生物検体を処理するための複数の波長を用いる方法およびシステム
検体スライドに保持された１もしくは２つ以上の生物検体を処理するための方法およびシステム。検体中の対象物のイメージを取得し、取得したイメージ中の目的とする対象物を識別する。識別された目的とする対象物の追加のイメージを複数の波長で取得することができる。目的とする対象物の細胞の特徴をイメージから抽出し、これを用いて、抽出された特徴を用いる確率モデルに基づき、例えば、正常または疑わしい／異常、として検体を分類することができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、生物検体の特性決定または分類のためのシステムおよび方法に関する。
【背景技術】
【０００２】
医療業界では、細胞検査技師を例とする実験技術者にとって、特定の種類の細胞の存在について細胞検体のレビューを行う必要性が多くの場合存在する。例えば、現在、頚膣パパニコロウ（ｃｅｒｖｉｃａｌ−ｖａｇｉｎａｌ Ｐａｐａｎｉｃｏｌａｏｕ）（Ｐａｐ）スメアスライドのレビューを行う必要性が存在する。Ｐａｐスメアは、癌性および前癌性頚部病変を検出するための強力なツールである。頚部スクリーニングおよびその他の検体のスクリーニングの信頼性ならびに有効性は、前癌性病変を診断し（感度）、同時に偽陽性の診断を避ける（特異性）その能力によって評価される。その結果、これらの基準は細胞学的解釈の正確性に依存する。
【０００３】
従来から、病理学者は、個々の細胞核の特徴を調べることによる生物検体に対する単一細胞分析、またはスライド上に現れる細胞の構造の特徴的なパターンを探索することによる生物検体に対するコンテクスト分析（ｃｏｎｔｅｘｔｕａｌ ａｎａｌｙｓｉｓ）を行うことができる。このレビューのプロセスを促進するために、複数の顕微鏡スライドを処理する自動スクリーニングシステムが開発されてきた。典型的なシステムでは、イメージング装置（ｉｍａｇｅｒ）を操作して、各々がスライドの異なる部分を示す、細胞検体スライドの一連のイメージを取得する。次に、プロセッサまたはコントローラがこのイメージデータを処理し、検体に関する定量的な予後情報が提供される。この診断情報の提供に際して、プロセッサは、単一細胞分析もしくはコンテクスト分析のいずれか、またはその両方を実施することができる。
【０００４】
いくつかの自動化スクリーニングシステムでは、プロセッサは、診断情報を用いて、各々の検体の中の正常、および異常もしくは疑わしい生物物質の間の線引きを行う。すなわち、プロセッサは、細胞検査技師を最も適切である細胞に集中させ、残りの細胞をさらなるレビューから除外するという能力を有する。この場合、スクリーニング装置は、診断情報を用いて最も適切である生物対象物、およびそのスライド上の位置を決定する。この位置情報がレビュー用の顕微鏡へ提供され、これは、細胞検査技師によるレビューのために、自動的に識別された位置へと進み、生物対象物に焦点を合わせる。細胞検査技師は、次に、病理学者によるさらなるレビューのために、その最も適切である生物対象物（例えば、悪性または前悪性細胞に一貫する特質を持つ対象物）に電子的な標識を行うことができる。
【０００５】
例えば、１つの自動システムでは、対象物または「目的とする対象物」（ＯＯＩ）が、イメージデータに基づいて識別される。対象物またはＯＯＩは、検体の個々の細胞および細胞クラスターの形態を取っていてよい。このシステムは、例えば、特定の細胞または対象物が悪性腫瘍または前悪性腫瘍などの異常な状態を有するリスクの程度に基づいて、識別された領域または対象物を分類するように構成することができる。例えば、プロセッサは、核の合計の（ｎｕｃｌｅａｒ ｉｎｔｅｇｒａｔｅｄ）または平均の光学密度について対象物を評価し、その光学密度の値に応じて対象物をランク付けすることができる。対象物は、その相対的なランクおよび座標と共に、続いての処理、レビュー、または分析のために、保存することができる。イメージデータおよびＯＯＩを処理する公知のイメージングシステムおよび方法のさらなる局面は、特許文献１に記載されている。
【０００６】
一般的に、自動スクリーニングシステムの使用は、技術者の注意が、疑わしいスライド、または各スライド中の限られた数のより適切である対象物に集中されるため、効率的である。しかし、自動スクリーニングシステムは、改良することができる。例えば、偽陽性または「偽異常」という結果の割合を低減するために、自動システムがアーチファクトを処理する方法を改良することができる。アーチファクトは、診断的価値を持たない対象物と見なすことができる。偽陽性の１つの原因はアーチファクトの存在であり、これは、検体サンプル中に大量に存在し得るもので、異常検体に類似する大きな暗い対象物であり得る。アーチファクトは、正常細胞を含む対象物よりも上位にランク付けされ得る。
【０００７】
例えば、異常核と比較して、正常核は通常、ＤＮＡの量が少なく、構造（ｔｅｘｔｕｒｅ）も少ない。最上位にランク付けされた対象物においてアーチファクトの存在なしでは、正常スライド中の細胞の大部分は、緊密に分布したＤＮＡ量を有する。しかし、異常細胞に類似する非常に数多くのアーチファクトが、大部分の正常細胞よりも上位にランク付けされ、これらのアーチファクトは、データモデリングにおいて偽の警告を発する。これらのアーチファクトのために、実際の細胞がランク付けされ、「最上位の」ＤＮＡ量を有する細胞のリストに正しく提示されることができなくなる場合がある。従って、自動システムは、レビューすべき細胞を選択するのではなく、むしろ、アーチファクトが異常細胞であると間違って認識してしまい、異常核よりも上位にランク付けされるアーチファクトを選択してしまう。この結果、実際に細胞を有する対象物を選択する数、および細胞検査技師によるレビューに値する異常対象物を選択する数が減ることとなり、その結果として、分析および診断の正確性が低下し、誤ったものとなる可能性がある。
【０００８】
偽陽性の発生は、時に、自動イメージング装置の能力または構成に限界があることに起因する。すなわち、自動イメージング装置は、それに提供される検体およびデータ、ならびにそのプログラミングによって制限され得る。例えば、演算処理上の理由から、イメージング装置は通常、モノクロの白黒イメージを解析に用いる。公知のモノクロシステムの例は、ベクトンディッキンソンカンパニー、１ ベクトンドライブ、フランクリンレイクス、ニュージャージー（Ｂｅｃｔｏｎ Ｄｉｃｋｉｎｓｏｎ Ｃｏｍｐａｎｙ，１ Ｂｅｃｔｏｎ Ｄｒｉｖｅ，Ｆｒａｎｋｌｉｎ Ｌａｋｅｓ，Ｎｅｗ Ｊｅｒｓｅｙ）、およびサイティックコーポレーション、２５０ キャンパスドライブ、マールボロ、マサチューセッツ（Ｃｙｔｙｃ Ｃｏｒｐｏｒａｔｉｏｎ，２５０ Ｃａｍｐｕｓ Ｄｒｉｖｅ，Ｍａｒｌｂｏｒｏｕｇｈ，Ｍａｓｓａｃｈｕｓｅｔｔｓ）、より入手可能である。しかし、検体は、広範囲にわたるスペクトルデータ、およびサンプルの特性決定または分類に用いることができるその他の情報を提供し得る。しかし、モノクロイメージングおよび解析システムを用いる場合、このその他のデータを利用することができない。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】米国特許公開第２００４／０２５４７３８Ａ１号
【発明の概要】
【００１０】
１つの態様は、検体キャリア（ｓｐｅｃｉｍｅｎ ｃａｒｒｉｅｒ）上の生物検体を分類して、その検体にさらなる分析が必要かどうかを決定するための方法に関する。この方法は、検体中の対象物のイメージを取得すること、およびそのイメージ中の目的とする対象物を識別することを含む。この方法は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、識別された目的とする対象物の細胞の特徴を追加のイメージから抽出すること、および抽出された細胞の特徴に基づく確率モデルに従って検体を分類し、その検体にさらなる分析が必要かどうかを決定すること、を含む。
【００１１】
別の態様は、検体キャリア上の生物検体を自動的に分類して、その検体にさらなる分析が必要かどうかを決定するための方法に関する。この方法は、検体中の対象物のイメージを取得すること、および取得されたイメージから目的とする対象物を識別することを含む。この方法は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、識別された目的とする対象物の核に関連する特徴を追加のイメージから抽出すること、および抽出された核に関連する特徴に基づく確率モデルに従って検体を分類すること、を含む。確率モデルは、第一および第二の確率関数を含む。第一の確率関数は、識別された目的とする対象物がアーチファクトである確率を示し、第二の確率関数は、部分的に、第一の確率関数の結果に基づく。第一および第二の確率関数を組み合わせて用いることにより、検体を分類し、その検体にさらなる分析が必要かどうかを決定する。
【００１２】
さらなる態様は、複数の波長の光を利用する生物検体の処理の方法に関し、生物検体中の対象物のイメージを取得すること、および取得されたイメージ中の目的とする対象物を識別すること、を含む。この方法は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、および識別された目的とする対象物の細胞の特徴を追加のイメージから抽出すること、を含む。
【００１３】
さらに別の態様は、複数の波長の光を利用する生物検体の分類の方法に関し、生物検体中の対象物のイメージを取得すること、および取得されたイメージ中の目的とする対象物を識別すること、を含む。この方法は、さらに、生物検体の目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、目的とする対象物の細胞の特徴を取得されたイメージから抽出すること、および抽出された細胞の特徴に基づいて生物検体を分類すること、を含む。
【００１４】
さらなる態様は、複数の波長の光を利用する生物検体の分類の方法に関し、生物検体の目的とする対象物のイメージを複数の波長で取得すること、目的とする対象物の細胞の特徴を取得されたイメージから抽出すること、および抽出された細胞の特徴に基づいて生物検体を分類すること、を含む。
【００１５】
別の態様によると、検体キャリア上に保持された生物検体を分類してその生物検体にさらなる分析が必要かどうかを決定するための生物スクリーニングシステムは、イメージング部材およびイメージング部材と操作可能に連結されたプロセッサを含む。イメージング部材は、生物検体中の対象物のデジタルイメージデータを取得するように構成され、プロセッサは、そのデジタルイメージデータから目的とする対象物を処理し、識別するように構成される。イメージング部材は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得するようにも構成される。プロセッサは、識別された目的とする対象物の細胞の特徴を追加のイメージから抽出し、および抽出された細胞の特徴キャリアに基づき、確率モデルに従って生物検体を分類し、その生物検体にさらなる分析が必要かどうかを決定するようにさらに構成される。
【００１６】
さらなる態様によると、検体キャリア上に保持された生物検体を分類して生物検体にさらなる分析が必要かどうかを決定するための生物スクリーニングシステムは、イメージング部材およびイメージング部材と操作可能に連結されたプロセッサを含む。イメージング部材は、生物検体中の対象物のイメージを取得するように構成され、プロセッサは、取得されたイメージから目的とする対象物を処理し、識別するように構成される。イメージング部材は、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得するようにさらに構成される。プロセッサは、識別された目的とする対象物の核に関連する特徴を異なる波長にて取得された追加のイメージから抽出し、および測定された細胞の特徴に基づく確率モデルに従って生物検体を分類するようにさらに構成される。確率モデルは、第一および第二の確率関数を含む。第一の確率関数は、選択された対象物がアーチファクトである確率を示し、第二の確率関数は、部分的に、第一の確率関数の結果に基づく。第一および第二の確率関数を組み合わせて用いることにより、生物検体を分類して、その生物検体にさらなる分析が必要かどうかを決定する。
【００１７】
さらなる別の選択肢としての態様は、イメージング部材およびイメージング部材と操作可能に連結されたプロセッサを含む、生物検体分類システムに関する。イメージング部材は、生物検体の目的とする対象物のイメージを複数の異なる波長にて取得するように構成され、プロセッサは、取得されたイメージから細胞に関連する特徴を抽出し、抽出された細胞に関連する特徴に基づいて生物検体を分類するように構成される。
【００１８】
１もしくは２つ以上の態様では、抽出または測定された細胞の特徴は、核に関連する特徴であり、例えば、核内での光学濃度の標準偏差、核内での光学濃度の変動、核の補正された光学濃度、および核の境界の形状である。
【００１９】
１もしくは２つ以上の態様では、分類に用いられる確率モデルは、２つの確率関数を含み、例えば、事後確率関数である。１つの確率関数は、生物検体の識別された目的とする対象物がアーチファクトである平均確率を示し、もう一方の確率関数は、部分的に、第一の確率関数の結果に基づく。両方の確率関数が、異なる数および種類の抽出された核に関連する特徴に基づいていてよい。例えば、第一の確率関数は、核の構造、核内での光学濃度の標準偏差、核内での光学濃度の変動、核の補正された光学濃度、および核の境界の形状のうちの１もしくは２つ以上、またはすべてに基づいていてよく、第二の確率関数は、第一の確率関数の結果、ならびに識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラスト（ｇｒａｙ ｖａｌｕｅ ｃｏｎｔｒａｓｔ）の平均、および識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラストの範囲のうちの１もしくは２つ以上、に基づいていてよい。第一および第二の確率関数の結果は、グラフのフォーマットにプロットまたは表示して生物検体を分類し、検体にさらなるレビューが必要かどうか、または検体の群のどの検体にさらなるレビューが必要かを決定することができる。
【図面の簡単な説明】
【００２０】
ここで、全体を通して同一の符号が対応する部分を表す図面を参照する：
【００２１】
【図１】図１は、生物検体スライドを分類し、そのスライドに１つの態様に従って分析またはレビューを行うべきかどうかを決定するためのシステムのブロック図である。
【図２】図２は、生物検体スライドの平面図である。
【図３】図３は、複数の波長の光を用い、１つの態様に従う確率モデルにより生物検体スライドを分類するためのシステムのブロック図である。
【図４】図４は、複数の波長の光を用い、１つの態様に従う確率モデルにより生物検体スライドを分類するための方法のフローチャートである。
【図５】図５は、細胞およびアーチファクトを含む生物検体の対象物の一部分を一般的に示す図である。
【図６】図６は、種々の態様に用いられる複数の確率関数を含む確率モデルを示す図である。
【図７】図７は、対象物がアーチファクトである確率を決定するために種々の態様で用いられる第一の確率関数を一般的に示すフローチャートである。
【図８】図８は、別の態様に従う第一の確率関数のフローチャートである。
【図９】図９は、生物検体が正常である確率を決定するために種々の態様で用いられる第二の確率関数を一般的に示すフローチャートである。
【図１０】図１０は、別の態様に従う第二の確率関数のフローチャートである。
【図１１】図１１は、第一および第二の確率関数によって得られたデータをどのようにグラフにプロットすることができるかを一般的に示す図である。
【図１２】図１２は、図１１に示すグラフでプロットした、正常および異常スライドを表す試験データポイントを示す。
【図１３】図１３は、図１２に示される試験の際に識別された対象物を示す表である。
【図１４】図１４は、態様を実現することができ、イメージングステーション、サーバー、およびレビューステーションを含む、別の選択肢としての生物検体分析システムを示す図である。
【図１５】図１５は、態様を実現することができ、一体化されたイメージングおよびレビュー機能を含む、別の選択肢としての生物検体分析システムを示す図である。
【発明を実施するための形態】
【００２２】
図１および２を参照すると、態様に従う多波長生物検体スクリー二ングシステム（ｍｕｌｔｉ−ｗａｖｅｌｅｎｇｔｈ ｂｉｏｌｏｇｉｃａｌ ｓｐｅｃｉｍｅｎ ｓｃｒｅｅｎｉｎｇ ｓｙｓｔｅｍｓ）１００および方法は、スライド１１０またはその他の適切なキャリアに保持された生物検体（例：細胞検体）１１２のイメージを取得し、目的とする対象物（ＯＯＩ）を例とする対象物を識別し、次に、選択された対象物またはＯＯＩ（一般に「ＯＯＩ」と称する）のイメージを、複数の異なる波長にて取得する。ＯＯＩの細胞の核に関連する特徴を例とする細胞の特徴に関連するデータを、多スペクトルイメージ（ｍｕｌｔｉ−ｓｐｅｃｔｒａｌ ｉｍａｇｅｓ）から決定、抽出、または測定する。説明を簡略化するために、ＯＯＩの細胞の特徴の抽出について述べる。このデータは、分類の目的に、およびその他の応用に用いることができる。
【００２３】
１つの態様によると、スクリーニングシステム１００は、複数の波長にて取得されたＯＯＩのイメージから抽出された核の特徴に関するデータを用いる確率モデル１２０に従い、生物検体１１２を「正常」または「疑わしい」として分類するように構成またはプログラムされる。例えば、図１に示すように、処理すべき生物検体スライド１１０の数が１０００個である場合、検体分類システム１００の態様は、複数の波長を用い、確率モデル１２０に従ってスライド１１０を自動的に分類することができ、それにより、特定のスライド、例えばスライド１〜３００および７００〜１０００、が正常スライド１３０として分類され、その他のスライド、例えばスライド３０１〜６９９、が疑わしいスライド１４０として分類される。当然のことであるが、正常および疑わしいスライド１３０、１４０の数およびグループ分けは、説明の目的で提供するものである。従って、図１の場合、「正常」１３０検体またはスライドは、細胞検査技師によるさらなるレビューもしくは分析を必要としない検体１１２またはスライド１１０である。一般的に、スライド１１０は、非癌性または非前癌性検体１１２を有する場合に、正常１３０として分類される。「疑わしい」１４０検体またはスライドは、異常である可能性があるかまたは異常であり、癌性または前癌性細胞を含んでいてよい。
【００２４】
「正常」１３０または「疑わしい」１４０としての分類は、態様の最終決定または結果として、すなわち、検体１１２またはスライド１１０にさらなる分析またはレビューが必要かどうか、として図１に示す。細胞検査技師は、次に、正常スライド１３０ではなく、疑わしいスライド１４０へ自身の注意を集中させることができる。この方法により、検体、スライド１１０に関する価値のある情報が複数の波長を用いることで得られ、この情報を用いて、アーチファクトによる偽陽性の頻度を低減して検体１１２が分類され、それによって、さらなるレビューのためにスライド１１０がより正確で効率的に分類および選択される結果となる。
【００２５】
１つの態様によると、多波長生物スクリーニングシステム１００は、細胞頚部または膣検体（Ｐａｐスメアスライド上で通常見られる）などの生物または細胞検体１１２を有する一連の顕微鏡スライド１１０を処理するように構成される。この場合、細胞は、異常、軽度扁平上皮内病変（ＬＧＳＩＬ）もしくは高度扁平上皮内病変（ＨＧＳＩＬ）などの悪性腫瘍または前悪性腫瘍、ならびにその他のあらゆる細胞学的区分（例：感染、細胞溶解）を反映していてよい。検体１１２は、通常、薄細胞層（ｔｈｉｎ ｃｙｔｏｌｏｇｉｃａｌ ｌａｙｅｒ）としてスライド１１０上に配置される。好ましくは、カバーグラス（図示せず）が検体１１２に接着され、それによって、検体１１２がスライド１１０上の適切な位置に固定される。検体１１２は、適切ないかなる染料で染色してもよく、ＴｈｉｎＰｒｅｐ（登録商標）核染料などである。
【００２６】
態様を用いて、さらに、血液、尿、精液、乳、痰、粘液、胸水、骨盤液、滑液、腹水、体腔洗浄液（ｂｏｄｙ ｃａｖｉｔｙ ｗａｓｈｅｓ）、アイブラッシング（ｅｙｅ ｂｒｕｓｈｉｎｇ）、皮膚擦過検体（ｓｋｉｎ ｓｃｒａｐｉｎｇｓ）、頬側拭き取り検体、膣内拭き取り検体、ｐａｐスメア、直腸内拭き取り検体、吸引液、針生検検体、例えば手術または検死によって得られた組織片、血漿、血清、脊髄液、リンパ液、皮膚の外部分泌物、気道、腸管、および泌尿生殖器管、涙、唾液、腫瘍、臓器、微生物培養物、ウィルス、ならびにインビトロでの細胞培養物成分のサンプル、を含むその他の種類の生物検体１１２の「正常」１３０または「疑わしい」１４０としての特性決定または分類も、複数の波長を用いて行うことができる。本明細書は、細胞頚部または膣検体１１２（Ｐａｐスメアスライド上の）を参照して態様を実現することができる１つの方法を説明しており、態様は、様々な種類の組織および細胞に応用可能であることは理解されたい。システムおよび方法の態様のさらなる局面を、図３〜１５を参照して説明する。
【００２７】
図３を参照すると、１つの態様では、生物検体スライド１１０の分類または特性決定のための生物検体スクリーニングシステム３００は、カメラまたはその他のイメージング部材３１０、顕微鏡３２０、生物検体スライド１１０および顕微鏡３２０を通して光３３２をカメラ３１０へ提供する光源３３０、生物検体スライド１１０を支持する電動式ステージ３４０、イメージプロセッサ３５０、ならびに付属のメモリまたは記憶装置３６０（一般にメモリ３６０と称する）を含む。メモリ３６０は、イメージプロセッサ３５０の一部分であってよく、または別個の部材であってもよい。
【００２８】
イメージプロセッサ３５０および／またはメモリ３６０は、確率モデル１２０を記憶またはこれにアクセス可能であり、それを用いて、生物検体１１２を「正常」１３０または「疑わしい」１４０として分類する。確率モデル１２０は、ハードウェア、ソフトウェア、またはこれらの組み合わせの形態であってよい。例えば、確率モデル１２０は、一連のプログラムされた命令、および／またはメモリ３６０に記憶され、イメージプロセッサ３５０によって取得された検体データと合わせてイメージプロセッサ３５０によって実行されるデータの形態であってよい。確率モデル１２０は、別個のプロセッサもしくはコントローラの一部で実行されてもよい。
【００２９】
カメラ３１０は、種々の公知のデジタルカメラのうちの１つであってよく、光源３３０は、単一の光源、または図３に示すように、複数の個別の光源を含んでいてよい。図３は、システム３００が複数の光源３３０を含んでよいことを一般的に説明するために、３つの光源３３０ａ〜ｃ（一般に光源３３０と称する）を示している。以下でさらに詳細に考察するように、ＯＯＩの所望される多波長分析を達成するために、必要に応じて様々な数の光源３３０を使用可能であること、および図３は、システム３００が複数の光源３３０を含んでよいことを一般的に説明するために提供されること、については理解されたい。
【００３０】
１つの態様によると、スクリーニングおよび分類システム３００は、複数の光源３３０を含み、その各々が異なる波長の光３３２を発する。この目的のために適する光源３３０は、発光ダイオード（ＬＥＤ）であろう。他の態様では、光源３３０は、１もしくは２つ以上のプリズム（図示せず）、および／またはフィルター３３４を透過した光３３２が所望される波長または波長範囲を有するように１もしくは２つ以上の光学フィルター３３４などの１もしくは２つ以上のその他の光学部材と対となっていてよい。態様に用いることができるフィルターの例としては、二色性フィルター、干渉フィルター、フィルターホイールが挙げられる。フィルター３３４は、顕微鏡３２０、および検体１１２の一部分をイメージングするためのカメラ３１０に提供される光３３２の波長を変化させるように調節または選択することができる。液晶波長可変フィルターも用いることができる。適切なシステム３００の部材のさらなる局面は、米国特許第２００４／０２５３６１６ Ａ１号に記載されている。
【００３１】
図４を参照すると、１つの態様に従う方法４００において、光３３２は、光源３３０からステージ３４０および顕微鏡３２０を通ってカメラ３１０へと指向され、このカメラが、工程４０５にて生物検体１１２のデジタルイメージを取得する。より詳細には、細胞検体１１２を有するスライド１１０が、顕微鏡３２０の視野に対してスライド１１０を移動または走査させる電動式ステージ３４０上に載せられ、一方、カメラ３１０が、光源３３０によって発光される光３３２により、生物検体１１２の全体またはその一部分にわたるイメージを捕捉する。例えば、カメラ３１０によって取得された各々のイメージの各ピクセルは、その光透過率に応じて８ビット値（０から２５５）に変換することができ、「００００００００」が、ピクセルを透過する最も少ない光の量に対して割り当てられ、「１１１１１１１１」が、ピクセルを透過する最も多い光の量に対して割り当てられる。スキャン速度および／または取得されるイメージの数を最大とすることができるように、カメラ３１０のシャッター速度は、比較的速いことが好ましい。スライド１１０に保持される生物検体１１２は、カセット（図示せず）内に収容されていてよく、その場合、スライド１１０は、連続する方法で、それぞれのカセットから取り出され、デジタルイメージを取得され、その後カセットに戻される。
【００３２】
工程４１０では、取得されたイメージまたはイメージデータがイメージプロセッサ３５０へ提供され、このイメージプロセッサが、別名として目的とする対象物（ＯＯＩ）とも称される最も適切であるもしくはランクの最も高い対象物を識別するために、イメージまたはイメージデータ３１２上で種々の操作を実行する。例えば、イメージプロセッサ３５０は、最も関連性が高いと思われる約２０もしくは４０個の対象物、またはその他の適切な数の対象物を識別することができる。この目的のために、イメージプロセッサ３５０は、米国２００４／０２５３６１６に記載の一次および二次セグメント化（ｓｅｇｍｅｎｔａｔｉｏｎ）を実施し、個々の対象物およびクラスター化した対象物の各々に対する種々の特徴を測定、決定、または抽出し、続いて、これらの特徴の測定された値に基づいて各対象物に対する対象物スコアを算出することができる。このスコアに基づいて、イメージプロセッサ３５０は、目的とする対象物（ＯＯＩ）と見なされる対象物およびクラスター化した対象物を識別または選択することができ、その位置は、今後の参照のためにメモリに記憶させることができる。
【００３３】
図５を参照すると、イメージプロセッサ３５０は、細胞質５０２および核５０４を含む細胞５００を含有するＯＯＩ（その一部分またはそれが図５に示される）を識別するように試行するが、選択されたＯＯＩは、そうではなく、アーチファクト５１０であり得る。アーチファクト５１０の選択は、ＯＯＩとして識別され分析されるべきその他の細胞含有対象物を除外する結果となり得る。態様は、検体１１２を正常１３０または疑わしい１４０として分類する目的で、有利に、ＯＯＩがアーチファクト５１０である可能性がどの程度であるかを判定する。態様は、この情報を用いて生物検体１１２のレビューを改善し、アーチファクト５１０を細胞含有対象物、例えば、細胞５００を含み、アーチファクトではない次にランクの高い対象物、に置き換えることができる。
【００３４】
より具体的には、図４を再度参照すると、工程４１５にて、最初の検体イメージから複数のＯＯＩをイメージングおよび識別した後、システム３００は、図３を参照して上記で考察したように、別個の光源３００、または１もしくは２つ以上のフィルター３３４を用いた複数の異なる波長におけるＯＯＩの追加のイメージの取得へと進む。１つの態様によると、各ＯＯＩは、１９種類の異なる波長を例とする、約３から約３０種類の異なる波長にてイメージングすることができる。１つの態様によると、ＯＯＩのイメージングに用いられる波長の範囲は、約４１０ｎｍから約７２０ｎｍであってよく、例えば約４４０ｎｍから約７２０ｎｍである。工程４２０では、イメージプロセッサ３５０は、ＯＯＩの多波長デジタルイメージに種々の操作を実行して、多波長ＯＯＩイメージから種々の核に関連する特徴を測定、決定、または抽出する。異なる波長でのＯＯＩの追加のイメージの取得およびこれらのイメージからの特徴の抽出に関するさらなる詳細は、米国特許公開第２００６／０２４５６３０Ａ１号に提供されている。工程４２５では、多波長ＯＯＩイメージから抽出された核に関連する特徴を用いる確率モデル１２０に従って、生物検体１１２を正常１３０または疑わしい１４０として分類または特性決定する。
【００３５】
図６を参照すると、１つの態様によれば、生物検体１１２は、複数の確率関数（例：複数の事後確率関数）を用いる確率モデル６００に従って分類または特性決定される。１つの態様によると、確率モデル６００を用いて、ＯＯＩがアーチファクト５１０である可能性がどの程度であるか、および生物検体１１２が正常１３０である可能性がどの程度であるかも示すことができる。次にこのデータを組み合わせて用いて、検体１１２が正常１３０であるかまたは疑わしい１４０であるかについての分類を行う。
【００３６】
図６に示す態様では、確率モデル６００は、２つの異なる確率関数６１０および６２０を含み、これらは、１つの態様によると、事後確率関数であってよい。確率関数６１０、６２０はいずれも、核に関連する特徴６１２、６２２を用いる。１つの態様によると、図６に一般的に示されるように、確率関数６１０、６２０は、核に関連する異なる特徴６１２、６２２を用いる。
【００３７】
図示した態様では、第二の確率関数６２０が、核に関連する特徴６２２および第一の確率関数６１０の結果を用いる。すなわち、第一の確率関数６１０は、核に関連する特徴６１２に基づき、第二の確率関数６２０とは独立しており、一方、第二の確率関数６２０は、核に関連する特徴６２２および第一の確率関数６１０を用いる。図７および８は、態様に従う第一の確率関数６１０をさらに示しており、図９および１０は、態様に従う第二の確率関数６２０をさらに示している。
【００３８】
図７を参照すると、１つの態様によれば、確率モデルを用いる生物検体１１２を分類または特性決定する方法７００は、選択されたＯＯＩが細胞５００ではなくアーチファクト５１０である確率または可能性の決定に用いられる第一の確率関数６１０を含む。最上位にランク付けされた対象物またはＯＯＩが細胞５００ではなくアーチファクト５１０である可能性がどの程度であるかについての確率を決定することにより、最上位にランク付けされた対象物の中にアーチファクト５１０が存在するパーセントを決定することができる。
【００３９】
１つの態様に従う方法７００は、複数の異なる波長にて取得されたＯＯＩのイメージを用いて、各ＯＯＩの核に関連する特徴６１２を抽出または測定することを含む。多波長イメージから抽出された核に関連する特徴を測定することにより、単一のグレーレベルまたはモノクロイメージから抽出された特徴と比較して、ＯＯＩ中の細胞に関するより詳細な情報が提供される。１つの態様では、これは、複数の波長で得られたＯＯＩのイメージに基づき、例えば核の構造、光学濃度、および形状を含む核に関連する特徴６１２を測定または決定することを含む。構造とは、隣接するピクセルと比較した任意のピクセルの値を意味する。光学濃度は、吸光度の測定値である。多波長イメージにおける光学濃度の変動は、例えば、ＯＯＩがアーチファクト５１０である可能性がどの程度であるかを決定するのに用いられる重要な情報を提供する。形状とは、核の外形の不規則性を意味する。特定の特徴が単波長イメージから抽出され、その他の特徴が多波長イメージから抽出されるという場合もあり得る。例えば、構造の特徴は、単波長イメージ（例：約５７０ｎｍ）から抽出することができ、光学濃度の特徴は、多波長イメージ（例：約５２０ｎｍおよび６３０ｎｍ）から抽出することができる。
【００４０】
工程７１０では、抽出された特徴の測定値６１２を用いて、ＯＯＩがアーチファクト５１０である確率を決定する。これを各ＯＯＩについて実施する。従って、工程７１０の結果は、確率値の集合であり、各ＯＯＩが特定の確率値（例：小数またはパーセント）と関連付けられている。次に、工程７１５では、工程７１０で得られた確率値の平均を算出することにより、平均確率を決定する。例えば、第一のＯＯＩがアーチファクト５１０である確率が０．４であり、第二のＯＯＩがアーチファクト５１０である確率が０．８であり、第三のＯＯＩがアーチファクト５１０である確率が０．５である場合は、ＯＯＩ（またはその他の対象物）がアーチファクトである平均確率（別名として「ＡＰＡ」とも称する）は、（０．８＋０．４＋０．５）／３、または約０．５７である。工程７１５の結果は、任意の検体１１２に対するＯＯＩが、実際の細胞５００よりも多いアーチファクト５１０から成る平均確率である。
【００４１】
図８を参照すると、１つの態様によれば、ＡＰＡを決定するための方法８００は、各々のＯＯＩについて核に関連する複数の特徴６１２を測定することを含む。１つの態様では、これは、複数の波長で得られたＯＯＩのイメージに基づき、核の構造、光学濃度、および形状を含む核に関連する特徴６１２を測定または決定することを含む。例えば、１つの態様では、これは、工程８０５にて各ＯＯＩの核の構造を測定、決定、または抽出すること、工程８１０にて核内での光学濃度の標準偏差を測定、決定、または抽出すること、工程８１５にて核内での光学濃度の変動を測定、決定、または抽出すること、工程８２０にて核の補正された光学濃度を測定、決定、または抽出すること、および工程８２５にて核の境界の形状を測定、決定、または抽出すること、を含む。このデータを有した後、工程８３０にて、選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての第一の確率、例えば第一の事後確率、を算出する。工程８３５では、工程８２５にて決定された個々の確率値に基づき、選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての平均確率を算出する。
【００４２】
図示した態様では、方法８００は、５種類の核に関連する特徴６１２を含む。他の態様では、方法８００は、５種類未満の核に関連する特徴６１２または５種類超の核に関連する特徴６１２を例とする、異なる数の核に関連する特徴６１２を含んでよい。さらに、工程８０５〜８２５に列挙した５種類の核に関連する特徴以外の異なる核に関連する特徴６１２も用いることができる。従って、図８は、第一の確率関数６１０の一例を示すために提供されるものである。
【００４３】
図９を参照すると、生物検体１１２が正常１３０である可能性がどの程度であるかを決定する方法９００は、工程９０５にて、選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての平均確率を決定すること（例：図７および８を参照して考察したＡＰＡを用いて）、および、次に、工程９１０にて核に関連する特徴６２２を決定すること、を含む。工程９１５では、生物検体１１２が正常１３０である確率を、平均確率（工程９０５）と測定された核に関連する特徴（工程９１０）との組み合わせに基づいて決定する。工程９２０では、第一および第二の確率関数によって得られたデータの組み合わせを次に用いて、生物検体１１２を正常１３０または疑わしい１４０として分類する。
【００４４】
図１０は、生物検体１１２が正常１３０である可能性がどの程度であるかを決定するための方法１０００の１つの態様を示すものであり、工程１００５にて、ＡＰＡ、または選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての平均確率を決定すること、および核のイメージのピクセルのグレー値に対応する核に関連する特徴６２２を決定すること、を含む。これは、工程１０１０にて、核内での平均グレー値コントラストを決定すること、および工程１０１５にて、核内でのグレー値コントラストの範囲を決定すること、を含んでよい。このデータを有した後、工程１０２０にて、生物検体１１２が正常１３０である確率を、第一の確率関数６１０（ＡＰＡ）および決定されたグレー値コントラストデータ（工程１０１０および１０１５）に基づいて決定する。第一および第二の確率関数によって得られたデータの組み合わせを次に用いて、生物検体１１２を正常１３０または疑わしい１４０として分類する。
【００４５】
図１１を参照すると、検体１１２を正常１３０または疑わしい１４０として分類することを目的として、第一の確率関数６１０によって得られたデータおよび第二の確率関数６２０によって得られたデータを、適切なグラフ１１００にプロットすることができる。図示した態様では、グラフ１１００は、ｘおよびｙ軸を含む二次元グラフである。ｙ軸１１０２は、第一の確率関数６１０、すなわち、対象物がアーチファクトである平均確率または「ＡＰＡ」を表す。グラフ１１００のｘ軸１１０４は、第二の確率関数６２０、すなわち、生物検体が正常１３０検体である可能性がどの程度であるかを表す。従って、ｘおよびｙ軸、１１０２および１１０４の値は、小数またはパーセントの値として表される（例：２０％、６０％）。従って、第一の確率関数６１０は、境界線上の正常１３０検体またはスライドが、アーチファクトに起因する可能性が最も高いことを確認することを含み、ならびに、第二の確率関数６２０については、これを用いて、境界線上の正常１３０であるケース（高いアーチファクト数である）を正常１３０として分類し、これらがさらなるレビューまたは分析を必要としないように安全に選別することができることを確認する。
【００４６】
図１２は、図１１で示されたグラフ１１００に、互いに対してプロットされた第一および第二の確率関数６１０、６２０を用いて行われた試験で得られたデータを投入したグラフを示す。図１２における各試験データポイントは、生物検体１１２を有するスライド１１０を表す。データポイントは、ＯＯＩを識別することによって得られた。識別された異なる種類のＯＯＩを、図１３のチャート１３００にまとめる。チャートの第一のカラム１３０１は、対象物の種類を識別し、第二のカラム１３０２は、対象物として識別された異なる種類のアーチファクト５１０（グループ分け１３０１によって識別される）を含む、特定の種類の対象物の数を示す。
【００４７】
この特定の試験では、ＯＯＩのイメージは、約４４０〜７２０ｎｍの範囲の１９種類の異なる波長で取得した。この多波長イメージを用いて１０種類の異なる核に関連する特徴を次に分析し、１９０の異なる核に関連する特徴を得た。形状、光学濃度、および構造を含む核に関連する特徴６１２を第一の確率関数６１０に用い、形状、光学濃度、および構造を含む核に関連する特徴６２２を第二の確率関数６２０に用いた。
【００４８】
特徴の選択は、種々の基準に基づいて行ってよい。この特定の例では、特徴の選択は、例えばピアソンの積率相関を用いて、特徴の値をあらかじめ割り当てたグループに相関させることに基づいて行った。本例におけるあらかじめ割り当てたグループは、「細胞」および「アーチファクト」であり、細胞およびアーチファクトについて、これらの選択された特徴に対する共分散行列を演算処理する。試験対象物の間でグループ平均からのマハラノビスの距離を算出し、そのグループ平均からの距離が最小値である場合に、試験対象物はその区分に属する。各対象物が「アーチファクト」の区分に属する可能性がどの程度であるかについての事後確率を用いて、第一の確率関数、または対象物が「アーチファクト」である平均確率（「ＡＰＡ」）を算出する。
【００４９】
個々のスライド１１０を表す得られたデータポイントを、図１２に示すようにグラフ１１００にプロットする。グラフ１１００は、直線１２０１、１２０４により４つの四半分、１２１１、１２１２、１２１３、１２１４に分割される。横方向の直線１２０２は、第一の確率関数６１０の値によって定められ、縦方向の直線１２０４は、第二の確率関数６２０の値によって定められる。グラフ１１００は、２９９個の検体スライド１１０を表すデータポイントを含む。正しく正常１３０として分類された正常スライドまたは検体１３０は「Ｘ」１２２０で表され、正常１３０としては分類されず、疑わしい１４０として分類された正常スライドまたは検体１３０は「丸」１２２１で表され、正常１３０として分類されなかった異常もしくは疑わしいスライドまたは検体１４０は「囲んだＸ」１２２２で表され、正常１３０として分類されてしまった異常もしくは疑わしいスライドまたは検体１４０は「囲んだ丸」（１２２３）で表される。従って、態様に基づいて、図示した例では、データポイント１２２０に対応する検体は、細胞検査技師によるレビューを受け、一方、データポイント１２２１、１２２２、および１２２３に対応する検体は、細胞検査技師によるレビューを受けない。
【００５０】
より具体的には、２９９個の検体スライド１００のうち、２２５個のスライドが、疑わしいまたは異常１４０である検体を含み、残りの７４個のスライドが、正常１３０である検体を含んでいた。態様を試験し、第一および第二の確率関数６１０、６２０に基づいて、この７４個の正常１３０検体スライドのうちのいくつを正しく正常１３０として分類することができたかを判定した。
【００５１】
より詳細には、ｘ軸１１０４は、第二の確率関数６２０を用いて決定される、検体１１２が正常１３０である確率を表すことから、十分に高いｘ軸１１０４の値を持つ検体スライド１１０を正常１３０として分類することができる。同様に、アーチファクト５１０は、異常細胞に類似することが多いが異常細胞ではなく、従って、正常１３０として分類することが可能であることから、十分に高いｙ軸の値１１０２を持つスライド１１０も正常１３０として分類することができる。従って、態様により、スライド１１０は、対応するデータポイントが上部右側の四半分１２１１の範囲内に入るように、ｘ軸１１０４に沿った十分に高いｘ軸１１０４または第一の確率関数（ＡＰＡ）の値、およびｙ軸１１０２に沿った十分に高い第二の確率関数（正常である確率）の値を持つ対応するデータポイントに基づいて、有利に、正常１３０として分類することができる。
【００５２】
図示した態様では、正常１３０である可能性が最も高いスライド１１０は、第一の値１２０２よりも大きい、例えば約０．３よりも大きい第一の確率関数６１０またはＡＰＡの値、ならびに第二の値１２０４よりも大きい、例えば約０．４よりも大きい第二の確率関数６２０の値を持つスライドである。これらのポイント１２０２、１２０４でｘおよびｙ軸を通って延びる直線の交差によって定められる上部右側の四半分１２１１内のこれらのデータポイントに対応する検体スライド１１０を用いて、対応するスライドを正常１３０として分類することができる（「Ｘ」１２２０で識別される）。従って、細胞検査技師は、データポイント１２２０（「Ｘ）に対応するスライドをレビューまたは分析する必要がなく、態様は、これらのスライドをさらなるレビューから有利に除外する。
【００５３】
図示した例では、７４個の正常１３０スライドのうちの３７個が正しく正常１３０として分類された（「Ｘ」１２２０で識別される）。残りの３７個の正常１３０スライドのほとんどは（「丸」１２２１で識別される）、ｘ軸１１０４の値または第二の確率関数６２０の値が低く、対応するデータポイントが上部左側の四半分１２１２の範囲内に含まれたため、最初は正常１３０として分類されず、疑わしい１４０として分類された。データポイント１２２１（丸）に対応するスライドは、疑わしい１４０として分類され、従って、細胞検査技師によるさらなるレビューおよび分析が必要であると識別されることになる。従って、態様により、正常１３０スライドの約５０％（「Ｘ」１２２０で識別される）、および全スライド１１０の約１２％が、細胞検査技師によって考慮され得るスライドのプールから有利に除外された。
【００５４】
図示した例では、正常１３０として上部右側の四半分１２１１に誤って分類された異常検体（「囲まれた丸」１２２３として識別される）が１つ存在した。その結果、この異常検体１２２３は、正常１３０として分類されたことから、細胞検査技師によって検査されないこととなった。しかし、正常１３０として識別されたおよそ４７個のスライドのうち、誤って正常１３０として分類された異常スライドは僅かに１個であった（囲まれた「丸」１２２３として識別される）。この低いエラー率は、細胞検査技師の手作業によるレビューで得られるエラー率よりも良好であると考えられる。従って、少数の異常１４０スライドが、疑わしい１４０として分類されるべき場合に正常１３０として分類される場合があり得るものの、エラー率は十分に低く、そのようなエラーは、正常１３０スライドの約５０％を識別することで細胞検査技師の負担を軽減し、細胞検査技師の注意をより適切である疑わしいまたは異常スライド１４０に集中させるという能力に対する許容範囲内のトレードオフを提示するものと考えられる。
【００５５】
残りの３つの四半分内（上部左側１２１２、下部左側１２１３、および下部右側１２１４四半分）のデータポイントは、最初に正常として分類されなかった正常１３０検体（「丸」１２２１として識別される）、および「異常」または「正常でない」として正しく分類された異常検体１４０（囲んだ「Ｘ」１２２２として識別される）を表す。イメージプロセッサ３５０は、このデータを処理して、特定のスライド１１０が細胞検査技師によるレビューを受けるべきかどうかに関する指示を作り出すか、またはどのスライド１１０が細胞検査技師のレビューを要するかを識別することができる（例：上部右側の四半分１２１１内に含まれず、最初は第一および第二の確率関数６１０、６２０を用いて正常１３０として分類されなかったためにレビューすべきであるスライド１１０、のリストを作成することにより）。
【００５６】
図３に示すイメージングシステムの例を参照して態様を説明するが、その他のイメージングシステム構成を用いてよく、態様が実現されるイメージングシステムは、図３に一般的に示されるように、その他のシステム部材と共に用いるか、これらに付随させるか、またはこれらと連結してよい。例えば、図１４を参照すると、態様を実現することができる別のシステムは、イメージング装置１４１０（例：図３に示すような、または別の適切なイメージング装置）、イメージプロセッサ３５０、メモリ３６０および確率モデル１２０、ならびにＦＯＩプロセッサ１４２２およびルーティングプロセッサ１４２４などのその他の付随する部材を含むサーバー１４２０、ならびに、別個の顕微鏡１４３２および電動式ステージ１４３４を含むレビューステーション１４３０、を有する。図１４に示すシステム構成のさらなる局面は、米国特許出願公開第２００４／０２５３６１６Ａ１号に記載されている。さらに、態様は、例えば図１４に示すように、独立したまたは単独のイメージングシステムで実現することができ、または、サイティックコーポレーションから入手可能であり、図１５に一般的に示されるＩ２イメージング／レビューシステムなどの、イメージングおよびレビューの両方の能力を含む一体化されたシステム１５００で実現することもできる。
【００５７】
さらに、態様を用いて、態様をいかに実現することができるかに関する例として提供される細胞頚部または膣検体以外の様々な種類の検体を処理および分析することができる。さらに、態様は、スライドおよびバイアルを含む種々の検体キャリアに収容または保持された検体を含むことができる。さらに、態様を、異なる種類の検体の分類に適用することができ、その他の目的に用いてもよいことは理解されたい。
【００５８】
態様は、様々な数の波長および種々の核に関連する特徴で取得されたイメージから得られたデータに基づく第一および第二の確率関数６１０、６２０（例：事後確率関数）を含んでもよい。種々の光学部材およびこれらの組み合わせを用いて、複数の波長の光を発生させることができる。さらに、異なる数の核に関連する特徴を、第一および第二の確率関数を用いて値を決定する目的に用いることができる。従って、５つの核に関連する特徴を用いる第一の確率関数、ならびに第一の確率関数および２つの核に関連する特徴を用いる第二の確率関数は、態様をいかに実現することができるかに関する例を示すために提供されるものであり、その他の態様は、異なる種類および数の核に関連する特徴の使用を含んでよい。さらに、確率モデルは、上述の確率モデルの変形を含んでよい。
【００５９】
さらに、態様は、生物検体分類システムと共に用いられ、本明細書にて前述した機能のすべてまたは一部を具体化するコンピュータプログラム製品として具体化することができる。そのような実現は、ディスケット、ＣＤ‐ＲＯＭ、ＲＯＭ、もしくはハードディスクを例とするコンピュータ読み取り可能媒体などの有形媒体上に固定されるか、またはモデムもしくはその他のインターフェースデバイスを介してコンピュータシステムへ伝送可能である、一連のコンピュータ読み取り可能である命令を含んでよい。
【技術分野】
【０００１】
本発明は、生物検体の特性決定または分類のためのシステムおよび方法に関する。
【背景技術】
【０００２】
医療業界では、細胞検査技師を例とする実験技術者にとって、特定の種類の細胞の存在について細胞検体のレビューを行う必要性が多くの場合存在する。例えば、現在、頚膣パパニコロウ（ｃｅｒｖｉｃａｌ−ｖａｇｉｎａｌ Ｐａｐａｎｉｃｏｌａｏｕ）（Ｐａｐ）スメアスライドのレビューを行う必要性が存在する。Ｐａｐスメアは、癌性および前癌性頚部病変を検出するための強力なツールである。頚部スクリーニングおよびその他の検体のスクリーニングの信頼性ならびに有効性は、前癌性病変を診断し（感度）、同時に偽陽性の診断を避ける（特異性）その能力によって評価される。その結果、これらの基準は細胞学的解釈の正確性に依存する。
【０００３】
従来から、病理学者は、個々の細胞核の特徴を調べることによる生物検体に対する単一細胞分析、またはスライド上に現れる細胞の構造の特徴的なパターンを探索することによる生物検体に対するコンテクスト分析（ｃｏｎｔｅｘｔｕａｌ ａｎａｌｙｓｉｓ）を行うことができる。このレビューのプロセスを促進するために、複数の顕微鏡スライドを処理する自動スクリーニングシステムが開発されてきた。典型的なシステムでは、イメージング装置（ｉｍａｇｅｒ）を操作して、各々がスライドの異なる部分を示す、細胞検体スライドの一連のイメージを取得する。次に、プロセッサまたはコントローラがこのイメージデータを処理し、検体に関する定量的な予後情報が提供される。この診断情報の提供に際して、プロセッサは、単一細胞分析もしくはコンテクスト分析のいずれか、またはその両方を実施することができる。
【０００４】
いくつかの自動化スクリーニングシステムでは、プロセッサは、診断情報を用いて、各々の検体の中の正常、および異常もしくは疑わしい生物物質の間の線引きを行う。すなわち、プロセッサは、細胞検査技師を最も適切である細胞に集中させ、残りの細胞をさらなるレビューから除外するという能力を有する。この場合、スクリーニング装置は、診断情報を用いて最も適切である生物対象物、およびそのスライド上の位置を決定する。この位置情報がレビュー用の顕微鏡へ提供され、これは、細胞検査技師によるレビューのために、自動的に識別された位置へと進み、生物対象物に焦点を合わせる。細胞検査技師は、次に、病理学者によるさらなるレビューのために、その最も適切である生物対象物（例えば、悪性または前悪性細胞に一貫する特質を持つ対象物）に電子的な標識を行うことができる。
【０００５】
例えば、１つの自動システムでは、対象物または「目的とする対象物」（ＯＯＩ）が、イメージデータに基づいて識別される。対象物またはＯＯＩは、検体の個々の細胞および細胞クラスターの形態を取っていてよい。このシステムは、例えば、特定の細胞または対象物が悪性腫瘍または前悪性腫瘍などの異常な状態を有するリスクの程度に基づいて、識別された領域または対象物を分類するように構成することができる。例えば、プロセッサは、核の合計の（ｎｕｃｌｅａｒ ｉｎｔｅｇｒａｔｅｄ）または平均の光学密度について対象物を評価し、その光学密度の値に応じて対象物をランク付けすることができる。対象物は、その相対的なランクおよび座標と共に、続いての処理、レビュー、または分析のために、保存することができる。イメージデータおよびＯＯＩを処理する公知のイメージングシステムおよび方法のさらなる局面は、特許文献１に記載されている。
【０００６】
一般的に、自動スクリーニングシステムの使用は、技術者の注意が、疑わしいスライド、または各スライド中の限られた数のより適切である対象物に集中されるため、効率的である。しかし、自動スクリーニングシステムは、改良することができる。例えば、偽陽性または「偽異常」という結果の割合を低減するために、自動システムがアーチファクトを処理する方法を改良することができる。アーチファクトは、診断的価値を持たない対象物と見なすことができる。偽陽性の１つの原因はアーチファクトの存在であり、これは、検体サンプル中に大量に存在し得るもので、異常検体に類似する大きな暗い対象物であり得る。アーチファクトは、正常細胞を含む対象物よりも上位にランク付けされ得る。
【０００７】
例えば、異常核と比較して、正常核は通常、ＤＮＡの量が少なく、構造（ｔｅｘｔｕｒｅ）も少ない。最上位にランク付けされた対象物においてアーチファクトの存在なしでは、正常スライド中の細胞の大部分は、緊密に分布したＤＮＡ量を有する。しかし、異常細胞に類似する非常に数多くのアーチファクトが、大部分の正常細胞よりも上位にランク付けされ、これらのアーチファクトは、データモデリングにおいて偽の警告を発する。これらのアーチファクトのために、実際の細胞がランク付けされ、「最上位の」ＤＮＡ量を有する細胞のリストに正しく提示されることができなくなる場合がある。従って、自動システムは、レビューすべき細胞を選択するのではなく、むしろ、アーチファクトが異常細胞であると間違って認識してしまい、異常核よりも上位にランク付けされるアーチファクトを選択してしまう。この結果、実際に細胞を有する対象物を選択する数、および細胞検査技師によるレビューに値する異常対象物を選択する数が減ることとなり、その結果として、分析および診断の正確性が低下し、誤ったものとなる可能性がある。
【０００８】
偽陽性の発生は、時に、自動イメージング装置の能力または構成に限界があることに起因する。すなわち、自動イメージング装置は、それに提供される検体およびデータ、ならびにそのプログラミングによって制限され得る。例えば、演算処理上の理由から、イメージング装置は通常、モノクロの白黒イメージを解析に用いる。公知のモノクロシステムの例は、ベクトンディッキンソンカンパニー、１ ベクトンドライブ、フランクリンレイクス、ニュージャージー（Ｂｅｃｔｏｎ Ｄｉｃｋｉｎｓｏｎ Ｃｏｍｐａｎｙ，１ Ｂｅｃｔｏｎ Ｄｒｉｖｅ，Ｆｒａｎｋｌｉｎ Ｌａｋｅｓ，Ｎｅｗ Ｊｅｒｓｅｙ）、およびサイティックコーポレーション、２５０ キャンパスドライブ、マールボロ、マサチューセッツ（Ｃｙｔｙｃ Ｃｏｒｐｏｒａｔｉｏｎ，２５０ Ｃａｍｐｕｓ Ｄｒｉｖｅ，Ｍａｒｌｂｏｒｏｕｇｈ，Ｍａｓｓａｃｈｕｓｅｔｔｓ）、より入手可能である。しかし、検体は、広範囲にわたるスペクトルデータ、およびサンプルの特性決定または分類に用いることができるその他の情報を提供し得る。しかし、モノクロイメージングおよび解析システムを用いる場合、このその他のデータを利用することができない。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】米国特許公開第２００４／０２５４７３８Ａ１号
【発明の概要】
【００１０】
１つの態様は、検体キャリア（ｓｐｅｃｉｍｅｎ ｃａｒｒｉｅｒ）上の生物検体を分類して、その検体にさらなる分析が必要かどうかを決定するための方法に関する。この方法は、検体中の対象物のイメージを取得すること、およびそのイメージ中の目的とする対象物を識別することを含む。この方法は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、識別された目的とする対象物の細胞の特徴を追加のイメージから抽出すること、および抽出された細胞の特徴に基づく確率モデルに従って検体を分類し、その検体にさらなる分析が必要かどうかを決定すること、を含む。
【００１１】
別の態様は、検体キャリア上の生物検体を自動的に分類して、その検体にさらなる分析が必要かどうかを決定するための方法に関する。この方法は、検体中の対象物のイメージを取得すること、および取得されたイメージから目的とする対象物を識別することを含む。この方法は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、識別された目的とする対象物の核に関連する特徴を追加のイメージから抽出すること、および抽出された核に関連する特徴に基づく確率モデルに従って検体を分類すること、を含む。確率モデルは、第一および第二の確率関数を含む。第一の確率関数は、識別された目的とする対象物がアーチファクトである確率を示し、第二の確率関数は、部分的に、第一の確率関数の結果に基づく。第一および第二の確率関数を組み合わせて用いることにより、検体を分類し、その検体にさらなる分析が必要かどうかを決定する。
【００１２】
さらなる態様は、複数の波長の光を利用する生物検体の処理の方法に関し、生物検体中の対象物のイメージを取得すること、および取得されたイメージ中の目的とする対象物を識別すること、を含む。この方法は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、および識別された目的とする対象物の細胞の特徴を追加のイメージから抽出すること、を含む。
【００１３】
さらに別の態様は、複数の波長の光を利用する生物検体の分類の方法に関し、生物検体中の対象物のイメージを取得すること、および取得されたイメージ中の目的とする対象物を識別すること、を含む。この方法は、さらに、生物検体の目的とする対象物の追加のイメージを複数の異なる波長にて取得すること、目的とする対象物の細胞の特徴を取得されたイメージから抽出すること、および抽出された細胞の特徴に基づいて生物検体を分類すること、を含む。
【００１４】
さらなる態様は、複数の波長の光を利用する生物検体の分類の方法に関し、生物検体の目的とする対象物のイメージを複数の波長で取得すること、目的とする対象物の細胞の特徴を取得されたイメージから抽出すること、および抽出された細胞の特徴に基づいて生物検体を分類すること、を含む。
【００１５】
別の態様によると、検体キャリア上に保持された生物検体を分類してその生物検体にさらなる分析が必要かどうかを決定するための生物スクリーニングシステムは、イメージング部材およびイメージング部材と操作可能に連結されたプロセッサを含む。イメージング部材は、生物検体中の対象物のデジタルイメージデータを取得するように構成され、プロセッサは、そのデジタルイメージデータから目的とする対象物を処理し、識別するように構成される。イメージング部材は、さらに、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得するようにも構成される。プロセッサは、識別された目的とする対象物の細胞の特徴を追加のイメージから抽出し、および抽出された細胞の特徴キャリアに基づき、確率モデルに従って生物検体を分類し、その生物検体にさらなる分析が必要かどうかを決定するようにさらに構成される。
【００１６】
さらなる態様によると、検体キャリア上に保持された生物検体を分類して生物検体にさらなる分析が必要かどうかを決定するための生物スクリーニングシステムは、イメージング部材およびイメージング部材と操作可能に連結されたプロセッサを含む。イメージング部材は、生物検体中の対象物のイメージを取得するように構成され、プロセッサは、取得されたイメージから目的とする対象物を処理し、識別するように構成される。イメージング部材は、識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得するようにさらに構成される。プロセッサは、識別された目的とする対象物の核に関連する特徴を異なる波長にて取得された追加のイメージから抽出し、および測定された細胞の特徴に基づく確率モデルに従って生物検体を分類するようにさらに構成される。確率モデルは、第一および第二の確率関数を含む。第一の確率関数は、選択された対象物がアーチファクトである確率を示し、第二の確率関数は、部分的に、第一の確率関数の結果に基づく。第一および第二の確率関数を組み合わせて用いることにより、生物検体を分類して、その生物検体にさらなる分析が必要かどうかを決定する。
【００１７】
さらなる別の選択肢としての態様は、イメージング部材およびイメージング部材と操作可能に連結されたプロセッサを含む、生物検体分類システムに関する。イメージング部材は、生物検体の目的とする対象物のイメージを複数の異なる波長にて取得するように構成され、プロセッサは、取得されたイメージから細胞に関連する特徴を抽出し、抽出された細胞に関連する特徴に基づいて生物検体を分類するように構成される。
【００１８】
１もしくは２つ以上の態様では、抽出または測定された細胞の特徴は、核に関連する特徴であり、例えば、核内での光学濃度の標準偏差、核内での光学濃度の変動、核の補正された光学濃度、および核の境界の形状である。
【００１９】
１もしくは２つ以上の態様では、分類に用いられる確率モデルは、２つの確率関数を含み、例えば、事後確率関数である。１つの確率関数は、生物検体の識別された目的とする対象物がアーチファクトである平均確率を示し、もう一方の確率関数は、部分的に、第一の確率関数の結果に基づく。両方の確率関数が、異なる数および種類の抽出された核に関連する特徴に基づいていてよい。例えば、第一の確率関数は、核の構造、核内での光学濃度の標準偏差、核内での光学濃度の変動、核の補正された光学濃度、および核の境界の形状のうちの１もしくは２つ以上、またはすべてに基づいていてよく、第二の確率関数は、第一の確率関数の結果、ならびに識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラスト（ｇｒａｙ ｖａｌｕｅ ｃｏｎｔｒａｓｔ）の平均、および識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラストの範囲のうちの１もしくは２つ以上、に基づいていてよい。第一および第二の確率関数の結果は、グラフのフォーマットにプロットまたは表示して生物検体を分類し、検体にさらなるレビューが必要かどうか、または検体の群のどの検体にさらなるレビューが必要かを決定することができる。
【図面の簡単な説明】
【００２０】
ここで、全体を通して同一の符号が対応する部分を表す図面を参照する：
【００２１】
【図１】図１は、生物検体スライドを分類し、そのスライドに１つの態様に従って分析またはレビューを行うべきかどうかを決定するためのシステムのブロック図である。
【図２】図２は、生物検体スライドの平面図である。
【図３】図３は、複数の波長の光を用い、１つの態様に従う確率モデルにより生物検体スライドを分類するためのシステムのブロック図である。
【図４】図４は、複数の波長の光を用い、１つの態様に従う確率モデルにより生物検体スライドを分類するための方法のフローチャートである。
【図５】図５は、細胞およびアーチファクトを含む生物検体の対象物の一部分を一般的に示す図である。
【図６】図６は、種々の態様に用いられる複数の確率関数を含む確率モデルを示す図である。
【図７】図７は、対象物がアーチファクトである確率を決定するために種々の態様で用いられる第一の確率関数を一般的に示すフローチャートである。
【図８】図８は、別の態様に従う第一の確率関数のフローチャートである。
【図９】図９は、生物検体が正常である確率を決定するために種々の態様で用いられる第二の確率関数を一般的に示すフローチャートである。
【図１０】図１０は、別の態様に従う第二の確率関数のフローチャートである。
【図１１】図１１は、第一および第二の確率関数によって得られたデータをどのようにグラフにプロットすることができるかを一般的に示す図である。
【図１２】図１２は、図１１に示すグラフでプロットした、正常および異常スライドを表す試験データポイントを示す。
【図１３】図１３は、図１２に示される試験の際に識別された対象物を示す表である。
【図１４】図１４は、態様を実現することができ、イメージングステーション、サーバー、およびレビューステーションを含む、別の選択肢としての生物検体分析システムを示す図である。
【図１５】図１５は、態様を実現することができ、一体化されたイメージングおよびレビュー機能を含む、別の選択肢としての生物検体分析システムを示す図である。
【発明を実施するための形態】
【００２２】
図１および２を参照すると、態様に従う多波長生物検体スクリー二ングシステム（ｍｕｌｔｉ−ｗａｖｅｌｅｎｇｔｈ ｂｉｏｌｏｇｉｃａｌ ｓｐｅｃｉｍｅｎ ｓｃｒｅｅｎｉｎｇ ｓｙｓｔｅｍｓ）１００および方法は、スライド１１０またはその他の適切なキャリアに保持された生物検体（例：細胞検体）１１２のイメージを取得し、目的とする対象物（ＯＯＩ）を例とする対象物を識別し、次に、選択された対象物またはＯＯＩ（一般に「ＯＯＩ」と称する）のイメージを、複数の異なる波長にて取得する。ＯＯＩの細胞の核に関連する特徴を例とする細胞の特徴に関連するデータを、多スペクトルイメージ（ｍｕｌｔｉ−ｓｐｅｃｔｒａｌ ｉｍａｇｅｓ）から決定、抽出、または測定する。説明を簡略化するために、ＯＯＩの細胞の特徴の抽出について述べる。このデータは、分類の目的に、およびその他の応用に用いることができる。
【００２３】
１つの態様によると、スクリーニングシステム１００は、複数の波長にて取得されたＯＯＩのイメージから抽出された核の特徴に関するデータを用いる確率モデル１２０に従い、生物検体１１２を「正常」または「疑わしい」として分類するように構成またはプログラムされる。例えば、図１に示すように、処理すべき生物検体スライド１１０の数が１０００個である場合、検体分類システム１００の態様は、複数の波長を用い、確率モデル１２０に従ってスライド１１０を自動的に分類することができ、それにより、特定のスライド、例えばスライド１〜３００および７００〜１０００、が正常スライド１３０として分類され、その他のスライド、例えばスライド３０１〜６９９、が疑わしいスライド１４０として分類される。当然のことであるが、正常および疑わしいスライド１３０、１４０の数およびグループ分けは、説明の目的で提供するものである。従って、図１の場合、「正常」１３０検体またはスライドは、細胞検査技師によるさらなるレビューもしくは分析を必要としない検体１１２またはスライド１１０である。一般的に、スライド１１０は、非癌性または非前癌性検体１１２を有する場合に、正常１３０として分類される。「疑わしい」１４０検体またはスライドは、異常である可能性があるかまたは異常であり、癌性または前癌性細胞を含んでいてよい。
【００２４】
「正常」１３０または「疑わしい」１４０としての分類は、態様の最終決定または結果として、すなわち、検体１１２またはスライド１１０にさらなる分析またはレビューが必要かどうか、として図１に示す。細胞検査技師は、次に、正常スライド１３０ではなく、疑わしいスライド１４０へ自身の注意を集中させることができる。この方法により、検体、スライド１１０に関する価値のある情報が複数の波長を用いることで得られ、この情報を用いて、アーチファクトによる偽陽性の頻度を低減して検体１１２が分類され、それによって、さらなるレビューのためにスライド１１０がより正確で効率的に分類および選択される結果となる。
【００２５】
１つの態様によると、多波長生物スクリーニングシステム１００は、細胞頚部または膣検体（Ｐａｐスメアスライド上で通常見られる）などの生物または細胞検体１１２を有する一連の顕微鏡スライド１１０を処理するように構成される。この場合、細胞は、異常、軽度扁平上皮内病変（ＬＧＳＩＬ）もしくは高度扁平上皮内病変（ＨＧＳＩＬ）などの悪性腫瘍または前悪性腫瘍、ならびにその他のあらゆる細胞学的区分（例：感染、細胞溶解）を反映していてよい。検体１１２は、通常、薄細胞層（ｔｈｉｎ ｃｙｔｏｌｏｇｉｃａｌ ｌａｙｅｒ）としてスライド１１０上に配置される。好ましくは、カバーグラス（図示せず）が検体１１２に接着され、それによって、検体１１２がスライド１１０上の適切な位置に固定される。検体１１２は、適切ないかなる染料で染色してもよく、ＴｈｉｎＰｒｅｐ（登録商標）核染料などである。
【００２６】
態様を用いて、さらに、血液、尿、精液、乳、痰、粘液、胸水、骨盤液、滑液、腹水、体腔洗浄液（ｂｏｄｙ ｃａｖｉｔｙ ｗａｓｈｅｓ）、アイブラッシング（ｅｙｅ ｂｒｕｓｈｉｎｇ）、皮膚擦過検体（ｓｋｉｎ ｓｃｒａｐｉｎｇｓ）、頬側拭き取り検体、膣内拭き取り検体、ｐａｐスメア、直腸内拭き取り検体、吸引液、針生検検体、例えば手術または検死によって得られた組織片、血漿、血清、脊髄液、リンパ液、皮膚の外部分泌物、気道、腸管、および泌尿生殖器管、涙、唾液、腫瘍、臓器、微生物培養物、ウィルス、ならびにインビトロでの細胞培養物成分のサンプル、を含むその他の種類の生物検体１１２の「正常」１３０または「疑わしい」１４０としての特性決定または分類も、複数の波長を用いて行うことができる。本明細書は、細胞頚部または膣検体１１２（Ｐａｐスメアスライド上の）を参照して態様を実現することができる１つの方法を説明しており、態様は、様々な種類の組織および細胞に応用可能であることは理解されたい。システムおよび方法の態様のさらなる局面を、図３〜１５を参照して説明する。
【００２７】
図３を参照すると、１つの態様では、生物検体スライド１１０の分類または特性決定のための生物検体スクリーニングシステム３００は、カメラまたはその他のイメージング部材３１０、顕微鏡３２０、生物検体スライド１１０および顕微鏡３２０を通して光３３２をカメラ３１０へ提供する光源３３０、生物検体スライド１１０を支持する電動式ステージ３４０、イメージプロセッサ３５０、ならびに付属のメモリまたは記憶装置３６０（一般にメモリ３６０と称する）を含む。メモリ３６０は、イメージプロセッサ３５０の一部分であってよく、または別個の部材であってもよい。
【００２８】
イメージプロセッサ３５０および／またはメモリ３６０は、確率モデル１２０を記憶またはこれにアクセス可能であり、それを用いて、生物検体１１２を「正常」１３０または「疑わしい」１４０として分類する。確率モデル１２０は、ハードウェア、ソフトウェア、またはこれらの組み合わせの形態であってよい。例えば、確率モデル１２０は、一連のプログラムされた命令、および／またはメモリ３６０に記憶され、イメージプロセッサ３５０によって取得された検体データと合わせてイメージプロセッサ３５０によって実行されるデータの形態であってよい。確率モデル１２０は、別個のプロセッサもしくはコントローラの一部で実行されてもよい。
【００２９】
カメラ３１０は、種々の公知のデジタルカメラのうちの１つであってよく、光源３３０は、単一の光源、または図３に示すように、複数の個別の光源を含んでいてよい。図３は、システム３００が複数の光源３３０を含んでよいことを一般的に説明するために、３つの光源３３０ａ〜ｃ（一般に光源３３０と称する）を示している。以下でさらに詳細に考察するように、ＯＯＩの所望される多波長分析を達成するために、必要に応じて様々な数の光源３３０を使用可能であること、および図３は、システム３００が複数の光源３３０を含んでよいことを一般的に説明するために提供されること、については理解されたい。
【００３０】
１つの態様によると、スクリーニングおよび分類システム３００は、複数の光源３３０を含み、その各々が異なる波長の光３３２を発する。この目的のために適する光源３３０は、発光ダイオード（ＬＥＤ）であろう。他の態様では、光源３３０は、１もしくは２つ以上のプリズム（図示せず）、および／またはフィルター３３４を透過した光３３２が所望される波長または波長範囲を有するように１もしくは２つ以上の光学フィルター３３４などの１もしくは２つ以上のその他の光学部材と対となっていてよい。態様に用いることができるフィルターの例としては、二色性フィルター、干渉フィルター、フィルターホイールが挙げられる。フィルター３３４は、顕微鏡３２０、および検体１１２の一部分をイメージングするためのカメラ３１０に提供される光３３２の波長を変化させるように調節または選択することができる。液晶波長可変フィルターも用いることができる。適切なシステム３００の部材のさらなる局面は、米国特許第２００４／０２５３６１６ Ａ１号に記載されている。
【００３１】
図４を参照すると、１つの態様に従う方法４００において、光３３２は、光源３３０からステージ３４０および顕微鏡３２０を通ってカメラ３１０へと指向され、このカメラが、工程４０５にて生物検体１１２のデジタルイメージを取得する。より詳細には、細胞検体１１２を有するスライド１１０が、顕微鏡３２０の視野に対してスライド１１０を移動または走査させる電動式ステージ３４０上に載せられ、一方、カメラ３１０が、光源３３０によって発光される光３３２により、生物検体１１２の全体またはその一部分にわたるイメージを捕捉する。例えば、カメラ３１０によって取得された各々のイメージの各ピクセルは、その光透過率に応じて８ビット値（０から２５５）に変換することができ、「００００００００」が、ピクセルを透過する最も少ない光の量に対して割り当てられ、「１１１１１１１１」が、ピクセルを透過する最も多い光の量に対して割り当てられる。スキャン速度および／または取得されるイメージの数を最大とすることができるように、カメラ３１０のシャッター速度は、比較的速いことが好ましい。スライド１１０に保持される生物検体１１２は、カセット（図示せず）内に収容されていてよく、その場合、スライド１１０は、連続する方法で、それぞれのカセットから取り出され、デジタルイメージを取得され、その後カセットに戻される。
【００３２】
工程４１０では、取得されたイメージまたはイメージデータがイメージプロセッサ３５０へ提供され、このイメージプロセッサが、別名として目的とする対象物（ＯＯＩ）とも称される最も適切であるもしくはランクの最も高い対象物を識別するために、イメージまたはイメージデータ３１２上で種々の操作を実行する。例えば、イメージプロセッサ３５０は、最も関連性が高いと思われる約２０もしくは４０個の対象物、またはその他の適切な数の対象物を識別することができる。この目的のために、イメージプロセッサ３５０は、米国２００４／０２５３６１６に記載の一次および二次セグメント化（ｓｅｇｍｅｎｔａｔｉｏｎ）を実施し、個々の対象物およびクラスター化した対象物の各々に対する種々の特徴を測定、決定、または抽出し、続いて、これらの特徴の測定された値に基づいて各対象物に対する対象物スコアを算出することができる。このスコアに基づいて、イメージプロセッサ３５０は、目的とする対象物（ＯＯＩ）と見なされる対象物およびクラスター化した対象物を識別または選択することができ、その位置は、今後の参照のためにメモリに記憶させることができる。
【００３３】
図５を参照すると、イメージプロセッサ３５０は、細胞質５０２および核５０４を含む細胞５００を含有するＯＯＩ（その一部分またはそれが図５に示される）を識別するように試行するが、選択されたＯＯＩは、そうではなく、アーチファクト５１０であり得る。アーチファクト５１０の選択は、ＯＯＩとして識別され分析されるべきその他の細胞含有対象物を除外する結果となり得る。態様は、検体１１２を正常１３０または疑わしい１４０として分類する目的で、有利に、ＯＯＩがアーチファクト５１０である可能性がどの程度であるかを判定する。態様は、この情報を用いて生物検体１１２のレビューを改善し、アーチファクト５１０を細胞含有対象物、例えば、細胞５００を含み、アーチファクトではない次にランクの高い対象物、に置き換えることができる。
【００３４】
より具体的には、図４を再度参照すると、工程４１５にて、最初の検体イメージから複数のＯＯＩをイメージングおよび識別した後、システム３００は、図３を参照して上記で考察したように、別個の光源３００、または１もしくは２つ以上のフィルター３３４を用いた複数の異なる波長におけるＯＯＩの追加のイメージの取得へと進む。１つの態様によると、各ＯＯＩは、１９種類の異なる波長を例とする、約３から約３０種類の異なる波長にてイメージングすることができる。１つの態様によると、ＯＯＩのイメージングに用いられる波長の範囲は、約４１０ｎｍから約７２０ｎｍであってよく、例えば約４４０ｎｍから約７２０ｎｍである。工程４２０では、イメージプロセッサ３５０は、ＯＯＩの多波長デジタルイメージに種々の操作を実行して、多波長ＯＯＩイメージから種々の核に関連する特徴を測定、決定、または抽出する。異なる波長でのＯＯＩの追加のイメージの取得およびこれらのイメージからの特徴の抽出に関するさらなる詳細は、米国特許公開第２００６／０２４５６３０Ａ１号に提供されている。工程４２５では、多波長ＯＯＩイメージから抽出された核に関連する特徴を用いる確率モデル１２０に従って、生物検体１１２を正常１３０または疑わしい１４０として分類または特性決定する。
【００３５】
図６を参照すると、１つの態様によれば、生物検体１１２は、複数の確率関数（例：複数の事後確率関数）を用いる確率モデル６００に従って分類または特性決定される。１つの態様によると、確率モデル６００を用いて、ＯＯＩがアーチファクト５１０である可能性がどの程度であるか、および生物検体１１２が正常１３０である可能性がどの程度であるかも示すことができる。次にこのデータを組み合わせて用いて、検体１１２が正常１３０であるかまたは疑わしい１４０であるかについての分類を行う。
【００３６】
図６に示す態様では、確率モデル６００は、２つの異なる確率関数６１０および６２０を含み、これらは、１つの態様によると、事後確率関数であってよい。確率関数６１０、６２０はいずれも、核に関連する特徴６１２、６２２を用いる。１つの態様によると、図６に一般的に示されるように、確率関数６１０、６２０は、核に関連する異なる特徴６１２、６２２を用いる。
【００３７】
図示した態様では、第二の確率関数６２０が、核に関連する特徴６２２および第一の確率関数６１０の結果を用いる。すなわち、第一の確率関数６１０は、核に関連する特徴６１２に基づき、第二の確率関数６２０とは独立しており、一方、第二の確率関数６２０は、核に関連する特徴６２２および第一の確率関数６１０を用いる。図７および８は、態様に従う第一の確率関数６１０をさらに示しており、図９および１０は、態様に従う第二の確率関数６２０をさらに示している。
【００３８】
図７を参照すると、１つの態様によれば、確率モデルを用いる生物検体１１２を分類または特性決定する方法７００は、選択されたＯＯＩが細胞５００ではなくアーチファクト５１０である確率または可能性の決定に用いられる第一の確率関数６１０を含む。最上位にランク付けされた対象物またはＯＯＩが細胞５００ではなくアーチファクト５１０である可能性がどの程度であるかについての確率を決定することにより、最上位にランク付けされた対象物の中にアーチファクト５１０が存在するパーセントを決定することができる。
【００３９】
１つの態様に従う方法７００は、複数の異なる波長にて取得されたＯＯＩのイメージを用いて、各ＯＯＩの核に関連する特徴６１２を抽出または測定することを含む。多波長イメージから抽出された核に関連する特徴を測定することにより、単一のグレーレベルまたはモノクロイメージから抽出された特徴と比較して、ＯＯＩ中の細胞に関するより詳細な情報が提供される。１つの態様では、これは、複数の波長で得られたＯＯＩのイメージに基づき、例えば核の構造、光学濃度、および形状を含む核に関連する特徴６１２を測定または決定することを含む。構造とは、隣接するピクセルと比較した任意のピクセルの値を意味する。光学濃度は、吸光度の測定値である。多波長イメージにおける光学濃度の変動は、例えば、ＯＯＩがアーチファクト５１０である可能性がどの程度であるかを決定するのに用いられる重要な情報を提供する。形状とは、核の外形の不規則性を意味する。特定の特徴が単波長イメージから抽出され、その他の特徴が多波長イメージから抽出されるという場合もあり得る。例えば、構造の特徴は、単波長イメージ（例：約５７０ｎｍ）から抽出することができ、光学濃度の特徴は、多波長イメージ（例：約５２０ｎｍおよび６３０ｎｍ）から抽出することができる。
【００４０】
工程７１０では、抽出された特徴の測定値６１２を用いて、ＯＯＩがアーチファクト５１０である確率を決定する。これを各ＯＯＩについて実施する。従って、工程７１０の結果は、確率値の集合であり、各ＯＯＩが特定の確率値（例：小数またはパーセント）と関連付けられている。次に、工程７１５では、工程７１０で得られた確率値の平均を算出することにより、平均確率を決定する。例えば、第一のＯＯＩがアーチファクト５１０である確率が０．４であり、第二のＯＯＩがアーチファクト５１０である確率が０．８であり、第三のＯＯＩがアーチファクト５１０である確率が０．５である場合は、ＯＯＩ（またはその他の対象物）がアーチファクトである平均確率（別名として「ＡＰＡ」とも称する）は、（０．８＋０．４＋０．５）／３、または約０．５７である。工程７１５の結果は、任意の検体１１２に対するＯＯＩが、実際の細胞５００よりも多いアーチファクト５１０から成る平均確率である。
【００４１】
図８を参照すると、１つの態様によれば、ＡＰＡを決定するための方法８００は、各々のＯＯＩについて核に関連する複数の特徴６１２を測定することを含む。１つの態様では、これは、複数の波長で得られたＯＯＩのイメージに基づき、核の構造、光学濃度、および形状を含む核に関連する特徴６１２を測定または決定することを含む。例えば、１つの態様では、これは、工程８０５にて各ＯＯＩの核の構造を測定、決定、または抽出すること、工程８１０にて核内での光学濃度の標準偏差を測定、決定、または抽出すること、工程８１５にて核内での光学濃度の変動を測定、決定、または抽出すること、工程８２０にて核の補正された光学濃度を測定、決定、または抽出すること、および工程８２５にて核の境界の形状を測定、決定、または抽出すること、を含む。このデータを有した後、工程８３０にて、選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての第一の確率、例えば第一の事後確率、を算出する。工程８３５では、工程８２５にて決定された個々の確率値に基づき、選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての平均確率を算出する。
【００４２】
図示した態様では、方法８００は、５種類の核に関連する特徴６１２を含む。他の態様では、方法８００は、５種類未満の核に関連する特徴６１２または５種類超の核に関連する特徴６１２を例とする、異なる数の核に関連する特徴６１２を含んでよい。さらに、工程８０５〜８２５に列挙した５種類の核に関連する特徴以外の異なる核に関連する特徴６１２も用いることができる。従って、図８は、第一の確率関数６１０の一例を示すために提供されるものである。
【００４３】
図９を参照すると、生物検体１１２が正常１３０である可能性がどの程度であるかを決定する方法９００は、工程９０５にて、選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての平均確率を決定すること（例：図７および８を参照して考察したＡＰＡを用いて）、および、次に、工程９１０にて核に関連する特徴６２２を決定すること、を含む。工程９１５では、生物検体１１２が正常１３０である確率を、平均確率（工程９０５）と測定された核に関連する特徴（工程９１０）との組み合わせに基づいて決定する。工程９２０では、第一および第二の確率関数によって得られたデータの組み合わせを次に用いて、生物検体１１２を正常１３０または疑わしい１４０として分類する。
【００４４】
図１０は、生物検体１１２が正常１３０である可能性がどの程度であるかを決定するための方法１０００の１つの態様を示すものであり、工程１００５にて、ＡＰＡ、または選択されたＯＯＩがアーチファクト５１０である可能性がどの程度であるかについての平均確率を決定すること、および核のイメージのピクセルのグレー値に対応する核に関連する特徴６２２を決定すること、を含む。これは、工程１０１０にて、核内での平均グレー値コントラストを決定すること、および工程１０１５にて、核内でのグレー値コントラストの範囲を決定すること、を含んでよい。このデータを有した後、工程１０２０にて、生物検体１１２が正常１３０である確率を、第一の確率関数６１０（ＡＰＡ）および決定されたグレー値コントラストデータ（工程１０１０および１０１５）に基づいて決定する。第一および第二の確率関数によって得られたデータの組み合わせを次に用いて、生物検体１１２を正常１３０または疑わしい１４０として分類する。
【００４５】
図１１を参照すると、検体１１２を正常１３０または疑わしい１４０として分類することを目的として、第一の確率関数６１０によって得られたデータおよび第二の確率関数６２０によって得られたデータを、適切なグラフ１１００にプロットすることができる。図示した態様では、グラフ１１００は、ｘおよびｙ軸を含む二次元グラフである。ｙ軸１１０２は、第一の確率関数６１０、すなわち、対象物がアーチファクトである平均確率または「ＡＰＡ」を表す。グラフ１１００のｘ軸１１０４は、第二の確率関数６２０、すなわち、生物検体が正常１３０検体である可能性がどの程度であるかを表す。従って、ｘおよびｙ軸、１１０２および１１０４の値は、小数またはパーセントの値として表される（例：２０％、６０％）。従って、第一の確率関数６１０は、境界線上の正常１３０検体またはスライドが、アーチファクトに起因する可能性が最も高いことを確認することを含み、ならびに、第二の確率関数６２０については、これを用いて、境界線上の正常１３０であるケース（高いアーチファクト数である）を正常１３０として分類し、これらがさらなるレビューまたは分析を必要としないように安全に選別することができることを確認する。
【００４６】
図１２は、図１１で示されたグラフ１１００に、互いに対してプロットされた第一および第二の確率関数６１０、６２０を用いて行われた試験で得られたデータを投入したグラフを示す。図１２における各試験データポイントは、生物検体１１２を有するスライド１１０を表す。データポイントは、ＯＯＩを識別することによって得られた。識別された異なる種類のＯＯＩを、図１３のチャート１３００にまとめる。チャートの第一のカラム１３０１は、対象物の種類を識別し、第二のカラム１３０２は、対象物として識別された異なる種類のアーチファクト５１０（グループ分け１３０１によって識別される）を含む、特定の種類の対象物の数を示す。
【００４７】
この特定の試験では、ＯＯＩのイメージは、約４４０〜７２０ｎｍの範囲の１９種類の異なる波長で取得した。この多波長イメージを用いて１０種類の異なる核に関連する特徴を次に分析し、１９０の異なる核に関連する特徴を得た。形状、光学濃度、および構造を含む核に関連する特徴６１２を第一の確率関数６１０に用い、形状、光学濃度、および構造を含む核に関連する特徴６２２を第二の確率関数６２０に用いた。
【００４８】
特徴の選択は、種々の基準に基づいて行ってよい。この特定の例では、特徴の選択は、例えばピアソンの積率相関を用いて、特徴の値をあらかじめ割り当てたグループに相関させることに基づいて行った。本例におけるあらかじめ割り当てたグループは、「細胞」および「アーチファクト」であり、細胞およびアーチファクトについて、これらの選択された特徴に対する共分散行列を演算処理する。試験対象物の間でグループ平均からのマハラノビスの距離を算出し、そのグループ平均からの距離が最小値である場合に、試験対象物はその区分に属する。各対象物が「アーチファクト」の区分に属する可能性がどの程度であるかについての事後確率を用いて、第一の確率関数、または対象物が「アーチファクト」である平均確率（「ＡＰＡ」）を算出する。
【００４９】
個々のスライド１１０を表す得られたデータポイントを、図１２に示すようにグラフ１１００にプロットする。グラフ１１００は、直線１２０１、１２０４により４つの四半分、１２１１、１２１２、１２１３、１２１４に分割される。横方向の直線１２０２は、第一の確率関数６１０の値によって定められ、縦方向の直線１２０４は、第二の確率関数６２０の値によって定められる。グラフ１１００は、２９９個の検体スライド１１０を表すデータポイントを含む。正しく正常１３０として分類された正常スライドまたは検体１３０は「Ｘ」１２２０で表され、正常１３０としては分類されず、疑わしい１４０として分類された正常スライドまたは検体１３０は「丸」１２２１で表され、正常１３０として分類されなかった異常もしくは疑わしいスライドまたは検体１４０は「囲んだＸ」１２２２で表され、正常１３０として分類されてしまった異常もしくは疑わしいスライドまたは検体１４０は「囲んだ丸」（１２２３）で表される。従って、態様に基づいて、図示した例では、データポイント１２２０に対応する検体は、細胞検査技師によるレビューを受け、一方、データポイント１２２１、１２２２、および１２２３に対応する検体は、細胞検査技師によるレビューを受けない。
【００５０】
より具体的には、２９９個の検体スライド１００のうち、２２５個のスライドが、疑わしいまたは異常１４０である検体を含み、残りの７４個のスライドが、正常１３０である検体を含んでいた。態様を試験し、第一および第二の確率関数６１０、６２０に基づいて、この７４個の正常１３０検体スライドのうちのいくつを正しく正常１３０として分類することができたかを判定した。
【００５１】
より詳細には、ｘ軸１１０４は、第二の確率関数６２０を用いて決定される、検体１１２が正常１３０である確率を表すことから、十分に高いｘ軸１１０４の値を持つ検体スライド１１０を正常１３０として分類することができる。同様に、アーチファクト５１０は、異常細胞に類似することが多いが異常細胞ではなく、従って、正常１３０として分類することが可能であることから、十分に高いｙ軸の値１１０２を持つスライド１１０も正常１３０として分類することができる。従って、態様により、スライド１１０は、対応するデータポイントが上部右側の四半分１２１１の範囲内に入るように、ｘ軸１１０４に沿った十分に高いｘ軸１１０４または第一の確率関数（ＡＰＡ）の値、およびｙ軸１１０２に沿った十分に高い第二の確率関数（正常である確率）の値を持つ対応するデータポイントに基づいて、有利に、正常１３０として分類することができる。
【００５２】
図示した態様では、正常１３０である可能性が最も高いスライド１１０は、第一の値１２０２よりも大きい、例えば約０．３よりも大きい第一の確率関数６１０またはＡＰＡの値、ならびに第二の値１２０４よりも大きい、例えば約０．４よりも大きい第二の確率関数６２０の値を持つスライドである。これらのポイント１２０２、１２０４でｘおよびｙ軸を通って延びる直線の交差によって定められる上部右側の四半分１２１１内のこれらのデータポイントに対応する検体スライド１１０を用いて、対応するスライドを正常１３０として分類することができる（「Ｘ」１２２０で識別される）。従って、細胞検査技師は、データポイント１２２０（「Ｘ）に対応するスライドをレビューまたは分析する必要がなく、態様は、これらのスライドをさらなるレビューから有利に除外する。
【００５３】
図示した例では、７４個の正常１３０スライドのうちの３７個が正しく正常１３０として分類された（「Ｘ」１２２０で識別される）。残りの３７個の正常１３０スライドのほとんどは（「丸」１２２１で識別される）、ｘ軸１１０４の値または第二の確率関数６２０の値が低く、対応するデータポイントが上部左側の四半分１２１２の範囲内に含まれたため、最初は正常１３０として分類されず、疑わしい１４０として分類された。データポイント１２２１（丸）に対応するスライドは、疑わしい１４０として分類され、従って、細胞検査技師によるさらなるレビューおよび分析が必要であると識別されることになる。従って、態様により、正常１３０スライドの約５０％（「Ｘ」１２２０で識別される）、および全スライド１１０の約１２％が、細胞検査技師によって考慮され得るスライドのプールから有利に除外された。
【００５４】
図示した例では、正常１３０として上部右側の四半分１２１１に誤って分類された異常検体（「囲まれた丸」１２２３として識別される）が１つ存在した。その結果、この異常検体１２２３は、正常１３０として分類されたことから、細胞検査技師によって検査されないこととなった。しかし、正常１３０として識別されたおよそ４７個のスライドのうち、誤って正常１３０として分類された異常スライドは僅かに１個であった（囲まれた「丸」１２２３として識別される）。この低いエラー率は、細胞検査技師の手作業によるレビューで得られるエラー率よりも良好であると考えられる。従って、少数の異常１４０スライドが、疑わしい１４０として分類されるべき場合に正常１３０として分類される場合があり得るものの、エラー率は十分に低く、そのようなエラーは、正常１３０スライドの約５０％を識別することで細胞検査技師の負担を軽減し、細胞検査技師の注意をより適切である疑わしいまたは異常スライド１４０に集中させるという能力に対する許容範囲内のトレードオフを提示するものと考えられる。
【００５５】
残りの３つの四半分内（上部左側１２１２、下部左側１２１３、および下部右側１２１４四半分）のデータポイントは、最初に正常として分類されなかった正常１３０検体（「丸」１２２１として識別される）、および「異常」または「正常でない」として正しく分類された異常検体１４０（囲んだ「Ｘ」１２２２として識別される）を表す。イメージプロセッサ３５０は、このデータを処理して、特定のスライド１１０が細胞検査技師によるレビューを受けるべきかどうかに関する指示を作り出すか、またはどのスライド１１０が細胞検査技師のレビューを要するかを識別することができる（例：上部右側の四半分１２１１内に含まれず、最初は第一および第二の確率関数６１０、６２０を用いて正常１３０として分類されなかったためにレビューすべきであるスライド１１０、のリストを作成することにより）。
【００５６】
図３に示すイメージングシステムの例を参照して態様を説明するが、その他のイメージングシステム構成を用いてよく、態様が実現されるイメージングシステムは、図３に一般的に示されるように、その他のシステム部材と共に用いるか、これらに付随させるか、またはこれらと連結してよい。例えば、図１４を参照すると、態様を実現することができる別のシステムは、イメージング装置１４１０（例：図３に示すような、または別の適切なイメージング装置）、イメージプロセッサ３５０、メモリ３６０および確率モデル１２０、ならびにＦＯＩプロセッサ１４２２およびルーティングプロセッサ１４２４などのその他の付随する部材を含むサーバー１４２０、ならびに、別個の顕微鏡１４３２および電動式ステージ１４３４を含むレビューステーション１４３０、を有する。図１４に示すシステム構成のさらなる局面は、米国特許出願公開第２００４／０２５３６１６Ａ１号に記載されている。さらに、態様は、例えば図１４に示すように、独立したまたは単独のイメージングシステムで実現することができ、または、サイティックコーポレーションから入手可能であり、図１５に一般的に示されるＩ２イメージング／レビューシステムなどの、イメージングおよびレビューの両方の能力を含む一体化されたシステム１５００で実現することもできる。
【００５７】
さらに、態様を用いて、態様をいかに実現することができるかに関する例として提供される細胞頚部または膣検体以外の様々な種類の検体を処理および分析することができる。さらに、態様は、スライドおよびバイアルを含む種々の検体キャリアに収容または保持された検体を含むことができる。さらに、態様を、異なる種類の検体の分類に適用することができ、その他の目的に用いてもよいことは理解されたい。
【００５８】
態様は、様々な数の波長および種々の核に関連する特徴で取得されたイメージから得られたデータに基づく第一および第二の確率関数６１０、６２０（例：事後確率関数）を含んでもよい。種々の光学部材およびこれらの組み合わせを用いて、複数の波長の光を発生させることができる。さらに、異なる数の核に関連する特徴を、第一および第二の確率関数を用いて値を決定する目的に用いることができる。従って、５つの核に関連する特徴を用いる第一の確率関数、ならびに第一の確率関数および２つの核に関連する特徴を用いる第二の確率関数は、態様をいかに実現することができるかに関する例を示すために提供されるものであり、その他の態様は、異なる種類および数の核に関連する特徴の使用を含んでよい。さらに、確率モデルは、上述の確率モデルの変形を含んでよい。
【００５９】
さらに、態様は、生物検体分類システムと共に用いられ、本明細書にて前述した機能のすべてまたは一部を具体化するコンピュータプログラム製品として具体化することができる。そのような実現は、ディスケット、ＣＤ‐ＲＯＭ、ＲＯＭ、もしくはハードディスクを例とするコンピュータ読み取り可能媒体などの有形媒体上に固定されるか、またはモデムもしくはその他のインターフェースデバイスを介してコンピュータシステムへ伝送可能である、一連のコンピュータ読み取り可能である命令を含んでよい。
【特許請求の範囲】
【請求項１】
検体キャリア（ｓｐｅｃｉｍｅｎ ｃａｒｒｉｅｒ）上の生物検体を分類して、前記検体にさらなる分析が必要かどうかを決定するための方法であって、前記方法は：
前記検体中の対象物のイメージを取得すること；
前記イメージ中の目的とする対象物を識別すること；
前記識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること；
前記識別された目的とする対象物の細胞の特徴を前記追加のイメージから抽出すること；および、
前記抽出された細胞の特徴に基づく確率モデルに従って前記検体を分類し、前記検体にさらなる分析が必要かどうかを決定すること、
を含む、方法。
【請求項２】
前記識別された目的とする対象物の前記追加のイメージが、４つ以上の異なる波長で取得される、請求項１または２に記載の方法。
【請求項３】
前記抽出された細胞の特徴が、核に関連する特徴である、請求項１に記載の方法。
【請求項４】
前記の核に関連する特徴が、核の構造（ｔｅｘｔｕｒｅ）、核内での光学濃度の標準偏差、核内での光学濃度の変動、核の補正された光学濃度、および核の境界の形状を含む、請求項３に記載の方法。
【請求項５】
前記確率モデルが、第一の確率関数および第二の確率関数を含み、前記第一および第二の確率関数の結果を用いて、前記検体を分類し、前記検体にさらなる分析が必要かどうかを決定する、請求項１から４のいずれか１項に記載の方法。
【請求項６】
前記第一の確率関数が、検体の識別された目的とする対象物がアーチファクトである平均確率を示し、前記第二の確率関数が、部分的に、前記第一の確率関数の結果に基づくものである、請求項５に記載の方法。
【請求項７】
前記抽出された細胞の特徴が、核に関連する特徴であり、前記第一の確率関数が、
核の構造、
核内での光学濃度の標準偏差、
核内での光学濃度の変動、
核の補正された光学濃度、および、
核の境界の形状、
の１もしくは２つ以上を含む抽出された核に関連する特徴に基づくものである、請求項５に記載の方法。
【請求項８】
前記第二の確率関数が、
識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラスト（ｇｒａｙ ｖａｌｕｅ ｃｏｎｔｒａｓｔ）の平均、および、
識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラストの範囲、
を含む核に関連する特徴に基づくものである、請求項７に記載の方法。
【請求項９】
前記第一および第二の確率関数が、第一および第二の事後確率関数を含む、請求項５に記載の方法。
【請求項１０】
前記第二の確率関数の結果に対する前記第一の確率関数の結果の図による表示を作製し、前記検体が前記図による表示に基づいて分類されることをさらに含む、請求項５に記載の方法。
【請求項１１】
検体キャリア上に保持された生物検体を分類して、前記生物検体にさらなる分析が必要かどうかを決定するための生物スクリーニングシステムであって、前記システムは：
前記生物検体中の対象物のデジタルイメージデータを取得するように構成されるイメージング部材；
前記デジタルイメージデータから目的とする対象物を処理し、識別するように構成されるプロセッサ、
を含み、
前記イメージング部材は、前記識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得するようにさらに構成され、
前記プロセッサは、前記識別された目的とする対象物の細胞の特徴を前記追加のイメージから抽出し、そして抽出された細胞の特徴キャリアに基づく確率モデルに従って前記生物検体を分類して、前記生物検体にさらなる分析が必要かどうかを決定するようにさらに構成される、
生物スクリーニングシステム。
【請求項１２】
前記イメージング部材が、識別された目的とする対象物の追加のイメージを４種類以上の異なる波長にて取得するように構成される、請求項１１に記載のシステム。
【請求項１３】
前記抽出された細胞の特徴が、核に関連する特徴である、請求項１１または１２に記載のシステム。
【請求項１４】
前記確率モデルが、第一の確率関数および第二の確率関数を含み、前記第一および第二の確率関数の結果を用いて、前記検体を分類し、前記検体にさらなる分析が必要かどうかを決定する、請求項１１に記載のシステム。
【請求項１５】
前記第一の確率関数が、検体の識別された目的とする対象物がアーチファクトである平均確率を示し、前記第二の確率関数が、部分的に、前記第一の確率関数の結果に基づくものである、請求項１４に記載のシステム。
【請求項１】
検体キャリア（ｓｐｅｃｉｍｅｎ ｃａｒｒｉｅｒ）上の生物検体を分類して、前記検体にさらなる分析が必要かどうかを決定するための方法であって、前記方法は：
前記検体中の対象物のイメージを取得すること；
前記イメージ中の目的とする対象物を識別すること；
前記識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得すること；
前記識別された目的とする対象物の細胞の特徴を前記追加のイメージから抽出すること；および、
前記抽出された細胞の特徴に基づく確率モデルに従って前記検体を分類し、前記検体にさらなる分析が必要かどうかを決定すること、
を含む、方法。
【請求項２】
前記識別された目的とする対象物の前記追加のイメージが、４つ以上の異なる波長で取得される、請求項１または２に記載の方法。
【請求項３】
前記抽出された細胞の特徴が、核に関連する特徴である、請求項１に記載の方法。
【請求項４】
前記の核に関連する特徴が、核の構造（ｔｅｘｔｕｒｅ）、核内での光学濃度の標準偏差、核内での光学濃度の変動、核の補正された光学濃度、および核の境界の形状を含む、請求項３に記載の方法。
【請求項５】
前記確率モデルが、第一の確率関数および第二の確率関数を含み、前記第一および第二の確率関数の結果を用いて、前記検体を分類し、前記検体にさらなる分析が必要かどうかを決定する、請求項１から４のいずれか１項に記載の方法。
【請求項６】
前記第一の確率関数が、検体の識別された目的とする対象物がアーチファクトである平均確率を示し、前記第二の確率関数が、部分的に、前記第一の確率関数の結果に基づくものである、請求項５に記載の方法。
【請求項７】
前記抽出された細胞の特徴が、核に関連する特徴であり、前記第一の確率関数が、
核の構造、
核内での光学濃度の標準偏差、
核内での光学濃度の変動、
核の補正された光学濃度、および、
核の境界の形状、
の１もしくは２つ以上を含む抽出された核に関連する特徴に基づくものである、請求項５に記載の方法。
【請求項８】
前記第二の確率関数が、
識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラスト（ｇｒａｙ ｖａｌｕｅ ｃｏｎｔｒａｓｔ）の平均、および、
識別された目的とする対象物の細胞の核のイメージのピクセルのグレー値コントラストの範囲、
を含む核に関連する特徴に基づくものである、請求項７に記載の方法。
【請求項９】
前記第一および第二の確率関数が、第一および第二の事後確率関数を含む、請求項５に記載の方法。
【請求項１０】
前記第二の確率関数の結果に対する前記第一の確率関数の結果の図による表示を作製し、前記検体が前記図による表示に基づいて分類されることをさらに含む、請求項５に記載の方法。
【請求項１１】
検体キャリア上に保持された生物検体を分類して、前記生物検体にさらなる分析が必要かどうかを決定するための生物スクリーニングシステムであって、前記システムは：
前記生物検体中の対象物のデジタルイメージデータを取得するように構成されるイメージング部材；
前記デジタルイメージデータから目的とする対象物を処理し、識別するように構成されるプロセッサ、
を含み、
前記イメージング部材は、前記識別された目的とする対象物の追加のイメージを複数の異なる波長にて取得するようにさらに構成され、
前記プロセッサは、前記識別された目的とする対象物の細胞の特徴を前記追加のイメージから抽出し、そして抽出された細胞の特徴キャリアに基づく確率モデルに従って前記生物検体を分類して、前記生物検体にさらなる分析が必要かどうかを決定するようにさらに構成される、
生物スクリーニングシステム。
【請求項１２】
前記イメージング部材が、識別された目的とする対象物の追加のイメージを４種類以上の異なる波長にて取得するように構成される、請求項１１に記載のシステム。
【請求項１３】
前記抽出された細胞の特徴が、核に関連する特徴である、請求項１１または１２に記載のシステム。
【請求項１４】
前記確率モデルが、第一の確率関数および第二の確率関数を含み、前記第一および第二の確率関数の結果を用いて、前記検体を分類し、前記検体にさらなる分析が必要かどうかを決定する、請求項１１に記載のシステム。
【請求項１５】
前記第一の確率関数が、検体の識別された目的とする対象物がアーチファクトである平均確率を示し、前記第二の確率関数が、部分的に、前記第一の確率関数の結果に基づくものである、請求項１４に記載のシステム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公表番号】特表２０１０−５４０９３１（Ｐ２０１０−５４０９３１Ａ）
【公表日】平成２２年１２月２４日（２０１０．１２．２４）
【国際特許分類】
【出願番号】特願２０１０−５２７０１６（Ｐ２０１０−５２７０１６）
【出願日】平成２０年９月１２日（２００８．９．１２）
【国際出願番号】ＰＣＴ／ＵＳ２００８／０７６２０５
【国際公開番号】ＷＯ２００９／０４５６９９
【国際公開日】平成２１年４月９日（２００９．４．９）
【出願人】（５０７１３００１５）サイテック コーポレイション (18)
【Ｆターム（参考）】
【公表日】平成２２年１２月２４日（２０１０．１２．２４）
【国際特許分類】
【出願日】平成２０年９月１２日（２００８．９．１２）
【国際出願番号】ＰＣＴ／ＵＳ２００８／０７６２０５
【国際公開番号】ＷＯ２００９／０４５６９９
【国際公開日】平成２１年４月９日（２００９．４．９）
【出願人】（５０７１３００１５）サイテック コーポレイション (18)
【Ｆターム（参考）】
[ Back to top ]