報である１以上のＮＩＲＳ情報を取得する。
【0051】
ＮＩＲＳ取得部６３は、２以上の各波長の近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得することは好適である。
【0052】
なお、ＮＩＲＳ情報は、例えば、光信号である。ＮＩＲＳ情報は、例えば、光強度、波長ごとの光強度の集合である。ＮＩＲＳ情報は、例えば、略１２００ｎｍおよび略１３００ｎｍの波長の近赤外光の反射光の強度である。
【0053】
ＮＩＲＳ取得部６３は、１以上のユーザ動的属性値を取得しても良い。１以上のユーザ動的属性値は、例えば、一のユーザの肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上の情報である。
【0054】
ＮＩＲＳ取得部６３は、例えば、１以上のセンサを有し、かかる各センサを用いて、１以上のユーザ動的属性値を取得しても良い。ＮＩＲＳ取得部６３は、例えば、温度センサを含み、ユーザの肌温度を取得する。ＮＩＲＳ取得部６３は、例えば、ジャイロまたは加速度センサを含み、加速度を取得する。ＮＩＲＳ取得部６３は、例えば、脈拍センサを含み、脈拍を取得する。ＮＩＲＳ取得部６３は、例えば、脈波計を含み、脈波を取得する。ＮＩＲＳ取得部６３は、例えば、心拍計を含み、脈拍数を取得する。ＮＩＲＳ取得部６３は、例えば、血中酸素濃度測定器を含み、血中の飽和酸素濃度を取得する。ＮＩＲＳ取得部６３は、例えば、血圧計を含み、血圧を取得する。ＮＩＲＳ取得部６３は、例えば、イメージセンサを含み、肌の色を取得する。ＮＩＲＳ取得部６３は、例えば、体成分分析装置を含み、筋肉量を取得する。ＮＩＲＳ取得部６３は、例えば、ヘモグロンビン測定器を含み、血中のヘモグロンビン量を取得する。
【0055】
ＮＩＲＳ取得部６３は、１以上のユーザ静的属性値を、ＮＩＲＳ装置６の図示しない格納部から取得しても良い。
【0056】
ＮＩＲＳ取得部６３は、１以上のデバイス特性値を、ＮＩＲＳ装置６の図示しない格納部から取得しても良い。
【0057】
ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を出力する。ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のユーザ動的属性値を出力しても良い。ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のユーザ静的属性値を出力しても良い。ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のデバイス特性値を出力しても良い。
【0058】
ここでの出力とは、通常、血糖値推定装置７への送信である。ＮＩＲＳ装置６と血糖値推定装置７とが一体の装置である場合の出力とは、血糖値推定装置７への引き渡しである。なお、ＮＩＲＳ出力部６４は、１以上のＮＩＲＳ情報等を記録媒体に蓄積したり、他の装置に送信したり、他の処理装置や他のプログラムなどへの処理結果の引渡しをしたりしても良い。
【0059】
血糖値推定装置７を構成する格納部７１には、各種の情報が格納される。各種の情報は、例えば、後述する学習情報、後述するユーザ情報、後述するデバイス特性値である。
【0060】
学習情報格納部７１１は、学習情報が格納される。学習情報は、１以上のＮＩＲＳ情報を用いて血糖値を取得する際に使用される情報である。学習情報は、２以上の教師データを用いて取得された情報である。教師データは、１以上のＮＩＲＳ情報と血糖値とを有する情報である。ＮＩＲＳ情報は、人体に対して発せられた近赤外光の反射光を用いて取得された情報である。ＮＩＲＳ情報は、透過光をも用いて取得された情報で良い。
【0061】
なお、教師データにおいて、例えば、１以上のＮＩＲＳ情報は説明変数であり、血糖値は目的変数である。
【0062】
教師データは、１以上のユーザ動的属性値を有することは好適である。ユーザ動的属性値は、ユーザの動的な属性値である。ユーザ動的属性値は、時々刻々または頻繁に変化し得る情報である。１以上のユーザ動的属性値は、人体を有する人の肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上の情報であることは好適である。
【0063】
教師データは、１以上のユーザ静的属性値を有することは好適である。ユーザ静的属性値は、人の静的な属性値である。１以上のユーザ静的属性値は、例えば、性別、年齢、年齢層、身長、体重、前腕周囲である。
【0064】
教師データは、１以上のデバイス特性値を有することは好適である。デバイス特性値は、１以上のＮＩＲＳ情報を取得するために使用するデバイス（ここでは、ＮＩＲＳ装置６）の特性値である。１以上のデバイス特性値は、例えば、２以上の各受光部６２の距離を特定する距離情報、受光部６２の数、発光部６１の数である。
【0065】
また、学習情報は、例えば、学習器、対応表、演算式である。以下、学習情報の詳細について説明する。なお、学習情報は、後述する学習装置９が取得した情報であることは好適である。
（１）学習情報が学習器である場合
（１）学習情報が学習器である場合
【0066】
学習器は、２以上の教師データを用いて、機械学習の学習処理を行い、取得された情報である。なお、機械学習のアルゴリズムは問わない。機械学習の学習処理を行うアルゴリズムは、例えば、深層学習、決定木、ランダムフォレスト、ＳＶＲ等が利用可能であるが、機械学習の種類は問わない。また、学習器は、１以上のＮＩＲＳ情報を含む情報を入力として、血糖値を出力するための学習器である。学習器は、分類器、予測器、モデル等と言っても良い。機械学習の学習処理を行うモジュールも問わない。当該モジュールは、例えば、ＴｅｎｓｏｒＦｌｏｗのライブラリの中の各種の関数、Ｒ言語のｒａｎｄｏｍ ｆｏｒｅｓｔのモジュール、ｔｉｎｙＳＶＭ等である。
（２）学習情報が対応表である場合
（２）学習情報が対応表である場合
【0067】
対応表は、１以上のＮＩＲＳ情報を含む情報と血糖値との対応を示す２以上の対応情報を有する情報である。対応情報は、１以上のＮＩＲＳ情報と血糖値とを含む情報でも良い。対応情報は、１以上のＮＩＲＳ情報を含む情報へのポインタと血糖値へのポインタとを含む情報でも良い。対応情報は、１以上のＮＩＲＳ情報を含む情報と血糖値とが対応付く情報であれば良い。対応表は、例えば、後述する学習装置９が取得した情報であることは好適である。なお、１以上のＮＩＲＳ情報を含む情報は、１以上のＮＩＲＳ情報だけでも良いし、１以上のユーザ動的属性値、１以上のユーザ静的属性値、および１以上のデバイス特性値のうちの１種類以上の情報をも含む情報でも良い。
（３）学習情報が演算式である場合
（３）学習情報が演算式である場合
【0068】
演算式は、１以上の各ＮＩＲＳ情報をパラメータとする演算式で、血糖値を取得する演算式である。演算式は、例えば、１以上のユーザ動的属性値、１以上のユーザ静的属性値、および１以上のデバイス特性値のうちの１種類以上の情報をもパラメータとする演算式でも良い。
【0069】
ユーザ情報格納部７１２には、１または２以上のユーザ情報が格納される。ユーザ情報は、１以上のユーザ静的属性値を有する。１以上のユーザ静的属性値は、例えば、ユーザの年齢、年齢層、身長、体重、前腕周囲である。ユーザ情報は、１以上のユーザ動的属性値を有しても良い。ユーザ情報は、ユーザを識別するユーザ識別子に対応付いていても良い。ユーザ識別子は、例えば、ユーザＩＤ、メールアドレス、携帯番号等である。
【0070】
デバイス特性値格納部７１３は、１または２以上のデバイス特性値のセットが格納される。１以上のデバイス特性値のセットは、ユーザ識別子に対応付いていても良い。
【0071】
受付部７２は、各種の指示や情報を受け付ける。各種の指示や情報は、例えば、ユーザ情報、１以上のユーザ静的属性値、１以上のユーザ動的属性値、１以上のデバイス特性値である。
【0072】
受付部７２は、例えば、１以上のユーザ静的属性値の入力をユーザから受け付ける。受付部７２は、例えば、１以上のデバイス特性値の入力をユーザから受け付ける。
【0073】
各種の指示や情報の入力手段は、例えば、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。
【0074】
受付部７２は、例えば、他の装置から、各種の指示や情報を受信する。他の装置は、例えば、ＮＩＲＳ装置６、図示しないユーザの端末装置である。
【0075】
受付部７２は、例えば、１以上のユーザ動的属性値、１以上のユーザ静的属性値、および１以上のデバイス特性値のうちの１種類以上の情報を、ＮＩＲＳ装置６から受信する。
【0076】
ＮＩＲＳ情報受付部７２１は、１以上のＮＩＲＳ情報を受け付ける。ＮＩＲＳ情報受付部７２１は、例えば、ＮＩＲＳ装置６から１以上のＮＩＲＳ情報を受信する。
【0077】
処理部７３は、各種の処理を行う。各種の処理とは、例えば、ユーザ動的属性値取得部７３１、ユーザ静的属性値取得部７３２、デバイス特性値取得部７３３、推定部７３４が行う処理である。
【0078】
ユーザ動的属性値取得部７３１は、１以上のユーザ動的属性値を取得する。ユーザ動的属性値取得部７３１は、例えば、受付部７２が受信した１以上のユーザ動的属性値を取得する。なお、血糖値推定装置７が、１以上のユーザ動的属性値を取得する１以上のセンサを有し、かかる各センサを用いて、１以上のユーザ動的属性値を取得しても良い。１以上のユーザ動的属性値は、例えば、一のユーザの肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量のうちの１以上の情報である。
【0079】
ユーザ静的属性値取得部７３２は、ユーザの１以上のユーザ静的属性値を取得する。ユーザ静的属性値取得部７３２は、例えば、ユーザ情報格納部７１２から、１以上のユーザ静的属性値を取得する。ユーザ静的属性値取得部７３２は、例えば、受信されたユーザ識別子に対応する１以上のユーザ静的属性値をユーザ情報格納部７１２から取得する。ユーザ静的属性値取得部７３２は、例えば、受信された１以上のユーザ静的属性値を取得する。なお、１以上のユーザ静的属性値は、例えば、ユーザの年齢、年齢層、身長、体重、前腕周囲のうちの１以上の情報である。
【0080】
デバイス特性値取得部７３３は、ユーザの１以上のＮＩＲＳ情報を取得するために使用するデバイスの１以上のデバイス特性値を取得する。デバイス特性値取得部７３３は、例えば、デバイス特性値格納部７１３から１以上のデバイス特性値を取得する。デバイス特性値取得部７３３は、例えば、受信されたユーザ識別子に対応する１以上のデバイス特性値をデバイス特性値取得部７３３から取得する。デバイス特性値取得部７３３は、例えば、受信された１以上のデバイス特性値を取得する。
【0081】
デバイス特性値取得部７３３は、ＮＩＲＳ装置６を検査し、自動的に１以上のデバイス特性値を取得しても良い。デバイス特性値取得部７３３は、例えば、ＮＩＲＳ装置６を撮影したカメラ画像を画像認識し、発光部６１の輪郭を抽出し、当該輪郭で囲まれた図形の重心点の座標を算出し、２以上の各輪郭の重心点の距離である距離情報を取得しても良い。
【0082】
なお、１以上のデバイス特性値は、例えば、近赤外光の発光部６１から発光された反射光を受光する２以上の受光部間の距離を特定する距離情報、受光部６２の数、発光部６１の数のうちの１以上の情報である。
【0083】
推定部７３４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と学習情報とを用いて、推定される血糖値を取得する。推定部７３４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と学習情報とを用いて、予測処理を行い、血糖値を取得する。
【0084】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と、ユーザ動的属性値取得部７３１が取得した１以上のユーザ動的属性値と、学習情報とを用いて、推定される血糖値を取得する。
【0085】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と、ユーザ静的属性値取得部７３２が取得した１以上のユーザ静的属性値と、学習情報とを用いて、推定される血糖値を取得する。
【0086】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と、デバイス特性値取得部７３３が取得した１以上のデバイス特性値と、学習情報とを用いて、推定される血糖値を取得する。
【0087】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と、１以上のユーザ動的属性値と１以上のユーザ静的属性値と１以上のデバイス特性値のうちの２種類以上の情報と、学習情報とを用いて、推定される血糖値を取得する。
【0088】
以下、学習情報が学習器である場合、対応表である場合、演算式である場合の各々について、推定部７３４が行う予測処理の動作例を説明する。
（１）学習情報が学習器である場合
（１）学習情報が学習器である場合
【0089】
推定部７３４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と学習情報とを、機械学習の予測処理のモジュールに与え、当該モジュールを実行し、予測処理を行い、推定される血糖値を取得する。なお、機械学習のアルゴリズムは問わない。機械学習の予測処理を行うアルゴリズムは、例えば、深層学習、決定木、ランダムフォレスト、ＳＶＲ等が利用可能であるが、機械学習の種類は問わない。また、機械学習の予測処理を行うモジュールも問わない。当該モジュールは、例えば、ＴｅｎｓｏｒＦｌｏｗのライブラリの中の各種の関数、Ｒ言語のｒａｎｄｏｍ ｆｏｒｅｓｔのモジュール、ｔｉｎｙＳＶＭ等である。
【0090】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と、ユーザ動的属性値取得部７３１が取得した１以上のユーザ動的属性値とユーザ静的属性値取得部７３２が取得した１以上のユーザ静的属性値とデバイス特性値取得部７３３が取得した１以上のデバイス特性値のうちの１または２種類以上の情報と、学習情報とを、機械学習の予測処理のモジュールに与え、当該モジュールを実行し、予測処理を行い、推定される血糖値を取得する。
（２）学習情報が対応表である場合
（２）学習情報が対応表である場合
【0091】
推定部７３４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を含むベクトルに近似条件に合致する１以上の対応情報を対応表の対応情報の中から決定し、当該１以上の各対応情報が有する血糖値を用いて、推定する血糖値を取得する。なお、近似条件は、例えば、最も近似度が大きいこと、近似度が閾値以内であること、近似度が閾値より大きいことである。なお、近似度は、２つのベクトルの距離が大きいほど小さい値となる情報であり、例えば、２つのベクトルの距離をパラメータとする減少関数により算出される値である。なお、２つのベクトルの近似度の取得方法は問わない。なお、１以上のＮＩＲＳ情報を含むベクトルとは、例えば、１以上の各ＮＩＲＳ情報を要素とするベクトルである。また、１以上のＮＩＲＳ情報を含むベクトルとは、例えば、１以上の各ＮＩＲＳ情報と、１以上のユーザ動的属性値と１以上のユーザ静的属性値と１以上のデバイス特性値のうちの１または２種類以上の各情報を要素としたベクトルである。
【0092】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を含むベクトルに最も近似するベクトルと対になる血糖値を対応表から取得する。なお、当該血糖値が推定された血糖値である。
【0093】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を含むベクトルとの近似度が近似条件に合致するベクトルを有する対応情報が有する２以上の血糖値の代表値を取得する。当該代表値が推定された血糖値である。また、代表値は、例えば、平均値、中央値、加重平均値である。加重平均値は、２つのベクトル間の距離が近いほど重み付けを大きくして取得された値である。
（３）学習情報が演算式である場合
（３）学習情報が演算式である場合
【0094】
推定部７３４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を、演算式に与え、当該演算式を実行し、推定される血糖値を取得する。
【0095】
推定部７３４は、例えば、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報、およびユーザ動的属性値取得部７３１が取得した１以上のユーザ動的属性値とユーザ静的属性値取得部７３２が取得した１以上のユーザ静的属性値とデバイス特性値取得部７３３が取得した１以上のデバイス特性値のうちの１または２種類以上の情報を演算式に与え、当該演算式を実行し、推定される血糖値を取得する。
【0096】
出力部７４は、各種の情報を出力する。各種の情報は、例えば、血糖値である。ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念である。
【0097】
血糖値出力部７４１は、例えば、推定部７３４が取得した血糖値を出力する。血糖値出力部７４１は、推定部７３４が取得した血糖値または血糖値に関する血糖値関連情報を、ＮＩＲＳ装置６またはＮＩＲＳ装置６に対応する端末装置に送信しても良い。なお、端末装置は、例えば、スマートフォン、タブレット端末である。
【0098】
ＮＩＲＳ取得部６３、処理部７３、ユーザ動的属性値取得部７３１、ユーザ静的属性値取得部７３２、デバイス特性値取得部７３３、および推定部７３４は、通常、プロセッサやメモリ等から実現され得る。処理部７３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。なお、プロセッサは、例えば、ＣＰＵ、ＭＰＵ、ＧＰＵ等であり、その種類は問わない。
【0099】
ＮＩＲＳ出力部６４は、例えば、無線または有線の通信手段により実現され得る。
【0100】
格納部７１、学習情報格納部７１１、ユーザ情報格納部７１２、およびデバイス特性値格納部７１３は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
【0101】
格納部７１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部７１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部７１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部７１等で記憶されるようになってもよい。
【0102】
受付部７２、およびＮＩＲＳ情報受付部７２１は、例えば、無線または有線の通信手段により実現され得る。また、受付部７２は、例えば、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。
【0103】
出力部７４、および血糖値出力部７４１は、例えば、無線または有線の通信手段により実現され得る。出力部７４、および血糖値出力部７４１は、例えば、ディスプレイやスピーカー等の出力デバイスにより実現されても良い。出力部７４、および血糖値出力部７４１は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【0104】
次に、血糖値推定システムＣの動作例について説明する。まず、ＮＩＲＳ装置６の動作例について説明する。
【0105】
ＮＩＲＳ装置６の１以上の各発光部６１は、近赤外光を発光する。そして、１以上の各受光部６２は、近赤外光の反射光を受光する。次に、ＮＩＲＳ取得部６３は、受光した信号から１以上のＮＩＲＳ情報を取得する。また、ＮＩＲＳ取得部６３は、例えば、１以上のユーザ動的属性値を取得する。また、ＮＩＲＳ取得部６３は、例えば、１以上のユーザ静的属性値を取得する。また、ＮＩＲＳ取得部６３は、例えば、１以上のデバイス特性値を取得する。次に、ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報等を血糖値推定装置７に渡す。なお、１以上のＮＩＲＳ情報等とは、１以上のＮＩＲＳ情報のみでも良いし、１以上のＮＩＲＳ情報、および１以上のユーザ動的属性値と１以上のユーザ静的属性値と１以上のデバイス特性値のうちの１種類以上の情報でも良い。なお、ＮＩＲＳ出力部６４は、例えば、１以上のＮＩＲＳ情報等を血糖値推定装置７に送信する。
【0106】
次に、血糖値推定装置７の動作例について、図３のフローチャートを用いて説明する。
【0107】
（ステップＳ３０１）ＮＩＲＳ情報受付部７２１は、１以上のＮＩＲＳ情報を受け付けたか否かを判断する。１以上のＮＩＲＳ情報を受け付けた場合はステップＳ３０２に行き、１以上のＮＩＲＳ情報を受け付けなかった場合はステップＳ３０１に戻る。なお、ここで、ＮＩＲＳ情報受付部７２１は、１以上のユーザ動的属性値と１以上のユーザ静的属性値と１以上のデバイス特性値のうちの１種類以上の情報をも受け付けても良い。
【0108】
（ステップＳ３０２）処理部７３は、血糖値を取得する際に、ユーザ動的属性値を使用するか否かを判断する。ユーザ動的属性値を使用する場合はステップＳ３０３に行き、ユーザ動的属性値を使用しない場合はステップＳ３０４に行く。なお、ユーザ動的属性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、ユーザ動的属性値を取得できるか否かにより判断しても良い。
【0109】
（ステップＳ３０３）ユーザ動的属性値取得部７３１は、１以上のユーザ動的属性値を取得する。
【0110】
（ステップＳ３０４）処理部７３は、血糖値を取得する際に、ユーザ静的属性値を使用するか否かを判断する。ユーザ静的属性値を使用する場合はステップＳ３０５に行き、ユーザ静的属性値を使用しない場合はステップＳ３０６に行く。なお、ユーザ静的属性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、ユーザ静的属性値が格納されているか否かにより判断しても良い。
【0111】
（ステップＳ３０５）ユーザ静的属性値取得部７３２は、１以上のユーザ静的属性値を取得する。
【0112】
（ステップＳ３０６）処理部７３は、血糖値を取得する際に、デバイス特性値を使用するか否かを判断する。デバイス特性値を使用する場合はステップＳ３０７に行き、デバイス特性値を使用しない場合はステップＳ３０８に行く。なお、デバイス特性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、デバイス特性値が格納されているか否かにより判断しても良い。
【0113】
（ステップＳ３０７）デバイス特性値取得部７３３は、１以上のデバイス特性値を取得する。
【0114】
（ステップＳ３０８）推定部７３４は、予測処理を行うためのデータを構成する。推定部７３４は、例えば、学習器と共に機械学習に与えるベクトルを取得する。予測処理を行うためのデータは、１以上のＮＩＲＳ情報のみでも良い。予測処理を行うためのデータは、１以上のＮＩＲＳ情報、および１以上のユーザ動的属性値と１以上のユーザ静的属性値と１以上のデバイス特性値のうちの１種類以上の情報を含む情報でも良い。
【0115】
（ステップＳ３０９）推定部７３４は、ステップＳ３０８で構成したデータと、学習情報とを用いて、予測処理を行い、血糖値を取得する。なお、予測処理の例については、上述した。なお、推定部７３４は、
【0116】
（ステップＳ３１０）血糖値出力部７４１は、ステップＳ３０９で取得された血糖値を出力する。ステップＳ３０１に戻る。血糖値出力部７４１は、例えば、血糖値をＮＩＲＳ装置６等の外部の装置に送信する。
【0117】
なお、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
【0118】
以下、本実施の形態における血糖値推定システムＣの具体的な動作例について説明する。
血糖値推定システムＣの概念図は図１である。
血糖値推定システムＣの概念図は図１である。
【0119】
今、スマートフォンである血糖値推定装置７の学習情報格納部７１１には、機械学習のアルゴリズム（例えば、ランダムフォレスト）により取得された学習器が格納されている、とする。この学習器は、１以上のＮＩＲＳ情報を含む説明変数と、血糖値である目的変数とを有する多数の教師データを用いて、後述する学習装置９により取得された学習器である、とする。また、ここでの１以上のＮＩＲＳ情報は、各波長の近赤外光の反射光の光強度である、とする。ここでは、ＮＩＲＳ情報は、４次元のベクトル（７６０ｎｍの波長の近赤外光の反射光の光強度，８５０ｎｍの波長の近赤外光の反射光の光強度，１２００ｎｍの波長の近赤外光の反射光の光強度，１３００ｎｍの波長の近赤外光の反射光の光強度）である、とする。また、教師データは、１以上のユーザ静的属性値、１以上のユーザ動的属性値、および１以上のデバイス特性値を有する、とする。ここで、１以上のユーザ静的属性値は、性別、年齢、身長、体重、前腕周囲である、とする。また、ここで、１以上のユーザ動的属性値は、人の肌温度、加速度、脈拍，脈波、脈拍数、血中の飽和酸素濃度、血圧、肌の色、筋肉量、血中のヘモグロンビン量である、とする。さらに、１以上のデバイス特性値は、２つの受光部６２の距離を特定する距離情報である、とする。つまり、教師データの構造は、「＜説明変数＞（７６０ｎｍの波長の近赤外光の反射光の光強度，８５０ｎｍの波長の近赤外光の反射光の光強度，１２００ｎｍの波長の近赤外光の反射光の光強度，１３００ｎｍの波長の近赤外光の反射光の光強度，性別，年齢，身長，体重，前腕周囲，肌温度，加速度，脈拍，脈波，脈拍数，血中の飽和酸素濃度，血圧，肌の色，筋肉量、血中のヘモグロンビン量，受光部６２の距離情報），＜目的変数＞血糖値」である、とする。
【0120】
また、ここでは、図４に示すように、ＮＩＲＳ装置６は、発光部６１（１）および発光部６１（２）と、各発光部６１に対応する２つの受光部６２とを有する、とする。また、発光部６１（１）は、７６０ｎｍの波長の近赤外光および８５０ｎｍの波長の近赤外光を発光する。また、発光部６１（２）は、１２００ｎｍの波長の近赤外光および１３００ｎｍの波長の近赤外光を発光する。また、受光部６２（１）は、発光部６１（１）から発光された近赤外光の反射光を受光する。受光部６２（２）は、発光部６１（２）から発光された近赤外光の反射光を受光する。かかる場合、血糖値推定装置７が血糖値の推定のために使用するＮＩＲＳ情報は、４次元のベクトル（７６０ｎｍの波長の近赤外光の反射光の光強度，８５０ｎｍの波長の近赤外光の反射光の光強度，１２００ｎｍの波長の近赤外光の反射光の光強度，１３００ｎｍの波長の近赤外光の反射光の光強度）である。なお、図４の４０１は、人体の内部組織である。４０１の上方は皮膚表面に近く、下方ほど深層部になる。
【0121】
なお、ＮＩＲＳ装置６の発光部６１と受光部６２とは、図５に示すような態様でも良い。図５において、一つの発光部６１で発光された近赤外光の反射光であり、光路長が各々異なる複数の反射光を異なる受光部６２（２）が受光する。ここでは、光路長が異なる複数の反射光は２つであるが、３以上でも良い。また、図５の発光部６１は、７６０ｎｍの波長の近赤外光および８５０ｎｍの波長の近赤外光を発光する。かかる場合、血糖値推定装置７が血糖値の推定のために使用するＮＩＲＳ情報は、４次元のベクトル（７６０ｎｍの波長の近赤外光の短光路長の反射光の光強度，８５０ｎｍの波長の近赤外光の短光路長の反射光の光強度，１２００ｎｍの波長の近赤外光の長光路長の反射光の光強度，１３００ｎｍの波長の近赤外光の長光路長の反射光の光強度）である。なお、図５の５０１は、人体の内部組織である。５０１の上方は皮膚表面に近く、下方ほど深層部になる。
【0122】
また、ＮＩＲＳ装置６の発光部６１と受光部６２とは、図６に示すような態様でも良い。図６において、一つの発光部６１と一つの受光部６２とが存在する。発光部６１は、異なる複数の各波長の近赤外光を発光する。ここでは、発光部６１は、７６０ｎｍの波長の近赤外光、８５０ｎｍの波長の近赤外光、１２００ｎｍの波長の近赤外光、および１３００ｎｍの波長の近赤外光を発光する。かかる場合、血糖値推定装置７が血糖値の推定のために使用するＮＩＲＳ情報は、４次元のベクトル（７６０ｎｍの波長の近赤外光の反射光の光強度，８５０ｎｍの波長の近赤外光の反射光の光強度，１２００ｎｍの波長の近赤外光の反射光の光強度，１３００ｎｍの波長の近赤外光の反射光の光強度）である。なお、図６の６０１は、人体の内部組織である。５０１の上方は皮膚表面に近く、下方ほど深層部になる。
【0123】
【0124】
また、ここでのＮＩＲＳ装置６は、温度センサや加速度センサ等の各種のセンサを有し、上述した１以上のユーザ動的属性値を取得できる、とする。
【0125】
また、ここで、血糖値推定装置７のユーザ情報格納部７１２には、上述した１以上のユーザ静的属性値が格納されている、とする。また、血糖値推定装置７のデバイス特性値格納部７１３には、上述した１以上のデバイス特性値が格納されている、とする。
【0126】
以上の状況において、例えば、腕時計型のＮＩＲＳ装置６が有する１以上の発光部６１により、略７６０ｎｍ、略８５０ｎｍ、略１２００ｎｍ、略１３００ｎｍの４つ波長の近赤外光が、人体の手首の領域に発せられる、とする。そして、ＮＩＲＳ装置６が有する１以上の受光部６２が各波長の反射光を受光する。次に、ＮＩＲＳ取得部６３は、１以上のＮＩＲＳ情報を取得する。ここで、１以上のＮＩＲＳ情報は、４次元のベクトル（７６０ｎｍの波長の近赤外光の反射光の光強度，８５０ｎｍの波長の近赤外光の反射光の光強度，１２００ｎｍの波長の近赤外光の反射光の光強度，１３００ｎｍの波長の近赤外光の反射光の光強度）である。
【0127】
次に、ＮＩＲＳ出力部６４は、４つのＮＩＲＳ情報と１以上のユーザ動的属性値とを血糖値推定装置７に送信する。
【0128】
次に、血糖値推定装置７の受付部７２は、ＮＩＲＳ装置６から４つのＮＩＲＳ情報と１以上のユーザ動的属性値とを受信する。
【0129】
次に、ユーザ静的属性値取得部７３２は、ユーザ情報格納部７１２の１以上のユーザ静的属性値を取得する。
【0130】
また、デバイス特性値取得部７３３は、デバイス特性値格納部７１３から１以上のデバイス特性値を取得する。
【0131】
次に、推定部７３４は、受信された４つのＮＩＲＳ情報と１以上のユーザ動的属性値、取得された１以上のユーザ静的属性値、および取得された１以上のデバイス特性値を用いて、機械学習の予測モジュールに与えるデータを構成する。なお、かかるデータの構造は、（７６０ｎｍの波長の近赤外光の反射光の光強度，８５０ｎｍの波長の近赤外光の反射光の光強度，１２００ｎｍの波長の近赤外光の反射光の光強度，１３００ｎｍの波長の近赤外光の反射光の光強度，性別，年齢，身長，体重，前腕周囲，肌温度，加速度，脈拍，脈波，脈拍数，血中の飽和酸素濃度，血圧，肌の色，筋肉量、血中のヘモグロンビン量，受光部６２の距離情報）である。
【0132】
次に、推定部７３４は、構成したデータと、学習情報格納部７１１の学習器とを、機械学習の予測モジュール（例えば、ランダムフォレストの予測モジュール）に与え、当該モジュールを実行し、推定される血糖値を取得する。
【0133】
次に、血糖値出力部７４１は、取得された血糖値を出力する。
【0134】
以上、本実施の形態によれば、人の適正な血糖値を非侵襲で取得できる。
【0135】
なお、本実施の形態において、ＮＩＲＳ装置６と血糖値推定装置７とが一体化した装置でも良い。かかる場合、ＮＩＲＳ装置６と血糖値推定装置７とが一体化した血糖値推定システムＣのブロック図の例は、図７である。図７において、発光部６１、受光部６２は、複数、存在していても良い。
【0136】
また、本実施の形態において、学習情報を取得するために用いられる２以上の異なる波長の近赤外光の数が、血糖値を推定する処理のために使用される２以上の異なる波長の近赤外光の数より多くても良い。
【0137】
さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ－ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における血糖値推定装置７を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、人体に対して発せられた近赤外光の反射光を用いて取得された１以上のＮＩＲＳ情報と血糖値とを有する２以上の教師データを用いて取得された学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定部と、前記推定部が取得した血糖値を出力する血糖値出力部として機能させるためのプログラムである。
【0138】
（実施の形態２）
本実施の形態において、実施の形態１との差異は、ＮＩＲＳ装置と血糖値推定装置とは、多対１の関係にあることである。つまり、本実施の形態において、ユーザごとにＮＩＲＳ装置を保持する。そして、血糖値推定装置は、１以上の各ユーザのＮＩＲＳ情報をＮＩＲＳ装置から受信し、血糖値を推定し、当該血糖値を送信するサーバとして機能する。なお、血糖値の送信先は、ＮＩＲＳ装置でも良いし、他の装置でも良い。
本実施の形態において、実施の形態１との差異は、ＮＩＲＳ装置と血糖値推定装置とは、多対１の関係にあることである。つまり、本実施の形態において、ユーザごとにＮＩＲＳ装置を保持する。そして、血糖値推定装置は、１以上の各ユーザのＮＩＲＳ情報をＮＩＲＳ装置から受信し、血糖値を推定し、当該血糖値を送信するサーバとして機能する。なお、血糖値の送信先は、ＮＩＲＳ装置でも良いし、他の装置でも良い。
【0139】
図８は、本実施の形態における血糖値推定システムＤの概念図である。血糖値推定システムＤは、１または２以上のＮＩＲＳ装置８、および血糖値推定装置７を備える。ＮＩＲＳ装置８は、ＮＩＲＳ装置６の構成に加えて、ＮＩＲＳ装置８から血糖値を受信し、当該血糖値を出力する機能を有する。なお、血糖値推定システムＤを構成するＮＩＲＳ装置８は、ＮＩＲＳ装置６と同じ構成でも良い。また、血糖値推定装置７は、いわゆるサーバである。サーバは、例えば、クラウドサーバ、ＡＳＰサーバ等、その種類は問わない。１以上の各ＮＩＲＳ装置８と血糖値推定装置７とは、インターネット、ＬＡＮ等のネットワークにより、通信可能である。
【0140】
図９は、本実施の形態における血糖値推定システムＤのブロック図である。血糖値推定システムＤを構成するＮＩＲＳ装置８は、発光部６１、受光部６２、ＮＩＲＳ取得部６３、ＮＩＲＳ出力部６４、血糖値受信部８１、および血糖値出力部７４１を備える。
【0141】
ＮＩＲＳ装置８のＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を血糖値推定装置７に送信する。ＮＩＲＳ出力部６４は、１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値のうちの１種類以上の情報をも、血糖値推定装置７に送信しても良い。ＮＩＲＳ出力部６４は、ユーザを識別するユーザ識別子を血糖値推定装置７に送信しても良い。ＮＩＲＳ出力部６４は、無線または有線の通信手段で実現され得る。
【0142】
血糖値受信部８１は、推定された血糖値を血糖値推定装置７から受信する。血糖値受信部８１は、無線または有線の通信手段で実現され得る。
【0143】
ＮＩＲＳ装置８の血糖値出力部７４１は、血糖値受信部８１が受信した血糖値を出力する。ここで、出力とは、通常、ディスプレイへの表示であるが、プロジェクターを用いた投影、プリンタでの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念でも良い。血糖値出力部７４１は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。血糖値出力部７４１は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【0144】
血糖値推定装置７の学習情報格納部７１１には、使用する説明変数の集合ごとに、学習情報が格納されていても良い。つまり、学習情報格納部７１１には、説明変数が１以上のＮＩＲＳ情報のみである場合の学習情報、説明変数が１以上のＮＩＲＳ情報と１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値のうちの１または２種類以上の情報である場合の学習情報が存在しても良い。また、学習情報格納部７１１には、ユーザ識別子に対応付けて、学習情報が格納されていても良い。
【0145】
ユーザ情報格納部７１２には、ユーザ識別子に対応付けて、ユーザ情報が格納されていることは好適である。ユーザ情報は、１以上のユーザ静的属性値と１以上のユーザ動的属性値のうちの１種類以上の情報を有する。
【0146】
デバイス特性値格納部７１３には、ユーザ識別子に対応付けて、１以上のデバイス特性値が格納されていることは好適である。
【0147】
血糖値推定装置７のＮＩＲＳ情報受付部７２１は、ＮＩＲＳ装置８が送信した１以上のＮＩＲＳ情報を受信する。ＮＩＲＳ情報受付部７２１は、ＮＩＲＳ装置８が送信した１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値をも受信しても良い。ＮＩＲＳ情報受付部７２１は、ユーザ識別子を受信しても良い。ＮＩＲＳ情報受付部７２１は、無線または有線の通信手段等で実現され得る。
【0148】
血糖値推定装置７の血糖値出力部７４１は、推定部７３４が取得した血糖値を送信する。血糖値の送信先は、ＮＩＲＳ装置８であることが好適であるが、他の装置でも良い。他の装置は、例えば、ユーザの図示しない端末装置である。端末装置は、例えば、スマートフォン、タブレット端末、いわゆるパソコン等であるが、その種類は問わない。
【0149】
次に、血糖値推定システムＤの動作例について説明する。まず、ＮＩＲＳ装置８の動作例について説明する。
【0150】
ＮＩＲＳ装置８の１以上の各発光部６１は、近赤外光を発光する。そして、１以上の各受光部６２は、近赤外光の反射光を受光する。次に、ＮＩＲＳ取得部６３は、受光した信号から１以上のＮＩＲＳ情報を取得する。また、ＮＩＲＳ取得部６３は、例えば、１以上のユーザ動的属性値を取得する。ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を血糖値推定装置７に送信する。ここで、ＮＩＲＳ出力部６４は、１以上のユーザ動的属性値やユーザ識別子を血糖値推定装置７に送信しても良い。なお、ユーザ識別子は、ＮＩＲＳ装置６の図示しない格納部に格納されている。
【0151】
血糖値推定装置７の動作例について、図１０のフローチャートを用いて説明する。
【0152】
（ステップＳ１００１）ＮＩＲＳ情報受付部７２１は、ＮＩＲＳ情報等を受信したか否かを判断する。ＮＩＲＳ情報等を受信した場合はステップＳ１００２に行き、受信しなかった場合はステップＳ１００１に戻る。なお、ＮＩＲＳ情報等は、１以上のＮＩＲＳ情報を含む。ＮＩＲＳ情報等は、例えば、１以上のユーザ動的識別子、１以上のユーザ静的識別子、１以上のデバイス特性値を含んでも良い。
【0153】
（ステップＳ１００２）処理部７３は、血糖値を取得する際に、ユーザ動的属性値を使用するか否かを判断する。ユーザ動的属性値を使用する場合はステップＳ１００３に行き、ユーザ動的属性値を使用しない場合はステップＳ１００４に行く。なお、ユーザ動的属性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、ユーザ動的属性値を取得できるか否かにより判断しても良い。
【0154】
（ステップＳ１００３）ユーザ動的属性値取得部７３１は、１以上のユーザ動的属性値を取得する。ユーザ動的属性値取得部７３１は、例えば、受信された１以上のユーザ動的属性値を取得する。
【0155】
（ステップＳ１００４）処理部７３は、血糖値を取得する際に、ユーザ静的属性値を使用するか否かを判断する。ユーザ静的属性値を使用する場合はステップＳ１００５に行き、ユーザ静的属性値を使用しない場合はステップＳ１００６に行く。なお、ユーザ静的属性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、ユーザ静的属性値が格納されているか否かにより判断しても良い。
【0156】
（ステップＳ１００５）ユーザ静的属性値取得部７３２は、１以上のユーザ静的属性値を取得する。ユーザ静的属性値取得部７３２は、例えば、受信されたユーザ識別子に対応する１以上のユーザ静的属性値をユーザ情報格納部７１２から取得する。
【0157】
（ステップＳ１００６）処理部７３は、血糖値を取得する際に、デバイス特性値を使用するか否かを判断する。デバイス特性値を使用する場合はステップＳ１００７に行き、デバイス特性値を使用しない場合はステップＳ１００８に行く。なお、デバイス特性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、デバイス特性値が格納されているか否かにより判断しても良い。
【0158】
（ステップＳ１００７）デバイス特性値取得部７３３は、１以上のデバイス特性値を取得する。デバイス特性値取得部７３３は、例えば、受信されたユーザ識別子に対応する１以上のデバイス特性値をデバイス特性値格納部７１３から取得する。
【0159】
（ステップＳ１００８）推定部７３４は、予測処理を行うためのデータを構成する。推定部７３４は、例えば、学習器と共に機械学習に与えるベクトルを取得する。
【0160】
（ステップＳ１００９）推定部７３４は、ステップＳ１００８で構成したデータと学習情報格納部７１１の学習情報とを用いて、予測処理を行い、血糖値を取得する。なお、予測処理の例については、上述した。
【0161】
（ステップＳ１０１０）血糖値出力部７４１は、ステップＳ１００９で取得された血糖値を送信する。ステップＳ１００１に戻る。血糖値出力部７４１は、例えば、ＮＩＲＳ装置８に血糖値を送信する。
【0162】
なお、図１０のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
【0163】
以上、本実施の形態によれば、２以上の各ユーザの適正な血糖値を非侵襲で取得できるサーバを提供できる。
【0164】
なお、本実施の形態におけるＮＩＲＳ装置８を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータを、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、前記１以上のＮＩＲＳ情報を血糖値推定装置に送信するＮＩＲＳ出力部と、前記１以上のＮＩＲＳ情報の送信に応じて、血糖値を受信する血糖値受信部と、前記血糖値を出力する血糖値出力部として機能させるためのプログラムである。
【0165】
また、本実施の形態における血糖値推定装置７を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータを、近赤外光をユーザに対して発して得られる１以上のＮＩＲＳ情報を受信するＮＩＲＳ情報受付部と、前記ＮＩＲＳ取得部が取得した１以上のＮＩＲＳ情報と前記学習情報とを用いて、推定される血糖値を取得する推定部と、前記推定部が取得した血糖値を送信する血糖値出力部として機能させるためのプログラムである。
【0166】
（実施の形態３）
本実施の形態において、学習情報を取得する学習装置を具備する学習システムについて説明する。
本実施の形態において、学習情報を取得する学習装置を具備する学習システムについて説明する。
【0167】
図１１は、本実施の形態における学習システムＥのブロック図である。学習システムＥは、１または２以上のＮＩＲＳ装置６、および学習装置９を備える。なお、図１１のＮＩＲＳ装置６（１）とＮＩＲＳ装置６（２）とに示すように、ＮＩＲＳ装置６の機能は、２以上の装置で分担されても良い。ＮＩＲＳ装置６は、２以上の各ユーザが使用する装置であることが好適である。
【0168】
図１２は、本実施の形態における学習システムＥのブロック図である。学習システムＥを構成するＮＩＲＳ装置６は、発光部６１、受光部６２、ＮＩＲＳ取得部６３、およびＮＩＲＳ出力部６４を備える。
【0169】
学習装置９は、学習格納部９１、学習受付部９２、および学習処理部９３を備える。学習格納部９１は、ユーザ情報格納部７１２、およびデバイス特性値格納部７１３を備える。
【0170】
学習受付部９２は、ＮＩＲＳ情報受付部７２１を備える。学習処理部９３は、ユーザ動的属性値取得部７３１、ユーザ静的属性値取得部７３２、デバイス特性値取得部７３３、実測血糖値取得部９３１、教師データ構成部９３２、学習部９３３、および蓄積部９３４を備える。
【0171】
ＮＩＲＳ装置６のＮＩＲＳ取得部６３は、１以上のＮＩＲＳ情報を取得する。ここでのＮＩＲＳ取得部６３は、１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値をも取得しても良い。
【0172】
ＮＩＲＳ取得部６３は、実測された血糖値（以下、適宜「実測血糖値」という）を取得しても良い。実測血糖値は、例えば、公知の血糖測定器により取得された情報である。ただし、実測血糖値の取得方法は問わない。なお、実測血糖値は、通常、正確な血糖値である。
【0173】
ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報を学習装置９に送信する。ここでのＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値をも学習装置９に送信しても良い。ＮＩＲＳ出力部６４は、ユーザ識別子を学習装置９に送信しても良い。ＮＩＲＳ出力部６４は、実測血糖値をも学習装置９に送信しても良い。
【0174】
学習装置９を構成する学習格納部９１には、各種の情報が格納される。各種の情報は、例えば、例えば、ユーザ情報、デバイス特性値である。ユーザ情報およびデバイス特性値は、ユーザ識別子に対応付いていることは好適である。
【0175】
学習受付部９２は、各種の情報を受信する。学習受付部９２は、各種の情報をＮＩＲＳ装置６から受信する。各種の情報は、例えば、１以上のＮＩＲＳ情報である。各種の情報は、例えば、１以上のユーザ動的属性値、１以上のユーザ静的属性値、１以上のデバイス特性値、実測血糖値である。
【0176】
学習処理部９３は、各種の処理を行う。各種の処理は、ユーザ動的属性値取得部７３１、ユーザ静的属性値取得部７３２、デバイス特性値取得部７３３、実測血糖値取得部９３１、教師データ構成部９３２、学習部９３３、蓄積部９３４が行う処理である。
【0177】
ユーザ動的属性値取得部７３１は、例えば、学習受付部９２が受信した１以上のユーザ動的属性値を取得する。ユーザ動的属性値取得部７３１は、例えば、学習受付部９２が受信したユーザ識別子と対になる１以上のユーザ動的属性値をユーザ情報格納部７１２から取得する。
【0178】
ユーザ静的属性値取得部７３２は、例えば、学習受付部９２が受信した１以上のユーザ静的属性値を取得する。ユーザ静的属性値取得部７３２は、例えば、学習受付部９２が受信したユーザ識別子と対になる１以上のユーザ静的属性値をユーザ情報格納部７１２から取得する。
【0179】
デバイス特性値取得部７３３は、例えば、学習受付部９２が受信した１以上のデバイス特性値を取得する。デバイス特性値取得部７３３は、例えば、学習受付部９２が受信したユーザ識別子と対になる１以上のデバイス特性値をデバイス特性値格納部７１３から取得する。
【0180】
実測血糖値取得部９３１は、ユーザの実測血糖値を取得する。また、実測血糖値取得部９３１は、例えば、学習受付部９２が受信した実測血糖値を取得する。
【0181】
教師データ構成部９３２は、１以上のＮＩＲＳ情報と実測血糖値とを用いて、教師データを構成する。
【0182】
教師データ構成部９３２は、１以上のＮＩＲＳ情報と実測血糖値と、１以上のユーザ動的属性値と１以上のユーザ静的属性値と１以上のデバイス特性値のうちの１または２種類以上の情報を用いて教師データを構成することは好適である。
【0183】
教師データ構成部９３２は、通常、２以上の教師データを取得する。
【0184】
学習部９３３は、教師データ構成部９３２が取得した教師データを用いて、学習情報を取得する。学習部９３３は、通常、教師データ構成部９３２が取得した２以上の教師データを用いて、学習情報を取得する。
【0185】
学習部９３３は、以下の（１）から（３）のうちのいずれかの方法を用いて、学習情報を取得する。
（１）学習情報が学習器である場合
（１）学習情報が学習器である場合
【0186】
学習部９３３は、教師データ構成部９３２が取得した２以上の教師データを機械学習の学習処理を行うモジュールに与え、当該モジュールを実行し、学習器を取得する。なお、機械学習の学習処理を行うアルゴリズムは、例えば、深層学習、決定木、ランダムフォレスト、ＳＶＲ等が利用可能であるが、機械学習の種類は問わない。また、学習器は、１以上のＮＩＲＳ情報等を入力として、血糖値を出力するための学習器である。機械学習の学習処理を行うモジュールも問わない。当該モジュールは、例えば、ＴｅｎｓｏｒＦｌｏｗのライブラリの中の各種の関数、Ｒ言語のｒａｎｄｏｍ ｆｏｒｅｓｔのモジュール、ｔｉｎｙＳＶＭ等である。
（２）学習情報が対応表である場合
（２）学習情報が対応表である場合
【0187】
学習部９３３は、２以上の各教師データが有する説明変数の集合と、各教師データが有する実測血糖値との対応を示す対応情報を、教師データごとに取得する。そして、学習部９３３は、２以上の対応情報を有する対応表を構成する。なお、説明変数の集合は、１以上のＮＩＲＳ情報を含む。説明変数の集合は、１以上のユーザ動的属性値と１以上のユーザ静的属性値と１以上のデバイス特性値のうちの１種類以上の情報を含むことは好適である。
（３）学習情報が演算式である場合
（３）学習情報が演算式である場合
【0188】
学習部９３３は、２以上の各教師データが有する説明変数の集合を入力とし、各教師データが有する実測血糖値を出力とする演算式を取得する。学習部９３３は、例えば、回帰分析により演算式を取得する。学習部９３３は、例えば、重回帰分析により演算式を取得する。
【0189】
蓄積部９３４は、学習部９３３が取得した学習情報を蓄積する。学習情報の蓄積先は、例えば、学習格納部９１であるが、他の装置でも良く、問わない。
【0190】
学習格納部９１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
【0191】
学習格納部９１に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が学習格納部９１で記憶されるようになってもよく、通信回線等を介して送信された情報が学習格納部９１で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が学習格納部９１で記憶されるようになってもよい。
【0192】
学習受付部９２は、無線または有線の通信手段により実現され得る。
【0193】
学習処理部９３、実測血糖値取得部９３１、教師データ構成部９３２、学習部９３３、および蓄積部９３４は、通常、プロセッサやメモリ等から実現され得る。学習処理部９３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。なお、プロセッサは、例えば、ＣＰＵ、ＭＰＵ、ＧＰＵ等であり、その種類は問わない。
【0194】
次に、学習システムＥの動作例について説明する。まず、ここでのＮＩＲＳ装置６の動作例について説明する。
【0195】
ＮＩＲＳ装置６の１以上の各発光部６１は、近赤外光を発光する。そして、１以上の各受光部６２は、近赤外光の反射光を受光する。次に、ＮＩＲＳ取得部６３は、受光した信号から１以上のＮＩＲＳ情報を取得する。また、ＮＩＲＳ取得部６３は、例えば、１以上のユーザ動的属性値を取得する。また、ＮＩＲＳ取得部６３は、実測血糖値を取得する。実測血糖値の取得方法は問わない。ＮＩＲＳ出力部６４は、ＮＩＲＳ取得部６３が取得した１以上のＮＩＲＳ情報と実測血糖値とを学習装置９に渡す。ここで、ＮＩＲＳ出力部６４は、１以上のユーザ動的属性値等を学習装置９に渡しても良い。なお、ＮＩＲＳ出力部６４は、例えば、１以上のＮＩＲＳ情報等を学習装置９に送信する。
【0196】
次に、学習装置９の動作例について、図１３のフローチャートを用いて説明する。
【0197】
（ステップＳ１３０１）ＮＩＲＳ情報受付部７２１は、ＮＩＲＳ情報等を受信したか否かを判断する。ＮＩＲＳ情報等を受信した場合はステップＳ１３０２に行き、受信しなかった場合はステップＳ１３１０に行く。なお、ＮＩＲＳ情報等は、１以上のＮＩＲＳ情報と実測血糖値とを含む。ＮＩＲＳ情報等は、例えば、１以上のユーザ動的識別子、１以上のユーザ静的識別子、１以上のデバイス特性値を含んでも良い。
【0198】
（ステップＳ１３０２）処理部７３は、血糖値を取得する際に、ユーザ動的属性値を使用するか否かを判断する。ユーザ動的属性値を使用する場合はステップＳ１３０３に行き、ユーザ動的属性値を使用しない場合はステップＳ１３０４に行く。なお、ユーザ動的属性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、ユーザ動的属性値を取得できるか否かにより判断しても良い。
【0199】
（ステップＳ１３０３）ユーザ動的属性値取得部７３１は、１以上のユーザ動的属性値を取得する。ユーザ動的属性値取得部７３１は、例えば、受信された１以上のユーザ動的属性値を取得する。
【0200】
（ステップＳ１３０４）処理部７３は、血糖値を取得する際に、ユーザ静的属性値を使用するか否かを判断する。ユーザ静的属性値を使用する場合はステップＳ１３０５に行き、ユーザ静的属性値を使用しない場合はステップＳ１３０６に行く。なお、ユーザ静的属性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、ユーザ静的属性値が格納されているか否かにより判断しても良い。
【0201】
（ステップＳ１３０５）ユーザ静的属性値取得部７３２は、１以上のユーザ静的属性値を取得する。ユーザ静的属性値取得部７３２は、例えば、受信されたユーザ識別子に対応する１以上のユーザ静的属性値をユーザ情報格納部７１２から取得する。
【0202】
（ステップＳ１３０６）処理部７３は、血糖値を取得する際に、デバイス特性値を使用するか否かを判断する。デバイス特性値を使用する場合はステップＳ１３０７に行き、デバイス特性値を使用しない場合はステップＳ１３０８に行く。なお、デバイス特性値を使用するか否かは予め決められていても良いし、ユーザ指示等に基づいても良いし、デバイス特性値が格納されているか否かにより判断しても良い。
【0203】
（ステップＳ１３０７）デバイス特性値取得部７３３は、１以上のデバイス特性値を取得する。デバイス特性値取得部７３３は、例えば、受信されたユーザ識別子に対応する１以上のデバイス特性値をデバイス特性値格納部７１３から取得する。
【0204】
（ステップＳ１３０８）実測血糖値取得部９３１は、受信された実測血糖値を取得する。また、教師データ構成部９３２は、受信された１以上のＮＩＲＳ情報を取得する。また、教師データ構成部９３２は、１以上のＮＩＲＳ情報と実測血糖値とを含む情報を用いて、教師データを構成する。
【0205】
（ステップＳ１３０９）教師データ構成部９３２は、ステップＳ１３０８で構成した教師データを学習格納部９１に蓄積する。ステップＳ１３０１に戻る。
【0206】
（ステップＳ１３１０）学習部９３３は、学習処理を開始するか否かを判断する。学習処理を開始する場合はステップＳ１３１１に行き、学習処理を開始しない場合はステップＳ１３０１に戻る。なお、学習部９３３は、例えば、ユーザからの指示の受け付けにより、学習処理を開始すると判断する。学習部９３３は、例えば、閾値以上の教師データが学習格納部９１に蓄積された場合に、学習処理を開始すると判断する。なお、学習処理を開始するための条件は問わない。
【0207】
（ステップＳ１３１１）学習部９３３は、学習格納部９１に蓄積された２以上の教師データを取得する。学習部９３３は、当該２以上の教師データを用いて、学習処理を行い、学習情報を取得する。
【0208】
（ステップＳ１３１２）蓄積部９３４は、ステップＳ１３１１で取得された学習情報を蓄積する。ステップＳ１３０１に戻る。
【0209】
なお、図１３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
【0210】
【0211】
被験者の手首の箇所に配置されたＮＩＲＳ装置６は、８５０ｎｍ、１２００ｎｍ、および１３００ｎｍの各波長の近赤外光を発光し、その反射光を受光する。そして、ＮＩＲＳ装置６は、各波長に対応する反射光の強度を時系列で取得する（図１４の（１））。また、ＮＩＲＳ装置６は、ＮＩＲＳ装置６に含まれる温度センサにより、ユーザ動的属性値の一例である肌温度の時系列の情報も取得する（図１４の（１））。また、ＮＩＲＳ装置６は、実測血糖値の時系列の情報も取得する。そして、ＮＩＲＳ装置６は、時系列の各時刻のセンサからの入力（各波長に対応する反射光の強度，肌温度）と同時刻の実測血糖値とを対応付けた教師データを、多数取得する（図１４の（２））。そして、ＮＩＲＳ装置６は、多数の教師データを学習装置９に送信する。
【0212】
次に、学習装置９は、多数の教師データを受信し、蓄積する。そして、閾値以上の教師データが蓄積された場合に、当該多数の教師データを、機械学習の学習モジュールに与え、当該学習モジュールを実行し、学習器を取得し、蓄積する。
【0213】
以上、本実施の形態によれば、人の適正な血糖値を非侵襲に取得するための学習情報を得ることができる。
【0214】
なお、本実施の形態において、ＮＩＲＳ装置６と学習装置９とは一体化していても良い。かかる場合、学習装置９は、ユーザの人体に近赤外光を発光する１以上の発光部と、前記１以上の各発光部に対応し、前記１以上の各発光部が発光した近赤外光の反射光を受光する１以上の受光部と、前記ユーザの血糖値を取得する血糖値取得部と、前記１以上の各受光部が受光した反射光を用いて、反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ情報取得部と、前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成部と、前記教師データを用いて、学習情報を取得する学習部と、前記学習情報を蓄積する蓄積部とを具備する学習装置である。
【0215】
また、本実施の形態における学習装置９を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータを、１以上の発光部から発光された近赤外光の反射光であり、１以上の受光部が受光した反射光を用いて、当該反射光に関する１以上のＮＩＲＳ情報を取得するＮＩＲＳ取得部と、ユーザの血糖値を取得する実測血糖値取得部と、前記１以上のＮＩＲＳ情報と前記血糖値とを用いて、教師データを構成する教師データ構成部と、前記教師データを用いて、学習情報を取得する学習部と、前記学習情報を蓄積する蓄積部として機能させるためのプログラムである。
【0216】
また、図１５は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の血糖値推定装置７、学習装置９を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図１５は、このコンピュータシステム３００の概観図であり、図１６は、システム３００のブロック図である。
【0217】
図１５において、コンピュータシステム３００は、ＣＤ－ＲＯＭドライブを含むコンピュータ３０１と、キーボード３０２と、マウス３０３と、モニタ３０４と、マイク３０５とを含む。
【0218】
図１６において、コンピュータ３０１は、ＣＤ－ＲＯＭドライブ３０１２に加えて、ＭＰＵ３０１３と、ＣＤ－ＲＯＭドライブ３０１２等に接続されたバス３０１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３０１５と、ＭＰＵ３０１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３０１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３０１７とを含む。ここでは、図示しないが、コンピュータ３０１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【0219】
コンピュータシステム３００に、上述した実施の形態の血糖値推定装置７、学習装置９等の機能を実行させるプログラムは、ＣＤ－ＲＯＭ３１０１に記憶されて、ＣＤ－ＲＯＭドライブ３０１２に挿入され、さらにハードディスク３０１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３０１に送信され、ハードディスク３０１７に記憶されても良い。プログラムは実行の際にＲＡＭ３０１６にロードされる。プログラムは、ＣＤ－ＲＯＭ３１０１またはネットワークから直接、ロードされても良い。
【0220】
プログラムは、コンピュータ３０１に、上述した実施の形態の血糖値推定装置７等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３００がどのように動作するかは周知であり、詳細な説明は省略する。
【0221】
なお、上記プログラムにおいて、情報を送信するステップや、情報を受信するステップなどでは、ハードウェアによって行われる処理、例えば、送信ステップにおけるモデムやインターフェースカードなどで行われる処理（ハードウェアでしか行われない処理）は含まれない。
【0222】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。つまり、血糖値推定装置７、学習装置９は、スタンドアロンの装置であっても良く、２以上の装置から構成されても良い。
【0223】
また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。
【0224】
また、上記各実施の形態において、各処理は、単一の装置によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【0225】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【0226】
以上のように、本発明にかかる血糖値推定装置は、人の適正な血糖値を非侵襲で簡単に取得できるという効果を有し、血糖値推定装置等として有用である。
【符号の説明】
【0227】
Ｃ、Ｄ 血糖値推定システム
Ｅ 学習システム
６、８ ＮＩＲＳ装置
７ 血糖値推定装置
９ 学習装置
６１ 発光部
６２ 受光部
６３ ＮＩＲＳ取得部
６４ ＮＩＲＳ出力部
７１ 格納部
７２ 受付部
７３ 処理部
７４ 出力部
８１ 血糖値受信部
９１ 学習格納部
９２ 学習受付部
９３ 学習処理部
７１１ 学習情報格納部
７１２ ユーザ情報格納部
７１３ デバイス特性値格納部
７２１ ＮＩＲＳ情報受付部
７３１ ユーザ動的属性値取得部
７３２ ユーザ静的属性値取得部
７３３ デバイス特性値取得部
７３４ 推定部
７４１ 血糖値出力部
７６０ｎ、８５０ｎ、１２００ｎ、１３００ｎ 略
９３１ 実測血糖値取得部
９３２ 教師データ構成部
９３３ 学習部
９３４ 蓄積部
Ｅ 学習システム
６、８ ＮＩＲＳ装置
７ 血糖値推定装置
９ 学習装置
６１ 発光部
６２ 受光部
６３ ＮＩＲＳ取得部
６４ ＮＩＲＳ出力部
７１ 格納部
７２ 受付部
７３ 処理部
７４ 出力部
８１ 血糖値受信部
９１ 学習格納部
９２ 学習受付部
９３ 学習処理部
７１１ 学習情報格納部
７１２ ユーザ情報格納部
７１３ デバイス特性値格納部
７２１ ＮＩＲＳ情報受付部
７３１ ユーザ動的属性値取得部
７３２ ユーザ静的属性値取得部
７３３ デバイス特性値取得部
７３４ 推定部
７４１ 血糖値出力部
７６０ｎ、８５０ｎ、１２００ｎ、１３００ｎ 略
９３１ 実測血糖値取得部
９３２ 教師データ構成部
９３３ 学習部
９３４ 蓄積部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】