特開 2023-110874 体組成分析装置のデータ統合システム

(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】P2023110874

(43)【公開日】2023-08-09

(54)【発明の名称】体組成分析装置のデータ統合システム

(51)【国際特許分類】

   A61B 5/0537 20210101AFI20230802BHJP

【ＦＩ】

A61B5/0537

【審査請求】有

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023005600

(22)【出願日】2023-01-18

(31)【優先権主張番号】111104029

(32)【優先日】2022-01-28

(33)【優先権主張国・地域又は機関】TW

(71)【出願人】

【識別番号】522077421

【氏名又は名称】興友科技股▲分▼有限公司

(74)【代理人】

【識別番号】110000660

【氏名又は名称】Ｋｎｏｗｌｅｄｇｅ Ｐａｒｔｎｅｒｓ弁理士法人

(72)【発明者】

【氏名】謝 坤昌

(72)【発明者】

【氏名】▲蔡▼ 至清

(72)【発明者】

【氏名】林 信達

【テーマコード（参考）】

4C127

【Ｆターム（参考）】

4C127AA06

4C127EE08

4C127GG13

4C127JJ03

(57)【要約】

【課題】体組成分析装置のデータ統合システムを提供する。
【解決手段】体組成分析装置のデータ統合システムは高精度体組成分析装置、低精度体組成分析装置および演算装置を備える。演算装置は高精度体組成分析装置と低精度体組成分析装置との間の偏差値を計算し、偏差値に基づいて低精度体組成分析装置のデータを修正し、正確性の比較的高い体組成データを生成する。
【選択図】 図１

【特許請求の範囲】

【請求項1】

測定対象の第一体組成データを検出する高精度体組成分析装置と、
前記測定対象の第二体組成データを検出する低精度体組成分析装置と、
前記高精度体組成分析装置および前記低精度体組成分析装置に電気的に接続されて前記第一体組成データおよび前記第二体組成データを読み取る演算装置と、を備え、
前記演算装置はデータベースおよび演算ユニットを有し、
前記演算装置は前記第一体組成データおよび前記第二体組成データを前記データベースに保存し、前記演算ユニットによって前記第一体組成データを標準値にし、前記第一体組成データと前記第二体組成データとの間の偏差値を計算し、前記偏差値に基づいて前記第一体組成データまたは前記第二体組成データを修正し、修正済第二体組成データを表示することを特徴とする体組成分析装置のデータ統合システム。

【請求項2】

前記高精度体組成分析装置および前記低精度体組成分析装置と、前記演算装置とを電気的に接続する方式は無線またはワイヤレス接続方式であることを特徴とする請求項１に記載の体組成分析装置のデータ統合システム。

【請求項3】

前記演算装置はさらにデータ統合ユニットおよび表示ユニットを有し、前記データ統合ユニットは前記第一体組成データおよび前記第二体組成データを前記データベースから読み取って統合し、分析データを作成し、前記分析データは前記表示ユニットによって表示されることを特徴とする請求項１に記載の体組成分析装置のデータ統合システム。

【請求項4】

【数1】

【数2】

【数3】

【数4】

【数5】

重さはＷ１およびＷ２で表示され、前記第一体組成データの測定標準偏差は"σ_A"で表示され、前記第二体組成データの測定標準偏差は"σ_B"で表示され、前記修正済第二体組成データは

で表示され、前記第一体組成データおよび前記第二体組成データの平均測定偏差は"Bias_BA"で表示され、
前記修正済第二体組成データ

は前記数１によって算出され、前記重さＷ１は前記数２によって算出され、前記重さＷ２は前記数３によって算出され、前記第一体組成データの前記測定標準偏差"σ_A"は前記第二体組成データの前記測定標準偏差"σ_B"よりかなり小さく、
前記第一体組成データおよび前記第二体組成データの前記平均測定偏差 "Bias_BA"の初期値が０と設定され、前記第一体組成データの前記測定標準偏差"σ_A"および前記第二体組成データの前記測定標準偏差"σ_B"が０ではない場合、前記修正済第二体組成データ

は前記数４によって算出され、算出結果が前記数５に近いことを特徴とする請求項１に記載の体組成分析装置のデータ統合システム。

【請求項5】

データ統合ユニットはデータ判断論理を有し、前記データ判断論理は複数の前記第一体組成データおよび前記第二体組成データの測定時点を読み取り、二つずつ一組に分けて前記測定時点の順によって統計し、複数組のデータを作成し、
複数組の前記データが０であり、前記平均測定偏差がない場合には、前記平均測定偏差の設定値は０であり、
複数組の前記データが１であり、前記平均測定偏差がない場合には、前記平均測定偏差は前記第一体組成データおよび前記第二体組成データの差であり、
複数組の前記データが３以下である場合には、前記平均測定偏差は使用した数の多いデータに基づいて求められ、
複数組の前記データが３以上である場合には、前記平均測定偏差は統計方法によって計算されることを特徴とする請求項４に記載の体組成分析装置のデータ統合システム。

【請求項6】

前記データ判断論理は設定可能な予定エリアを有し、前記予定エリア内の複数の前記第一体組成データおよび前記第二体組成データの測定時点を読み取ることを特徴とする請求項５に記載の体組成分析装置のデータ統合システム。

【請求項7】

前記演算ユニットはトレンドライン計算論理を有することを特徴とする請求項４に記載の体組成分析装置のデータ統合システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、体組成分析技術に関し、詳しくは体組成分析装置のデータ統合システムに関するものである。

【背景技術】

【0002】

生活水準が上がるにつれて健康を維持する意識が高まっていく。健康状態は個人の体組成に関連するため、正常でバランスの良い体組成は健康を維持する基本条件の一つであると考えられる。体組成の多くの評価方式において、イメージング法と生体インピーダンス解析法（Bioelectrical impedance analysis, ＢＩＡ）は比較的によく利用される。イメージング法、特にコンピュータ断層撮影（Computed Tomography，ＣＴ）、核磁気共鳴画像（Magnetic resonance imaging，ＭＲＩ）および二重エネルギーＸ線吸収測定法 （Dual-energy X-ray absorptiometry,ＤＸＡ）はよく知られている。そのうちのＤＸＡは安定性および正確性が高く、コストがＣＴおよびＭＲＩより低いため、体組成測定のゴールデンスタンダードとも言われる。ＢＩＡは使用上の利便性、迅速性、安全性および非侵入性を有し、コストが低く、正確性を参考にできるため、最も広く使用される方法の一つになる。それ故、ＢＩＡを採用する体組成分析製品は広く普及し、市場は急速に拡大している。またＢＩＡを採用する体組成分析装置は体重のほかに脂肪量、体脂肪量、体脂肪率、筋肉量、体水分量などの重要なパラメータを提供する。

【0003】

市販の体組成分析製品は高レベルの専門用機器および家庭用機器の二種類に分けられる。高レベルの専門用機器は多周波のＡＣを使用し、その周波数は三種類から六種類である。それに８極板およびマルチ周波数多肢位の測定技術を加えれば全身または異なる肢位のインピーダンス値と位相角を求めることができる。続いて、求めた各肢位のインピーダンス値および測定対象のデータ、例えば身長、年齢、体重、性別、人種および運動量などのパラメータを測定方程式に代入すれば、数十種以上の体組成パラメータを求めることができる。上述した測定方程式の正確性はＤＸＡまたはＣＴの検査結果により判断される。多くの研究結果により、極度に痩せている人、極度に肥満している人または病状が特殊なグループの人を測定する場合には、ＤＸＡで求めた結果に対し、一般のメーカーの専門用機器は誤差が比較的大きい。一般の体脂肪率および筋肉量を測定する場合には、ＤＸＡで求めた結果に対し、一般のメーカーの専門用機器は偏差があっても非常に高い相関性を示す。一部の専門用機器は０、９７から０、９８といった相関性を示す。つまり、一般の専門用機器は医療グレードに非常に近いレベルを維持でき、参考に足りると考えられる。しかし、専門用機器は測定の精度が高いが、製作費が高いだけでなく、体積および重量が大きく、搬送が難しいため、医療関係施設またはフィットネス業界にしか利用されない。

【0004】

家庭用体組成分析装置の主要目的は日常生活で使用できることになるので軽量・薄型デザインを採用する。初期の製品の多くは４極板のデザインおよび単一周波数 ５０ｋＨｚ のＡＣを採用することで両足間のインピーダンス値を測定し、両足のインピーダンス値に基づいて全身の体組成を評価する方式であった。しかし、足は筋肉の割合がかなり高く、体重比の最も大きい躯幹は測定範囲外であるため、高レベルの専門用機器と比べて家庭用機器は測定結果の精度が低い。多くの研究報告により、家庭用機器は大部分の測定結果が脂肪量を比較的低く評価し、筋肉量を比較的高く評価し、僅かな部分の測定結果が脂肪量を高く評価することが判明した。それは異なるグループによって測定結果が異なるからである。一般的に言えば、家庭用機器は推定値の誤差が専門用機器より大きく、また用途に応じて設計されたことが原因でインピーダンス測定値の標準偏差が大きい。つまり、家庭用機器は測定結果に偏差があり、正確性が専門用機器に及ばない。それらの体脂肪または筋肉量の測定結果にも関わらず、家庭用機器の全体の測定結果は専門用機器の測定結果との相関性が高いことを示す。言い換えれば、家庭用機器で持続的に観察して求める体組成パラメータは参考に足りると考えられる。また一部分の家庭用機器は８極板および二周波の測定技術を採用するため、測定結果がさらに高レベルの専門用機器の測定結果に近づくようになるが、価額は比較的高く、家庭用機器の価額と専門用機器の価額との間であるため、普及率は低レベルの家庭用機器のほど高くない。

【0005】

健康を維持するには体組成の定期的な測定および記録が非常に重要である。毎日または週一回の測定および記録を継続することはよく勧められるが、一般のユーザーにとって、特別な医療行為に応じるためでなければ、通常数か月または年に一度だけの精密検査を受け、それ以外の時に家庭用機器で測定および記録を継続する。しかしながら、家庭用機器は正確度が専門用機器には及ばないため、ユーザーは個人の体組成の変化を正確に把握することができない。

【発明の概要】

【発明が解決しようとする課題】

【0006】

本発明は先行技術に対し、高レベルの専門用体組成分析装置で求めた体組成データと家庭用体組成分析装置で求めた体組成データを統合することができる体組成分析装置のデータ統合システムを提供することを主な目的とする。前記体組成分析装置のデータ統合システムにより、測定対象は高レベルの専門用体組成分析装置で一回測定した後、高レベルの専門用体組成分析装置で検出したデータに近い体組成データを家庭用体組成分析装置で検出し、個人の体組成の変化を正確かつ容易に把握することができる。

【課題を解決するための手段】

【0007】

上述した課題を解決するため、体組成分析装置のデータ統合システムは高精度体組成分析装置、低精度体組成分析装置および演算装置を備える。高精度体組成分析装置は測定対象の第一体組成データを検出する。低精度体組成分析装置は測定対象の第二体組成データを検出する。演算装置は高精度体組成分析装置および低精度体組成分析装置に電気的に接続されて第一体組成データおよび第二体組成データを読み取り、データベースおよび演算ユニットを有する。演算装置は第一体組成データおよび第二体組成データをデータベースに保存し、演算ユニットによって第一体組成データを標準値にし、第一体組成データと第二体組成データとの間の偏差値を計算し、偏差値に基づいて第一体組成データまたは第二体組成データを修正し、修正済の第二体組成データを表示する。

【0008】

上述をまとめてみると、本発明による体組成分析装置のデータ統合システムは第一体組成データと第二体組成データとの間の偏差値を統合し、偏差値に基づいて第二体組成データを修正することが技術特徴であるため、測定対象は高精度体組成分析装置で一回測定した後、高精度体組成分析装置で検出したデータに近い体組成データを低精度体組成分析装置で検出し、個人の骨格筋量の変化を正確かつ容易に把握することができる。

【図面の簡単な説明】

【0009】

【図1】本発明の一実施形態による体組成分析装置のデータ統合システムを示す模式図である。

【図2】本発明の一実施形態による体組成分析装置のデータ統合システムの構築を示す模式図である。

【図3】本発明の一実施形態による体組成分析装置のデータ統合システムによって検出したデータを示すグラフである。

【図4】本発明の一実施形態による体組成分析装置のデータ統合システムに適用できる高精度体組成分析装置、低精度体組成分析装置および演算装置を示す模式図である。

【発明を実施するための形態】

【0010】

以下、本発明による体組成分析装置のデータ統合システムを図面に基づいて説明する。

【0011】

（一実施形態）
図１から図４に示すように、本発明の一実施形態による体組成分析装置のデータ統合システム１０は高精度体組成分析装置２０、低精度体組成分析装置３０および演算装置４０を備える。

【0012】

高精度体組成分析装置２０は測定対象の第一体組成データを検出する。

【0013】

低精度体組成分析装置３０は測定対象の第二体組成データを検出する。

【0014】

図１および図２に示すように、演算装置４０は高精度体組成分析装置２０および低精度体組成分析装置３０に電気的に接続されて第一体組成データおよび第二体組成データを読み取り、データベース４１および演算ユニット４３を有する。演算装置４０は第一体組成データおよび第二体組成データをデータベース４１に保存し、演算ユニット４３によって第一体組成データを標準値にし、第一体組成データと第二体組成データとの間の偏差値を計算し、偏差値に基づいて第二体組成データを修正し、修正済の第二体組成データを表示する。

【0015】

図１に示すように、本実施形態において、高精度体組成分析装置２０はＤＸＡ装置である。低精度体組成分析装置３０は家庭向けＢＩＡ装置である。演算装置はパソコンである。図４に示すように、別の実施形態において、高精度体組成分析装置２０はＣＴ装置、高レベルの専門用体組成分析装置またはＭＲＩ（図中未表示）である。低精度体組成分析装置３０は別の家庭向けＢＩＡ装置（例えば手持ち式または着用式家庭用機器）である。演算装置はスマートフォンまたはタブレット（図中未表示）である。つまり、高精度体組成分析装置２０および演算装置４０は本実施形態に限定されるものではない。別の実施形態において、高精度体組成分析装置２０および低精度体組成分析装置３０は複数であるため、体組成分析装置のデータ統合システム１０は異なる測定対象を測定し、検出した複数の測定対象の第一体組成データおよび第二体組成データをデータベース４１に保存し、続いて演算ユニット４３によって計算する。つまり、高精度体組成分析装置２０、低精度体組成分析装置３０および測定対象の人数は本実施形態に限定されるものではない。

【0016】

本実施形態において、高精度体組成分析装置２０および低精度体組成分析装置３０に演算装置４０を電気的に接続する方式はワイヤレス接続方式(Bluetooth（登録商標）、wifi)を採用する。別の実施形態において、演算装置４０は有線接続方式によって高精度体組成分析装置２０および低精度体組成分析装置３０に接続される。つまり、高精度体組成分析装置２０および低精度体組成分析装置３０に演算装置４０を電気的に接続する方式は本実施形態に限定されるものではない。

【0017】

本実施形態において、演算装置４０はさらにデータ統合ユニット４５および表示ユニット４７を有する。データ統合ユニット４５は第一体組成データおよび第二体組成データをデータベース４１から読み取って統合し、分析データ４５１を作成し、続いて分析データ４５１を表示ユニット４７によって表示する。分析データ４５１は実際のニーズに応じて図面、文字などの表現方式を選ぶことができる。

【0018】

【数1】

【0019】

【数2】

【0020】

【数3】

【0021】

【数4】

【0022】

【数5】

【0023】

本実施形態は骨格筋量（Skeletal Muscle Mass；ＳＭＭ）に対する第一体組成データおよび第二体組成データを例としてあげる。本実施形態において、重さはＷ１およびＷ２で表示される。第一体組成データの測定標準偏差は"σ_A"で表示される。第二体組成データの測定標準偏差は"σ_B"で表示される。修正済第二体組成データは

で表示される。第一体組成データおよび第二体組成データの平均測定偏差は"Bias_BA"で表示される。修正済第二体組成データ

は数１によって算出される。重さＷ１は数２によって算出される。重さＷ２は数３によって算出される。第一体組成データの測定標準偏差"σ_A"は第二体組成データの測定標準偏差

よりかなり小さい。第一体組成データおよび第二体組成データの平均測定偏差"Bias_BA"の初期値が０と設定され、第一体組成データの測定標準偏差"σ_A"および第二体組成データの測定標準偏差"σ_B"が０ではない場合、修正済第二体組成データ

は数４によって算出され、算出結果が数５に近い。

【0024】

別の実施形態において、第一体組成データおよび第二体組成データはボディマス指数（ＢＭＩ）、脂肪筋肉評価、肥満分析、内臓脂肪、体年齢または基礎代謝率などを参考にできる。本実施形態により掲示される式、論理および原理に基づいてそれに対応する数式を修正すればよい。つまり、第一体組成データおよび第二体組成データは本実施形態に限定されるものではない。

【0025】

本実施形態において、データ統合ユニット４５はデータ判断論理４５３を有する。データ判断論理４５３は複数の第一体組成データおよび第二体組成データの測定時点を読み取り、二つずつ一組に分けて測定時点の順によって統計し、複数組のデータを作成する。複数組のデータが０であり、平均測定偏差がない場合には、平均測定偏差の設定値は０である。複数組のデータが１であり、平均測定偏差がない場合には、平均測定偏差は第一体組成データおよび第二体組成データの差である。複数組のデータが３以下である場合には、平均測定偏差は使用した数の多いデータに基づいて求められる。複数組のデータが３以上である場合には、平均測定偏差は重回帰分析または機械学習などの統計方法によって計算される。

【0026】

本実施形態において、データ判断論理４５３は設定可能な予定エリアを有する。本実施形態は予定エリア内の複数の第一体組成データおよび第二体組成データを読み取ることで第一体組成データおよび第二体組成データの平均測定偏差の正確性を向上させるが、これに限定されない。

【0027】

本実施形態において、演算ユニット４３はトレンドライン計算論理４３１を有する。第一体組成データおよび第二体組成データが１であれば、線形近似の計算手法でトレンドライン（図３内の点線）を生成する。第一体組成データおよび第二体組成データが２であれば、非線形または区分的線形回帰分析によって近似曲線を生成する。別の実施形態において、トレンドラインはヒルベルト・ファン変換（Hilbert-Huang Transform）によって計算される。短期内の体組成パラメータは変化が大きくなく、定常的な時系列のデータとみなすことができるため、短期的・集中的な測定を行う際、フーリエ変換によってトレンドラインを生成する方式を採用することができる。つまり、トレンドライン計算論理４３１は本実施形態に限定されるものではない。

【0028】

以上は本実施形態の技術特徴についての説明である。続いて測定対象の第一体組成データおよび複数の第二体組成データを測定結果によって説明する。

【0029】

図３に示すように、本発明による体組成分析装置のデータ統合システムにおいて、２０２０年１２月２０日に高精度体組成分析装置２０で検出した測定対象の第一体組成データは黒色正方形で表示される。２０２０年１２月２３日、２６日、２７日などに検出した測定対象の第二体組成データは黒色円形で表示される。数式に基づいて計算し、修正した後の第二体組成データは黒星で表示される。２０２１年１月１４日に検出した第二体組成データおよび修正済第二体組成データにより、測定対象は低精度体組成分析装置３０で検出した骨格筋量が約３１．７であることが判明した。それに対し、本発明の技術により修正したうえで検出した骨格筋量はＤＸＡで検出した骨格筋量に近い２９．７である。

【0030】

上述をまとめてみると、本発明による体組成分析装置のデータ統合システム１０は第一体組成データと第二体組成データとの間の偏差値を統合し、偏差値に基づいて第二体組成データを修正することが技術特徴であるため、測定対象は高精度体組成分析装置で一回測定した後、高精度体組成分析装置で検出したデータに近い体組成データを低精度体組成分析装置で検出し、個人の骨格筋量の変化を正確かつ容易に把握することができる。

【0031】

以上、本発明は、上記実施形態になんら限定されるものではなく、発明の趣旨を逸脱しない範囲において種々の形態で実施可能である。

【符号の説明】

【0032】

１０：体組成分析装置のデータ統合システム
２０：高精度体組成分析装置
３０：低精度体組成分析装置
４０：演算装置
４１：データベース
４３：演算ユニット
４３１：トレンドライン計算論理
４５：データ統合ユニット
４５１：データ分析
４５３：データ判断論理
４７：表示ユニット

【図1】

【図2】

【図3】

【図4】