JP7282809B2 - 細胞生成支援装置、方法、及びプログラム - Google Patents

Description

本開示の技術は、細胞生成支援装置、方法、及びプログラムに関する。

近年、ＥＳ（Embryonic Stem）細胞及びｉＰＳ（Induced Pluripotent Stem）細胞等の多能性幹細胞は、種々の組織の細胞に分化する能力を備えており、再生医療、薬の開発、病気の解明等において応用が可能な細胞として注目されている。例えばｉＰＳ細胞を分化させることにより、所望する細胞を所望する個数生成したい場合には、図１３に示すように、患者４０から血球細胞４１又は皮膚細胞４２等の細胞を採取して、採取した細胞に複数の遺伝子を導入することでｉＰＳ細胞４３を生成する初期化工程Ｔ１、生成されたｉＰＳ細胞４３を培養（以下、拡大培養ともいう）して所望する個数のｉＰＳ細胞４６を生成する培養工程Ｔ２、生成された個数のｉＰＳ細胞４６を神経細胞４７、心筋細胞４８、及び肝臓細胞４９等に分化誘導する分化工程Ｔ３を経る必要がある。一般的には初期化工程Ｔ１と培養工程Ｔ２を合わせて２か月程度、分化工程Ｔ３は２から３か月程度の期間を要する。

培養工程Ｔ２においては、ｉＰＳ細胞４３を収容した培養容器から培地を除去し、ｉＰＳ細胞４３を新しい培地に移す「継代」と称する操作がある。継代操作においては、増殖したｉＰＳ細胞４３を、複数の培養容器に予め定められた大きさ及び密度で均一に播種し、細胞の株分けが行われる。培養細胞を継代する際に、特に初期化されたｉＰＳ細胞の場合は、一般的に、未分化状態を維持して増殖する可能性がある細胞を、作業の担当者が目視で観察することにより選択している。担当者は、例えば形が整っているｉＰＳ細胞４４は継続して培養し、形が整っていないｉＰＳ細胞４５は取り除くといった細胞の選別を行う。しかしながら、担当者による細胞の選別が行われた場合であっても、ｉＰＳ細胞からの分化誘導が上手くいかないケースが発生している。分化誘導が上手くいかないと、分化させたい細胞を目標とする個数生成することが困難となり、このことが、産業化への障害となっている。

そこで、画像からｉＰＳ細胞の良悪を選択する方法、代謝物を計測する方法、及び遺伝子を計測する方法等、個々に細胞を計測することにより、培養及び分化に適した細胞を選別することが行われている。特許文献１には、培養時間が異なる二つ以上の時点（予測時）において各サンプルの細胞を撮影して取得した各画像を解析することにより生成した細胞の形態に関する２つ以上の指標と、サンプル毎に取得した予測目標の実測データとを用いて、細胞の品質を予測する予測モデルが開示されている。

特開２００９－４４９７４号公報

一方、培養工程Ｔ２において、未分化状態を維持して増殖する可能性がある細胞を選んで分化誘導させた場合であっても、分化誘導が必ず成功して目標とする細胞が生成されるとは限らず、失敗する場合もある。しかしながら、例えば特定の疾患を有する患者及び移植を望む患者等に対しての治療に必要な細胞を培養する場合には、失敗せずに必要な品質を備えた細胞を必要な個数取得する必要がある。そこで、未分化状態を維持して増殖する可能性がある細胞を選ぶだけではなく、生成したい細胞を目標とする数だけ生成するための培養条件を取得することが望まれる。上記特許文献１に記載の技術では、実測データから細胞の品質を予測することは可能であるが、生成したい細胞を目標とする数だけ生成するための培養条件を取得することはできない。

本開示は上記事情に鑑みなされたものであり、生成したい細胞を目標とする数だけ生成するための培養条件を取得できるようにすることを目的とする。

本開示による細胞生成支援装置は、使用する細胞の経歴を示す経歴情報及び生成したい細胞の細胞情報を取得する情報取得部と、情報取得部で取得した経歴情報及び細胞情報に基づいて細胞を培養するための培養条件を取得する培養条件取得部とを含む。

なお、本開示による細胞生成支援装置においては、培養条件取得部は、細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報に基づいて更新した更新培養条件を、培養条件として取得してもよい。

また、本開示による細胞生成支援装置においては、培養条件取得部は、経歴情報及び細胞情報に基づいて培養条件を導出する第１の導出部を含んでもよい。

また、本開示による細胞生成支援装置においては、第１の導出部は、使用する細胞の経歴を示す経歴情報及び生成したい細胞の細胞情報を含む第１の情報の組と、この第１の情報の組に対応する培養条件との情報セットを複数含む学習情報を用いて機械学習された第１の学習済みモデルを含んでもよい。

また、本開示による細胞生成支援装置においては、培養条件取得部は、 情報取得部で取得した経歴情報及び細胞情報に基づいて培養条件を導出する第１の導出部と、計測情報に基づいて更新した更新培養条件を培養条件として導出する第２の導出部とを含んでもよい。

また、本開示による細胞生成支援装置においては、第１の導出部は、使用する細胞の経歴を示す経歴情報及び生成したい細胞の細胞情報を含む第１の情報の組と、この第１の情報の組に対応する培養条件との情報セットを複数含む学習情報を用いて機械学習された第１の学習済みモデルを含み、第２の導出部は、細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報及び培養条件を含む第２の情報の組と、第２の情報の組に対応する更新培養条件との情報セットを複数含む学習情報を用いて機械学習された第２の学習済みモデルを含んでもよい。

また、本開示による細胞生成支援装置においては、第１の学習済みモデルと第２の学習済みモデルとが１つの学習済みモデルで構成されていてもよい。

また、本開示による細胞生成支援装置においては、計測情報は、計測手段に関連する情報及び計測手段による計測で得られた計測結果を示す情報の少なくとも一方の情報であってもよい。

また、本開示による細胞生成支援装置においては、計測手段に関連する情報は、計測に用いた方法及び計測した担当者の何れか一方を示す情報を含み、計測結果を示す情報は、計測された細胞の状態、培地の状態、及び菌の有無のうち、何れか１以上の情報を含んでもよい。

また、本開示による細胞生成支援装置においては、計測された細胞の状態は、細胞の形状、細胞の色、細胞の数、細胞の大きさ、細胞の匂い、細胞の遺伝子発現、細胞の代謝物の種類、及び細胞のタンパク質のうち、何れか１以上の情報を含んでもよい。

また、本開示による細胞生成支援装置においては、培養条件取得部は、計測手段に関する情報に基づいた重み付けを付加して更新した更新培養条件を、培養条件として取得してもよい。

また、本開示による細胞生成支援装置においては、培養条件を報知する報知部を含んでもよい。

また、本開示による細胞生成支援装置においては、培養条件は、使用する細胞の種類、使用する細胞数、使用する容器の種類、使用する培地の種類、使用する添加物の種類、処理のタイミング、及び担当者に関する情報のうち、何れか１以上を含んでもよい。

また、本開示による細胞生成支援装置においては、処理のタイミングは、播種のタイミング、継代のタイミング、培地を交換するタイミング、添加物を添加するタイミング、及び細胞を検査するタイミングのうち、何れか１以上のタイミングを含んでもよい。

また、本開示による細胞生成支援装置においては、経歴情報は、使用する細胞の保有者である患者の名前、患者の性別、患者の血液型、患者の人種、患者の年齢、患者の疾患歴、患者の免疫情報、及び患者の血縁者の疾患歴のうち、何れか１以上の情報を含んでもよい。

また、本開示による細胞生成支援装置においては、細胞情報は、生成したい細胞の種類、生成したい細胞の数、生成したい細胞の状態、及び生成を完了したい日数のうち、何れか１以上の情報を含んでもよい。

本開示による細胞生成支援方法は、使用する細胞の経歴を示す経歴情報及び生成したい細胞の細胞情報を取得し、取得した経歴情報及び細胞情報に基づいて細胞を培養するための培養条件を取得する。

また、本開示による細胞生成支援方法においては、細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報に基づいて更新した更新培養条件を、培養条件として取得してもよい。

なお、本開示による細胞生成支援方法をコンピュータに実行させるためのプログラムとして提供してもよい。

本開示による他の細胞生成支援装置は、コンピュータに実行させるための命令を記憶するメモリと、記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、使用する細胞の経歴を示す経歴情報及び生成したい細胞の細胞情報を取得し、取得した経歴情報及び細胞情報に基づいて細胞を培養するための培養条件を取得する処理を実行する。

なお、上記他の細胞生成支援装置においては、プロセッサは、細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報に基づいて更新した更新培養条件を、培養条件として取得する処理を実行してもよい。

本開示の一実施形態によれば、生成したい細胞を目標とする数だけ生成するための培養条件を取得できる。

本開示の一実施形態による細胞生成支援装置の概略構成を示す図 本開示の一実施形態による経歴情報の一例を示す図 本開示の一実施形態による細胞情報の一例を示す図 本開示の一実施形態による培養条件の一例を示す図 本開示の一実施形態による培養条件取得部の概略構成を示す図 本開示の一実施形態による学習済みモデルを説明するための図 本開示の一実施形態による第１の導出部を説明するための図 本開示の一実施形態による計測情報の一例を示す図 本開示の一実施形態による学習済みモデルをさらに説明するための図 本開示の一実施形態による第２の導出部を説明するための図 本開示の一実施形態の細胞生成支援装置において行われる処理を示すフローチャート 本開示の一実施形態の細胞生成支援装置において行われる処理を説明するための図 細胞を生成する各工程を説明するための図

以下、図面を参照して本開示の一実施形態について説明する。図１は本開示の一実施形態による細胞生成支援装置の概略構成を示す図である。図１は、細胞生成支援プログラムが不揮発性のメモリ１２にインストールされたことを示している。なお、細胞生成支援プログラムはストレージ１３にインストールされてもよい。また、メモリ１２が揮発性のメモリであってもよく、その場合、ＣＰＵ１２から呼び出された細胞生成支援プログラムが一時的にメモリ１２へ記憶され、実行されてもよい。なお、本開示の一実施形態においては、細胞生成支援装置が、学習済みモデルを内包するものとする。このため、図１には細胞生成支援装置のみを示す。図１に示すように、細胞生成支援装置１は、標準的なコンピュータの構成として、ＣＰＵ（Central Processing Unit）１１、メモリ１２及びストレージ１３を備えている。また、細胞生成支援装置１には、後述する培養条件Ｃを報知する報知部１４、並びにキーボード及びマウス等の入力装置（以下、入力部とする）１５が接続されている。

本開示の一実施形態における報知部１４は、一例として培養条件Ｃを可視表示させるディスプレイで構成される。なお報知部１４はメッセージ等を可視表示させるディスプレイ、音声が出力されることにより可聴表示させる音声再生装置、用紙等の記録媒体に記録して永久可視表示させるプリンタ、メールや電話等の通信手段及び表示灯等を意味し、上記ディスプレイ、上記音声再生装置、上記プリンタ、上記通信手段及び上記表示光のうちの少なくとも２つ以上を組み合わせてもよい。なお、本開示の一実施形態は、報知部１４が細胞生成支援装置１の外部装置としているが、本開示の技術はこれに限られず、報知部１４が細胞生成支援装置１の一部に含まれていてもよい。

ストレージ１３は、ハードディスクまたはＳＳＤ（Solid State Drive）等のストレージデバイスからなる。ストレージ１３には、ネットワークを経由して外部のデータサーバ（図示せず）から取得した、使用する細胞の経歴を示す経歴情報Ａ及び細胞生成支援装置１の処理に必要な情報を含む各種情報が記憶されている。

また、メモリ１２には、細胞生成支援プログラム、及び学習済みモデルが記憶されている。細胞生成支援プログラムは、ＣＰＵ１１に実行させる処理として、使用する細胞の経歴を示す経歴情報及び生成したい細胞の細胞情報を取得する情報取得処理、並びに取得した経歴情報及び細胞情報に基づいて細胞を培養するための培養条件を取得する培養条件取得処理を規定する。また、細胞生成支援プログラムは、ＣＰＵ１１に実行させる処理として、細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報に基づいて更新した更新培養条件を、培養条件として取得する培養条件取得処理をさらに規定する。

そして、ＣＰＵ１１が細胞生成支援プログラムに従いこれらの処理を実行することで、コンピュータは、情報取得部２１及び培養条件取得部２２として機能する。なお、本実施形態においては、ＣＰＵ１１が細胞生成支援プログラムによって、各部の機能を実行するようにしたが、ソフトウェアを実行して各種の処理部として機能する汎用的なプロセッサとしては、ＣＰＵ１１の他、ＦＰＧＡ (Field Programmable Gate Array)等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device:ＰＬＤ）を用いることができる。また、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等により、各部の処理を実行するようにしてもよい。

１つの処理部は、これら各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、またはＣＰＵとＦＰＧＡの組み合わせ等）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアント及びサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:ＳｏＣ）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。

さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（circuitry）である。

情報取得部２１は、使用する細胞の経歴を示す経歴情報Ａ及び生成したい細胞の細胞情報Ｂを取得する。情報取得部２１は、一例として、使用する細胞が収容された容器に記された識別情報が入力部１５から入力された場合に、入力された識別情報に対応する患者の経歴情報Ａを、外部サーバから取得する。

図２は本開示の一実施形態による経歴情報Ａの一例を示す図である。経歴情報Ａは、使用する細胞の経歴を示す情報である。経歴情報Ａは、一例として図２に示すように、使用する細胞の保有者である患者の名前、患者の性別、患者の血液型、患者の人種、患者の年齢、患者の疾患歴、患者の免疫情報、及び患者の血縁者の疾患歴の情報である。本開示の一実施形態として、患者の血縁者は、例えば患者本人からみて３親等以内の血縁者とする。なお、本開示の技術はこれに限られず、例えば３親等よりも遠い血縁者を含んでもよい。また、本開示においては、一例として経歴情報Ａは図２に示す情報を示すものとしたが、本開示の技術はこれに限られず、図２に示す情報のうち、何れか１以上の情報を含む情報であってもよい。

図３は本開示の一実施形態による細胞情報Ｂの一例を示す図である。細胞情報Ｂは、生成したい細胞の情報である。細胞情報Ｂは、一例として図３に示すように、生成したい細胞の種類Ｂ１、目標細胞数Ｂ２、生成したい細胞の状態Ｂ３、及び生成を完了したい日数Ｂ４の情報を含む。細胞の種類Ｂ１は、ｉＰＳ細胞、心筋細胞、及び神経細胞等の生成したい細胞の種類の情報である。目標細胞数Ｂ２は、１０万個及び１００個等の生成したい細胞の数を示す情報である。細胞の状態Ｂ３は、培養したい、及び分化させたい等、細胞に対して何をしたいのかを示す情報である。生成を完了したい日数Ｂ４は、６０日、及び１２０日等、細胞の培養納期を示す情報である。

情報取得部２１は、一例として細胞の生成を行う担当者により入力部１５から入力された細胞の種類Ｂ１、目標細胞数Ｂ２、細胞の状態Ｂ３を細胞情報Ｂとして取得する。なお、細胞の種類Ｂ１及び目標細胞数Ｂ２は、予め設定されると、図１３に示す初期化工程Ｔ１、培養工程Ｔ２、及び分化工程Ｔ３の全てが終了するまで変更されない。細胞の状態Ｂ３は、初期工程Ｔ１であれば「初期化したい」、培養工程Ｔ２であれば「拡大培養したい」及び「選別したい」、分化工程Ｔ３であれば「分化させたい」のように、各工程毎に担当者によって変更される。本開示の技術においては、一例として図３に示すように、細胞情報Ｂは細胞の種類Ｂ１、目標細胞数Ｂ２、細胞の状態Ｂ３、及び生成を完了したい日数Ｂ４の情報を示すものとしたが、本開示の技術はこれに限られず、細胞情報Ｂはこれらの情報のうち、何れか１以上の情報を含む情報であってもよい。

培養条件取得部２２は、経歴情報Ａ及び細胞情報Ｂに基づいて細胞を培養するための培養条件Ｃを取得する。図４は本開示の一実施形態による培養条件Ｃの一例を示す図である。培養条件Ｃは、生成したい細胞を目標とする数だけ生成するための培養条件である。なお、ここで「生成したい細胞」は目標とする品質を備えた細胞であることが望ましい。従って、本実施形態において、培養条件Ｃは、生成したい細胞を目標とする品質で、かつ目標とする数だけ生成するための培養条件である。培養条件Ｃは、どの細胞をどのくらいの数、どの容器で、どの培地を使用して、どの添加物を添加して細胞を生成すれば、生成したい細胞を目標数生成することができるのかを示す。培養条件Ｃは、具体的には、一例として図４に示すように、使用する細胞の種類、使用する細胞数、使用する容器の種類、使用する培地の種類、使用する添加物の種類、処理のタイミング、及び担当者に関する情報を含む。

使用する細胞の種類は、一例として、細胞Ａ、細胞Ｂ、又は細胞Ａと細胞Ｂ等である。例えば細胞Ａとして肝臓細胞、細胞Ｂとして血管細胞をそれぞれ使用することが培養条件Ｃに含まれる。また、細胞数は、細胞Ａを１０^５個、細胞Ｂを１０^６個、及び細胞Ａを１０^５個と細胞Ｂを１０^６個等、具体的に使用する細胞の個数が培養条件Ｃに含まれる。また、使用する容器の種類は、一例としてシャーレ、６つのウェルを有するウェルプレートをｎ個、２４つのウェルを有するウェルプレートをｍ個、及びＴ７５フラスコをｌ個等、使用する容器の種類と個数とが培養条件Ｃに含まれる。また、使用する培地の種類は、一例として、培地Ｍ１、培地Ｍ２、又は培地Ｍ１と培地Ｍ２との混合等が培養条件Ｃに含まれる。なお、培地が混合である場合には、混合する割合を含めて培養条件Ｃとする。また、使用する添加物の種類は、一例として、添加物Ｃ１、添加物Ｃ２、又は添加物Ｃ１と添加物Ｃ２との混合等が培養条件Ｃに含まれる。なお、添加物が混合である場合には、混合する割合を含めて培養条件Ｃとする。

処理のタイミングは、一例として、播種のタイミング、継代のタイミング、培地を交換するタイミング、添加物を添加するタイミング、及び細胞を検査するタイミングである。どの処理をどのタイミングで行えばよいのかが培養条件Ｃに含まれる。また、担当者に関する情報は、担当者Ａ、担当者Ｂなど、どの処理を誰に担当させるかが培養条件Ｃに含まれる。例えば、細かい作業が得意な担当者Ａと、細かい作業が苦手な担当者Ｂとでは、同じ処理を行った場合であっても、細胞の生成に与える影響が異なる場合がある。そのため、どの担当者が、どの処理を行うべきなのかが培養条件Ｃに含まれる。

なお、本開示においては、一実施形態として図４に示す条件を培養条件Ｃとしたが、本開示の技術はこれに限られず、培養条件Ｃは図４に示す情報を何れか１つ以上含む情報であればよい。

図５は本開示の一実施形態による培養条件取得部２２の概略構成を示す図である。培養条件取得部２２は、図５に示すように、第１の導出部３０と第２の導出部３１とを含む。第１の導出部３０は、経歴情報Ａ及び細胞情報Ｂに基づいて培養条件Ｃを導出する。本実施形態においては、一例として、第１の導出部３０は学習情報を用いて機械学習された学習済みモデルＭを含む。

図６は本開示の一実施形態による学習済みモデルＭを説明するための図である。学習済みモデルＭは、図６に示すように、使用する細胞の経歴を示す経歴情報Ａ及び生成したい細胞の細胞情報Ｂの情報の組Ｐと、情報の組Ｐに対応する培養条件Ｃとの情報セットＳを複数含む学習情報を用いて機械学習される。すなわち、学習済みモデルＭは、経歴情報Ａ及び細胞情報Ｂに基づいて培養条件Ｃを出力するように機械学習がなされている。なお、学習済みモデルＭは、例えば患者Ｘの情報の組Ｐすなわち経歴情報Ａを有する患者Ｘの細胞から細胞情報Ｂの細胞を生成する際に、培養条件Ｃで培養を行った場合に成功したか否かの結果も合わせて学習済みモデルＭを得るためのモデルに学習させる。これにより、学習済みモデルＭは、経歴情報Ａ及び細胞情報Ｂが入力されると、経歴情報Ａ及び細胞情報Ｂに対して、細胞情報Ｂが示す細胞を生成することができる培養条件Ｃを出力するように学習がなされる。

図７は本開示の一実施形態による第１の導出部３０を説明するための図である。第１の導出部３０は一例として上述した学習済みモデルＭを有している。これにより、図７に示すように、経歴情報Ａを有する患者Ｘの細胞から細胞情報Ｂの細胞を生成する場合に、経歴情報Ａ及び細胞情報Ｂが入力されると、予め定められた閾値を超えた培養条件が、生成したい細胞に適した培養条件Ｃとして出力される。なお、培養条件Ｃは、図４に示すように、使用する細胞の種類、使用する細胞数、使用する容器の種類、使用する培地の種類、使用する添加物の種類、処理のタイミング、及び担当者に関する情報の少なくとも１つを含む。従って、例えば使用する細胞数を培養条件Ｃとする場合に、学習済みモデルＭに経歴情報Ａ及び細胞情報Ｂが入力された場合、学習済みモデルＭは使用する細胞数毎に、目標とする品質で、かつ目標とする数の細胞が生成できる確率を出力し、培養条件取得部２２が、目標とする品質で、かつ目標とする数の細胞が生成できる確率が最も高い細胞数を使用する細胞数として、すなわち、生成したい細胞に最も適した培養条件Ｃとして取得するようにしてもよい。

本開示の一実施形態による培養条件取得部２２は、図１３に示すように、初期化工程Ｔ１、培養工程Ｔ２、及び分化工程Ｔ３のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報Ｄに基づいて更新した更新培養条件Ｅを、培養条件Ｃとして取得する。

ここで、計測情報Ｄについて説明する。図８は本開示の一実施形態による計測情報Ｄの一例を示す図である。計測情報Ｄは細胞の検査で細胞を計測する際の計測に関連する情報であり、図８に示すように、計測手段に関する情報Ｄ１及び計測手段による計測で得られた計測結果を示す情報Ｄ２である。

計測手段に関する情報Ｄ１は、計測に用いた方法の情報及び計測した担当者の情報を含む。計測に用いた方法としては、計測装置の種類や計測装置の使用の有無の情報があり、位相差顕微鏡、明視野顕微鏡、及び目視等がある。また計測した担当者の情報としては、計測者Ａ、及び計測者Ｂ等、各計測者の名前や計測の熟年度等の情報がある。

計測で得られた計測結果を示す情報Ｄ２は、計測された細胞の状態、培地の状態、及び菌の有無の情報を含む。計測された細胞の状態は、細胞の検査値であり、細胞の形状、細胞の色、細胞の数、細胞の大きさ、細胞の匂い、細胞の遺伝子発現、細胞の代謝物の種類、細胞のタンパク質の情報、及び細胞にあけた穴の大きさ等である。なお、本開示においては、細胞のタンパク質の情報は、タンパク質が合成されているか否かの情報であり、細胞の遺伝子発現は、遺伝子の情報が細胞における構造及び機能に変換される過程をいう。本開示の技術においては、一例としてタンパク質は蛍光プローブを使用して計測し、遺伝子発現は、細胞をすりつぶして対象とする遺伝子の増幅剤を用いて計測する。なお、本開示はこれに限られず、公知の計測方法を使用することができる。

また、培地の状態は、培地の色、培地に含まれる細胞の代謝物、培地に溶けている気体濃度等の情報を含む。培地の色を計測することにより、培地に溶けている二酸化炭素の量を計測することができる。気体濃度は、一例として培地中の炭素濃度及び窒素濃度を計測する。これにより、細胞が正常に培養できているか否かを検出することができる。

また、菌の有無は、細胞に菌がいるのか、培地に菌がいるのか、細胞及び培地に菌がいるのか、及び菌がいないのか等の情報である。

また、本開示においては、一実施形態として図８に示す情報を計測情報Ｄとしたが、本開示の技術はこれに限られず、計測情報Ｄは、図８に示す情報を何れか１つ以上含む情報であればよい。

なお、一例として図１３に示す初期化工程Ｔ１において、初期化中に計測が行われる場合、計測に用いる方法としては、例えば位相差顕微鏡を使用する方法がある。すなわち、初期化工程Ｔ１においては、血球細胞４１及び皮膚細胞４２に穴をあけ、あけられた穴に薬剤が導入される。この場合、穴が薬剤を入れるために必要な大きさ、形、及び深さにあけられていないと、細胞の初期化が成功しない場合がある。そこで、例えば穴があいた細胞４１及び皮膚細胞４２を位相差顕微鏡により撮像して取得した画像から穴の大きさを計測する。なお、初期化工程Ｔ１において計測に用いた方法としては、位相差顕微鏡に限られず、穴を計測可能な方法であれば何れの方法を用いてもよい。

また、一例として図１３に示す培養工程Ｔ２において、ｉＰＳ細胞の選別する際に行われる計測に用いる方法としては、例えば位相差顕微鏡を使用する方法がある。位相差顕微鏡を用いてｉＰＳ細胞４３を撮像して撮像画像を取得し、取得した撮像画像におけるｉＰＳ細胞４３の大きさ及び形等を計測し、形が整った、つまり分化誘導可能な形状のｉＰＳ細胞４４である場合には、培養を継続してｉＰＳ細胞４４を拡大培養し、例えば形が整っていない形状である、つまり分化誘導不可能な形状のｉＰＳ細胞４４である場合には、ｉＰＳ細胞４４を除去することにより、細胞の選別が行われる。なお、ｉＰＳ細胞４３を計測に用いる方法は、位相差顕微鏡に限られず、計測者の目視であってもよいし、その他何れの方法であってもよい。

本開示の一実施形態による培養条件取得部２２は、初期化工程Ｔ１、培養工程Ｔ２、及び分化工程Ｔ３のうちの何れかの工程において、細胞を計測する際の計測に関連する上述した計測情報Ｄに基づいて、計測情報Ｄが取得された時点での培養条件Ｃを更新した更新培養条件Ｅを、新たな培養条件Ｃとして取得する。

図９は本開示の一実施形態による学習済みモデルＭをさらに説明するための図である。学習済みモデルＭは、図９に示すように、細胞を計測する際の計測に関連する計測情報Ｄ及び培養条件Ｃの情報の組Ｇと、情報の組Ｇに対応する更新培養条件Ｅとの情報セットＲを複数含む学習情報を用いて機械学習される。すなわち、学習済みモデルＭは、計測情報Ｄと計測情報Ｄが取得された時点での培養条件Ｃに基づいて更新培養条件Ｅを出力するように機械学習がなされている。なお、学習済みモデルＭは、例えば患者Ｘの細胞から細胞情報Ｂの細胞を生成する際に、更新培養条件Ｅで培養を行った場合に成功したか否かの結果も合わせて学習済みモデルＭを得るためのモデルに学習させる。これにより、学習済みモデルＭは、新たな計測情報Ｄと新たな計測情報Ｄが取得された時点での培養条件Ｃが入力されると、新たな計測情報Ｄに対して、細胞情報Ｂが示す細胞を生成することができる更新培養条件Ｅを出力するように学習がなされる。

なお、本開示の一実施形態として、図６に示す学習済みモデルＭと図９に示す学習済みモデルＭとは、同一のモデルとするが、本開示の技術はこれに限らず、図６に示す学習済みモデルＭを第１の学習済みモデルとし、図９に示す学習済みモデルＭを第２の学習済みモデルとする等、異なるモデルで構成してもよい。

本開示の一実施形態として、学習済みモデルＭにおける機械学習のアルゴリズムは、例えばディープラーニング（深層学習）がなされたニューラルネットワーク（ＮＮ（Neural Network)）を使用することができる。ただし、本開示の技術はこれに限られず、例えばサポートベクタマシン（ＳＶＭ(Support Vector Machine)）、畳み込みニューラルネットワーク（ＣＮＮ(Convolutional Neural Network)）、畳み込みニューラルネットワーク（ＣＮＮ(Convolutional Neural Network)）及びリカレントニューラルネットワーク（ＲＮＮ(Recurrent Neural Network)）等、公知の機械学習のアルゴリズムを適宜使用することができる。

図１０は本開示の一実施形態による第２の導出部３１を説明するための図である。第２の導出部３１は一例として上述した学習済みモデルＭを有している。これにより、図１０に示すように、経歴情報Ａを有する患者Ｘの細胞から細胞情報Ｂの細胞を生成する場合に、細胞の計測毎に計測された計測情報Ｄとこの計測情報Ｄが取得された時点での培養条件Ｃが入力されると、予め定められた閾値を超えた培養条件が、生成したい細胞に適した更新培養条件Ｅとして出力される。なお、更新培養条件Ｅは、例えば使用する細胞数を更新培養条件Ｅとする場合に、学習済みモデルＭに計測情報Ｄと計測情報Ｄが取得された時点での培養条件Ｃが入力された場合、学習済みモデルＭは使用する細胞数毎に、目標とする品質で、かつ目標とする数の細胞が生成できる確率を出力し、培養条件取得部２２が、目標とする品質で、かつ目標とする数の細胞が生成できる確率が最も高い細胞数を使用する細胞数として、すなわち、生成したい細胞に最も適した更新培養条件Ｅとして取得するようにしてもよい。

次いで、本開示の一実施形態の細胞生成支援装置１において行われる処理について説明する。図１１は本開示の一実施形態の細胞生成支援装置１において行われる処理を示すフローチャート、図１２は本開示の一実施形態の細胞生成支援装置１において行われる処理を説明するための図である。まず、情報取得部２１は、使用する細胞の経歴を示す経歴情報Ａ及び生成したい細胞の細胞情報Ｂを取得する（ステップＳＴ１）。次いで、培養条件取得部２２は、情報取得部２１で取得した経歴情報Ａ及び細胞情報Ｂを図１２に示すように、学習済みモデルＭに入力して細胞を培養するための培養条件Ｃを取得し、報知部１４は、培養条件取得部２２が取得した培養条件Ｃを報知する。具体的にはディスプレイに培養条件Ｃを表示する（ステップＳＴ２）。

培養条件取得部２２により取得された培養条件Ｃに基づいて、すなわち図４に示される、使用する細胞の種類、使用する細胞数、使用する容器の種類、使用する培地の種類、使用する添加物の種類、処理のタイミング、及び担当者に関する情報に基づいて、担当者により細胞を生成する作業が開始される。まずは図１３に示すように担当者が患者４０から培養条件Ｃに基づいた細胞を採取し、採取された細胞の初期化工程Ｔ１が開始される。

次に、培養条件Ｃの計測手段に関する情報Ｄ１に基づいて、細胞の計測が細胞を初期化する初期化工程Ｔ１、細胞を培養する培養工程Ｔ２、及び細胞を分化誘導させる分化工程Ｔ３の各工程の予め定められたタイミング、すなわち細胞検査タイミングで行われる。細胞生成支援装置１において、ＣＰＵ１１は、細胞を初期化する初期化工程Ｔ１、細胞を培養する培養工程Ｔ２、及び細胞を分化誘導させる分化工程Ｔ３の各工程において、予め定められたタイミング、すなわち判断タイミングに基づいて、培養条件取得部２２が細胞を計測する際の計測に関連する新たな計測情報Ｄを取得したか否かを判別する（ステップＳＴ３）。一例として判断タイミングは、細胞検査タイミングに基づいて設定することができ、ある細胞検査タイミングとその次の細胞検査タイミングとの間に判断タイミングを設定することができる。

ステップＳＴ３において培養条件取得部２２が新たな計測情報Ｄを取得していないと判別した場合（ステップＳＴ３；ＮＯ）には、ＣＰＵ１１は、ステップＳＴ６に処理を移行し、全ての工程が終了したか否かを判別する（ステップＳＴ６）。

一方、ステップＳＴ３において培養条件取得部２２が新たな計測情報Ｄを取得したと判別した場合（ステップＳＴ３；ＹＥＳ）には、培養条件取得部２２は、図１２に示すように、取得した新たな計測情報Ｄと新たな計測情報Ｄが取得された時点での培養条件Ｃとを学習済みモデルＭに入力することにより学習済みモデルＭから出力された更新培養条件Ｅを新たな培養条件Ｃとして取得する（ステップＳＴ４）。

次に報知部１４は、培養条件取得部２２が新たに取得した培養条件Ｃを報知する。具体的にはディスプレイに培養条件Ｃを表示する（ステップＳＴ５）。

以降の工程においては、更新された培養条件Ｃに基づいて、細胞の生成が行われる。次にＣＰＵ１１は、全ての工程が終了したか否かを判別する（ステップＳＴ６）。全ての工程が終了していない場合には（ステップＳＴ６；ＮＯ）、ＣＰＵ１１はステップＳＴ３に処理を移行して、以降の処理を行う。すなわち、更新された培養条件Ｃの細胞検査タイミングに基づいて、培養条件取得部２２が細胞を計測する際の計測に関連する新たな計測情報Ｄを取得したか否かを判別する（ステップＳＴ３）。一方、全ての工程が終了した場合には（ステップＳＴ６；ＹＥＳ）、細胞生成支援装置１は一連の処理を終了する。

以上のように本開示の一実施形態の細胞生成支援装置１によれば、使用する細胞の経歴を示す経歴情報Ａ及び生成したい細胞の細胞情報Ｂを取得し、取得した経歴情報Ａ及び細胞情報Ｂに基づいて細胞を培養するための培養条件Ｃを取得するので、生成したい細胞を目標とする数だけ生成するための培養条件Ｃを取得できる。さらに本開示の一実施形態の細胞生成支援装置１によれば、細胞を初期化する初期化工程Ｔ１、細胞を培養する培養工程Ｔ２、及び細胞を分化誘導させる分化工程Ｔ３のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報Ｄに基づいて、計測情報Ｄが取得された時点での培養条件Ｃを更新した更新培養条件Ｅを、培養条件Ｃとして取得するので、細胞を計測する毎に生成したい細胞を目標とする数だけ生成するためのより最適な培養条件Ｃを取得することができる。

このように培養条件Ｃに基づいた細胞検査タイミングでの計測毎に、最適な培養条件Ｃを取得することができるので、細胞を生成する担当者は、最適な培養条件Ｃに基づいて細胞を生成することができ、従来と比較して、生成したい細胞を目標とする数だけ生成できる可能性を向上させることができる。

なお、上述した実施形態においては、第１の導出部３０及び第２の導出部３１は、学習済みモデルＭを含むものとしたが、本開示の技術はこれに限られない。第１の導出部３０は、経歴情報Ａ及び細胞情報Ｂに基づいて培養条件Ｃを導出することができれば、機械学習を使用しなくても、経歴情報Ａ及び細胞情報Ｂと、培養条件Ｃとの対応テーブル、及び計算式等を使用してもよい。また、第２の導出部３１についても第１の導出部３０と同様に、計測情報Ｄに基づいて更新培養条件Ｅを導出することができれば、対応テーブル、及び計算式等のうちの何れを使用してもよい。

また、上述した実施形態の培養条件取得部２２は、さらに、計測手段に関する情報Ｄ１に基づいた重み付けを付加して更新した更新培養条件Ｅを、培養条件Ｃとして取得してもよい。例えば、細かい作業が得意な担当者Ａと、細かい作業が苦手な担当者Ｂとでは、同じ処理を行った場合であっても、細胞の生成に与える影響が異なる場合がある。また、計測に用いた方法においても、担当者の目視と、計測装置を用いた計測とでは、細胞の生成に与える影響が異なる場合がある。そのため、更新した更新培養条件Ｅに計測手段に関する情報Ｄ１に基づいた重み付け、すなわち、計測手段に関する情報Ｄ１において、計測結果がより正確になる方に重み付けをより重く付加することにより、培養条件Ｃは、上述した実施形態と比較してより最適な培養条件Ｃを取得することができる。

また、上述した実施形態の学習済みモデルＭは、新たな計測情報Ｄ及びこの計測情報Ｄを取得した時点で取得された培養条件Ｃから導出される更新培養条件Ｅと、目標とする品質で、かつ目標とする数の細胞が生成できる確率を出力とを出力するように学習がなされるが、これに限定されず、培養条件Ｃのかわりに、経歴情報Ａと細胞情報Ｂを含めた情報から更新培養条件Ｅを導出するようにしてもよい。

また、上述した実施形態の報知部１４は、培養条件Ｃを表示するようにしたが、これらに加えて、細胞情報Ｂが示す細胞を生成することができる確率、経歴情報Ａ、細胞情報Ｂ、取得した計測情報Ｄ、すなわち計測手段に関する情報Ｄ１や計測で得られた計測結果を示す情報Ｄ２、また計測で得られた計測結果を示す情報Ｄ２の継時的変化等を表示するようにしてもよい。

なお、上記実施形態で説明した処理はあくまでも一例である。従って、本開示の技術の主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。

また、本開示の技術の一実施形態である細胞生成支援装置１は、本開示の技術の主旨を逸脱しない範囲内において適宜設計変更可能である。

１ 細胞作成支援装置

１１ ＣＰＵ

１２ メモリ

１３ ストレージ

１４ 報知部

１５ 入力部

２１ 情報取得部

２２ 培養条件取得部

３０ 第１の導出部

３１ 第２の導出部

４０ 患者

４１ 血球細胞

４２ 皮膚細胞

４３，４４，４５，４６ ｉＰＳ細胞

４７ 神経細胞

４８ 心筋細胞

４９ 肝臓細胞

Ａ 経歴情報

Ｂ 細胞情報

Ｂ１ 細胞の種類

Ｂ２ 目標細胞数

Ｂ３ 細胞の状態

Ｂ４ 生成を完了したい日数

Ｃ 培養条件

Ｄ 計測情報

Ｄ１ 計測手段に関する情報

Ｄ２ 計測で得られた計測結果を示す情報

Ｅ 更新培養条件

Ｍ 学習済みモデル（第１の学習済みモデル，第２の学習済みモデル）

Ｐ 情報の組（第１の情報の組）

Ｇ 情報の組（第２の情報の組）

Ｒ 情報セット

Ｓ 情報セット

Ｔ１ 初期化工程

Ｔ１ 初期工程

Ｔ２ 培養工程

Ｔ３ 分化工程

Ｘ 患者

Claims (16)

1. 未分化状態を維持して増殖する可能性がある細胞の培養のために使用する細胞を採取した細胞の保有者の経歴を示す経歴情報、及び生成したい細胞の種類と目標細胞数を表す細胞情報を取得する情報取得部と、
   前記情報取得部で取得した前記経歴情報及び前記細胞情報を第１の学習済みモデルに入力して、前記使用する細胞を、前記生成したい細胞の種類の細胞に前記目標細胞数まで培養するための培養条件を取得する培養条件取得部と、
   を含み、
   前記第１の学習済みモデルは、使用した細胞を採取した保有者の前記経歴情報及び生成された細胞の前記細胞情報を含む第１の情報の組と、前記第１の情報の組に対応する培養条件と、該培養条件で前記使用した細胞の培養を行った際に前記第１の情報の組の前記細胞情報に対応する細胞の種類の細胞と目標細胞数の培養に成功したか否かの結果とを含む情報セットを複数含む学習情報を用いて機械学習が行われたモデルであり、
   前記第１の学習済みモデルは、入力された前記経歴情報及び前記細胞情報に応じて、前記入力された前記経歴情報の保有者の細胞から、前記入力された前記細胞情報に対応した細胞の種類の細胞と目標細胞数の培養を成功させるための培養条件を出力する細胞生成支援装置。
2. 未分化状態を維持して増殖する可能性がある細胞の培養のために使用する細胞を採取した細胞の保有者の経歴を示す経歴情報、及び生成したい細胞の種類と目標細胞数を表す細胞情報を取得する情報取得部と、
   前記情報取得部で取得した前記経歴情報及び前記細胞情報に基づいて、前記使用する細胞を、前記生成したい細胞の種類の細胞に前記目標細胞数まで培養するための培養条件を、使用した細胞を採取した保有者の前記経歴情報及び生成された細胞の前記細胞情報を含む第１の情報の組と、前記第１の情報の組に対応する培養条件との情報セットを複数含む学習情報を用いて機械学習された第１の学習済みモデルを用いて、取得する培養条件取得部とを含み、
   前記培養条件取得部は、細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報を取得し、
   前記各工程の計測情報及び該計測情報が取得された時点に培養に使用された培養条件を含む第２の情報の組と、前記第２の情報の組に対応する更新された更新培養条件との情報セットを複数含む学習情報を用いて機械学習された第２の学習済みモデルを用いて、前記各工程の計測情報を取得した時点の培養条件を更新した更新培養条件を、前記培養条件として取得する細胞生成支援装置。
3. 前記第１の学習済みモデルと前記第２の学習済みモデルとは１つの学習済みモデルで構成されている請求項２に記載の細胞生成支援装置。
4. 前記計測情報は、計測手段に関連する情報及び前記計測手段による計測で得られた計測結果を示す情報の少なくとも一方の情報である請求項２又は３に記載の細胞生成支援装置。
5. 前記計測手段に関連する情報は、計測に用いた方法及び計測した担当者の何れか一方を示す情報を含み、
   前記計測結果を示す情報は、計測された細胞の状態、培地の状態、及び菌の有無のうち、何れか１以上の情報を含む請求項４に記載の細胞生成支援装置。
6. 前記計測された細胞の状態は、細胞の形状、細胞の色、細胞の数、細胞の大きさ、細胞の匂い、細胞の遺伝子発現、細胞の代謝物の種類、及び細胞のタンパク質のうち、何れか１以上の情報を含む請求項５に記載の細胞生成支援装置。
7. 前記培養条件取得部は、前記計測手段に関する情報に基づいた重み付けを付加して更新した更新培養条件を、前記培養条件として取得する請求項４から６の何れか１項に記載の細胞生成支援装置。
8. 前記培養条件を報知する報知部を含む請求項１から７の何れか１項に記載の細胞生成支援装置。
9. 前記培養条件は、使用する細胞の種類、使用する細胞数、使用する容器の種類、使用する培地の種類、使用する添加物の種類、処理のタイミング、及び担当者に関する情報のうち、何れか１以上を含む請求項１から８の何れか１項に記載の細胞生成支援装置。
10. 前記処理のタイミングは、播種のタイミング、継代のタイミング、培地を交換するタイミング、添加物を添加するタイミング、及び細胞を検査するタイミングのうち、何れか１以上のタイミングを含む請求項９に記載の細胞生成支援装置。
11. 前記経歴情報は、使用する細胞の保有者である患者の名前、前記患者の性別、前記患者の血液型、前記患者の人種、前記患者の年齢、前記患者の疾患歴、前記患者の免疫情報、及び前記患者の血縁者の疾患歴のうち、何れか１以上の情報を含む請求項１から１０の何れか１項に記載の細胞生成支援装置。
12. 前記細胞情報は、生成したい細胞の状態、及び生成を完了したい日数のうち、何れか１以上の情報をさらに含む請求項１から１１の何れか１項に記載の細胞生成支援装置。
13. 未分化状態を維持して増殖する可能性がある細胞の培養のために使用する細胞を採取した細胞の保有者の経歴を示す経歴情報、及び生成したい細胞の種類と目標細胞数を表す細胞情報を取得し、
    取得した前記経歴情報及び前記細胞情報を第１の学習済みモデルに入力して、前記使用する細胞を、前記生成したい細胞の種類の細胞に前記目標細胞数まで培養するための培養条件を取得する細胞生成支援方法であって、
    前記第１の学習済みモデルは、使用した細胞を採取した保有者の前記経歴情報及び生成された細胞の前記細胞情報を含む第１の情報の組と、前記第１の情報の組に対応する培養条件と、該培養条件で前記使用した細胞の培養を行った際に前記第１の情報の組の前記細胞情報に対応する細胞の種類の細胞と目標細胞数の培養に成功したか否かの結果とを含む情報セットを複数含む学習情報を用いて機械学習が行われたモデルであり、
    前記第１の学習済みモデルは、入力された前記経歴情報及び前記細胞情報に応じて、前記入力された前記経歴情報の保有者の細胞から、前記入力された前記細胞情報に対応した細胞の種類の細胞と目標細胞数の培養を成功させるための培養条件を出力する細胞生成支援方法。
14. 未分化状態を維持して増殖する可能性がある細胞の培養のために使用する細胞を採取した細胞の保有者の経歴を示す経歴情報、及び生成したい細胞の種類と目標細胞数を表す細胞情報を取得し、
    取得した前記経歴情報及び前記細胞情報に基づいて、前記使用する細胞を、前記生成したい細胞の種類の細胞に前記目標細胞数まで培養するための培養条件を、使用した細胞を採取した保有者の前記経歴情報及び生成された細胞の前記細胞情報を含む第１の情報の組と、前記第１の情報の組に対応する培養条件との情報セットを複数含む学習情報を用いて機械学習された第１の学習済みモデルを用いて、取得する細胞生成支援方法であって、
    細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関連する計測情報を取得し、
    前記各工程の計測情報及び該計測情報が取得された時点に培養に使用された培養条件を含む第２の情報の組と、前記第２の情報の組に対応する更新された更新培養条件との情報セットを複数含む学習情報を用いて機械学習された第２の学習済みモデルを用いて、前記各工程の計測情報を取得した時点の培養条件を更新した更新培養条件を、前記培養条件として取得する細胞生成支援方法。
15. 未分化状態を維持して増殖する可能性がある細胞の培養のために使用する細胞を採取した細胞の保有者の経歴を示す経歴情報、及び生成したい細胞の種類と目標細胞数を表す細胞情報を取得する手順と、
    取得した前記経歴情報及び前記細胞情報を第１の学習済みモデルに入力して、前記使用する細胞を、前記生成したい細胞の種類の細胞に前記目標細胞数まで培養するための培養条件を取得する手順とをコンピュータに実行させる細胞生成支援プログラムであって、
    前記第１の学習済みモデルは、使用した細胞を採取した保有者の前記経歴情報及び生成された細胞の前記細胞情報を含む第１の情報の組と、前記第１の情報の組に対応する培養条件と、該培養条件で前記使用した細胞の培養を行った際に前記第１の情報の組の前記細胞情報に対応する細胞の種類の細胞と目標細胞数の培養に成功したか否かの結果とを含む情報セットを複数含む学習情報を用いて機械学習が行われたモデルであり、
    前記第１の学習済みモデルは、入力された前記経歴情報及び前記細胞情報に応じて、前記入力された前記経歴情報の保有者の細胞から、前記入力された前記細胞情報に対応した細胞の種類の細胞と目標細胞数の培養を成功させるための培養条件を出力する細胞生成支援プログラム。
16. 未分化状態を維持して増殖する可能性がある細胞の培養のために使用する細胞を採取した細胞の保有者の経歴を示す経歴情報、及び生成したい細胞の種類と目標細胞数を表す細胞情報を取得する手順と、
    取得した前記経歴情報及び前記細胞情報に基づいて、前記使用する細胞を、前記生成したい細胞の種類の細胞に前記目標細胞数まで培養するための培養条件を、使用した細胞を採取した保有者の前記経歴情報及び生成された細胞の前記細胞情報を含む第１の情報の組と、前記第１の情報の組に対応する培養条件との情報セットを複数含む学習情報を用いて機械学習された第１の学習済みモデルを用いて、取得する手順とをコンピュータに実行させる細胞生成支援プログラムであって、
    細胞を初期化する初期化工程、細胞を培養する培養工程、及び細胞を分化誘導させる分化工程のうちの何れかの工程において、細胞を計測する際の計測に関する計測情報を取得し、
    前記各工程の計測情報及び該計測情報が取得された時点に培養に使用された培養条件を含む第２の情報の組と、前記第２の情報の組に対応する更新された更新培養条件との情報セットを複数含む学習情報を用いて機械学習された第２の学習済みモデルを用いて、前記各工程の計測情報を取得した時点の培養条件を更新した更新培養条件を、前記培養条件として取得する手順をさらにコンピュータに実行させる細胞生成支援プログラム。

Images