JP7392411B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents

Description

本開示は、情報処理装置、情報処理方法及びプログラムに関する。

医学又は生化学等の分野では、大量の細胞の特性を迅速に解析するために、フローサイトメータを用いることが一般的になっている。フローサイトメータは、フローセルを流れる細胞に光線を照射し、該細胞から発せられる蛍光又は散乱光などを検出することで、細胞の特性を光学的に解析する装置である。

ここで、フローサイトメータにて測定されたデータは、複数色の蛍光の強度情報を含む多次元データである。このような多次元データは、複数の観点から評価することが重要であるが、次元数の増加に伴って、人の手による解析が困難となっていた。

そこで、フローサイトメータにて測定された多次元データをクラスタリング技術によって解析することが検討されている。クラスタリング技術は、機械学習を用いて、対象となる集合を内的結合及び外的分離が達成された部分集合に分割する技術である。クラスタリング技術を用いることで、フローサイトメータにて分析した大量の細胞を複数の細胞集団に分割することが可能である。

例えば、下記の特許文献１には、フローサイトメータにて測定されたデータをクラスタリングするためのクラスタリング技術の一例が開示されている。

米国特許出願公開第２０１３／００６０７７５号明細書

フローサイトメータによる測定結果をクラスタリング技術にて解析する場合、フローサイトメータにて測定される多次元データの特性を考慮することが重要となる。一方で、クラスタリング技術は、教師なし学習手法であるため、得られたクラスタリング結果の妥当性等を評価することは困難となる。したがって、得られたクラスタリング結果がフローサイトメータにて測定された多次元データの特性に対して妥当か否かを評価することは困難であった。

そこで、クラスタリングする多次元データの特性を考慮して、クラスタリング結果の妥当性を評価することが可能な技術が求められていた。

本開示によれば、多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出する評価値算出部と、前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定する判定部と、前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力する出力部と、を備え、前記出力部は、前記第２クラスタが前記第１クラスタを統合したクラスタである場合に、前記第１クラスタの集団の大きさに応じた大きさの、前記第１クラスタに基づくレーダチャートを、前記第１クラスタおよび前記第２クラスタの包含関係に応じて表示する、情報処理装置が提供される。

また、本開示によれば、演算装置によって、多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出することと、前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定することと、前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力することと、を含み、前記出力することは、前記第２クラスタが前記第１クラスタを統合したクラスタである場合に、前記第１クラスタの集団の大きさに応じた大きさの、前記第１クラスタに基づくレーダチャートを、前記第１クラスタおよび前記第２クラスタの包含関係に応じて表示する、情報処理方法が提供される。

また、本開示によれば、コンピュータを、多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出する評価値算出部と、前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定する判定部と、前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力する出力部と、として機能させ、前記出力部は、前記第２クラスタが前記第１クラスタを統合したクラスタである場合に、前記第１クラスタの集団の大きさに応じた大きさの、前記第１クラスタに基づくレーダチャートを、前記第１クラスタおよび前記第２クラスタの包含関係に応じて表示する、プログラムが提供される。

本開示によれば、複数段階のクラスタリングにおけるクラスタの各々の評価値を互いに比較することで、クラスタリングの妥当性が低い場合にメタ前クラスタ及びメタ後クラスタの間に生じる関係性の有無を判定することができる。

以上説明したように本開示によれば、クラスタリングする多次元データの特性を考慮して、クラスタリング結果の妥当性を評価することが可能である。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係る情報処理装置を含むシステムの構成例を概略的に示す模式図である。 同実施形態に係る情報処理装置の構成例を示すブロック図である。 情報処理装置によるクラスタリング結果を表す画像表示の一例を示す説明図である。 情報処理装置によるクラスタリング結果を表す画像表示の一例を示す説明図である。 情報処理装置によるクラスタリング結果を表す画像表示の一例を示す説明図である。 メタ前クラスタ及びメタ後クラスタの評価値をメタ後クラスタごとにプロットしたグラフ図である。 メタ後クラスタごとにメタ前クラスタ及びメタ後クラスタの評価値をプロットしたグラフから、選択されたクラスタの次元ごとの測定データを追加表示する様態を示す説明図である。 図３Ａで示した画像表示に対して、所定の関係性を有すると判定された第１クラスタ及び第２クラスタを特定する表示を重畳した画像表示の一例を示す説明図である。 図３Ｂで示した画像表示に対して、所定の関係性を有すると判定された第１クラスタ及び第２クラスタを特定する表示を重畳した画像表示の一例を示す説明図である。 図３Ｃで示した画像表示に対して、所定の関係性を有すると判定された第１クラスタ及び第２クラスタを特定する表示を重畳した画像表示の一例を示す説明図である。 同実施形態に係る情報処理装置の動作例を示すフローチャート図である。 同実施形態の変形例に係る情報処理装置の構成例に模式的に示しブロック図である。 同実施形態の変形例に係る情報処理装置の動作例を示すフローチャート図である。 同実施形態に係る情報処理装置を病理画像の解析に適用する場合のフローチャート図である。 同実施形態に係る情報処理装置を適用する解析フローの流れを示すフロー図である。 同実施形態に係る情報処理装置を複数のサンプル間の比較解析に適用する場合のフローチャート図である。 同実施形態に係る情報処理装置のハードウェア構成例を示したブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．全体システムの構成例
２．情報処理装置の構成例
３．情報処理装置の動作例
４．変形例
５．適用例
６．ハードウェア構成例

＜１．全体システムの構成例＞
まず、図１を参照して、本開示の一実施形態に係る情報処理装置を含むシステム１００の構成について説明する。図１は、本実施形態に係る情報処理装置を含むシステム１００の構成例を概略的に示す模式図である。

図１に示すように、本実施形態に係るシステム１００は、測定装置１０と、情報処理装置２０と、端末装置３０、４０と、を備える。測定装置１０、情報処理装置２０及び端末装置３０、４０は、ネットワークＮを介して、相互に通信可能となるように接続されている。ネットワークＮは、例えば、移動体通信網、インターネット又はローカルエリアネットワーク等の情報通信網であってもよく、又はこれらの複数種のネットワークの組み合わせであってもよい。

測定装置１０は、測定対象の細胞等から各色の蛍光を検出することが可能な測定装置である。測定装置１０は、例えば、蛍光染色した細胞をフローセルに高速で流し、流れる細胞に光線を照射することで、細胞から各色光の蛍光を検出するフローサイトメータであってもよい。または、測定装置は、染色された細胞を蛍光観察することで、細胞から各色光の蛍光を検出する蛍光顕微鏡又は共焦点レーザ顕微鏡などであってもよい。

情報処理装置２０は、測定装置１０にて測定された細胞の蛍光に関する情報に基づいて、測定対象の細胞の各々をクラスタリングする。これにより、情報処理装置２０は、測定装置１０にて測定された細胞の各々を複数の集団（すなわち、クラスタ）に分割することができる。また、情報処理装置２０は、細胞の各々をクラスタリングした結果の妥当性を評価することができる。これにより、情報処理装置２０は、クラスタリング結果が妥当ではないと判定したクラスタを特定する情報を端末装置３０、４０に送信することができる。情報処理装置２０は、例えば、大容量のデータを高速で処理可能なサーバ等であってもよい。

端末装置３０、４０は、例えば、情報処理装置２０によるクラスタリング結果が出力される表示装置等である。例えば、端末装置３０、４０は、情報処理装置２０から受信した解析結果を画像又は文字等で表示する表示部を備えるコンピュータ、ラップトップ、スマートフォン又はタブレット端末などであってもよい。

本実施形態に係る情報処理装置２０を含むシステム１００では、まず、情報処理装置２０は、病院、クリニック又は研究所の各々に設けられた測定装置１０にて測定された測定データをネットワークＮ経由で取得する。その後、情報処理装置２０は、取得した測定データをクラスタリングし、クラスタリング結果を端末装置３０、４０に出力する。さらに、情報処理装置２０は、妥当性が低いと判定されるクラスタがクラスタリング結果に存在する場合、該クラスタを特定する情報を端末装置３０、４０に出力することができる。クラスタリングは、情報処理の負荷が高いため、専用のサーバ等で構成された情報処理装置２０によって集中的に実行することで、システム１００全体の効率性を向上させることができる。

情報処理装置２０によるクラスタリングの具体的な方法、及びクラスタリング結果から妥当性が低いと判定されるクラスタを特定するための方法については、下記で詳述する。

なお、上記では、測定装置１０、情報処理装置２０及び端末装置３０、４０は、ネットワークＮを介して相互に接続されているとしたが、本開示に係る技術は、かかる例示に限定されない。例えば、測定装置１０、情報処理装置２０及び端末装置３０、４０は、直接接続されていてもよい。

＜２．情報処理装置の構成例＞
次に、図２を参照して、本実施形態に係る情報処理装置２０の構成例について説明する。図２は、本実施形態に係る情報処理装置２０の構成例を示すブロック図である。

図２に示すように、情報処理装置２０は、入力部２０１と、蛍光分離部２０３と、第１クラスタリング部２０５と、第２クラスタリング部２０７と、評価値算出部２０９と、判定部２１１と、出力部２１３と、を備える。なお、情報処理装置２０の機能の一部（例えば、後述する蛍光分離部２０３の機能）は、測定装置１０に備えられていてもよい。

入力部２０１は、測定装置１０から細胞等のサンプルの測定結果を取得する。具体的には、入力部２０１は、細胞等のサンプルから測定された蛍光のスペクトル又は波長帯域ごとの強度に関する情報を測定装置１０から取得する。入力部２０１は、例えば、ネットワークＮを介して測定装置１０から情報を取得するための接続ポート又は通信装置等を含む外部入力インタフェースにて構成されてもよい。

蛍光分離部２０３は、測定装置１０から取得した蛍光のスペクトル又は波長帯域ごとの強度に関する情報から蛍光の各々を分離することで、蛍光の各々に対応する蛍光物質又は生体分子等の発現量を導出する。測定対象の細胞等は、複数の蛍光物質によって標識されており、各蛍光物質から発せられる蛍光の波長分布は、互いに重なり合っている。そのため、蛍光分離部２０３は、各蛍光物質から発せられる蛍光の相互の漏れ込み等を補正することで、各蛍光物質の発現量、及び各蛍光物質で標識した生体分子等の発現量を導出することができる。

これによれば、蛍光分離部２０３は、各蛍光の相互の漏れ込みを補正し、正味の蛍光物質の発現量を導出することができるため、後段の第１クラスタリング部２０５にて高い精度のクラスタリングを行うことが可能にする。ここで、高い精度でのクラスタリングとは、蛍光標識された大量のサンプルを適切なサンプル集団に分離できることをいう。また、蛍光分離部２０３は、蛍光のスペクトル又は波長帯域ごとの強度に関する情報から、各蛍光を発する蛍光物質の発現量を導出するため、後段の第１クラスタリング部２０５にてクラスタリングする際のデータの次元数を圧縮することができる。

具体的には、測定結果が特定の波長帯域ごとに区切られて検出された蛍光の強度である場合、蛍光分離部２０３は、まず、それぞれの波長帯域の間の蛍光の漏れ込み量を算出する。次に、蛍光分離部２０３は、算出した蛍光の漏れ込み量をそれぞれの波長帯域の蛍光の強度から減算することで、該蛍光を発する蛍光物質の発現量を導出することができる。これによれば、蛍光分離部２０３は、後段の第１クラスタリング部２０５にて高い精度のクラスタリングを行うことを可能にする。

また、測定結果がプリズム分光された蛍光を検出器アレイで検出した蛍光スペクトルである場合、蛍光分離部２０３は、まず、検出する各蛍光物質の蛍光のリファレンススペクトルを取得する。次に、蛍光分離部２０３は、検出された蛍光スペクトルから、各蛍光物質の蛍光のリファレンススペクトルの重ね合わせを推定することで、各蛍光物質の発現量を導出することができる。これによれば、蛍光分離部２０３は、スペクトルで表される測定結果から各蛍光物質の発現量を導出することができるため、測定データの次元数を圧縮することができる。

第１クラスタリング部２０５は、測定データに基づいて、測定対象である細胞をクラスタリングする。具体的には、第１クラスタリング部２０５は、蛍光分離部２０３にて導出した細胞の各蛍光物質の発現量に基づいて、測定対象である細胞をクラスタリングする。これにより、第１クラスタリング部２０５は、測定対象である細胞の集団を第１クラスタの各々に分割する。

測定対象の細胞は、複数の蛍光物質によって標識されており、細胞ごとに複数の蛍光物質の発現量（すなわち、蛍光物質で標識した生体分子の発現量）が異なる。そのため、測定対象である細胞を分割する場合、複数の蛍光物質の発現量という多次元データを用いることになる。このような多次元データを用いた分割は、機械学習に基づくクラスタリング技術を用いることで、マニュアルによる分割よりも迅速に実行することができる。

第１クラスタリング部２０５で用いられるクラスタリング手法は、特に限定されず、公知のクラスタリング手法であってもよい。例えば、第１クラスタリング部２０５は、ｗａｒｄ法、群平均法、単リンク法、若しくはｋ－ｍｅａｎｓ法などの一般的なクラスタリング手法を用いてもよく、又は自己組織化マップ（ｓｅｌｆ－ｏｒｇａｎｉｚａｔｉｏｎ ｍａｐ）法を用いてもよい。

第２クラスタリング部２０７は、第１クラスタリング部２０５によるクラスタリング結果をさらにクラスタリングする。具体的には、第２クラスタリング部２０７は、第１クラスタリング部２０５によるクラスタリングの結果、生成された第１クラスタを統合又は分割することで、第２クラスタを生成する。

例えば、第２クラスタリング部２０７は、上述した公知のクラスタリング手法を用いて第１クラスタを統合することで第２クラスタを生成してもよい。または、第２クラスタリング部２０７は、上述した公知のクラスタリング手法を用いて第１クラスタを分割することで第２クラスタを生成してもよい。

ここで、複数のクラスタを統合することで生成された上位クラスタのことをメタ後クラスタ（ｍｅｔａクラスタとも称する）と称し、上位クラスタに含まれる複数の下位クラスタのことをメタ前クラスタ（ｓｏｍクラスタとも称する）と称する。すなわち、第２クラスタリング部２０７が第１クラスタを統合することで第２クラスタを生成する場合、第１クラスタがメタ前クラスタとなり、第２クラスタがメタ後クラスタとなる。また、第２クラスタリング部２０７が第１クラスタを分割することで第２クラスタを生成する場合、第１クラスタがメタ後クラスタとなり、第２クラスタがメタ前クラスタとなる。

第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果は、出力部２１３から端末装置３０、４０等に出力されてもよい。例えば、端末装置３０、４０等に出力されたクラスタリング結果は、端末装置３０、４０等にて画像表示として表示されてもよい。

具体的には、第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果は、図３Ａ～図３Ｃに示す画像表示にて表示されてもよい。図３Ａ～図３Ｃは、情報処理装置２０によるクラスタリング結果を表す画像表示の一例を示す説明図である。

例えば、図３Ａに示すように、第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果は、ツリー表示にて表されてもよい。

図３Ａに示す表示では、「Ｄａｔａ１」というサンプルは、「ｍｅｔａ１」～「ｍｅｔａ３」のメタ後クラスタ、及び「Ｓｏｍ１」～「Ｓｏｍ６」のメタ前クラスタにクラスタリングされている。また、図３Ａでは、「ｍｅｔａ１」～「ｍｅｔａ３」のメタ後クラスタが「Ｓｏｍ１」～「Ｓｏｍ６」のメタ前クラスタを包含している構造が明示されている。具体的には、「ｍｅｔａ１」のメタ後クラスタは、「Ｓｏｍ２」及び「Ｓｏｍ５」のメタ前クラスタを包含しており、「ｍｅｔａ２」のメタ後クラスタは、「Ｓｏｍ１」、「Ｓｏｍ３」及び「Ｓｏｍ６」のメタ前クラスタを包含しており、「ｍｅｔａ１」のメタ後クラスタは、「Ｓｏｍ４」のメタ前クラスタ包含している。このようなツリー表示は、メタ前クラスタ及びメタ後クラスタの階層関係を明示することができる。

例えば、図３Ｂに示すように、第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果は、グリッド表示にて表されてもよい。

図３Ｂに示す表示では、複数の色で塗り分けられたレーダチャートがグリッド状に配列されている。ここで、各レーダチャートは、メタ前クラスタの各々を表しており、各色で塗り分けられた領域がメタ後クラスタの各々を表している。また、各レーダチャートの分布は、メタ前クラスタにおける各蛍光物質の発現量に対応する代表ベクトルを表し、各レーダチャートの大きさは、メタ前クラスタの集団の大きさを表している。例えば、同じ色（図３Ｂでは同じハッチング）で塗り分けられたレーダチャート（すなわち、メタ前クラスタ）は、同じメタ後クラスタに包含されている。このようなグリッド表示は、メタ前クラスタ及びメタ後クラスタの包含関係と、代表ベクトル等のメタ前クラスタの情報とを同時に示すことができる。

例えば、図３Ｃに示すように、第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果は、ミニマムスパニングツリー（Ｍｉｎｉｍｕｍ Ｓｐａｎｎｉｎｇ Ｔｒｅｅ）表示にて表されてもよい。

図３Ｃに示す表示では、複数の色で塗り分けられたレーダチャートが互いに接続された樹状に配列されている。ここで、各レーダチャートは、メタ前クラスタの各々を表しており、各色で塗り分けられた領域がメタ後クラスタの各々を表している。また、各レーダチャートの分布は、メタ前クラスタにおける各蛍光物質の発現量に対応する代表ベクトルを表し、各レーダチャートの大きさは、メタ前クラスタの集団の大きさを表している。例えば、同じ色（図３Ｃでは同じハッチング）で塗り分けられたレーダチャート（すなわち、メタ前クラスタ）は、同じメタ後クラスタに包含されている。

さらに、図３Ｃに示す表示では、表示上のレーダチャート間の距離が、レーダチャートで表されるメタ前クラスタ間の類似度に対応している。すなわち、互いに接近したレーダチャートのメタ前クラスタは、互いに類似しており、互いに離れたレーダチャートのメタ前クラスタは、互いに類似していないことを示している。このようなミニマムスパニングツリー表示は、メタ前クラスタ及びメタ後クラスタの包含関係に加えて、メタ前クラスタの互いの類似関係を同時に示すことができる。

評価値算出部２０９は、第１クラスタ及び第２クラスタの各々の評価値を算出する。クラスタの評価値とは、クラスタの分離度を表したものであり、クラスタリングされたデータの分布から算出される値である。具体的には、クラスタの評価値は、該クラスタに所属する要素（イベント）の分散、及び該クラスタと他のクラスタとの距離に基づいて算出することができる。より具体的には、クラスタの評価値は、クラスタに所属する要素と該クラスタの中心との距離、及び該クラスタの中心と他のクラスタの中心との距離に基づいて算出することができる。例えば、クラスタの各々の評価値とは、各クラスタのシルエット係数、ＤＢｉｎｄｅｘ、又はＣＯＰ係数などであってもよい。

なお、上述した距離とは、各要素の類似度を表したものである。例えば、距離とは、距離の公理を満たすように各要素の性質差に基づいて設定されたものであってもよい。具体的には、距離とは、各要素を性質に基づいて表した特徴量ベクトルの間のユークリッド距離、マンハッタン距離、ミンコフスキー距離、マハラノビス距離、又はコサイン距離であってもよい。

判定部２１１は、第１クラスタの評価値と、第２クラスタの評価値とが所定の関係性を有するか否かを判定する。具体的には、判定部２１１は、第１クラスタの評価値と、該第１クラスタを統合又は分割した第２クラスタの評価値とが所定の関係性を有するか否かを判定する。所定の関係性とは、第１クラスタ又は第２クラスタのいずれかのクラスタリングの妥当性が低い場合に、第１クラスタ及び第２クラスタの評価値の間に生じる関係性である。判定部２１１は、かかる所定の関係性の有無を判定することで、クラスタリングの妥当性が低い第１クラスタ又は第２クラスタを特定することができる。

ここで、上述した所定の関係性の一例について、図４を参照して説明する。図４は、メタ前クラスタ及びメタ後クラスタの評価値をメタ後クラスタごとにプロットしたグラフ図である。なお、図４の縦軸に示す評価値は、例えば、上述したＤＢｉｎｄｅｘであり、数値が０に近い程、クラスタリングの分離度が高く、クラスタリングの妥当性が高いことを示す。

図４に示すように、判定部２１１は、第１クラスタ及び第２クラスタの評価値を、メタ後クラスタと、メタ後クラスタに包含されるメタ前クラスタとの間で比較する。このとき、メタ後クラスタ番号４のように、メタ後クラスタの評価値が少なくとも１つ以上のメタ前クラスタの評価値よりも小さくなる（良好となる）場合、判定部２１１は、メタ前クラスタ及びメタ後クラスタが所定の関係性を有すると判定してもよい。統合によって、メタ後クラスタの評価値がメタ前クラスタの評価値よりも良好となる場合、判定部２１１は、統合前後のいずれかで妥当ではないクラスタリングが実行されたと判定することができる。

または、判定部２１１は、メタ後クラスタに包含されるメタ前クラスタの評価値の密集度又は離散度が閾値以上となる場合、メタ前クラスタ及びメタ後クラスタが所定の関係性を有すると判定してもよい。さらには、判定部２１１は、メタ前クラスタの評価値と、メタ後クラスタの評価値との差の大きさに基づいて、メタ前クラスタ及びメタ後クラスタが所定の関係性を有するか否かを判定してもよい。

なお、所定の関係性は、上述した以外の他の関係性であってもよい。所定の関係性とは、第１クラスタ及び第２クラスタにおいてクラスタリングの妥当性が低くなる場合の関係性をあらかじめ登録したものであってもよい。

また、判定部２１１は、ユーザからの入力に基づいて、第１クラスタの評価値と、第２クラスタの評価値とが所定の関係性を有するか否かを判定してもよい。具体的には、判定部２１１は、図５に示すように、メタ後クラスタごとにメタ前クラスタ及びメタ後クラスタの評価値をプロットしたグラフと、クラスタの次元ごとの測定データとをユーザに示すことで、所定の関係性を有する第１クラスタ及び第２クラスタをユーザに選択させてもよい。図５は、メタ後クラスタごとにメタ前クラスタ及びメタ後クラスタの評価値をプロットしたグラフから、選択されたクラスタの次元ごとの測定データを追加表示する様態を示す説明図である。

図５に示すように、判定部２１１は、出力部２１３を介して、メタ後クラスタごとにメタ前クラスタ及びメタ後クラスタの評価値をプロットしたグラフをユーザに提示してもよい。ユーザは、提示されたグラフを確認することで、メタ前クラスタの評価値と、メタ後クラスタの評価値とが所定の関係性を有するクラスタを特定してもよい。

また、メタ前クラスタ及びメタ後クラスタの評価値をプロットしたグラフでは、選択されたクラスタの次元ごとに測定データを追加で表示することができる。追加表示される測定データは、例えば、次元毎に、測定対象全体の分布に対して、該クラスタの測定対象の分布を示したデータであってもよい。これによれば、ユーザは、追加表示された測定データを参照し、メタ前クラスタの測定対象の分布と、メタ後クラスタの測定対象の分布の類似性を判断することで、メタ前クラスタ及びメタ後クラスタのクラスタリングが妥当か否かを判断してもよい。

例えば、図５に示す場合では、メタ前クラスタ及びメタ後クラスタの間で、左下の隅のグラフの測定対象の分布が大きく変化している。このように、統合前後で少なくとも１つ以上の次元の測定対象の分布が大きく変化する場合、メタ前クラスタ又はメタ後クラスタのクラスタリングのいずれかのクラスタリングの妥当性が低い可能性がある。そこで、ユーザは、クラスタの次元ごとの測定データを確認することで、第１クラスタの評価値と、第２クラスタの評価値とが所定の関係性を有するような、クラスタリングの妥当性が低いクラスタを特定することができる。

さらに、判定部２１１は、ユーザによるクラスタリングの妥当性が低いクラスタの特定を支援するために、メタ前クラスタ及びメタ後クラスタの間で測定対象の分布が大きく変化しているグラフを強調表示させてもよい。具体的には、判定部２１１は、メタ前クラスタ及びメタ後クラスタの間で測定対象の分布が大きく変化しているグラフが表示される領域の色を変えたり、枠線で囲ったり、アラートを示す表示を追加したりしてもよい。なお、メタ前クラスタ及びメタ後クラスタの間で測定対象の分布が大きく変化しているグラフは、例えば、測定対象の分布の各ピークの幅、ピーク高さ、又はピーク位置が統合前後で閾値以上変化しているか否かを判断することで特定することができる。

出力部２１３は、判定部２１１によって所定の関係性を有すると判定された第１クラスタ及び第２クラスタを特定する情報を端末装置３０、４０等に出力する。具体的には、出力部２１３は、第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果を示す画像表示に、判定部２１１にて判定された第１クラスタ及び第２クラスタを特定する画像表示を重畳させる情報を端末装置３０、４０に出力してもよい。

より具体的には、出力部２１３は、判定部２１１にて所定の関係性を有すると判定された第１クラスタ及び第２クラスタを特定するために、図６Ａ～図６Ｃに示す画像表示に関する情報を端末装置３０、４０に出力してもよい。端末装置３０、４０は、図６Ａ～図６Ｃに示す画像表示を表示することで、所定の関係性を有すると判定された第１クラスタ及び第２クラスタをユーザに明示することができる。図６Ａ～図６Ｃは、図３Ａ～図３Ｃで示した画像表示に対して、所定の関係性を有すると判定された第１クラスタ及び第２クラスタを特定する表示を重畳した画像表示の一例を示す説明図である。

例えば、図６Ａに示すように、クラスタリング結果がツリー表示で表示される場合、出力部２１３は、所定の関係性を有すると判定された第１クラスタ及び第２クラスタの表示色又は表示文字を変更してもよい。または、出力部２１３は、所定の関係性を有すると判定された第１クラスタ及び第２クラスタにエクスクラメーションマーク等の特定のマークを表示してもよい。具体的には、メタ後クラスタ「ｍｅｔａ２」とメタ前クラスタ「ｓｏｍ６」が所定の関係を有すると判断された場合、メタ後クラスタ「ｍｅｔａ２」はエクスクラメーションマークと共に表示され、「ｍｅｔａ２」と「ｓｏｍ６」は強調表示される。これによれば、出力部２１３は、クラスタリングの妥当性が低く、所定の関係性を有する第１クラスタ及び第２クラスタをユーザに明示し、ユーザに注意喚起を行うことができる。

例えば、図６Ｂに示すように、クラスタリング結果がグリッド表示で表示される場合、出力部２１３は、所定の関係を有すると判定された第１クラスタ及び第２クラスタに対応するレーダチャートを枠線で囲んでもよい。具体的には、４つのメタ前クラスタを含むメタ後クラスタとそのメタ後クラスタに含まれるメタ前クラスタとが所定の関係を有すると判断された場合、メタ後クラスタを表す色の領域を枠線で囲い、所定の関係を有するメタ前クラスタに対応するレーダチャートが強調表示される。これによれば、出力部２１３は、クラスタリングの妥当性が低く、所定の関係性を有する第１クラスタ及び第２クラスタをユーザに明示することで、ユーザに注意喚起を行うことができる。

例えば、図６Ｃに示すように、クラスタリング結果がスパニングミニマムツリー表示で表示される場合、出力部２１３は、所定の関係を有すると判定された第１クラスタ及び第２クラスタに対応するレーダチャートを枠線で囲んでもよい。具体的には、４つのメタ前クラスタを含むメタ後クラスタとそのメタ後クラスタに含まれるメタ前クラスタとが所定の関係を有すると判断された場合、メタ後クラスタを表す色の領域を枠線で囲い、所定の関係を有するメタ前クラスタに対応するレーダチャートが強調表示される。これによれば、出力部２１３は、クラスタリングの妥当性が低く、所定の関係性を有する第１クラスタ及び第２クラスタをユーザに明示することで、ユーザに注意喚起を行うことができる。

以上の構成によれば、情報処理装置２０は、第１クラスタリング部２０５及び第２クラスタリング部２０７のクラスタリングの妥当性を評価し、妥当性が低いと判定した第１クラスタ及び第２クラスタをユーザに提示することができる。これによれば、ユーザは、クラスタリングを見直すべきクラスタ、又はクラスタリングの精度が高いクラスタを判断することができる。よって、情報処理装置２０は、測定対象の解析効率を向上させることができる。

なお、第２クラスタリング部２０７による第１クラスタの分割又は統合による第２クラスタの生成は、ユーザからの入力に基づいて実行されてもよい。すなわち、情報処理装置２０では、第２クラスタは、第１クラスタリング部２０５によるクラスタリングにて生成された第１クラスタをユーザが編集することで生成されてもよい。このとき、情報処理装置２０は、上述した構成と同様の構成によって、ユーザによるクラスタリングの妥当性を評価してもよい。

＜３．情報処理装置の動作例＞
次に、図７を参照して、本実施形態に係る情報処理装置２０の動作例について説明する。図７は、本実施形態に係る情報処理装置２０の動作例を示すフローチャート図である。

図７に示すように、まず、入力部２０１は、測定装置１０から測定データを取得する（Ｓ１０１）。測定データは、例えば、フローサイトメータにて測定された細胞の蛍光のスペクトル又は波長帯域ごとの強度に関する情報であってもよい。次に、蛍光分離部２０３は、測定データを蛍光分離することで、蛍光の各々を発する蛍光物質の発現量を導出する（Ｓ１０３）。

続いて、第１クラスタリング部２０５は、蛍光分離部２０３にて蛍光分離された各蛍光物質の発現量に基づいて、測定された細胞の各々をクラスタリングすることで、第１クラスタを生成する（Ｓ１０５）。次に、第２クラスタリング部２０７は、クラスタリングによって、第１クラスタリング部にて生成された第１クラスタをさらに統合又は分割することで、第２クラスタを生成する（Ｓ１０７）。その後、評価値算出部２０９は、第１クラスタ及び第２クラスタの評価値を算出する（Ｓ１０９）。例えば、評価値算出部２０９は、第１クラスタ及び第２クラスタのシルエット係数、ＤＢｉｎｄｅｘ又はＣＯＰ係数を算出してもよい。

次に、判定部２１１は、第１クラスタの評価値と、第２クラスタの評価値とが所定の関係性を有するか否かを判定する（Ｓ１１１）。具体的には、判定部２１１は、第１クラスタの評価値と、第２クラスタの評価値とが所定の関係性を有するか否かを判定することで、クラスタリングの妥当性が低い第１クラスタ及び第２クラスタを特定する。所定の関係性を有する第１クラスタ及び第２クラスタが存在しない場合（Ｓ１１１／Ｎｏ）、出力部２１３は、第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果を端末装置３０、４０に出力する。これにより、該クラスタリング結果をユーザに提示する。出力部２１３は、クラスタリング結果をユーザに提示することができる。

一方、所定の関係性を有する第１クラスタ及び第２クラスタが存在する場合（Ｓ１１１／Ｙｅｓ）、出力部２１３は、第１クラスタリング部２０５及び第２クラスタリング部２０７によるクラスタリング結果と併せて、所定の関係性を有する第１クラスタ及び第２クラスタを特定する情報を端末装置３０、４０に出力する（Ｓ１１３）。これにより、出力部２１３は、クラスタリングの妥当性が低いと判断される第１クラスタ及び第２クラスタをユーザに提示することができる。

以上の動作によれば、本実施形態に係る情報処理装置２０は、クラスタリング結果と共に該クラスタリング結果の信頼性に関する情報をユーザに提示することが可能である。具体的には、情報処理装置２０は、クラスタリングの妥当性が低いと判断されるクラスタを特定し、特定したクラスタをユーザに提示することが可能である。

＜４．変形例＞
続いて、図８及び図９を参照して、本実施形態に係る情報処理装置２１の変形例について説明する。図８は、本変形例に係る情報処理装置２１の構成例に模式的に示すブロック図であり、図９は、本変形例に係る情報処理装置２１の動作例を示すフローチャート図である。

図８に示すように、本変形例に係る情報処理装置２１は、クラスタリング再設定部２１５をさらに備える点が図２で示した情報処理装置２０と異なる。以下では、本変形例にて特徴的なクラスタリング再設定部２１５について説明し、図２で示した情報処理装置２０と実質的に同様のその他の構成については説明を省略する。

クラスタリング再設定部２１５は、クラスタの評価値に基づいて、メタ前クラスタを包含するメタ後クラスタを再設定する。具体的には、クラスタリング再設定部２１５は、クラスタの評価値を参照することで、指示されたメタ前クラスタが包含されるメタ後クラスタを再検討する。

例えば、クラスタリング結果を参照し、メタ後クラスタに対する一部のメタ前クラスタの包含が妥当ではないと判断したユーザは、該メタ前クラスタを包含するメタ後クラスタを再設定するように、クラスタリング再設定部２１５に指示する。このとき、クラスタリング再設定部２１５は、ユーザから指示されたメタ前クラスタをメタ後クラスタの各々に統合した場合の全クラスタの評価値を判定部２１１に網羅的に算出させる。続いて、クラスタリング再設定部２１５は、指示されたメタ前クラスタの統合によってクラスタの評価値が最も良好となるメタ後クラスタを特定し、該メタ後クラスタに指示されたメタ前クラスタを統合させる。なお、クラスタの評価値が最も良好となるとは、例えば、ＤＢｉｎｄｅｘでは、メタ後クラスタのすべての評価値の合計が最も小さくなることを表す。

これによれば、情報処理装置２１は、ユーザによるメタ前クラスタ及びメタ後クラスタのクラスタリングの編集を支援し、より妥当性が高いクラスタリング結果を提示することができる。なお、ユーザによるメタ前クラスタの選択は、図３Ａ～図３Ｃ又は図６Ａ～図６Ｃに示すような、クラスタリング結果及び妥当性の判定結果を表す画像表示から実行されてもよい。ユーザによるメタ前クラスタの選択は、図４又は図５に示すような、メタ前クラスタ及びメタ後クラスタの評価値をプロットしたグラフを表す画像表示から実行されてもよい。

次に、図９を参照して、本変形例に係る情報処理装置２１の動作例について説明する。図９は、本変形例に係る情報処理装置２１の動作例を示すフローチャート図である。

図９に示すように、まず、入力部２０１は、測定装置１０から測定データを取得する（Ｓ１０１）。測定データは、例えば、フローサイトメータにて測定された細胞の蛍光のスペクトル又は波長帯域ごとの強度に関する情報であってもよい。次に、蛍光分離部２０３は、測定データを蛍光分離することで、蛍光の各々を発する蛍光物質の発現量を導出する（Ｓ１０３）。

続いて、第１クラスタリング部２０５は、蛍光分離部２０３にて蛍光分離された各蛍光物質の発現量に基づいて、測定された細胞の各々をクラスタリングすることで、第１クラスタを生成する（Ｓ１０５）。次に、第２クラスタリング部２０７は、クラスタリングによって、第１クラスタリング部２０５にて生成された第１クラスタをさらに統合することで、第２クラスタを生成する（Ｓ１２１）。

その後、包含される第２クラスタを再設定する第１クラスタがユーザ等によって選択される（Ｓ１２３）。続いて、判定部２１１は、選択された第１クラスタを第２クラスタの各々に統合させた場合の各クラスタの評価値をそれぞれ算出する（Ｓ１２５）。次に、クラスタリング再設定部２１５は、算出された各クラスタの評価値の合計を第２クラスタごとに比較し、評価値の合計が最も良好となる第２クラスタに、選択された第１クラスタを統合する（Ｓ１２７）。

以上の動作によれば、本変形例に係る情報処理装置２１は、ユーザによって選択された第１クラスタをより妥当性が高い第２クラスタに統合することを支援することができる。

＜５．適用例＞
続いて、図１０～図１２を参照して、本実施形態に係る情報処理装置２０の適用例について説明する。

まず、図１０を参照して、本実施形態に係る情報処理装置２０を病理画像の解析に適用する例について説明する。図１０は、本実施形態に係る情報処理装置２０を病理画像の解析に適用する場合のフローチャート図である。

図１０に示すように、まず、情報処理装置２０は、顕微鏡又は内視鏡等から細胞を含む病理画像を取得する（Ｓ１１）。次に、情報処理装置２０は、病理画像から細胞を含む画像領域を特定し、該画像領域を切り出す（Ｓ１３）。具体的には、病理画像が核染色された細胞の画像であれば、情報処理装置２０は、エッジ抽出を行うことで染色された核を認識し、認識した核の周囲画素を細胞とみなしてもよい。または、情報処理装置２０は、深層学習（ｄｅｅｐ ｌｅａｒｎｉｎｇ）などを用いることで、病理画像から細胞を認識してもよい。

その後、情報処理装置２０は、切り出した画像領域の画素値を細胞の特徴量を示す多次元データとして取得する（Ｓ１５）。具体的には、画素値は、各画素のＲＧＢ値（赤、緑及び青）の中央値、平均値又は最頻値であってもよく、各画素のＲＧＢ値から色空間の座標を変換することで導出されたＨＳＶ値であってもよい。また、情報処理装置２０は、細胞の特徴量として、面積、真円度、幅、長さ、幅／長さの比率、軸方向若しくは径方向における対称性、又は緊密さ等のモーフォロジ特徴を取得してもよい。さらに、情報処理装置２０は、細胞の特徴量として、スポット、ホール、エッジ、峰部、谷部、鞍部、輝点又は暗点等の構造的特徴を取得してもよく、いわゆるＨａｒａｌｉｃｋ特徴又はＧａｂｏｒ特徴等を取得してもよい。

これにより、情報処理装置２０は、上述した入力部２０１にて取得される測定データを取得することができる。以後の動作例については、上述したとおりであるため、ここでの説明は省略する。

次、図１１及び図１２を参照して、本実施形態に係る情報処理装置２０を解析に用いる例について説明する。図１１は、本実施形態に係る情報処理装置２０を適用する解析フローの流れを示すフロー図である。図１２は、本実施形態に係る情報処理装置２０を複数のサンプル間の比較解析に適用する場合のフローチャート図である。

図１１に示すように、サンプルの解析フローに本実施形態に係る情報処理装置２０を適用する場合、まず、測定したサンプルに対して、系全体の信頼度が問題ないことが確認される（Ｓ２０１）。ここで、信頼度は評価値算出部２０９で算出された評価値に基づき評価される。次に、クラスタリングした各クラスタの信頼度が十分に高いことが確認される（Ｓ２０３）。ここで、クラスタリングした各クラスタの信頼度が十分に高くない場合（Ｓ２０３／Ｎｏ）、再度、クラスタの分割、統合又は削除が行われた（Ｓ２０５）後、各クラスタの信頼度が十分に高いことが確認される（Ｓ２０７）。クラスタリングした各クラスタの信頼度が十分に高くなるまでクラスタの分割、統合又は削除が繰り返された後、信頼度が十分に高くなったクラスタに対して、ランドマークノードが設定される（Ｓ２０９）。具体的には、クラスタの分割、統合又は削除の妥当性は、メタ後クラスタとメタ前クラスタが所定の関係性を有しているかどうかで評価されることができる。

ランドマークノードとは、例えば、スキャフォールドマップ（Ｓｃａｆｆｏｌｄ Ｍａｐ）のような可視化方法において可視化の起点となるクラスタ、又は複数のサンプル間を比較する場合の基準点となるクラスタである。ランドマークノードとなるクラスタには、高い信頼度が求められる。

ランドマークノードとなるクラスタが設定された後、スキャフォールドマップ等を用いて、各クラスタの可視化確認が行われる（Ｓ２１１）。可視化確認において所望の結果が得られない場合は、再度、クラスタの分割、統合又は削除（Ｓ２１３）と、各クラスタの信頼度確認（Ｓ２１５）とが行われ、所望の結果が得られるようにランドマークノードとなるクラスタが再設定される。

図１１で示すような解析フローにおいて、本実施形態に係る情報処理装置２０は、各クラスタの信頼度を確認するＳ２０３、Ｓ２０７、Ｓ２０９又はＳ２１５の処理のいずれかに適用されてもよい。

また、図１２に示すように、複数のサンプル間の比較解析に本実施形態に係る情報処理装置２０を適用する場合、まず、第１サンプルのクラスタリングが行われる（Ｓ２５１）。次に、第１サンプルでクラスタリングされた各クラスタの信頼度が評価される（Ｓ２５３）。ここで、信頼度は評価値算出部２０９で算出された評価値に基づき評価されることができる。続いて、各クラスタの信頼度が閾値以上か否かが判断され（Ｓ２５５）、各クラスタの信頼度が閾値以上ではない場合（Ｓ２５５／Ｎｏ）、再度、第１サンプルのクラスタリング及び各クラスタの信頼度の評価が実行される。一方、各クラスタの信頼度が閾値以上である場合（Ｓ２５５／Ｙｅｓ）、信頼度が閾値以上のクラスタがランドマークノードに設定される（Ｓ２５７）。

次に、別途、第２サンプルがクラスタリングされる（Ｓ２５９）。ここで、第１サンプルで設定されたランドマークノードに対して、第２サンプルでクラスタリングされた各クラスタを力学的モデルによってマッピングする（Ｓ２６１）。これにより、ユーザは、第１サンプル及び第２サンプルの各クラスタの対応関係を知覚し、第１サンプル及び第２サンプルの間の比較解析を行うことができる。

なお、力学的モデルとしては、例えば、Ｆｏｒｃｅ－Ｄｉｒｅｃｔグラフ、Ｋａｍａｄａ－Ｋａｗａｉアルゴリズム、又はＦｒｕｃｈｔｅｒｍａｎ－Ｒｅｉｎｇｏｌｄアルゴリズム等を用いることができる。また、力学的モデルの対象データとしては、各ランドマークノードの中央値、平均値又は最頻値のいずれを用いてもよい。

図１２で示すような複数のサンプル間の比較解析において、本実施形態に係る情報処理装置２０は、各クラスタの信頼度を評価するＳ２５３、又はＳ２５７の処理のいずれかに適用されてもよい。

＜６．ハードウェア構成例＞
続いて、図１３を参照して、本実施形態に係る情報処理装置２０のハードウェア構成について説明する。図１３は、本実施形態に係る情報処理装置２０のハードウェア構成例を示したブロック図である。

図１３に示すように、情報処理装置２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３と、ブリッジ９０７と、内部バス９０５および９０６と、インタフェース９０８と、入力装置９１１と、出力装置９１２と、ストレージ装置９１３と、ドライブ９１４と、接続ポート９１５と、通信装置９１６と、を備える。

ＣＰＵ９０１は、演算処理装置及び制御装置として機能し、ＲＯＭ９０２等に記憶された各種プログラムに従って、情報処理装置２０の動作全般を制御する。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラム、演算パラメータを記憶し、ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。例えば、ＣＰＵ９０１は、蛍光分離部２０３、第１クラスタリング部２０５、第２クラスタリング部２０７、評価値算出部２０９及び判定部２１１の機能を実行してもよい。

これらＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、ブリッジ９０７、内部バス９０５及び９０６等により相互に接続されている。また、ＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、インタフェース９０８を介して入力装置９１１、出力装置９１２、ストレージ装置９１３、ドライブ９１４、接続ポート９１５及び通信装置９１６とも接続されている。

入力装置９１１は、タッチパネル、キーボード、マウス、ボタン、マイクロフォン、スイッチ及びレバーなどの情報が入力される入力装置を含む。また、入力装置９１１は、入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力するための入力制御回路なども含む。入力装置９１１は、例えば、入力部２０１の機能を実行してもよい。

出力装置９１２は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）表示装置、液晶表示装置及び有機ＥＬ（Ｏｒｇａｎｉｃ ＥｌｅｃｔｒｏＬｕｍｉｎｅｓｃｅｎｃｅ）表示装置などの表示装置を含む。さらに、出力装置９１２は、スピーカ及びヘッドホンなどの音声出力装置を含んでもよい。出力装置９１２は、例えば、出力部２１３の機能を実行してもよい。

ストレージ装置９１３は、情報処理装置２０のデータ格納用の記憶装置である。ストレージ装置９１３は、記憶媒体、記憶媒体にデータを記憶する記憶装置、記憶媒体からデータを読み出す読み出し装置、及び記憶されたデータを削除する削除装置を含んでもよい。

ドライブ９１４は、記憶媒体用リードライタであり、情報処理装置２０に内蔵又は外付けされる。例えば、ドライブ９１４は、装着されている磁気ディスク、光ディスク、光磁気ディスク又は半導体メモリ等のリムーバブル記憶媒体に記憶されている情報を読み出し、ＲＡＭ９０３に出力する。ドライブ９１４は、リムーバブル記憶媒体に情報を書き込むことも可能である。

接続ポート９１５は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、イーサネット（登録商標）ポート、ＩＥＥＥ８０２．１１規格ポート及び光オーディオ端子等のような外部接続機器を接続するための接続ポートで構成された接続インタフェースである。

通信装置９１６は、例えば、ネットワークＮに接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１６は、有線または無線ＬＡＮ対応通信装置であっても、有線によるケーブル通信を行うケーブル通信装置であってもよい。通信装置９１６及び接続ポート９１５は、例えば、入力部２０１及び出力部２１３の機能を実行してもよい。

なお、情報処理装置２０に内蔵されるＣＰＵ、ＲＯＭおよびＲＡＭなどのハードウェアに対して、上述した本実施形態に係る情報処理装置の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、該コンピュータプログラムを記憶させた記憶媒体も提供することが可能である。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出する評価値算出部と、
前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定する判定部と、
前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力する出力部と、
を備える、情報処理装置。
（２）
前記評価値は、各クラスタの分離度に関する指標である、前記（１）に記載の情報処理装置。
（３）
前記評価値算出部は、クラスタ間の距離、及びクラスタ内の各イベントとクラスタ中心との距離に基づいて前記評価値を算出する、前記（２）に記載の情報処理装置。
（４）
前記距離は、前記多次元データの各要素の性質差に基づいて設定される、前記（３）に記載の情報処理装置。
（５）
前記第２クラスタは、前記第１クラスタを統合したクラスタである、前記（１）～（４）のいずれか一項に記載の情報処理装置。
（６）
前記判定部は、前記第１クラスタの評価値と、該第１クラスタを統合した前記第２クラスタの評価値とが前記所定の関係性を有するか否かを判定する、前記（５）に記載の情報処理装置。
（７）
前記判定部は、統合後の前記第２クラスタの評価値が少なくとも１つ以上の統合前の前記第１クラスタの評価値よりも良好となる場合、前記第１クラスタ及び前記第２クラスタは、前記所定の関係性を有すると判定する、前記（６）に記載の情報処理装置。
（８）
選択された前記第１クラスタが統合される前記第２クラスタを再設定するクラスタリング再設定部をさらに備え、
前記評価値算出部は、前記選択された第１クラスタを複数の前記第２クラスタの各々に統合した場合における前記第２クラスタの評価値をそれぞれ算出し、
前記クラスタリング再設定部は、算出された前記評価値に基づいて、前記選択された第１クラスタが統合される前記第２クラスタを再設定する、前記（５）～（７）のいずれか一項に記載の情報処理装置。
（９）
前記第２クラスタは、前記第１クラスタを分割したクラスタである、前記（１）～（４）のいずれか一項に記載の情報処理装置。
（１０）
前記判定部は、分割前の前記第１クラスタの評価値が少なくとも１つ以上の分割後の前記第２クラスタの評価値がよりも良好となる場合、前記第１クラスタ及び前記第２クラスタは、前記所定の関係性を有すると判定する、前記（９）に記載の情報処理装置。
（１１）
前記多次元データをクラスタリングすることで、前記第１クラスタを導出する第１クラスタリング部と、
前記第１クラスタをクラスタリングすることで、前記第２クラスタを導出する第２クラスタリング部と、をさらに備える、前記（１）～（１０）のいずれか一項に記載の情報処理装置。
（１２）
前記第２クラスタリング部は、ユーザからの入力に基づいて前記第１クラスタをクラスタリングする、前記（１１）に記載の情報処理装置。
（１３）
前記多次元データは、細胞からセンシングした光を複数の蛍光に分離したデータである、前記（１）～（１２）のいずれか一項に記載の情報処理装置。
（１４）
演算装置によって、多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出することと、
前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定することと、
前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力することと、
を含む、情報処理方法。
（１５）
コンピュータを、
多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出する評価値算出部と、
前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定する判定部と、
前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力する出力部と、
として機能させる、プログラム。
（１６）
少なくとも１つのハードウェアプロセッサーと、
機械可読記憶媒体であって、前記少なくとも１つのハードウェアプロセッサーに、
複数の細胞から取得される多次元データを受け取ることと、
前記多次元データの少なくとも一部を共有する第１クラスタと第２クラスタを含む複数のクラスタを示すクラスタリング結果を生成するため、前記多次元データをクラスタリングすることと、
前記クラスタリング結果の信頼性を示す情報を出力すること
を含む方法を実行させる命令を格納する、
機械可読記憶媒体と、を含み、
前記クラスタリング結果の信頼性を示す前記情報は、前記第１クラスタと前記第２クラスタとの間の関係性を示す情報処理装置。
（１７）
前記クラスタリング結果の信頼性を示す前記情報は第１クラスタの第１評価値と第２クラスタの第２評価値とを決定することにより取得され、
前記情報は前記第１評価値と前記第２評価値との関係性を示す
前記（１６）に記載の情報処理装置。
（１８）
前記第１評価値は第１クラスタの分離度に関する指標である、前記（１７）に記載の情報処理装置。
（１９）
前記第１クラスタは前記多次元データのうちのイベントセットに対応し、
前記第１評価値を決定することは更にクラスタ間の距離、及びクラスタ内の各イベントとクラスタ中心との距離を決定することを含む、前記（１７）又は（１８）に記載の情報処理装置。
（２０）
前記第２クラスタは、前記第１クラスタを統合したクラスタである、前記（１６）～（１９）のいずれか一項に記載の情報処理装置。
（２１）
前記第１評価値と前記第２評価値との間の前記関係性は、前記第１評価値が前記第２評価値より大きいことである、前記（２０）に記載の情報処理装置。
（２２）
前記第２クラスタは、前記第１クラスタを分割したクラスタである、前記（１６）～（１９）のいずれか一項に記載の情報処理装置。
（２３）
前記第１評価値と前記第２評価値との間の前記関係性は、前記第２評価値が前記第１評価値より大きいことである、前記（２２）に記載の情報処理装置。
（２４）
前記多次元データをクラスタリングすることは更に、
前記多次元データの中のイベントセットに対応する前記第１クラスタを含むクラスタの第１グループを生成するため、前記多次元データをクラスタリングすることと、
前記第２クラスタを含むクラスタの第２グループを生成するため、前記イベントセットをクラスタリングすることと、を含む前記（１６）～（１９）のいずれか一項に記載の情報処理装置。
（２５）
前記イベントセットのそれぞれは前記複数の細胞のうち一つから取得された検出データに対応する、前記（１９）又は（２４）に記載の情報処理装置。
（２６）
前記情報を出力することは更に、
前記第１クラスタと前記第２クラスタとの間の関係性を可視化して表示すること、を含む前記（１６）～（２５）のいずれか一項に記載の情報処理装置。
（２７）
前記情報を出力することは更に、
前記複数のクラスタに対応するレーダチャートと前記第２クラスタを含む前記第１クラスタを示すクラスタ集団に対応する枠線で囲まれたレーダチャートとを表示すること、を含む前記（１６）～（１９）のいずれか一項に記載の情報処理装置。

１０ 測定装置
２０、２１ 情報処理装置
３０、４０ 端末装置
１００ システム
２０１ 入力部
２０３ 蛍光分離部
２０５ 第１クラスタリング部
２０７ 第２クラスタリング部
２０９ 評価値算出部
２１１ 判定部
２１３ 出力部
２１５ クラスタリング再設定部

Claims (13)

1. 多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出する評価値算出部と、
   前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定する判定部と、
   前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力する出力部と、
   を備え、
   前記出力部は、
   前記第２クラスタが前記第１クラスタを統合したクラスタである場合に、
   前記第１クラスタの集団の大きさに応じた大きさの、前記第１クラスタに基づくレーダチャートを、前記第１クラスタおよび前記第２クラスタの包含関係に応じて表示する、
   情報処理装置。
2. 前記出力部は、
   前記情報の出力を、前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタに対応する前記レーダチャートを強調表示することで行う、
   請求項１に記載の情報処理装置。
3. 前記評価値は、各クラスタの分離度に関する指標である、請求項１に記載の情報処理装置。
4. 前記評価値算出部は、クラスタ間の距離、及びクラスタ内の各イベントとクラスタ中心との距離に基づいて前記評価値を算出する、請求項３に記載の情報処理装置。
5. 前記距離は、前記多次元データの各要素の性質差に基づいて設定される、請求項４に記載の情報処理装置。
6. 前記判定部は、前記第１クラスタの評価値と、該第１クラスタを統合した前記第２クラスタの評価値とが前記所定の関係性を有するか否かを判定する、請求項１に記載の情報処理装置。
7. 前記判定部は、統合後の前記第２クラスタの評価値が少なくとも１つ以上の統合前の前記第１クラスタの評価値よりも良好となる場合、前記第１クラスタ及び前記第２クラスタは、前記所定の関係性を有すると判定する、請求項６に記載の情報処理装置。
8. 選択された前記第１クラスタが統合される前記第２クラスタを再設定するクラスタリング再設定部をさらに備え、
   前記評価値算出部は、前記選択された第１クラスタを複数の前記第２クラスタの各々に統合した場合における前記第２クラスタの評価値をそれぞれ算出し、
   前記クラスタリング再設定部は、算出された前記評価値に基づいて、前記選択された第１クラスタが統合される前記第２クラスタを再設定する、請求項１に記載の情報処理装置。
9. 前記多次元データをクラスタリングすることで、前記第１クラスタを導出する第１クラスタリング部と、
   前記第１クラスタをクラスタリングすることで、前記第２クラスタを導出する第２クラスタリング部と、をさらに備える、請求項１に記載の情報処理装置。
10. 前記第２クラスタリング部は、ユーザからの入力に基づいて前記第１クラスタをクラスタリングする、請求項９に記載の情報処理装置。
11. 前記多次元データは、細胞からセンシングした光を複数の蛍光に分離したデータである、請求項１に記載の情報処理装置。
12. 演算装置によって、多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出することと、
    前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定することと、
    前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力することと、
    を含み、
    前記出力することは、
    前記第２クラスタが前記第１クラスタを統合したクラスタである場合に、
    前記第１クラスタの集団の大きさに応じた大きさの、前記第１クラスタに基づくレーダチャートを、前記第１クラスタおよび前記第２クラスタの包含関係に応じて表示する、
    情報処理方法。
13. コンピュータを、
    多次元データをクラスタリングしたクラスタリング結果である第１クラスタの評価値、及び第１クラスタをさらにクラスタリングしたクラスタリング結果である第２クラスタの評価値を算出する評価値算出部と、
    前記第１クラスタの評価値と、前記第１クラスタをクラスタリングした前記第２クラスタの評価値とが所定の関係性を有するか否かを判定する判定部と、
    前記所定の関係性を有すると判定された前記第１クラスタ及び前記第２クラスタを特定する情報を出力する出力部と、
    として機能させ、
    前記出力部は、
    前記第２クラスタが前記第１クラスタを統合したクラスタである場合に、
    前記第１クラスタの集団の大きさに応じた大きさの、前記第１クラスタに基づくレーダチャートを、前記第１クラスタおよび前記第２クラスタの包含関係に応じて表示する、
    プログラム。

Images