JP2021016359A - 情報処理装置、細胞培養システム、情報処理方法、及びコンピュータプログラム - Google Patents

Abstract

【課題】個別に細胞、細胞凝集塊、及び/又は組織の状態を管理し、好適に培養条件を調整することができる情報処理装置等を提供する。【解決手段】情報処理装置は、管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得する第１取得部と、前記個別の細胞の前記細胞情報に基づいて生成された前記個別の細胞の品質情報を取得する第２取得部と、前記個別の細胞の前記品質情報を出力する第１出力部とを備える。【選択図】図１

Description

本技術は、情報処理装置、細胞培養システム、情報処理方法、及びコンピュータプログラムに関する。

近年、人工多能性幹細胞（ｉＰＳ：induced pluripotent stem cell )細胞の研究開発が、再生医療の一環として進められている。ｉＰＳ細胞は、胚性幹細胞（ＥＳ細胞）のように、多くの細胞に分化できる分化万能性を持つ。ｉＰＳ細胞を培養し、培養したｉＰＳ細胞を目的の細胞へと分化させ、機能に問題がある組織や器官を、得られた分化細胞によって再生するといったような、様々な再生医療への応用が期待されている。細胞を分化させるプロセスにおいては、所望する品質を満たす細胞を得るために、個別に細胞の状態を管理し、好適に培養条件を調整することが望ましい。

細胞のバイオリアクターとして、タンク型のバイオリアクターが用いられている。タンク型バイオリアクターでは、バイオリアクター内の培養状態を均一に保つ為、培地を撹拌機で攪拌する。そして、定期的に培地内の細胞及び周囲環境などの測定を行い、得られた測定結果に応じて、目的の細胞を得るために必要な培養条件の調整を行う。特許文献１には、培地の流れの数値シミュレーションによりバイオリアクター内の任意の点の状態を計算して好適に運転できるバイオリアクターの制御装置及び培養装置が開示されている。

特開２００６−２９６４２３号公報

特許文献１では、タンク型バイオリアクターに一又は数箇所限定された箇所に設けられたサンプリング箇所から得られるサンプルの測定結果に基づいて、流れの数値シミュレーションをおこない、タンク型バイオリアクター全体の調整を行う。このようなタンク型バイオリアクターでは、一度に大量の細胞を得ることができる一方で、細胞又は培地の調整はバイオリアクター全体に対しておこなわれるため、個々の細胞の状態を管理することは難しい。

本開示は斯かる事情に鑑みてなされたものであり、その目的とするところは、個別に細胞、細胞凝集塊、及び/又は組織の状態を管理し、好適に培養条件を調整することができる情報処理装置等を提供することにある。

本開示の一態様に係る情報処理装置は、管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得する第１取得部と、前記個別の細胞の前記細胞情報に基づいて生成された前記個別の細胞の品質情報を取得する第２取得部と、前記個別の細胞の前記品質情報を出力する第１出力部とを備える。

ここで、細胞には単細胞、細胞凝集塊、組織、又はこれらの組み合わせを含む。上記構成によれば、個別に細胞の状態を管理し、好適に培養条件を調整することができる。

上述の情報処理装置において、前記第２取得部は、個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する第１学習モデルに、前記第１取得部により取得した前記個別の細胞の前記細胞情報を入力して、出力される前記個別の細胞の前記品質情報を取得してもよい。
上記構成によれば、細胞の細胞情報に対する適切な細胞の品質情報の推定をコンピュータに実行させることができる。

上述の情報処理装置において、前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に基づいて生成された前記個別の細胞の培養条件の調整情報を取得する第３取得部と、前記個別の細胞の培養条件の前記調整情報を出力する第２出力部と、前記調整情報に基づいて、前記管型バイオリアクターの前記第一位置より下流に位置する第二位置で、前記個別の細胞の培養条件を調整する調整部とを備えてもよい。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

上述の情報処理装置において、前記第３取得部は、個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に個別の細胞の培養条件の調整情報を出力する第２学習モデルに、前記第１取得部により取得した前記個別の細胞の前記細胞情報又は前記第２取得部により取得した前記個別の細胞の前記品質情報を入力して、出力される前記個別の細胞の培養条件の前記調整情報を取得してもよい。
上記構成によれば、細胞情報又は品質情報に基づく適切な調整情報の推定をコンピュータに実行させることができる。

上述の情報処理装置において、前記個別の細胞に対して、前記調整部における処理がなされたのち、前記管型バイオリアクター内を循環した前記個別の細胞の前記細胞情報を、再度前記第１取得部において取得するように構成されてもよい。
上記構成によれば、細胞情報の取得及び培養条件の調整を繰り返し行うことができる。

上述の情報処理装置において、前記細胞情報、前記品質情報、及び前記調整情報から選択される少なくとも１種の情報を表示する表示部を備えてもよい。
上記構成によれば、ユーザは情報を表示部にて認識することができる。

上述の情報処理装置において、前記調整情報は、細胞の排出命令、細胞凝集塊の排出命令、組織の排出命令、培地中の溶存酸素濃度の調整命令、培地の温度調整命令、培地の添加命令、培地の排出命令、及び試薬の添加命令から選択される少なくとも１種の情報であってもよい。
上記構成によれば、好適な培養条件の調整情報を取得することができる。

上述の情報処理装置において、前記細胞情報は、対象となる培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度、細胞の形状、細胞凝集塊の形状、組織の形状、細胞凝集塊の内部構造、組織の内部構造、細胞のサイズ、細胞凝集塊のサイズ、及び組織のサイズから選択される少なくとも１種の情報であってもよい。
上記構成によれば、好適な細胞の品質情報又は培養条件の調整情報を取得することができる。

上述の情報処理装置において、前記品質情報は、細胞の未分化率、分化能、分化率、増殖能、及び細胞数から選択される少なくとも１種の情報であってもよい。
上記構成によれば、好適な培養条件の調整情報を取得することができる。

本開示の一態様に係る細胞培養システムは、個別の細胞が通流する通流管を有する管型バイオリアクターと、前記個別の細胞の細胞情報を検知するセンサと、前記情報処理装置とを備える。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本開示の一態様に係る情報処理方法は、管型バイオリアクター内の第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する学習モデルに、取得した前記個別の細胞の前記細胞情報を入力して、前記個別の細胞の前記品質情報を出力する。
上記構成によれば、細胞情報に対する適切な品質情報の推定をコンピュータに実行させることができる。

本開示の一態様に係る情報処理方法は、個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に該個別の細胞の培養条件の調整情報を出力する学習モデルに、取得した前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報を入力して、前記個別の細胞の培養条件の前記調整情報を出力する。
上記構成によれば、細胞情報又は品質情報に基づく適切な調整情報の推定をコンピュータに実行させることができる。

本開示の一態様に係る情報処理方法は、管型バイオリアクター内の第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する第１学習モデルに、取得した前記個別の細胞の前記細胞情報を入力して、前記個別の細胞の前記品質情報を出力し、個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に該個別の細胞の培養条件の調整情報を出力する第２学習モデルに、取得した前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報を入力して、前記個別の細胞の培養条件の前記調整情報を出力し、前記個別の細胞の培養条件の前記調整情報に応じて、前記管型バイオリアクターの前記第一位置より下流に位置する第二位置で、前記個別の細胞の培養条件を調整する。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本開示の一態様に係る情報処理方法は、管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、前記個別の細胞の前記細胞情報に応じた前記個別の細胞の品質情報を取得し、取得した前記個別の細胞の前記品質情報を出力する。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

上述の情報処理方法において、前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に応じた前記個別の細胞の培養条件の調整情報を取得し、取得した前記個別の細胞の培養条件の前記調整情報を出力してもよい。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本開示の一態様に係るコンピュータプログラムは、コンピュータに、管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、前記個別の細胞の前記細胞情報に応じた前記個別の細胞の品質情報を取得し、前記個別の細胞の前記品質情報を出力する処理を実行させる。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

上述のコンピュータプログラムにおいて、前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に応じた前記個別の細胞の培養条件の調整情報を取得し、前記個別の細胞の培養条件の前記調整情報を出力する処理を実行させてもよい。上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本開示に係る情報処理装置等にあっては、個別に細胞、細胞凝集塊、及び/又は組織の状態を管理し、好適に培養条件を調整することができる。

実施の形態１における細胞培養システムの概要を示す説明図である。 実施の形態１における細胞培養システムの構成を示すブロック図である。 出力情報ＤＢの内容例を示す図である。 細胞識別情報ＤＢの内容例を示す図である。 細胞情報ＤＢの内容例を示す図である。 品質情報ＤＢの内容例を示す図である。 調整情報ＤＢの内容例を示す図である。 実施の形態１に係る情報処理装置が実行する処理手順の一例を示すフローチャートである。 表示パネルに表示される表示画面の一例を示す模式図である。 表示パネルに表示される画面の一例を示す図である。 表示パネルに表示される画面の一例を示す図である。 実施の形態２における細胞培養システムの構成を示すブロック図である。 教師データＤＢの内容例を示す図である。 品質情報の学習処理に関する説明図である。 品質情報の学習処理の処理手順の一例を示すフローチャートである。 調整情報の学習処理に関する説明図である。 調整情報の学習処理の処理手順の一例を示すフローチャートである。 実施の形態２に係る情報処理装置が実行する処理手順の一例を示すフローチャートである。 実施の形態３における細胞培養システムの構成を示すブロック図である。 教師データＤＢの内容例を示す図である。 調整情報の学習処理に関する説明図である。 調整情報の学習処理の処理手順の一例を示すフローチャートである。 実施の形態３に係る情報処理装置が実行する処理手順の一例を示すフローチャートである。 実施の形態４における細胞培養システムの構成を示すブロック図である。

以下、本発明をその実施の形態を示す図面を参照して詳述する。本発明の実施形態では、一例として、ｉＰＳ細胞を培養し、分化誘導をおこなう場合について説明する。なおｉＰＳ細胞は一例であって、細胞の種類は限定されるものでない。

（実施の形態の概要）
本実施の形態に係る情報処理装置は、管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得する第１取得部と、前記個別の細胞の前記細胞情報に基づいて生成された前記個別の細胞の品質情報を取得する第２取得部と、前記個別の細胞の前記品質情報を出力する第１出力部とを備える。

上記構成によれば、個別に細胞の状態を管理し、好適に培養条件を調整することができる。ここで、以下の細胞には、単細胞に加え、細胞凝集塊、組織、又はこれらの組み合わせを含む。

細胞の細胞情報とは、細胞及び培地に関する情報であり、例えば後述する細胞の品質情報及び培養条件の調整情報の少なくとも一方を推定するために必要な情報のことである。例えば、培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度（アミノ酸、低分子化合物、又はタンパク質）、細胞、細胞凝集塊及び／又は組織の形状、細胞凝集塊及び組織の内部構造、並びに細胞、細胞凝集塊及び／又は組織のサイズ等が挙げられる。

個別の細胞の細胞情報は、各種センサを用いて連続的に検出される。例えば培地の温度は、温度センサで検知される。培地の温度は、細胞の成長に大きく影響する。培地のｐＨは、ｐＨセンサで検知される。培地のｐＨは、例えば培養細胞のアンモニア消費や細胞増殖後の代謝生成物の有機酸によって変化する。培地中の溶存酸素濃度は、溶存酸素センサで検知される。培地中の溶存酸素濃度は、例えば培養細胞の酸素消費によって変化する。物質濃度は、例えばアミノ酸、低分子化合物、又はタンパク質等の培地中の各物質の濃度であり、バイオセンサで検知される。培養細胞は培地中に様々な分泌物を分泌する。特に分化細胞は分化細胞特有の分泌物を分泌する。従って培地中の物質濃度は、細胞の成長変化に大きく影響する。例えば細胞、細胞凝集塊、及び／又は組織の形状並びにサイズは、明視野像撮像センサ又は位相差像撮像センサで検知される。例えば細胞凝集塊及び組織の内部構造は、光干渉断層像撮像センサで検知される。前記撮像センサの検知情報は、画像データで出力される。これらの画像データで得られる情報は、増殖及び分化状態に影響される。

各種センサの検知頻度は、例えば１秒間に１回〜１００００回である。なお、各種センサの検知頻度は、全て同じ頻度である必要はなく、各種センサ毎に異なる頻度であってよい。細胞の細胞情報は、対象となる細胞が第一位置を通過した時点のデータを採用し、同じタイミングで検知した各種センサの検知情報を、対象細胞の細胞情報として採用し出力、表示する。

細胞の品質情報とは、培養細胞の培養目的に応じた品質に関する情報であり、本実施の形態においては、細胞の分化状態に関する情報である。例えば、細胞の未分化率、分化率、分化能、増殖能、及び細胞数等が挙げられる。
細胞の未分化率とは、培養細胞の数に対する未分化細胞の数の割合のことである。細胞の分化率とは、培養細胞の数に対する分化細胞の数の割合のことである。細胞の分化能とは、培養細胞が目的細胞へ分化する能力のことである。細胞の増殖能とは、培養細胞が分裂する能力のことである。細胞数とは、培養細胞の総数である。

上述の情報処理装置において、前記第２取得部は、個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する第１学習モデルに、前記第１取得部により取得した前記個別の細胞の前記細胞情報を入力して、出力される前記個別の細胞の前記品質情報を取得してもよい。
上記構成によれば、細胞の細胞情報に対する適切な細胞の品質情報の推定をコンピュータに実行させることができる。

上述の情報処理装置において、前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に基づいて生成された前記個別の細胞の培養条件の調整情報を取得する第３取得部と、前記個別の細胞の培養条件の前記調整情報を出力する第２出力部と、前記調整情報に基づいて、前記管型バイオリアクターの前記第一位置より下流に位置する第二位置で、前記個別の細胞の培養条件を調整する調整部とを備えてもよい。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

培養条件の調整情報とは、細胞の品質情報に基づいて細胞及び培地の少なくとも一方に対して行う調整に関する情報である。例えば、細胞、細胞凝集塊及び／又は組織の排出命令、培地の排出命令、培地中の溶存酸素濃度の調整命令、培地の温度調整命令、培地のｐＨ調整命令、培地の添加命令、並びに試薬の添加命令等が挙げられる。

細胞の品質情報が所定の品質を満たさない場合には、例えば品質を満たすのに必要な培地、ガス、及び試薬の少なくとも何れか１つを添加する調整を行う。ガスの内容は限定されないが、例えば酸素、窒素、二酸化炭素及びアルゴンである。試薬の内容は限定されないが、例えば分化抑制剤、分化促進剤、タンパク質、アミノ酸、グルコース、及びアルカリ剤等である。また、培地中に分泌される細胞からの老廃物が多いと推定される場合には、培地の排出を行う。さらに、細胞、細胞凝集塊、及び/又は組織の排出を行ってもよい。

管型バイオリアクターの第一位置と第二位置との距離は、管型バイオリアクター内の第一位置において細胞の細胞情報を取得した後、適切な時間内に第二位置において細胞の培養条件の調整を行うことが可能である距離であり、例えば３０μｍ以上、１００ｍ以下である。

上述の情報処理装置において、前記第３取得部は、個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に個別の細胞の培養条件の調整情報を出力する第２学習モデルに、前記第１取得部により取得した前記個別の細胞の前記細胞情報又は前記第２取得部により取得した前記個別の細胞の前記品質情報を入力して、出力される前記個別の細胞の培養条件の前記調整情報を取得してもよい。
上記構成によれば、細胞情報又は品質情報に基づく適切な調整情報の推定をコンピュータに実行させることができる。

上述の情報処理装置において、前記個別の細胞に対して、前記調整部における処理がなされたのち、前記管型バイオリアクター内を循環した前記個別の細胞の前記細胞情報を、再度前記第１取得部において取得するように構成されてもよい。
上記構成によれば、細胞情報の取得及び培養条件の調整を繰り返し行うことができる。

上述の情報処理装置において、前記細胞情報、前記品質情報、及び前記調整情報から選択される少なくとも１種の情報を表示する表示部を備えてもよい。
上記構成によれば、ユーザは情報を表示部にて認識することができる。

上述の情報処理装置において、前記調整情報は、細胞の排出命令、細胞凝集塊の排出命令、組織の排出命令、培地中の溶存酸素濃度の調整命令、培地の温度調整命令、培地の添加命令、培地の排出命令、及び試薬の添加命令から選択される少なくとも１種の情報であってもよい。
上記構成によれば、好適な培養条件の調整情報を取得することができる。

上述の情報処理装置において、前記細胞情報は、対象となる培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度、細胞の形状、細胞凝集塊の形状、組織の形状、細胞凝集塊の内部構造、組織の内部構造、細胞のサイズ、細胞凝集塊のサイズ、及び組織のサイズから選択される少なくとも１種の情報であってもよい。
上記構成によれば、好適な細胞の品質情報又は培養条件の調整情報を取得することができる。

上述の情報処理装置において、前記品質情報は、細胞の未分化率、分化能、分化率、増殖能、及び細胞数から選択される少なくとも１種の情報であってもよい。
上記構成によれば、好適な培養条件の調整情報を取得することができる。

本実施の形態に係る細胞培養システムは、個別の細胞が通流する通流管を有する管型バイオリアクターと、前記個別の細胞の細胞情報を検知するセンサと、前記情報処理装置とを備える。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本実施の形態に係る情報処理方法は、管型バイオリアクター内の第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する学習モデルに、取得した前記個別の細胞の前記細胞情報を入力して、前記個別の細胞の前記品質情報を出力する。
上記構成によれば、細胞情報に対する適切な品質情報の推定をコンピュータに実行させることができる。

本実施の形態に係る情報処理方法は、個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に該個別の細胞の培養条件の調整情報を出力する学習モデルに、取得した前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報を入力して、前記個別の細胞の培養条件の前記調整情報を出力する。
上記構成によれば、細胞情報又は品質情報に基づく適切な調整情報の推定をコンピュータに実行させることができる。

本実施の形態に係る情報処理方法は、管型バイオリアクター内の第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する第１学習モデルに、取得した前記個別の細胞の前記細胞情報を入力して、前記個別の細胞の前記品質情報を出力し、個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に該個別の細胞の培養条件の調整情報を出力する第２学習モデルに、取得した前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報を入力して、前記個別の細胞の培養条件の前記調整情報を出力し、前記個別の細胞の培養条件の前記調整情報に応じて、前記管型バイオリアクターの前記第一位置より下流に位置する第二位置で、前記個別の細胞の培養条件を調整する。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本実施の形態に係る情報処理方法は、管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、前記個別の細胞の前記細胞情報に応じた前記個別の細胞の品質情報を取得し、取得した前記個別の細胞の前記品質情報を出力する。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本実施の形態に係る情報処理方法は、前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に応じた前記個別の細胞の培養条件の調整情報を取得し、取得した前記個別の細胞の培養条件の前記調整情報を出力する。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

本実施の形態に係るコンピュータプログラムは、コンピュータに、管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、前記個別の細胞の前記細胞情報に応じた前記個別の細胞の品質情報を取得し、前記個別の細胞の前記品質情報を出力する処理を実行させる。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

上述のコンピュータプログラムにおいて、前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に応じた前記個別の細胞の培養条件の調整情報を取得し、前記個別の細胞の培養条件の前記調整情報を出力する処理を実行させてもよい。
上記構成によれば、個別の細胞の状態に応じて、好適に培養条件を調整することができる。

以下、本発明をその実施の形態を示す図面を参照して具体的に説明する。

（実施の形態１）
図１は、実施の形態１における細胞培養システム１００の概要を示す説明図である。細胞培養システム１００は、管型バイオリアクター１、該管型バイオリアクター１に配されたセンサ２、及び情報処理装置３を含む。細胞培養システム１００では、管型バイオリアクター１で培養中の細胞情報がセンサ２で定期的に検知され、情報処理装置３により検知結果に基づく培養条件の調整情報が取得される。管型バイオリアクター１内の細胞は、取得した調整情報に基づき調整された培養条件の下で培養される。

管型バイオリアクター１は、制御装置１０、細胞（細胞凝集塊及び組織を含む）及び培地を含む細胞懸濁液が通流する通流管１３、前記細胞懸濁液を貯留するリザーバー１４、前記細胞懸濁液を運ぶポンプ１５を有する。制御装置は管型バイオリアクター１の各部の制御を行う。通流管１３は、例えば内径３０μｍ〜１ｃｍ、全長１ｃｍ〜１０ｋｍの小径の管であり、細胞非接着性の材料（例えばガラス、ＰＤＭＳ、ポリスチレン等）製である。通流管１３はじぐざぐ状を有し、ポンプ１５の吸込側と吐出側に接続されている。リザーバー１４内の前記細胞懸濁液は、ポンプ１５の動作により通流管１３へ供給され、該通流管１３内に満たされる。通流管１３内の前記細胞懸濁液は、ポンプ１５の動作により通流管１３内を循環し、前記細胞懸濁液中の細胞はこの循環の間に培養される。

ポンプ１５の種類は限定されるものではないが、例えば、渦巻ポンプ、タービンポンプ、軸流ポンプ、斜流ポンプ、カスケードポンプ、ピストンポンプ、プランジャーポンプ、ダイヤフラムポンプ、ウイングポンプ、ギヤーポンプ、偏心ポンプ、ネジポンプ等を用いてよい。

ポンプ１５の動作による、通流管１３内の細胞懸濁液の通流速度は、細胞の培養に適した速度であれば特に限定されるものではなく、例えば１μＬ／分〜１Ｌ／分である。通流する細胞の移動速度は、同様に細胞の培養に適した速度であれば特に限定されるものではなく、例えば１μｍ／分〜１０ｍ／分である。通流管１３の全長、細胞懸濁液の通流速度、及び細胞の移動速度は、通流管１３内を細胞が少なくとも１日に１周は循環し、１日に１回程度は個別の細胞の培養条件を調整可能であるように構成されることが望ましい。

ポンプ１５の吐出側寄りに位置する、通流管１３の第一位置１１には、センサ２が配されている。通流管１３の第一位置１１よりも下流で、ポンプ１５の吸込側寄り位置する第二位置１２には、注入部１６及び排出部１７が設けられている。注入部１６は、ポンプ１６３を介して複数の貯留タンク１６１と接続されている。貯留タンク１６１には、試薬、ガス、及び培地等が貯留されており、各貯留タンク１６１の出側には、注入弁１６２が設けられている。各注入弁１６２は、後述の調整情報に基づき開閉される。各注入弁１６２が開かれポンプ１６３が動作すると、貯留タンク１６１に貯留されている試薬又は培地が、注入部１６を介して通流管１３へ注入される。排出部１７には、排出弁１７２が設けられている。排出弁１７２は、後述の調整情報に基づき開閉される。排出弁１７２が開かれると、排出部１７を介して通流管１３から培地及び細胞が排出される。

センサ２は、細胞の細胞情報を検知する検知センサである。センサ２は、例えば、温度センサ、ｐＨセンサ、溶存酸素センサ、バイオセンサ、撮像センサを含む。なお、センサ２は、上記のセンサに限定されるものではない。管型バイオリアクター１の細胞及び培地に関する情報を検知できるものであればよい。上記の全てのセンサを備えている必要はなく、何れか１つのセンサ又は複数のセンサを備えていてよい。他の一又は複数の任意のセンサを使用してもよい。

情報処理装置３は、管型バイオリアクター１の管理者が管理するサーバコンピュータである。管型バイオリアクター１、センサ２、情報処理装置３は例えばＬＡＮ（Local Area Network）等のネットワークＮを介して通信接続されており、センサ２の検知結果及び後述の調整情報の送受信を行う。

図２は実施の形態１における細胞培養システム１００の構成を示すブロック図である。
管型バイオリアクター１の制御装置１０は、制御部１０１、通信部１０２、注入弁制御部１０３、排出弁制御部１０４、及び記憶部１０６を備える。制御部１０１は、ＣＰＵ（Central Processing Unit ）又はＧＰＵ（Graphical Processing Unit ）、内蔵するＲＯＭ（Read Only Memory）又はＲＡＭ（Random Access Memory）のメモリ、クロック等を含む。制御部１０１は、記憶部１０６に記憶されているプログラムＰを読み出して実行することにより、管型バイオリアクター１に係る種々の情報処理、制御処理等を行う。

通信部１０２はネットワークＮを介した通信を実現するインタフェースであり、制御部１０１は、通信部１０２によりネットワークＮを介して情報処理装置３と通信接続が可能である。

注入弁制御部１０３及び排出弁制御部１０４は、ソレノイド等の弁制御部である。後述の調整情報に基づき制御部１０１により通電が制御され、夫々注入弁１６２及び排出弁１７２の開閉を行う。

記憶部１０６は、フラッシュメモリ等の不揮発性記憶領域であり、制御部１０１が処理を実行するために必要なプログラムＰ、その他のデータを記憶している。なおプログラムＰは、記録媒体６に記憶されたプログラム６Ｐを読み出して記憶部１０６に複製されたものであってよい。また、通信部により外部から取得して記憶したものであってよい。

情報処理装置３は、制御部３１、表示パネル３２、入力部３３、計時部３４、通信部３６、及び記憶部３５を備える。制御部３１は、一又は複数のＣＰＵ又はＧＰＵ、内蔵するＲＯＭ又はＲＡＭのメモリ、クロック等を含む。制御部３１は、記憶部３５に記憶されている制御プログラム３５Ｐを読み出して実行することにより、情報処理装置３に係る種々の情報処理、制御処理等を行う。

制御部３１は、機能部として、第１取得部３１１、第２取得部３１２、第３取得部３１３、調整部３１４、第１出力部３１５、第２出力部３１６、表示部３１７を有する。制御部３１の各機能部はプログラムモジュールであり、制御プログラム３５Ｐを実行することにより以下の通り機能する。

第１取得部３１１は、後述する通信部３６を介し、センサから細胞の細胞情報を取得する。第２取得部３１２は、取得した細胞情報に基づいて生成された細胞の品質情報を取得する。第３取得部３１３は、細胞の細胞情報又は品質情報に基づいて生成された培養条件の調整情報を取得する。調整部３１４は、調整情報に基づいて培養条件を調整する。第１出力部３１５は、取得した細胞の細胞情報を出力する。第２出力部３１６は、取得した培養条件の調整情報を出力する。表示部３１７は、取得した各種情報を後述の表示パネル３２により表示させる。

表示パネル３２は、液晶ディスプレイ又は有機ＥＬ（Electro Luminescence）ディスプレイ等の表示装置であり、制御部３１から与えられた各種データ、画像を表示する。

入力部３３は、物理ボタン、マウス、ディスプレイ内蔵のタッチパネルデバイス等の操作インタフェースであり、操作内容を制御部３１に入力する。

計時部３４は、検知結果を取得するタイミング、及び調整を行うタイミングを計時している。計時部３４は、適時に信号を出力し、制御部３１は必要に応じて処理を実行する。

通信部３６はネットワークＮを介した通信を実現するインタフェースである。制御部３１は、通信部３６によりネットワークＮを介して管型バイオリアクター１及びセンサ２と通信接続が可能である。なお、通信部３６は、例えば Bluetooth（登録商標）等の近距離無線通信用のアンテナを含む無線通信モジュールを用いて通信を行ってもよい。

記憶部３５は、ハードディスク、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、フラッシュメモリ等の不揮発性記憶領域であり、制御部３１が処理を実行するために必要な制御プログラム３５Ｐ、その他のデータを記憶している。なお制御プログラム３５Ｐは、記録媒体４に記憶された制御プログラム４５Ｐを読み出して記憶部３５に複製されたものであってよい。また、図示しない通信部により外部から取得して記憶したものであってよい。

また記憶部３５は、出力情報ＤＢ（Data Base ：データベース）３５２、細胞識別情報ＤＢ３５３、細胞情報ＤＢ３５４、品質情報ＤＢ３５５、及び調整情報ＤＢ３５６を記憶している。なお、これらの各データベースは、図示しないデータベースサーバに記憶してもよい。

なお、情報処理装置３は、サーバコンピュータに代えて量子コンピュータを用いてよい。また情報処理装置３は、複数のコンピュータからなるマルチコンピュータであっても良く、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。また、記憶部３５は情報処理装置３に接続された外部記憶装置であってよい。

出力情報ＤＢ３５２は、予め取得される細胞の細胞情報に応じた細胞の品質情報、及び細胞の品質情報に応じた培養条件の調整情報の出力情報を格納するデータベースである。図３は出力情報ＤＢ３５２の内容例を示す図である。出力情報ＤＢ３５２は、ＩＤＮｏ．列、細胞情報列、品質情報列、及び調整情報列を含む。細胞情報列は、ＩＤＮｏ．と対応付けて細胞情報を記憶している。図３の例では、細胞情報列は、培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度（アミノ酸、低分子化合物、又はタンパク質）、細胞、細胞塊及び／又は組織の形状、細胞塊及び／又は組織の内部構造、並びに細胞、細胞塊及び／又は組織のサイズを含む。品質情報列は、ＩＤＮｏ．と対応付けて当該ＩＤＮｏ．の細胞情報に応じた細胞の品質情報を記憶している。図３の例では、品質情報列は、細胞の未分化率、分化率、分化能、増殖能、及び細胞数を含む。調整情報列は、ＩＤＮｏ．と対応付けて当該ＩＤＮｏ．の細胞の品質情報に応じた培養条件の調整情報を記憶している。図３の例では、調整情報列は、試薬の添加命令、ガスの添加命令、培地の温度調整命令、培地の添加命令、培地の排出命令を含む。試薬、ガス、及び培地の添加命令は、それぞれの添加量の情報を含んで記憶されている。培地の温度調整命令は、調整温度の情報を含んで記憶されている。さらに調整情報列は、細胞、細胞塊及び組織の排出命令を含む。

図３の例では、ＩＤＮｏ．１の細胞情報として、培地温度３６．４度、培地ｐＨ７．６、培地中の溶存酸素濃度３．０ｍｏｌ・ｍ^−３、培地中のアミノ酸濃度５０μｇ／ｍＬ、低分子化合物濃度２０μｇ／ｍＬ、タンパク質濃度３０μｇ／ｍＬ、及び複数の撮像センサの画像情報、品質情報として、未分化率０．９、分化率０．１、分化能０．１、増殖能０．３、及び細胞数８、調整情報として、試薬Ａ０．１μＬ添加、試薬Ｂ０μＬ添加（添加無し）、試薬Ｃ１．０μＬ添加、ガスＡ１％添加、ガスＢ及びガスＣ０％添加（添加無し）、培地温度０．１℃上昇、培地１ｍＬ添加、培地排出無し、及び細胞排出無しが記憶されている。なお、培地の排出命令には、培地の排出量の情報を含んで記憶されていてよい。なお、図３は一例であって、出力情報は図３の例に限定されるものではない。

細胞識別情報ＤＢ３５３は、細胞培養システム１００で培養される細胞の識別情報を格納するデータベースである。細胞培養システム１００においては、培養中の細胞は個別に識別され、前記識別情報に応じた品質情報、調整情報が取得される。制御部３１は、細胞培養システム１００で培養される細胞の識別情報を取得し、細胞識別情報ＤＢ３５３に記憶する。

図４は細胞識別情報ＤＢ３５３の内容例を示す図である。細胞識別情報ＤＢ３５３は、細胞ＩＤ列、導入日時列、培養時間列、第一位置列、第二位置列を含む。細胞ＩＤ列は、各細胞を識別するための細胞ＩＤを記憶している。導入日時列は、細胞ＩＤと対応付けて、各細胞が管型バイオリアクター１へ導入された日時の情報を記憶している。培養時間列は、細胞ＩＤと対応付けて、各細胞の培養開始からの経過時間を記憶している。第一位置列及び第二位置列は、各細胞が管型バイオリアクター１の第一位置１１又は第二位置１２を通流する日時の情報を記憶している。それぞれの位置の通流日時は、例えば、細胞が管型バイオリアクター１へ導入される時間と、管型バイオリアクター１を通流する培養懸濁液の通流速度によって決定される。なお、図４は一例であって、細胞識別情報は図４の例に限定されるものではない。細胞の識別方法は限定されず、例えば、所定位置で通流する細胞数を検知しナンバリング情報を取得して識別してもよく、さらに第二位置の上流にセンサを配して細胞情報を取得して識別してもよい。

細胞情報ＤＢ３５４は、細胞の細胞情報を格納するデータベースである。図５は細胞情報ＤＢ３５４の内容例を示す図である。細胞情報ＤＢ３５４は、細胞ＩＤ列、細胞情報列を含む。細胞情報列は、細胞ＩＤと対応付けて、各細胞の細胞情報を記憶している。制御部３１は、細胞培養システム１００で培養される細胞の細胞情報を取得し、細胞情報ＤＢ３５４に記憶する。

図５の例では、細胞情報列は、培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度（アミノ酸、低分子化合物、又はタンパク質）、細胞、細胞凝集塊及び／又は組織の形状、細胞凝集塊及び／又は組織の内部構造、並びに細胞、細胞凝集塊及び／又は組織のサイズを含む。なお、図５は一例であって、細胞情報は図５の例に限定されるものではない。

図５の例では、細胞ＩＤ０００１００１の細胞情報として、培地温度３６．２度、培地ｐＨ７．６、培地中の溶存酸素濃度３．０ｍｏｌ・ｍ^−３、培地中のアミノ酸濃度５０μｇ／ｍＬ、低分子化合物濃度２０μｇ／ｍＬ、タンパク質濃度３０μｇ／ｍＬであり、さらに複数の撮像センサの画像情報が記憶されている。

品質情報ＤＢ３５５は、細胞の品質情報を格納するデータベースである。図６は品質情報ＤＢ３５５の内容例を示す図である。品質情報ＤＢ３５５は、細胞ＩＤ列、品質情報列を含む。品質情報列は、細胞ＩＤと対応付けて各細胞の品質情報を記憶している。制御部３１は、細胞培養システム１００で培養される細胞の品質情報を取得し、品質情報ＤＢ３５５に記憶する。

図６の例では、品質情報列は、細胞の未分化率、分化率、分化能、増殖能、及び細胞数を含む。図６の例では、細胞ＩＤ０００１００１の品質情報として、未分化率０．９、分化率０．１、分化能０．１、増殖能０．３、及び細胞数８が記憶されている。なお、図６は一例であって、品質情報は図６の例に限定されるものではない。

調整情報ＤＢ３５６は、培養条件の調整情報を格納するデータベースである。図７は調整情報ＤＢ３５６の内容例を示す図である。調整情報ＤＢ３５６は、細胞ＩＤ列及び調整情報列を含む。調整情報列は、細胞ＩＤと対応付けて培養条件の調整情報を記憶している。制御部３１は、細胞培養システム１００の培養条件の調整情報を取得し、調整情報ＤＢ３５６に記憶する。

図７の例では、調整情報列は、試薬の添加命令、ガスの添加命令、培地の温度調整命令、培地の添加命令、培地の排出命令を含む。試薬、ガス、及び培地の添加命令は、それぞれの添加量の情報を含んで記憶されている。培地の温度調整命令は、調整温度の情報を含んで記憶されている。さらに調整情報列は、細胞の排出命令を含む。なお、図７は一例であって、調整情報は図７の例に限定されるものではない。

図７の例では、細胞ＩＤ０００１００１の調整情報として、試薬Ａ０．１μＬ添加、試薬Ｂ０μＬ添加（添加無し）、試薬Ｃ１．０μＬ添加、ガスＡ１％添加、ガスＢ及びガスＣ０％添加（添加無し）、培地温度０．１℃上昇、培地０ｍＬ添加（添加無し）、培地排出有り、及び細胞排出無しが記憶されている。なお、培地の排出命令には、培地の排出量の情報を含んで記憶されていてよい。これら培養条件の調整情報に基づいて、情報処理装置３の制御部３１は管型バイオリアクター１の制御部１０１に調整指示を送る。管型バイオリアクター１の第二位置に設けられた注入部１６及び排出部１７を通して、個別の細胞に応じて必要物の注入、不要物の排出が行われる。

以下、情報処理装置３が実行する細胞培養システム１００に関する処理について詳述する。図８は、実施の形態１に係る情報処理装置３が実行する処理手順の一例を示すフローチャートである。処理の実行タイミングは、例えば定期的なタイミングであってもよく、センサ２により細胞が検知されたタイミングであってもよい。

制御部３１は、センサ２で検知される検知結果を取得し（ステップＳ３１）、細胞の細胞情報を細胞情報ＤＢ３５４に記憶する（ステップＳ３２）。センサ２の検知結果は、細胞ＩＤと対応付け、細胞の細胞情報として細胞情報ＤＢ３５４に記憶される。制御部３１は、細胞情報ＤＢ３５４を参照して細胞の細胞情報を表示する表示画面（図９参照）を作成し（ステップＳ３３）、細胞の細胞情報を表示パネル３２から出力させる（ステップＳ３４）。

制御部３１は、細胞情報ＤＢ３５４に記憶した細胞情報に基づいて、出力情報ＤＢ３５２を読み出す（ステップＳ３５）。制御部３１は、取得した細胞情報に含まれる項目を参照し、出力情報ＤＢ３５２における取得した細胞情報と一致率が高い列項目の情報を有するＩＤＮｏ．の品質情報を取得する（ステップＳ３６）。例えば、細胞の細胞情報が培地温度３６．４度、培地ｐＨ７．６、培地中の溶存酸素濃度３．０ｍｏｌ・ｍ^−３、培地中のアミノ酸濃度５０μｇ／ｍＬ、低分子化合物濃度２０μｇ／ｍＬ、及びタンパク質濃度３０μｇ／ｍＬである場合、ＩＤＮｏ．１の列項目の内容と一致率が高いので、制御部３１はＩＤＮｏ．１の品質情報を特定する。制御部３１は、細胞ＩＤと対応付け、細胞の品質情報を品質情報ＤＢ３５５に記憶する（ステップＳ３７）。制御部３１は、品質情報ＤＢ３５５を参照して細胞の品質情報を表示する表示画面（図１４参照）を作成し（ステップＳ３８）、細胞の品質情報を表示パネル３２から出力させる（ステップＳ３９）。

制御部３１は、品質情報ＤＢ３５５に記憶した品質情報に基づいて、出力情報ＤＢ３５２を読み出す（ステップＳ４０）。制御部３１は、取得した品質情報に含まれる項目を参照し、出力情報ＤＢ３５２における取得した品質情報と一致率が高い列項目の情報を有するＩＤＮｏ．の調整情報を取得する（ステップＳ４１）。例えば、細胞の品質情報が未分化率０．９、分化率０．１、分化能０．１、増殖能０．３、及び細胞数８である場合、ＩＤＮｏ．１の列項目の内容と一致率が高いので、制御部３１はＩＤＮｏ．１の調整情報を特定する。制御部３１は、細胞ＩＤと対応付け、培養条件の調整情報を調整情報ＤＢ３５６に記憶する（ステップＳ４２）。制御部３１は、調整情報ＤＢ３５６を参照して培養条件の調整情報を表示する表示画面（図１５参照）を作成し（ステップＳ４３）、培養条件の調整情報を表示パネル３２から出力させる（ステップＳ４４）。

制御部３１は、取得した培養条件の調整情報に基づき、調整を指示し（ステップＳ４５）、処理を終了する。具体的には、情報処理装置３の制御部３１は、通信部３６を介して調整情報を制御装置１０に送信する。制御装置１０の制御部１０１は、通信部１０２を介して取得した調整情報に基づき、注入弁制御部１０３及び排出弁制御部１０４の一方又は両方に開閉を指示する。開閉指示に従って、注入弁１６２及び排出弁１７２の一方又は両方が開閉され、例えば細胞の排出、培地の排出、培地の添加、並びに試薬の添加等が行われる。

通流管１３の第二位置１２で調整が行われたのち、細胞は通流管１３内を循環通流し、再び第一位置１１を通流する。このようにして、細胞は細胞情報、品質情報、及び調整情報を繰り返し取得され、長期に亘って培養が行われる。

管理者は、上記の処理で得られる細胞情報、品質情報、及び調整情報を表示パネル３２にて認識することができる。図９から図１１は表示パネル３２に表示される表示画面３２１の一例を示す模式図である。表示画面３２１には、メニューとしての、細胞ＩＤボタン３２２、細胞情報ボタン３２３、品質情報ボタン３２４、調整情報ボタン３２５が含まれる。管理者は入力部３３を通して各ボタンを選択することができる。

図９は、詳細情報の表示画面３２１の一例を示す模式図である。図９は、表示画面３２１中の細胞ＩＤボタン３２２及び細胞情報ボタン３２３を選択し、メニューボタン３２６で「ｐＨ」を選択した場合に表示される表示画面３２１の一例である。細胞情報ボタン３２３が選択された表示画面３２１には、表示すべき細胞情報をさらに選択するメニューボタン３２６が含まれる。メニューボタン３２６を選択すると、細胞ＩＤごとの細胞情報の詳細が表示される。メニューボタン３２６には例えば、「培地温度」、「培地ｐＨ」、「培地中の物質濃度」、「培地中の溶存酸素濃度」、「細胞、細胞凝集塊、及び／又は組織の形状」、「細胞凝集塊及び／又は組織の内部組織」、及び「細胞、細胞凝集塊、及び／又は組織のサイズ」が含まれる。制御部３１は、取得した細胞情報を記憶部３５の細胞情報ＤＢ３５４に記憶し、記憶した情報を読み出して表示パネル３２に表示する。細胞の細胞情報は、培養時間とともにリアルタイムでグラフに表示される。

図１０は、詳細情報の表示画面３２１の一例を示す模式図である。図１０は、表示画面３２１中の細胞ＩＤボタン３２２及び品質情報ボタン３２４を選択し、メニューボタン３２７で「分化率」を選択した場合に表示される表示画面３２１の一例である。品質情報ボタン３２４が選択された表示画面３２１には、表示すべき品質情報をさらに選択するメニューボタン３２７が含まれる。メニューボタン３２７を選択すると、細胞ＩＤごとの品質情報の詳細が表示される。メニューボタン３２７には例えば、「未分化率」、「分化率」、「分化能」、「増殖能」、及び「細胞数」が含まれる。制御部３１は、取得した品質情報を記憶部３５の品質情報ＤＢ３５５に記憶し、記憶した情報を読み出して表示パネル３２に表示する。これらの品質情報は、品質目標の上限値、下限値を示す線とともにグラフに表示される。これにより管理者は現在の品質情報の値と目標値との差を素早く認識することができる。

図１１は、詳細情報の表示画面３２１の一例を示す模式図である。図１１は、表示画面３２１中の細胞ＩＤボタン３２２及び調整情報ボタン３２５を選択した場合に表示される表示画面３２１の一例である。調整情報ボタン３２５を選択すると、細胞ＩＤごとの調整情報の詳細が表示される。調整情報は、例えば、「細胞の排出命令」、「培地の排出命令」、「培地の添加命令」、「培地の温度調整命令」、「ガスの添加命令」及び「試薬の添加命令」が含まれる。制御部３１は、取得した調整情報を記憶部３５の調整情報ＤＢ３５６に記憶し、記憶した情報を読み出して表示パネル３２に表示する。これらの調整情報は、培養時間と共に一覧表で表示され、管理者は調整内容のログを認識することができる。

本実施の形態では、管型バイオリアクター１は、管状のじぐざぐ形状であり、循環型である通流管１３を有する構成としたが、通流管１３の形状は一例であり限定されるものではない。なお循環型ではない管型バイオリアクターを用いる場合にあっては、管型バイオリアクターの通流管に、センサ、注入部、及び排出部を複数配し、定期的に検知と調整を行う構成とするとよい。

本実施の形態によれば、細胞培養システム１００では、情報処理装置３を用いて管型バイオリアクター１で培養される細胞は個別に状態が管理され、個別の細胞に応じて好適な調整が行われる。従って、バイオリアクター内で一律に調整を行う場合に比べ、得られる個別の細胞の品質を高めることが可能となる。

また、細胞の品質情報や調整情報の特定を情報処理装置３が出力情報ＤＢを用いて行うため、管型バイオリアクター１の管理者が行う作業を減らすことができる。また、技術者の経験や目視等で推定を行う場合に比べて、推定結果を一定に保つことができる。

さらに、細胞の品質情報や調整情報の特定を情報処理装置３が出力情報ＤＢを用いて行うため、培養中の細胞を判定するために管型バイオリアクター１から取り出す必要がない。従って、長期に亘って細胞の循環培養を行うことが可能となる。

（実施の形態２）
実施の形態２では、情報処理装置３は、細胞の品質情報及び培養条件の調整情報を推定する学習モデルを用いる。図１２は、実施の形態２における細胞培養システム２００の構成を示すブロック図である。実施の形態２における情報処理装置３は、記憶部３５に出力情報ＤＢ３５２に代替して、品質情報推定モデル３７１、調整情報推定モデル３７２、及び教師データＤＢ３７３が記憶されていること、細胞の品質情報及び培養条件の調整情報が、夫々品質情報推定モデル３７１及び調整情報推定モデル３７２によって推定されること以外は、実施の形態１と同様の構成である。実施の形態１と同様な構成については、同一の符号を付してその詳細な説明を省略する。

図１３は教師データＤＢ３７３の内容例を示す図である。教師データＤＢ３７３は、ＩＤＮｏ．列、細胞情報列、品質情報列、及び調整情報列を含む。細胞情報列は、ＩＤＮｏ．と対応付けて細胞情報を記憶している。図１３の例では、細胞情報列は、培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度（アミノ酸、低分子化合物、又はタンパク質）、細胞、細胞塊及び組織の形状、細胞塊及び組織の内部構造、並びに細胞、細胞塊及び組織のサイズを含む。品質情報列は、ＩＤＮｏ．と対応付けて当該ＩＤＮｏ．の細胞情報に応じた細胞の品質情報を記憶している。図１３の例では、品質情報列は、細胞の未分化率、分化率、分化能、増殖能、及び細胞数を含む。調整情報列は、ＩＤＮｏ．と対応付けて当該ＩＤＮｏ．の細胞の品質情報に応じた培養条件の調整情報を記憶している。図１３の例では、調整情報列は、試薬の添加命令、ガスの添加命令、培地の温度調整命令、培地の添加命令、培地の排出命令を含む。試薬、ガス、及び培地の添加命令は、それぞれの添加量の情報を含んで記憶されている。培地の温度調整命令は、調整温度の情報を含んで記憶されている。さらに調整情報列は、細胞の排出命令を含む。

図１３の例では、ＩＤＮｏ．１の細胞情報として、培地温度３６．４度、培地ｐＨ７．６、溶存酸素濃度３．０ｍｏｌ・ｍ^−３、培地中のアミノ酸濃度５０μｇ／ｍＬ、低分子化合物濃度２０μｇ／ｍＬ、タンパク質濃度３０μｇ／ｍＬ、及び複数の撮像センサの画像情報、品質情報として、未分化率０．９、分化率０．１、分化能０．１、増殖能０．３、及び細胞数８、調整情報として、試薬Ａ０．１μＬ添加、試薬Ｂ０μＬ添加（添加無し）、試薬Ｃ１．０μＬ添加、ガスＡ１％添加、ガスＢ及びガスＣ０％添加（添加無し）、培地温度０．１℃上昇、培地１ｍＬ添加、培地排出無し、及び細胞排出無しが記憶されている。なお、培地の排出命令には、培地の排出量の情報を含んで記憶されていてよい。なお、図１３は一例であって、教師データは図１３の例に限定されるものではない。

図１４は、品質情報の学習処理に関する説明図である。図１４では、機械学習を行って品質情報推定モデル３７１を生成する処理を概念的に図示している。制御部３１は、図１３に示したデータベース中の過去に大量に収集した教師データに基づき、学習モデルを生成する。図１４に基づき、品質情報推定モデル３７１の生成処理について説明する。

制御部３１は、品質情報推定モデル３７１として、個別の細胞の細胞情報に応じた個別の細胞の品質情報を学習する機械学習を行うことで、個別の細胞の細胞情報を入力とし、該個別の細胞の品質情報を出力とする深層学習を含む機械学習の学習モデルを生成する。学習モデルは、例えばニューラルネットワークであり、ＣＮＮ（Convolution Neural Network）である。個別の細胞の細胞情報の入力を受け付ける入力層と、個別の細胞の品質情報を出力する出力層と、個別の細胞の品質情報の特徴量を抽出する中間層とを備える。図１４では、細胞の細胞情報として細胞のサイズを入力とし、細胞の品質情報として細胞の増殖能を出力とする品質情報推定モデル３７１の例を説明する。

入力層は、細胞のサイズの撮影画像に含まれる各画素の画素値の入力を受け付ける複数のニューロンを有し、入力された画素値を中間層に受け渡す。中間層は、撮影画像の画像特徴量を抽出する複数のニューロンを有し、各種パラメータを用いて抽出された画像特徴量を出力層に受け渡す。図１４においては、中間層の層数は３つとされているが、中間層の数は一例であり限定されない。例えば品質情報推定モデル３７１がＣＮＮである場合、中間層は、入力層から入力された各画素の画素値を畳み込むコンボリューション層と、コンボリューション層で畳み込んだ画素値をマッピングするプーリング層とが交互に連結された構成を有し、対象物の画像領域の画素情報を圧縮しながら最終的に画像特徴量を抽出する。

出力層は、細胞の増殖能を示す推定結果を出力する複数のニューロンを有する。各ニューロンは、例えば、細胞の増殖能が０％、１０％、…、１００％のように区分することができる。出力層からの出力値は、各区分に分類される細胞の増殖能の確率と解釈することができる。例えば、細胞の増殖能が０％、１０％、…、１００％の各ニューロンのうち、確率が最も高いニューロン、あるいは確率が閾値以上であるニューロンの細胞の増殖能を品質情報推定モデル３７１の出力値とすることができる。なお、出力層を構成するニューロンの数、及び各ニューロンに割り当てる細胞の増殖能の割合は、図１４の例に限定されるものではなく、適宜設計することが可能である。例えば５％間隔で出力してもよく、１０〜５０％の範囲を出力するようにしてもよい。

制御部３１は、複数の細胞の細胞情報と、各細胞の細胞情報における細胞の品質情報とが対応付けられた教師データを用いて、中間層における各種パラメータの学習を行う。例えば図１４に示すように、教師データは、細胞のサイズの撮影画像に対し、細胞の増殖能がラベル付けされたデータである。教師データＤＢ３７３に蓄積されるデータを用いて、制御部３１は学習を行う。

制御部３１は、教師データである細胞のサイズの撮影画像を入力層に入力し、中間層での演算処理を経て、出力層から細胞の増殖能を示す推定結果を取得する。制御部３１は、出力層から出力された推定結果を、教師データにおいて撮影画像に対しラベル付けされた細胞の増殖能を示す情報、すなわち正解値と比較し、出力層からの出力値が正解値に近づくように、中間層での演算処理に用いる各種パラメータを最適化する。当該パラメータは、例えばニューロン間の重み、バイアス等である。各種パラメータの最適化の方法は特に限定されないが、例えば制御部３１は誤差逆伝播法を用いて各種パラメータの最適化を行う。

制御部３１は、制御プログラム３５Ｐに基づいて以下に示す品質情報推定モデル３７１の生成処理を実行する。図１５は、品質情報の学習処理の処理手順の一例を示すフローチャートである。

制御部３１は、教師データＤＢ３７３を参照し、複数の細胞の細胞情報と、細胞の品質情報とを対応付けた教師データを取得する（ステップＳ１１）。教師データである細胞の品質情報は、公知の方法を用いて測定されるとよい。制御部３１は教師データを用いて、細胞の細胞情報を入力した場合に細胞の品質情報を出力する品質情報推定モデル３７１を生成する（ステップＳ１２）。

具体的には、制御部３１は、教師データである細胞の細胞情報（図１４では細胞のサイズ）をニューラルネットワークの入力層に入力し、細胞の品質情報（図１４では細胞の増殖能）を出力層から取得する。制御部３１は、取得した推定結果を教師データの正解値（細胞の細胞情報に対してラベル付けられた細胞の品質情報）と比較し、出力層から出力される推定結果が正解値に近づくよう、中間層での演算処理に用いる各種パラメータ（重み、バイアス等）を最適化する。制御部３１は、生成した品質情報推定モデル３７１を記憶部３５に格納し、一連の処理を終了する。

制御部３１は、品質情報の推定結果の信頼度が向上するように、品質情報推定モデル３７１が出力した品質情報と、その実測値とに基づいて、品質情報推定モデル３７１を再学習させることができる。

図１４では、品質情報推定モデル３７１の入力層に細胞のサイズが入力される例を説明したが、入力層に入力される細胞の細胞情報は、細胞のサイズに限定されない。例えば、培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度、細胞の形状、細胞凝集塊の形状、組織の形状、細胞凝集塊の内部構造、組織の内部構造、細胞のサイズ、細胞凝集塊のサイズ、及び組織のサイズを入力としてよい。入力される細胞情報は１種類に限られず、複数の情報を組み合わせて入力されてよい。また、出力層から出力される細胞の品質情報も、細胞の増殖能に限られない。例えば、細胞の未分化率、分化率、分化能、及び細胞数を出力する品質情報推定モデル３７１が構築されてよい。また、１つのニューラルネットワークを用いて、細胞の未分化率、分化率、分化能、増殖能、及び細胞数から複数の品質情報を出力する構成であってよい。

例えば、品質情報推定モデル３７１は、入力層に細胞の形状及び培地のｐＨを入力とし、細胞の未分化率及び増殖能を出力とする学習モデルであってよい。なおこの場合においては、培地のｐＨの情報はベクトル化して入力層に入力され、細胞の形状の画像情報は図示しない畳み込み層、コンボリューション層を介して入力層に入力される。

培養細胞の品質は、様々な細胞情報に影響される。例えば、培地のｐＨが低い場合には細胞の増殖能は高い。分化細胞特有の分泌物が高い場合には分化率は高い。細胞凝集塊のサイズが大きい場合や、細胞数が多い場合には増殖能は高い。これらの知見に沿った品質情報推定モデル３７１が生成される。

なお、本実施の形態では品質情報推定モデル３７１がＣＮＮであるものとして説明したが、品質情報推定モデル３７１はＣＮＮに限定されるものではない。時系列データを取得した場合にはＣＮＮ以外のニューラルネットワーク、例えばリカレントニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）、ＬＳＴＭ（Long Short Term Memory）ネットワークを用いてもよい。またニューラルネットワークを用いない強化学習モデル、サポートベクタマシン、回帰木等、他の学習アルゴリズムで構築された学習モデルであってよい。

図１６は、調整情報の学習処理に関する説明図である。図１６では、機械学習を行って調整情報推定モデル３７２を生成する処理を概念的に図示している。制御部３１は、図６及び図７に示したデータベース中の過去に大量に収集した教師データに基づき、学習モデルを生成する。図１６に基づき、調整情報推定モデル３７２の生成処理について説明する。

制御部３１は、調整情報推定モデル３７２として、個別の細胞の品質情報に応じた個別の細胞の培養条件の調整情報を学習することで、個別の細胞の品質情報を入力とし、該個別の細胞の培養条件の調整情報を出力とする深層学習を含む機械学習の学習モデルを生成する。学習モデルは、例えばニューラルネットワークであり、個別の細胞の品質情報の入力を受け付ける入力層と、個別の細胞の培養条件の調整情報を出力する出力層と、個別の細胞の培養条件の調整情報を抽出する中間層とを備える。図１６では、細胞の品質情報として細胞の増殖能、分化率、及び細胞数を入力とし、培養条件の調整情報として培地の排出命令の有無を示す情報を出力とする調整情報推定モデル３７２の例を説明する。

入力層は、細胞の増殖能、分化率、及び細胞数の入力を受け付ける複数のニューロンを有し、入力されたデータを中間層に受け渡す。細胞の品質情報は、ベクトル化して入力層の各ニューロンに入力することができる。なお品質情報が画像情報である場合は、画像の情報は図示しない畳み込み層、コンボリューション層を介して入力層に入力される。

中間層は、排出命令の有無を出力する複数のニューロンを有し、各種パラメータを用いて算出された排出命令の有無を出力層に受け渡す。図１６においては、中間層の層数は３つとされているが、中間層の数は一例であり限定されない。

出力層は、排出命令の有無を示す推定結果を出力する二つのニューロンを有する。一方のニューロンは排出命令有りの確率値を出力とし、他方のニューロンは排出命令無しの確率値を出力とする。

制御部３１は、複数の細胞の品質情報と、各細胞の品質情報における培養条件の調整情報とが対応付けられた教師データを用いて、中間層における各種パラメータの学習を行う。例えば図１６に示すように、教師データは、細胞の増殖能、分化率、及び細胞数に対し、培地の排出命令の有無を示す情報がラベル付けされたデータである。教師データＤＢ３７３に蓄積されるデータを用いて、制御部３１は学習を行う。

制御部３１は、教師データである細胞の増殖能、分化率、及び細胞数を入力層に入力し、中間層での演算処理を経て、出力層から排出命令の有無を示す推定結果を取得する。制御部３１は、出力層から出力された推定結果を、教師データにおいて細胞の増殖能、分化率、及び細胞数に対しラベル付けされた排出命令の有無を示す情報、すなわち正解値と比較し、出力層からの出力値が正解値に近づくように、中間層での演算処理に用いる各種パラメータを最適化する。当該パラメータは、例えばニューロン間の重み、バイアス等である。各種パラメータの最適化の方法は特に限定されないが、例えば制御部３１は誤差逆伝播法を用いて各種パラメータの最適化を行う。

制御部３１は、制御プログラム３５Ｐに基づいて以下に示す調整情報推定モデル３７２の生成処理を実行する。図１７は、調整情報の学習処理の処理手順の一例を示すフローチャートである。

制御部３１は、教師データＤＢ３７３を参照し、複数の細胞の品質情報と、培養条件の調整情報とを対応付けた教師データを取得する（ステップＳ２１）。制御部３１は教師データを用いて、細胞の品質情報を入力した場合に培養条件の調整情報を出力する調整情報推定モデルを生成する（ステップＳ２２）。

具体的には、制御部３１は、教師データである細胞の品質情報（図１６では細胞の増殖能、分化率、及び細胞数）をニューラルネットワークの入力層に入力し、培養条件の調整情報（図１６では排出命令の有無）を出力層から取得する。制御部３１は、取得した推定結果を教師データの正解値（細胞の品質情報に対してラベル付けられた培養条件の調整情報）と比較し、出力層から出力される推定結果が正解値に近づくよう、中間層での演算処理に用いる各種パラメータ（重み、バイアス等）を最適化する。制御部３１は、生成した調整情報推定モデル３７２を記憶部３５に格納し、一連の処理を終了する。

制御部３１は、調整情報の推定結果の信頼度が向上するように、調整情報推定モデル３７２が出力した調整情報と、その実測値とに基づいて、調整情報推定モデル３７２を再学習させることができる。

図１６では、調整情報推定モデル３７２の入力層に細胞の増殖能、分化率、及び細胞数が入力される例を説明したが、細胞の品質情報を示す他の情報が入力層に入力される構成であってよい。例えば、細胞の未分化率、分化率、分化能、及び細胞数を入力としてよい。入力される品質情報は１種類に限られず、複数の情報を組み合わせて入力されてよい。また、出力層から出力される培養条件の調整情報も、培地の排出命令に限られない。例えば、細胞の排出命令、細胞凝集塊の排出命令、組織の排出命令、培地の添加命令、培地の温度調整命令、ガスの添加命令、及び試薬の添加命令を出力する調整情報推定モデル３７２が構築されてよい。また、１つのニューラルネットワークを用いて、培地の排出命令、細胞の排出命令、細胞凝集塊の排出命令、組織の排出命令、培地の添加命令、培地の温度調整命令、ガスの添加命令、及び試薬の添加命令から複数の調整情報を出力する構成であってよい。

なお、本実施の形態ではニューラルネットワークを用いた調整情報推定モデル３７２を説明したが、調整情報推定モデル３７２はニューラルネットワークに限定されるものではなく、ニューラルネットワークを用いない強化学習モデル、サポートベクタマシン、回帰木等、その他の公知の機械学習モデルを利用してよい。なお、ニューラルネットワークを用いる場合において、時系列データを取得したときは、ＲＮＮ、ＬＳＴＭネットワークを用いてもよい。

上述のようにして、予め生成される品質情報推定モデル３７１及び調整情報推定モデル３７２を用いて、情報処理装置３は細胞培養システム２００に関する処理を実行する。図１８は、実施の形態２に係る情報処理装置３が実行する処理手順の一例を示すフローチャートである。図８と同一の手順については、同一のステップ番号を付してその詳細な説明を省略する。処理の実行タイミングは、例えば定期的なタイミングであってもよく、センサ２により細胞が検知されたタイミングであってもよい。

制御部３１は、センサ２で検知される検知結果を取得し（ステップＳ３１）、細胞の細胞情報を細胞情報ＤＢ３５４に記憶する（ステップＳ３２）。センサ２の検知結果は、細胞ＩＤと対応付け、細胞の細胞情報として細胞情報ＤＢ３５４に記憶される。制御部３１は、細胞情報ＤＢ３５４を参照して細胞の細胞情報を表示する表示画面を作成し（ステップＳ３３）、細胞の細胞情報を表示パネル３２から出力させる（ステップＳ３４）。

制御部３１は、取得した細胞の細胞情報を品質情報推定モデル３７１の入力層に入力する（ステップＳ７０）。制御部３１は、品質情報推定モデル３７１の出力層から出力される確率、及び閾値に基づき、細胞の品質情報を取得する（ステップＳ７１）。制御部３１はステップＳ７１において例えば、細胞の増殖能の推定結果を出力情報として特定する。制御部３１は、細胞ＩＤと対応付け、細胞の品質情報を品質情報ＤＢ３５５に記憶する（ステップＳ３７）。制御部３１は、品質情報ＤＢ３５５を参照して細胞の品質情報を表示する表示画面を作成し（ステップＳ３８）、細胞の品質情報を表示パネル３２から出力させる（ステップＳ３９）。

制御部３１は、取得した細胞の品質情報を調整情報推定モデル３７２の入力層に入力する（ステップＳ７２）。制御部３１は、調整情報推定モデル３７２の出力層から出力される確率、及び閾値に基づき、培養条件の調整情報を取得する（ステップＳ７３）。制御部３１はステップＳ７３において例えば、培地の排出命令の判定結果を出力情報として特定する。制御部３１は、細胞ＩＤと対応付け、培養条件の調整情報を調整情報ＤＢ３５６に記憶する（ステップＳ４２）。制御部３１は、調整情報ＤＢ３５６を参照して培養条件の調整情報を表示する表示画面を作成し（ステップＳ４３）、培養条件の調整情報を表示パネル３２から出力させる（ステップＳ４４）。

制御部３１は、取得した培養条件の調整情報に基づき、調整を指示し（ステップＳ４５）、処理を終了する。

実施の形態２によれば細胞の品質情報や調整情報の推定を学習モデルが行うため、管型バイオリアクター１の管理者が行う作業を減らすことができる。また、技術者の経験や目視等で推定を行う場合に比べて、推定結果を一定に保つことができる。

さらに、細胞の品質情報や調整情報の推定を学習モデルが行うため、培養中の細胞を判定するために管型バイオリアクター１から取り出す必要がない。従って、長期に亘って細胞の循環培養を行うことが可能となる。

（実施の形態３）
実施の形態３では、情報処理装置３は、細胞の細胞情報から培養条件の調整情報を推定する学習モデルを用いる。図１９は、実施の形態３における細胞培養システム３００の構成を示すブロック図である。実施の形態３における情報処理装置３には、記憶部３５に調整情報推定モデル３７５が記憶されていること、教師データＤＢ３７６に記憶される内容が異なること、培養条件の調整情報が調整情報推定モデル３７５によって推定されること以外は、実施の形態１及び実施の形態２と同様の構成である。実施の形態１及び実施の形態２と同様な構成については、同一の符号を付してその詳細な説明を省略する。

図２０は教師データＤＢ３７６の内容例を示す図である。教師データＤＢ３７６は、ＩＤＮｏ．列、細胞情報列、及び調整情報列を含む。細胞情報列は、ＩＤＮｏ．と対応付けて細胞情報を記憶している。図２０の例では、細胞情報列は、培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度（アミノ酸、低分子化合物、又はタンパク質）、細胞、細胞塊及び／又は組織の形状、細胞塊及び／又は組織の内部構造、並びに細胞、細胞塊及び／又は組織のサイズを含む。調整情報列は、ＩＤＮｏ．と対応付けて当該ＩＤＮｏ．の細胞の品質情報に応じた培養条件の調整情報を記憶している。図２０の例では、調整情報列は、試薬の添加命令、ガスの添加命令、培地の温度調整命令、培地の添加命令、培地の排出命令を含む。試薬、ガス、及び培地の添加命令は、それぞれの添加量の情報を含んで記憶されている。培地の温度調整命令は、調整温度の情報を含んで記憶されている。さらに調整情報列は、細胞の排出命令を含む。

図２０の例では、ＩＤＮｏ．１の細胞情報として、培地温度３６．４度、培地ｐＨ７．６、溶存酸素濃度３．０ｍｏｌ・ｍ^−３、培地中のアミノ酸濃度５０μｇ／ｍＬ、低分子化合物濃度２０μｇ／ｍＬ、タンパク質濃度３０μｇ／ｍＬ、及び複数の撮像センサの画像情報、調整情報として、試薬Ａ０．１μＬ添加、試薬Ｂ０μＬ添加（添加無し）、試薬Ｃ１．０μＬ添加、ガスＡ１％添加、ガスＢ及びガスＣ０％添加（添加無し）、培地温度０．１℃上昇、培地１ｍＬ添加、培地排出無し、及び細胞排出無しが記憶されている。なお、培地の排出命令には、培地の排出量の情報を含んで記憶されていてよい。なお、図２０は一例であって、教師データは図２０の例に限定されるものではない。

図２１は、調整情報の学習処理に関する説明図である。制御部３１は、調整情報推定モデル３７５として、個別の細胞の細胞情報に応じた個別の細胞の培養条件の調整情報を学習することで、個別の細胞の細胞情報を入力とし、個別の細胞の培養条件の調整情報を出力とする深層学習を含む機械学習の学習モデルを生成する。学習モデルは、例えばニューラルネットワークであり、個別の細胞の細胞情報の入力を受け付ける入力層と、個別の細胞の培養条件の調整情報を出力する出力層と、個別の細胞の培養条件の調整情報を抽出する中間層とを備える。図２１では、一例として、細胞の細胞情報として培地の温度、培地のｐＨ、及び培地中のアミノ酸濃度を入力とし、培養条件の調整情報として試薬（アルカリ剤）の添加命令を示す情報を出力とする例を説明する。

入力層は、培地の温度、培地のｐＨ、及び培地中のアミノ酸濃度の入力を受け付ける複数のニューロンを有し、入力されたデータを中間層に受け渡す。培地の温度、培地のｐＨ、及び培地中のアミノ酸濃度は、ベクトル化して入力層の各ニューロンに入力することができる。なお、入力層に入力される情報が画像情報である場合においては、画像の情報は、図示しない畳み込み層、コンボリューション層を介して入力層に入力される。中間層は、試薬の添加命令を示す情報を出力する複数のニューロンを有し、各種パラメータを用いて算出された試薬の添加命令を出力層に受け渡す。図２１においては、中間層の層数は３つとされているが、中間層の数は一例であり限定されない。

出力層は、試薬の添加命令を示す推定結果を出力する複数のニューロンを有する。各ニューロンは、例えば、アルカリ剤０μＬ添加、０．１μＬ添加、０．２μＬ添加、…、０．９μＬ添加、のように区分することができる。出力層からの出力値は、各区分に分類されるアルカリ剤の添加命令の確率と解釈することができる。例えば、アルカリ剤の添加命令が０μＬ添加、０．１μＬ添加、…、０．９μＬ添加の各ニューロンのうち、確率が最も高いニューロン、あるいは確率が閾値以上であるニューロンのアルカリ剤の量の添加命令を調整情報推定モデル３７５の出力値とすることができる。なお、出力層を構成するニューロンの数、及び各ニューロンに割り当てるアルカリ剤の添加命令は、図２１の例に限定されない。

制御部３１は、複数の細胞の細胞情報と、各細胞の細胞情報における培養条件の調整情報とが対応付けられた教師データを用いて、中間層における各種パラメータの学習を行う。例えば図２１に示すように、教師データは、培地の温度、培地のｐＨ、及び培地中のアミノ酸濃度に対し、試薬（アルカリ剤）の添加命令を示す情報がラベル付けされたデータである。教師データＤＢ３７６に蓄積されるデータを用いて、制御部３１は学習を行う。

図２１では、調整情報推定モデル３７５の入力層に培地の温度、培地のｐＨ、及び培地中のアミノ酸濃度が入力される例を説明したが、細胞の細胞情報を示す他の情報が入力層に入力される構成であってよい。例えば、培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度、細胞の形状、細胞凝集塊の形状、組織の形状、細胞凝集塊の内部構造、組織の内部構造、細胞のサイズ、細胞凝集塊のサイズ、及び組織のサイズを入力としてよい。入力される細胞情報は１種類に限られず、複数の情報を組み合わせて入力されてよい。また、出力層から出力される培養条件の調整情報も、試薬の添加命令に限られない。例えば、培地の排出命令、細胞の排出命令、細胞凝集塊の排出命令、組織の排出命令、培地の温度調整命令、ガスの添加命令、及び培地の添加命令を出力する調整情報推定モデル３７５が構築されてよい。また、１つのニューラルネットワークを用いて、培地の排出命令、細胞の排出命令、細胞凝集塊の排出命令、組織の排出命令、培地の添加命令、培地の温度調整命令、ガスの添加命令、及び試薬の添加命令から複数の調整情報を出力する構成であってよい。

制御部３１は、制御プログラム３５Ｐに基づいて以下に示す調整情報推定モデル３７５の生成処理を実行する。図２２は、調整情報の学習処理の処理手順の一例を示すフローチャートである。制御部３１は、教師データＤＢ３７６を参照し、複数の細胞の細胞情報と、培養条件の調整情報とを対応付けた教師データを取得する（ステップＳ５１）。制御部３１は教師データを用いて、細胞の細胞情報を入力した場合に培養条件の調整情報を出力する調整情報推定モデルを生成する（ステップＳ５２）。

具体的には、制御部３１は、教師データである細胞の細胞情報（図２１では培地の温度、培地のｐＨ、及び培地中のアミノ酸濃度）をニューラルネットワークの入力層に入力し、培養条件の調整情報（図２１ではアルカリ剤の添加命令）を出力層から取得する。制御部３１は、取得した推定結果を教師データの正解値（細胞の細胞情報に対してラベル付けられた培養条件の調整情報）と比較し、出力層から出力される推定結果が正解値に近づくよう、中間層での演算処理に用いる各種パラメータ（重み、バイアス等）を最適化する。各種パラメータの最適化の方法は特に限定されないが、例えば誤差逆伝播法を用いる。制御部３１は、生成した調整情報推定モデル３７５を記憶部３５に格納し、一連の処理を終了する。

制御部３１は、調整情報の推定結果の信頼度が向上するように、調整情報推定モデル３７５が出力した調整情報と、その実測値とに基づいて、調整情報推定モデル３７５を再学習させることができる。

なお、本実施の形態ではニューラルネットワークを用いた調整情報推定モデル３７５を説明したが、調整情報推定モデル３７５はニューラルネットワークに限定されるものではなく、ニューラルネットワークを用いない強化学習モデル、サポートベクタマシン、回帰木等、その他の公知の機械学習モデルを利用してよい。なお、ニューラルネットワークを用いる場合において、時系列データを取得したときは、ＲＮＮ、ＬＳＴＭネットワークを用いてもよい。

上記の調整情報推定モデル３７５を用いて、情報処理装置３は細胞培養システム３００に関する処理を実行する。図２３は実施の形態３に係る情報処理装置３が実行する処理手順の一例を示すフローチャートである。図８と同一の手順については、同一のステップ番号を付してその詳細な説明を省略する。処理の実行タイミングは、例えば定期的なタイミングであってもよく、センサ２により細胞が検知されたタイミングであってもよい。

制御部３１は、センサ２で検知される検知結果を取得し（ステップＳ３１）、細胞の細胞情報を細胞情報ＤＢ３５４に記憶する（ステップＳ３２）。制御部３１は、細胞の細胞情報を表示する表示画面を作成し（ステップＳ３３）、表示パネル３２から出力させる（ステップＳ３４）。

制御部３１は、取得した細胞の細胞情報を調整情報推定モデル３７５の入力層に入力する（ステップＳ６０）。制御部３１は、調整情報推定モデル３７５の出力層から出力される確率、及び閾値に基づき、培養条件の調整情報を取得する（ステップＳ６１）。制御部３１はステップＳ６１において例えば、出力層から出力される、アルカリ剤０μＬ添加の確率２％、０．１μＬ添加の確率８０％、…、０．５μＬ添加の確率５％の出力値から、「アルカリ剤０．１μＬ添加」を出力情報として特定する。制御部３１は、細胞ＩＤと対応付け、培養条件の調整情報を調整情報ＤＢ３５６に記憶する（ステップＳ６２）。制御部３１は、調整情報ＤＢ３５６を参照して培養条件の調整情報を表示する表示画面を作成し（ステップＳ６３）、表示パネル３２から出力させる（ステップＳ６４）。制御部３１は、取得した培養条件の調整情報に基づき調整を指示し（ステップＳ４５）、処理を終了する。

（実施の形態４）
実施の形態４においては、情報処理装置３に代替して、情報処理装置３と通信接続が可能なサーバ装置にて品質情報推定モデル５２１及び調整情報推定モデル５２２を作成し、調整情報を出力する処理を実行する。図２４は、実施の形態４における細胞培養システム４００の構成を示すブロック図である。細胞培養システム４００は、管型バイオリアクター１、該管型バイオリアクター１に配されたセンサ２、情報処理装置３、及びサーバ装置５を含む。実施の形態１から実施の形態３と同様な構成については、同一の符号を付してその詳細な説明を省略する。

実施の形態４では、情報処理装置３は、制御部３１、表示パネル３２、入力部３３、計時部３４、記憶部３５、及び通信部３６を備える。該通信部３６によりサーバ装置５と、ネットワークＮを介して通信接続が可能である。実施の形態４におけるネットワークＮは、所謂インターネット等である公衆網Ｎ１と、ＬＡＮ等であるネットワークＮ２とを含む。公衆網Ｎ１は、無線通信を実現する通信キャリアが提供するネットワークを含んでもよい。

制御部３１は、一又は複数のＣＰＵ又はＧＰＵを用いたプロセッサであり、内蔵するＲＯＭ又はＲＡＭ等のメモリを用い、情報処理装置３に係る種々の情報処理、制御処理等を行う。制御部３１は、実施の形態１における情報処理装置３の制御部３１が行なった学習処理を実行しない。制御部３１は、取得した細胞の細胞情報及び細胞の品質情報を、通信部３６を介してサーバ装置５へ送信する。制御部３１は、サーバ装置５が出力する細胞の品質情報及び培養条件の調整情報を、通信部３６を介して取得する。

サーバ装置５は、サーバコンピュータを用い、制御部５１、記憶部５２及び通信部５３を備える。制御部５１は、一又は複数のＣＰＵ又はＧＰＵを用いたプロセッサであり、内蔵する揮発性メモリ、クロック等を含む。制御部５１は、記憶部５２に記憶されているサーバプログラム５２Ｐを読み出して実行することにより、学習モデルの生成処理、サーバ装置５に係る種々の情報処理、制御処理等を行う。なお、サーバ装置５は、複数のコンピュータからなるマルチコンピュータであってよく、ソフトウェアによって仮想的に構築された仮想マシンであってよい。

記憶部５２は、ハードディスクを用いて、制御部５１が処理を実行するために必要なサーバプログラム５２Ｐ、品質情報推定モデル５２１、調整情報推定モデル５２２、教師データＤＢ５２３、及びその他のデータを記憶している。なおサーバプログラム５２Ｐは、通信部５３により外部から取得して記憶したものであってよい。

通信部５３は、ネットワークカード等の通信モジュールである。制御部５１は通信部５３により、ネットワークＮを介した情報処理装置３との間の情報の送受信が可能である。

このように品質情報推定モデル５２１及び調整情報推定モデル５２２がサーバ装置５に記憶されている。細胞の品質情報推定処理及び調整情報推定処理はサーバ装置５によってサーバプログラム５２Ｐに基づいて実行される。情報処理装置３は、品質情報推定モデル３７１及び調整情報推定モデル３７２の生成及び利用等といった演算負荷の重い処理を行なうことなしに、情報を得て細胞の品質情報及び調整情報の推定を行なう。サーバ装置５の潤沢なハードウェア資源を利用して学習モデルを利用することが可能である。なお、サーバ装置５が記憶する学習モデルの数は図２４の例に限定されない。調整情報推定モデル５２２のみであってもよく、あるいはその他複数の学習モデルが記憶されていてよい。さらに、サーバ装置５は学習モデルに変えデータベースを記憶し、統計学的処理により品質情報及び調整情報の特定を行ってもよい。

サーバ装置５は、管型バイオリアクター１の管理者とは異なる事業者、例えば、細胞培養プロトコルを提供するサービス事業者が管理してもよい。サービス事業者は、サーバ装置５に蓄積される細胞の細胞情報、品質情報、及び調整情報等の細胞培養に関する様々な情報を利用し、例えば、細胞の培養方法又は細胞株に応じた分化誘導方法などの培養プロトコルを、クライアントに提供するサービスなどを展開することができる。

なお、上述のように開示された実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。各実施例にて記載されている技術的特徴は互いに組み合わせることができ、本発明の範囲は、特許請求の範囲内での全ての変更及び特許請求の範囲と均等の範囲が含まれることが意図される。

１ 管型バイオリアクター
１１ 第一位置
１２ 第二位置
１３ 通流管
２ センサ
３ 情報処理装置
３１ 制御部（第１取得部、第２取得部、第３取得部、調整部、第１出力部、第２出力部、表示部）
３２ 表示パネル
３５Ｐ 制御プログラム
３５２ 出力情報ＤＢ
３５３ 細胞識別情報ＤＢ
３５４ 細胞情報ＤＢ
３５５ 品質情報ＤＢ
３５６ 調整情報ＤＢ
３７３，３７６，５２３ 教師データＤＢ
３７１，５２１ 品質情報推定モデル（学習モデル）
３７２，３７５，５２２ 調整情報推定モデル（学習モデル）
５ サーバ装置
５１ 制御部
５２Ｐ サーバプログラム

Claims (15)

1. 管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得する第１取得部と、
   前記個別の細胞の前記細胞情報に基づいて生成された前記個別の細胞の品質情報を取得する第２取得部と、
   前記個別の細胞の前記品質情報を出力する第１出力部と
   を備える情報処理装置。
2. 前記第２取得部は、個別の細胞の細胞情報を入力した場合に前記個別の細胞の品質情報を出力する第１学習モデルに、前記第１取得部により取得した前記個別の細胞の前記細胞情報を入力して、出力される前記個別の細胞の前記品質情報を取得する
   請求項１に記載の情報処理装置。
3. 前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に基づいて生成された前記個別の細胞の培養条件の調整情報を取得する第３取得部と、
   前記個別の細胞の培養条件の前記調整情報を出力する第２出力部と、
   前記調整情報に基づいて、前記管型バイオリアクターの前記第一位置より下流に位置する第二位置で、前記個別の細胞の培養条件を調整する調整部と
   を備える請求項１又は請求項２に記載の情報処理装置。
4. 前記第３取得部は、個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に個別の細胞の培養条件の調整情報を出力する第２学習モデルに、前記第１取得部により取得した前記個別の細胞の前記細胞情報又は前記第２取得部により取得した前記個別の細胞の前記品質情報を入力して、出力される前記個別の細胞の培養条件の前記調整情報を取得する
   請求項３に記載の情報処理装置。
5. 前記個別の細胞に対して、前記調整部における処理がなされたのち、前記管型バイオリアクター内を循環した前記個別の細胞の前記細胞情報を、再度前記第１取得部において取得するように構成されている
   請求項３又は請求項４に記載の情報処理装置。
6. 前記細胞情報、前記品質情報、及び前記調整情報から選択される少なくとも１種の情報を表示する表示部
   を備える請求項３から請求項５のいずれか１項に記載の情報処理装置。
7. 前記調整情報は、細胞の排出命令、細胞凝集塊の排出命令、組織の排出命令、培地中の溶存酸素濃度の調整命令、培地の温度調整命令、培地の添加命令、培地の排出命令、及び試薬の添加命令から選択される少なくとも１種の情報である
   請求項３から請求項６のいずれか１項に記載の情報処理装置。
8. 前記細胞情報は、対象となる培地の温度、培地のｐＨ、培地中の溶存酸素濃度、培地中の物質濃度、細胞の形状、細胞凝集塊の形状、組織の形状、細胞凝集塊の内部構造、組織の内部構造、細胞のサイズ、細胞凝集塊のサイズ、及び組織のサイズから選択される少なくとも１種の情報である
   請求項１から請求項７のいずれか１項に記載の情報処理装置。
9. 前記品質情報は、細胞の未分化率、分化能、分化率、増殖能、及び細胞数から選択される少なくとも１種の情報である
   請求項１から請求項８のいずれか１項に記載の情報処理装置。
10. 個別の細胞が通流する通流管を有する管型バイオリアクターと、
    前記個別の細胞の細胞情報を検知するセンサと、
    請求項１から請求項９のいずれか１項に記載の情報処理装置と
    を備える細胞培養システム。
11. 管型バイオリアクター内の第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、
    個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する学習モデルに、取得した前記個別の細胞の前記細胞情報を入力して、前記個別の細胞の前記品質情報を出力する
    情報処理方法。
12. 個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に該個別の細胞の培養条件の調整情報を出力する学習モデルに、取得した前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報を入力して、前記個別の細胞の培養条件の前記調整情報を出力する
    情報処理方法。
13. 管型バイオリアクター内の第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、
    個別の細胞の細胞情報を入力した場合に該個別の細胞の品質情報を出力する第１学習モデルに、取得した前記個別の細胞の前記細胞情報を入力して、前記個別の細胞の前記品質情報を出力し、
    個別の細胞の細胞情報又は個別の細胞の品質情報を入力した場合に該個別の細胞の培養条件の調整情報を出力する第２学習モデルに、取得した前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報を入力して、前記個別の細胞の培養条件の前記調整情報を出力し、
    前記個別の細胞の培養条件の前記調整情報に応じて、前記管型バイオリアクターの前記第一位置より下流に位置する第二位置で、前記個別の細胞の培養条件を調整する
    情報処理方法。
14. コンピュータに、
    管型バイオリアクターの第一位置に配されたセンサから、前記管型バイオリアクター内を通流する個別の細胞の細胞情報を取得し、
    前記個別の細胞の前記細胞情報に応じた前記個別の細胞の品質情報を取得し、
    前記個別の細胞の前記品質情報を出力する
    処理を実行させるコンピュータプログラム。
15. コンピュータに、
    前記個別の細胞の前記細胞情報又は前記個別の細胞の前記品質情報に応じた前記個別の細胞の培養条件の調整情報を取得し、
    前記個別の細胞の培養条件の前記調整情報を出力する
    処理を実行させる請求項１４に記載のコンピュータプログラム。

Images