ラマン分光法による肺組織を特徴付けるための装置および方法
近赤外ラマン分光法を適用して、気管支樹の新生物発生前病巣を確認できる。肺組織のリアルタイムの生体内ラマンスペクトルが、気管支鏡の器具のチャネルを通して光ファイバカテーテルを進めることによって得られ得る。プロトタイプの装置を使用することによって、それぞれ感度９６％および特異性９１％で新生物発生前病巣が検出される。ラマン分光法装置の使用および他の気管支鏡検査画像診断法と併用する方法は、実質的に偽陽性の結果数を低下させることができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、組織の特徴付けに関する。本発明は、例えば、肺組織に癌が有るかどうかを判定するための方法および装置の提供に適用され得る。例示的な実施形態は、肺組織の病巣が癌性である可能性を評価するために医師が使用し得る内視鏡装置を提供する。
【背景技術】
【０００２】
肺癌は命にかかわることが多い。治療が成功する見込みは、新生物発生前病巣（悪性腫瘍になる確率が高い病巣）を早期発見することによって高められる。中等度および高度の異形成および上皮内癌（ＣＩＳ）を含む気管支樹の新生物発生前病巣は、悪性腫瘍になる確率が高い。気管支鏡検査中にこれらの新生物発生前病巣の個所を突き止めて、さらなる治療を行えることが、患者の生存率を高める決め手となる。
【０００３】
現在、さらなる治療のために新生物発生前病巣を突き止める最善の方法は、蛍光気管支鏡（ＡＦＢ）と白色光気管支鏡（ＷＬＢ）とを組み合わせた方法である。この組み合わせ方法は１９９０年代に開発され、例えばラム（Ｌａｍ）Ｓ、ケネディ（Ｋｅｎｎｅｄｙ）Ｔ、アンガー（Ｕｎｇｅｒ）Ｍら、「蛍光気管支鏡検査による気管支上皮内の新生物形成病巣の位置確認（Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ ｂｒｏｎｃｈｉａｌ ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ ｎｅｏｐｌａｓｔｉｃ ｌｅｓｉｏｎｓ ｂｙ ｆｌｕｏｒｅｓｃｅｎｃｅ ｂｒｏｎｃｈｏｓｃｏｐｙ）」（非特許文献１）およびゼルウェガー（Ｚｅｌｌｗｅｇｅｒ）Ｍ、グロジャン（Ｇｒｏｓｊｅａｎ）Ｐ、グージョン（Ｇｏｕｊｏｎ）Ｄ、モニエ（Ｍｏｎｎｉｅｒ）Ｐ、バン・デン・バーグ（ｖａｎ ｄｅｎ Ｂｅｒｇｈ）Ｈ、ワグニール（Ｗａｇｎｉｅｒｅｓ）Ｇ．「早期癌の発見および画像化を最適にする、ヒト気管支組織の生体内自己蛍光分光法（Ｉｎ ｖｉｖｏ ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｈｕｍａｎ ｂｒｏｎｃｈｉａｌ ｔｉｓｓｕｅ ｔｏ ｏｐｔｉｍｉｚｅ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｉｍａｇｉｎｇ ｏｆ ｅａｒｌｙ ｃａｎｃｅｒｓ）」（非特許文献２）に説明されているように、新生物発生前病巣の位置特定が著しく改善された。新生物発生前状態を発見するＡＦＢ＋ＷＬＢの感度は、ＷＬＢ単独での感度の約２倍である。しかしながら、ＷＬＢ＋ＡＦＢの平均特異性は６０％にすぎないと報告されており、これは、例えば：ラム（Ｌａｍ）Ｓ．「早期肺癌の診断における自己蛍光気管支鏡検査の役割（Ｔｈｅ Ｒｏｌｅ ｏｆ Ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ Ｂｒｏｎｃｈｏｓｃｏｐｙ ｉｎ Ｄｉａｇｎｏｓｉｓ ｏｆ Ｅａｒｌｙ Ｌｕｎｇ Ｃａｎｃｅｒ）」；ハーシュ（Ｈｉｒｓｃｈ）ＦＲ、バン（Ｂｕｎｎ）Ｊｒ ＰＡ、カトウ（Ｋａｔｏ）Ｈ、マルシャイン（Ｍｕｌｓｈｉｎｅ）ＪＬ編、「早期肺癌の予防および発見のためのＩＡＳＬＣテキストブック（ＩＡＳＬＣ Ｔｅｘｔｂｏｏｋ ｆｏｒ Ｐｒｅｖｅｎｔｉｏｎ ａｎｄ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｅａｒｌｙ Ｌｕｎｇ Ｃａｎｃｅｒ）」（非特許文献３）、およびエデル（Ｅｄｅｌｌ）Ｅら、「蛍光反射性気管支鏡検査を使用する上皮内新生物形成および浸潤癌の発見および位置確認（Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ Ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ Ｎｅｏｐｌａｓｉａ ａｎｄ Ｉｎｖａｓｉｖｅ Ｃａｒｃｉｎｏｍａ Ｕｓｉｎｇ Ｆｌｕｏｒｅｓｃｅｎｃｅ−Ｒｅｆｌｅｃｔａｎｃｅ Ｂｒｏｎｃｈｏｓｃｏｐｙ）」（非特許文献４）で説明されているように、多くの偽陽性の判断を招く。
【０００４】
ＷＬＢ＋ＡＦＢ特異性の最適性がやや欠ける点については、一般にＷＬＢ＋ＡＦＢによって判断された多くの組織部位のどれを生検用に選択するかは、気管支鏡検査者の熟練さと判断力にかなり依存している面が有ると、部分的には説明することができる。しかしながら、偽陽性が多いことの主な理由は、ＡＦＢに関係する特異性の低さである。良性病巣および新生物発生前病巣の双方とも同様の自己蛍光特性を有する。それゆえ、依然として検出方法の改善がかなり必要とされている。
【０００５】
ラマン分光法は、光を検体に向けて、検体への入射光の一部を非弾性的に散乱させることを含む。検体との非弾性相互作用によって、入射光の波長に対して波長がシフトされた散乱光を生じさせ得る（ラマンシフト）。散乱光の波長スペクトル（ラマンスペクトル）は、検体の性質に関する情報を含む。
【０００６】
組織の研究においてラマン分光法を使用することは、以下の参照文献で説明されている：
ａ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「生物物理学および医学物理学におけるラマン分光法（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ ｂｉｏｐｈｙｓｉｃｓ ａｎｄ ｍｅｄｉｃａｌ ｐｈｙｓｉｃｓ）」（非特許文献５）；
ｂ）ファング（Ｈｕａｎｇ）Ｚら、「リアルタイムの生体内での皮膚測定のための迅速な近赤外ラマン分光システム（Ｒａｐｉｄ ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｓｙｓｔｅｍ ｆｏｒ ｒｅａｌ−ｔｉｍｅ ｉｎ ｖｉｖｏ ｓｋｉｎ ｍｅａｓｕｒｅｍｅｎｔｓ）」（非特許文献６）；
ｃ）ショート（Ｓｈｏｒｔ）ＭＡら、「肺癌の生体内での診断の可能性に関する内視鏡的ラマンプローブの開発および暫定的結果（Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｅｌｉｍｉｎａｒｙ ｒｅｓｕｌｔｓ ｏｆ ａｎ ｅｎｄｏｓｃｏｐｉｃ Ｒａｍａｎ ｐｒｏｂｅ ｆｏｒ ｐｏｔｅｎｔｉａｌ ｉｎ ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒｓ）」（非特許文献７）；
ｄ）ファング（Ｈｕａｎｇ）Ｚら、「生体内での皮膚メラニンのラマン分光法（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｉｎ ｖｉｖｏ ｃｕｔａｎｅｏｕｓ ｍｅｌａｎｉｎ）」（非特許文献８）；
ｅ）ファング（Ｈｕａｎｇ）Ｚら、「バックグラウンド近赤外自己蛍光とのラマン分光法の組み合わせによる悪性組織の生体内評価の充実（Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ Ｃｏｍｂｉｎａｔｉｏｎ ｗｉｔｈ Ｂａｃｋｇｒｏｕｎｄ Ｎｅａｒ−ｉｎｆｒａｒｅｄ Ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ Ｅｎｈａｎｃｅｓ ｔｈｅ Ｉｎ Ｖｉｖｏ Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｍａｌｉｇｎａｎｔ Ｔｉｓｓｕｅｓ）」（非特許文献９）；
ｆ）モルコフスキー（Ｍｏｌｃｋｏｖｓｋｙ）Ａら、「大腸における近赤外ラマン分光法の診断可能性：過形成性ポリープとの腺腫の区別（Ｄｉａｇｎｏｓｔｉｃ ｐｏｔｅｎｔｉａｌ ｏｆ ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ ｔｈｅ ｃｏｌｏｎ：ｄｉｆｆｅｒｅｎｔｉａｔｉｎｇ ａｄｅｎｏｍａｔｏｕｓ ｆｒｏｍ ｈｙｐｅｒｐｌａｓｔｉｃ ｐｏｌｙｐｓ）」（非特許文献１０）；
ｇ）アビゲイル（Ａｂｉｇａｉｌ）ＳＨら、「乳房部分切除術中の、ラマン分光法を使用した生体内でのマージン評価（Ｉｎ ｖｉｖｏ Ｍａｒｇｉｎ Ａｓｓｅｓｓｍｅｎｔ ｄｕｒｉｎｇ Ｐａｒｔｉａｌ Ｍａｓｔｅｃｔｏｍｙ Ｂｒｅａｓｔ Ｓｕｒｇｅｒｙ Ｕｓｉｎｇ Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献１１）；
ｈ）ラジャヒャクシャ（Ｒａｊａｄｈｙａｋｓｈａ）Ｍら、「ヒト皮膚の生体内での共焦点レーザ走査顕微鏡法ＩＩ：器具の進化および組織構造比較（Ｉｎ Ｖｉｖｏ Ｃｏｎｆｏｃａｌ Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｍｉｃｒｏｓｃｏｐｙ ｏｆ Ｈｕｍａｎ Ｓｋｉｎ ＩＩ： Ａｄｖａｎｃｅｓ ｉｎ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ ａｎｄ Ｃｏｍｐａｒｉｓｏｎ Ｗｉｔｈ Ｈｉｓｔｏｌｏｇｙ）」（非特許文献１２）；
ｉ）リーバー（Ｌｉｅｂｅｒ）ＣＡら、「ラマン顕微分光法を使用する生体内での非黒色腫皮膚癌診断（Ｉｎ ｖｉｖｏ ｎｏｎｍｅｌａｎｏｍａ ｓｋｉｎ ｃａｎｃｅｒ ｄｉａｇｎｏｓｉｓ ｕｓｉｎｇ Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献１３）；
ｊ）トゥ（Ｔｕ）ＡＴ、「生物学でのラマン分光法：原理および応用（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ ｂｉｏｌｏｇｙ：ｐｒｉｎｃｉｐｌｅｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ）」（非特許文献１４）；
ｋ）ハンロン（Ｈａｎｌｏｎ）ＥＢら、「薬剤および生物学での生体内ラマン分光法物理学の見通し（Ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｉｎ ｖｉｖｏ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ Ｐｈｙｓｉｃｓ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ）」（非特許文献１５）；
ｌ）ロビショー（Ｒｏｂｉｃｈａｕｘ）−ヴィオエバー（Ｖｉｅｈｏｅｖｅｒ）Ａら、「子宮頚部異形成の発見のための生体内で測定されたラマンスペクトルの特徴付け（Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ Ｒａｍａｎ ｓｐｅｃｔｒａ ｍｅａｓｕｒｅｄ ｉｎ ｖｉｖｏ ｆｏｒ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｏｆ ｃｅｒｖｉｃａｌ ｄｙｓｐｌａｓｉａ）」（非特許文献１６）；
ｍ）グゼ（Ｇｕｚｅ）Ｋら、「口腔疾患用診断ツールとしてのラマン分光法の適用可能性を規定するパラメータ（Ｐａｒａｍｅｔｅｒｓ ｄｅｆｉｎｉｎｇ ｔｈｅ ｐｏｔｅｎｔｉａｌ ａｐｐｌｉｃａｂｉｌｉｔｙ ｏｆ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｓ ａ ｄｉａｇｎｏｓｔｉｃ ｔｏｏｌ ｆｏｒ ｏｒａｌ ｄｉｓｅａｓｅ）」（非特許文献１７）；
ｎ）ファング（Ｈｕａｎｇ）Ｚら、「内視鏡検査でのリアルタイムの生体内での組織のラマン測定のためのラマン分光法および三峰性の広視野画像法の統合（Ｉｎｔｅｇｒａｔｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ ｔｒｉｍｏｄａｌ ｗｉｄｅ−ｆｉｅｌｄ ｉｍａｇｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ ｒｅａｌ−ｔｉｍｅ ｉｎ ｖｉｖｏ ｔｉｓｓｕｅ Ｒａｍａｎ ｍｅａｓｕｒｅｍｅｎｔｓ ａｔ ｅｎｄｏｓｃｏｐｙ）」（非特許文献１８）；
ｏ）ファング（Ｈｕａｎｇ）Ｚら、「肺癌の光学診断のための近赤外ラマン分光法（Ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｆｏｒ ｏｐｔｉｃａｌ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ）」（非特許文献１９）；
ｐ）マギー（Ｍａｇｅｅ）ＮＤら、「ラマン小型プローブを使用する肺癌の生体外診断（Ｅｘ Ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ ｕｓｉｎｇ ａ Ｒａｍａｎ ｍｉｎｉｐｒｏｂｅ）」（非特許文献２０）；
ｑ）ショート（Ｓｈｏｒｔ）ＭＡら、「肺癌の生体内診断の可能性のための内視鏡検査ラマンプローブの開発および暫定的結果（Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｅｌｉｍｉｎａｒｙ ｒｅｓｕｌｔｓ ｏｆ ａｎ ｅｎｄｏｓｃｏｐｙ Ｒａｍａｎ ｐｒｏｂｅ ｆｏｒ ｐｏｔｅｎｔｉａｌ ｉｎ−ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒｓ）」（非特許文献７）；
ｒ）シム（Ｓｈｉｍ）ＭＧら、「生体内での医用ラマン分光法のための光ファイバプローブの研究（Ｓｔｕｄｙ ｏｆ ｆｉｂｅｒ ｏｐｔｉｃ ｐｒｏｂｅｓ ｆｏｒ ｉｎ ｖｉｖｏ ｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２１）；
ｓ）ヤマザキ（Ｙａｍａｚａｋｉ）Ｈら、「１０６４ｎｍ励起近赤外マルチチャネルラマン分光法を使用する肺癌の診断（Ｔｈｅ ｄｉａｇｎｏｓｅｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ ｕｓｉｎｇ １０６４ ｎｍ ｅｘｃｉｔｅｄ ｎｅａｒ−ｉｎｆｒａｒｅｄ ｍｕｌｔｉｃｈａｎｎｅｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２２）；
ｔ）ナゼミ（Ｎａｚｅｍｉ）ＪＨら、「高波数ラマンシフト光によって決定されたヒト冠状動脈における脂質濃度（Ｌｉｐｉｄ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｈｕｍａｎ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｄｅｔｅｒｍｉｎｅｄ ｗｉｔｈ ｈｉｇｈ ｗａｖｅｎｕｍｂｅｒ Ｒａｍａｎ ｓｈｉｆｔｅｄ ｌｉｇｈｔ）」（非特許文献２３）；
ｕ）コルジェノヴィック（Ｋｏｌｊｅｎｏｖｉ’ｃ）Ｓら、「ヒト気管支組織のラマン顕微分光法マッピング研究（Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｓｃｏｐｉｃ ｍａｐｐｉｎｇ ｓｔｕｄｉｅｓ ｏｆ ｈｕｍａｎ ｂｒｏｎｃｈｉａｌ ｔｉｓｓｕｅ）」（非特許文献２４）；
ｖ）モヴァサジ（Ｍｏｖａｓａｇｈｉ）Ｚら、「生物組織のラマン分光法（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｂｉｏｌｏｇｉｃａｌ ｔｉｓｓｕｅｓ）」（非特許文献２５）；および
ｗ）パーコット（Ｐｅｒｃｏｔ）、Ａ．ら、「ラマン分光法によるモデル角質層脂質混合物におけるドメインの直接観察（Ｄｉｒｅｃｔ ｏｂｓｅｒｖａｔｉｏｎ ｏｆ ｄｏｍａｉｎｓ ｉｎ ｍｏｄｅｌ ｓｔｒａｔｕｍ ｃｏｒｎｅｕｍ ｌｉｐｉｄ ｍｉｘｔｕｒｅｓ ｂｙ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２６）。
【０００７】
これら参照文献全てを、参照により本願明細書に援用する。
共焦点技術を使用して集められた光を分析するためにラマン分光法を適用する光学装置の使用は：
ｘ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「ヒト皮膚内の水分濃度プロファイルの生体内での迅速な測定のための自動深さ走査共焦点ラマン顕微分光計（Ａｕｔｏｍａｔｅｄ ｄｅｐｔｈ−ｓｃａｎｎｉｎｇ ｃｏｎｆｏｃａｌ Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｍｅｔｅｒ ｆｏｒ ｒａｐｉｄ ｉｎ ｖｉｖｏ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｗａｔｅｒ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｐｒｏｆｉｌｅｓ ｉｎ ｈｕｍａｎ ｓｋｉｎ）」（非特許文献２７）；
ｙ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「皮膚の生体内での共焦点ラマン顕微分光法：分子の濃度プロファイル非侵襲的測定（Ｉｎ ｖｉｖｏ ｃｏｎｆｏｃａｌ Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｔｈｅ ｓｋｉｎ：ｎｏｎｉｎｖａｓｉｖｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｍｏｌｅｃｕｌａｒ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｐｒｏｆｉｌｅｓ）」（非特許文献２８）；
ｚ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「共焦点ラマン分光法によるヒト角質層生体内での浸透促進剤ジメチル・スルホキシドの観察（Ｍｏｎｉｔｏｒｉｎｇ ｔｈｅ ｐｅｎｅｔｒａｔｉｏｎ ｅｎｈａｎｃｅｒ ｄｉｍｅｔｈｙｌ ｓｕｌｆｏｘｉｄｅ ｉｎ ｈｕｍａｎ ｓｔｒａｔｕｍ ｃｏｒｎｅｕｍ ｉｎ ｖｉｖｏ ｂｙ ｃｏｎｆｏｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２９）に説明されている。
【０００８】
これら参照文献全てを、参照により本願明細書に援用する。
疑わしい病巣および他の組織を特徴付けるための、感度の高い、特定の非侵襲的道具は、採取した組織の生検への使用および組織病理検査に対する、価値のある代替物を提供する。
【先行技術文献】
【非特許文献】
【０００９】
【非特許文献１】ラム（Ｌａｍ）Ｓ、ケネディ（Ｋｅｎｎｅｄｙ）Ｔ、アンガー（Ｕｎｇｅｒ）Ｍら、Ｃｈｅｓｔ １９９８年；１１３：６９６−７０２
【非特許文献２】ゼルウェガー（Ｚｅｌｌｗｅｇｅｒ）Ｍ、グロジャン（Ｇｒｏｓｊｅａｎ）Ｐ、グージョン（Ｇｏｕｊｏｎ）Ｄ、モニエ（Ｍｏｎｎｉｅｒ）Ｐ、バン・デン・バーグ（ｖａｎ ｄｅｎ Ｂｅｒｇｈ）Ｈ、ワグニール（Ｗａｇｎｉｅｒｅｓ）Ｇ．、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００１年；６：４１−５１
【非特許文献３】ハーシュ（Ｈｉｒｓｃｈ）ＦＲ、バン（Ｂｕｎｎ）Ｊｒ ＰＡ、カトウ（Ｋａｔｏ）Ｈ、マルシャイン（Ｍｕｌｓｈｉｎｅ）ＪＬ編、英国ロンドン；およびニューヨーク：テイラーアンドフランシス（Ｔａｙｌｏｒ ＆ Ｆｒａｎｃｉｓ）；２００６年：１４９−１５８
【非特許文献４】エデル（Ｅｄｅｌｌ）Ｅら、Ｊｏｕｒｎａｌ ｏｆ Ｔｈｏｒａｃ Ｏｎｃｏｌｏｇｙ、２００９年；１月；４（１）：４９−５４
【非特許文献５】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｂｉｏｐｈｙｓ Ｊ ２００３年；８５：５７２−５８０
【非特許文献６】ファング（Ｈｕａｎｇ）Ｚら、Ｏｐｔ Ｌｅｔｔ ２００１年；２６：１７８２−１７８４
【非特許文献７】ショート（Ｓｈｏｒｔ）ＭＡら、Ｏｐｔ Ｌｅｔｔｔ ２００８年；３３（７）：７１１−７１３
【非特許文献８】ファング（Ｈｕａｎｇ）Ｚら、Ｊ ｏｆ Ｂｉｏｍｅｄ Ｏｐｔ ２００４年；９：１１９８−１２０５
【非特許文献９】ファング（Ｈｕａｎｇ）Ｚら、Ｐｈｏｔｏｃｈｅｍ Ｐｈｏｔｏｂｉｏｌ ２００５年；８１：１２１９−１２２６
【非特許文献１０】モルコフスキー（Ｍｏｌｃｋｏｖｓｋｙ）Ａら、Ｇａｓｔｒｏｉｎｔｅｓｔ Ｅｎｄｏｓｃ ２００３年；５７：３９６−４０２
【非特許文献１１】アビゲイル（Ａｂｉｇａｉｌ）ＳＨら、Ｃａｎｃｅｒ Ｒｅｓ ２００６年；６６：３３１７−３３２２
【非特許文献１２】ラジャヒャクシャ（Ｒａｊａｄｈｙａｋｓｈａ）Ｍら、Ｊ Ｉｎｖｅｓｔ Ｄｅｒｍａｔｏｌ １９９９年；１１３：２９３−３０３
【非特許文献１３】リーバー（Ｌｉｅｂｅｒ）ＣＡら、Ｌａｓｅｒ Ｓｕｒｇ Ｍｅｄ ２００８年；４０（７）：４６１−４６７
【非特許文献１４】トゥ（Ｔｕ）ＡＴ、ニューヨーク州ニューヨーク：ワイリー（Ｗｉｌｅｙ）；１９８２年
【非特許文献１５】ハンロン（Ｈａｎｌｏｎ）ＥＢら、Ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｉｎ ｖｉｖｏ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ Ｐｈｙｓｉｃｓ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ、２０００年；４５：Ｒ１−Ｒ５９
【非特許文献１６】ロビショー（Ｒｏｂｉｃｈａｕｘ）−ヴィオエバー（Ｖｉｅｈｏｅｖｅｒ）Ａら、Ａｐｐｌ．Ｓｐｅｃｔｒｏｓｃ．２００７年；６１、９８６−９９７頁
【非特許文献１７】グゼ（Ｇｕｚｅ）Ｋら、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００９年；１４：０１４０１６１−９
【非特許文献１８】ファング（Ｈｕａｎｇ）Ｚら、Ｏｐｔ．Ｌｅｔｔ．２００９年；３４：７５８−７６０
【非特許文献１９】ファング（Ｈｕａｎｇ）Ｚら、Ｉｎｔ．Ｊ．Ｃａｎｅｒ ２００３年；１０７：１０４７−１０５２
【非特許文献２０】マギー（Ｍａｇｅｅ）ＮＤら、Ｊｏｕｒｎａｌ ｏｆ Ｐｈｙｓｉｃａｌ Ｃｈｅｍｉｓｔｒｙ Ｂ ２００９年；１１３：８１３７−８１４１
【非特許文献２１】シム（Ｓｈｉｍ）ＭＧら、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ １９９９年；５３：６１９−６２７
【非特許文献２２】ヤマザキ（Ｙａｍａｚａｋｉ）Ｈら、Ｒａｄｉａｔｉｏｎ Ｍｅｄｉｃｉｎｅ ２００３年；２１：１−６
【非特許文献２３】ナゼミ（Ｎａｚｅｍｉ）ＪＨら、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００７年；１４（３）：０３４００９１−６
【非特許文献２４】コルジェノヴィック（Ｋｏｌｊｅｎｏｖｉ’ｃ）Ｓら、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００４年；９：１１８７−１１９７
【非特許文献２５】モヴァサジ（Ｍｏｖａｓａｇｈｉ）Ｚら、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ Ｒｅｖｉｅｗｓ ２００７年；４２：４９３−５４１
【非特許文献２６】パーコット（Ｐｅｒｃｏｔ）、Ａ．ら、Ｂｉｏｐｈｙｓｉｃａｌ Ｊｏｕｒｎａｌ ２００１年；８１：２１４４−２１５３
【非特許文献２７】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｊ Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃ ２０００年；３１：８１３−８１８
【非特許文献２８】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｊ Ｉｎｖｅｓｔ Ｄｅｒｍａｔｏｌ ２００１年；１１６：４３４−４４２
【非特許文献２９】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｐｈａｒｍ Ｒｅｓ ２００２年；１９：１５７７−１５８０
【発明の概要】
【発明が解決しようとする課題】
【００１０】
本発明は、上記した懸案を鑑みてなされたものである。
【課題を解決するための手段】
【００１１】
本発明はいくつもの態様を有する。これらの態様は：生体内での肺組織の病変を評価するのに有用な装置；生体内での肺組織の病変を評価するのに有用な方法；組織のラマン分光法データを処理し、およびスペクトルが癌性または前癌性組織に対応する可能性の基準値を生成する装置；組織のラマン分光法データを処理し、およびスペクトルが癌性または前癌性組織に対応する可能性の基準値を生成する方法；データ処理装置によって実行されると、データ処理装置に、組織のラマン分光法データを処理し、およびスペクトルが癌性または前癌性組織に対応する可能性の基準値を生成する方法を実行させるコンピュータ可読命令を含む持続性媒体を含む。
【００１２】
本発明の一態様は、ラマンスペクトルの検出および測定による、疾患または生理学的状態の診断のための肺組織の非侵襲性分析に有用な方法および装置を提供する。
本発明のいくつかの実施形態は、ポイントラマンスペクトルを取得して分析し、組織、例えば、肺または気管支樹内の候補位置にある組織を評価するための客観的な尺度となる基準値を提供する方法および装置を提供する。いくつかの実施形態は、病巣が新生物発生前であるか、悪性であるかまたはそれらのいずれでもないかの迅速かつ客観的な尺度となる基準値を提供する。
【００１３】
一部の実施形態では、方法および装置は、正常、炎症、過形成、軽度異形成の分類からなる群と、中等度異形成、高度異形成、上皮内癌（ＣＩＳ）および腫瘍の分類からなる群とを区別するように適合されている。最初の４つの分類は良性とみなされ、最後の４つの分類は悪性とみなされる。
【００１４】
本発明の一態様は、組織を特徴付けるための装置であって、ラマンスペクトルを生成するように構成されたラマン分光計と、ラマンスペクトルの少なくとも１つの特性を測定するように構成されたラマンスペクトル分析装置と、測定された特性に応答して駆動されるフィードバックデバイスとを含む装置を提供する。１つ以上のスペクトルを含む少なくとも１つの特性は、１５００±１０ｃｍ−１〜３４００±１０ｃｍ−１の相対的な波数範囲内にあることを特徴とする。
【００１５】
一部の実施形態では、装置は、ラマンスペクトルを処理して、平滑化された二次微分（ｄｅｒｉｖａｔｉｖｅ）スペクトルをもたらすようにさらに構成される。これは、例えば、サヴィツキイ（Ｓａｖｉｔｚｋｙ）−ゴーレイ（Ｇｏｌａｙ）の６点二次多項式を適用することによって達成されうる。組織は、平滑化された二次微分スペクトルの特徴に基づいて特徴付けてもよい。
【００１６】
一部の実施形態では、装置は：組織の特性の事後確率が第１の閾値を下回る場合、組織を第１の分類に特徴付けること；組織の特性の事後確率が第２の閾値を上回る場合、組織を第２の分類に特徴付けること；および組織の特性の事後確率が第１の閾値と第２の閾値との間にある場合、組織を第３の分類に特徴付けることによって、組織を特徴付けるように構成されている。一部の実施形態では、第１の閾値は０．３±１０％のカットオフを表し、第２の閾値は０．７±１０％のカットオフを表す。例えば、第１の閾値を０．３のカットオフとし、および第２の閾値を０．７のカットオフとしてもよい。
【００１７】
本発明の別の態様は、肺組織の少なくとも１つのラマンスペクトルを受光すること、ラマンスペクトルの少なくとも１つの特性を測定すること、測定された特性に応答して組織を特徴付けること、および組織の特徴付けの表示を生成することを含む、組織の特徴付け方法を提供する。組織の特徴付けは、少なくともある程度は、相対的な波数範囲１５００±１０ｃｍ−１〜３４００±１０ｃｍ−１にあるラマンスペクトルの１つ以上の特徴に基づく。
【００１８】
一部の実施形態では、平滑化された二次微分スペクトルを計算する。これは、例えば、サヴィツキイ−ゴーレイの６点二次多項式を各ラマンスペクトルに適用することによって、なされ得る。
【００１９】
一部の実施形態では、組織の特徴付けは：組織の特性の事後確率が第１の閾値を下回る場合に、組織を第１の分類に特徴付けること；組織の特性の事後確率が第２の閾値を上回る場合に、組織を第２の分類に特徴付けること；および組織の特性の事後確率が第１の閾値と第２の閾値との間にある場合に、組織を第３の分類に特徴付けることを含む。一部の実施形態では、第１の閾値は０．３±１０％のカットオフを表し、第２の閾値は０．７±１０％のカットオフを表す。例えば、第１の閾値を０．３のカットオフとし、第２の閾値を０．７のカットオフとしてもよい。
【００２０】
本発明の別の態様は、少なくとも１つのデータ処理装置によって実行される命令を記憶する、持続性の有形のコンピュータ可読媒体であって、それらの命令は、データ処理装置によって実行されると、データ処理装置に、肺組織の少なくとも１つのラマンスペクトルを処理するステップ、ラマンスペクトルに応答して肺組織を特徴付けるステップ、および肺組織の特徴付けの表示を生成するステップを含む、組織を特徴付ける方法を実行させる、持続性の有形のコンピュータ可読媒体を提供する。組織の特徴付けは、少なくともある程度は、相対的な波数範囲１５００±１０ｃｍ−１〜３４００±１０ｃｍ−１にあるラマンスペクトルの１つ以上の特徴に基づく。
【図面の簡単な説明】
【００２１】
【図１】本発明の例示的な実施形態による診断装置のブロック図である。
【図２】本発明の別の例示的な実施形態による装置のブロック図である。
【図２Ａ】プロトタイプの診断装置の写真である。
【図３Ａ】生のラマンスペクトルのグラフである。
【図３Ｂ】蛍光バックグラウンドに多項式曲線がフィットしている図３Ａのラマンスペクトルのグラフである。
【図３Ｃ】蛍光バックグラウンドが減じられた図３Ａのラマンスペクトルのグラフである。
【図４Ａ】白色光下の病巣の写真である。
【図４Ｂ】同じ病巣の青色光励起蛍光の写真である。
【図４Ｃ】疑わしい病巣の青色光およびラマン分光計励起蛍光の写真である。
【図５Ａ】データセットからの例示的な平均ラマンスペクトルのグラフである。
【図５Ｂ】データセットからの別の例示的な平均ラマンスペクトルのグラフである。
【図５Ｃ】データセットからの別の例示的な平均ラマンスペクトルのグラフである。
【図５Ｄ】病巣の様々な分類のための例示的なラマンスペクトルのグラフである。
【図６】予測されたおよび公知の病変の例示的な事後確率プロットのグラフである。
【図７】例示的なラマンスペクトルの例示的な受光器の動作特性のグラフである。
【図８】様々な基準材料の例示的なラマンスペクトルを示すグラフである。
【発明を実施するための形態】
【００２２】
本発明の追加的な態様および本発明の例示的な実施形態の特徴を、下記で説明するおよび／または添付の図面に示す。
添付の図面は、本発明の非限定的な実施形態を示す。
【００２３】
以下の説明を通して、本発明のより完全な理解を促すために、具体的な詳細について説明する。しかしながら、本発明は、これらの詳細な事項を用いずに実施してもよい。他の例では、本発明を不必要に曖昧にしないために、周知の要素を詳細に示したり説明したりしない。従って、本明細書および図面は、限定ではなく、例示であるとみなされる。
【００２４】
図１は、本発明の例示的な実施形態による装置２０のブロック図である。装置２０は、少量の組織Ｔのラマンスペクトル２４を決定するように構成されたラマン分光計２２を含む。組織Ｔは肺組織とし得る。
【００２５】
肺組織の生体内ラマンスペクトルを得ることは、一般的に肺組織から分光計へ光を伝達するためには光ファイバまたは他の可撓性プローブを必要とするために、集光効率が低下し得るという問題が生じ、これによって、困難となることがある。別の問題は、肺は頻繁に制御されずに動くものであるため、組織の特定の領域に対して数秒の時間を超えて焦点を維持することが困難となることである。これらの問題点は、シム（Ｓｈｉｍ）ＭＧら、「生体内での医用ラマン分光法のための光ファイバプローブの研究（Ｓｔｕｄｙ ｏｆ ｆｉｂｅｒ ｏｐｔｉｃ ｐｒｏｂｅｓ ｆｏｒ ｉｎ ｖｉｖｏ ｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２２）において説明されているように、ファイバ放射を低減させるための構成要素を使用することによって、およびファング（Ｈｕａｎｇ）Ｚら「リアルタイム生体内皮膚測定のための迅速な近赤外ラマン分光システム（Ｒａｐｉｄ ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｓｙｓｔｅｍ ｆｏｒ ｒｅａｌ−ｔｉｍｅ ｉｎ ｖｉｖｏ ｓｋｉｎ ｍｅａｓｕｒｅｍｅｎｔｓ）」（非特許文献６）において説明されているように、高い信号対雑音比を促進するステップを取ることによって、対処できる。ショート（Ｓｈｏｒｔ）ＭＡら、「肺癌の生体内診断の可能性のための内視鏡検査ラマンプローブの開発および暫定的結果（Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｅｌｉｍｉｎａｒｙ ｒｅｓｕｌｔｓ ｏｆ ａｎ ｅｎｄｏｓｃｏｐｙ Ｒａｍａｎ ｐｒｏｂｅ ｆｏｒ ｐｏｔｅｎｔｉａｌ ｉｎ−ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒｓ）」（非特許文献７）には、肺組織からラマンスペクトルを取得するのに好適なプロトタイプのラマン分光システムが説明されている。
【００２６】
スペクトル分析構成要素２６がラマンスペクトル２４を受光してラマンスペクトルを処理し、ラマンスペクトル２４が得られた組織の病変を表す尺度である基準値２８を得る。基準値２８はフィードバックデバイス２９を制御する。フィードバックデバイス２９は、例えば、ランプ、グラフ表示、音、ディスプレイまたは基準値２８に応答して、人が認知できる信号を提供する他のデバイスを含み得る。
【００２７】
基準値２８は、少なくともある程度は、１５００ｃｍ−１〜３４００ｃｍ−１の波数範囲に見られるラマンスペクトルの特徴に基づいている。
図２は、本発明の別の例示的な実施形態による装置３０のブロック図である。図２では、ラマン分光計２２は、光源３２を含むように示されている。光源３２は単色光源であり、例えば、レーザを含んでもよい。光源３２は、例えば、赤外レーザを含んでもよい。例示的な実施形態では、レーザは、７８５ｎｍの波長の光を発生させる。
【００２８】
組織に大量の放射線を照射しないことが望ましい。これは、光源３２の適切な選択、光源の制御、および／または光源から下流において減衰させることによって達成し得る。
光源３２からの光は、フィルタ３４によってフィルタリングされて、光ファイバ３６に結合される。光は、ビームスプリッタ３８を通過してカテーテル４０に至る。カテーテル４０は、例えば、気管支鏡の器具のチャネルから下方に延在する。例示的な実施形態では、カテーテル４０の直径は１．８ｍｍであるため、気管支鏡の２．２ｍｍ直径の器具口径を通ることができる。カテーテル４０の遠位端部から出射する光は、カテーテル４０のその端部に隣接する組織を照明し、そこで、光の一部がラマン散乱される。ラマン散乱光はカテーテル４０に入射し、ビームスプリッタ３８およびフィルタ４２によって分光写真器４４まで伝達される。
【００２９】
分光写真器４４および検出器４６が連携して、分光写真器４４に入射する光のラマンスペクトルを生成する。ラマンスペクトルを特徴付ける情報が分析システム４８に伝えられる。好ましくは、ラマンスペクトルは、短いデータ収集時間以内、例えば１秒以内に取得される。
【００３０】
スペクトル分析システム４８は、プログラムされたデータ処理装置、例えばパーソナルコンピュータ、組込型コンピュータ、マイクロプロセッサ、グラフフィック処理装置、デジタル信号処理装置などを含んで、ソフトウェア命令および／またはファームウェア命令を実行してもよく、これにより、処理装置は、ラマンスペクトルから特有のスペクトル特性を抽出する。代替的な実施形態では、スペクトル分析システム４８は、電子回路、論理パイプライン（ｌｏｇｉｃ ｐｉｐｅｌｉｎｅ）、または特有のスペクトル特性を抽出するように構成された他のハードウェア、もしくはハードウェアと組み合わせた、特有のスペクトル特性の抽出において１つ以上のステップを実行する、プログラムされたデータ処理装置を含む。
【００３１】
スペクトル分析システム４８がリアルタイムでまたはほぼリアルタイムで動作して、ラマンスペクトルの取得と実質的に同時にまたは少なくとも数秒以内にラマンスペクトルの分析を完了するようにすることは、強制ではないが、好都合である。
【００３２】
図２では、４７は、分光計を校正するのに使用される５０μｍの直径のファイバを示す。
スペクトル分析システム４８は表示装置４９に接続され、表示装置４９を、スペクトル分析システム４８によりラマンスペクトルから抽出された特有のスペクトル特性から得られる基準値に従って制御するようにする。
【００３３】
測定されたラマンスペクトルは、一般に蛍光バックグラウンドに重ね合わされていて、蛍光バックグラウンドは基準値毎に変動している。スペクトル分析システム４８が、受光したラマンスペクトルを処理して蛍光バックグラウンドを除去し、かつまたスペクトルを正規化することが好都合である。蛍光バックグラウンドの除去は、例えばチャオ（Ｚｈａｏ）Ｊら、「生物医学用ラマン分光法のための自動蛍光バックグラウンド減算アルゴリズム（Ａｕｔｏｍａｔｅｄ Ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ Ｂａｃｋｇｒｏｕｎｄ Ｓｕｂｔｒａｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｂｉｏｍｅｄｉｃａｌ Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃｏｐｙ）」、Ａｐｐｌ．Ｓｐｅｃｔｒｏｓｃ．２００７年；６１：１２２５−１２３２（これにより、本願明細書に援用する）で説明されているように、バンクーバーラマンアルゴリズム（Ｖａｎｃｏｕｖｅｒ Ｒａｍａｎ Ａｌｇｏｒｉｔｈｍ）を使用して達成し得る。バンクーバーラマンアルゴリズムは、雑音を考慮した、反復（ｉｔｅｒａｔｉｖｅ）修正（ｍｏｄｉｆｉｅｄ）多項式曲線フィッティング蛍光除去方法である。図３Ａ、図３Ｂおよび図３Ｃはそれぞれ、生のラマンスペクトル、蛍光バックグラウンドにフィットする多項式曲線を備える図３Ａのラマンスペクトル、および多項式曲線によってモデル化された蛍光バックグラウンドが減算された図３Ａのラマンスペクトルを示す。
【００３４】
正規化は、例えば、各スペクトルの曲線下面積（ＡＵＣ）に実行され得る。例えば、各スペクトルに、ＡＵＣを標準値と等しくするように選択された値を掛けてもよい。スペクトル表示の便宜のために、正規化された強度を、各スペクトルのデータ点数で割ってもよい。
【００３５】
分光写真器４４およびスペクトル分析システム４８は、１５００ｃｍ−１〜３４００ｃｍ−１の範囲の少なくとも一部を含むラマンスペクトルを取得して分析するように構成されている。本発明者らは、この範囲は、０〜２０００ｃｍ−１の範囲に見られる肺組織の非常に強い自己蛍光を回避し、かつ依然として組織の特徴付けに有用な重要な生体分子情報を含むので、好都合であると判断した。
【００３６】
スペクトル分析システム４８は、組織を、それらの１５００ｃｍ−１〜３４００ｃｍ−１の範囲のラマンスペクトルに従って分類するように、多変量データ分析を適用し得る。例えば、特定のスペクトルは、主成分分析（ＰＣＡ：ｐｒｉｎｃｉｐｌｅ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ）を行うことによって分析してもよい。ＰＣＡは、取得したラマンスペクトルの範囲の一部または全てについて行ってもよい。
【００３７】
ＰＣＡは、一組のトレーニングスペクトル内の分散の所定部分を表す一組の主成分を生成することを含む。例えば、各スペクトルは、一組のいくつかのＰＣＡ変数の線形結合として表してもよい。ＰＣＡ変数は、これらが一組のトレーニングスペクトルの全分散の少なくとも閾値の量（例えば少なくとも７０％）を占めるように、選択してもよい。
【００３８】
主成分（ＰＣ：Ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ）は、ＰＣを生成する標準化スペクトルデータ行列にＰＣＡを行うことによって得てもよい。ＰＣは、一般的に、元のスペクトルにおける全分散のほとんどを占める、直交変数の数の減少をもたらす。
【００３９】
ＰＣは、ＰＣスコアと呼ばれる変数を計算することによって新しいラマンスペクトルを評価するために使用してもよい。ＰＣスコアは、分析中のラマンスペクトルの特定の１つまたは複数のＰＣの重みを表す。
【００４０】
次いで、線形判別分析（ＬＤＡ）を使用して、組織が正常であるかどうかを示すＰＣスコアの関数（判別関数）を導き出すことができる。
その後、判別関数を適用して、未知の組織のラマンスペクトルに関するＰＣスコアに対応する点が判別関数のラインに対し、どこにあるかに基づいて、未知の組織を分類してもよい。
【００４１】
スペクトル分析システム４８は、１５００ｃｍ−１〜３４００ｃｍ−１の範囲のラマンスペクトルに線形判別分析および／または主成分分析を行って、健康な肺組織と健康でない肺組織とを区別するように構成されてもよい。この例を下記に提供する。
【００４２】
図２Ａは、プロトタイプの実施形態による装置を示す写真である。装置はカートに据え付けられているため、患者の近くまで持っていくことができる。
装置２０または３０の一適用例は、異なるモダリティ、例えば、ＷＬＢおよびＡＦＢを使用して対象であると確認された病巣を特徴付けることである。対象病巣を確認するために使用されたのと同じ器具（例えば気管支鏡）によって、カテーテル４０を導くことが好都合である。これにより、病巣を観察した直後に、病巣を特徴付けるためにラマン分光法を使用することを促す。医師は気管支鏡を使用して、１つ以上の適切な画像モード下で肺組織を見ることにより、対象病巣を確認できる。対象病巣の位置が決定されたら、医師は、気管支鏡を動かすことなく、対象病巣のラマンスペクトルの取得および分析をトリガする。これは、例えば、ボタンを押すことによって、またはラマンスペクトルを取得するように装置に命令を出す別のユーザインターフェースモダリティを使用することによって、行ってもよい。一部の実施形態では、医師は、ラマンスペクトルの自動分析の結果を直ぐに受け取る。自動分析の結果に基づいて、医師は、対象病巣の生検を行うかどうかなどのさらなる措置を決定できる。
【００４３】
図４Ａは、白色光の下で撮像された病巣を示す写真であり、および図４Ｂは、青色光励起蛍光画像として示された、図４Ａに示すのと同じ位置の写真である。図４Ｂは、キシリックステクノロジー社（Ｖａｎｃｏｕｖｅｒ、ＣａｎａｄａのＸｉｌｌｉｘ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏｒｐ．）からのＯｎｃｏ−ＬＩＦＥ（商標）蛍光内視鏡システムを使用して得られた写真である。図４Ｂでは、緑色が正常組織を表し、および濃い赤色（例えば領域６０における）が、患部組織を表す。
【００４４】
図４Ｃは、蛍光画像を生成する青色光と、ラマン分光計のカテーテル４０からの７８５ｎｍの光とで同時に励起されている、病巣が疑われる別の個所を示す写真であり、全体的に領域６２で示される領域は赤色であり、残りの領域はおよび主に緑色である。
【００４５】
本発明を、以下の具体的な実施例を参照してさらに説明する。実施例は、本発明を限定することを意味せず、本発明をさらに説明するものである。
【実施例１】
【００４６】
図２に示すタイプの近赤外ラマン装置を使用して、肺組織におけるリアルタイムの生体内の肺病巣スペクトルを収集した。肺組織は、気管支鏡検査を受けた４６名の群から選択した２６名からのものであった。気管支鏡検査者が病巣を確認し、ＷＬＢとＡＦＢとの組み合わせを使用して生検を行った。４６名の参加者のうち、気管支鏡検査者が生検を行うと選択した２６名に病巣が見られた。ラマンスペクトルは、これらの病巣から、本明細書で説明する装置を使用して得られた。１２９のラマンスペクトルを測定した。１秒の照射で、生体内ラマンスペクトルが明瞭に得られた。
【００４７】
生検は同じ個所に行われ、病理学者によって分類された。世界保健機関の基準に従って、８つの分類が使用された（例えば、世界保健機関病理学パネル：世界保健機関インターナショナル 腫瘍の組織学分類（Ｗｏｒｌｄ Ｈｅａｌｔｈ Ｏｒｇａｎｉｚａｔｉｏｎ Ｐａｔｈｏｌｏｇｙ Ｐａｎｅｌ：Ｗｏｒｌｄ Ｈｅａｌｔｈ Ｏｒｇａｎｉｚａｔｉｏｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｈｉｓｔｏｌｏｇｉｃａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｔｕｍｏｒｓ）、第３版、ベルリン（Ｂｅｒｌｉｎ）：シュプリンガー・フェアラーク（Ｓｐｒｉｎｇｅｒ Ｖｅｒｌａｇ）；１９９９年、５頁における、トラビス（Ｔｒａｖｉｓ）ＷＤら、「肺および胸膜の腫瘍の組織学分類のための組織学的かつグラフィックなテキストスライド（Ｈｉｓｔｏｌｏｇｉｃ ａｎｄ ｇｒａｐｈｉｃａｌ ｔｅｘｔ ｓｌｉｄｅｓ ｆｏｒ ｔｈｅ ｈｉｓｔｏｌｏｇｉｃａｌ ｔｙｐｉｎｇ ｏｆ ｌｕｎｇ ａｎｄ ｐｌｅｕｒａｌ ｔｕｍｏｒｓ）」を参照）。これらの８分類は：正常上皮；過形成（杯細胞の過形成、および基底／予備細胞の過形成を含む）；化生（未熟扁平上皮化生（ｉｍｍａｔｕｒｅ ｓｑｕａｍｏｕｓ ｍｅｔａｐｌａｓｉａ）および扁平上皮化生を含む）；軽度異形成；中等度異形成；高度異形成：ＣＩＳ：および浸潤性の扁平上皮癌（ＩＣ）であった。炎症性変化の有無も記録した。以下の考察では、≧ＭＯＤは、病変が中等度異形成またはそれよりも悪い病巣を意味し、≦ＭＩＬＤは、病変が軽度異形成またはそれよりも良い病巣を意味する。
【００４８】
得られた１２９のラマンスペクトルのうち、５１は、病変が≧ＭＯＤの部位からのものであり、残りは、病変が軽度異形成またはそれよりも良い（≦ＭＩＬＤ）部位からのもであった。
【００４９】
波長に応じてシステムの感度を校正する前に、各スペクトルの生データから周囲のバックグラウンド信号が差し引かれた。前処理済スペクトルは、それぞれ、３つの異なる方法で処理された。
【００５０】
各前処理済スペクトルで３点平滑化操作（ｓｍｏｏｔｈｉｎｇ ｏｐｅｒａｔｉｏｎ）を行い、かつ、各曲線下領域を合計して、平滑化されたスペクトルにおける各変数をこの和で除することにより強度変化を正規化することによって、第１のデータセット（データセットＡ）が得られた。図５Ａは、病変が≦ＭＩＬＤ（曲線５１Ａ）および≧ＭＯＤ（曲線５１Ｂ）の部位からのデータセットＡからのデータの平均スペクトルを示す。曲線５１Ａおよび５１Ｂは、明確にするために、強度スケールがシフトされている。曲線５１Ｃは、平均≧ＭＯＤスペクトルから平均≦ＭＩＬＤスペクトルを減じた結果を示す（同じ強度スケールではない）。水平の点線は、ゼロ強度にある。
【００５１】
図５Ａの検査は、１６００、２１５０、および２９００ｃｍ−１辺りのラマンピークが比較的小さいデータセットＡのスペクトルに自己蛍光が多大な貢献をしていることを示している。２１５０ｃｍ−１を中心とした低強度の幅広いピーク、および３１００ｃｍ−１超に上昇する強い放出は、水分子振動によるものである。
【００５２】
３点平滑化操作を行ってから、チャオ（Ｚｈａｏ）Ｊら、「生物医学用ラマン分光法のための自動蛍光バックグラウンド減算アルゴリズム（Ａｕｔｏｍａｔｅｄ ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｂｉｏｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ ２００７年；６１：１２２５−１２３２で説明されているように、修正多項式フィッティングルーチン（ｐｏｌｙｎｏｍｉａｌ ｆｉｔｔｉｎｇ ｒｏｕｔｉｎｅ）により自己蛍光を減じることによって、第２のデータセット（データセットＢ）が得られた。その結果得られたスペクトルに対して、第１のデータセットについて説明したように、正規化を行った。
【００５３】
図５Ｂは、≦ＭＩＬＤ病巣（曲線５２Ａ）および≧ＭＯＤ病巣（曲線５２Ｂ）のデータセットＢからの平均ラマンスペクトルを示す。曲線５２Ｃは、平均≧ＭＯＤスペクトルから平均≦ＭＩＬＤスペクトルを減じた結果を示す（同じ強度スケールではない）。曲線５２Ａおよび５２Ｂは、１３の波数位置（図面に垂直の点線で示す）でのｔ検定統計（ｐ．０．０５）によって決定された有意差を示す。これらの波数位置は、スペクトルのピークまたは肩のいずれかに対応する。２つの範囲（ＡおよびＢ）は、これらの範囲外で明瞭なラマンピークが観察されなかったとして示す。各平均スペクトルに対する近似的なフィットは、測定された基準値全ての加重最小二乗和によって得られた。これらのフィットは黒い実線で示し、≧ＭＯＤ病巣に対するＤＮＡ、ヘモグロビン、フェニルアラニン、およびトリオレインの相対的増加、および対応するコラーゲンの低下を示す。
【００５４】
図５Ｄは、様々な分類の病巣に関してデータセットＢとして処理された生体内ラマンスペクトルを示す。２つの波数範囲（ＡおよびＢ）を示してあり、これは、これらの範囲外で明瞭なラマンピークが観察されなかったからである。範囲Ａのスペクトルは範囲Ｂのスペクトルよりも、平均で、強さが５分の１だった。
【００５５】
１６６３ｃｍ−１付近の幅広いピークは、おそらく、ν（Ｃ＝Ｏ）アミドＩの振動とν２水分子のベンディング運動との組み合わせに対応する。約２９００ｃｍ−１の幅広いピークは、脂質（Ｃ−Ｈ）のピーク（２８３３＋２８８６ｃｍ−１）と２９３８ｃｍ−１での一般的な蛋白質の振動との組み合わせによるものとされる。
【００５６】
図５Ｄでは、他の小さなピークまたは肩は：１５８９、１６４６、１６９８、１７２７、２７２０、２８０１、２８６３、２８７７および２９２１ｃｍ−１にあり、それらは、様々なアミノ酸、脂質、および蛋白質のピークに対応するようである。１７５０〜２７００ｃｍ−１の間では（図５Ｄには示さない範囲）、２１５０ｃｍ−１での幅広い放出とは別に、非常に低強度のいくつもの狭いピークがあり、これらの狭いピークは、肺の異なる部位によって変化しているようには見えなかった。このスペクトル領域は、主に、観察された非常に低い強度ピークの一部とほぼ一致した炭素モードおよび窒素モードに依るいくらかの弱いラマン放出が報告されているが、有意義なラマンピークに関しては全く注目されていない。
【００５７】
第３のデータセット（データセットＣ）は、平滑化した二次微分スペクトルを計算するために、各前処理済スペクトルにサヴィツキイ−ゴーレイの６点二次多項式を適用することによって準備した。この技術は、例えば、サヴィツキイ（Ｓａｖｉｔｚｋｙ）Ａら、「簡易化された最小二乗法によるデータの平滑化および差別化（Ｓｍｏｏｔｈｉｎｇ ａｎｄ ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ ｏｆ ｄａｔａ ｂｙ ｓｉｍｐｌｉｆｉｅｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｐｒｏｃｅｄｕｒｅ）」、Ａｎａｌｙｔｉｃａｌ Ｃｈｅｍｉｓｔｒｙ １９６４年；３６：６２７−１６３９に説明されている。スペクトルの微分値の二乗（ｓｑｕａｒｅｄ ｄｅｒｉｖａｔｉｖｅ ｖａｌｕｅ）を加算してから、各変数をこの和によって除することが、正規化に使用された。
【００５８】
異なる病変群間の有意差（ｐ．０．０５）が明白である範囲にわたるデータセットＣの二次微分スペクトルを図５Ｃに示す。曲線５３Ａは、病変≦ＭＩＬＤの部位からの平均処理データである。曲線５３Ｂは、病変≧ＭＯＤの部位からの平均処理データである。曲線５３Ａおよび５３Ｂは、明確にするために、強度スケールでシフトさせた。曲線５３Ｃは、平均≧ＭＯＤスペクトルから平均≦ＭＩＬＤスペクトルを減じた結果を示す（同じ強度スケールではない）。水平の点線は、ゼロ強度にある。２つの波数範囲（（ａ）１５５０〜１８００ｃｍ−１および（ｂ）２７００〜３１００ｃｍ−１）を示す。これらの範囲にのみラマンピークが明白に観察された。
【００５９】
データセットＡ、Ｂ、およびＣは、統計ソフトウェア（Ｔｕｌｓａ、ＯＫ ＵＳＡのスタットソフト社（ＳｔａｔＳｏｆｔ Ｉｎｃ．）からのスタティスティカ（Ｓｔａｔｉｓｔｉｃａ）（商標）６．０）を使用して、別々に分析された。各データセットにおける全てのスペクトルに対して主成分（ＰＣ）が計算され、変数の数を削減した。分散の０．１％以上を考慮するスチューデントｔ検定をＰＣに使用して、２つの病変群：≧ＭＯＤおよび≦ＭＩＬＤにスペクトルを分類する最重要のＰＣを決定した。ＬＯＯＣＶ（ｌｅａｖｅ−ｏｎｅ−ｏｕｔ ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ）による線形判別分析（ＬＤＡ）を最重要ＰＣに使用した。データのオーバーフィッティング（ｏｖｅｒ ｆｉｔｔｉｎｇ）を回避するために、ＬＤＡで使用されたＰＣ数は、最小の部分群、すなわち５１の≧ＭＯＤスペクトルの場合、総数の３分の１（１７）に限定された。
【００６０】
ＬＯＯＣＶ手順を使用して、過剰トレーニングを回避し得る。ＬＯＯＣＶは、データセットから１つのスペクトルを除外し、およびスペクトルの残りのセットを使用して、ＰＣＡおよびＬＤＡを含むアルゴリズム全体を繰り返すことを含む。次いで、得られる最適化アルゴリズムを使用して、除外されたスペクトルを分類する。この処理を、各スペクトルが個別に分類されるまで、繰り返してもよい。
【００６１】
データセットＡ、ＢおよびＣからのスペクトルの全分析は、ＩＣ病変（２４）の全スペクトルが各データセットから外されたことを除いて、上述のように２回目も行われた。各データセットの２７のスペクトルが、≧ＭＯＤ病変分類のままで残ったので、ＬＤＡ交差検定モデルにおいて９個のＰＣのみを使用した。
【００６２】
データセットＡ、ＢおよびＣからのスペクトルでの統計分析は、表Ｉから分かるように、かなり異なる結果をもたらす。データセットＡからのスペクトルは、最も悪く、感度８０％および特異性７２％で病変≧ＭＯＤを予測した。分析からＩＣスペクトルを除外することによって、特異性は若干増加したものの、実質的に感度は悪くなった。スペクトルが、事後確率が≧０．７または≦０．３であったときにのみ分類された場合、１２９のスペクトルのうち分類できるのは９９のみであるという代償を払って（７７％）、感度８０％および特異性７７％が得られた。
【００６３】
【表１】
データセットＢのスペクトル分析は、データセットＡのスペクトルと比較して、感度８０％および特異性７９％と、病変の予測が改善されたことを示した。分析からのＩＣスペクトルの除去は、感度を変えずに、実質的に特異性（８９％）を改善した。０．７および０．３でのカットオフラインを使用すると、感度および特異性はそれぞれ８３および８４％であり、かつ１２９のスペクトルのうち８０％が分類された。
【００６４】
最良の結果は、二次微分（データセットＣ）で処理したスペクトル分析によって得られた。図６は、公知の病変と比較した予測病変の事後確率プロットである。データセットＣの統計分析は、ＬＯＯＣＶを使用して行われた。１７のＰＣＡ成分をＬＤＡモデルに使用した。全てのスペクトルを使用して、感度９０％および特異性９１％が得られた。この場合、３つのＩＣスペクトル５１のみが誤って分類された（図６参照）。分析から全てのＩＣスペクトルを除外することによって、特異性は９１％で変わらないままで感度が９６％まで高まり、および０．７および０．３のカットオフラインを使用する場合には、スペクトルの８８％が分類されて、感度および特異性の双方とも高まった。
【００６５】
３つのデータセット全てに対する受光器の動作特性（ＲＯＣ：ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｏｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）を図７に示す。図７は、ＬＤＡ事後確率プロットにおいてカットオフラインを０から１００％へ動かしたときに、感度および特異性がどのように変化するかを示す。データセットＡは曲線５５Ａに対応する。データセットＢは曲線５５Ｂに対応する。データセットＣは曲線５５Ｃに対応する。二次微分で処理されたスペクトル（データセットＣ）の優位性がはっきりと分かる。各ＲＯＣ曲線下の部分面積（ｆｒａｃｔｉｏｎａｌ ａｒｅａ）は、それぞれ、データセットＡ、ＢおよびＣで分析されたスペクトルに関して、０．７８、０．８５および０．９２であった。
【００６６】
ヒトの上皮および結合組織からの放出の主な要因である基準材料のラマンスペクトルは、比較のために得られた。これらは：ヒト胎盤から精製されたＤＮＡ、パン酵母からのＲＮＡ、フェニルアラニン、チロシン、トリプトファン、トリオレイン（気管支粘液に豊富に存在する脂質）、ヒト肺からのコラーゲン、およびヒトヘモグロビンであった。ほとんどの標準試料は、シグマアルドリッチカナダ社（Ｓｉｇｍａ−Ａｌｄｒｉｃｈ Ｃａｎａｄａ Ｌｔｄ）から、参照番号ＤＮＡ（Ｄ４６４２）、ＲＮＡ（Ｒ６７５０）、フェニルアラニン（Ｐ２１２６）、チロシン（Ｔ３７５４）、トリプトファン（Ｔ０２５４）、トリオレイン（Ｔ７１４０）、およびヒト肺コラーゲン（ＣＨ７８３）で得られた。ヘモグロビンは、ボランティアの血液試料からのものであった。標準試料を、それらが供給された状態で、さらなる処理をせずにそのまま使用した。スペクトルは、ラマンカテーテルを各試料の数ミリメートル上に支持することによって、生体内での測定と同じ機器を使用して得られた。データは、生体内でのデータと同じ方法で前処理してから、データセットＢのスペクトルに関してはさらに処理した。図８は、基準材料のラマンスペクトルを示す。スペクトルは、明確にするために、強度の軸に沿ってシフトした。スペクトルの特徴は、文献で報告されているものと一致する。
【００６７】
１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲では自己蛍光があるが、０〜２０００ｃｍ−１の通常の範囲にわたって見られるものよりも１桁小さい自己蛍光であることが分かった。さらに、測定範囲でのラマンピークが少数であるにもかかわらず、および組織の病変が正常からＩＣまで様々な変化を経るときに、ピークの変化に全く一貫した傾向がみられないが（例えば図５Ｄ参照）、異なる病変の部位のスペクトルには統計的に有意差があった。
【００６８】
データセットＡのスペクトルの統計分析を、部位選択処理が、ＡＦＢによる画像化によって確認された部位のみを選択するように偏っているということによって、説明し得る。しかしながら、これによって、最適な特異性にならなくなることが分かっている。一般的に、ＷＬＢとＡＦＢとの組み合わせを使用してＩＣを確認することは困難ではないため、データ分析からＩＣスペクトルを除外することは、早期疾患の発見を促進し得る。データセットＡのスペクトルの場合、この理論は、≧ＭＯＤ部位からのスペクトルの確認は５５％のみであり、誤りであったと証明された。これに対する明快な説明は、自己蛍光がスペクトルを支配し、この自己蛍光が、ＩＣ部位を除いて、測定された全ての部位で同様であるということである。
【００６９】
分析にカットオフラインを使用することは、良質のスペクトルを一貫して得ることが不可能であるときに、有益となり得る。患者の無意識の運動は、この問題の１つの原因とし得る。組織表面に粘液または水分がかなりあることも原因１つとなり得る。
【００７０】
一部の実施形態では、分析システム４８は、得られたスペクトルが≧ＭＯＤまたは≦ＭＩＬＤの統計基準を満たすかどうかを決定し、かつこの統計基準が満たされない場合に使用者に信号を送るように構成される。装置は、臨床の場で使用され、かつ実質的にリアルタイムで結果をもたらすためのものであるため、そのような実施形態は、先のスペクトルが統計基準を満たさない場合（例えばカットオフを通過する）、気管支鏡検査者が別のスペクトルをすぐに取れることができるようにする。何度か試みても不合格のいずれの部位にも生検が行われた。カットオフラインは厳くしすぎるべきではない。なぜなら厳しくしすぎると、偽陽性数を減らすという目的を無にしてしまうためである。この作業が基礎をおいている研究では、０．７および０．３の事後確率カットオフが選択された。
【００７１】
データセットＢのスペクトル分析は、データセットＡよりも良好な結果を生んだが、ＩＣ部位からのスペクトルがいくつか誤って分類された。これは、ＩＣ病巣が組織学的に悪性上皮（すなわち癒着性間質）以外の領域を含み得るため、サンプリング誤差による可能性が高い。隣接する反応または炎症性非新生物組織のサンプリングも、試料を誤って分類する可能性の一つである。分析からＩＣスペクトルを除外することは、感度を変えずに、特異性を９％高めた（表Ｉ参照）。事後確率のカットオフラインは、感度および特異性をわずかに改善した。
【００７２】
二次微分スペクトル（データセットＣ）は、≧ＭＯＤおよび≦ＭＩＬＤ組織の区別で、感度９０％および特異性９１％と最良であった。ＩＣスペクトルの除外によって、特異性の低下なく、感度が６％上昇した。ＩＣスペクトルとは別に、他の誤って分類された部位は、中等度異形成、軽度異形成、化生、および過形成の病変の部位であった。サンプリング誤差はまた、これらの誤った分類を説明し得る。誤分類となった別の説明は、ラマンスペクトルが、病巣が後期疾患に至るかどうかの明白な組織学上の指標（ｃｏｕｎｔｅｒｐａｒｔ）がない、生体分子情報を含むということにある。
【００７３】
生成されたデータセットＣが感度値および特異性値を高めた理由は十分に分かっていない。本発明人らは、いずれかの理論にもとらわれたくはないが、実質的な自己蛍光の多項式フィッティングの不正確さによって、相関関係のない分散がデータセットＢに取り込まれたことが原因の１つであり得る。
【００７４】
上述の方法は、様々な方法で変更され得る。例えばバックグラウンド蛍光を除去する他の技術を適用してもよい。マギー（Ｍａｇｅｅ）ＮＤら、「ラマン小型プローブを使用する肺癌の生体外診断（Ｅｘ Ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ ｕｓｉｎｇ ａ Ｒａｍａｎ ｍｉｎｉｐｒｏｂｅ）」（非特許文献２０）で説明されている、シフテッド・サブストラクテッド・ラマン分光法を適用してもよい。バックグラウンド蛍光を除去する公知の技術は全て、チャオ（Ｚｈａｏ）ら、「生物医学用ラマン分光法のための自動蛍光バックグラウンド減算アルゴリズム（Ａｕｔｏｍａｔｅｄ ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｂｉｏｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ ２００７年；６１：１２２５−１２３２によって説明されているような利点および欠点を有する。チャオ（Ｚｈａｏ）らが説明する方法は、複雑でないバックグラウンド蛍光では上手く機能する傾向があり、リアルタイムの臨床応用に手間のかからない方法である。微分スペクトルを生成することもまた、診療所でリアルタイムで実施できる手間のかからない処理であり、この組み合わせは、強い蛍光を発する組織では最適な選択とし得る。
【００７５】
要するに、本明細書で説明したポイントラマン分光法を適用すると、偽陽性生検数を著しく低減できる一方、肺の新生物発生前病巣の検出に対するＷＬＢおよびＡＦＢの感度の低下はわずかにすぎないと思われる。検出感度になんらかの損失を発生させるよりも、４０％の偽陽性率を有する方がよいとみなし得るが、ラマン分光法の補助的使用に伴うわずかな損失の発生は、実際には起こらないと考えてもよい。第１に、気管支鏡検査者は、現在のところ、ＷＬＢ＋ＡＦＢを使用する際に、どの病巣に生検を行うかについてある程度は主観的判断を行う必要がある。本明細書で説明したようなラマン分光法の補助的使用は、決定過程をより客観的にし、そのことにより生検の候補として初めは拒否された部位での追加的な新生物発生前病巣の確認をなし得る。第２に、上述の通り、ラマン分光法は、後期疾患になるマーカである、組織学的に新生物発生前および非新生物発生前の病巣の双方における生体分子の変化を確認し得る。
【００７６】
本明細書で説明した技術の適用は、非侵襲的な診断に限定されない。一部の実施形態では、外科手術中に、本明細書で説明したような装置を使用して、外科手術中にアクセスできる病巣組織を分類してもよい。
【００７７】
実例応用
気管支鏡検査者は、患者に気管支鏡検査を行い、さらなる検査に値する、一連の画像診断法（例えばＡＦＢ＋ＷＬＢ）を使用して病巣を確認する。気管支鏡検査者は、本明細書で説明したようなラマン分光法装置を備えた気管支鏡を使用する。気管支鏡検査者は、ラマンカテーテルの端部が対象病巣に隣接するように気管支鏡を配置し、かつ、病巣組織の１つ以上のラマンスペクトルを取得するようにラマン分光法装置を操作する。装置は、ラマンスペクトルをリアルタイムで分析し、スペクトルに基づいて組織を分類しようと試みる。装置は、分析結果に基づいて気管支鏡検査者に信号を生成する。単純な例として、装置は、分析が≦ＭＩＬＤの分類を示す場合には緑色の光を、および分析が≧ＭＯＤの分類を示す場合には赤色の光を表示するようにしてもよい。一部の実施形態では、装置は、分類を明白に規定できない場合には黄色の光を表示するようにしてもよい（例えば、適切に選択されたカットオフ閾値によって決定された範囲に入らない事後確率によって規定されるように）。
【００７８】
気管支鏡検査者は、装置が≧ＭＯＤの分類を示す場合に、または装置が２回以上試みても明白な分類を行えない場合に、生検を行うことを選択してもよい。装置が≦ＭＩＬＤの分類を行う場合、気管支鏡検査者がその部位からの生検が妥当であることを提示する他の何らかの要因に気付かない限りは、気管支鏡検査者は生検を行わないことを選択してもよい。
【００７９】
本発明のいくつかの実装例は、プロセッサに本発明の方法を実行させるソフトウェア命令を実行するコンピュータプロセッサを含む。例えば、医用ラマン分光計システムにおける１つ以上のプロセッサは、プロセッサにアクセスできるプログラムメモリにおいてソフトウェア命令を実行することによって、本明細書で説明したような方法を実行してもよい。本発明はまた、プログラム製品の形態で提供されてもよい。プログラム製品は、命令を含む一連のコンピュータ可読信号を有する任意の持続性媒体を含んでもよく、それらの命令は、データ処理装置によって実行されると、データ処理装置に本発明の方法を実行させるようにする。本発明によるプログラム製品は、多種多様の形態のいずれとしてもよい。プログラム製品は、例えば、フロッピー（登録商標）ディスケット、ハードディスクドライブを含む磁気データ記憶媒体、ＣＤ ＲＯＭ、ＤＶＤを含む光データ記憶媒体、ＲＯＭ、フラッシュＲＡＭを含む電子データ記憶媒体などの物理媒体を含む。プログラム製品のコンピュータ可読信号は、任意に圧縮されてもまたは暗号化されてもよい。
【００８０】
上記で構成要素（例えばソフトウェアモジュール、プロセッサ、アセンブリ、デバイス、回路など）に言及する場合、他に指定のない限り、その構成要素への言及（「手段」への言及を含む）は、その構成要素の均等物、開示される構造と構造的には均等ではないが、説明される本発明の例示的な実施形態の機能を実行する構成要素を含め、説明される構成要素の機能を実行する（すなわち、機能的に均等の）任意の構成要素を含むと解釈される。
【００８１】
上述の開示を踏まえると当業者には明白なように、本発明の趣旨または範囲から逸脱せずに、本発明の実施には多くの代替形態および修正形態が可能である。従って、本発明の範囲は、以下の特許請求の範囲によって定義される内容に従って構成される。
【技術分野】
【０００１】
本発明は、組織の特徴付けに関する。本発明は、例えば、肺組織に癌が有るかどうかを判定するための方法および装置の提供に適用され得る。例示的な実施形態は、肺組織の病巣が癌性である可能性を評価するために医師が使用し得る内視鏡装置を提供する。
【背景技術】
【０００２】
肺癌は命にかかわることが多い。治療が成功する見込みは、新生物発生前病巣（悪性腫瘍になる確率が高い病巣）を早期発見することによって高められる。中等度および高度の異形成および上皮内癌（ＣＩＳ）を含む気管支樹の新生物発生前病巣は、悪性腫瘍になる確率が高い。気管支鏡検査中にこれらの新生物発生前病巣の個所を突き止めて、さらなる治療を行えることが、患者の生存率を高める決め手となる。
【０００３】
現在、さらなる治療のために新生物発生前病巣を突き止める最善の方法は、蛍光気管支鏡（ＡＦＢ）と白色光気管支鏡（ＷＬＢ）とを組み合わせた方法である。この組み合わせ方法は１９９０年代に開発され、例えばラム（Ｌａｍ）Ｓ、ケネディ（Ｋｅｎｎｅｄｙ）Ｔ、アンガー（Ｕｎｇｅｒ）Ｍら、「蛍光気管支鏡検査による気管支上皮内の新生物形成病巣の位置確認（Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ ｂｒｏｎｃｈｉａｌ ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ ｎｅｏｐｌａｓｔｉｃ ｌｅｓｉｏｎｓ ｂｙ ｆｌｕｏｒｅｓｃｅｎｃｅ ｂｒｏｎｃｈｏｓｃｏｐｙ）」（非特許文献１）およびゼルウェガー（Ｚｅｌｌｗｅｇｅｒ）Ｍ、グロジャン（Ｇｒｏｓｊｅａｎ）Ｐ、グージョン（Ｇｏｕｊｏｎ）Ｄ、モニエ（Ｍｏｎｎｉｅｒ）Ｐ、バン・デン・バーグ（ｖａｎ ｄｅｎ Ｂｅｒｇｈ）Ｈ、ワグニール（Ｗａｇｎｉｅｒｅｓ）Ｇ．「早期癌の発見および画像化を最適にする、ヒト気管支組織の生体内自己蛍光分光法（Ｉｎ ｖｉｖｏ ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｈｕｍａｎ ｂｒｏｎｃｈｉａｌ ｔｉｓｓｕｅ ｔｏ ｏｐｔｉｍｉｚｅ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｉｍａｇｉｎｇ ｏｆ ｅａｒｌｙ ｃａｎｃｅｒｓ）」（非特許文献２）に説明されているように、新生物発生前病巣の位置特定が著しく改善された。新生物発生前状態を発見するＡＦＢ＋ＷＬＢの感度は、ＷＬＢ単独での感度の約２倍である。しかしながら、ＷＬＢ＋ＡＦＢの平均特異性は６０％にすぎないと報告されており、これは、例えば：ラム（Ｌａｍ）Ｓ．「早期肺癌の診断における自己蛍光気管支鏡検査の役割（Ｔｈｅ Ｒｏｌｅ ｏｆ Ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ Ｂｒｏｎｃｈｏｓｃｏｐｙ ｉｎ Ｄｉａｇｎｏｓｉｓ ｏｆ Ｅａｒｌｙ Ｌｕｎｇ Ｃａｎｃｅｒ）」；ハーシュ（Ｈｉｒｓｃｈ）ＦＲ、バン（Ｂｕｎｎ）Ｊｒ ＰＡ、カトウ（Ｋａｔｏ）Ｈ、マルシャイン（Ｍｕｌｓｈｉｎｅ）ＪＬ編、「早期肺癌の予防および発見のためのＩＡＳＬＣテキストブック（ＩＡＳＬＣ Ｔｅｘｔｂｏｏｋ ｆｏｒ Ｐｒｅｖｅｎｔｉｏｎ ａｎｄ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｅａｒｌｙ Ｌｕｎｇ Ｃａｎｃｅｒ）」（非特許文献３）、およびエデル（Ｅｄｅｌｌ）Ｅら、「蛍光反射性気管支鏡検査を使用する上皮内新生物形成および浸潤癌の発見および位置確認（Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ Ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ Ｎｅｏｐｌａｓｉａ ａｎｄ Ｉｎｖａｓｉｖｅ Ｃａｒｃｉｎｏｍａ Ｕｓｉｎｇ Ｆｌｕｏｒｅｓｃｅｎｃｅ−Ｒｅｆｌｅｃｔａｎｃｅ Ｂｒｏｎｃｈｏｓｃｏｐｙ）」（非特許文献４）で説明されているように、多くの偽陽性の判断を招く。
【０００４】
ＷＬＢ＋ＡＦＢ特異性の最適性がやや欠ける点については、一般にＷＬＢ＋ＡＦＢによって判断された多くの組織部位のどれを生検用に選択するかは、気管支鏡検査者の熟練さと判断力にかなり依存している面が有ると、部分的には説明することができる。しかしながら、偽陽性が多いことの主な理由は、ＡＦＢに関係する特異性の低さである。良性病巣および新生物発生前病巣の双方とも同様の自己蛍光特性を有する。それゆえ、依然として検出方法の改善がかなり必要とされている。
【０００５】
ラマン分光法は、光を検体に向けて、検体への入射光の一部を非弾性的に散乱させることを含む。検体との非弾性相互作用によって、入射光の波長に対して波長がシフトされた散乱光を生じさせ得る（ラマンシフト）。散乱光の波長スペクトル（ラマンスペクトル）は、検体の性質に関する情報を含む。
【０００６】
組織の研究においてラマン分光法を使用することは、以下の参照文献で説明されている：
ａ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「生物物理学および医学物理学におけるラマン分光法（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ ｂｉｏｐｈｙｓｉｃｓ ａｎｄ ｍｅｄｉｃａｌ ｐｈｙｓｉｃｓ）」（非特許文献５）；
ｂ）ファング（Ｈｕａｎｇ）Ｚら、「リアルタイムの生体内での皮膚測定のための迅速な近赤外ラマン分光システム（Ｒａｐｉｄ ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｓｙｓｔｅｍ ｆｏｒ ｒｅａｌ−ｔｉｍｅ ｉｎ ｖｉｖｏ ｓｋｉｎ ｍｅａｓｕｒｅｍｅｎｔｓ）」（非特許文献６）；
ｃ）ショート（Ｓｈｏｒｔ）ＭＡら、「肺癌の生体内での診断の可能性に関する内視鏡的ラマンプローブの開発および暫定的結果（Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｅｌｉｍｉｎａｒｙ ｒｅｓｕｌｔｓ ｏｆ ａｎ ｅｎｄｏｓｃｏｐｉｃ Ｒａｍａｎ ｐｒｏｂｅ ｆｏｒ ｐｏｔｅｎｔｉａｌ ｉｎ ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒｓ）」（非特許文献７）；
ｄ）ファング（Ｈｕａｎｇ）Ｚら、「生体内での皮膚メラニンのラマン分光法（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｉｎ ｖｉｖｏ ｃｕｔａｎｅｏｕｓ ｍｅｌａｎｉｎ）」（非特許文献８）；
ｅ）ファング（Ｈｕａｎｇ）Ｚら、「バックグラウンド近赤外自己蛍光とのラマン分光法の組み合わせによる悪性組織の生体内評価の充実（Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ Ｃｏｍｂｉｎａｔｉｏｎ ｗｉｔｈ Ｂａｃｋｇｒｏｕｎｄ Ｎｅａｒ−ｉｎｆｒａｒｅｄ Ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ Ｅｎｈａｎｃｅｓ ｔｈｅ Ｉｎ Ｖｉｖｏ Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｍａｌｉｇｎａｎｔ Ｔｉｓｓｕｅｓ）」（非特許文献９）；
ｆ）モルコフスキー（Ｍｏｌｃｋｏｖｓｋｙ）Ａら、「大腸における近赤外ラマン分光法の診断可能性：過形成性ポリープとの腺腫の区別（Ｄｉａｇｎｏｓｔｉｃ ｐｏｔｅｎｔｉａｌ ｏｆ ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ ｔｈｅ ｃｏｌｏｎ：ｄｉｆｆｅｒｅｎｔｉａｔｉｎｇ ａｄｅｎｏｍａｔｏｕｓ ｆｒｏｍ ｈｙｐｅｒｐｌａｓｔｉｃ ｐｏｌｙｐｓ）」（非特許文献１０）；
ｇ）アビゲイル（Ａｂｉｇａｉｌ）ＳＨら、「乳房部分切除術中の、ラマン分光法を使用した生体内でのマージン評価（Ｉｎ ｖｉｖｏ Ｍａｒｇｉｎ Ａｓｓｅｓｓｍｅｎｔ ｄｕｒｉｎｇ Ｐａｒｔｉａｌ Ｍａｓｔｅｃｔｏｍｙ Ｂｒｅａｓｔ Ｓｕｒｇｅｒｙ Ｕｓｉｎｇ Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献１１）；
ｈ）ラジャヒャクシャ（Ｒａｊａｄｈｙａｋｓｈａ）Ｍら、「ヒト皮膚の生体内での共焦点レーザ走査顕微鏡法ＩＩ：器具の進化および組織構造比較（Ｉｎ Ｖｉｖｏ Ｃｏｎｆｏｃａｌ Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｍｉｃｒｏｓｃｏｐｙ ｏｆ Ｈｕｍａｎ Ｓｋｉｎ ＩＩ： Ａｄｖａｎｃｅｓ ｉｎ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ ａｎｄ Ｃｏｍｐａｒｉｓｏｎ Ｗｉｔｈ Ｈｉｓｔｏｌｏｇｙ）」（非特許文献１２）；
ｉ）リーバー（Ｌｉｅｂｅｒ）ＣＡら、「ラマン顕微分光法を使用する生体内での非黒色腫皮膚癌診断（Ｉｎ ｖｉｖｏ ｎｏｎｍｅｌａｎｏｍａ ｓｋｉｎ ｃａｎｃｅｒ ｄｉａｇｎｏｓｉｓ ｕｓｉｎｇ Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献１３）；
ｊ）トゥ（Ｔｕ）ＡＴ、「生物学でのラマン分光法：原理および応用（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ ｂｉｏｌｏｇｙ：ｐｒｉｎｃｉｐｌｅｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ）」（非特許文献１４）；
ｋ）ハンロン（Ｈａｎｌｏｎ）ＥＢら、「薬剤および生物学での生体内ラマン分光法物理学の見通し（Ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｉｎ ｖｉｖｏ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ Ｐｈｙｓｉｃｓ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ）」（非特許文献１５）；
ｌ）ロビショー（Ｒｏｂｉｃｈａｕｘ）−ヴィオエバー（Ｖｉｅｈｏｅｖｅｒ）Ａら、「子宮頚部異形成の発見のための生体内で測定されたラマンスペクトルの特徴付け（Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ Ｒａｍａｎ ｓｐｅｃｔｒａ ｍｅａｓｕｒｅｄ ｉｎ ｖｉｖｏ ｆｏｒ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｏｆ ｃｅｒｖｉｃａｌ ｄｙｓｐｌａｓｉａ）」（非特許文献１６）；
ｍ）グゼ（Ｇｕｚｅ）Ｋら、「口腔疾患用診断ツールとしてのラマン分光法の適用可能性を規定するパラメータ（Ｐａｒａｍｅｔｅｒｓ ｄｅｆｉｎｉｎｇ ｔｈｅ ｐｏｔｅｎｔｉａｌ ａｐｐｌｉｃａｂｉｌｉｔｙ ｏｆ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｓ ａ ｄｉａｇｎｏｓｔｉｃ ｔｏｏｌ ｆｏｒ ｏｒａｌ ｄｉｓｅａｓｅ）」（非特許文献１７）；
ｎ）ファング（Ｈｕａｎｇ）Ｚら、「内視鏡検査でのリアルタイムの生体内での組織のラマン測定のためのラマン分光法および三峰性の広視野画像法の統合（Ｉｎｔｅｇｒａｔｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ ｔｒｉｍｏｄａｌ ｗｉｄｅ−ｆｉｅｌｄ ｉｍａｇｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ ｒｅａｌ−ｔｉｍｅ ｉｎ ｖｉｖｏ ｔｉｓｓｕｅ Ｒａｍａｎ ｍｅａｓｕｒｅｍｅｎｔｓ ａｔ ｅｎｄｏｓｃｏｐｙ）」（非特許文献１８）；
ｏ）ファング（Ｈｕａｎｇ）Ｚら、「肺癌の光学診断のための近赤外ラマン分光法（Ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｆｏｒ ｏｐｔｉｃａｌ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ）」（非特許文献１９）；
ｐ）マギー（Ｍａｇｅｅ）ＮＤら、「ラマン小型プローブを使用する肺癌の生体外診断（Ｅｘ Ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ ｕｓｉｎｇ ａ Ｒａｍａｎ ｍｉｎｉｐｒｏｂｅ）」（非特許文献２０）；
ｑ）ショート（Ｓｈｏｒｔ）ＭＡら、「肺癌の生体内診断の可能性のための内視鏡検査ラマンプローブの開発および暫定的結果（Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｅｌｉｍｉｎａｒｙ ｒｅｓｕｌｔｓ ｏｆ ａｎ ｅｎｄｏｓｃｏｐｙ Ｒａｍａｎ ｐｒｏｂｅ ｆｏｒ ｐｏｔｅｎｔｉａｌ ｉｎ−ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒｓ）」（非特許文献７）；
ｒ）シム（Ｓｈｉｍ）ＭＧら、「生体内での医用ラマン分光法のための光ファイバプローブの研究（Ｓｔｕｄｙ ｏｆ ｆｉｂｅｒ ｏｐｔｉｃ ｐｒｏｂｅｓ ｆｏｒ ｉｎ ｖｉｖｏ ｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２１）；
ｓ）ヤマザキ（Ｙａｍａｚａｋｉ）Ｈら、「１０６４ｎｍ励起近赤外マルチチャネルラマン分光法を使用する肺癌の診断（Ｔｈｅ ｄｉａｇｎｏｓｅｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ ｕｓｉｎｇ １０６４ ｎｍ ｅｘｃｉｔｅｄ ｎｅａｒ−ｉｎｆｒａｒｅｄ ｍｕｌｔｉｃｈａｎｎｅｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２２）；
ｔ）ナゼミ（Ｎａｚｅｍｉ）ＪＨら、「高波数ラマンシフト光によって決定されたヒト冠状動脈における脂質濃度（Ｌｉｐｉｄ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｈｕｍａｎ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｄｅｔｅｒｍｉｎｅｄ ｗｉｔｈ ｈｉｇｈ ｗａｖｅｎｕｍｂｅｒ Ｒａｍａｎ ｓｈｉｆｔｅｄ ｌｉｇｈｔ）」（非特許文献２３）；
ｕ）コルジェノヴィック（Ｋｏｌｊｅｎｏｖｉ’ｃ）Ｓら、「ヒト気管支組織のラマン顕微分光法マッピング研究（Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｓｃｏｐｉｃ ｍａｐｐｉｎｇ ｓｔｕｄｉｅｓ ｏｆ ｈｕｍａｎ ｂｒｏｎｃｈｉａｌ ｔｉｓｓｕｅ）」（非特許文献２４）；
ｖ）モヴァサジ（Ｍｏｖａｓａｇｈｉ）Ｚら、「生物組織のラマン分光法（Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｂｉｏｌｏｇｉｃａｌ ｔｉｓｓｕｅｓ）」（非特許文献２５）；および
ｗ）パーコット（Ｐｅｒｃｏｔ）、Ａ．ら、「ラマン分光法によるモデル角質層脂質混合物におけるドメインの直接観察（Ｄｉｒｅｃｔ ｏｂｓｅｒｖａｔｉｏｎ ｏｆ ｄｏｍａｉｎｓ ｉｎ ｍｏｄｅｌ ｓｔｒａｔｕｍ ｃｏｒｎｅｕｍ ｌｉｐｉｄ ｍｉｘｔｕｒｅｓ ｂｙ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２６）。
【０００７】
これら参照文献全てを、参照により本願明細書に援用する。
共焦点技術を使用して集められた光を分析するためにラマン分光法を適用する光学装置の使用は：
ｘ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「ヒト皮膚内の水分濃度プロファイルの生体内での迅速な測定のための自動深さ走査共焦点ラマン顕微分光計（Ａｕｔｏｍａｔｅｄ ｄｅｐｔｈ−ｓｃａｎｎｉｎｇ ｃｏｎｆｏｃａｌ Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｍｅｔｅｒ ｆｏｒ ｒａｐｉｄ ｉｎ ｖｉｖｏ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｗａｔｅｒ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｐｒｏｆｉｌｅｓ ｉｎ ｈｕｍａｎ ｓｋｉｎ）」（非特許文献２７）；
ｙ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「皮膚の生体内での共焦点ラマン顕微分光法：分子の濃度プロファイル非侵襲的測定（Ｉｎ ｖｉｖｏ ｃｏｎｆｏｃａｌ Ｒａｍａｎ ｍｉｃｒｏｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｔｈｅ ｓｋｉｎ：ｎｏｎｉｎｖａｓｉｖｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｍｏｌｅｃｕｌａｒ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｐｒｏｆｉｌｅｓ）」（非特許文献２８）；
ｚ）カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、「共焦点ラマン分光法によるヒト角質層生体内での浸透促進剤ジメチル・スルホキシドの観察（Ｍｏｎｉｔｏｒｉｎｇ ｔｈｅ ｐｅｎｅｔｒａｔｉｏｎ ｅｎｈａｎｃｅｒ ｄｉｍｅｔｈｙｌ ｓｕｌｆｏｘｉｄｅ ｉｎ ｈｕｍａｎ ｓｔｒａｔｕｍ ｃｏｒｎｅｕｍ ｉｎ ｖｉｖｏ ｂｙ ｃｏｎｆｏｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２９）に説明されている。
【０００８】
これら参照文献全てを、参照により本願明細書に援用する。
疑わしい病巣および他の組織を特徴付けるための、感度の高い、特定の非侵襲的道具は、採取した組織の生検への使用および組織病理検査に対する、価値のある代替物を提供する。
【先行技術文献】
【非特許文献】
【０００９】
【非特許文献１】ラム（Ｌａｍ）Ｓ、ケネディ（Ｋｅｎｎｅｄｙ）Ｔ、アンガー（Ｕｎｇｅｒ）Ｍら、Ｃｈｅｓｔ １９９８年；１１３：６９６−７０２
【非特許文献２】ゼルウェガー（Ｚｅｌｌｗｅｇｅｒ）Ｍ、グロジャン（Ｇｒｏｓｊｅａｎ）Ｐ、グージョン（Ｇｏｕｊｏｎ）Ｄ、モニエ（Ｍｏｎｎｉｅｒ）Ｐ、バン・デン・バーグ（ｖａｎ ｄｅｎ Ｂｅｒｇｈ）Ｈ、ワグニール（Ｗａｇｎｉｅｒｅｓ）Ｇ．、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００１年；６：４１−５１
【非特許文献３】ハーシュ（Ｈｉｒｓｃｈ）ＦＲ、バン（Ｂｕｎｎ）Ｊｒ ＰＡ、カトウ（Ｋａｔｏ）Ｈ、マルシャイン（Ｍｕｌｓｈｉｎｅ）ＪＬ編、英国ロンドン；およびニューヨーク：テイラーアンドフランシス（Ｔａｙｌｏｒ ＆ Ｆｒａｎｃｉｓ）；２００６年：１４９−１５８
【非特許文献４】エデル（Ｅｄｅｌｌ）Ｅら、Ｊｏｕｒｎａｌ ｏｆ Ｔｈｏｒａｃ Ｏｎｃｏｌｏｇｙ、２００９年；１月；４（１）：４９−５４
【非特許文献５】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｂｉｏｐｈｙｓ Ｊ ２００３年；８５：５７２−５８０
【非特許文献６】ファング（Ｈｕａｎｇ）Ｚら、Ｏｐｔ Ｌｅｔｔ ２００１年；２６：１７８２−１７８４
【非特許文献７】ショート（Ｓｈｏｒｔ）ＭＡら、Ｏｐｔ Ｌｅｔｔｔ ２００８年；３３（７）：７１１−７１３
【非特許文献８】ファング（Ｈｕａｎｇ）Ｚら、Ｊ ｏｆ Ｂｉｏｍｅｄ Ｏｐｔ ２００４年；９：１１９８−１２０５
【非特許文献９】ファング（Ｈｕａｎｇ）Ｚら、Ｐｈｏｔｏｃｈｅｍ Ｐｈｏｔｏｂｉｏｌ ２００５年；８１：１２１９−１２２６
【非特許文献１０】モルコフスキー（Ｍｏｌｃｋｏｖｓｋｙ）Ａら、Ｇａｓｔｒｏｉｎｔｅｓｔ Ｅｎｄｏｓｃ ２００３年；５７：３９６−４０２
【非特許文献１１】アビゲイル（Ａｂｉｇａｉｌ）ＳＨら、Ｃａｎｃｅｒ Ｒｅｓ ２００６年；６６：３３１７−３３２２
【非特許文献１２】ラジャヒャクシャ（Ｒａｊａｄｈｙａｋｓｈａ）Ｍら、Ｊ Ｉｎｖｅｓｔ Ｄｅｒｍａｔｏｌ １９９９年；１１３：２９３−３０３
【非特許文献１３】リーバー（Ｌｉｅｂｅｒ）ＣＡら、Ｌａｓｅｒ Ｓｕｒｇ Ｍｅｄ ２００８年；４０（７）：４６１−４６７
【非特許文献１４】トゥ（Ｔｕ）ＡＴ、ニューヨーク州ニューヨーク：ワイリー（Ｗｉｌｅｙ）；１９８２年
【非特許文献１５】ハンロン（Ｈａｎｌｏｎ）ＥＢら、Ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｉｎ ｖｉｖｏ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ Ｐｈｙｓｉｃｓ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ、２０００年；４５：Ｒ１−Ｒ５９
【非特許文献１６】ロビショー（Ｒｏｂｉｃｈａｕｘ）−ヴィオエバー（Ｖｉｅｈｏｅｖｅｒ）Ａら、Ａｐｐｌ．Ｓｐｅｃｔｒｏｓｃ．２００７年；６１、９８６−９９７頁
【非特許文献１７】グゼ（Ｇｕｚｅ）Ｋら、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００９年；１４：０１４０１６１−９
【非特許文献１８】ファング（Ｈｕａｎｇ）Ｚら、Ｏｐｔ．Ｌｅｔｔ．２００９年；３４：７５８−７６０
【非特許文献１９】ファング（Ｈｕａｎｇ）Ｚら、Ｉｎｔ．Ｊ．Ｃａｎｅｒ ２００３年；１０７：１０４７−１０５２
【非特許文献２０】マギー（Ｍａｇｅｅ）ＮＤら、Ｊｏｕｒｎａｌ ｏｆ Ｐｈｙｓｉｃａｌ Ｃｈｅｍｉｓｔｒｙ Ｂ ２００９年；１１３：８１３７−８１４１
【非特許文献２１】シム（Ｓｈｉｍ）ＭＧら、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ １９９９年；５３：６１９−６２７
【非特許文献２２】ヤマザキ（Ｙａｍａｚａｋｉ）Ｈら、Ｒａｄｉａｔｉｏｎ Ｍｅｄｉｃｉｎｅ ２００３年；２１：１−６
【非特許文献２３】ナゼミ（Ｎａｚｅｍｉ）ＪＨら、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００７年；１４（３）：０３４００９１−６
【非特許文献２４】コルジェノヴィック（Ｋｏｌｊｅｎｏｖｉ’ｃ）Ｓら、Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．２００４年；９：１１８７−１１９７
【非特許文献２５】モヴァサジ（Ｍｏｖａｓａｇｈｉ）Ｚら、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ Ｒｅｖｉｅｗｓ ２００７年；４２：４９３−５４１
【非特許文献２６】パーコット（Ｐｅｒｃｏｔ）、Ａ．ら、Ｂｉｏｐｈｙｓｉｃａｌ Ｊｏｕｒｎａｌ ２００１年；８１：２１４４−２１５３
【非特許文献２７】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｊ Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃ ２０００年；３１：８１３−８１８
【非特許文献２８】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｊ Ｉｎｖｅｓｔ Ｄｅｒｍａｔｏｌ ２００１年；１１６：４３４−４４２
【非特許文献２９】カスペルス（Ｃａｓｐｅｒｓ）ＰＪら、Ｐｈａｒｍ Ｒｅｓ ２００２年；１９：１５７７−１５８０
【発明の概要】
【発明が解決しようとする課題】
【００１０】
本発明は、上記した懸案を鑑みてなされたものである。
【課題を解決するための手段】
【００１１】
本発明はいくつもの態様を有する。これらの態様は：生体内での肺組織の病変を評価するのに有用な装置；生体内での肺組織の病変を評価するのに有用な方法；組織のラマン分光法データを処理し、およびスペクトルが癌性または前癌性組織に対応する可能性の基準値を生成する装置；組織のラマン分光法データを処理し、およびスペクトルが癌性または前癌性組織に対応する可能性の基準値を生成する方法；データ処理装置によって実行されると、データ処理装置に、組織のラマン分光法データを処理し、およびスペクトルが癌性または前癌性組織に対応する可能性の基準値を生成する方法を実行させるコンピュータ可読命令を含む持続性媒体を含む。
【００１２】
本発明の一態様は、ラマンスペクトルの検出および測定による、疾患または生理学的状態の診断のための肺組織の非侵襲性分析に有用な方法および装置を提供する。
本発明のいくつかの実施形態は、ポイントラマンスペクトルを取得して分析し、組織、例えば、肺または気管支樹内の候補位置にある組織を評価するための客観的な尺度となる基準値を提供する方法および装置を提供する。いくつかの実施形態は、病巣が新生物発生前であるか、悪性であるかまたはそれらのいずれでもないかの迅速かつ客観的な尺度となる基準値を提供する。
【００１３】
一部の実施形態では、方法および装置は、正常、炎症、過形成、軽度異形成の分類からなる群と、中等度異形成、高度異形成、上皮内癌（ＣＩＳ）および腫瘍の分類からなる群とを区別するように適合されている。最初の４つの分類は良性とみなされ、最後の４つの分類は悪性とみなされる。
【００１４】
本発明の一態様は、組織を特徴付けるための装置であって、ラマンスペクトルを生成するように構成されたラマン分光計と、ラマンスペクトルの少なくとも１つの特性を測定するように構成されたラマンスペクトル分析装置と、測定された特性に応答して駆動されるフィードバックデバイスとを含む装置を提供する。１つ以上のスペクトルを含む少なくとも１つの特性は、１５００±１０ｃｍ−１〜３４００±１０ｃｍ−１の相対的な波数範囲内にあることを特徴とする。
【００１５】
一部の実施形態では、装置は、ラマンスペクトルを処理して、平滑化された二次微分（ｄｅｒｉｖａｔｉｖｅ）スペクトルをもたらすようにさらに構成される。これは、例えば、サヴィツキイ（Ｓａｖｉｔｚｋｙ）−ゴーレイ（Ｇｏｌａｙ）の６点二次多項式を適用することによって達成されうる。組織は、平滑化された二次微分スペクトルの特徴に基づいて特徴付けてもよい。
【００１６】
一部の実施形態では、装置は：組織の特性の事後確率が第１の閾値を下回る場合、組織を第１の分類に特徴付けること；組織の特性の事後確率が第２の閾値を上回る場合、組織を第２の分類に特徴付けること；および組織の特性の事後確率が第１の閾値と第２の閾値との間にある場合、組織を第３の分類に特徴付けることによって、組織を特徴付けるように構成されている。一部の実施形態では、第１の閾値は０．３±１０％のカットオフを表し、第２の閾値は０．７±１０％のカットオフを表す。例えば、第１の閾値を０．３のカットオフとし、および第２の閾値を０．７のカットオフとしてもよい。
【００１７】
本発明の別の態様は、肺組織の少なくとも１つのラマンスペクトルを受光すること、ラマンスペクトルの少なくとも１つの特性を測定すること、測定された特性に応答して組織を特徴付けること、および組織の特徴付けの表示を生成することを含む、組織の特徴付け方法を提供する。組織の特徴付けは、少なくともある程度は、相対的な波数範囲１５００±１０ｃｍ−１〜３４００±１０ｃｍ−１にあるラマンスペクトルの１つ以上の特徴に基づく。
【００１８】
一部の実施形態では、平滑化された二次微分スペクトルを計算する。これは、例えば、サヴィツキイ−ゴーレイの６点二次多項式を各ラマンスペクトルに適用することによって、なされ得る。
【００１９】
一部の実施形態では、組織の特徴付けは：組織の特性の事後確率が第１の閾値を下回る場合に、組織を第１の分類に特徴付けること；組織の特性の事後確率が第２の閾値を上回る場合に、組織を第２の分類に特徴付けること；および組織の特性の事後確率が第１の閾値と第２の閾値との間にある場合に、組織を第３の分類に特徴付けることを含む。一部の実施形態では、第１の閾値は０．３±１０％のカットオフを表し、第２の閾値は０．７±１０％のカットオフを表す。例えば、第１の閾値を０．３のカットオフとし、第２の閾値を０．７のカットオフとしてもよい。
【００２０】
本発明の別の態様は、少なくとも１つのデータ処理装置によって実行される命令を記憶する、持続性の有形のコンピュータ可読媒体であって、それらの命令は、データ処理装置によって実行されると、データ処理装置に、肺組織の少なくとも１つのラマンスペクトルを処理するステップ、ラマンスペクトルに応答して肺組織を特徴付けるステップ、および肺組織の特徴付けの表示を生成するステップを含む、組織を特徴付ける方法を実行させる、持続性の有形のコンピュータ可読媒体を提供する。組織の特徴付けは、少なくともある程度は、相対的な波数範囲１５００±１０ｃｍ−１〜３４００±１０ｃｍ−１にあるラマンスペクトルの１つ以上の特徴に基づく。
【図面の簡単な説明】
【００２１】
【図１】本発明の例示的な実施形態による診断装置のブロック図である。
【図２】本発明の別の例示的な実施形態による装置のブロック図である。
【図２Ａ】プロトタイプの診断装置の写真である。
【図３Ａ】生のラマンスペクトルのグラフである。
【図３Ｂ】蛍光バックグラウンドに多項式曲線がフィットしている図３Ａのラマンスペクトルのグラフである。
【図３Ｃ】蛍光バックグラウンドが減じられた図３Ａのラマンスペクトルのグラフである。
【図４Ａ】白色光下の病巣の写真である。
【図４Ｂ】同じ病巣の青色光励起蛍光の写真である。
【図４Ｃ】疑わしい病巣の青色光およびラマン分光計励起蛍光の写真である。
【図５Ａ】データセットからの例示的な平均ラマンスペクトルのグラフである。
【図５Ｂ】データセットからの別の例示的な平均ラマンスペクトルのグラフである。
【図５Ｃ】データセットからの別の例示的な平均ラマンスペクトルのグラフである。
【図５Ｄ】病巣の様々な分類のための例示的なラマンスペクトルのグラフである。
【図６】予測されたおよび公知の病変の例示的な事後確率プロットのグラフである。
【図７】例示的なラマンスペクトルの例示的な受光器の動作特性のグラフである。
【図８】様々な基準材料の例示的なラマンスペクトルを示すグラフである。
【発明を実施するための形態】
【００２２】
本発明の追加的な態様および本発明の例示的な実施形態の特徴を、下記で説明するおよび／または添付の図面に示す。
添付の図面は、本発明の非限定的な実施形態を示す。
【００２３】
以下の説明を通して、本発明のより完全な理解を促すために、具体的な詳細について説明する。しかしながら、本発明は、これらの詳細な事項を用いずに実施してもよい。他の例では、本発明を不必要に曖昧にしないために、周知の要素を詳細に示したり説明したりしない。従って、本明細書および図面は、限定ではなく、例示であるとみなされる。
【００２４】
図１は、本発明の例示的な実施形態による装置２０のブロック図である。装置２０は、少量の組織Ｔのラマンスペクトル２４を決定するように構成されたラマン分光計２２を含む。組織Ｔは肺組織とし得る。
【００２５】
肺組織の生体内ラマンスペクトルを得ることは、一般的に肺組織から分光計へ光を伝達するためには光ファイバまたは他の可撓性プローブを必要とするために、集光効率が低下し得るという問題が生じ、これによって、困難となることがある。別の問題は、肺は頻繁に制御されずに動くものであるため、組織の特定の領域に対して数秒の時間を超えて焦点を維持することが困難となることである。これらの問題点は、シム（Ｓｈｉｍ）ＭＧら、「生体内での医用ラマン分光法のための光ファイバプローブの研究（Ｓｔｕｄｙ ｏｆ ｆｉｂｅｒ ｏｐｔｉｃ ｐｒｏｂｅｓ ｆｏｒ ｉｎ ｖｉｖｏ ｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ）」（非特許文献２２）において説明されているように、ファイバ放射を低減させるための構成要素を使用することによって、およびファング（Ｈｕａｎｇ）Ｚら「リアルタイム生体内皮膚測定のための迅速な近赤外ラマン分光システム（Ｒａｐｉｄ ｎｅａｒ−ｉｎｆｒａｒｅｄ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ ｓｙｓｔｅｍ ｆｏｒ ｒｅａｌ−ｔｉｍｅ ｉｎ ｖｉｖｏ ｓｋｉｎ ｍｅａｓｕｒｅｍｅｎｔｓ）」（非特許文献６）において説明されているように、高い信号対雑音比を促進するステップを取ることによって、対処できる。ショート（Ｓｈｏｒｔ）ＭＡら、「肺癌の生体内診断の可能性のための内視鏡検査ラマンプローブの開発および暫定的結果（Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｅｌｉｍｉｎａｒｙ ｒｅｓｕｌｔｓ ｏｆ ａｎ ｅｎｄｏｓｃｏｐｙ Ｒａｍａｎ ｐｒｏｂｅ ｆｏｒ ｐｏｔｅｎｔｉａｌ ｉｎ−ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒｓ）」（非特許文献７）には、肺組織からラマンスペクトルを取得するのに好適なプロトタイプのラマン分光システムが説明されている。
【００２６】
スペクトル分析構成要素２６がラマンスペクトル２４を受光してラマンスペクトルを処理し、ラマンスペクトル２４が得られた組織の病変を表す尺度である基準値２８を得る。基準値２８はフィードバックデバイス２９を制御する。フィードバックデバイス２９は、例えば、ランプ、グラフ表示、音、ディスプレイまたは基準値２８に応答して、人が認知できる信号を提供する他のデバイスを含み得る。
【００２７】
基準値２８は、少なくともある程度は、１５００ｃｍ−１〜３４００ｃｍ−１の波数範囲に見られるラマンスペクトルの特徴に基づいている。
図２は、本発明の別の例示的な実施形態による装置３０のブロック図である。図２では、ラマン分光計２２は、光源３２を含むように示されている。光源３２は単色光源であり、例えば、レーザを含んでもよい。光源３２は、例えば、赤外レーザを含んでもよい。例示的な実施形態では、レーザは、７８５ｎｍの波長の光を発生させる。
【００２８】
組織に大量の放射線を照射しないことが望ましい。これは、光源３２の適切な選択、光源の制御、および／または光源から下流において減衰させることによって達成し得る。
光源３２からの光は、フィルタ３４によってフィルタリングされて、光ファイバ３６に結合される。光は、ビームスプリッタ３８を通過してカテーテル４０に至る。カテーテル４０は、例えば、気管支鏡の器具のチャネルから下方に延在する。例示的な実施形態では、カテーテル４０の直径は１．８ｍｍであるため、気管支鏡の２．２ｍｍ直径の器具口径を通ることができる。カテーテル４０の遠位端部から出射する光は、カテーテル４０のその端部に隣接する組織を照明し、そこで、光の一部がラマン散乱される。ラマン散乱光はカテーテル４０に入射し、ビームスプリッタ３８およびフィルタ４２によって分光写真器４４まで伝達される。
【００２９】
分光写真器４４および検出器４６が連携して、分光写真器４４に入射する光のラマンスペクトルを生成する。ラマンスペクトルを特徴付ける情報が分析システム４８に伝えられる。好ましくは、ラマンスペクトルは、短いデータ収集時間以内、例えば１秒以内に取得される。
【００３０】
スペクトル分析システム４８は、プログラムされたデータ処理装置、例えばパーソナルコンピュータ、組込型コンピュータ、マイクロプロセッサ、グラフフィック処理装置、デジタル信号処理装置などを含んで、ソフトウェア命令および／またはファームウェア命令を実行してもよく、これにより、処理装置は、ラマンスペクトルから特有のスペクトル特性を抽出する。代替的な実施形態では、スペクトル分析システム４８は、電子回路、論理パイプライン（ｌｏｇｉｃ ｐｉｐｅｌｉｎｅ）、または特有のスペクトル特性を抽出するように構成された他のハードウェア、もしくはハードウェアと組み合わせた、特有のスペクトル特性の抽出において１つ以上のステップを実行する、プログラムされたデータ処理装置を含む。
【００３１】
スペクトル分析システム４８がリアルタイムでまたはほぼリアルタイムで動作して、ラマンスペクトルの取得と実質的に同時にまたは少なくとも数秒以内にラマンスペクトルの分析を完了するようにすることは、強制ではないが、好都合である。
【００３２】
図２では、４７は、分光計を校正するのに使用される５０μｍの直径のファイバを示す。
スペクトル分析システム４８は表示装置４９に接続され、表示装置４９を、スペクトル分析システム４８によりラマンスペクトルから抽出された特有のスペクトル特性から得られる基準値に従って制御するようにする。
【００３３】
測定されたラマンスペクトルは、一般に蛍光バックグラウンドに重ね合わされていて、蛍光バックグラウンドは基準値毎に変動している。スペクトル分析システム４８が、受光したラマンスペクトルを処理して蛍光バックグラウンドを除去し、かつまたスペクトルを正規化することが好都合である。蛍光バックグラウンドの除去は、例えばチャオ（Ｚｈａｏ）Ｊら、「生物医学用ラマン分光法のための自動蛍光バックグラウンド減算アルゴリズム（Ａｕｔｏｍａｔｅｄ Ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ Ｂａｃｋｇｒｏｕｎｄ Ｓｕｂｔｒａｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｂｉｏｍｅｄｉｃａｌ Ｒａｍａｎ Ｓｐｅｃｔｒｏｓｃｏｐｙ）」、Ａｐｐｌ．Ｓｐｅｃｔｒｏｓｃ．２００７年；６１：１２２５−１２３２（これにより、本願明細書に援用する）で説明されているように、バンクーバーラマンアルゴリズム（Ｖａｎｃｏｕｖｅｒ Ｒａｍａｎ Ａｌｇｏｒｉｔｈｍ）を使用して達成し得る。バンクーバーラマンアルゴリズムは、雑音を考慮した、反復（ｉｔｅｒａｔｉｖｅ）修正（ｍｏｄｉｆｉｅｄ）多項式曲線フィッティング蛍光除去方法である。図３Ａ、図３Ｂおよび図３Ｃはそれぞれ、生のラマンスペクトル、蛍光バックグラウンドにフィットする多項式曲線を備える図３Ａのラマンスペクトル、および多項式曲線によってモデル化された蛍光バックグラウンドが減算された図３Ａのラマンスペクトルを示す。
【００３４】
正規化は、例えば、各スペクトルの曲線下面積（ＡＵＣ）に実行され得る。例えば、各スペクトルに、ＡＵＣを標準値と等しくするように選択された値を掛けてもよい。スペクトル表示の便宜のために、正規化された強度を、各スペクトルのデータ点数で割ってもよい。
【００３５】
分光写真器４４およびスペクトル分析システム４８は、１５００ｃｍ−１〜３４００ｃｍ−１の範囲の少なくとも一部を含むラマンスペクトルを取得して分析するように構成されている。本発明者らは、この範囲は、０〜２０００ｃｍ−１の範囲に見られる肺組織の非常に強い自己蛍光を回避し、かつ依然として組織の特徴付けに有用な重要な生体分子情報を含むので、好都合であると判断した。
【００３６】
スペクトル分析システム４８は、組織を、それらの１５００ｃｍ−１〜３４００ｃｍ−１の範囲のラマンスペクトルに従って分類するように、多変量データ分析を適用し得る。例えば、特定のスペクトルは、主成分分析（ＰＣＡ：ｐｒｉｎｃｉｐｌｅ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ）を行うことによって分析してもよい。ＰＣＡは、取得したラマンスペクトルの範囲の一部または全てについて行ってもよい。
【００３７】
ＰＣＡは、一組のトレーニングスペクトル内の分散の所定部分を表す一組の主成分を生成することを含む。例えば、各スペクトルは、一組のいくつかのＰＣＡ変数の線形結合として表してもよい。ＰＣＡ変数は、これらが一組のトレーニングスペクトルの全分散の少なくとも閾値の量（例えば少なくとも７０％）を占めるように、選択してもよい。
【００３８】
主成分（ＰＣ：Ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ）は、ＰＣを生成する標準化スペクトルデータ行列にＰＣＡを行うことによって得てもよい。ＰＣは、一般的に、元のスペクトルにおける全分散のほとんどを占める、直交変数の数の減少をもたらす。
【００３９】
ＰＣは、ＰＣスコアと呼ばれる変数を計算することによって新しいラマンスペクトルを評価するために使用してもよい。ＰＣスコアは、分析中のラマンスペクトルの特定の１つまたは複数のＰＣの重みを表す。
【００４０】
次いで、線形判別分析（ＬＤＡ）を使用して、組織が正常であるかどうかを示すＰＣスコアの関数（判別関数）を導き出すことができる。
その後、判別関数を適用して、未知の組織のラマンスペクトルに関するＰＣスコアに対応する点が判別関数のラインに対し、どこにあるかに基づいて、未知の組織を分類してもよい。
【００４１】
スペクトル分析システム４８は、１５００ｃｍ−１〜３４００ｃｍ−１の範囲のラマンスペクトルに線形判別分析および／または主成分分析を行って、健康な肺組織と健康でない肺組織とを区別するように構成されてもよい。この例を下記に提供する。
【００４２】
図２Ａは、プロトタイプの実施形態による装置を示す写真である。装置はカートに据え付けられているため、患者の近くまで持っていくことができる。
装置２０または３０の一適用例は、異なるモダリティ、例えば、ＷＬＢおよびＡＦＢを使用して対象であると確認された病巣を特徴付けることである。対象病巣を確認するために使用されたのと同じ器具（例えば気管支鏡）によって、カテーテル４０を導くことが好都合である。これにより、病巣を観察した直後に、病巣を特徴付けるためにラマン分光法を使用することを促す。医師は気管支鏡を使用して、１つ以上の適切な画像モード下で肺組織を見ることにより、対象病巣を確認できる。対象病巣の位置が決定されたら、医師は、気管支鏡を動かすことなく、対象病巣のラマンスペクトルの取得および分析をトリガする。これは、例えば、ボタンを押すことによって、またはラマンスペクトルを取得するように装置に命令を出す別のユーザインターフェースモダリティを使用することによって、行ってもよい。一部の実施形態では、医師は、ラマンスペクトルの自動分析の結果を直ぐに受け取る。自動分析の結果に基づいて、医師は、対象病巣の生検を行うかどうかなどのさらなる措置を決定できる。
【００４３】
図４Ａは、白色光の下で撮像された病巣を示す写真であり、および図４Ｂは、青色光励起蛍光画像として示された、図４Ａに示すのと同じ位置の写真である。図４Ｂは、キシリックステクノロジー社（Ｖａｎｃｏｕｖｅｒ、ＣａｎａｄａのＸｉｌｌｉｘ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏｒｐ．）からのＯｎｃｏ−ＬＩＦＥ（商標）蛍光内視鏡システムを使用して得られた写真である。図４Ｂでは、緑色が正常組織を表し、および濃い赤色（例えば領域６０における）が、患部組織を表す。
【００４４】
図４Ｃは、蛍光画像を生成する青色光と、ラマン分光計のカテーテル４０からの７８５ｎｍの光とで同時に励起されている、病巣が疑われる別の個所を示す写真であり、全体的に領域６２で示される領域は赤色であり、残りの領域はおよび主に緑色である。
【００４５】
本発明を、以下の具体的な実施例を参照してさらに説明する。実施例は、本発明を限定することを意味せず、本発明をさらに説明するものである。
【実施例１】
【００４６】
図２に示すタイプの近赤外ラマン装置を使用して、肺組織におけるリアルタイムの生体内の肺病巣スペクトルを収集した。肺組織は、気管支鏡検査を受けた４６名の群から選択した２６名からのものであった。気管支鏡検査者が病巣を確認し、ＷＬＢとＡＦＢとの組み合わせを使用して生検を行った。４６名の参加者のうち、気管支鏡検査者が生検を行うと選択した２６名に病巣が見られた。ラマンスペクトルは、これらの病巣から、本明細書で説明する装置を使用して得られた。１２９のラマンスペクトルを測定した。１秒の照射で、生体内ラマンスペクトルが明瞭に得られた。
【００４７】
生検は同じ個所に行われ、病理学者によって分類された。世界保健機関の基準に従って、８つの分類が使用された（例えば、世界保健機関病理学パネル：世界保健機関インターナショナル 腫瘍の組織学分類（Ｗｏｒｌｄ Ｈｅａｌｔｈ Ｏｒｇａｎｉｚａｔｉｏｎ Ｐａｔｈｏｌｏｇｙ Ｐａｎｅｌ：Ｗｏｒｌｄ Ｈｅａｌｔｈ Ｏｒｇａｎｉｚａｔｉｏｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｈｉｓｔｏｌｏｇｉｃａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｔｕｍｏｒｓ）、第３版、ベルリン（Ｂｅｒｌｉｎ）：シュプリンガー・フェアラーク（Ｓｐｒｉｎｇｅｒ Ｖｅｒｌａｇ）；１９９９年、５頁における、トラビス（Ｔｒａｖｉｓ）ＷＤら、「肺および胸膜の腫瘍の組織学分類のための組織学的かつグラフィックなテキストスライド（Ｈｉｓｔｏｌｏｇｉｃ ａｎｄ ｇｒａｐｈｉｃａｌ ｔｅｘｔ ｓｌｉｄｅｓ ｆｏｒ ｔｈｅ ｈｉｓｔｏｌｏｇｉｃａｌ ｔｙｐｉｎｇ ｏｆ ｌｕｎｇ ａｎｄ ｐｌｅｕｒａｌ ｔｕｍｏｒｓ）」を参照）。これらの８分類は：正常上皮；過形成（杯細胞の過形成、および基底／予備細胞の過形成を含む）；化生（未熟扁平上皮化生（ｉｍｍａｔｕｒｅ ｓｑｕａｍｏｕｓ ｍｅｔａｐｌａｓｉａ）および扁平上皮化生を含む）；軽度異形成；中等度異形成；高度異形成：ＣＩＳ：および浸潤性の扁平上皮癌（ＩＣ）であった。炎症性変化の有無も記録した。以下の考察では、≧ＭＯＤは、病変が中等度異形成またはそれよりも悪い病巣を意味し、≦ＭＩＬＤは、病変が軽度異形成またはそれよりも良い病巣を意味する。
【００４８】
得られた１２９のラマンスペクトルのうち、５１は、病変が≧ＭＯＤの部位からのものであり、残りは、病変が軽度異形成またはそれよりも良い（≦ＭＩＬＤ）部位からのもであった。
【００４９】
波長に応じてシステムの感度を校正する前に、各スペクトルの生データから周囲のバックグラウンド信号が差し引かれた。前処理済スペクトルは、それぞれ、３つの異なる方法で処理された。
【００５０】
各前処理済スペクトルで３点平滑化操作（ｓｍｏｏｔｈｉｎｇ ｏｐｅｒａｔｉｏｎ）を行い、かつ、各曲線下領域を合計して、平滑化されたスペクトルにおける各変数をこの和で除することにより強度変化を正規化することによって、第１のデータセット（データセットＡ）が得られた。図５Ａは、病変が≦ＭＩＬＤ（曲線５１Ａ）および≧ＭＯＤ（曲線５１Ｂ）の部位からのデータセットＡからのデータの平均スペクトルを示す。曲線５１Ａおよび５１Ｂは、明確にするために、強度スケールがシフトされている。曲線５１Ｃは、平均≧ＭＯＤスペクトルから平均≦ＭＩＬＤスペクトルを減じた結果を示す（同じ強度スケールではない）。水平の点線は、ゼロ強度にある。
【００５１】
図５Ａの検査は、１６００、２１５０、および２９００ｃｍ−１辺りのラマンピークが比較的小さいデータセットＡのスペクトルに自己蛍光が多大な貢献をしていることを示している。２１５０ｃｍ−１を中心とした低強度の幅広いピーク、および３１００ｃｍ−１超に上昇する強い放出は、水分子振動によるものである。
【００５２】
３点平滑化操作を行ってから、チャオ（Ｚｈａｏ）Ｊら、「生物医学用ラマン分光法のための自動蛍光バックグラウンド減算アルゴリズム（Ａｕｔｏｍａｔｅｄ ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｂｉｏｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ ２００７年；６１：１２２５−１２３２で説明されているように、修正多項式フィッティングルーチン（ｐｏｌｙｎｏｍｉａｌ ｆｉｔｔｉｎｇ ｒｏｕｔｉｎｅ）により自己蛍光を減じることによって、第２のデータセット（データセットＢ）が得られた。その結果得られたスペクトルに対して、第１のデータセットについて説明したように、正規化を行った。
【００５３】
図５Ｂは、≦ＭＩＬＤ病巣（曲線５２Ａ）および≧ＭＯＤ病巣（曲線５２Ｂ）のデータセットＢからの平均ラマンスペクトルを示す。曲線５２Ｃは、平均≧ＭＯＤスペクトルから平均≦ＭＩＬＤスペクトルを減じた結果を示す（同じ強度スケールではない）。曲線５２Ａおよび５２Ｂは、１３の波数位置（図面に垂直の点線で示す）でのｔ検定統計（ｐ．０．０５）によって決定された有意差を示す。これらの波数位置は、スペクトルのピークまたは肩のいずれかに対応する。２つの範囲（ＡおよびＢ）は、これらの範囲外で明瞭なラマンピークが観察されなかったとして示す。各平均スペクトルに対する近似的なフィットは、測定された基準値全ての加重最小二乗和によって得られた。これらのフィットは黒い実線で示し、≧ＭＯＤ病巣に対するＤＮＡ、ヘモグロビン、フェニルアラニン、およびトリオレインの相対的増加、および対応するコラーゲンの低下を示す。
【００５４】
図５Ｄは、様々な分類の病巣に関してデータセットＢとして処理された生体内ラマンスペクトルを示す。２つの波数範囲（ＡおよびＢ）を示してあり、これは、これらの範囲外で明瞭なラマンピークが観察されなかったからである。範囲Ａのスペクトルは範囲Ｂのスペクトルよりも、平均で、強さが５分の１だった。
【００５５】
１６６３ｃｍ−１付近の幅広いピークは、おそらく、ν（Ｃ＝Ｏ）アミドＩの振動とν２水分子のベンディング運動との組み合わせに対応する。約２９００ｃｍ−１の幅広いピークは、脂質（Ｃ−Ｈ）のピーク（２８３３＋２８８６ｃｍ−１）と２９３８ｃｍ−１での一般的な蛋白質の振動との組み合わせによるものとされる。
【００５６】
図５Ｄでは、他の小さなピークまたは肩は：１５８９、１６４６、１６９８、１７２７、２７２０、２８０１、２８６３、２８７７および２９２１ｃｍ−１にあり、それらは、様々なアミノ酸、脂質、および蛋白質のピークに対応するようである。１７５０〜２７００ｃｍ−１の間では（図５Ｄには示さない範囲）、２１５０ｃｍ−１での幅広い放出とは別に、非常に低強度のいくつもの狭いピークがあり、これらの狭いピークは、肺の異なる部位によって変化しているようには見えなかった。このスペクトル領域は、主に、観察された非常に低い強度ピークの一部とほぼ一致した炭素モードおよび窒素モードに依るいくらかの弱いラマン放出が報告されているが、有意義なラマンピークに関しては全く注目されていない。
【００５７】
第３のデータセット（データセットＣ）は、平滑化した二次微分スペクトルを計算するために、各前処理済スペクトルにサヴィツキイ−ゴーレイの６点二次多項式を適用することによって準備した。この技術は、例えば、サヴィツキイ（Ｓａｖｉｔｚｋｙ）Ａら、「簡易化された最小二乗法によるデータの平滑化および差別化（Ｓｍｏｏｔｈｉｎｇ ａｎｄ ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ ｏｆ ｄａｔａ ｂｙ ｓｉｍｐｌｉｆｉｅｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｐｒｏｃｅｄｕｒｅ）」、Ａｎａｌｙｔｉｃａｌ Ｃｈｅｍｉｓｔｒｙ １９６４年；３６：６２７−１６３９に説明されている。スペクトルの微分値の二乗（ｓｑｕａｒｅｄ ｄｅｒｉｖａｔｉｖｅ ｖａｌｕｅ）を加算してから、各変数をこの和によって除することが、正規化に使用された。
【００５８】
異なる病変群間の有意差（ｐ．０．０５）が明白である範囲にわたるデータセットＣの二次微分スペクトルを図５Ｃに示す。曲線５３Ａは、病変≦ＭＩＬＤの部位からの平均処理データである。曲線５３Ｂは、病変≧ＭＯＤの部位からの平均処理データである。曲線５３Ａおよび５３Ｂは、明確にするために、強度スケールでシフトさせた。曲線５３Ｃは、平均≧ＭＯＤスペクトルから平均≦ＭＩＬＤスペクトルを減じた結果を示す（同じ強度スケールではない）。水平の点線は、ゼロ強度にある。２つの波数範囲（（ａ）１５５０〜１８００ｃｍ−１および（ｂ）２７００〜３１００ｃｍ−１）を示す。これらの範囲にのみラマンピークが明白に観察された。
【００５９】
データセットＡ、Ｂ、およびＣは、統計ソフトウェア（Ｔｕｌｓａ、ＯＫ ＵＳＡのスタットソフト社（ＳｔａｔＳｏｆｔ Ｉｎｃ．）からのスタティスティカ（Ｓｔａｔｉｓｔｉｃａ）（商標）６．０）を使用して、別々に分析された。各データセットにおける全てのスペクトルに対して主成分（ＰＣ）が計算され、変数の数を削減した。分散の０．１％以上を考慮するスチューデントｔ検定をＰＣに使用して、２つの病変群：≧ＭＯＤおよび≦ＭＩＬＤにスペクトルを分類する最重要のＰＣを決定した。ＬＯＯＣＶ（ｌｅａｖｅ−ｏｎｅ−ｏｕｔ ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ）による線形判別分析（ＬＤＡ）を最重要ＰＣに使用した。データのオーバーフィッティング（ｏｖｅｒ ｆｉｔｔｉｎｇ）を回避するために、ＬＤＡで使用されたＰＣ数は、最小の部分群、すなわち５１の≧ＭＯＤスペクトルの場合、総数の３分の１（１７）に限定された。
【００６０】
ＬＯＯＣＶ手順を使用して、過剰トレーニングを回避し得る。ＬＯＯＣＶは、データセットから１つのスペクトルを除外し、およびスペクトルの残りのセットを使用して、ＰＣＡおよびＬＤＡを含むアルゴリズム全体を繰り返すことを含む。次いで、得られる最適化アルゴリズムを使用して、除外されたスペクトルを分類する。この処理を、各スペクトルが個別に分類されるまで、繰り返してもよい。
【００６１】
データセットＡ、ＢおよびＣからのスペクトルの全分析は、ＩＣ病変（２４）の全スペクトルが各データセットから外されたことを除いて、上述のように２回目も行われた。各データセットの２７のスペクトルが、≧ＭＯＤ病変分類のままで残ったので、ＬＤＡ交差検定モデルにおいて９個のＰＣのみを使用した。
【００６２】
データセットＡ、ＢおよびＣからのスペクトルでの統計分析は、表Ｉから分かるように、かなり異なる結果をもたらす。データセットＡからのスペクトルは、最も悪く、感度８０％および特異性７２％で病変≧ＭＯＤを予測した。分析からＩＣスペクトルを除外することによって、特異性は若干増加したものの、実質的に感度は悪くなった。スペクトルが、事後確率が≧０．７または≦０．３であったときにのみ分類された場合、１２９のスペクトルのうち分類できるのは９９のみであるという代償を払って（７７％）、感度８０％および特異性７７％が得られた。
【００６３】
【表１】
データセットＢのスペクトル分析は、データセットＡのスペクトルと比較して、感度８０％および特異性７９％と、病変の予測が改善されたことを示した。分析からのＩＣスペクトルの除去は、感度を変えずに、実質的に特異性（８９％）を改善した。０．７および０．３でのカットオフラインを使用すると、感度および特異性はそれぞれ８３および８４％であり、かつ１２９のスペクトルのうち８０％が分類された。
【００６４】
最良の結果は、二次微分（データセットＣ）で処理したスペクトル分析によって得られた。図６は、公知の病変と比較した予測病変の事後確率プロットである。データセットＣの統計分析は、ＬＯＯＣＶを使用して行われた。１７のＰＣＡ成分をＬＤＡモデルに使用した。全てのスペクトルを使用して、感度９０％および特異性９１％が得られた。この場合、３つのＩＣスペクトル５１のみが誤って分類された（図６参照）。分析から全てのＩＣスペクトルを除外することによって、特異性は９１％で変わらないままで感度が９６％まで高まり、および０．７および０．３のカットオフラインを使用する場合には、スペクトルの８８％が分類されて、感度および特異性の双方とも高まった。
【００６５】
３つのデータセット全てに対する受光器の動作特性（ＲＯＣ：ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｏｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）を図７に示す。図７は、ＬＤＡ事後確率プロットにおいてカットオフラインを０から１００％へ動かしたときに、感度および特異性がどのように変化するかを示す。データセットＡは曲線５５Ａに対応する。データセットＢは曲線５５Ｂに対応する。データセットＣは曲線５５Ｃに対応する。二次微分で処理されたスペクトル（データセットＣ）の優位性がはっきりと分かる。各ＲＯＣ曲線下の部分面積（ｆｒａｃｔｉｏｎａｌ ａｒｅａ）は、それぞれ、データセットＡ、ＢおよびＣで分析されたスペクトルに関して、０．７８、０．８５および０．９２であった。
【００６６】
ヒトの上皮および結合組織からの放出の主な要因である基準材料のラマンスペクトルは、比較のために得られた。これらは：ヒト胎盤から精製されたＤＮＡ、パン酵母からのＲＮＡ、フェニルアラニン、チロシン、トリプトファン、トリオレイン（気管支粘液に豊富に存在する脂質）、ヒト肺からのコラーゲン、およびヒトヘモグロビンであった。ほとんどの標準試料は、シグマアルドリッチカナダ社（Ｓｉｇｍａ−Ａｌｄｒｉｃｈ Ｃａｎａｄａ Ｌｔｄ）から、参照番号ＤＮＡ（Ｄ４６４２）、ＲＮＡ（Ｒ６７５０）、フェニルアラニン（Ｐ２１２６）、チロシン（Ｔ３７５４）、トリプトファン（Ｔ０２５４）、トリオレイン（Ｔ７１４０）、およびヒト肺コラーゲン（ＣＨ７８３）で得られた。ヘモグロビンは、ボランティアの血液試料からのものであった。標準試料を、それらが供給された状態で、さらなる処理をせずにそのまま使用した。スペクトルは、ラマンカテーテルを各試料の数ミリメートル上に支持することによって、生体内での測定と同じ機器を使用して得られた。データは、生体内でのデータと同じ方法で前処理してから、データセットＢのスペクトルに関してはさらに処理した。図８は、基準材料のラマンスペクトルを示す。スペクトルは、明確にするために、強度の軸に沿ってシフトした。スペクトルの特徴は、文献で報告されているものと一致する。
【００６７】
１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲では自己蛍光があるが、０〜２０００ｃｍ−１の通常の範囲にわたって見られるものよりも１桁小さい自己蛍光であることが分かった。さらに、測定範囲でのラマンピークが少数であるにもかかわらず、および組織の病変が正常からＩＣまで様々な変化を経るときに、ピークの変化に全く一貫した傾向がみられないが（例えば図５Ｄ参照）、異なる病変の部位のスペクトルには統計的に有意差があった。
【００６８】
データセットＡのスペクトルの統計分析を、部位選択処理が、ＡＦＢによる画像化によって確認された部位のみを選択するように偏っているということによって、説明し得る。しかしながら、これによって、最適な特異性にならなくなることが分かっている。一般的に、ＷＬＢとＡＦＢとの組み合わせを使用してＩＣを確認することは困難ではないため、データ分析からＩＣスペクトルを除外することは、早期疾患の発見を促進し得る。データセットＡのスペクトルの場合、この理論は、≧ＭＯＤ部位からのスペクトルの確認は５５％のみであり、誤りであったと証明された。これに対する明快な説明は、自己蛍光がスペクトルを支配し、この自己蛍光が、ＩＣ部位を除いて、測定された全ての部位で同様であるということである。
【００６９】
分析にカットオフラインを使用することは、良質のスペクトルを一貫して得ることが不可能であるときに、有益となり得る。患者の無意識の運動は、この問題の１つの原因とし得る。組織表面に粘液または水分がかなりあることも原因１つとなり得る。
【００７０】
一部の実施形態では、分析システム４８は、得られたスペクトルが≧ＭＯＤまたは≦ＭＩＬＤの統計基準を満たすかどうかを決定し、かつこの統計基準が満たされない場合に使用者に信号を送るように構成される。装置は、臨床の場で使用され、かつ実質的にリアルタイムで結果をもたらすためのものであるため、そのような実施形態は、先のスペクトルが統計基準を満たさない場合（例えばカットオフを通過する）、気管支鏡検査者が別のスペクトルをすぐに取れることができるようにする。何度か試みても不合格のいずれの部位にも生検が行われた。カットオフラインは厳くしすぎるべきではない。なぜなら厳しくしすぎると、偽陽性数を減らすという目的を無にしてしまうためである。この作業が基礎をおいている研究では、０．７および０．３の事後確率カットオフが選択された。
【００７１】
データセットＢのスペクトル分析は、データセットＡよりも良好な結果を生んだが、ＩＣ部位からのスペクトルがいくつか誤って分類された。これは、ＩＣ病巣が組織学的に悪性上皮（すなわち癒着性間質）以外の領域を含み得るため、サンプリング誤差による可能性が高い。隣接する反応または炎症性非新生物組織のサンプリングも、試料を誤って分類する可能性の一つである。分析からＩＣスペクトルを除外することは、感度を変えずに、特異性を９％高めた（表Ｉ参照）。事後確率のカットオフラインは、感度および特異性をわずかに改善した。
【００７２】
二次微分スペクトル（データセットＣ）は、≧ＭＯＤおよび≦ＭＩＬＤ組織の区別で、感度９０％および特異性９１％と最良であった。ＩＣスペクトルの除外によって、特異性の低下なく、感度が６％上昇した。ＩＣスペクトルとは別に、他の誤って分類された部位は、中等度異形成、軽度異形成、化生、および過形成の病変の部位であった。サンプリング誤差はまた、これらの誤った分類を説明し得る。誤分類となった別の説明は、ラマンスペクトルが、病巣が後期疾患に至るかどうかの明白な組織学上の指標（ｃｏｕｎｔｅｒｐａｒｔ）がない、生体分子情報を含むということにある。
【００７３】
生成されたデータセットＣが感度値および特異性値を高めた理由は十分に分かっていない。本発明人らは、いずれかの理論にもとらわれたくはないが、実質的な自己蛍光の多項式フィッティングの不正確さによって、相関関係のない分散がデータセットＢに取り込まれたことが原因の１つであり得る。
【００７４】
上述の方法は、様々な方法で変更され得る。例えばバックグラウンド蛍光を除去する他の技術を適用してもよい。マギー（Ｍａｇｅｅ）ＮＤら、「ラマン小型プローブを使用する肺癌の生体外診断（Ｅｘ Ｖｉｖｏ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｃａｎｃｅｒ ｕｓｉｎｇ ａ Ｒａｍａｎ ｍｉｎｉｐｒｏｂｅ）」（非特許文献２０）で説明されている、シフテッド・サブストラクテッド・ラマン分光法を適用してもよい。バックグラウンド蛍光を除去する公知の技術は全て、チャオ（Ｚｈａｏ）ら、「生物医学用ラマン分光法のための自動蛍光バックグラウンド減算アルゴリズム（Ａｕｔｏｍａｔｅｄ ａｕｔｏｆｌｕｏｒｅｓｃｅｎｃｅ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｂｉｏｍｅｄｉｃａｌ Ｒａｍａｎ ｓｐｅｃｔｒｏｓｃｏｐｙ）」、Ａｐｐｌｉｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ ２００７年；６１：１２２５−１２３２によって説明されているような利点および欠点を有する。チャオ（Ｚｈａｏ）らが説明する方法は、複雑でないバックグラウンド蛍光では上手く機能する傾向があり、リアルタイムの臨床応用に手間のかからない方法である。微分スペクトルを生成することもまた、診療所でリアルタイムで実施できる手間のかからない処理であり、この組み合わせは、強い蛍光を発する組織では最適な選択とし得る。
【００７５】
要するに、本明細書で説明したポイントラマン分光法を適用すると、偽陽性生検数を著しく低減できる一方、肺の新生物発生前病巣の検出に対するＷＬＢおよびＡＦＢの感度の低下はわずかにすぎないと思われる。検出感度になんらかの損失を発生させるよりも、４０％の偽陽性率を有する方がよいとみなし得るが、ラマン分光法の補助的使用に伴うわずかな損失の発生は、実際には起こらないと考えてもよい。第１に、気管支鏡検査者は、現在のところ、ＷＬＢ＋ＡＦＢを使用する際に、どの病巣に生検を行うかについてある程度は主観的判断を行う必要がある。本明細書で説明したようなラマン分光法の補助的使用は、決定過程をより客観的にし、そのことにより生検の候補として初めは拒否された部位での追加的な新生物発生前病巣の確認をなし得る。第２に、上述の通り、ラマン分光法は、後期疾患になるマーカである、組織学的に新生物発生前および非新生物発生前の病巣の双方における生体分子の変化を確認し得る。
【００７６】
本明細書で説明した技術の適用は、非侵襲的な診断に限定されない。一部の実施形態では、外科手術中に、本明細書で説明したような装置を使用して、外科手術中にアクセスできる病巣組織を分類してもよい。
【００７７】
実例応用
気管支鏡検査者は、患者に気管支鏡検査を行い、さらなる検査に値する、一連の画像診断法（例えばＡＦＢ＋ＷＬＢ）を使用して病巣を確認する。気管支鏡検査者は、本明細書で説明したようなラマン分光法装置を備えた気管支鏡を使用する。気管支鏡検査者は、ラマンカテーテルの端部が対象病巣に隣接するように気管支鏡を配置し、かつ、病巣組織の１つ以上のラマンスペクトルを取得するようにラマン分光法装置を操作する。装置は、ラマンスペクトルをリアルタイムで分析し、スペクトルに基づいて組織を分類しようと試みる。装置は、分析結果に基づいて気管支鏡検査者に信号を生成する。単純な例として、装置は、分析が≦ＭＩＬＤの分類を示す場合には緑色の光を、および分析が≧ＭＯＤの分類を示す場合には赤色の光を表示するようにしてもよい。一部の実施形態では、装置は、分類を明白に規定できない場合には黄色の光を表示するようにしてもよい（例えば、適切に選択されたカットオフ閾値によって決定された範囲に入らない事後確率によって規定されるように）。
【００７８】
気管支鏡検査者は、装置が≧ＭＯＤの分類を示す場合に、または装置が２回以上試みても明白な分類を行えない場合に、生検を行うことを選択してもよい。装置が≦ＭＩＬＤの分類を行う場合、気管支鏡検査者がその部位からの生検が妥当であることを提示する他の何らかの要因に気付かない限りは、気管支鏡検査者は生検を行わないことを選択してもよい。
【００７９】
本発明のいくつかの実装例は、プロセッサに本発明の方法を実行させるソフトウェア命令を実行するコンピュータプロセッサを含む。例えば、医用ラマン分光計システムにおける１つ以上のプロセッサは、プロセッサにアクセスできるプログラムメモリにおいてソフトウェア命令を実行することによって、本明細書で説明したような方法を実行してもよい。本発明はまた、プログラム製品の形態で提供されてもよい。プログラム製品は、命令を含む一連のコンピュータ可読信号を有する任意の持続性媒体を含んでもよく、それらの命令は、データ処理装置によって実行されると、データ処理装置に本発明の方法を実行させるようにする。本発明によるプログラム製品は、多種多様の形態のいずれとしてもよい。プログラム製品は、例えば、フロッピー（登録商標）ディスケット、ハードディスクドライブを含む磁気データ記憶媒体、ＣＤ ＲＯＭ、ＤＶＤを含む光データ記憶媒体、ＲＯＭ、フラッシュＲＡＭを含む電子データ記憶媒体などの物理媒体を含む。プログラム製品のコンピュータ可読信号は、任意に圧縮されてもまたは暗号化されてもよい。
【００８０】
上記で構成要素（例えばソフトウェアモジュール、プロセッサ、アセンブリ、デバイス、回路など）に言及する場合、他に指定のない限り、その構成要素への言及（「手段」への言及を含む）は、その構成要素の均等物、開示される構造と構造的には均等ではないが、説明される本発明の例示的な実施形態の機能を実行する構成要素を含め、説明される構成要素の機能を実行する（すなわち、機能的に均等の）任意の構成要素を含むと解釈される。
【００８１】
上述の開示を踏まえると当業者には明白なように、本発明の趣旨または範囲から逸脱せずに、本発明の実施には多くの代替形態および修正形態が可能である。従って、本発明の範囲は、以下の特許請求の範囲によって定義される内容に従って構成される。
【特許請求の範囲】
【請求項１】
肺組織を特徴付けるための装置であって、
１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲のラマンスペクトルを生成するように構成されたラマン分光計；
前記ラマンスペクトルの１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲の特徴に基づいて組織を特徴付けるように構成されたラマンスペクトル分析装置；および
前記ラマンスペクトル分析装置の出力に応答して駆動されて、前記ラマンスペクトル分析装置によって前記組織の特徴付けを表示する、人が認知できる信号を生成できるフィードバックデバイス
を含む装置。
【請求項２】
前記ラマンスペクトル分析装置が、前記ラマンスペクトルを処理して平滑化された二次微分スペクトルをもたらし、かつ前記平滑化された二次微分スペクトルの特性に基づいて組織を特徴付けるように構成されている、請求項１に記載の装置。
【請求項３】
前記ラマンスペクトル分析装置が、サヴィツキイ−ゴーレイの６点二次多項式を各スペクトルに適用することによって、前記平滑化された二次微分スペクトルを生成するように構成されている、請求項２に記載の装置。
【請求項４】
前記ラマンスペクトル分析装置が、３点平滑化操作を実施することによって前記ラマンスペクトルを処理し、および前記３点平滑化されたスペクトルの特徴に基づいて組織を特徴付けるように構成されている、請求項１に記載の装置。
【請求項５】
前記ラマンスペクトル分析装置が、前記特徴付けを、第１の相対的な波数範囲１５５０ｃｍ−１〜１８００ｃｍ−１の第１の特徴、および第２の相対的な波数範囲２７００ｃｍ−１〜３１００ｃｍ−１の第２の特徴に準拠するように構成されている、請求項１〜４のいずれか一項に記載の装置。
【請求項６】
前記ラマンスペクトル分析装置が、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１の成分を含むラマンスペクトルのトレーニングセットから導出された主成分に関する前記スペクトルの主成分スコアを計算することによって前記ラマンスペクトルを分析し、かつ前記主成分スコアに基づいた判別関数に従って判別分析を行うように構成されている、請求項１〜５のいずれか一項に記載の装置。
【請求項７】
前記判別分析が線形判別分析を含む、請求項６に記載の装置。
【請求項８】
前記ラマンスペクトル分析装置がデータストアを含み、かつ前記主成分を特徴付ける情報が、前記データストアに記憶されている、請求項６または７に記載の装置。
【請求項９】
前記判別関数が前記データストアに記憶されている、請求項８に記載の装置。
【請求項１０】
前記ラマンスペクトル分析装置が、前記ラマンスペクトルから蛍光バックグラウンドを減じるように構成された蛍光バックグラウンド減算段階を含む、請求項１〜９のいずれか一項に記載の装置。
【請求項１１】
前記蛍光バックグラウンド減算段階が、多項式フィッティングルーチンを実行して蛍光バックグラウンドを推定するように構成されている、請求項１０に記載の装置。
【請求項１２】
前記ラマンスペクトル分析装置が、前記蛍光バックグラウンド減算段階に続いて正規化段階を含み、前記正規化段階が、前記ラマンスペクトルを正規化するように構成されている、請求項１０または１１に記載の装置。
【請求項１３】
前記ラマンスペクトル分析装置が、前記ラマンスペクトルから周囲のバックグラウンド信号を減ずるように構成されている、請求項１〜１２のいずれか一項に記載の装置。
【請求項１４】
気管支鏡を含む請求項１〜１３のいずれか一項に記載の装置であって、前記ラマン分光計が、前記気管支鏡の器具のチャネルに挿入可能な光導波路を含み、前記ラマンスペクトルを含む光を受光する、装置。
【請求項１５】
前記ラマン分光計の分析装置が、各スペクトルの微分値の二乗を加算してから、各変数をこの和で除することによって、前記ラマンスペクトルを正規化するように構成された正規化段階を含む、請求項３に記載の装置。
【請求項１６】
前記ラマン分光計の分析装置が、
前記組織の特性の事後確率が第１の閾値を下回る場合、前記組織を第１の分類に特徴付けること；
前記組織の特性の事後確率が第２の閾値を上回る場合、前記組織を第２の分類に特徴付けること；および
前記組織の特性の事後確率が前記第１の閾値と第２の閾値との間である場合、前記組織を第３の分類に特徴付けること
によって前記組織を特徴付けるように構成されている、請求項６に記載の装置。
【請求項１７】
前記第１の閾値が０．３±１０％のカットオフを表し、前記第２の閾値が０．７±１０％のカットオフを表す、請求項１６に記載の装置。
【請求項１８】
前記フィードバックデバイスが、人が認知できる信号を生成し、前記信号が：
前記組織が前記第１の分類にある場合には、第１の信号であり；
前記組織が前記第２の分類にある場合には、第２の信号であり；および
前記組織が前記第３の分類にある場合には、第３の信号である、請求項１６または１７に記載の装置。
【請求項１９】
組織の特徴付け方法であって：
組織の少なくとも１つのラマンスペクトルを得ることであって、前記ラマンスペクトルが、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１の特徴を含むこと；
ソフトウェア命令を実行するデータ処理装置を含む、プログラムされたスペクトル分析装置において、少なくともある程度は１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲にある前記ラマンスペクトルの特徴に基づいて、組織を自動的に特徴付けること；および
フィードバックデバイスを制御して、前記組織の特徴付けを表す、人が認知できる信号を生成すること
を含む方法。
【請求項２０】
前記組織の特徴付けの前に、前記ラマンスペクトルから蛍光バックグラウンドを除去するために、蛍光バックグラウンド減算ステップを実施することを含む、請求項１９に記載の方法。
【請求項２１】
前記蛍光バックグラウンド減算ステップに続いて、前記ラマンスペクトルを正規化することを含む、請求項２０に記載の方法。
【請求項２２】
前記ラマンスペクトルが、前記組織の特徴付けの前に、平滑化された二次微分スペクトルを生成するように処理され、および前記組織の特徴付けが、前記平滑化された二次微分スペクトルの特徴に基づく、請求項１９に記載の方法。
【請求項２３】
前記平滑化された二次微分スペクトルが、サヴィツキイ−ゴーレイの６点二次多項式を前記ラマンスペクトルに適用することによってもたらされる、請求項２２に記載の方法。
【請求項２４】
前記ラマンスペクトルが、前記組織の特徴付けの前に、前記ラマンスペクトルに３点平滑化操作を実施することによって処理され、および前記組織の特徴付けが、前記３点平滑化されたスペクトルの特徴に基づく、請求項１９に記載の方法。
【請求項２５】
前記組織の特徴付けが、第１の相対的な波数範囲１５５０ｃｍ−１〜１８００ｃｍ−１にある第１の特徴、および第２の相対的な波数範囲２７００ｃｍ−１〜３１００ｃｍ−１にある第２の特徴に基づく、請求項１９に記載の方法。
【請求項２６】
前記ラマンスペクトルが、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１にある成分を含むラマンスペクトルのトレーニングセットから導出された主成分に関する前記スペクトルの主成分スコアを計算し、かつ前記主成分スコアに基づいた判別関数に従って判別分析を実施することによって処理される、請求項１９に記載の方法。
【請求項２７】
前記判別分析が線形判別分析を含む、請求項２６に記載の方法。
【請求項２８】
前記プログラムされたラマンスペクトル分析装置がデータストアを含み、および前記主成分を特徴付ける情報が、前記データストアに記憶されている、請求項２７に記載の方法。
【請求項２９】
前記判別関数が前記データストアに記憶されている、請求項２８に記載の方法。
【請求項３０】
蛍光バックグラウンド減算ステップを実施するステップが、多項式フィッティングルーチンを実行して蛍光バックグラウンドを推定することを含む、請求項２１に記載の方法。
【請求項３１】
前記ラマンスペクトルから周囲のバックグラウンド信号を減ずるステップを含む、請求項１９に記載の方法。
【請求項３２】
各スペクトルの微分値の二乗を加算してから、各変数をこの和で除することによって、前記ラマンスペクトルを正規化するステップを含む、請求項２３に記載の方法。
【請求項３３】
前記組織の特徴付けが確率閾値を使用することを含む、請求項２６に記載の方法。
【請求項３４】
前記組織の特徴付けが、
前記組織の特性の事後確率が第１の閾値を下回る場合、前記組織を第１の分類に特徴付けること；
前記組織の特性の事後確率が第２の閾値を上回る場合、前記組織を第２の分類に特徴付けること；および
前記組織の特性の事後確率が前記第１の閾値と第２の閾値との間にある場合、前記組織を第３の分類に特徴付けること
を含む、請求項２６に記載の方法。
【請求項３５】
前記第１の閾値が０．３±１０％のカットオフを表し、および前記第２の閾値が０．７±１０％のカットオフを表す、請求項３４に記載の方法。
【請求項３６】
前記フィードバックデバイスの制御が：
前記組織が前記第１の分類にある場合に、第１の信号を生成すること；
前記組織が前記第２の分類にある場合に、第２の信号を生成すること；および
前記組織が前記第３の分類にある場合に、第３の信号を生成すること
を含む、請求項３４または３５に記載の方法。
【請求項３７】
少なくとも１つのデータ処理装置によって実行される命令を記憶する持続性の有形のコンピュータ可読媒体であって、それらの命令は、前記データ処理装置によって実行されると、前記データ処理装置に：
組織の少なくとも１つのラマンスペクトルを受光するステップであって、前記ラマンスペクトルが、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１の特徴を含むステップ；
少なくともある程度は、前記ラマンスペクトルの１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲の特徴に基づいて、組織を特徴付けるステップ；および
前記組織の特徴付けの表示を生成するステップ
を含む、組織を特徴付ける方法を実行させる、持続性の有形のコンピュータ可読媒体。
【請求項３８】
前記少なくとも１つのラマンスペクトルをさらに記憶する、請求項３７に記載の持続性の有形のコンピュータ可読媒体。
【請求項１】
肺組織を特徴付けるための装置であって、
１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲のラマンスペクトルを生成するように構成されたラマン分光計；
前記ラマンスペクトルの１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲の特徴に基づいて組織を特徴付けるように構成されたラマンスペクトル分析装置；および
前記ラマンスペクトル分析装置の出力に応答して駆動されて、前記ラマンスペクトル分析装置によって前記組織の特徴付けを表示する、人が認知できる信号を生成できるフィードバックデバイス
を含む装置。
【請求項２】
前記ラマンスペクトル分析装置が、前記ラマンスペクトルを処理して平滑化された二次微分スペクトルをもたらし、かつ前記平滑化された二次微分スペクトルの特性に基づいて組織を特徴付けるように構成されている、請求項１に記載の装置。
【請求項３】
前記ラマンスペクトル分析装置が、サヴィツキイ−ゴーレイの６点二次多項式を各スペクトルに適用することによって、前記平滑化された二次微分スペクトルを生成するように構成されている、請求項２に記載の装置。
【請求項４】
前記ラマンスペクトル分析装置が、３点平滑化操作を実施することによって前記ラマンスペクトルを処理し、および前記３点平滑化されたスペクトルの特徴に基づいて組織を特徴付けるように構成されている、請求項１に記載の装置。
【請求項５】
前記ラマンスペクトル分析装置が、前記特徴付けを、第１の相対的な波数範囲１５５０ｃｍ−１〜１８００ｃｍ−１の第１の特徴、および第２の相対的な波数範囲２７００ｃｍ−１〜３１００ｃｍ−１の第２の特徴に準拠するように構成されている、請求項１〜４のいずれか一項に記載の装置。
【請求項６】
前記ラマンスペクトル分析装置が、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１の成分を含むラマンスペクトルのトレーニングセットから導出された主成分に関する前記スペクトルの主成分スコアを計算することによって前記ラマンスペクトルを分析し、かつ前記主成分スコアに基づいた判別関数に従って判別分析を行うように構成されている、請求項１〜５のいずれか一項に記載の装置。
【請求項７】
前記判別分析が線形判別分析を含む、請求項６に記載の装置。
【請求項８】
前記ラマンスペクトル分析装置がデータストアを含み、かつ前記主成分を特徴付ける情報が、前記データストアに記憶されている、請求項６または７に記載の装置。
【請求項９】
前記判別関数が前記データストアに記憶されている、請求項８に記載の装置。
【請求項１０】
前記ラマンスペクトル分析装置が、前記ラマンスペクトルから蛍光バックグラウンドを減じるように構成された蛍光バックグラウンド減算段階を含む、請求項１〜９のいずれか一項に記載の装置。
【請求項１１】
前記蛍光バックグラウンド減算段階が、多項式フィッティングルーチンを実行して蛍光バックグラウンドを推定するように構成されている、請求項１０に記載の装置。
【請求項１２】
前記ラマンスペクトル分析装置が、前記蛍光バックグラウンド減算段階に続いて正規化段階を含み、前記正規化段階が、前記ラマンスペクトルを正規化するように構成されている、請求項１０または１１に記載の装置。
【請求項１３】
前記ラマンスペクトル分析装置が、前記ラマンスペクトルから周囲のバックグラウンド信号を減ずるように構成されている、請求項１〜１２のいずれか一項に記載の装置。
【請求項１４】
気管支鏡を含む請求項１〜１３のいずれか一項に記載の装置であって、前記ラマン分光計が、前記気管支鏡の器具のチャネルに挿入可能な光導波路を含み、前記ラマンスペクトルを含む光を受光する、装置。
【請求項１５】
前記ラマン分光計の分析装置が、各スペクトルの微分値の二乗を加算してから、各変数をこの和で除することによって、前記ラマンスペクトルを正規化するように構成された正規化段階を含む、請求項３に記載の装置。
【請求項１６】
前記ラマン分光計の分析装置が、
前記組織の特性の事後確率が第１の閾値を下回る場合、前記組織を第１の分類に特徴付けること；
前記組織の特性の事後確率が第２の閾値を上回る場合、前記組織を第２の分類に特徴付けること；および
前記組織の特性の事後確率が前記第１の閾値と第２の閾値との間である場合、前記組織を第３の分類に特徴付けること
によって前記組織を特徴付けるように構成されている、請求項６に記載の装置。
【請求項１７】
前記第１の閾値が０．３±１０％のカットオフを表し、前記第２の閾値が０．７±１０％のカットオフを表す、請求項１６に記載の装置。
【請求項１８】
前記フィードバックデバイスが、人が認知できる信号を生成し、前記信号が：
前記組織が前記第１の分類にある場合には、第１の信号であり；
前記組織が前記第２の分類にある場合には、第２の信号であり；および
前記組織が前記第３の分類にある場合には、第３の信号である、請求項１６または１７に記載の装置。
【請求項１９】
組織の特徴付け方法であって：
組織の少なくとも１つのラマンスペクトルを得ることであって、前記ラマンスペクトルが、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１の特徴を含むこと；
ソフトウェア命令を実行するデータ処理装置を含む、プログラムされたスペクトル分析装置において、少なくともある程度は１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲にある前記ラマンスペクトルの特徴に基づいて、組織を自動的に特徴付けること；および
フィードバックデバイスを制御して、前記組織の特徴付けを表す、人が認知できる信号を生成すること
を含む方法。
【請求項２０】
前記組織の特徴付けの前に、前記ラマンスペクトルから蛍光バックグラウンドを除去するために、蛍光バックグラウンド減算ステップを実施することを含む、請求項１９に記載の方法。
【請求項２１】
前記蛍光バックグラウンド減算ステップに続いて、前記ラマンスペクトルを正規化することを含む、請求項２０に記載の方法。
【請求項２２】
前記ラマンスペクトルが、前記組織の特徴付けの前に、平滑化された二次微分スペクトルを生成するように処理され、および前記組織の特徴付けが、前記平滑化された二次微分スペクトルの特徴に基づく、請求項１９に記載の方法。
【請求項２３】
前記平滑化された二次微分スペクトルが、サヴィツキイ−ゴーレイの６点二次多項式を前記ラマンスペクトルに適用することによってもたらされる、請求項２２に記載の方法。
【請求項２４】
前記ラマンスペクトルが、前記組織の特徴付けの前に、前記ラマンスペクトルに３点平滑化操作を実施することによって処理され、および前記組織の特徴付けが、前記３点平滑化されたスペクトルの特徴に基づく、請求項１９に記載の方法。
【請求項２５】
前記組織の特徴付けが、第１の相対的な波数範囲１５５０ｃｍ−１〜１８００ｃｍ−１にある第１の特徴、および第２の相対的な波数範囲２７００ｃｍ−１〜３１００ｃｍ−１にある第２の特徴に基づく、請求項１９に記載の方法。
【請求項２６】
前記ラマンスペクトルが、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１にある成分を含むラマンスペクトルのトレーニングセットから導出された主成分に関する前記スペクトルの主成分スコアを計算し、かつ前記主成分スコアに基づいた判別関数に従って判別分析を実施することによって処理される、請求項１９に記載の方法。
【請求項２７】
前記判別分析が線形判別分析を含む、請求項２６に記載の方法。
【請求項２８】
前記プログラムされたラマンスペクトル分析装置がデータストアを含み、および前記主成分を特徴付ける情報が、前記データストアに記憶されている、請求項２７に記載の方法。
【請求項２９】
前記判別関数が前記データストアに記憶されている、請求項２８に記載の方法。
【請求項３０】
蛍光バックグラウンド減算ステップを実施するステップが、多項式フィッティングルーチンを実行して蛍光バックグラウンドを推定することを含む、請求項２１に記載の方法。
【請求項３１】
前記ラマンスペクトルから周囲のバックグラウンド信号を減ずるステップを含む、請求項１９に記載の方法。
【請求項３２】
各スペクトルの微分値の二乗を加算してから、各変数をこの和で除することによって、前記ラマンスペクトルを正規化するステップを含む、請求項２３に記載の方法。
【請求項３３】
前記組織の特徴付けが確率閾値を使用することを含む、請求項２６に記載の方法。
【請求項３４】
前記組織の特徴付けが、
前記組織の特性の事後確率が第１の閾値を下回る場合、前記組織を第１の分類に特徴付けること；
前記組織の特性の事後確率が第２の閾値を上回る場合、前記組織を第２の分類に特徴付けること；および
前記組織の特性の事後確率が前記第１の閾値と第２の閾値との間にある場合、前記組織を第３の分類に特徴付けること
を含む、請求項２６に記載の方法。
【請求項３５】
前記第１の閾値が０．３±１０％のカットオフを表し、および前記第２の閾値が０．７±１０％のカットオフを表す、請求項３４に記載の方法。
【請求項３６】
前記フィードバックデバイスの制御が：
前記組織が前記第１の分類にある場合に、第１の信号を生成すること；
前記組織が前記第２の分類にある場合に、第２の信号を生成すること；および
前記組織が前記第３の分類にある場合に、第３の信号を生成すること
を含む、請求項３４または３５に記載の方法。
【請求項３７】
少なくとも１つのデータ処理装置によって実行される命令を記憶する持続性の有形のコンピュータ可読媒体であって、それらの命令は、前記データ処理装置によって実行されると、前記データ処理装置に：
組織の少なくとも１つのラマンスペクトルを受光するステップであって、前記ラマンスペクトルが、相対的な波数範囲１５００ｃｍ−１〜３４００ｃｍ−１の特徴を含むステップ；
少なくともある程度は、前記ラマンスペクトルの１５００ｃｍ−１〜３４００ｃｍ−１の相対的な波数範囲の特徴に基づいて、組織を特徴付けるステップ；および
前記組織の特徴付けの表示を生成するステップ
を含む、組織を特徴付ける方法を実行させる、持続性の有形のコンピュータ可読媒体。
【請求項３８】
前記少なくとも１つのラマンスペクトルをさらに記憶する、請求項３７に記載の持続性の有形のコンピュータ可読媒体。
【図２Ａ】
【図４Ａ】
【図４Ｂ】
【図４Ｃ】
【図１】
【図２】
【図３Ａ】
【図３Ｂ】
【図３Ｃ】
【図５Ａ】
【図５Ｂ】
【図５Ｃ】
【図５Ｄ】
【図６】
【図７】
【図８】
【図４Ａ】
【図４Ｂ】
【図４Ｃ】
【図１】
【図２】
【図３Ａ】
【図３Ｂ】
【図３Ｃ】
【図５Ａ】
【図５Ｂ】
【図５Ｃ】
【図５Ｄ】
【図６】
【図７】
【図８】
【公表番号】特表２０１３−５１７４８５（Ｐ２０１３−５１７４８５Ａ）
【公表日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願番号】特願２０１２−５４９２２０（Ｐ２０１２−５４９２２０）
【出願日】平成２３年１月２１日（２０１１．１．２１）
【国際出願番号】ＰＣＴ／ＣＡ２０１１／０５００４０
【国際公開番号】ＷＯ２０１１／０８８５８０
【国際公開日】平成２３年７月２８日（２０１１．７．２８）
【出願人】（５１１００２９５１）
【Ｆターム（参考）】
【公表日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願日】平成２３年１月２１日（２０１１．１．２１）
【国際出願番号】ＰＣＴ／ＣＡ２０１１／０５００４０
【国際公開番号】ＷＯ２０１１／０８８５８０
【国際公開日】平成２３年７月２８日（２０１１．７．２８）
【出願人】（５１１００２９５１）
【Ｆターム（参考）】
[ Back to top ]