JP2022504634A - 距離に基づく組織状態の決定 - Google Patents
距離に基づく組織状態の決定 Download PDFInfo
- Publication number
- JP2022504634A JP2022504634A JP2021519743A JP2021519743A JP2022504634A JP 2022504634 A JP2022504634 A JP 2022504634A JP 2021519743 A JP2021519743 A JP 2021519743A JP 2021519743 A JP2021519743 A JP 2021519743A JP 2022504634 A JP2022504634 A JP 2022504634A
- Authority
- JP
- Japan
- Prior art keywords
- type
- cells
- observed
- relative distribution
- image
- 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
Links
- 238000009826 distribution Methods 0.000 claims abstract description 404
- 210000004027 cell Anatomy 0.000 claims abstract description 357
- 210000003719 b-lymphocyte Anatomy 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000003703 image analysis method Methods 0.000 claims abstract description 18
- 206010028980 Neoplasm Diseases 0.000 claims description 122
- 210000002865 immune cell Anatomy 0.000 claims description 122
- 210000004881 tumor cell Anatomy 0.000 claims description 98
- 230000008595 infiltration Effects 0.000 claims description 49
- 238000001764 infiltration Methods 0.000 claims description 49
- 238000010191 image analysis Methods 0.000 claims description 43
- 239000003814 drug Substances 0.000 claims description 35
- 229940079593 drug Drugs 0.000 claims description 33
- 238000003384 imaging method Methods 0.000 claims description 26
- 201000011510 cancer Diseases 0.000 claims description 16
- 238000011282 treatment Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000005094 computer simulation Methods 0.000 claims description 8
- 230000001900 immune effect Effects 0.000 claims description 8
- 206010061218 Inflammation Diseases 0.000 claims description 7
- 230000007717 exclusion Effects 0.000 claims description 7
- 210000000987 immune system Anatomy 0.000 claims description 7
- 230000004054 inflammatory process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 102100039496 Choline transporter-like protein 4 Human genes 0.000 claims description 2
- 101000889282 Homo sapiens Choline transporter-like protein 4 Proteins 0.000 claims description 2
- 229940076838 Immune checkpoint inhibitor Drugs 0.000 claims description 2
- 108010002350 Interleukin-2 Proteins 0.000 claims description 2
- 239000012274 immune-checkpoint protein inhibitor Substances 0.000 claims description 2
- 230000002601 intratumoral effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 8
- 210000001519 tissue Anatomy 0.000 description 194
- 239000000523 sample Substances 0.000 description 85
- 230000006870 function Effects 0.000 description 34
- 238000004088 simulation Methods 0.000 description 20
- 101000946843 Homo sapiens T-cell surface glycoprotein CD8 alpha chain Proteins 0.000 description 16
- 102100034922 T-cell surface glycoprotein CD8 alpha chain Human genes 0.000 description 16
- 238000005259 measurement Methods 0.000 description 11
- 239000000090 biomarker Substances 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 8
- 230000001575 pathological effect Effects 0.000 description 8
- 210000001744 T-lymphocyte Anatomy 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 102000011782 Keratins Human genes 0.000 description 6
- 108010076876 Keratins Proteins 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 239000000427 antigen Substances 0.000 description 5
- 108091007433 antigens Proteins 0.000 description 5
- 102000036639 antigens Human genes 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 239000000975 dye Substances 0.000 description 5
- 238000009169 immunotherapy Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 230000001747 exhibiting effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000002073 fluorescence micrograph Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 230000028993 immune response Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- RGCLLPNLLBQHPF-HJWRWDBZSA-N phosphamidon Chemical compound CCN(CC)C(=O)C(\Cl)=C(/C)OP(=O)(OC)OC RGCLLPNLLBQHPF-HJWRWDBZSA-N 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000003171 tumor-infiltrating lymphocyte Anatomy 0.000 description 3
- 241000819038 Chichester Species 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 210000001151 cytotoxic T lymphocyte Anatomy 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000005750 disease progression Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004962 physiological condition Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- HOZOZZFCZRXYEK-HNHWXVNLSA-M scopolamine butylbromide Chemical compound [Br-].C1([C@@H](CO)C(=O)OC2C[C@@H]3[N+]([C@H](C2)[C@@H]2[C@H]3O2)(C)CCCC)=CC=CC=C1 HOZOZZFCZRXYEK-HNHWXVNLSA-M 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010009944 Colon cancer Diseases 0.000 description 1
- 102100028967 HLA class I histocompatibility antigen, alpha chain G Human genes 0.000 description 1
- 108010024164 HLA-G Antigens Proteins 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 108010021466 Mutant Proteins Proteins 0.000 description 1
- 102000008300 Mutant Proteins Human genes 0.000 description 1
- 108010026552 Proteome Proteins 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 208000029742 colonic neoplasm Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000016396 cytokine production Effects 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000002163 immunogen Effects 0.000 description 1
- 230000004968 inflammatory condition Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 229940126619 mouse monoclonal antibody Drugs 0.000 description 1
- 210000000822 natural killer cell Anatomy 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 230000001613 neoplastic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000003285 pharmacodynamic effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000019491 signal transduction Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000011277 treatment modality Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000004614 tumor growth Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Microbiology (AREA)
- Cell Biology (AREA)
- Biotechnology (AREA)
- Oncology (AREA)
- Hospice & Palliative Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
- 組織サンプルのデジタル画像(118)を受信すること(202);
- A型細胞(504)及びB型細胞(506)の数及び位置を同定すること(204);
- 観測相対分布(708、706)を得ること(206);
- 参照A型細胞と参照B型細胞との間の期待距離の参照相対分布(710、714)を得ること(208);
- 参照相対分布と観測相対分布の差として近接スコア(718、720)を計算すること(210);
- 近接スコアと、A型細胞の密度及び/又はB型細胞の密度とを含む、組み合わせスコア(912)を計算すること(212);
- 組織サンプルの生物医学的状態を決定するために組み合わせスコアを使用すること(214)及び/又は組み合わせスコアを出力すること(216)
【選択図】図9
Description
- 組織サンプルのデジタル画像を受信すること;
- 受信した画像の領域中で観測されたA型細胞及びB型細胞の数及び位置を同定するために受信した画像を分析することであって、A型及びB型が異なる細胞型である、受信した画像を分析すること;
- 観測相対分布を得るために領域中のA型及びB型細胞の位置を分析することであって、観測相対分布が領域中のA型細胞とB型細胞との間の観測距離を示す、A型及びB型細胞の位置を分析すること;
- 参照相対分布を得ることであって、参照相対分布が参照A型細胞と参照B型細胞との間の予想距離を示す、参照相対分布を得ること;
- 参照相対分布と観測相対分布の差として近接スコアを計算すること;
- 組み合わせスコアを計算することであって、組み合わせスコアが、近接スコアを含み、A型細胞の密度及び/又はB型細胞の密度を含む、組み合わせスコアを計算すること;
- 組織サンプルの生物医学的状態を決定するために組み合わせスコアを使用すること及び/又はユーザが組織サンプルの生物医学的状態を決定するのを可能にするために組み合わせスコアをユーザに出力すること
を含む。
a)前記A型細胞を半径0を有する円の中心として選択すること;
b)増加したサイクルを生成するために一工程により半径を増加させること;
c)工程b)で生成されたサイクルに含有されるB型細胞の数を決定すること;
d)記憶媒体に工程b)で決定されたB型細胞の数に関連した円の現在の半径を記憶させ、終了基準に達するまで工程b)、c)及びd)を繰り返すこと;及び
e)A型細胞の選択されていない一つを選択し、すべてのA型細胞が選択されるまで前記新たに選択されたA型細胞を使用してa)を継続すること。
による式(11)で前記文献に記載されている。
に従って、
として計算され:
- 式中、
は二変量リプリーのK(t)関数であり、
- ここで、iは「観測A型細胞」のオブジェクト型の発生であり;
- ここで、jは「観測B型細胞」のオブジェクト型の発生であり;
- 式中、
は、観測B型細胞の密度(画像領域当たりの数)であり;
- 式中、
は、画像領域内で同定された、観測A型細胞の総数であり;
- 式中、
は、画像領域内で同定された、観測B型細胞の総数であり;
- 式中、
は、観測A型細胞である細胞(「現在調査されている細胞」とも考えられる)であり;
- 式中、rは、観測A型細胞の中心に位置する段階的に増加した半径であり;
- ここで、tは、u、r、及び
に対する関数であり、画像領域中の観測A型細胞uの周囲の半径rの円における観測B型細胞の数をカウントし;
- 式中、
は、「観測A型細胞であるuのすべてにわたる」を意味し;
- 式中、Eは、すべてのuにわたって得られたtの期待値である。
に従って、
に対する
の平方根であり得る。
- シミュレーションされた参照A型細胞の分布をコンピュータによりコンピュータによりシミュレーションすることであって、シミュレーションされた参照A型細胞の密度が画像領域中で観測されたA型細胞の密度と同一である、シミュレーションされた参照A型細胞の分布をコンピュータによりシミュレーションすること;
- シミュレーションされた参照B型細胞の分布をコンピュータによりシミュレーションすることであって、シミュレーションされた参照B型細胞の密度が画像領域中で観測されたB型細胞の密度と同一である、シミュレーションされた参照B型細胞の分布をコンピュータによりシミュレーションすること;
- シミュレーションされた参照A型及びシミュレーションされた参照B型細胞のコンピュータによりシミュレーションされた分布の関数として参照相対分布を計算することであって、参照相対分布が領域中のシミュレーションされた参照A型細胞とシミュレーションされた参照B型細胞との間の距離を示す、参照相対分布を計算すること
を含む。
ランダムに分布するシミュレーションされた参照A型細胞(例えば腫瘍細胞)のそれぞれについて、以下の工程:
a)前記シミュレーションされた参照A型細胞を、半径0を有する円の中心として選択すること;
b)増加したサイクルを生成するために一工程により半径を増加させること;
c)工程b)で生成されたサイクルに含有されるシミュレーションされた参照B型細胞(例えば免疫細胞)の数を決定すること;
d)記憶媒体に工程b)で決定された、シミュレーションされた参照B型細胞の数に関連した円の現在の半径を記憶させ、終了基準に達するまで工程b)、c)及びd)を繰り返すこと;及び
e)シミュレーションされた参照A型細胞の選択されていない一つを選択し、すべてのシミュレーションされた参照A型細胞が選択されるまで前記新たに選択されたシミュレーションされた参照A型細胞を使用してa)を継続すること
が実施される
ことを含む。
に従って、
として計算され:
- 式中、
は二変量リプレーのK(t)関数であり、
- ここで、iは「シミュレーションされた参照A型細胞」のオブジェクト型の発生であり;
- ここで、jは「シミュレーションされた参照B型細胞」のオブジェクト型の発生であり;
- 式中、
は、シミュレーションされた参照B型細胞の密度(画像領域当たりの数)であり;
- 式中、
は、画像領域内のシミュレーションされた参照A型細胞の総数であり;
- 式中、
は、画像領域内のシミュレーションされた参照B型細胞の総数であり;
- 式中、
は、シミュレーションされた参照A型細胞である細胞であり;
- 式中、rは、シミュレーションされた参照A型細胞の中心に位置する段階的に増加した半径であり;
- ここで、tは、u、r、及び
に対する関数であり、画像領域中のシミュレーションされた参照A型細胞uの周囲の半径rの円におけるシミュレーションされた参照B型細胞の数をカウントし;
- 式中、
は、「シミュレーションされた参照A型細胞であるuのすべてにわたる」を意味し;
- 式中、Eは、すべてのuにわたって期待されたtの値である。
に従って、
に対する
の平方根として計算される「L関数」又は「ベサグのL関数」であり得る。
に従って、Philip M. Dixonの上に言及された文献の式(12)に記載されるリプリーのK(t)関数のバージョンとして計算される。式中、
は、研究領域内にある半径dik,jlを有するプロセスIのk番目の位置を中心とする円の円周の分数である。
- 一又は複数のさらなる組織サンプルのそれぞれについてさらなるデジタル画像を受信することであって、それぞれのさらなる組織サンプルが既知の生物医学的状態の組織に由来する、さらなるデジタル画像を受信すること;さらなるデジタル画像は「参照画像」とも呼ばれることがあり、さらなる組織サンプルは「参照サンプル」とも呼ばれることがある;
- 受信したさらなる画像の領域中の観測参照A型細胞及び観測参照B型細胞の数及び位置を同定するために、それぞれの受信したさらなる画像を分析すること;
- 観測参照相対分布を得るために、それぞれのさらなる画像の領域中の観測参照A型及び観測参照B型細胞の位置を分析することであって、観測参照相対分布が、さらなる受信した画像の領域中で観測された参照A型細胞と参照B型細胞との間の観測距離を示す、観測参照A型及び観測参照B型細胞の位置を分析すること;及び
- 観測参照相対分布を参照相対分布として使用すること
を含む。
- B型細胞の所定の最小数(例えば「1」)を表す所定の数を提供すること;
- 観測相対分布内で、観測半径ro-最小を同定することであって、観測半径ro-最小が、観測A型細胞のそれぞれの周りに描かれた場合に、観測B型細胞の所定の数を平均して含む円を規定する半径である、観測相対分布内で、観測半径ro-最小を同定すること;
- 参照相対分布内で、参照半径rr-最小を同定することであって、参照半径rr-最小が、参照相対分布を提供するために、シミュレーションされたか又はさらなる組織サンプルのさらなるデジタル画像で観測されたA型細胞のそれぞれの周りに描かれた場合に、参照相対分布を提供するために、シミュレーションされたか又はさらなる組織サンプルのさらなるデジタル画像で観測B型細胞の所定の数を平均して含む円を規定する半径である、参照相対分布で、参照半径rr-最小を同定すること;
- 近接スコアを、観測半径ro-最小及び参照半径rr-最小の関数として計算すること。好ましくは、関数は、観測半径と参照半径との間の差である。
を含む。
- 第1の距離閾値(t1)を規定すること;例えば、第1の距離閾値は、10μmと20μmの間、例えば15μmの値を有し得る;
- 第2の距離閾値(t2)を規定すること;例えば、第2の距離閾値は、30μmと40μmの間、例えば35μmの値を有し得る;
- プロットに参照相対分布及び観測相対分布をそれぞれ曲線の形態でプロットすることであって、プロットの第1の次元が観測及び参照相対分布を決定するのに使用される半径rを表し、プロットの第2の次元がrよりもA型細胞に近いB型細胞の数を表す(又はその逆)、プロットに参照相対分布及び観測相対分布をそれぞれ曲線の形態でプロットすること;
- プロットに第1の領域を同定することであって、第1の領域が、第1及び第2の閾値、ゼロの第2の次元値に対応するベースライン、及び第1の閾値と第2の閾値との間の観測相対分布の曲線線分により規定される、プロットに第1の領域を同定すること;
- プロットに第2の領域を同定することであって、第2の領域が、第1及び第2の閾値、ゼロの第2の次元値に対応するベースライン、及び第1の閾値と第2の閾値との間の参照相対分布の曲線線分により規定される、プロットに第2の領域を同定すること;
- 近接スコアを第1の領域及び第2の領域の関数として計算することであって、関数が、特に、第1の領域と第2の領域との間の差である、近接スコアを第1の領域及び第2の領域の関数として計算すること
を含む。
-「炎症」、ここで「炎症」とは、免疫細胞が、腫瘍のすべての区画において免疫細胞が腫瘍組織に大量に浸潤していることを示している有意に増加した細胞密度を有する免疫学的組織状態を指し、ここで、画像領域中の観測免疫細胞密度が高く、近接スコアが高いほど、組織サンプルが「炎症している」と分類される可能性が高い。
-「排除」、ここで「排除」とは、免疫細胞が組織サンプルに存在するが、腫瘍細胞に密接することが妨げられ、それにより、免疫細胞が浸潤縁及び/又は腫瘍内間質に集中しているが、腫瘍細胞から分離されている免疫学的組織状態を指し、ここで、画像領域中の観測免疫細胞密度が高く、近接スコアが低いほど、組織サンプルが「排除されている」と分類される可能性が高い。
-「枯渇」、ここで「枯渇」とは、免疫細胞が腫瘍性組織領域においてゼロ又はゼロに近い細胞密度を有する免疫学的組織状態を指し、ここで、画像領域中の観測免疫細胞密度が低いほど、組織サンプルが近接スコアの高さとは無関係に「枯渇している」と分類される可能性が高い。
を含む群から選択される。
- 複数の第1のデジタル画像を受信することであって、前記生物が薬物で治療される前に、各第1の画像が、特定の種類のがんを有する個々の生物の組織サンプルを示す、複数の第1のデジタル画像を受信すること;
- 第1のデジタル画像のそれぞれの画像領域から、前述の請求項のいずれか一項に従って第1の組み合わせスコアを計算することであって、生物医学的状態が、腫瘍の免疫細胞浸潤状態であり、A型細胞が腫瘍細胞であり、B型細胞ががん細胞である、第1の組み合わせスコアを計算すること;
- 複数の第2のデジタル画像を受信することであって、前記生物が薬物で治療される前に、各第2の画像が、特定の種類のがんを有する個々の生物の組織サンプルを示す、複数の第2のデジタル画像を受信すること;
- 第2のデジタル画像のそれぞれの画像領域から、前述の請求項のいずれか一つの第2の組み合わせスコアを計算することであって、生物医学的状態が浸潤状態であり、A型細胞が腫瘍細胞であり、B型細胞ががん細胞である、第2の組み合わせスコアを計算すること;
- 表示デバイス上に2Dスコアプロットを表示することであって、各第1の組み合わせスコアが2Dスコアプロット中の第1のシンボルによって表され、各第2の組み合わせスコアが2Dスコアプロット中の第2のシンボルによって表されており、プロット中の第1及び第2のシンボルの位置が個々の画像の画像領域中で観測された免疫細胞密度及び個々の画像の画像領域について計算された近接スコアに依拠し、同じ生物を表す第1及び第2のシンボルが、x及び/又はy座標における任意のシフトを可視化するために、第1のシンボルのいずれか一つからその個々に結合した第2のシンボルへ、2Dプロットスコアにおいて視覚的に結合される、表示デバイス上に2Dスコアプロットを表示すること
を含む。
- 組織サンプルのデジタル画像を受信すること;
- 受信した画像の領域中で観測されたA型細胞及びB型細胞の数及び位置を同定するために受信した画像を分析することであって、A型及びB型が異なる細胞型である、受信した画像を分析すること;
- 観測相対分布を得るために領域中のA型及びB型細胞の位置を分析することであって、観測相対分布が領域中のA型細胞とB型細胞との間の観測距離を示す、A型及びB型細胞の位置を分析すること;
- 参照相対分布を得ることであって、参照相対分布が参照A型細胞と参照B型細胞との間の期待距離を示す、参照相対分布を得ること;
- 参照相対分布と観測相対分布の差として近接スコアを計算すること;
- 組み合わせスコアを計算することであって、組み合わせスコアが、近接スコアを含み、A型細胞の密度及び/又はB型細胞の密度を含む、組み合わせスコアを計算すること;
- 組織サンプルの生物医学的状態を決定するために組み合わせスコアを使用すること及び/又はユーザが組織サンプルの生物医学的状態を決定するのを可能にするために組み合わせスコアをユーザに出力すること
を含む方法を実施するための命令を実行させるよう構成された、プロセッサ及びコンピュータ解釈可能命令を含む。
Claims (22)
- 組織サンプルの生物医学的状態を決定するための画像分析法であって、画像分析システム(100)により実装され、以下:
- 組織サンプルのデジタル画像(118)を受信すること(202);
- 受信した画像の領域中で観測されたA型細胞(504)及びB型細胞(506)の数及び位置を同定するために、受信した画像を分析すること(204)であって、A型とB型が異なる細胞型である、受信した画像を分析すること;
- 観測相対分布(708、706)を得るために、領域中のA型及びB型細胞の位置を分析すること(206)であって、観測相対分布が領域中のA型細胞とB型細胞との間の観測距離を示す、A型及びB型細胞の位置を分析すること;
- 参照相対分布(710、714)を得ること(208)であって、参照相対分布が参照A型細胞と参照B型細胞との間の期待距離を示す、参照相対分布を得ること;
- 参照相対分布と観測相対分布の差として近接スコア(718、720)を計算すること(210);
- 組み合わせスコア(912)を計算すること(212)であって、組み合わせスコアが、近接スコアを含み、かつA型細胞の密度及び/又はB型細胞の密度を含む、組み合わせスコアを計算すること;
- 組織サンプルの生物医学的状態を決定するために組み合わせスコアを使用すること(214)及び/又はユーザが組織サンプルの生物医学的状態を決定するのを可能にするために組み合わせスコアをユーザに出力すること(216)
を含む、方法。 - 観測相対分布を得ることが、以下:
- 画像領域中で観測された、同定されたA型細胞のそれぞれについて:
a)前記A型細胞を、半径0を有する円の中心として選択すること;
b)増加したサイクルを生成するために一工程により半径を増加させること;
c)工程b)で生成されたサイクルに含有されるB型細胞の数を決定すること;
d)記憶媒体に工程b)で決定されたB型細胞の数に関連した円の現在の半径を記憶させ、終了基準に達するまで工程b)、c)及びd)を繰り返すこと;
e)A型細胞の選択されていない一つを選択し、すべてのA型細胞が選択されるまで前記新たに選択されたA型細胞を使用してa)を継続すること;
- 観測されたB型細胞の関連する半径及び数を観測相対分布として提供すること
を含む、請求項1に記載の画像分析法。 - 観測相対分布が、
として、又は
の導関数として計算され、
が、以下:
[ - 式中、
は二変量リプレーのK(t)関数であり、
- ここで、iは「観測A型細胞」のオブジェクト型の発生であり;
- ここで、jは「観測B型細胞」のオブジェクト型の発生であり;
- 式中、
は、観測B型細胞の密度(画像領域当たりの数)であり;
- 式中、
は、画像領域内で同定された観測A型細胞の総数であり;
- 式中、
は、画像領域内で同定された観測B型細胞の総数であり;
- 式中、
は、観測A型細胞である細胞であり;
- 式中、rは、観測A型細胞の中心に位置する段階的に増加した半径であり;
- tは、u、r、及び
に対する関数であり、画像領域中の観測A型細胞uの周囲の半径rの円における観測B型細胞の数をカウントし;
- 式中、
は、「観測A型細胞であるuのすべてにわたる」を意味し;
- 式中、Eは、すべてのuにわたって得られたtの期待値である。]
に従って計算される、請求項1又は2に記載の画像分析法。 - 参照相対分布を得ること(208)が、以下:
- 領域中のシミュレーションされた参照A型細胞の分布をコンピュータによりシミュレーションすることであって、シミュレーションされた参照A型細胞の数が画像領域中で観測されたA型細胞の同定された数と同一である、領域中のシミュレーションされた参照A型細胞の分布をコンピュータによりシミュレーションすること;
- 領域中のシミュレーションされた参照B型細胞の分布をコンピュータによりシミュレーションすることであって、シミュレーションされた参照B型細胞の数が画像領域中で観測されたB型細胞の同定された数と同一である、領域中のシミュレーションされた参照B型細胞の分布をコンピュータによりシミュレーションすること;
- 参照A型及び参照B型細胞のコンピュータによりシミュレーションされた分布の関数として参照相対分布を計算することであって、参照相対分布が領域中のシミュレーションされた参照A型細胞とシミュレーションされた参照B型細胞との間の距離を示す、参照相対分布を計算すること
を含む、請求項1から3のいずれか一項に記載の方法。 - シミュレーションされた参照A型細胞の分布がポアソン分布であり、シミュレーションされた参照B型細胞の分布がポアソン分布である、請求項4に記載の画像分析法。
- 参照相対分布を参照A型及び参照B型細胞のコンピュータによりシミュレーションされた分布の関数として計算することが、以下:
- ランダムに分布したシミュレーションされた参照A型細胞のそれぞれについて:
a)前記シミュレーションされた参照A型細胞を、半径0を有する円の中心として選択すること;
b)増加したサイクルを生成するために一工程により半径を増加させること;
c)工程b)で生成されたサイクルに含有されるシミュレーションされた参照B型細胞の数を決定すること;
d)記憶媒体に工程b)で決定された、シミュレーションされた参照B型細胞の数に関連した円の現在の半径を記憶させ、終了基準に達するまで工程b)、c)及びd)を繰り返すこと;及び
e)シミュレーションされた参照A型細胞の選択されていない一つを選択し、すべてのシミュレーションされた参照A型細胞が選択されるまで前記新たに選択されたシミュレーションされた参照A型細胞を使用してa)を継続すること
- シミュレーションされた参照B型細胞の関連する半径及び数を参照相対分布として提供すること
を含む、請求項4又は5に記載の画像分析法。 - 参照相対分布が、
として、又は
の導関数として計算され、
が、以下:
[ - 式中、
は二変量リプレーのK(t)関数であり、
- ここで、iは「シミュレーションされた参照A型細胞」のオブジェクト型の発生であり;
- ここで、jは「シミュレーションされた参照B型細胞」のオブジェクト型の発生であり;
- 式中、
は、シミュレーションされた参照B型細胞の密度(画像領域当たりの数)であり;
- 式中、
は、画像領域内のシミュレーションされた参照A型細胞の総数であり;
- 式中、
は、画像領域内のシミュレーションされた参照B型細胞の総数であり;
- 式中、
は、シミュレーションされた参照A型細胞である細胞であり;
- 式中、rは、シミュレーションされた参照A型細胞の中心に位置する段階的に増加した半径であり;
- tは、u、r、及び
に対する関数であり、画像領域中のシミュレーションされた参照A型細胞uの周囲の半径rの円におけるシミュレーションされた参照B型細胞の数をカウントし;
- 式中、
は、「シミュレーションされた参照A型細胞であるuのすべてにわたる」を意味し;
- 式中、Eは、すべてのuにわたって得られたtの期待値である。]
に従って計算される、請求項4から6のいずれか一項に記載の画像分析法。 - 以下:
- 請求項4から7のいずれか一項に従って、複数の初期参照相対分布を計算すること;
- 複数の初期参照相対分布から平均参照相対分布を計算すること;及び
- 平均参照相対分布を参照相対分布として使用すること
をさらに含む、請求項1から7のいずれか一項に記載の画像分析法。 - 参照相対分布を得ること(208)が、以下:
- 一又は複数のさらなる組織サンプルのそれぞれのさらなるデジタル画像を受信することであって、それぞれのさらなる組織サンプルが既知の生物医学的状態の組織に由来する、一又は複数のさらなる組織サンプルのそれぞれのさらなるデジタル画像を受信すること;
- 受信したさらなる画像の領域中で観測された観測参照A型細胞及び観測参照B型細胞の数及び位置を同定するために、それぞれの受信したさらなる画像を分析すること;
- さらなる観測相対分布を得るために、それぞれのさらなる画像の領域中の観測参照A型及び観測参照B型細胞の位置を分析することであって、さらなる観測相対分布が、さらなるデジタル画像の領域中で観測された観測参照A型細胞と観測参照B型細胞との間の観測距離を示す、観測参照A型及び観測参照B型細胞の位置を分析すること;及び
- 観測参照相対分布を参照相対分布として使用すること
を含む、請求項1から3のいずれか一項に記載の方法。 - 参照相対分布と観測相対分布の差として近接スコアを計算すること(210)が、以下:
- B型細胞の所定の最小数を表す所定の数を提供すること;
- 観測相対分布内で、観測半径ro-最小を同定することであって、観測半径ro-最小が、観測A型細胞のそれぞれの周りに描かれた場合に、観測B型細胞の所定の数を平均して含む円を規定する半径である、観測相対分布内で、観測半径ro-最小を同定すること;
- 参照相対分布内で参照半径rr-最小を同定することであって、参照半径rr-最小が、参照A型細胞のそれぞれの周りに描かれた場合に、参照相対分布を提供するために参照B型細胞の所定の数を平均して含む円を規定する半径である、参照相対分布内で参照半径rr-最小を同定すること;
- 近接スコアを、観測半径ro-最小及び参照半径rr-最小の関数として計算することであって、関数が、特に、観測半径と参照半径との間の差である、近接スコアを、観測半径ro-最小及び参照半径rr-最小の関数として計算すること
を含む、請求項1から9のいずれか一項に記載の画像分析法。 - 以下:
- 第1の次元が半径r(Ro)を表し、第2の次元が前記半径に関連する観測B型細胞の数を表す2Dプロットにおいて、観測相対分布を観測分布曲線としてグラフで表し;及び画像分析システムのディスプレイデバイスで2Dプロットを表示すること;並びに/又は、
- 第1の次元が半径r(Rs)を表し、第2の次元が前記半径に関連する参照B型細胞の数を表す2Dプロットにおいて、参照相対分布を参照分布曲線としてグラフで表し;及び画像分析システムのディスプレイデバイスで2Dプロットを表示すること
をさらに含む、請求項1から10のいずれか一項に記載の画像分析法。 - A型細胞が腫瘍細胞であり、B型細胞が免疫細胞である、請求項1から11のいずれか一項に記載の画像分析法。
- 組織サンプルが腫瘍組織サンプルであり、組織サンプルの生物医学的状態の決定が、免疫細胞を含む受信したデジタル画像の領域に示される腫瘍組織の浸潤状態を決定することを含む、請求項1から12のいずれか一項に記載の画像分析。
- 以下:
- 2Dプロットの第1の次元が近接スコアを表し、2Dプロットの第2の次元がB型細胞又はA型細胞の密度を表すスコア2Dプロット内のシンボルとして組み合わせスコアをグラフで表し;組織サンプルの生物医学的状態を人間が決定することを可能にするために画像分析システムのディスプレイに2Dスコアプロットを出力すること(214);及び/又は
- 組織サンプルの生物医学的状態の決定を、所定の生物医学的状態の限定されたセット内又は生物医学的状態の所定の連続スペクトル内の組織サンプルの生物医学的状態を自動的に同定することによる画像分析システムによって実施し、同定された生物医学的状態を決定された生物医学的状態として出力すること
をさらに含む、請求項1から13のいずれか一項に記載の画像分析。 - 以下:
- 複数の異なる患者のそれぞれから組織サンプルのデジタル画像を受信すること;
- 請求項1から14のいずれか一項に従ってそれぞれの受信した画像を使用して患者のそれぞれについて組み合わせスコアを計算すること;
- それぞれの、生物医学的状態に特異的なシンボルによって、各患者の生物医学的状態を2Dスコアプロット上にグラフで表すことであって、プロットにおける各患者のシンボルの位置が患者について計算されたB型細胞密度と近接スコアとに依拠する、それぞれの、生物医学的状態に特異的なシンボルによって、各患者の生物医学的状態を2Dスコアプロット上にグラフで表すこと
をさらに含む、請求項14に記載の画像分析法。 - 同定された生物医学的状態が、以下:
- 「炎症」とは、免疫細胞の細胞密度が著しく増加した免疫学的組織状態を示し、腫瘍のすべての区画において免疫細胞が腫瘍組織に大量に浸潤していることを示す;
- 「排除」とは、免疫細胞が組織サンプルに存在するが、腫瘍細胞との密接な接触が妨げられており、それにより、免疫細胞が浸潤縁及び/又は腫瘍内間質に集中しているが、腫瘍細胞から分離されている、免疫学的組織状態を示す;
- 「枯渇」とは、腫瘍組織領域中の免疫細胞がゼロ又はゼロに近い細胞密度を有する免疫学的組織状態を示す
を含む群から選択される、請求項1から15のいずれか一項に記載の画像分析法。 - 以下:
- 組織サンプルが腫瘍浸潤タイプの「炎症」と分類される場合、ユーザインタフェースを介して、チェックポイント阻害剤、例えば抗PD-L1/PD-1、CTL4として作用する薬物を処方するための治療勧告を出力すること;
- 組織サンプルが腫瘍浸潤タイプの「排除」と分類される場合、ユーザインタフェースを介して、腫瘍細胞に近い免疫細胞を引き付けるよう適合された薬物を処方するための治療勧告を出力すること;
- 組織サンプルが腫瘍浸潤状態の「枯渇」と分類される場合、ユーザインタフェースを介して、免疫系を一般的に高めるよう適合された薬物、例えばIL-2を処方するための治療勧告を出力すること
をさらに含む、請求項1から16のいずれか一項に記載の画像分析法。 - 参照A型細胞の密度が画像領域中で観測されたA型細胞の密度と同一であり、参照B型細胞の密度が画像領域中で観測されたB型細胞の密度と同一である、請求項1から17のいずれか一項に記載の画像分析法。
- 特定の種類のがんを治療するための薬物の有効性を決定する方法であって、
- 複数の第1のデジタル画像を受信することであって、前記生物が薬物で治療される前に、各第1の画像が、特定の種類のがんを有する個々の生物の組織サンプルを示す、複数の第1のデジタル画像を受信すること;
- 第1のデジタル画像のそれぞれの画像領域から、前述の請求項のいずれか一項に従って第1の組み合わせスコアを計算することであって、生物医学的状態が、腫瘍の免疫細胞浸潤状態であり、A型細胞が腫瘍細胞であり、B型細胞ががん細胞である、第1の組み合わせスコアを計算すること;
- 複数の第2のデジタル画像を受信することであって、前記生物が薬物で治療される前に、各第2の画像が、特定の種類のがんを有する個々の生物の組織サンプルを示す、複数の第2のデジタル画像を受信すること;
- 第2のデジタル画像のそれぞれの画像領域から、前述の請求項のいずれか一項に従って第2の組み合わせスコアを計算することであって、生物医学的状態が腫瘍浸潤状態であり、A型細胞が腫瘍細胞であり、B型細胞ががん細胞である、第2の組み合わせスコアを計算すること;
- 表示デバイス上に2Dスコアプロットを表示することであって、各第1の組み合わせスコアが2Dスコアプロット中の第1のシンボルによって表され、各第2の組み合わせスコアが2Dスコアプロット中の第2のシンボルによって表され、プロット中の第1及び第2のシンボルの位置が個々の画像の画像領域中で観測された免疫細胞密度及び個々の画像の画像領域について計算された近接スコアに依拠し、同じ生物を表す第1及び第2のシンボルが、x及び/又はy座標における任意のシフトを可視化するために、第1のシンボルのいずれか一つからその個々に結合した第2のシンボルへ、2Dスコアプロットにおいて視覚的に結合される、表示デバイス上に2Dスコアプロットを表示すること
を含む、方法。 - プロセッサにより実行された場合に、プロセッサに請求項1から19のいずれか一項に記載の画像分析法を実施させるコンピュータ解釈可能命令を含む、記憶媒体。
- 組織サンプルの生物医学的状態を決定するための画像分析システム(100)であって、プロセッサに以下:
- 組織サンプルのデジタル画像(118)を受信すること(202);
- 受信した画像の領域中で観測されたA型細胞(604)及びB型細胞の数及び位置を同定するために受信した画像を分析すること(204)であって、A型とB型が異なる細胞型である、受信した画像を分析すること;
- 観測相対分布を得るために領域中のA型及びB型細胞の位置を分析すること(206)であって、観測相対分布が領域中のA型細胞とB型細胞との間の観測距離を示す、A型及びB型細胞の位置を分析すること;
- 参照相対分布を得ること(208)であって、参照相対分布が参照A型細胞と参照B型細胞との間の期待距離を示す、参照相対分布を得ること;
- 参照相対分布と観測相対分布の差として近接スコアを計算すること(210);
- 組み合わせスコアを計算すること(212)であって、組み合わせスコアが、近接スコアを含み、A型細胞の密度及び/又はB型細胞の密度を含む、組み合わせスコアを計算すること;
- 組織サンプルの生物医学的状態を決定するために組み合わせスコアを使用すること(214)及び/又はユーザが組織サンプルの生物医学的状態を決定するのを可能にするために組み合わせスコアをユーザに出力すること(216)
を含む方法を実施するための命令を実行させるよう構成された、プロセッサ及びコンピュータ解釈可能命令を含む、システム。 - 組織サンプルの生物医学的状態を決定するためのデータ処理システムであって、システムが空間DBMS及びアプリケーションプログラムを含み、
空間DBMSが、以下:
- 観測空間データであって、組織サンプルのデジタル画像(118)の領域中で観測されたA型細胞(604)及びB型細胞の位置を含み、A型とB型が異なる細胞型である、観測空間データ;
- 参照空間データであって、参照A型細胞及び参照B型細胞の位置を含む、参照空間データ;
を含み、
アプリケーションプログラムが以下:
- 観測相対分布を得るために観測空間データを分析することであって、観測相対分布が領域中のA型細胞とB型細胞との間の観測距離を示し、ここで、アプリケーションプログラムが観測距離を計算するために空間DBMSにより提供された空間演算を使用するよう構成されている、観測相対分布を得るために観測空間データを分析すること;
- 参照相対分布を得るために参照空間データを分析することであって、参照相対分布が領域中の同定された数の参照A型細胞と参照B型細胞との間の期待距離を示し、ここで、アプリケーションプログラムが期待距離を計算するために空間DBMSにより提供された空間演算を使用するよう構成されている、参照相対分布を得るために参照空間データを分析すること;
- 参照相対分布と観測相対分布の差として近接スコアを計算すること(210);
- 組み合わせスコアを計算すること(212)であって、組み合わせスコアが、近接スコアを含み、A型細胞の密度及び/又はB型細胞の密度を含む、組み合わせスコアを計算すること;
- 組織サンプルの生物医学的状態を決定するために組み合わせスコアを使用すること(214)及び/又はユーザが組織サンプルの生物医学的状態を決定するのを可能にするために組み合わせスコアをユーザに出力すること(216)
を行うよう構成されている
データ処理システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18202125.3 | 2018-10-23 | ||
EP18202125 | 2018-10-23 | ||
PCT/EP2019/078819 WO2020083970A1 (en) | 2018-10-23 | 2019-10-23 | Distance-based tissue state determination |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022504634A true JP2022504634A (ja) | 2022-01-13 |
JPWO2020083970A5 JPWO2020083970A5 (ja) | 2024-01-12 |
Family
ID=63965413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021519743A Pending JP2022504634A (ja) | 2018-10-23 | 2019-10-23 | 距離に基づく組織状態の決定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210343009A1 (ja) |
EP (1) | EP3871183A1 (ja) |
JP (1) | JP2022504634A (ja) |
CN (1) | CN112912923A (ja) |
WO (1) | WO2020083970A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102511628B1 (ko) * | 2020-11-09 | 2023-03-20 | 주식회사 루닛 | 암 환자 치료에 대한 반응성을 예측하기 위한 방법 및 시스템 |
KR20240012401A (ko) * | 2021-05-27 | 2024-01-29 | 제넨테크, 인크. | 공간 분포 분석에 기초하는 종양 면역표현법 |
CN113628209B (zh) * | 2021-09-03 | 2023-11-03 | 北京航空航天大学 | 粒子植入布针仿真方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017198790A1 (en) * | 2016-05-18 | 2017-11-23 | F. Hoffmann-La Roche Ag | Tumor proximity measure |
US20180089495A1 (en) * | 2011-09-28 | 2018-03-29 | Flagship Biosciences, Inc. | Method for scoring pathology images using spatial analysis of tissues |
US20180181835A1 (en) * | 2016-12-23 | 2018-06-28 | Cytognos, S.L. | Method of digital information classification |
WO2018151223A1 (ja) * | 2017-02-16 | 2018-08-23 | 国立大学法人京都大学 | 細胞評価方法、細胞評価装置、及び細胞評価プログラム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8103081B2 (en) * | 2008-03-10 | 2012-01-24 | Cambridge Research & Instrumentation, Inc. | Classification of samples |
KR101438072B1 (ko) * | 2010-04-15 | 2014-09-03 | 라모트 앳 텔-아비브 유니버시티 리미티드 | 소거 없는 플래시 메모리의 다중 프로그래밍 |
EP2746768A1 (en) * | 2012-12-20 | 2014-06-25 | Atlas Antibodies AB | Podxl in bladder cancer |
AU2015310886A1 (en) * | 2014-09-03 | 2017-02-02 | Ventana Medical Systems, Inc. | Systems and methods for calculating immune scores |
CN107529990A (zh) * | 2015-04-15 | 2018-01-02 | 皇家飞利浦有限公司 | 用于测量血液灌注参数的光学激光散斑传感器 |
WO2017171720A1 (en) * | 2016-03-29 | 2017-10-05 | Flagship Biosciences, Inc. | Digital image analysis of inflammatory cells and mediators of inflammation |
EP3539080B1 (en) * | 2016-11-10 | 2022-03-23 | F. Hoffmann-La Roche AG | Distance-based tumor classification |
WO2019110567A1 (en) * | 2017-12-05 | 2019-06-13 | Ventana Medical Systems, Inc. | Method of computing tumor spatial and inter-marker heterogeneity |
EP3812467A4 (en) * | 2018-06-19 | 2022-07-20 | Teikyo University | METHOD OF ANALYZING THE BEHAVIOR OF CELLS AND ITS USE |
US10929641B2 (en) * | 2018-08-07 | 2021-02-23 | Cytognomix Inc. | Smart microscope system for radiation biodosimetry |
-
2019
- 2019-10-23 WO PCT/EP2019/078819 patent/WO2020083970A1/en unknown
- 2019-10-23 US US17/284,610 patent/US20210343009A1/en active Pending
- 2019-10-23 CN CN201980069960.4A patent/CN112912923A/zh active Pending
- 2019-10-23 EP EP19787313.6A patent/EP3871183A1/en active Pending
- 2019-10-23 JP JP2021519743A patent/JP2022504634A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180089495A1 (en) * | 2011-09-28 | 2018-03-29 | Flagship Biosciences, Inc. | Method for scoring pathology images using spatial analysis of tissues |
WO2017198790A1 (en) * | 2016-05-18 | 2017-11-23 | F. Hoffmann-La Roche Ag | Tumor proximity measure |
US20180181835A1 (en) * | 2016-12-23 | 2018-06-28 | Cytognos, S.L. | Method of digital information classification |
WO2018151223A1 (ja) * | 2017-02-16 | 2018-08-23 | 国立大学法人京都大学 | 細胞評価方法、細胞評価装置、及び細胞評価プログラム |
Non-Patent Citations (5)
Title |
---|
A. FRANCESCA SETIADI ET AL.: ""Quantitative, Architectural Analysis of Immune Cell Subsets in Tumor-Draining Lymph Nodes from Bre", PLOS ONE, vol. 5, no. 8, JPN6023039667, 25 August 2010 (2010-08-25), pages 12420, ISSN: 0005165515 * |
ANDREAS HEINDL ET AL.: ""Mapping spatial heterogeneity in the tumor microenvironment: a new era for digital pathology"", LABORATORY INVESTIGATION, vol. 95, no. 4, JPN6023039666, April 2015 (2015-04-01), pages 377 - 384, ISSN: 0005165516 * |
JULIANE M KRUGER ET AL.: ""Combat or surveillance? Evaluation of the heterogeneous inflammatory breast cancer microenvironmen", THE JOURNAL OF PATHOLOGY, vol. 229, no. 4, JPN6023039669, 15 February 2013 (2013-02-15), pages 569 - 578, XP055181126, ISSN: 0005165513, DOI: 10.1002/path.4150 * |
YINYIN YUAN: ""Spatial Heterogeneity in the Tumor Microenvironment"", COLD SPRING HARBOR PERSPECTIVES IN MEDICINE, vol. 6, no. 8, JPN6023039668, August 2016 (2016-08-01), pages 026583, XP055574928, ISSN: 0005165514, DOI: 10.1101/cshperspect.a026583 * |
YIYI YAN ET AL.: ""Abstract 547: Novel algorithms for spatial modeling of cellular interactions in the tumor microenv", CANCER RESEARCH, vol. Vol.77, No.13_Supplement, JPN6023039665, 1 July 2017 (2017-07-01), pages 547, ISSN: 0005165517 * |
Also Published As
Publication number | Publication date |
---|---|
EP3871183A1 (en) | 2021-09-01 |
WO2020083970A1 (en) | 2020-04-30 |
CN112912923A (zh) | 2021-06-04 |
US20210343009A1 (en) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11257209B2 (en) | Cancer risk stratification based on histopathological tissue slide analysis | |
US10127433B2 (en) | Systems and methods for generating fields of view | |
US11288795B2 (en) | Assessing risk of breast cancer recurrence | |
JP6604960B2 (ja) | バイオマーカー陽性の腫瘍細胞を識別するための医用画像解析 | |
US9984199B2 (en) | Method and system for classification and quantitative analysis of cell types in microscopy images | |
Di Cataldo et al. | Computer-aided techniques for chromogenic immunohistochemistry: status and directions | |
Yan et al. | Understanding heterogeneous tumor microenvironment in metastatic melanoma | |
JP2022504634A (ja) | 距離に基づく組織状態の決定 | |
US20220375606A1 (en) | Systems and methods for machine learning (ml) model diagnostic assessments based on digital pathology data | |
US20140372450A1 (en) | Methods of viewing and analyzing high content biological data | |
Trinh et al. | GoIFISH: a system for the quantification of single cell heterogeneity from IFISH images | |
Roshan et al. | Accuracy of digital image analysis (DIA) of borderline human epidermal growth factor receptor (HER2) immunohistochemistry in invasive ductal carcinoma | |
Saeed-Vafa et al. | Practical applications of digital pathology | |
US11908130B2 (en) | Apparatuses and methods for digital pathology | |
WO2019108230A1 (en) | Method for scoring pathology images using spatial analysis of tissues | |
EP3053103A1 (en) | Biomarker method | |
CN115602313A (zh) | 用于疾病疗效与生存预后预测的生物标志物及其用途 | |
CN114463745A (zh) | 目标蛋白快速识别及定量方法 | |
Manolopoulou et al. | Statistical analysis of cellular aggregates in immunofluorescence histology | |
Markiewicz et al. | Computer Systems for Cell Counting in Histopathologic Slides of Tumours of the Central Nervous System: Advantages and Limitations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221011 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20231228 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240305 |