JP4897488B2 - 分散プロット分布を用いてスライドを分類するシステム - Google Patents

Description

発明の属する技術分野
本発明は、生体試料を分析するシステムに関し、特に、分散プロット分布を用いて、正常、異常、擬似、に生体試料を分類するシステムに関する。

発明の背景
医療業界では、特定の細胞型の存在を確認するための細胞試料の観察を行う、例えば細胞検査技師などの研究技師が必要とされる。例えば、目下のところ、悪性細胞または前悪性細胞の存在を確認する頸膣部のパパニコロウ塗沫標本スライドを観察する必要がある。５０年前に導入されて以来、パパニコロウ塗沫標本は、癌性および前癌性の頸部疾病検査用の強力なツールであった。この間、パパニコロウ塗沫標本は子宮癌の死亡率を７０％ほど低減したと考えられている。しかしながら、この急激な死亡率の低下は緩慢になってきており、米国におけるこの防止できる疾病による死亡率は、１９８０年代半ば以来、年間約５，０００人で実質的に一定している。従って、未だに毎年、子宮癌を患っている１５，０００人の女性のうち三分の一が、癌の発見が遅すぎたために死亡している。更なる懸念は、国立癌研究所のデータが、１９８６年以来５０歳以下の白人女性の侵襲性子宮頸癌の発生率が毎年３％増加していることである。

いくつものファクタが現状のスレッシュホールドに関与しており、そのなかでもとりわけ、多くの女性、特にリスクの高い年齢の女性が、ルーチンで子宮頸癌スクリーニングを行わないという事実がある。より注目すべき別の寄与ファクタは、従来のパパニコロウ塗沫標本法自体の制限である。

頸部スクリーニング法の信頼性と効率は、前癌性の損傷を診断する能力（感度）で図ることができると同時に、誤った肯定的診断を防ぐこと（特異性）で測られる。次いで、これらの基準は、細胞学的分析の正確さに依存している。伝統的には、病理学者が個々の細胞核の特徴を見ることによって生体試料に単純な細胞分析を行うか、あるいは、スライド上に現れる細胞の構造の特徴パターンを探して生体試料のコンテクスト分析を行う。

単純な細胞の分析とコンテクスト分析の双方を実行した場合でも、従来のパパニコロウ塗沫標本法では、１０−５０％の率で誤ったネガティブな評価がでていた。これは、ほとんどが、わずかな数の癌性あるいは前癌性細胞の存在を決定するのに技術者が観察しなければならない細胞と対象物の数が莫大な数である（通常、１００，０００から２００，０００ほど）ためである。従って、パパニコロウ塗沫テストは、生体材料を詳細に観察する必要がある他のテストと同様に、技術者が疲労するため誤ったネガティブ判定がなされる率が高いと言う問題があった。

この観察プロセスを容易にするために、自動スクリーニングシステムが開発された。通常のシステムでは、撮像機を操作して、細胞試料スライドの一連の画像を提供する。各画像は、スライドの異なる部分を表している。次いで、プロセッサがこの画像を処理して、試料に関する量的な情報と、兆候的情報を与える。プロセッサは、診療情報を提供するに当たり、単純な細胞分析とコンテクスト分析のいずれか、あるいは両方を実行することができる。単純な細胞分析を実行する場合、プロセッサは、細胞質領域の割合、核の積分光学濃度、核の平均光学濃度、核のテクスチュア、および細胞質の色などの細胞特性を決定することができる。コンテクスト分析を行う場合は、プロセッサは、（１）クラスタ内の核間平均距離；（２）細胞質グレィ値の標準偏差；（３）裸核の平均面積；（４）裸核面積の標準偏差；（５）クラスタの平均細胞質面積；および（６）反核間距離などのアーキテクチュア特性を決定することができる。単純な細胞分析とコンテクスト分析の結果を組み合わせて診断に至る。

いくつかの自動スクリーニングシステムでは、プロセッサは診断情報を用いて、「正常」スライドと、「擬似」スライドを線引きする。医療研究所では、「擬似」とされたスライドのみを細胞検査技師によって検査するようにして、仕事の負担を低減している。別の自動スクリーニングシステムでは、プロセッサは診断情報を用いて、各試料内の正常な生体材料と、擬似の生体材料を線引きする。すなわち、プロセッサは残りの細胞には更なる観察を行わない可能性があるとして、細胞検査技師の注意を最も適切な細胞に向ける。この場合、スクリーニング装置は診断情報を用いて、最も関係の深い生体対象物（例えば、悪性あるいは前悪性細胞に合致する特性を最も有していそうな細胞および細胞クラスタ）と、スライド上のその位置を決定する。次いで、この位置情報が顕微鏡に送られ、顕微鏡で自動的に処理を行って、細胞検査技師による観察のために生体対象物の位置と中心を決める。次いで、細胞検査技師は、病理学者の観察用に最も関係のある生体対象物（例えば、悪性あるいは前悪性細胞に合致する特性を有する対象物）にマークをつける。

一般的に、自動スクリーニングシステムの使用は、技術者の注意が擬似のスライド、あるいは各スライド中、より関連性の高い数が限られた対象物に向けられるので、成功を収めてきた。しかしながら、どの自動装置も、実現できる十分に低いコストで誤ったネガティブ判定や誤ったポジティブ判定をなくすことができなかった。更に、経済的な問題も考慮しなければならない。パパニコロウ塗沫標本などの細胞試料の観察のために研究所が負担する費用は、各スライドを観察する技術者がかけた時間に少なくとも部分的に関連する。すなわち、細胞検査技師が観察しなければならないスライドが多いほど、あるいは各スライドを観察する技術者がかける時間が多いほど、研究所が負担する労働コストが多くなる。逆に言えば、技術者が観察しなければならないスライドが少ないほど、技術者がスライドの観察にかかる時間が短くなり、研究所が節約することができる金額が多くなる。

時に、染色の質が低い生体試料から、誤ったポジティブ判定が生じる。例えば、技術者は、生体試料に特定の染色を施すための正しいプロトコルを行いそこねることがあり、または、染色が正しく施された場合でも、染料の貯蔵寿命が切れてしまっていることもある。しばしば、細胞検査技師による手動による観察がなされた後にも、低品質の染色によって試料にフラッグが付されないことがあり、これによって貴重な時間が浪費される。

発明の概要
本発明の一実施例では、生体試料を分類する方法が、生体試料中の関心のある対象物（ＯＯＩｓ）の数を同定するステップを具える。このステップは、生体試料の画像を取得して、その画像を処理してＯＯＩｓを同定することによって実現される。この方法は、更に、各ＯＯＩの第１の特徴（すなわち、核の面積）と第２の特徴（すなわち、核の積分光学濃度（ＩＯＤ））を測定するステップと、測定した第１の特徴対測定した第２の特徴の分散スポットを生成するステップを具える。次いで、少なくとも部分的に、この分散プロット内のポイントの分布に基づいて試料が（例えば、正常あるいは擬似として）分類される。一の実施例では、ポイント分布の広がりに基づいて試料を正常と分類する。これは、正常な細胞特性を示す試料の場合は比較的小さく、異常細胞特性を示す試料の場合は比較的大きい。この場合、ポイント分布の広がりが、スレッシュホールド以下であれば試料が正常に分類される。試料は、少なくとも部分的に分散プロット内のポイント分布に基づいて擬似に分類される。この場合、ポイント分布の広がりがスレッシュホールド以上であれば、擬似であると分類される。この分類は、例えば、正常なスライドを次の観察からはずす、またはその他の装置用の標準を提供するなど、様々なすべてのシナリオに適用することができる。

一の実施例では、正常な試料に更なる観察が不要とのフラッグが付けられており、この場合、試料の次の観察は都合良くパスすることができ、これによって、細胞検査技師が観察しなければならないスライドの数を減らすことができる。逆に、擬似の試料は、更なる観察が必要であるとのフラッグが付けられる。試料の次の観察は、様々な態様のどれにおいても実行することができるが、細胞検査技師の注意を擬似である対象物に向けるために、ＯＯＩｓを含めて関心のある分野が複数生じることが好ましい。

一の実施例では、様々な技術のうちのいずれかを用いて、ポイント分布の広がりを量子化する。例えば、この量子化ステップは、ジオメトリック形状（例えば、楕円）をポイントに合致させるステップと、このジオメトリック形状の少なくとも一の大きさを決定するステップと、この大きさの関数である値を計算するステップとを具えていても良い。例えば、合成スコア（この場合２つの大きさ）を計算することができる。次いで、計算した値を、スレッシュホールド値と比較することができる。

選択的に、この方法は試料の少なくとも一の追加の特徴を測定するステップを具え、この追加で測定された特徴に基づいて試料を正常と分類する。限定しない例として、この追加の情報は、分散プロットが信頼できるものであるかどうかを決定するのに使用することができる。この追加の特徴は、試料のＯＯＩｓ、試料の人工産物の総数、ＯＯＩｓの核の平均光学濃度を含むあらゆる好適な特徴であってもよい。

本発明の別の実施例では、生体試料を分類する生体スクリーニングシステムが提供されている。このシステムは、試料の画像を得て、この画像から画像データを生成する画像ステーションを具える。本システムは、更に、画像データを処理して（例えば、フィルタリング処理）生体試料内のＯＯＩｓの数を同定し、各ＯＯＩの第１の特徴を測定し、各ＯＯＩの第２の特徴を測定し、第１の特徴対第２の特徴の分散プロットを作り、少なくとも部分的にこの分散プロットの広がりに基づいて試料を分類する少なくとも一のプロセッサを具える。これらの機能は、上述した態様と同様に実行することができる。関心のある分野（ＦＯＩｓ）が選択的に発生する場合は、本システムは、各ＦＯＩに対する視野（ＦＯＶ）を走査して、各ＦＯＩ内に一又はそれ以上のＯＯＩｓを提供する自動あるいは半自動の観察ステーションを具える。

実施例の詳細な説明
図２を参照して、本発明の一実施例によって構成した生体スクリーニングシステム１０を説明する。システム１０は一連の顕微鏡スライド１２を処理して、生体試料１４（図１に示す）を、細胞検査技師による観察を必要としない「正常」か、あるいは、細胞検査技師による観察が必要な「擬似」であるかに分類するように構成されている。

システム１０は、あらゆる生体試料を正常か擬似かに分類するのに使用することができるが、システム１０はパパニコロウ塗沫標本スライドに典型的に見られるような、細胞学的な子宮頸部または膣試料のプレゼンテーションに向いている。The Bethesda System for Reporting Cervical/Vaginal Cytologic Diagnosisで規定されているその他の細胞学的カテゴリと同様に、細胞はLow Grade Squamous Intraepithelial Lesions (LGSIL) 又はHigh Grade Squamous Intraepithelial Lesions (HGSIL)のような、異常性（例えば、細胞崩壊、萎縮、感染、ダメージ）、悪性または前悪性を反映している。生体試料１４は、通常薄い細胞層としてスライド１２上に配置される。好ましくは、カバースリップ（図示せず）を試料１４に貼って、これによって試料１４をスライド１２の正しい位置に固定する。試料１４は、パパニコロウ染料などの、いずれかの好適な染料で染色するようにしても良い。

処理を行う間に、システム１０は、通常カセット（図示せず）の中に収納されているスライド１２に担持されている生体試料１４の画像を得る。画像処理を行う間に、スライド１２は連続的に、各カセットから取り出され、デジタル画像とされ、カセットに戻される。次いで、システム１０は、デジタル画像（各スライドが処理されるよう連続して、あるいは全ての処理が終わったときにオフラインで）を分析して、試料１４を正常であるか、擬似であるか、分類する。

画像処理操作を実行する場合、システム１０はカメラ１６と、顕微鏡１８と、モータステージ２０を具える。カメラ１６は、顕微鏡１８を介してスライド１２の拡大画像をとらえる。カメラ１６は電荷転送装置（ＣＣＤ）など、様々な従来のカメラのいずれであっても良い。このカメラは単独で、又は、アナログ−デジタル（Ａ／Ｄ）コンバータなどのその他の部材と共に、十分な解像度を持つデジタル出力を生成し、とらえた画像を処理して、例えば、６４０ｘ４８０ピクセルの解像度を持つデジタル画像とする。好ましくは、各ピクセルが、その光学透過特性に応じて、ピクセルを透過する光の最小量に割り当てられた値が「００００００００」であり、ピクセルを通過する光の最大値に割当てられた値が「１１１１１１１１」である、８ビットの値（０−２５５）に変換される。スライド１２は、モータステージ２０上に装着され、顕微鏡１８の視覚領域に対してスライド１２を走査する間に、カメラ１６が生体試料１２の様々な領域の画像をとらえる。カメラ１６のシャッタスピードが比較的早く、走査速度及び／又は撮影する画像数を最大にすることができることが好ましい。

分析機能を実行するに際して、システム１０は、カメラ１６から得られるデジタル画像上で様々な動作を行う画像プロセッサ２２を具える。例えば、画像プロセッサ２２は、一次分割、二次分割、分類、コンテクスト分析動作を行って、各スライド１２が正常であるか擬似であるかを決定することができる。

一次分割操作において、画像プロセッサ２２は、人工産物を更なる考慮から除去する。画像プロセッサ２２は、その明るさによって細胞の核でなさそうなデジタル画像データのピクセルを更なる考慮からマスキングすることによってこれを行う。デジタル画像の残りのピクセルは、あらゆる形状およびサイズを有する「ブロブ」を形成する。画像プロセッサ２２は、径と、ブロブから延在するか隣り合うブロブを連結している細いひもが数ピクセルであるブロブを更なる考慮からはずすためにブロブに侵食プロセスを行う。画像プロセッサ２２は、ブロブ中のピクセル数によって、画像中の各ブロブが独立した対象であるか、クラスタ対象であるかを決定する。例えば、一のブロブに５９０以上のピクセルがある場合はクラスタ対象と考えることができ、ピクセル数が５９０あるいはそれ以下の場合は独立した対象物であると考えられる。独立した対象物については、全体の面積、外周部対面積比、光学濃度基準偏差、グレイスケールの平均ピクセル値に関する所定の基準に合致しないブロブは考慮されない。

二次分割操作では、画像プロセッサ２２が独立したセルあるいはクラスタセルでありそうもないブロブを除去する。独立した対象については、画像プロセッサ２２が一連の侵食作用を実行し、小さな対象を除去し、残りのブロブから突起を削除する。また、拡大動作を実行して、残りのブロブから孔を除去する。クラスタ対象については、画像プロセッサ２２が対象物の角部を鋭角にして、明確なボーダとする。明確にしたクラスタ対象物から、画像プロセッサ２２は特別な形状の条件を満たしている核積分光学濃度（ＩＯＤ）が高い独立した対象物を選択する。クラスタ対象物から取り出した独立対象物には、クラスタ抽出対象物であるとのフラグが付けられる。

分類操作において、画像プロセッサ２２は各独立対象物とクラスタ対象物についての様々な特徴を測定し、これらの特徴の測定値に基づいて各対象物の対象スコアを計算する。このスコアに基づいて、画像プロセッサ２２が人工産物らしい独立対象物とクラスタ対象物を除去する。残りの独立対象物は、関心のある対象物（ＯＯＩｓ）であると考えられる。画像プロセッサ２２は、核のＩＯＤ（正しいもの、正しくないもの、いずれも）に対するＯＯＩｓを評価し、ＯＯＩｓをＩＯＤの値に従ってランク付けする。画像プロセッサ２２は、以下に述べるとおり、コンテクスト分析用に各ＯＯＩｓの核の面積を測定する。次いで、画像プロセッサ２２は、メモリ２４に、各デジタル画像について、そのランキング、測定した核の面積および核ＩＯＤｓと共に、フレームデータレコード（ＦＤＲ）としてＯＯＩｓを保存する。図に示す実施例では、各スライド１２について約２０００のデジタル画像が得られ、従って、各スライド１２について約２０００のＦＤＲｓがメモリ２４内に保存される。

コンテキスト分析動作において、画像プロセッサ２２は、核の面積と１００の最も高くランクされたＯＯＩｓの核ＩＯＤ’ｓをＦＤＲｓから得て、各ＯＯＩｓについての核の面積（ｙ軸）対核ＩＯＤ（ｘ軸）の分散プロットを作成する。例えば、図３に示す分散プロットは、正常な細胞の生体試料を担持したスライドから得たものであり、図４に示す分散プロットは、異常な細胞の生体試料を担持したスライドから得たものである。分散プロットに基づいて、画像プロセッサ２２は試料１４を正常であると分類し、生体試料１４に細胞検査技師による更なる観察は不要であるとのフラッグを付けるか、試料１４を擬似であると分類し、生体試料１４に細胞検査技師による更なる観察が必要であるとのフラッグを付ける。

一般的には、図４に示すように、異常性を反映する細胞を含む生体試料は、核の面積と各ＩＯＤの双方が広い分布を示す傾向にある（すなわち、分散ポイントがあいまいな境界領域を形成する傾向にある）。これに対して、図３に示すように、正常な細胞を含む生体試料は、核の面積と各ＩＯＤの双方が狭い分布を示す傾向にある（すなわち、分散ポイントが密集した境界領域を形成する傾向にある）。従って、分散ポイント分布の広がりは、スライド１２上にある生体試料１４が正常であるか擬似であるかの徴候を提供する。図３及び図４に示す分散プロットの差は、異常細胞が正常細胞より、核の面積がより広く、核のＩＯＤｓがより高い傾向にあり（クロマチン量が増えているため）、従って分散ポイントが、正常細胞による分散ポイント分布で規定されている領域から遠くへ拡がるであろうと言う事実に由来している。

分散ポイントの分布は、様々な方法で量子化することができるが、好ましい実施例では、図３及び図４に示すように、分散ポイント上にジオメトリックフィットを実行している。特に、正常なスライドからの分散ポイントの分布はいくらか楕円形となる傾向にあり、従って、楕円フィットが好ましい。生体試料は、分散ポイント分布がこの境界がはっきりした楕円形から変化するほど、より擬似であるという一般的な原理を用いて、短軸と長軸で測定した楕円のサイズが、生体試料が正常であるか擬似であるかの表示を提供する。長短の軸の長さは重み付けが行われ、合成スコアを計算するのに使用される。

スコアがコンピュータで計算されて、スレッシュホールド値と比較する。このスコアが、スコアが上がるに従って生体試料の擬似性が上がるというように計算されるとすると、スレッシュホールド値より高いスコアは、生体試料が擬似であることを表示し、スレッシュホールド値より低いスコアは生体試料が正常であることを表示する。この場合、画像プロセッサ２２は、スコアがスレッシュホールド値未満であれば試料１４を正常であると分類し、スコアがスレッシュホールド値異常であれば、試料１４を擬似であると分類する。

スレッシュホールド値の選択は、誤ったネガティブの発生（すなわち、正常であると特定された異常細胞を含むスライド）と誤ったポジティブの発生（すなわち、擬似であると特定された正常細胞を含むスライド）の、二つの競合するファクタによる。一般的に、誤診の可能性は、不必要な細胞検査技師による観察が必要である可能性に重みがおかれているので、誤ったネガティブ判定の発生は、誤ったポジティブの発生より受け入れられない。このため、スレッシュホールド値は、誤ったネガティブの確率が低いレベル、すなわち５％に維持され、誤ったポジティブの確率が高いレベル、すなわち５０％に増えるように選択することが好ましい。この場合、必要な数の２倍のスライドが連続して観察されることになるが、細胞検査技師による実際に観察するスライドの数は半分に減少する。

特に、分析されたＯＯＩｓの数の制限（すなわち、１００のＯＯＩｓのみが分散プロットの生成に使用される）は、処理条件を低減するばかりではく、分散プロットが擬似ＯＯＩｓの強化セットから生じると考えられるので、誤ったネガティブ判定に対するセーフガードとして働く。

誤ったネガティブ判定を更に少なくするために、追加情報を使用して最もランクの高いＯＯＩｓから発生する分散プロットの信頼性を確実なものにすることができる。例えば、全てのＯＯＩｓの核のＩＯＤｓの核の面積に基づく分散プロットを作って、もう一つのスコアを発生させるのに使用することができる。このスコアは、最もランクの高いＯＯＩｓから発生した分散プロットから生じるスコアのような、スレッシュホールド値と比較して、試料１４を正常とすべきかまたは擬似と分類するべきかどうかを決定するのに使用される。この場合、両方の分散プロットからのスコアのいずれもがそれぞれのスレッシュホールド値以上であれば、試料１４が擬似であると分類される。従って、試料１４を正常であると分類するには、両方のスコアがそれぞれのスレッシュホールド値以下でなくてはならない。代替的に、両方の分散プロットから取り出したスコアを、重み付けしてトータルスコアにまとめてから、単一のスレッシュホールド値と比較することができる。

その他の情報を用いて、ランクが最も高いＯＯＩｓから発生した分散プロットが信頼できるかどうかを決定することができる。例えば、数の上昇は当てにならないことが多い生体試料内の人工産物の数を測定して、スレッシュホールド値と比較することができる。人工産物の数がスレッシュホールド値以上であれば、分散プロットから得られるスコアがスライド１２が正常であると表示している場合であっても、試料１４は擬似であると分類される。

また、ＯＯＩｓの数を測定してスレッシュホールド値あるいはスレッシュホールド範囲と比較することができる。例えば、ＯＯＩｓの数が比較的少ない場合は、分散プロットが発生するＯＯＩｓのプールが、統計的に正確な結果を提供するには小さすぎる。あるいは、ＯＯＩｓの数が比較的多い場合は、人工産物の数が多くなり、分散プロットから得れる結果をゆがめてしまうことがある。この場合、ＯＯＩｓの数が低いスレッシュホールド値より小さいあるいはＯＯＩｓの高いスレッシュホールド値より大きい、すなわち、ＯＯＩｓの数がスレッシュホールド範囲外にある場合、分散プロットから得られるスコアがスライド１２が正常であると表示するような場合であっても、試料１４は擬似に分類される。

少ないＯＯＩｓあるいは全てのＯＯＩｓの平均光学濃度（正しいものもあるいは正しくないものも）を測定して、スレッシュホールド値またはスレッシュホールド範囲と比較することができる。例えば、比較的低い光学濃度は、試料が十分に染色されていないことを表し、一方で、比較的高い光学濃度は、試料が過剰に染色されていることを示す。いずれの場合も、核のＩＯＤ測定をゆがめてしまい、これによって信頼できないスコアが生じることがある。この場合、平均光学濃度が低いスレッシュホールド値より小さい、あるいは高いスレッシュホールド値より大きい、すなわち、平均光学濃度がスレッシュホールド範囲外にある場合、分散プロットから得られるスコアがスライド１２が正常であると表示するような場合であっても、試料１４は擬似であると分類される。

システム１０は、スライドを細胞検査技師によって観察するべきであるかどうかを決定する以外の目的で、試料を分類することができる。例えば、システム１０によって正常に分類された試料は、細胞検査技師が全てのスライドを観察する必要があるスクリーニングシステムなどの装置の標準化に使用することができる。例えば、スクリーニングシステムを通じて正常な試料を処理して、標準化した核の平均光学濃度を提供することができる。次の未処理の試料は、スクリーニングシステムを通じて処理することができる。次の試料が、標準化した核の平均光学濃度から所定の量だけ異なる平均光学濃度を測定したら（例えば、次の試料が過剰に染色されているあるいは過小に染色されているなど）、その結果をはねる。

分散プロットの使用は、各試料内で正常な細胞材料と擬似の細胞材料の間を線引きするスクリーニングシステムに使用することができる。特に、図６を参照すると、本発明の別の実施例によって構成された生体スクリーニングシステム１１０が記載されている。このスクリーニングシステム１１０は、システム１１０が細胞検査技師に全てのスライド１１２（一つを図５に示す）を連続的に観察することを要求する点を除いて、上述した一般的システム１０と同じであり、細胞検査技師の注意を擬似である試料１１４のこの領域（関心のある領域（ＦＯＩｓ）と呼ぶ）にのみ集めている。すなわち、どのスライド１１２（擬似のものでも）も細胞検査技師の観察の前に切り捨てられることがない。システム１１０は、分散プロットを用いてスライド１１２が擬似であることを表示し、これによって細胞検査技師に擬似であるスライドに特別な注意を払わせるようにしている。

システム１１０は、一般的に、（１）スライド１１２上に含まれる生体材料の走査画像を得て、この画像から電子画像データを生成するためのイメージングステーション１１８と；（２）画像データをフイルタリングしてＯＯＩｓを得て、各ＦＯＩに一又はそれ以上のＯＯＩｓを振り分けるためのサーバ１２０と；（３）複数の観察ステーション１２２（３つが示されている）であって、各々が各ＦＯＩに対して走査した視野（ＦＯＶ）を提供して細胞検査技師にＯＯＩｓを提示する（図７に示す）ステーションと；を具える。システム１１０は、モニタ、キーボード、およびマウス（図示せず）などを含むユーザインターフェース（図示せず）を具え、細胞検査技師がシステム１１０と相互作用できるようにしている。

イメージングステーション１１８は、スクリーニングシステム１０に対して上述したと同様の方法でスライド１１２を撮像するように構成されている。このため、イメージングステーション１１８は、上述したカメラ１６、顕微鏡１８、及びモータステージ２０と同様に、カメラ１２４、顕微鏡１２６、および上述のモータステージ１２８を具える。モータステージ１２８は、カメラ１２４でとらえた画像のｘ−ｙ軸のトラックを保持する。例えば、エンコーダ（図示せず）をモータステージ１２８の各モータに取り付けて、撮像中にｘおよびｙ方向に移動するネット距離を追跡することができる。これらの座標は、スライド１１２（図５に示す）に付けた起点となるマーク１１６に対して測定される。以下により詳細に説明するように、これらの起点マーク１１６は、各観察ステーション１２２によって、観察プロセスの間にスライド１１２のｘ−ｙ軸が、撮像プロセスで得られるスライド１１２のｘ−ｙ軸に確実に関連づけられるようにすることができる。

サーバ１２０は、（１）カメラ１２４から得た画像データからＯＯＩｓを得るように構成された画像プロセッサ１３０と；（２）各ＦＯＩにＯＯＩｓを割り当てるように構成されているＦＯＩプロセッサ１３２と；（３）観察ステーション１２２が一のＦＯＩから次のＦＯＩへ走査するのに使用するルーティングパスをマッピングするように構成されたルーティングプロセッサ１３４と；（４）ＯＯＩｓとＦＯＩｓと、ＯＯＩｓのランクとｘ−ｙ軸と、ＦＯＩｓ用のルーティングパスを保存するように構成されたメモリ１３６と；を具える。各プロセッサ１３２、１３４、および１３６で実行される機能を、単一のプロセッサで実行するか、あるいは代替的に３つ以上のプロセッサで実行することができることは自明である。同様に、メモリ１３６を複数のメモリに分割できることも自明である。

画像プロセッサ１３０は、ＡＢＣｓ（すなわち、異常クラスタ）をランク付けし、そのランクに応じてＦＤＲｓと共にＡＢＣｓを保存することを除いて、上述した画像プロセッサ２２と同様である。画像プロセッサ１３０は、ＦＤＲｓ内のＯＯＩｓとＡＢＣｓの座標を更に保存する。画像プロセッサ２２と同様に、画像プロセッサ１３０はＦＤＲｓから、最もランクの高い１００のＯＯＩｓの核面積と核のＩＯＤ’ｓを得て、核面積（ｙ軸）対各ＯＯＩｓの核ＩＯＤ（ｘ軸）の分散プロットを発生する。画像プロセッサ１３０は、分散プロットと、選択的にあらゆる追加の情報とを基にしてスライド１１２を正常あるいは擬似であると分類する。スライド１１２が擬似に分類されると、画像プロセッサ１３０はメモリ１１２にそのように表示したフラッグを保存する。

ＦＯＩプロセッサ１３２は、ＯＯＩｓのｘ−ｙ座標を基にしてＦＯＩｓを規定する。図に示す実施例では、２２のＦＯＩｓが規定されており、その内の２０がＯＯＩｓ用に保存され、二つがＡＢＣｓ、すなわち、異常クラスタ用に保存されている。最も単純なケースでは、２０のＦＯＩｓが最も高くランクされている２０のＯＯＩｓの上に集まっており、残り２つのＦＯＩｓが最も高くランクされている２つのＡＢＣｓの上に集まっている。代替的に、ＦＯＩｓは、すでに他のＦＯＩ内に含まれているＯＯＩｓとＡＢＣｓをＦＯＩに含まないようにするように規定されていてもよい。このようにして、ＯＯＩｓとＡＢＣｓは、協同作用するようにＦＯＩｓ内にグループ分けされており、ＦＯＩｓ内に含まれているＯＯＩｓとＡＢＣｓの数を最大にすることができる。代替的に、ＦＯＩｓの数が固定されていない場合は、必要なＦＯＩｓの数を最小にして、全部のＯＯＩｓとＡＢＣｓを含むようにすることができる。

ＦＯＩｓが発生した後、ＦＯＩプロセッサ１３４はメモリ１３８内の全てのＦＯＩｓのｘ−ｙ座標を保存しておくルーティングプロセッサ１３６で後に使用する。特に、ルーティングプロセッサ１３６は、観察ステーション１２２内でＦＯＩｓを表すのに最も効率的なビューイングルートを決定する「トラベリングセールスマン」アルゴリズムなど、好適なルーティングアルゴリズムを用いて、ＦＯＩｓのｘ−ｙ座標をマッピングする。ルーティングプロセッサ１３６は、観察ステーション１２２によって逐次アクセスするためにメモリ１３４内に、ルーチングプラン（図に示す実施例では、単に観察のためにＦＯＩｓをリストに載せることによって行われる）に沿ってＦＯＩｓのｘ−ｙ座標を保存する。

図６を参照すると、一実施例において、全部で３つの観察ステーション１２２がサーバ１２０に接続されており、最大で３人の細胞検査技師がサーバ１２０内に保存されている関連する情報に同時にアクセスすることができる。特に、システム１０は通常、細胞検査技師がスライドを観察するより迅速にスライド１１２を処理することができる。システム１１０の試料処理スピードが細胞検査技師の試料処理スピードより遅い場合でも、細胞検査技師は一日８時間働くだけであるが、システム１１０は通常２４時間稼働させることができる。従って、スクリーニング処理の問題となるものは、人間のレベル、すなわち、スライド１１２上の生体材料の詳細な観察において生じる。従って、複数の観察ステーション１２２の使用がこの問題を解消して、より効果的なプロセスを提供することは明らかである。

観察ステーション１２２の詳細を論じる前に、各観察ステーション１２２がＦＯＩの上に集中する例示的なＦＯＶを示す図７を参照する。図に示す実施例では、ＦＯＶは直径２．２ｍｍであり、ＦＯＩは、ＦＯＶによって外接された０．４ｍｍｘ０．４ｍｍ平方によって規定されている。実際の実施例では、ＦＯＩのボーダは、虚像であり見ることはできないので、ＯＯＩｓの細胞検査技師の視界は邪魔されない。細胞検査技師の注意をより迅速にＦＯＩに向けて、一般的にＦＯＩの虚ボーダによって境界付けられる実際の領域を表示する基準を提供するために、Ｌ字型のマークインディケータ１４２が設けられている。マークインディケータ１４２は、ＦＯＩをとらえる（すなわち、マークインディケータ１４２のオープンスクエア部分１４４が、ＦＯＩの左側と下側を境界づけている）。マークインディケータ１４２のボーダとＦＯＩの虚ボーダとの間に０．０５ｍｍのマージンが設けられており、ＦＯＩの左側と底側のボーダの外側に延在するＯＯＩｓの部分（ＦＯｌ内に含まれているＯＯＩの結果であるが、ＦＯｌの左側と底側のボーダ近傍で集中している）が、マークインディケータ１４２によって邪魔されないようにする。マークインディケータ１４２は、病理学者による更なる観察が要求される場合（例えば、ＯＯＩが悪性または悪性の疑いがあるような場合）に、細胞検査技師にＦＯＩを電子的にマークする手段（例えば、マークインディケータ５２を電子的に色づけするボタンを押すなどによって）を提供するよう動作する。

図６を参照すると、各観察ステーション１２２は、顕微鏡１３８とモータステージ１４０を具える。スライド１１２は、（画像処理の後に）メモリ１３６から得たルーティングプランとＦＯＩｓのｘ−ｙ座標に基づいて顕微鏡１３８の視野に対してスライド１１２を移動させるモータステージ１４０の上に装着される。スライド１１２は（画像処理の後に）メモリ１３８から得たルーティングプラントＦＯＩｓのｘ−ｙ座標の移動に基づいて、顕微鏡１３８の視野に対してスライド１１２を移動させるモータステージ１４０の上に装着される。特に、画像ステーション１１８のｘ−ｙ座標システムに対して得られるこれらのｘ−ｙ軸は、スライド１１２に付けられた機転マーク１１６（図５を参照）を用いて観察ステーション１２２のｘ−ｙ座標システム内に転送される。従って、観察プロセスにおいてスライド１１２のｘ−ｙ座標が、撮像プロセスにおけるスライド１１２のｘ−ｙ座標に確実に相互に関連する。モータステージ１４０は、次いで、ＦＯＩｓの転送されたｘ−ｙ座標に基づいて、ルーティングプランが示すとおりに移動する。図に示す実施例では、一のＦＯＩを別のＦＯＩに進めるために、細胞検査技師はアクティベーションスイッチ（図示せず）を押す。この意味で、観察ステーション１２２は半自動である。代替的に、ＦＯＩｓは自動的に次から次へと進められる。この場合、モータステージ１４０は選択的に、各ＦＯＩに対して所定の時間だけ休止することができる。この意味で、観察ステーション１２２は全自動である。

選択されたＦＯＩｓが顕微鏡１３８のＦＯＶ内に存在する場合、細胞検査技師は、ＦＯＩｓを検査して、もしあれば、細胞の異常性のレベルについて決定を行う。細胞検査技師は、疑わしいＦＯＩｓに電子的にマークを付ける。細胞検査技師は、以前に観察したＦＯＩに戻って、ＦＯＩｓに囲まれていないスライド上の位置を手動で移動させて観察することができる。スライド１１２の観察に続いて、ＦＯＩｓのいずれかが細胞検査技師にマークされている場合は、観察ステーション１２２は自動的に生体試料１１２を全体的に走査して、１００％の観察範囲を確実な者にする。細胞検査技師は、スライド１１２の位置を代えたり、スライド１１２の位置にアクセスするために、自動スキャンを停止させ、所望の場合はステージ１４０を移動させることができる。

特に、観察ステーション１２２は、試料１１４が擬似であると分類されると、（例えば可聴あるいは可視信号を提供することによって、細胞検査技師に通知をして）、この場合、細胞検査技師は、正常であると分類された試料を担持したスライドに行う観察に比べて、より全体的にスライド１１２を観察するようにする。

分散プロットを使用して、試料バッチの染色の質を決定することもできる。染色の質が低い（例えば、染色プロトコルがきちんと実行されていないか、染料が貯蔵寿命を越えており劣化したなど）生体試料は、核の面積と核ＩＯＤの双方が広く分布する傾向にある（すなわち、分散ポイントが、境界が曖昧な領域を作る傾向にある）ことがわかっている。これに対して、高品質に染色した生体試料は、核の面積と核ＩＯＤの双方が狭く分布する傾向にある（すなわち、分散ポイントが境界がはっきりした領域を作る傾向にある）ことがわかっている。従って、分散ポイントの分布の広がりが、スライド１２の上の生体試料１４の染色の品質を表している。高品質のプロットおよび低品質の分散プロットの差は、低品質の染料は均一でないため、はっきりした領域から分散ポイントが外へ拡がることからくるものであり、そうでなければ均一で細胞質のコントラストは、はっきりする。

各試料の分散ポイント分布は、様々なアプローチで量子化することができる。一の実施例では、ジオメトリックフィットを分散ポイントに実行して、上述した試料が正常か擬似かを決定するのと同じ方法で値を計算する。従って、組み合わさせた値が試料バッチ用に計算した値（例えば１００の試料）から計算されて、試料バッチの全体の染色の質が量子化される。試料のポイント分布の中間値を計算することができる。代替的に、試料の割合に対するポイント分布の中間値（例えば１０の最も低いポイント分布値）を計算することもできる。中間値を用いるのではなく、ポイント分布値のモードあるいは平均値を用いることもできる。

中間値を計算して、現在の試料が正しく染色されたものであるかどうかを決定するのに使用することができる。これは、様々な方法で行うことができる。例えば、正しく染色されていることがわかっている試料からコンピュータで計算したベースライン値と中間値を比較することができる（例えば、ポイント分布値の平均値を用いて）。ベースラインの中間値の比較に使用する試料数は、画像システムが配置されているサイトを通して処理する、試料の正常なサンプリングを行うのに十分な数であることが好ましい。

ポイント分布値が、試料の染色の質が下がるときにものが上がるように計算されると仮定すると、ベースライン値より所定の値だけ高い中間値は、現在の試料バッチが質の低い染色がなされていることを表示することになる。この場合、イメージプロセッサ２２は、エラーか、以前に分析した試料が正しく染色されていないかも知れない旨を表示するフラッグを生成する。これらの疑わしい試料のサブセットを手動で観察して、染色の質を視覚的に確認することができる。

代替的に、Chi-Square統計法を用いて現在の試料バッチの中間の値を以前の試料バッチの中間の値に比較して評価することができる。例えば、式

を与え、最も後ろの試料バッチが低質の染色がなされているかどうかを決定することができる。ここで、ｃ^２は、Chi-Squareであり、ｆ_０は得られた平均値であり、ｆ_ｅは、期待平均値である。例えば、最後の試料バッチの平均値が、それぞれ、１３０，１５０，１１０，１００および１７０であれば、ｆ_ｅは、（１３０＋１５０＋１１０＋１００＋１７０）／５＝１３２となり、ｃ^２は、（１３０−１３２）^２／１３２＋（１５０−１３２）^２／１３２＋（１１０−１３２）^２／１３２＋（１００−１３２）^２／１３２＋（１７０−１３２）^２／１３２＝０．０３０３＋２．４５４５＋３．６６６７＋７．７５７５＋１０．９３９３＝２４．８４８３である。

標準的な統計ハンドブックを用いて、Chi-Squareｃ^２を、試料バッチの平均値が正常分布内にあるかどうかを決定する所定の信頼レベルで、カットオフ値に比較することができる。正常分布内にない場合は、最後の試料バッチが低質の染色であると決定される。

代替的に、コンピュータで計算したポイント分布値から平均を決定して、ベースライン値とその平均を比較する代わりに、ポイント分布値をベースライン値と直接比較することができる。この場合、ベースライン値を所定の値だけ越えるポイント分布値の数を計算して、スレッシュホールド数と比較することができる。例えば、ポイント分布値の２０％がスレッシュホールド値を所定の数だけ超えている場合、染色の質が疑わしく、これによってエラーあるいはフラッグの発生を促進することができる。

図面は、本発明の実施例のデザインとユーティリティを示すものであり、同じ要素には共通の符号が付されている。
図１は、生体試料を担持する標準顕微鏡スライドを示す平面図である。 図２は、本発明の一実施例に従って構成した生体スクリーニングシステムを示す平面図である。 図３は、正常な生体試料に見られる関心のある対象物の核の面積（ｙ軸）対核の積分光学濃度（ｘ軸）の分散プロットである。 図４は、擬似の生体試料に見られる関心のある対象物の核の面積（ｙ軸）対核の積分光学濃度（ｘ軸）の分散プロットである。 図５は、生体試料を担持する別の標準顕微鏡スライドを示す平面図である。 図６は、本発明の別の実施例によって構成した生体スクリーニングシステムの平面図である。 図７は、図５に示すシステムで用いられている顕微鏡の視野を通して示された関心のある範囲とマーカインディケータを示す図である。

Claims (33)

1. 生体試料を分類する生体スクリーニングシステムにおいて：
   試料の走査画像を得ると共に、当該走査画像から画像データを生成する画像ステーションと；
   前記画像データをフィルタリングして生体試料内の関心のある対象物（ＯＯＩ）を得、それらＯＯＩの数を同定し、各ＯＯＩの核の面積を測定し、各ＯＯＩの核の積分光学濃度を測定し、当該測定した核の面積対核の積分光学濃度の分散プロットを発生し、前記分散プロット内のポイント分布に少なくとも部分的に基づいて前記試料を正常であると分類する少なくとも一のプロセッサと；
   を具えることを特徴とする生体スクリーニングシステム。
2. 請求項１に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、正常な試料に更なる観察が不要であるとのフラッグを付けることを特徴とする生体スクリーニングシステム。
3. 請求項１に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記試料を前記ポイント分布に基づいて正常か擬似のいずれかであると分類することを特徴とする生体スクリーニングシステム。
4. 請求項３に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、正常試料に更なる観察が不要であるとのフラッグを付けると共に、擬似試料に更なる観察が必要であるとのフラッグを付けることを特徴とする生体スクリーニングシステム。
5. 請求項１に記載の生体スクリーニングシステムにおいて、前記試料が前記ポイント分布の広がりに基づいて正常であると分類されることを特徴とする生体スクリーニングシステム。
6. 請求項５に記載の生体スクリーニングシステムにおいて、前記試料が前記ポイント分布の広がりがスレッシュホールド以下である場合に正常であると分類されることを特徴とする生体スクリーニングシステム。
7. 請求項５に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが、更に、前記ポイント分布の広がりを量子化し、スレッシュホールド値を規定し、量子化したポイント分布の広がりを前記スレッシュホールド値に比較して、前記試料がこの比較に基づいて正常であると分類されることを特徴とする生体スクリーニングシステム。
8. 請求項７に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが、ジオメトリックな形状を前記ポイントに合致させることによって前記ポイント分布の広がりを量子化して、前記ジオメトリックな形状の少なくとも一の大きさを決定し、前記少なくとも一の大きさの関数である値を計算し、前記少なくとも一のプロセッサが、その計算した値をスレッシュホールド値と比較することによって、前記量子化したポイント分布の広がりを前記スレッシュホールド値と比較することを特徴とする生体スクリーニングシステム。
9. 請求項８に記載の生体スクリーニングシステムにおいて、前記ジオメトリック形状が楕円であることを特徴とする生体スクリーニングシステム。
10. 請求項７に記載の生体スクリーニングシステムにおいて、少なくとも一のプロセッサが、一の値を計算することで前記ポイント分布の広がりを量子化し、この計算された値がスレッシュホールド値と比較されることを特徴とする生体スクリーニングシステム。
11. 請求項１に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記生体試料の少なくとも一の追加の特徴を測定し、前記試料が更に前記少なくとも一の追加で測定された特徴に基づいて正常であると分類されることを特徴とする生体スクリーニングシステム。
12. 請求項１１に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記少なくとも一の追加で測定された特徴に基づいて前記分散プロットが信頼性があると決定することを特徴とする生体スクリーニングシステム。
13. 請求項１１に記載の生体スクリーニングシステムにおいて、前記少なくとも一の追加で測定された特徴が、前記生体試料内のＯＯＩｓの総数であることを特徴とする生体スクリーニングシステム。
14. 請求項１１に記載の生体スクリーニングシステムにおいて、前記少なくとも一の追加で測定された特徴が、前記生体試料内の人工産物の総数であることを特徴とする生体スクリーニングシステム。
15. 請求項１１に記載の生体スクリーニングシステムにおいて、前記少なくとも一の追加で測定された特徴が、前記ＯＯＩｓの核の平均光学濃度であることを特徴とする生体スクリーニングシステム。
16. 請求項１に記載の生体スクリーニングシステムにおいて、前記ＯＯＩｓの数が予め決められていることを特徴とする生体スクリーニングシステム。
17. 請求項３に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記試料が擬似と分類されている場合にＯＯＩｓを含めるために複数の関心のあるフィールドを生成し、前記システムが更に、前記ＯＯＩｓを与えるため各関心のあるフィールドに対して視野を走査する自動、あるいは半自動の観察ステーションを具えることを特徴とする生体スクリーニングシステム。
18. 生体試料を分類する生体スクリーニングシステムにおいて：
    前記試料の走査画像を得ると共に、前記走査画像から画像データを生成するイメージングステーションと；
    前記画像データをフィルタリングして生体試料内の関心のある対象物（ＯＯＩ）を得、それらＯＯＩの数を同定し、各ＯＯＩの第１の特徴を測定し、核ＯＯＩの第２の特徴を測定し、当該測定した第１の特徴対第２の特徴の分散プロットを発生し、前記分散プロットが広がりを有するポイント分布を有すると共に、前記ポイント分布の広がりに少なくとも部分的に基づいて前記試料を正常であると分類する少なくとも一のプロセッサと；
    を具えることを特徴とする生体スクリーニングシステム。
19. 請求項１８に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、正常な試料に更なる観察が不要であるとのフラッグを付けることを特徴とする生体スクリーニングシステム。
20. 請求項１８に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記試料を前記ポイント分布に基づいて正常か擬似のいずれかであると分類することを特徴とする生体スクリーニングシステム。
21. 請求項２０に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、正常試料を更なる観察が不要であるとのフラッグを付けると共に、擬似試料に更なる観察が必要であるとのフラッグを付けることを特徴とする生体スクリーニングシステム。
22. 請求項１８に記載の生体スクリーニングシステムにおいて、前記試料が前記ポイント分布の広がりがスレッシュホールド以下である場合に正常であると分類されることを特徴とする生体スクリーニングシステム。
23. 請求項１８に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが、更に、前記ポイント分布の広がりを量子化し、スレッシュホールド値を規定し、量子化したポイント分布の広がりを前記スレッシュホールド値に比較して、前記試料がこの比較に基づいて正常であると分類されることを特徴とする生体スクリーニングシステム。
24. 請求項２３に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが、ジオメトリックな形状を前記ポイントに合致させることによって前記ポイント分布の広がりを量子化して、前記ジオメトリックな形状の少なくとも一の大きさを決定し、前記少なくとも一の大きさの関数である値をコンピュータ計算し、前記少なくとも一のプロセッサが、そのコンピュータ計算した値をスレッシュホールド値と比較することによって、前記量子化したポイント分布の広がりを前記スレッシュホールド値と比較することを特徴とする生体スクリーニングシステム。
25. 請求項２４に記載の生体スクリーニングシステムにおいて、前記ジオメトリック形状が楕円であることを特徴とする生体スクリーニングシステム。
26. 請求項２３に記載の生体スクリーニングシステムにおいて、少なくとも一のプロセッサが、一の値を計算することで前記ポイント分布の広がりを量子化し、この計算された値がスレッシュホールド値と比較されることを特徴とする生体スクリーニングシステム。
27. 請求項１８に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記生体試料の少なくとも一の追加の特徴を測定し、前記試料が前更に記少なくとも一の追加で測定された特徴に基づいて正常であると分類されることを特徴とする生体スクリーニングシステム。
28. 請求項２７に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記少なくとも一の追加で測定された特徴に基づいて前記分散プロットが信頼性があると決定することを特徴とする生体スクリーニングシステム。
29. 請求項２７に記載の生体スクリーニングシステムにおいて、前記少なくとも一の追加で測定された特徴が、前記生体試料内のＯＯＩｓの総数であることを特徴とする生体スクリーニングシステム。
30. 請求項２７に記載の生体スクリーニングシステムにおいて、前記少なくとも一の追加で測定された特徴が、前記生体試料内の人工産物の総数であることを特徴とする生体スクリーニングシステム。
31. 請求項２７に記載の生体スクリーニングシステムにおいて、前記少なくとも一の追加で測定された特徴が、前記ＯＯＩｓの核の平均光学濃度であることを特徴とする生体スクリーニングシステム。
32. 請求項１８に記載の生体スクリーニングシステムにおいて、前記ＯＯＩｓの数が予め決められていることを特徴とする生体スクリーニングシステム。
33. 請求項１８に記載の生体スクリーニングシステムにおいて、前記少なくとも一のプロセッサが更に、前記試料が擬似と分類されている場合にＯＯＩｓを含めるために複数の関心のあるフィールドを生成し、前記システムが更に、前記ＯＯＩｓを与えるのに各関心のあるフィールドに対して視野を走査する自動、あるいは半自動の観察ステーションを具えることを特徴とする生体スクリーニングシステム。

Images