JP2021148651A - 細胞分類方法、分類装置及びプログラム。 - Google Patents

細胞分類方法、分類装置及びプログラム。 Download PDF

Info

Publication number
JP2021148651A
JP2021148651A JP2020049794A JP2020049794A JP2021148651A JP 2021148651 A JP2021148651 A JP 2021148651A JP 2020049794 A JP2020049794 A JP 2020049794A JP 2020049794 A JP2020049794 A JP 2020049794A JP 2021148651 A JP2021148651 A JP 2021148651A
Authority
JP
Japan
Prior art keywords
sample
signal
measurement sample
preparation condition
preparation
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.)
Granted
Application number
JP2020049794A
Other languages
English (en)
Other versions
JP7357425B2 (ja
Inventor
友樹 志田
Yuki Shida
友樹 志田
祐貴子 中村
Yukiko Nakamura
祐貴子 中村
健 西川
Takeshi Nishikawa
健 西川
浩太 三澤
Kota Misawa
浩太 三澤
ひかる 尾上
Hikaru Onoe
ひかる 尾上
孝明 長井
Takaaki Nagai
孝明 長井
壮紀 安部
Masaki Abe
壮紀 安部
崇仁 三原
Takahito Mihara
崇仁 三原
正治 芝田
Masaharu Shibata
正治 芝田
考伸 木村
Takanobu Kimura
考伸 木村
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.)
Sysmex Corp
Original Assignee
Sysmex Corp
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 Sysmex Corp filed Critical Sysmex Corp
Priority to JP2020049794A priority Critical patent/JP7357425B2/ja
Priority to EP21157851.3A priority patent/EP3882601B1/en
Priority to US17/192,499 priority patent/US11965817B2/en
Priority to CN202110249793.0A priority patent/CN113495050A/zh
Publication of JP2021148651A publication Critical patent/JP2021148651A/ja
Priority to JP2023154053A priority patent/JP2023179520A/ja
Application granted granted Critical
Publication of JP7357425B2 publication Critical patent/JP7357425B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
    • G01N35/04—Details of the conveyor system
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G01N2015/016—White blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
    • G01N35/04—Details of the conveyor system
    • G01N2035/0401—Sample carriers, cuvettes or reaction vessels
    • G01N2035/0412—Block or rack elements with a single row of samples
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Dispersion Chemistry (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

【課題】検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止すること。【解決手段】検体に含まれる細胞を分類する細胞分類方法であって、検体を、第１の調製条件で処理して第１の測定試料を調製することと、調製した第１の測定試料から第１の信号を取得することと、第１の信号を用いて第１の測定試料に含まれる細胞を分類することと、検体を、第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、調製した第２の測定試料から第２の信号を取得することと、第２の信号を用いて第２の測定試料に含まれる細胞を分類することと、第１の信号を用いた細胞の分類結果と、第２の信号を用いた細胞の分類結果と、を比較し、比較結果に基づいて細胞数を含む分析結果を出力することと、を含む細胞分類方法。【選択図】図９

Description

本発明は、細胞分類方法、分類装置及びプログラムに関する。
血液を溶血させた試料に光を照射することで取得した情報を用いて、血液中の白血球を複数の種別に分類する技術が知られている。例えば特許文献１には、所定の調製条件に従って調製された測定試料内の白血球及び白血球の亜集団を識別、分類、及び／または定量するように全血の試料を分析するシステムが開示されている。
特表２０１６−５１４２６７号公報
特許文献１に記載のシステムによると、血液中の白血球を複数の種別に分類する際、所定の調製条件に従って調製された測定試料について分析を行うが、検体の性質によっては、白血球を精度よく分類することができない場合がある。例えば、検体によっては、好中球と単球とが、同程度の大きさと、同程度の染色液の膜透過性とを持つ場合があり、このような場合には、好中球と単球とを精度よく分類することができない。しかしながら、特許文献１に記載のシステムは、所定の調製条件に従って調製された測定試料について分析を行うことから、検体の性質によっては、精度が不十分な分析結果が出力されてしまう。
そこで、本発明は、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することを目的とする。
本発明の一態様に係る細胞分類方法は、分析装置（１）が実行する、検体に含まれる細胞を分類する細胞分類方法であって、検体を、第１の調製条件で処理して第１の測定試料を調製することと、調製した前記第１の測定試料から第１の信号を取得することと、前記第１の信号を用いて前記第１の測定試料に含まれる細胞を分類することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、調製した前記第２の測定試料から第２の信号を取得することと、前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、前記第１の信号を用いた細胞の分類結果と、前記第２の信号を用いた細胞の分類結果と、を比較し、比較結果に基づいて細胞数を含む分析結果を出力することと、を含む。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係る細胞分類方法は、分析装置（１）が実行する、検体に含まれる細胞を分類する細胞分類方法であって、検体を、第１の調製条件で処理して第１の測定試料を調製することと、調製した前記第１の測定試料から第１の信号を取得することと、前記第１の信号を用いて前記第１の測定試料に含まれる細胞を分類することと、前記第１の信号を用いた細胞分類の分類能を評価することと、前記分類能の評価結果が所定の条件を満たすとき、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、調製した前記第２の測定試料から第２の信号を取得することと、前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、前記第２の信号に基づく細胞数を出力することと、を含む。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係る細胞分類方法は、分析装置（１）が実行する、検体に含まれる細胞を分類する細胞分類方法であって、検体を、第１の調製条件で処理して第１の測定試料を調製することと、調製した前記第１の測定試料から第１の信号を取得することと、前記第１の信号を用いて前記第１の測定試料に含まれる細胞を分類することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、調製した前記第２の測定試料から第２の信号を取得することと、前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、前記第１の信号を用いた細胞分類における分類能を評価することと、前記分類能の評価結果に基づき、前記第１の信号に基づく細胞数を含む分析結果又は前記第２の信号に基づく細胞数を含む分析結果を出力することと、を含む。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係る分析装置（１）は、検体に含まれる細胞を分類する分析装置（１）であって、検体を試薬で調製して測定試料を生成する試料調製部（２５）と、測定試料から信号を取得する検出部（２６）と、制御部（５００）と、を備え、前記制御部（５００）は、前記試料調製部（２５）に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させ、前記検出部（２６）に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させ、前記第１の信号を用いて前記検体に含まれる細胞を分類することと、前記第２の信号を用いて前記検体に含まれる細胞を分類することと、前記第１の信号を用いた細胞の分類結果と、前記第２の信号を用いた細胞の分類結果と、を比較し、比較結果に基づいて分析結果を出力することと、を実行する。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係る分析装置（１）は、検体に含まれる細胞を分類する分析装置（１）であって、検体を試薬で調製して測定試料を生成する試料調製部（２５）と、測定試料から信号を取得する検出部（２６）と、制御部（５００）と、を備え、前記制御部（５００）は、前記試料調製部（２５）に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させることと、前記検出部（２６）に、調製した前記第１の測定試料から第１の信号を取得すること、を実行させることと、前記第１の信号を用いて前記検体に含まれる細胞を分類することと、前記第１の信号を用いた細胞分類の分類能を評価することと、前記分類能の評価結果が所定の条件を満たすとき、前記試料調製部（２５）に、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製すること、を実行させることと、前記検出部（２６）に、調製した前記第２の測定試料から第２の信号を取得すること、を実行させることと、前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、前記第２の信号に基づく細胞数を出力することと、を実行する。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係る分析装置（１）は、検体に含まれる細胞を分類する分析装置（１）であって、検体を試薬で調製して測定試料を生成する試料調製部（２５）と、測定試料から信号を取得する検出部（２６）と、制御部（５００）と、を備え、前記制御部（５００）は、前記試料調製部（２５）に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させ、前記検出部（２６）に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させ、前記第１の信号を用いて前記検体に含まれる細胞を分類することと、前記第２の信号を用いて前記検体に含まれる細胞を分類することと、前記第１の信号を用いた細胞分類における分類能を評価することと、前記分類能の評価結果に基づき、前記第１の信号に基づく細胞数を含む分析結果又は前記第２の信号に基づく細胞数を含む分析結果を出力することと、を実行する。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係るプログラムは、コンピュータに、検体を試薬で調製して測定試料を生成する試料調製部（２５）に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させることと、測定試料から信号を取得する検出部（２６）に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させることと、前記第１の信号を用いて前記検体に含まれる細胞を分類することと、前記第２の信号を用いて前記検体に含まれる細胞を分類することと、前記第１の信号を用いた細胞の分類結果と、前記第２の信号を用いた細胞の分類結果と、を比較し、比較結果に基づいて分析結果を出力することと、を実行させる。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係るプログラムは、コンピュータに、検体を試薬で調製して測定試料を生成する試料調製部（２５）に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させることと、測定試料から信号を取得する検出部（２６）に、調製した前記第１の測定試料から第１の信号を取得すること、を実行させることと、前記第１の信号を用いた細胞分類の分類能を評価することと、前記分類能の評価結果が所定の条件を満たすとき、前記試料調製部（２５）に、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製すること、を実行させることと、前記検出部（２６）に、調製した前記第２の測定試料から第２の信号を取得すること、を実行させることと、前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、前記第２の信号に基づく細胞数を出力することと、を実行させる。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明の他の態様に係るプログラムは、コンピュータに、検体を試薬で調製して測定試料を生成する試料調製部（２５）に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させ、測定試料から信号を取得する検出部（２６）に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させ、前記第１の信号を用いて前記検体に含まれる細胞を分類することと、前記第２の信号を用いて前記検体に含まれる細胞を分類することと、前記第１の信号を用いた細胞分類における分類能を評価することと、前記分類能の評価結果に基づき、前記第１の信号に基づく細胞数を含む分析結果又は前記第２の信号に基づく細胞数を含む分析結果を出力することと、を実行させる。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
本発明によれば、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することができる。
本実施形態に係る分析装置の外観を示す斜視図である。 測定ユニットの構成例を模式的に示す図である。 光学検出器の構成例を模式的に示す図である。 情報処理ユニットの構成例を示す図である。 情報処理ユニットの機能構成例を示す図である。 スキャッタグラムの一例を示す図である。 スキャッタグラムにおける血球の分布例を示す図である。 各血球をいずれかのクラスタに割り当てる処理の一例を示すフローチャートである。 分析装置が行う処理手順の一例を示すフローチャートである。 調製条件Ａ及び調製条件Ｂによる分類結果の一例を示す図である。 調製条件Ａ及び調製条件Ｂによる分類結果の一例を示す図である。 調製条件Ａ及び調製条件Ｂによる分類結果の一例を示す図である。 ２つクラスタの境界が接している度合いの算出例を説明するための図である。 調製条件Ａ及び調製条件Ｂによる分類結果の一例を示す図である。 調製条件Ａ及び調製条件Ｂによる分類結果の一例を示す図である。 調製条件Ａ及び調製条件Ｂによる分類結果の一例を示す図である。
添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。
＜検体測定システムの構成＞
図１は、本実施形態に係る分析装置１の外観を示す斜視図である。分析装置１は、血液検体に含まれる白血球の血球を計数する多項目血球分析装置である。分析装置１は、測定ユニット２と、測定ユニット２の前面側に配置された搬送ユニット３と、情報処理ユニット４とを備えている。患者から採取された末梢血である血液検体は、検体容器（採血管）Ｔに収容される。複数の検体容器ＴがサンプルラックＬに支持され、このサンプルラックＬが搬送ユニット３により搬送されて、血液検体が測定ユニット２へ供給される。
情報処理ユニット４は、表示部４１と入力部４２を備えており、測定ユニット２と、搬送ユニット３と、ホストコンピュータ５（図２参照）に対して、通信可能に接続されている。情報処理ユニット４は、測定ユニット２と搬送ユニット３の動作を制御し、測定ユニット２で行われた測定結果に基づいて解析を行い、解析結果をホストコンピュータ５（図２参照）に送信する。
図２は、測定ユニット２の構成例を模式的に示す図である。
測定ユニット２は、ハンド部２１と、検体容器セット部２２と、バーコードユニット２３と、検体吸引部２４と、試料調製部２５と、検出部２６とを備えている。検体吸引部２４は、ピアサ２４ａを備えており、検体容器Ｔから検体を吸引する。試料調製部２５は、混合チャンバＭＣとヒータＨを備えており、検体に試薬を混和することにより測定に用いられる測定試料を調製する。検出部２６は、光学検出器Ｄを備えており、測定試料から血球を検出する。測定ユニット２の各部は、情報処理ユニット４により制御される。
搬送ユニット３により位置Ｐ１に位置付けられた検体容器Ｔは、ハンド部２１により把持され、サンプルラックＬから上方向に抜き出される。そして、ハンド部２１が揺動されることにより、検体容器Ｔ内の検体が撹拌される。攪拌が終了した検体容器Ｔは、ハンド部２１により、位置Ｐ１に位置付けられた検体容器セット部２２にセットされる。しかる後、この検体容器Ｔは、検体容器セット部２２により位置Ｐ２まで搬送される。
検体容器Ｔが位置Ｐ２に位置付けられると、位置Ｐ２の近傍に設置されたバーコードユニット２３により、検体容器Ｔに貼付されたバーコードラベルから検体番号が読み取られる。しかる後、この検体容器Ｔは、検体容器セット部２２により位置Ｐ３まで搬送される。検体容器Ｔが位置Ｐ３に位置付けられると、検体吸引部２４によりピアサ２４ａを介して検体容器Ｔから所定量の検体が吸引される。検体の吸引が終了すると、この検体容器Ｔは、検体容器セット部２２により前方に搬送され、ハンド部２１により元のサンプルラックＬの支持位置に戻される。ピアサ２４ａを介して吸引された検体は、ピアサ２４ａが混合チャンバＭＣの位置へ移送された後、検体吸引部２４により混合チャンバＭＣに所定量だけ吐出される。
試料調製部２５は、血液検体と試薬とを所定の調製条件に従って混合することで、測定試料を調製する。試薬には、溶血剤（第１試薬）と蛍光物質（第２試薬）とが含まれている。溶血剤によって血液中の赤血球及び血小板が溶血され、蛍光物質によって白血球が染色される。
試料調製部２５で調製された測定試料は、検出部２６の光学検出器Ｄに供給される。
図３は、光学検出器Ｄの構成例を模式的に示す図である。光学検出器Ｄは、フローセルＤ１と、シースフロー系Ｄ２、ビームスポット形成系Ｄ３、前方散乱光受光系Ｄ４、側方散乱光受光系Ｄ５、蛍光受光系Ｄ６を有している。
シースフロー系Ｄ２は、フローセルＤ１内に測定試料を送り込み、フローセルＤ１中に液流を発生させるように構成されている。ビームスポット形成系Ｄ３は、半導体レーザＤ３１から照射された光が、コリメータレンズＤ３２とコンデンサレンズＤ３３とを通って、フローセルＤ１に照射されるよう構成されている。これにより、フローセルＤ１内を通過する液流に含まれる血球にレーザ光が照射される。また、ビームスポット形成系Ｄ３は、ビームストッパＤ３４も備えている。
前方散乱光受光系Ｄ４は、前方への散乱光（前方散乱光）を前方集光レンズＤ４１によ
って集光し、ピンホールＤ４２を通った光をフォトダイオードＤ４３で受光するように構成されている。フォトダイオードＤ４３は、受光した前方散乱光のピーク値に基づいて前方散乱光信号（ＦＳＣ）を出力する。側方散乱光受光系Ｄ５は、側方への散乱光（側方散
乱光）を側方集光レンズＤ５１にて集光するとともに、一部の光をダイクロイックミラーＤ５２で反射させ、フォトダイオードＤ５３で受光するよう構成されている。フォトダイオードＤ５３は、受光した側方散乱光のピーク値に基づいて側方散乱光信号（ＳＳＣ）を出力する。
光散乱は、光の進行方向に血球のような粒子が障害物として存在すると、粒子により光がその進行方向を変えることによって生じる現象である。この散乱光を検出することによって、粒子の大きさと材質に関する情報を得ることができる。特に、前方散乱光からは、粒子（血球）の大きさに関する情報を得ることができる。また、側方散乱光からは、粒子内部の情報を得ることができる。血球粒子にレーザ光が照射された場合、側方散乱光強度は細胞内部の複雑さ（核の形状、大きさ、密度および顆粒の量）に依存する。
蛍光受光系Ｄ６は、側方散乱光のうちダイクロイックミラーＤ５２を透過した光（蛍光）をさらに分光フィルタＤ６１に通し、アバランシェフォトダイオードＤ６２で受光するよう構成されている。アバランシェフォトダイオードＤ６２は、受光した蛍光のピーク値に基づいて側方蛍光信号（ＳＦＬ）を出力する。
蛍光物質により染色された血球に光を照射すると、照射した光の波長より長い波長の蛍光を発する。蛍光の強度はよく染色されていれば強くなり、この蛍光強度を測定することによって血球の染色度合いに関する情報を得ることができる。
光学検出器Ｄにより血球ごとに取得された、前方散乱光信号（ＦＳＣ）と、側方散乱光信号（ＳＳＣ）と、側方蛍光信号（ＳＦＬ）は、情報処理ユニット４に送信される。
図４は、情報処理ユニット４の構成例を示す図である。
情報処理ユニット４は、パーソナルコンピュータからなり、本体４０と、表示部４１と、入力部４２から構成されている。本体４０は、ＣＰＵ４０１と、ＲＯＭ４０２と、ＲＡＭ４０３と、ハードディスク４０４と、読出装置４０５と、画像出力インターフェース４０６と、入出力インターフェース４０７と、通信インターフェース４０８を有する。
ＣＰＵ４０１は、ＲＯＭ４０２に記憶されているコンピュータプログラムおよびＲＡＭ４０３にロードされたコンピュータプログラムを実行する。ＲＡＭ４０３は、ＲＯＭ４０２およびハードディスク４０４に記録されているコンピュータプログラムの読み出しに用いられる。また、ＲＡＭ４０３は、これらのコンピュータプログラムを実行するときに、ＣＰＵ４０１の作業領域としても利用される。
ハードディスク４０４には、オペレーティングシステム、ＣＰＵ４０１に実行させるためのコンピュータプログラム、およびコンピュータプログラムの実行に用いるデータが記憶されている。また、ハードディスク４０４には、情報処理ユニット４の処理を実行させるためのプログラム４０４ａが記憶されている。読出装置４０５は、ＣＤドライブまたはＤＶＤドライブ等によって構成されており、コンピュータ読み取り可能な非一時的な記録媒体（Non-transitory computer readable medium）４０５ａに記録されたコンピュータプログラムおよびデータを読み出すことができる。なお、上記プログラム４０４ａが記録媒体４０５ａに記録されている場合には、読出装置４０５により記録媒体４０５ａから読み出されたプログラム４０４ａが、ハードディスク４０４に記憶される。
画像出力インターフェース４０６は、画像データに応じた映像信号を表示部４１に出力し、表示部４１は、画像出力インターフェース４０６から出力された映像信号に基づいて画像を表示する。ユーザは入力部４２を介して指示を入力し、入出力インターフェース４０７は、入力部４２を介して入力された信号を受け付ける。通信インターフェース４０８は、測定ユニット２と、搬送ユニット３と、ホストコンピュータ５に接続されており、ＣＰＵ４０１は、通信インターフェース４０８を介して、これら装置との間で指示信号およびデータの送受信を行う。
図５は、情報処理ユニット４の機能構成例を示す図である。制御部５００は、ＣＰＵ４０１がコンピュータプログラムを読出して実行することで実現される。記憶部５０５は、ＲＡＭ４０３又はハードディスク４０４を用いて実現される。
制御部５００は、測定ユニット２と搬送ユニット３の動作を制御することで検体の測定を行う測定制御部５０１、測定ユニット２の検出部２６で測定された前方散乱光信号（ＦＳＣ）、側方散乱光信号（ＳＳＣ）及び側方蛍光信号（ＳＦＬ）に基づいて白血球の分類及び血球数のカウント等を行う解析処理部５０２、測定された白血球の種別ごとの血球数やスキャッタグラム（分布図）などを表示部４１に表示させる処理を行う表示制御部５０３、及びユーザから入力部４２を介して入力を受け付ける入力処理部５０４を含む。
記憶部５０５は、測定ユニット２から受信した、前方散乱光信号（ＦＳＣ）のレベル、側方散乱光信号（ＳＳＣ）のレベル及び側方蛍光信号（ＳＦＬ）のレベルを示す測定情報を、血球ごとに格納する。当該測定情報は、前方散乱光信号（ＦＳＣ）のレベル、側方散乱光信号（ＳＳＣ）のレベル及び側方蛍光信号（ＳＦＬ）のレベル、それぞれ「チャンネル」と呼ばれる量子化された値で表現した情報である。チャンネルについては後述する。
解析処理部５０２は、記憶部５０５に格納された測定情報に基づいて、血液検体中に存在する白血球を、リンパ球（ＬＹＭＰＨ）と、単球（ＭＯＮＯ）と、好中球（ＮＥＵＴ）と、好塩基球（ＢＡＳＯ）と、好酸球（ＥＯ）とに分類し、各々の血球数をカウントする。
解析処理部５０２は、測定情報に基づいてスキャッタグラム（分布図）を作成することで、血液検体中に存在する白血球を分類する。
ここで、スキャッタグラムは、フォトダイオードＤ４３から出力される前方散乱光信号（ＦＳＣ）、フォトダイオードＤ５３から出力される側方散乱光信号（ＳＳＣ）、アバランシェフォトダイオードＤ６２から出力される側方蛍光信号（ＳＦＬ）のうち、２種類の信号を縦軸及び横軸とする２次元の分布図である。
前方散乱光信号（ＦＳＣ）、側方散乱光信号（ＳＳＣ）及び側方蛍光信号（ＳＦＬ）のうち、どの２種類の信号を用いるのかによって、分類可能な白血球の種別が異なる。本実施形態では、側方蛍光信号（ＳＦＬ）及び側方散乱光信号（ＳＳＣ）を用いて、好中球、リンパ球、単球および好酸球の４種類の白血球を分類する。また、前方散乱光信号（ＦＳＣ）及び側方蛍光信号（ＳＦＬ）を用いて、好塩基球および好塩基球以外の白血球（好中球、リンパ球、単球および好酸球）を分類することができる。
図６に示すスキャッタグラムは、横軸を側方散乱光信号（ＳＳＣ）とし縦軸を側方蛍光信号（ＳＦＬ）とする２次元の分布図上に、個々の血球に対応する点をプロットした場合の例である。前方散乱光信号（ＦＳＣ）及び側方蛍光信号（ＳＦＬ）を２軸として好塩基球および好塩基球以外の白血球を分類する場合も、以下と同様の方法で血球を分類することができる。
解析処理部５０２は、スキャッタグラム上の点を、白血球の４つのサブクラスにそれぞれ対応する４つのクラスタ（リンパ球のクラスタＡ１１、単球のクラスタＡ１２、好中球のクラスタＡ１３、および好酸球のクラスタＡ１４）の何れかに分類する。具体的には、例えば、スキャッタグラム上にプロットされた各血球に対応する点と、あらかじめ設定された各クラスタの重心位置との距離から、各血球の各クラスタへの帰属度が得られる。そして、これらの帰属度に応じて、各血球が各クラスタに割り当てられる。
ここで、各血球を各クラスタに割り当てる手順の一例をより具体的に説明する。スキャッタグラムの作成に用いられる２種類の信号は、増幅器で増幅された後、Ａ／Ｄ変換器でディジタル信号に変換される。即ち、量子化が行われる。この量子化によって、各々の信号は、例えば、０から２５５までの合計２５６個のチャンネルのいずれかに分類される。
情報処理ユニット４は、これらディジタル信号に基づいて、図７に示すように、ｉチャンネルをＸ軸とし、ｊチャンネルをＹ軸とするスキャッタグラムを得る。このスキャッタグラムは、Ｘ軸、Ｙ軸が共に２５６のチャンネルを持つので、合計２５６×２５６の血球の状態を表す基本要素からなり、各基本要素には、その基本要素に該当する血球の数が記憶されている。例えばＸ軸が１チャンネルで、Ｙ軸が２チャンネルの基本要素の値が６であるとすると、血球の細胞質の大きさの信号が１で、核や顆粒の密度と大きさを総合した信号の大きさが２である血球が６個存在することを表している。
図８は、各血球をいずれかのクラスタに割り当てる処理の一例を示すフローチャートである。まず、情報処理ユニット４は、初期分割を行う（Ｓ２）。この初期分割では、図７に示したスキャッタグラムのうち各基本要素における血球数を無視して、基本要素の分布を、リンパ球であれば、明らかにそこに分布すると想定される固定領域、単球であれば明らかにそこに分布すると想定される固定領域、好中球であれば明らかにそこに分布すると想定される固定領域、好酸球であれば明らかにそこに分布すると想定される固定領域、血小板や赤血球からなるゴーストであれば明らかにそこに分布すると想定される固定領域で分割する。各固定領域は予め設定されている。各固定領域内に存在する血球は、帰属度を１とする。
続いて、情報処理ユニット４は、以下の数１及び数２を用いて、リンパ球のクラスタの初期重心の計算を行う（Ｓ４）。
Figure 2021148651
Figure 2021148651
 ここで、Ｎijは、基本要素ｉ、ｊにおける血球数である。単球、好中球、好酸球及びゴーストのクラスタについても同様にして重心位置を求める。
続いて、情報処理ユニット４は、いずれの固定領域にも属さない各血球について、各クラスタへの帰属度を算出する（Ｓ６）。より詳細には、情報処理ユニット４は、各血球の位置から各クラスタの重心位置までの距離に基づいて、各クラスタへの帰属度を算出する。ここで、各血球の各クラスタの重心位置までの距離は、各血球の位置と各クラスタとの間の距離（ユークリッド距離）ではなく、所定の楕円における短径長を、各血球の位置と各クラスタとの間の距離とする。なお、所定の楕円とは、クラスタの重心位置を中心とし、予めそのクラスタに応じて定められた特定の傾きを持ち、対象となる血球がその弧上に位置し、短径をａとすると、長径はａｋ（ｋは比例定数）で表される楕円である。
各血球の各クラスタへの距離Ｌx（ｘ＝１〜Ｎ（Ｎはクラスタ数））が求められると、この血球の各クラスタへの帰属度は、数３によって求められる。無論、これら帰属度は、いずれも１より小さい値になる。
Figure 2021148651
 このようにして、情報処理ユニット４は、いずれの固定領域にも属さない各血球について各クラスタへの帰属度を算出する。
続いて、各クラスタについて、各血球の各クラスタへの帰属度を重みとして、重み付き重心の計算を行う（Ｓ８）。この重み付き重心は、例えば数４、数５によって求められる。
Figure 2021148651
Figure 2021148651
 ここで、Ｕijは、基本要素ｉ、ｊにある血球の、あるクラスタＧ１への帰属度を表している。
このようにして各クラスタの重み付き重心を求めた後、ステップＳ４で求めた各クラスタの初期重心位置のうち対応するものと比較し、その変化量が所定量、例えば０であるか判断する（Ｓ１０）。所定量でない場合、今回求めた各クラスタの重み付き重心の位置を、各クラスタの初期重心に置き換えて、ステップＳ６、Ｓ８及びＳ１０の処理手順を繰り返す。即ち、各血球の各クラスタの重み付き重心の位置までの距離を求め、この距離に基づいて各血球の各クラスタへの帰属度を求め、これら帰属度を基に新たに各クラスタの重み付き重心位置を求め、これら新たな各クラスタの重み付き重心位置と先の各クラスタの重み付き重心位置との変化量が所定量であるか判断し、再び所定量でなければ、今回求めた各クラスタの重み付き重心位置を初期重心位置としてステップＳ６、Ｓ８、Ｓ１０の処理手順を繰り返す。
ただし、予め定めた回数だけステップＳ６、Ｓ８、Ｓ１０を繰り返しても、所定量にならない場合が想定される。従って、ステップＳ１０の判断がノーの場合、情報処理ユニット４は、ステップＳ６、Ｓ８、Ｓ１０の実行回数が所定回数か判断し（Ｓ１２）、所定回数になった場合、解析不能を表示部４１に表示し（Ｓ１４）、処理を終了する。
また、各クラスタの重心の変化がいずれも所定量となると、情報処理ユニット４は、各血球の各クラスタへの最終的な帰属を決定することで、各クラスタの血球数を決定する（ステップＳ１６）。
各血球の最終的な帰属は、最終的に得られた帰属度のうち、最大の値を示すクラスタに属することとしてもよい。例えば、或る基本要素に１０個の血球があり、これら血球のリンパ球のクラスタに対する帰属度が０．９５、単球のクラスタに対する帰属度が０．０３、好中球のクラスタへの帰属度が０．０３、好酸球へのクラスタへの帰属度が０．０２、ゴーストのクラスタに対する帰属度が０となったような場合、これら１０個の血球は、全て、最大の帰属度を示すリンパ球のクラスタに属することになる。
以上の処理を行うことで、スキャッタグラム内に存在する各血球は、いずれかのクラスタに割り当てられる。
＜分析装置の動作＞
分析装置１は、最初に、予め定められた調製条件に従って調製された測定試料を用いて、白血球の分類及び血球数のカウントを行い、分析結果を出力する処理を行う。当該処理を本実施形態では、「通常モード」と称する。また、分析装置１は、通常モードにおいて白血球の分類が十分にできていない可能性があると判定した場合、調製条件を変更して測定試料を調製し、再度白血球の分類及び血球数のカウントを行い、分析結果を出力する処理を行う。当該処理を本実施形態では、「拡張モード」と称する。
図９は、分析装置１が行う処理手順の一例を示すフローチャートである。
ステップＳ１００で、測定ユニット２の試料調製部２５は、血液検体と試薬とを、既定の調製条件に従って混合することで、測定試料を調製する。以下、既定の調製条件を、調製条件Ａと称する。
調製条件Ａ（以下で説明する調製条件Ｂも同様）は、血液検体に試薬を反応させる時間の長さに関する条件である。調製条件Ａ（以下で説明する調製条件Ｂも同様）は、血液検体に試薬を反応させる際の温度に関する条件、及び、血液検体と試薬の混合比率に関する条件のうち、少なくともいずれか１つの条件であってもよい。なお、血液検体に試薬を反応させる時間の長さに関する条件は、血液検体と試薬を調合してヒータで加熱する際の加熱時間の長さに関する条件であってもよい。
調製条件Ａにおける反応時間、温度及び混合比率は、健常な血液検体であれば、白血球を、リンパ球と、単球と、好中球と、好塩基球と、好酸球とに分類することができる値に予め定められている。
続いて、測定ユニット２の検出部２６は、調製された測定試料に光（レーザ光）を照射することで、光信号を取得する。続いて、情報処理ユニット４の制御部５００は、光信号に基づいて、血液検体に含まれる白血球を分類し、白血球の種別ごとに各血球の数をカウントする。
ステップＳ１０１で、情報処理ユニット４の制御部５００は、白血球を分類した結果として、スキャッタグラム及び／又は各白血球の血球数を出力する。
ステップＳ１０２で、制御部５００は、調製条件Ａで調製した測定試料について、白血球の分類（細胞分類）に関する分類能を評価することで、各白血球が十分に分離できているか否かを判定する。分類能とは、複数種別の細胞をどの程度正しく分類できているかを示す指標を意味する。より具体的には、光信号を分析することで、血液検体を、白血球の種別（リンパ球、単球、好中球、好塩基球及び好酸球）ごとに正しく分類できていることを示す指標を意味する。例えば、制御部５００は、白血球を分類した結果、リンパ球、単球、好中球、好塩基球及び好酸球のうち、少なくともいずれか２種類の白血球が十分に分離されていない場合、各白血球が十分に分類できていないと判定する。
制御部５００は、各白血球が十分に分類できていると判定した場合（「分類能が所定の条件を満たさない場合」と称してもよい）、拡張モードに移行せずに処理を終了する。一方、各白血球が十分に分類できていない可能性があると判定した場合（「分類能が所定の条件を満たす場合」と称してもよい）、制御部５００は、拡張モードに移行するために、ステップＳ１０３の処理手順に進む。各白血球が十分に分類できていない可能性がある場合とは、例えば、何らかの疾患がある被験者から採取された血液など、健常ではない血液検体を分析した場合等に生じると考えられる。
ステップＳ１０３で、測定ユニット２の試料調製部２５は、血液検体と試薬とを、再度調製条件Ａに従って混合することで、測定試料を調製する。続いて、測定ユニット２の検出部２６は、調製された測定試料に光を照射することで、光信号を取得する。続いて、情報処理ユニット４の制御部５００は、光信号を用いて、血液検体に含まれる白血球を分類するとともに、白血球の種別ごとに各血球の数をカウントする。
ステップＳ１０４で、測定ユニット２の試料調製部２５は、血液検体と試薬とを、調製条件Ａとは異なる調製条件Ｂに従って混合することで、測定試料を調製する。続いて、測定ユニット２の検出部２６は、調製された測定試料に光を照射することで、光信号を取得する。続いて、情報処理ユニット４の制御部５００は、光信号を用いて、血液検体に含まれる白血球を分類するとともに、白血球の種別ごとに各血球の数をカウントする。
ステップＳ１０５で、制御部５００は、調製条件Ａにより得られた光信号を用いた白血球の分類結果と、調製条件Ｂにより得られた光信号を用いた白血球の分類結果と、を比較する。調製条件Ａによる分類結果と調製条件Ｂによる分類結果との比較結果が所定の範囲にある場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。一方、比較結果が所定の範囲を超える場合、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
ステップＳ１０６で、制御部５００は、ステップＳ１０５における比較結果に基づいて白血球の種別ごとの血球数を含む分析結果を出力する。より具体的には、制御部５００は、調製条件Ａにより得られた光信号に基づく各白血球のカウント数及び／又はスキャッタグラムを出力する。
ステップＳ１０７で、制御部５００は、ステップＳ１０５における比較結果に基づいて白血球数を含む分析結果を出力する。例えば、制御部５００は、調製条件Ａにより得られた光信号に基づく各白血球のカウント数及び／又はスキャッタグラムと、各白血球のカウント数の信頼性に関する情報とを表示部４１に出力する。当該信頼性に関する情報とは、例えば、各白血球のカウント数及び／又はスキャッタグラムについては信頼性が低いことを示すフラグや文字列であってもよい。
以上説明した、ステップＳ１００、ステップＳ１０３及びステップＳ１０４の処理手順の各々において、制御部５００は、測定試料Ａ（又は測定試料Ｂ）から発せられた側方蛍光（ＳＦＬ）及び側方散乱光信号（ＳＳＣ）の２つの光信号を用いて白血球を分類する。なお、白血球の分類には、角度の異なる２種類の散乱光（つまり、前方散乱光信号（ＦＳＣ）、側方散乱光信号（ＳＳＣ）及び側方蛍光信号（ＳＦＬ））のうち少なくとも２つの光信号を用いるようにしてもよい。
また、制御部５００は、側方蛍光（ＳＦＬ）及び側方散乱光信号（ＳＳＣ）の２つの光信号を異なる軸にプロットすることで得られるスキャッタグラムに基づいて、白血球の分類結果を取得する。
また、制御部５００は、側方蛍光信号（ＳＦＬ）及び側方散乱光信号（ＳＳＣ）を用いることで、血液検体をリンパ球、単球、好中球及び好酸球の４種類に分類した分類結果を取得する。
なお、制御部５００は、前方散乱光信号（ＦＳＣ）、側方散乱光信号（ＳＳＣ）及び側方蛍光信号（ＳＦＬ）の全てを用いることで、血液検体を、リンパ球、単球、好中球、好塩基球及び好酸球の５種類に分類した分類結果を取得することとしてもよい。
以上説明したステップＳ１０３の処理手順における調製条件Ａ、測定試料、光信号を、それぞれ、第１の調製条件、第１の測定試料及び第１の光信号と呼ぶ。また、ステップＳ１０４の処理手順における調製条件Ｂ、測定試料、光信号を、それぞれ、第２の調製条件、第２の測定試料及び第２の光信号と呼ぶ。また、ステップＳ１００の処理手順における調製条件Ａ、測定試料、光信号を、それぞれ、第３の調製条件、第３の測定試料及び第３の光信号と呼ぶ。
また、他の例として、ステップＳ１００の処理手順における調製条件Ａ、測定試料、光信号を、それぞれ、第１の調製条件、第１の測定試料及び第１の光信号と呼ぶ。また、ステップＳ１０４の処理手順における調製条件Ｂ、測定試料、光信号を、それぞれ、第２の調製条件、第２の測定試料及び第２の光信号と呼ぶ。
上記の実施形態においては、調製条件Ａによる試料の調製、光信号測定および分類を、ステップＳ１００およびステップＳ１０３において実行する。これにより、ステップＳ１００における試料の調製から、ステップＳ１０３における試料の調製までに長時間が経過した場合であっても、ステップＳ１０４において調製条件Ｂによって調製される試料と近い状態の試料を用いて、調製条件Ａによる試料の調製がなされる。従って、ステップＳ１０６又はステップＳ１０７において出力する分析結果の精度を高めることができる。
（分析装置の動作に関する変形例１）
制御部５００は、ステップＳ１０７の処理手順において、調製条件Ｂにより得られた光信号に基づく各白血球のカウント数及び／又はスキャッタグラムを出力する。
（分析装置の動作に関する変形例２）
制御部５００は、図９に示す処理手順のうち、ステップＳ１０３及びステップＳ１０５の処理手順を省略するようにしてもよい。すなわち、制御部５００は、調製条件Ａにより得られた光信号を用いた白血球の分類能を評価した評価結果が所定の条件を満たすとき、ステップＳ１０３の処理手順を実行せずに、ステップＳ１０４の処理手順を実行する。また、制御部５００は、ステップＳ１０４の処理手順で取得した、調製条件Ｂにより得られた光信号を用いて、血液検体に含まれる白血球を分類するとともに、各血球の数をカウントし、各白血球のカウント数及び／又はスキャッタグラムを表示部４１に出力する。
変形例２において、ステップＳ１００の処理手順における調製条件Ａ、測定試料、光信号を、それぞれ、第１の調製条件、第１の測定試料及び第１の光信号と呼ぶ。また、ステップＳ１０４の処理手順における調製条件Ａ、測定試料、光信号を、それぞれ、第２の調製条件、第２の測定試料及び第２の光信号と呼ぶ。
（分析装置の動作に関する変形例３）
制御部５００は、入力部４２を介して、血液検体を標準モードではなく拡張モードで測定するとの測定指示をユーザから受け付ける。この場合、制御部５００は、当該測定指示を受けた場合、図９に示す処理手順のうち、ステップＳ１００〜ステップＳ１０２の処理手順を省略する（つまり、標準モードを省略する）。
（分析装置の動作に関する変形例４）
制御部５００は、以上説明した変形例１と変形例３とを組み合わせた処理を行う。すなわち、制御部５００は、血液検体を標準モードではなく拡張モードで測定するとの測定指示をユーザから受け付けた場合、図９に示す処理手順のうち、ステップＳ１００〜ステップＳ１０２の処理手順を省略する（つまり、標準モードを省略する）。また、ステップＳ１０７の処理手順において、調製条件Ｂにより得られた光信号に基づく各白血球のカウント数及び／又はスキャッタグラムを出力する。
＜調製条件Ａ及び調製条件Ｂの例＞
調製条件Ｂは、血液検体に試薬を反応させる時間を、調製条件Ａよりも延長した条件である。なお、調製条件Ｂは、血液検体に試薬を反応させる際の温度を、調製条件Ａよりも高くした条件であってもよい。また、調製条件Ｂは、血液検体と試薬の混合比率について、試薬の割合を調製条件Ａよりも高めた条件であってもよい。
＜白血球の分類結果を判定又は分析する処理の具体例＞
通常モードから拡張モードへ移行するか否かを判定する処理において、各白血球を十分に分類できているか否かを判定する処理（Ｓ１０２）と、拡張モードにおいて、調製条件Ａにおける白血球の分類結果と、調製条件Ｂにおける白血球の分類結果とを比較して分析結果を出力する処理（Ｓ１０５〜Ｓ１０７）について具体的に説明する。
（パターンＡ）
パターンＡは、スキャッタグラムに存在する複数のクラスタのうちいずれか１つのクラスタに属する細胞の数を用いて、各白血球の分類結果を判定又は比較する方法である。
［通常モードから拡張モードへの移行要否を判定する処理］
制御部５００は、白血球を分類した結果、いずれか１つのクラスタに属する白血球のカウント数が所定の値（例えば０）又は所定の値以下（例えば５や１０など）である場合、各白血球が十分に分類できていない可能性があると判定（すなわち、分類能が所定の条件を満たすと判定）する。一方、全ての白血球のカウント数が所定の値（例えば０）ではない又は所定の値以上である場合、各白血球が十分に分類できていると判定（すなわち、分類能が所定の条件を満たさないと判定）する。
一例として、光信号として側方蛍光信号（ＳＦＬ）及び側方散乱光信号（ＳＳＣ）を用いて、白血球を好中球、リンパ球、単球および好酸球の４種類の白血球に分類した結果、好酸球のカウント数が所定の値（例えば０）であった場合、各白血球を十分に分類できていないと判定する。
［調製条件Ａ及び調製条件Ｂの分類結果を比較する処理］
制御部５００は、調製条件Ａにより得られたスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する細胞の数と、調製条件Ｂにより得られたスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する細胞の数との比較結果に基づいて、白血球数を含む分析結果を出力する。
より詳細には、制御部５００は、調製条件Ａにより得られたスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する白血球の数と、調製条件Ｂにより得られたスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する白血球の数との差が所定の範囲内である場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。一方、当該差が所定の範囲を超える場合、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
図１０は、調製条件Ａによる分類結果と調製条件Ｂによる分類結果の一例を示す図である。図１０の例では、調製条件Ａの分類結果には好酸球クラスタが存在しない（好酸球の数は０個）が、調製条件Ｂの分類結果には好酸球クラスタ（好酸球の数は１００個以上）が存在している。従って、制御部５００は、調製条件Ｂにおける分類結果の方が調製条件Ａよりも白血球を適切に分類出来ていると判定する。
（パターンＢ）
パターンＢは、スキャッタグラムに存在するクラスタ数を用いて、各白血球の分類結果を判定又は比較する方法である。
［通常モードから拡張モードへの移行要否を判定する処理］
制御部５００は、白血球を分類した結果、スキャッタグラムに存在するクラスタ数が所定の値以下である場合、各白血球が十分に分類できていない可能性があると判定（すなわち、分類能が所定の条件を満たすと判定）する。一方、クラスタ数が所定の値である場合、各白血球が十分に分類できていると判定（すなわち、分類能が所定の条件を満たさないと判定）する。所定の値は、スキャッタグラムの種類によって予め定められている。例えば、側方蛍光信号（ＳＦＬ）をＹ軸とし、側方散乱光信号（ＳＳＣ）をＸ軸とするスキャッタグラムの場合、所定の値は４種類（好中球、リンパ球、単球および好酸球）である。
［調製条件Ａ及び調製条件Ｂにおける白血球の分類結果を比較する処理］
制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在するクラスタ数と、調製条件Ｂにより得られたスキャッタグラムに存在するクラスタ数との比較結果に基づいて、白血球数を含む分析結果を出力する。
より詳細には、制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在するクラスタ数と、調製条件Ｂにより得られたスキャッタグラムに存在するクラスタ数との差が所定の範囲内（例えば、差が０）である場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。一方、当該差が所定の範囲を超える場合（例えば、差が１以上）、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
図１０の例では、調製条件Ａの分類結果には３つのクラスタしか存在しないが、調製条件Ｂの分類結果には４つのクラスタが存在している。従って、制御部５００は、調製条件Ｂにおける分類結果の方が調製条件Ａよりも白血球を適切に分類出来ていると判定する。
（パターンＣ）
パターンＣは、スキャッタグラムに含まれる２つのクラスタ間の距離を用いて、各白血球の分類結果を判定又は比較する方法である。
［通常モードから拡張モードへの移行要否を判定する処理］
制御部５００は、白血球を分類した結果、スキャッタグラムに存在する２つのクラスタ間の距離が所定の値以下である場合、各白血球が十分に分類できていない可能性があると判定（すなわち、分類能が所定の条件を満たすと判定）する。一方、２つのクラスタ間の距離が所定の値を超える場合、各白血球が十分に分類できていると判定（すなわち、分類能が所定の条件を満たさないと判定）する。
一例として、制御部５００は、好中球のクラスタと、単球のクラスタとの間の距離が所定の値以下であった場合、各白血球が十分に分類できていないと判定する。
［調製条件Ａ及び調製条件Ｂにおける白血球の分類結果を比較する処理］
制御部５００は、調製条件Ａにより得られたスキャッタグラムに含まれる２つのクラスタ間の距離と、調製条件Ｂにより得られたスキャッタグラムに含まれる２つのクラスタ間の距離との比較結果に基づいて、白血球数を含む分析結果を出力する。
より詳細には、制御部５００は、調製条件Ａにより得られたスキャッタグラムに含まれる所定の２つのクラスタ間の距離と、調製条件Ｂにより得られたスキャッタグラムに含まれる当該所定の２つのクラスタ間の距離との差が所定の範囲内（例えば１０チャネル以内等）である場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。一方、当該差が所定の範囲を超える場合（例えば１０チャネルを超える場合等）、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
図１１の例では、調製条件Ａの分類結果では、好中球クラスタと好酸球クラスタとの間の距離は２５チャンネルであるが、調製条件Ｂの分類結果では、好中球クラスタと好酸球クラスタとの間の距離は５０チャンネルである。この場合、クラスタ間距離の差は２５チャンネルであり、所定の範囲（１０チャネル）を超えている。従って、制御部５００は、調製条件Ｂにおける分類結果の方が調製条件Ａよりも白血球を適切に分類出来ていると判定する。
なお、クラスタ間の距離は、クラスタに属する各血球位置のＸ軸の平均値を比較した距離であってもよい。ここで、クラスタに属する各血球位置のＸ軸の平均値は、各血球のＸ軸の値（チャンネルの値）の合計値を、血球数で除算することで算出することができる。例えば図７に示すように、Ｘ＝０〜２及びＹ＝０〜３の領域で囲まれたクラスタが存在すると仮定した場合、Ｘ軸の平均値は、（（３＋６）×１＋（１＋１０＋８）×２）÷（３＋６＋１＋１０＋８）≒１．６８になる。これに限定されず、クラスタ間の距離は、クラスタに属する各血球位置のＹ軸の平均値を比較した距離であってもよい。
パターンＣにおいて、距離を比較する２つのクラスタは、スキャッタグラムの種類によって予め定められていてもよい。例えば、側方蛍光信号（ＳＦＬ）をＹ軸とし、側方散乱光信号（ＳＳＣ）をＸ軸とするスキャッタグラムの場合、リンパ球クラスタと単球クラスタとの間の距離を比較するように定められていてもよいし、単球クラスタと好中球クラスタとの間の距離を比較するように定められていてもよいし、好中球クラスタと好酸球クラスタとの間の距離を比較するように定められていてもよい。
（パターンＤ）
パターンＤは、スキャッタグラムに存在する２つのクラスタの境界が接している度合いを用いて、各白血球の分類結果を判定又は比較する方法である。
［通常モードから拡張モードへの移行要否を判定する処理］
制御部５００は、白血球を分類した結果、スキャッタグラムに存在する２つのクラスタの境界が接している度合いが所定の値以下である場合、各白血球が十分に分類できていない可能性があると判定（すなわち、分類能が所定の条件を満たすと判定）する。一方、２つのクラスタの境界が接している度合いが所定の値を超える場合、各白血球が十分に分類できていると判定（すなわち、分類能が所定の条件を満たさないと判定）する。
［調製条件Ａ及び調製条件Ｂの分類結果を比較する処理］
制御部５００は、調製条件Ａにより得られたスキャッタグラムに含まれる２つクラスタの境界が接している度合いと、調製条件Ｂにより得られたスキャッタグラムに含まれる２つクラスタの境界が接している度合いとの比較結果に基づいて、白血球数を含む分析結果を出力する。
より詳細には、制御部５００は、調製条件Ａにより得られたスキャッタグラムに含まれる２つクラスタの境界が接している度合いと、調製条件Ｂにより得られたスキャッタグラムに含まれる２つクラスタの境界が接している度合いとの差が所定の範囲内である場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。一方、当該差が所定の範囲を超える場合、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
図１２は、調製条件Ａによる分類結果と調製条件Ｂによる分類結果の一例を示す図である。図１２の例では、調製条件Ａの分類結果では好中球クラスタと好酸球クラスタが接触しているが、調製条件Ｂの分類結果では好中球クラスタと好酸球クラスタは接触していない。従って、制御部５００は、調製条件Ｂにおける分類結果の方が調製条件Ａよりも白血球を適切に分類出来ていると判定する。
図１３は、２つクラスタの境界が接している度合いの算出例を説明するための図である。図１３は、スキャッタグラムの中で、好中球クラスタと好酸球クラスタが接しているエリアを拡大した図である。縦方向は側方蛍光信号（ＳＦＬ）の軸（Ｙ軸）であり、横方向は側方散乱光信号（ＳＳＣ）の軸（Ｘ軸）である。
２つクラスタの境界が接している度合いは、２つのクラスタのうちいずれか一方のクラスタ境界上の各座標の周囲に存在する座標の中で、もう一方のクラスタに属する血球が存在する座標の数をカウントした値である。例えば図１３（ａ）の場合、Ａ４の座標の周囲８つの座標のうち、好中球が存在する座標は、Ａ４の座標の左上の座標１つである。同様に、Ａ８の座標の周囲８つの座標のうち、好中球が存在する座標は、Ａ８の座標の左、左上及び上の座標の３つである。このようにカウントすると、図１３（ａ）の場合、好中球クラスタと好酸球クラスタの境界が接している度合いは、「９」になる。図１３（ｂ）の場合、好中球クラスタと好酸球クラスタの境界が接している度合いは、「１」になる。
なお、図１３の例では、好酸球クラスタの周囲の座標のうち好中球が存在する座標をカウントしたが、好中球クラスタを基準に座標の数をカウントする。例えば、好中球クラスタの境界上の座標の周囲に存在する座標の中で、好酸球が存在する座標の数をカウントする。
パターンＤにおいて、接している度合いを比較する２つのクラスタ間は、スキャッタグラムの種類によって予め定められていてもよい。例えば、側方蛍光信号（ＳＦＬ）をＹ軸とし、側方散乱光信号（ＳＳＣ）をＸ軸とするスキャッタグラムの場合、リンパ球クラスタと単球クラスタとが接している度合いを比較してもよいし、単球クラスタと好中球クラスタとが接している度合いを比較してもよいし、好中球クラスタと好酸球クラスタとが接している度合いを比較してもよい。
（パターンＥ）
パターンＥは、スキャッタグラムに存在するクラスタにおける血球の分布形状を用いて、各白血球の分類結果を判定又は比較する方法である。
［通常モードから拡張モードへの移行要否を判定する処理］
制御部５００は、白血球を分類した結果、スキャッタグラムに存在する少なくとも１つのクラスタのＸ軸又はＹ軸における血球の分布形状が所定の条件に合致する場合、各白血球が十分に分類できていない可能性があると判定（すなわち、分類能が所定の条件を満たすと判定）する。一方、スキャッタグラムに存在する少なくとも１つのクラスタのＸ軸又はＹ軸における血球の分布形状が所定の条件に合致しない場合、各白血球が十分に分類できていると判定（すなわち、分類能が所定の条件を満たさないと判定）する。
所定の条件は、Ｘ軸における各チャネルに存在する血球数をヒストグラムで表した際に、２以上の峰が存在することであってもよい。ここで、Ｘ軸における各チャネルに存在する血球数の算出方法を、図７を用いて説明する。例えば、Ｘ＝０〜２及びＹ＝０〜３の領域で囲まれたクラスタが存在すると仮定する。この場合、Ｘ＝０、１、２の各チャネルにおける血球数は、それぞれ、０、９、１９になる。
［調製条件Ａ及び調製条件Ｂの分類結果を比較する処理］
制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在する所定のクラスタのＸ軸又はＹ軸における血球の分布形状と、調製条件Ｂにより得られたスキャッタグラムに存在する当該所定のクラスタのＸ軸又はＹ軸における血球の分布形状との比較結果に基づいて、白血球数を含む分析結果を出力する。
より詳細には、制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在する所定のクラスタのＸ軸又はＹ軸における血球の分布形状に含まれる峰の数と、調製条件Ｂにより得られたスキャッタグラムに存在する所定のクラスタのＸ軸又はＹ軸における血球の分布形状に含まれる峰の数とが同一であるか、又は、調製条件Ａよりも調製条件Ｂの方が峰の数が多い場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。一方、峰の数が減り、かつ、クラスタ数が増加した場合、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
峰の数の判定に用いる所定のクラスタは、リンパ球クラスタ、単球クラスタ、好中球クラスタ、好酸球クラスタ、好塩基球クラスタのうち任意のクラスタであってもよいし、いずれか１つのクラスタ（例えば好中球クラスタ）が予め定められていてもよい。
図１４は、調製条件Ａによる分類結果と調製条件Ｂによる分類結果の一例を示す図である。図１４（ａ）の例では、調製条件Ａの場合、好中球クラスタには２つの峰が存在するが、調製条件Ｂの場合、好中球クラスタには１つの峰しか存在しない。また、クラスタ数は、調製条件Ａでは３つであるが、調製条件Ｂでは４つである。従って、制御部５００は、調製条件Ｂにおける分類結果の方が調製条件Ａよりも白血球を適切に分類出来ていると判定する。
（パターンＦ）
パターンＦは、スキャッタグラムに存在するクラスタ数と、境界粒子数とを用いて、各白血球の分類結果を判定又は比較する方法である。
［調製条件Ａ及び調製条件Ｂの分類結果を比較する処理］
制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在するクラスタ数と、所定のクラスタにおける境界粒子数と、調製条件Ｂにより得られたスキャッタグラムに存在するクラスタ数と、当該所定のクラスタにおける境界粒子数との比較結果に基づいて、白血球数を含む分析結果を出力する。
より詳細には、制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在するクラスタ数と、調製条件Ｂにより得られたスキャッタグラムに存在するクラスタ数とが異なる場合、若しくは、調製条件Ｂにおける所定のクラスタにおける境界粒子数が、調製条件Ａにおける所定のクラスタにおける境界粒子数よりも多い又は同一である場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。
一方、制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在するクラスタ数と、調製条件Ｂにより得られたスキャッタグラムに存在するクラスタ数とが同一であり、かつ、調製条件Ｂにおける所定のクラスタにおける境界粒子数が、調製条件Ａにおける所定のクラスタにおける境界粒子数よりも少ない場合、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
なお、パターンＦにおける「所定のクラスタにおける境界粒子数」とは、所定のクラスタ内の境界部分に、所定のクラスタとは異なる種別の血球が存在する数を意味する。具体的には、側方蛍光信号（ＳＦＬ）及び側方散乱光信号（ＳＳＣ）を用いるスキャッタグラムにおいて、例えば好中球クラスタのうち右側境界部分に存在する血球の中に、前方散乱光信号（ＦＳＣ）を考慮することで好酸球に分類できる血球が存在する場合がある。このような場合に、好酸球に分類できる血球の数をカウントした数が、「所定のクラスタにおける境界粒子数」に該当する。
パターンＦにおいて、境界粒子数が減ったのにも関わらず調製条件Ｂにおける分類結果の方が適切であると判定している理由は、調製条件Ａにより得られたカウント数に誤りがある（例えば、好中球なのにも関わらず好酸球とカウントされてしまった）と考えられるためである。
（パターンＧ）
パターンＧは、スキャッタグラムに存在する所定のクラスタの幅とクラスタ数とを用いて、各白血球の分類結果を判定又は比較する方法である。
［調製条件Ａ及び調製条件Ｂの分類結果を比較する処理］
制御部５００は、調製条件Ａにより得られたスキャッタグラムに存在する所定のクラスタの幅及びクラスタ数と、調製条件Ｂにより得られたスキャッタグラムに存在する所定のクラスタの幅及びクラスタ数との比較結果に基づいて、白血球数を含む分析結果を出力する。
より詳細には、制御部５００は、調製条件Ｂにより得られたスキャッタグラムに存在する所定のクラスタの幅が、調製条件Ａにより得られたスキャッタグラムに存在する所定のクラスタの幅よりも長い又は同一であるか、若しくは、調製条件Ｂにおけるクラスタ数が、調製条件Ａにおけるクラスタ数よりも少ない又は同一である場合、調製条件Ａにおいて各白血球を十分に分類できていると判定し、ステップＳ１０６の処理手順に進む。
制御部５００は、調製条件Ｂにより得られたスキャッタグラムに存在する所定のクラスタの幅が、調製条件Ａにより得られたスキャッタグラムに存在する所定のクラスタの幅よりも短くなっており、かつ、調製条件Ｂにおけるクラスタ数が、調製条件Ａにおけるクラスタ数よりも多い場合、調製条件Ｂにおける分類結果の方が調製条件Ａよりも各白血球を適切に分類出来ていると判定し、ステップＳ１０７の処理手順に進む。
図１６は、調製条件Ａによる分類結果と調製条件Ｂによる分類結果の一例を示す図である。図１６の例では、調製条件Ａにおける好中球クラスタの幅は５０チャネルであるが、調製条件Ｂにおける好中球クラスタの幅は４０チャネルである。また、調製条件Ａにおけるクラスタ数は３つであるが、調製条件Ｂにおけるクラスタ数は４つである。従って、制御部５００は、調製条件Ｂにおける分類結果の方が調製条件Ａよりも白血球を適切に分類出来ていると判定する。
なお、クラスタの幅はＸ軸における幅であってもよいし、Ｙ軸における幅であってもよい。また、クラスタの幅は、Ｘ軸（又はＹ軸）における各チャネルに存在する血球数が所定の数以上であるチャネルの幅であってもよい。
以上説明した調製条件Ａにおけるスキャッタグラム及び調製条件Ｂにおけるスキャッタグラムを、それぞれ、第１の分布図及び第２の分布図と呼ぶ。
また、ステップＳ１０５の処理手順において、調製条件Ａにより得られた光信号を用いた白血球の分類結果は、「調製条件Ａにおけるスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する白血球の数」、「調製条件Ａにおけるスキャッタグラムに含まれる複数のクラスタの数」、「調製条件Ａにおけるスキャッタグラムに含まれる２つのクラスタ間の距離」、「調製条件Ａにおけるスキャッタグラムに含まれる２つのクラスタの境界が接している度合い」、及び、「調製条件Ａにおけるスキャッタグラムに含まれる複数のクラスタのうち所定クラスタの幅」のうち少なくともいずれか１つであると表現されてもよい。
また、ステップＳ１０５の処理手順において、調製条件Ｂにより得られた光信号を用いた白血球の分類結果は、「調製条件Ｂにおけるスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する白血球の数」、「調製条件Ｂにおけるスキャッタグラムに含まれる複数のクラスタの数」、「調製条件Ｂにおけるスキャッタグラムに含まれる２つのクラスタ間の距離」、「調製条件Ｂにおけるスキャッタグラムに含まれる２つのクラスタの境界が接している度合い」、及び、「調製条件Ｂにおけるスキャッタグラムに含まれる複数のクラスタのうち所定クラスタの幅」のうち少なくともいずれか１つであると表現されてもよい。
また、ステップＳ１０５の処理手順において、調製条件Ａによる分類結果と調製条件Ｂによる分類結果との比較結果は、「調製条件Ａにおけるスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する白血球の数と、調製条件Ｂにおけるスキャッタグラムに含まれる複数のクラスタのうちいずれか１つのクラスタに属する白血球の数との比較結果」、「調製条件Ａにおけるスキャッタグラムに含まれる複数のクラスタの数と、調製条件Ｂにおけるスキャッタグラムに含まれる複数のクラスタの数との比較結果」、「調製条件Ａにおけるスキャッタグラムに含まれる２つのクラスタ間の距離と、調製条件Ｂにおけるスキャッタグラムに含まれる２つのクラスタ間の距離との比較結果」、「調製条件Ａにおけるスキャッタグラムに含まれる２つのクラスタの境界が接している度合いと、調製条件Ｂにおけるスキャッタグラムに含まれる２つのクラスタの境界が接している度合いとの比較結果」、および、「調製条件Ａにおけるスキャッタグラムに含まれる複数のクラスタのうち所定クラスタの幅と、調製条件Ｂにおけるスキャッタグラムに含まれる複数のクラスタのうち所定クラスタの幅との比較結果」のうち少なくとも１つであると表現されてもよい。
＜まとめ＞
以上説明した実施形態によれば、標準モードにおいて、調製条件Ａに基づいて調製した血液検体を測定し、通常モードにおいて白血球の分類が十分にできていない可能性があると判定した場合、拡張モードに移行し、調製条件Ａに基づいて調製した血液検体と、調製条件Ｂに基づいて調製した血液検体の両方について、白血球の分類を行うようにした。また、両方の分類結果を比較し、比較結果を含む分析結果を出力するようにした。これにより、検体の性質によって精度が不十分な分析結果が出力されてしまうことを抑止することが可能になる。
以上説明した実施形態は、２種類の調製条件で好中球および好酸球を分類する例を示したが、本発明はこれに限定されず、例えば、側方蛍光信号（ＳＦＬ）及び側方散乱光信号（ＳＳＣ）を用いて、好中球および単球を分類する例に適用してもよい。この場合、図１３に示すステップＳ１０３の調製条件における検体と試薬との反応時間より、ステップＳ１０４の調製条件における検体と試薬との反応時間を短くするとよい。同様に、ステップＳ１０３の調製条件における反応温度より、ステップＳ１０４の調製条件における反応温度を低くしてもよいし、ステップＳ１０３の調製条件における試薬の混合比率より、ステップＳ１０４の調製条件における試薬の混合比率を低くしてもよい。
また、血球の分類に用いる光信号の種類は限定されず、上記説明した組み合わせ以外の２種類を組み合わせてもよいし、３種類以上の光信号を組み合わせてもよいし、１種類の光信号を用いてもよい。
また、２種類の調製条件によって分類される細胞の種類も、白血球に限定されず、赤血球、血小板、又はその他の血球であってもよい。
以上説明した実施形態は、血液検体の分析に限定されず、血液以外の様々な体液や尿の分析にも適用することができる。この場合、上記の説明において、「白血球」の文言を「細胞」の文言に置き換えるようにしてもよい。また、例えば尿を分析する、分析装置１は、尿に含まれる赤血球、白血球、上皮細胞、扁平上皮細胞、円柱及び細菌を分類し、各々の数をカウントするようにしてもよい。
以上説明した実施形態は、光を第１の測定試料および第２の測定試料に照射し、光信号を取得する形態に限定されず、例えば、第１の測定試料および第２の測定試料が、電圧を印加した細孔を追加する際に生じる電気信号を取得し、取得した電気信号を用いて細胞を分類する細胞分析装置に本発明を適用してもよい。この場合、上記の説明において、「第１の光信号」を「第１の信号」と称し、「第２の光信号」を「第２の信号」と称し、「第３の光信号」を「第３の信号」と称してもよい。
以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態で説明したフローチャート、シーケンス、実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。
１…分析装置、２…測定ユニット、３…搬送ユニット、４…情報処理ユニット、５…ホストコンピュータ、２１…ハンド部、２２…検体容器セット部、２３…バーコードユニット、２４…検体吸引部、２４ａ…ピアサ、２５…試料調製部、２６…検出部、４０…本体、４１…表示部、４２…入力部、４０１…ＣＰＵ、４０４…ハードディスク、４０４ａ…プログラム、４０５…読出装置、４０５ａ…記録媒体、４０６…画像出力インターフェース、４０７…入出力インターフェース、４０８…通信インターフェース、５００…制御部、５０１…測定制御部、５０２…解析処理部、５０３…表示制御部、５０４…入力処理部、５０５…記憶部

Claims (18)

  1. 分析装置が実行する、検体に含まれる細胞を分類する細胞分類方法であって、
    検体を、第１の調製条件で処理して第１の測定試料を調製することと、
    調製した前記第１の測定試料から第１の信号を取得することと、
    前記第１の信号を用いて前記第１の測定試料に含まれる細胞を分類することと、
    前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、
    調製した前記第２の測定試料から第２の信号を取得することと、
    前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞の分類結果と、前記第２の信号を用いた細胞の分類結果と、を比較し、比較結果に基づいて細胞数を含む分析結果を出力することと、
    を含む細胞分類方法。
  2. 前記分析結果を出力することは、
    前記比較結果が所定の範囲にある場合、前記第１の信号に基づく細胞数を出力することと、
    前記比較結果が所定の範囲を超える場合、前記第１の信号に基づく細胞数と、当該細胞数の信頼性に関する情報と、を出力することと、を含む、
    請求項１に記載の細胞分類方法。
  3. 前記分析結果を出力することは、
    前記比較結果が所定の範囲にある場合、前記第１の信号に基づく細胞数を出力することと、
    前記比較結果が所定の範囲を超える場合、前記第２の信号に基づく細胞数を出力することと、を含む、
    請求項１に記載の細胞分類方法。
  4. 検体の測定指示を受け付けることをさらに含み、
    前記測定指示を受け付けると、
    前記第１の測定試料を調製することと、前記第１の信号を取得することと、前記第１の信号を用いて細胞を分類することと、前記第２の測定試料を調製することと、前記第２の信号を取得することと、前記第２の信号を用いて細胞を分類することと、前記分析結果を出力することが実行される、
    請求項１〜３のいずれか一項に記載の細胞分類方法。
  5. 前記検体を、前記第１の調製条件で処理して第３の測定試料を調製することと、
    調製した前記第３の測定試料から第３の信号を取得することと、
    前記第３の信号を用いて前記第３の測定試料に含まれる細胞を分類することと、
    前記第３の信号を用いた細胞の分類結果が所定の条件を満たすとき、前記第１の測定試料を調製することと、前記第１の信号を取得することと、前記第１の測定試料に含まれる細胞を分類することと、前記第２の測定試料を調製することと、前記第２の信号を取得することと、前記第２の測定試料に含まれる細胞を分類することと、前記分析結果を出力することと、を実行する、
    請求項１〜４のいずれか一項に記載の細胞分類方法。
  6. 前記第１および第２の調製条件は、前記検体に試薬を反応させる時間の長さに関する条件、前記検体に試薬を反応させる際の温度に関する条件、及び、前記検体と試薬の混合比率に関する条件のうち、少なくともいずれか１つの条件である、
    請求項１〜５のいずれか一項に記載の細胞分類方法。
  7. 前記第１の信号は第１の光信号であり、
    前記第１の信号を取得することは、前記第１の測定試料に光を照射して前記第１の光信号を取得することを含み、
    前記第２の信号は第２の光信号であり、
    前記第２の信号を取得することは、前記第２の測定試料に光を照射して前記第２の光信号を取得することを含む、
    請求項１〜６のいずれか一項に記載の細胞分類方法。
  8. 前記第１の光信号は、前記第１の測定試料から発せられた蛍光及び角度の異なる２種類の散乱光のうち少なくとも２つの光信号を含み、
    前記第２の光信号は、前記第２の測定試料から発せられた蛍光及び角度の異なる２種類の散乱光のうち少なくとも２つの光信号を含み、
    前記第１の光信号を用いた細胞の分類結果は、前記第１の光信号に含まれる前記少なくとも２つの光信号を異なる軸にプロットすることで得られる第１の分布図に基づいて取得され、
    前記第２の光信号を用いた細胞の分類結果は、前記第２の光信号に含まれる前記少なくとも２つの光信号を異なる軸にプロットすることで得られる第２の分布図に基づいて取得される、
    請求項７に記載の細胞分類方法。
  9. 前記第１の光信号を用いた細胞の分類結果は、
    前記第１の分布図に含まれる複数のクラスタのうちいずれか１つのクラスタに属する細胞の数、
    前記第１の分布図に含まれる複数のクラスタの数、
    前記第１の分布図に含まれる２つのクラスタ間の距離、
    前記第１の分布図に含まれる２つのクラスタの境界が接している度合い、および
    前記第１の分布図に含まれる複数のクラスタのうち所定クラスタの幅、
    の少なくとも１つであり、
    前記第２の光信号を用いた細胞の分類結果は、
    前記第２の分布図に含まれる複数のクラスタのうちいずれか１つのクラスタに属する細胞の数、
    前記第２の分布図に含まれる複数のクラスタの数、
    前記第２の分布図に含まれる２つのクラスタ間の距離、
    前記第２の分布図に含まれる２つのクラスタの境界が接している度合い、および
    前記第２の分布図に含まれる複数のクラスタのうち所定クラスタの幅、
    の少なくとも１つであり、
    前記比較結果は、
    前記第１の分布図に含まれる複数のクラスタのうちいずれか１つのクラスタに属する細胞の数と、前記第２の分布図に含まれる複数のクラスタのうちいずれか１つのクラスタに属する細胞の数との比較結果、
    前記第１の分布図に含まれる複数のクラスタの数と、前記第２の分布図に含まれる複数のクラスタの数との比較結果、
    前記第１の分布図に含まれる２つのクラスタ間の距離と、前記第２の分布図に含まれる２つのクラスタ間の距離との比較結果、
    前記第１の分布図に含まれる２つのクラスタの境界が接している度合いと、前記第２の分布図に含まれる２つのクラスタの境界が接している度合いとの比較結果、および
    前記第１の分布図に含まれる複数のクラスタのうち所定クラスタの幅と、前記第２の分布図に含まれる複数のクラスタのうち所定クラスタの幅との比較結果、
    の少なくとも１つである、
    請求項８に記載の細胞分類方法。
  10. 前記検体は血液であり、
    分類される前記細胞には、少なくともリンパ球、単球、好中球及び好酸球が含まれる、
    請求項１〜９のいずれか一項に記載の分類方法。
  11. 分析装置が実行する、検体に含まれる細胞を分類する細胞分類方法であって、
    検体を、第１の調製条件で処理して第１の測定試料を調製することと、
    調製した前記第１の測定試料から第１の信号を取得することと、
    前記第１の信号を用いて前記第１の測定試料に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞分類の分類能を評価することと、
    前記分類能の評価結果が所定の条件を満たすとき、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、
    調製した前記第２の測定試料から第２の信号を取得することと、
    前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、
    前記第２の信号に基づく細胞数を出力することと、
    を含む細胞分類方法。
  12. 分析装置が実行する、検体に含まれる細胞を分類する細胞分類方法であって、
    検体を、第１の調製条件で処理して第１の測定試料を調製することと、
    調製した前記第１の測定試料から第１の信号を取得することと、
    前記第１の信号を用いて前記第１の測定試料に含まれる細胞を分類することと、
    前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、
    調製した前記第２の測定試料から第２の信号を取得することと、
    前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞分類における分類能を評価することと、
    前記分類能の評価結果に基づき、前記第１の信号に基づく細胞数を含む分析結果又は前記第２の信号に基づく細胞数を含む分析結果を出力することと、
    を含む細胞分類方法。
  13. 検体に含まれる細胞を分類する分析装置であって、
    検体を試薬で調製して測定試料を生成する試料調製部と、
    測定試料から信号を取得する検出部と、
    制御部と、を備え、
    前記制御部は、
    前記試料調製部に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させ、
    前記検出部に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させ、
    前記第１の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第２の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞の分類結果と、前記第２の信号を用いた細胞の分類結果と、を比較し、比較結果に基づいて分析結果を出力することと、を実行する、
    分析装置。
  14. 検体に含まれる細胞を分類する分析装置であって、
    検体を試薬で調製して測定試料を生成する試料調製部と、
    測定試料から信号を取得する検出部と、
    制御部と、を備え、
    前記制御部は、
    前記試料調製部に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させることと、
    前記検出部に、調製した前記第１の測定試料から第１の信号を取得すること、を実行させることと、
    前記第１の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞分類の分類能を評価することと、
    前記分類能の評価結果が所定の条件を満たすとき、
    前記試料調製部に、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製すること、を実行させることと、
    前記検出部に、調製した前記第２の測定試料から第２の信号を取得すること、を実行させることと、
    前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、
    前記第２の信号に基づく細胞数を出力することと、を実行する、
    分析装置。
  15. 検体に含まれる細胞を分類する分析装置であって、
    検体を試薬で調製して測定試料を生成する試料調製部と、
    測定試料から信号を取得する検出部と、
    制御部と、を備え、
    前記制御部は、
    前記試料調製部に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させ、
    前記検出部に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させ、
    前記第１の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第２の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞分類における分類能を評価することと、
    前記分類能の評価結果に基づき、前記第１の信号に基づく細胞数を含む分析結果又は前記第２の信号に基づく細胞数を含む分析結果を出力することと、を実行する、
    分析装置。
  16. コンピュータに、
    検体を試薬で調製して測定試料を生成する試料調製部に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させることと、
    測定試料から信号を取得する検出部に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させることと、
    前記第１の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第２の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞の分類結果と、前記第２の信号を用いた細胞の分類結果と、を比較し、比較結果に基づいて分析結果を出力することと、
    を実行させるためのプログラム。
  17. コンピュータに、
    検体を試薬で調製して測定試料を生成する試料調製部に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させることと、
    測定試料から信号を取得する検出部に、調製した前記第１の測定試料から第１の信号を取得すること、を実行させることと、
    前記第１の信号を用いた細胞分類の分類能を評価することと、
    前記分類能の評価結果が所定の条件を満たすとき、
    前記試料調製部に、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製すること、を実行させることと、
    前記検出部に、調製した前記第２の測定試料から第２の信号を取得すること、を実行させることと、
    前記第２の信号を用いて前記第２の測定試料に含まれる細胞を分類することと、
    前記第２の信号に基づく細胞数を出力することと、
    を実行させるためのプログラム。
  18. コンピュータに、
    検体を試薬で調製して測定試料を生成する試料調製部に、検体を、第１の調製条件で処理して第１の測定試料を調製することと、前記検体を、前記第１の調製条件とは異なる第２の調製条件で処理して第２の測定試料を調製することと、を実行させ、
    測定試料から信号を取得する検出部に、調製した前記第１の測定試料から第１の信号を取得することと、調製した前記第２の測定試料から第２の信号を取得することと、を実行させ、
    前記第１の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第２の信号を用いて前記検体に含まれる細胞を分類することと、
    前記第１の信号を用いた細胞分類における分類能を評価することと、
    前記分類能の評価結果に基づき、前記第１の信号に基づく細胞数を含む分析結果又は前記第２の信号に基づく細胞数を含む分析結果を出力することと、
    を実行させるためのプログラム。
JP2020049794A 2020-03-19 2020-03-19 細胞分類方法、分類装置及びプログラム。 Active JP7357425B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2020049794A JP7357425B2 (ja) 2020-03-19 2020-03-19 細胞分類方法、分類装置及びプログラム。
EP21157851.3A EP3882601B1 (en) 2020-03-19 2021-02-18 Cell classification method, classification device, and program
US17/192,499 US11965817B2 (en) 2020-03-19 2021-03-04 Cell classification method, classification device, and program
CN202110249793.0A CN113495050A (zh) 2020-03-19 2021-03-08 细胞分类方法、分类装置和程序
JP2023154053A JP2023179520A (ja) 2020-03-19 2023-09-21 細胞分類方法、分類装置及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020049794A JP7357425B2 (ja) 2020-03-19 2020-03-19 細胞分類方法、分類装置及びプログラム。

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023154053A Division JP2023179520A (ja) 2020-03-19 2023-09-21 細胞分類方法、分類装置及びプログラム

Publications (2)

Publication Number Publication Date
JP2021148651A true JP2021148651A (ja) 2021-09-27
JP7357425B2 JP7357425B2 (ja) 2023-10-06

Family

ID=74668688

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2020049794A Active JP7357425B2 (ja) 2020-03-19 2020-03-19 細胞分類方法、分類装置及びプログラム。
JP2023154053A Pending JP2023179520A (ja) 2020-03-19 2023-09-21 細胞分類方法、分類装置及びプログラム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023154053A Pending JP2023179520A (ja) 2020-03-19 2023-09-21 細胞分類方法、分類装置及びプログラム

Country Status (4)

Country Link
US (1) US11965817B2 (ja)
EP (1) EP3882601B1 (ja)
JP (2) JP7357425B2 (ja)
CN (1) CN113495050A (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115839912B (zh) * 2023-02-14 2023-07-11 深圳迈瑞动物医疗科技股份有限公司 一种动物用血液分析装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008008786A (ja) * 2006-06-29 2008-01-17 Sysmex Corp 分析装置
WO2009136570A1 (ja) * 2008-05-09 2009-11-12 シスメックス株式会社 血液分析装置、血液分析方法および溶血剤

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4805564B2 (ja) 2004-10-22 2011-11-02 シスメックス株式会社 生体試料分析装置および方法
US7958063B2 (en) * 2004-11-11 2011-06-07 Trustees Of Columbia University In The City Of New York Methods and systems for identifying and localizing objects based on features of the objects that are mapped to a vector
SE530750C2 (sv) * 2006-07-19 2008-09-02 Hemocue Ab En mätapparat, en metod och ett datorprogram
JP5318364B2 (ja) * 2007-01-31 2013-10-16 日本電子株式会社 試料保持体、試料検査装置及び試料検査方法、並びに試料保持体の製造方法
JP5511149B2 (ja) 2008-03-28 2014-06-04 シスメックス株式会社 生体試料分析装置及び生体試料分析方法
US20120088230A1 (en) * 2010-10-11 2012-04-12 Monique Givens System And Method For Cell Analysis
US20160320381A1 (en) * 2011-09-25 2016-11-03 Theranos, Inc. Systems and methods for multi-analysis
US9322767B2 (en) * 2012-04-17 2016-04-26 i-calQ, LLC Device for performing a blood, cell, and/or pathogen count and methods for use thereof
EP2972321B1 (en) 2013-03-12 2021-02-17 Abbott Laboratories System for analyzing white blood cells

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008008786A (ja) * 2006-06-29 2008-01-17 Sysmex Corp 分析装置
WO2009136570A1 (ja) * 2008-05-09 2009-11-12 シスメックス株式会社 血液分析装置、血液分析方法および溶血剤

Also Published As

Publication number Publication date
JP7357425B2 (ja) 2023-10-06
CN113495050A (zh) 2021-10-12
EP3882601B1 (en) 2024-03-13
US11965817B2 (en) 2024-04-23
EP3882601A1 (en) 2021-09-22
JP2023179520A (ja) 2023-12-19
US20210293692A1 (en) 2021-09-23

Similar Documents

Publication Publication Date Title
US7943383B2 (en) Apparatus and method for automatically determining the validity of white blood sample measurements based on the characteristics of optical scattering data
US11105742B2 (en) Nucleated red blood cell warning method and device, and flow cytometer using the same
US10281458B2 (en) Blood analyzer, blood analyzing method, and non-transitory computer-readable storage medium
JP5581283B2 (ja) 検体分析装置
JP4926812B2 (ja) 血球分析装置および体液分析方法
JP4817450B2 (ja) 血液分析装置、血液分析方法およびコンピュータプログラム
JP6100658B2 (ja) 血球分析装置および血球分析方法
CN106018771B (zh) 血液分析装置及血液分析方法
EP2784479B1 (en) Blood cell analyzer and blood cell analyzing method
US8349256B2 (en) Blood cell analyzer, blood cell analyzing method, and computer program product
JP2023179520A (ja) 細胞分類方法、分類装置及びプログラム
EP2889379B1 (en) Method of detecting filarial larvae in blood, and blood analyzer
CN115839912B (zh) 一种动物用血液分析装置及方法
CN116298348A (zh) 一种物种用血液分析装置及方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221205

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230119

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230314

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230427

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230725

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230822

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230921

R150 Certificate of patent or registration of utility model

Ref document number: 7357425

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150