JP2003508746A - 分光装置を較正する方法 - Google Patents
分光装置を較正する方法Info
- Publication number
- JP2003508746A JP2003508746A JP2001520085A JP2001520085A JP2003508746A JP 2003508746 A JP2003508746 A JP 2003508746A JP 2001520085 A JP2001520085 A JP 2001520085A JP 2001520085 A JP2001520085 A JP 2001520085A JP 2003508746 A JP2003508746 A JP 2003508746A
- Authority
- JP
- Japan
- Prior art keywords
- slope
- calibration
- range
- prediction
- limit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005259 measurement Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 63
- 239000012491 analyte Substances 0.000 claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 6
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 69
- 239000008103 glucose Substances 0.000 claims description 69
- 238000004458 analytical method Methods 0.000 claims description 14
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 8
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 6
- 102000001554 Hemoglobins Human genes 0.000 claims description 4
- 108010054147 Hemoglobins Proteins 0.000 claims description 4
- 235000012000 cholesterol Nutrition 0.000 claims description 4
- 102000009027 Albumins Human genes 0.000 claims description 3
- 108010088751 Albumins Proteins 0.000 claims description 3
- 238000010238 partial least squares regression Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 24
- 210000004369 blood Anatomy 0.000 description 19
- 239000008280 blood Substances 0.000 description 19
- 230000003595 spectral effect Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 206010012601 diabetes mellitus Diseases 0.000 description 5
- 238000002798 spectrophotometry method Methods 0.000 description 5
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 239000013626 chemical specie Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- -1 Hb1Ac Chemical compound 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- IXZISFNWUWKBOM-ARQDHWQXSA-N fructosamine Chemical compound NC[C@@]1(O)OC[C@@H](O)[C@@H](O)[C@@H]1O IXZISFNWUWKBOM-ARQDHWQXSA-N 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003054 hormonal effect Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 229940056932 lead sulfide Drugs 0.000 description 1
- 229910052981 lead sulfide Inorganic materials 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002609 medium Substances 0.000 description 1
- 235000021243 milk fat Nutrition 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 229940126701 oral medication Drugs 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 229920001098 polystyrene-block-poly(ethylene/propylene) Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 230000037067 skin hydration Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012306 spectroscopic technique Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Chemical & Material Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Mathematical Physics (AREA)
- Emergency Medicine (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Paper (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Description
ics)の分野に関する。特に、本発明は、非侵襲的方法で検体のレベルを予測
するための分光装置を較正する方法に関する。本発明の方法は、近赤外分光光度
測定に基づく血糖の予測に特に適する。
生物学的マトリックスの組成にある様々な化学的検体の測定に基づくことが多い
。こうした測定は、患者の健康状態を評価し、処置が必要な場合、どのような処
置が必要かを決定するために使用され得る。たとえば、グルコース測定器をもっ
て糖尿病患者の血糖レベルを頻繁に監視することは、患者が必要に応じてインス
リン注射を行うか又は経口薬を摂取して血糖を低下させることにより、糖尿病を
管理するために必要であることが多い。頻繁な血糖測定に基づく集中的な処置は
、失明、腎臓の損失及び糖尿病に付随するその他の合併症の発生を著しく減少さ
せることができる。
血液サンプルを収集し、サンプルを適切な試験片上に配置して、サンプルを光学
的グルコース測定器で試験する必要がある。世界中の何百万人もの糖尿病患者に
とって、インスリンレベルを監視するために血液を抽出すべくランセット又はそ
の他の鋭利な器具を使用することは苦痛な過程であり、患者の指にはたこができ
ていることが多く、その場合は血液の収集がさらに難しくなる。侵襲的な手順を
子どもに行うことは特に難しく、両親にとっては特に骨の折れることである。さ
らに、各血液サンプルに必要な試験片は一般に再使用できず、毎日何度か測定を
行う場合、患者の観点からは著しくコストがかさむことになる。したがって、糖
尿病患者の多くは、毎日数回の測定を行うべきであるという事実にも関わらず(
特定の個人の場合、医師は、毎日4〜7回グルコースレベルを試験することを勧
める)、苦痛、コスト及び不便という点で、多くの糖尿病患者は、グルコースレ
ベルをそれ程頻繁には監視していない。
相互作用するかという分析に基づく。分光測定技術は、異なる化学物質又は検体
の濃度を迅速かつ非侵襲的に測定できるという点で、次第に一般的になってきた
。上記の理由から、これは、家庭用グルコース測定器に特に望ましい。分光光度
法は、サンプル溶液又は媒体の吸収スペクトルにおけるスペクトルエネルギー分
布に基づいて検体の濃度を定量測定するために通常使われる一種の分光法である
。分光光度法では、エネルギー分布は一般に、可視スペクトル、紫外スペクトル
、赤外スペクトル又は近赤外スペクトルの範囲内で分析される。たとえば、近赤
外線(NIR)は、約0.75から2.5μm(つまり、150〜400THz
)の間の波長を有する電磁輻射線である。近赤外分光光度法では、単色光分光器
の石英プリズム及び吸収帯域を観察するための検出器として硫化鉛光伝導セルを
備える器具が一般に使用され、NIR分光光度法は、グルコース、全ヘモグロビ
ン、アルブミン、コレステロール及びエタノールのような検体を生体内で測定す
るために次第に使用されるようになってきている。
)を人体の特定部分に収束させて、当該部分を介して透過される輻射線のスペク
トル分布を検出して行われる。入射線からの光の吸収は、水分、脂肪、蛋白質、
ヘモグロビン、メラニン及びグルコースを含む当該人体部分内の化学成分による
。グルコース測定スペクトル分析での1つの問題は、血液中に見られるグルコー
スと、多くの場合グルコースより多量のその他の化学物質との間でのスペクトル
の重なりである。加えて、入射光線が通過する皮膚、骨及び血液の厚さ、色及び
構造は、入射光線の透過(又は反射/吸収)に影響を及ぼす。さらに、検体の濃
度は、活動レベル、食事、ホルモンの変動及びその他の要素の変化に応じて変化
し得る。グルコース濃度の測定も、温度、圧力、湿度及び皮膚の水和作用を含む
物理的及び化学的条件の変化により特に影響を受けやすい。したがって、確実な
非侵襲的グルコース予測を行うには、人体の血管が均衡な領域でNIRスペクト
ル測定を行うべきであり、NIRグルコース分光光度計は、NIRグルコース計
からの未処理のスペクトル情報の質が高度であるように、注意して設計しなけれ
ばならない。概して、IEEE LEOS Newsletter第12巻、第2号(1998年4月
)のWaynant及びChenault著「Overview of Non-Invasive Optical Glucose Moni
toring Techniques」(非侵襲的光学的グルコース監視技術)並びにIEEE LEOS N
ewsletter第12巻、第2号(1998年4月)のBurmeister及びArnold著「Spe
ctroscopic Considerations for Noninvasive Blood Glucose Measurements Wit
h Near Infrared Spectroscopy」(近赤外分光法による非侵襲的血糖値測定に関
する分光学的考察)を参照のこと。
しており、患者の指の先端を使って行われることが多いが、人体のその他の領域
(たとえば、2本の指間の皮膜、耳たぶ又は上唇)も使用することができる。サ
ンプルの厚さは、重要な実験上のパラメータである。なぜなら、サンプルが厚く
なると吸収量が増加し、その結果、検出の最低限度が低下するが、比較的厚いサ
ンプルを完全に通過する(つまり、吸収されない)入射光線は減少し、事実上ス
ペクトルのノイズを増加するからである。上記Burmeister及びArnold参照。
加えて、こうした測定に関連してさらに重要な困難性は、たとえば検体の濃度及
び変動性が実質的に異なる様々な異なる個人が使用できるように、こうした器具
を較正する必要があることである。分光光度計(及び概して分析器具)の較正は
、こうした器具により行われる測定の精度を確保するために必要である。
の方法が使用されてきた。第1の方法では、器具が使用される各個人に対して個
々に完全な較正過程が行われる。この個々の較正過程では、長期にわたって個人
から多数の血液サンプルを採取し、これらサンプルから基準グルコース濃度測定
値を取得する必要がある。多数の対応する非侵襲的分光測定値を同時に取得し、
たとえば線形回帰分析により非侵襲的測定値を基準測定値と相関させるべく、較
正回帰分析を実施する。この方法では、分光装置又は分光光度計は、特定の個人
に応じて特別に較正される。しかし、この方法の主な不利益は、較正モデルが、
関連する検体のスペクトルに重なる(これらスペクトルに干渉する)スペクトル
の変動に関する不十分な情報量を有し得る特定個人からのデータに限定されるこ
とである。きわめて正確な検体を予測できるように、こうしたスペクトルを特徴
付けることができることは重要である。この問題を軽減するため、各個人に応じ
た特別な較正過程が毎日でも頻繁に行われるべきであろう。
要がある。この方法は、多数の較正測定値を取得することにより(第1の方法と
同様)、重複する又は干渉するすべての検体個々の変動性すべてを十分に考慮す
る単一の較正モデルを計算することができるという概念に基づく。ケモメトリッ
クス、つまり数学的、統計的かつ形式的な論理方法を化学に応用する方法は、ス
ペクトル強度データを処理及び計算して、較正モデルを生成するために一般に使
用される。IEEE LEOS Newsletter第12巻、第2号(1998年4月)のSmall
及びArnold著「Data Handling Issues for Near-Infrared Glucose Measurement
s」(近赤外グルコース測定に関するデータ処理の問題)及び分析化学第68号
、2663〜2675ページ(1996年)のShaffer, Small及びArnold著「Ge
netic Algorithm-Based Protocol for Coupling Digital Filtering and Partia
l Least-Squares Regression: Application to the Near-Infrared Analysis of
Glucose in Biological Matrices」(ディジタルフィルタリング及び部分最小
二乗法回帰のための一般的なアルゴリズムに基づくプロトコル:生物学的マトリ
ックスにおけるグルコースの近赤外分析に対する応用)を参照のこと。しかし、
個々のサンプルごとに明確に異なって変化するグルコース及びその他の検体を測
定する場合、単一の一般的な較正アルゴリズムは、効果がないことが多く、検体
濃度レベルの重大な時には危険な誤った予測を行う可能性がある。
あり、痛みのない便利な技術を提供するが、真のグルコースレベルを取得するた
めにスペクトル測定値を相関させて臨床的に解釈することは、適切な治療及び疾
患の管理に重要である。様々な患者母集団(人種、年齢、体重などが異なる)の
ための器具を適切に較正することは、正確なグルコース予測モデルを取得する上
で重要である。さらに、非侵襲的結果及びグルコース予測式を念入りに評価及び
試験することは、臨床上重要なすべての条件で、すべての又は少なくとも殆どの
タイプの患者についてグルコース相関関係が矛盾していないかを決定するために
必要である。
供するための分光装置を較正する方法であって: (a)複数の較正アルゴリズムを提供するステップと; (b)前記の分光装置でもって前記サンプルの非侵襲的測定値集合を取得する
ステップと; (c)非侵襲的測定値集合に応答して各々の較正アルゴリズムに対する予測検
体レベル集合を計算するステップであって、予測検体レベル集合の各々が、変動
範囲、勾配、R2(前記非侵襲的測定値集合と前記予測検体レベル集合との間の
相関関係の二乗)及び標準予測誤差により特徴付けられているステップと; (d)各々の予測検体レベル集合に関する変動範囲、勾配、R2及び標準予測
誤差に基づく適合性スコアを使用して適切な較正アルゴリズムを選択するステッ
プとを含む方法を提供する。
勾配が勾配下限と勾配上限との間にあり、前記の勾配下限及び勾配上限が許容可
能な勾配範囲を規定する予測検体レベル集合を選択するステップと; (ii)ステップ(i)で選択された予測集合の各々について、当該予測集合
に対する勾配、R2及び標準予測誤差に応答して適合性スコアを計算し、最適な
(最高)適合性スコアを有する予測集合に対応する較正アルゴリズムを適切な較
正アルゴリズムとして選択するステップと; (iii)ステップ(i)で予測集合が選択されない場合、変動範囲が範囲の
下限未満であり、標準予測誤差が誤差の上限未満である予測検体レベル集合を選
択するステップと; (iv)ステップ(iii)で選択された予測集合の各々から最も低い標準予
測誤差を有する予測集合に対応する較正アルゴリズムを適切な較正アルゴリズム
として選択するステップと; (v)ステップ(i)又はステップ(iii)で予測集合が選択されない場合
、較正アルゴリズムが適切ではないと決定するステップとを含む。
のレベルを含む複数のレベルに対応する複数の副次的範囲に再分割されてもよく
、第1レベルで予測集合が選択されない場合、予測集合が選択されるか又は次の
レベルがなくなるまで次の各レベルでステップ(i)を繰り返す。
タ集合をコンパイルするステップと; (ii)較正に適さないデータ集合を拒絶するステップと; (iii)結合データ集合の相関関係が予め決められた規準に適合するかどう
かに応じて較正に適するデータ集合を複数の群に結合するステップと; (iv)データ集合の各群に対する較正アルゴリズムを生成するステップとに
より最初に生成される。
コンピュータで行われてもよい。さらに、サンプルは個々の患者であり、分光装
置は近赤外分光光度計であり、検体は、グルコース、ヘモグロビン、アルブミン
、コレステロール及びエタノールからなる群から選択されてもよい。
良く理解され、より容易に明白になるであろう。 図面は、一例として本発明の好ましい実施態様を示す。
置を較正する方法に関する。本発明は、検査されるべきアイテムを通って投射さ
れる光源と、サンプルインタフェース機構と、光をその成分波長に分離する分光
計と、検出器と、増幅電子装置と、コンピュータとを有する典型的なNIR分光
光度計システムに使用することができる。光源と検出器との間の損失(吸収)を
測定し、適切なケモメトリック(数学的)技術を応用することにより、異なる化
学物質が、異なる波長で異なる量の光を吸収するため、検査されるべき化学物資
を非侵襲的に決定することができる。こうした分光光度装置及び方法は、米国特
許第5,361,758号に詳細に記載されており、その内容は本明細書に援用
する。本明細書は、現在のNIR測定に対する応用の主な分野の1つであるグル
コースの測定に主に関するが、本発明の原理は、各種の分光技術を使用して非侵
襲的に測定されるその他の検体に同等に適用されると考えられる。
及び高い信号対雑音比を有し、散乱損失が低い分光計を使用する必要がある。分
光計からの出力は、吸光度及び波長の両方において高精密度でスペクトルを生成
するために使用される。著しいグルコース吸収帯域は、1.67、2.13、2
.27及び2.33μmの波長付近に中心を有する(上記のSmall及びArnold著
「Data handling Issues for Near-Infrared Glucose Measurements」(近赤外
グルコース測定に関するデータ処理の問題)に記載されている)。これらの波長
の他に、0.97及び1.12μmに著しいグルコース吸収帯域が存在し、これ
らの波長により、組織においてより長距離を通る透過測定を行うことができる。
NIRを使用して特定の化合物/検体を測定するには、ケモメトリックな数学的
分析を測定スペクトルに応用する。数学的分析技術は、結果として得られた複合
スペクトルを解釈できる高度なソフトウェアを備えたコンピュータにより行われ
る。
当該化合物又は検体に関連する吸収を最初に測定しなければならない。次に、こ
れらNIR測定値と、より伝統的でより正確な侵襲的方法で得られた測定値とを
比較する。これらの比較から、被測定検体を特徴付けるアルゴリズムを作成する
。NIR分光光度計のための較正モデルを生成するために使用される方法は複雑
である。重要な基準は、較正サンプルが他の化学種濃度と相関しないことである
。これらの基準を満たすのは、生物マトリックス又は成長媒体に一般に存在する
多数の化学種のため厄介である。
な異なるサンプルについて、血糖レベルのような生物マトリックスでの検体レベ
ルを予測できる分光装置に使用するための多重アルゴリズム較正方法を提供する
ものである。本発明の較正方法は、複数の異なるアルゴリズムの生成及び検体濃
度の正確な予測を生成するのに最も適するアルゴリズムの選択という2つの重要
な部分を有する。
な基準測定データ集合をコンパイルする。データ集合のコンパイル後、非侵襲的
なスペクトル測定を基準グルコースレベルに関連付けるべく相関技術を実施する
。この段階では、個々の較正用データサンプルの適合性を考慮しなければならな
い。データ集合における非侵襲的なスペクトル測定値のいくつかによって、測定
機器がたとえばアナログ−ディジタル変換器の出力部において飽和状態になる場
合、このデータサンプルは、較正アルゴリズムに使用するのに適さない。同様に
、データ集合内の非侵襲的なスペクトル測定値の変動範囲が非常に小さい場合、
このデータサンプルも較正には適さない。さらに、特定データ集合でのグルコー
スの相関関係が、別の化学物質の濃度のように、別の変数に望ましくない状態で
相関する場合、このサンプルも不適格である。したがって、多数のサンプル集合
が、較正アルゴリズムの作成に適さなくなる。
のグループ化、すなわち結合は、これらデータ集合を繰り返し結合し、この結合
されたデータ集合において新たな相関をなすことにより、試行錯誤的に惹起する
。結合集合の相関関係が特定基準を満たす場合、その結合は認められ、基準を満
たさない場合、異なる結合が試みられる。結合が認められるとみなされたら、さ
らにデータ集合の追加が試みられて、順に合否が決定される。こうして、十分に
多量のデータ集合が得られ、これらデータ集合から信頼できる較正アルゴリズム
を作成することができるまで、アルゴリズムに対するデータ集合の結合は2個の
データ集合から3個のデータ集合、4個のデータ集合という具合に増加する。
である。第1に、他のパラメータとの結合データ集合群のグルコースの相関は、
最小化されなければならない。こうした望ましくない相関関係には、異なる化学
種の濃度又はその他の時間的に変化する数量が見られ得る。この基準に対する適
切な定量的試験は、相関係数Ru 2の二乗(望ましくない相関関係に対して)で
示される結合データ集合の望ましくないすべての相関関係が、Ru 2<0.10
のように特定の限度未満であることを確保することである。知られている方法で
は、相関係数Ru’は、一緒に変化すべき2つの変数の傾向を示す量である。デ
ータ集合の別のデータ集合又はデータ集合の適切な副結合への追加がこの基準を
充足しない場合、新しい結合は認められない。
を確保することで最適化されることができるため、データ集合の結合における第
2の基準は、特定の群内のデータ集合を互いに充分に相関させることを要求する
べきである。これは、たとえば、基準予測誤差(SEP)が最小になり、基準グ
ルコースを予測グルコースに関連付ける勾配と共に相関係数の二乗、R2が、デ
ータ集合の既存の副次的結合に対して約0.8を超え、別のデータ集合がこの副
次的結合に潜在的に結合されることを確保することでなされ得る。
的に追加するか又は築き上げるのではなく、較正に適するデータ集合の大きい群
を最初に無作為に集める。この実施態様では、データ集合は群から除去され、上
記のSEP及び相関基準が再度評価される。このデータ集合を除去した後にSE
P、勾配及び相関基準が改善する場合、このデータ集合を群から永久的に除去す
るが、基準が改善しない場合、このデータ集合を再び群に戻す。このトップダウ
ン法を使用する場合、データ集合の除去は、基準が許容可能な限度を満たした時
に終了することができる。
定するためのSEP、勾配及び相関関係の計算は、データ量が増加するにつれて
ますます複雑になり、部分的最小二乗(PLS)回帰分析を用いて行うことが好
ましい。PLS分析技術は当業者には十分によく知れており、著しく冗長な情報
を除去することで良好な線形概算を提供する:概して、上記のSmall及びArnold
著「Data handling Issues for Near-Infrared Glucose Measurements」(近赤
外グルコース測定に関するデータ処理の問題)を参照。部分成分分析(PCA)
又は人口神経網(ANN)のような、その他のタイプの分析を使用しても良い。
群に対応する)を生成するために使用され、各々の群は、非侵襲的分光測定に基
づく生物マトリックスに存在する検体のレベルを予測するための較正モデル又は
アルゴリズムを提供する。好ましくは、2つの最初のデータ集合群が作成され、
この2つの群から追加の群が生成され得る。この追加の群は、最初の2つの群よ
りサイズが概して小さく、より厳格な相関基準に適合することができる。これら
追加の群は、上記のトップダウン法で構成され、データ集合は、除去後に相関基
準が改善するか又は悪化するかを決定すべく、最初の群から選択的に除去される
。
又はサンプルの検体レベルを予測するのに最も適するアルゴリズムをこれらアル
ゴリズムから選択する必要がある。アルゴリズムを選択した後、選択したアルゴ
リズムを使って分光装置を較正する。アルゴリズム選択過程は、多重アルゴリズ
ムを生成するために使用される過程からは概して独立しており、明らかに、利用
可能な異なるアルゴリズムの数に依存する。
ず、高度に正確な基準測定値集合及びある期間について選択された間隔における
対応する非侵襲的スペクトル測定値をコンパイルする必要がある。好ましい実施
態様では、2つの連続する非侵襲的スペクトル測定値を測定間隔ごとに連続して
取り、その平均を当該間隔の1つの非侵襲的測定値として取る。
るために(つまり、利用可能な較正アルゴリズムの少なくとも1つが、ある患者
に適すると判明するかどうか)、2つの変数が設定され得る。これらは、(i)
データ集合内のグルコース又は検体の変動範囲の下限(データは、有意に変動し
ない場合、有用である十分な情報を提供しない)、(ii)標準予測誤差(SE
P)に対する誤差上限(SEPmax)、つまり較正アルゴリズムで予測した検
体濃度値からの基準検体濃度を二乗した偏差の平均値の平方根である。
レベルの予測集合を計算する。濃度レベルの基準集合と比較した場合、各々の予
測集合は、グルコースレベルの変動範囲;勾配(理想的には1であり、つまり予
測値が基準値に直接対応する);予測値の集合と基準値の集合との相関関係を定
義する相関係数R;及び上記で定義した標準予測誤差(SEP)により特徴付け
られる線形回帰又は「最も適合する」線から計算される。相関係数Rは、予測検
体にオフセット又はバイアスが存在する場合を除いて、SEPが減少するにつれ
て増加し又はこの逆である点に注意する。
4つのレベル又はステップを含むことができる。第1レベルでは、アルゴリズム
の予測データ集合が以下の基準を満たす場合、 i)SEP<誤差上限(SEPmax) ii)検体の範囲>範囲の下限、及び iii)0.5<勾配(回帰線の)<1.05 以下の式により適合性スコアを計算する: スコア=(勾配)(R2)/(SEP) 1つ以上のアルゴリズムが第1レベルの基準に適合する場合、最高の適合性スコ
アを有するアルゴリズムを選択して、選択過程は完了する。第1レベルの基準に
関してどのアルゴリズムも適格ではない場合、選択過程は第2レベルに進む。
、第1レベルの場合のように適合性スコアを計算する。やはり、第2レベルで1
つ以上のアルゴリズムが適格である場合、最高のスコアを有するアルゴリズムを
選択して、選択過程は完了する。
適格にならず、検体測定値の範囲が範囲の下限を超える場合、こうした状況では
、正確に較正が行われる頼りになる較正アルゴリズムが存在しないため、当該サ
ンプル又は患者を測定から除外する。
リズムも適格にならず、検体測定値の範囲が範囲の下限未満である場合、当該S
EPが誤差の上限未満であれば、最低のSEPを有するアルゴリズムを選択する
。SEPが誤差の上限を超える場合、やはり当該患者を測定から除外する。した
がって、第4レベルでは、SEPは、アルゴリズムが認められるかどうかを決定
する際の唯一の要素になる。
、これらレベルは、適用及び承認要件に応じて多少変更され得る(範囲の下限及
び誤差上限と同様)。また、アルゴリズム選択過程に使用するレベル又はステッ
プの数も、全体の好ましい範囲をカバーする単一のレベルから、好ましい範囲を
2つ又はそれ以上の範囲限度又は範囲基準に再分割する2つ又はそれ以上のレベ
ルまで変更できる。しかし、レベルの数に関係なく、上記の第3レベル及び第4
レベルは、患者が除外されるか又はアルゴリズムを承認すべき決定がSEPのみ
に基づいて行われる最後の2つのレベルに相当する。当業者には、選択するレベ
ル又はステップの数は好みの問題に過ぎないことが容易に分かるであろう。
めのNIR分光光度計を較正すべく、多重アルゴリズム較正方法を使用した。す
べての基準データ測定値は、(侵襲的)血液サンプルにおいて正確なグルコース
測定値を与える業界標準のYSITM(Yellow Springs Instruments)グルコー
ス分析器のようなグルコース分析器をもって取得された。本発明者は、上記の基
準が与えられたとして、較正の目的に適するのは、単一のNIR患者データ集合
の約6%にすぎないことを発見した。これらの較正に適するデータ集合は、最初
の2つの較正アルゴリズム集合群にまとめ、最初の群の各々は、その中に33個
のデータ集合を有する1つの群に構成された。これら最初の2つの群から、11
個の追加の群を分離して独立させ、これらの群の各々は、その中に少なくとも8
個のデータ集合を有していた。したがって、13種類の異なる較正アルゴリズム
がグルコースレベルの予測に使用可能だった。
定値(つまり、YSITMで測定)及び2つのNIR指測定値の24の平均値を
基にした。上記のアルゴリズム選択過程は、多くの異なる患者(較正過程に関係
ない)について行った。
なる患者に対するグルコース予測の相関分散図である。図1の分散図は、Diabet
es Care(糖尿病の治療)10:622〜628(1987年)に記載されてい
るClarke及びCox著「Error Grid Analysis」(誤差グリッド分析)に記載されて
いるClarke誤差グリッドに重ねられる。Clarke誤差グリッドは、対応する臨床判
断の有効性に基づいて測定の正確度を評価する5つの領域(A〜E)に相関空間
を分割する。「A」領域に分類される相関点は、実際のグルコースレベルと予測
グルコースレベルとの間の類似性(つまり、予測値は基準値から20%しか逸脱
しない)に基づいて行われる正確な臨床判断に対応する。「B」領域では、予測
値は基準値から20%を超えて逸脱するが、グルコースの予測レベルに基づいて
行われる治療の決定は、患者を危険にさらすか又は患者に悪影響を及ぼすことは
ない。領域「C」、「D」及び「E」では、予測は基準値から著しく逸脱し、こ
れらの予測に基づく治療の決定は多分に有害であり得る。Clarke誤差グリッドは
、試験室の基準装置により適しているより伝統的な分析方法とは対照的に、家庭
用血糖レベル監視装置の誤差による臨床上の結果を評価するために使用されるこ
とが多い。
3.07mmol/Lであり、かなりの量のデータが許容可能な限度又は領域外
にあることが見られ得る。これとは対照的に、図2は、本発明による多重アルゴ
リズム較正モデルに基づく25人の患者に対するグルコース予測値の相関分散図
を示し、SEPmaxは2.76mmol/Lに等しい。同様に、図3は、本発
明による多重アルゴリズム較正モデルに基づく22人の患者に関するグルコース
予測値の相関分散図を示し、SEPmaxは2.28mmol/Lに等しい。図
2、特に図3の予測値は共に、図1の予測値(一般的なアルゴリズムにより較正
)よりもはるかに良好な正確度を示す。
する相関データの集合を示し、図5は、本発明の多重アルゴリズムの方法により
較正された同じ患者に対する相関データを示す。やはり、本発明の較正方法に基
づくグルコース予測値の精度が改善したことは明らかである。
たとえば、NIR輻射線は、通常はすべて不透明であると考えられる人体の組織
、血管又は乳腺のようなアイテムを貫通するために使用され得る。結果として得
られる吸収スペクトルの数学的分析は、光が貫通する物質の組成を決定する。し
たがって、血液試験所では、サンプルは、液体を収容しているプラスチック瓶に
光を通過させることにより、接触せずに検査され得る。同様に、日常の用途では
、NIR光は***を通過し、乳脂肪、固体粒子及び乳酸塩のようなパラメータが
測定される。本発明の多重アルゴリズム法は、これらのタイプの非侵襲的測定に
も容易に拡張することができる。さらに、本発明の方法は、コレステロール、ヘ
モグロビン、Hb1Ac、フルクトサミン及び1.5AGのような、その他多数
の血液検体の非侵襲的測定にも適用することができる。
的に示すためのものであって制限的ではなく、本発明は添付の請求の範囲により
定義されるべく意図される。
の相関分散図である。
ース予測の相関分散図である。
ース予測のもう1つの相関分散図である。
関分散図である。
るグルコース予測の相関分散図である。
Claims (11)
- 【請求項1】 サンプルにおける検体レベルの非侵襲的な測定を提供するた
めの分光装置を較正する方法であって: (a)複数の較正アルゴリズムを提供するステップと; (b)前記分光装置でもって前記サンプルの非侵襲的測定値集合を取得するス
テップと; (c)非侵襲的測定値集合に応答して各々の較正アルゴリズムに対する予測検
体レベル集合を計算するステップであって、前記予測検体レベル集合の各々が、
変動範囲、勾配、R2(前記非侵襲的測定値集合と前記予測検体レベル集合との
間の相関関係の二乗)及び標準予測誤差により特徴付けられているステップと; (d)各々の予測検体レベル集合に関する変動範囲、勾配、R2及び標準予測
誤差に基づく適合性スコアを使用して適切な較正アルゴリズムを選択するステッ
プとを含む方法。 - 【請求項2】 ステップ(d)が、 (i)標準予測誤差が誤差上限未満であり、変動範囲が範囲の下限を超え、勾
配が勾配下限と勾配上限との間にあり、前記の勾配下限及び勾配上限が許容可能
な勾配範囲を規定する予測検体レベル集合を選択するステップと; (ii)ステップ(i)で選択された予測集合の各々について、当該予測集合
に対する勾配、R2及び標準予測誤差に応答して適合性スコアを計算し、最適な
(最高)適合性スコアを有する予測集合に対応する較正アルゴリズムを適切な較
正アルゴリズムとして選択するステップと; (iii)ステップ(i)で予測集合が選択されない場合、変動範囲が範囲の
下限未満であり、標準予測誤差が誤差上限未満である予測検体レベル集合を選択
するステップと; (iv)ステップ(iii)で選択された予測集合の各々から最も低い標準予
測誤差を有する予測集合に対応する較正アルゴリズムを適切な較正アルゴリズム
として選択するステップと; (v)ステップ(i)又はステップ(iii)で予測集合が選択されない場合
、較正アルゴリズムが適切ではないと決定するステップとを含む、請求項1に記
載の方法。 - 【請求項3】 前記許容可能な勾配範囲が、第1レベル及び1つ又は複数の
次のレベルを含む複数のレベルに対応する複数の副次的範囲に再分割され、第1
レベルで予測集合が選択されない場合、予測集合が選択されるか又は次のレベル
がなくなるまで次の各レベルでステップ(i)を繰り返す、請求項2に記載の方
法。 - 【請求項4】 前記勾配下限が1未満であり、前記勾配上限が1を越える、
請求項2に記載の方法。 - 【請求項5】 前記勾配下限が約0.3であり、前記勾配上限が約1.05
である、請求項4に記載の方法。 - 【請求項6】 前記許容可能な勾配範囲が約0.3の勾配下限及び約1.0
5の勾配上限により規定される、請求項3に記載の方法。 - 【請求項7】 ステップ(a)で得られた複数の較正アルゴリズムが、 (i)多数のサンプル各々に対する検体レベル測定の非侵襲的な対応基準デー
タ集合をコンパイルするステップと; (ii)較正に適さないデータ集合を拒絶するステップと; (iii)結合データ集合の相関関係が予め決められた規準に適合するかどう
かに応じて較正に適するデータ集合を複数の群に結合するステップと; (iv)データ集合の各群に対する較正アルゴリズムを生成するステップとに
より最初に生成される、請求項1に記載の方法。 - 【請求項8】 ステップ(iii)の予め決められた規準が、前記検体以外
のパラメータをもって特定群の結合データ集合の相関関係を最小限にすることと
、特定群のデータ集合間の相関関係を最大限にすることとを含む、請求項7に記
載の方法。 - 【請求項9】 ステップ(iii)及び(iv)が部分的最小二乗回帰分析
を使用して行われる、請求項7に記載の方法。 - 【請求項10】 ステップ(a)、(c)及び(d)が前記分光装置に付随
されたコンピュータで行われる、請求項7に記載の方法。 - 【請求項11】 前記サンプルが個人の患者であり、前記分光装置が近赤外
分光光度計であり、前記検体が、グルコース、ヘモグロビン、アルブミン、コレ
ステロール及びエタノールからなる群から選択される、請求項1から10のいず
れか一項に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15153699P | 1999-08-31 | 1999-08-31 | |
US60/151,536 | 1999-08-31 | ||
PCT/CA2000/001005 WO2001016579A1 (en) | 1999-08-31 | 2000-08-31 | Method of calibrating a spectroscopic device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003508746A true JP2003508746A (ja) | 2003-03-04 |
JP4636762B2 JP4636762B2 (ja) | 2011-02-23 |
Family
ID=22539205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001520085A Expired - Fee Related JP4636762B2 (ja) | 1999-08-31 | 2000-08-31 | 分光装置を較正する方法 |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP1214579B1 (ja) |
JP (1) | JP4636762B2 (ja) |
AT (1) | ATE343125T1 (ja) |
CA (1) | CA2382113A1 (ja) |
DE (1) | DE60031427T2 (ja) |
WO (1) | WO2001016579A1 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007501028A (ja) * | 2003-08-01 | 2007-01-25 | デックスコム・インコーポレーテッド | アナライトセンサデータの処理 |
JP2007523709A (ja) * | 2004-02-26 | 2007-08-23 | ダイアベティス ツールズ スウェーデン アーベー | 被検者の健康に関連する状態を表示するための代謝監視、方法および装置 |
US8285354B2 (en) | 2003-08-01 | 2012-10-09 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US8369919B2 (en) | 2003-08-01 | 2013-02-05 | Dexcom, Inc. | Systems and methods for processing sensor data |
US8886273B2 (en) | 2003-08-01 | 2014-11-11 | Dexcom, Inc. | Analyte sensor |
WO2021171831A1 (ja) * | 2020-02-28 | 2021-09-02 | ソニーグループ株式会社 | 生体情報取得デバイス、生体情報取得システム及び生体情報取得方法 |
JP7471486B2 (ja) | 2019-11-26 | 2024-04-19 | アイセンス,インコーポレーテッド | 血糖値較正方法 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4054853B2 (ja) * | 2000-10-17 | 2008-03-05 | 独立行政法人農業・食品産業技術総合研究機構 | 近赤外分光法を用いた血液分析法 |
US7497827B2 (en) | 2004-07-13 | 2009-03-03 | Dexcom, Inc. | Transcutaneous analyte sensor |
US9282925B2 (en) | 2002-02-12 | 2016-03-15 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
US8260393B2 (en) | 2003-07-25 | 2012-09-04 | Dexcom, Inc. | Systems and methods for replacing signal data artifacts in a glucose sensor data stream |
US8010174B2 (en) | 2003-08-22 | 2011-08-30 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
US7027848B2 (en) | 2002-04-04 | 2006-04-11 | Inlight Solutions, Inc. | Apparatus and method for non-invasive spectroscopic measurement of analytes in tissue using a matched reference analyte |
US7591801B2 (en) | 2004-02-26 | 2009-09-22 | Dexcom, Inc. | Integrated delivery device for continuous glucose sensor |
US7774145B2 (en) | 2003-08-01 | 2010-08-10 | Dexcom, Inc. | Transcutaneous analyte sensor |
US20190357827A1 (en) | 2003-08-01 | 2019-11-28 | Dexcom, Inc. | Analyte sensor |
US8761856B2 (en) | 2003-08-01 | 2014-06-24 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US7519408B2 (en) | 2003-11-19 | 2009-04-14 | Dexcom, Inc. | Integrated receiver for continuous analyte sensor |
US7920906B2 (en) | 2005-03-10 | 2011-04-05 | Dexcom, Inc. | System and methods for processing analyte sensor data for sensor calibration |
US20140121989A1 (en) | 2003-08-22 | 2014-05-01 | Dexcom, Inc. | Systems and methods for processing analyte sensor data |
US9247900B2 (en) | 2004-07-13 | 2016-02-02 | Dexcom, Inc. | Analyte sensor |
US8364231B2 (en) | 2006-10-04 | 2013-01-29 | Dexcom, Inc. | Analyte sensor |
US8774886B2 (en) | 2006-10-04 | 2014-07-08 | Dexcom, Inc. | Analyte sensor |
US11633133B2 (en) | 2003-12-05 | 2023-04-25 | Dexcom, Inc. | Dual electrode system for a continuous analyte sensor |
US8423114B2 (en) | 2006-10-04 | 2013-04-16 | Dexcom, Inc. | Dual electrode system for a continuous analyte sensor |
EP1711791B1 (en) | 2003-12-09 | 2014-10-15 | DexCom, Inc. | Signal processing for continuous analyte sensor |
WO2009048462A1 (en) | 2007-10-09 | 2009-04-16 | Dexcom, Inc. | Integrated insulin delivery system with continuous glucose sensor |
US8808228B2 (en) | 2004-02-26 | 2014-08-19 | Dexcom, Inc. | Integrated medicament delivery device for use with continuous analyte sensor |
US8452368B2 (en) | 2004-07-13 | 2013-05-28 | Dexcom, Inc. | Transcutaneous analyte sensor |
US8565848B2 (en) | 2004-07-13 | 2013-10-22 | Dexcom, Inc. | Transcutaneous analyte sensor |
US20080306434A1 (en) | 2007-06-08 | 2008-12-11 | Dexcom, Inc. | Integrated medicament delivery device for use with continuous analyte sensor |
US8417312B2 (en) | 2007-10-25 | 2013-04-09 | Dexcom, Inc. | Systems and methods for processing sensor data |
EP2252196A4 (en) | 2008-02-21 | 2013-05-15 | Dexcom Inc | SYSTEMS AND METHOD FOR PROCESSING, TRANSMITTING AND DISPLAYING SENSOR DATA |
EP2128599A1 (en) * | 2008-05-28 | 2009-12-02 | Université de Liège | Analysing spectral data for the selection of a calibration model |
EP4374790A3 (en) | 2009-04-30 | 2024-07-31 | DexCom, Inc. | Performance reports associated with continuous sensor data from multiple analysis time periods |
WO2011003039A2 (en) | 2009-07-02 | 2011-01-06 | Dexcom, Inc. | Analyte sensors and methods of manufacturing same |
JP6141827B2 (ja) | 2011-04-15 | 2017-06-07 | デックスコム・インコーポレーテッド | 検体を測定するシステムの作動方法及び該方法を実施するべく構成されたセンサシステム |
CN105486658B (zh) * | 2015-11-19 | 2018-09-28 | 江南大学 | 一种具有无测点温度补偿功能的近红外物性参数测量方法 |
CN105300923B (zh) * | 2015-11-19 | 2018-02-13 | 江南大学 | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 |
CN107924715A (zh) * | 2016-01-25 | 2018-04-17 | 普雷迪科特医疗有限公司 | 使用多个非侵入式传感器估计物质浓度 |
CN106596456A (zh) * | 2016-04-01 | 2017-04-26 | 南京理工大学 | 基于可变移动窗口选择溶液近红外光谱谱区的方法 |
US20190120785A1 (en) | 2017-10-24 | 2019-04-25 | Dexcom, Inc. | Pre-connected analyte sensors |
US11331022B2 (en) | 2017-10-24 | 2022-05-17 | Dexcom, Inc. | Pre-connected analyte sensors |
GB2613032A (en) * | 2021-11-23 | 2023-05-24 | Rsp Systems As | Calibration method and system |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02191434A (ja) * | 1989-01-19 | 1990-07-27 | Ketsuto Kagaku Kenkyusho:Kk | 近赤外血糖値定量分析装置 |
JPH0447254A (ja) * | 1990-06-15 | 1992-02-17 | Snow Brand Milk Prod Co Ltd | 近赤外線を用いて脱脂乳、牛乳、クリーム及びチーズの成分含量を測定する方法及び装置 |
JPH04190141A (ja) * | 1989-09-18 | 1992-07-08 | Univ Washington | 水分含量を有する生物学的物質の分析方法 |
JPH0956702A (ja) * | 1995-08-18 | 1997-03-04 | Minolta Co Ltd | 無侵襲血中成分濃度測定装置 |
JPH09281042A (ja) * | 1996-04-18 | 1997-10-31 | Yokogawa Electric Corp | 近赤外分光分析計 |
JPH10500215A (ja) * | 1994-05-18 | 1998-01-06 | エカ ノーベル アクチェボラーグ | パルプ及び紙中の作用化学薬品の量的測定の方法と手段 |
JPH1123467A (ja) * | 1997-06-30 | 1999-01-29 | Suzuki Motor Corp | 蛍光量測定装置 |
JPH1164218A (ja) * | 1997-08-26 | 1999-03-05 | Matsushita Electric Works Ltd | 体液成分の濃度の定量方法 |
WO1999034193A1 (en) * | 1997-12-23 | 1999-07-08 | Bureau Of Sugar Experiment Stations | On-line measuring system and method |
JPH11510604A (ja) * | 1995-08-07 | 1999-09-14 | ベーリンガー マンハイム コーポレーション | ディスタンス・アウトライア検知を使用した生物学的流体分析 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5204532A (en) * | 1989-01-19 | 1993-04-20 | Futrex, Inc. | Method for providing general calibration for near infrared instruments for measurement of blood glucose |
KR100232687B1 (ko) * | 1992-05-27 | 1999-12-01 | 폴 에스. 메이어 | 근적외선 흡수 스펙트럼을 이용한 산소화물 함량의 개량된 간접 측정 방법 |
US5606164A (en) * | 1996-01-16 | 1997-02-25 | Boehringer Mannheim Corporation | Method and apparatus for biological fluid analyte concentration measurement using generalized distance outlier detection |
-
2000
- 2000-08-31 JP JP2001520085A patent/JP4636762B2/ja not_active Expired - Fee Related
- 2000-08-31 AT AT00955997T patent/ATE343125T1/de not_active IP Right Cessation
- 2000-08-31 CA CA002382113A patent/CA2382113A1/en not_active Abandoned
- 2000-08-31 WO PCT/CA2000/001005 patent/WO2001016579A1/en active IP Right Grant
- 2000-08-31 EP EP00955997A patent/EP1214579B1/en not_active Expired - Lifetime
- 2000-08-31 DE DE60031427T patent/DE60031427T2/de not_active Expired - Lifetime
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02191434A (ja) * | 1989-01-19 | 1990-07-27 | Ketsuto Kagaku Kenkyusho:Kk | 近赤外血糖値定量分析装置 |
JPH04190141A (ja) * | 1989-09-18 | 1992-07-08 | Univ Washington | 水分含量を有する生物学的物質の分析方法 |
JPH0447254A (ja) * | 1990-06-15 | 1992-02-17 | Snow Brand Milk Prod Co Ltd | 近赤外線を用いて脱脂乳、牛乳、クリーム及びチーズの成分含量を測定する方法及び装置 |
JPH10500215A (ja) * | 1994-05-18 | 1998-01-06 | エカ ノーベル アクチェボラーグ | パルプ及び紙中の作用化学薬品の量的測定の方法と手段 |
JPH11510604A (ja) * | 1995-08-07 | 1999-09-14 | ベーリンガー マンハイム コーポレーション | ディスタンス・アウトライア検知を使用した生物学的流体分析 |
JPH0956702A (ja) * | 1995-08-18 | 1997-03-04 | Minolta Co Ltd | 無侵襲血中成分濃度測定装置 |
JPH09281042A (ja) * | 1996-04-18 | 1997-10-31 | Yokogawa Electric Corp | 近赤外分光分析計 |
JPH1123467A (ja) * | 1997-06-30 | 1999-01-29 | Suzuki Motor Corp | 蛍光量測定装置 |
JPH1164218A (ja) * | 1997-08-26 | 1999-03-05 | Matsushita Electric Works Ltd | 体液成分の濃度の定量方法 |
WO1999034193A1 (en) * | 1997-12-23 | 1999-07-08 | Bureau Of Sugar Experiment Stations | On-line measuring system and method |
Non-Patent Citations (1)
Title |
---|
SMALL GW, ARNOLD MA, MARQUARDT LA.: "Strategies for coupling digital filtering with partial least-squares regression: application to the", ANAL CHEM., vol. 65(22), JPN6010034327, 15 November 1993 (1993-11-15), pages 3279 - 89, ISSN: 0001753197 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8428679B2 (en) | 2003-08-01 | 2013-04-23 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US8285354B2 (en) | 2003-08-01 | 2012-10-09 | Dexcom, Inc. | System and methods for processing analyte sensor data |
JP2007501028A (ja) * | 2003-08-01 | 2007-01-25 | デックスコム・インコーポレーテッド | アナライトセンサデータの処理 |
JP2012016597A (ja) * | 2003-08-01 | 2012-01-26 | Dexcom Inc | アナライトセンサデータの処理 |
US8588882B2 (en) | 2003-08-01 | 2013-11-19 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US8290562B2 (en) | 2003-08-01 | 2012-10-16 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US8332008B2 (en) | 2003-08-01 | 2012-12-11 | Dexcom, Inc. | System and methods for processing analyte sensor data |
JP2019181215A (ja) * | 2003-08-01 | 2019-10-24 | デックスコム・インコーポレーテッド | 実質的に連続的なグルコースセンサからのデータを表示するシステムおよびシステムの作動方法、実質的に連続的なグルコースセンサシステム、連続的なグルコースセンサを初期化するコンピュータシステム、実質的に連続的なグルコースセンサを初期化するコンピュータシステムの作動方法、ならびに連続的なグルコースセンサからのデータを処理するシステム |
JP2017074483A (ja) * | 2003-08-01 | 2017-04-20 | デックスコム・インコーポレーテッド | 連続的グルコースセンサからのセンサデータを処理するためのコンピュータシステムおよびコンピュータシステムの作動方法、および連続的グルコースセンサシステム |
US8886273B2 (en) | 2003-08-01 | 2014-11-11 | Dexcom, Inc. | Analyte sensor |
US8369919B2 (en) | 2003-08-01 | 2013-02-05 | Dexcom, Inc. | Systems and methods for processing sensor data |
JP2007523709A (ja) * | 2004-02-26 | 2007-08-23 | ダイアベティス ツールズ スウェーデン アーベー | 被検者の健康に関連する状態を表示するための代謝監視、方法および装置 |
US9384324B2 (en) | 2004-02-26 | 2016-07-05 | Diabetes Tools Sweden Ab | Metabolic monitoring, a method and apparatus for indicating a health-related condition of a subject |
US7878975B2 (en) | 2004-02-26 | 2011-02-01 | Diabetes Tools Sweden Ab | Metabolic monitoring, a method and apparatus for indicating a health-related condition of a subject |
US8858435B2 (en) | 2004-02-26 | 2014-10-14 | Diabetes Tools Sweden Ab | Metabolic monitoring, a method and apparatus for indicating a health-related condition of a subject |
JP7471486B2 (ja) | 2019-11-26 | 2024-04-19 | アイセンス,インコーポレーテッド | 血糖値較正方法 |
WO2021171831A1 (ja) * | 2020-02-28 | 2021-09-02 | ソニーグループ株式会社 | 生体情報取得デバイス、生体情報取得システム及び生体情報取得方法 |
Also Published As
Publication number | Publication date |
---|---|
DE60031427D1 (de) | 2006-11-30 |
WO2001016579A1 (en) | 2001-03-08 |
EP1214579B1 (en) | 2006-10-18 |
ATE343125T1 (de) | 2006-11-15 |
DE60031427T2 (de) | 2007-09-20 |
JP4636762B2 (ja) | 2011-02-23 |
CA2382113A1 (en) | 2001-03-08 |
EP1214579A1 (en) | 2002-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4636762B2 (ja) | 分光装置を較正する方法 | |
Delbeck et al. | Non-invasive monitoring of blood glucose using optical methods for skin spectroscopy—Opportunities and recent advances | |
US6919566B1 (en) | Method of calibrating a spectroscopic device | |
Maruo et al. | In vivo noninvasive measurement of blood glucose by near-infrared diffuse-reflectance spectroscopy | |
Malin et al. | Noninvasive prediction of glucose by near-infrared diffuse reflectance spectroscopy | |
Hall et al. | Near-infrared spectrophotometry: a new dimension in clinical chemistry | |
TW498156B (en) | An intelligent system for noninvasive blood analyte prediction | |
US8406839B2 (en) | Method and apparatus for determining blood analytes | |
US20040015060A1 (en) | Measurement of body compounds | |
JPWO2003079900A1 (ja) | 非観血血液成分値測定装置及び方法 | |
JP2002310908A (ja) | 非侵襲性赤外分光法における多重スペクトル分析のための方法および装置 | |
US6064896A (en) | Non-invasive measurement of blood glucose using instruments that have less precise detection capability | |
JP2008132335A (ja) | 組織の光学特性によるグルコースの非浸襲的測定 | |
WO2003010510A2 (en) | Adjunct quantitative system and method for non-invasive measurement of in vivo analytes | |
JP6606082B2 (ja) | グルコース濃度の定量方法及びグルコース濃度測定装置 | |
Parab et al. | Backpropagation neural network-based machine learning model for prediction of blood urea and glucose in CKD patients | |
US6615151B1 (en) | Method for creating spectral instrument variation tolerance in calibration algorithms | |
JP2007117221A (ja) | Ftirを用いた非侵襲血液検査「光人間ドックシステム」 | |
Uwadaira et al. | Logistic regression analysis for identifying the factors affecting development of non-invasive blood glucose calibration model by near-infrared spectroscopy | |
Suryakala et al. | Investigation of goodness of model data fit using PLSR and PCR regression models to determine informative wavelength band in NIR region for non-invasive blood glucose prediction | |
KR100545730B1 (ko) | 라만 분광법을 이용한 소변 성분 분석 시스템 및 그 방법 | |
Vályi-Nagy et al. | Application of near infrared spectroscopy to the determination of haemoglobin | |
Lam et al. | Non-invasive blood glucose measurement by near infrared spectroscopy: Machine drift, time drift and physiological effect | |
Cheng et al. | Non-invasive detection of total bilirubin based on multi-wavelength PPG signal | |
Ismail et al. | Near infrared spectroscopy (NIRS) applications in medical: non-invasive and invasive leukemia screening |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20020329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20020329 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070730 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100527 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100622 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100921 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20101026 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101122 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131203 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |