特許 7165542 グルコース露出量推定装置、方法及びプログラム、グルコース露出量推定モデル生成装置、並びに糖指数測定装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-10-26

(45)【発行日】2022-11-04

(54)【発明の名称】グルコース露出量推定装置、方法及びプログラム、グルコース露出量推定モデル生成装置、並びに糖指数測定装置

(51)【国際特許分類】

   G01N 21/65 20060101AFI20221027BHJP

   A61B 5/1455 20060101ALI20221027BHJP

【ＦＩ】

G01N21/65

A61B5/1455

【請求項の数】 22

(21)【出願番号】P 2018173985

(22)【出願日】2018-09-18

(65)【公開番号】P2019053061

(43)【公開日】2019-04-04

【審査請求日】2021-04-22

(31)【優先権主張番号】10-2017-0119277

(32)【優先日】2017-09-18

(33)【優先権主張国・地域又は機関】KR

(73)【特許権者】

【識別番号】390019839

【氏名又は名称】三星電子株式会社

【氏名又は名称原語表記】Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ．

【住所又は居所原語表記】１２９，Ｓａｍｓｕｎｇ－ｒｏ，Ｙｅｏｎｇｔｏｎｇ－ｇｕ，Ｓｕｗｏｎ－ｓｉ，Ｇｙｅｏｎｇｇｉ－ｄｏ，Ｒｅｐｕｂｌｉｃ ｏｆ Ｋｏｒｅａ

(74)【代理人】

【識別番号】110000671

【氏名又は名称】八田国際特許業務法人

(72)【発明者】

【氏名】朴 珍 映

(72)【発明者】

【氏名】金 彦 庭

(72)【発明者】

【氏名】朴 潤 相

(72)【発明者】

【氏名】安 城 模

【審査官】伊藤 裕美

(56)【参考文献】

【文献】米国特許出願公開第２００７／００４９８０９（ＵＳ，Ａ１）

【文献】国際公開第２００７／０８８７０５（ＷＯ，Ａ１）

【文献】国際公開第２０１６／０３４４４８（ＷＯ，Ａ１）

【文献】特表２０１７－５３２５４１（ＪＰ，Ａ）

【文献】特開２０１３－０８５６５０（ＪＰ，Ａ）

【文献】特表２００４－５０６６１０（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｎ ２１／００－２１／８３

Ｇ０１Ｎ ３３／４８－３３／９８

Ａ６１Ｂ ５／１４５５－５／１４５９

(57)【特許請求の範囲】

【請求項1】

被検体から複数のラマンスペクトルを測定するスペクトル測定部と、
前記複数のラマンスペクトルから真皮内のコラーゲン情報に対応する第１ラマンピーク値及び表皮内のケラチン情報に対応する第２ラマンピーク値を抽出し、前記第１ラマンピーク値、前記第２ラマンピーク値、及び第１ラマンピーク値と第２ラマンピーク値との比と血糖グラフのＡＵＣとの関係を定義したグルコース露出量推定モデルに基づいて、前記被検体の血糖グラフのＡＵＣを推定するプロセッサと、を含む、グルコース露出量推定装置。

【請求項2】

前記スペクトル測定部は、
前記被検体に光を照射する光源部と、
前記被検体からの反射または散乱光を受け付けて、複数のラマンスペクトルを取得する光検出部と、を含む、請求項１に記載のグルコース露出量推定装置。

【請求項3】

前記スペクトル測定部は、
所定の時間の間に所定の時間間隔で前記複数のラマンスペクトルを測定する、請求項１に記載のグルコース露出量推定装置。

【請求項4】

前記プロセッサは、
前記複数のラマンスペクトルのうちから代表ラマンスペクトルを抽出し、前記代表ラマンスペクトルから前記第１ラマンピーク値及び前記第２ラマンピーク値を抽出する、請求項１に記載のグルコース露出量推定装置。

【請求項5】

前記プロセッサは、
前記複数のラマンスペクトルの中央値を前記代表ラマンスペクトルとして抽出する、請求項４に記載のグルコース露出量推定装置。

【請求項6】

前記プロセッサは、
前記複数のラマンスペクトルのうちから設定されたサンプル番号のラマンスペクトルを前記代表ラマンスペクトルとして抽出する、請求項４に記載のグルコース露出量推定装置。

【請求項7】

前記プロセッサは、
前記抽出された前記代表ラマンスペクトルから背景ノイズを除去する、請求項４に記載のグルコース露出量推定装置。

【請求項8】

前記プロセッサは、
前記被検体のグルコース露出量に基づいて炭水化物摂取ガイド情報を生成する、請求項１に記載のグルコース露出量推定装置。

【請求項9】

前記炭水化物摂取ガイド情報は、
前記被検体の日別の炭水化物摂取量が適切であるか否かについての情報を含む、請求項８に記載のグルコース露出量推定装置。

【請求項10】

前記プロセッサは、
前記被検体のグルコース露出量をモニタリングして、日別のグルコース露出量を算出し、該算出された日別のグルコース露出量が所定の臨界範囲内にあるか否かを判断し、前記判断の結果に基づいて炭水化物摂取ガイド情報を生成する、請求項８に記載のグルコース露出量推定装置。

【請求項11】

ラマンスペクトル及び前記ラマンスペクトルに対応する血糖グラフのＡＵＣを収集するデータ収集部と、
前記ラマンスペクトルから真皮内のコラーゲン情報に対応する第１ラマンピーク値及び表皮内のケラチン情報に対応する第２ラマンピーク値を抽出し、前記第１ラマンピーク値と前記第２ラマンピーク値との比と前記血糖グラフのＡＵＣとに基づいて回帰分析または機械学習を通じて、グルコース露出量推定モデルを生成するプロセッサと、を含む、グルコース露出量推定モデル生成装置。

【請求項12】

被検体から複数のラマンスペクトルを測定する段階と、
前記複数のラマンスペクトルから真皮内のコラーゲン情報に対応する第１ラマンピーク値及び表皮内のケラチン情報に対応する第２ラマンピーク値を抽出する段階と、
前記第１ラマンピーク値、前記第２ラマンピーク値、及び第１ラマンピーク値と第２ラマンピーク値との比と血糖グラフのＡＵＣとの関係を定義したグルコース露出量推定モデルに基づいて、前記被検体の血糖グラフのＡＵＣを推定する段階と、を含む、グルコース露出量推定方法。

【請求項13】

前記複数のラマンスペクトルを測定する段階は、
所定の時間の間に所定の時間間隔でラマンスペクトルを測定する、請求項１２に記載のグルコース露出量推定方法。

【請求項14】

前記第１ラマンピーク値及び前記第２ラマンピーク値を抽出する段階は、
前記複数のラマンスペクトルのうちから代表ラマンスペクトルを抽出する段階と、
前記代表ラマンスペクトルから前記第１ラマンピーク値及び前記第２ラマンピーク値を抽出する段階と、を含む、請求項１２に記載のグルコース露出量推定方法。

【請求項15】

前記代表ラマンスペクトルを抽出する段階は、
前記複数のラマンスペクトルの中央値を前記代表ラマンスペクトルとして抽出する、請求項１４に記載のグルコース露出量推定方法。

【請求項16】

前記代表ラマンスペクトルを抽出する段階は、
前記複数のラマンスペクトルのうちから設定されたサンプル番号のラマンスペクトルを前記代表ラマンスペクトルとして抽出する、請求項１４に記載のグルコース露出量推定方法。

【請求項17】

前記被検体のグルコース露出量に基づいて炭水化物摂取ガイド情報を生成する段階をさらに含む、請求項１２に記載のグルコース露出量推定方法。

【請求項18】

前記炭水化物摂取ガイド情報は、
前記被検体の日別の炭水化物摂取量が適切であるか否かについての情報を含む、請求項１７に記載のグルコース露出量推定方法。

【請求項19】

前記炭水化物摂取ガイド情報を生成する段階は、
前記被検体のグルコース露出量をモニタリングして、日別のグルコース露出量を判断する段階と、
算出された日別のグルコース露出量が所定の臨界範囲内にあるか否かを判断する段階と、
前記算出された日別のグルコース露出量が所定の臨界範囲内にあるか否かの判断の結果に基づいて前記炭水化物摂取ガイド情報を生成する段階と、を含む、請求項１７に記載のグルコース露出量推定方法。

【請求項20】

請求項１２～１９のいずれか１項に記載のグルコース露出量推定方法をコンピュータに実行させるためのプログラム。

【請求項21】

糖指数測定装置において、
被検体から光スペクトルを検出するスペクトル測定部と、
グルコースＡＵＣと、ラマンスペクトルの第１波数の第１基準ピーク値と第２波数の第２基準ピーク値との比との関係を保存する保存部と、
前記光スペクトルの第１波数の第１測定ピーク値と第２波数の第２測定ピーク値とを抽出し、前記第１測定ピーク値と前記第２測定ピーク値とを前記関係に適用して、前記被検体の糖指数を判断するプロセッサと、を含む糖指数測定装置。

【請求項22】

前記光スペクトルの前記第１波数の第１測定ピーク値と前記第２波数の第２測定ピーク値は、前記被検体の皮膚表面から他の深さに位置したタンパク質情報を示す、請求項２１に記載の糖指数測定装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、非侵襲方式でグルコース露出量を推定する技術に係り、特に、ラマンスペクトルに基づいた深さ別のタンパク質情報を用いてグルコースの露出量を推定し、グルコース露出量推定のためのグルコース露出量推定モデルを生成する装置及び方法に関する。

【背景技術】

【0002】

人体内で血糖反応は、食品によって異なって表われる。また、同量の食べ物を摂取しても、食べ物によって互いに異なる速度で消化吸収される。多様な炭水化物の吸収速度を反映するために、糖指数（Ｇｌｙｃｅｍｉｃ Ｉｎｄｅｘ：ＧＩ）が考案された。食べ物の糖指数は、５０ｇの炭水化物が含有された食べ物を健康なヒトに摂取させ、次の２時間の間に血糖数値の変化を測定して決定されうる。純粋なブドウ糖と同等な量を表わすために、１００の基準値を使用することができる。

【0003】

しかし、このような糖指数は、個別食べ物に基づき、ほとんどのヒトは、食事中にさまざまな食べ物を共に食べるために、各個人の特性（例えば、インスリンに対する反応程度、ストレス程度）の反映、または主に単一食べ物ではない複合食で摂取する実際の食生活の反映に限界がある。

【先行技術文献】

【特許文献】

【0004】

【文献】米国特許出願公開第２０１６／００４５１４３号明細書

【発明の概要】

【発明が解決しようとする課題】

【0005】

本発明が解決しようとする課題は、グルコース露出量推定装置、方法及びプログラム、グルコース露出量推定モデル生成装置、並びに糖指数測定装置を提供するところにある。

【課題を解決するための手段】

【0006】

ラマンスペクトルに基づいた深さ別のタンパク質情報を用いてグルコースの露出量を推定する装置及び方法と、そのためのグルコース露出量推定モデルを生成する装置及び方法と、を提供することを目的とする。

【0007】

一態様によるグルコース露出量推定装置は、被検体から複数のラマンスペクトルを測定するスペクトル測定部と、前記複数のラマンスペクトルから深さ別のタンパク質情報を抽出し、当該深さ別のタンパク質情報に基づいて、前記被検体のグルコース露出量を推定するプロセッサと、を含みうる。

【0008】

前記スペクトル測定部は、前記被検体に光を照射する光源部と、前記被検体からの反射または散乱光を受け付けて、複数のラマンスペクトルを取得する光検出部と、を含みうる。

【0009】

前記スペクトル測定部は、所定の時間の間に所定の時間間隔で前記複数のラマンスペクトルを測定することができる。

【0010】

前記プロセッサは、前記複数のラマンスペクトルのうちから代表ラマンスペクトルを抽出し、前記代表ラマンスペクトルから前記深さ別のタンパク質情報を抽出することができる。

【0011】

前記プロセッサは、前記複数のラマンスペクトルのうちから中間（ｍｅｄｉａｎ）スペクトルを代表ラマンスペクトルとして抽出することができる。

【0012】

前記プロセッサは、前記複数のラマンスペクトルのうちから設定されたサンプル番号のラマンスペクトルを代表ラマンスペクトルとして抽出することができる。

【0013】

前記プロセッサは、前記抽出された代表ラマンスペクトルから背景ノイズを除去することができる。

【0014】

前記深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含みうる。

【0015】

前記プロセッサは、前記複数のラマンスペクトルから真皮内のコラーゲン情報に対応する第１ラマンピーク値及び表皮内のケラチン情報に対応する第２ラマンピーク値を抽出し、第１ラマンピーク値、第２ラマンピーク値及びグルコース露出量推定モデルに基づいて、前記被検体のグルコース露出量を推定することができる。

【0016】

前記グルコース露出量推定モデルは、第１ラマンピーク値と第２ラマンピーク値との比と、グルコース露出量との関係を定義することができる。

【0017】

前記プロセッサは、前記被検体のグルコース露出量に基づいて炭水化物摂取ガイド情報を生成することができる。

【0018】

前記炭水化物摂取ガイド情報は、前記被検体の日別の炭水化物摂取量が適切であるか否かについての情報を含みうる。

【0019】

前記プロセッサは、前記被検体のグルコース露出量をモニタリングして、日別のグルコース露出量を算出し、該算出された日別のグルコース露出量が所定の臨界範囲内にあるか否かを判断し、前記判断の結果に基づいて炭水化物摂取ガイド情報を生成することができる。

【0020】

他の態様によるグルコース露出量推定モデル生成装置は、ラマンスペクトル及び前記ラマンスペクトルに対応するグルコース露出量情報を収集するデータ収集部と、前記ラマンスペクトルから深さ別のタンパク質情報を抽出し、深さ別のタンパク質情報と前記グルコース露出量情報とに基づいてグルコース露出量推定モデルを生成するプロセッサと、を含みうる。

【0021】

前記深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含みうる。

【0022】

前記プロセッサは、前記ラマンスペクトルから真皮内のコラーゲン情報に対応する第１ラマンピーク値及び表皮内のケラチン情報に対応する第２ラマンピーク値を抽出し、第１ラマンピーク値と第２ラマンピーク値との比とグルコース露出量情報とに基づいて回帰分析または機械学習を通じて、前記グルコース露出量推定モデルを生成することができる。

【0023】

さらに他の態様によるグルコース露出量推定方法は、被検体から複数のラマンスペクトルを測定する段階と、前記複数のラマンスペクトルから深さ別のタンパク質情報を抽出する段階と、深さ別のタンパク質情報に基づいて、前記被検体のグルコース露出量を推定する段階と、を含みうる。

【0024】

前記複数のラマンスペクトルを測定する段階は、所定の時間の間に所定の時間間隔でラマンスペクトルを測定することができる。

【0025】

前記深さ別のタンパク質情報を抽出する段階は、前記複数のラマンスペクトルのうちから代表ラマンスペクトルを抽出する段階と、前記代表ラマンスペクトルから前記深さ別のタンパク質情報を抽出する段階と、を含みうる。

【0026】

前記代表ラマンスペクトルを抽出する段階は、前記複数のラマンスペクトルのうちから中間スペクトルを代表ラマンスペクトルとして抽出することができる。

【0027】

前記代表ラマンスペクトルを抽出する段階は、前記複数のラマンスペクトルのうちから設定されたサンプル番号のラマンスペクトルを代表ラマンスペクトルとして抽出することができる。

【0028】

前記深さ別のタンパク質情報を抽出する段階は、前記抽出された代表ラマンスペクトルから背景ノイズを除去する段階をさらに含みうる。

【0029】

前記深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含みうる。

【0030】

前記深さ別のタンパク質情報を抽出する段階は、前記複数のラマンスペクトルから真皮内のコラーゲン情報に対応する第１ラマンピーク値及び表皮内のケラチン情報に対応する第２ラマンピーク値を抽出し、前記被検体のグルコース露出量を推定する段階は、第１ラマンピーク値、第２ラマンピーク値及びグルコース露出量推定モデルを用いて、前記被検体のグルコース露出量を推定することができる。

【0031】

前記グルコース露出量推定モデルは、第１ラマンピーク値と第２ラマンピーク値との比と、グルコース露出量との関係を定義することができる。

【0032】

グルコース露出量推定方法は、前記被検体のグルコース露出量に基づいて炭水化物摂取ガイド情報を生成する段階をさらに含みうる。

【0033】

前記炭水化物摂取ガイド情報は、前記被検体の日別の炭水化物摂取量が適切であるか否かについての情報を含みうる。

【0034】

前記炭水化物摂取ガイド情報を生成する段階は、前記被検体のグルコース露出量をモニタリングして、日別のグルコース露出量を判断する段階と、算出された日別のグルコース露出量が所定の臨界範囲内にあるか否かを判断する段階と、前記判断の結果に基づいて炭水化物摂取ガイド情報を生成する段階と、を含みうる。

【0035】

また、グルコース露出量推定方法は、プログラムにしたがって、コンピュータにより実行されうる。

【0036】

さらに他の態様による糖指数測定装置は、被検体から光スペクトルを検出するスペクトル測定部と、グルコースＡＵＣ（ａｒｅａ ｕｎｄｅｒ ａ ｃｕｒｖｅ）と、ラマンスペクトルの第１波数の第１基準ピーク値と第２波数の第２基準ピーク値との比との関係を保存する保存部と、前記光スペクトルの第１波数の第１測定ピーク値と第２波数の第２測定ピーク値とを抽出し、前記第１測定ピーク値と前記第２測定ピーク値とを前記関係に適用して、前記被検体の糖指数を判断するプロセッサと、を含みうる。

【0037】

前記光スペクトルの前記第１波数の第１測定ピーク値と前記第２波数の第２測定ピーク値は、前記被検体の皮膚表面から他の深さに位置したタンパク質情報を示すことができる。

【発明の効果】

【0038】

本発明によれば、ラマンスペクトルから深さ別のタンパク質情報を抽出し、該抽出された深さ別のタンパク質情報を用いてグルコースの露出量を推定することができる。

【図面の簡単な説明】

【0039】

【図1】グルコース露出量推定装置の一実施形態を示すブロック図である。

【図2】プロセッサの一実施形態を示すブロック図である。

【図3】真皮内のコラーゲンに対応するラマンピーク変化とグルコース露出量との関係を説明する図面である。

【図4】プロセッサの他の実施形態を示すブロック図である。

【図5】炭水化物摂取ガイド情報の例を示す図である。

【図6】グルコース露出量推定装置の他の実施形態を示すブロック図である。

【図7】グルコース露出量推定モデル生成装置の一実施形態を示すブロック図である。

【図8】グルコース露出量推定モデル生成過程を説明する例示図である。

【図9】グルコース露出量推定方法の一実施形態を示すフローチャートである。

【図10】深さ別のタンパク質情報抽出方法の一実施形態を示すフローチャートである。

【図11】グルコース露出量推定方法の他の実施形態を示すフローチャートである。

【図12】グルコース露出量推定モデル生成方法の一実施形態を示すフローチャートである。

【図13】手首型ウェアラブルデバイスの斜視図である。

【発明を実施するための形態】

【0040】

以下、添付図面を参照して、本発明の一実施形態を詳細に説明する。各図面の構成要素に参照符号を付け加えるに当って、同じ構成要素に対しては、たとえ他の図面上に表示されていても、可能な限り同じ符号を有することに留意しなければならない。また、本発明を説明するに当って、関連した公知の機能または構成についての具体的な説明が、本発明の要旨を不明にする恐れがあると判断される場合には、その詳細な説明を省略する。

【0041】

一方、各段階において、各段階は、文脈上、明白に特定の順序を記載していない以上、明記された順序と異なって起こりうる。すなわち、各段階は、明記された順序と同様に行われ、実質的に同時に行われることもあり、逆順にも行われる。

【0042】

後述される用語は、本発明での機能を考慮して定義された用語であって、これは、ユーザ、運用者の意図または慣例などによって変わりうる。したがって、その定義は、本明細書の全般に亘った内容に基づいて下されなければならない。

【0043】

第１、第２などの用語は、多様な構成要素の説明に使われるが、構成要素は、用語によって限定されるものではない。用語は、１つの構成要素を他の構成要素から区別する目的のみで使われる。単数の表現は、文脈上、取り立てて明示しない限り、複数の表現を含み、「含む」または「有する」などの用語は、明細書上に記載の特徴、数字、段階、動作、構成要素、部品またはこれらを組み合わせたものが存在するということを指定しようとするものであって、１つまたはそれ以上の他の特徴や数字、段階、動作、構成要素、部品またはこれらを組み合わせたものの存在または付加の可能性をあらかじめ排除しないものと理解しなければならない。

【0044】

また、本明細書での構成部に対する区分は、各構成部が担当する主機能別に区分したものに過ぎない。すなわち、２個以上の構成部が、１つの構成部に合わせられるか、または１つの構成部が、より細分化された機能別に２個以上に分化して備えられることもある。そして、構成部のそれぞれは、自身が担当する主機能の以外にも、他の構成部が担当する機能のうち、一部または全部の機能を追加的に行ってもよく、構成部のそれぞれが担当する主機能のうち、一部機能が他の構成部によって専担されて行われることもある。各構成部は、ハードウェアまたはソフトウェアとして具現されるか、ハードウェア及びソフトウェアの組み合わせで具現可能である。

【0045】

図１は、グルコース露出量推定装置１００の一実施形態を示すブロック図である。図１のグルコース露出量推定装置１００は、ラマンスペクトルに基づいた深さ別（ｄｅｐｔｈ－ｓｐｅｃｉｆｉｃ）のタンパク質情報を用いてグルコースの露出量（ｅｘｐｏｓｕｒｅ）を推定し、電子装置に搭載されうる。この際、電子装置は、携帯電話、スマートフォン、タブレット、ノート型パソコン、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、ナビゲーション、ＭＰ３プレーヤー、デジタルカメラ、ウェアラブルデバイスなどを含み、ウェアラブルデバイスは、腕時計型、手首バンド型、指輪型、ベルト型、ネックレス型、足首バンド型、太ももバンド型、腕バンド型などを含みうる。しかし、電子装置は、前述した例に制限されず、ウェアラブルデバイスも、前述した例に制限されるものではない。

【0046】

図１を参照すれば、グルコース露出量推定装置１００は、スペクトル測定部１１０及びプロセッサ１２０を含みうる。

【0047】

スペクトル測定部１１０は、被検体から複数のラマンスペクトルを測定することができる。一実施形態によれば、スペクトル測定部１１０は、光源部１１１及び光検出部１１２を含み、光源部１１１及び光検出部１１２を動作させて、予め設定された所定の時間の間に予め設定された所定の時間間隔で複数のラマンスペクトルを測定することができる。例えば、スペクトル測定部１１０は、被検体の食べ物摂取開始時点から２時間の間に５分間隙で被検体のラマンスペクトルを測定することができる。

【0048】

光源部１１１は、被検体に光を照射することができる。例えば、光源部１１１は、所定の波長の光、例えば、近赤外線（Ｎｅａｒ Ｉｎｆｒａｒｅｄ Ｒａｙ、ＮＩＲ）または中赤外線（Ｍｉｄ Ｉｎｆｒａｒｅｄ Ｒａｙ、ＭＩＲ）を被検体に照射することができる。しかし、測定目的や測定しようとする構成成分の種類によって、光源部１１１からの照射光の波長は変わりうる。そして、光源部１１１は、単一発光体または複数の発光体で構成することもできる。光源部１１１が多数の発光体の集合で構成される場合、多数の発光体は、互いに異なる波長の光を放出しても、いずれも同じ波長の光を放出しても良い。一実施形態によれば、光源部１１１は、発光ダイオード（ｌｉｇｈｔ ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ、ＬＥＤ）またはレーザダイオード（ｌａｓｅｒ ｄｉｏｄｅ）などを含みうるが、これは、一実施形態に過ぎず、これらに限定されるものではない。

【0049】

一方、光源部１１１は、照射された光を被検体の所望の位置に向かわせる少なくとも１つの光学要素をさらに含みうる。

【0050】

光検出部１１２は、被検体からの反射または散乱光を受け付けて、被検体のラマンスペクトルを取得することができる。一実施形態によれば、光検出部１１２は、フォトダイオード（ｐｈｏｔｏ ｄｉｏｄｅ）、フォトトランジスタ（ｐｈｏｔｏ ｔｒａｎｓｉｓｔｏｒ、ＰＴｒ）または電荷結合素子（ｃｈａｒｇｅ－ｃｏｕｐｌｅｄ ｄｅｖｉｃｅ、ＣＣＤ）などを含みうる。光検出部１１２は、必ずしも１つの素子で構成される必要はなく、多数の素子が集まってアレイ形態で構成することもできる。

【0051】

プロセッサ１２０は、測定された複数のラマンスペクトルから深さ別のタンパク質情報を抽出し、該抽出された深さ別のタンパク質情報に基づいて、被検体のグルコース露出量を推定することができる。この際、深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含み、クルコース露出量は、時間に対する体内のグルコース濃度グラフのＡＵＣ（Ａｒｅａ Ｕｎｄｅｒ Ｃｕｒｖｅ）で表現することができる。

【0052】

以下、図２を参照して、プロセッサ１２０をさらに詳細に説明する。

【0053】

図２は、プロセッサの一実施形態を示すブロック図である。図２のプロセッサ２００は、図１のプロセッサ１２０の一実施形態であり得る。

【0054】

図２を参照すれば、プロセッサ２００は、代表ラマンスペクトル抽出部２１０、ノイズ除去部２２０、深さ別のタンパク質情報抽出部２３０及びグルコース露出量推定部２４０を含みうる。プロセッサ２００は、図２に示したように、グルコース露出量推定モデル２５０を保存することができる。しかし、他の実施形態によれば、グルコース露出量推定モデル２５０は、プロセッサ２００の外部に位置したメモリに保存され、メモリから検索されてグルコース露出量推定モデル２５０に基づいた推定を行うために、プロセッサ２００にロードされうる。

【0055】

代表ラマンスペクトル抽出部２１０は、複数のラマンスペクトルのうちからそれらを代表する代表ラマンスペクトルを抽出することができる。一実施形態によれば、代表ラマンスペクトル抽出部２１０は、複数のラマンスペクトルのうちから中間スペクトルを代表ラマンスペクトルとして抽出するか、設定されたサンプル番号のラマンスペクトルを代表ラマンスペクトルとして抽出することができる。しかし、これは、一実施形態に過ぎず、これに限定されるものではない。

【0056】

ノイズ除去部２２０は、抽出された代表ラマンスペクトルからノイズを除去することができる。

【0057】

生体組織または細胞で測定したラマンスペクトルは、外部環境による単純加算ノイズと自家蛍光（ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ）による背景ノイズとを含みうる。

【0058】

一実施形態によれば、ノイズ除去部２２０は、低域通過フィルター（例えば、移動平均フィルターなど）を用いて代表ラマンスペクトルの単純加算ノイズを除去することができる。また、ノイズ除去部２２０は、代表ラマンスペクトルの基線（ｂａｓｅｌｉｎｅ）を推定し、該推定された基線を代表ラマンスペクトルから差し引いて背景ノイズを除去することができる。この際、基線は、一次微分方法、ｒｏｌｌｉｎｇ ｂａｌｌ方法などを用いて推定することができる。ここで、一次微分方法は、全体領域で緩やかな変化を示す背景ノイズの特性を利用したものであって、スペクトルを微分して重要なピークを探して、それに相応するピーク領域を切り取った後、補間して基線を推定する方法である。また、ｒｏｌｌｉｎｇ ｂａｌｌ方法は、スペクトルの下側に大きなボールを転がして作られたボールの最上位地点の痕跡を基線と見なす方法である。

【0059】

深さ別のタンパク質情報抽出部２３０は、代表ラマンスペクトルから深さ別のタンパク質情報を抽出することができる。この際、深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含みうる。

【0060】

被検体からの反射光は、被検体の真皮層のコラーゲン情報（以下、真皮内のコラーゲン情報）と被検体の表皮層のケラチン情報（以下、表皮内のケラチン情報）とを含みうる。一実施形態によれば、深さ別のタンパク質情報抽出部２３０は、代表ラマンスペクトルから第１波数（例えば、１２４６ｃｍ^－１）のラマンピーク値（以下、第１ラマンピーク値）を真皮内のコラーゲン情報として抽出し、第２波数（例えば、１６５０ｃｍ^－１）のラマンピーク値（以下、第２ラマンピーク値）を表皮内のケラチン情報として抽出することができる。この際、第１波数は、真皮内のコラーゲンと関連し、第２波数は、表皮内のケラチンと関連し、第１波数及び第２波数についての情報は、実験的にあらかじめ導出されて内部または外部データベースに保存することができる。

【0061】

グルコース露出量推定部２４０は、深さ別のタンパク質情報を用いて被検体のグルコース露出量を推定することができる。

【0062】

例えば、グルコース露出量推定部２４０は、第１ラマンピーク値と第２ラマンピーク値との比を決定し、第１ラマンピーク値と第２ラマンピーク値との比と、グルコース露出量推定モデル２５０を用いて被検体のグルコース露出量を推定することができる。この際、グルコース露出量推定モデル２５０は、第１ラマンピーク値と第２ラマンピーク値との比とグルコース露出量との関係を定義したものであって、プロセッサ２００の内部または外部データベースに保存することができる。

【0063】

図３は、真皮内のコラーゲンに対応するラマンピーク変化とグルコース露出量との関係を説明する図である。より詳細には、図３は、動物に一定量のグルコースを持続的に摂取させた時、真皮内のコラーゲンに対応するラマンピークシフトを示す図である。ラマンピークシフトは、動物に光を照射し、動物から反射された光を収集することで取得される。

【0064】

図３を参照すれば、動物に一定量のグルコースを持続的に摂取させた時、経時的に特定の波数（例えば、図３の最も左側ボックス部分）のラマンピーク値が変わる。

【0065】

したがって、このような特性を用いて、一実施形態によるグルコース露出量推定装置１００は、ラマンスペクトルから深さ別のタンパク質情報を抽出し、該抽出された深さ別のタンパク質情報を用いてグルコースの露出量を推定することができる。

【0066】

図４は、プロセッサの他の実施形態を示すブロック図である。図４のプロセッサ４００は、図１のプロセッサ１２０の他の実施形態であり得る。

【0067】

図４を参照すれば、プロセッサ４００は、代表ラマンスペクトル抽出部２１０、ノイズ除去部２２０、深さ別のタンパク質情報抽出部２３０、グルコース露出量推定部２４０及びガイド情報生成部４１０を含みうる。プロセッサ４００は、図４に示したように、グルコース露出量推定モデル２５０を保存することができる。しかし、他の実施形態によれば、グルコース露出量推定モデル２５０は、プロセッサ４００の外部に位置したメモリに保存され、メモリから検索されてグルコース露出量推定モデル２５０に基づいた推定を行うために、プロセッサ４００にロードされうる。

【0068】

ここで、代表ラマンスペクトル抽出部２１０、ノイズ除去部２２０、深さ別のタンパク質情報抽出部２３０、グルコース露出量推定部２４０は、図２を参照して前述したものと同じであるので、その詳細な説明は省略する。

【0069】

ガイド情報生成部４１０は、被検体のグルコース露出量を用いて被検体の日別の炭水化物摂取量が適正であるか否かを示す炭水化物摂取ガイド情報を生成することができる。
例えば、ガイド情報生成部４１０は、被検体のグルコース露出量をモニタリングして、日別のグルコース露出量を算出し、該算出された日別のグルコース露出量が所定の臨界範囲内にあるか否かを判断することができる。また、ガイド情報生成部４１０は、日別のグルコース露出量が所定の臨界範囲内にあれば、炭水化物摂取量が適正であると判断し、日別のグルコース露出量が所定の臨界範囲よりも小さければ、炭水化物摂取量が不足であると判断し、日別のグルコース露出量が所定の臨界範囲よりも大きければ、炭水化物摂取量が多いと判断することができる。ガイド情報生成部４１０は、このような判断の結果に基づいて、被検体の日別の炭水化物摂取量の適否を示す炭水化物摂取ガイド情報を生成することができる。

【0070】

この際、所定の臨界範囲は、次のような過程を通じてあらかじめ導出されてプロセッサ４００の内部または外部データベースに保存することができる。

【0071】

ステップ１（Ｓｔｅｐ１）：基準食べ物（ｒｅｆｅｒｅｎｃｅ ｆｏｏｄ）を被検体が摂取し、第１グルコース露出量を測定する。例えば、Ｋ（単位：ｇ）ほどの基準食べ物を被検体が摂取し、第１グルコース露出量Ｘ（単位：ｍｇ・ｍｉｎ／ｄＬ）を測定する。特に、プロセッサ２００、４００は、被検体がＫほどの基準食べ物を摂取した後、２時間の間に被検体の血糖レベルをモニタリングすることにより、２時間のグルコース反応曲線を生成することができる。プロセッサ２００、４００は、ＡＵＣを第１グルコース露出量Ｘとして算出することができる。

【0072】

ステップ２（Ｓｔｅｐ２）：一日炭水化物推奨摂取量に該当する第２グルコース露出量を算出する。例えば、一日炭水化物推奨摂取量がＡ（単位：ｇ）である場合、一日炭水化物推奨摂取量Ａに該当するグルコース露出量は、（Ａ＊Ｘ）／Ｋ＝Ｒ（単位：ｍｇ・ｍｉｎ／ｄＬ）に算出される。

【0073】

ステップ３（Ｓｔｅｐ３）：一日推奨摂取カロリーを全部炭水化物で摂取した時の第３グルコース露出量を算出する。例えば、一日摂取勧奨カロリーがＢ（単位：ｋｃａｌ）である場合、一日推奨摂取カロリーＢを全部炭水化物で摂取した時の第３グルコース露出量Ｔは、（Ｂ＊Ｘ）／（Ｋ＊４）＝Ｔ（単位：ｍｇ・ｍｉｎ／ｄＬ）に算出される。

【0074】

ステップ４（Ｓｔｅｐ４）：一日推奨摂取カロリーを全部炭水化物で摂取した時の第３グルコース露出量を炭水化物の最大摂取量にして、一日炭水化物推奨摂取量に該当するグルコース露出量を基準に一定範囲を所定の臨界範囲として決定する。例えば、所定の臨界範囲は、Ｒ－α～Ｒ＋βであり得る。この際、αは、Ｒよりも小さな正数であって、多様に設定され、βは、Ｔ－Ｒよりも小さな正数であって、多様に設定しうる。

【0075】

図５は、炭水化物摂取ガイド情報の例を示す図面である。

【0076】

図４及び図５を参照すれば、ガイド情報生成部４１０は、朝、昼、夕に推定されたグルコース露出量に基づいて日別のグルコース露出量を算出し、該算出された日別のグルコース露出量がグルコース推奨摂取量の所定の臨界範囲５２０内にあるか否かを判断し、算出された日別のグルコース露出量が所定の臨界範囲５２０内にあるか否かを判断した結果に基づいて炭水化物摂取ガイド情報５１０を生成することができる。

【0077】

図５の場合、初日及び７日目の日別のグルコース露出量が所定の臨界範囲５２０を外れた場合であって、ガイド情報生成部４１０は、初日及び７日目の炭水化物の摂取が多いと判断して、多様な警告メッセージを生成することができる。

【0078】

図６は、グルコース露出量推定装置６００の他の実施形態を示すブロック図である。図６のグルコース露出量推定装置６００は、ラマンスペクトルに基づいた深さ別のタンパク質情報を用いてグルコースの露出量を推定することができる。グルコース露出量推定装置６００は、電子装置に搭載されうる。この際、電子装置は、携帯電話、スマートフォン、タブレット、ノート型パソコン、ＰＤＡ、ＰＭＰ、ナビゲーション、ＭＰ３プレーヤー、デジタルカメラ、ウェアラブルデバイスなどを含み、ウェアラブルデバイスは、腕時計型、手首バンド型、指輪型、ベルト型、ネックレス型、足首バンド型、太ももバンド型、腕バンド型などを含みうる。しかし、電子装置は、前述した例に制限されず、ウェアラブルデバイスも、前述した例に制限されるものではない。

【0079】

図６を参照すれば、グルコース露出量推定装置６００は、スペクトル測定部１１０、プロセッサ１２０、入力部６１０、保存部６２０、通信部６３０及び出力部６４０を含みうる。ここで、スペクトル測定部１１０及びプロセッサ１２０は、図１～図４を参照して前述したものと同じであるので、その詳細な説明は省略する。

【0080】

入力部６１０は、ユーザから多様な操作信号が入力されうる。一実施形態によれば、入力部６１０は、キーパッド（ｋｅｙ ｐａｄ）、ドームスイッチ（ｄｏｍｅ ｓｗｉｔｃｈ）、タッチパッド（ｔｏｕｃｈ ｐａｄ）（定圧／静電）、ジョグホイール（Ｊｏｇ ｗｈｅｅｌ）、ジョグスイッチ（Ｊｏｇ ｓｗｉｔｃｈ）、Ｈ／Ｗボタンなどを含みうる。特に、タッチパッドがディスプレイと互いにレイヤ構造を成す場合、それをタッチスクリーンと呼ぶ。

【0081】

保存部６２０は、グルコース露出量推定装置６００の動作のためのプログラムまたは命令を保存し、グルコース露出量推定装置６００に入力されるデータ及びグルコース露出量推定装置６００から出力されるデータを保存することができる。また、保存部６２０は、スペクトル測定部１１０を通じて測定した複数のラマンスペクトルデータ、プロセッサ１２０から抽出された代表ラマンスペクトルデータ、プロセッサ１２０から抽出された深さ別のタンパク質情報、プロセッサ１２０から推定されたグルコース露出量データ、プロセッサ１２０から生成された炭水化物摂取ガイド情報、及びグルコース露出量推定モデルなどを保存することができる。

【0082】

保存部６２０は、フラッシュメモリタイプ（ｆｌａｓｈ ｍｅｍｏｒｙ ｔｙｐｅ）、ハードディスクタイプ（ｈａｒｄ ｄｉｓｋ ｔｙｐｅ）、マルチメディアカードマイクロタイプ（ｍｕｌｔｉｍｅｄｉａ ｃａｒｄ ｍｉｃｒｏ ｔｙｐｅ）、カードタイプのメモリ（例えば、ＳＤまたはＸＤメモリなど）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、磁気メモリ、磁気ディスク、光ディスクなど少なくとも１つのタイプの記録媒体を含みうる。また、グルコース露出量推定装置６００は、インターネット上で保存部６２０の保存機能を行うウェブストレージ（ｗｅｂ ｓｔｏｒａｇｅ）など外部記録媒体を運用することもできる。

【0083】

通信部６３０は、外部装置と通信を行うことができる。例えば、通信部６３０は、入力部６１０を通じてユーザから入力されたデータ、スペクトル測定部１１０を通じて測定した複数のラマンスペクトルデータ、プロセッサ１２０から抽出された代表ラマンスペクトルデータ、プロセッサ１２０から抽出された深さ別のタンパク質情報、プロセッサ１２０から推定されたグルコース露出量データ、プロセッサ１２０から生成された炭水化物摂取ガイド情報、及びグルコース露出量推定モデルなどを外部装置に伝送するか、外部装置からグルコース露出量推定または炭水化物摂取ガイド情報の生成に役に立つ多様なデータを受信することができる。

【0084】

この際、外部装置は、スペクトル測定部１１０を通じて測定した複数のラマンスペクトルデータ、プロセッサ１２０から抽出された代表ラマンスペクトルデータ、プロセッサ１２０から抽出された深さ別のタンパク質情報、プロセッサ１２０から推定されたグルコース露出量データ、プロセッサ１２０から生成された炭水化物摂取ガイド情報、及びグルコース露出量推定モデルなどを使用する医療装備、結果物を出力するためのプリントまたはディスプレイ装置であり得る。それ以外にも、外部装置は、デジタルＴＶ、デスクトップコンピュータ、携帯電話、スマートフォン、タブレット、ノート型パソコン、ＰＤＡ、ＰＭＰ、ナビゲーション、ＭＰ３プレーヤー、デジタルカメラ、ウェアラブルデバイスなどであり得るが、これらに制限されるものではない。

【0085】

通信部６３０は、ブルートゥース（登録商標）（ｂｌｕｅｔｏｏｔｈ（登録商標））通信、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ（登録商標） Ｌｏｗ Ｅｎｅｒｇｙ）通信、近距離無線通信（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ、ＮＦＣ）、ＷＬＡＮ通信、ジグビー（Ｚｉｇｂｅｅ）通信、赤外線（Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ、ＩｒＤＡ）通信、ＷＦＤ（Ｗｉ－Ｆｉ Ｄｉｒｅｃｔ）通信、ＵＷＢ（ｕｌｔｒａ－ｗｉｄｅｂａｎｄ）通信、Ａｎｔ＋通信、Ｗｉ－Ｆｉ通信、ＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）通信、３Ｇ通信、４Ｇ通信及び５Ｇ通信などを用いて外部装置と通信することができる。しかし、これは、一例に過ぎず、これらに限定されるものではない。
出力部６４０は、スペクトル測定部１１０を通じて測定した複数のラマンスペクトルデータ、プロセッサ１２０から抽出された代表ラマンスペクトルデータ、プロセッサ１２０から抽出された深さ別のタンパク質情報、プロセッサ１２０から推定されたグルコース露出量データ、プロセッサ１２０から生成された炭水化物摂取ガイド情報、及びグルコース露出量推定モデルなどを出力することができる。一実施形態によれば、出力部６４０は、スペクトル測定部１１０を通じて測定した複数のラマンスペクトルデータ、プロセッサ１２０から抽出された代表ラマンスペクトルデータ、プロセッサ１２０から抽出された深さ別のタンパク質情報、プロセッサ１２０から推定されたグルコース露出量データ、プロセッサ１２０から生成された炭水化物摂取ガイド情報、及びグルコース露出量推定モデルなどを聴覚的方法、視覚的方法及び触覚的方法のうち少なくとも１つの方法で出力することができる。このために、出力部６４０は、ディスプレイ、スピーカー、振動器などを含みうる。

【0086】

図７は、グルコース露出量推定モデル生成装置７００の一実施形態を示すブロック図である。グルコース露出量推定モデル生成装置７００は、図１のグルコース露出量推定装置１００及び／または図６のグルコース露出量推定装置６００で使われるグルコース露出量推定モデルを生成し、電子装置に搭載されうる。この際、電子装置は、携帯電話、スマートフォン、タブレット、ノート型パソコン、ＰＤＡ、ＰＭＰ、ナビゲーション、ＭＰ３プレーヤー、デジタルカメラ、ウェアラブルデバイスなどを含み、ウェアラブルデバイスは、腕時計型、手首バンド型、指輪型、ベルト型、ネックレス型、足首バンド型、太ももバンド型、腕バンド型などを含みうる。しかし、電子装置は、前述した例に制限されず、ウェアラブルデバイスも、前述した例に制限されるものではない。

【0087】

図７を参照すれば、グルコース露出量推定モデル生成装置７００は、学習データ収集部７１０及びプロセッサ７２０を含みうる。

【0088】

学習データ収集部７１０は、ラマンスペクトル及びラマンスペクトルに対応するグルコース露出量情報を学習データとして収集することができる。この際、学習データとして収集されるラマンスペクトルは、所定時間の間に所定時間間隔で測定された複数のラマンスペクトルでも、これら複数のラマンスペクトルのうちから抽出された代表ラマンスペクトルでもあり得る。また、学習データとして収集されるラマンスペクトルは、ノイズが除去されていない生データ（ｒａｗ ｄａｔａ）でも、ノイズが除去されたデータでもあり得る。

【0089】

プロセッサ７２０は、収集されたラマンスペクトルから深さ別のタンパク質情報を抽出し、該抽出された深さ別のタンパク質情報と当該ラマンスペクトルに対応するグルコース露出量データとに基づいてグルコース露出量推定モデルを生成することができる。プロセッサ７２０は、食べ物を摂取した後、２時間の間に血糖反応曲線下の面積を算出することにより、グルコース露出量データを取得することができる。深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含みうる。

【0090】

例えば、プロセッサ７２０は、ラマンスペクトルから第１ラマンピーク値を真皮内のコラーゲン情報として抽出し、第２ラマンピーク値を表皮内のケラチン情報として抽出することができる。また、プロセッサ７２０は、第１ラマンピーク値と第２ラマンピーク値との比を算出し、第１ラマンピーク値と第２ラマンピーク値との比と、これに対応するグルコース露出量情報を用いて回帰分析または機械学習を通じてグルコース露出量推定モデルを生成することができる。この際、回帰分析アルゴリズムは、単純線形回帰分析（ｓｉｍｐｌｅ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ）、多重線形回帰分析（ｍｕｌｔｉ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ）、ロジスティック回帰分析（ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ）、Ｃｏｘ比例回帰分析（ｐｒｏｐｏｒｔｉｏｎａｌ Ｃｏｘ ｒｅｇｒｅｓｓｉｏｎ）などを含み、機械学習アルゴリズムは、人工ニューラルネットワーク（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、決定木（Ｄｅｃｉｓｉｏｎ Ｔｒｅｅ）、遺伝的アルゴリズム（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ）、遺伝的プログラミング（Ｇｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ）、Ｋ近傍法（Ｋ－Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ）、放射基底関数ネットワーク（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ Ｎｅｔｗｏｒｋ）、ランダムフォレスト（Ｒａｎｄｏｍ Ｆｏｒｅｓｔ）、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）、及びディープラーニング（ｄｅｅｐ－ｌｅａｒｎｉｎｇ）などを含みうる。

【0091】

一方、プロセッサ７２０は、学習データ収集部７１０から収集されたラマンスペクトルによって多様な前処理過程を行うことができる。例えば、収集されたラマンスペクトルが生データである場合、プロセッサ７２０は、収集されたラマンスペクトルから単純加算ノイズ及び／または背景ノイズを除去することができる。また、プロセッサ７２０は、収集されたラマンスペクトルデータが所定時間の間に所定時間間隔で測定された複数のラマンスペクトルである場合、これら複数のラマンスペクトルのうちから代表ラマンスペクトルを抽出することができる。

【0092】

この際、ノイズ除去方法及び代表ラマンスペクトル抽出方法は、図２を参照して前述したものと同じであるので、その詳細な説明は省略する。

【0093】

図８は、グルコース露出量推定モデル生成過程を説明する例示図である。この際、学習データとして収集されたラマンスペクトルは、所定時間の間に所定時間間隔で測定された複数のラマンスペクトルのうちから抽出された代表ラマンスペクトルであって、ノイズが全部除去されたスペクトルであると仮定する。

【0094】

図８を参照すれば、ラマンスペクトル８１０は、グルコース露出量によるコラーゲンピーク値の変化を示すことができる。ラマンスペクトル８１０でＡｍｉｄｅ Ｉ及びＡｍｉｄｅ ＩＩＩは、ほぼ１６５０ｃｍ^－１及び１２４６ｃｍ^－１で観察されうる。測定されたＡｍｉｄｅ Ｉバンドは、表皮ケラチンで発見されるα螺旋構造を反映し、測定されたＡｍｉｄｅ ＩＩＩは、真皮層の成分を反映することができる。

【0095】

図７及び図８を参照すれば、プロセッサ７２０は、ラマンスペクトル８１０から第１ラマンピーク値（１２４６ｃｍ^－１のラマンピーク値）を真皮内のコラーゲン情報として抽出し、第２ラマンピーク値（１６５０ｃｍ^－１のラマンピーク値）を表皮内のケラチン情報として抽出する。プロセッサ７２０は、第１ラマンピーク値と第２ラマンピーク値との比を算出し、２時間の間の血糖反応曲線下の面積を当該グルコース露出量８２０として算出する。第１ラマンピーク値と第２ラマンピーク値との比と、この際のグルコース露出量８２０を回帰分析してグルコース露出量推定モデルｙ８３０を生成する。

【0096】

図６及び図８を参照すれば、保存部６２０は、血糖グラフのＡＵＣ（ａｒｅａ ｕｎｄｅｒ ｔｈｅ ｃｕｒｖｅ）（例えば、グルコース露出量８２０）と、ラマンスペクトル８１０の１２４６ｃｍ^－１の第１ラマンピーク値と１６５０ｃｍ^－１の第２ラマンピーク値との比との関係を示すグルコース露出量推定モデルを保存することができる。スペクトル測定部１１０が光スペクトルを検出すれば、プロセッサ１２０は、検出された光スペクトルの１２４６ｃｍ^－１の第１測定ピーク値と１６５０ｃｍ^－１の第２測定ピーク値とをそれぞれ検出し、第１測定ピーク値と第２測定ピーク値とをグルコース露出量推定モデルに適用して糖指数を決定することができる。

【0097】

図９は、グルコース露出量推定方法の一実施形態を示すフローチャートである。図９のグルコース露出量推定方法は、図１のグルコース露出量推定装置１００によって行われる。

【0098】

図１及び図９を参照すれば、グルコース露出量推定装置１００は、被検体から複数のラマンスペクトルを測定することができる（９１０）。例えば、グルコース露出量推定装置１００は、予め設定された所定の時間の間に予め設定された所定の時間間隔で被検体に光を照射し、被検体からの反射または散乱光を受信して、複数のラマンスペクトルを測定することができる。この際、被検体に照射される光は、近赤外線（ＮＩＲ）または中赤外線（ＭＩＲ）であり得るが、これらに限定されるものではない。

【0099】

グルコース露出量推定装置１００は、測定された複数のラマンスペクトルから深さ別のタンパク質情報を抽出することができる（９２０）。この際、深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含みうる。例えば、グルコース露出量推定装置１００は、複数のラマンスペクトルの代表ラマンスペクトルから真皮内のコラーゲン情報と関連した第１ラマンピーク値及び表皮内のケラチン情報と関連した第２ラマンピーク値を抽出することができる。

【0100】

グルコース露出量推定装置１００は、抽出された深さ別のタンパク質情報を用いて被検体のグルコース露出量を推定することができる（９３０）。例えば、グルコース露出量推定装置１００は、第１ラマンピーク値、第２ラマンピーク値、及びグルコース露出量推定モデルを用いて被検体のグルコース露出量を推定することができる。この際、グルコース露出量推定モデルは、第１ラマンピーク値と第２ラマンピーク値との比とグルコース露出量の関係を定義することができる。

【0101】

図１０は、深さ別のタンパク質情報抽出方法の一実施形態を示すフローチャートである。図１０の深さ別のタンパク質情報抽出方法は、図９の深さ別のタンパク質情報抽出過程（９２０）の一実施形態であり得る。

【0102】

図１及び図１０を参照すれば、グルコース露出量推定装置１００は、複数のラマンスペクトルのうちからそれらを代表する代表ラマンスペクトルを抽出することができる（１０１０）。例えば、グルコース露出量推定装置１００は、複数のラマンスペクトルのうちから中間スペクトルを代表ラマンスペクトルとして抽出するか、設定されたサンプル番号のラマンスペクトルを代表ラマンスペクトルとして抽出することができる。

【0103】

グルコース露出量推定装置１００は、抽出された代表ラマンスペクトルからノイズを除去することができる（１０２０）。例えば、グルコース露出量推定装置１００は、低域通過フィルターを用いて代表ラマンスペクトルから単純加算ノイズを除去するか、代表ラマンスペクトルの基線を推定し、該推定された基線を代表ラマンスペクトルから差し引いて背景ノイズを除去することができる。

【0104】

グルコース露出量推定装置１００は、代表ラマンスペクトルから深さ別のタンパク質情報を抽出することができる（１０３０）。例えば、グルコース露出量推定装置１００は、代表ラマンスペクトルから真皮内のコラーゲン情報と関連した第１ラマンピーク値及び表皮内のケラチン情報と関連した第２ラマンピーク値を抽出することができる。

【0105】

図１１は、グルコース露出量推定方法の他の実施形態を示すフローチャートである。図１１のグルコース露出量推定方法は、図１のグルコース露出量推定装置１００によって行われる。ここで、段階１１１０、段階１１２０及び段階１１３０は、図９の段階９１０、段階９２０及び段階９３０と同一なので、その詳細な説明は省略する。

【0106】

段階１１４０で、グルコース露出量推定装置１００は、段階１１３０から推定されたグルコース露出量に基づいて被検体の日別の炭水化物摂取量が適正であるか否かを示す炭水化物摂取ガイド情報を生成することができる（１１４０）。例えば、グルコース露出量推定装置１００は、被検体のグルコース露出量をモニタリングして、日別のグルコース露出量を算出し、該算出された日別のグルコース露出量が所定の臨界範囲内にあるか否かを判断することができる。また、グルコース露出量推定装置１００は、日別のグルコース露出量が所定の臨界範囲内にあれば、炭水化物摂取量が適正であると判断し、日別のグルコース露出量が所定の臨界範囲よりも小さければ、炭水化物摂取量が不足であると判断し、日別のグルコース露出量が所定の臨界範囲よりも大きければ、炭水化物摂取量が多いと判断することができる。グルコース露出量推定装置１００は、このような判断の結果に基づいて、被検体の日別の炭水化物摂取量の適否を示す炭水化物摂取ガイド情報を生成することができる。

【0107】

図１２は、グルコース露出量推定モデル生成方法の一実施形態を示すフローチャートである。図１２のグルコース露出量推定モデル生成方法は、図７のグルコース露出量推定モデル生成装置７００によって行われる。

【0108】

図７及び図１２を参照すれば、グルコース露出量推定モデル生成装置７００は、ラマンスペクトル及びラマンスペクトルに対応するグルコース露出量情報を学習データとして収集することができる（１２１０）。この際、学習データとして収集されるラマンスペクトルは、所定時間の間に所定時間間隔で測定された複数のラマンスペクトルでも、これら複数のラマンスペクトルのうちから抽出された代表ラマンスペクトルでもあり得る。また、学習データとして収集されるラマンスペクトルは、ノイズが除去されていない生データでも、ノイズが除去されたデータでもあり得る。

【0109】

グルコース露出量推定モデル生成装置７００は、収集されたラマンスペクトルから深さ別のタンパク質情報を抽出し、該抽出された深さ別のタンパク質情報とラマンスペクトルデータに対応するグルコース露出量情報とに基づいてグルコース露出量推定モデルを生成することができる。プロセッサ７２０は、食べ物を摂取した後、２時間の間に測定された血糖反応曲線下の面積を算出することにより、グルコース露出量情報を取得することができる。深さ別のタンパク質情報は、真皮内のコラーゲン情報及び表皮内のケラチン情報を含みうる。例えば、グルコース露出量推定モデル生成装置７００は、ラマンスペクトルから第１ラマンピーク値を真皮内のコラーゲン情報として抽出し、第２ラマンピーク値を表皮内のケラチン情報として抽出することができる。また、グルコース露出量推定モデル生成装置７００は、第１ラマンピーク値と第２ラマンピーク値との比と、これに対応するグルコース露出量データを用いて回帰分析または機械学習を通じてグルコース露出量推定モデルを生成することができる。

【0110】

一方、グルコース露出量推定モデル生成装置７００は、収集されたラマンスペクトルによって多様な前処理過程を行うことができる。例えば、収集されたラマンスペクトルが生データである場合、グルコース露出量推定モデル生成装置７００は、ラマンスペクトルデータから単純加算ノイズ及び／または背景ノイズを除去することができる。また、収集されたラマンスペクトルが所定時間の間に所定時間間隔で測定された複数のラマンスペクトルである場合、これら複数のラマンスペクトルのうちから代表ラマンスペクトルを抽出することができる。

【0111】

図１３は、手首型ウェアラブルデバイスの斜視図である。

【0112】

図１３を参照すれば、手首型ウェアラブルデバイス１３００は、ストラップ１３１０及び本体１３２０を含みうる。

【0113】

ストラップ１３１０は、フレキシブルにバンドの形態で構成することができる。但し、これは、一実施形態に過ぎず、これに限定されるものではない。すなわち、ストラップ１３１０は、各ストラップ部材がユーザの手首に取り囲む形態で曲げられるように構成された多数のストラップ部材で構成することもできる。

【0114】

本体１３２０は、本体の内部に前述したグルコース露出量推定装置１００、６００及び／またはグルコース露出量推定モデル生成装置７００を搭載することができる。また、本体１３２０の内部には、手首型ウェアラブルデバイス１３００、グルコース露出量推定装置１００、６００及びグルコース露出量推定モデル生成装置７００に電源を供給するバッテリが内蔵されうる。

【0115】

手首型ウェアラブルデバイス１３００は、本体１３２０に装着される入力部１３２１とディスプレイ１３２２とをさらに含みうる。入力部１３２１は、ユーザから多様な操作信号を入力されうる。ディスプレイ１３２２は、手首型ウェアラブルデバイス１３００、グルコース露出量推定装置１００、６００及びグルコース露出量推定モデル生成装置７００から処理されたデータ及び処理結果データなどを表示することができる。

【0116】

本発明の一態様は、コンピュータで読み取り可能な記録媒体にコンピュータで読み取り可能なコードとして具現することが可能である。前記のプログラムを具現するコード及びコードセグメントは、当該分野のコンピュータプログラマーによって容易に推論されうる。コンピュータで読み取り可能な記録媒体は、コンピュータシステムによって読み取れるデータが保存されるあらゆる種類の記録装置を含みうる。コンピュータで読み取り可能な記録媒体の例としては、ＲＯＭ、ＲＡＭ、ＣＤ－ＲＯＭ、磁気テープ、フロッピー（登録商標）ディスク、光ディスクなどを含みうる。また、コンピュータで読み取り可能な記録媒体は、ネットワークで連結されたコンピュータシステムに分散されて、分散方式でコンピュータで読み取り可能なコードとして作成されて実行可能である。

【0117】

以上、本発明について、その望ましい実施形態を中心に説明した。当業者ならば、本発明が、本発明の本質的な特性から外れない範囲で変形された形態として具現可能であるということを理解できるであろう。したがって、本発明の範囲は、前述した実施形態に限定されず、特許請求の範囲に記載の内容と同等な範囲内にある多様な実施形態が含まれるように解釈しなければならない。

【産業上の利用可能性】

【0118】

本発明は、グルコース露出量推定装置及び方法と、グルコース露出量推定モデル生成装置及び方法関連の技術分野に適用可能である。

【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】