JP2014023439A - 細胞解析方法および細胞解析装置 - Google Patents

Abstract

【課題】がん化した細胞をより高精度に識別することが可能な細胞解析方法を提供する。
【解決手段】判定対象組織の細胞核染色された細胞数を計測し、当該計測の結果を用いて蛍光強度を示すヒストグラムをフローサイトメータ５によって取得し、続いて、解析制御手段６によって、前記取得したヒストグラムを解析して予め定められた複数のパラメータに関するデータを取得し、各パラメータのデータを予め定められた各パラメータの閾値と対比して各パラメータにおける判定対象組織のがん化判定を行い、判定された各パラメータの結果に対してパラメータ毎にスコアリングの処理を行って、算出された各パラメータのスコアを組み合わせることにより、判定対象組織を総合的にがん化判定する。
【選択図】図１

Description

本発明は、正常組織とがん化した組織を識別するための組織中細胞の解析方法および細胞解析装置に関するものである。

従来から、病理標本の作成が行われた後に細胞検査士や病理医によって組織切片による病理診断が行われている。標本の作成や細胞検査士および病理医による診断には熟練した技術が必要であり、技術の差により診断結果に違いが生じる場合がある。また、組織を摘出してから診断を行うまでには、組織を固定、切片を作成、染色といった手技が必要であり、細胞検査士、病理医等を一定時間拘束することになる。そこで、診断までの手技を自動化することが求められている。

また、腫瘍の部位や術式によっては、手術中に、摘出した組織が腫瘍であるのか正常組織であるのかを判別することが必要である。この判別には細胞診断や凍結切片による迅速診断が行われているが、通常の病理診断と比較して、より高度な技術と診断精度が要求される。したがって、術中に摘出した組織が腫瘍（がん細胞）であるのか否かの診断を自動でより客観的に且つ迅速に行う装置が開発されれば、病理医にとって非常に有用である。

そこで、例えば、単離・細胞核染色された細胞を計測して蛍光強度のヒストグラムを取得し、ヒストグラムのデータから正常細胞よりも蛍光強度の強い領域に分布する強領域細胞数を求め、この強領域細胞数とヒストグラムに基づいてがんの悪性度を判定する細胞解析装置及び細胞解析方法が提案されている（例えば、特許文献１参照）。

特開２０１２−０４７５９４号公報

上記特許文献１の細胞解析装置及び細胞解析方法によれば、ヒストグラムとその蛍光強度の強い領域に分布する細胞数に基づいてがんの悪性度を判定することができる。しかし、がん化した細胞の判定には、さらに高精度であることが求められる。

そこで、本発明は、がん化した細胞をより高精度に識別することが可能な細胞解析方法および細胞解析装置を提供することを目的とする。

上記課題を解決するために、本発明に係る細胞解析方法は、判定対象組織の細胞核染色された細胞数を計測し、当該計測の結果を用いて蛍光強度を示すヒストグラムを取得するヒストグラム取得工程と、前記ヒストグラム取得工程によって取得されたヒストグラムを解析し、予め定められた複数のパラメータに関するデータを取得する解析データ取得工程と、前記解析データ取得工程によって取得された各パラメータのデータを予め定められた各パラメータの閾値と対比して、各パラメータにおける判定対象組織のがん化判定を行うパラメータ判定工程と、前記パラメータ判定工程によって判定された各パラメータの判定結果に対して、パラメータ毎にスコアリングの処理を行うスコアリング処理工程と、前記スコアリング処理工程によって算出された各パラメータのスコアを組み合わせることにより、判定対象組織のがん化判定を行う総合判定工程（スコア組合せ判定工程）と、を有することを特徴とするものである。

また、本発明の細胞解析方法は、前記総合判定工程（スコア組合せ判定工程）におけるがん化判定は、前記スコアリング処理工程によって算出された各パラメータのスコアを合計した総合スコアを、予め定められた閾値と対比して行う判定であることが好ましい。

また、本発明の細胞解析方法は、前記総合判定工程（スコア組合せ判定工程）において対比する予め定められた閾値は、予め取得した前記総合スコアの中で、がん組織を正しく判定できる確率を示す感度と正常組織を正しく判定できる確率を示す特異度をプロットしたＲＯＣ曲線において前記感度と前記特異度のバランスから定められた総合スコアの値であることが好ましい。

また、本発明の細胞解析方法は、前記パラメータ判定工程における予め定められた各パラメータの閾値は、前記解析データ取得工程によって予め取得した各パラメータにおける多数の解析データの中で、がん組織を正しく判定できる確率を示す感度と正常組織を正しく判定できる確率を示す特異度をプロットしたＲＯＣ曲線において前記感度と前記特異度のバランスから定められた解析データの値であることが好ましい。

また、本発明の細胞解析方法は、前記スコアリング処理工程におけるスコアリングの処理は、前記パラメータ判定工程によるパラメータ毎のがん化判定結果情報を基に点数付けを行う処理であることが好ましい。

また、本発明の細胞解析方法は、前記スコアリング処理工程における点数付けでは、がん化判定に寄与する度合いに基づいてパラメータ間で重み付けが行われることが好ましい。

また、本発明の細胞解析方法は、前記解析データ取得工程における予め定められた複数のパラメータは、少なくとも前記ヒストグラムの全細胞数に対する正常ＤＮＡ量細胞数の比率、前記ヒストグラムの全細胞数に対するＤＮＡ増幅細胞数の比率、前記ヒストグラムの全細胞数に対するデブリ数の比率、前記ヒストグラムにおける正常ＤＮＡ量細胞の正規分布したピークの幅、前記ヒストグラムを高速フーリエ変換して得られた波形の曲線下面積、および前記ヒストグラムの全細胞数のうちの２つ以上のパラメータを含むことが好ましい。

また、本発明に係る細胞解析装置は、細胞核染色された細胞数を計測し、当該計測の結果を用いて蛍光強度を示すヒストグラムを取得するフローサイトメータと、前記フローサイトメータによって取得されたヒストグラムを解析して、予め定められた複数のパラメータに関するデータを取得し、当該取得したデータについて予め定められた各パラメータの閾値に基づきがん組織と正常組織の判定を行う解析制御手段と、を備え、前記解析制御手段は、前記各パラメータにおけるがん組織と正常組織の判定結果に対して、パラメータ毎にスコアリングの処理を行ない、当該スコアリングの処理によって算出された各パラメータのスコアを組み合わせ、当該組み合わせたスコアに基づいてがん組織と正常組織の判定を行うことを特徴とするものである。

本発明によれば、判定対象組織から取得されたヒストグラムについての特徴的な複数のパラメータを検出してパラメータ毎にがん化判定を行い、それらの判定結果に対してスコアリングを行って各パラメータの特徴を組み合わせた総合スコアに基づいて総合的ながん化判定を行っている。従って、がん組織と正常組織との差異が明確になって、より高精度にがん化した細胞を識別することができる。

本発明に係る細胞解析装置の実施形態の一例を含む細胞解析システムの構成図である。 細胞単離器具の一例を示す分解斜視図である。 フローサイトメータによって取得されたＤＮＡヒストグラムの一例を示す図である。 ＤＮＡヒストグラムをＦＦＴ処理した波形の一例を示す図であり、（ａ）は正常組織のＤＮＡヒストグラムをＦＦＴ処理した波形、（ｂ）はがん組織のＤＮＡヒストグラムをＦＦＴ処理した波形である。 ＤＮＡヒストグラムにおける検出全細胞数に対するＧ０／Ｇ１細胞比率の分布を示した図である。 ＤＮＡヒストグラムにおける検出全細胞数に対する悪性指数の分布を示した図である。 ＤＮＡヒストグラムにおける検出全細胞数に対するデブリ数比率の分布を示した図である。 ＤＮＡヒストグラムにおける正常ＤＮＡ量細胞のピーク幅の分布を示した図である。 ＤＮＡヒストグラムを高速フーリエ変換した波形のＡＵＣの分布を示した図である。 ＤＮＡヒストグラムにおける総イベント数の分布を示した図である。 Ｇ０／Ｇ１細胞比率についてのＲＯＣ曲線を示す図である。 悪性指数についてのＲＯＣ曲線を示す図である。 デブリ数についてのＲＯＣ曲線を示す図である。 正常ＤＮＡ量細胞のピーク幅についてのＲＯＣ曲線を示す図である。 ＡＵＣＦＦＴについてのＲＯＣ曲線を示す図である。 総イベント数についてのＲＯＣ曲線を示す図である。 （ａ）は、がん患者から採取した組織について算出した総合スコアの分布を示す表である。（ｂ）は、総合スコアの分布をプロットしたグラフである。 総合スコアについてのＲＯＣ曲線を示す図である。

以下、本発明に係る細胞解析方法および細胞解析装置の実施形態の一例を添付図面に基づいて説明する。

図１は、細胞の解析を行うための細胞解析システム１を示す。
細胞解析システム１は、フローサイトメータ５とパーソナルコンピュータ（以下、解析制御手段とも称する）６を有する細胞解析装置２と、細胞前処理装置３と、細胞前処理装置３にセットされる細胞単離器具４（図２参照）を備えている。

細胞解析装置２のフローサイトメータ５は、フローサイトメトリ（Flow Cytometry）に用いられる装置である。フローサイトメトリとは、微細な粒子を流体中に分散させ、その流体（懸濁液）を流して個々の粒子を光学的に分析する手法のことをいう。微粒子を選択的に回収することもできる。この形態においてフローサイトメータ５は、がん化判定の対象である組織の細胞核染色された細胞の数を計測し、その結果を用いて蛍光強度を示すＤＮＡヒストグラム（ヒストグラムの一例）を取得する。

細胞解析装置２の解析制御手段６は、フローサイトメータ５によって取得されたＤＮＡヒストグラムを解析する装置である。

解析制御手段６は、具体的には、以下のような解析処理を行なう。
例えば、解析制御手段６はＤＮＡヒストグラムの特徴を得るために複数のパラメータに関するデータを取得する。また、解析制御手段６は取得した各パラメータのデータを予め定められた各パラメータの最適閾値と対比して、各パラメータに関して判定対象組織ががん組織であるか正常組織であるかのがん化判定を行う。

また、解析制御手段６は、各パラメータにおけるがん化判定結果に対して、パラメータ毎にスコアリング（評点）という点数付けの処理を行う。さらに、解析制御手段６はスコアリングによって算出された各パラメータのスコアを組み合わせることにより、総合的に判定対象組織のがん化判定を行う。

なお、フローサイトメータ５と解析制御手段６とは、それぞれ別の装置とせずにフローサイトメータ５に解析制御手段６の機能を持たせる構成としてもよい。

細胞単離器具４は、解析の対象である組織が注入される筒状容器であり、細胞の単離処理を行うに際し細胞前処理装置３にセットされる。細胞前処理装置３は、ピペッティングの処理を行う装置であり、細胞単離器具４に対しノズルを介して細胞処理液（試薬を含む）と組織を出し入れする。

図２は、細胞単離器具４を分解した状態のものを示す。
細胞単離器具４は、本体２１、フィルタ２２（濾過部材）、および蓋体２３を有するピペット部材２０と、容器３０を備えている。

界面活性剤、ＲＮＡ（リボ核酸）除去剤、および蛍光染料色素を含んだ試薬３１が、乾燥あるいは凍結乾燥された状態で容器３０の底に収容される。細胞単離処理に供される組織および細胞処理液を容器３０内に投入すると、試薬３１が細胞処理液中に溶解する。

細胞単離器具４は、後述する撹拌による細胞単離処理と並行して、界面活性剤による組織細胞の裸核化、ＲＮＡ除去剤によるＲＮＡ除去、および蛍光染料色素による裸核化されたＤＮＡ細胞核の染色を遂行することができる。これにより細胞前処理装置３に回収された後、フローサイトメータ５等による測定が可能な状態になり、迅速な診断を実現できる。

組織および細胞処理液（試薬３１を含む）を収容した容器３０にピペット部材２０が装着される。本体２１の先端（開口２１ｂ）は、容器３０の中心軸Ｃ１上に配置され、容器３０の底と一定の間隔をおいて対向する。本体２１の先端と容器３０の底との間には、投入された組織が位置する。本体２１の先端部２１ａは、投入された細胞処理液に浸かった状態になる。

次に、以上のように構成された細胞単離器具４を用い、細胞前処理装置３によって行う細胞単離処理の内容について、図１、図２を参照しながら説明する。

細胞前処理装置３のスライド蓋１２を開けて容器３０の底部を位置決孔１３に挿入して容器３０を支持する。細胞単離器具４の上端部を細胞前処理装置３が備えるノズル１４の下端部に接続し、ノズル１４内の通路と蓋体２３内の通路とが、適宜の係合構造を介して気密液密的に連通させる。細胞前処理装置３のスライド蓋１２を閉めると、以下のような手順で細胞の単離処理の動作が開始される。

細胞前処理装置３はノズル１４に接続されたポンプ機構（図示省略）を備えている。細胞前処理装置３の制御部は、ユーザによって設定された撹拌条件（撹拌強さ、繰り返し回数、継続時間等）に基づいてポンプ機構を制御し、加圧状態と減圧状態とを形成する。加圧状態においては、ノズル１４から空気が吹き出し、減圧状態においては、ノズル１４から空気が吸入される。

加圧状態と減圧状態を繰り返すピペッティング処理により、ノズル１４に接続されたピペット部材２０を通じて容器３０内の組織および組織処理液（試薬３１を含む）を撹拌することができる。

一定時間の撹拌処理を行なうことにより、組織は次第に細かく粉砕され、ミンスされた状態になり、単離された細胞を含んだ懸濁液を得ることができる。この処理において、細胞の核が壊されその中の染色体が蛍光に反応するように色付けされる。

その後、細胞前処理装置３は、ピペット部材２０の通路を介して容器３０内の懸濁液を吸引する。懸濁液はフィルタ２２を通過することによって不要な組織片が濾過される。これにより、所望の単離細胞を含む細胞浮遊液が得られる。さらに吸引動作を継続することにより、細胞浮遊液が細胞前処理装置３に回収され、フローサイトメータ５による蛍光分析等の解析処理に供される。

次に、フローサイトメータ５によって実施されるＤＮＡヒストグラムの取得処理（ヒストグラム取得工程）について説明する。

フローサイトメータ５は、細胞浮遊液を用いて単離・細胞核染色された細胞を計測し、イベント毎の蛍光信号のピーク値と積分値から、関連する変量の関係を平面上に表示したスキャッタグラム（図示省略）を得る。続いて、このスキャッタグラムに適切なゲート処理を施し、シングル細胞と思われるイベントから蛍光強度の積分値のＤＮＡヒストグラムを得る。

このように、フローサイトメータ５は、細胞核染色された細胞（細胞数）を計測する計測部及び当該計測部の計測結果を用いて蛍光強度のＤＮＡヒストグラムを取得するヒストグラム取得部として機能する。

フローサイトメータ５により得られたＤＮＡヒストグラムに係るデータは、細胞解析装置２を構成するＰＣ（解析制御手段）６へ送信されて記憶手段（例えば、ＲＡＭ、フラッシュメモリ等）に記憶される。また、このデータは解析制御手段６の表示部（例えば、ＬＣＤ）に表示することもできる。

図３は、フローサイトメータ５によって取得されたＤＮＡヒストグラムの一例を示す。
ＤＮＡヒストグラムの縦軸は細胞数を表示している。また、横軸はＤＮＡ量に相当する蛍光強度を表示している。なお、染色体はＤＮＡからできており、染色色素は二本鎖ＤＮＡにインターカレートするため、蛍光強度を測定することでＤＮＡの量が測定できる。

図３において、Ａの領域は、デブリ（Debris）、すなわち破壊された細胞（ゴミ）もしくは間質組織に染色体が付着したものが現れる領域である。この領域の細胞のＤＮＡ量は、正常なＧ０／Ｇ１期細胞のＤＮＡ量よりも少ない。

また、Ｂの領域は、Ｇ０／Ｇ１期細胞群、すなわち正常ＤＮＡ量の細胞が現れる領域である。

また、Ｃの領域は、Ｓ期細胞群が現れる領域である。Ｓ期細胞群のうち、細胞のＤＮＡ合成を開始したばかりのもののＤＮＡ量は、正常なＧ０／Ｇ１期細胞のＤＮＡ量よりもわずかに多い。このＤＮＡ量は細胞のＤＮＡ量がＧ２期レベル（Ｇ２期は後述するＥ領域）になるまで増加し続ける。

また、Ｄの領域は、ＤＮＡ Aneuploidyの細胞群が現れる領域である。この領域の細胞のＤＮＡ量は、異数体（正常ＤＮＡ量の整数倍ではない）に分布を示す。腫瘍の組織において検出されることが多く、その出現場所はさまざまである。

また、Ｅの領域は、Ｇ２／Ｍ期細胞群が現れる領域である。Ｇ２期細胞のＤＮＡ量は、正常なＧ０／Ｇ１期細胞の２倍のＤＮＡ量を含む。Ｍ期細胞は母細胞が２つの嬢細胞に細胞分裂し、そのＤＮＡ量は正常なＧ０／Ｇ１期細胞の２倍のＤＮＡ量を含む。

また、Ｆの領域は、その他のＤＮＡ量を有する細胞群が現れる領域である。ＤＮＡ Aneuploidyの細胞のＳ期やＧ２／Ｍ期の細胞が検出されることもある。

さらに、Ｐの位置は、Ｂの領域（Ｇ０／Ｇ１期細胞群）のピーク位置を示している。また、矢印間Ｗは、Ｂの領域（Ｇ０／Ｇ１期細胞群）のピーク区間を示しており、ピークＰ値の５％に相当する点の区間を示している。

ＤＮＡヒストグラムを取得する際、フローサイトメータ５は、フローサイトメータ５の内部を流れる細胞浮遊液にレーザ光を当て、レーザ光に対する蛍光強度を測定する。各細胞は色付け処理によって蛍光色素を含んでいるので光の吸収率がそれぞれ相違し、レーザ光に対する蛍光強度は相違する。蛍光色素はＤＮＡの二重螺旋の中に入り込むためＤＮＡの大きさによって入り込む色素の量が異なる。通常、がん細胞の染色体は正常細胞の染色体よりも大きいため、色付け処理によって含まれる色素の量はがん細胞の方が多くなる。

したがって、ＤＮＡヒストグラムの波形は、判定対象の組織中に含まれる正常ＤＮＡ（細胞）の比率、またがん化したＤＮＡ（細胞）の比率等のパラメータによって相違した特徴を示す形状になる。

次に、上記のようにして取得したＤＮＡヒストグラムを解析し、以下に示すような複数のパラメータについてのデータを算出・取得処理する解析データ取得工程について説明する。なお、この工程は細胞解析装置２の解析制御手段６によって処理しているが、上述したようにフローサイトメータ５によって処理する構成としてもよい。

パラメータとしては、がん組織の判定指標になる要素であり、ＤＮＡヒストグラムにおいて特徴的なパターンとして現れるものが好ましい。具体的には、（１）ＤＮＡヒストグラムにおける検出全細胞数に対する正常ＤＮＡ量細胞（Ｇ０／Ｇ１細胞）数の比率、（２）ＤＮＡヒストグラムにおける検出全細胞数に対するＤＮＡ増幅細胞数の比率（悪性指数）、（３）ＤＮＡヒストグラムにおける検出全細胞数に対するデブリ数の比率、（４）ＤＮＡヒストグラムにおける正常ＤＮＡ量細胞の正規分布したピークの幅（Ｇ０／Ｇ１ＨＰＣＶ）、（５）ＤＮＡヒストグラムを高速フーリエ変換した結果から得られた波形の曲線下面積（ＡＵＣ：Area Under the Curve）、（６）ＤＮＡヒストグラムにおける検出全細胞数等を挙げることができる。

これら（１）から（６）のパラメータを図３のＤＮＡヒストグラムに対応させて説明すると以下のようになる。

（１）のＤＮＡヒストグラムにおける検出全細胞数に対する正常ＤＮＡ量細胞（Ｇ０／Ｇ１細胞）数の比率は、Ｇ０／Ｇ１期細胞群の細胞数比率のことをいう。すなわち、全領域のうちＢの領域に現れる細胞数の比率のことをいう。

（２）のＤＮＡヒストグラムにおける検出全細胞数に対するＤＮＡ増幅細胞数の比率（悪性指数）は、Ｓ期細胞群、ＤＮＡ Aneuploidyの細胞群、Ｇ２／Ｍ期細胞群、およびその他のＤＮＡ量を有する細胞群の細胞数比率のことをいう。すなわち全領域のうちＣの領域、Ｄの領域、Ｅの領域、およびＦの領域に現れる細胞数の比率のことをいう。

（３）のＤＮＡヒストグラムにおける検出全細胞数に対するデブリ数の比率は、全領域のうちＡの領域に現れる細胞数の比率のことをいう。

（４）のＤＮＡヒストグラムにおける正常ＤＮＡ量細胞の正規分布したピークの幅（Ｇ０／Ｇ１ＨＰＣＶ）は、Ｂの領域（Ｇ０／Ｇ１期細胞群）のピーク区間（ピークＰ値の５％に相当する点の区間）、すなわち矢印で示される区間Ｗを示している。これはＢ領域のピークのバラツキ度合いを現している。

（５）のＤＮＡヒストグラムを高速フーリエ変換（ＦＦＴ）した波形の曲線下面積は、ＤＮＡヒストグラムのＦＦＴ後の波形に対するＡＵＣのことをいう。図４は、ＤＮＡヒストグラムをＦＦＴ処理した波形の一例を示す。（ａ）は正常組織のＤＮＡヒストグラムをＦＦＴ処理した波形、（ｂ）はがん組織のＤＮＡヒストグラムをＦＦＴ処理した波形であり、それぞれのＡＵＣが３８および２０であることを示している。

（６）のＤＮＡヒストグラムにおける検出全細胞数は、デブリ、Ｇ０／Ｇ１期細胞群、Ｓ期細胞群、ＤＮＡ Aneuploidyの細胞群、Ｇ２／Ｍ期細胞群、およびその他のＤＮＡ量を有する細胞群の細胞数、すなわちＡの領域からＦの領域の全領域に現れる全細胞数のことをいう。

図５から図１０は、一例として、大腸がんの場合における上記（１）から（６）のパラメータについての計測データの分布を示す。大腸がん患者（２６例）から組織を採取し、上記（１）から（６）のパラメータについての計測データをプロットしたものである。

図５は、各患者の正常組織と腫瘍（がん組織）のそれぞれについて、（１）のヒストグラムにおける検出全細胞数に対する正常ＤＮＡ量細胞数の比率を計測し、その結果をプロットしたものを示す。図に示されるように、Ｇ０／Ｇ１細胞比率（正常ＤＮＡ量細胞数の比率）は、腫瘍（がん組織）の方が正常組織よりも低いという特徴を有する。なお、プロットした比率の所定範囲４０、４１は、それぞれ正常組織、腫瘍（がん組織）におけるパラメータの平均値±標準偏差（mean±SD）の範囲を示している。所定範囲４０、４１は図６から図１０、および図１７においても同様である。

図６は、同様に、（２）のヒストグラムにおける検出全細胞数に対するＤＮＡ増幅細胞数の比率（悪性指数）を計測し、その結果をプロットしたものである。図に示されるように、悪性指数は、腫瘍（がん組織）の方が正常組織よりも高いという特徴を有する。

図７は、同様に、（３）のＤＮＡヒストグラムにおける検出全細胞数に対するデブリ数の比率を計測し、その結果をプロットしたものである。図に示されるように、デブリ数の比率は、腫瘍（がん組織）の方が正常組織よりも高いという特徴を有する。

図８は、同様に、（４）のＤＮＡヒストグラムにおける正常ＤＮＡ量細胞の正規分布したピークの幅（Ｇ０／Ｇ１ＨＰＣＶ）を測定し、その結果をプロットしたものである。図に示されるように、Ｇ０／Ｇ１ＨＰＣＶは、腫瘍（がん組織）の方が正常組織よりも大きいという特徴を有する。

図９は、同様に、（５）のＤＮＡヒストグラムを高速フーリエ変換した波形のＡ曲線下面積（ＡＵＣ）を算出し、その結果をプロットしたものである。図に示されるように、曲線下面積は、腫瘍（がん組織）の方が正常組織よりも小さいという特徴を有する。

図１０は、同様に、（６）のＤＮＡヒストグラムにおける検出全細胞数を測定し、その結果をプロットしたものである。図に示されるように、検出全細胞数は、腫瘍（がん組織）の方が正常組織よりも多いという特徴を有する。

上述のように（１）から（６）のパラメータを例として挙げたが、ヒストグラムから解析データを算出・取得するパラメータの項目および数は適宜設定するようにしてもよい。ただし、より精度良いがん組織の判定結果を得るためにはこれらのパラメータのうちの２以上の項目を含むことが必要である。パラメータの項目は、これらに限定されるものではなく、がん組織を検出するために有効でありヒストグラムに現れる特徴的なパラメータであればよい。

以上のようにして算出・取得された各パラメータに関するデータは、解析制御手段６の記憶手段（例えば、ＲＡＭ、フラッシュメモリ等）に記憶される。

次に、上記のようにして取得した各パラメータのデータを予め定められた各パラメータの最適閾値と対比して、各パラメータにおける判定対象組織のがん化判定を行うパラメータ判定工程について説明する。なお、この工程も細胞解析装置２の解析制御手段６によって処理しているが、上述したようにフローサイトメータ５によって処理する構成としてもよい。また、以下で説明する最適閾値を算出する工程は、事前に集められた症例データに基づいて他のコンピュータで行い、算出された最適閾値を予め細胞解析装置２に記憶しておけば良い。

先ず、各パラメータにおける最適閾値は、がん患者から採取した組織に対し上記（１）から（６）のパラメータについてＲＯＣ（Receiver Operatorating Characteristic）解析を行うことによって以下のように定められている。

上記のように大腸がん患者（２６例）から組織を採取し、（１）から（６）の各パラメータについて取得した各組織のデータ（図５から図１０に示すデータ）をパラメータの閾値（カットオフ値）とする。それぞれの閾値に対する「感度（sensitivity）」と「１−特異度（specificity）」との関係をプロットしてＲＯＣ曲線を描く。ここで、感度とは、がん組織を正しくがん組織として判定できる確率のことをいい、特異度とは、正常組織を正しく正常組織として判定できる確率のことをいう。

図１１から図１６は、上記（１）から（６）のパラメータにおける図５から図１０のデータに基づいたＲＯＣ曲線を示したものである。各図において縦軸には感度を、横軸には１−特異度をとっている。

図１１は、Ｇ０／Ｇ１細胞比率についてのＲＯＣ曲線５１である。これは図５のデータに基づくものである。ＲＯＣ曲線５１は、取得した各Ｇ０／Ｇ１細胞比率のデータ（２６個）を閾値（カットオフ：Cut Off）値として、各データに対する感度と１−特異度との関係をプロットしている。Ｇ０／Ｇ１細胞比率では、組織の判定において、閾値以上を正常組織、閾値未満をがん組織と判定する。

閾値を大きくした場合、すなわちＧ０／Ｇ１細胞比率を高く設定した場合には、感度が高くなる。また特異度が低くなるため、１−特異度は高くなる。つまり、閾値を大きくした場合には、がん組織を正しく判定できる確率は高くなるのに対して、正常組織を正しく判定できる確率は低くなる。これをＲＯＣ曲線上の点の位置でいうと、曲線の右上に近い位置になる。

これに対して閾値を小さくしていく、すなわちＧ０／Ｇ１細胞比率を低く設定していった場合には、感度が低下していく。また特異度が上昇していくため１−特異度は低下していく。つまり、閾値を小さくしていくと、がん組織を正しく判定できる確率は低くなるのに対して、正常組織を正しく判定できる確率は高くなる。これをＲＯＣ曲線上の点の位置でいうと、曲線の左下に近づいていく。

このようにして得られたＲＯＣ曲線５１において、最適閾値は、感度と特異度のバランスから便宜的に決定される。この実施形態では図の左上隅からの距離を利用した方法によって決定している。つまり、感度１００％、特異度１００％の左上隅の点（０，１）に最も近いＲＯＣ曲線上の点を選択し、その点の閾値を最適閾値として決定する。

この方法によって選択された左上隅に最も近いＲＯＣ曲線５１上の点は、点５３であった。そして、この点５３における閾値、すなわち最適閾値は、CutOff：79.57［％］であった。また、このときの感度は、sensitivity：96.2［％］であり、特異度は、specificity：76.9［％］であった。

つまり、Ｇ０／Ｇ１細胞比率についてのＲＯＣ曲線５１において最適閾値を79.57［％］に設定すると、96.2［％］の確率で正しくがん組織を判定することができ、76.9［％］の確率で正しく正常組織を判定することができる。

また、図１１におけるＲＯＣ曲線の曲線下面積は、ＡＵＣ：0.929であった。ＲＯＣ曲線下面積は、判定対象組織のがん化を評価するための指標の一つであり、0.5から1.0の値をとる。ＲＯＣ曲線下面積が大きければ大きいほどがん化判定の精度は高くなる。

なお、ＲＯＣ曲線における最適閾値の決定方法としては、このほか例えば、ＡＵＣ＝0.500となる斜破線５２から最も離れたＲＯＣ曲線上の点を最適閾値とする、Youden indexを用いた方法を採用してもよい。以下、図１２から図１６および図１８においても同様である。

図１２は、悪性指数についてのＲＯＣ曲線６１である。これは図６のデータに基づくものである。ＲＯＣ曲線６１は、取得した各悪性指数のデータ（２６個）を閾値として、各データに対する感度と１−特異度との関係をプロットしている。悪性指数では、組織の判定において、閾値以上をがん組織、閾値未満を正常組織と判定する。

閾値を大きくした場合、すなわち悪性指数を高く設定した場合には、感度が低くなる。また特異度が高くなるため、１−特異度は低くなる。つまり、閾値を大きくした場合には、がん組織を正しく判定できる確率は低くなるのに対して、正常組織を正しく判定できる確率は高くなる。これをＲＯＣ曲線上の点の位置でいうと、曲線の左下に近い位置になる。

これに対して閾値を小さくしていく、すなわち悪性指数を低く設定していった場合には、感度が上昇していく。また特異度が低下していくため１−特異度は上昇していく。つまり、閾値を小さくしていくと、がん組織を正しく判定できる確率は高くなるのに対して、正常組織を正しく判定できる確率は低くなる。これをＲＯＣ曲線上の点の位置でいうと、曲線の右上に近づいていく。

このようにして得られたＲＯＣ曲線６１において、左上隅に最も近いＲＯＣ曲線６１上の点は、点６３であった。そして、この点６３における閾値、すなわち最適閾値は、CutOff：10.93［％］であった。また、このときの感度は、sensitivity：88.5［％］であり、特異度は、specificity：76.9［％］であった。

つまり、悪性指数についてのＲＯＣ曲線６１において最適閾値を10.93［％］に設定すると、88.5［％］の確率で正しくがん組織を判定することができ、76.9［％］の確率で正しく正常組織を判定することができる。

また、図１２におけるＲＯＣ曲線の曲線下面積は、ＡＵＣ：0.858であった。

図１３は、デブリについてのＲＯＣ曲線７１である。これは図７のデータに基づくものである。ＲＯＣ曲線７１は、取得した各デブリ数比率のデータ（２６個）を閾値として、各データに対する感度と１−特異度との関係をプロットしている。デブリ数比率では、組織の判定において、閾値以上をがん組織、閾値未満を正常組織と判定する。

閾値を大きくした場合、すなわちデブリ数比率を高く設定した場合には、感度が低くなる。また特異度が高くなるため、１−特異度は低くなる。また、閾値を小さくしていく、すなわちデブリ数比率を低く設定していった場合には、感度が上昇していく。また特異度が低下していくため１−特異度は上昇していく。したがって、その特性は、図１２で説明した場合と同様になる。

このようにして得られたＲＯＣ曲線７１において、左上隅に最も近いＲＯＣ曲線７１上の点は、点７３であった。そして、この点７３における閾値、すなわち最適閾値は、CutOff：9.01［％］であった。また、このときの感度は、sensitivity：80.8［％］であり、特異度は、specificity：80.8［％］であった。

つまり、デブリについてのＲＯＣ曲線７１において最適閾値を9.01［％］に設定すると、80.8［％］の確率で正しくがん組織を判定することができ、80.8［％］の確率で正しく正常組織を判定することができる。

また、図１３におけるＲＯＣ曲線の曲線下面積は、ＡＵＣ：0.836であった。

図１４は、正常ＤＮＡ量細胞のピークの幅（Ｇ０／Ｇ１ＨＰＣＶ）についてのＲＯＣ曲線８１である。これは図８のデータに基づくものである。ＲＯＣ曲線８１は、取得した各Ｇ０／Ｇ１ＨＰＣＶのデータ（２６個）を閾値として、各データに対する感度と１−特異度との関係をプロットしている。Ｇ０／Ｇ１ＨＰＣＶでは、組織の判定において、閾値以上をがん組織、閾値未満を正常組織と判定する。

閾値を大きくした場合、すなわちＧ０／Ｇ１ＨＰＣＶを高く設定した場合には、感度が低くなる。また特異度が高くなるため、１−特異度は低くなる。また、閾値を小さくしていく、すなわちＧ０／Ｇ１ＨＰＣＶを低く設定していった場合には、感度が上昇していく。また特異度が低下していくため１−特異度は上昇していく。したがって、その特性は、図１２で説明した場合と同様になる。

このようにして得られたＲＯＣ曲線８１において、左上隅に最も近いＲＯＣ曲線８１上の点は、点８３であった。そして、この点８３における閾値、すなわち最適閾値は、CutOff：3.16［％］であった。また、このときの感度は、sensitivity：50.0［％］であり、特異度は、specificity：73.1［％］であった。

つまり、Ｇ０／Ｇ１ＨＰＣＶについてのＲＯＣ曲線８１において最適閾値を3.16［％］に設定すると、50.0［％］の確率で正しくがん組織を判定することができ、73.1［％］の確率で正しく正常組織を判定することができる。

また、図１４におけるＲＯＣ曲線下面積は、ＡＵＣ：0.611であった。

図１５は、ＤＮＡヒストグラムを高速フーリエ変換した波形の曲線下面積（ＡＵＣ）についてのＲＯＣ曲線９１である。これは図９のデータに基づくものである。ＲＯＣ曲線９１は、取得した各ＡＵＣのデータ（２６個）を閾値として、各データに対する感度と１−特異度との関係をプロットしている。ＡＵＣでは、組織の判定において、閾値以上を正常組織、閾値未満をがん組織と判定する。

閾値を大きくした場合、すなわちＡＵＣを高く設定した場合には、感度が高くなる。また特異度が低くなるため、１−特異度は高くなる。また、閾値を小さくしていく、すなわちＡＵＣを低く設定していった場合には、感度が低下していく。また特異度が上昇していくため１−特異度は低下していく。したがって、その特性は、図１１で説明した場合と同様になる。

このようにして得られたＲＯＣ曲線９１において、左上隅に最も近いＲＯＣ曲線９１上の点は、点９３であった。そして、この点９３における閾値、すなわち最適閾値は、CutOff：27.35であった。また、このときの感度は、sensitivity：84.6［％］であり、特異度は、specificity：84.6［％］であった。

つまり、ＡＵＣについてのＲＯＣ曲線９１において最適閾値を27.35に設定すると、84.6［％］の確率で正しくがん組織を判定することができ、84.6［％］の確率で正しく正常組織を判定することができる。

また、図１５におけるＲＯＣ曲線の曲線下面積は、ＡＵＣ：0.905であった。

図１６は、検出全細胞数（総イベント数）についてのＲＯＣ曲線１０１である。これは図１０のデータに基づくものである。ＲＯＣ曲線１０１は、取得した各総イベント数のデータ（２６個）を閾値として、各データに対する感度と１−特異度との関係をプロットしている。総イベント数では、組織の判定において、閾値以上をがん組織、閾値未満を正常組織と判定する。

閾値を大きくした場合、すなわち総イベント数を高く設定した場合には、感度が低くなる。また特異度が高くなるため、１−特異度は低くなる。また、閾値を小さくしていく、すなわち総イベント数を低く設定していった場合には、感度が上昇していく。また特異度が低下していくため１−特異度は上昇していく。したがって、その特性は、図１２で説明した場合と同様になる。

このようにして得られたＲＯＣ曲線１０１において、左上隅に最も近いＲＯＣ曲線１０１上の点は、点１０３であった。そして、この点１０３における閾値、すなわち最適閾値は、CutOff：5069［個］であった。また、このときの感度は、sensitivity：69.2［％］であり、特異度は、specificity：65.4［％］であった。

つまり、総イベント数についてのＲＯＣ曲線１０１において最適閾値を5069［個］に設定すると、69.2［％］の確率で正しくがん組織を判定することができ、65.4［％］の確率で正しく正常組織を判定することができる。

また、図１６におけるＲＯＣ曲線の曲線下面積は、ＡＵＣ：0.706であった。

以上のようにして定められた各パラメータにおける最適閾値、感度、特異度、ＲＯＣ曲線の曲線下面積、およびＲＯＣ曲線等のデータは、解析制御手段６の記憶手段（例えば、ＲＡＭ、フラッシュメモリ等）に記憶されている。

続いて、判定の対象組織においてそのヒストグラムから取得された各パラメータのデータは、上述のようにして定められている最適閾値（最適カットオフ値）と対比されて、それぞれのパラメータ毎にがん化判定が行われる。

具体的には、（１）のパラメータの正常ＤＮＡ量細胞（Ｇ０／Ｇ１細胞）数の比率では、判定対象組織のＧ０／Ｇ１細胞数の比率が、上述のようにして定められている最適閾値79.57％と対比されて、最適閾値79.57％以上である場合にはその判定対象を正常組織と判定する。これに対して最適閾値79.57％未満である場合にはその判定対象をがん組織と判定する。

また、（２）のパラメータのＤＮＡ増幅細胞数の比率（悪性指数）では、判定対象組織の悪性指数が、最適閾値10.93％以上である場合にはその判定対象をがん組織と判定し、最適閾値10.93％未満である場合にはその判定対象を正常組織と判定する。

また、（３）のパラメータのデブリ数の比率では、判定対象組織のデブリ数の比率が、最適閾値9.01％以上である場合にはその判定対象をがん組織と判定し、最適閾値9.01％未満である場合にはその判定対象を正常組織と判定する。

また、（４）のパラメータのピークの幅（Ｇ０／Ｇ１ＨＰＣＶ）では、判定対象組織のＧ０／Ｇ１ＨＰＣＶが、最適閾値3.16％以上である場合にはその判定対象をがん組織と判定し、最適閾値3.16％未満である場合にはその判定対象を正常組織と判定する。

また、（５）のパラメータのＡＵＣでは、判定対象組織のＡＵＣが、最適閾値27.35以上である場合にはその判定対象を正常組織と判定し、最適閾値27.35未満である場合にはその判定対象をがん組織と判定する。

また、（６）のパラメータの検出全細胞数（総イベント数）では、判定対象組織の総イベント数が、最適閾値5069以上である場合にはその判定対象をがん組織と判定し、最適閾値5069未満である場合にはその判定対象を正常組織と判定する。

次に、判定対象組織におけるパラメータ毎のがん化判定結果に対し、パラメータ毎にスコアリング（評点）という点数付けを行うスコアリング処理工程について説明する。この工程は解析制御手段６によって処理しているが、フローサイトメータ５によって処理する構成としてもよい。

スコアリング処理とは、パラメータ毎のがん化判定においてがん組織と判定されたか或いは正常組織と判定されたかに応じて、すなわちパラメータ毎のがん化判定結果情報を基にパラメータ毎に点数付けを行う作業のことをいう。

具体的には、がん化判定においてその結果が、がん組織であると判定された場合には、判定対象組織のスコアをそのパラメータについて＋１点とし、正常組織であると判定された場合には０点として点数付けを行う。この点数付けの処理を上記（１）から（６）の各パラメータについて行う。

次に、各パラメータの結果を組み合わせて総合的に判定対象組織のがん化判定を行う総合判定工程（スコア組合せ判定工程）について説明する。この工程も解析制御手段６によって処理しているが、フローサイトメータ５によって処理する構成としてもよい。

上記スコアリング処理工程によって点数付けされた各パラメータのスコアを合計（例えば、加算）することにより、複数のパラメータに関する解析データを組み合わせ、判定対象組織の総合スコアを算出する。

そして、算出した総合スコアに基づいたがん化判定、すなわち各パラメータの結果を組み合わせることによる総合的ながん化判定を行う。この判定は、算出した判定対象組織の総合スコアを予め定められた総合スコアの最適閾値と対比することによって行う。

総合スコアの最適閾値は、がん患者から採取した組織について総合スコアのＲＯＣ解析を行うことによって定められる。

図１７（ａ）は、大腸がん患者（２６例）から採取した組織について算出した総合スコアの分布を示した表である。また、図１７（ｂ）は、総合スコアをグラフ上にプロットしたものである。

図に示されるように、総合スコアは、腫瘍（がん組織）の方が正常組織よりも高いという特徴を有する。

大腸がん患者（２６例）から採取した各組織の総合スコア（図１７に示す総合スコア）を閾値（カットオフ値）とする。そして、それぞれの閾値に対する「感度」と「１−特異度」との関係をプロットして、上記図１１から図１６と同様にＲＯＣ曲線を描く。

図１８は、図１７のデータに基づいて総合スコアのＲＯＣ曲線を示したものである。総合スコアでは、組織の判定において、閾値以上をがん組織、閾値未満を正常組織と判定する。

閾値を大きくした場合、すなわち総合スコアを高く設定した場合には、感度が低くなる。また特異度が高くなるため、１−特異度は低くなる。また、閾値を小さくしていく、すなわち総合スコアを低く設定していった場合には、感度が上昇していく。また特異度が低下していくため１−特異度は上昇していく。したがって、その特性は、図１２で説明した場合と同様になる。

このようにして得られたＲＯＣ曲線１１１において、図１８の左上隅（座標（０，１）の位置）に最も近いＲＯＣ曲線１１１上の点は、点１１３であった。この点１１３における閾値が最適閾値であり、その値はCutOff：2.01［点］であった。また、このときの感度は、sensitivity：96.2［％］であり、特異度は、specificity：88.5［％］であった。

つまり、最適閾値を2.01［点］に設定すると、96.2［％］の確率で正しくがん組織を判定することができ、88.5［％］の確率で正しく正常組織を判定することができる。

また、図１８におけるＲＯＣ曲線の曲線下面積は、ＡＵＣ：0.939であった。

なお、以上のようにして定められた総合スコアにおける最適閾値、感度、特異度、ＲＯＣ曲線下面積、およびＲＯＣ曲線等のデータは、解析制御手段６の記憶手段（例えば、ＲＡＭ、フラッシュメモリ等）に記憶されている。

そして、判定の対象組織においてそのヒストグラムから取得される各パラメータの結果を組み合わせた総合スコアは、上述のようにして定められている最適閾値（最適カットオフ値）と対比されることにより、そのがん化判定が行われる。

具体的には、判定対象組織の総合スコアが、上述のようにして定められている最適閾値2.01と対比されて、最適閾値2.01点以上である場合にはその判定対象はがん組織と判定される。これに対して最適閾値2.01点未満である場合にはその判定対象は正常組織と判定される。

以上のような方法で決定された単独パラメータのＲＯＣ曲線における最適閾値（図１１から図１６）と各パラメータの結果を組み合わせた総合スコアのＲＯＣ曲線における最適閾値（図１８）とを対比すると、総合スコアの最適閾値の方が、感度と特異度とのバランスにおいても、ＲＯＣ曲線下面積においても明らかに高い数値を示している。

したがって、複数のパラメータのがん化判定を組み合わせた総合的ながん化判定を行うことによって、単独パラメータによるがん化判定を行うよりも、格段にがん化判定の精度を向上させることができる。また、予め事前に集められた症例データに基づいて算出され値細胞解析装置２に記憶された最適閾値（予め定められた各パラメータの閾値の一例）との比較によって判定を行うことができるので、より迅速かつ的確に判定することが可能になる。

さらに、ヒストグラムにおいて特徴を示す複数のパラメータについて、各パラメータのがん化判定結果を点数付けし、それらの点数を組み合わせた総合スコアに基づいてがん化判定を行っているので、一部のパラメータに関して特徴を示さないような特殊なＤＮＡヒストグラムのパターンを示すがん組織に対しても、総合的ながん化判定によって的確な判定を行うことができる。

次に、パラメータ毎のスコアリングに関する重み付けについて説明する。
上述したスコアリング処理工程において、パラメータ毎に行われるスコアリング（評点）は、パラメータ間で重み付けをするようにしてもよい。

具体的には、複数のパラメータの中でがん化判定精度が高いパラメータについては、そのがん化判定でがん組織であると判定された場合には、他のパラメータの場合よりも高い点数を付けるようにする。すなわち、がん化判定に寄与する度合いに基づいてパラメータ間で点数付けに差を持たせる。

これをＲＯＣ曲線の特性に当て嵌めていうと、感度と特異度とのバランスよく左上隅に特に近い点（最適閾値）を有するパラメータについては、そのがん化判定でがん組織であると判定された場合には、他のパラメータの場合よりも高い点数を付ける。

このような重み付けを行うことにより、判定精度の高いパラメータにおいてがん組織であると判定されたものは、総合スコアのがん化判定においてより高い確率でがん組織であると判定されることになる。また、総合スコアＲＯＣ曲線のＡＵＣもより大きくなってがん判定の精度は高くなる。

本発明は上記実施形態に例示したものに限定されるものではなく、本発明の要旨を逸脱しない範囲において適宜変更可能である。

１：細胞解析システム、２：細胞解析装置、３：細胞前処理装置、４：細胞単離器具、５：フローサイトメータ、６：ＰＣ（解析制御手段）、２０：ピペット部材、３０：容器、５１、６１、７１、８１、９１、１０１、１１１：ＲＯＣ曲線、５３、６３、７３、８３、９３、１０３、１１３：最適閾値（最適カットオフ値）

Claims (8)

1. 判定対象組織の細胞核染色された細胞数を計測し、当該計測の結果を用いて蛍光強度を示すヒストグラムを取得するヒストグラム取得工程と、
   前記ヒストグラム取得工程によって取得されたヒストグラムを解析し、予め定められた複数のパラメータに関するデータを取得する解析データ取得工程と、
   前記解析データ取得工程によって取得された各パラメータのデータを予め定められた各パラメータの閾値と対比して、各パラメータにおける判定対象組織のがん化判定を行うパラメータ判定工程と、
   前記パラメータ判定工程によって判定された各パラメータの判定結果に対して、パラメータ毎にスコアリングの処理を行うスコアリング処理工程と、
   前記スコアリング処理工程によって算出された各パラメータのスコアを組み合わせることにより、判定対象組織のがん化判定を行う総合判定工程と、
   を有することを特徴とする細胞解析方法。
2. 前記総合判定工程におけるがん化判定は、前記スコアリング処理工程によって算出された各パラメータのスコアを合計した総合スコアを、予め定められた閾値と対比して行う判定であることを特徴とする請求項１に記載の細胞解析方法。
3. 前記総合判定工程において対比する予め定められた閾値は、予め取得した前記総合スコアの中で、がん組織を正しく判定できる確率を示す感度と正常組織を正しく判定できる確率を示す特異度をプロットしたＲＯＣ曲線において前記感度と前記特異度のバランスから定められた総合スコアの値であることを特徴とする請求項２に記載の細胞解析方法。
4. 前記パラメータ判定工程における予め定められた各パラメータの閾値は、前記解析データ取得工程によって予め取得した各パラメータにおける多数の解析データの中で、がん組織を正しく判定できる確率を示す感度と正常組織を正しく判定できる確率を示す特異度をプロットしたＲＯＣ曲線において前記感度と前記特異度のバランスから定められた解析データの値であることを特徴とする請求項１から３のいずれか一項に記載の細胞解析方法。
5. 前記スコアリング処理工程におけるスコアリングの処理は、前記パラメータ判定工程によるパラメータ毎のがん化判定結果情報を基に点数付けを行う処理であることを特徴とする請求項１から４のいずれか一項に記載の細胞解析方法。
6. 前記スコアリング処理工程における点数付けでは、がん化判定に寄与する度合いに基づいてパラメータ間で重み付けが行われることを特徴とする請求項５に記載の細胞解析方法。
7. 前記解析データ取得工程における予め定められた複数のパラメータは、少なくとも前記ヒストグラムの全細胞数に対する正常ＤＮＡ量細胞数の比率、前記ヒストグラムの全細胞数に対するＤＮＡ増幅細胞数の比率、前記ヒストグラムの全細胞数に対するデブリ数の比率、前記ヒストグラムにおける正常ＤＮＡ量細胞の正規分布したピークの幅、前記ヒストグラムを高速フーリエ変換して得られた波形の曲線下面積、および前記ヒストグラムの全細胞数のうちの２つ以上のパラメータを含むことを特徴とする請求項１から６のいずれか一項に記載の細胞解析方法。
8. 細胞核染色された細胞数を計測し、当該計測の結果を用いて蛍光強度を示すヒストグラムを取得するフローサイトメータと、
   前記フローサイトメータによって取得されたヒストグラムを解析して、予め定められた複数のパラメータに関するデータを取得し、当該取得したデータについて予め定められた各パラメータの閾値に基づきがん組織と正常組織の判定を行う解析制御手段と、
   を備え、
   前記解析制御手段は、前記各パラメータにおけるがん組織と正常組織の判定結果に対して、パラメータ毎にスコアリングの処理を行ない、当該スコアリングの処理によって算出された各パラメータのスコアを組み合わせ、当該組み合わせたスコアに基づいてがん組織と正常組織の判定を行うことを特徴とする細胞解析装置。

Images