皮膚の皮脂量の予測法
【課題】近赤外拡散反射スペクトルを利用した皮膚の皮脂量を予測する技術を提供する。
【解決手段】予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、そのスペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップによって、皮膚の回復皮脂量を予測する。
【解決手段】予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、そのスペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップによって、皮膚の回復皮脂量を予測する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、皮膚の皮脂量を予測する技術に関して、さらに詳しくは、近赤外拡散反射スペクトルを用いた皮膚の皮脂量を予測する技術に関する。
【背景技術】
【０００２】
美しい皮膚でありたいと願うのは、女性のみならず万人が思うところであり、この為、化粧料などを使用して皮膚の状態を好ましく保とうと多くの人が思っている現状がある。この皮膚の状態は個人によって大きく異なっているが、かような皮膚の状態にとって重要な因子として、皮膚の水分量と皮脂量が存する。皮脂は、皮脂腺由来の脂質と表皮由来の脂質より構成され、水分保持機能の役割、ニキビ等肌トラブルの原因、さらには肌性・肌質と相まって化粧料に対する嗜好性等とも関連するなど、複雑で重要な要素である。このため、個人の皮脂量を知ることは重要な課題であり、特に肌や化粧料のカウンセリングを行う販売の現場等では、簡便且つ高精度に皮脂量を計測する技術が求められていた。
【０００３】
かような皮膚の皮脂量の計測法としては、当初は皮膚より採取・分離した皮脂を機器により分析する方法が行われており、例えば、オスミウム酸濾紙法、液クロ分析法、赤外分光法（例えば、特許１参照）及びガスクロマトグラフ法等が例示できる。最近では、専用テープ等を用いて皮膚上の皮脂を採取し、光学的計測器で読み取って皮脂量を算出するより簡便な技術（例えば、特許文献２，３参照）が開示されている。かような方法によって、より、簡便且つ高精度に、皮脂量を鑑別できるようになった。
【０００４】
しかし、求められるべき皮脂量とは、個人差や部位差を正確に反映した値であり、そのためには、洗浄（洗顔）後一定時間経過した時の回復皮脂量を計測する必要が存した。このための計測条件としては、洗顔後２時間又は３時間が特に好ましいが、個人差がより正確に反映されるためには、少なくとも洗顔後３０分〜１時間での計測が好ましい。しかし、販売の現場では、かような悠長な時間さえも存せず、洗顔後より短時間で回復皮脂量を行える技術が切望されていた。このような状況を解決する唯一無比の方法は、数時間経過した時の回復皮脂量を予測することであるが、かような技術が存するとは全く誰も想像することができなかった。
【０００５】
かような状況において、近年、近赤外拡散反射スペクトルを統計処理した結果を利用した、皮膚、毛髪や爪の水分量の計測法、皮膚の厚さの鑑別法、毛髪損傷度合いの判定法（例えば、特許文献４，特許文献５，特許文献６，特許文献７、特許文献８、特許文献９参照）等が開示されている。しかし、かような近赤外拡散反射スペクトルを利用して、皮脂量が予測できることは全く知られていなかった。
【０００６】
【特許文献１】特開平０５−０６０６８６号公報
【特許文献２】特開平１０−０３８８８０号公報
【特許文献３】特開２００４−０７７３３２号公報
【特許文献４】特開２００２−０９０２９８号公報
【特許文献５】特開２００３−２７０１３８号公報
【特許文献６】特開２００３−３４４２７９号公報
【特許文献７】特開２００３−３４４２７８号公報
【特許文献８】特開２００５−０３４３５０号公報
【特許文献９】再表２００５／０９６９３８号公報
【発明の開示】
【発明が解決しようとする課題】
【０００７】
本発明は、このような状況下為されたものであり、皮膚の皮脂量の計測法に関し、さらに詳細には、近赤外拡散反射スペクトルを利用した皮膚の皮脂量及び洗顔後一定時間経過した時の皮脂量（回復皮脂量と定義）を予測する技術を提供することを課題とする。
【課題を解決するための手段】
【０００８】
本発明者らは、このような状況を鑑みて、皮膚の皮脂量及び回復皮脂量を予測する技術を求めて鋭意研究努力を重ねた結果、予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップを含む、皮脂量の予測法によって、皮膚の皮脂量及び回復皮脂量を予測できることを見出した。即ち、本発明は以下の通りである。
【０００９】
（１）皮膚の皮脂量の予測法であって、近赤外拡散反射スペクトルを用いることを特徴とする、皮膚の皮脂量の予測法。
（２）（１）に記載の皮膚の皮脂量の予測法において、１）予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップを含む方法。
（３）前記近赤外拡散反射スペクトルの計測波長の領域が、１１００〜２２００ｎｍであることを特徴とする、（１）又は（２）に記載の皮膚の皮脂量の予測法。
（４）前記多変量解析が、重回帰分析乃至は主成分分析であることを特徴とする、（１）〜（３）の何れか1つに記載の皮膚の皮脂量の予測法。
（５）前記皮脂量が、回復皮脂量であることを特徴とする、（１）〜（４）の何れか1つに記載の皮膚の皮脂量の予測法。
【発明の効果】
【００１０】
本発明の方法によって、皮膚の皮脂量及び回復皮脂量を予測する非侵襲的且つ定量性のある技術を提供できる。したがって、該予測法によって、洗顔後長時間を要することなく、精度良く皮脂量及び回復皮脂量を知ることができる。
【発明を実施するための最良の形態】
【００１１】
本発明は、皮膚の皮脂量及び回復皮脂量を予測する方法である。一般的な皮脂量の計測条件は、市販されている皮脂量計を用い、洗浄（洗顔）後一定時間経過した時の皮脂量の計測である。かような条件で行うのは、化粧料の選択において非常に重要な肌性に関わる皮脂量の個人差や部位差が、洗顔後一定時間経由した後に於いて、皮脂腺由来の脂質と表皮由来の脂質より構成される皮脂として皮膚表面に排出された状態の差異によって決定される為である。したがって、洗浄（洗顔）後一定時間経過した時の皮脂量である、回復皮脂量を計測する必要性が存する。この計測条件としては、一定の温湿度条件下、洗顔後２時間又は３時間が特に好ましいが、個人差がより正確に反映されるためには、少なくとも洗顔後３０分以上経過後での計測が不可欠である。したがって、ここで言う回復皮脂量とは、洗浄後３０分〜３時間における皮脂量である。発明は、洗顔後３０分〜３時間後の皮脂量を、洗顔後１〜２０分の時点で予測するという、画期的な予測手法であることを特徴とする。
【００１２】
本発明の予測は、１）予め、状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップ、により行うことができる。
【００１３】
１）のステップにおいて、皮膚の近赤外拡散反射スペクトルは任意の方法、例えば、市販の種々のタイプの近赤外拡散反射スペクトル測定装置を用いて計測することができる。より詳細には、例えば、回折格子を用いた分散型測定装置、又は検出器としてダイオードアレイを用いた測定装置により行うことができる。かような機器として、ブルカーオプティクス社のＶＥＣＴＯＲ ２２／Ｎやスペクトロンテック社のＨＮ２２００等が例示できる。また、皮脂量は、市販の皮脂量計測器、例えば、（有）アサヒバイオメッドの皮膚油分測定器やＣＫ社のＳｅｂｕｍｅｔｅｒ（登録商標）ＳＭ８１０等を使用できる。測定された皮膚の近赤外拡散反射スペクトルはフーリエ変換されてもよい。
【００１４】
このステップにおいて、得られた皮膚の近赤外拡散反射スペクトルの特性値と皮膚の皮脂量の値は、次に多変量解析される。即ち、多変量解析によって、洗浄後一定時間（例えば、１〜３時間）経過した時の皮脂量である回復皮脂量と、洗浄後短時間（例えば、１０〜２０分）における皮脂量との、時差のある相関関係、言い換えれば、近赤外拡散反射スペクトルを測定した後、１〜３時間経過後に排出される皮脂量の予測モデルを構築できる。これは、皮脂量計測が皮膚表面情報の取得であるのに対し、近赤外拡散反射スペクトルが皮膚内部における皮脂量の情報を反映している為である。
【００１５】
前記多変量解析は、以下のステップに従って行われることが好ましい。
ａ）２種類以上の皮膚の近赤外拡散反射スペクトルを必要に応じてデータ加工する。
ｂ）近赤外拡散反射スペクトル又はそのデータ加工されたスペクトルの、分割された波数（又は波長）毎のスペクトル値を列に、皮膚が異なるサンプルを行として、行列を作成する。
ｃ）作成された行列を多変量解析することにより、皮脂量の予測モデル（相関関係又は検量線）を得る。
【００１６】
前記ａ）における近赤外拡散反射スペクトルの計測波長の領域は、１１００〜２２００ｎｍの少なくとも一部の領域であることが好ましい。これは、この波長領域の近赤外拡散反射スペクトルが、皮脂腺由来の遊離脂肪酸や脂肪酸エステルを反映し、その特性が皮膚表面の皮脂量と相関しているためと考えられる。即ち、前記波長領域は、これらのＣＨ３の第２倍音（１１５０，１２００ｎｍ付近）、Ｈ２Ｏの結合音及びＣＨ２の結合音（１３７５〜１４０４ｎｍ）、ＯＨの第１倍音（１５７６ｎｍ付近）、Ｃ＝Ｃの第１倍音（１６７６ｎｍ付近）等を示しているものと推察される（図１参照）。このことは、後述する実施例の回帰分析の結果において、そのローディング（因子負荷量）が非常に大きいことからも支持される（図２参照）。
【００１７】
前記ａ）のステップにおけるデータ加工には、前処理及び変換が含まれる。前処理には、オートスケールには、オートスケール（Ａｕｔｏｓｃａｌｅ）、平均化（Ｍｅａｎ Ｃｅｎｔｅｒ）、レンジスケール（Ｒａｎｇｅ Ｓｃａｌｅ）、分散スケール（Ｖａｒｉａｎｃｅ Ｓｃａｌｅ）などが含まれる。変換には、一次微分、多次微分（二次微分を含む）、ＳＮＶ（Ｓｔａｎｄａｒｄ Ｎｏｒｍａｌ Ｖａｒｉａｎｔ）、ＭＳＣ（Ｍｕｌｔｉｐｌｉｃａｔｉｖｅ Ｓｃａｔｔｅｒ Ｃｏｒｒｅｃｔｉｏｎ）、ノーマライズ（Ｎｏｒｍａｌｉｚｅ）、平滑化（Ｓｍｏｏｔｈｉｎｇ）、引き算（Ｓｕｂｔｒａｃｔ）、常用対数（Ｌｏｇ１０）、掛け算（Ｍｕｌｔｉｐｌｙ）、ベースライン補正（Ｂａｓｅｌｉｎｅ Ｃｏｒｒｅｃｔ）などが含まれる。
【００１８】
前記ａ）のステップにおけるデータ加工は二次微分を含むことが好ましく、ＳＮＶ（Ｓｔａｎｄａｒｄ Ｎｏｒｍａｌ Ｖａｒｉａｎｔ）および二次微分を含むことがより好ましく、平均化（Ｍｅａｎ Ｃｅｎｔｅｒ）、ＳＮＶ（Ｓｔａｎｄａｒｄ Ｎｏｒｍａｌ Ｖａｒｉａｎｔ）および二次微分を含むことが更に好ましい。これらの加工により、個体差のばらつきの補正、ノイズや外れ値（アウトライヤー）などの影響を除外することができ、それによりデータの質を高めることができるためである。
【００１９】
前記ｂ）のステップにより作成される行列における列は、２種以上の皮膚のスペクトルの、分割された波数又は波長毎のスペクトル値である。スペクトル値とは、変換処理がされていない近赤外拡散反射スペクトルであれば吸光度などであり、微分されたスペクトルであれば吸光度の微分値である。ここでスペクトルの分割は、一定波数又は波長毎になされることが好ましいが、その波数又は波長は特に限定されない。例えば、通常は波数であれば、２〜１６ｃｍ−１毎に、好ましくは４〜８ｃｍ−１（分解能が４ｃｍ−１であれば、４又は８ｃｍ−１）毎に、より好ましくは４ｃｍ−１毎に分割されることが好ましい。また、分割された波数毎のスペクトルのスペクトル値は、それぞれその平均値とすればよい。
【００２０】
前記ｂ）のステップにより作成される行列における行は、スペクトルを測定された２種以上の皮膚が異なるサンプルである。ここでサンプルとしては、皮膚の異なる部位である、額、鼻、頬、顎、前腕、上腕、背部など、皮脂が産生する部位であればどこでも対象であり、各部位別に異なる人を対象とするサンプルであっても、或いは複数の部位が混ざった複数の人を対象とするサンプルであってもよい。また、男女別であってもよい。
【００２１】
前記ｃ）のステップにおける多変量解析は、非線形的回帰分析であるＰａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ（ＰＬＳ）、又は主成分回帰分析（ＰＣＲ）を用いることが好ましい。これは、回帰分析の最終目的は、関連する特性値（本願では皮膚の皮脂量）を予測するための予測モデル（相関関係又は検量線）を構築することである。該モデルにおいて、連続的な特性値を予測するため説明変数として、分光光度計のような測定値を用いる場合、ＰＬＳ又はＰＣＲは、単回帰分析や重回帰分析（ＭＲＡ）に比べて、予測精度の高さと正確性、アウトライヤーの識別及び該モデルの最適化等で、極めて有利なためである。また、該予測モデルは、皮膚サンプルの追加によってデータベース（ＤＢ）が更新され、より予測精度の高いモデルに最適化することができる。
【００２２】
前記ＰＬＳやＰＣＲの回帰分析は、市販されているソフトウェアを使用して行うことができる。この様な統計的処理用のソフトウェアとしては、例えば、ジーエルサイエンス(株)より販売されているピロエット「Ｐｉｒｏｕｅｔｔｅ」（登録商標）、サイバネットシステム(株)より販売されているマットラボ「ＭＡＴＬＡＢ」（登録商標）、横河電機(株)より販売されている、アンスクランブラーII「ＵｎｓｃｒｕｎｂｌｅｒII」（登録商標）等のソフトウェアが例示できる。
【００２３】
２）のステップにおいて、予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得る。即ち、１）のステップで述べたように、近赤外拡散反射スペクトルのデータを得た後、必要に応じてデータ加工すればよい。
【００２４】
３）のステップでは、前記２）で得られた近赤外拡散反射スペクトル又はデータ加工された特性値を、１）のステップの相関関係（予測モデル又は検量線）に当てはめれば、予測対象の皮膚の皮脂量を予測できる。実際には、前述した回帰分析のソフトウェアを用いれば、相関関係又は検量線を示すデータベースに基づいて、容易に皮膚の皮脂量が予測・算出される。
【００２５】
以下に、本発明を実施例など参照にして詳細に説明するが、これらにより本発明の範囲が限定されることはない。
【実施例１】
【００２６】
２０〜４０代の女性被験者６名のＴゾーン（前額部及び鼻部）６箇所を対象に、洗顔後１５分において近赤外拡散反射スペクトルを測定し、洗顔後１時間において皮脂量を測定した。得られた近赤外拡散反射スペクトルの１１００〜１７００ｎｍについて、原スペクトル及び二次微分スペクトルと皮脂量とのＰＬＳ解析を行った。得られた結果を図３及び図４に示す。
【００２７】
＜計測条件＞
近赤外拡散反射スペクトル測定器：ＨＮ２００（スペクトロンテック社製）
皮脂量計：Ｓｅｂｕｍｅｔｅｒ（登録商標）ＳＭ８１０（ＣＫ社製）
多変量解析（ＰＬＳ）ソフトウェア：ピロエット（ジーエルサイエンス(株)）
測定環境：温度２０±１℃、湿度５０±５％
【００２８】
図３は二次微分スペクトルの、図４は原スペクトルのＰＬＳ解析結果で、近赤外拡散反射スペクトルデータと皮脂量との相関関係（予測モデル又は検量線）を示す。各々の図の相関係数は、０．８３及び０．４５であり、これより洗顔後１５分において近赤外拡散反射スペクトルを測定すれば、洗顔後１時間のＴゾーンの回復皮脂量を精度良く予測できることが分かる。
【実施例２】
【００２９】
実施例１において、部位をＵゾーン（頬及び顎）に代え１１箇所を対象に、同様に解析した。得られた結果を図５及び図６に示す。図５は二次微分スペクトルの、図６は原スペクトルのＰＬＳ解析結果で、近赤外拡散反射スペクトルデータと皮脂量との相関関係（予測モデル又は検量線）を示す。各々の図の相関係数は、０．８０及び０．７６であり、これより洗顔後１５分において近赤外拡散反射スペクトルを測定すれば、洗顔後１時間のＵゾーンの回復皮脂量を精度良く予測できることが分かる。
【実施例３】
【００３０】
女性被験者総計３０名について、洗顔後２時間での皮脂量を計測し、実施例１と同様に検討した。即ち、Ｔゾーン及びＵゾーンで、二次微分スペクトルについてＰＬＳ解析を行って、各々相関係数０．８５及び０．８２の近赤外拡散反射スペクトルデータと皮脂量との相関関係（予測モデル又は検量線）を得てデータベースを作成した。皮脂について、多い、普通及び少ないと本人が自覚している各々１名の女性について、近赤外拡散反射スペクトルを測定して、この予測モデルを用いて２時間後の回復皮脂量を予測した。また、２時間後に実際に皮脂量を測定して、この予測値と比較した結果（Ｔゾーン）を表１に示す。
【００３１】
【表１】
【００３２】
表１より、本発明での回復皮脂量と実際に測定した皮脂量が非常に良く一致していることが分かる。また、皮脂が多いと本人の自覚が間違っていたが、本発明によって、速やかに確認することができ、肌のアドバイスを行って適切な化粧料の選択もできることが分かる。
【産業上の利用可能性】
【００３３】
本発明によって、洗顔後長時間を要することなく、精度良く皮脂量（回復皮脂量）を予測することができる。その結果、販売の現場等において、迅速且つ正確に肌のアドバイスや化粧料の選択を行うことが可能な技術を提供できる。
【図面の簡単な説明】
【００３４】
【図１】近赤外拡散反射二次微分スペクトルを示す図である。
【図２】近赤外拡散反射二次微分スペクトルのローディング（因子負荷量）特性を示す図である。
【図３】実施例１の二次微分スペクトルにおける、Ｔゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【図４】実施例１の原スペクトルにおける、Ｔゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【図５】実施例２の二次微分スペクトルにおける、Ｕゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【図６】実施例２の原スペクトルにおける、Ｕゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【技術分野】
【０００１】
本発明は、皮膚の皮脂量を予測する技術に関して、さらに詳しくは、近赤外拡散反射スペクトルを用いた皮膚の皮脂量を予測する技術に関する。
【背景技術】
【０００２】
美しい皮膚でありたいと願うのは、女性のみならず万人が思うところであり、この為、化粧料などを使用して皮膚の状態を好ましく保とうと多くの人が思っている現状がある。この皮膚の状態は個人によって大きく異なっているが、かような皮膚の状態にとって重要な因子として、皮膚の水分量と皮脂量が存する。皮脂は、皮脂腺由来の脂質と表皮由来の脂質より構成され、水分保持機能の役割、ニキビ等肌トラブルの原因、さらには肌性・肌質と相まって化粧料に対する嗜好性等とも関連するなど、複雑で重要な要素である。このため、個人の皮脂量を知ることは重要な課題であり、特に肌や化粧料のカウンセリングを行う販売の現場等では、簡便且つ高精度に皮脂量を計測する技術が求められていた。
【０００３】
かような皮膚の皮脂量の計測法としては、当初は皮膚より採取・分離した皮脂を機器により分析する方法が行われており、例えば、オスミウム酸濾紙法、液クロ分析法、赤外分光法（例えば、特許１参照）及びガスクロマトグラフ法等が例示できる。最近では、専用テープ等を用いて皮膚上の皮脂を採取し、光学的計測器で読み取って皮脂量を算出するより簡便な技術（例えば、特許文献２，３参照）が開示されている。かような方法によって、より、簡便且つ高精度に、皮脂量を鑑別できるようになった。
【０００４】
しかし、求められるべき皮脂量とは、個人差や部位差を正確に反映した値であり、そのためには、洗浄（洗顔）後一定時間経過した時の回復皮脂量を計測する必要が存した。このための計測条件としては、洗顔後２時間又は３時間が特に好ましいが、個人差がより正確に反映されるためには、少なくとも洗顔後３０分〜１時間での計測が好ましい。しかし、販売の現場では、かような悠長な時間さえも存せず、洗顔後より短時間で回復皮脂量を行える技術が切望されていた。このような状況を解決する唯一無比の方法は、数時間経過した時の回復皮脂量を予測することであるが、かような技術が存するとは全く誰も想像することができなかった。
【０００５】
かような状況において、近年、近赤外拡散反射スペクトルを統計処理した結果を利用した、皮膚、毛髪や爪の水分量の計測法、皮膚の厚さの鑑別法、毛髪損傷度合いの判定法（例えば、特許文献４，特許文献５，特許文献６，特許文献７、特許文献８、特許文献９参照）等が開示されている。しかし、かような近赤外拡散反射スペクトルを利用して、皮脂量が予測できることは全く知られていなかった。
【０００６】
【特許文献１】特開平０５−０６０６８６号公報
【特許文献２】特開平１０−０３８８８０号公報
【特許文献３】特開２００４−０７７３３２号公報
【特許文献４】特開２００２−０９０２９８号公報
【特許文献５】特開２００３−２７０１３８号公報
【特許文献６】特開２００３−３４４２７９号公報
【特許文献７】特開２００３−３４４２７８号公報
【特許文献８】特開２００５−０３４３５０号公報
【特許文献９】再表２００５／０９６９３８号公報
【発明の開示】
【発明が解決しようとする課題】
【０００７】
本発明は、このような状況下為されたものであり、皮膚の皮脂量の計測法に関し、さらに詳細には、近赤外拡散反射スペクトルを利用した皮膚の皮脂量及び洗顔後一定時間経過した時の皮脂量（回復皮脂量と定義）を予測する技術を提供することを課題とする。
【課題を解決するための手段】
【０００８】
本発明者らは、このような状況を鑑みて、皮膚の皮脂量及び回復皮脂量を予測する技術を求めて鋭意研究努力を重ねた結果、予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップを含む、皮脂量の予測法によって、皮膚の皮脂量及び回復皮脂量を予測できることを見出した。即ち、本発明は以下の通りである。
【０００９】
（１）皮膚の皮脂量の予測法であって、近赤外拡散反射スペクトルを用いることを特徴とする、皮膚の皮脂量の予測法。
（２）（１）に記載の皮膚の皮脂量の予測法において、１）予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップを含む方法。
（３）前記近赤外拡散反射スペクトルの計測波長の領域が、１１００〜２２００ｎｍであることを特徴とする、（１）又は（２）に記載の皮膚の皮脂量の予測法。
（４）前記多変量解析が、重回帰分析乃至は主成分分析であることを特徴とする、（１）〜（３）の何れか1つに記載の皮膚の皮脂量の予測法。
（５）前記皮脂量が、回復皮脂量であることを特徴とする、（１）〜（４）の何れか1つに記載の皮膚の皮脂量の予測法。
【発明の効果】
【００１０】
本発明の方法によって、皮膚の皮脂量及び回復皮脂量を予測する非侵襲的且つ定量性のある技術を提供できる。したがって、該予測法によって、洗顔後長時間を要することなく、精度良く皮脂量及び回復皮脂量を知ることができる。
【発明を実施するための最良の形態】
【００１１】
本発明は、皮膚の皮脂量及び回復皮脂量を予測する方法である。一般的な皮脂量の計測条件は、市販されている皮脂量計を用い、洗浄（洗顔）後一定時間経過した時の皮脂量の計測である。かような条件で行うのは、化粧料の選択において非常に重要な肌性に関わる皮脂量の個人差や部位差が、洗顔後一定時間経由した後に於いて、皮脂腺由来の脂質と表皮由来の脂質より構成される皮脂として皮膚表面に排出された状態の差異によって決定される為である。したがって、洗浄（洗顔）後一定時間経過した時の皮脂量である、回復皮脂量を計測する必要性が存する。この計測条件としては、一定の温湿度条件下、洗顔後２時間又は３時間が特に好ましいが、個人差がより正確に反映されるためには、少なくとも洗顔後３０分以上経過後での計測が不可欠である。したがって、ここで言う回復皮脂量とは、洗浄後３０分〜３時間における皮脂量である。発明は、洗顔後３０分〜３時間後の皮脂量を、洗顔後１〜２０分の時点で予測するという、画期的な予測手法であることを特徴とする。
【００１２】
本発明の予測は、１）予め、状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップ、により行うことができる。
【００１３】
１）のステップにおいて、皮膚の近赤外拡散反射スペクトルは任意の方法、例えば、市販の種々のタイプの近赤外拡散反射スペクトル測定装置を用いて計測することができる。より詳細には、例えば、回折格子を用いた分散型測定装置、又は検出器としてダイオードアレイを用いた測定装置により行うことができる。かような機器として、ブルカーオプティクス社のＶＥＣＴＯＲ ２２／Ｎやスペクトロンテック社のＨＮ２２００等が例示できる。また、皮脂量は、市販の皮脂量計測器、例えば、（有）アサヒバイオメッドの皮膚油分測定器やＣＫ社のＳｅｂｕｍｅｔｅｒ（登録商標）ＳＭ８１０等を使用できる。測定された皮膚の近赤外拡散反射スペクトルはフーリエ変換されてもよい。
【００１４】
このステップにおいて、得られた皮膚の近赤外拡散反射スペクトルの特性値と皮膚の皮脂量の値は、次に多変量解析される。即ち、多変量解析によって、洗浄後一定時間（例えば、１〜３時間）経過した時の皮脂量である回復皮脂量と、洗浄後短時間（例えば、１０〜２０分）における皮脂量との、時差のある相関関係、言い換えれば、近赤外拡散反射スペクトルを測定した後、１〜３時間経過後に排出される皮脂量の予測モデルを構築できる。これは、皮脂量計測が皮膚表面情報の取得であるのに対し、近赤外拡散反射スペクトルが皮膚内部における皮脂量の情報を反映している為である。
【００１５】
前記多変量解析は、以下のステップに従って行われることが好ましい。
ａ）２種類以上の皮膚の近赤外拡散反射スペクトルを必要に応じてデータ加工する。
ｂ）近赤外拡散反射スペクトル又はそのデータ加工されたスペクトルの、分割された波数（又は波長）毎のスペクトル値を列に、皮膚が異なるサンプルを行として、行列を作成する。
ｃ）作成された行列を多変量解析することにより、皮脂量の予測モデル（相関関係又は検量線）を得る。
【００１６】
前記ａ）における近赤外拡散反射スペクトルの計測波長の領域は、１１００〜２２００ｎｍの少なくとも一部の領域であることが好ましい。これは、この波長領域の近赤外拡散反射スペクトルが、皮脂腺由来の遊離脂肪酸や脂肪酸エステルを反映し、その特性が皮膚表面の皮脂量と相関しているためと考えられる。即ち、前記波長領域は、これらのＣＨ３の第２倍音（１１５０，１２００ｎｍ付近）、Ｈ２Ｏの結合音及びＣＨ２の結合音（１３７５〜１４０４ｎｍ）、ＯＨの第１倍音（１５７６ｎｍ付近）、Ｃ＝Ｃの第１倍音（１６７６ｎｍ付近）等を示しているものと推察される（図１参照）。このことは、後述する実施例の回帰分析の結果において、そのローディング（因子負荷量）が非常に大きいことからも支持される（図２参照）。
【００１７】
前記ａ）のステップにおけるデータ加工には、前処理及び変換が含まれる。前処理には、オートスケールには、オートスケール（Ａｕｔｏｓｃａｌｅ）、平均化（Ｍｅａｎ Ｃｅｎｔｅｒ）、レンジスケール（Ｒａｎｇｅ Ｓｃａｌｅ）、分散スケール（Ｖａｒｉａｎｃｅ Ｓｃａｌｅ）などが含まれる。変換には、一次微分、多次微分（二次微分を含む）、ＳＮＶ（Ｓｔａｎｄａｒｄ Ｎｏｒｍａｌ Ｖａｒｉａｎｔ）、ＭＳＣ（Ｍｕｌｔｉｐｌｉｃａｔｉｖｅ Ｓｃａｔｔｅｒ Ｃｏｒｒｅｃｔｉｏｎ）、ノーマライズ（Ｎｏｒｍａｌｉｚｅ）、平滑化（Ｓｍｏｏｔｈｉｎｇ）、引き算（Ｓｕｂｔｒａｃｔ）、常用対数（Ｌｏｇ１０）、掛け算（Ｍｕｌｔｉｐｌｙ）、ベースライン補正（Ｂａｓｅｌｉｎｅ Ｃｏｒｒｅｃｔ）などが含まれる。
【００１８】
前記ａ）のステップにおけるデータ加工は二次微分を含むことが好ましく、ＳＮＶ（Ｓｔａｎｄａｒｄ Ｎｏｒｍａｌ Ｖａｒｉａｎｔ）および二次微分を含むことがより好ましく、平均化（Ｍｅａｎ Ｃｅｎｔｅｒ）、ＳＮＶ（Ｓｔａｎｄａｒｄ Ｎｏｒｍａｌ Ｖａｒｉａｎｔ）および二次微分を含むことが更に好ましい。これらの加工により、個体差のばらつきの補正、ノイズや外れ値（アウトライヤー）などの影響を除外することができ、それによりデータの質を高めることができるためである。
【００１９】
前記ｂ）のステップにより作成される行列における列は、２種以上の皮膚のスペクトルの、分割された波数又は波長毎のスペクトル値である。スペクトル値とは、変換処理がされていない近赤外拡散反射スペクトルであれば吸光度などであり、微分されたスペクトルであれば吸光度の微分値である。ここでスペクトルの分割は、一定波数又は波長毎になされることが好ましいが、その波数又は波長は特に限定されない。例えば、通常は波数であれば、２〜１６ｃｍ−１毎に、好ましくは４〜８ｃｍ−１（分解能が４ｃｍ−１であれば、４又は８ｃｍ−１）毎に、より好ましくは４ｃｍ−１毎に分割されることが好ましい。また、分割された波数毎のスペクトルのスペクトル値は、それぞれその平均値とすればよい。
【００２０】
前記ｂ）のステップにより作成される行列における行は、スペクトルを測定された２種以上の皮膚が異なるサンプルである。ここでサンプルとしては、皮膚の異なる部位である、額、鼻、頬、顎、前腕、上腕、背部など、皮脂が産生する部位であればどこでも対象であり、各部位別に異なる人を対象とするサンプルであっても、或いは複数の部位が混ざった複数の人を対象とするサンプルであってもよい。また、男女別であってもよい。
【００２１】
前記ｃ）のステップにおける多変量解析は、非線形的回帰分析であるＰａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ（ＰＬＳ）、又は主成分回帰分析（ＰＣＲ）を用いることが好ましい。これは、回帰分析の最終目的は、関連する特性値（本願では皮膚の皮脂量）を予測するための予測モデル（相関関係又は検量線）を構築することである。該モデルにおいて、連続的な特性値を予測するため説明変数として、分光光度計のような測定値を用いる場合、ＰＬＳ又はＰＣＲは、単回帰分析や重回帰分析（ＭＲＡ）に比べて、予測精度の高さと正確性、アウトライヤーの識別及び該モデルの最適化等で、極めて有利なためである。また、該予測モデルは、皮膚サンプルの追加によってデータベース（ＤＢ）が更新され、より予測精度の高いモデルに最適化することができる。
【００２２】
前記ＰＬＳやＰＣＲの回帰分析は、市販されているソフトウェアを使用して行うことができる。この様な統計的処理用のソフトウェアとしては、例えば、ジーエルサイエンス(株)より販売されているピロエット「Ｐｉｒｏｕｅｔｔｅ」（登録商標）、サイバネットシステム(株)より販売されているマットラボ「ＭＡＴＬＡＢ」（登録商標）、横河電機(株)より販売されている、アンスクランブラーII「ＵｎｓｃｒｕｎｂｌｅｒII」（登録商標）等のソフトウェアが例示できる。
【００２３】
２）のステップにおいて、予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得る。即ち、１）のステップで述べたように、近赤外拡散反射スペクトルのデータを得た後、必要に応じてデータ加工すればよい。
【００２４】
３）のステップでは、前記２）で得られた近赤外拡散反射スペクトル又はデータ加工された特性値を、１）のステップの相関関係（予測モデル又は検量線）に当てはめれば、予測対象の皮膚の皮脂量を予測できる。実際には、前述した回帰分析のソフトウェアを用いれば、相関関係又は検量線を示すデータベースに基づいて、容易に皮膚の皮脂量が予測・算出される。
【００２５】
以下に、本発明を実施例など参照にして詳細に説明するが、これらにより本発明の範囲が限定されることはない。
【実施例１】
【００２６】
２０〜４０代の女性被験者６名のＴゾーン（前額部及び鼻部）６箇所を対象に、洗顔後１５分において近赤外拡散反射スペクトルを測定し、洗顔後１時間において皮脂量を測定した。得られた近赤外拡散反射スペクトルの１１００〜１７００ｎｍについて、原スペクトル及び二次微分スペクトルと皮脂量とのＰＬＳ解析を行った。得られた結果を図３及び図４に示す。
【００２７】
＜計測条件＞
近赤外拡散反射スペクトル測定器：ＨＮ２００（スペクトロンテック社製）
皮脂量計：Ｓｅｂｕｍｅｔｅｒ（登録商標）ＳＭ８１０（ＣＫ社製）
多変量解析（ＰＬＳ）ソフトウェア：ピロエット（ジーエルサイエンス(株)）
測定環境：温度２０±１℃、湿度５０±５％
【００２８】
図３は二次微分スペクトルの、図４は原スペクトルのＰＬＳ解析結果で、近赤外拡散反射スペクトルデータと皮脂量との相関関係（予測モデル又は検量線）を示す。各々の図の相関係数は、０．８３及び０．４５であり、これより洗顔後１５分において近赤外拡散反射スペクトルを測定すれば、洗顔後１時間のＴゾーンの回復皮脂量を精度良く予測できることが分かる。
【実施例２】
【００２９】
実施例１において、部位をＵゾーン（頬及び顎）に代え１１箇所を対象に、同様に解析した。得られた結果を図５及び図６に示す。図５は二次微分スペクトルの、図６は原スペクトルのＰＬＳ解析結果で、近赤外拡散反射スペクトルデータと皮脂量との相関関係（予測モデル又は検量線）を示す。各々の図の相関係数は、０．８０及び０．７６であり、これより洗顔後１５分において近赤外拡散反射スペクトルを測定すれば、洗顔後１時間のＵゾーンの回復皮脂量を精度良く予測できることが分かる。
【実施例３】
【００３０】
女性被験者総計３０名について、洗顔後２時間での皮脂量を計測し、実施例１と同様に検討した。即ち、Ｔゾーン及びＵゾーンで、二次微分スペクトルについてＰＬＳ解析を行って、各々相関係数０．８５及び０．８２の近赤外拡散反射スペクトルデータと皮脂量との相関関係（予測モデル又は検量線）を得てデータベースを作成した。皮脂について、多い、普通及び少ないと本人が自覚している各々１名の女性について、近赤外拡散反射スペクトルを測定して、この予測モデルを用いて２時間後の回復皮脂量を予測した。また、２時間後に実際に皮脂量を測定して、この予測値と比較した結果（Ｔゾーン）を表１に示す。
【００３１】
【表１】
【００３２】
表１より、本発明での回復皮脂量と実際に測定した皮脂量が非常に良く一致していることが分かる。また、皮脂が多いと本人の自覚が間違っていたが、本発明によって、速やかに確認することができ、肌のアドバイスを行って適切な化粧料の選択もできることが分かる。
【産業上の利用可能性】
【００３３】
本発明によって、洗顔後長時間を要することなく、精度良く皮脂量（回復皮脂量）を予測することができる。その結果、販売の現場等において、迅速且つ正確に肌のアドバイスや化粧料の選択を行うことが可能な技術を提供できる。
【図面の簡単な説明】
【００３４】
【図１】近赤外拡散反射二次微分スペクトルを示す図である。
【図２】近赤外拡散反射二次微分スペクトルのローディング（因子負荷量）特性を示す図である。
【図３】実施例１の二次微分スペクトルにおける、Ｔゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【図４】実施例１の原スペクトルにおける、Ｔゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【図５】実施例２の二次微分スペクトルにおける、Ｕゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【図６】実施例２の原スペクトルにおける、Ｕゾーンの皮脂量の予測モデル（相関関係又は検量線）を示す図である。
【特許請求の範囲】
【請求項１】
皮膚の皮脂量の予測法であって、近赤外拡散反射スペクトルを用いることを特徴とする、皮膚の皮脂量の予測法。
【請求項２】
請求項１に記載の皮膚の皮脂量の予測法において、１）予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、
２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、
３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップを含む方法。
【請求項３】
前記近赤外拡散反射スペクトルの計測波長の領域が、１１００〜２２００ｎｍであることを特徴とする、請求項１又は２に記載の皮膚の皮脂量の予測法。
【請求項４】
前記多変量解析が、重回帰分析乃至は主成分分析であることを特徴とする、請求項１〜３の何れか1項に記載の皮膚の皮脂量の予測法。
【請求項５】
前記皮脂量が、回復皮脂量であることを特徴とする、請求項１〜４の何れか1項に記載の皮膚の皮脂量の予測法。
【請求項１】
皮膚の皮脂量の予測法であって、近赤外拡散反射スペクトルを用いることを特徴とする、皮膚の皮脂量の予測法。
【請求項２】
請求項１に記載の皮膚の皮脂量の予測法において、１）予め状態の異なる２種類以上の皮膚の近赤外拡散反射スペクトルを計測し、前記近赤外拡散反射スペクトルのデータと皮膚の皮脂量との多変量解析の解析結果から、皮膚の皮脂量と前記多変量解析の解析結果から得られる皮脂量予測値との相関関係を得るステップ、
２）予測対象である、皮膚の皮脂量が未知である皮膚の近赤外拡散反射スペクトルを得るステップ、
３）前記相関関係に基づいて、前記２）で得られた近赤外拡散反射スペクトルから、予測対象の皮膚の皮脂量を予測するステップを含む方法。
【請求項３】
前記近赤外拡散反射スペクトルの計測波長の領域が、１１００〜２２００ｎｍであることを特徴とする、請求項１又は２に記載の皮膚の皮脂量の予測法。
【請求項４】
前記多変量解析が、重回帰分析乃至は主成分分析であることを特徴とする、請求項１〜３の何れか1項に記載の皮膚の皮脂量の予測法。
【請求項５】
前記皮脂量が、回復皮脂量であることを特徴とする、請求項１〜４の何れか1項に記載の皮膚の皮脂量の予測法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２００９−２６１８３１（Ｐ２００９−２６１８３１Ａ）
【公開日】平成２１年１１月１２日（２００９．１１．１２）
【国際特許分類】
【出願番号】特願２００８−１１８２４４（Ｐ２００８−１１８２４４）
【出願日】平成２０年４月３０日（２００８．４．３０）
【出願人】（０００１１３４７０）ポーラ化成工業株式会社 (717)
【Ｆターム（参考）】
【公開日】平成２１年１１月１２日（２００９．１１．１２）
【国際特許分類】
【出願日】平成２０年４月３０日（２００８．４．３０）
【出願人】（０００１１３４７０）ポーラ化成工業株式会社 (717)
【Ｆターム（参考）】
[ Back to top ]