JP2013541767A - セルブロック調製物のデジタル評価のためのシステム及び方法 - Google Patents

Abstract

病気のタイプ及び程度を決定して追加の試験又はサンプリングの必要なく最良の治療アプローチを識別するようにするための、セルブロック調製物のデジタル評価である。例示の方法は、処理されたＰａｐスメア・サンプルをデジタル的に生成してデジタル画像を得るステップと、前記デジタル画像をセグメント化して複数のセグメント化されたデジタル画像を得るステップと、各セグメント化されたデジタル画像を処理するステップであって、各セグメント化されたデジタル画像内の細胞の核を特定するステップと、前記核の視覚的特徴を抽出するステップと、前記核の視覚的特徴をランク付けして各セグメント化されたデジタル画像内の定量化された特徴を得るステップとを更に含むステップと、全てのセグメント化されたデジタル画像を連結して最終的なデジタル画像を得るステップと、前記最終的なデジタル画像の全ての定量化された特徴を収集して定量化された特徴の集まりを得るステップと、定量化された特徴の前記集まりをある診断分類と関係付けるステップと、前記診断分類を伝達するステップとを含むことができる。

Description

本発明は、細胞病理学を含む病理学に関する。病理学は、概して、病気の研究および診断に関し、細胞病理学は、特に、細胞（セル）の特徴の識別を介した病気の研究および診断に関する。より詳細には、本発明は、遠隔細胞診（ｔｅｌｅｃｙｔｏｌｏｇｙ）を通じたセルブロック調製物（プレパラート；ｐｒｅｐａｒａｔｉｏｎ）の評価のための自動化プロセスに関し、遠隔細胞診とは、従来的なガラス・スライドによる顕微鏡を用いるものではなく、デジタル画像（イメージ）を用いるものである。

病理学者は、最良の治療アプローチを識別するために、標本−他に、ここではサンプルと呼ぶ−を検査して、病気のタイプ及び程度を決定する。病理学的な手順の改善により、標本において病気の細胞の特徴を識別して、たった数個の細胞に基づいて診断をすることができる。

典型的には、診断又は病気を発見するために、標本は光学顕微鏡を用いて検査される。標本は患者から採取され、顕微鏡検査のために処理される。患者から細胞のサンプル標本を採取するために、様々な低侵襲技法が利用可能である。例えば、微細針吸引生検を用いることによって又は内視鏡的な技法を介して等の体腔表面ブラッシングによって、標本を採取することができる。標本が採取された後、細胞は評価のために調製される（ａｒｅ ｐｒｅｐａｒｅｄ）。細胞物質及び組織片の一方又は双方を顕微鏡のスライド上に沈着させるために、様々な調製（ｐｒｅｐａｒａｔｉｏｎ）技法−例えばＣｙｔｓｐｉｎ（登録商標）技法やＴｈｉｎＰｒｅｐ（登録商標）技法−が知られている。一般にセルブロック調製と呼ばれている別の技法は、細胞物質及び小組織片の一方又は双方を分離し固定する（ｉｓｏｌａｔｅｓ ａｎｄ ｉｍｍｏｂｉｌｉｚｅｓ）。細胞物質及び小組織片の一方又は双方は、遠心分離及びパラフィン・ワックス等の固体支持材（ｓｏｌｉｄ ｓｕｐｐｏｒｔ ｓｒｕｃｔｕｒｅ）内への手作業での埋め込みの一方又は双方を用いて分離することができる。次に、顕微鏡下の検査のために、セルブロックの薄片が切り出され顕微鏡のスライド−薄い平らな１枚のガラス−の上に置かれるか又は固定される。顕微鏡のスライドは、しばしば標本の上に置かれるカバー・スリップ又はカバー・ガラス−より薄い平らな１枚のガラス−と共に用いられる。スライドは、スライド・クリップ又はスライド・クランプによって、顕微鏡のステージの上に留めることができる。

子宮頸がんは、標本検査を介して発見又は診断される病気の１つのタイプである。ここでは、本発明は子宮頸がんに関して議論されているが、任意の病気が予期されよう。１９３０年代、子宮頸がんは、米国の女性のがんによる死因の最も一般的な原因であった。今日では、子宮頸がんは上位１０の死因にさえ入っていない。子宮頸がんの発生率及び死亡率双方の著しい現象は、パパニコロー検査、即ちＰａｐテスト−Ｐａｐスメア、頸管スメア又はスメア・テストとも呼ばれている−に起因し、このパパニコロー検査は、子宮頸膣部及び子宮頚部における前がん状態の細胞及び悪性腫瘍を発見するために婦人科において用いられるスクリーニング・テストである。

Ｐａｐスメアは、頚部の前がん状態の組織及びがん組織の発見のための最も有用なテストであると判明している。各年で米国の３５０万人を超える女性が異常なＰａｐスメアを有していると推定されている。ベセスダ・システム（「ＴＢＳ」）は、Ｐａｐスメアの結果を報告するためのシステムである。異常な結果は、Ａｔｙｐｉｃａｌ Ｓｑｕａｍｏｕｓ Ｃｅｌｌｓ ｏｆ Ｕｎｄｅｔｅｒｍｉｎｅｄ Ｓｉｇｎｉｆｉｃａｎｃｅ（「ＡＳＣ−ＵＳ」）及びＡｔｙｐｉｃａｌ Ｓｑｕａｏｕｓ Ｃｅｌｌｓ−Ｃａｎｎｏｔ Ｅｘｃｌｕｄｅ Ｈｉｇｈ Ｇｒａｄｅ Ｓｑｕａｍｏｕｓ Ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ Ｌｅｓｉｏｎ （「ＡＳＣ−Ｈ」）を含む。異常な結果は、Ｌｏｗ Ｇｒａｄｅ Ｓｑｕａｍｏｕｓ Ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ Ｌｅｓｉｏｎ（「ＬＧＳＩＬ」）、Ｈｉｇｈ Ｇｒａｄｅ Ｓｑｕａｍｏｕｓ Ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ Ｌｅｓｉｏｎ（「ＨＧＳＩＬ」）、扁平上皮がん（Ｓｑｕａｍｏｕｓ ｃｅｌｌ ｃａｒｃｉｏｍａ）、Ａｔｙｐｉｃａｌ Ｇｌａｎｄｕｌａｒ Ｃｅｌｌｓ Ｎｏｔ Ｏｔｈｅｒｗｉｓｅ Ｓｐｅｃｉｆｉｅｄ（「ＡＧＣ−ＮＯＳ」）、Ａｔｙｐｉｃａｌ Ｇｌａｎｄｕｌａｒ Ｃｅｌｌｓ、Ｓｕｓｐｉｃｉｏｕｓ ｆｏｒ ＡＩＳ ｏｒ Ｃａｎｃｅｒ （「ＡＧＣ−ｎｅｏｐｌａｓｔｉｃ」）及び上皮内腺がん（Ａｄｅｎｏｃａｒｃｉｎｏｍａ ｉｎ ｓｉｔｕ）（「ＡＩＳ」）を更に含む。ＬＧＳＩＬは、ヒトパピローマウイルス（「ＨＰＶ」）感染によって生じるものを含むＭｉｌｄ ｄｙｓｐｌａｓｉａ（「ＣＩＮ １」）を示す。ＨＧＳＩＬは、ｍｏｄｅｒａｔｅ ｄｙｓｐｌａｓｉａ（「ＣＩＮ ２」）又はｓｅｖｅｒｅ ｄｙｓｐｌａｓｉａ（「ＣＩＮ ３」）を示し、上皮内がん（ｃａｒｃｉｎｏｍａ ｉｎ ｓｉｔｕ）及び侵襲が疑わしい特徴（ｆｅａｔｕｒｅｓ ｓｕｓｐｉｃｉｏｕｓ ｆｏｒ ｉｎｖａｓｉｏｎ）、子宮頸管細胞、子宮内膜細胞、腺細胞、腫瘍性を示唆する子宮頸がん細胞（ｅｎｄｏｃｅｒｖｉｃａｌ ｃｅｌｌｓ ｆａｖｏｒ ｎｅｏｐｌａｓｔｉｃ）、腫瘍性を示唆する腺細胞（ｇｌａｎｄｕｌａｒ ｃｅｌｌｓ ｆａｖｏｒ ｎｅｏｐｌａｓｔｉｃ）若しくは上皮内腺がん（ａｄｅｎｏｃａｒｃｉｎｏｍａ ｉｎ ｓｉｔｕ）等の異型のものを含む腺細胞、又は、腺がん（子宮頚、子宮内膜、子宮外、他に特定されない（Ｎｏｔ ｏｔｈｅｒｗｉｓｅ ｓｐｅｃｉｆｉｅｄ））を含むことがある。

Ｐａｐテストのサンプルを得るための現在の技法は、従来のスメア、及び、ごく最近好まれるようになった液体ベースの手順を含む。従来のスメアは、しばしば、組織表面をこするプラスチックのへら、ブラシ又はほうき状のブラシの組み合わせを用いて得られる。得られた細胞は、サンプルの適当な評価を妨害することのある空気乾燥のアーティファクトを防ぐために、エタノール及びポリエチレンを用いて直ちにコーティング固定（ｃｏａｔｉｎｇ ｆｉｘａｔｉｏｎ）し、続いて９５％エタノールに浸すことを必要とする。

従来のスメアの感度の悪さが、１９９０年代に明らかとなった。幾つかの研究は、従来のスメアの平均感度は、最低で３７％から最高で７３％までの範囲にわたることを示している。従来のスメアを用いた誤りの源が分析されると、サンプリング及び調製の一方又は双方の誤りが偽陰性のケースの約３分の２に関与していることが見出された。この状況では、細胞は適切に収集されていないか、又は、収集された細胞が適切にスライドに移されていないかのどちらかであった。スクリーニング及び解釈の一方又は双方の誤りは、偽陰性のケースの残りの３分の１の原因となっていた。異常な細胞が、細胞検査技師／病理学者によって見逃されていたか、又は、保存の悪さにより間違って分類されていたかのどちらかであった。従来の技法のこの問題により、体液を収集する液体ベースの手順が開発された。

液体ベースの手順は、サンプリングの誤りを軽減し、細胞の保存を改善した。細胞の保存は、無作為の表現、更には炎症、血液及び残屑（ｄｅｂｒｉｓ）等の覆い隠すもの（ｏｂｓｃｕｒｉｎｇ ｍａｔｅｒｉａｌ）を最小化することを伴う細胞の分布を通して改善された。Ｐａｐスメアに関して、液体ベースの手順は、ＬＧＳＩＬ及びＨＧＳＩＬを発見することにおいては顕著に効果的であり、子宮頚内病変を発見することにおいては従来のスメアと同程度効果的である。

その実績のある価値にもかかわらず、Ｐａｐテストは最適ではない。Ｐａｐテストの感度は関心事項であり続けている。様々な値の偽陰性および偽陽性の結果が報告され、観察者間の再現は完璧ではない。この重大な不一致は、ＡＳＣＵＳとして解釈される結果に関わる。

最近、ＨＰＶ検査は、子宮頚がんの前兆をスクリーニングする際の潜在的な価値を有すると提言された。幾つかの研究は、ＨＰＶ検査及び細胞学的スクリーニングの繰り返しの組み合わせが、頸部腫瘍の妥当な感度のスクリーニングを提供し、一方で、現在重荷である膣鏡サービスの使用を限定することを示している。ＨＰＶ検査は、腫瘍リスクの客観的な評価を提供するようである。このテストの主な利点は、液体ベースの細胞診において用いるときの「リフレックス・テスト（ｒｅｆｌｅｘ ｔｅｓｔｉｎｇ）」に対するその潜在性である。ＨＰＶのためのリフレックス・テストは、現在多くの臨床医によって勧められており、世界中の多くのセンターにおいて当たり前のことと見なされている（ｃｏｎｓｉｄｅｒｅｄ ｒｏｕｔｉｎｅ）。ＨＰＶ陰性の患者は、年１回経過観察するようトリアージされることがあり、一方、ＨＰＶ陽性の患者は、更に膣鏡による評価が必要となりうる。現在の商業的に利用可能なＨＰＶテストは、ＤｉＧｅｎｅ ＨＰＶ Ｔｅｓｔ ｗｉｔｈ Ｈｙｂｒｉｄ Ｃａｐｔｕｒｅ ＩＩ（「ＨＣ２」）、Ｃｅｒｖｉｓｔａ ＨＰＶ、ＩＮＦＯＲＭ ＨＰＶ ｉｎ ｓｉｔｕ ｈｙｂｒｉｄｉｚａｔｉｏｎ ｔｅｓｔその他様々な分子ＨＰＶ ＤＮＡアッセイ（ｍｏｌｅｃｕｌａｒ ＨＰＶ ＤＮＡ ａｓｓａｙｓ）を含む。

現在、評価のための標本のデジタル画像を利用する幾つかの自動化スクリーニング・デバイスが存在する。デジタル病理学は、研究室費用を削減し、作業効率を改善し、生産性を増強し、治療法決定及び患者のケアを改善する手助けとなる、実績があり不可欠な技術として急速に勢いが増している。創薬、参照試験所、病院及びアカデミック・メディカル・センターの設備（ｓｅｔｔｉｎｇｓ）において世界中で用いられている。

デジタル病理学は、ロボティクス、自動化顕微鏡、画像キャプチャのための高性能カメラ及びハイスピード分析のための高機能コンピュータ・アルゴリズムを組み合わせた自動化スクリーニング・デバイスの使用を含む。自動化スクリーニング・デバイスは、より容易な異常で稀な細胞学的所見の特定（ｌｏｃａｔｉｏｎ）及び細胞検査技師のスキルを要する結合された自動化スクリーニングを含む、幾つかの利点を有している。

現在、Ｐａｐスメアの自動化スクリーニングのための２つのシステム−ＦｏｃａｌＰｏｉｎｔ Ｓｌｉｄｅ Ｐｒｏｆｉｌｅｒ及びＴｈｉｎＰｒｅｐ（登録商標） Ｉｍａｇｉｎｇ ｓｙｓｔｅｍ−が、米国のＦＤＡによって承認されている。

１９９８年に、食品医薬品局（「ＦＤＡ」）は、Ｐａｐスメアの標本を異常の可能性に従いランク付けしスコアを付けるシステムとして、ＡｕｔｏＰａｐ ｓｙｓｔｅｍ−ＦｏｃａｌＰｏｉｎｔ Ｓｌｉｄｅ Ｐｒｏｆｉｌｅｒの前のもの（ｆｏｒｅｒｕｎｎｅｒ）−を認証した。各標本は、２つのグループ、「要検討（Ｒｅｖｉｅｗ）」及び「検討不要（Ｎｏ Ｆｕｒｔｈｅｒ Ｒｅｖｉｅｗ）」、のうちの一方に分類される。「要検討」標本は、次に、異常性の深刻さに基づき５つの五分位数（ｑｕｉｎｔｉｌｅｓ）にランク付けされる。

ＴｈｉｎＰｒｅｐ（登録商標） Ｉｍａｇｉｎｇ ｓｙｓｔｅｍは、画像プロセッサと検討スコープ（ｒｅｖｉｅｗ ｓｃｏｐｅ）との２つの要素からなっている。合成の細胞核染料「ＴｈｉｎＰｒｅｐ（登録商標）染色剤」を用いて特別に調製された標本のみが、このシステムを用いた分析のために使用することができる。最多で一度に２８８のスライドをこのシステムに装填することができる。画像プロセッサは、２２の顕微鏡視野を識別し、これら視野は、細胞検査技師により自動化検討スコープを用いて検討される。次に、「正常」又は「異常」のどちらかとして結果が報告され、「異常」なケースは診断のために完全なガラス・スライド・スクリーニングに処される。

日々の細胞診におけるデジタル・イメージングのインパクトは、完全とは程遠い。所定の細胞診のデジタル・イメージングの問題は、部分的には、（発展途上国の女性の５％未満がかつてＰａｐテストを受けたことの実現に加えて）熟していないこと、低い再現性、低い画像品質、病変の過小な表現又は過小診断（ｕｎｄｅｒ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｏｒ ｕｎｄｅｒ−ｄｉａｇｎｏｓｉｓ）及び画像のキャプチャに必要な時間の長さによる。

そのため、細胞病理学において用いられる改善されたスクリーニング及び診断ツール、例えば、所定のＰａｐテストの代替方法、に対する要望が存在する。本発明の改善されたスクリーニング及び診断ツールは、デジタル・イメージング技術を用いて細胞学的標本の現在の制限を克服することにより、この要望を満たしている。

本発明は、セルブロック（「ＣＢ」）調製物のデジタル評価のためのシステム及び方法である。ここでは、本発明は婦人科学及び特に子宮頸がんに関して議論するが、男性病学等の任意の医学上の専門及び前立腺がん等の任意の病気のＣＢ評価に本発明を適用可能なことは予期されよう。より詳細には、任意の臓器又は組織、数例を挙げると、例えば、尿路、胸、甲状腺、リンパ節、肺、胃、骨、皮膚、腎臓、肝臓、膵臓、目及び中枢神経系、のＣＢ評価に本発明を適用できることは予期されよう。

婦人科学に関して議論する実施形態において、ＰａｐスメアのＣＢ調製物のデジタル評価は、所定の（ｒｏｕｔｉｎｅ）Ｐａｐスメア及び液体ベースのＰａｐスメアの一方又は双方の代替方法である。本発明に従い、ＰａｐスメアのＣＢのデジタル的に支援された検討は、有効なスクリーニング／診断ツールである。より詳細には、無視された／残りの従来の及び液体ベースのサンプルからのＣＢ調製物が使用される。Ｐａｐサンプルから調製されたＣＢのデジタル評価は、高い品質の標本調製を達成するために広く採用されるにふさわしい方法であり、高い品質の標本調整は、生検の負荷を著しく、とりわけリソースが貧弱な設備において削減することのできる、一貫性があり、信頼でき、時宜にかなった診断を提供するものである。

多くの子宮頸がんの前兆を分析することに加えて、ＨＰＶ ｉｎ ｓｉｔｕハイブリッド形成法（「ＩＳＨ」）及び他の免疫組織化学的な（「ＩＨＣ」）検査を、評価及び臨床病理データと関係付けることを含めて、追加の検査又はサンプリングの必要なくＣＢ上で実行することができることは予期されよう。

一実施形態において、本発明はＰａｐスメア標本からのセルブロック調製物を生成する。詳細にはセルブロック調製物はスライスされデジタル化され、それにより、診断を得るためにコンピュータ支援診断ソフトウェアを適用できるようになる。本発明に従い、セルブロック調製物内の各細胞が特定され、異常さのレベル及び疑わしさのレベルに従いランクづけられる。自動化コンピュータ・ビジョン技法は、デジタル画像を事前スクリーニングして、疑わしい領域（ｒｅｇｉｏｎｓ）にフラグを立て明らかに健康な組織を含む画像の部分（ａｒｅａｓ）を無視することができる。自動化事前スクリーニングは、しばしば顕微鏡を覗き込むことに何時間も費やさなければならない本職の病理学者が直面する疲労を軽減する。視覚的な疲労は、診断の正確さを低下させることが知られている。

デジタル画像−他に、ここでは、「仮想スライド」と呼ぶ−は、リポジトリ又はデータベース等にアーカイブすることができる。更に、多数のデジタル画像を、例えば特定のデジタル画像に関連した任意の特性によって、構造化し、サーチ可能にし又は検索可能にすることができる。どこからでもアクセス可能なように、画像を投稿できることも理解されよう。例えば、画像をクラウド・コンピューティング・ネットワークに投稿し、それにより、画像を世界のどこからでも閲覧し、ダウンロードし又は修正できるようにすることができる。デジタル・スライド画像は、熟達の病理学者に遠隔に相談することを可能にし、出版物又はオンラインのどちらかで、教育においてより良く用いることができる。一実施形態において、オンライン統合自動化インターネットベース・プラットフォームの設計及び最適化は、ＣＢへと変換されるＰａｐスメアより調製された仮想スライドの検討及び分析を支援する。インターネットベース診断プロセスは、ＣＢより調製されたスライドを検討しデジタル的に分析することを可能とし、更にはＣＢのデジタル・スライドへの遠隔アクセスを可能とすることは予期されよう。

本発明に従い、インターネットベースのプラットフォームは、正確で、完全で、迅速で、統合された細胞学的な相談を提供する。細胞検査技師、病理学者及び細胞病理学者は、彼ら自身のコンピュータを用いて、顕微鏡の助け若しくは必要性又は物理的に研究所にいる要求なく、遠隔的に細胞学的診断を検討し、分析し、報告することができることは予期されよう。報告は、医療記録、医師及び患者にリアルタイムにインターネットを介して電子的に送ることができることも予期されよう。加えて、ＨＰＶに対するＩＳＨ及び様々なＩＨＣ兆候マーカを含む補助研究に沿った、デジタル化されたＣＢスライドの診断及び定量化のために、豊富なコンピュータ支援画像分析ツールが利用される。

一実施形態において、プラットフォームは、人間のユーザがデジタル画像にアクセスし分析することを可能にする。別実施形態において、人間のユーザは画像にアクセスし、一方、プラットフォームは分析を実行するコンピュータ支援診断ソフトウェアを含む。この実施形態において、プラットフォームはコンピュータ補助画像ベース・スコアリング・アルゴリズムの設計及び最適化を含むことができる。このアルゴリズムは、Ｐａｐスメアに対する遠隔のインターネットベースのアクセスおよび検討に適したものであることができる。インターネットベースのアクセスは、ＧＰＳによってガイドされ、それにより、アクセスがユーザの位置に基づくようにすることができる。コンピュータ補助画像ベース・スコアリング・アルゴリズムは、機械学習技法、例えば、がん及び前がんの等級付けの予測を最大化するより高い判別性を有する視覚的特徴をサーチするための技法、を通じて分析を実行する。

コンピュータ補助画像ベース・スコアリング・アルゴリズムは、更に、全ての種類の細胞学的標本の様々な病理組織学的特徴の自動検出、標本におけるＨＰＶの自動検出、ｐ５３、Ｋｉ−６７、ｐ１６等の様々な兆候マーカの自動検出及び定量並びに自動報告を可能にすることができる。

コンピュータ・ソフトウェアは、更に、階層的グラフィカル・モデルを含むことができる。階層的グラフィカル・モデルは、複雑さを増す視覚的特徴を再帰的に学習することにより、画像の様々なクラスの統計的な性質を学習する。第１層で学習した特徴は、画像の単純な線形の質のみを含む。第２層内の特徴は、第１層よりの特徴を除いて構築されたものであり、より深い層は、ますます複雑化する画像内の統計的トレンドをキャプチャすることを可能にする。階層的グラフィカル・モデルは、ニューラル・ネットワークに密接に関係し、このニューラル・ネットワークの層ごとの学習技法は、がん細胞に対して最大限判別性を有する、画像におけるテクスチャのキューを識別するにふさわしい、複雑な画像の特徴の自動化学習をする。

本発明の目的は、正確な診断を達成し、高品質な調製物、一貫性のある結果及び時宜にかなう報告を提供することである。
本発明の別の目的は、所定の（ｒｏｕｔｉｎｅ）細胞診、ＨＰＶ及びｐ１６、ｐ５３及びＫｉ−６７等の他の兆候マーカ検出のための高度に自動化され最適化されたシステム及び方法を低減された費用で提供することである。

本発明の別の目的は、正確な診断を達成するために広く採用されるシステム及び方法を提供することである。
本発明の別の目標は、ＨＰＶ検査等の追加のテストを、簡単に且つ実用的に病理学者が容易に利用可能なようにすることである。

本発明の別の目標は、組織学、ＩＨＣ及びｉｎ ｓｉｔｕの結果を組み込むことによって診断の正確さを改善することである。
本発明の別の目的は、子宮頸がん及びその前兆を有する患者に対するケアを改善することである。加えて、デジタル・スライドの検討及び患者のデモグラフィックを記録することの自動化は、従来の手動方法よりも簡単で正確である。

本発明の別の目的は、細胞検査技師、病理学者、細胞病理学者、コンサルタント及び臨床医の間の対話を可能とするインターネットベース・システムを提供することである。インターネットベース・システムは、コンピュータ・ハードウェア及びネットワークの一方又は双方の上で実行できると考えられる。

本発明の別の目的は、本発明の分析に向けられ、診断報告を生成するために遠隔アクセスを可能とするソフトウェアを含むインターネットベース・システムを提供することである。

本発明のこれら及び他の態様、特徴及び利点は、添付の図面及び以下の好適実施形態の詳細な説明より、より容易に明らかとなろう。
本発明は、添付の図面を参照しながら、好適実施形態の以下の詳細な説明を読むことにより、より良く理解することが可能である。

本発明に従いセルブロック調製物のデジタル画像を作成するためのフロー・チャートを図解する。 本発明に従いセルブロック調製物のデジタル画像を評価するためのフロー・チャートを図解する。 本発明に従いセルブロック調製物のデジタル画像を処理するためのフロー・チャートを図解する。 本発明に従う方法を実施するために用いることのできる例示のコンピュータ・システムを図解する。 本発明に従う方法を実施するために用いることのできる例示のクラウド・コンピューティング・システムを図解する。

図１は、セルブロック調製物のデジタル画像を作成するためのフロー・チャート１００を図解する。ステップ１０２で、本発明の一実施形態に従いＰａｐスメア・サンプル等の組織標本が収集される。組織標本の収集の後、ステップ１０４でセルブロックが作成される。セルブロック調製に従い、例えば遠心分離により、細胞物質及び小組織片の一方又は双方が分離され固定される。次に、ステップ１０６でセルブロックが操作される。セルブロックの操作は、セルブロック調製物をスライスすること、セルブロック調製物を処理すること又は補助検査を実行することを含むことがある。Ｐａｐスメア・サンプルは、ヘマトキシリン・エオシン（「Ｈ＆Ｅ」）染色等を用いて処理されることがある。補助テストは、ｉｎ ｓｉｔｕハイブリッド形成法（「ＩＳＨ」）、免疫組織化学的なもの（ｉｍｍｕｎｏｈｉｓｔｏｃｈｅｍｉｃａｌ）及びヒトパピローマウイルス（「ＨＰＶ」）に対するものを含む。ＩＳＨ補助テストは、低リスク及び高リスクのＨＰＶのサブタイプを研究するために用いることがある。ＩＨＣ補助テストは、任意のマーカが予期されるが、ｐ１６並びにＫＩ−６７（ＭＩＢ−１クローン）及びｐ５３等の他のマーカを研究するために用いられることがある。ステップ１０８で、Ｐａｐスメア標本がデジタル的にスキャンされて、評価のためのデジタル画像が得られる。Ｐａｐスメアを組織断面に変換することにより、画像品質に伴う全ての問題が除去される。

図２は、コンピュータ・システム、詳細には特徴抽出コンポーネントによるセルブロック調製物のデジタル画像の評価のためのフロー・チャート２００を図解する。デジタル画像は、ステップ２０２でセグメント化され、それにより、各セグメントが処理できるようになる。デジタル画像は典型的には非常に大きいため、完全な画像をコンピュータ・システムにロードし画像全てを一度に処理するのはコンピュータ・システムにより普通は禁止されている。そのため、デジタル画像は正方形のタイル等にセグメント化される。１つまたは複数のタイルが全く細胞を含まないことがあることは予期されるが、典型的には１つのタイルは数百の細胞を含んでいる。正方形のタイルはピクセル・サイズ要件、例えば３０００ピクセル×３０００ピクセル、に束縛されることがある。各タイルはコンピュータ・システム内に別のファイルとして記憶できることは予期されよう。そのため、ファイルは互いに独立して、場合によっては異なるコンピュータにおいて分析できる。

デジタル画像をセグメント化することは、セグメント−又はタイル−がステップ２０４で同時に処理され、それにより、全てのセグメント化されたデジタル画像が並行して処理されることを可能にする。タイルは、当業者に既知の任意の方法を用いて、例えば、同一のコンピュータ上の複数のコアを用いて、複数のプロセッサを用いて又は複数のコンピュータを用いて、並行して処理することができる。タイルは、数百ピクセルだけ重なっており、少なくとも１つのタイルが、全体として１つの細胞を含むことを保証している。処理ステップ２０４は、図３に関して更に詳細に後述する。

各デジタル画像セグメント又はタイルがステップ２０４で処理された後、デジタル画像セグメントはコンピュータ・システムの分類コンポーネントによりステップ２０６で連結されて、最終的なデジタル画像が得られる。最終的なデジタル画像は、各デジタル画像に関して実行された全ての処理の統合である。

最終的なデジタル画像の性質等の視覚的な特徴がステップ２０８で収集される。視覚的な特徴は、形態学的特徴、テクスチャ特徴、及び、図３に関してより完全に説明する構造的特徴を含む。次に、視覚的な特徴はステップ２１２で診断分類と関係付けられる。一実施形態において、診断分類はＰａｐスメア結果を報告するベセスダ・システムであり、Ｐａｐスメア結果は、例えば、Ｌｏｗ Ｇｒａｄｅ Ｓｑｕａｍｏｕｓ Ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ Ｌｅｓｉｏｎ（「ＬＧＳＩＬ」）及びＨｉｇｈ Ｇｒａｄｅ Ｓｑｕａｍｏｕｓ Ｉｎｔｒａｅｐｉｔｈｅｌｉａｌ Ｌｅｓｉｏｎ（「ＨＧＳＩＬ」）を含む。診断分類はステップ２１２でユーザに伝達される。診断は、例えば、ディスプレイ・デバイス等の視覚的インターフェース又はスピーカ等の聴覚的インターフェースを介して伝達することができる。

図３は、図２のステップ２０４に従うセルブロック調製物のデジタル画像を処理するためのフロー・チャート３００を図解する。詳細には、デジタル画像のセグメント又はタイルは、最初にステップ３０２で各細胞の核を特定することによって処理される。より詳細には、各細胞の核の正確な位置及び輪郭が識別される。各セグメント化されたデジタル画像又はタイル内の細胞の核を特定するステップ３０２は、二次フィルタを適用してフィルタ処理された画像を得るステップを更に含むことができる。二次フィルタは、（３次元の）ＲＧＢ色空間をより大きな次元（詳細には、１０次元）の非線形色空間にマッピングすることによって開始する。一実施形態において、非線形色空間は、１，Ｒ，Ｇ，Ｂ，Ｒ＾２，Ｒ＊Ｇ，Ｒ＊Ｂ，Ｇ＾２，Ｇ＊Ｂ，Ｂ＾２によって記すことができる。線形判別法（ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ ｍｅｔｈｏｄ）、例えばフィッシャー法、を用いて、核及びその周りの特徴を特徴づける特徴の線形結合を見つけることができる。線形判別法は、細胞の核を核でないピクセルから最も良く判別する色空間内のベクトルを見つける。線形判別法を用いる利点は、核を非常に素早く特定し、一方正確さを保つことを可能にすることである。各フィルタ処理された画像の核の輪郭は、２つの核がわずかに重なっているときでさえ区別することができる。上述したように、各タイルの分析を同時に実行し、それにより、タイルが並行して処理されることは予期されよう。

核の１つ又は複数の視覚的特徴は、ステップ３０４で特徴を抽出することにより定量化される。特徴抽出コンポーネントは、入力画像内の各細胞を特定し、ある数−例えば１００−の視覚的特徴をざっと定量化し、これら視覚的特徴は、細胞及びその周りのものを記すものである。視覚的特徴が識別されて、異常な組織から健康な組織が判別され、有効でない特徴が除去される。抽出された視覚的特徴は、３つの広いカテゴリ、形態学的特徴、テクスチャ特徴及び構造的特徴、にグループ化することができる。核の視覚的特徴は、特徴をグループ化するこのカテゴリに従い、ステップ３０６でランク付けされる。階層的なグラフィカル・モデルを適用することにより、細胞タイプを判別するためのより複雑な視覚的特徴を学習できることも予期されよう。

形態学的な特徴は、細胞の物理的性質又は細胞のグループにわたるこれら性質の統計を記すものである。この特徴は、核のサイズ及び核の形状のアスペクトの分散の度合いを含む。テクスチャ特徴は、低レベルの視覚的性質を記すものであり、この低レベルの視覚的性質は、組織学的な診断用途の場合に、核のサイズの増大及び核小体の隆起（ｐｒｏｍｉｎｅｎｃｅ）を含む視覚的な質のキャプチャのために設計されたものである。この特徴は、ピクセル色のヒストグラム及び同時生起マトリクス（行列）によって測定される。

テクスチャの性質を定量化するための同時生起マトリクスは、当業者に既知なように使用することができる。同時生起マトリクスが計算されると、この同時生起マトリクスから特に判別性があるとわかる４タイプのテクスチャ特徴が計算される。テクスチャ特徴は、エネルギー、均一性、相関及びコントラストを含む。エネルギーは同時生起マトリクスの要素の二乗の和であり、セグメント化されたデジタル画像又はタイル内のテクスチャ・バリエーションの総量を記すものである。均一性は、同時生起マトリクス内の要素の分布がどのくらい対角行列−セグメント化されたデジタル画像における一様なテクスチャのないパターンを示すことができる−に近いかを記すものである。相関は、セグメント化されたデジタル画像の全体にわたり、あるピクセルがその近傍とどのくらい相関があるかを記すものである。コントラストは、セグメント化されたデジタル画像の全体にわたる、あるピクセルとその近傍との間の平均明度コントラストである。

テクスチャ特徴は、細胞外見の一次及び二次の統計をキャプチャしている。テクスチャの性質は、細胞のセグメント化又は他の中間処理ステップの間に起こりうる誤りによって乱されないという利点を有している。構造的特徴は、組織内の細胞の空間的な配置を記すものである。例えば、画像が１つのタイルよりも大きい場合に、任意の細胞の２０の最近傍がそのタイルの境界の外側にありうる。このため、画像が１つのタイルより小さくない場合に最近傍特徴の計算が実行される。

定量化された特徴に基づき、診断分類のためにサポート・ベクター・マシン（「ＳＶＭ」）を使用できることも予期されよう。詳細には、ＳＶＭは、各細胞の定量化された特徴と診断分類との間の関係を予測又は学習するために用いることができる。例えば、一実施形態において、各細胞の定量化された特徴は、無限次元空間等の非常に高い次元の空間へとマッピングされ、それにより、２つの細胞タイプ間のマージンを最大化する手法において健康な細胞を健康でない細胞から区別するための境界をサーチすることができる。

本発明の一実施形態に従い、画像−デジタル画像、セグメント化されたデジタル画像及び最終的なデジタル画像のうちの１以上−は、オンライン統合自動化インターネットベース・プラットフォーム内にアーカイブすることができる。画像をデータベース又はリポジトリ内にアーカイブし、更にはデジタル画像に関連した任意の特性によって構造化し、サーチ可能にし又は検索可能にすることができる。どこからでもアクセス可能なように、画像を投稿できることも予期されよう。例えば、リポジトリ又はデータベース内等のクラウド・コンピューティング・ネットワークに投稿し、それにより、世界のどこからでも画像を参照し、ダウンロードし又は修正できるようにすることができる。

一実施形態において、オンライン統合自動化インターネットベース・プラットフォームを設計し最適化することは、ＣＢへと変換されるＰａｐスメアより調製された仮想的なスライドの検討及び分析を支援する。インターネットベース診断プロセスは、ＣＢより調製されたスライドを検討しデジタル的に分析することを可能にし、更には遠隔にＣＢのデジタル・スライドにアクセス可能なようにできることは予期されよう。

一実施形態において、このプラットフォームは人間であるユーザがデジタル画像にアクセスし分析可能なようにする。このプラットフォームは、デジタル画像の分析を実行するコンピュータ支援診断ソフトウェアを含むことができる。例えば、このプラットフォームは、コンピュータ補助画像ベース・スコアリング・アルゴリズムの設計及び最適化を含むことができる。このアルゴリズムは、Ｐａｐスメアの遠隔のインターネットベースのアクセスおよび検討に適したものであることができる。コンピュータ補助画像ベース・スコアリング・アルゴリズムは、機械学習技法、例えば、がん及び前がんの等級付けの予測を最大化する高い判別性を有する視覚的特徴をサーチするための技法、を通じた分析を実行する。

図４は、本発明に従う方法を実施するために用いることのできる例示のコンピュータ・システム４００を図解する。１つ又は複数のコンピュータ・システム４００がここに提示した方法を実行することができる。

コンピュータ・システム４００は、通信インフラストラクチャ４０４−例えば、バス−に接続された入力／出力ディスプレイ・インターフェース４０２を備え、通信インフラストラクチャ４０４は、グラフィクス、テキスト及び情報等のデータを、通信インフラストラクチャ４０４から又はフレーム・バッファ（図示せず）からコンピュータ・システム４００の他のコンポーネントへと送るものである。入力／出力ディスプレイ・インターフェース４０２は、例えば、キーボード、タッチ・スクリーン、ジョイスティック、トラックボール、マウス、モニタ、スピーカ、プリンタ、任意の他の周辺デバイス又はそれらの組み合わせであることができ、これらは、ユーザに伝達されるような診断分類を含むデータを入力すること及び閲覧することの一方又は双方が可能なものである。

コンピュータ・システム４００は、１つまたは複数のプロセッサ−詳細には、特徴抽出コンポーネント４０６及び分類コンポーネント４０８−を含み、１つまたは複数のプロセッサは、ある情報を処理する専用の又は汎用のデジタルデジタル・シグナル・プロセッサであることができる。詳細には、特徴抽出コンポーネント４０６は、デジタル画像を受け、デジタル画像をセグメント化し、各セグメント化された画像内の細胞の核を特定し、核の１つまたは複数の視覚的特徴をランク付けし、分類コンポーネント４０８は、全てのセグメント化された画像を連結して最終的なデジタル画像を得て、最終的なデジタル画像の特徴を収集し、特徴をある診断分類と関係付ける。

コンピュータ・システム４００は、メイン・メモリ４１０、例えば、ランダム・アクセス・メモリ（「ＲＡＭ」）、リード・オンリー・メモリ（「ＲＯＭ」）、マス・ストレージ・デバイス又はそれらの任意の組み合わせ、も備えている。コンピュータ・システム４００は、ハード・ディスク・ユニット４１４、リムーバブル・ストレージ・ユニット６又はそれらの任意の組み合わせ等の二次メモリも備えている。コンピュータ・システム４００は、通信インターフェース４１８、例えば、モデム、ネットワーク・インターフェース（イーサネット（登録商標）・カード又はイーサネット（登録商標）・ケーブル等）、通信ポート、ＰＣＭＣＩＡスロット及びカード、有線又はワイヤレスのシステム（Ｗｉ−Ｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、赤外線等）、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク並びにイントラネット等、も備えている。

メイン・メモリ４１０、二次メモリ４１２、通信インターフェース４１８又はそれらの組み合わせは、コンピュータ命令を含むコンピュータ・ソフトウェアを記憶すること及び該コンピュータ・ソフトウェアにアクセスすることの一方又は双方をするためのコンピュータ使用可能ストレージ媒体、他にコンピュータ可読記憶（ストレージ）媒体と呼ばれている、として機能することは予期されよう。例えば、コンピュータ・プログラム又は他の命令は、コンピュータ・システム４００に、リムーバブル・ストレージ・デバイス、例えば、フロッピー（登録商標）・ディスク、ＺＩＰディスク、磁気テープ、ポータブル・フラッシュ・ドライブ、ＣＤ、ＤＶＤ又はＢｌｕ−ｒａｙ（登録商標）等の光学ディスク、微小電気機械システム（「ＭＥＭＳ」）、ナノテクノロジーの装置、を介してロードすることができる。詳細には、コンピュータ命令を含むコンピュータ・ソフトウェアは、リムーバブル・ストレージ・ユニット４１６若しくはハード・ディスク・ユニット４１４から二次メモリ４１２へと、又は、通信インフラストラクチャ４０４を介してコンピュータ・システム４００のメイン・メモリ４１０へと伝送することができる。

通信インターフェース４１８は、ソフトウェア、命令及びデータをコンピュータ・システム４００と外部デバイスまたは外部ネットワークとの間で伝送することを可能にする。通信インターフェース４１８により伝送されるソフトウェア、命令及びデータのうちの１以上は、典型的には、電子的、電磁気的若しくは光学的でありうる信号、又は、通信インターフェース４１８により送受可能な他の信号の形式である。信号は、ワイヤ若しくはケーブル、光ファイバ、電話線、携帯電話リンク、無線周波数（「ＲＦ」）リンク、ワイヤレス・リンク又は他の通信ンチャネルを用いて送受することができる。

コンピュータ・プログラムは、実行されると、コンピュータ・システム４００、特にプロセッサ−特徴抽出コンポーネント４０６及び分類コンポーネント４０８−が、命令を含むコンピュータ・ソフトウェアに従い本発明の方法を実施することを可能にする。

ここで説明するコンピュータ・システム４００は、ここで提示した任意の方法のステップの任意の１つ又は任意の組み合わせを実行することができる。本発明に従う方法は、自動的に実行することができるか、又は、人による介入の何らかの形式によって呼び出すことができることも予期されよう。

図４のコンピュータ・システム４００は、図解の目的のためにのみ提供されたものであり、それにより、本発明はこの特定の実施形態に限定されるものではない。関連技術の当業者ならば、任意のコンピュータ・システムを用いて本発明をプログラム及び実施する方法を知っているであろう。

コンピュータ・システム４００はハンドヘルド・デバイスでよく、例えば、携帯情報端末（「ＰＤＡ」）、スマート・ハンドヘルド・コンピューティング・デバイス、携帯電話を含む任意の小型のコンピュータ・デバイス、ラップトップ若しくはネットブック・コンピュータ、ハンドヘルド・コンソール若しくはＭＰ３プレーヤ、タブレット又はｉＰａｄ（登録商標）、ｉＰａｄ Ｔｏｕｃｈ（登録商標）若しくはｉＰｈｏｎｅ（登録商標）等の類似のハンド・ヘルド・コンピュータ・デバイスを含む。

図５は、本発明に従う方法を実施するために使用できる例示のクラウド・コンピューティング・システム５００を図解する。クラウド・コンピューティング・システム５００は、複数の相互接続されたコンピューティング環境を含む。クラウド・コンピューティング・システム５００は、集合的な仮想コンピュータとしての様々なネットワークからのリソースを利用し、ここではサービス及びアプリケーションは特定のコンピュータ又はサーバ構成から独立して動作し、ハードウェアは重要でなくなっている。

詳細には、クラウド・コンピューティング・システム５００は、少なくとも１つのクライアント・コンピュータ５０２を含んでいる。クライアント・コンピュータ５０２は任意のデバイスであることができ、この任意のデバイスの使用を介して、ここに開示した方法を実行するために分散コンピューティング環境にアクセスすることができ、この任意のデバイスは、数例を挙げると、例えば、伝統的なコンピュータ、ポータブル・コンピュータ、モバイル・フォン、携帯情報端末又はタブレットである。クライアント・コンピュータ５０２は、ランダム・アクセス・メモリ（「ＲＡＭ」）、リード・オンリー・メモリ（「ＲＯＭ」）、マス・ストレージ・デバイス又はそれらの任意の組み合わせ等のメモリを備えている。メモリは、コンピュータ・ソフトウェア及び命令の一方又は双方を記憶すること並びにコンピュータ・ソフトウェア及び命令の一方又は双方にアクセスすることの一方又は双方をするように、コンピュータ使用可能媒体、他にコンピュータ可読記憶（ストレージ）媒体と呼ばれている、として機能する。

クライアント・コンピュータ５０２は、通信インターフェース、例えば、モデム、ネットワーク・インターフェース（イーサネット（登録商標）・カード等）、通信ポート、ＰＣＭＣＩＡスロット及びカード、有線又はワイヤレスのシステム等、も備えている。通信インターフェースは、インターネット５０４及びクラウド・データ・センタ５０６等のネットワークを含む、クライアント・コンピュータ５０２と外部デバイスとの間で伝送される信号を介した通信を可能にする。通信は、ケーブル、光ファイバ、電話線、携帯電話リンク、電波又は他の通信チャネル等のワイヤレス又は有線の機能を用いて実施することができる。

クライアント・コンピュータ５０２は、インターネット５０４−詳細には１つまたは複数のサーバ−との通信を確立して、今度は１つ又は複数のクラウド・データ・センタ５０６との通信を確立する。クラウド・データ・センタ５０６は、クラウド管理システム５０８を介して管理される１つ又は複数のネットワーク５１０ａ、５１０ｂ、５１０ｃを含んでいる。各ネットワーク５１０ａ、５１０ｂ、５１０ｃは、リソース・サーバ５１２ａ、５１２ｂ、５１２ｃをそれぞれ含んでいる。サーバ５１２ａ、５１２ｂ、５１２ｃは、コンピューティング・リソース及びコンポーネントの集まりへのアクセスを可能にし、コンピューティング・リソース及びコンポーネントは、仮想マシン、プロセス又は他のリソースを限られた時間又は定められた時間インスタンス化するように呼び出すことができる。例えば、リソース・サーバのあるグループは、オペレーティング・システム又はそのコンポーネントをホストしサービスして、仮想マシンを提供しインスタンス化することができる。リソース・サーバの別グループは、コンピューティング・サイクル又はプロセッサ時間をホストするためのリクエストを受け入れて、仮想マシンに対して定められたレベルのプロセッシング・パワーを供給することができる。リソース・サーバの更なるグループは、仮想マシンのインスタンス上にロードするために、電子メール・クライアント、ブラウザ・アプリケーション、メッセージング・アプリケーション又は他のアプリケーション若しくはソフトウェア等のアプリケーションをホストしサービスする。

クラウド管理システム５０８は、専用の又は集中化されたサーバ並びに他のソフトウェア、ハードウェア及びネットワーク・ツールの一方又は双方を含むことができ、インターネット又は他の公共若しくはプライベート・ネットワーク等の１つまたは複数のネットワーク４０１ａ、５１０ｂ、５１０ｃと通信し、リソース・サーバ５１２ａ、５１２ｂ、５１２ｃの全てのセットと通信している。クラウド管理システム５０８は、リソース・サーバ５１２ａ、５１２ｂ、５１２ｃのセットにより管理されるコンピューティング・リソース及びコンポーネントに問い合わせ、該コンピューティング・リソース及びコンポーネントを識別するように構成することができ、リソース・サーバ５１２ａ、５１２ｂ、５１２ｃのセットは、クラウド・データ・センタ５０６における使用のために必要で利用可能なものである。詳細には、クラウド管理システム５０８は、クラウド・データ・センタ５０６における使用のために必要で利用可能なリソース・サーバ５１２ａ、５１２ｂ、５１２ｃのセットの、プロセッシング・パワーのタイプ及び量、メモリのタイプ及び量、ストレージのタイプ及び量、ネットワーク帯域幅のタイプ及び量等のハードウェア・リソース及びコンポーネントを識別するように構成することができる。同様に、クラウド管理システム５０８は、クラウド・データ・センタ５０６における使用のために必要で利用可能なリソース・サーバ５１２ａ、５１２ｂ、５１２ｃの全てのセットの、オペレーティング・システム（「ＯＳ」）、アプリケーション・プログラム等のタイプ等のソフトウェア・リソース及びコンポーネントを識別するように構成することができる。

本発明は、クラウド・コンピューティング・システム５００へとソフトウェアを提供するための、コンピュータ・プロダクト、他にコンピュータ・プログラム・プロダクトと呼ばれている、にも向けられている。コンピュータ・プロダクトは、現在知られているか又は将来知られる任意のコンピュータ使用可能媒体にソフトウェアを格納している。そのようなソフトウェアは、実行されると、本発明のある実施形態に従う方法を実施することができる。コンピュータ使用可能媒体の例は、一次ストレージ・デバイス（例えば、任意のタイプのランダム・アクセス・メモリ）、二次ストレージ・デバイス（例えば、ハード・ドライブ、フロッピー（登録商標）・ディスク、ＣＤ ＲＯＭ、ＺＩＰディスク、テープ、磁気ストレージ・デバイス、光学ストレージ・デバイス、微小電気機械システム（「ＭＥＭＳ」）、ナノテクノロジーのストレージ・デバイス等）及び通信媒体（例えば、有線及びワイヤレスの通信ネットワーク、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、イントラネット等）を含むが、これらに限定されるわけではない。ここで説明する実施形態が、ソフトウェア、ハードウェア、ファームウェア又はそれらの組み合わせを用いて実施できることは予期されよう。

図５のクラウド・コンピューティング・システム５００は、図解の目的のためにのみ提供されたものであり、この特定の実施形態へと本発明を限定するものではない。関連技術の当業者であれば、任意のコンピュータ・システム又はネットワーク・アーキテクチャを用いて本発明をプログラムし実施する方法を知っているであろう。

この開示は、様々な修正及び代替形態を許すことができるものの、その特定の例示の実施形態を図面における例示によって示し、ここでは詳細に説明した。しかしながら、本開示を開示された特定の実施形態に限定する意図がなく、逆に、特許請求の範囲によって定められる開示の範囲内である全ての修正、等価物、及び代替物をカバーする意図があることは理解されたい。

なお、本願は、２０１０年９月１６日出願の米国仮特許出願第６１／３８３，４６６号の優先権を主張する。

Claims (20)

1. セルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、
   処理されたＰａｐスメア・サンプルをデジタル的に生成してデジタル画像を得るステップと、
   前記デジタル画像をセグメント化して複数のセグメント化されたデジタル画像を得るステップと、
   前記複数のセグメント化されたデジタル画像の各セグメント化されたデジタル画像を処理するステップであって、
   各セグメント化されたデジタル画像内の細胞の核を特定するステップと、
   前記核の１つ又は複数の視覚的特徴を抽出するステップと、
   前記核の前記１つ又は複数の視覚的特徴をランク付けして各セグメント化されたデジタル画像内の１つ又は複数の定量化された特徴を得るステップと
   を含むステップと、
   全てのセグメント化されたデジタル画像を連結して最終的なデジタル画像を得るステップと、
   前記最終的なデジタル画像の全ての定量化された特徴を収集して定量化された特徴の集まりを得るステップと、
   定量化された特徴の前記集まりをある診断分類と関係付けるステップと、
   前記診断分類を伝達するステップと
   を含む方法。
2. 請求項１に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、前記複数のセグメント化されたデジタル画像の各セグメント化されたデジタル画像がタイルであることを特徴とする方法。
3. 請求項１に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、前記ランク付けするステップが、スコアリング・アルゴリズムを適用して前記１つ又は複数の定量化された特徴を得るステップを更に含むことを特徴とする方法。
4. 請求項１に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、前記デジタル画像と、前記セグメント化されたデジタル画像と、前記最終的なデジタル画像とのうちの１つ又は複数をデータベースにアーカイブするステップを更に含む方法。
5. 請求項４に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、前記データベースがクラウド・コンピューティング・ネットワークに位置することを特徴とする方法。
6. 請求項１に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、前記核の前記１つ又は複数の視覚的特徴が、形態学的特徴と、テクスチャ特徴と、構造的特徴とを含むグループから選択された少なくとも１つであることを特徴とする方法。
7. 請求項１に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、各セグメント化されたデジタル画像内の細胞の核を特定する前記ステップが、二次フィルタを該セグメント化されたデジタル画像に適用するステップを更に含むことを特徴とする方法。
8. 請求項１に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、前記複数のセグメント化されたデジタル画像の各セグメント化されたデジタル画像を処理する前記ステップが、全てのセグメント化されたデジタル画像が並行して処理されるように同時に実行されることを特徴とする方法。
9. 請求項１に記載のセルブロック調製物の評価のためのコンピュータ・システムを用いた方法であって、前記診断分類が１つ又は複数のサポート・ベクター・マシンにより求まることを特徴とする方法。
10. セルブロック調製物の評価のためのシステムであって、
    デジタルＰａｐスメア画像を受け、前記デジタルＰａｐスメア画像をセグメント化して複数のセグメント化された画像を得て、各セグメント化された画像内の細胞の核を特定し、前記核の１つ又は複数の視覚的特徴をランク付けして各セグメント化された画像内の１つ又は複数の定量化された特徴を得る特徴抽出コンポーネントと、
    全てのセグメント化された画像を連結して最終的なデジタル画像を得て、前記最終的なデジタル画像の１つ又は複数の定量化された特徴を収集して定量化された特徴の集まりを得て、定量化された特徴の前記集まりをある診断分類と関係付けて該診断分類を伝達する分類コンポーネントと
    を備えたシステム。
11. 請求項１０に記載のセルブロック調製物の評価のためのシステムであって、前記デジタルＰａｐスメア画像と、前記セグメント化された画像と、前記最終的なデジタル画像とのうちの１つ又は複数をアーカイブするためのデータベースを更に備えたシステム。
12. 請求項１１に記載のセルブロック調製物の評価のためのシステムであって、前記データベースがクラウド・コンピューティング・ネットワークに位置することを特徴とするシステム。
13. 請求項１０に記載のセルブロック調製物の評価のためのシステムであって、前記１つ又は複数の定量化された特徴が、形態学的特徴と、テクスチャ特徴と、構造的特徴とを含むグループから選択された少なくとも１つであることを特徴とするシステム。
14. 請求項１３に記載のセルブロック調製物の評価のためのシステムであって、前記形態学的特徴が核のサイズ及び核の形状の分散の度合いを含むことを特徴とするシステム。
15. 請求項１３に記載のセルブロック調製物の評価のためのシステムであって、前記テクスチャ特徴がピクセル色のヒストグラム及び同時生起マトリクスによる測定値を含むことを特徴とするシステム。
16. 請求項１３に記載のセルブロック調製物の評価のためのシステムであって、前記構造的特徴が前記デジタルＰａｐスメア画像内の細胞の空間的配置を含むことを特徴とする方法。
17. 請求項１０に記載のセルブロック調製物の評価のためのシステムであって、前記特徴抽出コンポーネントが二次フィルタを利用して前記セグメント化された画像内の細胞の核を特定することを特徴とするシステム。
18. 請求項１０に記載のセルブロック調製物の評価のためのシステムであって、前記特徴抽出コンポーネントが各セグメント化された画像を並行して同時に処理することを特徴とするシステム。
19. 請求項１０に記載のセルブロック調製物の評価のためのシステムであって、前記診断分類を求めるためのサポート・ベクター・マシンを更に備えたシステム。
20. 請求項１９に記載のセルブロック調製物の評価のためのシステムであって、前記診断分類がベセスダ・システムであることを特徴とするシステム。

Images