本发明涉及一种根据测量的血压波形获取有用的信息的技术的技术。
背景技术
已知用于测量桡骨动脉的内压变化并记录压力脉搏波的形状(血压波形)的技术。专利文献1(日本特开2008-61824号公报)中公开了通过张力测量法(tonometry)测量血压波形，并根据血压波形获取ai(augmentationindex：增强指数)值、脉搏波周期、基线变动率、清晰度、et(ejectiontime：射血时间)等的信息。此外，专利文献2(日本特表2005-532111号公报)中公开了用手表式血压计测量血压波形，并根据血压波形计算平均动脉压、平均收缩压、平均舒张压、平均收缩压指数以及平均舒张压指数，当这些值偏离基准值时输出警报。
现有技术文献
专利文献
专利文献1：日本特开2008-61824号公报
专利文献2：日本特表2005-532111号公报
技术实现要素：
发明所要解决的问题
据指出，阻塞性睡眠呼吸暂停(osa，obstructivesleepapnea)和过度运动可能会增加发生循环系统事件的风险。然而，以往，没有有效的手段用于实时地检测这样的事件发生风险增加。
本发明人以使能够准确地测量在自由行动状态下每一次心跳对应的血压波形的血压测量设备得到实际应用为目标，正在进行专心致志的开发。通过该开发过程中的被实验者实验，本发明人发现能够根据自由行动状态下连续测量的血压波形数据提取各种有用的信息。例如，已知相对于现有技术的血压计专门获取与血压本身有关的信息，若可以准确且非侵入性地监视在自由行动状态下每一次心跳的血压波形，除了与血压本身有关的信息之外还可以提取与用户的身体有关的各种信息(例如，与呼吸系统或循环系统的功能/、状态有关的信息等)。
因此，发明的目的在于，提供用于实时地检测事件发生风险增加的新颖的技术。
解决问题的技术方案
为了实现上述目的，本发明采用以下配置。
本发明的生物体信息分析装置，其特征在于，具有：指标提取部，从通过佩戴在用户的身体上并能够非侵入性地测量每一次心跳的血压波形的传感器连续地测量出的血压波形的数据，基于血压波形的特征，提取用于表示基于血压变动的事件发生风险的指标；以及处理部，进行基于提取出的所述指标的处理。
根据该构成，通过监视血压波形，可以实时地检测由于血压变动引起的事件发生风险增加。而且，由于可以非侵入性地测量该血压波形，因此对于用户来说既方便且对用户造成的身体负担和心理负担小。
所述指标提取部可以基于作为血压波形特征的ai(augmentationindex)和/或brs(baroreflexsensitivity：压力反射灵敏度)来计算所述指标。已知，血管的硬度和血压调节能力与循环系统事件的发生有关。由于ai是表示血管硬度的特征量，brs是表示血压调节能力的特征量，因此通过使用ai和brs中的任一者或两者，可以可靠性较高地评估循环系统事件的发生风险。
例如，所述指标提取部可以基于测量出的血压波形的ai与基准ai之差和/或测量出的血压波形的brs与基准brs之差来计算所述指标。通过评估与基准值的偏离，可以简单且可靠性较高地计算风险的大小。
或者，所述指标提取部可以基于与多次心跳的血压波形中的ai和/或brs的分布相关的特征来计算所述指标。与所述分布相关的特征例如可以包括平均值、和标准偏差或方差。如此地，通过使用与多次心跳的血压波形中的ai或brs的分布相关的特征，可以提高对血压波形的测量噪声的鲁棒性，提高估计事件发生风险的可靠性。
所述生物体信息分析装置还具有病例数据库，所述病例数据库中对多个病例中的每一个病例记录有与多次心跳的ai和/或brs的分布相关的特征，所述指标提取部可以评估该用户的与多次心跳的ai和/或brs的分布相关的特征和记录在所述病例数据库中的多个病例的特征之间的相似度，基于评估结果计算所述指标。如此地，通过评估与多个病例数据的相似度，可以进一步提高估计事件发生风险的可靠性以及客观性。
所述指标提取部可以基于从所述用户测量出的当前时刻的血压波形的特征，预测在当前时刻发生血压浪涌时的血压变动，基于预测结果计算所述指标。根据该方法，能够检测由于血压浪涌引起的事件发生风险的上升。
所述指标提取部可以基于作为血压波形的特征的sbp(收缩期血压)、ai(augmentationindex)以及brs(baroreflexsensitivity)，预测在当前时刻发生血压浪涌时的血压变动。由于ai是表示血管硬度的特征量，brs是表示血压调节能力的特征量，因此，通过使用ai和brs两者，可以可靠性较高地预测基于当前时刻的sbp的血压变动。
所述处理部当基于所述指标检测到事件发生风险增加时，进行用于通知事件发生风险增加的处理。因此，用户能够尽快了解风险增加，并在事件发生之前采取措施。
需要说明的是，本发明可以作为具有上述构成或功能的至少一部分的生物体信息分析装置或系统来掌握。此外，本发明可以作为包括上述处理中的至少一部分的生物体信息分析方法、或者用于使计算机执行这样的方法的程序、或者非易失性地记录有这样的程序的计算机可读取记录介质来掌握。只要不产生技术上的矛盾，上述构成和处理中的每一个可以彼此组合来构成本发明。
发明效果
根据本发明，可以提供用于实时地检测事件发生风险增加的新颖的技术。
附图说明
图1是表示生物体信息分析系统10的外观的概略构成的图。
图2是表示生物体信息分析系统10的硬件构成的框图。
图3是示意性地表示血压测量单元20的结构和测量时的状态的剖视图。
图4是表示由血压测量单元20测量的血压波形的图。
图5是用于说明生物体信息分析装置1的处理的框图。
图6是表示一次心跳的桡骨动脉的压力脉搏波的波形(血压波形)的图。
图7是实施例1中的事件发生危险度计算处理的流程图。
图8是实施例1中的ai危险度的概念图。
图9是实施例1中的信息输出画面的一个例子。
图10是实施例1中的ai危险度的概念图的另一个例子。
图11是实施例2中的事件发生危险度计算处理的流程图。
图12是用于说明实施例2中的浪涌形状的估计处理的图。
图13是实施例2中的信息输出画面的一个例子。
具体实施方式
以下，参照附图并说明本发明的优选实方式。需要说明的是，以下记载的每个构成的说明应根据应用本发明的装置的构成和各种条件适当地改变，并不是要将本发明的范围限制为以下的记载。
生物体信息分析系统
图1是表示根据本发明的一实施方式的表示生物体信息分析系统10的外观的概略构成的图。图1示出将生物体信息分析系统10佩戴在左手腕上的状态。生物体信息分析系统10包括主体部11和固定在主体部11上的带部12。生物体信息分析系统10是所谓的可佩戴式设备，并以主体部11与手腕内侧的皮肤接触且将主体部11配置在位于皮下的桡骨动脉td的上方的方式佩戴。需要说明的是，在本实施方式中，构成为将装置佩戴在桡骨动脉td上方，但也可以构成为佩戴在其他的浅表动脉上。
图2是表示生物体信息分析系统10的硬件构成的框图。概略而言，生物体信息分析系统10具有测量单元2和生物体信息分析装置1。测量单元2是通过测量而获得用于进行生物体信息的分析的信息的设备，测量单元2包括血压测量单元20、体动测量单元21和环境测量单元22。然而，测量单元2的构成部分不限于图2中所示的构成部分。例如，可以添加用于测量血压和体动以外的生物体信息(体温、血糖、脑电波等)的单元。或者，由于在后述的实施例中未使用的单元不是必要的构成部分，因此不搭载于生物体信息分析系统10中也可。生物体信息分析装置1是基于从测量单元2获得的信息进行生物体信息分析的设备，生物体信息分析装置1包括控制单元23、输入单元24、输出单元25、通信单元26和存储单元27。各单元20～27相互连接，以便能够通过本地总线或其他信号线交换信号。此外，生物体信息分析系统10具有未示出的电源(电池)。
血压测量单元20是通过张力测量法来测量桡骨动脉td的压力脉搏波的单元。张力法是以适当地压力从皮肤上方按压动脉以在动脉td上形成扁平部，使动脉内压和外压之间达到平衡，用压力传感器非侵入性地测量压力脉搏波的方法。
体动测量单元21是具有三轴加速度传感器并且由该传感器测量用户身体的运动(体动)的单元。体动测量单元21可包括用于将该三轴加速度传感器的输出转换为控制单元23可读取的格式的电路。
环境测量单元22是用于测量可能影响用户的身心状态(尤其是血压)的环境信息的单元。环境测量单元22例如可以包括气温传感器、湿度传感器、照度传感器、高度传感器、位置传感器等。环境测量单元22也可以包括用于将这些传感器等的输出转换为控制单元23可读取的格式的电路。
控制单元23是负责生物体信息分析系统10的各个部分的控制、从测量单元2取得数据、将取得的数据存储在记录单元27、数据的处理和分析、数据的输入和输出等各种处理。控制单元23包括硬件处理器(以下称为cpu)、rom(readonlymemory：只读存储器)、ram(randomaccessmemory：随机存储器)等。后述的控制单元23的处理通过cpu读入rom或存储单元27中存储的程序来实现。ram作为当控制单元23进行各种处理时的工作存储器发挥功能。需要说明的是，在本实施方式中，构成为由控制单元23来执行从测量单元2取得数据以及将数据存储到存储单元27，但也可以构成为直接将数据从测量单元2存储(写入)到存储单元27。
实施方式的各构成要素，例如，测量单元、指标提取部、处理部、判断部、风险数据库、输入单元、输出单元以及病例数据库等可以以硬件的形式安装在生物体信息分析系统10中。指标提取部、处理部以及判断部可以接收并执行存储单元27中存储的可执行程序。指标提取部、处理部以及判断部可以根据需要从血压测量单元20、体动测量单元21、环境测量单元22、输入单元24、输出单元25、通信单元26、存储单元27等接收数据。风险数据库和病例数据库等数据库可以安装在存储单元27等，可以存储以能够容易地检索和累积数据的方式整理成的信息。在此，例如，在日本特愿2016-082069号中公开了生物体信息分析系统10的结构和动作等。该内容通过引用而并入本说明书。此外，在日本特开2016-087003号公报中公开了血压测量单元的结构和动作等。该内容通过引用而并入本说明书。
输入单元24是用于向用户提供操作界面的单元。例如，可以使用动作按钮、开关、触摸面板等。
输出单元25是用于提供向用户进行信息输出的界面的单元。例如，可以使用通过图像输出信息的显示装置(液晶显示器等)、通过声音输出信息的声音输出装置或蜂鸣器、通过光的闪烁输出信息的led(lightemittingdiode：发光二极管)、通过振动输出信息的振动装置等。
通信单元26是与其他设备之间进行数据通信的单元。作为数据通信方式可以是诸如无线lan(localareanetwork：局域网)、bluetooth(蓝牙，注册商标)等的任何方式。
存储单元27是能够存储和读出数据的存储介质，并且存储在控制单元23中执行的程序、从各测量单元获得的测量数据、通过处理测量数据而获得的各种数据等。存储单元27是通过电、磁、光、机械或化学的作用累积作为存储对象的信息的介质。例如，使用闪存。存储单元27可以是诸如存储卡等便携式的，也可以是内置在生物体信息分析系统10中。
体动测量单元21、环境测量单元22、控制单元23、输入单元24、输出单元25、存储单元27中的一部分或全部也可以由与主体部11不同的设备构成。即，是内置血压测量单元20和进行该控制的电路的主体部11能够佩戴在手腕上的形态即可，可以自由地设计其他单元的结构。在这种情况下，主体部11通过通信单元26与其他单元协作。例如，可以考虑由智能手机的应用程序来实现控制单元23、输入单元24、输出单元25的功能，或者从具有体动测量单元21和环境测量单元22的功能的活动计量器获取需要的数据等各种构成。此外，也可以提供用于测量血压之外的生物体信息的传感器。例如，可以将睡眠传感器、脉搏血氧仪(pulseoximeter)(spo2(血氧饱和度)传感器)、呼吸传感器(流量传感器)、血糖值传感器等组合起来。
需要说明的是，在本实施方式中，将测量血压的传感器(血压测量单元20)和进行血压波形数据的分析处理的结构(控制单元23等)设置在一个装置内，但是也可以将它们分开配置。在本实施方式中，将进行生物体信息的分析处理的结构(控制单元23等)称为生物体信息分析装置，将由测量单元和生物体信息分析装置的组合构成的装置称为生物体信息分析系统。然而，名称是为了便利而使用的，也可以将测量单元和进行生物体信息的分析处理的结构的整体称为生物体信息分析装置，或者还可以使用其他名称。
血压波形的测量
图3是示意性地示出血压测量单元20的结构和测量时的状态的剖视图。血压测量单元20具有压力传感器30以及用于将压力传感器30按压于手腕的按压机构31。压力传感器30具有多个压力检测元件300。压力检测元件300是检测压力并将压力转换为电信号的元件，能优选使用例如利用了压电电阻效应的元件等。按压机构31由例如空气袋和用于调整该空气袋的内压的泵构成。当控制单元23控制泵来提高空气袋的内压时，通过空气袋的膨胀而将压力传感器30推压于皮肤表面。需要说明的是，按压机构31只要能够调整压力传感器30对皮肤表面的按压力，任何方式皆可，并不限定于使用空气袋的方式。
当将生物体信息分析系统10安装于手腕并启动时，控制单元23控制血压测量单元20的按压机构31，将压力传感器30的按压力维持在适当的状态(张力状态)。而且，由压力传感器30检测出的压力信号被控制单元23依次取得。由压力传感器30得到的压力信号是将压力检测元件300所输出的模拟的物理量(例如电压值)通过公知技术的a/d转换电路等转换成数字的物理量而生成的。该模拟的物理量也可以根据压力检测元件300的种类，采用电流值或电阻值等恰当的模拟值。该a/d转换等的信号处理也可以通过在血压测量单元20中设置规定的电路来进行，还可以由设置在血压测量单元20与控制单元23之间的其他的单元(未图示)来进行。被控制单元23取得的该压力信号相当于挠骨动脉td的内压的瞬时值。因此，以能够掌握一次心跳的血压波形的时间粒度以及连续性来取得压力信号，由此能够取得血压波形的时间序列数据。控制单元23将由压力传感器30依次取得的压力信号与该压力信号的测量时刻的信息一起存储于存储单元27。控制单元23页可以将取得的压力信号直接存储于存储单元27，还可以在对该压力信号施加了需要的信号处理之后存储于存储单元27。需要的信号处理可以包括例如校正压力信号以使得压力信号的振幅与血压值(例如上臂血压)一致的处理，减小甚至消除压力信号的噪声的处理等。
图4示出由血压测量单元20测量出的血压波形。横轴表示时间，纵轴表示血压。采样频率能够任意地设定，为了重现一次心跳的波形的形状特征，优选设定为100hz以上。一次心跳的周期大概1秒左右，因此针对一次心跳的波形，取得大约100个以上的数据点。
本实施方式的血压测量单元20具有如下的优点。
能够测量每一次心跳的血压波形。通过这样，例如，基于血压波形的形状特征，能够得到与血压或心脏的状态、心血管风险等关联的各种各样的指标。另外，由于能够监视血压的瞬时值，所以能够立即检测血压浪涌(血压值的急剧的上升)，或者即使仅出现在极短的时间(1次～多次心跳)内的血压变动或血压波形的错乱也毫不遗漏地检测出。
需要说明的是，作为便携式血压计，安装于手腕或上臂上并通过示波法来测量血压这一类型的血压计得到实际应用。但是，以往的便携式血压计只能根据几秒～十几秒的多次心跳的袖带内压的变动来测量血压的平均值，不能如本实施方式的血压测量单元20那样得到每一次心跳的血压波形的时间序列数据。
能够记录血压波形的时间序列数据。取得血压波形的时间序列数据，例如，掌握血压波形的与时间的变化相关的特征，对时间序列数据进行频率分析并提取特定的频率成分，由此能够得到与血压、心脏的状态、心血管风险等关联的各种各样的指标。
作为便携式(可穿戴型)的装置构成，对用户施加的测量负担较小，也比较容易进行长时间的连续的测量或进一步地进行24小时的血压的监视等。另外，由于是便携式的，不仅是安静时的血压，还能够测量自由行动状态下(例如日常生活或运动中)的血压变化。通过这样，能够掌握例如日常生活中的行动(睡眠、用餐、通勤、工作、服药等)或运动对血压施加的影响。
以往产品是将手臂和手腕固定于血压测量单元并在安静状态下进行测量的类型的装置，不能如本实施方式的生物体信息分析系统10这样测量日常生活或运动中的血压变化。
与其他的传感器的组合或协作很容易。能够针对与例如用其他的传感器得到的信息(体动、气温等的环境信息、spo2或呼吸等其他的生物体信息等)的因果关系进行评估或综合评估。
生物体信息分析装置
图5是用于说明生物体信息分析装置1的处理的框图。如图5所示，生物体信息分析装置1具有指标提取部50和处理部51。在本实施方式中，控制单元23也可以执行需要的程序，由此实现指标提取部50和处理部51的处理。该程序也可以存储于存储单元27。当控制单元23执行需要的程序时，将rom或者存储单元27中存储的作为对象的程序在ram上展开。而且，控制单元23用cpu来解释以及执行在ram上展开的该程序，从而控制各构成要素。但是，也可以由asic或fpga等电路构成指标提取部50以及处理部51的处理的一部分或者全部。或者，还可以由与主体部11分开的计算机(例如智能手机、平板终端、个人计算机、云服务器等)实现指标提取部50以及处理部51的处理的一部分或者全部。
指标提取部50从存储单元27取得由血压测量单元20连续地测量出的血压波形的时间序列数据。指标提取部50根据取得的血压波形的时间序列数据提取与血压波形的特征相关的指标。此处，血压波形的特征包括，一次心跳的血压波形的形状特征、血压波形的随时间的变化、血压波形的频率成分等。但是，血压波形的特征不限于上述这些。提取出的指标被输出至处理部51。关于血压波形的特征以及指标，有各种各样的特征以及指标，根据处理部51进行的处理的目的，能够适当设计或者选择要提取的特征以及指标。针对根据本实施方式的血压波形的测量数据所能够提取的特征以及指标，在后文详细说明。
指标提取部50当求出指标时，除了血压波形的测量数据之外，也可以使用体动测量单元21的测量数据和/或环境测量单元22的测量数据。此外，尽管未示出，但是可以将睡眠传感器、spo2传感器、呼吸传感器(流量传感器)、血糖值传感器等的测量数据进行组合。通过综合分析由多种类型的传感器获得的多种类型的测量数据，可以对血压波形进行更高级的信息分析。可以按照用户的每个状态对血压波形数据进行分类，例如分类为静止时和动作时、温度较高时和较低时、睡眠较浅时和较深时、呼吸时和呼吸暂停时这样。或者，还可以评估每个测量数据的因果关系和相关性等，如提取身体运动、活动量和活动强度、气温变化、呼吸暂停、呼吸方式等对血压施加的影响等。需要说明的是，呼吸暂停中包括：阻塞性呼吸暂停、中枢性呼吸暂停、混合性呼吸暂停等。
处理部51接收由指标提取部50提取的指标。处理部51进行基于接收的指标的处理。基于指标的处理可以假设为各种处理。例如，处理部51可以将提取出的指标的值和变化等呈现给用户和医生、保健师等，并促进上述提取出的指标的值和变化等在健康管理、治疗、健康指导等中的运用。或者，处理部51可以呈现用于保持健康或改善风险的指南。另外，当处理部51检测或预测到事件发生风险增加时，通知用户和主治医生等，或者进行控制以阻止对用户的心脏等造成负担的行动或心血管事件的发生。
根据血压波形获取的信息
图6示出一次心跳的挠骨动脉的压力脉搏波的波形(血压波形)。横轴是时间t[msec]，纵轴是血压bp[mmhg]。
血压波形是心脏收缩并送出血液而生成的“射血波”和射血波在末梢血管或动脉的分岔部反射而生成的“反射波”的合成波。以下示出根据一次心跳的血压波形所能够提取的特征点的一例。
·点f1是压力脉搏波的上升点。点f1与心脏的射血起始点，即主动脉瓣的开放点对应。
·点f2是射血波的振幅(压力)变为最大的点(第一峰值)。
·点f3是通过与反射波叠加，而在射血波的下降的途中出现的拐点。
·点f4是射血波与反射波之间出现的极小点，也称为凹陷。其与主动脉瓣的关闭点对应。
·点f5是在点f4之后出现的反射波的峰值(第二峰值)。
·点f6是一次心跳的终点，与下一次心跳的射血起始点即下一次心跳的起始点对应。
指标提取部50在上述特征点的检测中可以使用任何的算法。例如，指标提取部50也可以进行运算，求出血压波形的n次微分波形，检测该n次微分波形的零交叉点，由此提取血压波形的特征点(拐点)(针对点f1、f2、f4、f5、f6，能够根据1次微分波形来检测；针对点f3，能够根据2次微分波形或者4次微分波形来检测。)。或者，指标提取部50也可以从存储单元27读出预先配置有特征点的波形图案，使该波形图案拟合作为对象的血压波形，由此确定各特征点的位置。
基于上述特征点f1～f6的时刻t以及压力bp，指标提取部50能够进行运算，根据一次心跳的血压波形得到各种各样的信息(值、特征量、指标等)。以下，举例示出根据血压波形所能够取得的信息中的代表性信息。但是，tx和bpx分别表示特征点fx的时刻和血压。
·脉搏波间隔(心跳周期)ta＝t6-t1
·心跳数pr＝1/ta
·脉搏波上升时间ut＝t2-t1
·收缩期ts＝t4-t1
·舒张期td＝t6-t4
·反射波迟延时间＝t3-t1
·最高血压(收缩期血压)sbp＝bp2
·最低血压(舒张期血压)dbp＝bp1
·平均血压map＝t1～t6的血压波形的面积/心跳周期ta
·收缩期的平均血压＝t1～t4的血压波形的面积/收缩期ts
·舒张期的平均血压＝t4～t6的血压波形的面积/舒张期td
·脉搏压pp＝最高血压sbp-最低血压dbp
·收缩后期压sbp2＝bp3
·ai(augmentationindex)＝(收缩后期压sbp2-最低血压dbp)/脉搏压pp
上述的信息(值、特征量、指标)的基本统计量也能够用作指标。基本统计量包括，例如代表值(平均值、中间值、最频值、最大值、最小值等)、分散度(方差、标准差、变动系数等)。另外，上述的信息(值、特征值、指标)的随时间的变化也能够用作指标。
另外，指标提取部50也能够计算多次心跳的信息，由此得到称为brs(血压调节功能)的指标。这是表示将血压调整为恒定的能力的指标。计算方法有例如spontaneoussequence(自发顺序)法等。这是如下的一种方法，即，仅提取最高血压sbp和脉搏波间隔ta在连续3次心跳以上的期间内同步上升或者下降的顺序，在二维平面上绘制最高血压sbp和脉搏波间隔ta，将通过最小二乘法求出回归线时的倾斜度定义为brs的方法。
如上所述，若利用本实施方式的生物体信息分析系统10，则能够根据血压波形的数据取得各种各样的信息。但是，不需要将用于取得上述的全部的信息的功能安装于生物体信息分析系统10。根据生物体信息分析系统10的构成、利用者、利用目的、利用场所等，仅安装用于取得需要的信息的功能即可。另外，也可以将各功能作为程序模块(应用软件)来提供，将需要的程序模块安装于生物体信息分析系统10，由此追加功能。
以下，针对生物体信息分析系统10的具体的应用，例示性地说明若干个实施例。
实施例1
本实施例是作为监视血压波形并检测事件发生风险增加的例子。
已知，血管的硬度和血压调节能力与循环系统事件的发生有关。血管的硬度由称为ai(augmentationindex)的指标来表示。血压调节能力是将血压值保持在一定范围内的能力，由称为brs(baroreflexsensitivity)的指标来表示。本实施例的指标提取部50根据每一次心跳的血压波形计算ai，根据该一次心跳和之前的两次心跳以上即共计三次心跳以上的收缩期血压sbp以及脉搏波间隔ta计算brs。然后，指标提取部50基于ai和brs的值，计算表示由于血压变动引起的循环系统事件的发生风险的指标(称为事件发生危险度)。
图7表示本实施例的处理的流程图。
首先，指标提取部50从循环系统事件病例数据库获取循环系统事件的实际发病例的ai和brs的统计量(平均、标准偏差)(步骤3600)。循环系统事件病例数据库是记录有与循环系统事件相关的大量病例的信息的数据库，例如，其可以通过因特网使用。
然后，指标提取部50从存储单元27读取最近三次心跳以上的血压波形数据(步骤3601)，通过特征点检测处理检测血压波形的特征点f1-f6(步骤3602)。特征点检测处理的具体方法如图6中所述。需要说明的是，指标提取部50可以直接从血压测量单元20获取最新一次心跳的血压波形数据，而不必从存储单元27获取。此外，将在步骤3602中检测的特征点f1-f6的数据存储到存储单元27中，并从下一次开始指标提取部50可以对相同血压波形省略步骤3602的处理(以从存储单元27读取特征点f1-f6来代替)。
然后，指标提取部50根据特征点f1的血压值bp1(舒张期血压dbp)、特征点f2的血压值bp2(收缩期血压sbp)和特征点f3的血压值bp3(收缩后期压sbp2)计算ai(＝(bp3-bp1)/(bp2-bp1))。此外，指标提取部50根据之前的两次心跳以上的收缩期血压sbp和脉搏波间隔ta以及该次心跳的sbp和ta计算brs(步骤3603)。由此，获得用户自身的每一次心跳的ai和brs的值。
然后，指标提取部50基于发病例的ai和brs的平均值和标准偏差以及用户自身的ai和brs的值，计算事件发生危险度(步骤3604)。具体地，指标提取部50按照下式获得ai和brs各自的危险度，并将ai危险度和brs危险度的总和作为事件发生危险度。图8中示出ai危险度的概念图。
事件发生危险度＝ai危险度+brs危险度
ai危险度＝用户的ai-基准ai
基准ai＝发病例的ai的平均值-发病例的ai的标准偏差
brs危险度＝用户的brs-基准brs
基准brs＝发病例的brs的平均值-发病例的brs的标准偏差
此时，指标提取部50优选进行归一化，以使ai危险度和brs危险度均具有0～50的值域。这是由于ai和brs的权重相同，并且事件发生危险度具有0～100的值域，使得作为指标易于使用。
然后，处理部51在显示装置上显示在步骤3604中计算出的事件发生危险度(步骤3605)。图9是信息输出画面的一个例子。图9的例子中，显示事件发生危险度的分值和对应该分值的血压波形。此外，如果事件发生危险度超过阈值(步骤3606)，则处理部51通过警报和/或振动等向用户通知事件发生风险增加(步骤3607)。在每次心跳重复执行步骤3601～3607中的处理。
根据上述构成，可以实时地检测事件发生风险增加。然后，危险度增加时，通过警报或振动通知用户，使得可以在事件发生之前采取措施。例如，如果在身体在活动时检测到危险度增加则可以采取立即坐下或躺下等的安静的姿势。此外，如果检测到由于发生阻塞性睡眠呼吸暂停而导致危险度增加，则可以通过警报或振动促使用户苏醒，或者可以建议去医院。
需要说明的是，在上述构成中，使用了ai和brs两个特征量，但也可以仅使用其中一个特征量计算危险度。或者，还可以使用另一个特征量计算危险度。
当循环系统事件病例数据库针对每个事件类型(脑梗塞、蛛网膜下腔出血、心力衰竭等)而具有ai和brs数据时，也可以针对每个事件类型计算事件发生危险度。此外，当循环系统事件病例数据库包括与胆固醇值和血液相关的信息(粘度等)时，也可以将这些用于事件发生危险度的计算。作为具体方法，与ai等相同，可以将病例数据的“平均值-标准偏差”作为基准值，并将该基准值和用户的测量值之差作为危险度。
在上述实施例中，将基准值设置为“平均值-标准偏差”，但在希望严格判断时，即，当希望丝毫危险都不遗漏时，可以将标准偏差的权重系数变更为“平均值-2×标准偏差”。此外，如果根据医学知识发现与当前的定义不同的基准更有效，则可以将其作为基准。
此外，当在循环系统事件病例数据库中针对多个病例(多个发病者)中的每一个病例记录有ai的多次测量数据或统计量(平均值、标准偏差、方差等)时，则指标提取部50可以如图10所示计算ai危险度。即，指标提取部50计算各病例(各发病者)的ai的平均值和标准偏差，并将各病例表示为ai平均值和ai标准偏差的二维空间上的点。同样地，指标提取部50也将根据用户的多次心跳的血压波形数据获得的ai平均值和ai标准偏差绘制在二维空间上。然后，指标提取部50评估所有病例的数据点的集合与用户的数据点之间的相似度，并基于评估结果(相似度)计算ai危险度。也可以将相似度直接用作ai危险度，还可以将与相似度具有正相关性的分值用作ai危险度。指标提取部50例如可以将所有病例的数据点的集合与用户的数据点之间的距离用作相似度。距离越近相似度越高，因此，ai危险度也越高。需要说明的是，所有病例的数据点的集合与用户的数据点之间的距离可以是所有病例的数据点的重心与用户的数据点之间的距离，也可以是马氏(maharanobis)距离。brs危险度也可以同样地定义。或者，还可以使用ai平均、ai标准偏差、brs平均、brs标准偏差的四维空间来求出考虑了两个指标的危险度。
如此地，通过基于与用户的多次心跳的血压波形中的ai或brs的分布相关的特征(平均值、标准偏差、方差等)计算事件发生风险(危险度)，可以增强对于血压波形的测量噪声的鲁棒性(robust)，并提高用于估计事件发生风险的可靠性。此外，通过评估与多个病例数据的相似度，可以进一步提高事件发生风险的估计的可靠性以及客观性。
实施例2
本实施例也是监视血压波形并检测事件发生风险增加的例子。需要说明的是，本实施例用与实施例1不同的算法检测事件发生风险的信息。
已知血管的硬度和血压调节能力与循环系统事件的发生有关。血压的硬度由称为ai(augmentationindex)的指标来表示。血压调节能力是将血压值保持在一定范围内的能力，并由称为brs(baroreflexsensitivity)的指标来表示。本实施例的指标提取部50根据每一次心跳的血压波形计算收缩期血压(sbp)和ai，并根据该一次心跳和之前的两次心跳以上即共计三次心跳以上的收缩期血压sbp以及脉搏波间隔ta计算brs。然后，指标提取部50基于这些值，预测“当前时刻发生血压浪涌时的血压变动”，基于预测结果，求出表示由血压变动引起的事件发生风险的指标(称为事件发生危险度)。
图11中示出本实施例的处理的流程图。
首先，指标提取部50从存储单元27读取最近三次心跳以上的血压波形数据(步骤3900)，通过特征点检测处理检测血压波形的特征点f1-f6(步骤3901)。特征点检测处理的具体方法如图6中所述。需要说明的是，指标提取部50可以直接从血压测量单元20获取最新一次心跳的血压波形数据，而不必从存储单元27获取。此外，将在步骤3901中检测出的特征点f1-f6的数据存储到存储单元27，从下一次开始指标提取部50对于相同血压波形可以省略步骤3901的处理(以从存储单元27读取特征点f1-f6来代替)。
然后，指标提取部50根据特征点f1的血压值bp1(舒张期血压dbp)、特征点f2的血压值bp2(收缩期血压sbp)和特征点f3的血压值bp3(收缩后期压sbp2)计算ai(＝(bp3-bp1)/(bp2-bp1))。此外，特征提取部50根据之前的两次心跳以上的收缩期血压sbp和脉搏波间隔ta以及该次心跳的sbp和ta计算brs(步骤3902)。由此，获得用户自身的每一次心跳的sbp、ai和brs的值。
然后，指标提取部50基于用户自身的当前时刻的sbp、ai和brs的值，预测“如果现在发生血压浪涌，将是什么类型的浪涌形状”(步骤3903)。具体地，如图12所示，当给出作为当前时刻的sbp的点ps＝(ts，bps)作为初始值时，指标提取部50使用当前时刻的ai和brs，进行估计血压浪涌的峰值点pp＝(tp，bpp)和终点pe＝(te，bpe)的处理。在本实施例中，如下式所示，获得峰值点pp和终点pe。
峰值点的时刻：tp＝ts+k2
峰值点的血压：bpp＝a1×k2+b
终点时刻：te＝(bpp-bps)/a2+tp
终点血压：bpe＝bps
在此，浪涌的上升速度a1、浪涌的下降速度a2分别使用用户自身的当前时刻的ai、brs按照下式求出。
浪涌的上升速度：a1＝α×ai
浪涌的下降速度：a2＝β×brs
α、β是常数。此外，浪涌起始点的血压b可以是用户自身的当前时刻的血压值bps，也可以是之前的多次心跳中的血压的平均值。k2是从浪涌开始到峰值的时间，并且是常数。α、β、k2的值可以从被实验者实验或病例数据中获得，也可以基于用户自身过去发生的血压浪涌的形状设定。
然后，指标提取部50基于预测的血压浪涌的形状计算事件发生危险度(步骤3904)。例如，可以将血压浪涌的峰值点pp的血压值bpp、从血压浪涌的起始点ps到终点pe的时间宽度te-ts、由起始点ps和峰值点pp和终点pe形成的三角形的面积、或者将这些通过组合而得到的分值，用作事件发生危险度。
然后，处理部51在显示装置上显示在步骤3904中计算出的事件发生危险度(步骤3905)。图13是信息输出画面的一个例子。在图13的例子中，显示事件发生危险度的分值、收缩期血压sbp的实测值和预测血压浪涌。此外，如果事件发生危险度超过阈值(步骤3906)，则处理部51通过警报和/或振动等向用户通知事件发生风险增加(步骤3907)。在每次心跳重复执行步骤3900～3907中的处理。
根据上述构成，可以实时地检测事件发生风险增加。然后，通过在危险度增加时用警报或振动通知用户，使得可以在事件发生之前采取措施。例如，如果身体在活动时检测到危险度增加则可以采取立即坐下或躺下等安静的姿势。此外，如果检测到由于发生阻塞性睡眠呼吸暂停而导致危险度增加，则可以通过警报或振动促使用户苏醒，或者可以建议去医院。
需要说明的是，上述实施方式和实施例的构成仅是本发明的一个具体示例，并不意图限制本发明的范围。本发明在不脱离其技术思想的范围内，可以采用各种具体构成。
本说明书中公开的技术思想也可以指定以下发明。
(附记1)
一种生物体信息分析装置，其特征在于，
具有硬件处理器以及用于存储程序的存储器，
所述硬件处理器根据所述程序，
从通过佩戴在用户的身体上并能够非侵入性地测量每一次心跳的血压波形的传感器连续地测量出的血压波形的数据，基于血压波形的特征，提取用于表示基于血压变动的事件发生风险的指标，
进行基于提取出的所述指标的处理。
(附记2)
一种生物体信息分析系统，其特征在于，具有：
传感器，佩戴在用户的身体上并能够非侵入性地测量每一次心跳的血压波形，
硬件处理器，以及
存储器，用于存储程序；
所述硬件处理器根据所述程序，
从通过佩戴在用户的身体上并能够非侵入性地测量每一次心跳的血压波形的传感器连续地测量出的血压波形的数据，基于血压波形的特征，提取用于表示基于血压变动的事件发生风险的指标，
进行基于提取出的所述指标的处理。
(附记3)
一种生物体信息分析方法，其特征在于，包括：
利用至少一个硬件处理器，从通过佩戴在用户的身体上并能够非侵入性地测量每一次心跳的血压波形的传感器连续地测量出的血压波形的数据，基于血压波形的特征，提取用于表示基于血压变动的事件发生风险的指标的步骤；以及
利用至少一个硬件处理器，进行基于提取出的所述指标的处理的步骤。
附图标记说明
1：生物体信息分析装置2：测量单元
10：生物体信息分析系统、11：主体部、12：皮带
20：血压测量单元、21：体动测量单元、22：环境测量单元、23：控制单元、24：输入单元、25：输出单元、26：通信单元、27：存储单元
30：压力传感器、31：按压机构、300：压力检测元件
50：指标提取部、51：处理部。