JP2017203637A - 腫瘍細胞検出方法及び腫瘍細胞検出装置 - Google Patents

腫瘍細胞検出方法及び腫瘍細胞検出装置 Download PDF

Info

Publication number
JP2017203637A
JP2017203637A JP2016093841A JP2016093841A JP2017203637A JP 2017203637 A JP2017203637 A JP 2017203637A JP 2016093841 A JP2016093841 A JP 2016093841A JP 2016093841 A JP2016093841 A JP 2016093841A JP 2017203637 A JP2017203637 A JP 2017203637A
Authority
JP
Japan
Prior art keywords
cell
tumor cell
cells
spectrum
tumor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2016093841A
Other languages
English (en)
Inventor
伊知郎 祖川
Ichiro Sogawa
伊知郎 祖川
彰紀 木村
Akinori Kimura
彰紀 木村
泰浩 洪
Yasuhiro Koh
泰浩 洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sumitomo Electric Industries Ltd
Wakayama Medical University
Original Assignee
Sumitomo Electric Industries Ltd
Wakayama Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sumitomo Electric Industries Ltd, Wakayama Medical University filed Critical Sumitomo Electric Industries Ltd
Priority to JP2016093841A priority Critical patent/JP2017203637A/ja
Priority to CN201780028246.1A priority patent/CN109073547A/zh
Priority to PCT/JP2017/017529 priority patent/WO2017195772A1/ja
Priority to EP17796133.1A priority patent/EP3457116A1/en
Publication of JP2017203637A publication Critical patent/JP2017203637A/ja
Priority to US16/182,644 priority patent/US20190072484A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/126—Microprocessor processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods

Abstract

【課題】試料に含まれる種々の細胞の中から腫瘍細胞を非接触的に検出することが可能な腫瘍細胞検出方法及び腫瘍細胞検出装置を提供する。
【解決手段】腫瘍細胞検出装置１及び腫瘍細胞検出方法によれば、試料に含まれる細胞を測定することにより得られた当該細胞に係る分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、当該細胞が腫瘍細胞であるか否かを判定する。したがって、試料に含まれる種類が未知の細胞の中から腫瘍細胞を非接触的に検出することが可能となる。
【選択図】図１

Description

本発明は、腫瘍細胞検出方法及び腫瘍細胞検出装置に関する。
固形がん患者においては、原発腫瘍組織から腫瘍細胞が遊離し、血液中を循環していることが知られている。この血中循環腫瘍細胞（ＣＴＣ：Circulating tumor cell）を血液中から分離・回収することで、患者の予後、腫瘍の分子生物学的特徴、および治療前後における腫瘍の性状変化の把握が可能となることがこれまでに数多く報告されている。細胞を光学的に分析する方法としては、例えば、特許文献１，２等が示されている。
特表２００１−５２３３３４号公報 特表平１１−５００８３２号公報 特開２０１２−２２００２号公報
しかしながら、特許文献１，２等のような既存の検出方式では、顕微鏡下で細胞を観察するために血液中にごくわずか（血液細胞１０８〜１０９個に対してＣＴＣ１個）しか存在しないＣＴＣを見落としてしまう可能性が高い。また、他の検出手法としてＣＴＣの表面に発現した特定のマーカータンパク質に対する免疫反応を利用する生物学的手法が用いられることがある（特許文献３）。この場合、検出能力がマーカータンパク質の発現に依存するため、マーカータンパク質が発現している腫瘍細胞しか検出できない。また腫瘍細胞の集団は不均一であるために、マーカータンパク質発現量が一定でないことも知られており、検出能力が不安定となっている。さらに、ＥＭＴ(Epithelial Mesenchymal Transition；上皮間葉転換)を起こした腫瘍細胞ではマーカータンパク質が発現していない、または発現量が少ないため、検出が困難である。さらに回収後の細胞を培養する際の生存率の低下や、ＤＮＡ解析又はタンパク質解析における精度の劣化が発生することが考えられる。
本発明は上記を鑑みてなされたものであり、試料に含まれる種々の細胞の中から腫瘍細胞を非接触的に検出することが可能な腫瘍細胞検出方法及び腫瘍細胞検出装置を提供することを目的とする。
本願発明は、
（１）試料に含まれる細胞を測定することにより得られた当該細胞に係る分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、当該細胞が腫瘍細胞であるか否かを判定する分析工程を有する腫瘍細胞検出方法。
（２）試料に含まれる細胞に対して測定光を照射する光源部と、
前記光源部からの前記測定光の照射によって出射される前記細胞からの透過光又は反射光を受光することで当該細胞に係る分光スペクトルを取得する検出部と、
前記検出部において取得された前記分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、当該細胞が腫瘍細胞であるか否かを判定する分析部と、
を有する腫瘍細胞検出装置、
である。
本発明によれば、試料に含まれる種々の細胞の中から腫瘍細胞を非接触的に検出することが可能な腫瘍細胞検出方法及び腫瘍細胞検出装置が提供される。
実施形態に係る腫瘍細胞検出装置の概略構成図である。 実施形態に係る腫瘍細胞検出装置における対象物の搬送例を説明する図である。 腫瘍細胞検出方法を説明する図である。 培養がん細胞（腫瘍細胞）、赤血球、及びリンパ球の近赤外光の波長帯域における分光スペクトルの例である。 細胞から取得した分光スペクトルを主成分分析により分類した例を示す図である。 細胞から取得した分光スペクトルを主成分分析により分類した例を示す図である。 細胞から取得した分光スペクトルを主成分分析により分類した例を示す図である。 細胞から取得した分光スペクトルを主成分分析により分類した例を示す図である。
［本願発明の実施形態の説明］
最初に本願発明の実施態様を列記して説明する。
本願の腫瘍細胞検出方法は、（１）試料に含まれる細胞を測定することにより得られた当該細胞に係る分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、当該細胞が腫瘍細胞であるか否かを判定する分析工程を有する。
上記の腫瘍細胞検出方法によれば、統計的手法、機械学習又はパターン認識を用いて、試料に含まれる細胞に係る分光スペクトルから当該細胞が腫瘍細胞であるか否かを判定することができる。したがって、試料に含まれる種々の細胞の中から腫瘍細胞を非接触的に検出することが可能となる。
（２）また、本願発明は上述の（１）に記載の腫瘍細胞検出方法において、前記分光スペクトルは、近赤外光の波長帯域におけるスペクトルである態様とすることができる。
近赤外光の波長帯域におけるスペクトルを試料に含まれる細胞の分光スペクトルとして使用することで、試料に含まれる細胞が腫瘍細胞であるか否かを好適に判定することができる。
（３）また、本願発明は上述の（１）、（２）に記載の腫瘍細胞検出方法において、前記細胞は、血液に含まれる細胞であって、前記分析工程において、腫瘍細胞及びその他の血液中の細胞を測定することにより得られた複数の分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、腫瘍細胞であるか否かを判定するための境界条件を算出し、前記試料に含まれる細胞を測定することにより得られた分光スペクトルと前記境界条件とに基づいて、前記細胞が腫瘍細胞であるか否かを判定する態様とすることができる。
上記のように境界条件を予め求めておき、これに基づいて試料に含まれる細胞が腫瘍細胞であるか否かを判定する構成とすることで、試料に含まれる細胞が腫瘍細胞であるか否かを好適に判定することができる。
本願の腫瘍細胞検出装置は、（４）試料に含まれる細胞に対して測定光を照射する光源部と、前記光源部からの前記測定光の照射によって出射される前記細胞からの透過光又は反射光を受光することで当該細胞に係る分光スペクトルを取得する検出部と、前記検出部において取得された前記分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、当該細胞が腫瘍細胞であるか否かを判定する分析部と、を有する。
上記の腫瘍細胞検出装置によれば、統計的手法、機械学習又はパターン認識を用いて、試料に含まれる細胞に係る分光スペクトルから当該細胞が腫瘍細胞であるか否かを判定することができる。したがって、試料に含まれる種々の細胞の中から腫瘍細胞を非接触的に検出することが可能となる。
（５）また、本願発明は上述の（４）に記載の腫瘍細胞検出装置において、前記検出部は、前記分光スペクトルとして近赤外光の波長帯域におけるスペクトルを取得する態様とすることができる。
近赤外光の波長帯域におけるスペクトルを試料に含まれる細胞の分光スペクトルとして使用することで、試料に含まれる細胞が腫瘍細胞であるか否かを好適に判定することができる。
（６）また、本願発明は上述の（４）、（５）に記載の腫瘍細胞検出装置において、前記細胞は、血液に含まれる細胞であって、前記分析部は、腫瘍細胞及びその他の血液中の細胞を測定することにより得られた複数の分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、腫瘍細胞であるか否かを判定するための境界条件を算出しておき、前記細胞を測定することにより得られた分光スペクトルと前記境界条件とに基づいて、前記細胞が腫瘍細胞であるか否かを判定する態様とすることができる。
上記のように境界条件を予め求めておき、これに基づいて試料に含まれる細胞が腫瘍細胞であるか否かを判定する構成とすることで、試料に含まれる細胞が腫瘍細胞であるか否かを好適に判定することができる。
（７）また、本願発明は上述の（４）〜（６）に記載の腫瘍細胞検出装置において、前記検出部は、前記細胞からの透過光又は反射光を分光する分光手段を有し、前記分光手段は、波長選択フィルタ、干渉光学系、回折格子、又はプリズムである態様とすることができる。
検出部が波長選択フィルタ、干渉光学系、回折格子、又はプリズムから選ばれる分光手段を有することで、検出部において試料に含まれる細胞からの光を好適に分光した上で分光スペクトルを取得することができるため、光源部に用いることが可能な光源の選択肢を広げることができる。
［本願発明の実施形態の詳細］
本発明に係る腫瘍細胞検出方法及び腫瘍細胞検出装置の具体例を、以下に図面を参照しつつ説明する。なお、本発明はこれらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。
図１は、本発明の一実施形態に係る腫瘍細胞検出装置の概略構成図である。図１に示すように、腫瘍細胞検出装置１は、測定台２上の対象物３たる細胞について、光学測定に基づいて腫瘍細胞であるか否かを判定することを主な目的とした装置である。
本実施形態に係る腫瘍細胞検出装置１は、血液中を循環する腫瘍細胞を検出することを目的としている。したがって、対象物３となるのは血液中に存在する細胞である。また、本実施形態では、検出対象となる腫瘍細胞が血中循環腫瘍細胞（ＣＴＣ：Circulating tumor cell）である場合について説明するが、循環内皮細胞（ＣＥＣ：Circulating Endothelial Cell）又は循環内皮前駆細胞（ＣＥＰ：Circulating Endothelial Progenitor）等の他の細胞を検出対象とすることもできる。なお、血液中の細胞を直接評価する場合には、試料は血液である。また、対象物３となる細胞は、血液中から取り出された状態であってもよいし、血液又血液由来の液体中に対象物３が分散した状態で腫瘍細胞検出装置１による検出が行われてもよい。血液とは異なる液体中に対象物３が分散している場合には、試料は対象物３である細胞が分散している液体となる。図１では、対象物３の細胞が測定台２上に載置されている例を示している。
腫瘍細胞検出装置１では、測定光を対象物３に対して照射することにより得られる透過光のスペクトルを測定し、そのスペクトルに基づいて対象物３が腫瘍細胞であるか否かを判定する。このため、腫瘍細胞検出装置１は、光源部１０、検出部２０、及び分析部３０を備える。
光源部１０は、測定光Ｌ１を対象物３が載置される領域に対して照射する。光源部１０の光源としては、ハロゲンランプ等を用いることができる。また、種光源及び非線形媒質を備え、種光源から出射される光を非線形媒質に入力し、非線形媒質中における非線形光学効果によりスペクトルを広帯域に広げてスーパーコンティニウム（ＳＣ）光として出力するＳＣ光源を光源部１０の光源として用いることもできる。ＳＣ光源を光源部１０の光源として用いた場合、ハロゲンランプと比較してＳＣ光源による加熱が低減されるため、対象物３である細胞への影響を軽減させることができる。さらに、光源部１０は強度を変調する機能を有していてもよい。
なお、本実施形態において光源部１０が照射する測定光Ｌ１の波長は特に限定されず、対象物３及び対象物３の周辺の液体等に応じて適宜選択される。測定光Ｌ１として、近赤外光を用いることができる。近赤外光とは、波長範囲が８００ｎｍ〜２５００ｎｍの波長帯域の光である。なお、測定光Ｌ１として、可視光を用いることもできる。可視光とは、波長範囲が４００ｎｍ〜８００ｎｍの波長帯域の光である。また、近赤外光と可視光とを組み合わせて測定光Ｌ１としてもよい。
検出部２０は、光源部１０から照射される測定光Ｌ１が対象物３の表面で拡散反射された又は対象物３を透過した後に検出部２０の配置される方向へ出力された光を受光し、対象物３に係る分光スペクトルとして検出する。なお、本実施形態における分光スペクトルとは、分光情報から任意の波長における強度値を抽出し、対応する波長と対にした一連のデータのことである。分光スペクトルには、波長と強度値との組み合わせが５つ以上含まれるが、波長と強度値との組み合わせの情報が多い方が、後述の分析の精度が向上する。また、分光情報とは、任意の波長における光強度情報の集合体である。具体的な例としては、反射光強度、透過光強度、吸光度などである。したがって、これを波長順に並べたものが反射光スペクトル、透過光スペクトル、吸光度スペクトルとなる。検出部２０では、反射光スペクトル、透過光スペクトル及び吸光度スペクトルのいずれかを分光スペクトルとして取得する。なお、反射光には、拡散反射光、直接反射光等が含まれる。
検出部２０は、分光器２１（分光手段）と検出器２２とを含む。検出部２０の分光器２１は、透過光Ｌ２として入射した光を波長後に分光する機能を有する。分光器２１としては、例えば、波長選択フィルタ、干渉光学系、回折格子、又はプリズムを用いることができる。分光器２１を上記の手段から選択する構成とした場合、検出部２０において対象物３からの光を好適に分光した上で分光スペクトルを取得することができるため、光源部１０に用いることが可能な光源の選択肢を広げることができる。
検出部２０の検出器２２としては、例えば、水銀、カドミウム及びテルルからなるＭＣＴ検出器、ＩｎＧａＡｓ検出器等を用いることができる。本実施形態では、対象物３からの透過光Ｌ２を受光し、分光器２１によって分光した後に検出器２２において透過光スペクトルを対象物３に係る分光スペクトルとして取得する構成を示している。この場合、検出部２０は、対象物３を挟んで光源部１０と対向する位置に設けられる。なお、対象物３からの拡散反射光スペクトルを分光スペクトルとして取得する場合には、光源部１０及び検出部２０は対象物３に対して同じ側に設けられる。検出部２０で検出した分光スペクトルの情報は分析部３０へ送られる。
また、検出部２０は、ハイパースペクトル画像を取得するハイパースペクトルセンサであってもよい。ハイパースペクトル画像とは、一画素がＮ個の波長データにより構成されている画像であり、画素毎にそれぞれ複数の波長に対応した反射強度データからなるスペクトル情報が含まれている。すなわち、ハイパースペクトル画像は、画像を構成する画素毎に、それぞれ複数波長の強度データを持つという特徴から、画像としての二次元的要素と、スペクトルデータとしての要素をあわせ持った三次元的構成のデータである。なお、本実施形態では、ハイパースペクトル画像とは、１画素あたり少なくとも５つの波長帯域における強度データを保有している画素によって構成された画像のことをいう。
なお、本実施形態では、検出部２０では、対象物３からの透過光Ｌ２を分光した上で分光スペクトルを取得する構成について説明したが、検出部２０において分光スペクトルを取得するための構成は上記に限定されない。例えば、光源部１０の光源から出射する光の波長が可変である構成としてもよい。この場合、測定光Ｌ１の波長が変化するので、検出部２０では測定光Ｌ１の波長変化に対応して対象物３の細胞から出射される透過光Ｌ２を順次検出することで対象物３の細胞に係る分光スペクトルを取得することができる。このように、対象物３の細胞に係る分光スペクトルを取得するための光源部１０及び検出部２０の構成は適宜変更することができる。
分析部３０は、検出部２０から送られる対象物３に係る分光スペクトルの情報を受け取り、演算処理等を行うことで、対象物３が腫瘍細胞であるか否かを判定する機能を有する。分析部３０により、吸収スペクトルの導出、測定スペクトルの２階微分スペクトルの導出、吸収スペクトルの２階微分スペクトルの導出等を行ってもよい。
分析部３０は、ＣＰＵ（Central Processing Unit）、主記憶装置であるＲＡＭ（Random Access Memory）及びＲＯＭ（Read Only Memory）、検出ユニット等の他の機器との間の通信を行う通信モジュール、並びにハードディスク等の補助記憶装置等のハードウェアを備えるコンピュータとして構成される。そして、これらの構成要素が動作することにより、分析部３０としての機能が発揮される。
図２は、腫瘍細胞検出装置１の他の構成を説明する図である。図２では、対象物３である細胞が血液又血液由来の液体中に分散した状態で腫瘍細胞検出装置１による検出を行っている。この場合、対象物３である細胞を含む液体（血液又は血液由来の液体）を収容した試料管５から、試料管５に接続された流路５１に沿って細胞を含む液体が供給される。流路５１においては対象物３である細胞が液体中に分散した状態となるように内径等が調整されることで、流路５１に沿って細胞が１つずつ光源部１０と検出部２０との間に移動する。したがって、腫瘍細胞検出装置１では、液体中の細胞に係る測定を個別に行うことができる。
図２に示す構成の場合には、流路５１に沿って流れる液体中の対象物３に対して測定光Ｌ１を照射することにより対象物３から出射される透過光Ｌ２を検出部２０で検出する。このように、対象物３に対して測定光Ｌ１を照射するための構成及び対象物３からの透過光Ｌ２を検出するための構成は適宜変更することができる。また、腫瘍細胞検出装置１では、複数の細胞に係る測定を同時に行う構成とすることもできる。この場合には、検出部２０において、複数の細胞に係る分光スペクトルを同時に取得する構成とすることもできる。ただし、対象物３である細胞が腫瘍細胞であるか否かの判定は、細胞単位で行われる。このように、光源部１０及び検出部２０の構成は適宜変更することができる。
次に、腫瘍細胞検出装置１による検査方法について、図３を参照しながら説明する。腫瘍細胞検出装置１では、検査の対象物３である細胞に対して測定光Ｌ１を照射することで、当該細胞に係る拡散反射スペクトル又は透過スペクトルを対象物３の分光スペクトル取得する工程（Ｓ０１）と、取得工程で得られた分光スペクトルに基づいて、対象物３である細胞が腫瘍細胞であるか否かを判定する工程（Ｓ０２：分析工程）と、判定結果を出力する工程（Ｓ０３）と、を含む。分光スペクトルを取得する工程（Ｓ０１）では、光源部１０から対象物３に対して、測定光Ｌ１が照射される。光源部１０から照射された測定光Ｌ１は、対象物３へ入射する。対象物３を透過した光のうち、検出部２０の方向に進む透過光Ｌ２は、検出部２０へ到達し、検出部２０において、対象物３に係る分光スペクトルとしての透過スペクトルが取得される。そして、腫瘍細胞か否かの判定を行う工程（Ｓ０２）では、検出部２０で得られ分析部３０へ送られた分光スペクトル（透過スペクトル）に基づいて、対象物３の細胞に係る処理が行われる。
ここで、本実施形態に係る腫瘍細胞検出装置１による腫瘍細胞検出方法では、対象物３である細胞の分光スペクトルに基づいて腫瘍細胞であるか否かを判定する際に、統計的手法、機械学習又はパターン認識を用いることを特徴とする。この点について、具体的に説明する。
図４は、培養がん細胞（腫瘍細胞）、赤血球、及びリンパ球の近赤外光の波長帯域における分光スペクトル（１０００ｎｍ〜２２００ｎｍ）の例である。図４（Ａ）は培養がん細胞の分光スペクトルであり、図４（Ｂ）は赤血球の分光スペクトルであり、図４（Ｃ）はリンパ球の分光スペクトル（吸光度スペクトル）である。なお、図４（Ａ）〜図４（Ｃ）に示す分光スペクトルは、それぞれ、光量１００％の基準スペクトル及び光量０％の基準スペクトルを用いて、各波長での吸光度を変換した後にプロットしたスペクトルである。培養がん細胞、赤血球、及びリンパ球は、いずれも血液中に含まれる細胞であるが、図４（Ａ）〜図４（Ｃ）に示すように、分光スペクトルの形状や特定の波長での吸光度等に基づいてこれらを分類することは困難である。これに対して、統計的手法、機械学習又はパターン認識を用いることで、腫瘍細胞を他の細胞を分離する。
統計的手法としては、例えば、主成分分析、因子分析等を用いることができる。また、機械学習としては、例えば、サポートベクトルマシン等を用いることができる。また、パターン認識としては、例えば、ＭＴ法等を用いることができる。
本実施形態では、腫瘍細胞を特定するための解析手法として、主成分分析（ＰＣＡ：Principal Component Analysis）を用いる場合について説明する。具体的には、図４（Ａ）〜図４（Ｃ）に示した３種類の細胞、すなわち、培養がん細胞（腫瘍細胞）、赤血球、及びリンパ球に係る吸光度スペクトルを複数取得し、これらの吸光度スペクトルを用いた主成分分析に基づいて腫瘍細胞を特定することが可能であるかを確認した。
具体的には、培養がん細胞（腫瘍細胞）及び血液細胞（赤血球及びリンパ球）の吸光度スペクトルに基づいた主成分分析を行うことで、各吸光度スペクトルの特徴に関係する第１主成分及び第２主成分を求めた。さらに、各吸光度スペクトルにおける第１主成分のスコア値及び第２主成分のスコア値を算出し、プロットした。その結果を図５に示す。
主成分分析に用いた各吸光度スペクトルから求められる第１主成分及び第２主成分のスコア値をプロットすると、図５に示すように、培養がん細胞（ＰＣ１４）と、赤血球と、リンパ球とは互いに異なる群に分類することができる。なお、赤血球とリンパ球とは一部重複している部分があるが、培養がん細胞（腫瘍細胞）と血液細胞（赤血球及びリンパ球）とは明確に区別することが確認できた。このように腫瘍細胞と血液細胞とを明確に区別することができると、両者を分類するための境界条件を特定することができる。
したがって、種類が未知の細胞について腫瘍細胞であるか否かの判定を行う際には、上記のように、種類が既知である複数の細胞の分光スペクトルを利用して主成分分析を行い、第１主成分及び第２主成分を特定すると共に腫瘍細胞であるか否かを判定するための境界条件を求めておく。その後、判定の対象となる細胞の分光スペクトルに係る第１主成分と第２主成分に対応するスコア値を求め、境界条件との対比によってその細胞が腫瘍細胞であるか否かの判定を行う。
このように、腫瘍細胞検出装置１及び腫瘍細胞検出方法によれば、対象物の細胞が腫瘍細胞であるか否かの判定を非接触的に行うことができる。すなわち、種類が未知の細胞の中から腫瘍細胞を非接触的に検出することが可能となる。
なお、図５では、波長帯域１０００ｎｍ〜２２００ｎｍにおける分光スペクトルを利用してがん細胞と血液細胞とを区別した例について説明したが、分光スペクトルの波長帯域を変更した場合でも、主成分分析を利用してがん細胞と血液細胞とを区別することが可能である。図６〜図８において他の分析例を示す。
図６は、波長帯域１２００ｎｍ〜１５００ｎｍにおける分光スペクトルを利用してがん細胞と血液細胞とを区別した例である。また、図７は、波長帯域１５００ｎｍ〜１８００ｎｍにおける分光スペクトルを利用してがん細胞と血液細胞とを区別した例である。また、図６は、波長帯域１８００ｎｍ〜２１００ｎｍにおける分光スペクトルを利用してがん細胞と血液細胞とを区別した例である。図６〜図８に示す分析例で使用した分光スペクトルは図５での分析例と同じであり、分析を行う対象とした波長帯域を変更したものである。いずれの分析例においても、腫瘍細胞と血液細胞（赤血球及びリンパ球）とは明確に区別することが確認できた。このように、主成分分析を行う際に利用する分光スペクトルの波長帯域は特に限定されず、適宜変更することができる。
また、腫瘍細胞検出装置１及び腫瘍細胞検出方法による腫瘍細胞の検出は、腫瘍細胞における特定の波長における吸光度等を利用したものではなく、腫瘍細胞と他の細胞（血液細胞）との分光スペクトルの形状の違いを利用したものである。したがって、上記実施形態では主成分分析を行うことで、腫瘍細胞を検出した例について説明したが、分光スペクトルの形状の違いに基づいた分類を行うことができる他の手法、すなわち、統計的手法、機械学習又はパターン認識を用いても、腫瘍細胞の検出が可能である。
例えば、サポートベクトルマシンを用いて血液細胞とそれ以外の細胞の２群に分離する場合には、種類が既知である細胞の分光スペクトルとして、血液細胞及び腫瘍細胞の分光スペクトルを予め取得する。そして、２種類の分光スペクトルを教師データとして、サポートベクトルマシンを用いて、判別関数及び判別閾値を作成する。その後、種類が未知である分析対象の細胞の分光スペクトルを取得し、解析を行う。このとき、分析対象の細胞の分光スペクトルと判別関数を掛け合わせた結果と、判別閾値とを比較することにより、その細胞が腫瘍細胞であるか否かを判定することができる。このように、分光スペクトルを用いて、統計的手法、機械学習又はパターン認識を用いて腫瘍細胞と血液細胞とを分離することができる。
さらに、上記では近赤外光の波長域における分光スペクトルを利用した分析について説明したが、その他の波長域においても腫瘍細胞と他の細胞との間で分光スペクトルの形状は変化する。したがって、他の波長域の光に対する分光スペクトルを利用した場合でも、上記の例と同様に腫瘍細胞を検出することが可能である。
上記の腫瘍細胞検出装置１及び腫瘍細胞検出方法による作用効果について説明する。従来は、血液中の種々の細胞から腫瘍細胞を検出するためには、特定のマーカータンパク質により腫瘍細胞を染色する必要があった。しかしながら、上記の腫瘍細胞検出装置１及び腫瘍細胞検出方法においては、主に両者の細胞骨格の違いから生じると考えられる分光スペクトルの差異に着目することでの区別を実現している。すなわち、特定のマーカータンパクに依存しないことより、理論的にはすべての腫瘍細胞を検出することが可能となる。
また、従来の手法では抗体を使うため、対象となる細胞におけるマーカータンパク質の発現量に検出能力が依存する。このため細胞種によっては検出が困難なものがあることが明らかになっていた。これに対して、上記の腫瘍細胞検出装置１及び腫瘍細胞検出方法では、分光スペクトルにおける血液細胞と腫瘍細胞との違いを利用して両者を判別する。したがって、マーカータンパク質の発現が少ない腫瘍細胞も検出することが可能となる。
例えば、上記の図５〜図８の分析例で用いた分光スペクトルの取得に利用した培養がん細胞（ＰＣ１４）は、培養細胞株の中でも従来から用いられている装置で抗体を使用した検出に利用するマーカータンパク質の発現量が少ない細胞株である。すなわち、従来の手法では検出が困難な細胞である。しかしながら、上記の腫瘍細胞検出装置１及び腫瘍細胞検出方法を用いることで、マーカータンパク質の多寡によらず血液細胞との分離が可能となることが確認された。このように、上記の腫瘍細胞検出装置１及び腫瘍細胞検出方法では、腫瘍細胞の種類によらず、検出精度が向上すると考えられる。
さらに、上記の腫瘍細胞検出装置１及び腫瘍細胞検出方法では、分光スペクトルを取得するのみで腫瘍細胞を検出できるため、非接触・非侵襲で腫瘍細胞を検出することが可能である。したがって、細胞にマーカータンパク質等の標識物質を付着する必要がないため、以降の検査、解析、研究において損傷の少ない細胞を使用することができる。
腫瘍細胞を非接触に検出することが可能となると、従来から行われている腫瘍細胞数の検出に限定されず、腫瘍細胞を用いたＤＮＡ解析やタンパク質解析が大きく促進されることが予想される。また、上記実施形態で説明した手法を用いると、腫瘍細胞に関して、従来よりも信頼性の高いデータを得ることが可能となると考えられる。したがって、実地臨床でのがん診断におけるスタンダードである腫瘍組織を用いた診断の代替診断として、ＣＴＣ等の血中の腫瘍細胞を用いた診断の臨床応用の可能性が広がることが期待される。また血液中の細胞から腫瘍細胞を検出することが容易になると、回収した腫瘍細胞を用いてのがん基礎研究の発展やその成果としての新規治療標的の同定等も期待される。研究及び医療機器として上記の腫瘍細胞検出装置１及び腫瘍細胞検出方法が実用化された場合には、研究を実施している研究機関やがん診療における基幹病院への導入が期待できることより、大きな経済的効果が期待できると考える。
なお、本発明に係る腫瘍細胞検出装置１及び腫瘍細胞検出方法は上記実施形態に限定されない。例えば、上記実施形態のように腫瘍細胞検出装置１が光源部１０、検出部２０及び分析部３０を備えている構成には限定されず、その構成は適宜変更することができる。また、腫瘍細胞検出方法は、腫瘍細胞検出装置１のように光源部１０及び検出部２０を備えていない装置においても実施することができる。すなわち、他の装置で取得した分光スペクトルを利用して分析を行う構成であってもよい。
１…腫瘍細胞検出装置、２…測定台、３…対象物、５…試料管、１０…光源部、２０…検出部、３０…分析部。

Claims (7)

  1. 試料に含まれる細胞を測定することにより得られた当該細胞に係る分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、当該細胞が腫瘍細胞であるか否かを判定する分析工程を有する腫瘍細胞検出方法。
  2. 前記分光スペクトルは、近赤外光の波長帯域におけるスペクトルである請求項１に記載の腫瘍細胞検出方法。
  3. 前記細胞は、血液に含まれる細胞であって、
    前記分析工程において、腫瘍細胞及びその他の血液中の細胞を測定することにより得られた複数の分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、腫瘍細胞であるか否かを判定するための境界条件を算出し、前記細胞を測定することにより得られた分光スペクトルと前記境界条件とに基づいて、前記細胞が腫瘍細胞であるか否かを判定する請求項１又は２に記載の腫瘍細胞検出方法。
  4. 試料に含まれる細胞に対して測定光を照射する光源部と、
    前記光源部からの前記測定光の照射によって出射される前記細胞からの透過光又は反射光を受光することで当該細胞に係る分光スペクトルを取得する検出部と、
    前記検出部において取得された前記分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、当該細胞が腫瘍細胞であるか否かを判定する分析部と、
    を有する腫瘍細胞検出装置。
  5. 前記検出部は、前記分光スペクトルとして近赤外光の波長帯域におけるスペクトルを取得する請求項４に記載の腫瘍細胞検出装置。
  6. 前記細胞は、血液に含まれる細胞であって、
    前記分析部は、腫瘍細胞及びその他の血液中の細胞を測定することにより得られた複数の分光スペクトルに基づいて、統計的手法、機械学習又はパターン認識により、腫瘍細胞であるか否かを判定するための境界条件を算出しておき、前記試料に含まれる細胞を測定することにより得られた分光スペクトルと前記境界条件とに基づいて、前記細胞が腫瘍細胞であるか否かを判定する請求項４又は５に記載の腫瘍細胞検出装置。
  7. 前記検出部は、前記細胞からの透過光又は反射光を分光する分光手段を有し、
    前記分光手段は、波長選択フィルタ、干渉光学系、回折格子、又はプリズムである請求項４〜６のいずれか一項に記載の腫瘍細胞検出装置。
JP2016093841A 2016-05-09 2016-05-09 腫瘍細胞検出方法及び腫瘍細胞検出装置 Pending JP2017203637A (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2016093841A JP2017203637A (ja) 2016-05-09 2016-05-09 腫瘍細胞検出方法及び腫瘍細胞検出装置
CN201780028246.1A CN109073547A (zh) 2016-05-09 2017-05-09 肿瘤细胞检测方法和肿瘤细胞检测装置
PCT/JP2017/017529 WO2017195772A1 (ja) 2016-05-09 2017-05-09 腫瘍細胞検出方法及び腫瘍細胞検出装置
EP17796133.1A EP3457116A1 (en) 2016-05-09 2017-05-09 Tumor cell detection method and tumor cell detection device
US16/182,644 US20190072484A1 (en) 2016-05-09 2018-11-07 Tumor cell detection method and tumor cell detection device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016093841A JP2017203637A (ja) 2016-05-09 2016-05-09 腫瘍細胞検出方法及び腫瘍細胞検出装置

Publications (1)

Publication Number Publication Date
JP2017203637A true JP2017203637A (ja) 2017-11-16

Family

ID=60267992

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016093841A Pending JP2017203637A (ja) 2016-05-09 2016-05-09 腫瘍細胞検出方法及び腫瘍細胞検出装置

Country Status (5)

Country Link
US (1) US20190072484A1 (ja)
EP (1) EP3457116A1 (ja)
JP (1) JP2017203637A (ja)
CN (1) CN109073547A (ja)
WO (1) WO2017195772A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6392476B1 (ja) * 2018-03-19 2018-09-19 大輝 中矢 生体組織解析装置および生体組織解析プログラム
JP2020034551A (ja) * 2018-08-24 2020-03-05 国立大学法人鳥取大学 細胞識別装置及び細胞識別方法
CN111257558A (zh) * 2020-01-19 2020-06-09 江苏省人民医院（南京医科大学第一附属医院） 基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法
WO2021015604A1 (ko) * 2019-07-25 2021-01-28 서울바이오시스주식회사 광 조사 장치
WO2021256514A1 (ja) * 2020-06-17 2021-12-23 大輝 中矢 生体細胞解析装置、生体細胞解析システム、生体細胞解析プログラムおよび生体細胞解析方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220270245A1 (en) * 2019-07-24 2022-08-25 Saitama Medical University Estimator learning device, estimator learning method, and estimator learning program
CN113189040A (zh) * 2021-04-28 2021-07-30 北京大学第三医院（北京大学第三临床医学院） 高效无损检测样本中肿瘤细胞数量与活性的方法与系统
CN115791640B (zh) * 2023-02-06 2023-06-02 杭州华得森生物技术有限公司 基于分光光谱的肿瘤细胞检测设备及其方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS50832A (ja) 1973-04-28 1975-01-07
CA2035603C (en) * 1991-02-04 1998-08-04 Patrick T.T. Wong A method of detecting the presence of anomalies exfoliated cells using infrared spectroscopy
US5991028A (en) * 1991-02-22 1999-11-23 Applied Spectral Imaging Ltd. Spectral bio-imaging methods for cell classification
US5596992A (en) * 1993-06-30 1997-01-28 Sandia Corporation Multivariate classification of infrared spectra of cell and tissue samples
US5733739A (en) * 1995-06-07 1998-03-31 Inphocyte, Inc. System and method for diagnosis of disease by infrared analysis of human tissues and cells
US6031232A (en) * 1995-11-13 2000-02-29 Bio-Rad Laboratories, Inc. Method for the detection of malignant and premalignant stages of cervical cancer
CN1890557A (zh) * 2003-11-28 2007-01-03 Bc肿瘤研究所 根据拉曼和背景荧光谱多峰检测组织异常
CN101147055A (zh) * 2005-01-31 2008-03-19 伊利诺伊大学评议会 用于表征清澈和混浊介质中的颗粒的方法和设备
JP5047962B2 (ja) * 2006-07-06 2012-10-10 株式会社疲労科学研究所 近赤外光を用いたガン、全身性エリテマトーデス（ｓｌｅ）又は抗リン脂質抗体症候群に関する検査・診断装置の作動方法
US9025850B2 (en) * 2010-06-25 2015-05-05 Cireca Theranostics, Llc Method for analyzing biological specimens by spectral imaging
US8941062B2 (en) * 2010-11-16 2015-01-27 1087 Systems, Inc. System for identifying and sorting living cells
JP2012022002A (ja) 2011-09-12 2012-02-02 Veridex Llc 循環腫瘍細胞を用いる転移性乳癌患者の療法中の各追跡期間ポイントでの無増悪および全生存を予測する方法
JP6183826B2 (ja) * 2013-03-12 2017-08-23 国立大学法人 筑波大学 光散乱体の光学的測定方法、光学的測定装置及び光学的記録媒体
JP2015102542A (ja) * 2013-11-28 2015-06-04 住友電気工業株式会社 生体検査装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6392476B1 (ja) * 2018-03-19 2018-09-19 大輝 中矢 生体組織解析装置および生体組織解析プログラム
WO2019181845A1 (ja) 2018-03-19 2019-09-26 一般財団法人未来科学研究所 生体組織解析装置、生体組織解析プログラムおよび生体組織解析方法
JP2019163981A (ja) * 2018-03-19 2019-09-26 大輝 中矢 生体組織解析装置および生体組織解析プログラム
US11499958B2 (en) 2018-03-19 2022-11-15 Daiki NAKAYA Biological tissue analyzing device, biological tissue analyzing program, and biological tissue analyzing method
JP2020034551A (ja) * 2018-08-24 2020-03-05 国立大学法人鳥取大学 細胞識別装置及び細胞識別方法
JP7204121B2 (ja) 2018-08-24 2023-01-16 国立大学法人鳥取大学 細胞識別装置及び細胞識別方法
WO2021015604A1 (ko) * 2019-07-25 2021-01-28 서울바이오시스주식회사 광 조사 장치
CN111257558A (zh) * 2020-01-19 2020-06-09 江苏省人民医院（南京医科大学第一附属医院） 基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法
CN111257558B (zh) * 2020-01-19 2021-08-24 江苏省人民医院（南京医科大学第一附属医院） 基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法
WO2021256514A1 (ja) * 2020-06-17 2021-12-23 大輝 中矢 生体細胞解析装置、生体細胞解析システム、生体細胞解析プログラムおよび生体細胞解析方法
JP7427289B2 (ja) 2020-06-17 2024-02-05 Ｍｉｌｋ．株式会社 生体細胞解析装置、生体細胞解析システム、生体細胞解析プログラムおよび生体細胞解析方法

Also Published As

Publication number Publication date
EP3457116A4 (en) 2019-03-20
CN109073547A (zh) 2018-12-21
WO2017195772A1 (ja) 2017-11-16
US20190072484A1 (en) 2019-03-07
EP3457116A1 (en) 2019-03-20

Similar Documents

Publication Publication Date Title
WO2017195772A1 (ja) 腫瘍細胞検出方法及び腫瘍細胞検出装置
Nissim et al. Real‐time stain‐free classification of cancer cells and blood cells using interferometric phase microscopy and machine learning
US8241238B2 (en) Cell selection apparatus
JP4982385B2 (ja) イメージングフローサイトメータを使用した血液及び細胞の分析
US3916197A (en) Method and apparatus for classifying biological cells
Agsalda-Garcia et al. Raman-enhanced spectroscopy (RESpect) probe for childhood non-Hodgkin lymphoma
US11280720B2 (en) Cell analysis method, cell analyzer and sample screening method
US20110028808A1 (en) Method and apparatus for examination of cancer, systemic lupus erythematosus (sle), or antiphospholipid antibody syndrome using near-infrared light
JP3248905B2 (ja) 水分含量を有する生物学的物質の分析方法
EP2843410B1 (en) Sample analyzing method and sample analyzer
WO2016080442A1 (ja) 品質評価方法及び品質評価装置
CN103604737A (zh) 一种自动化血细胞识别装置及工作方法
CN108474691A (zh) 基于拉曼的免疫测定系统和方法
US10585033B2 (en) Microparticle measuring device and microparticle analysis method
CN112204378A (zh) 活体组织解析装置、活体组织解析程序以及活体组织解析方法
Borek-Dorosz et al. Raman-based spectrophenotyping of the most important cells of the immune system
Happillon et al. Diagnosis approach of chronic lymphocytic leukemia on unstained blood smears using Raman microspectroscopy and supervised classification
KR102500220B1 (ko) 3차원 굴절률 영상과 인공지능을 이용한 세포의 세부 분류 구분 방법 및 장치
Song et al. Micro ATR-FTIR spectroscopic imaging of colon biopsies with a large area Ge crystal
Verdonck et al. Label-free phenotyping of peripheral blood lymphocytes by infrared imaging
Ciobanu et al. Potential of Raman spectroscopy for blood-based biopsy
Akalin et al. Resolving interobserver discrepancies in lung cancer diagnoses by spectral histopathology
US20230258554A1 (en) A system and method thereof for real-time automatic label-free holography-activated sorting of cells
Nowakowska et al. Reliable cell preparation protocol for Raman imaging to effectively differentiate normal leukocytes and leukemic blasts
US20170219568A1 (en) Method and device for quality controlling a blood-based product