评价皮肤状况的方法和估计皮肤厚度的方法.pdf

本发明为了评价紫外光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一种和估计皮肤表皮厚度和真皮厚度中的至少一种，使用皮肤的近红外吸收光谱，并在监测皮肤状况、评价化妆品等方面利用得到的数据。

权利要求书
1.  由皮肤的近红外吸收光谱确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一种的方法，包括步骤：
(X1)由UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种已知的两种或多种皮肤在5990-5490cm-1和5000-4480cm-1的测量波数区域中特定波数区域的近红外吸收光谱的多变量分析的分析结果，得到UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种和皮肤在特定波数区域的近红外吸收光谱的相关关系；
(X2)得到要被评价的UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种未知的皮肤在特定波数区域的近红外吸收光谱；和
(X3)根据步骤(X1)中得到的相关关系由步骤(X2)中得到的特定波数区域的近红外吸收光谱确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一种。

2.  权利要求1所述的方法，其中同时确定UV光引起的皮肤损伤程度和皮肤生理衰老程度两者。

3.  权利要求1或2所述的方法，其中多变量分析为主成分分析(PCA)方法、SIMCA方法或KNN方法。

4.  由皮肤的近红外吸收光谱估计皮肤表皮厚度和真皮厚度中至少一种的方法，包括步骤：
(Y1)由皮肤表皮厚度和真皮厚度中至少一种已知的两种或多种皮肤在6850-6620cm-1、6540-5990cm-1、5240-5180cm-1、5030-4980cm-1、4760-4720cm-1和4650-4610cm-1、或6940-6850cm-1、6710-6540cm-1、6250-6170cm-1、5130-5080cm-1、4950-4850cm-1、4760-4690cm-1和4670-4610cm-1测量波数区域中特定波数区域的近红外吸收光谱的多变量分析的分析结果，得到皮肤表皮厚度和真皮厚度中至少一种和皮肤在特定波数区域的近红外吸收光谱之间的相关关系；
(Y2)得到要被估计的皮肤表皮厚度和真皮厚度中至少一种未知的皮肤在特定波数区域的近红外吸收光谱；和
(Y3)根据步骤(Y1)中得到的相关关系由步骤(Y2)中得到的特定波数区域的近红外吸收光谱估计皮肤表皮厚度和真皮厚度中的至少一种。

5.  权利要求4所述的方法，其中同时估计皮肤表皮厚度和真皮厚度两者。

6.  权利要求4或5所述的方法，其中多变量分析为偏最小二乘(PLS)方法或主成分回归(PCR)分析方法。

7.  选择化妆品的方法，包括使用权利要求1-6中任何一项的方法选择化妆品的步骤。

8.  监测皮肤状态的方法，包括使用权利要求1-6中任何一项的方法捕捉皮肤按年代顺序随时间的变化的步骤。

9.  权利要求8所述的监测方法，包括证实对皮肤治疗效果的步骤。

10.  评价化妆品的方法，包括使用权利要求1-6中任何一项的方法比较施用化妆品前和后皮肤状态或厚度并用变化作为指标评价化妆品的步骤。

11.  权利要求10所述的评价化妆品的方法，包括评价化妆品在皮肤厚度中真皮厚度由于施用化妆品而增加的情况下具有皱纹消除功能的步骤。

说明书评价皮肤状况的方法和估计皮肤厚度的方法
技术领域
本发明涉及确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种的方法、估计皮肤表皮厚度和真皮厚度中至少一种的方法和通过使用上面方法中得到的结果监测皮肤状态的方法和评价化妆品的方法等。
背景技术
不仅女性每个人都希望具有美丽的皮肤。因此，在目前情况下，大多数女性都使用化妆品等努力使皮肤处于好的状况。皮肤状况随个体有很大变化。皮肤衰老大致被分成随变老发生于每个人的生理衰老(原始生理衰老)和UV光引起的病理衰老(UV光引起的损伤或光老化)(例如，参见非专利文献1)。
由于皮肤衰老出现经时变化例如弹性丧失和皱纹增多，这对容貌和印象有很大影响。这种经时变化反映了皮肤中的生理学变化，尤其是在构成皮肤的表皮和真皮中，例如，浅皱纹受表皮和乳头层影响很大，而深皱纹和松垂受真皮影响很大(例如，参见非专利文献2)。因此，为了保持皮肤美观，客观和定量地判断状况如表皮和真皮各自厚度非常重要，这使得能够选择和使用适合皮肤状况的合适化妆品和药物或进行医学处理等。
对于测量皮肤生理或衰老变化的方法，公开了通过测量皱纹或松垂外观估计实际年龄的方法(例如，参见专利文献1和2)、根据皮肤表面形态的测量结果估计皮肤年龄的方法(例如，参见专利文献3)、根据在使皮肤接触振动器时得到的振动变化计算皮肤年龄的方法(例如，参见专利文献4)、根据来自超声皮肤图象的真皮亮度估计年龄的方法(例如，参见专利文献5)、根据来自超声图象的皮肤厚度评价皮肤变硬效应的方法(例如，参见专利文献6)等。另外，公开了使用表皮角质层细胞平均面积作为指标估计年龄的方法(例如，参见专利文献7)、通过测量成纤维细胞产生的力的变化评价皮肤衰老程度的方法(例如，参见专利文献8)、使用DNA评价皮肤衰老程度的方法(例如，参见专利文献9)等。但是，上述中都没有公开测定UV光引起的损伤和生理衰老的方法，以及客观和定量地估计表皮和真皮各自厚度的方法。
近年来，测量人的组织、皮肤和毛发的近红外吸收光谱、针对光谱和特定值如水分和组织状态进行统计学处理(多变量分析)如多元回归分析和主成分分析并根据其相关关系非侵害地阐明皮肤水分、乳腺炎、毛发状况等的过程已为人所知(例如，参见专利文献10-13)。另外，量化现有数量的皮肤真皮胶原(例如，参见专利文献14)。但是，这些都没有公开测定UV光引起的皮肤损伤和生理衰老的方法，以及客观和定量地估计表皮和真皮各自厚度的方法。
在这种情况下，本发明的发明人发现，在判断皮肤状况如皮肤厚度、皮肤表面形态、皮肤粘弹性或皮肤内部组织结构时，可通过使用近红外吸收光谱的多变量分析非侵害地判断皮肤的厚度，并提交了专利申请(专利文献15)。为了选择和使用适合皮肤状况的合适化妆品和药物，需要开发进一步推进这种技术的手段并非侵害和客观地测量构成皮肤的表皮和真皮的各自厚度。
专利文献1：JP 2002-330943A
专利文献2：JP 2002-360544A
专利文献3：JP 2005-095326A
专利文献4：JP 2001-212087A
专利文献5：JP 2000-083954A
专利文献6：JP 11-290315A
专利文献7：JP 11-299792A
专利文献8：JP 2004-354159A
专利文献9：JP 2001-161364A
专利文献10：JP 2002-090298A
专利文献11：JP 2003-344279A
专利文献12：WO 01-075421A
专利文献13：JP 2003-270138A
专利文献14：JP 2005-083901A
专利文献15：JP 2005-034350A
非专利文献1：“Utility of Cosmetics”，日本化妆品技术者协会编辑，药事日报社，51-52，2001
非专利文献2：“Utility of Cosmetics”，日本化妆品技术者协会编辑，药事日报社，163，178，2001
发明内容
在这种情况下进行了本发明，其目的是提供确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种的方法、估计表皮皮肤厚度和真皮皮肤厚度的至少一种的方法和使用上面方法的结果监测皮肤状态的方法和评价化妆品的方法。
鉴于上述情况，本发明的发明人进行了深入研究。结果，首先，本发明的发明人根据特征值(UV光引起的皮肤损伤程度、皮肤生理衰老程度、表皮厚度和真皮厚度)已知的两种或多种皮肤的近红外吸收光谱的多变量分析的分析结果得到皮肤特征值和其近红外吸收光谱之间的相关关系，然后，得到要被确定或估计的特征值未知的皮肤的近红外吸收光谱，发现根据上述相关关系，可由特征值未知的皮肤的近红外吸收光谱确定或估计上述特征值，并因此完成了本发明。更具体地说，本发明涉及以下技术。
(1)一种由皮肤的近红外吸收光谱确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一种的方法，包括步骤：
(X1)由UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种已知的两种或多种皮肤在5990-5490cm-1和5000-4480cm-1的测量波数区域中特定波数区域的近红外吸收光谱的多变量分析的分析结果，得到UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种和皮肤在特定波数区域内的近红外吸收光谱之间的相关关系；
(X2)得到要被评价的UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种未知的皮肤在特定波数区域的近红外吸收光谱；和
(X3)根据步骤(X1)中得到的相关关系由步骤(X2)中得到的特定波数区域的近红外吸收光谱确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一种。
(2)根据第(1)项的方法，其中同时确定UV光引起的皮肤损伤程度和皮肤生理衰老程度两者。
(3)根据第(1)或(2)项的方法，其中多变量分析为主成分分析(PCA)方法、SIMCA方法或KNN方法。
(4)一种由皮肤的近红外吸收光谱估计皮肤表皮厚度和真皮厚度中的至少一种的方法，包括步骤：
(Y1)由皮肤表皮厚度和真皮厚度中至少一种已知的两种或多种皮肤在6850-6620cm-1、6540-5990cm-1、5240-5180cm-1、5030-4980cm-1、4760-4720cm-1和4650-4610cm-1、或6940-6850cm-1、6710-6540cm-1、6250-6170cm-1、5130-5080cm-1、4950-4850cm-1、4760-4690cm-1和4670-4610cm-1测量波数区域中特定波数区域的近红外吸收光谱的多变量分析的分析结果，得到皮肤表皮厚度和真皮厚度中至少一种和皮肤在特定波数区域的近红外吸收光谱之间的相关关系；
(Y2)得到要被估计的皮肤表皮厚度和真皮厚度中至少一种未知的皮肤在特定波数区域的近红外吸收光谱；和
(Y3)根据步骤(Y1)中得到的相关关系由步骤(Y2)中得到的特定波数区域的近红外吸收光谱估计皮肤表皮厚度和真皮厚度中的至少一种。
(5)根据第(3)项的方法，其中同时估计皮肤表皮厚度和真皮厚度两者。
(6)根据第(4)或(5)项的方法，其中多变量分析为偏最小二乘(PLS)方法或主成分回归(PCR)分析方法。
(7)一种选择化妆品的方法，包括使用第(1)-(6)项中任何一项的方法选择化妆品的步骤。
(8)一种监测皮肤状况的方法，包括使用第(1)-(6)项中任何一项的方法捕捉皮肤按年代顺序随时间的变化的步骤。
(9)根据第(8)项的监测方法，包括证实对皮肤治疗效果的步骤。
(10)一种评价化妆品的方法，包括使用第(1)-(6)项中任何一项的方法比较施用化妆品前和后皮肤状态或厚度，并用变化作为指标评价化妆品的步骤。
(11)根据第(10)项的评价化妆品的方法，包括评价化妆品在皮肤厚度中的真皮厚度由于施用化妆品而增加的情况下具有皱纹消除功能的步骤。
根据本发明，可提供非侵害地评价UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种的方法、非侵害地估计表皮厚度和真皮厚度中至少一种的方法和使用这些方法的结果监测皮肤状况的方法和评价化妆品的方法。
附图说明
图1为显示无毛小鼠和人的近红外吸收光谱的载荷量(因子载荷量)特征的图。
图2为显示代表酰胺键(CONH)和酰胺(CONH2)的特征的近红外吸收光谱的波数区域的图。
图3为显示无毛小鼠剥离的皮肤切片的HE-染色图象以及皮肤样品组的表皮和真皮的测量值的图。
图4为显示人手臂上臂和前臂部皮肤样品组的超声图象以及表皮和真皮测量值的图。
图5为使用散布图和密度椭圆显示作为实施例1中所示无毛小鼠皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图6为通过确定UV光引起的损伤程度和生理衰老程度得到的实施例2中所示无毛小鼠皮肤结果的图。
图7为使用散布图和密度椭圆显示作为实施例3中所示人皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图8为使用散布图和密度椭圆显示作为实施例3中所示人皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图9为使用散布图显示作为比较例1中所示无毛小鼠皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图10为使用散布图显示作为比较例2中所示无毛小鼠皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图11为使用散布图显示作为比较例2中所示无毛小鼠皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图12为使用散布图显示作为比较例3中所示人皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图13为使用散布图显示作为比较例4中人皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图14为使用散布图显示作为比较例4中所示人皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图15为使用散布图显示作为比较例4中所示人皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图16为使用散布图显示作为比较例4中所示人皮肤结果的UV光引起的损伤程度和生理衰老程度之间关系的图。
图17为显示无毛小鼠皮肤样品集合中皮肤(表皮和真皮)厚度的估计模型(定标线)的图。
图18为显示无毛小鼠皮肤样品集合中表皮厚度的估计模型(定标线)的图。
图19为显示无毛小鼠皮肤样品集合中真皮厚度的估计模型(定标线)的图。
图20为显示人皮肤样品集合中皮肤(表皮和真皮)厚度的估计模型(定标线)的图。
图21为显示人皮肤样品集合中表皮厚度的估计模型(定标线)的图。
图22为显示人皮肤样品集合中真皮厚度的估计模型(定标线)的图。
图23为显示无毛小鼠皮肤样品集合中表皮厚度的估计模型(定标线)的图。
图24为显示无毛小鼠皮肤样品集合中真皮厚度的估计模型(定标线)的图。
图25为显示无毛小鼠皮肤样品集合中皮肤(表皮和真皮)厚度的估计模型(定标线)的图。
图26为显示人皮肤样品集合中表皮厚度的估计模型(定标线)的图。
图27为显示人皮肤样品集合中真皮厚度的估计模型(定标线)的图。
图28为显示人皮肤样品集合中皮肤(表皮和真皮)厚度的估计模型(定标线)的图。
具体实施方式
本发明的方法特征在于：(1)由特征值已知的两种或多种皮肤的近红外吸收光谱的多变量分析的分析结果得到皮肤特征值和其近红外吸收光谱之间的相关关系；(2)得到要被确定或估计的特征值未知的皮肤的近红外吸收光谱；和(3)根据上述相关关系由特征值未知的皮肤的近红外吸收光谱确定或估计特征值。
上述皮肤特征值是指UV光引起的皮肤损伤程度、皮肤生理衰老程度、皮肤表皮厚度或皮肤真皮厚度。
UV光引起的皮肤损伤被分成急性反应如晒伤和慢性反应(其还被称为光老化)如长期暴露于UV光引起的斑点和皱纹等皮肤老化、皮肤癌等。本申请中的“UV光引起的皮肤损伤”指比较长期暴露于UV光的影响，并且UV光损伤的皮肤的近红外吸收光谱在5000-4480cm-1的波数区域发生变化。该波数区域的变化被认为是由蛋白质的结构变化引起(见图1)。另外，本申请中的“生理衰老”指自然衰老的影响如未暴露于UV光的皮肤的萎缩和皱纹，具有生理衰老的皮肤的近红外吸收光谱在5990-5490cm-1的波数区域发生变化。该波数区域的变化被认为是由胶原、弹性蛋白、皮肤厚度、神经酰胺等的变化引起(见图1)。
“UV光引起的损伤程度”指对皮肤的UV光照射量或部位差异。部位差异指暴露部位如前臂外侧部分和脸表面容易暴露于UV光，而非暴露部位如上肢内侧部分和躯干部分不易暴露于UV光。
另外，“生理衰老程度”指未发生UV光暴露的自然衰老程度，指周龄(小鼠等)或实际年龄。
皮肤为覆盖身体表面并用作与外界的边界的器官，由表皮、真皮和下皮三个层组成。在美容方面具有很大重要性的变化如皮肤皱纹、松垂和弹性反映了构成皮肤的表皮或真皮的生理变化。因此，得知构成皮肤的表皮和真皮的各自厚度在美容和化妆品使用方面非常有用。本文使用的“皮肤厚度”指表皮和真皮的厚度。
根据本发明的方法可用于确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一种或用于估计皮肤表皮厚度和真皮厚度中的至少一种。本文使用的皮肤指动物如人和小鼠的皮肤。
本发明的确定方法包括步骤：
(X1)由UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种已知的两种或多种皮肤在5990-5490cm-1和5000-4480cm-1的测量波数区域中特定波数区域的近红外吸收光谱的多变量分析的分析结果，得到UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种和皮肤在特定波数区域的近红外吸收光谱之间的相关关系；
(X2)得到要被评价的UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种未知的皮肤在特定波数区域的近红外吸收光谱；和
(X3)根据步骤(X1)中得到的相关关系由步骤(X2)中得到的特定波数区域的近红外吸收光谱确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种。
可通过任意方法得到步骤(X1)中的皮肤的近红外吸收光谱。例如，可通过使用各种类型的近红外吸收光谱测量装置测量得到近红外吸收光谱。更具体地，用使用衍射光栅的分散型测量装置或使用二极管阵列作为检测器的测量装置测量近红外吸收光谱。此外，可对测量的皮肤的近红外吸收光谱进行傅里叶变换。
步骤(X1)中的多变量分析指用于通过根据大量观察值(这里为近红外吸收光谱数据)计算相似性等来阐明样品(本发明中为UV光引起的皮肤损伤程度和皮肤生理衰老程度)之间关系的模式识别。优选根据样品适当选择步骤(1)中的多变量分析方法。
优选步骤(X1)包括以下步骤(Xa)-(Xd)。
(Xa)如果需要，对UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种已知的两种或多种皮肤的近红外吸收光谱(测量波数区域为5990-5490cm-1和5000-4480cm-1)进行数据处理的步骤。
(Xb)由近红外吸收光谱或经数据处理的近红外吸收光谱(下文中，将被共同称为“光谱”)的各分开的波数的光谱值、对皮肤的UV照射量、UV照射部位、周龄(小鼠等)和实际年龄中的至少一个形成矩阵的步骤。
(Xc)通过对(Xb)中形成的矩阵进行多变量分析得到两个最适主成分的步骤。
(Xd)假定(Xc)中得到的两个主成分中的一个为第一轴和另外一个为第二轴，得到各个样品的相对关系，由此得到UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种和近红外吸收光谱的相关关系。
步骤(Xa)中近红外吸收光谱或经数据处理的近红外吸收光谱的波数区域为5990-5490cm-1和5000-4480cm-1。认为这些波数区域的近红外吸收光谱能精确地捕捉蛋白质结构变化和胶原、弹性蛋白、皮肤厚度、神经酰胺等的变化，并精确地反映UV光引起的皮肤损伤程度和皮肤生理衰老程度(见图1)。甚至下文描述的实施例也表明，上述波数区域的近红外吸收光谱或经过数据处理的光谱的多变量分析的分析结果以及UV光引起的皮肤损伤程度和皮肤生理衰老程度具有充分的相关关系。
步骤(Xa)中近红外吸收光谱的数据处理包括前处理和变换。前处理包括自动换算(autoscale)、平均中心(mean center)、量程换算(range scale)、方差换算(variance scale)等。变换包括一阶微分、高阶微分(包括二阶微分)、标准正态变量(SNV)、多元散射校正(MSC)、归一化(normalize)、平滑化、减法、Log10、乘法、基线校正等。
步骤(Xa)中的数据处理优选包括二阶微分，更优选标准正态变量(SNV)和二阶微分，最优选平均中心、标准正态变量(SNV)和二阶微分。由于这些处理，校正了个体差异的变化，可消除噪音和异常值的影响，从而改善了数据质量。
在任何情况下，都优选进行数据处理，以便由下文描述的步骤(Xb)中作成的矩阵在步骤(Xc)中得到的两个主成分与UV光引起的皮肤损伤程度和皮肤生理衰老程度表现出更精确的相关关系。
步骤(Xb)中形成的矩阵的列是每种皮肤的红外吸收光谱各分开的波数的光谱值。光谱值指未被变换的近红外吸收光谱情况时的吸光度和微分光谱情况时的吸光度的微分值。
本文中，尽管优选以恒定波数分开光谱，但对波数没有特殊限制。通常以2-16cm-1的波数分开光谱，优选4-8cm-1(4或8cm-1，如果分离度(resolution)为4cm-1)，更优选4cm-1。另外，可将各分开的波数的光谱的光谱值设定为各自的平均值。
步骤(Xb)中作成的矩阵的行是针对步骤(Xa)中的进行了光谱测量的两种或多种皮肤(UV光引起的损伤程度和生理衰老程度中至少一种已知的皮肤)的UV光引起的皮肤损伤和生理衰老程度中的至少一种。这里，UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一种可用皮肤经受处理的处理程度和状态的至少一种的差异来显示。皮肤经受处理的处理程度和状态的至少一种差异指UV照射量、UV照射部位、活体的周龄、实际年龄等中的至少一种。
也就是说，对于由UV光引起的皮肤损伤程度和生理衰老程度中至少一种已知的两种或多种皮肤得到的每个光谱，由各分开的波数的光谱值和关于对皮肤的UV照射量、UV照射部位、周龄(小鼠等)和实际年龄中至少一个的数据形成矩阵。例如，形成如下面表1中所示的矩阵。样品数优选为20或更多，更优选40或更多。
[表1]

*表中的每个值都为近红外光谱的吸光度(或二阶微分值)。
*数据为人、小鼠等的年龄、部位和UV照射量等条件不同的样品。
对于步骤(Xc)中多变量分析的算法，优选使用主成分分析(PCA)方法、类模拟软独立建模(SIMCA)方法或k-最近邻(KNN)方法，更优选主成分分析方法或SIMCA方法。除了主成分分析方法、SIMCA方法、KNN方法等以外，多变量分析可使用任何已知的方法，没有任何特别限制。
多变量分析是一种通过计量学处理将化学特征如光谱数据与具体值如物理性质相关并分析关系的过程。
主成分分析方法为这样一种方法，在分析具体样品等中变量如吸光度的出现光谱图和样品在因子如波数的连续变化中的具体值之间的关系时，从造成波动的主成分中选择作为目标(在这种情况下指生理衰老和UV光引起的损伤)的两个成分，分析相对于第一主成分轴垂直的第二主成分轴，在由两个主成分轴形成的坐标中在模式变化中比较和估计物理性质。
SIMCA方法和KNN方法为除了分析功能外还具有对未知样品进行估计、分类功能的方法。近年来，一些主成分分析方法具有估计功能。可使用市售软件进行统计处理如主成分分析方法或SIMCA方法和KNN方法。对于用于统计处理的这类软件，例如，可提到软件如可从GL Sciences Inc.得到的“Pirouette”(注册商标)、可从CYBERNET SYSTEMS CO.，LTD.得到的“MATLAB”(注册商标)、可从Yokogawa Electric Corporation得到的“Unscrumbler II”、可从SEPANOVA得到的“SIMCA”。
多变量分析表明，由矩阵得到的两个主成分彼此不相关，即向量彼此垂直。两个主成分与UV光引起的皮肤损伤程度和皮肤生理衰老程度有相关关系。
另外，如果需要得到第三成分的话，除了UV光引起的损伤程度和生理衰老程度外还可诊断皮肤的损伤状态。除了UV光引起的损伤程度和生理衰老程度外的皮肤损伤状态的例子包括形态异常、结缔组织成分转化等。
步骤(Xd)为以步骤(Xc)中得到的至少两个主成分作为轴，得到每个样品的相对关系的步骤。
例如，建立两个主成分作为轴的平面散布图，并由对应于每个样品的曲线(plot)的位置关系得到每个样品的相对关系。通过得到每个样品的相对关系，可得到UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一个和皮肤的近红外吸收光谱的相关关系。另外，可根据UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一个将这样得到的每个样品的相对关系分组。可使用例如SIMCA方法的算法进行分组。
具体地说，在多变量分析的分析结果中，这样得到的至少两个主成分中的一个(例如，以两个主成分中的一个为成分A)表现出与UV光引起的皮肤损伤程度的相关关系，另外一个主成分(例如，以两个主成分中的另外一个为成分B)表现出与皮肤生理损伤程度的相关关系(例如，见图5)。也就是说，成分A的主成分轴显示UV光引起的损伤程度，成分B的主成分轴显示生理衰老程度。通过观察未受损皮肤(即未用UV光照射的皮肤)和用UV光照射的皮肤在成分A的轴上的相对关系，可得到UV光引起的损伤程度和光谱之间的相关关系。类似地，通过观察未受损皮肤(即新皮肤)和生理衰老的皮肤之间关于成分B的轴的相对关系，可得到物理衰老程度和光谱之间的相关关系。
另外，从关于各种波数区域光谱的载荷曲线(loading plot)(利用多变量分析的因子载荷量曲线)理解主成分轴所示变化影响各个波数区域光谱值变化的程度(见图1)。因此，UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一个可被视为具体化学变化(峰变化)。
另一方面，本发明的估计方法包括步骤：
(Y1)由皮肤表皮厚度和真皮厚度中至少一种已知的两种或多种皮肤在6850-6620cm-1、6540-5990cm-1、5240-5180cm-1、5030-4980cm-1、4760-4720cm-1和4650-4610cm-1、或6940-6850cm-1、6710-6540cm-1、6250-6170cm-1、5130-5080cm-1、4950-4850cm-1、4760-4690cm-1和4670-4610cm-1测量波数区域中特定波数区域的近红外吸收光谱的多变量分析的分析结果，得到皮肤表皮厚度和真皮厚度中至少一种和皮肤在特定波数区域的近红外吸收光谱的相关关系；
(Y2)得到要被估计的皮肤表皮厚度和真皮厚度中至少一种未知的皮肤在特定波数区域的近红外吸收光谱；和
(Y3)根据步骤(Y1)中得到的相关关系由步骤(Y2)中得到的特定波数区域的近红外吸收光谱估计皮肤表皮厚度和真皮厚度中的至少一种。
可按与步骤(X1)相同的方式通过任何合适的方法得到步骤(Y1)中皮肤的近红外吸收光谱。
另外，步骤(Y1)中的多变量分析指通过按与步骤(X1)相同方式根据大量观察值(这里，为近红外吸收光谱数据)计算相似性等以阐明样品(本发明中为皮肤表皮厚度和真皮厚度中至少一个的实际测量值和估计值)之间关系的模型(这里，为估计模型或定标线)的构建等。优选根据样品适当地选择步骤(Y1)中的多变量分析方法。
优选步骤(Y1)包括以下步骤(Ya)～(Yd)。
(Ya)如果需要，对表皮厚度和真皮厚度中至少一种已知的两种或多种皮肤的近红外吸收光谱(测量波数区域为6850-6620cm-1、6540-5990cm-1、5240-5180cm-1、5030-4980cm-1、4760-4720cm-1和4650-4610cm-1、或6940-6850cm-1、6710-6540cm-1、6250-6170cm-1、5130-5080cm-1、4950-4850cm-1、4760-4690cm-1和4670-4610cm-1)进行数据处理的步骤。
(Yb)由上述近红外吸收光谱或经数据处理的上述光谱(下文中，将被共同称为“光谱”)各分开的波数的光谱值和皮肤(表皮和真皮中至少一种)的厚度、皮肤的UV照射量、UV照射部位、周龄(小鼠等)和实际年龄中的至少一个形成矩阵的步骤。
(Yc)通过对(Yb)中作成的矩阵进行多变量分析得到皮肤(表皮和真皮中至少一种)厚度估计值的步骤。
(Yd)以皮肤表皮厚度和真皮厚度中至少一个已知的两种或多种皮肤的实际测量值为第一轴，皮肤(表皮和真皮中至少一个)厚度的估计值为第二轴，得到各个样品的相对关系(定标线)，由此得到皮肤表皮厚度和真皮厚度中至少一个和皮肤的近红外吸收光谱的相关关系。
步骤(Ya)中近红外吸收光谱或经数据处理的近红外吸收光谱的波数区域为6850-6620cm-1、6540-5990cm-1、5240-5180cm-1、5030-4980cm-1、4760-4720cm-1和4650-4610cm-1、或6940-6850cm-1、6710-6540cm-1、6250-6170cm-1、5130-5080cm-1、4950-4850cm-1、4760-4690cm-1和4670-4610cm-1(见图2)。
推测上面波数区域的近红外吸收光谱反映酰胺键特征即酰胺键(CONH)或酰胺(CONH1)的结构特征，并推测该特征与皮肤(表皮和真皮中至少一种)的厚度有关。也就是说，在酰胺键(CONH)的情况下，推测上述波数区域显示游离情况下的第一谐音(harmonictone)、氢键的第一谐音、酰胺I的第二谐音、NH伸缩和酰胺II的结合音、NH伸缩和酰胺III的结合音以及酰胺I的谐音和酰胺III的结合音。另外，在酰胺(CONH2)的情况下，推测波数区域显示NH2反对称伸缩振动的第一谐音、NH2对称伸缩振动和分子内氢键各自的第一谐音、分子间氢键的第一谐音、NH伸缩和酰胺II的结合音、酰胺I的第二谐音、NH伸缩和酰胺II的结合音、NH伸缩和酰胺III的结合音以及酰胺I的谐音和酰胺III的结合音。这还得到实施例(下文中描述)支持，其中在上述波数区域光谱使用偏最小二乘(PLS)方法的回归分析结果中，皮肤(表皮和真皮中至少一种)厚度的实际测量值和估计值(定标线)的相关系数非常大。
步骤(Ya)中的数据处理包括与步骤(Xa)中的相同的前处理和变换。另外，优选步骤(Ya)中的数据处理包括与步骤(Xa)中同样的二阶微分。
在任何情况下，都优选进行数据处理以便由下文描述的步骤(Yb)中作成的矩阵在步骤(Yc)中得到的皮肤(表皮和真皮中至少一种)厚度的估计值表现出与实际测量值的高相关关系。
在步骤(Yb)中作成的矩阵中，使用与(Xb)中同样的每种皮肤的红外吸收光谱的各分开的波数的光谱值和皮肤(表皮和真皮中至少一种)厚度。对于皮肤的表皮和真皮厚度，可使用通过以下方法制备的各种皮肤样品的实际测量值。
例如，在无毛小鼠情况下，从背部剥离皮肤制备5mm×5mm的皮肤切片。然后，用10％中性缓冲福尔马林固定皮肤切片以制备HE染色的组织标本，用光学显微镜测量皮肤厚度。图3显示了剥离皮肤的HE染色的图象，以及表皮、真皮和皮肤(表皮和真皮)的厚度测量值的例子。图3表明，在UV未照射组中，周龄对表皮和真皮厚度的影响非常小，而UV照射组中表皮和真皮的厚度表现出为UV未照射组的1-5倍的不同值。因此，认为当进行本申请的方法时，可优选使用由HE染色图象等得到的表皮和真皮厚度值。
另外，例如，在人的情况下，通过是否暴露于UV光即盖住的躯干部分(上臂内侧、背部、腹部等)和暴露部位(前臂外侧、脸等)的部位差异进行超声测量(例如，Rion公司制造的超声诊断装置UX-02等)，可使用由该超声图象得到的皮肤(表皮和真皮中至少一种)厚度值。图4显示了超声图象，以及上臂外侧部分和前臂内侧部分各自表皮和真皮的厚度测量值的例子。从图4中得到各种值如衰老引起的真皮厚度变化。根据本申请的发明，认为可优选使用由超声图象等得到的皮肤厚度值。
在步骤(Yb)中作成的矩阵中，可使用步骤(Ya)中进行了光谱测量的两种或多种皮肤(表皮和真皮中至少一种的厚度不同的皮肤)的UV照射量、UV照射部位、活体的周龄(小鼠等)和实际年龄中的至少一个。
也就是说，对于由表皮和真皮中至少一种的厚度不同的两种或多种皮肤得到的每个光谱，由各分开的波数的光谱值和表皮和真皮中至少一种的厚度以及皮肤的UV照射量、UV照射部位、活体的周龄(小鼠等)和实际年龄中的至少一个形成矩阵。例如，形成下面表2中所示的矩阵。样品数优选为20或更多，并优选40或更多。
[表2]

*表中的每个值都为近红外光谱的吸光度(或二阶微分值)。
*数据涉及人、小鼠等的年龄、部位和UV照射量等条件不同的样品。
对于步骤(Yc)中多变量分析(回归分析)的算法，优选使用偏最小二乘(PLS)方法或主成分回归(PCR)分析方法。这样做的原因如下。回归分析的最终目标是构建用于估计相关特定值(这里，为皮肤表皮和真皮中至少一种的厚度)的估计模型。在该模型中，在使用通过分光光度计得到的测量值作为说明变量以便估计连续特定值的情况下，与简单线性回归分析和多元回归分析(MRA)相比，PLS或PCR在高估计精度和准确度、异常值识别、模型优化等方面非常有利。另外，通过增加皮肤样品更新数据库(DB)可将估计模型优化成具有高估计精度的模型。
可使用市售软件进行PLS或PCR回归分析。这类软件的例子包括可从GL Sciences Inc.得到的“Pirouette”(注册商标)、可从CYBERNET SYSTEMS CO.，LTD.得到的“MATLAB”(注册商标)、可从Yokogawa Electric Corporation得到的“Unscrumbler II”等。
步骤(Yd)为由步骤(Yc)中得到的皮肤厚度估计值构建估计模型(定标线)并得到皮肤表皮厚度和真皮厚度中至少一个和皮肤近红外吸收光谱值之间相关关系的步骤。更具体地说，通过以皮肤表皮厚度和真皮厚度中至少一个已知的两种或多种皮肤的实际测量值为第一轴，该皮肤表皮厚度和真皮厚度中至少一个的估计值为第二轴，得到各样品的相对关系，可得到皮肤表皮厚度和真皮厚度中至少一个和皮肤的近红外吸收光谱之间的相关关系(定标线)。
例如，如果形成由皮肤表皮厚度和真皮厚度中至少一个的实际测量值和估计值的两个轴组成的平面散布图，则可通过各样品曲线图(plot)的位置关系和相关系数推测皮肤表皮厚度和真皮厚度中至少一个的合适估计值、精度、皮肤样品特征(例如UV照射量、部位、周龄或实际年龄)等。
步骤(X2)和(Y2)包括得到以下皮肤的近红外吸收光谱的步骤：要被测定的UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一个未知的皮肤；或要被估计的皮肤表皮厚度和真皮厚度中至少一个未知的皮肤。
优选步骤(X2)和(Y2)中的近红外吸收光谱通过与步骤(X1)和(Y1)中近红外吸收光谱测量相同的方法或装置测量得到。另外，优选对得到的近红外吸收光谱按与步骤(X1)和(Y1)相同的方式进行数据处理。下文中，步骤(X2)和(Y2)可共同被称为步骤(2)。
步骤(X3)包括根据步骤(X1)中得到的相关关系由步骤(X2)中得到的近红外吸收光谱确定UV光引起的皮肤损伤程度和皮肤生理衰老程度中至少一个的步骤。另外，步骤(Y3)包括根据步骤(Y1)中得到的相关关系由步骤(Y2)中得到的近红外吸收光谱估计皮肤表皮厚度和真皮厚度中至少一个的步骤。下文中，步骤(X3)和步骤(Y3)可共同被称为步骤(3)。
步骤(3)用下面的[A]或[B]表示。
[A]将步骤(X2)中得到的光谱数据添加到在步骤(X1)中得到相关关系的矩阵中，并按与步骤(X1)相同的方式进行多变量分析，借此确定要被确定的皮肤的UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一个(主成分分析方法)。
或者，将步骤(X2)中得到的光谱数据应用到由步骤(X1)中得到的相关关系得到的模型上，借此确定要被确定的皮肤的UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一个(SIMCA或KNN方法)。也就是说，使用关于两个主成分轴的相关关系检查UV光引起的损伤程度和生理衰老程度已知的皮肤的分析结果以及UV光引起的损伤程度和生理衰老程度未知的皮肤的分析结果，于是可确定未知皮肤的UV光引起的皮肤损伤程度和生理衰老程度中的至少一个。可在例如具有第一主成分和第二主成分作为轴的平面散布图上表示两个主成分轴的相对关系。
[B]将步骤(Y2)中得到的光谱数据应用到由步骤(Y1)中得到的相关关系得到的模型上，借此估计要被估计的皮肤表皮厚度和真皮厚度中的至少一个。将在步骤(Y1)中得到相关关系的光谱数据(矩阵)与步骤(Y2)中得到的光谱数据结合，并按与步骤(Y1)相同的方式进行回归分析，借此估计要被估计的皮肤表皮厚度和真皮厚度中的至少一个。也就是说，在皮肤表皮厚度和真皮厚度中至少一个已知的皮肤估计模型(定标线)中，相对检查皮肤表皮厚度和真皮厚度中至少一个未知的皮肤的分析结果，借此可估计未知皮肤的表皮厚度和真皮厚度中的至少一个。在上述估计中，可根据估计模型中的相关关系显示估计值和估计精度。可使用回归分析软件进行步骤(Y3)。
在步骤(X3)中，使用由UV光引起的损伤程度和生理衰老程度中至少一个已知的皮肤的分析结果得到的成分A(两个主成分之一)和成分B(两个主成分中的另外一个)轴的相对关系检查未知皮肤的分析结果，借此可估计未知皮肤的UV光引起的损伤程度和生理衰老程度中的至少一个。可在例如具有成分A和B作为轴的平面散布图上表示成分A和B的轴的相对关系。
另外，在步骤(Y3)中，在皮肤表皮厚度和真皮厚度中至少一个已知的皮肤的估计模型(定标线)中，检查未知皮肤的分析结果的相对关系，借此估计未知皮肤的表皮厚度和真皮厚度中的至少一个。在估计中，可根据估计模型中的相关关系显示估计值和估计精度。
可使用本发明的方法随时间评价UV光引起的皮肤损伤程度和皮肤生理衰老程度。因此，确定结果可用于确定用化妆品、药物、手术或美容等治疗和护理皮肤的必要性。另外，评价结果还可用于确定治疗和护理的效果。另外，根据这些确定结果，可以选择所需的化妆品等并提供建议，例如，在UV光引起的损伤程度高时，可以使用混合有UV抑制剂和皮肤增亮剂的化妆品，在生理衰老程度高时，可以使用混合有保湿剂和防衰老剂的化妆品。
此外，可使用本发明的方法随时间监测皮肤是否变化，即表皮和真皮的厚度是否变化，以及变化增加或减少。另外，监测结果可用于确定用化妆品、药物、手术、美容等治疗和护理皮肤的必要性、确定治疗或护理效果或选择所需的化妆品和提供建议等。例如，在被评价皮肤(表皮和真皮之一)的厚度与实际年龄和部位的平均值相比在统计学上有偏差时，推测由皮肤组织功能异常引起的表皮肥大和由细胞外基质(胶原等)的异常等引起的不良状态出现，于是确定上述治疗和护理是必需的。另外，在被鉴别皮肤(表皮和真皮之一)的厚度随时间变化时，确定治疗和护理对其有效果。
另外，在施用化妆品前和后或进行美容前和后比较皮肤(表皮和真皮之一)厚度，可使用变化作为指标评价化妆品和美容的效果。例如，在真皮厚度小，并且真皮厚度由于使用混合有胶原合成促进剂、胶原纤维束重建剂等的化妆品而增加时，可评价化妆品和美容具有皱纹消除效果。另外，在表皮厚度大并且利用混合有周转调整剂等的化妆品抑制了表皮增加和表皮厚度减少时，可评价化妆品具有表皮肥大抑制作用。
本发明的方法不具有治疗或诊断人的目的，且不包括医学行为。
下文中，将利用实施例等详细描述本发明。应注意，实施例等不限制本发明的范围。
实施例
<动物皮肤样品的制备>
使用无毛小鼠用于动物皮肤样品集合，并设定UV照射组和UV未照射组，借此制备具有各种皮肤状态和皮肤厚度的样品集合。对于UV未照射组，设置总共30只小鼠，其中在6周龄组(下文中，其可被表示为CT6W或UV未照射#6W组)、10周龄组(下文中，其可被表示为CT10W或UV未照射#10W组)、14周龄组(下文中，其可被表示为CT14W或UV未照射#14W组)、16周龄组(下文中，其可被表示为CT16W或UV未照射#16W组)和27周龄组(下文中，其可被表示为CT27W或UV未照射#27W组)中的每一个中都包括6只小鼠。另外，对于UV照射组，设置总共24只小鼠，其中在8周龄组(下文中，其可被表示为UV8W或UV照射#8W组)、10周龄组(下文中，其可被表示为UV10W或UV照射#10W组)、14周龄组(下文中，其可被表示为UV14W或UV照射#14W组)和16周龄组(下文中，其可被表示为UV16W或UV照射#16W组)中的每一个中都包括6只小鼠。
<UV照射条件>
关于UV照射，在无毛小鼠达到6周龄后，对每只无毛小鼠给予每次0.1剂量(J/cm2)，每周三次的能量照射。因此，UV照射组的10周龄组是指在小鼠达到6周龄后进行4周UV照射的皮肤，4周期间累计受到12次，1.2剂量(J/cm2)的UV光照射。
<人皮肤样品的准备>
在没有手臂皮肤疾病的20多岁-50多岁的60个女性对象(每一代15个)中设定包括前臂外侧部分、前臂内侧部分和上臂内侧部分的三部分，使这三部分在洗后静置20分钟。对人皮肤样品集合确定这种条件。
<皮肤样品的近红外吸收光谱的测量>
在一定环境下在20℃测量通过皮肤样品制备得到的皮肤样品的近红外吸收光谱。这里，考虑处理随皮肤位置变化的可能性，测量随机选择的三处部位的近红外吸收光谱。使用傅立叶变换近红外分光光度计VECTOR 22/N(Bruker Optics制造)测量近红外吸收光谱。对于测量条件，使用利用纤维探针的扩散反射方法，分离度为8cm-1，测量波数为8000-4000cm-1。
<实施例1>
在由无毛小鼠皮肤得到的皮肤样品集合的近红外吸收光谱中，对5990-5490cm-1和5000-4480cm-1的波数区域进行数据处理。具体地说，进行平均中心和标准正态变量(SNV)，然后进行二阶导数(secondderivation)。
将经过数据处理的光谱每4cm-1分开，计算各分开的光谱的光谱值(吸光度的二阶微分值)。由算出的每个波数的光谱值的二阶微分值和皮肤处理内容(UV照射的有/无和照射量差异以及周龄差异)形成矩阵。对形成的矩阵进行主成分分析。由得到的分析结果，形成平面散布图，假定第二主成分作为第一轴和第三主成分作为第二轴(选择表明生理衰老和UV光引起的损伤的两个成分，并分别设定为第一轴和第二轴)。使用多变量分析软件(Pirouette(注册商标)3.11版；GL Sciences Inc.)进行数据处理和主成分分析。
图5显示了由多变量分析得到的分析结果产生的平面散布图。如图5中所示，认识到可根据UV照射的有/无、照射量的差异和周龄差异非常清楚地将结果分类。具体地说，认识到向着第一轴(横轴)的左方向皮肤生理衰老程度较高。另外，认识到向着第二轴(纵轴)下方UV光引起的皮肤损伤程度较高。认识到向着左下方，UV光引起的皮肤损伤程度和皮肤生理衰老程度都较高。因此，认识到UV光引起的皮肤损伤程度和皮肤生理衰老程度独立地与皮肤近红外吸收光谱多变量分析的分析结果有明确相关关系。
<实施例2>
在实施例1中，增加UV光引起的皮肤损伤程度和皮肤生理衰老程度未知的无毛小鼠皮肤样品的近红外吸收光谱，并按与实施例1相同的过程进行数据处理形成矩阵，借此进行主成分分析。图6为由得到的结果形成的散布图。如图6中所示，清楚地将具有不同处理内容的各个样品组分类，并由UV光引起的损伤程度和生理衰老程度未知的皮肤样品的结果的曲线图位置确定这种皮肤最相当于UV未照射的27周龄组。
<实施例3>
按与实施例1中相同的方式对上述人皮肤样品集合进行测量和分析。由多变量分析得到的分析结果形成平面散布图，假定第一主成分作为第一轴和第二主成分作为第二轴。形成的平面散布图显示在图7和8中。在图7中得到按部位分类的95％密度椭圆，在图8中得到按年龄分类的95％密度椭圆。如图7或8中所示，认识到根据手臂部位或年龄非常清楚地对结果进行了分类。具体地说，生理衰老程度向着第一主成分轴(横轴)左方向更高，UV光引起的损伤程度向着第二主成分轴(纵轴)下方更高。因此，从图7中认识到，UV光引起的损伤程度在暴露较多的前臂外侧部分中高，UV光引起的损伤程度在暴露较少的上臂内侧部分中低。另外，从图8中认识到，类别向左方向移动，生理衰老程度从20岁到50岁进行。因此，可分开确定UV光引起的人皮肤损伤程度和生理衰老程度。
<比较例1>
由实施例1中在8000-4000cm-1波数区域进行数据处理和主成分分析得到的结果形成的散布图显示在图9中。如图9中所示，认识到无毛小鼠的皮肤不能根据UV照射的有/无、照射量差异、周龄差异等来分类，在该波数区域难以区分生理衰老程度和UV光引起的损伤程度。
<比较例2>
由实施例1中在8000-6000cm-1和5490-5000cm-1波数区域进行数据处理和主成分分析得到的结果形成的散布图显示在图10中(8000-6000cm-1和5490-5000cm-1的波数区域)和图11(4480-4000cm-1的波数区域)。如图10和11中所示，认识到无毛小鼠的皮肤不能根据UV照射的有/无、照射量差异、周龄差异等来分类，在该波数区域难以区分生理衰老程度和UV光引起的损伤程度。
<比较例3>
由实施例3中在8000-4000cm-1波数区域进行数据处理和主成分分析得到的结果形成的散布图显示在图12中。如图12中所示，认识到人皮肤不能根据年代分类，在该波数区域内难以区分生理衰老程度和UV光引起的损伤程度。
<比较例4>
由实施例3中在8000-6000cm-1和4480-4000cm-1波数区域进行数据处理和主成分分析得到的结果形成的散布图显示在图13中(8000-6000cm-1的波数区域)、图14中(4480-4000cm-1的波数区域)、图15中(8000-6000cm-1的波数区域)和图16中(4480-4000cm-1的波数区域)。如图13-16中所示，认识到人皮肤不能根据年代和部位来分类，在该波数区域难以区分生理衰老程度和UV光引起的损伤程度。
<实施例4>
在由无毛小鼠皮肤得到的皮肤样品集合的近红外吸收光谱中，对酰胺键(CONH)的波数区域6850-6620cm-1、6540-5990cm-1、5240-5180cm-1、5030-4980cm-1、4760-4720cm-1和4650-4610cm-1进行数据处理。具体地说，进行平均中心和标准正态变量(SNV)，然后进行二阶微分。
将经过数据处理的光谱每4cm-1分开，计算各分开的光谱的光谱值(吸光度的二阶微分值)。以计算的光谱值和皮肤(表皮和真皮中至少一个)厚度作为列，和皮肤处理内容(UV照射的有/无、照射量差异和周龄差异)作为行，形成矩阵。使用PLS对形成的矩阵进行回归分析。作为得到的分析结果的皮肤表皮厚度和真皮厚度的估计模型(定标线，相关系数)显示在图17-19中。从图17-19中认识到，在无毛小鼠中可高精度地估计皮肤表皮厚度和真皮厚度。使用多变量分析软件(Pirouette(注册商标)3.11版；GL Sciences Inc.)进行数据处理和PLS。
<实施例5>
使用实施例4中得到的图17-19，估计UV照射的14周龄组和UV未照射的14周龄组的无毛小鼠皮肤(表皮和真皮)、表皮和真皮的各厚度(见表3)。从表1中认识到，以约10％的相对标准偏差的高精度估计了各厚度。
[表3]
  小鼠皮肤厚度的估计  UV照射组  平均±SD(μm)  UV未照射组  平均±SD(μm)  表皮  58.9±10.4  18.0±5.8  真皮  222.9±27.7  131.4±13.4  皮肤  281.8±34.8  149.3±13.1
<实施例6>
通过用人皮肤样品中显示的女性对象皮肤代替实施例4中的无毛小鼠皮肤按相同过程进行PLS回归分析。作为得到的分析结果的皮肤表皮厚度和真皮厚度的估计模型(定标线和相关系数)显示在图20-22中。从图20-22中认识到，即使在人中也可高精度地估计皮肤表皮厚度和真皮厚度。
<实施例7>
使用实施例6中得到的图20-22，估计40多岁女性对象上臂内侧部皮肤(表皮和真皮)、表皮和真皮的各厚度(见表4)。从表4中认识到，可以以约10％的高精度估计相对标准偏差(变异系数)。
[表4]
  人皮肤厚度的估计 女性上臂内侧部平均±SD(μm)  表皮 157.6±23.4  真皮 743.7±71.9  皮肤 901.3±80.7
<实施例8>
使用通过用作为酰胺(CONH2)结构特征的6940-6850cm-1、6710-6540cm-1、6250-6170cm-1、5130-5080cm-1、4950-4850cm-1、4760-4690cm-1和4670-4610cm-1代替实施例4和6中近红外吸收光谱的波数区域，按相同过程进行PLS回归分析得到的估计模型(定标线)估计40多岁女性对象上臂内侧部分的皮肤(表皮和真皮)、表皮和真皮的各厚度(见表5)。从表5中认识到，可以以约15％的高精度估计相对标准偏差(变异系数)。
[表5]
  人皮肤厚度的估计  女性上臂内侧部分  平均±SD(μm)  表皮  157.6±25.3  真皮  743.7±97.7  皮肤  901.3±98.2
<比较例5>
使用通过用8000-4000cm-1代替实施例4和6中近红外吸收光谱的波数区域按相同过程进行PLS回归分析得到的估计模型(定标线)估计40多岁女性对象上臂内侧部分的皮肤(表皮和真皮)、表皮和真皮的各厚度。认识到相对标准偏差(变异系数)为20-30％或更大，并且在皮肤(表皮和真皮)、表皮和真皮各厚度测量方面不能如本发明的申请一样有效地估计各厚度。
<比较例6>
用甲基键(CH3)的波数区域7380-7330cm-1、5850-5780cm-1、5650-5600cm-1和4400-4380cm-1代替实施例4中酰胺键(CONH)的波数区域按相同过程进行PLS回归分析。得到的表皮、真皮和皮肤(表皮和真皮)的各厚度的估计模型(定标线)显示在图23-25中。从图23-25中认识到，估计模型的相关系数为0.71-0.74，不能与无毛小鼠中酰胺键(CONH)的波数区域情况一样高精度地估计表皮、真皮和皮肤(表皮和真皮)的各厚度。使用图23-25，估计UV照射的14周龄组和UV未照射的14周龄组中无毛小鼠的皮肤(表皮和真皮)、表皮和真皮的各厚度(见表6)。从表6中认识到，相对标准偏差(变异系数)提高大约20-30％，不能与本申请的发明一样有效地估计皮肤(表皮和真皮)、表皮和真皮的各厚度。
[表6]
  小鼠皮肤厚度的估计  UV照射组  平均±SD(μm)  UV未照射组  平均±SD(μm)  表皮  58.9±12.7  18.0±6.7  真皮  222.9±35.4  131.4±21.8  皮肤  281.8±49.6  149.3±30.9
<比较例7>
用甲基键(CH3)的波数区域7380-7330cm-1、5850-5780cm-1、5650-5600cm-1和4400-4380cm-1代替实施例6中酰胺键(CONH)的波数区域按相同过程进行PLS回归分析。得到的表皮、真皮和皮肤(表皮和真皮)的各厚度的估计模型(定标线)显示在图26-28中。从图26-28中认识到，估计模型的相关系数为0.68-0.73，不能与人中酰胺键(CONH)的波数区域情况一样高精度地估计表皮、真皮和皮肤(表皮和真皮)的各厚度。使用图26-28，估计40多岁女性对象上臂内侧部分的皮肤(表皮和真皮)、表皮和真皮的各厚度(见表7)。从表7中认识到，相对标准偏差(变异系数)提高大约20％，不能与本申请的发明一样有效地估计皮肤(表皮和真皮)、表皮和真皮的各厚度。
[表7]
  人皮肤厚度的估计 女性上臂内侧部平均±SD(μm)  表皮 157.6±25.9  真皮 743.7±151.5  皮肤 901.3±177.3
本申请要求2005年9月2日提交的日本专利申请2005-254324、2005年9月2日提交的2005-254326、2005年9月27日提交的2005-279292的权益，本文全文引入它们作为参考。
产业实用性
根据本发明，可非侵害和定量地评价UV光引起的人和小鼠皮肤损伤程度和皮肤生理衰老程度中的至少一种。此外，根据本发明，可非侵害和定量地估计皮肤表皮厚度和真皮厚度中的至少一种。通过使用确定和评价结果，可随时间监测UV光引起的皮肤损伤程度和皮肤生理衰老程度中的至少一个以及皮肤表皮厚度和真皮厚度中的至少一种。因此，在百货公司、商店或消费者家里，普通人可容易和充分地享用针对皮肤的化妆品评价、皮肤状况评价和关于化妆品选择及其评价的建议和咨询。