知財求人 - 知財ポータルサイト「IP Force」
特表2024-519249グルコース値のシーケンスの類似性を決定するためのシステム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-05-10
(54)【発明の名称】グルコース値のシーケンスの類似性を決定するためのシステム
(51)【国際特許分類】
A61B 5/1473 20060101AFI20240501BHJP
【ＦＩ】
A61B5/1473
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023550090
(86)(22)【出願日】2022-05-17
(85)【翻訳文提出日】2023-08-18
(86)【国際出願番号】 US2022029648
(87)【国際公開番号】W WO2022245836
(87)【国際公開日】2022-11-24
(31)【優先権主張番号】63/189,469
(32)【優先日】2021-05-17
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＢＬＵＥＴＯＯＴＨ
(71)【出願人】
【識別番号】504016422
【氏名又は名称】デックスコム・インコーポレーテッド
(74)【代理人】
【識別番号】100108453
【弁理士】
【氏名又は名称】村山 靖彦
(74)【代理人】
【識別番号】100110364
【弁理士】
【氏名又は名称】実広 信哉
(74)【代理人】
【識別番号】100133400
【弁理士】
【氏名又は名称】阿部 達彦
(72)【発明者】
【氏名】アンドリュー・パーカー
(72)【発明者】
【氏名】マーク・デルジンスキー
(72)【発明者】
【氏名】ローレン・ジェプソン
(72)【発明者】
【氏名】ナサニエル・ハインツマン
(72)【発明者】
【氏名】ジェイコブ・リーチ
【テーマコード（参考）】
4C038
【Ｆターム（参考）】
4C038KK10
4C038KL01
4C038KL09
4C038KX01
(57)【要約】
グルコース値のシーケンスの類似性を決定するためのシステムの実装態様では、計算デバイスは、持続グルコースモニタリング（ＣＧＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データを受信するために類似性システムを実装する。類似性システムは、グルコース値の複数のシーケンスについての類似性スコアを、ユーザグルコース値のシーケンスに含まれるそれぞれのグルコース値を複数のシーケンスのそれぞれのシーケンスに含まれる全てのグルコース値と比較することによって計算する。最も高い類似性スコアに関連付けられたグルコース値の特定のシーケンスが識別される。類似性システムは、特定のシーケンスに関連付けられた外部性を決定する。類似性システムは、ユーザインターフェースに表示するための外部性の指示を生成する。
【特許請求の範囲】
【請求項1】
計算デバイスによって実施される方法であって、前記方法は、持続グルコースモニタリング（ＣＧＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データを受信するステップであって、前記ユーザグルコース値のシーケンスは、ユーザグルコース値のサブシーケンスを含む、ステップと、
グルコース値の複数のシーケンスを記述するシーケンスデータにアクセスするステップであって、前記複数のシーケンスのそれぞれのシーケンスは、グルコース値のサブシーケンスを含む、ステップと、
前記ユーザグルコース値のシーケンスに類似している、前記グルコース値の複数のシーケンスのうちの特定のシーケンスを、前記ユーザグルコース値のサブシーケンスのそれぞれと前記特定のシーケンスに含まれるグルコース値の全てのサブシーケンスとの間の比較に基づいて識別するステップと、
前記特定のシーケンスに関連付けられた外部性を決定するステップと、
ユーザインターフェースに表示するための前記外部性の指示を生成するステップと、
を含む、方法。
【請求項2】
前記外部性は、前記特定のシーケンスに関連付けられたメタデータによって記述される、請求項１に記載の方法。
【請求項3】
前記外部性は、介入が行われない場合に発生する可能性が高い有害事象であり、前記外部性の前記指示は、前記介入の指示を含む、請求項１又は２に記載の方法。
【請求項4】
前記外部性は、前記ユーザグルコース値のシーケンスが前記特定のシーケンスに類似しない場合に発生する可能性が高かった有害事象である、請求項１又は２に記載の方法。
【請求項5】
前記外部性の前記指示は、反事実的指示を含む、請求項４に記載の方法。
【請求項6】
前記ユーザグルコース値のシーケンスは特定のユーザに関連付けられ、前記グルコース値の複数のシーケンスは前記特定のユーザに関連付けられる、請求項１～５のいずれか一項に記載の方法。
【請求項7】
前記ユーザグルコース値のシーケンスは特定のユーザに関連付けられ、前記グルコース値の複数のシーケンスは異なるユーザに関連付けられる、請求項１～６のいずれか一項に記載の方法。
【請求項8】
前記グルコース値の複数のシーケンスは、複数の異なるユーザに関連付けられる、請求項７に記載の方法。
【請求項9】
前記比較は、コンテキストデータに基づくユーザグルコース値の１つのサブシーケンスに含まれる第１のグルコース値を観察する確率と、前記コンテキストデータに基づく前記特定のシーケンスに含まれるグルコース値の１つのサブシーケンスに含まれる第２のグルコース値を観察する確率との間の差を決定するステップを含む、請求項１～８のいずれか一項に記載の方法。
【請求項10】
コンテキストデータは、前記ユーザグルコース値の１つのサブシーケンス内の前記第１のグルコース値の前又は後のグルコース値を記述する、請求項９に記載の方法。
【請求項11】
前記コンテキストデータは、前記グルコース値の１つのサブシーケンス内の前記第２のグルコース値の前又は後のグルコース値を記述する、請求項９に記載の方法。
【請求項12】
計算デバイスによって実施される方法であって、前記方法は、持続グルコースモニタリング（ＣＧＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データを受信するステップと、
前記ユーザグルコース値のシーケンスに含まれるそれぞれのグルコース値をグルコース値の複数のシーケンスのそれぞれのシーケンスに含まれる全てのグルコース値と比較することによって、前記グルコース値の複数のシーケンスについての類似性スコアを計算するステップと、
前記類似性スコアのうちの最も高い類似性スコアに関連付けられている、前記複数のシーケンスのうちのグルコース値の特定のシーケンスを識別するステップと、
前記特定のシーケンスに関連付けられた外部性を決定するステップと、
ユーザインターフェースに表示するための前記外部性の指示を生成するステップと、
を含む、方法。
【請求項13】
前記ユーザグルコース値のシーケンスは特定のユーザに関連付けられ、前記グルコース値の複数のシーケンスは前記特定のユーザに関連付けられる、請求項１２に記載の方法。
【請求項14】
前記ユーザグルコース値のシーケンスは特定のユーザに関連付けられ、前記グルコース値の複数のシーケンスは複数の異なるユーザに関連付けられる、請求項１２に記載の方法。
【請求項15】
前記比較するステップは、コンテキストデータに基づいて前記ユーザグルコース値のシーケンスに含まれる第１のグルコース値を観察する確率と、前記コンテキストデータに基づいて前記特定のシーケンスに含まれる第２のグルコース値を観察する確率との間の差を決定するステップを含む、請求項１２～１４のいずれか一項に記載の方法。
【請求項16】
コンテキストデータは、前記ユーザグルコース値のシーケンス内の前記第１のグルコース値の前又は後のグルコース値を記述する、請求項１５に記載の方法。
【請求項17】
前記コンテキストデータは、前記特定のシーケンス内の前記第２のグルコース値の前又は後のグルコース値を記述する、請求項１５に記載の方法。
【請求項18】
計算デバイスによって実施される方法であって、前記方法は、持続グルコースモニタリング（ＣＧＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データを受信するステップと、
コンテキストデータに基づく前記ユーザグルコース値のシーケンスに含まれるそれぞれのグルコース値を観察する確率と、前記コンテキストデータに基づくグルコース値の候補シーケンスに含まれるそれぞれのグルコース値を観察する確率との間の差を決定するステップと、
前記決定された差を合計することによって、前記候補シーケンスについての類似性スコアを計算するステップと、
前記類似性スコアを類似性閾値スコアと比較するステップと、
前記類似性スコアが前記類似性閾値スコアよりも大きいことに応答して、ユーザインターフェースに表示するための前記候補シーケンスの指示を生成するステップと、
を含む、方法。
【請求項19】
前記候補シーケンスに関連付けられた外部性を決定するステップと、前記ユーザインターフェースに表示するための前記外部性の指示を生成するステップと、
を更に含む、請求項１８に記載の方法。
【請求項20】
前記外部性の前記指示は、反事実的指示を含む、請求項１９に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
関連出願
本出願は、２０２１年５月１７日に出願され、「Ｓｙｓｔｅｍｓ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ Ｓｉｍｉｌａｒｉｔｙ ｏｆ Ｓｅｑｕｅｎｃｅｓ ｏｆ Ｇｌｕｃｏｓｅ Ｖａｌｕｅｓ」と題する米国仮特許出願第６３／１８９，４６９号の利益を主張し、その開示全体は、参照により本明細書によって組み込まれる。
本出願は、２０２１年５月１７日に出願され、「Ｓｙｓｔｅｍｓ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ Ｓｉｍｉｌａｒｉｔｙ ｏｆ Ｓｅｑｕｅｎｃｅｓ ｏｆ Ｇｌｕｃｏｓｅ Ｖａｌｕｅｓ」と題する米国仮特許出願第６３／１８９，４６９号の利益を主張し、その開示全体は、参照により本明細書によって組み込まれる。
【背景技術】
【0002】
糖尿病は、数億人の人々に影響を及ぼす代謝状態である。これらの人々にとって、血中グルコースレベルをモニタリングし、それらのレベルを許容可能な範囲内に調節することは、心疾患及び視力喪失などの長期的な問題を緩和するためだけでなく、高グルコース及び低グルコースの影響を回避するためにも重要である。血中グルコースレベルは、時間の経過と共に、かつ食事又は運動などの日常的な出来事に応じてほぼ常に変化するため、そのレベルを許容可能な範囲内に維持することは困難であり得る。
【0003】
医療技術の進歩は、実質的にリアルタイムでグルコース濃度を測定及び記録する持続グルコースモニタリング（continuous glucose monitoring、ＣＧＭ）システムを含む、グルコースをモニタリングするための様々なシステムの開発を促進した。これらのＣＧＭシステムのユーザは、自分の現在の血糖値を監視することができ、また、昨日の血糖値を今日の血糖値と比較するなど、自分の履歴血糖値を見なおすこともできる。アーカイブされた履歴血糖値を見る能力は、ＣＧＭシステムのユーザが、健康な血糖値を維持するための個々のレジメンに対する潜在的な改善を識別することを可能にする。
【0004】
一例では、これらのＣＧＭシステムのユーザは、自分の糖尿病管理の一環として、自分の履歴血糖値から計算された集約データメトリックに依存する。例えば、ＣＧＭシステムのユーザは、ユーザが今日のＴｉｍｅ Ｉｎ Ｒａｎｇｅ（ＴＩＲ）を増加させるために何か違うことを行うべきかどうかを決定する１つの方法として、今日のＴＩＲを過去１ヶ月にわたるユーザの平均ＴＩＲと比較する。別の例では、ユーザは、ユーザが今日何か違うことをしたことがユーザの平均ＴＩＲに対して今日のＴＩＲを増加させるのに有効であったかどうかを決定するために、今日のＴＩＲをユーザの平均ＴＩＲと比較する。
【0005】
平均ＴＩＲなどの集約ＣＧＭデータメトリックの使用は、臨床的に有用な情報を提供するが、ＣＧＭデータの集約は、データの連続的な特性に含まれる情報を捕捉又は利用することができない。例えば、生のＣＧＭデータは、グルコース値の時系列を記述し、平均グルコース値を計算するために生データを集約することは、独立した観察結果として時系列に含まれるそれぞれのグルコース値を効果的に処理する。このようにＣＧＭデータの連続的な特性に含まれる情報を利用できないことが、従来のＣＧＭシステムの限界である。
【発明の概要】
【課題を解決するための手段】
【0006】
従来のシステムの限界を克服するために、グルコース値のシーケンスの類似性を決定するための技法及びシステムが説明される。一例では、持続グルコースモニタリング（ＣＧＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データが受信される。ユーザグルコース値のシーケンスに含まれるそれぞれのグルコース値を、グルコース値の複数のシーケンスのそれぞれのシーケンスに含まれる全てのグルコース値と比較することによって、複数のシーケンスについて類似性スコアが計算される。例えば、類似性モデルがアクセス又は生成される。類似性モデルは、離散ランダム変数（例えば、グルコース変数）を活用し、グルコース測定値のコーパスからの観察結果に基づいて離散ランダム変数のカテゴリ分布を構築する。例えば、コーパスは、何百万日ものグルコース測定値を含み、これらのグルコース測定値は、多くのタイプの正常状態並びに様々な異常状態を表す。
【0007】
類似性モデルは、グルコース測定値のコーパスに基づいて、証拠又はコンテキストデータを与えられた場合の特定のグルコース値を観察する確率を計算するために実装される。複数のシーケンスのうちのグルコース値の特定のシーケンスについての類似性スコアを計算するために、証拠又はコンテキストデータを与えられた場合のそれぞれのユーザグルコース値を観察する確率と、証拠又はコンテキストデータを与えられた場合の特定のシーケンスに含まれる全てのグルコース値を観察する確率との間の差が決定される。特定のシーケンスについての類似性スコアは、決定された差の全ての和に等しい。
【0008】
類似性スコアのうちの最大類似性スコアに関連付けられたグルコース値の特定のシーケンスが識別される。例えば、特定のシーケンスは、複数のシーケンスに含まれるユーザグルコース値のシーケンスに最も類似したシーケンスである。特定のシーケンスに関連付けられた外部性が決定される。一例では、外部性は、特定のシーケンスについて知られているものであり、ユーザグルコース値のシーケンスについて推論可能であり得る。この例では、外部性の指示が、ユーザインターフェースに表示するために生成される。
【0009】
この概要は、以下の発明を実施するための形態で更に記載される概念の選択を簡略化された形態で紹介している。したがって、この概要は、特許請求される主題の本質的な特徴を識別することを意図しておらず、特許請求される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。
【図面の簡単な説明】
【0010】
詳細な説明は、添付の図を参照して記載されている。
【図1】本明細書に記載の技法を用いるように動作可能な例示的な実装態様における環境の図示である。
【図3】グルコース値のシーケンスの類似性を決定することに関連して、計算デバイスが入力データを類似性システムに通信し、計算デバイスが類似シーケンスデータを類似性システムから受信する例示的な実装態様を示す。
【図5】グルコース値のシーケンスの類似性を決定する表現を示す。
【図6】ユーザグルコース値のシーケンスに基づく検索要求及びグルコース値の類似シーケンスの指示の表現を示す。
【図7】検索クエリとして使用するためのグルコース値の少なくとも１つのシーケンスを受信し、検索クエリに対する検索結果として決定されたグルコース値の１つ以上の類似シーケンスを出力するユーザインターフェースの表現を示す。
【図8】反事実的指示を含む外部性の指示の表現を示す。
【図9】ユーザグルコース値のシーケンスを記述する入力データが受信され、グルコース値の類似シーケンスに関連付けられた外部性の指示が生成される、例示的な実装態様における手順を示すフロー図である。
【図10】ユーザグルコース値のシーケンスを記述する入力データが受信され、最も高い類似スコアを有するグルコース値のシーケンスに関連付けられた外部性の指示が生成される、例示的な実装態様における手順を示すフロー図である。
【図11】候補シーケンスについての類似性スコアが決定され、類似性閾値スコアと比較される例示的な実装態様における手順を示すフロー図である。
【図12】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及び／又はデバイスを表現する例示的な計算デバイスを含む、例示的なシステムを示す。
【発明を実施するための形態】
【0011】
概要
従来の持続グルコースモニタリング（ＣＧＭ）システムは、平均、最小、最大などのグルコース値のシーケンスから集約メトリックを決定することに限定されている。集約ＣＧＭメトリックはグルコース値の連続的な特性に含まれる情報を利用しないため、これは従来のシステムの限界となる。例えば、グルコース値のシーケンスを、後続の値が前の値に依存する時系列とみなす代わりに、集約メトリックは、グルコース値のシーケンスに含まれるそれぞれのグルコース値を独立した観察結果として扱う。このため、第１のシーケンス及び第２のシーケンスが同じ集約メトリック値を有する場合であっても、第２のシーケンスに関する利用可能な情報から第１のシーケンスに関する情報を確実に推測することはできない。例えば、第１のシーケンス及び第２のシーケンスは、同じ最小値又は最大値を有するが、他の値は共通しない。従来のシステムの限界を克服するために、グルコース値のシーケンスの類似性を決定するための技法及びシステムが説明される。一例では、説明されるシステムは、グルコース値のシーケンスの連続的な特性に含まれる情報を利用して類似性を決定する。
従来の持続グルコースモニタリング（ＣＧＭ）システムは、平均、最小、最大などのグルコース値のシーケンスから集約メトリックを決定することに限定されている。集約ＣＧＭメトリックはグルコース値の連続的な特性に含まれる情報を利用しないため、これは従来のシステムの限界となる。例えば、グルコース値のシーケンスを、後続の値が前の値に依存する時系列とみなす代わりに、集約メトリックは、グルコース値のシーケンスに含まれるそれぞれのグルコース値を独立した観察結果として扱う。このため、第１のシーケンス及び第２のシーケンスが同じ集約メトリック値を有する場合であっても、第２のシーケンスに関する利用可能な情報から第１のシーケンスに関する情報を確実に推測することはできない。例えば、第１のシーケンス及び第２のシーケンスは、同じ最小値又は最大値を有するが、他の値は共通しない。従来のシステムの限界を克服するために、グルコース値のシーケンスの類似性を決定するための技法及びシステムが説明される。一例では、説明されるシステムは、グルコース値のシーケンスの連続的な特性に含まれる情報を利用して類似性を決定する。
【0012】
グルコース値のシーケンスがグルコース値の追加のシーケンスと類似していると決定されると、グルコース値の当該シーケンスに関する情報は、グルコース値の追加のシーケンスに関する情報から推測可能である。例えば、グルコース値の追加のシーケンスに対応する期間中に有益であった介入は、グルコース値の当該シーケンスに対応する期間中にも有益であり得る。例えば、ユーザは、グルコース値の追加のシーケンスに対応する期間中にユーザの血糖値を許容可能な範囲内に保つためにランニングを完了した。この例では、同様のランニングを完了することが、グルコース値のシーケンスに対応する期間中に、ユーザの血糖値を許容可能な範囲内に維持するのに役立ち得る。
【0013】
同様に、グルコース値の追加のシーケンスに対応する期間中に有益でなかった介入は、当該のグルコース値のシーケンスに対応する期間中にも有益でない可能性がある。一例では、ユーザは、グルコース値の追加のシーケンスに対応する期間中に、ランニングを完了したが、ユーザの血糖値を許容可能な範囲内に保つことができなかった。例えば、同様のランニングを完了することは、グルコース値の当該のシーケンスに対応する期間中に、ユーザの血糖値を許容可能な範囲内に維持するのに十分ではない可能性がある。
【0014】
一例では、グルコース値のシーケンスの類似性を決定するために、ＣＧＭシステムによって測定されたユーザグルコース値のシーケンスを記述する入力データが受信される。この例では、類似性モデルは、ユーザグルコース値のシーケンスとグルコース値の追加又は履歴シーケンスとの間の類似性スコアを計算するために実装される。類似性スコアは、証拠又はコンテキストデータを与えられた場合のユーザグルコース値のシーケンスに含まれる入力グルコース値を観察する確率と、証拠又はコンテキストデータを与えられた場合の履歴グルコース値のシーケンスに含まれる履歴グルコース値を観察する確率との間の差に基づいて計算される。例えば、証拠又はコンテキストデータは、入力グルコース値及び履歴グルコース値の前及び／又は後のグルコース値を順次記述する。
【0015】
一例では、類似性スコアのうちの最も高い類似性スコアに関連付けられた、履歴グルコース値の特定のシーケンスが識別される。この例では、ユーザグルコース値のシーケンスについての情報は、２つのシーケンスの類似性により、特定の履歴シーケンスについて利用可能な情報から推測可能である。例えば、特定の履歴シーケンスに関連付けられた外部性が決定される。外部性は、特定の履歴シーケンスについて知られている何かであり、履歴シーケンスに対応する期間中に有益であった介入など、ユーザグルコース値のシーケンスについて推論可能であり得る。例えば、有益な介入についてユーザに通知するために、ユーザインターフェースに表示するための外部性の指示が生成される。この機能は、グルコース値のシーケンスから集約メトリックを決定することに限定される従来のシステムを使用しては不可能である。
【0016】
説明されるシステムはグルコース値のシーケンスの類似性を決定することができるので、これらのシステムは、従来のシステムを使用しては不可能である様々な追加の機能の実装を促進する。例えば、説明されるシステムは、自動糖尿病コーチング、自動テクニカルサポート、グルコース値の類似シーケンスに対応するイベントの自動リンキングなどに使用可能である。ユーザが計算デバイスのユーザインターフェースと対話して、ユーザのグルコース値の入力シーケンスに類似したユーザのグルコース値のシーケンスを検索する例を検討する。ユーザのグルコース値の履歴シーケンスが、ユーザのグルコース値の入力シーケンスに対して最も高い類似性スコアを有するものとして識別され、履歴シーケンスの指示がユーザインターフェースに表示される。例えば、指示には、ユーザの健康な血糖値の維持をサポートするために、ユーザのグルコース値の入力シーケンスについて推測可能な履歴シーケンスの情報が含まれる。
【0017】
以下の説明では、最初に、本明細書に記載の技法を用いるように構成される例示的な環境を説明する。次いで、例示的な環境及び他の環境で実行され得る例示的な実装態様の詳細及び手順が記載される。例示的な手順の実行は、例示的な環境に限定されず、例示的な環境は、例示的な手順の実行に限定されない。
【0018】
例示的な環境
図１は、本明細書に記載の技法を用いるように動作可能な例示的な実装態様における環境１００の図示である。図示された環境１００は、持続グルコースモニタリングシステム１０４、インスリン送達システム１０６、及び計算デバイス１０８を装着しているように示されている人物１０２を含む。図示された環境１００はまた、ＣＧＭシステムのユーザ集団１１０の他のユーザ、ＣＧＭプラットフォーム１１２、及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、ユーザ集団１１０、ＣＧＭプラットフォーム１１２、及びＩｏＴ１１４は、ネットワーク１１６を介することを含めて、通信可能に結合されている。
図１は、本明細書に記載の技法を用いるように動作可能な例示的な実装態様における環境１００の図示である。図示された環境１００は、持続グルコースモニタリングシステム１０４、インスリン送達システム１０６、及び計算デバイス１０８を装着しているように示されている人物１０２を含む。図示された環境１００はまた、ＣＧＭシステムのユーザ集団１１０の他のユーザ、ＣＧＭプラットフォーム１１２、及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、ユーザ集団１１０、ＣＧＭプラットフォーム１１２、及びＩｏＴ１１４は、ネットワーク１１６を介することを含めて、通信可能に結合されている。
【0019】
代替的又は追加的に、ＣＧＭシステム１０４、インスリン送達システム１０６、及び計算デバイス１０８のうちの１つ以上は、１つ以上の無線通信プロトコル及び／又は技法を使用するなど、他の方式で通信可能に結合されている。例として、ＣＧＭシステム１０４、インスリン送達システム１０６、及び計算デバイス１０８は、Ｂｌｕｅｔｏｏｔｈ（例えば、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙリンク）、近距離無線通信（near-field communication、ＮＦＣ）、５Ｇなどのうちの１つ以上を使用して互いに通信するように構成される。いくつかの例では、ＣＧＭシステム１０４、インスリン送達システム１０６、及び／又は計算デバイス１０８は、無線周波数（radio frequency、ＲＦ）通信が可能であり、ＲＦ送信機及びＲＦ受信機を含む。これらの例では、１つ以上のＲＦＩＤは、環境１００内のＣＧＭシステム１０４、インスリン送達システム１０６、又は計算デバイス１０８の識別及び／又は追跡に使用可能である。例えば、ＣＧＭシステム１０４、インスリン送達システム１０６、及び計算デバイス１０８は、様々なタイプの通信を活用して、互いの間で閉ループシステムを形成するように構成される。
【0020】
記載の技法に従って、ＣＧＭシステム１０４は、人物１０２のグルコースを持続的にモニタリングするように構成される。例えば、いくつかの実装態様では、ＣＧＭシステム１０４は、人物１０２のグルコースを示す分析物を持続的に検出し、グルコース測定値の生成を可能にするＣＧＭセンサで構成される。図示された環境１００では、これらの測定値は、グルコース測定値１１８として表されている。ＣＧＭシステム１０４の構成のこの機能及び更なる態様は、図２に関して以下で更に詳細に説明される。
【0021】
１つ以上の実装態様では、ＣＧＭシステム１０４は、本明細書に記載の通信プロトコルのうちの１つ以上を介して（例えば、無線通信を介して）、グルコース測定値１１８を計算デバイス１０８に送信する。ＣＧＭシステム１０４は、ＣＧＭセンサを使用して、これらの測定値をリアルタイムで（例えば、グルコース測定値１１８が生成されると）通信するように構成される。代替的又は追加的に、ＣＧＭシステム１０４は、指定された間隔で（例えば、３０秒ごと、１分ごと、５分ごと、１時間ごと、６時間ごと、毎日など）グルコース測定値１１８を計算デバイス１０８に通信するように構成される。いくつかの実装態様では、ＣＧＭシステム１０４は、計算デバイス１０８からの要求（例えば、計算デバイス１０８が人物１０２のグルコース測定値予測を生成するときに開始される要求、人物１０２のグルコース測定値に関する情報を伝達するユーザインターフェースを表示するときに開始される要求、それらの組み合わせなど）に応答してグルコース測定値を通信するように構成される。したがって、計算デバイス１０８は、（例えば、図１２に関して以下で更に詳細に説明するように、グルコース測定値１１８をコンピュータ可読記憶媒体に記憶することによって）人物１０２のグルコース測定値１１８を少なくとも一時的に維持するように構成される。
【0022】
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）として図示されているが、記載の技法の趣旨又は範囲から逸脱することなく、様々な構成で実装可能である。限定ではなく例として、いくつかの実施態様では、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、携帯電話又はタブレットデバイス）として構成され得る。他の実装態様では、計算デバイス１０８は、ＣＧＭプラットフォーム１１２と関連する専用デバイス（例えば、ＣＧＭシステム１０４からグルコース測定値１１８を取得し、グルコース測定値１１８に関して様々な計算を実行し、グルコース測定値１１８及びＣＧＭプラットフォーム１１２に関連する情報を表示し、グルコース測定値１１８をＣＧＭプラットフォーム１１２に通信し、それらの組み合わせを行うなどの機能をサポートするデバイス）として構成される。計算デバイス１０８が携帯電話として構成される実装態様とは対照的に、計算デバイス１０８が専用のＣＧＭデバイス構成で実装されている場合、そうでなければ携帯電話又はウェアラブル構成で利用可能な機能（電話をかける機能、画像を撮影する機能、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機能など）を除外する。
【0023】
いくつかの実装態様では、計算デバイス１０８は、２つ以上のデバイスを表す。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）及び携帯電話の両方を代表する。そのような複数のデバイスの実装態様では、複数のデバイスのうちの異なるデバイスは、例えば、ＣＧＭシステム１０４からグルコース測定値１１８を受信すること、ネットワーク１１６を介してグルコース測定値１１８をＣＧＭプラットフォーム１１２に通信すること、グルコース測定値１１８に関連する情報を表示することなどの、同じ動作のうちの少なくともいくつかを実行することができる。代替的又は追加的に、複数のデバイスの実装態様における異なるデバイスは、特定のデバイスへの計算命令によって制限される能力など、互いに対して異なる能力をサポートする。
【0024】
計算デバイス１０８が別個のデバイス（例えば、スマートウォッチ及び携帯電話）を表すいくつかの例示的な実装態様では、１つのデバイスが、人物１０２の様々な生理学的マーカー（例えば、心拍数、呼吸、血流速度など）及び活動（例えば、歩数、高低差など）を測定するための様々なセンサ及び機能で構成される。この例示的な複数デバイスの実装態様を続けると、別のデバイスは、そのようなセンサ若しくは機能で構成されていないか、又は限られた量のかかるセンサ若しくは機能を含む。例えば、複数のデバイスのうちの１つは、将来のグルコースレベルを予測するために使用可能な食事の画像を撮影するためのカメラ、デバイスがグルコース測定値１１８に関して計算を効率的に実行することを可能にする計算リソース（例えば、バッテリ寿命、処理速度など）の量など、複数のデバイスのうちのもう１つによってサポートされていない能力を含む。複数のデバイスのうちの１つ（例えば、スマートフォン）がそのような計算を実行することができるシナリオであっても、計算命令は、複数のデバイスに冗長な計算の負担をかけないように、かつ利用可能なリソースをより効率的に利用するように、それらの計算の実行を複数のデバイスのうちの１つに制限することができる。このようにして、計算デバイス１０８は、本明細書に記載の特定の例示的な実装態様を超えて、様々な異なる構成を表し、かつ異なる数のデバイスを表す。
【0025】
上述のように、計算デバイス１０８は、ＣＧＭプラットフォーム１１２にグルコース測定値１１８を通信する。図示された環境１００では、グルコース測定値１１８は、ＣＧＭプラットフォーム１１２の記憶デバイス１２０に記憶されているように示されている。記憶デバイス１２０は、グルコース測定値１１８を記憶することができる１つ以上のタイプのストレージ（例えば、データベース）を表す。このようにして、記憶デバイス１２０は、グルコース測定値１１８に加えて様々な他のデータを記憶するように構成される。例えば、１つ以上の実装態様によれば、人物１０２は、少なくともＣＧＭプラットフォーム１１２及び１つ以上の他のサービス（例えば、１つ以上の第三者サービスプロバイダによって提供されるサービス）のユーザを表す。このようにして、人物１０２は、個人に帰属する情報（例えば、ユーザ名）と関連付けることができ、個人に帰属する情報を使用して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、バイオメトリックデータ、遠隔医療サービス情報など）を提供するように、ある時点で要求され得る。記憶デバイス１２０は、この個人に帰属する情報、認証情報、及び人物１０２に関する他の情報（例えば、人口統計情報、医療提供者情報、支払情報、処方情報、健康指標、ユーザ選好、ウェアラブルデバイスと関連するアカウント情報、ソーシャルネットワークアカウント情報、他のサービスプロバイダ情報など）を維持するように構成される。
【0026】
記憶デバイス１２０は、ユーザ集団１１０中の他のユーザに関するデータを維持するように更に構成される。したがって、記憶デバイス１２０におけるグルコース測定値１１８は、人物１０２によって装着されたＣＧＭシステム１０４のＣＧＭセンサからのグルコース測定値並びにユーザ集団１１０に表される他の人物によって装着されたＣＧＭシステムのＣＧＭセンサからのグルコース測定値の両方を表す。同様に、ユーザ集団１１０のこれらの他の人物のグルコース測定値１１８は、他の人物がＣＧＭプラットフォーム１１２におけるそれぞれのユーザプロファイルと関連付けられるように、それぞれのデバイスによって、ネットワーク１１６を介してＣＧＭプラットフォーム１１２に通信され得る。
【0027】
データ分析プラットフォーム１２２は、グルコース測定値１１８を、単独で、及び／又は記憶デバイス１２０に維持されている他のデータと共に処理するための機能を表す。これらの処理に基づいて、ＣＧＭプラットフォーム１１２は、グルコース測定値１１８に関する通知（例えば、警告、警報、推奨、又は処理に基づいて生成された他の情報）を提供するように構成される。例えば、ＣＧＭプラットフォーム１１２は、人物１０２、人物１０２と関連する医療サービス提供者、それらの組み合わせなどに通知を提供するように構成される。計算デバイス１０８とは別個に描写されているが、データ分析プラットフォーム１２２の部分又は全体が、計算デバイス１０８で実装されるように代替的又は追加的に構成される。データ分析プラットフォーム１２２は、ＩｏＴ１１４を介して取得された追加データを処理するように更に構成される。
【0028】
以前のグルコース測定値を超えるこの追加情報のいくつかを提供するために、ＩｏＴ１１４は、人物１０２及び１つ以上のサービスプロバイダのユーザとしての人物１０２の活動及び現実世界での活動を記載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。例として、ＩｏＴ１１４には、ユーザの様々なデバイス（例えば、カメラ、携帯電話、ラップトップ、運動器具など）が含まれる。このように、ＩｏＴ１１４は、ユーザの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するように構成される。代替的又は追加的に、ＩｏＴ１１４は、例えば、歩数、地面に当たる足の力、歩幅、ユーザの体温（及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、行動を記載する情報を提供するセンサで構成される様々な現実世界の物品（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。代替的又は追加的に、ＩｏＴ１１４は、データ分析プラットフォーム１２２によって活用され得る、人物１０２の運動及び栄養摂取を追跡するプラットフォームである、医療データ及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、人物１０２の医療提供者）及び製造業者（例えば、ＣＧＭシステム１０４、インスリン送達システム１０６、又は計算デバイス１０８の製造業者）などのＣＧＭプラットフォーム１１２に対する第三者を含む。したがって、ＩｏＴ１１４は、記載の技法の趣旨又は範囲から逸脱することなく、豊富なデータを提供することができるデバイス及びセンサを表す。グルコースを、例えば、持続的に測定し、そのような測定値を記載するデータを取得する文脈において、図２の以下の説明を検討する。
【0029】
【0030】
ＣＧＭシステム１０４は、センサ２０２及びセンサモジュール２０４を含むように図示されている。図示された例２００では、センサ２０２は、側面図で示されており、皮膚２０６（例えば、人物１０２の皮膚）に皮下挿入されている。センサモジュール２０４は、上面図で破線の輪郭として示されている。ＣＧＭシステム１０４は、送信機２０８を含むように更に図示されている。センサモジュール２０４を表す長方形の破線の輪郭を使用して、センサモジュール２０４が送信機２０８のハウジング内に収容されるか、又はそうでなければ実装され得ることを示す。この例２００では、ＣＧＭシステム１０４は、接着パッド２１０及び取り付け機構２１２を更に含む。
【0031】
動作中、センサ２０２、接着パッド２１０、及び取り付け機構２１２は、アプリケーションアセンブリを形成するように組み立てられ得、アプリケーションアセンブリは、描写さ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、取り付け機構２１２などを介して皮膚２０６に適用された後、アセンブリに取り付けられ得る。追加的又は代替的に、送信機２０８は、アプリケーションアセンブリの一部として組み込まれ得、そのため、センサ２０２、接着パッド２１０、取り付け機構２１２、及び送信機２０８（センサモジュール２０４を有する）は、全て一度に皮膚２０６に適用することができる。１つ以上の実装態様では、アプリケーションアセンブリは、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。このアプリケーションアセンブリは、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。このようにして、図２に示されているＣＧＭシステム１０４及びその様々な構成要素は、一例のフォームファクタを表し、ＣＧＭシステム１０４及びその構成要素は、記載の技法の趣旨又は範囲から逸脱することなく、異なるフォームファクタを有し得る。
【0032】
動作中、センサ２０２は、「無線」接続又は「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、又はセンサモジュール２０４からセンサ２０２への通信は、能動的又は受動的に実装することができ、連続的（例えば、アナログ）又は離散的（例えば、デジタル）であり得る。
【0033】
センサ２０２は、デバイス、分子、及び／又は化学物質であり得、センサ２０２とは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、又は変化を引き起こす。センサモジュール２０４は、センサ２０２への変化又はセンサ２０２によって引き起こされた変化の指示を受信するように実装されている。例えば、センサ２０２は、グルコース及び酸素と反応して、センサモジュール２０４の電極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グルコース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つ以上の測定技法を使用してグルコースレベルを示す、血液又は間質液中の分析物を検出するように構成されたグルコースセンサとして構成され得るか、又はグルコースセンサを含み得る。
【0034】
別の例では、センサ２０２（又はＣＧＭシステム１０４の追加の図示されていないセンサ）は、第１及び第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及び第２の導電体を横切る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及びセンサ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る。いくつかの例では、センサモジュール２０４及びセンサ２０２は、単一の分析物、例えば、グルコースを検出するように構成される。他の例では、センサモジュール２０４及びセンサ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、及びグルコースを検出するように構成される。代替的又は追加的に、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、グルコース、及びインスリン）だけでなく、１つ以上の環境条件（例えば、温度）も検出するための複数のセンサを含む。したがって、センサモジュール２０４及びセンサ２０２（及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、及び／又は１つ以上の環境条件の変化を検出し得る。
【0035】
１つ以上の実装態様では、図２の図示された例では示されていないが、センサモジュール２０４は、プロセッサ及びメモリを含み得る。そのようなプロセッサを活用することによって、センサモジュール２０４は、１つ以上の変化（例えば、分析物の変化、環境条件の変化など）を示すセンサ２０２との通信に基づいてグルコース測定値１１８を生成し得る。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を生成するように更に構成される。ＣＧＭデバイスデータ２１４は、少なくとも１つのグルコース測定値１１８を含むデータの通信可能なパッケージである。代替的又は追加的に、ＣＧＭデバイスデータ２１４は、複数のグルコース測定値１１８、センサ識別２１６、センサ状態２１８などの他のデータを含む。１つ以上の実装態様では、ＣＧＭデバイスデータ２１４は、グルコース測定値１１８に対応する温度、及び他の分析物の測定値のうちの１つ以上などの他の情報を含んでもよい。このようにして、ＣＧＭデバイスデータ２１４は、記載の技法の趣旨又は範囲から逸脱することなく、少なくとも１つのグルコース測定値１１８に加えて、様々なデータを含み得る。
【0036】
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に無線で伝送してもよい。代替的又は追加的に、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を後で様々な間隔、例えば、時間間隔（１秒ごと、３０秒ごと、１分ごと、５分ごと、１時間ごとなど）、記憶間隔（バッファされたＣＧＭデバイスデータ２１４が、データの閾値量、又はＣＧＭデバイスデータ２１４の複数のインスタンスに達したとき）、それらの組み合わせなどで、送信させ得る。
【0037】
ＣＧＭデバイスデータ２１４を生成し、かつ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、１つ以上の実装態様による追加機能を実行するように構成される。センサモジュール２０４のこの追加機能はまた、センサ２０２を、最初に又は持続的に較正すること、並びにＣＧＭシステム１０４の任意の他のセンサを較正することを含んでもよい。センサモジュール２０４のこの計算能力は、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、又は存在しない場合に特に有利である。
【0038】
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、以前又は以後に皮膚２０６に埋め込まれた他のセンサなど）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得る。このようにして、センサ２０２と同様の様式で製造、包装、及び／又は出荷されたセンサについて検出された様々な問題は、異なる方式で（例えば、グルコース測定値１１８を較正し、欠陥のあるセンサをユーザに変更又は処分するように通知し、機械加工の問題を製造施設に通知するなど）識別及び使用され得る。
【0039】
センサ状態２１８は、所与の時点におけるセンサ２０２の状態、例えば、グルコース測定値１１８のうちの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、センサ状態２１８は、グルコース測定値１１８の各々に対するエントリを含み得、グルコース測定値１１８とセンサ状態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。一般に、センサ状態２１８は、センサ２０２の動作状態を記載する。１つ以上の実装態様では、センサモジュール２０４は、所与のグルコース測定値１１８に対するいくつかの所定の動作状態のうちの１つを識別し得る。識別された動作状態は、センサ２０２からの通信及び／又はそれらの通信の特性に基づき得る。
【0040】
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及び基礎を有するルックアップテーブルを（例えば、メモリ又は他のストレージに）含み得る。例えば、所定の状態は、「通常の」動作状態を含み得、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、通常の動作を示す閾値内（例えば、予想される時間の閾値内、予想される信号強度の閾値内、環境温度が予想どおりに動作を継続するのに好適な温度の閾値内にある場合、それらの組み合わせなど）に収まることであり得る。所定の状態はまた、センサ２０２の通信の特性のうちの１つ以上が通常の活動の範囲外であることを示し、グルコース測定値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み得る。
【0041】
例えば、これらの非通常動作状態の基礎は、閾値予想時間外でセンサ２０２からの通信を受信すること、予想信号強度の閾値外でセンサ２０２の信号強度を検出すること、予想どおりに動作を継続するための好適な温度外の環境温度を検出すること、人物１０２がＣＧＭシステム１０４に対して向きを変えたこと（例えば、ベッドで寝返りを打ったこと）を検出することなどを含み得る。センサ状態２１８は、本明細書に記載の技法の趣旨又は範囲から逸脱することなく、センサ２０２及びＣＧＭシステム１０４に関する様々な態様を示し得る。
【0042】
例示的な環境及び例示的なＣＧＭシステムを検討してきたが、ここで、１つ以上の実装態様によるグルコース値のシーケンスの類似性を決定する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。
【0043】
グルコース値のシーケンスの類似性の決定
図３は、グルコース値のシーケンスの類似性を決定することに関連して、計算デバイスが入力データを類似性システムに通信し、計算デバイスが類似シーケンスデータを類似性システムから受信する例３００の実装態様を示す。
図３は、グルコース値のシーケンスの類似性を決定することに関連して、計算デバイスが入力データを類似性システムに通信し、計算デバイスが類似シーケンスデータを類似性システムから受信する例３００の実装態様を示す。
【0044】
図示された例３００は、ＣＧＭシステム１０４と、図１に関して導入された計算デバイス１０８の例と、を含む。図示された例３００はまた、データ分析プラットフォーム１２２と、上記のように、グルコース測定値１１８を記憶する記憶デバイス１２０と、を含む。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に送信するものとして示されている。図２に関して説明したように、ＣＧＭデバイスデータ２１４は、他のデータと共にグルコース測定値１１８を含む。ＣＧＭシステム１０４は、様々な方式でＣＧＭデバイスデータ２１４を計算デバイス１０８に送信するように構成される。
【0045】
図示された例３００はまた、ＣＧＭパッケージ３０２を含む。ＣＧＭパッケージ３０２は、ＣＧＭデバイスデータ２１４（例えば、グルコース測定値１１８、センサ識別２１６、及びセンサ状態２１８）、入力データ３０４、又はそれらの部分を含むデータを表す。入力データ３０４は、一例ではグルコース測定値１１８から抽出されるユーザグルコース値のシーケンス３０６を記述する。例えば、人物１０２は、計算デバイス１０８と対話して、入力データ３０４を指定する。別の例では、計算デバイス１０８は、ユーザグルコース値３０６のシーケンスを記述する入力データ３０４を自動的に生成する。図示のように、ＣＧＭパッケージ３０２（入力データ３０４を含む）は、記憶デバイス１２０に記憶され、データ分析プラットフォーム１２２に利用可能である。
【0046】
例３００において、データ分析プラットフォーム１２２は、ユーザグルコース値３０６のシーケンスを有し、受信し、及び／又は送信するものとして示されている。データ分析プラットフォーム１２２はまた、グルコース値の複数のシーケンスを記述するシーケンスデータ３０８を有し、受信し、かつ／又は送信するものとして示されている。例えば、シーケンスデータ３０８は、ユーザ集団１１０に関連付けられたグルコース値のシーケンスを記述する。別の例では、シーケンスデータ３０８は、人物１０２に関連付けられたグルコース値のシーケンスを記述する。いくつかの例では、シーケンスデータ３０８は、ユーザ集団１１０に関連付けられたグルコース値のシーケンス、並びに人物１０２に関連付けられたグルコース値のシーケンスを記述する。
【0047】
データ分析プラットフォーム１２２は、ユーザグルコース値のシーケンス３０６及びシーケンスデータ３０８を処理して類似シーケンスデータ３１２を生成する類似性システム３１０を含むように示されている。そうするために、類似性システム３１０は、類似性モデルを生成するか、又は類似性モデルにアクセスする。類似性システム３１０が類似性モデルを生成する例では、類似性システム３１０は、離散ランダム変数（例えば、３９～４０１の離散値の範囲を有するグルコース変数）を定義し、グルコース測定値１１８のコーパスからの観察結果に基づいて離散ランダム変数のカテゴリ分布を構築する。例えば、コーパスは、数百万日のグルコース測定値１１８を含む。この例では、コーパスに含まれるグルコース測定値１１８は、多くのタイプの正常状態並びに全ての既知のタイプの異常状態を表す。
【0048】
第１の例では、コーパスは、ユーザ集団１１０のグルコース測定値１１８のみを含む。第２の例では、コーパスは、人物１０２のグルコース測定値１１８のみを含む。第３の例では、コーパスは、ユーザ集団１１０のグルコース測定値１１８並びに人物１０２のグルコース測定値１１８を含む。コーパスがどのように埋められるかにかかわらず、類似性システム３１０は、コーパスに含まれるデータから離散ランダム変数のカテゴリ分布を構築して、類似性モデルを生成する。
【0049】
類似性モデルが生成又はアクセスされると、類似性システム３１０は、特定のグルコース値及びコンテキストデータ又は証拠を入力として受信するように、モデルを実装する。類似性モデルは、グルコース測定値１１８のコーパスからの観察結果に基づいて、コンテキストデータ又は証拠を与えられた場合の特定のグルコース値を観察する確率を出力するように構成される。一例では、コンテキストデータ又は証拠を与えられた場合のグルコース値の観察されたカテゴリ分布は、コンテキストデータ又は証拠を与えられた場合のグルコース値の事後分布である。この例では、コンテキストデータ又は証拠を与えられた場合の第１のグルコース値と第２のグルコース値との間の距離又は類似性は、コンテキストデータ又は証拠を用いた第１のグルコース値を観察する確率と、コンテキストデータ又は証拠を用いた第２のグルコース値を観察する確率との間の差である。同様に、コンテキストデータ又は証拠を与えられた場合のグルコース値の第１のシーケンスとグルコース値の第２のシーケンスとの間の距離又は類似性は、コンテキストデータ又は証拠を与えられた場合の第１のシーケンスに含まれるそれぞれのグルコース値と第２のシーケンスに含まれる全てのグルコース値とを観察する確率間の差の和として表すことができる。
【0050】
類似性システム３１０は、類似性モデルを使用して、ユーザグルコース値３０６のシーケンス及びシーケンスデータ３０８を処理する。例えば、類似性システム３１０は、ユーザグルコース値３０６のシーケンスに最も類似した、シーケンスデータ３０８によって記述されるグルコース値の特定のシーケンスを識別する。この例では、類似性システム３１０は、特定のシーケンスを記述するものとして類似シーケンスデータ３１２を生成する。データ分析プラットフォーム１２２は、例えば、ネットワーク１１６を介して、類似シーケンスデータ３１２を計算デバイス１０８に通信する。
【0051】
一例では、類似性システム３１０はまた、特定のシーケンスに関連付けられた外部性を決定する。この例では、外部性は、特定のシーケンスについて知られているか又は推定されており、また、ユーザグルコース値３０６のシーケンスについて推論可能である何かである。いくつかの例では、外部性は、特定のシーケンスに含まれるデータから決定可能であるが、他の例では、外部性は、特定のシーケンス自体から決定可能ではない。例えば、外部性は、発生したイベント又は発生しなかったイベント（例えば、回避されたイベント）であり得る。例では、外部性は、正常状態、消費された食事、身体活動、センサ識別２１６、センサ状態２１８、ＣＧＭシステム１０４の修正、通知、警告などである。
【0052】
外部性が有害事象に関連する例を検討する。例えば、特定のシーケンスは、有害事象を経験した、又は有害事象を経験することを回避した個人のグルコース測定値１１８からのグルコース値を含む。特定のシーケンスとユーザグルコース値３０６のシーケンスとの間の高度な類似性のため、人物１０２はまた、有害事象を経験し得るか、又は有害事象を経験することを回避し得る。
【0053】
外部性が介入に関連する例を検討する。この例では、介入は、有害事象の結果として発生した介入、有害事象が発生するのを防止した介入など、有害事象に関するものであり得る。それに応じて、類似性システム３１０は、外部性の指示３１４を生成する。
【0054】
指示３１４は、一例では、人物１０２に外部性を示すために生成される。例えば、類似性システム３１０は、クエリに応答して指示３１４を生成する。いくつかの例では、指示３１４は、身体活動が人物１０２の将来のグルコース測定値１１８にどのように影響を与える可能性が高いかを示す予測などの反事実的予測である。
【0055】
類似性システム３１０は、様々な異なる方法で外部性を決定する。例えば、外部性は、特定のシーケンスに関連付けられたメタデータ内に記述され、類似性システム３１０は、メタデータを処理することによって外部性を決定する。この例では、シーケンスデータ３０８によって記述されるグルコース値のシーケンスは、関連付けられた外部性でタグ付けされ、類似性システム３１０は、これらのタグ付けされた外部性に基づいて指示を生成する。
【0056】
図示のように、計算デバイス１０８は、類似シーケンスデータ３１２及び指示３１４を受信する。例えば、計算デバイス１０８は、類似シーケンスデータ３１２を処理して、特定のシーケンスの指示を生成する。この例では、計算デバイス１０８は、特定のシーケンスを要求するユーザクエリに応答して、ユーザインターフェースに特定のシーケンスの指示をレンダリングする。いくつかの例では、計算デバイス１０８は、人物１０２に外部性を伝達するために、同様にユーザインターフェースに指示３１４をレンダリングする。
【0057】
図４は、図３の類似性システム３１０の例４００の実装態様をより詳細に示す。類似性システム３１０は、比較マネージャ４０２及び指示マネージャ４０４を含むように示されている。図示のように、比較マネージャ４０２は、入力データ３０４及びシーケンスデータ３０８を入力として受信する。この例では、入力データ３０４はグルコース測定値１１８に含まれるが、他の例では、入力データ３０４はグルコース測定値１１８に含まれない。比較マネージャ４０２は、入力データ３０４及びシーケンスデータ３０８を処理して、類似性スコア４０６を生成する。例えば、類似性モデルは、比較マネージャ４０２に利用可能であるか、又は比較マネージャ４０２に含まれており、比較マネージャ４０２は、類似性モデルを活用して類似性スコア４０６を生成する。
【0058】
そうするために、一例では、比較マネージャ４０２は、コンテキストデータ又は証拠を与えられた場合のユーザグルコース値３０６のシーケンスに含まれるグルコース値を観察する確率を決定する。比較マネージャ４０２はまた、コンテキストデータ又は証拠を前提としたシーケンスデータ３０８に含まれるグルコース値の特定のシーケンス内のそれぞれのグルコース値を観察する確率を決定する。次いで、比較マネージャ４０２は、ユーザグルコース値３０６のシーケンス内のグルコース値を観察する確率と、コンテキストデータ又は証拠を与えられた場合の特定のシーケンスに含まれるグルコース値を観察する確率のそれぞれとの間の差を計算する。次いで、比較マネージャ４０２は、比較マネージャ４０２が、ユーザグルコース値３０６のシーケンスに含まれるそれぞれのグルコース値を観察する確率と、コンテキストデータ又は証拠を与えられた場合の特定のシーケンスに含まれる全てのグルコース値を観察する確率との間の差を計算するまで、ユーザグルコース値３０６のシーケンスに含まれる別のグルコース値に対してこのプロセスを繰り返す。比較マネージャ４０２は、確率の差の全ての和として、特定のシーケンスについての類似性スコアを決定する。
【0059】
特定のシーケンスについての類似性スコアは、特定のシーケンスとユーザグルコース値３０６のシーケンスとの間の距離又は類似性を表す。例えば、比較マネージャ４０２は、より高い類似性スコアがより高い類似性に対応し、より低い類似性スコアがより低い類似性に対応するように、確率の差の和の逆数を計算する。比較マネージャ４０２は、特定のシーケンスについての類似性スコア並びにシーケンスデータ３０８によって記述されるグルコース値のそれぞれのシーケンスについての類似性スコアを含むものとして、類似性スコア４０６を生成する。
【0060】
いくつかの例では、比較マネージャ４０２は、ユーザグルコース値３０６のシーケンスに含まれるそれぞれのグルコース値を特定のシーケンスに含まれる全てのグルコース値と比較する代わりに、又はそれに加えて、ユーザグルコース値のサブシーケンスを特定のシーケンスのサブシーケンスと比較する。例えば、比較マネージャ４０２は、まず、ユーザグルコース値３０６のシーケンスと特定のシーケンスとの間の距離又は類似性を近似するために、ユーザグルコース値のサブシーケンスを特定のシーケンスに含まれるグルコース値のサブシーケンスと比較する。この近似に基づいて、比較マネージャ４０２は、グルコース値を比較するか否かを決定する。一例では、比較マネージャ４０２は、ユーザグルコース値のサブシーケンスと特定のシーケンスに含まれるグルコース値のサブシーケンスとの比較に基づいて、特定のシーケンスについての類似性スコアを生成する。
【0061】
図示のように、指示マネージャ４０４は、類似性スコア４０６を受信し、指示マネージャ４０４は、類似性スコア４０６を比較して最も高い類似性スコアを決定する。指示マネージャ４０４は、この例では最も高い類似性スコアに対応するグルコース値のシーケンスを識別する。例えば、特定のシーケンスは、類似性スコア４０６に含まれる最も高い類似性スコアに関連付けられる。この例では、指示マネージャ４０４は、特定のシーケンスを記述するものとして類似シーケンスデータ３１２を生成する。
【0062】
指示マネージャ４０４は、外部性モジュール４０８を含むように示されており、指示マネージャ４０４は、特定のシーケンスに関連付けられた外部性を決定するために外部性モジュール４０８を実装する。例えば、特定のシーケンスは、外部性を記述するメタデータを有し、外部性モジュール４０８は、メタデータを処理して外部性を決定する。前述したように、外部性は、特定のシーケンスについて知られているか又は推定されており、ユーザグルコース値３０６のシーケンスについても推論可能である何かである。外部性モジュール４０８は、外部性を記述するものとして指示３１４を生成する。
【0063】
図５は、グルコース値のシーケンスの類似性を決定する表現５００を示す。表現５００は、第１のシーケンス５０２及び第２のシーケンス５０４を含む。第１のシーケンス５０２は、第１の時系列としてグルコース値５０６～５４４を含み、第２のシーケンス５０４は、第２の時系列としてグルコース値５４６～５８４を含む。類似性システム３１０が第１のシーケンス５０２と第２のシーケンス５０４との間の距離又は類似性を決定する例を検討する。例えば、類似性システム３１０は、類似性モデルを活用して、証拠又はコンテキストデータを与えられた場合のグルコース値５０６～５４４のそれぞれを観察する確率と、証拠又はコンテキストデータを与えられた場合のグルコース値５４６～５８４の全てを観察する確率との間の差を決定する。
【0064】
グルコース値５０６～５４４のうちの特定の１つに対する証拠又はコンテキストデータは、グルコース値５０６～５４４のうちの特定の１つの周囲の局所構造を順次参照する。第１の例では、グルコース値５２４の証拠又はコンテキストデータは、グルコース値５２２及びグルコース値５２６を含む。したがって、類似性システム３１０は、類似性モデルを使用して、グルコース値５２２及びグルコース値５２６の観察結果を与えられた場合のグルコース値５２４を観察する確率を決定する。一例では、類似性システム３１０は、次いで、この確率と、証拠又はコンテキストデータを与えられた場合のグルコース値５４６～５８４を観察する確率との間の差を決定する。
【0065】
例えば、類似性システム３１０は、類似性モデルを使用して、グルコース値５２２、５２６の観察結果を与えられた場合のグルコース値５４６を観察する確率を決定し、この確率を、グルコース値５２２、５２６の観察結果を与えられた場合のグルコース値５２４を観察する確率から差し引く。この例では、類似性システム３１０は、次いで、グルコース値５２２、５２６の観察結果を与えられた場合のグルコース値５４８を観察する確率を決定し、この確率を、グルコース値５２２、５２６の観察結果を与えられた場合のグルコース値５２４を観察する確率から差し引く。この例を続けると、類似性システム３１０は、次に、グルコース値５２２、５２６の観察結果を与えられた場合のグルコース値５５０を観察する確率を決定し、この確率を、グルコース値５２２、５２６の観察結果を与えられた場合のグルコース値５２４を観察する確率から差し引く。類似性システム３１０は、この例ではグルコース値５５２～５８４の全てについてこのプロセスを繰り返し、次いで、グルコース値５０６～５４４のそれぞれについてこのプロセスを繰り返す。
【0066】
例えば、類似性システム３１０は、グルコース値５２４及びグルコース値５２８の観察結果を与えられた場合のグルコース値５２６を観察する確率を決定する。類似性システム３１０は、次いで、グルコース値５２４、５２８の観察結果を与えられた場合のグルコース値５４６を観察する確率を決定し、この確率を、グルコース値５２４、５２８の観察結果を与えられた場合のグルコース値５２６を観察する確率から差し引く。この例を続けると、類似性システム３１０は、グルコース値５２４、５２８の観察結果を与えられた場合のグルコース値５４８を観察する確率を決定し、この確率を、グルコース値５２４、５２８の観察結果を与えられた場合のグルコース値５２６を観察する確率から差し引く。この例では、類似性システム３１０は、グルコース値５２４、５２８の観察結果を与えられた場合のグルコース値５５０を観察する確率を決定し、この確率を、グルコース値５２４、５２８の観察結果を与えられた場合のグルコース値５２６を観察する確率から差し引く。類似性システム３１０は、グルコース値５５２～５８４の全てに対してこのプロセスを繰り返す。例えば、類似性システムは、第２のシーケンス５０４についての類似性スコアとして、これらの差の全てを合計する。
【0067】
別の例では、類似性システム３１０は、グルコース値５０６～５４４のうちの特定の１つに対する証拠又はコンテキストデータを、グルコース値のうちの特定の１つの前後の複数のグルコース値を含むものとして定義する。例えば、類似性システム３１０は、グルコース値５２０、５２２、５２６、５２８の観察結果を与えられた場合のグルコース値５２４を観察する確率を決定する。この例では、類似性システム３１０は、グルコース値５２０、５２２、５２６、５２８の観察結果を与えられた場合のグルコース値５４６を観察する確率を決定し、この確率を、グルコース値５２０、５２２、５２６、５２８の観察結果を与えられた場合のグルコース値５２４を観察する確率から差し引く。類似性システム３１０は、グルコース値５４８～５８４のそれぞれに対してこのプロセスを繰り返す。
【0068】
例えば、類似性システム３１０は、グルコース値５０６～５４４のうちの特定の１つに対する証拠又はコンテキストデータを、グルコース値のうちの特定の１つの前の３つのグルコース値及び後の３つのグルコース値として定義する。一例では、類似性システム３１０は、グルコース値５０６～５４４のうちの特定の１つに対する証拠又はコンテキストデータを、グルコース値のうちの特定の１つの前の４つのグルコース値及び後の４つのグルコース値として定義する。別の例では、類似性システムは、第１のシーケンス５０２のサブシーケンスと第２のシーケンス５０４のサブシーケンスとを比較して、第１のシーケンス５０２と第２のシーケンス５０４との間の距離又は類似性を決定する。この例では、第１のシーケンス５０２は、サブシーケンス５０６～５１４、サブシーケンス５１６～５２４、サブシーケンス５２６～５３４、及びサブシーケンス５３６～５４４を含む。第２のシーケンス５０４は、サブシーケンス５４６～５５４、サブシーケンス５５６～５６４、サブシーケンス５６６～５７４、及びサブシーケンス５７６～５８４を含む。類似性システム３１０は、グルコース値５０６～５４４のそれぞれをグルコース値５４６～５８４の全てと比較するのと同じ又は同様の方法で、第１のシーケンス５０２のサブシーケンスのそれぞれを第２のシーケンス５０４のサブシーケンスのそれぞれと比較する。
【0069】
例えば、類似性システム３１０は、第１のシーケンス５０２と第２のシーケンス５０４との間の距離又は類似性を決定するために、距離ペナルティ行列として３６３行及び３６３列を有する行列を構築する。この例では、行は３９～４０１と番号付けされ、列は３９～４０１と番号付けされている。行、列インデックス３９、３９は０を含み、第１行の残りのインデックスは距離パラメータを含む。インデックス４０、３９は０を含み、インデックス４０、４０は０を含む。行４０の残りのインデックスは、距離パラメータを含む。インデックス４１、３９；４１、４０；及び４１、４１はそれぞれ０を含む。行４１の残りのインデックスは、距離パラメータを含む。距離ペナルティ行列は、完全にゼロで埋められる行４０１まで、このように埋められる。類似性システム３１０は、距離ペナルティ行列を使用して、グルコース値５０６～５４４及びグルコース値５４６～５８４の全ての対の間の距離を計算し、これらの距離の全てを第２のシーケンス５０４についての類似性スコアとして合計する。
【0070】
一例では、類似性システム３１０は、第１のシーケンス５０２と第２のシーケンス５０４との間の距離又は類似性を決定するために必要とされる計算量を低減する。そうするために、類似性システム３１０は、グルコース値５０６～５４４及びグルコース値５４６～５８４の両方に含まれる同一の値の間の０の距離を活用し、また、大きい定数に等しい距離閾値より大きいグルコース値５０６～５４４とグルコース値５４６～５８４との間の距離を設定する。一例では、距離閾値は５０ｍｇ／ｄＬである。他の例では、距離閾値は５０ｍｇ／ｄＬ超又は５０ｍｇ／ｄＬ未満である。このようにして、類似性システム３１０は、第１のシーケンス５０２と第２のシーケンス５０４との間の距離又は類似性を決定するのに必要な計算の量を５０パーセントも低減することができる。別の例では、類似性システム３１０は、サブシーケンス５０６～５１４、５１８～５２４、５２６～５３４、及び５３６～５４４をサブシーケンス５４６～５５４、５５６～５６４、５６６～５７４、及び５７６～５８４と比較することによって、第１のシーケンス５０２と第２のシーケンス５０４との間の距離又は類似性を決定し、計算量を更に５０パーセント低減する。例えば、類似性システム３１０は、サブシーケンス５０６～５１４をサブシーケンス５４６～５５４、５５６～５６４、５６６～５７４、及び５７６～５８４のそれぞれと比較し、類似性システム３１０は、サブシーケンス５１８～５２４をサブシーケンス５４６～５５４、５５６～５６４、５６６～５７４、及び５７６～５８４のそれぞれと比較し、類似性システム３１０は、サブシーケンス５２６～５３４をサブシーケンス５４６～５５４、５５６～５６４、５６６～５７４、及び５７６～５８４のそれぞれと比較し、類似性システム３１０は、サブシーケンス５３６～５４４をサブシーケンス５４６～５５４、５５６～５６４、５６６～５７４、及び５７６～５８４のそれぞれと比較する。
【0071】
例えば、類似性システム３１０は、証拠又はコンテキストデータを与えられた場合のグルコース値５４６～５８４を観察する確率を決定することによって、第１のシーケンス５０２と第２のシーケンス５０４との間の類似性又は距離を決定し得る。この例では、類似性システム３１０は、次いで、証拠又はコンテキストデータを与えられた場合のグルコース値５０６～５４４を観察する確率を決定する。この例を続けると、類似性システム３１０は、次いで、グルコース値５４６～５８４を観察する確率とグルコース値５０６～５４４を観察する確率との間の差を計算し、第２のシーケンス５０４についての類似性スコアとして差を合計する。
【0072】
類似性システム３１０は、グルコース値５６０の観察結果及びグルコース値５６４の観察結果を与えられた場合のグルコース値５６２を観察する確率を決定するために類似性モデルを実装する。類似性システム３１０は、グルコース値５６０、５６４の観察結果を与えられた場合のグルコース値５０６を観察する確率を決定し、この確率を、グルコース値５６０、５６４の観察結果を与えられた場合のグルコース値５６２を観察する確率から差し引く。この例を続けると、類似性システム３１０は、グルコース値５６０、５６４の観察結果を与えられた場合のグルコース値５０８を観察する確率を決定し、この確率を、グルコース値５６０、５６４の観察結果を与えられた場合のグルコース値５６２を観察する確率から差し引く。類似性システム３１０は、グルコース値５１０～５４４のそれぞれに対してこのプロセスを繰り返す。
【0073】
類似性システム３１０は、次いで、グルコース値５６２の観察結果及びグルコース値５６６の観察結果を与えられた場合のグルコース値５６４を観察する確率を決定する。類似性システム３１０は、類似性モデルを活用して、グルコース値５６２、５６６の観察結果を与えられた場合のグルコース値５０６を観察する確率を決定し、この確率を、グルコース値５６２、５６６の観察結果を与えられた場合のグルコース値５６４を観察する確率から差し引く。類似性システム３１０は、次いで、グルコース値５６２、５６６の観察結果を与えられた場合のグルコース値５０８を観察する確率を決定し、この確率を、グルコース値５６２、５６６の観察結果を与えられた場合のグルコース値５６４を観察する確率から差し引く。類似性システム３１０は、グルコース値５１０～５４４のそれぞれに対してこのプロセスを繰り返す。例えば、類似性システム３１０は、証拠又はコンテキストデータを与えられた場合のグルコース値５４６～５８４のそれぞれを観察する確率と、証拠又はコンテキストデータを与えられた場合のグルコース値５０６～５４４の全てを観察する確率との間の差を決定する。これらの差の全ての合計は、この例における第２のシーケンス５０４についての類似性スコアに等しい。
【0074】
第１のシーケンス５０２及び／又は第２のシーケンス５０４に含まれるグルコース値の間にギャップがある例を検討する。この例では、証拠又はコンテキストデータは、グルコース値５０６～５４４及び／又はグルコース値５４６～５８４について不完全であるか、又は利用不可能である。第１の例では、類似性システム３１０は、グルコース値を推定して、不完全又は利用不可能な証拠又はコンテキストデータを完成させる。例えば、第１のシーケンス５０２においてグルコース値５１８とグルコース値５２２との間にグルコース値が含まれない場合、類似性システム３１０は、グルコース値５１８とグルコース値５２２との間を線形補間することによってグルコース値５２０を推定する。
【0075】
一例では、類似性システム３１０は、不完全な又は利用不可能な証拠又はコンテキストデータを完成させる目的でグルコース値５２０を推定するだけである。類似性システム３１０がグルコース値５２０を推定する例では、類似性システム３１０は、グルコース値５１６の観察結果及びグルコース値５２０の観察結果を与えられた場合のグルコース値５１８を観察する確率を決定する。類似性システム３１０は、グルコース値５１６、５２０の観察結果を与えられた場合のグルコース値５１８を観察する確率から、グルコース値５１６、５２０の観察結果を与えられた場合のグルコース値５４６～５８４のそれぞれを観察する確率を差し引く。
【0076】
前の例を続けると、類似性システム３１０はまた、グルコース値５２０の観察結果及びグルコース値５２４の観察結果を与えられた場合のグルコース値５２２を観察する確率を決定する。類似性システム３１０は、次いで、グルコース値５２０、５２４の観察結果を与えられた場合のグルコース値５２２を観察する確率から、グルコース値５２０、５２４の観察結果を与えられた場合のグルコース値５４６～５８４のそれぞれを観察する確率を差し引く。類似性システム３１０は、グルコース値５０６～５１６及び５２４～５４４のそれぞれについてこのプロセスを繰り返し、第２のシーケンス５０４についての類似性スコアとしてこれらの差の全てを合計する。
【0077】
別の例では、類似性システム３１０は、グルコース値５４６～５８４との比較のためにグルコース値５２０を推定する。この例では、類似性システム３１０は、前の例のプロセスを繰り返し、加えて、グルコース値５１８の観察結果及びグルコース値５２２の観察結果を与えられた場合のグルコース値５２０を観察する確率を決定する。例えば、類似性システム３１０は、グルコース値５１８、５２２の観察結果を与えられた場合のグルコース値５２０を観察する確率から、グルコース値５１８、５２２の観察結果を与えられた場合のグルコース値５４６～５８４のそれぞれを観察する確率を差し引く。類似性システム３１０は、次いで、第２のシーケンス５０４についての類似性スコアとしてこれらの差の全てを合計する。
【0078】
一例では、不完全な又は利用不可能な証拠又はコンテキストデータを完成させるためにグルコース値を推定する代わりに、類似性システム３１０は、グルコース値のシーケンスの類似性を決定するために利用可能なあらゆる証拠又はコンテキストデータを活用する。例えば、類似性システム３１０は、証拠又はコンテキストデータを与えられた場合のグルコース値５０６を観察する確率を決定する。この例では、グルコース値５０６は、第１のシーケンス５０２の第１の値であり、グルコース値５０６の前に利用可能なグルコース値はない。例えば、類似性システム３１０は、グルコース値モデルを実装して、グルコース値５０８の観察を与えられた場合のグルコース値５０６を観察する確率を決定する。類似性システム３１０は、次いで、グルコース値５０８の観察結果を与えられた場合のグルコース値５４６を観察する確率を決定し、この確率を、グルコース値５０８の観察結果を与えられた場合のグルコース値５０６を観察する確率から差し引く。類似性システム３１０は、次いで、グルコース値５０８の観察結果を与えられた場合のグルコース値５４８を観察する確率を決定し、この確率を、グルコース値５０８の観察結果を与えられた場合のグルコース値５０６を観察する確率から差し引く。例えば、類似性システム３１０は、グルコース値５５０～５８４のそれぞれに対してこのプロセスを繰り返す。
【0079】
欠落している又は利用不可能なグルコース値
上記で概説したように、第１のシーケンス５０２はグルコース値５０６～５４４の時系列であり、第２のシーケンス５０４はグルコース値５４６～５８４の時系列である。このため、グルコース値５０６～５４４に含まれる任意の特定のグルコース値は、グルコース値５０６～５４４に含まれる他のグルコース値のそれぞれに関連する。同様に、グルコース値５４６～５８４に含まれる任意の特定のグルコース値は、グルコース値５４６～５８４に含まれる他のグルコース値のそれぞれに関連する。
上記で概説したように、第１のシーケンス５０２はグルコース値５０６～５４４の時系列であり、第２のシーケンス５０４はグルコース値５４６～５８４の時系列である。このため、グルコース値５０６～５４４に含まれる任意の特定のグルコース値は、グルコース値５０６～５４４に含まれる他のグルコース値のそれぞれに関連する。同様に、グルコース値５４６～５８４に含まれる任意の特定のグルコース値は、グルコース値５４６～５８４に含まれる他のグルコース値のそれぞれに関連する。
【0080】
しかしながら、グルコース値５０６～５４４及び／又はグルコース値５４６～５８４のうちの１つ以上が欠落している（例えば、人物１０２がセンサ２０２を交換するためにＣＧＭシステム１０４を切断する）又は利用不可能である（例えば、センサ状態２１８が、特定のグルコース測定値１１８が不正確である可能性が高いことを示す）様々な予期されたシナリオ及び予期されないシナリオが存在する。加えて、ユーザグルコース値３０６のシーケンスにおいてグルコース値が欠落している又は利用不可能である様々なシナリオが存在する。例えば、シーケンスデータ３０８は、欠落している／利用不可能なグルコース値を有するユーザ集団１１０に関連付けられたグルコース値のシーケンスを記述する。
【0081】
前述のように、類似性システム３１０は、不完全又は利用不可能な証拠又はコンテキストデータを完成させるために、欠落している又は利用不可能なグルコース値を推定することができる。いくつかの例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、不完全／利用不可能な証拠又はコンテキストデータを完成させるために、欠落している又は利用不可能なグルコース値を個別に又は集合的に推定することができる。例えば、計算デバイス１０８及び／又はＣＧＭシステム１０４は、推定値をユーザインターフェースに表示するため、人物１０２のＴＩＲを計算するため、人物１０２に対する警報又は警告を生成することの一部としてなどの他の目的のために、欠落している又は利用不可能なグルコース値を個別に又は集合的に推定することができる。
【0082】
計算デバイス１０８及び／又はＣＧＭシステム１０４が、グルコース測定値１１８のデータベースからの観察結果を活用して、欠落している又は利用不可能なグルコース値を推定する例を検討する。例えば、グルコース測定値１１８のデータベースは、離散ランダム変数のカテゴリ分布を構築するために使用されるグルコース測定値１１８のコーパスを含む。第１の例では、グルコース測定値１１８のデータベースは、人物１０２のグルコース測定値のみを含む。第２の例では、グルコース測定値１１８のデータベースは、ユーザ集団１１０のグルコース測定値のみを含む。第３の例では、グルコース測定値１１８のデータベースは、人物１０２及びユーザ集団１１０のグルコース測定値を含む。
【0083】
例えば、グルコース測定値１１８のデータベースは、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を含んでもよい。グルコース測定値１１８のデータベースはまた、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を含む代わりに、合成グルコース測定値を含んでもよい。例えば、合成グルコース測定値は、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８から、規制要件、プライバシー予想、人物１０２及びユーザ集団１１０のインフォームドコンセントなどに準拠する方法で生成されてもよい。
【0084】
一例では、合成グルコース測定値は、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８から生成される訓練データに対して訓練された機械学習モデルを使用して生成される。本明細書で使用される場合、「機械学習モデル」という用語は、未知の関数を近似するために、入力に基づいて調整可能（例えば、訓練可能）であるコンピュータ表現を指す。例として、「機械学習モデル」という用語は、既知のデータのパターン及び属性を反映する出力を生成するように学習するために、既知のデータを分析することによって、既知のデータから学習し、既知のデータに対して予測を行うアルゴリズムを利用するモデルを含む。様々な実装態様によれば、そのような機械学習モデルは、教師あり学習、半教師あり学習、教師なし学習、強化学習、及び／又は転移学習を使用する。例えば、機械学習モデルは、クラスタリング、決定木、サポートベクトルマシン、線形回帰、ロジスティック回帰、ベイジアンネットワーク、ランダムフォレスト学習、次元削減アルゴリズム、ブースティングアルゴリズム、人工ニューラルネットワーク（例えば、全結合ニューラルネットワーク、深層畳み込みニューラルネットワーク、又は再帰型ニューラルネットワーク）、深層学習などを含むことができるが、これらに限定されない。例として、機械学習モデルは、既知の入力データからデータ駆動の予測又は決定を生成することによって、データの高レベルの抽象化を行う。
【0085】
一例では、合成グルコース測定値は、生成器（generator）ネットワーク及び識別器（discriminator）ネットワークを含む差分プライベート敵対的生成ネットワークを使用して生成される。この例では、差分プライベート敵対的生成ネットワークは、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を含む訓練データの分布を学習する。生成器ネットワークの重みに対する勾配は、実際のグルコース測定値１１８を含む訓練データを使用して損失関数を最小化することによって計算される。
【0086】
この例を続けると、サンプルごとの勾配は、クリッピング境界を使用して勾配から生成される。クリッピング境界に比例する分散を有するガウス雑音が計算され、計算されたガウス雑音がサンプルごとの勾配に加えられる。ガウス雑音をサンプルごとの勾配に加えた後、差分プライベート敵対的生成ネットワークは、プライバシー損失を最小限に抑えるように更新される。次いで、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を難読化する更新された差分プライベート敵対的生成ネットワークを使用して、合成グルコース測定値が生成される。
【0087】
差分プライベート敵対的生成ネットワークを使用して合成グルコース測定値が生成される別の例では、差分プライベート識別器ネットワークは、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を含む訓練データを使用して訓練される。人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を含む訓練データに対して差分プライベート識別器ネットワークを訓練した後、ガウス雑音が訓練データに加えられてプライベート訓練データが生成される。差分プライベート敵対的生成ネットワークは、プライベート訓練データ及び訓練された差分プライベート識別器ネットワーク（例えば、実際のグルコース測定値１１８を含む訓練データに対して訓練される）を使用して再訓練される。このようにして、差分プライベート敵対的生成ネットワークの生成器ネットワークは、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８と区別できない合成グルコース測定値を生成するために、プライベート訓練データに対して訓練される。
【0088】
追加の例では、合成グルコース測定値は、生成器ネットワークとして構成された第１の畳み込みニューラルネットワークと、識別器ネットワークとして構成された第２の畳み込みニューラルネットワークとを含む敵対的生成ネットワークを使用して生成される。この追加の例では、敵対的生成ネットワークは、デジタル画像及び／又はデジタルデータを含む訓練データで訓練される。例えば、デジタル画像は、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を視覚的に示す。訓練データを生成するために、グルコース測定値１１８は、グルコース測定値１１８に含まれる情報の視覚的表現に変換され得、これらの視覚的表現は、敵対的生成ネットワークを訓練するためのデジタル画像又はデジタルデータとして捕捉され得る。
【0089】
例えば、視覚的表現は、経時的なグルコース測定値１１８のグラフ又はプロットである。一例では、第１のシーケンス５０２及び第２のシーケンス５０４は、グルコース測定値１１８の視覚的表現であり、これは、訓練データに含めるためにデジタル画像に変換可能である。この例を続けると、生成器ネットワーク及び識別器ネットワークは、訓練データに対する敵対的訓練を使用して訓練される。例えば、この敵対的訓練の一部として、生成器ネットワークは、識別器ネットワークが本物（例えば、真の訓練データに含まれる）又は偽物（例えば、生成器ネットワークによって生成される）として分類することを学習するグルコース測定値の視覚的表現を生成することを学習する。訓練されると、生成器ネットワークによって生成されたグルコース測定値の視覚的表現は、合成グルコース測定値として使用可能な時系列表現に変換される。
【0090】
合成グルコース測定値は、グルコース測定値１１８のデータベースの例に関連して説明されるが、いくつかの例では、シーケンスデータ３０８が合成グルコース測定値を記述し、かつ／又は入力データ３０４が合成グルコース測定値を記述することを理解されたい。例えば、ユーザ集団１１０に関連付けられたグルコース値のシーケンスを記述する代わりに、シーケンスデータ３０８は、ユーザ集団１１０の実際のグルコース測定値１１８から生成された合成グルコース測定値を記述する。一例では、人物１０２に関連付けられたグルコース値のシーケンスを記述する代わりに、シーケンスデータ３０８は、人物１０２の実際のグルコース測定値１１８から生成された合成グルコース測定値を記述する。別の例では、ユーザグルコース値３０６のシーケンスを記述する代わりに、入力データ３０４は、実際のグルコース測定値１１８から生成された合成グルコース測定値を記述する。したがって、類似性システム３１０は、合成グルコース測定値のシーケンスに類似したグルコース値のシーケンスを識別することができ、類似性システム３１０は、グルコース値のシーケンスに類似した合成グルコース測定値のシーケンスを識別することもできる。
【0091】
グルコース測定値１１８のデータベースが、合成グルコース測定値、実際のグルコース測定値１１８、又は合成及び実際のグルコース測定値１１８の組み合わせを含むかどうかにかかわらず、データベースに含まれるグルコース値のシーケンスの分布は、欠落している又は利用不可能なグルコース値を推定するために活用可能である。グルコース値５１０が欠落している又は利用不可能である例におけるグルコース値５０６、５０８、５１０、５１２、５１４のシーケンスを検討する。例えば、グルコース値５０６～５１４は、それぞれ、１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、及び１０４ｍｇ／ｄＬである。計算デバイス１０８及び／又はＣＧＭシステム１０４は、グルコース測定値１１８のデータベースに問い合わせて、グルコース値の類似シーケンス、及びグルコース測定値１１８のデータベース内の識別された類似シーケンスの発生頻度を識別する。
【0092】
例えば、計算デバイス１０８及び／又はＣＧＭシステム１０４は、グルコース値５０６、５０８、ＸＸＸ、５１２、５１４のシーケンスに含まれるそれぞれのグルコース値と、グルコース値の類似シーケンスに含まれるそれぞれのグルコース値と、に基づいて、グルコース値の類似シーケンスを識別する。この例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、上述したように、時系列としての類似シーケンスに含まれるグルコース値のシーケンス特性に基づいて、グルコース値の類似シーケンスを識別する。例えば、計算デバイス１０８及び／又はＣＧＭシステム１０４は、証拠又はコンテキストデータを与えられた場合のグルコース値５０６、５０８、５１２、５１４のそれぞれを観察する確率と、証拠又はコンテキストデータを与えられた場合のグルコース測定値１１８のデータベース内のグルコース値のシーケンスに含まれるそれぞれのグルコース値を観察する確率との間の差を合計することによって、グルコース値５０６、５０８、ＸＸＸ、５１２、５１４のシーケンスとグルコース測定値１１８のデータベースに含まれるグルコース値のシーケンスとの間の類似性スコア４０６を計算する。一例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、上述したように、類似性スコア４０６のみに基づいてグルコース値の類似シーケンスを識別する。別の例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、類似スコア４０６を使用してグルコース値の類似シーケンスを識別しないか、又は類似スコア４０６を使用してグルコース値の類似シーケンスを部分的にのみ識別する。
【0093】
一例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、類似性システム３１０を使用して、グルコース測定値１１８のデータベース内の類似シーケンスを識別する。この例では、類似性システム３１０は、グルコース測定値１１８のデータベースをシーケンスデータ３０８として使用し、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬのシーケンスを入力データ３０４として使用して、類似性スコア４０６を計算する。例えば、類似性システム３１０は、類似性スコア４０６がグルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬに基づいて計算され、ＸＸＸが任意の値であること（例えば、ＸＸＸは４０～４００ｍｇ／ｄＬの範囲内の任意の値である）が許容されるように、欠落している又は利用不可能なグルコース値５１０を「ドントケア（do not care）」値として扱うことによって類似性スコア４０６を計算する。検索空間を低減するためのいくつかの例では、ＸＸＸは、４０～４００ｍｇ／ｄＬの範囲のサブセット中の任意の値であり、サブセットは、４０ｍｇ／ｄＬ、４００ｍｇ／ｄＬなど、範囲から極端な又は異常な値を除外する。
【0094】
計算デバイス１０８及び／又はＣＧＭシステム１０４が類似性システム３１０を活用してグルコース測定値１１８のデータベース内の類似シーケンスを識別する別の例では、欠落している又は利用不可能なグルコース値５１０を「ドントケア」値として扱う代わりに、欠落している又は利用不可能なグルコース値５１０のプレースホルダを使用して類似スコア４０６が計算される。この別の例では、プレースホルダは、値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、及び１０４ｍｇ／ｄＬの平均値であってもよい。例えば、グルコース値５０６、５０８、５１０、５１２、５１４のシーケンス内の欠落している又は利用不可能なグルコース値５１０の前の利用可能であるグルコース値５０６、５０８の数が、第１の閾値最小数より大きく、第１の閾値最大数より小さい場合、計算デバイス１０８及び／又はＣＧＭシステム１０４は、グルコース値５０６、５０８の平均としてプレースホルダを計算してもよい。この例では、第１の閾値最小数は、グルコース値５０６、５０８の数（すなわち、この例では２つ）が、プレースホルダにおけるアンダーサンプリング誤差／異常の導入を回避するのに十分に大きいことを保証する。同様に、第１の閾値最大数は、グルコース値５０６、５０８の数が、プレースホルダにおけるオーバーサンプリング誤差／異常の導入を回避するのに十分小さいことを保証する。
【0095】
前の例を続けると、グルコース値５０６、５０８、５１０、５１２、５１４のシーケンス内の欠落している又は利用不可能なグルコース値５１０の後の利用可能であるグルコース値５１２、５１４の数が、第２の閾値最小数より大きく、第２の閾値最大数より小さい場合、計算デバイス１０８及び／又はＣＧＭシステム１０４は、グルコース値５１２、５１４の平均としてプレースホルダを計算してもよい。例えば、第２の閾値最小数は、プレースホルダにおけるアンダーサンプリング誤差／異常の導入を防止し、第２の閾値最大数は、プレースホルダにおけるオーバーサンプリング誤差／異常の導入を防止する。一例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、第１及び第２の最小閾値数並びに第１及び第２の最大閾値数が、欠落している又は利用不可能なグルコース値５１０の前後の利用可能なグルコース値の数によって満たされる場合、グルコース値５０６、５０８、５１２、５１４の平均としてプレースホルダを計算する。
【0096】
他の例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、グルコース値５０８及びグルコース値５１２を線形補間することによってプレースホルダを計算する。例えば、プレースホルダは、グルコース測定値１１８のデータベースに含まれるグルコース測定値の平均値の計算が可能である。一例では、プレースホルダは、４０～４００ｍｇ／ｄＬの範囲から選択される任意の又はランダムな値として計算される。
【0097】
いくつかの例では、プレースホルダは、グルコース測定値１１８のデータベースの反復検索において識別された類似シーケンス及び／又はシーケンスの類似分布に含まれるグルコース値に基づいて反復的に計算される。計算デバイス１０８及び／又はＣＧＭシステム１０４が類似性システム３１０を実装して、グルコース測定値１１８のデータベースを検索し、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬの入力シーケンスに対して（類似性スコア４０６に基づいて）第１の最も類似したシーケンス及び／又はシーケンスの第１の最も類似した分布を識別する例を検討する。ここで、ＸＸＸは４０～４００ｍｇ／ｄＬの範囲から選択されるランダム値である。新しいプレースホルダ値は、第１の最も類似したシーケンス及び／又はシーケンスの第１の最も類似した分布に基づいて計算され、類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＹＹＹｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬの入力シーケンスに対して第２の最も類似したシーケンス及び／又はシーケンスの第２の最も類似した分布を識別する。ここで、ＹＹＹは新しいプレースホルダ値である。類似性システム３１０は、第２の最も類似したシーケンス及び／又はシーケンスの第２の最も類似した分布に基づいて追加の新しいプレースホルダ値を計算し、類似性システム３１０は、グルコース測定値１１８のデータベースを続けて検索し、前の検索又は複数の前の検索の結果から計算されたプレースホルダと実質的に同一である特定のプレースホルダ値が識別されるまで、前の検索の結果に基づいてプレースホルダを再計算する。例えば、特定のプレースホルダ値は、欠落している又は利用不可能なグルコース値５１０の推定値として使用可能である。
【0098】
いくつかの例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、類似性システム３１０を実装して、グルコース値５０６、５０８、５１０、５１２、５１４のサブシーケンスに類似したサブシーケンス（及び／又はサブシーケンスの類似分布）を識別することによって、グルコース測定値１１８のデータベース内の類似シーケンスを識別する。例えば、識別された類似サブシーケンスは、いくつかのシナリオにおいてプレースホルダを計算するために類似シーケンスを識別するよりも高い精度でプレースホルダを計算するために使用可能である。類似性システム３１０がグルコース測定値１１８のデータベースを検索して、１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬの入力サブシーケンスに対する第１の類似サブシーケンス及び／又はサブシーケンスの第１の類似分布を識別する例を検討する。ここで、ＸＸＸは、欠落している又は利用不可能なグルコース値５１０に対する「ドントケア」値である。類似性システム３１０は、識別された第１の類似サブシーケンス及び／又は識別されたサブシーケンスの第１の類似分布を使用して、欠落している又は利用不可能なグルコース値５１０に対する第１のサブシーケンス値を推定する。
【0099】
前の例を続けると、類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬの入力サブシーケンスに対する第２の類似サブシーケンス及び／又はサブシーケンスの第２の類似分布を識別する。ここで、ＸＸＸは、欠落している又は利用不可能なグルコース値５１０に対する「ドントケア」値である。類似性システム３１０は、識別された第２の類似サブシーケンス及び／又は識別されたサブシーケンスの第２の類似分布を使用して、欠落している又は利用不可能なグルコース値５１０に対する第２のサブシーケンス値を推定する。第１の例では、類似性システム３１０は、第１のサブシーケンス値（及び／又はサブシーケンスの第１の類似分布）及び第２のサブシーケンス値（及び／又はサブシーケンスの第２の類似分布）を使用して、欠落している又は利用不可能なグルコース値５１０の値を直接推定する。
【0100】
第２の例では、類似性システム３１０は、第１のサブシーケンス値（及び／又はサブシーケンスの第１の類似分布）及び第２のサブシーケンス値（及び／又はサブシーケンスの第２の類似分布）を使用して、プレースホルダ値を計算する。この第２の例では、類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、欠落している又は利用不可能なグルコース値５１０のプレースホルダ値を使用して類似シーケンスを識別する。いくつかの例では、類似性システム３１０はまた、類似サブシーケンス及び／又はサブシーケンスの類似分布を識別するために、検索の反復においてグルコース測定値１１８のデータベースを検索する。例えば、検索の反復は、第１の検索反復の結果を活用して第２の検索反復の検索入力を改善又は精緻化するなど、より高い精度で類似サブシーケンス（及び／又はサブシーケンスの類似分布）を識別するために実行可能である。他の例では、検索の反復は、第１の検索反復の結果を活用して第２の検索反復のグルコース測定値１１８のデータベース内の検索空間を最小化するなど、低減された計算コストで類似サブシーケンス（及び／又はサブシーケンスの類似分布）を識別するために実行可能である。
【0101】
類似性システム３１０が、グルコース測定値１１８のデータベースを反復して検索して、第１のシーケンス５０２における欠落している又は利用不可能なグルコース値を推定することができる例を検討する。入力データ３０４がグルコース値のシーケンス１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬを記述する例では、ＸＸＸを「ドントケア値」として扱うことなどによってＸＸＸが任意の値であることを許容する（例えば、ＸＸＸは４０～４００ｍｇ／ｄＬの範囲内の任意の値である）代わりに、類似性システム３１０は、グルコース測定値１１８のデータベースを反復して検索して、ＸＸＸの値の範囲を識別することができる。この例では、類似性システム３１０は、ＸＸＸがグルコース値の異なる範囲内の任意の値であることをそれぞれ許容する反復において、グルコース測定値１１８のデータベースを検索する。
【0102】
例えば、類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、ＸＸＸが第１の範囲、例えば９０～１００ｍｇ／ｄＬの範囲内の任意の値であることが許容される第１の反復において、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬのシーケンスに類似したシーケンスを識別する。一例では、第１の最も類似したシーケンス及び対応する（例えば、類似性スコア４０６のうちの）第１の類似性スコアが、第１の反復について決定される。この例では、類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、ＸＸＸが第２の範囲、例えば９５～１０５ｍｇ／ｄＬの範囲内の任意の値であることが許容される第２の反復において、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬのシーケンスに類似したシーケンスを識別する。第２の最も類似したシーケンスが、対応する（例えば、類似性スコア４０６のうちの）第２の類似性スコアと共に、第２の反復について決定される。
【0103】
前の例では、第１の類似性スコアが第２の類似性スコアよりも大きい場合、第１の範囲の残りの値も第２の範囲に含まれるので、ＸＸＸに使用される値は９０～９４ｍｇ／ｄＬの範囲内にある。例えば、第２の類似性スコアが第１の類似性スコアよりも大きい場合、第２の範囲の残りの値も第１の範囲に含まれるので、ＸＸＸに使用される値は１０１～１０５ｍｇ／ｄＬの範囲内にある。同様に、第１の類似性スコアが第２の類似性スコアと実質的に等しい場合、ＸＸＸに使用される値は、９５～１００ｍｇ／ｄＬの範囲内であり、これは、これらの値が第１及び第２の両方の範囲に含まれるからである。したがって、この例では、２回の探索反復のみを実行することによって、ＸＸＸに使用される値を含む３つの可能な範囲のうちの１つを決定することが可能である。類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬのシーケンスに類似したシーケンスを、ＸＸＸが重複する値を含まない範囲内の任意の値であることが許容される反復、ＸＸＸが追加の重複する値を含む範囲内の任意の値であることが許容される反復、ＸＸＸがいくつかの追加の範囲と重複する値を含み、他の追加の範囲と重複する値を含まない範囲内の任意の値であることが許容される反復などの反復において識別することができることを理解されたい。
【0104】
上記の例は、ＸＸＸがグルコース値の異なる範囲内の任意の値であることをそれぞれ許容する反復におけるグルコース測定値１１８のデータベースの類似性システム３１０による検索として説明されているが、他の例では、類似性システム３１０は、グルコース測定値１１８の異なるデータベースをそれぞれ問い合わせるか、又はグルコース測定値１１８のデータベースの異なるサブセットをそれぞれ問い合わせる反復において検索する。例えば、類似性システム３１０は、グルコース測定値１１８のデータベースの初期サブセットを検索して、初期反復におけるグルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬのシーケンスに類似したシーケンスを識別する。この例では、グルコース測定値１１８のデータベースの初期サブセットは、グルコース測定値１１８のデータベースに含まれるグルコース値のシーケンスの数と比較して、比較的少数のグルコース値のシーケンスを含む。
【0105】
一例では、類似性システム３１０は、ＸＸＸが任意の値であることが許容される（例えば、ＸＸＸは、４０～４００ｍｇ／ｄＬの範囲内の任意の値である）初期反復において、グルコース測定値１１８のデータベースの初期サブセットを検索して、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬのシーケンスに類似したシーケンスを識別する。この例を続けると、類似性システム３１０は、初期反復から識別されたグルコース測定値１１８のデータベースの初期サブセットに含まれる最も類似したグルコース値のシーケンス（及び／又は最も類似したグルコース値の分布）を活用して、ＸＸＸの有限範囲を推定する（例えば、ＸＸＸは、５０～２００ｍｇ／ｄＬの範囲内の任意の値である）。類似性システム３１０は、ＸＸＸが有限範囲内の任意の値であることが許容される後続の反復において、グルコース測定値１１８のデータベースの後続のサブセットを検索して、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬのシーケンスに類似したシーケンス（及び／又はシーケンスの類似分布）を識別する。
【0106】
一例では、グルコース測定値１１８のデータベースの後続サブセットは、グルコース測定値１１８のデータベースの初期サブセットに含まれるグルコース値のシーケンスの数よりも多いグルコース値のシーケンスの数を含む。例えば、グルコース測定値１１８のデータベースの後続のサブセットに含まれるグルコース値のシーケンスの数は、グルコース測定値１１８のデータベースに含まれるグルコース値のシーケンスの数よりも少ない。一例では、類似性システム３１０は、グルコース測定値１１８のデータベースのサブセットを検索し、反復においてＸＸＸがグルコース値の範囲内の値であることを許容することができ、その結果、前の反復に関連して、次の反復は、前の反復において検索されたグルコース測定値１１８のデータベースのサブセットよりも多数のグルコース値のシーケンスを有するグルコース測定値１１８のデータベースのサブセットを検索する。この例では、類似性システム３１０は、ＸＸＸが、前の反復においてＸＸＸに対して許容された値の範囲よりも狭い（ＸＸＸのより少ない可能な値を含む）値の範囲内の任意の値であることを許容することによって、次の反復においてグルコース測定値１１８のデータベースのサブセットを検索する。
【0107】
欠落している又は利用不可能なグルコース値５１０は単一のグルコース値として示されているが、いくつかの例では、グルコース値５０６、５０８、５１０、５１２、５１４のシーケンスは、欠落している又は利用不可能なグルコース値を複数有することを理解されたい。いくつかの例では、グルコース値５１０、５１２が欠落している又は利用不可能である例のように、複数の欠落している又は利用不可能なグルコース値は隣接している。他の例では、グルコース値５１０、５１４が欠落している又は利用不可能である例のように、複数の欠落している又は利用不可能なグルコース値は隣接していない。
【0108】
グルコース値５０６、５０８、５１０、５１２、５１４のシーケンスにおいて欠落している又は利用不可能であり、隣接しているグルコース値５１０、５１２について、計算デバイス１０８及び／又はＣＧＭシステム１０４は、類似性システム３１０を実装して、グルコース測定値１１８のデータベースを検索して、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０４ｍｇ／ｄＬの入力シーケンスに類似したシーケンスを（類似性スコア４０６及び／又は類似性比較に基づいて）識別し、欠落している又は利用不可能なグルコース値５１０、５１２はそれぞれ同じ「ドントケア」値として扱われる。一例では、類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０４ｍｇ／ｄＬの入力シーケンスに類似したシーケンスを識別し、欠落している又は利用不可能なグルコース値５１０、５１２は単一の「ドントケア」値として扱われる。欠落している又は利用不可能なグルコース値５１０、５１２が同じ「ドントケア」値又は単一の「ドントケア」値として扱われるグルコース測定値１１８のデータベースに含まれる最も類似したシーケンス（及び／又はシーケンスの最も類似した分布）を識別した後、類似性システム３１０は、識別された最も類似したシーケンス（及び／又は識別されたシーケンスの最も類似した分布）を使用して、欠落している又は利用不可能なグルコース値５１０、５１２のうちの１つの値を推定する。次いで、類似性システム３１０は、欠落している又は利用不可能なグルコース値５１０、５１２のうちの他方に対してプレースホルダ又は「ドントケア」値を使用して、グルコース測定値１１８のデータベースを反復的に検索する。
【0109】
欠落している又は利用不可能であり、グルコース値５０６、５０８、５１０、５１２、５１４のシーケンスにおいて隣接していないグルコース値５１０、５１４について、計算デバイス１０８及び／又はＣＧＭシステム１０４は、類似性システム３１０を実装して、グルコース測定値１１８のデータベースを検索し、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０３ｍｇ／ｄＬの入力シーケンスに類似したシーケンス（及び／又はシーケンスの類似分布）を識別し、欠落している又は利用不可能なグルコース値５１０は「ドントケア」値として扱われ、欠落している又は利用不可能なグルコース値５１４には、グルコース値５０６、５０８、５１０、５１２、５１４のシーケンスにおいて利用可能な隣接するグルコース値の値が割り当てられる。あるいは、類似性システム３１０は、グルコース測定値１１８のデータベースを検索し、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬの入力シーケンスに類似したシーケンス（及び／又はシーケンスの類似分布）を識別し、欠落している又は利用不可能なグルコース値５１４は「ドントケア」値として扱われ、欠落している又は利用不可能なグルコース値５１０には、グルコース値５０６、５０８、５１０、５１２、５１４のシーケンスにおいて利用可能な隣接するグルコース値の値が割り当てられる。いずれの代替例においても、検索において「ドントケア」値として扱われる欠落している又は利用不可能なグルコース値に対する値を推定するために使用可能なグルコース測定値１１８のデータベースからグルコース値の類似シーケンス（及び／又はグルコース値のシーケンスの類似分布）を識別した後、推定値は、グルコース値５０６、５０８、５１０、５１２、５１４のシーケンスにおいて利用可能な隣接するグルコース値の値が割り当てられた欠落している又は利用不可能なグルコース値に対する「ドントケア」値を含む入力データ３０４によって記述されるグルコース値の更新された入力シーケンスにおいて「ドントケア」値の代わりに使用される。例えば、類似性システム３１０は、グルコース測定値１１８のデータベースを検索して、グルコース値の更新された入力シーケンスに基づいて類似シーケンス（及び／又はシーケンスの類似分布）を識別する。この例では、識別された類似シーケンス及び／又は識別されたシーケンスの類似分布を使用して、残りの「ドントケア」値に対する値が推定される。
【0110】
グルコース測定値１１８のデータベースがどのように検索されるかにかかわらず、計算デバイス１０８及び／又はＣＧＭシステム１０４は、グルコース値１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、ＸＸＸｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬに類似する、１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１０２ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬの第１のシーケンスと、１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬの第２のシーケンスと、１００ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１００ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬの第３のシーケンスと、９９ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１０２ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０４ｍｇ／ｄＬの第４のシーケンスと、９９ｍｇ／ｄＬ、１０１ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０３ｍｇ／ｄＬ、１０６ｍｇ／ｄＬの第５のシーケンスと、を識別する。例えば、第１のシーケンスは、グルコース測定値１１８のデータベースにおいて２５パーセントの発生頻度を有し、第２、第３、及び第４のシーケンスはそれぞれ、グルコース測定値１１８のデータベースにおいて２０パーセントの発生頻度を有し、第５のシーケンスは、グルコース測定値１１８のデータベースにおいて１５パーセントの発生頻度を有する。したがって、この例では、欠落している又は利用不可能なグルコース値５１０の分布は、１００ｍｇ／ｄＬ（２０パーセント）、１０２ｍｇ／ｄＬ（４５パーセント）、及び１０３ｍｇ／ｄＬ（３５パーセント）である。
【0111】
上記の欠落している又は利用不可能なグルコース値５１０の分布から、いくつかの例では、計算デバイス１０８及び／又はＣＧＭシステム１０４は、欠落している又は利用不可能なグルコース値５１０に対して１０２ｍｇ／ｄＬの値を推定する。他の例では、分布の可能な値の重み付き平均が、欠落している又は利用不可能なグルコース値５１０に使用される。例えば、類似性システム３１０は、分布の可能な値のそれぞれに、分布におけるその対応する発生頻度を掛けることによって重み付き平均を計算する。
【0112】
欠落している又は利用不可能なグルコース値５１０の分布が１００ｍｇ／ｄＬ（２０パーセント）、１０２ｍｇ／ｄＬ（４５パーセント）、１０３ｍｇ／ｄＬ（３５パーセント）である場合、類似性システム３１０は、いくつかの例では、任意の集約関数（例えば、平均、中央値など）を使用して、欠落している又は利用不可能なグルコース値５１０の推定値を計算する。一例では、類似性システム３１０は、モンテカルロ法を使用して、欠落している又は利用不可能なグルコース値５１０の推定値を計算する。例えば、類似性システム３１０は、分布から、分布において低い発生率を有するグルコース値を引き出す。例えば、分布において低い発生率を有するグルコース値を引き出す確率は０ではなく、十分な時間及びサンプルにわたって、引き出されたグルコース値は、分布のサンプリング分布に一致する。
【0113】
例えば、欠落している又は利用不可能なグルコース値５１０に対して推定される値は、値がＣＧＭシステム１０４によって決定される場合と、値が計算デバイス１０８によって決定される場合とで異なる。グルコース測定値１１８のデータベースが、ＣＧＭシステム１０４のための最小限の計算リソースを使用して検索するように構成されている例を検討する。例えば、ＣＧＭシステム１０４は、グルコース測定値の第１のデータベース１１８を使用して、欠落している又は利用不可能なグルコース値を推定し、計算デバイス１０８は、グルコース測定値の第２のデータベース１１８を使用して、欠落している又は利用不可能なグルコース値を推定する。
【0114】
いくつかの例では、グルコース測定値１１８の第１のデータベースは、グルコース測定値１１８の第２のデータベースよりも少ないデータを含む。一例では、第１のデータベースは、人物１０２のグルコース測定値１１８を含み、第２のデータベースは、人物１０２のグルコース測定値１１８及びユーザ集団１１０のグルコース測定値１１８を含む。別の例では、グルコース測定値１１８の第１のデータベースは、チェックサム及び／又はハッシュ値を使用するなど、検索において消費される計算リソースを最小限に抑える技法を使用して検索されるように構成される。
【0115】
欠落している又は利用不可能なグルコース値の値を推定することによって、推定値は、欠落している又は利用不可能なグルコース値の代わりに使用可能であり、様々な追加の機能を促進することを理解されたい。例えば、様々な機械学習モデルへの入力は、意味のある正確な出力を生成するために完全なシーケンスを必要とするが、これは、シーケンスが欠落している又は利用不可能なグルコース値を有する場合には不可能である。不完全なシーケンスを完成させるために欠落している又は利用不可能なグルコース値に対する値を推定することによって、完成したシーケンスは、不完全なシーケンスを完成させる前には不可能であった様々な機械学習モデルを使用して処理可能である。
【0116】
第１のシーケンス５０２は、グルコース値５０６～５４４の時系列として説明されるが、説明されるシステム及び技法は、例えばグルコース値のシーケンスから計算される、デルタ値のシーケンスにも適用可能であることを理解されたい。例えば、デルタ値は、シーケンス内の第１のデルタ値がグルコース値５０６とグルコース値５０８との間の差に等しく、シーケンス内の第２のデルタ値がグルコース値５０８とグルコース値５１０との間の差に等しく、シーケンス内の第３のデルタ値がグルコース値５１０とグルコース値５１２との間の差に等しくなる、というように、グルコース値５０６～５４４のうちの連続する値の間の差として計算され得る。いくつかの例では、デルタ値は、第１のシーケンス５０２における現在のグルコース値と前のグルコース値との間の差として計算されるが、他の例では、デルタ値は、第１のシーケンス５０２における前のグルコース値と現在のグルコース値との間の差として計算される。例えば、デルタ値は、第１のシーケンス５０２内の連続するグルコース値間の差の絶対値として計算される。
【0117】
この例を続けると、デルタ値のシーケンスは、人物１０２及び／又はユーザ集団１１０のグルコース測定値１１８から計算されたデルタ値のコーパスに含まれるデータによって記述される、最も類似したデルタ値のシーケンスを識別するための検索入力として活用される。例えば、離散ランダム変数（例えば、グルコースデルタ変数）が利用され、離散ランダム変数のカテゴリ分布が、デルタ値のコーパスからの観察結果に基づいて生成される。証拠又はコンテキストデータを与えられた場合の特定のデルタ値を観察する確率は、デルタ値のコーパスを使用して決定可能である。例えば、第１のデルタ値と第２のデルタ値との間の類似性又は距離は、証拠又はコンテキストデータを与えられた場合の第１のデルタ値を観察することと、証拠又はコンテキストデータを与えられた場合の第２のデルタ値を観察する確率との間の差として計算可能である。
【0118】
グルコース値の２つのシーケンスについて（例えば、類似性スコア４０６のうちの）類似性スコアが計算可能である方法と同様の方法で、類似性スコアは、証拠又はコンテキストデータを与えられた場合のシーケンスのうちの１つのそれぞれのデルタ値を観察する確率と、証拠又はコンテキストデータを与えられた場合のシーケンスのうちの他の１つのそれぞれのデルタ値を観察する確率との間の差を決定することによって、デルタ値の２つのシーケンスについて計算される。例えば、デルタ値の２つのシーケンスに対する類似性スコアは、決定された差の和に等しい。したがって、デルタ値のシーケンスは、デルタ値のコーパスを検索して、デルタ値のシーケンスに最も類似したデルタ値のシーケンス（例えば、最も高い類似性スコアを有するデルタ値のシーケンス）を識別するための検索入力である。
【0119】
いくつかの例では、グルコース値のシーケンス間の類似性に加えて、デルタ値のシーケンス間の類似性が活用され得る。他の例では、グルコース値のシーケンス間の類似性の代替として、デルタ値のシーケンス間の類似性が活用され得る。例えば、デルタ値のシーケンス間の類似性は、人物１０２にとって迷惑な警告の生成を引き起こした追加のデルタ値のシーケンスに類似していると判定されたデルタ値のシーケンスに対する警告の生成を回避するためなど、人物１０２に対する警報及び／又は警告の生成に関連して活用可能であり得る。一例では、デルタ値のシーケンスは、人物１０２及び／又はユーザ集団１１０の実際のグルコース測定値１１８を難読化するために使用される。例えば、デルタ値のシーケンスが合成グルコース測定値として使用されるか、又はデルタ値のシーケンスが合成グルコース測定値の代わりに使用されて、グルコース値の類似シーケンスが識別される。
【0120】
図６は、ユーザグルコース値のシーケンスに基づく検索要求及びグルコース値の類似シーケンスの指示の表現６００を示す。表現６００は、クエリ例６０２及び応答例６０４を含む。クエリ例６０２では、人物１０２は計算デバイス１０８と対話して、クエリ及び時間枠を指定する。図示のように、クエリは「今日に最も類似した日」であり、時間枠は「１ヶ月」である。
【0121】
人物１０２は、ユーザインターフェース要素６０６と対話して、検索を実行する。類似性システム３１０は、人物１０２のクエリを記述する入力データ３０４を受信し、類似性システム３１０は、人物１０２のグルコース値のシーケンスをユーザグルコース値のシーケンス３０６に割り当てる。次いで、類似性システム３１０は、類似性モデルを使用して、直近の月内のユーザグルコース値３０６のシーケンスについて（例えば、類似性スコア４０６のうちの）最も高い類似性スコアを有するシーケンスデータ３０８によって記述されるグルコース値の特定のシーケンスを識別する。
【0122】
類似性システム３１０は、特定のシーケンスを記述するものとして類似シーケンスデータ３１２を生成し、また特定のシーケンスに関連付けられた外部性を決定する。一例では、特定のシーケンスは、外部性を記述するメタデータを含み、類似性システム３１０は、このメタデータを処理することによって外部性を決定する。応答例６０４に示されるように、計算デバイス１０８は、類似シーケンスデータ３１２及び外部性の指示３１４を受信し、特定のシーケンスの指示及び外部性の指示３１４を表示する。
【0123】
特定のシーケンスの指示は、「今日は１ヶ月の時間枠で昨日に最も類似しています」である。外部性の指示３１４は、「今日及び昨日のいずれも過去１週間の異常日です」である。ユーザは、ユーザインターフェース要素６０８と対話して、表示された指示を消去する。
【0124】
前の例のように、人物１０２が計算デバイス１０８と対話してクエリ及び時間枠を指定する別の例を検討する。しかしながら、この例では、人物１０２のグルコース値のシーケンスは、欠落している又は利用不可能なグルコース値を有する。人物１０２のグルコース値のシーケンスにおけるこれらの欠落している又は利用不可能なグルコース値のため、類似性システム３１０が、直近の月内のユーザグルコース値３０６のシーケンスについて最も高い類似性スコアを有するシーケンスデータ３０８によって記述されるグルコース値の特定のシーケンスを識別することは不可能である。例えば、類似性システム３１０は、入力データ３０４が、欠落している又は利用不可能なグルコース値を有するグルコース値のシーケンスを記述する場合、入力データ３０４を処理することができない。一例では、類似性システム３１０は、入力データ３０４が、シーケンス内の２つの利用可能なグルコース値の間のグルコース値を欠いているグルコース値のシーケンスを記述する場合、入力データ３０４を処理することができない。グルコース値の特定のシーケンスが識別可能でないので、計算デバイス１０８は、外部性の指示３１４を表示することができない。
【0125】
この例を続けると、シーケンスデータ３０８によって記述される特定のグルコース値のシーケンスを識別する前に、計算デバイス１０８及び／又はＣＧＭシステム１０４は、類似性システム３１０を実装して、グルコース測定値１１８のデータベースを検索し、人物１０２のグルコース値のシーケンスにおいて欠落している又は利用不可能なグルコース値に「ドントケア」値又はプレースホルダ値を使用して、人物１０２のグルコース値のシーケンスに最も類似したグルコース値のシーケンスを識別し得る。類似性システム３１０は、グルコース値の具体的なシーケンスを、特定のシーケンスとは異なる最も類似したシーケンスとして識別する。計算デバイス１０８及び／又はＣＧＭシステム１０４は、グルコース値の具体的なシーケンスを使用して、人物１０２のグルコース値のシーケンスにおいて欠落している又は利用不可能なグルコース値を推定する。
【0126】
例えば、類似性システム３１０は、人物１０２のクエリを記述する入力データ３０４を受信し、類似性システム３１０は、人物１０２のグルコース値のシーケンス（欠落している又は利用不可能なグルコース値の推定値を含む）を、ユーザグルコース値３０６のシーケンスとして割り当てる。次いで、類似性システム３１０は、類似性モデルを使用して、直近の月又は指定された期間内のユーザグルコース値３０６のシーケンスについて最も高い類似性スコアを有する、シーケンスデータ３０８によって記述される特定のグルコース値のシーケンスを識別する。類似性システム３１０は、外部性を記述する特定のシーケンスに含まれるメタデータを処理することによって外部性を決定し、計算デバイス１０８は、「今日及び昨日のいずれも過去１週間の異常日です」として外部性の指示３１４を表示する。
【0127】
図７は、検索クエリとして使用するためのグルコース値の少なくとも１つのシーケンスを受信し、検索クエリに対する検索結果として決定されたグルコース値の１つ以上の類似シーケンスを出力するユーザインターフェースの表現７００を示す。表現７００は、計算デバイス７０２を含み、人物１０２又はユーザ集団１１０のメンバーなどのユーザは、計算デバイス７０２のユーザインターフェース７０４に対して入力デバイス（例えば、スタイラス、マウス、タッチスクリーン、キーボードなど）と対話して、今日のグルコース値７０６に類似したグルコース値のシーケンスを検索する。例えば、ユーザは、ユーザインターフェース７０４に対して入力デバイスと対話して、ユーザインターフェース７０４に表示された検索フィールド７０８に今日のグルコース値７０６を入力する。図示のように、今日のグルコース値７０６は、今日の始まりの午前１２：００から今日の終わりの午前１２：００までの人物１０２のグルコース測定値１１８に基づくグルコース値のシーケンスである。今日のグルコース値７０６として説明されるが、今日のグルコース値７０６の代わりに、又はそれに加えて、任意のグルコース値のシーケンスが使用され得ることを理解されたい。今日のグルコース値７０６の代わりに、又はそれに加えて使用可能なグルコース値のシーケンスの例としては、異なる日のグルコース値、複数の異なる日のグルコース値、１時間のグルコース値、複数時間のグルコース値、１分のグルコース値、複数分のグルコース値などが挙げられる。
【0128】
一例では、計算デバイス７０２は、類似性システム３１０及び記憶デバイス１２０を含み、類似性システム３１０は、検索フィールド７０８に入力されている今日のグルコース値７０６に基づいて今日のグルコース値７０６を受信する。別の例では、計算デバイス７０２は、類似性システム３１０を含まない。この例では、計算デバイス７０２は、ネットワーク１１６に接続され、計算デバイス７０２は、検索フィールド７０８に入力されている今日のグルコース値７０６に基づいて、ネットワーク１１６を介して今日のグルコース値７０６を類似性システム３１０に通信する。この例を続けると、類似性システム３１０は、今日のグルコース値７０６をユーザグルコース値のシーケンス３０６として受信する。
【0129】
例えば、類似性システム３１０は、ユーザグルコース値３０６のシーケンスを処理して、今日のグルコース値７０６に類似したグルコース値のシーケンス７１０～７１４を識別する。図示のように、類似シーケンス７１０～７１４の指示がユーザインターフェース７０４に表示される。計算デバイス７０２が類似性システム３１０を含む例では、計算デバイス７０２は、類似シーケンス７１０～７１４を記述するデータを類似性システム３１０から直接受信する。計算デバイス７０２が類似性システム３１０を含まない例では、計算デバイス７０２は、類似シーケンス７１０～７１４を記述するデータを、ネットワーク１１６を介して類似性システム３１０から受信する。
【0130】
例えば、類似シーケンス７１０～７１４は、類似シーケンス７１０～７１４のそれぞれが今日のグルコース値７０６に対してどの程度類似しているかに基づいて、ユーザインターフェース７０４に表示される。一例では、今日のグルコース値７０６は、今日のグルコース値７０６と最大限に類似している（例えば、グルコース値のシーケンスは、それ自体と最大限に類似している）。今日のグルコース値７０６は、今日のグルコース値７０６との２８３．０の類似性スコアを有するように示されている。したがって、この例では、２８３．０の類似性スコアが、グルコース値の２つのシーケンスに対する最も高い可能な類似性スコアである。他の例では、グルコース値の２つのシーケンスについての最も高い可能な類似性スコアは、２８３．０超又は２８３．０未満である。
【0131】
一例では、類似シーケンス７１０は、類似シーケンス７１０～７１４の今日のグルコース値７０６に最も類似したシーケンスであり、類似シーケンス７１２は、類似シーケンス７１０よりも今日のグルコース値７０６に類似しておらず、類似シーケンス７１４は、類似シーケンス７１２よりも今日のグルコース値７０６に類似していない。一例では、類似性システム３１０は、類似性スコア４０６に基づいて、今日のグルコース値７０６に対する類似シーケンス７１０～７１４の相対的類似性を決定する。この例では、類似シーケンス７１０は、今日のグルコース値７０６との４８．１１６８の類似性スコアを有し、類似シーケンス７１２は、今日のグルコース値７０６との２６．５６５２の類似性スコアを有し、類似シーケンス７１４は、今日のグルコース値７０６との３７．９１５７の類似性スコアを有する。したがって、この例では、類似シーケンス７１４が類似シーケンス７１２よりも高い今日のグルコース値７０６との類似性スコアを有するため、類似シーケンス７１０～７１４は、ユーザインターフェース７０４において類似性の順序で表示されない。
【0132】
類似性システム３１０が類似スコア４０６を使用して類似シーケンス７１０～７１４を識別しないか、又は類似スコア４０６を部分的にのみ使用して類似シーケンス７１０～７１４を識別する例を検討する。例えば、類似性システム３１０は、他のデータに少なくとも部分的に基づいて類似シーケンス７１０～７１４を識別する。他のデータに含まれ得るデータの例は、指示７１６～７２０としてユーザインターフェース７０４に表示される。指示７１６は類似シーケンス７１０に対応し、指示７１６は、人物１０２のグルコース測定値１１８が類似シーケンス７１０として記録された期間としての１日を「昨日」として識別する。指示７１６はまた、７０パーセントのＴｉｍｅ Ｉｎ Ｒａｎｇｅ、１００パーセントの利用率、３食の消費、及びボーラスインスリン５０を識別する。
【0133】
指示７１８は類似シーケンス７１２に対応し、指示７１８は、人物１０２のグルコース測定値１１８が類似シーケンス７１２として記録された期間としての１日を「１ヶ月前」として識別する。指示７１８はまた、６８パーセントのＴｉｍｅ Ｉｎ Ｒａｎｇｅ、１００パーセントの利用率、３食の消費、及びボーラスインスリン６５を識別する。例えば、指示７２０は類似シーケンス７１４に対応し、指示７２０は、人物１０２のグルコース測定値１１８が類似シーケンス７１４として記録された期間としての１日を「５日前」として識別する。指示７２０はまた、７２パーセントのＴｉｍｅ Ｉｎ Ｒａｎｇｅ、１００パーセントの利用率、３食の消費、及びボーラスインスリン４５を識別する。
【0134】
一例では、類似シーケンス７１４が類似シーケンス７１２よりも高い今日のグルコース値７０６との類似性スコアを有する場合であっても、類似性システム３１０は、類似性の比較に基づいて、類似シーケンス７１４よりも今日のグルコース値７０６に類似しているものとして、類似シーケンス７１４の前に類似シーケンス７１２をユーザインターフェース７０４に表示する。この例では、類似性システム３１０は、今日のＴｉｍｅ Ｉｎ Ｒａｎｇｅが６８パーセントであり、これは「１ヶ月前」の日と同じＴｉｍｅ Ｉｎ Ｒａｎｇｅであることを識別する。この類似性比較に基づいて、類似性システム３１０は、類似シーケンス７１２が類似シーケンス７１４の前にユーザインターフェース７０４に表示されるようにする。別の例では、類似性システム３１０は、今日のボーラスインスリンが６５であり、「１ヶ月前」の日と同じボーラスインスリンであることを識別する。この別の例では、この類似性比較に基づいて、類似性システム３１０は、類似シーケンス７１２が類似シーケンス７１４の前にユーザインターフェース７０４に表示されるようにする。
【0135】
図８は、反事実的指示を含む外部性の指示の表現８００を示す。図示のように、計算デバイス１０８は、人物１０２がランニングに行ったと判断し、計算デバイス１０８は、人物１０２の直近のグルコース値のシーケンスを類似性システム３１０に通信する。例えば、人物１０２は、計算デバイス１０８のユーザインターフェースと対話して、ランニング中に移動した総距離、ランニング中の人物１０２の心拍数、ランニング中に燃焼したカロリーなど、人物１０２のランニングに関する情報を示す。一例では、計算デバイス１０８は、スマートウォッチなどの別の計算デバイスから人物１０２のランニングを記述するデータを受信する。類似性システム３１０は、ユーザグルコース値３０６のシーケンスに含まれるタイムスタンプからランニングを識別し、ランニングの直前のグルコース値のサブシーケンスを抽出する。類似性システム３１０は、抽出されたグルコース値のサブシーケンスに類似した、シーケンスデータ３０８によって記述されるグルコース値のサブシーケンスを識別する。
【0136】
次いで、類似性システム３１０は、識別されたサブシーケンスが、人物１０２がランニングに行かなかった日に対応するシーケンスデータ３０８によって記述されるグルコース値のシーケンスに含まれることを決定する。類似性システム３１０は、類似シーケンスデータ３１２及び指示３１４を生成し、計算デバイス１０８は、類似シーケンスデータ３１２及び指示３１４を受信する。計算デバイス１０８は、「ランニングを完了していない１ヶ月の時間枠の類似日と比較して、今日はランニングのおかげでＴＩＲが約１４％増加するでしょう」という反事実的指示を表示する。例えば、人物１０２は、ユーザインターフェース要素８０４と対話して、反事実的指示を消去する。
【0137】
例示的な手順
この項は、グルコース値のシーケンスの類似性を決定するための例示的な手順を説明する。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、又はそれらの組み合わせにおいて実装され得る。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限定されない。図９は、ユーザグルコース値のシーケンスを記述する入力データが受信され、グルコース値の類似シーケンスに関連付けられた外部性の指示が生成される、例示的な実装態様における手順９００を示すフロー図である。持続グルコースモニタリング（ＧＣＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データが受信され、ユーザグルコース値のシーケンスは、ユーザグルコース値のサブシーケンスを含む（ブロック９０２）。例えば、類似性システム３１０が入力データを受信する。グルコース値の複数のシーケンスを記述するシーケンスデータがアクセスされ、複数のシーケンスのそれぞれのシーケンスはグルコース値のサブシーケンスを含む（ブロック９０４）。一例では、類似性システム３１０がシーケンスデータにアクセスする。
この項は、グルコース値のシーケンスの類似性を決定するための例示的な手順を説明する。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、又はそれらの組み合わせにおいて実装され得る。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限定されない。図９は、ユーザグルコース値のシーケンスを記述する入力データが受信され、グルコース値の類似シーケンスに関連付けられた外部性の指示が生成される、例示的な実装態様における手順９００を示すフロー図である。持続グルコースモニタリング（ＧＣＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データが受信され、ユーザグルコース値のシーケンスは、ユーザグルコース値のサブシーケンスを含む（ブロック９０２）。例えば、類似性システム３１０が入力データを受信する。グルコース値の複数のシーケンスを記述するシーケンスデータがアクセスされ、複数のシーケンスのそれぞれのシーケンスはグルコース値のサブシーケンスを含む（ブロック９０４）。一例では、類似性システム３１０がシーケンスデータにアクセスする。
【0138】
ユーザグルコース値のシーケンスに類似している、グルコース値の複数のシーケンスのうちの特定のシーケンスが、ユーザグルコース値のサブシーケンスのそれぞれと、特定のシーケンスに含まれるグルコース値の全てのサブシーケンスとの間の比較に基づいて識別される（ブロック９０６）。一例では、類似性システム３１０が特定のシーケンスを識別する。特定のシーケンスに関連付けられた外部性が決定される（ブロック９０８）。例えば、類似性システム３１０が外部性を決定する。外部性の指示が、ユーザインターフェースに表示するために生成される（ブロック９１０）。一例では、類似性システム３１０が外部性の指示を生成する。
【0139】
図１０は、ユーザグルコース値のシーケンスを記述する入力データが受信され、最も高い類似スコアを有するグルコース値のシーケンスに関連付けられた外部性の指示が生成される、例示的な実装態様における手順１０００を示すフロー図である。持続グルコースモニタリング（ＣＧＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データが受信される（ブロック１００２）。一例では、類似性システム３１０が入力データを受信する。ユーザグルコース値のシーケンスに含まれるそれぞれのグルコース値を、複数のシーケンスのそれぞれのシーケンスに含まれる全てのグルコース値と比較することによって、グルコース値の複数のシーケンスについて類似性スコアが計算される（ブロック１００４）。例えば、類似性システム３１０が類似性スコアを計算する。
【0140】
類似性スコアのうちの最も高い類似性スコアに関連付けられる、複数のシーケンスのうちのグルコース値の特定のシーケンスが識別される（ブロック１００６）。一例では、類似性システム３１０が、特定のシーケンスを、最も高い類似性スコアに関連付けられているものとして識別する。特定のシーケンスに関連付けられた外部性が決定される（ブロック１００８）。例えば、類似性システム３１０が外部性を決定する。外部性の指示が、ユーザインターフェースに表示するために生成される（ブロック１０１０）。一例では、類似性システム３１０が外部性の指示を生成する。
【0141】
図１１は、候補シーケンスについての類似性スコアが決定され、類似性閾値スコアと比較される例示的な実装態様における手順１１００を示すフロー図である。持続グルコースモニタリング（ＣＧＭ）システムによって測定されたユーザグルコース値のシーケンスを記述する入力データが受信される（ブロック１１０２）。例えば、類似性システム３１０は、入力データを受信する。コンテキストデータに基づくユーザグルコース値のシーケンスに含まれるそれぞれのグルコース値を観察する確率と、コンテキストデータに基づくグルコース値の候補シーケンスに含まれるそれぞれのグルコース値を観察する確率との間の差が決定される（ブロック１１０４）。一例では、類似性システム３１０が差を決定する。
【0142】
決定された差を合計することによって、候補シーケンスについて類似性スコアが計算される（ブロック１１０６）。一例では、類似性システム３１０が類似性スコアを計算する。類似性スコアは、類似性閾値スコアと比較される（ブロック１１０８）。例えば、類似性システム３１０が類似性スコアを類似性閾値スコアと比較する。類似性スコアが類似性閾値スコアよりも大きいことに応答して、候補シーケンスの指示が、ユーザインターフェースに表示するために生成される（ブロック１１１０）。一例では、類似性システム３１０が候補シーケンスの指示を生成する。
【0143】
例示的なシステム及びデバイス
図１２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及び／又はデバイスを表す例示的な計算デバイス１２０２を含む、例示的なシステムを全体的に１２００で示す。これは、ＣＧＭプラットフォーム１１２を含めることを通じて図示されている。計算デバイス１２０２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）、オンチップデバイス、及び／又は任意の他の好適な計算デバイス若しくはコンピューティングシステムであってもよい。
図１２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及び／又はデバイスを表す例示的な計算デバイス１２０２を含む、例示的なシステムを全体的に１２００で示す。これは、ＣＧＭプラットフォーム１１２を含めることを通じて図示されている。計算デバイス１２０２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）、オンチップデバイス、及び／又は任意の他の好適な計算デバイス若しくはコンピューティングシステムであってもよい。
【0144】
図示されているような例示の計算デバイス１２０２は、処理システム１２０４、１つ以上のコンピュータ可読媒体１２０６、及び互いに通信可能に結合されている１つ以上のＩ／Ｏインターフェース１２０８を含む。図示されていないが、計算デバイス１２０２は、様々な構成要素と互いに結合するシステムバス又は他のデータ及びコマンド転送システムを更に含むことができる。システムバスは、メモリバス若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、及び／又は多様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若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つ又は組み合わせを含むことができる。制御ライン及びデータラインなど、多様な他の例も企図されている。
【0145】
処理システム１２０４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を表す。したがって、処理システム１２０４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１２１０を含むものとして例示されている。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又は他の論理デバイスとしてのハードウェアでの実装態様を含み得る。ハードウェア要素１２１０は、それらが形成される材料、又はその中に採用される処理機構によっては限定されない。例えば、プロセッサは、半導体及び／又はトランジスタ（例えば、電子集積回路（integrated circuit、ＩＣ））から構成され得る。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り得る。
【0146】
コンピュータ可読媒体１２０６は、メモリ／ストレージ１２１２を含むものとして例示されている。メモリ／ストレージ１２１２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／記憶容量を表す。メモリ／ストレージ構成要素１２１２は、揮発性媒体（ランダムアクセスメモリ（random access memory、ＲＡＭ）など）及び／又は不揮発性媒体（読み出し専用メモリ（read only memory、ＲＯＭ）、フラッシュメモリ、光ディスク、磁気ディスクなど）を含み得る。メモリ／ストレージ構成要素１２１２は、固定メディア（例えば、ＲＡＭ、ＲＯＭ、固定ハードドライブ、それらの組み合わせなど）並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、それらの組み合わせなど）を含み得る。コンピュータ可読媒体１２０６は、以下に更に記載される様々な他の様式で構成され得る。
【0147】
入力／出力インターフェース１２０８は、ユーザが計算デバイス１２０２にコマンド及び／又は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及び／又は他の構成要素若しくはデバイスに情報を提示することを可能にする機能を表す。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、タッチ機能（例えば、物理的タッチを検出するように構成された静電容量センサ又は他のセンサ）、カメラ（例えば、タッチを伴わないジェスチャとして動きを認識するために、可視又は赤外線周波数などの不可視の波長を用い得る）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、モニタ又はプロジェクタ）、スピーカ、プリンタ、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１２０２は、以下に更に説明されているように、様々な方法で構成されて、ユーザ対話をサポートし得る。
【0148】
本明細書では、ソフトウェア、ハードウェア要素、又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得る。一般に、プログラムモジュールは、特定のタスクを実行するか、又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」、及び「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、又はそれらの組み合わせを表す。本明細書に記載の技法の特徴は、プラットフォームに依存せず、つまり、この技法は、多様なプロセッサを有する多様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。
【0149】
記載されるモジュール及び技法の実施態様は、何らかの形式のコンピュータ可読媒体に記憶されるか、又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１２０２によってアクセスされ得る様々な媒体を含み得る。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」及び「コンピュータ可読信号媒体」を含み得る。
【0150】
「コンピュータ可読記憶媒体」は、単なる信号伝送、搬送波、又は信号自体とは対照的に、情報の永続的及び／又は非一時的な記憶を可能にする媒体及び／又はデバイスを指し得る。したがって、コンピュータ可読記憶媒体は、非信号伝達媒体を指す。コンピュータ可読記憶媒体は、揮発性及び非揮発性、リムーバブル及び非リムーバブル媒体などのハードウェア、及び／又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、又は他のデータなどの情報の記憶に好適な方法又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、フラッシュメモリ若しくは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（digital versatile disk、ＤＶＤ）若しくは他の光記憶、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若しくは他の磁気記憶デバイス、若しくは他の記憶デバイス、有形媒体、又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み得るが、これらに限定されない。
【0151】
「コンピュータ可読信号媒体」とは、ネットワークなどを介して、計算デバイス１１０２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担持媒体を指し得る。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、又は搬送波、データ信号、若しくは他の輸送機構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得る。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様式で設定又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、有線ネットワーク又は直接有線接続などの有線媒体、及び音響、ＲＦ、赤外線、及び他の無線媒体などの無線媒体を含む。
【0152】
以前に説明されているように、ハードウェア要素１２１０及びコンピュータ可読媒体１２０６は、いくつかの実施形態において採用されて、１つ以上の命令を実行するためなどの、本明細書に説明されている技法の少なくともいくつかの態様を実装することができる、ハードウェア形態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、及び／又は固定デバイスロジックを表す。ハードウェアは、集積回路又はオンチップシステムの構成要素、特定用途向け集積回路（application-specific integrated circuit、ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（field-programmable gate array、ＦＰＧＡ）、複雑なプログラマブルロジックデバイス（complex programmable logic device、ＣＰＬＤ）、及びシリコン又は他のハードウェアにおける他の実施態様を含み得る。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及び／又は論理によって定義されるプログラムタスク、並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得る。
【0153】
前述の組み合わせを用いて、本明細書に記載の様々な技法を実装し得る。したがって、ソフトウェア、ハードウェア、又は実行可能モジュールは、何らかの形態のコンピュータ可読記憶媒体上に、かつ／又は１つ以上のハードウェア要素１２１０によって具現化された１つ以上の命令及び／又はロジックとして実装され得る。計算デバイス１２０２は、ソフトウェア及び／又はハードウェアモジュールに対応する特定の命令及び／又は機能を実装するように構成され得る。したがって、計算デバイス１２０２によって、ソフトウェアとして実行可能であるモジュールの実装態様は、例えば、コンピュータ可読記憶媒体、及び／又は処理システム１２０４のハードウェア要素１２１０の使用を介して、少なくとも部分的にハードウェア内で達成され得る。命令及び／又は機能は、本明細書に説明されている技法、モジュール、及び例を実装するための１つ以上の製造物品（例えば、１つ以上の計算デバイス１２０２及び／又は処理システム１２０４）によって実行可能／動作可能であり得る。
【0154】
本明細書に説明されている技法は、計算デバイス１２０２の様々な構成によってサポートされ得、本明細書に説明されている技法の特定の例に限定されない。この機能はまた、以下に説明されるように、プラットフォーム１２１６を介した「クラウド」１２１４上などでの分散システム使用を通じて、全て又は部分的に実装され得る。
【0155】
このクラウド１２１４は、リソース１２１８のためのプラットフォーム１２１６を含み、かつ／又はそれを表す。プラットフォーム１２１６は、クラウド１２１４のハードウェア（例えば、サーバ）及びソフトウェアリソースの基礎となる機能を抽象化する。リソース１２１８は、コンピュータ処理が、計算デバイス１２０２から遠隔地にあるサーバ上で実行されている間に利用され得るアプリケーション及び／又はデータを含み得る。リソース１２１８はまた、インターネットを介して、かつ／又はセルラーネットワーク若しくはＷｉ－Ｆｉネットワークなどの加入者ネットワークを介して提供されるサービスも含み得る。
【0156】
プラットフォーム１２１６は、計算デバイス１２０２を他の計算デバイスと接続するためのリソース及び機能を抽象化し得る。プラットフォーム１２１６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１２１６を介して実装されている、リソース１２１８が直面した需要に対応するスケールレベルを提供する役割も果たし得る。したがって、相互接続されたデバイスの実施形態では、本明細書に説明されている機能の実装態様は、システム１２００全体にわたって分散され得る。例えば、機能は、部分的に計算デバイス１２０２上に、並びにクラウド１２１４の機能を抽象化するプラットフォーム１２１６を介して、実装され得る。
【0157】
結論
システム及び技法は、構造的特徴及び／又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及び技法は、必ずしも記載される特定の特徴又は行為に限定されないと理解するべきである。むしろ、特定の特徴及び行為は、特許請求される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。
システム及び技法は、構造的特徴及び／又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及び技法は、必ずしも記載される特定の特徴又は行為に限定されないと理解するべきである。むしろ、特定の特徴及び行為は、特許請求される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。
【符号の説明】
【0158】
１００ 環境
１０２ 人物
１０４ システム
１０６ インスリン送達システム
１０８ 計算デバイス
１１０ ユーザ集団
１１２ プラットフォーム
１１４ モノのインターネット
１１６ ネットワーク
１１８ グルコース測定値
１２０ 記憶デバイス
１２２ データ分析プラットフォーム
２００ 例示的な実装態様
２０２ センサ
２０４ センサモジュール
２０６ 皮膚
２０８ 送信機
２１０ 接着パッド
２１２ 取り付け機構
２１４ デバイスデータ
２１８ センサ状態
３０２ パッケージ
３０４ 入力データ
３０６ ユーザグルコース値
３０８ シーケンスデータ
３１０ 類似性システム
３１２ 類似シーケンスデータ
３１４ 指示
４０２ 比較マネージャ
４０４ 指示マネージャ
４０６ 類似性スコア
４０８ 外部性モジュール
５０２ 第１のシーケンス
５０４ 第２のシーケンス
５０６ グルコース値
５０８ グルコース値
５１０ グルコース値
５１２ グルコース値
５１４ グルコース値
５１６ グルコース値
５１８ グルコース値
５２０ グルコース値
５２２ グルコース値
５２４ グルコース値
５２６ グルコース値
５２８ グルコース値
５４６ グルコース値
５４８ グルコース値
５５０ グルコース値
５５２ グルコース値
５６０ グルコース値
５６２ グルコース値
５６４ グルコース値
５６６ グルコース値
５８４ グルコース値
６００ 表現
６０６ ユーザインターフェース要素
６０８ ユーザインターフェース要素
７００ 表現
７０２ 計算デバイス
７０４ ユーザインターフェース
７０６ 今日のグルコース値
７０８ 検索フィールド
７１０ 類似シーケンス
７１２ 類似シーケンス
７１４ 類似シーケンス
７１６ 指示
７１８ 指示
７２０ 指示
１２００ システム
１２０２ 計算デバイス
１２０４ 処理システム
１２０６ コンピュータ可読媒体
１２０８ 出力インターフェース
１２１０ ハードウェア要素
１２１２ ストレージ
１２１４ クラウド
１２１６ プラットフォーム
１２１８ リソース
１０２ 人物
１０４ システム
１０６ インスリン送達システム
１０８ 計算デバイス
１１０ ユーザ集団
１１２ プラットフォーム
１１４ モノのインターネット
１１６ ネットワーク
１１８ グルコース測定値
１２０ 記憶デバイス
１２２ データ分析プラットフォーム
２００ 例示的な実装態様
２０２ センサ
２０４ センサモジュール
２０６ 皮膚
２０８ 送信機
２１０ 接着パッド
２１２ 取り付け機構
２１４ デバイスデータ
２１８ センサ状態
３０２ パッケージ
３０４ 入力データ
３０６ ユーザグルコース値
３０８ シーケンスデータ
３１０ 類似性システム
３１２ 類似シーケンスデータ
３１４ 指示
４０２ 比較マネージャ
４０４ 指示マネージャ
４０６ 類似性スコア
４０８ 外部性モジュール
５０２ 第１のシーケンス
５０４ 第２のシーケンス
５０６ グルコース値
５０８ グルコース値
５１０ グルコース値
５１２ グルコース値
５１４ グルコース値
５１６ グルコース値
５１８ グルコース値
５２０ グルコース値
５２２ グルコース値
５２４ グルコース値
５２６ グルコース値
５２８ グルコース値
５４６ グルコース値
５４８ グルコース値
５５０ グルコース値
５５２ グルコース値
５６０ グルコース値
５６２ グルコース値
５６４ グルコース値
５６６ グルコース値
５８４ グルコース値
６００ 表現
６０６ ユーザインターフェース要素
６０８ ユーザインターフェース要素
７００ 表現
７０２ 計算デバイス
７０４ ユーザインターフェース
７０６ 今日のグルコース値
７０８ 検索フィールド
７１０ 類似シーケンス
７１２ 類似シーケンス
７１４ 類似シーケンス
７１６ 指示
７１８ 指示
７２０ 指示
１２００ システム
１２０２ 計算デバイス
１２０４ 処理システム
１２０６ コンピュータ可読媒体
１２０８ 出力インターフェース
１２１０ ハードウェア要素
１２１２ ストレージ
１２１４ クラウド
１２１６ プラットフォーム
１２１８ リソース
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【国際調査報告】