知財求人 - 知財ポータルサイト「IP Force」
(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】2024-10-10
(54)【発明の名称】糖尿病管理を改善するための血糖影響予測
(51)【国際特許分類】
A61B 5/1473 20060101AFI20241003BHJP
【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 2024504557
(86)(22)【出願日】2022-10-26
(85)【翻訳文提出日】2024-01-24
(86)【国際出願番号】 US2022047878
(87)【国際公開番号】W WO2023076381
(87)【国際公開日】2023-05-04
(31)【優先権主張番号】63/263,188
(32)【優先日】2021-10-28
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】63/292,979
(32)【優先日】2021-12-22
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(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】サラ・ケイト・ピッカス
(72)【発明者】
【氏名】マーガレット・エー・クロフォード
(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・エイチ・ジェプソン
(72)【発明者】
【氏名】ロバート・ジェイ・ダウド
(72)【発明者】
【氏名】ジャーダ・アッチャロリ
(72)【発明者】
【氏名】アプルヴ・ユー・カマス
【テーマコード（参考）】
4C038
【Ｆターム（参考）】
4C038KK10
4C038KL01
4C038KL09
(57)【要約】
ユーザに関するグルコースレベル測定値及び追加データは、ユーザが装着する装着型グルコースモニタリングデバイスなどから経時的に取得される。この追加データは、ユーザが関与する身体活動など、ユーザのグルコースに影響を及ぼし得る事象又は状態を識別する。グルコース予測システムは、例えば、ユーザの活動データを分析し、一連の身体活動がいつ発生するかを決定する。グルコース予測システムは、身体活動が発生しなかった場合にユーザが有したであろうグルコース測定値を予測し、予測グルコース測定値に基づいて様々なアクションを行う（例えば、身体活動に関与しなかった場合にユーザが有したであろうグルコースを示すフィードバックをユーザに提供する）。
【特許請求の範囲】
【請求項1】
連続グルコースレベルモニタリングシステムにおいて実施される方法であって、前記方法は、前記連続グルコースレベルモニタリングシステムのグルコースセンサから、ユーザについて測定されたグルコース測定値を取得する（６０２）ことであって、前記グルコースセンサは、前記ユーザの挿入部位において挿入されている、ことと、
前記ユーザによって実行される一連の身体活動を検出する（６０４）ことと、
前記ユーザのグルコースへの前記身体活動の影響を、前記グルコース測定値に基づいて、前記ユーザが前記一連の身体活動を行っていた期間中に前記ユーザが前記一連の身体活動を行っていなかった場合に前記ユーザが有していたであろう、１つ以上の予測グルコース測定値を生成することによって予測する（６０６）ことと、
前記１つ以上の予測グルコース測定値を表示させる（６０８）ことと、を含む、方法。
【請求項2】
前記一連の身体活動の直前に測定された前記グルコース測定値のサブセットを識別することを更に含み、前記生成することは、前記グルコース測定値のサブセットに基づいて前記１つ以上の予測グルコース測定値を生成することを含む、請求項１に記載の方法。
【請求項3】
前記生成することは、前記ユーザの生理学的パラメータ、前記ユーザの人口統計情報、又は前記ユーザの臨床情報のうちの１つ以上に基づいて前記１つ以上の予測グルコース測定値を生成することを含む、請求項１又は請求項２に記載の方法。
【請求項4】
前記生成することは、前記一連の身体活動の期間について予測グルコース測定値を生成することを含む、請求項１～３のいずれか一項に記載の方法。
【請求項5】
前記生成することは、前記一連の身体活動後の期間について予測グルコース測定値を生成することを更に含む、請求項１～４のいずれか一項に記載の方法。
【請求項6】
前記一連の身体活動を検出することは、前記ユーザの心拍数ベースの強度値が、少なくともある連続時間について閾値量を下回ることなく、少なくとも閾値時間について前記閾値量を超えた期間を一連の身体活動として検出することを含む、請求項１～５のいずれか一項に記載の方法。
【請求項7】
前記一連の身体活動を検出することは、前記ユーザのＭＥＴ値の数値が、少なくともある連続時間について閾値量を下回ることなく、少なくとも閾値時間について前記閾値量を超えた期間を一連の身体活動として検出することを含む、請求項１～５のいずれか一項に記載の方法。
【請求項8】
糖尿病管理モニタリングシステムを含むデバイスであって、前記デバイスは、ハードウェアに少なくとも部分的に実装されて、前記糖尿病管理モニタリングシステムのセンサから、ユーザについて測定されたグルコース測定値を取得するための生体データ検出モジュール（３０４）と、
ハードウェアに少なくとも部分的に実装されて、前記ユーザによって実行される一連の身体活動を検出するための活動検出モジュール（３０２）と、
ハードウェアに少なくとも部分的に実装されて、前記ユーザのグルコースへの前記身体活動の影響を、前記グルコース測定値に基づいて、前記ユーザが前記一連の身体活動を行っていた期間中に前記ユーザが前記一連の身体活動を行っていなかった場合に前記ユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測するためのグルコース予測モジュール（３０８）と、
ハードウェアに少なくとも部分的に実装されて、前記１つ以上の予測グルコース測定値を表示させるためのユーザインタフェースモジュール（３１０）と、を備える、デバイス。
【請求項9】
前記グルコース予測モジュールは更に、前記ユーザの以前のグルコース測定値に基づいて前記ユーザのグルコース測定値を予測するように訓練された機械学習システムを使用して、前記１つ以上の予測グルコース測定値を生成するためのものである、請求項８に記載のデバイス。
【請求項10】
前記活動検出モジュールは更に、前記ユーザが、少なくともある連続分数について閾値歩数を下回ることなく、少なくとも閾値時間について１分あたり少なくとも前記閾値歩数を歩く期間を一連の身体活動として検出するためのものである、請求項８又は請求項９に記載のデバイス。
【発明の詳細な説明】
【技術分野】
【0001】
（関連出願）
本出願は、２０２１年１２月２２日に出願され、「Ｇｌｙｃｅｍｉｃ Ｉｍｐａｃｔ Ｐｒｅｄｉｃｔｉｏｎ Ｆｏｒ Ｉｍｐｒｏｖｉｎｇ Ｄｉａｂｅｔｅｓ Ｍａｎａｇｅｍｅｎｔ」と題する米国特許仮出願第６３／２９２，９７９号の利益を主張し、その開示全体が参照により本明細書に組み込まれ、また、２０２１年１０月２８日に出願された「Ｒａｎｋｉｎｇ Ｆｅｅｄｂａｃｋ Ｆｏｒ Ｉｍｐｒｏｖｉｎｇ Ｄｉａｂｅｔｅｓ Ｍａｎａｇｅｍｅｎｔ」と題する米国特許仮出願第６３／２６３，１８８号の利益を主張し、その開示全体が参照により本明細書に組み込まれる。
本出願は、２０２１年１２月２２日に出願され、「Ｇｌｙｃｅｍｉｃ Ｉｍｐａｃｔ Ｐｒｅｄｉｃｔｉｏｎ Ｆｏｒ Ｉｍｐｒｏｖｉｎｇ Ｄｉａｂｅｔｅｓ Ｍａｎａｇｅｍｅｎｔ」と題する米国特許仮出願第６３／２９２，９７９号の利益を主張し、その開示全体が参照により本明細書に組み込まれ、また、２０２１年１０月２８日に出願された「Ｒａｎｋｉｎｇ Ｆｅｅｄｂａｃｋ Ｆｏｒ Ｉｍｐｒｏｖｉｎｇ Ｄｉａｂｅｔｅｓ Ｍａｎａｇｅｍｅｎｔ」と題する米国特許仮出願第６３／２６３，１８８号の利益を主張し、その開示全体が参照により本明細書に組み込まれる。
【背景技術】
【0002】
糖尿病は、数億人の人々に悪影響を及ぼす代謝状態であり、世界的に突出する死因のうちの１つである。Ｉ型糖尿病を患って生活する人々の場合、治療へのアクセスは、人々の生存にとって必要不可欠であり、それは、ＩＩ型糖尿病を患う人々の間の有害転帰を減少させることができる。適切な治療を行えば、糖尿病に起因する心臓、血管、眼、腎臓、及び神経への重大な損傷を回避することができる。糖尿病の型（例えば、Ｉ型又はＩＩ型）のいかんにかかわらず、糖尿病をうまく管理することには、食物及び活動をモニタリングし、何度も調整して、人の血糖を制御すること、例えば、人のグルコースの深刻な変動を低減すること、及び／又は人のグルコースを総体的に低下させることが含まれる。
【0003】
しかしながら、多くの従来のグルコースモニタリングアプリケーションは、ユーザ、特に自身のグルコースのモニタリングを最近開始したばかりのユーザにとっては解釈しづらい方式で未処理のグルコース情報を表示するユーザインタフェースを用いる。結果として、ユーザは、データから洞察を引き出すことができない場合があり、したがって、ユーザのグルコースを改善するために、ユーザの行動に有意な方法で変更することができない。時間が経つにつれ、これらのユーザは、これらの従来のグルコースモニタリングアプリケーションによる情報の提示のされ方に圧倒され、苛立つことが多く、したがって、グルコース及び全体的な健康の改善が実現できる前に、これらのアプリケーションの使用を中断してしまう。更に、ユーザが、モバイルデバイス（例えば、スマートウォッチ及びスマートフォン）を利用してグルコースモニタリング情報にアクセスすることが多くなるにつれて、これらのモバイルデバイスの小型画面によって課される制約によって、従来のシステムでは、ユーザが理解できるように有意なグルコース情報を提供できないことが、更に深刻化する。
【発明の概要】
【0004】
これらの問題を克服するために、糖尿病管理を改善するための血糖影響予測のための技法が論じられる。１つ以上の実装形態では、連続グルコースレベルモニタリングシステムにおいて、ユーザについて測定されたグルコース測定値は、連続グルコースレベルモニタリングシステムのグルコースセンサから取得され、グルコースセンサは、ユーザの挿入部位において挿入されている。ユーザによって実行された一連の身体活動が検出され、ユーザのグルコースに対する身体活動の影響が予測される。この影響は、グルコース測定値に基づいて、ユーザが一連の身体活動を行っていた期間中にユーザが一連の身体活動を行っていなかった場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測される。１つ以上の予測グルコース測定値が表示される。
【0005】
１つ以上の実装形態では、糖尿病管理モニタリングシステムにおいて、ユーザについて測定されたグルコース測定値は、糖尿病管理モニタリングシステムのセンサから取得される。期間中にユーザによって一連の身体活動が行われなかったという決定がなされる。身体活動を行わなかったことのユーザのグルコースへの影響は、グルコース測定値に基づいて、ユーザが一連の身体活動を行っていた期間中にユーザが一連の身体活動を行っていた場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測される。１つ以上の予測グルコース測定値が表示される。
【0006】
この発明の概要は、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、この発明の概要は、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】
【0007】
詳細な説明は、添付の図を参照して記載されている。
【図1】本明細書で説明されるように糖尿病管理を改善するための血糖影響予測を実施するように動作可能である実装形態の例における環境の図である。
【図2】装着型グルコースモニタリングデバイスの実装形態の例をより詳細に示す。
【図3】グルコース予測システムの例示的なアーキテクチャの図である。
【図4】予測グルコース測定値を生成する例を示す。
【図5】予測グルコース測定値を提供する例を示す。
【図6】糖尿病管理を改善するための血糖影響予測を実施する例における手順を示す。
【図7】糖尿病管理を改善するための血糖影響予測を実施する別の例における手順を示す。
【図8】本明細書で説明される様々な技法を実施し得る１つ以上のコンピューティングシステム及び／又はデバイスを表現するコンピューティングデバイスの例を含む、システムの例を示す。
【発明を実施するための形態】
【0008】
概要
糖尿病管理を改善するための血糖影響予測のための技法が、本明細書で論じられる。概して、ユーザの血糖値測定値は経時的に取得される。これらのグルコースレベル測定値は、通常、ユーザが装着する装着型グルコースモニタリングデバイスによって取得される。これらのグルコースレベル測定値は、デバイスが、異なるデバイスとの通信結合の確立（例えば、コンピューティングデバイスが、測定値のうちの１つ以上を取り出すために装着型グルコースレベルモニタリングデバイスとの無線接続を確立するとき）などに応答して、規則的又は不規則な時間間隔（例えば、約１時間ごと、約３０分ごと、約５分ごとなど）でグルコースレベル測定値を生成するように構成され得るように、実質的に連続的に生成され得る。
糖尿病管理を改善するための血糖影響予測のための技法が、本明細書で論じられる。概して、ユーザの血糖値測定値は経時的に取得される。これらのグルコースレベル測定値は、通常、ユーザが装着する装着型グルコースモニタリングデバイスによって取得される。これらのグルコースレベル測定値は、デバイスが、異なるデバイスとの通信結合の確立（例えば、コンピューティングデバイスが、測定値のうちの１つ以上を取り出すために装着型グルコースレベルモニタリングデバイスとの無線接続を確立するとき）などに応答して、規則的又は不規則な時間間隔（例えば、約１時間ごと、約３０分ごと、約５分ごとなど）でグルコースレベル測定値を生成するように構成され得るように、実質的に連続的に生成され得る。
【0009】
１つ以上の実装形態では、グルコース測定値のデータストリームが受信される。活動データ（例えば、ユーザの歩数）など種々の他のデータストリームも受信される。グルコース予測システムは、例えば、ユーザの活動データを分析し、一連の身体活動がいつ発生するかを決定する。グルコース予測システムは、身体活動が発生しなかった場合にユーザが有したであろうグルコース測定値を予測し、予測グルコース測定値に基づいて様々なアクションを行う（例えば、身体活動に関与しなかった場合にユーザが有したであろうグルコースを示すフィードバックをユーザに提供する）。
【0010】
追加的に又は代替的に、受信したデータストリームは、ユーザが関与する活動、ユーザの行動、ユーザの反応、ユーザの医学的状態、ユーザの生体データなどユーザのグルコースに影響を及ぼし得る事象又は状態を示す、種々の他のデータを含む。グルコース予測システムは、このデータを分析して、そのような事象又は状態を識別し、識別した事象又は状態が発生しなかった、又は存在しなかった場合にユーザが有したであろうグルコース測定値を予測する。グルコース予測システムは、予測グルコース測定値に基づいて様々なアクションを行う（例えば、識別された事象又は状態が発生しなかった、又は存在しなかった場合にユーザが有したであろうグルコースを示すフィードバックをユーザに提供する）。
【0011】
本明細書で論じられる技法は、身体活動が発生しない（又は他の事象若しくは状態が発生しないか、若しくは存在しない）期間を決定することに同様に適用される。グルコース予測システムは、身体活動が発生した（又は他の事象若しくは状態が発生したか、若しくは存在した）場合にユーザが有したであろうグルコース測定値を予測し、予測グルコース測定値に基づいて様々なアクションを行う（例えば、身体活動に関与したか、又は他の事象若しくは状態が発生したか、若しくは存在した場合にユーザが有したであろうグルコースを示すフィードバックをユーザに提供する）。
【0012】
本明細書で論じられる技法は、特定の事象又は状態が発生したか、又は存在した（あるいは発生しなかったか、又は存在しなかった）場合にユーザが有したであろうグルコース測定値を予測するか、又は推定する。健全なグルコース管理行動の修正及び患者固有の目標（例えば、食後の急上昇を緩和する活動又は持続性高血糖後の血糖を低下させる活動を使用する）の一方又は両方の肯定的な強化を与えるフィードバックが提供される。これは、ユーザが糖尿病管理及び自身の健康全般を改善するのに役立つ。
【0013】
更に、本明細書で説明される技法は、特定の行動修正を改善された糖尿病管理結果にリンクさせることによって、リアルタイムで教示可能な時点を提供する。ユーザは、リアルタイムフィードバックを受信し、これにより、ユーザは、自身の行動又は選択が自身のグルコースに好影響を及ぼしたことを把握できるようになり、今後もそのような行動を継続し、自身の健康全般を改善できるようになる。
【0014】
以下の説明では、最初に、本明細書で説明される技法を使用することができる例示的な環境が説明される。次いで、例示的な環境及び他の環境で実行され得る実装形態の例の詳細及び手順が説明される。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。
【0015】
環境の例
図１は、本明細書で説明されるように糖尿病管理を改善するための血糖影響予測を実施するように動作可能である実装形態の例における環境１００の図である。この例示された環境１００は、装着型グルコースモニタリングデバイス１０４を装着して描かれている人１０２を含む。図示された環境１００はまた、コンピューティングデバイス１０６、グルコースモニタリングデバイス１０４を装着するユーザ母集団１０８内の他のユーザ、及びグルコースモニタリングプラットフォーム１１０を含む。装着型グルコースモニタリングデバイス１０４、コンピューティングデバイス１０６、ユーザ母集団１０８、及びグルコースモニタリングプラットフォーム１１０は、ネットワーク１１２を介してなど通信可能に結合される。
図１は、本明細書で説明されるように糖尿病管理を改善するための血糖影響予測を実施するように動作可能である実装形態の例における環境１００の図である。この例示された環境１００は、装着型グルコースモニタリングデバイス１０４を装着して描かれている人１０２を含む。図示された環境１００はまた、コンピューティングデバイス１０６、グルコースモニタリングデバイス１０４を装着するユーザ母集団１０８内の他のユーザ、及びグルコースモニタリングプラットフォーム１１０を含む。装着型グルコースモニタリングデバイス１０４、コンピューティングデバイス１０６、ユーザ母集団１０８、及びグルコースモニタリングプラットフォーム１１０は、ネットワーク１１２を介してなど通信可能に結合される。
【0016】
代替的に又は追加的に、装着型グルコースモニタリングデバイス１０４及び計算デバイス１０６は、１つ以上の無線通信プロトコル又は技法を使用するなど、他の方法で通信可能に接続することができる。例として、装着型グルコースモニタリングデバイス１０４及びコンピューティングデバイス１０６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、互いに通信することができる。
【0017】
記載される技法によれば、装着型グルコースモニタリングデバイス１０４は、人１０２のグルコースの測定値を提供するように構成されている。これらの測定値は、人１０２のグルコースレベルを示す。本明細書では、装着型グルコースモニタリングデバイスを議論するが、グルコースモニタリングのためのユーザインタフェースは、グルコース測定値を提供することが可能な他のデバイス、例えば、フィンガースティック、パッチなどを必要とする血糖測定器などの非装着型グルコースデバイスと関連して生成及び提示できることを理解されたい。しかしながら、装着型グルコースモニタリングデバイス１０４を含む実装形態では、例えば、人１０２のグルコースを示す分析物を連続的に検出し、かつグルコース測定値の生成を可能にするグルコースセンサで構成することができる。例示された環境１００において、また詳細な説明全体にわたって、これらの測定値は、グルコース測定値１１４として表される。
【0018】
１つ以上の実装形態では、装着型グルコースモニタリングデバイス１０４は、連続グルコースモニタリング（continuous glucose monitoring、ＣＧＭ）システムである。本明細書で使用される場合、グルコースモニタリングに関連して使用される「連続的」という用語は、デバイスが、規則的又は不規則な時間間隔（例えば、１時間ごと、３０分ごと、５分ごとなど）で、異なるデバイスと通信結合を確立すること（例えば、コンピューティングデバイスが、測定値のうちの１つ以上を取り出すために装着型グルコースモニタリングデバイス１０４との無線接続を確立するとき）などに応答して、グルコース測定値１１４を生成するように構成され得るように、実質的に連続して測定値を生成するデバイスの能力を指し得る。この機能は、装着型グルコースモニタリングデバイス１０４の構成の更なる態様とともに、図２に関連してより詳細に説明される。
【0019】
更に、装着型グルコースモニタリングデバイス１０４は、無線接続などを介して、グルコース測定値１１４をコンピューティングデバイス１０６に送信する。装着型グルコースモニタリングデバイス１０４は、例えば、これらの測定値がグルコースセンサを使用して生成されたときに、それらの測定値をリアルタイムで通信することができる。代替的に又は追加的に、装着型グルコースモニタリングデバイス１０４は、設定された時間間隔でグルコース測定値１１４をコンピューティングデバイス１０６に伝達することができる。例えば、装着型グルコースモニタリングデバイス１０４は、グルコース測定値１１４をコンピューティングデバイス１０６に（それらの測定値が生成されているときに）５分ごとに伝達するように構成することができる。
【0020】
確実に、グルコース測定値１１４が伝達される時間間隔は、本記載の技法の趣旨又は範囲から逸脱することなく、上記の例とは異なってもよい。それらの測定値は、コンピューティングデバイス１０６からの要求に基づくなど、本記載の技法による他の基礎に従って、装着型グルコースモニタリングデバイス１０４によってコンピューティングデバイス１０６に通信することができる。いずれにしても、コンピューティングデバイス１０６は、人１０２のグルコース測定値１１４を少なくとも一時的に、例えば、コンピューティングデバイス１０６のコンピュータ可読記憶媒体内に維持することができる。
【0021】
コンピューティングデバイス１０６は、モバイルデバイス（例えば、携帯電話）として例示されているが、本記載の技法の趣旨又は範囲から逸脱することなく、様々な方法で構成され得る。限定ではなく例として、コンピューティングデバイス１０６は、モバイルデバイス（例えば、装着型デバイス、タブレットデバイス、又はラップトップコンピュータ）、固定デバイス（例えば、デスクトップコンピュータ）、自動車用コンピュータなど、異なるタイプのデバイスとして構成され得る。１つ以上の実装形態では、コンピューティングデバイス１０６は、グルコースモニタリングプラットフォーム１１０に関連付けられた専用デバイスとして構成され得、その専用デバイスは、例えば、装着型グルコースモニタリングデバイス１０４からグルコース測定値１１４を取得し、グルコース測定値１１４に関連する様々な計算を実行し、グルコース測定値１１４及びグルコースモニタリングプラットフォーム１１０に関連する情報を表示し、グルコース測定値１１４をグルコースモニタリングプラットフォーム１１０に伝達するなどのための機能を有する。
【0022】
更に、コンピューティングデバイス１０６は、本記載の技法による２つ以上のデバイスを表すことができる。１つ以上のシナリオでは、例えば、コンピューティングデバイス１０６は、装着型デバイス（例えば、スマートウォッチ）と携帯電話との両方に対応することができる。そのようなシナリオでは、これらのデバイスの両方は、装着型グルコースモニタリングデバイス１０４からグルコース測定値１１４を取り出し、ネットワーク１１２を介してそれらの測定値をグルコースモニタリングプラットフォーム１１０に伝達し、グルコース測定値１１４に関連する情報を表示するなどのために、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可能であり得る。代替的には追加的に、異なるデバイスは、他のデバイスが有さない、又は計算命令を通して指定されたデバイスに制限される、異なる能力を有していてもよい。
【0023】
コンピューティングデバイス１０６が別個のスマートウォッチ及び携帯電話に対応するシナリオでは、例えば、スマートウォッチは、人１０２の様々な生理学的マーカ（例えば、心拍数、心拍数変動性、呼吸、血流速度など）及び活動（例えば、歩行又は他の運動）を測定するための様々なセンサ及び機能を備えて構成され得る。このシナリオでは、携帯電話は、これらのセンサ及び機能を備えて構成されなくてもよいか、又はその機能の限定された量を含むことができる－ただし、他のシナリオでは、携帯電話は、同じ機能を提供することが可能である場合がある。この特定のシナリオを用いて続けると、携帯電話は、グルコースモニタリングに関連付けられた画像を取り込むためのカメラ、及びその携帯電話がグルコース測定値１１４に関連する計算をより効率的に実行することを可能にするコンピューティングリソース（例えば、バッテリ及び処理速度）の量など、スマートウォッチが有しない能力を有することができる。スマートウォッチがそのような計算を実行することができるシナリオにおいても、コンピューティング命令は、それらの計算の実行を携帯電話に限定して、両方のデバイスに負担をかけず、利用可能なリソースを効率的に利用することができる。この程度まで、コンピューティングデバイス１０６は、本記載の技術の趣旨及び範囲から逸脱することなく、本明細書で説明されたものとは異なる方法で構成され、かつ異なる数のデバイスを表すことができる。
【0024】
論じられる技法によると、コンピューティングデバイス１０６は、糖尿病管理を改善するための血糖影響予測を実施するように構成されている。環境１００において、計算デバイス１０６は、グルコースモニタリングアプリケーション１１６及び記憶デバイス１１８を含む。ここで、グルコースモニタリングアプリケーション１１６は、グルコース予測システム１２０を含む。コンピューティングデバイス１０６に含まれるものとして示されているが、追加的に又は代替的に、グルコース予測システム１２０の少なくとも一部の機能は、グルコースモニタリングプラットフォーム１１０など他の場所に位置する。更に、グルコース測定値１１４は、記憶デバイス１１８に記憶されて示されている。記憶デバイス１１８は、１つ以上のデータベース、並びにグルコース測定値１１４を記憶することが可能な他のタイプの記憶装置も表し得る。
【0025】
１つ以上の実装形態では、グルコース測定値１１４は、少なくとも部分的にコンピューティングデバイス１０６から遠隔に、例えば、グルコースモニタリングプラットフォーム１１０の記憶装置に記憶されて、糖尿病管理フィードバックを提示するためのユーザインタフェースを構成し、出力する（例えば、表示する）ことに関連して取り出されるか、又は別様にアクセスされ得る。例として、グルコース測定値１１４は、概して、ユーザ母集団１０８のグルコース測定値とともにグルコースモニタリングプラットフォーム１１０の記憶装置に記憶され得、当該データの一部は、糖尿病管理フィードバックを提示するためのユーザインタフェースを表示するために、必要に応じて取り出され得るか、又は別様にアクセスされ得る。
【0026】
大まかに言えば、グルコースモニタリングアプリケーション１１６は、ユーザのグルコースに関するフィードバック及び予測グルコースが提示できるようにする、ユーザとの対話をサポートするように構成されている。これは、例えば、処理のために（例えば、適切なフィードバックを決定するために）グルコース測定値１１４を取得すること、（例えば、オンボーディング処理及び／又はユーザフィードバックを通して）ユーザに関する情報を受信すること、情報を医療提供者に通信させること、情報をグルコースモニタリングプラットフォーム１１０に通信させることなどを含み得る。
【0027】
１つ以上の実装形態では、グルコースモニタリングアプリケーション１１６はまた、糖尿病管理を改善するための血糖影響予測に関連してグルコースモニタリングプラットフォーム１１０のリソースを活用する。上述したように、例として、グルコースモニタリングプラットフォーム１１０は、ユーザ（例えば、人１０２）及び／又はユーザ母集団１０８のユーザに関連付けられたグルコース測定値１１４などデータを記憶するように構成され得る。グルコースモニタリングプラットフォーム１１０はまた、グルコースモニタリングアプリケーション１１６に対する更新及び／又は追加を提供することができる。更にまた、グルコースモニタリングプラットフォーム１１０は、アルゴリズム（例えば、機械学習アルゴリズム）を訓練、維持、及び／又は展開して、人１０２及びユーザ母集団１０８のユーザから収集された豊富なデータを使用することなどによって、フィードバックを生成すること又は選択することができる。１つ以上のそのようなアルゴリズムは、典型的なパーソナル計算デバイス、例えば、ほんの数例を挙げると、携帯電話、ラップトップ、タブレットデバイス、及び装着型のリソースを超える計算リソースの量を必要とする場合がある。それでもなお、グルコースモニタリングプラットフォーム１１０は、そのようなアルゴリズムを動作させるために必要とされるリソース、例えば、クラウドストレージ、サーバデバイス、仮想化リソースなどを含むか、又は別様にそれらへアクセスすることができる。グルコースモニタリングプラットフォーム１１０は、ユーザインタフェースを介した糖尿病管理フィードバックの提示を可能にすることに関連してグルコースモニタリングアプリケーション１１６が活用する様々なリソースを提供し得る。
【0028】
説明される技法によると、グルコース予測システム１２０は、グルコース測定値１１４を使用して、１つ以上の予測グルコースレベルを識別し、識別したグルコースレベルを提示する１つ以上のユーザインタフェースを出力させるように構成されている。グルコースモニタリングアプリケーション１１６は、コンピューティングデバイス１０６のディスプレイデバイス又は他のディスプレイデバイスを介して、構成されたユーザインタフェース１２４を表示させ得る。
【0029】
上記及び下記で論じられるように、記載の技法に従って、ユーザのグルコース測定値１１４に基づいて、様々な予測ベースのフィードバック（例えば、メッセージ）が選択され得るか、又は生成され得る。グルコースを、例えば、連続して測定して、そのような測定値を記述するデータを取得するという文脈において、図２の以下の説明を検討する。
【0030】
図２は、図１の装着型グルコースモニタリングデバイス１０４の実装形態のより詳細な例２００を示している。特に、図示された例２００は、装着型グルコースモニタリングデバイス１０４の上面図及び対応する側面図を含む。装着型グルコースモニタリングデバイス１０４は、本記載の技法の趣旨又は範囲から逸脱することなく、以下の説明から、実装形態において、様々な方法で変更を行うことができることを理解されたい。上述したように、例として、糖尿病管理フィードバックの提示を含むユーザインタフェースは、非装着型デバイス（例えば、フィンガースティックを必要とする血糖測定器）、パッチなどグルコースモニタリングのための他のタイプのデバイスに関連して構成及び表示（又は別様に出力）され得る。
【0031】
この例２００では、装着型グルコースモニタリングデバイス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。ここでは、センサ２０２は、例えば、人１０２の皮膚２０６中の皮下に挿入されている側面図に示してある。センサモジュール２０４は、上面図に破線長方形として図示してある。装着型グルコースモニタリングデバイス１０４はまた、図示された例２００において送信機２０８も含む。センサモジュール２０４について破線長方形を使用することにより、そのセンサモジュールが送信機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が示されている。この例２００では、装着型グルコースモニタリングデバイス１０４は、接着パッド２１０及び取り付け機構２１２を更に含む。
【0032】
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を介して皮膚２０６に貼り付けた後、アセンブリに取り付けられ得る。あるいは、送信機２０８は、貼り付けアセンブリの一部として組み込まれ得、その結果、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、皮膚２０６に一度に全て貼り付けることができる。１つ以上の実装形態では、この貼り付けアセンブリは、別個のセンサ貼り付け具（図示せず）を使用して皮膚２０６に貼り付けられる。従来の血糖測定器によって必要とされる指穿刺とは異なり、装着型グルコースモニタリングデバイス１０４の、ユーザが開始する貼り付けは、ほぼ無痛であり、血液の回収を必要としない。更に、自動センサ貼り付け具により、一般に、臨床医又は医療サービス提供者の支援なしに、人１０２がセンサ２０２を皮膚２０６中の皮下に埋め込むことが可能になる。
【0033】
この貼り付けアセンブリはまた、接着パッド２１０を皮膚２０６から剥離することによって取り外すこともできる。図示されているように、装着型グルコースモニタリングデバイス１０４及びその様々な構成要素は、単純に、１つの例示的なフォームファクタであり、装着型グルコースモニタリングデバイス１０４及びその構成要素は、本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することができることを理解されたい。
【0034】
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への通信、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施され得、これらの通信は、連続的（例えば、アナログ式）又は離散的（例えば、デジタル式）であり得る。
【0035】
センサ２０２は、センサ２０２から少なくとも部分的に独立している事象に応答して変化するか、又は変化を引き起こすデバイス、分子、及び／又は化学物質であってもよい。センサモジュール２０４は、センサ２０２に対する変化のインジケーション、又はセンサ２０２によって引き起こされた変化のインジケーション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、電極を含み得るセンサモジュール２０４によって電気化学的に検出可能である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糖尿病管理を示す、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。１つ以上の実装形態では、センサ２０２はまた、乳酸レベルなど他のマーカを示す血液又は間質液中の分析物も検出するように構成され得、これは、様々な糖尿病管理フィードバックを生成する際の精度を向上することができる。追加的又は代替的に、装着型グルコースモニタリングデバイス１０４は、他のマーカを示す分析物を検出するために、センサ２０２に追加のセンサを含むことができる。
【0036】
別の例では、センサ２０２（又は装着型グルコースモニタリングデバイス１０４の追加の図示されていないセンサ）は、第１及び第２の導体を含むことができ、センサモジュール２０４は、センサ２０２のその第１及び第２の導体の両端の電位の変化を電気的に検出することができる。この例では、センサモジュール２０４及びセンサ２０２は、電位変化が温度変化に対応するように、熱電対として構成されている。いくつかの例では、センサモジュール２０４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ている。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ている。代替的に又は追加的に、装着型グルコースモニタリングデバイス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。
【0037】
１つ以上の実装形態では、センサモジュール２０４は、プロセッサ及びメモリ（図示せず）を含むことができる。このセンサモジュール２０４は、プロセッサを活用することによって、上述した変化を示すセンサ２０２との通信に基づいて、グルコース測定値１１４を生成することができる。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、少なくとも１つのグルコース測定値１１４を含む通信可能なデータパッケージを生成するように更に構成されている。１つ以上の実装形態では、センサモジュール２０４は、限定ではなく例として、センサ識別子、センサの状態、グルコース測定値１１４に対応する温度、グルコース測定値１１４に対応する他の分析物の測定値などを含む追加のデータを含むようにこれらのパッケージを構成することができる。このようなパケットは、記載される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１１４に加えて、様々なデータを含むことができることを理解されたい。
【0038】
装着型グルコースモニタリングデバイス１０４が無線送信用に構成される実装形態では、送信機２０８は、グルコース測定値１１４をデータストリームとして計算デバイスに無線で送信することができる。代替的に又は追加的に、センサモジュール２０４は、グルコース測定値１１４を（例えば、センサモジュール２０４のメモリ及び／又は装着型グルコースモニタリングデバイス１０４の他の物理的コンピュータ可読記憶媒体に）バッファリングし、後ほど様々な間隔、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（バッファリングされたグルコース測定値１１４がデータの閾値量又は測定値の数に達するとき）などにおいて、バッファリングされたグルコース測定値１１４を送信機２０８に送信させてもよい。
【0039】
環境の例、及び装着型グルコースモニタリングデバイスの例を検討してきたが、ここで、糖尿病管理を改善するための糖尿病管理フィードバックのための技法の詳細のいくつかの例に関する説明について検討する。
【0040】
システムアーキテクチャ
図３は、グルコース予測システム１２０の例示的なアーキテクチャの図である。グルコース予測システム１２０は、事象検出モジュール３０２と、生体データ検出モジュール３０４と、予測制御モジュール３０６と、グルコース測定値予測モジュール３０８と、ＵＩモジュール３１０と、を含む。概して、グルコース予測システム１２０は、ユーザの活動データを分析し、一連の身体活動がいつ発生するかを決定する。グルコース予測システム１２０は、身体活動が発生しなかった場合のユーザ１０２のグルコース測定値を予測し、予測グルコース測定値に基づいて様々なアクションを行う（例えば、身体活動に関与しなかった場合のユーザのグルコースを示す、ユーザについてのフィードバックを提供する）。
図３は、グルコース予測システム１２０の例示的なアーキテクチャの図である。グルコース予測システム１２０は、事象検出モジュール３０２と、生体データ検出モジュール３０４と、予測制御モジュール３０６と、グルコース測定値予測モジュール３０８と、ＵＩモジュール３１０と、を含む。概して、グルコース予測システム１２０は、ユーザの活動データを分析し、一連の身体活動がいつ発生するかを決定する。グルコース予測システム１２０は、身体活動が発生しなかった場合のユーザ１０２のグルコース測定値を予測し、予測グルコース測定値に基づいて様々なアクションを行う（例えば、身体活動に関与しなかった場合のユーザのグルコースを示す、ユーザについてのフィードバックを提供する）。
【0041】
イベント検出モジュール３０２及び生体データ検出モジュール３０４はそれぞれ、データストリーム３２０を受信する。データストリーム３２０内のデータは、装着型グルコースモニタリングデバイス１０４、コンピューティングデバイス１０６の１つ以上のセンサ、ユーザ１０２が装着する別のセンサ又はデバイス、ユーザ入力（例えば、特定の活動が発生した時間又はユーザがアクションを行った時間を指定する、種々のセンサから受信した測定値を指定する）、ローカル又はリモートデータベース（例えば、ネットワーク１１２を介してアクセスされる）など種々の異なるソースから受信され得る。データストリーム３２０内のデータは、一定間隔（例えば、約５分ごと）で受信されたデータ、単発データ（例えば、特定時間に食べた食事を記述するデータなどユーザインタフェースを介して入力されたデータ）などを含み得る。１つ以上の実装形態では、データストリーム３２０は、グルコース測定値１１４と、グルコース測定値１１４のそれぞれを取得した（例えば、装着型グルコースモニタリングデバイス１０４によって）又は受信した（例えば、グルコースモニタリングアプリケーション１１６によって）時刻を示すタイムスタンプと、を含む。タイムスタンプは、例えば、装着型グルコースモニタリングデバイス１０４又はグルコースモニタリングアプリケーション１１６によって提供され得る。追加的に又は代替的に、データストリーム３２０は、ユーザ１０２が関与する活動、ユーザ１０２の行動、ユーザ１０２の反応、ユーザ１０２の医学的状態、ユーザ１０２の生体データなどユーザ１０２のグルコース（例えば、ユーザ１０２のグルコースレベル）に影響を及ぼし得る事象又は状態を示す、種々の他のデータのいずれかを含む。
【0042】
１つ以上の実装形態では、データストリーム３２０は、特定の時間範囲（例えば、１０秒ごと、毎分）にわたる歩数、特定の時間範囲（例えば、１５秒ごとなど規則的又は不規則な間隔）にわたる心拍数とタイムスタンプ、移動速度とタイムスタンプ（例えば、１５秒ごとなど規則的又は不規則な間隔）、未処理の、又はフィルタ済みの加速度計データなど身体活動データを含み得る。身体活動データは、装着型グルコースモニタリングデバイス１０４、コンピューティングデバイス１０６上で実行される活動追跡アプリケーション、ユーザ１０２によって装着される活動又はフィットネストラッカなど様々なソースから受信され得る。
【0043】
追加的に又は代替的に、データストリーム３２０は食事データを含む。例えば、この食事データは、ユーザ１０２が食事した時刻のタイムスタンプ及び消費された食物、特定の種類又はクラスの食物（例えば、野菜、穀物、肉、菓子、炭酸飲料）が消費された時刻のタイムスタンプ、食物の消費量などを含み得る。
【0044】
追加的に又は代替的に、データストリーム３２０は、ユーザの１日の睡眠分数を示すデータなど睡眠データを含む。睡眠データはまた、ユーザの睡眠パターンに関するデータを含み得る。例えば、データストリーム３２０は、ユーザの睡眠時間、特定の時間におけるユーザの睡眠状態（例えば、ステージ１、ステージ２、ステージ３、又は急速眼球運動（ＲＥＭ）睡眠）などを示すデータを含み得る。睡眠データは、装着型グルコースモニタリングデバイス１０４、コンピューティングデバイス１０６上で実行される睡眠追跡アプリケーション、ユーザ１０２が装着する活動又はフィットネストラッカなど様々なソースから受信され得る。
【0045】
追加的に又は代替的に、データストリーム３２０は薬剤データを含む。例えば、この薬剤データは、ユーザ１０２が薬剤を服用した時刻のタイムスタンプ、及び服用した薬剤（ユーザ１０２が所定の時間に、又は所定の間隔で自身の薬を服用したか否かを判定するために使用され得る）、薬剤の変更のインジケーション（例えば、服用した薬剤の種類又は用量の変更）などを含み得る。
【0046】
追加的に又は代替的に、データストリーム３２０は、心拍変動（ＨＲＶ）、皮膚伝導度及び温度、呼吸速度測定値、脳波（ＥＥＧ）からのデータ、生体液中のコルチゾール、皮膚から放出される揮発性有機成分（ＶＯＣ）などのストレス管理を反映するデータを含む。
【0047】
追加的に又は代替的に、データストリーム３２０は、グルコースモニタリングアプリケーション１１６へのユーザ関与に関するデータを含む。例えば、このアプリケーション関与データは、ユーザ１０２がアプリケーションを閲覧した時刻のタイムスタンプ並びに閲覧した画面又はＵＩの部分、ユーザ１０２がアプリケーション１１６に入力を提供した（又は別様に対話した）時刻のタイムスタンプ並びにその入力内容、アプリケーション１１６によって提供されたフィードバックをユーザが閲覧又は承認した時刻のタイムスタンプなどを含み得る。
【0048】
追加的に又は代替的に、データストリーム３２０は、コンピューティングデバイス１０６、コンピューティングデバイス１０６のディスプレイ、又は糖尿病管理への関与レベルを示す他のシステム構成要素とのユーザ対話に関係するデータを含む。そのようなデータの例は、アプリケーション（例えば、グルコースモニタリングアプリケーション）が開かれた回数、グルコースデータ又は以前のフィードバック若しくは教材の再検討に費やされた時間、コーチ又は臨床医との対話頻度などを含む。
【0049】
追加的に又は代替的に、データストリーム３２０は、グルコースモニタリングプラットフォーム１１０などを介してユーザ母集団１０８の他人へのユーザの関与に関するデータを含む。例えば、この他ユーザ関与データは、ユーザ１０２が別のユーザと通信した時刻のタイムスタンプ、並びに当該他ユーザが誰であったか、別のユーザと通信した情報の説明などを含み得る。
【0050】
事象検出モジュール３０２は、データストリーム３２０を受信し、ユーザのグルコースレベルに影響を及ぼし得るデータストリーム３２０内の事象又は状態を識別する。これらの事象又は状態は、身体活動、睡眠、摂取した食事、服用した薬剤など、データストリーム３２０内のデータによって示される任意の事象又は状態であり得る。事象検出モジュール３０２は、ユーザ１０２による一連の身体活動のインジケーション、ユーザ１０２の睡眠時間のインジケーション、ユーザ１０２が摂取した食事のインジケーション、ユーザ１０２が服用した薬剤のインジケーションなど、これらの事象又は状態を識別する事象インジケーション３２２を出力する。
【0051】
１つ以上の実装形態では、事象検出モジュール３０２は、データストリーム３２０内の身体活動データを受信し、ユーザ１０２による一連の身体活動を識別する。身体活動とは、安静時（基礎）レベルを上回るエネルギー消費をもたらす、骨格筋によって発生する任意の身体運動を指す。事象検出モジュール３０２は、ユーザによるエネルギー消費が少なくとも安静時レベルを上回る閾値量である間の時間である、一連の身体活動を識別する。事象検出モジュール３０２は、様々な異なる方法のいずれかで一連の身体活動を識別する。１つ以上の実装形態では、事象検出モジュール３０２は、歩数に基づいて一連の身体活動を識別する。例えば、一連の身体活動は、ユーザ１０２が、少なくとも閾値時間（例えば、５分）の間に、少なくとも閾値歩数（例えば、６０歩）／分を歩き、少なくともある連続時間（例えば、５分）の間に閾値歩数（例えば、６０歩）を下回らないことである。少なくとも連続分数（例えば、５分）の間にユーザ１０２が閾値歩数（例えば、６０歩）を下回ると、一連の身体活動は終了する。連続時間に満たない間に歩数が閾値歩数未満に低下することを可能にすることにより、ユーザが身体活動中に小休止したとしても、単一の一連の身体活動期間が識別されることが可能になる。これらの閾値（例えば、閾値時間又は閾値歩数）は、年齢、フィットネスレベル、歩行速度（walking gate speed）に影響を及ぼし得る併存疾患の有病率などユーザの様々な特性に基づいて、任意選択的に調整又は修正される。例えば、より高齢の個人は、より高い閾値を有するより若い個体と同じ強度に達するために、より控え目な閾値を必要とし得る。
【0052】
追加的に又は代替的に、事象検出モジュール３０２は、様々な心拍数ベースの強度値のいずれかに基づいて一連の身体活動を識別する。１つのそのような心拍数ベースの強度値は、ユーザ１０２のパーセント予備心拍数値である。パーセント予備心拍数値は、ユーザの予測最大心拍数にどれだけ近いかを示す。例えば、現在時刻におけるユーザのパーセント予備心拍数（％ＨＨＲ）値は、以下のように識別することができる。
【0053】
【数1】
【0054】
ユーザの現在の心拍数は、ユーザが装着する活動モニタなどからなど様々な方法で取得される。ユーザの安静時心拍数は、ユーザが装着する活動モニタから、（例えば、コンピューティングデバイス１０６の）ＵＩを介したユーザからの入力など様々な方法で取得される。ユーザの最大心拍数は、様々な式から推定される、ＶＯ２最大検定など様々な様式で得られる。
【0055】
事象検出モジュール３０２は、様々な方法でパーセント予備心拍数値を使用して、ユーザ１０２の一連の身体活動を決定する。例えば、一連の身体活動は、少なくとも閾値時間（例えば、３分）の間に閾値量（例えば、４０％）を超え、少なくともある連続時間（例えば、３分）の間に閾値量（例えば、４０％）を下回らない、ユーザ１０２のパーセント予備心拍数値である。少なくとも連続時間（例えば、３分）の間にユーザ１０２が閾値量（例えば、４０％）を下回ると、一連の身体活動は終了する。連続時間未満の間にパーセント予備心拍数値が閾値量未満に低下することを可能にすることにより、ユーザが身体活動中に小休止したとしても、単一の一連の身体活動期間が識別されることが可能になる。
【0056】
別のそのような心拍数ベースの強度値は、最大心拍数のパーセントである。ユーザの最大心拍数は、上述したように様々な方法で取得される。事象検出モジュール３０２は、様々な方法で最大心拍数のパーセントを使用して、ユーザ１０２の一連の身体活動を決定する。例えば、一連の身体活動は、少なくとも閾値時間（例えば、３分）にわたって閾値量（例えば、６０％）を超え、少なくともある連続時間（例えば、３分）の間に閾値量（例えば、６０％）を下回らない、ユーザ１０２の最大心拍数である。少なくとも連続時間（例えば、３分）の間にユーザ１０２が閾値量（例えば、６０％）を下回ると、一連の身体活動は終了する。連続時間未満の間に最大心拍数が閾値量未満に低下することを可能にすることにより、ユーザが身体活動中に小休止したとしても、単一の一連の身体活動期間が識別されることが可能になる。
【0057】
追加的に又は代替的に、事象検出モジュール３０２は、ユーザ１０２の代謝当量（ＭＥＴ）に基づいて一連の身体活動を識別する。ＭＥＴは、安静に座っているユーザに対して使用されるエネルギーの量の推定値であり、１ＭＥＴは、安静に座っている間にユーザによって消費された酸素の量である。任意の現在時間においてユーザによって消費されたＭＥＴは、ユーザが装着する活動モニタなどから様々な方法で取得される。
【0058】
事象検出モジュール３０２は、様々な方法でＭＥＴを使用して、ユーザ１０２の一連の身体活動を判定する。例えば、一連の身体活動は、少なくとも閾値時間（例えば、５分間）にわたって閾値量（例えば、２ＭＥＴ）を超え、少なくともある閾値時間（例えば、５分間）の間に閾値量（例えば、２ＭＥＴ）を下回らない、ユーザ１０２のＭＥＴの数である。少なくとも連続分数（例えば、５分）の間にユーザ１０２が閾値量（例えば、２ＭＥＴ）を下回ると、一連の身体活動は終了する。連続時間未満の間にＭＥＴが閾値量未満に低下することを可能にすることにより、ユーザが身体活動中に小休止したとしても、単一の一連の身体活動期間が識別されることが可能になる。
【0059】
事象検出モジュール３０２はまた、複数の異なる技法を同時に使用して一連の身体活動を識別し得る。そのような状況では、閾値量又は値は、単一の技法が使用される場合とは異なり得る。例えば、一連の身体活動は、閾値量（例えば、４５％）を超えるユーザ１０２、及び少なくとも閾値時間（例えば、５分）の間に少なくとも閾値歩数（例えば、４０歩）／分を歩くユーザ１０２のパーセント予備心拍数値である。一連の身体活動は、ユーザ１０２が少なくとも連続時間（例えば、５分）の間に閾値量（例えば、４５％の予備心拍数かつ４０歩／分）を下回らない限り継続する。少なくとも連続時間（例えば、５分）の間にユーザ１０２が閾値量（例えば、４５％の予備心拍数かつ４０歩／分）を下回ると、一連の身体活動は終了する。この組み合わせにより、例えば、ユーザの心拍数が十分に高い場合に、より少ない歩数が一連の身体活動として識別されることが可能になる。
【0060】
追加的に又は代替的に、一連の身体活動は、種々の他の様式で識別され得る。例えば、一連の身体活動の開始及び終了を示すユーザ入力（例えば、音声入力、ジェスチャ、コンピューティングデバイス１０６上のボタンの選択）が受信され得る。別の例として、一連の身体活動は、心拍数モニタ（例えば、ユーザが装着する）がオンになると開始し、心拍数モニタがオフになると終了し得る。別の例として、一連の身体活動は、心拍数モニタ（例えば、ユーザが装着する）が、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＡＮＴ通信を介してなどエクササイズマシン（例えば、トレッドミル又は他のエクササイズマシン）によって検出されると開始し、心拍数モニタがマシンによって検出されなくなると終了し得る。エクササイズマシンは、例えば、一連の身体活動の開始及び終了をコンピューティングデバイス１０６に通信し得る。
【0061】
事象検出モジュール３０２は、識別された一連の身体活動ごとに、事象インジケーション３２２を予測制御モジュール３０６及びグルコース測定値予測モジュール３０８に出力する。各事象インジケーション３２２は、一連の身体活動が発生した期間を示す。この時間は、例えば、一連の身体活動の開始時間及び終了時間であり得る。
【0062】
生体データ検出モジュール３０４は、データストリーム３２０を受信し、データストリーム３２０内のグルコース測定値を識別する。これらの識別されたグルコース測定値は、グルコース測定値３２４として予測制御モジュール３０６に提供される。追加的に又は代替的に、生体データ検出モジュール３０４は、ユーザ１０２のグルコースに影響を及ぼし得る心拍数データ、ＨＲＶデータ、呼吸数データなど、データストリーム３２０に含まれる様々な他のデータのいずれかを検出し、検出した当該データを予測制御モジュール３０６に提供する。追加的に又は代替的に、生体データ検出モジュール３０４は、グルコース予測システム１２０が、グルコース測定値の予測に役立つようにユーザ及びユーザと同様の特性を有するコホート（例えば、ユーザ母集団１０８内の他のユーザ）について有する情報に基づいて（based off）、データストリーム３２０から（例えば、構内のデータベースから又はネットワーク１１２を介してクラウド内で）他の種類の情報を検出し得る。例えば、生体データ検出モジュール３０４が、ユーザのフィットネスレベルに関する情報を検出していない場合（例えば、予測グルコース測定値を生成する際に、グルコース測定値予測モジュール３０８によってユーザのフィットネスレベルが使用される状況において）、生体データ検出モジュール３０４は、個人の人口統計情報を検出するか、又は取り出し、個人の最も類似するコホートのフィットネスレベルに基づいて個人のフィットネスレベルを推定する。生体データ検出モジュール３０４は、予測グルコース測定値の生成のために、このデータ又は情報のいずれかをグルコース測定値予測モジュール３０８に提供し得る。
【0063】
予測制御モジュール３０６は、事象インジケーション３２２において識別された一連の身体活動について、一連の身体活動の直前の時間を識別する。この時間は、例えば、３０～４０分であり得る。予測制御モジュール３０６は、一連の身体活動の直前の時間に対応するグルコース測定値３２４（例えば、一連の身体活動の直前３０～４０分以内のタイムスタンプを有する）を識別し、グルコース測定値をグルコース測定値３２６としてグルコース測定値予測モジュール３０８に提供する。
【0064】
グルコース測定値予測モジュール３０８は、事象インジケーション３２２及びグルコース測定値３２６を受信し、ユーザのグルコースに対する一連の身体活動の影響を予測する。グルコース測定値予測モジュール３０８は、グルコース測定値３２６（及び任意選択的に他の生理学的データ又は人口統計データ）に基づいて、ユーザが（事象インジケーション３２２によって示されるように）一連の身体活動を行っていた期間中にユーザが一連の身体活動を行っていなかった場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって、この予測を生成する。予測グルコース測定値は、予測グルコース測定値３２８として出力される。
【0065】
１つ以上の実装形態では、グルコース測定値予測モジュール３０８は、予測グルコース測定値を生成する機械学習システムを含む。機械学習システムは、未知の関数を近似するために、入力に基づいて調整（例えば、トレーニング）され得るコンピュータ表現を指す。特に、機械学習システムは、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システムを含むことができる。例えば、機械学習システムは、一次自己回帰モデル及び二次自己回帰モデルなど統計的時系列予測モデル、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、深層学習などを含み得る。
【0066】
機械学習システムは、例えば、ユーザの複数のグルコース測定値のセットである訓練データを使用することによって訓練される。これらは、例えば、ある時間（一連の身体活動の直前のグルコース測定値が予測制御モジュール３０６によって識別されるのと同じ時間、例えば３０～４０分）にわたる複数の連続グルコース測定値のセットである。訓練データは、様々な日、週、月などの間にわたってユーザについて受信したグルコース測定値に基づいて（例えば、ランダムに又は擬似ランダムに）選択され得る。訓練データは、一連の身体活動を含まない時間のグルコース測定値を含む。これにより、機械学習システムが、身体活動の不在下で発生するグルコース測定値を予測するように訓練されることが可能になる。
【0067】
既知のラベルは、後続のグルコース測定値（例えば、訓練データ内のグルコース測定値の直後に発生するグルコース測定値）を示す複数データのセットに関連付けられている。機械学習システムは、訓練データについて機械学習システムによって生成されたグルコース測定値と訓練データの対応する既知のラベルとの間の損失を最小限に抑えるように、機械学習システム内の層の重み若しくは値又は係数を更新することによって訓練される。機械学習システムをトレーニングする際に、クロスエントロピー損失、平均二乗誤差損失などの様々な異なる損失関数を使用することができる。
【0068】
追加的に又は代替的に、機械学習システムは、データストリーム３２０内の、又は生体データ検出モジュール３０４によって検出された様々な他のデータのいずれかに基づいて、予測グルコース測定値を生成するように訓練される。そのような状況では、訓練データは、ある時間にわたって測定された複数のデータのセットなど、ユーザ用のデータセットを含む。例えば、機械学習システムは、生理学的パラメータ（例えば、未処理の心拍数データ、相対的な心拍数ベースの強度測定値、血圧測定値など）、人口統計情報（例えば、年齢、性別など）、臨床情報（薬剤スタックデータ、共存症の有病率データ、フィットネスレベルデータなど）などの任意の組み合わせに基づいて予測グルコース測定値を生成するように訓練され得る。
【0069】
機械学習システムは、訓練データの後に（例えば、訓練データの直後に）発生する複数のグルコース測定値を生成するように訓練される。機械学習システムが生成するように訓練されるグルコース測定値の数は、ユーザの以前の一連の身体活動に基づいてユーザの一連の身体活動の平均持続時間を決定すること、ユーザの一連の身体活動の典型的な持続時間を指定するユーザ入力を受信することなど、様々な異なる方法で決定され得る。１つ以上の実装形態では、機械学習システムは、一連の身体活動中（例えば、一連の身体活動の平均持続時間中又は典型的な持続時間中）に典型的に測定されるであろう訓練データに従って、多数のグルコース測定値を生成するように訓練される。例えば、グルコース測定値が５分ごとに取得され、１回の一連の身体活動の典型的な持続時間が３０分であると仮定すると、機械学習システムは、５分後、１０分後、１５分後、２０分後、２５分後、及び３０分後に予測グルコース測定値を生成するように訓練される。追加的に又は代替的に、機械学習システムは、予測時点の直近ではない（例えば、訓練期間と予測時点との間にずれがあり得る）データで訓練され得る。
【0070】
追加的に又は代替的に、機械学習システムは、一連の身体活動中（例えば、一連の身体活動の平均持続時間中又は典型的な持続時間中）に、及び一連の身体活動をある期間（例えば、１５分又は２０分）を超えて延長して典型的に測定されるであろう訓練データに従って、多数のグルコース測定値を生成するように訓練される。例えば、グルコース測定値が５分ごとに取得され、１回の一連の身体活動の典型的な持続時間が３０分であると仮定すると、機械学習システムは、５分後、１０分後、１５分後、２０分後、２５分後、３０分後、３５分後、４０分後、及び４５分後に予測グルコース測定値を生成するように訓練される。
【0071】
１つ以上の実装形態では、機械学習システムは、予測グルコース測定値ごとに信頼レベルを生成する。そのような状況では、グルコース予測システム１２０は、予測グルコース測定値の信頼レベルに基づいて様々なアクションを行い得る。例えば、グルコース予測システム１２０は、予測グルコース測定値の信頼レベルが閾値（例えば、７５％）を超える状況においてのみ、（以下でより詳細に論じられるように）予測グルコース測定値をユーザに通知し得る。別の例として、グルコース予測システム１２０は、グルコース測定値の信頼レベルが閾値（例えば、７５％）を超える限りにのみ、予測グルコース測定値をユーザに通知し得る。信頼レベルが閾値を超えなくなった後、グルコース予測システム１２０は、ユーザが今なお一連の身体活動に関与しているか否かにかかわらず、予測グルコース測定値をユーザに通知し得ない。
【0072】
１つ以上の実装形態では、機械学習システムは、予測グルコース測定値ごとに予測区間を生成する。例えば、１０分後の予測グルコース測定値について、閾値（例えば、７５％）を超える信頼レベルを有する予測グルコース測定値の範囲など予測区間又は範囲が生成される。そのような実装形態では、グルコース予測システム１２０は、一連の身体活動時のユーザの実際のグルコース測定値が予測区間若しくは範囲の外側にあるか、又は何らかの閾値（例えば、２５０ｍｇ／ｄＬ）を超える場合にのみ、予測グルコース測定値をユーザに通知し得る。したがって、ユーザは、自身の実際のグルコース測定値と予測グルコース測定値との間に有意な差がない状況（ユーザが一連の身体活動に関与していた場合）を通知される必要はない。
【0073】
追加的に又は代替的に、グルコース測定値予測モジュール３０８は、種々の他のモデルのうちのいずれかを使用して、予測グルコース測定値３２８を生成することができる。例えば、グルコース測定値予測モジュール３０８は、生理学的（薬物動態）又は現象学的モデルを使用することができる。例えば、グルコース取り込みは、グルコース取り込み及び運動強度などパラメータを有する常微分方程式を使用してモデル化され得る。
【0074】
図４は、予測グルコース測定値を生成する例４００を示す。例４００では、複数（８個）のグルコース測定値４０２が示されている（例えば、グルコース測定値３２４として受信される）。（例えば、事象表示３２２によって示されるような）ユーザの一連の身体活動の開始に対応する時間４０４が示されている。グルコース測定値４０６は、グルコース測定値４０２のサブセットであり、時間４０４の直前のグルコース測定値である。グルコース測定値４０６はグルコース測定値予測モジュール３０８によって使用されて、グルコース測定値４０２の直後に発生する予測グルコース測定値４０８を生成する。予測グルコース測定値４０８は、時間４０４において開始した一連の身体活動の持続時間に対して生成される。追加的に又は代替的に、予測グルコース測定値４０８は、一連の身体活動を超えて延長する時間（例えば、１５分又は２０分）など他の期間に対して生成され得る。これにより、より有意な血糖影響フィードバックがユーザ１０２に提供されるようになる。例えば、一連の身体活動の持続時間がわずか８分であり、予測グルコース測定値４０８を１５分又は２０分延長することにより、ユーザの身体が身体活動に反応してユーザのグルコース測定値に有意な変化を与えるのにかかる時間を考慮して、より正確なフィードバックをユーザに提供できるようになる。
【0075】
別の例として、予測グルコース測定値４０８は、身体活動の強度に基づいて異なる期間について生成され得る。例えば、身体活動の強度が高いほど、予測グルコース測定値４０８が生成される期間が長くなる。
【0076】
図３に戻ると、機械学習システムの訓練に使用される訓練データは、特定のユーザ１０２のグルコース測定値を含む。したがって、グルコース測定値予測モジュール３０８の機械学習システムは、個人ユーザ１０２に合わせて訓練されるか、又はカスタマイズされ、当該個人ユーザの身体及びグルコースを考慮する。
【0077】
個人ユーザ１０２に合わせてカスタマイズされるが、グルコース測定値予測モジュール３０８の機械学習システムは、任意選択的に、ユーザのグルコース管理を変更し得る様々な事象に応答して経時的に再訓練され得る。例えば、機械学習システムは、ユーザの身体の変化を考慮するために、ある期間（例えば、６か月又は１年）後に新しい訓練データを使用して再訓練され得る。別の例として、機械学習システムは、ユーザの薬剤の変更後に取得された新しい訓練データを使用して、再訓練され得る。
【0078】
ＵＩモジュール３１０は、予測グルコース値３２８を受信し、予測グルコース値３２８を（例えば、コンピューティングデバイス１０６において）表示させるか、又は別様に提示させる。この表示又は他の提示は、静的テキスト表示、グラフィック又はビデオ表示、オーディオ提示、それらの組み合わせなど、様々な形態を取り得る。追加的に又は代替的に、予測グルコース測定値３２８は、医療提供者又は臨床医など別のユーザ又はシステムに通信される。グルコース測定値予測モジュール３０８は、任意選択的に、予測グルコース測定値３２８を、ユーザへのメッセージ又はフィードバック、例えば、一連の身体活動がない場合のユーザのグルコース測定値に対するグルコースの改善（予測グルコース測定値３２８によって示されるように）を識別する、褒める内容のメッセージに組み込む。
【0079】
ＵＩモジュール３１０は、様々な時間のいずれかにおいて予測グルコース測定値３２８を表示するか、又は別様に提示することができる。１つ以上の実装形態では、ＵＩモジュール３１０は、一連の身体活動の終了時に予測グルコース測定値３２８を表示するか、又は別様に提示する。追加的に又は代替的に、ＵＩモジュール３１０は、予測グルコース測定値３２８に対するユーザ要求に応答して、特定の時間間隔（例えば、毎晩又は毎朝）で、グルコースレベル又は動態の正の有意な変化（例えば、ユーザのグルコースレベルが閾値量未満に低下した、又は閾値量分を低下した）に応答してなど、他の時間に予測グルコース測定値３２８を表示するか、又は別様に提示する。
【0080】
図５は、予測グルコース測定値を提供する例５００を示す。例５００は、横軸に沿った時間に対して縦軸に沿ってｍｇ／ｄＬ単位でグルコース測定値をプロットしたグラフ５０２を含む。例５００では、ユーザが時間５０４において食事をすると仮定する。実線５０６によって示されるユーザのグルコース測定値は、食事後に増加する。更に、ユーザが時間５０８において一連の身体活動を開始すると仮定する。身体活動の結果として、ユーザのグルコース測定値は、示されるように減少し始める。グルコース予測システム１２０は、時間５０８（一連の身体活動の開始）に始まり、時間５１２（例えば、一連の身体活動の終了）までの破線５１０によって示される予測グルコース測定値を生成する。グルコース予測システム１２０は、コンピューティングデバイス１０６に表示するためのフィードバック５１４を提供し、予測グルコース測定値及び実際のグルコース測定値のインジケーションをユーザに提供する。図示されるように、フィードバック５１４は、ユーザのグルコースに対する一連の身体活動の結果を示し、ユーザが一連の身体活動を実行しなかった場合よりもユーザのグルコースがどの程度良好であるかを示す。
【0081】
図３に戻ると、グルコース測定値予測モジュール３０８は、予測グルコース測定値３２８をＵＩモジュール３１０に提供するものとして論じられる。グルコース予測システム１２０は、任意選択的に、予測グルコース測定値３２８に基づいて追加のアクションを行う。１つ以上の実装形態では、これらのアクションは、グルコース測定値１１４の生成頻度が低減され得ることをグルコースモニタリングアプリケーション１１６又は装着型グルコースモニタリングデバイス１０４に通知することを含む。例えば、グルコース予測システム１２０が一連の身体活動を識別し、以前の一連の身体活動の予測グルコース測定値３２８が、一連の身体活動に関与していないユーザ１０２に対してグルコース測定値の改善を示す場合、グルコース予測システム１２０は、グルコースモニタリングアプリケーション１１６又は装着型グルコースモニタリングデバイス１０４に、一連の身体活動中にグルコース測定値１１４の生成頻度が低減され（例えば、５分ごとから１０分ごとに）、グルコース測定値１１４の生成に費やされる電力を低減することができることを通知し得る。
【0082】
グルコース予測システム１２０の議論はまた、一連の身体活動の検出に応答して予測グルコース測定値３２８を生成することを含む。追加的に又は代替的に、グルコース予測システム１２０は、他の事象、状態、生体データなどに対する一連の身体活動に基づいて（例えば、データストリーム３２０内の任意のデータに基づいて）、予測グルコース測定値３２８を生成する。例えば、グルコース予測システム１２０は、ユーザが飲食する閾値時間（例えば、３０分）内に発生する身体活動に応答して、予測グルコース測定値３２８を生成し得る。
【0083】
更に、グルコース予測システム１２０の議論は、一連の身体活動中のグルコース測定値を予測することを含む。１つ以上の実装形態では、グルコース予測システム１２０は、複数の異なる種類の身体活動を区別する。例えば、事象検出モジュール３０２は、低速の散歩（例えば、６０～７９歩／分）、中速の散歩（８０～９９歩／分）、高速の散歩（例えば、１００～１１９歩／分）、筋力トレーニングなど異なる種類の身体活動を検出し得る。グルコース測定値予測モジュール３０８は、これらの種類の身体活動のうちの１つの間に取得された訓練データを使用して訓練された機械学習システムを含み得、ある種類の身体活動のユーザのグルコース測定値を、別の種類の一連の身体活動がユーザによって行われたときに予測することができる。例えば、機械学習システムは、一連の低速の散歩中に取得された訓練データを使用して訓練され得る。その後、ユーザが一連の高速の散歩に関与すると、グルコース測定値予測モジュール３０８は、ユーザが代わりに低速の散歩に関与した場合のグルコースを示す予測グルコース測定値３２８を生成することができる。これらの予測グルコース測定値３２８は、表示されるか、又は別様にユーザに提供され、低速の散歩よりも改善された、高速の散歩に起因するグルコース測定値をユーザに通知することができる。
【0084】
追加的に又は代替的に、１つ以上の実装形態では、グルコース予測システム１２０は、ユーザが一連の身体活動に関与していない期間のグルコース測定値を予測する。そのような予測グルコース測定値は、グルコース測定値予測モジュール３０８が、一連の身体活動中に予測グルコース測定値を生成するように訓練された機械学習システムを含むことを除いて、一連の身体活動中にグルコース測定値を予測することに関する本明細書の考察と同様に生成され得る。これにより、グルコース予測システム１２０は、ユーザが実際に一連の身体活動に関与していた場合のユーザの予測グルコース測定値を示すフィードバックをユーザ又は他人又はシステムに提供することができるようになる。
【0085】
追加的に又は代替的に、グルコース予測システム１２０は、ユーザ１０２のグルコースに影響を及ぼし得る事象又は状態を示すデータなどデータストリーム３２０に含まれる任意のデータに基づいて、グルコース測定値を予測することができる。そのような予測グルコース測定値は、一連の身体活動中のグルコース測定値を予測することに関する本明細書の考察と同様に生成され得る。これにより、グルコース予測システム１２０は、他の活動又は生物学的反応が発生している他の期間又は持続時間のグルコース測定値を予測することが可能になる。
【0086】
一例として、データストリーム３２０は食事データを含み得る。したがって、グルコース測定値予測モジュール３０８は、ユーザが飲食していなかった時間にわたって取得された訓練データ（及び任意選択的に、ユーザによって消費された食品又は飲料の種類）を使用して訓練された機械学習システムを含み得る。これにより、グルコース測定値予測モジュール３０８は、飲食中又は飲食後の期間について、ユーザが食品又は飲料を全く消費しなかった（又は異なる種類の食品若しくは飲料を消費した）場合のユーザのグルコース測定値を予測することが可能になる。実際のグルコース測定値と、ユーザが食品又は飲料を全く消費しなかった（又は異なる種類の食品若しくは飲料を消費した）場合のユーザの予測グルコース測定値との差は、ユーザ又は他人又はシステムに表示され得るか、又は別様に提供され得る。
【0087】
別の例として、データストリーム３２０は、睡眠データを含み得る。したがって、グルコース測定値予測モジュール３０８は、ユーザが眠っていなかった（又は特定の睡眠状態にあった）時間にわたって取得された訓練データを使用して訓練された機械学習システムを含み得る。これにより、グルコース測定値予測モジュール３０８は、睡眠中、又は睡眠後の期間について、ユーザが眠らなかった（又は異なる睡眠状態で若しくは異なる期間眠った）場合のユーザのグルコース測定値を予測することが可能になる。実際のグルコース測定値と、ユーザが眠らなかった（又は異なる睡眠状態で、若しくは異なる期間眠った）場合のユーザの予測グルコース測定値との差は、ユーザ又は他人又はシステムに表示され得るか、又は別様に提供され得る。
【0088】
別の例として、データストリーム３２０は、薬剤データを含み得る。したがって、グルコース測定値予測モジュール３０８は、ユーザが薬剤を服用した時間にわたって取得された訓練データ（及び任意選択的に、ユーザが服用した薬剤の種類若しくは用量）を使用して訓練された機械学習システムを含み得る。これにより、グルコース測定値予測モジュール３０８は、薬剤の服用中又は服用後の期間について、ユーザが薬剤を服用しなかった（又は異なる種類若しくは用量の薬剤を服用した）場合のユーザのグルコース測定値を予測することが可能になる。実際のグルコース測定値と、ユーザが薬剤を服用しなかった（又は異なる種類若しくは用量の薬剤を服用した）場合のユーザの予測グルコース測定値との差は、ユーザ又は他人又はシステムに表示され得るか、又は別様に提供され得る。
【0089】
別の例として、データストリーム３２０は、ストレス管理を反映するデータを含み得る。したがって、グルコース測定値予測モジュール３０８は、ユーザがストレスを感じていなかった（又は強いストレスを感じていた）時間にわたって取得された訓練データを使用して訓練された機械学習システムを含み得る。ユーザがストレスを感じているか、又は強いストレスを感じていることは、１つ以上の閾値を超える様々な生体データ（例えば、ＨＲＶ、皮膚伝導度及び温度、呼吸数、ＥＥＧデータ、生体液中のコルチゾール、皮膚から放出されるＶＯＣ）、１～１０のストレススケールでの評価など、ユーザが感じているストレスの程度に関する、（例えば、グルコースモニタリングアプリケーション１１６若しくは他のモバイルアプリケーション、又はデスクトップユーザインタフェースを介して）受信されたユーザフィードバックなど様々な方法で判定することができる。これにより、グルコース測定値予測モジュール３０８は、ユーザがストレスを感じている（又は強いストレスを感じている）期間に、ユーザがストレスを感じていなかった（又は強いストレスを感じていなかった）場合のユーザのグルコース測定値を予測することができる。実際のグルコース測定値と、ユーザがストレスを感じていなかった（又は強いストレスを感じていなかった）場合のユーザの予測グルコース測定値との差は、ユーザ又は他人又はシステムに表示され得るか、又は別様に提供され得る。
【0090】
別の例として、データストリーム３２０は、グルコースモニタリングアプリケーション１１６へのユーザ関与に関するデータを含み得る。したがって、グルコース測定値予測モジュール３０８は、ユーザがグルコースモニタリングアプリケーション１１６に関与していなかった、又は特定の様式でグルコースモニタリングアプリケーション１１６に関与していた期間にわたって取得された訓練データ（例えば、閲覧された画面、又は入力されたデータ）を使用して訓練された機械学習システムを含み得る。これにより、グルコース測定値予測モジュール３０８は、グルコースモニタリングアプリケーション１１６に関与している（又は特定の様式でグルコースモニタリングアプリケーション１１６に関与している）期間又はその後の期間に、ユーザがグルコースモニタリングアプリケーション１１６に関与していなかった（又は異なる様式でグルコースモニタリングアプリケーション１１６に関与していた）場合のユーザのグルコース測定値を予測することが可能になる。実際のグルコース測定値と、ユーザがグルコースモニタリングアプリケーション１１６に関与していなかった（又は異なる様式でグルコースモニタリングアプリケーション１１６に関与していた）場合のユーザの予測グルコース測定値との差は、ユーザ又は他人又はシステムに表示され得るか、又は別様に提供され得る。
【0091】
別の例として、データストリーム３２０は、コンピューティングデバイス１０６、コンピューティングデバイス１０６のディスプレイ、又は糖尿病管理への関与レベルを示す他のシステム構成要素とのユーザ対話に関係するユーザ対話データを含み得る。したがって、グルコース測定値予測モジュール３０８は、ユーザがコンピューティングデバイス１０６、ディスプレイ、又は他の構成要素と対話していた時間にわたって取得された訓練データ（及び任意選択的に、ユーザが行った対話の種類）を使用して訓練された機械学習システムを含み得る。これにより、グルコース測定値予測モジュール３０８が、コンピューティングデバイス１０６、ディスプレイ、若しくは他のシステム構成要素と対話している期間、又はその後の期間に、ユーザがコンピューティングデバイス１０６、ディスプレイ、又は他のシステムと対話した（又はコンピューティングデバイス１０６、ディスプレイ、若しくは他のシステムのうちの異なる１つと対話した）場合のユーザのグルコース測定値を予測することが可能になる。実際のグルコース測定値と、ユーザがコンピューティングデバイス１０６、ディスプレイ、又は他のシステムと対話した（又はコンピューティングデバイス１０６、ディスプレイ、若しくは他のシステムのうちの異なる１つと対話した）場合のユーザの予測グルコース測定値との差は、ユーザ又は他人又はシステムに表示され得るか、又は別様に提供され得る。
【0092】
別の例として、データストリーム３２０は、ユーザ母集団１０８の他のユーザへのユーザの関与に関するデータを含み得る。したがって、グルコース測定値予測モジュール３０８は、ユーザがユーザ母集団１０８の他のユーザに関与していなかった時間にわたって取得された訓練データ（又は任意選択的に、ユーザが関与していたユーザ母集団１０８）を使用して訓練された機械学習システムを含み得る。これにより、グルコース測定値予測モジュール３０８は、ユーザ母集団１０８の他のユーザに関与している期間又はその後の期間に、ユーザがユーザ母集団１０８の他のユーザに関与していなかった（又はユーザがユーザ母集団１０８の異なるユーザに関与していた）場合のユーザのグルコース測定値を予測することが可能になる。実際のグルコース測定値と、ユーザがユーザ母集団１０８の他のユーザに関与していなかった（又はユーザがユーザ母集団１０８の異なるユーザに関与していた）場合のユーザの予測グルコース測定値との差は、ユーザ又は他人又はシステムに表示され得るか、又は別様に提供され得る。
【0093】
様々な異なる機械学習システムが本明細書で説明される（例えば、異なる種類のデータ、異なる種類の身体活動などに対して）。グルコース予測システム１２０は、これらの機械学習システムのうちの１つのみ、又は本明細書で説明される機械学習システムの任意の組み合わせを含み得ることに留意されたい。したがって、本明細書で論じられる予測グルコース測定値のいずれも、予測グルコース測定値の他のいずれかと同時に生成することができる。
【0094】
グルコース測定値予測モジュール３０８は、特定のユーザ１０２のグルコース測定値に基づいて訓練された機械学習システムを含むものとして説明される。追加的に又は代替的に、ユーザは、１つ以上の類似特性を有する異なる母集団に分けられる。ユーザ１０２は、これらの異なる母集団のうちの１つの一部であり、グルコース測定値予測モジュール３０８の機械学習システムは、ユーザ１０２と同じ母集団に属する他のユーザから取得された訓練データを使用して（例えば、ユーザ１０２と同じ母集団に属さないユーザから取得された全てのデータを除外して）訓練される。
【0095】
母集団は、様々な異なる方法のいずれかで定義され得る。１つ以上の実施形態では、母集団は、糖尿病診断によって定義される（例えば、ユーザは糖尿病ではない、ユーザは１型糖尿病である、又はユーザは２型インスリン非依存性糖尿病である）。追加的に又は代替的に、母集団は、例えば年齢ベースの母集団など異なる方法で定義される。例えば、母集団は、ユーザが成人であるか、又は子供であるか（例えば、１８歳超又は１８歳未満）、ユーザが属する年齢層（例えば、０～５歳、５～１０歳、１０～２０歳、２０～３０歳など）などに基づいている。別の例として、母集団は、高血圧、肥満、心血管疾患、神経障害、腎症、網膜症、アルツハイマー病、うつ病など、ユーザが有し得る追加の医学的状態に基づいて定義され得る。別の例として、母集団は、運動又は他の身体活動、睡眠パターン、労働時間対余暇時間など、ユーザの習慣又は活動に基づいて定義され得る。別の例として、母集団は、グルコース測定値１１４が取得される方法又はグルコース測定値１１４を取得するために使用される機器、例えば、グルコース測定値１１４がＣＧＭを介して取得されるか否か、装着型グルコースモニタリングデバイス１０４のブランド、グルコース測定値１１４の取得頻度など、に基づいて定義され得る。
【0096】
別の例として、母集団は、ユーザの過去のグルコース測定値１１４に基づいて、例えば、過去のグルコース測定値１１４に基づいてクラスタリングすることによってユーザをグループ化することなどによって定義され得る。そのようなクラスタの例としては、高血糖変動性を有するユーザ、頻繁に低血糖になるユーザ、頻繁に高血糖になるユーザなどが挙げられる。別の例として、ユーザは、ユーザの過去の活動データ（例えば、ユーザが装着する活動トラッカら取得した歩数、エネルギー消費量、運動分数、睡眠時間など）を使用することによるクラスタリングによってグループ化され得る。そのようなクラスタの例としては、１日当たりの平均歩数が高いユーザ、１日当たりの平均エネルギー消費量が低いユーザ、平均睡眠時間数が低いユーザなどが挙げられる。
【0097】
糖尿病管理を改善するための血糖影響予測のための技法の例示的な詳細を論じてきたが、次に、手順のいくつかの例を考察してこれら技法の追加の態様を示す。
【0098】
例示的な手順
この節では、糖尿病管理を改善するための血糖影響予測を実施するための手順の例を説明する。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、又はそれらの組合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。
この節では、糖尿病管理を改善するための血糖影響予測を実施するための手順の例を説明する。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、又はそれらの組合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。
【0099】
図６は、糖尿病管理を改善するための血糖影響予測を実施する例における手順６００を示す。手順６００は、例えば、グルコース予測システム１２０など糖尿病管理フィードバック生成システムによって実行される。
【0100】
ユーザのグルコース測定値を取得する（ブロック６０２）。これらのグルコース測定値は、例えば、グルコースセンサがユーザの挿入部位において挿入されている、連続グルコースレベルモニタリングシステムのグルコースセンサから取得する。
【0101】
ユーザのグルコースレベルに影響を及ぼすユーザの事象又は状態を検出する（ブロック６０４）。一連の身体活動、消費された食事、睡眠など、様々な事象又は状態のいずれかを検出することができる。
【0102】
１つ以上の予測グルコース測定値を生成する（ブロック６０６）。１つ以上の予測グルコース測定値は、事象又は状態が発生しなかった場合にユーザが有していたであろうグルコース測定値である。これらの予測グルコース測定値は、ユーザのグルコースに対する事象又は状態の影響の予測である。
【0103】
予測グルコース測定値を表示させる（ブロック６０８）か、又は別様に提示させる。追加的に又は代替的に、予測グルコース値を、臨床医、薬剤師、又は他の医療提供者に通信し得る、又は別様に提示し得る。
【0104】
図７は、糖尿病管理を改善するための血糖影響予測を実施する例における手順７００を示す。手順７００は、例えば、グルコース予測システム１２０など糖尿病管理フィードバック生成システムによって実行される。
【0105】
ユーザのグルコース測定値を取得する（ブロック７０２）。これらのグルコース測定値は、例えば、グルコースセンサがユーザの挿入部位において挿入されている、連続グルコースレベルモニタリングシステムのグルコースセンサから取得する。
【0106】
ユーザのグルコースレベルに影響を及ぼすユーザの事象又は状態が発生しなかった期間を検出する（ブロック７０４）。これらの事象又は状態は、一連の身体活動、消費された食事、睡眠など様々な事象又は状態のいずれかであり得る。
【0107】
１つ以上の予測グルコース測定値を生成する（ブロック７０６）。１つ以上の予測グルコース測定値は、事象又は状態が発生した場合にユーザが有していたであろうグルコース測定値である。これらの予測グルコース測定値は、ユーザのグルコースに対する事象又は状態の影響の予測である。
【0108】
予測グルコース測定値を表示させる（ブロック７０８）か、又は別様に提示させる。追加的に又は代替的に、予測グルコース値を、臨床医、薬剤師、又は他の医療提供者に通信し得る、又は別様に提示し得る。
【0109】
例示的なシステム及びデバイス
図８は、８００において、システムの例の概要を示しており、このシステムには、本明細書に説明される様々な技術を実施することができる１つ以上のコンピューティングシステム及び／又はデバイスを表すコンピューティングデバイス８０２の例が含まれる。これは、グルコース予測システム１２０を含めることを通じて図示されている。コンピューティングデバイス８０２は、例えば、サービスプロバイダのサーバ、クライアントに関連付けられたデバイス（例えば、クライアントデバイス）、オンチップシステム、及び／又は任意の他の好適なコンピューティングデバイス若しくはコンピューティングシステムであり得る。
図８は、８００において、システムの例の概要を示しており、このシステムには、本明細書に説明される様々な技術を実施することができる１つ以上のコンピューティングシステム及び／又はデバイスを表すコンピューティングデバイス８０２の例が含まれる。これは、グルコース予測システム１２０を含めることを通じて図示されている。コンピューティングデバイス８０２は、例えば、サービスプロバイダのサーバ、クライアントに関連付けられたデバイス（例えば、クライアントデバイス）、オンチップシステム、及び／又は任意の他の好適なコンピューティングデバイス若しくはコンピューティングシステムであり得る。
【0110】
図示されているような例示的なコンピューティングデバイス８０２は、処理システム８０４、１つ以上のコンピュータ可読媒体８０６、及び互いに通信可能に結合されている１つ以上のＩ／Ｏインタフェース８０８を含む。図示されていないが、コンピューティングデバイス８０２は、様々な構成要素を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み得る。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つ又は組合せを含み得る。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。
【0111】
処理システム８０４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８０４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８１０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ロジックデバイスとして、ハードウェア内の実装形態を含み得る。ハードウェア要素８１０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（electronic integrated circuits、ＩＣ））で構成され得る。このような文脈では、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。
【0112】
コンピュータ可読媒体８０６は、メモリ／記憶装置８１２を含むものとして例示されている。メモリ／記憶装置８１２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／記憶装置構成要素８１２は、揮発性媒体（ランダムアクセスメモリ（ＲＡＭ）など）及び／又は不揮発性媒体（読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、光ディスク、磁気ディスクなど）を含み得る。メモリ／記憶装置構成要素８１２は、固定媒体（例えば、ＲＡＭ、ＲＯＭ、固定ハードドライブなど）、並びに取り外し可能媒体（例えば、フラッシュメモリ、取り外し可能ハードドライブ、光ディスクなど）を含み得る。コンピュータ可読媒体８０６は、以下で更に説明されているように、様々な他の方法で構成され得る。
【0113】
入力／出力インタフェース８０８は、ユーザが、コマンド及び情報をコンピューティングデバイス８０２に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情報がユーザ及び／又は他の構成要素若しくはデバイスに提示されることを可能にする機能を表す。入力デバイスの例としては、キーボード、カーソル制御デバイス（例えば、マウス）、マイクロフォン、スキャナ、タッチ機能（例えば、物理的接触を検出するように構成されている容量型センサ又は他のセンサ）、カメラ（例えば、可視波長、又は赤外線周波数などの非可視波長を採用して、非接触ジェスチャとして動きを認識することができる）などが挙げられる。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、コンピューティングデバイス８０２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することができる。
【0114】
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、そのようなモジュールは、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ティン、プログラム、オブジェクト、エレメント、コンポーネント、データ構造などを含む。本明細書で使用される場合、「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、又はそれらの組合せを表す。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。
【0115】
記載されるモジュール及び技法の実装形態は、何らかの形式のコンピュータ可読媒体に記憶されるか、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、コンピューティングデバイス８０２によってアクセスされ得る様々な媒体を含み得る。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。
【0116】
「コンピュータ可読記憶媒体」とは、単なる信号送信、搬送波、又は信号それ自体とは対照的に、情報の永続的及び／又は非一時的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、非信号担持媒体を指す。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、並びに／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、若しくは他のデータなどの情報の記憶に好適な方法若しく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装置、ハードディスク、磁気カセット、磁気テープ、磁気ディスク記憶装置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。
【0117】
「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、コンピューティングデバイス８０２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。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。
【0118】
以前に説明されているように、ハードウェア要素８１０及びコンピュータ可読媒体８０６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、本明細書で説明される技法の少なくともいくつかの態様を実施することができる、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装形態を含み得る。この文脈において、ハードウェアは、ハードウェアによって具現化された命令及び／又はロジック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格納するために利用されるハードウェア、例えば、以前説明された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することができる。
【0119】
前述の組合せを用いて、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８１０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。コンピューティングデバイス８０２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、コンピューティングデバイス８０２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形態は、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８０４のハードウェア要素８１０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、本明細書で説明される技法、モジュール、及び例を実施するための１つ以上の製造物品（例えば、１つ以上のコンピューティングデバイス８０２及び／又は処理システム８０４）によって実行可能／動作可能であり得る。
【0120】
本明細書で説明される技法は、コンピューティングデバイス８０２の様々な構成によってサポートされ得、本明細書で説明され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８１６を介した「クラウド」８１４上などでの分散システムの使用を通じて、全て又は部分的に実装され得る。
【0121】
クラウド８１４は、リソース８１８のためのプラットフォーム８１６を含み、かつ／又は表す。プラットフォーム８１６は、クラウド８１４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抜粋する。リソース８１８は、コンピューティングデバイス８０２から遠隔にあるサーバ上でコンピュータ処理が実行されている間に利用することができるアプリケーション及び／又はデータを含み得る。リソース８１８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むことができる。
【0122】
プラットフォーム８１６は、コンピューティングデバイス８０２を他のコンピューティングデバイスと接続するためのリソース及び機能を抽象化することができる。プラットフォーム８１６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８１６を介して実装されている、リソース８１８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すことができる。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形態は、システム８００全体にわたって分散することができる。例えば、機能は、部分的にコンピューティングデバイス８０２上に、並びにクラウド８１４の機能を抽象化するプラットフォーム８１６を介して、実装され得る。
【0123】
いくつかの態様では、本明細書で説明される技法は、連続グルコースレベルモニタリングシステムにおいて実施される方法に関し、この方法は、連続グルコースレベルモニタリングシステムのグルコースセンサから、ユーザについて測定されたグルコース測定値を取得することであって、グルコースセンサはユーザの挿入部位において挿入されている、ことと、ユーザによって実行される一連の身体活動を検出することと、ユーザのグルコースへの身体活動の影響を、グルコース測定値に基づいて、ユーザが一連の身体活動を行っていた期間中にユーザが一連の身体活動を行っていなかった場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測することと、１つ以上の予測グルコース測定値を表示させることと、を含む。
【0124】
いくつかの態様では、本明細書で説明される技法は、方法に関し、この方法は、一連の身体活動の直前に測定されたグルコース測定値のサブセットを識別することを更に含み、生成することは、グルコース測定値のサブセットに基づいて１つ以上の予測グルコース測定値を生成することを含む。
【0125】
いくつかの態様では、本明細書で説明される技法は、方法に関し、生成することは、ユーザの以前のグルコース測定値に基づいてユーザのグルコース測定値を予測するように訓練された機械学習システムを使用して、１つ以上の予測グルコース測定値を生成することを含む。
【0126】
いくつかの態様では、本明細書で説明される技法は、方法に関し、生成することは、ユーザの生理学的パラメータ、ユーザの人口統計情報、又はユーザの臨床情報のうちの１つ以上に基づいて１つ以上の予測グルコース測定値を生成することを含む。
【0127】
いくつかの態様では、本明細書で説明される技法は、方法に関し、生成することは、生理学的又は現象学的モデルを使用して１つ以上の予測グルコース測定値を生成することを含む。
【0128】
いくつかの態様では、本明細書で説明される技法は、方法に関し、生成することは、一連の身体活動の期間について予測グルコース測定値を生成することを含む。
【0129】
いくつかの態様では、本明細書で説明される技法は、方法に関し、生成することは、一連の身体活動後の期間について予測グルコース測定値を生成することを更に含む。
【0130】
いくつかの態様では、本明細書で説明される技法は、方法に関し、一連の身体活動を検出することは、ユーザが、少なくともある連続分数について閾値歩数を下回ることなく、少なくとも閾値時間について１分あたり少なくとも閾値歩数を歩く期間を一連の身体活動として検出することを含む。
【0131】
いくつかの態様では、本明細書で説明される技法は、方法に関し、一連の身体活動を検出することは、ユーザの心拍数ベースの強度値が、少なくともある連続時間について閾値量を下回ることなく、少なくとも閾値時間について閾値量を超えた期間を一連の身体活動として検出することを含む。
【0132】
いくつかの態様では、本明細書で説明される技法は、方法に関し、一連の身体活動を検出することは、ユーザの代謝当量値の数値が、少なくともある連続時間について閾値量を下回ることなく、少なくとも閾値時間について閾値量を超えた期間を一連の身体活動として検出することを含む。
【0133】
いくつかの態様では、本明細書で説明される技法は、糖尿病管理モニタリングシステムを含むデバイスに関し、このデバイスは、ハードウェアに少なくとも部分的に実装されて、糖尿病管理モニタリングシステムのセンサから、ユーザについて測定されたグルコース測定値を取得するための生体データ検出モジュールと、ハードウェアに少なくとも部分的に実装されて、ユーザによって実行される一連の身体活動を検出するための活動検出モジュールと、ハードウェアに少なくとも部分的に実装されて、ユーザのグルコースへの身体活動の影響を、グルコース測定値に基づいて、ユーザが一連の身体活動を行っていた期間中にユーザが一連の身体活動を行っていなかった場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測するためのグルコース予測モジュールと、ハードウェアに少なくとも部分的に実装されて、１つ以上の予測グルコース測定値を表示させるためのユーザインタフェースモジュールと、を含む。
【0134】
いくつかの態様では、本明細書で説明される技法は、デバイスに関し、グルコース予測モジュールは更に、一連の身体活動の直前に測定されたグルコース測定値のサブセットを識別し、グルコース測定値のサブセットに基づいて１つ以上の予測グルコース測定値を生成するためのものである。
【0135】
いくつかの態様では、本明細書で説明される技法は、デバイスに関し、グルコース予測モジュールは更に、ユーザの以前のグルコース測定値に基づいてユーザのグルコース測定値を予測するように訓練された機械学習システムを使用して、１つ以上の予測グルコース測定値を生成するためのものである。
【0136】
いくつかの態様では、本明細書で説明される技法は、デバイスに関し、グルコース予測モジュールは更に、一連の身体活動の期間について予測グルコース測定値を生成するためのものである。
【0137】
いくつかの態様では、本明細書で説明される技法は、デバイスに関し、活動検出モジュールは更に、ユーザが、少なくともある連続分数について閾値歩数を下回ることなく、少なくとも閾値時間について１分あたり少なくとも閾値歩数を歩く期間を一連の身体活動として検出するためのものである。
【0138】
いくつかの態様では、本明細書で説明される技法は、糖尿病管理モニタリングシステムにおいて実施される方法に関し、この方法は、糖尿病管理モニタリングシステムのセンサから、ユーザについて測定されたグルコース測定値を取得することと、ユーザがある時間について強いストレスを感じていたことを示すユーザの生体データを検出することと、ユーザのグルコースへの身体活動の影響を、グルコース測定値に基づいて、期間中にユーザが期間について強いストレスを感じていなかった場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測することと、１つ以上の予測グルコース測定値を表示させることと、を含む。
【0139】
いくつかの態様では、本明細書で説明される技法は、糖尿病管理モニタリングシステムにおいて実施される方法に関し、この方法は、糖尿病管理モニタリングシステムのセンサから、ユーザについて測定されたグルコース測定値を取得することと、期間中にユーザによって一連の身体活動が行われなかったと判定することと、ユーザのグルコースへの身体活動をしなかった影響を、グルコース測定値に基づいて、ユーザが一連の身体活動を行っていた期間中にユーザが一連の身体活動を行っていた場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測することと、１つ以上の予測グルコース測定値を表示させることと、を含む。
【0140】
いくつかの態様では、本明細書で説明される技法は、糖尿病管理モニタリングシステムにおいて実施される方法に関し、この方法は、糖尿病管理モニタリングシステムのセンサから、ユーザについて測定されたグルコース測定値を取得することと、ユーザのグルコースレベルに影響を及ぼす事象又はユーザの状態を検出することと、ユーザのグルコースへの事象又は状態の影響を、グルコース測定値に基づいて、期間中に事象又は状態が発生しなかった場合にユーザが有していたであろう１つ以上の予測グルコース測定値を生成することによって予測することと、１つ以上の予測グルコース測定値を表示させることと、を含む。
【0141】
いくつかの態様では、本明細書で説明される技法は、方法に関し、事象又は状態は、ユーザによって消費された食品又は飲料を含む。
【0142】
いくつかの態様では、本明細書で説明される技法は、方法に関し、事象又は状態は、ユーザの睡眠時間又は睡眠状態を含む。
【0143】
いくつかの態様では、本明細書で説明される技法は、方法に関し、事象又は状態は、ユーザが服用した薬剤を含む。
【0144】
いくつかの態様では、本明細書で説明される技法は、方法に関し、事象又は状態は、グルコースモニタリングアプリケーションへのユーザの関与を含む。
【0145】
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。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【国際調査報告】