WO2019187673A1 - 情報処理装置、情報処理方法及びプログラム - Google Patents

情報処理装置、情報処理方法及びプログラム Download PDF

Info

Publication number
WO2019187673A1
WO2019187673A1 PCT/JP2019/004298 JP2019004298W WO2019187673A1 WO 2019187673 A1 WO2019187673 A1 WO 2019187673A1 JP 2019004298 W JP2019004298 W JP 2019004298W WO 2019187673 A1 WO2019187673 A1 WO 2019187673A1
Authority
WO
WIPO (PCT)
Prior art keywords
mitochondria
information processing
processing apparatus
image
subject
Prior art date
Application number
PCT/JP2019/004298
Other languages
English (en)
French (fr)
Inventor
友照 阿部
志織 笹田
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to JP2020510359A priority Critical patent/JPWO2019187673A1/ja
Priority to US17/040,428 priority patent/US20210082111A1/en
Priority to EP19775089.6A priority patent/EP3778856A4/en
Priority to CN201980020919.8A priority patent/CN111902529A/zh
Publication of WO2019187673A1 publication Critical patent/WO2019187673A1/ja

Links

Images

Classifications

    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/48—Automatic or computerized control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
    • 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

Definitions

  • the present disclosure relates to an information processing apparatus, an information processing method, and a program.
  • An immunotherapy preparation is a therapeutic agent that treats a disease by inducing, enhancing, or suppressing an immune response.
  • preparations for immunotherapy include immunosuppressants applied to autoimmune diseases and allergic diseases, cancer immunotherapeutic agents used for cell immunotherapy or cytokine therapy, and immune checkpoint inhibitors used for antibody therapy, etc. Can be mentioned.
  • Immune checkpoint inhibitors are, for example, monoclonal antibodies that target molecules involved in the immune checkpoint mechanism that controls the activity of immune cells that attack cancer cells.
  • Immune checkpoint inhibitors release the suppression of immune cell activity against cancer cells by inhibiting the immune checkpoint signal used by cancer cells to escape attacks from immune cells, resulting in anti-tumor of the human body The immune response can be enhanced.
  • Patent Document 1 by administering an isolated population of natural killer cells and an antibody that specifically binds to an immune checkpoint protein and antagonizes the activity of the immune checkpoint protein, Techniques for treating cancer are disclosed.
  • immunotherapeutic preparations are biopharmaceuticals using protein as the main raw material, and therefore the pharmaceutical cost is extremely high.
  • immunotherapy preparations such as immune checkpoint inhibitors attack cancer cells by activating the patient's autoimmunity, resulting in individual differences in response. There is. Therefore, it is not realistic to administer the immunotherapy preparation to all patients who can be therapeutic targets because of the huge cost.
  • an image acquisition unit that acquires an image including mitochondria of immune cells collected from a subject, an analysis unit that analyzes a characteristic amount related to the activity of the mitochondria specified from the acquired image,
  • an information processing apparatus comprising: an output unit that outputs information on the efficacy of the immunotherapy preparation for the subject based on the analysis result of the analysis unit.
  • an arithmetic processing device acquires an image including mitochondria of immune cells collected from a subject, and analyzes a feature amount related to the activity of the mitochondria specified from the acquired image And outputting information relating to the efficacy of the immunotherapy preparation for the subject based on the result of the analysis.
  • an image acquisition unit that acquires an image including mitochondria of an immune cell collected from a subject using a computer, and an analysis that analyzes a feature amount related to the activity of the mitochondrion specified from the acquired image
  • a program that functions as an output unit that outputs information on the efficacy of the immunotherapy preparation for the subject based on the analysis result of the analysis unit.
  • the immune cells of the subject are used for immunotherapy from the morphological or dynamic characteristics of the mitochondria of the immune cells of the subject to which the preparation for immunotherapy has been administered, or the characteristics of the fluorescence emitted from the mitochondria. It can be determined whether or not antitumor activity is regained by administration of the preparation. Since recovery of anti-tumor activity of immune cells occurs as a pre-stage of cancer cell regression, doctors and others may know the efficacy of immunotherapy preparations on subjects without waiting for cancer cell regression. it can.
  • the information processing apparatus according to the present embodiment is intended to quickly and easily determine the efficacy of an immunotherapy preparation for a subject.
  • the formulation for immunotherapy is a therapeutic agent for treating a disease by inducing, enhancing or suppressing an immune response.
  • immunotherapy preparations include, for example, immunosuppressive agents applied to autoimmune diseases and allergic diseases, cancer immunotherapeutic agents used for cell immunotherapy or cytokine therapy, immune checkpoint inhibitors used for antibody therapy, etc. Is mentioned. In the following, the description will be given with particular attention to immune checkpoint inhibitors.
  • an immune checkpoint mechanism There is a mechanism in living organisms that suppresses the occurrence of autoimmune diseases and the like by suppressing the excessive immune reaction of T cells, which are immune cells. Such a mechanism for negatively controlling immunity is called an immune checkpoint mechanism.
  • Cancer cells use this immune checkpoint mechanism to suppress or avoid attacks from immune cells and maintain their proliferation ability.
  • An immune checkpoint inhibitor acts on an immune checkpoint mechanism used by cancer cells to suppress or avoid the antitumor activity of immune cells, and releases control by the immune checkpoint mechanism. Activates the attack of cancer cells by immune cells. Thereby, the immune checkpoint inhibitor can exhibit an antitumor effect.
  • immune checkpoint inhibitors examples include monoclonal antibodies (eg, ipilimumab) that target CTLA-4, which suppresses T cell activation by binding to CD28 of T cells, and PD-1 of T cells.
  • monoclonal antibody for example, nivolumab
  • nivolumab that antagonizes PD-L1 that is expressed on the cell surface as a target and escapes attack from T cells is known.
  • a method for determining the response of an immune checkpoint inhibitor whether or not a molecule targeted by the immune checkpoint inhibitor or a molecule that antagonizes the immune checkpoint inhibitor is expressed in the patient's cancer cells. It is conceivable to detect. For example, in PD-1 inhibitors such as nivolumab, it is conceivable to predict the response of a PD-1 inhibitor by detecting whether PD-L1 molecule is expressed in a patient's cancer cells. .
  • the addition of PD-1 inhibitors activates the immune cell effector functions that are suppressed by PD-L1 of cancer cells. This is considered to indicate that immune cells are ready to attack cancer cells. According to this finding, the response of an immune checkpoint inhibitor targeting PD-1 to the cancer patient is determined by measuring the state of CD8 + T cells of the cancer patient administered with the PD-1 inhibitor. There is a possibility.
  • the present inventors have intensively studied the findings of the above study, and in patients with cancers in which the PD-1 inhibitor is effective, CD8 + T cells are activated by the administration of the PD-1 inhibitor.
  • the present inventors have conceived the possibility that a characteristic change has occurred in the mitochondrial morphology of CD8 + T cells. As a result, the present inventors have come up with the technology according to the present disclosure.
  • the technique according to the present disclosure is to determine the response of an immunotherapy preparation to a subject by analyzing the morphological or dynamic features of mitochondria of immune cells collected from the subject. More specifically, the technology according to the present disclosure is based on the mitochondrial morphological or kinetic characteristics of CD8 + T cells collected from cancer patients, and the cancer of the immune checkpoint inhibitor of the PD-1 inhibitor system. This is to determine the response to the patient.
  • the response of the immunotherapy preparation is judged by observing each cell unit. Is possible. According to this, since it is possible to determine the efficacy of the immunotherapy preparation without collecting a large amount of immune cells from the subject, the burden on the subject can be reduced.
  • the subject in the technology according to the present disclosure represents a subject from which immune cells can be collected.
  • the subject include, but are not limited to, cancer patients, healthy subjects, and animal experiment mice.
  • the subject may be either a human or an animal.
  • FIG. 1 is a schematic diagram schematically illustrating a configuration example of a system 100 including an information processing apparatus according to the present embodiment.
  • a system 100 includes a measuring device 10, an information processing device 20, and terminal devices 30 and 40.
  • the measurement device 10, the information processing device 20, and the terminal devices 30 and 40 are connected via the network N so that they can communicate with each other.
  • the network N may be, for example, the Internet, a mobile communication network, a local area network, or the like, or may be a combination of these multiple types of networks.
  • the measuring device 10 is a measuring device capable of observing mitochondria of immune cells collected from a subject.
  • the measuring apparatus 10 captures one cell in each of a large number of microwells arranged on a flat surface, and individually observes the morphology of each cell to analyze the characteristics of each cell.
  • It may be a cell sorter or a flow cytometer capable of sorting a specific immune cell using a surface antigen such as CD8 as a landmark, and mitochondria of the sorted immune cell or immunohistochemical staining
  • It may be a fluorescence microscope or a confocal laser microscope capable of observing mitochondria stained in the following (hereinafter collectively referred to as mitochondria of immune cells).
  • the information processing apparatus 20 acquires an image of mitochondria of immune cells observed by the measuring apparatus 10 and analyzes the morphological or dynamic characteristics of the mitochondria of immune cells, thereby preparing an immunotherapy preparation for the subject. To determine the response.
  • the information processing apparatus 20 may be, for example, a server that can process a large amount of data at high speed.
  • the terminal devices 30 and 40 are information processing devices that output results of the efficacy of the immunotherapy preparation determined by the information processing device 20.
  • the terminal devices 30 and 40 may be a computer, a laptop, a smartphone, a tablet terminal, or the like that includes a display unit that displays an output determination result as an image or a character.
  • the system 100 including the information processing apparatus 20 according to the present embodiment first acquires an image obtained by imaging mitochondria of immune cells of a subject from each of the measurement apparatuses 10 provided in each hospital, clinic, or laboratory. . Thereafter, the system 100 according to the present embodiment outputs the response of the immunotherapy preparation determined using the image to the terminal devices 30 and 40, and feeds back the determination result to a doctor or a researcher.
  • the information processing apparatus 20 according to the present embodiment acquires a larger amount of data via the network N by acquiring a mitochondrial image of an immune cell of a cancer patient and feeding back a determination result using the acquired mitochondrial image. It is possible to handle.
  • FIG. 2 is a block diagram illustrating a configuration example of the information processing apparatus according to the present embodiment.
  • the information processing apparatus 20 includes an image acquisition unit 202, an analysis unit 204, and an output unit 206.
  • the image acquisition unit 202 is an input interface that acquires an image in which mitochondria of immune cells are captured from the measurement apparatus 10 via the network N.
  • the image acquisition unit 202 may be an interface that can communicate with the measuring apparatus 10 directly or via the network N, or an interface that can communicate with a gateway terminal connected to the network N in a wired or wireless manner.
  • the image acquired by the image acquisition unit 202 is an image obtained by imaging mitochondria of immune cells collected from a subject administered with an immunotherapy preparation or a subject not administered with an immunotherapy preparation.
  • the image acquired by the image acquisition unit 202 may be an image obtained by subjecting a CD8 + T cell of lymphocytes collected from a lymph node of a subject who is a cancer patient to mitochondrial specific fluorescence staining.
  • Such an image can be obtained by organelle-specific staining of CD8 + T cell mitochondria and then imaging the CD8 + T cell with a fluorescence microscope or a confocal laser microscope.
  • CD8 + T cells can be obtained by, for example, sorting from a subject's lymph or blood using a cell sorter or the like using a surface antigen such as CD8 as a landmark. Further, the image acquired by the image acquisition unit 202 may be an image obtained by capturing mitochondria of immune cells to which an immunotherapy preparation is administered by changing the drug concentration stepwise after being collected from a subject.
  • the image acquired by the image acquisition unit 202 may be an image obtained by imaging mitochondria of immune cells other than CD8 + T cells.
  • the image acquisition unit 202 may acquire an image obtained by imaging mitochondria of other lymphocytes such as B cells or NK cells, or may acquire an image obtained by imaging mitochondria of immune cells other than lymphocytes. .
  • the image acquired by the image acquisition unit 202 may be plural. Even if the immune cells are collected from the same subject, there are individual differences. Therefore, the information processing apparatus 20 determines the response of the immunotherapy preparation with higher accuracy by determining the response using a plurality of images obtained by imaging mitochondria of immune cells collected from the same subject. be able to.
  • the image acquired by the image acquisition unit 202 may be an image obtained by simultaneously capturing mitochondria of a plurality of types of immune cells.
  • the image acquisition unit 202 may acquire an image obtained by simultaneously imaging the CD8 + T cell and the B cell mitochondria.
  • the image acquired by the image acquisition unit 202 may be an image obtained by simultaneously capturing immune cells and mitochondria. Specifically, it may be an image in which the cell membrane of CD8 + T cells and mitochondria are simultaneously fluorescently stained. Thereby, the information processing apparatus 20 can also observe the localization and fluorescence amount of mitochondria in one cell and acquire information on the localization and fluorescence amount of mitochondria.
  • the image acquired by the image acquisition unit 202 may be a still image, a moving image, or a time-lapse image.
  • the image acquired by the image acquisition unit 202 is preferably a still image.
  • the image acquired by the image acquisition unit 202 is preferably a moving image or a time-lapse image.
  • the image acquired by the image acquisition unit 202 is not limited to the above image as long as the shape of mitochondria of the immune cell can be confirmed, and any image can be used.
  • the image acquired by the image acquisition unit 202 may be an image obtained by observing immune cells with an optical microscope or an electron microscope (for example, SEM).
  • the analysis unit 204 analyzes the morphological or dynamic characteristics of mitochondria in the image acquired by the image acquisition unit 202, or the characteristics of fluorescence emitted from the mitochondria.
  • mitochondria are fused with each other in a state where ATP synthesis is activated to become a fusion type (fusion type) in a long filamentous shape, and are separated from each other when ATP synthesis is calmed down. It has been reported that it becomes an elliptical split type (fission type). This is presumably because the fusion-type mitochondria are deformed so that the interval between the inner membranes (or christes) is narrowed and ATP synthesis is performed efficiently by forming an elongated filamentous shape. On the other hand, it is considered that split-type mitochondria are deformed so as to have an elliptical shape, thereby relaxing the interval between the inner membranes (or christes) and reducing the efficiency of ATP synthesis.
  • the activity of mitochondria can be determined by analyzing morphological features such as the outer shape, size or internal structure of mitochondria. Moreover, when the shape of mitochondria changes, the behavior of mitochondria changes as well. Therefore, it is considered that mitochondrial activity can also be determined by analyzing dynamic characteristics such as mitochondrial vibration, movement or shape change.
  • the analysis unit 204 may extract a predetermined feature amount from the mitochondria in the image acquired by the image acquisition unit 202, and analyze the activity of the mitochondria based on the extracted feature amount.
  • the analysis of mitochondrial activity may be to analyze whether the mitochondrion is a fusion type or a division type.
  • the predetermined feature amount may be any feature amount that can distinguish mitochondrial activity, such as the roundness of the mitochondria, the outer circumference, or the area occupied by immune cells. There may be.
  • the analysis unit 204 may analyze the activity of the mitochondria based on whether or not a predetermined feature amount extracted from the mitochondria in the image exceeds a threshold value.
  • the analysis unit 204 may analyze the activity of the mitochondria based on the feature amount of the fluorescence emitted from the mitochondria. For example, the analysis unit 204 may analyze the activity of the mitochondria based on information related to the saturation, luminance, or planar distribution of mitochondrial fluorescence. Examples of the fluorescence emitted from the mitochondria include mitochondrial autofluorescence or fluorescence derived from fluorescent molecules that label mitochondria.
  • the analysis unit 204 uses a machine learning algorithm to confirm that mitochondria in the image acquired by the image acquisition unit 202 are mitochondria of immune cells collected from patients who have succeeded in the immunotherapy preparation, or immunotherapy preparations have not succeeded. It may be analyzed which of mitochondria of immune cells collected from a patient is closer. Specifically, the analysis unit 204 uses a machine learning algorithm to match the mitochondria in the image acquired by the image acquisition unit 202 with the mitochondria of immune cells collected from a patient who has successfully achieved the above-described immunotherapy preparation ( Alternatively, the probability of appropriateness) may be analyzed.
  • the machine learning algorithm used by the analysis unit 204 is not particularly limited, and any algorithm of supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning may be used.
  • the machine learning algorithm may be an algorithm using a neural network such as an RNN (Recurrent Natural Network), a CNN (Centational Neural Network), or an MLP (Multilayer Perceptron), a support vector machine, or clustering. More specifically, the machine learning algorithm may be an algorithm using a multilayer neural network (so-called deep learning).
  • the output unit 206 outputs information related to the efficacy of the immunotherapy preparation for the subject based on the analysis result of the analysis unit 204. Specifically, the output unit 206 first determines whether or not the administered immunotherapy preparation is effective for the subject based on the analysis result of the analysis unit 204. Specifically, the output unit 206 determines whether the immune cells of the subject are activated by the immunotherapy preparation by determining the mitochondrial activity of the immune cells of the subject based on the analysis result of the analysis unit 204. Determine whether or not. Thus, the output unit 206 can determine whether or not the administered immunotherapy preparation is effective for the subject. Thereafter, the output unit 206 outputs information on the efficacy of the immunotherapy preparation for the subject based on the determination result. For example, the output unit 206 may output the result of determining the presence or absence of the response of the immunotherapy preparation to the subject as information on the response, and determines the degree of the response of the immunotherapy preparation to the subject. The result may be output.
  • the output unit 206 determines the mitochondrial activity for each of the images obtained by imaging the mitochondria of a plurality of immune cells, and determines the response of the immunotherapy preparation based on the determination result of the mitochondria of the plurality of images. You may judge comprehensively. Even if the immune cells collected from the same subject have individual differences, the output unit 206 determines the response of the immunotherapy preparation with higher accuracy by using the mitochondrial determination results of multiple immune cells. can do.
  • the output unit 206 You may determine that the formulation for immunotherapy has a response. Alternatively, the output unit 206 may determine that the immunotherapy preparation is responsive to the subject when the ratio of immune cells having fused mitochondria increases before and after administration of the immunotherapy preparation. Good.
  • the output unit 206 may use the immunotherapy for the subject when the ratio or amount of mitochondria determined to be activated exceeds the threshold in the immune cells collected from the subject administered with the immunotherapy preparation.
  • the formulation may be determined to be responsive.
  • the output unit 206 may include an output interface that outputs information on the efficacy of the immunotherapy preparation for the subject to the terminal devices 30 and 40 via the network N.
  • the output interface provided in the output unit 206 may be, for example, an interface that can communicate with the terminal devices 30 and 40 directly or via the network N, or an interface that can communicate with the gateway terminal connected to the network N in a wired or wireless manner. Good.
  • the information processing apparatus 20 activates immune cells from an image of immune cells by an immunotherapy preparation without waiting for the regression of cancer cells due to the antitumor activity of immune cells. It can be determined whether or not. According to this, the information processing apparatus 20 can determine the response of an immunotherapy preparation for a subject who is a cancer patient early and easily.
  • CCCP Carbonyl Cyanide m-Chlorophenyl hydrazone
  • Jurkat cells which is a cell line derived from T cells
  • CCCP was removed by washing, followed by resuscitation culture for several hours.
  • the cell group was divided into two, and one cell group was cultured in the presence of cycloheximide, which is a protein synthesis inhibitor, to maintain the mitochondrial morphology change by CCCP.
  • the other cell group was cultured in the absence of cycloheximide to restore mitochondrial morphological changes caused by CCCP. Thereafter, mitochondria were stained with an agent that specifically stains mitochondria, and a fluorescence image of the mitochondria was taken with a fluorescence microscope. The results are schematically shown in FIGS. 3A and 3B.
  • the mitochondria fluorescence image schematically shown in FIG. 3A is a model of a fission-type mitochondria fluorescence image with reduced activity.
  • the mitochondria in the fluorescence image shown in FIG. 3A is a model of mitochondria in which ATP synthesis activity is reduced, and is a model of mitochondria of immune cells inactivated by the suppression effect of immune activity by cancer cells.
  • the fission-type mitochondria have a shape in which the outer shape is reduced to an elliptical shape, and the mitochondria are separated from each other.
  • the mitochondrial fluorescence image schematically shown in FIG. 3B is a model of the activated fusion type (fusion type) mitochondrial fluorescence image.
  • the mitochondria in the fluorescence image shown in FIG. 3B is revived in the absence of cycloheximide. Therefore, the mitochondria in the fluorescence image shown in FIG. 3B is a model of mitochondria in which the ATP synthesis activity has returned to the original activity, and the mitochondria were activated by the preparation of immunotherapy, and the antitumor activity was recovered. It is a model of mitochondria of immune cells.
  • the fusion-type (fusion-type) mitochondria have a shape in which the outer shape is stretched into a filamentous shape, and the mitochondria are intertwined with each other.
  • the analysis unit 204 can use the following first or second analysis method.
  • FIG. 4 is a graph showing the results of measuring the roundness of each of split-type mitochondria and fusion-type mitochondria.
  • the analysis unit 204 extracts a predetermined feature amount from the mitochondria. Thereby, the output unit 206 determines whether or not the mitochondria are activated using the predetermined feature amount as an index.
  • the analysis unit 204 after determining the outer shape of the mitochondria by image analysis, calculates a feature quantity that serves as an index that can distinguish between a division type (fusion type) mitochondria and a fusion type (fusion type) mitochondria. You may extract from the external shape. Examples of such an indicator include morphological features such as mitochondrial roundness, circularity, outer circumferential length, or occupied area in immune cells.
  • the roundness represented by “4 ⁇ ⁇ (area) / perimeter length 2 ” is obtained for each of the split mitochondria and the fused mitochondria obtained in the model experiment shown in FIGS. 3A and 3B.
  • the calculated results are shown in a histogram diagram.
  • the roundness expressed by “4 ⁇ ⁇ (area) / periphery length 2 ” indicates that the closer to 1, the closer to a perfect circle.
  • fission-type mitochondria have a significantly higher roundness than the fusion-type mitochondria and have an outer shape close to a perfect circle. Therefore, by setting an appropriate threshold value for the roundness of the mitochondrial profile, it is possible to distinguish between split mitochondria and fusion mitochondria.
  • the analysis unit 204 extracts feature quantities related to dynamic features such as mitochondrial vibration, movement, or shape change, and distinguishes split-type mitochondria from fusion-type mitochondria by providing a threshold value for the extracted feature quantities. It is possible.
  • FIG. 5 is an explanatory diagram schematically showing an analysis method using a machine learning algorithm.
  • FIG. 6 is a graph in which the generation of machine learning is associated with the correct answer rate of the analysis result by machine learning.
  • the analysis unit 204 captures images of mitochondria of immune cells of cancer patients who have responded to the immunotherapy preparation, and mitochondria of immune cells of cancer patients who have not responded to the immunotherapy preparation.
  • Machine learning is performed in advance using an image obtained by capturing the image.
  • the analysis unit 204 uses the algorithm obtained by the machine learning to determine whether the mitochondria in the acquired image is closer to the patient who succeeded the immunotherapy preparation or the patient who did not succeed the immunotherapy preparation. Can be analyzed.
  • the output unit 206 determines whether or not the immunotherapy preparation is effective on the subject based on the analysis result by the analysis unit 204.
  • FIG. 6 a machine using 50 images of each of mitochondria of immune cells collected from a patient who succeeded in the preparation for immunotherapy and mitochondria of immune cells collected from a patient who did not succeed in the preparation for immunotherapy.
  • the correct answer rate of the analysis result by the algorithm obtained by learning is shown.
  • the amount of teacher data is increased by enlarging, reducing, rotating, or partially cutting out 50 images, changing parameters that are not directly related to mitochondrial classification, and generating new images.
  • Deep learning machine learning using teacher data in which the amount of data is increased by processing images at random is considered appropriate for solving simple classification problems.
  • the mitochondrial morphology of immune cells may be difficult to quantify using known shape parameters.
  • the mitochondria of immune cells collected from patients who succeeded in the immunotherapy preparation and the mitochondria of immune cells collected from patients who did not succeed in the immunotherapy preparation may not clearly form. Therefore, when using a machine learning algorithm that can classify mitochondrial morphology of immune cells without being bound by known shape parameters, the analysis unit 204 can analyze the mitochondrial morphology with higher accuracy. is there.
  • the mitochondria of immune cells activated by the preparation for immunotherapy may have an unknown morphological change as compared to the mitochondria of immune cells inactivated by cancer cells.
  • the analysis unit 204 can perform mitochondrial morphology analysis taking into account unknown morphological changes.
  • FIG. 7 is a schematic diagram illustrating the exchange of information by the information processing apparatus 20 according to the present embodiment.
  • FIG. 8 is a flowchart illustrating an operation example of the information processing apparatus 20 according to the present embodiment.
  • an image 421 of an immune cell of a cancer patient to which an immunotherapy preparation has been administered is transmitted to the information processing apparatus 20 from a clinic / hospital 410 that treats the cancer patient. .
  • the immune cell image 421 is an image of mitochondria.
  • the immune cell image 421 may be, for example, an image obtained by fluorescently staining CD8 + T cells specifically with mitochondria and observing and imaging with a fluorescence microscope.
  • information 422 about the cancer patient including attribute data or clinical data of the cancer patient may be transmitted from the clinic / hospital or the laboratory 410 to the information processing apparatus 20.
  • the information processing apparatus 20 determines the degree of immune cell activity by analyzing the acquired mitochondrial image 421 of the immune cells by the method described above, and determines the efficacy of the immunotherapy preparation for cancer patients. To do. Subsequently, based on the determination result, the information processing apparatus 20 transmits information 430 related to the efficacy of the immunotherapy preparation for cancer patients to the clinic / hospital or laboratory 410 as a determination report.
  • the clinic / hospital or research institute 410 allows the clinic / hospital or research institute 410 to know the efficacy of the immunotherapy preparation for cancer patients before starting full-scale treatment with the immunotherapy preparation for cancer patients. Therefore, in the clinic hospital or research institute 410, when administering an immunotherapy preparation to a cancer patient, the response of the immunotherapy preparation can be referred to as an index. It becomes possible to select a method.
  • the information processing apparatus 20 acquires an observation image of immune cells collected from the subject by the image acquisition unit 202 (S101).
  • the observation image of immune cells may be, for example, a fluorescence observation image of CD8 + T cells that have been specifically fluorescently stained for mitochondria.
  • the information processing apparatus 20 causes the analysis unit 204 to analyze the morphological or dynamic characteristics of mitochondria from the acquired observation image (S103).
  • the analysis unit 204 may analyze the mitochondrial state of the observation image by extracting a predetermined morphological feature amount or dynamic feature amount from the observation image, for example, and may use a machine learning algorithm to analyze the mitochondrial state of the observation image. The state may be analyzed.
  • the information processing apparatus 20 uses the output unit 206 to determine the response of the immunotherapy preparation based on the mitochondria analysis result of the observation image (S105). For example, the output unit 206 may determine that the immunotherapy preparation is effective when the ratio of immune cells including active mitochondria among the immune cells captured in the observation image is equal to or greater than a threshold value. . Alternatively, the output unit 206 may determine the efficacy of the immunotherapeutic preparation with an efficacy index based on the ratio or number of immune cells containing active mitochondria.
  • the information processing apparatus 20 creates information on the efficacy of the immunotherapy preparation based on the determination result (S107), and outputs the created information (S109).
  • the information regarding the response of the immunotherapy preparation output from the information processing apparatus 20 may indicate, for example, whether or not the immunotherapy preparation has a response, and the response is effective. It may be indicated by a sex index.
  • the information processing apparatus 20 can quickly and easily determine the response of an immunotherapy preparation to a subject who is a cancer patient and assist in selecting a treatment method suitable for the subject. Is possible.
  • FIG. 9 is a block diagram illustrating a hardware configuration example of the information processing apparatus 20 according to the present embodiment.
  • the information processing apparatus 20 includes a CPU (Central Processing Unit) 901, a ROM (Read Only Memory) 902, a RAM (Random Access Memory) 903, a bridge 907, internal buses 905 and 906, and the like.
  • the CPU 901 functions as an arithmetic processing device and a control device, and controls the overall operation of the information processing device 20 according to various programs stored in the ROM 902 or the like.
  • the ROM 902 stores programs and calculation parameters used by the CPU 901
  • the RAM 903 temporarily stores programs used in the execution of the CPU 901, parameters that change as appropriate in the execution, and the like.
  • the CPU 901 may execute some functions of the analysis unit 204 and the output unit 206.
  • the CPU 901, ROM 902 and RAM 903 are connected to each other by a bridge 907, internal buses 905 and 906, and the like.
  • the CPU 901, ROM 902, and RAM 903 are also connected to an input device 911, an output device 912, a storage device 913, a drive 914, a connection port 915, and a communication device 916 via an interface 908.
  • the input device 911 includes an input device for inputting information such as a touch panel, a keyboard, a mouse, a button, a microphone, a switch, or a lever.
  • the input device 911 also includes an input control circuit for generating an input signal based on the input information and outputting it to the CPU 901.
  • the output device 912 includes, for example, a display device such as a CRT (Cathode Ray Tube) display device, a liquid crystal display device, or an organic EL (Organic ElectroLuminescence) display device. Further, the output device 912 may include an audio output device such as a speaker or headphones.
  • a display device such as a CRT (Cathode Ray Tube) display device, a liquid crystal display device, or an organic EL (Organic ElectroLuminescence) display device.
  • the output device 912 may include an audio output device such as a speaker or headphones.
  • the storage device 913 is a storage device for data storage of the information processing device 20.
  • the storage device 913 may include a storage medium, a storage device that stores data in the storage medium, a reading device that reads data from the storage medium, and a deletion device that deletes stored data.
  • the drive 914 is a storage media reader / writer and is built in or externally attached to the information processing apparatus 20.
  • the drive 914 reads information stored in a removable storage medium such as a mounted magnetic disk, optical disk, magneto-optical disk, or semiconductor memory, and outputs the information to the RAM 903.
  • the drive 914 can also write information on a removable storage medium.
  • the connection port 915 includes a connection port for connecting an external connection device such as a USB (Universal Serial Bus) port, an Ethernet (registered trademark) port, an IEEE 802.11 standard port, and an optical audio terminal. Interface.
  • an external connection device such as a USB (Universal Serial Bus) port, an Ethernet (registered trademark) port, an IEEE 802.11 standard port, and an optical audio terminal. Interface.
  • the communication device 916 is a communication interface configured by a communication device or the like for connecting to the network 920, for example.
  • the communication device 916 may be a wired or wireless LAN compatible communication device or a cable communication device that performs wired cable communication.
  • the communication device 916 and the connection port 915 may execute some functions of the image acquisition unit 202 and the output unit 206, for example.
  • An image acquisition unit for acquiring an image including mitochondria of immune cells collected from a subject;
  • An analysis unit that analyzes a characteristic amount related to the activity of the mitochondria identified from the acquired image;
  • an output unit that outputs information on the efficacy of the immunotherapy preparation for the subject;
  • An information processing apparatus comprising: (2)
  • the feature amount related to the activity of the mitochondria is the information processing apparatus according to (1), which is specified by a machine learning algorithm.
  • the machine learning algorithm includes: The information processing apparatus according to (2), wherein the information processing apparatus is generated by deep learning using an included image.
  • the information processing apparatus is a feature quantity of the form or dynamics of the mitochondria.
  • the information processing apparatus wherein the characteristic amount related to the activity of the mitochondria is a characteristic amount of fluorescence emitted from the mitochondria.
  • the feature quantity of the form of the mitochondria is the information processing apparatus according to (4), which is any one or more of the roundness of the mitochondria, the outer circumferential length, or the area occupied by the immune cells.
  • the feature quantity of the mitochondrial dynamics is the information processing apparatus according to (4), wherein the mitochondrial fluctuation characteristic amount is any one or more of a fluctuation frequency, a speed, and an amplitude of the mitochondria.
  • At least one of the immune cells or the mitochondria of the immune cells is labeled with a fluorescent molecule;
  • the output unit evaluates the activity of the mitochondria based on the analysis result of the analysis unit, and outputs information on the response of the immunotherapy preparation to the subject.
  • the output unit determines whether the mitochondria are active or inactive based on the analysis result of the analysis unit, and based on the ratio of the mitochondria determined to be active, for immunotherapy for the subject
  • the information processing apparatus according to any one of (1) to (9), wherein information relating to the efficacy of the preparation is output.
  • the output unit determines whether the mitochondria are active or inactive based on the analysis result of the analysis unit, and based on the amount of the mitochondria determined to be active, for immunotherapy for the subject
  • the information processing apparatus according to any one of (1) to (9), wherein information relating to the efficacy of the preparation is output.
  • the information processing apparatus according to any one of (1) to (12), wherein the information related to the response is information indicating the effectiveness of the immunotherapy preparation on the subject.
  • the information processing apparatus according to any one of (1) to (13), wherein the immunotherapy preparation is an immune checkpoint inhibitor.
  • the immune checkpoint inhibitor is a PD-1 inhibitor.
  • the immune cells include lymphocytes.
  • the lymphocyte includes a CD8 + T cell.
  • the information processing apparatus according to any one of (1) to (18), wherein the subject is a cancer patient to whom the preparation for immunotherapy is administered.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Theoretical Computer Science (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Organic Chemistry (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biotechnology (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Genetics & Genomics (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Sustainable Development (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

【課題】患者に対する免疫療法用製剤の奏効性を早期かつ簡便に判定する。 【解決手段】被検体から採取した免疫細胞のミトコンドリアを含む画像を取得する画像取得部と、取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析する解析部と、前記解析部の解析結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する出力部と、を備える、情報処理装置。

Description

情報処理装置、情報処理方法及びプログラム
　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。
　近年、がん又は自己免疫疾患等の治療薬として、免疫療法用製剤が注目されている。
　免疫療法用製剤は、免疫応答を誘導、増強又は抑制することで、疾患の治療を行う治療薬である。免疫療法用製剤としては、例えば、自己免疫疾患及びアレルギー疾患に適用される免疫抑制剤、細胞免疫療法又はサイトカイン療法に用いられるがん免疫治療薬、及び抗体療法に用いられる免疫チェックポイント阻害剤等を挙げることができる。
　例えば、近年、抗体療法に用いられる免疫チェックポイント阻害剤の開発が大きく進展している。免疫チェックポイント阻害剤は、例えば、がん細胞を攻撃する免疫細胞の活性を制御する免疫チェックポイント機構に関わる分子を標的とするモノクローナル抗体である。免疫チェックポイント阻害剤は、免疫細胞からの攻撃を逃れるためにがん細胞が用いている免疫チェックポイントシグナルを阻害することで、がん細胞に対する免疫細胞の活性抑制を解除し、人体の抗腫瘍免疫応答を増強することができる。
　例えば、下記の特許文献１には、単離されたナチュラルキラー細胞の集団と、免疫チェックポイントタンパク質に特異的に結合し該免疫チェックポイントタンパク質の活性と拮抗する抗体と、を投与することで、がんを治療する技術が開示されている。
特表２０１８－５０２１１４号公報
　ただし、これらの免疫療法用製剤の多くは、タンパク質を主原料とするバイオ医薬品であるため、製薬コストが極めて高い。また、ヒトの免疫機能には個人差があり、特に免疫チェックポイント阻害剤などの免疫療法用製剤は、患者の自己免疫を活性化させることでがん細胞を攻撃するため、奏効性に個人差がある。そのため、治療ターゲットになり得るすべての患者に免疫療法用製剤を投与することは、莫大な費用がかかるため現実的ではない。
　そこで、免疫療法用製剤による治療を本格的に開始する前に、患者に対する免疫療法用製剤の奏効性を判定することが求められていた。
　本開示によれば、被検体から採取した免疫細胞のミトコンドリアを含む画像を取得する画像取得部と、取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析する解析部と、前記解析部の解析結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する出力部と、を備える、情報処理装置が提供される。
　また、本開示によれば、演算処理装置によって、被検体から採取した免疫細胞のミトコンドリアを含む画像を取得することと、取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析することと、前記解析の結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力することと、を含む、情報処理方法が提供される。
　また、本開示によれば、コンピュータを被検体から採取した免疫細胞のミトコンドリアを含む画像を取得する画像取得部と、取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析する解析部と、前記解析部の解析結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関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が提供される。
　本開示によれば、免疫療法用製剤を投与された被検体の免疫細胞のミトコンドリアの形態的特徴若しくは動態的特徴、又はミトコンドリアから発せられた蛍光の特徴から、被検体の免疫細胞が免疫療法用製剤の投与によって、抗腫瘍活性を取り戻しているか否かを判定することができる。免疫細胞の抗腫瘍活性の回復は、がん細胞の退縮の前段階として生じるため、医師等は、がん細胞の退縮を待たずに被検体に対する免疫療法用製剤の奏効性を知見することができる。
　以上説明したように本開示によれば、患者に対する免疫療法用製剤の奏効性を早期かつ簡便に判定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全体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。 活性が低減した分裂型のミトコンドリアの蛍光画像のモデル図である。 活性化した融合型のミトコンドリアの蛍光画像のモデル図である。 分裂型のミトコンドリア及び融合型のミトコンドリアの各々で真円度を測定した結果を示すグラフ図である。 機械学習アルゴリズムによる解析方法を模式的に示す説明図である。 機械学習の世代と、機械学習による解析結果の正答率とを対応付けたグラフ図である。 同情報処理装置による情報のやり取りを示す模式図である。 同情報処理装置の動作例を説明するフローチャート図である。 同情報処理装置のハードウェア構成の一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．本開示の技術的背景
　２．全体システムの構成
　３．情報処理装置の構成
　４．解析部による解析方法
　　４．１．第１の解析方法
　　４．２．第２の解析方法
　５．情報処理装置の動作
　６．ハードウェア構成
　＜１．本開示の技術的背景＞
　まず、本開示の一実施形態に係る情報処理装置の技術的背景について説明する。本実施形態に係る情報処理装置は、被検体に対する免疫療法用製剤の奏効性を早期かつ簡便に判定することを目的とするものである。
　ここで、免疫療法用製剤とは、免疫応答を誘導、増強又は抑制することで、疾患の治療を行う治療薬である。免疫療法用製剤としては、例えば、自己免疫疾患及びアレルギー疾患に適用される免疫抑制剤、細胞免疫療法若しくはサイトカイン療法に用いられるがん免疫治療薬、又は抗体療法に用いられる免疫チェックポイント阻害剤等が挙げられる。以下では、特に、免疫チェックポイント阻害剤に着目して説明を行う。
　生物の体内には、免疫細胞であるＴ細胞の過剰な免疫反応を抑制することで、自己免疫疾患等の発生を抑制する機構が存在する。このような免疫を負に制御する機構は、免疫チェックポイント機構と称される。
　がん細胞は、この免疫チェックポイント機構を利用することで、免疫細胞からの攻撃を抑制又は回避し、増殖能を維持している。免疫チェックポイント阻害剤は、がん細胞が免疫細胞の抗腫瘍活性を抑制又は回避するために利用している免疫チェックポイント機構に対して作用し、該免疫チェックポイント機構による制御を解除することで、免疫細胞によるがん細胞への攻撃を活性化させる。これにより、免疫チェックポイント阻害剤は、抗腫瘍効果を発揮することができる。
　免疫チェックポイント阻害剤としては、例えば、Ｔ細胞のＣＤ２８と結合することでＴ細胞の活性化を抑制するＣＴＬＡ－４を標的とするモノクローナル抗体（例えば、イピリムマブ）、及びＴ細胞のＰＤ－１を標的とし、Ｔ細胞からの攻撃を逃れるためにがん細胞が細胞表面に発現しているＰＤ－Ｌ１と拮抗するモノクローナル抗体（例えば、ニボルマブ）などが知られている。
　ただし、これらの免疫チェックポイント阻害剤が奏効するか否かは、患者のがん細胞がどのような免疫チェックポイント機構を利用して免疫細胞からの攻撃を回避又は抑制しているのかに依存する。そのため、がん細胞によっては、特定の免疫チェックポイント阻害剤が奏効しない場合があり得る。
　免疫チェックポイント阻害剤の奏効性を判定する方法としては、患者のがん細胞で免疫チェックポイント阻害剤が標的とする分子、又は免疫チェックポイント阻害剤と拮抗する分子が発現しているか否かを検出することが考えられる。例えば、ニボルマブ等のＰＤ－１阻害剤では、患者のがん細胞にＰＤ－Ｌ１分子が発現しているか否かを検出することで、ＰＤ－１阻害剤の奏効性を予測することが考えられる。
　しかしながら、近年の研究によれば、このような方法では、免疫チェックポイント阻害剤の奏効性を十分に判定することが困難であることが明らかになっている。そのため、がん患者に対する免疫チェックポイント阻害剤の奏効性をより高い精度で判定することが可能な方法が求められていた。
　一方で、近年の研究によって、がん細胞の特性について新たな知見が得られている。
　例えば、論文「Proc Natl Acad Sci U S A, 2017 Jan 31, 114(5), E761-E770」によれば、がんを移植したマウスにＰＤ－１阻害剤を投与したところ、ＰＤ－１阻害剤が奏効してがんの退縮が認められた群と、ＰＤ－１阻害剤が奏効しなかった群とでは、ＣＤ８＋Ｔ細胞の酸素消費速度（Ｏｘｙｇｅｎ　Ｃｏｎｓｕｍｐｔｉｏｎ　Ｒａｔｅ：ＯＣＲ）が異なっていることが明らかになった。具体的には、該論文では、ＰＤ－１阻害剤が奏効してがんの退縮が認められた群のマウスから採取したＣＤ８＋Ｔ細胞のＯＣＲは、ＰＤ－１阻害剤が奏効しなかった群のマウスから採取したＣＤ８＋Ｔ細胞のＯＣＲと比較して、顕著に増加していることが報告されている。
　このことは、ＰＤ－１阻害剤が奏効するがんでは、ＰＤ－１阻害剤の添加によって、がん細胞のＰＤ－Ｌ１にて抑制されている免疫細胞のエフェクタ機能が活性化されるため、免疫細胞ががん細胞を攻撃できる状態になることを示していると考えられる。この知見によれば、ＰＤ－１阻害剤を投与したがん患者のＣＤ８＋Ｔ細胞の状態を測定することで、ＰＤ－１を標的とする免疫チェックポイント阻害剤の該がん患者に対する奏効性を判定できる可能性がある。
　また、論文「Cell, 2016 Jun 30, 166(1), 63-76」によれば、Ｔ細胞のミトコンドリアの形態は、Ｔ細胞の分化及び活性化の状態によって変化することが明らかになった。すなわち、ＡＴＰ（Ａｄｅｎｏｓｉｎｅ　ＴｒｉＰｈｏｓｐｈａｔｅ）を合成するエネルギー代謝を行い、細胞の役割及び状態を規定する重要なオルガネラであるミトコンドリアは、細胞の活性状態によって形態をダイナミックに変化させることが明らかになった。さらに、該論文では、Ｔ細胞におけるミトコンドリアの形態の変化は、がん細胞に対するエフェクタ機能の発動及び休止の制御にも密接に関係していることが示唆された。
　本発明者らは、上記の研究の知見を鋭意検討することで、ＰＤ－１阻害剤が奏効するタイプのがん患者では、ＰＤ－１阻害剤の投与によってＣＤ８＋Ｔ細胞が活性化されており、ＣＤ８＋Ｔ細胞のミトコンドリアの形態に特徴的な変化が生じている可能性に想到した。これにより、本発明者らは、本開示に係る技術を着想するに至った。
　本開示に係る技術は、被検体から採取した免疫細胞のミトコンドリアの形態的特徴又は動態的特徴を解析することで、被検体に対する免疫療法用製剤の奏効性を判定するものである。より詳細には、本開示に係る技術は、がん患者から採取したＣＤ８＋Ｔ細胞のミトコンドリアの形態的特徴又は動態的特徴に基づいて、ＰＤ－１阻害剤系の免疫チェックポイント阻害剤の該がん患者に対する奏効性を判断するものである。
　特に、本開示に係る技術では、被検体から採取した免疫細胞のミトコンドリアの形態的特徴又は動態的特徴を解析する場合、１つ１つの細胞単位の観察によって、免疫療法用製剤の奏効性を判断することが可能である。これによれば、被検体から多量の免疫細胞を採取しなくとも免疫療法用製剤の奏効性を判断することが可能となるため、被検体に対する負担を軽減することができる。
　なお、本開示に係る技術における被検体とは、免疫細胞が採取され得る対象を表す。被検体としては、例えば、がん患者、健常者及び動物実験用マウスなどを挙げることができるが、特にこれらに限定されることはない。被検体は、人又は動物のいずれかであればよい。
　以下では、本開示に係る技術を実現する情報処理装置について具体的に説明する。
　＜２．全体システムの構成＞
　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。なお、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、インターネット、移動体通信網又はローカルエリアネットワーク等であってもよく、これらの複数種のネットワークが組み合わされたものであってもよい。
　測定装置１０は、被検体から採取した免疫細胞のミトコンドリアを観察可能な測定装置である。例えば、測定装置１０は、平面上に配列した多数のマイクロウェルの各々に細胞を１つずつ捕獲し、各細胞の形態を個々に観察することで各細胞の特徴を分析する単一細胞分析装置であってもよく、ＣＤ８などの表面抗原を目印として特定の免疫細胞を分取することが可能なセルソータ又はフローサイトメータであってもよく、分取された免疫細胞のミトコンドリア、又は免疫組織染色により染色されたミトコンドリア（以下では、まとめて免疫細胞のミトコンドリアと称する）を観察可能な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にて観察された免疫細胞のミトコンドリアの画像等を取得し、免疫細胞のミトコンドリアの形態的特徴又は動態的特徴を解析することで、被検体に対する免疫療法用製剤の奏効性を判定する。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、情報処理装置２０が判定した免疫療法用製剤の奏効性の結果が出力される情報処理装置である。例えば、端末装置３０、４０は、出力された判定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は、まず、各病院、クリニック又は研究所に設けられた測定装置１０の各々から被検体の免疫細胞のミトコンドリアが撮像された画像等を取得する。その後、本実施形態に係るシステム１００は、該画像を用いて判定した免疫療法用製剤の奏効性を端末装置３０、４０に出力し、医師又は研究者等に判定結果をフィードバックする。本実施形態に係る情報処理装置２０は、ネットワークＮを介して、がん患者の免疫細胞のミトコンドリア画像の取得、及び取得したミトコンドリア画像を用いた判定結果のフィードバックを行うことにより、より大量のデータを扱うことが可能である。
　＜３．情報処理装置の構成＞
　次に、図２を参照して、本実施形態に係る情報処理装置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、画像取得部２０２と、解析部２０４と、出力部２０６と、を備える。
　画像取得部２０２は、ネットワークＮを介して、測定装置１０から免疫細胞のミトコンドリアが撮像されている画像を取得する入力インタフェースである。画像取得部２０２は、例えば、直接又はネットワークＮを介して測定装置１０と通信可能なインタフェース、又はネットワークＮに接続するゲートウェイ端末と有線又は無線で通信可能なインタフェースであってもよい。
　ここで、画像取得部２０２が取得する画像は、免疫療法用製剤を投与された被検体、又は免疫療法用製剤を投与されていない被検体から採取した免疫細胞のミトコンドリアが撮像された画像である。具体的には、画像取得部２０２が取得する画像は、がん患者である被検体のリンパ節等から採取したリンパ球のうちのＣＤ８＋Ｔ細胞をミトコンドリア特異的に蛍光染色した画像であってもよい。このような画像は、ＣＤ８＋Ｔ細胞のミトコンドリアをオルガネラ特異的に染色した後、該ＣＤ８＋Ｔ細胞を蛍光顕微鏡又は共焦点レーザ顕微鏡などで撮像することで取得することができる。ＣＤ８＋Ｔ細胞は、例えば、ＣＤ８などの表面抗原を目印として、セルソータ等を用いて被検体のリンパ液又は血液等から分取することで取得することができる。また、画像取得部２０２が取得する画像は、被検体から採取した後、薬剤濃度を段階的に変化させて免疫療法用製剤を投与した免疫細胞のミトコンドリアが撮像された画像であってもよい。
　ただし、画像取得部２０２が取得する画像は、ＣＤ８＋Ｔ細胞以外の免疫細胞のミトコンドリアを撮像した画像であってもよい。例えば、画像取得部２０２は、Ｂ細胞又はＮＫ細胞等の他のリンパ球のミトコンドリアを撮像した画像を取得してもよく、リンパ球以外の免疫細胞のミトコンドリアを撮像した画像を取得してもよい。
　画像取得部２０２が取得する画像は、複数であってもよい。免疫細胞は、同じ被検体から採取したものであっても個体差がある。そのため、情報処理装置２０は、同じ被検体から採取した免疫細胞のミトコンドリアが撮像された画像を複数用いて奏効性の判定を行うことで、より高い精度で免疫療法用製剤の奏効性を判定することができる。
　画像取得部２０２が取得する画像は、複数種類の免疫細胞のミトコンドリアを同時に撮像した画像であってもよい。例えば、画像取得部２０２は、ＣＤ８＋Ｔ細胞及びＢ細胞のミトコンドリアを同時に撮像した画像を取得してもよい。
　画像取得部２０２が取得する画像は、免疫細胞及びミトコンドリアを同時に撮像した画像であってもよい。具体的には、ＣＤ８＋Ｔ細胞の細胞膜と、ミトコンドリアとを同時に蛍光染色した画像であってもよい。これにより、情報処理装置２０は、１つの細胞内のミトコンドリアの局在及び蛍光量を観察し、ミトコンドリアの局在及び蛍光量に関する情報を取得することも可能になる。
　画像取得部２０２が取得する画像は、静止画像であってもよく、動画であってもよく、タイムラプス画像であってもよい。例えば、情報処理装置２０がミトコンドリアの形態的特徴を解析する場合、画像取得部２０２が取得する画像は、静止画像である方が好ましい。一方、情報処理装置２０がミトコンドリアの動態的特徴を解析する場合、画像取得部２０２が取得する画像は、動画又はタイムラプス画像である方が好ましい。
　ただし、画像取得部２０２が取得する画像は、免疫細胞のミトコンドリアの形状等が確認できれば、上記画像に限らず、どのような画像も使用することが可能である。例えば、画像取得部２０２が取得する画像は、免疫細胞を光学顕微鏡又は電子顕微鏡（例えば、ＳＥＭ）等にて観察した画像であってもよい。
　解析部２０４は、画像取得部２０２が取得した画像中のミトコンドリアの形態的特徴若しくは動態的特徴、又はミトコンドリアから発せられた蛍光の特徴を解析する。
　上述したように、ミトコンドリアは、ＡＴＰ合成が活発化している状態では、互いに融合し合うことで細長い糸状形状の融合型（ｆｕｓｉｏｎ型）となり、ＡＴＰ合成が沈静化している状態では、互いに分離することで楕円形状の分裂型（ｆｉｓｓｉｏｎ型）となることが報告されている。これは、融合型のミトコンドリアは、細長い糸状形状となることで、内膜（又はクリステ）の間隔を狭くし、ＡＴＰ合成が効率的に行われるように変形しているためと考えられる。一方、分裂型のミトコンドリアは、楕円形状となることで、内膜（又はクリステ）の間隔を緩ませ、ＡＴＰ合成の効率が低減するように変形していると考えられる。
　したがって、ミトコンドリアの活性は、ミトコンドリアの外形形状、大きさ又は内部構造などの形態的特徴を解析することで判定することができると考えられる。また、ミトコンドリアの形状が変化した場合、ミトコンドリアの挙動も同様に変化する。そのため、ミトコンドリアの活性は、ミトコンドリアの振動、移動又は形状変化などの動態的特徴を解析することでも判定することができると考えられる。
　具体的には、解析部２０４は、画像取得部２０２が取得した画像中のミトコンドリアから所定の特徴量を抽出し、抽出した特徴量に基づいて該ミトコンドリアの活性を解析してもよい。または、ミトコンドリアの活性の解析は、該ミトコンドリアが融合型か分裂型かを解析することであってもよい。所定の特徴量とは、ミトコンドリアの活性を区別することが可能な特徴量であればどのようなものであってもよく、例えば、ミトコンドリアの真円度、外周長又は免疫細胞に対する占有面積などであってもよい。解析部２０４は、画像中のミトコンドリアから抽出した所定の特徴量が閾値を超えているか否かに基づいて、該ミトコンドリアの活性を解析してもよい。
　さらには、解析部２０４は、ミトコンドリアから発せられた蛍光の特徴量に基づいて、該ミトコンドリアの活性を解析してもよい。例えば、解析部２０４は、ミトコンドリアの蛍光の彩度、輝度又は平面分布に関する情報に基づいて、該ミトコンドリアの活性を解析してもよい。なお、上記のミトコンドリアから発せられた蛍光とは、ミトコンドリアの自家蛍光、又はミトコンドリアを標識する蛍光分子由来の蛍光などを挙げることができる。
　または、解析部２０４は、機械学習アルゴリズムによって、画像取得部２０２が取得した画像中のミトコンドリアが、免疫療法用製剤が奏功した患者から採取した免疫細胞のミトコンドリア、又は免疫療法用製剤が奏功しなかった患者から採取した免疫細胞のミトコンドリアのどちらにより近いかを解析してもよい。具体的には、解析部２０４は、機械学習アルゴリズムによって、画像取得部２０２が取得した画像中のミトコンドリアと、上述した免疫療法用製剤が奏功した患者から採取した免疫細胞のミトコンドリアとの一致度（または、該当性の確からしさ）を解析してもよい。
　解析部２０４が用いる機械学習アルゴリズムは、特に限定されないが、教師あり学習、教師なし学習、半教師あり学習又は強化学習のいずれのアルゴリズムであってもよい。例えば、機械学習アルゴリズムは、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）、ＣＮＮ（Ｃｎｖｅｎｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）若しくはＭＬＰ（Ｍｕｌｔｉｌａｙｅｒ　Ｐｅｒｃｅｐｔｒｏｎ）などのニューラルネットワーク、サポートベクターマシン、又はクラスタリングなどを用いたアルゴリズムであってもよい。より詳細には、機械学習アルゴリズムは、多層のニューラルネットワーク（いわゆるディープラーニング）を用いたアルゴリズムであってもよい。
　なお、解析部２０４による画像中のミトコンドリアの形態的特徴若しくは動態的特徴、又はミトコンドリアから発せられた蛍光の特徴の解析方法の詳細については、後述する。
　出力部２０６は、解析部２０４の解析結果に基づいて、被検体に対する免疫療法用製剤の奏効性に関する情報を出力する。具体的には、出力部２０６は、まず、解析部２０４の解析結果に基づいて、投与した免疫療法用製剤が被検体に対して奏効しているか否かを判定する。具体的には、出力部２０６は、解析部２０４の解析結果に基づいて、被検体の免疫細胞のミトコンドリアの活性を判定することで、免疫療法用製剤によって被検体の免疫細胞が活性化しているか否かを判定する。これにより、出力部２０６は、投与した免疫療法用製剤が被検体に対して奏効しているか否かを判定することができる。その後、出力部２０６は、判定結果に基づいて、被検体に対する免疫療法用製剤の奏効性に関する情報を出力する。例えば、出力部２０６は、奏効性に関する情報として、被検体に対する免疫療法用製剤の奏効性の有無を判定した結果を出力してもよく、被検体に対する免疫療法用製剤の奏効性の程度を判定した結果を出力してもよい。
　例えば、出力部２０６は、複数の免疫細胞のミトコンドリアが撮像された画像の各々について、それぞれミトコンドリアの活性を判定し、複数の画像のミトコンドリアの判定結果に基づいて、免疫療法用製剤の奏効性を総合的に判定してもよい。免疫細胞は、同じ被検体から採取したものでも個体差があるため、出力部２０６は、複数の免疫細胞のミトコンドリアの判定結果を用いることで、より高い精度で免疫療法用製剤の奏効性を判定することができる。
　より詳細には、出力部２０６は、免疫療法用製剤を投与した被検体から採取された免疫細胞のうち、融合型のミトコンドリアを有する免疫細胞の割合が閾値以上である場合、被検体に対して免疫療法用製剤は奏効性があると判定してもよい。または、出力部２０６は、免疫療法用製剤の投与前後で、融合型のミトコンドリアを有する免疫細胞の割合が増加した場合、被検体に対して免疫療法用製剤は奏効性があると判定してもよい。
　若しくは、出力部２０６は、免疫療法用製剤を投与した被検体から採取された免疫細胞において、活性化したと判定したミトコンドリアの割合又は量が閾値を超えた場合、被検体に対して免疫療法用製剤は奏効性があると判定してもよい。
　なお、出力部２０６は、ネットワークＮを介して、被検体に対する免疫療法用製剤の奏効性に関する情報を端末装置３０、４０等に出力する出力インタフェースを備えていてもよい。出力部２０６が備える出力インタフェースは、例えば、直接又はネットワークＮを介して端末装置３０、４０と通信可能なインタフェース、又はネットワークＮに接続するゲートウェイ端末と有線又は無線で通信可能なインタフェースであってもよい。
　以上の構成によれば、本実施形態に係る情報処理装置２０は、免疫細胞の抗腫瘍活性によるがん細胞の退縮を待つことなく、免疫細胞の画像から免疫療法用製剤によって免疫細胞が活性化しているか否かを判定することができる。これによれば、情報処理装置２０は、がん患者である被検体に対する免疫療法用製剤の奏効性を早期かつ簡便に判定することが可能である。
　＜４．解析部による解析方法＞
　続いて、図３Ａ～図６を参照して、解析部２０４によるミトコンドリアの形態的特徴又は動態的特徴の解析方法の詳細について説明する。
　以下のようなモデル実験を行うことにより、分裂型のミトコンドリア、及び融合型のミトコンドリアの各々に対応する特徴を有する免疫細胞を作製した。
　具体的には、ミトコンドリアの膜電位を解消する脱共役剤を細胞に作用させた場合、ミトコンドリアの状態を分裂型（ｆｉｓｓｉｏｎ型）に変換することができる。そこで、Ｔ細胞由来の細胞株であるＪｕｒｋａｔ細胞に、脱共役剤であるＣＣＣＰ（Ｃａｒｂｏｎｙｌ　Ｃｙａｎｉｄｅ　ｍ－ＣｈｌｏｒｏＰｈｅｎｙｌ　ｈｙｄｒａｚｏｎｅ）を作用させ、洗浄にてＣＣＣＰを除去した後、復活培養を数時間行った。この時、細胞群を２つに分けて一方の細胞群は、タンパク質合成阻害剤であるシクロヘキシミド存在下で培養することで、ＣＣＣＰによるミトコンドリアの形態変化を維持した。他方の細胞群は、シクロヘキシミドの非存在下で培養することで、ＣＣＣＰによるミトコンドリアの形態変化を回復させた。その後、ミトコンドリアを特異的に染色する薬剤を用いてミトコンドリアを染色し、蛍光顕微鏡にてミトコンドリアの蛍光画像を撮像した。その結果を図３Ａ及び図３Ｂに模式的に示す。
　図３Ａに模式的に示すミトコンドリアの蛍光画像は、活性が低減した分裂型（ｆｉｓｓｉｏｎ型）のミトコンドリアの蛍光画像のモデルである。具体的には、図３Ａに示す蛍光画像のミトコンドリアは、脱共役剤によって膜電位が解消され、かつシクロヘキシミドによってｆｉｓｓｉｏｎ型の状態が維持されている。したがって、図３Ａに示す蛍光画像のミトコンドリアは、ＡＴＰ合成活性が低減しているミトコンドリアのモデルであり、がん細胞による免疫活性の抑制効果によって不活性化した免疫細胞のミトコンドリアのモデルである。図３Ａに示すように、分裂型（ｆｉｓｓｉｏｎ型）のミトコンドリアは、外形が楕円形状に縮退し、かつミトコンドリアの各々が互いに分離した形態になっている。
　一方、図３Ｂに模式的に示すミトコンドリアの蛍光画像は、活性化した融合型（ｆｕｓｉｏｎ型）のミトコンドリアの蛍光画像のモデルである。具体的には、図３Ｂに示す蛍光画像のミトコンドリアは、シクロヘキシミドの非存在下で復活培養されている。しがたって、図３Ｂに示す蛍光画像のミトコンドリアは、ＡＴＰ合成活性が本来の活性に戻っているミトコンドリアのモデルであり、免疫療法用製剤が奏効してミトコンドリアが活性化し、抗腫瘍活性を取り戻した免疫細胞のミトコンドリアのモデルである。図３Ｂに示すように、融合型（ｆｕｓｉｏｎ型）のミトコンドリアは、外形が糸状に引き伸ばされた形状となり、かつミトコンドリアの各々が互いに絡み合った形態になっている。
　図３Ａ及び図３Ｂにて示すような免疫細胞のミトコンドリアの形態を解析する方法として、解析部２０４は、以下の第１又は第２の解析方法を用いることができる。
　（４．１．第１の解析方法）
　まず、図４を参照して、解析部２０４による第１の解析方法について説明する。図４は、分裂型のミトコンドリア及び融合型のミトコンドリアの各々で真円度を測定した結果を示すグラフ図である。
　第１の解析方法では、解析部２０４は、ミトコンドリアから所定の特徴量を抽出する。これにより、出力部２０６は、該所定の特徴量を指標としてミトコンドリアが活性化している否かを判定する。
　具体的には、解析部２０４は、画像解析によってミトコンドリアの外形を判断した後、分裂型（ｆｉｓｓｉｏｎ型）のミトコンドリア、及び融合型（ｆｕｓｉｏｎ型）のミトコンドリアを区別可能な指標となる特徴量をミトコンドリアの外形から抽出してもよい。このような指標としては、例えば、ミトコンドリアの真円度、円形度、外周長、又は免疫細胞における占有面積などの形態的特徴を例示することができる。
　例えば、図４では、図３Ａ及び図３Ｂに示すモデル実験で得られた分裂型のミトコンドリア及び融合型のミトコンドリアの各々で「４π×（面積）／外周長２」で表される真円度を計算した結果をヒストグラム図で示す。なお、「４π×（面積）／外周長２」で表される真円度は、１に近いほど真円に近いことを表す。図４に示すように、分裂型（ｆｉｓｓｉｏｎ型）のミトコンドリアは、融合型（ｆｕｓｉｏｎ型）のミトコンドリアと比較して、真円度が有意に高く、外形が真円に近いことがわかる。したがって、ミトコンドリアの外形の真円度に適切な閾値を設けることによって、分裂型のミトコンドリア及び融合型のミトコンドリアを区別することができる。
　また、ミトコンドリアの形態的特徴が異なる場合、ミトコンドリアの動的な挙動も同様に異なると考えられる。よって、解析部２０４は、ミトコンドリアの振動、移動又は形状変化などの動態的特徴に関する特徴量を抽出し、抽出した特徴量に閾値を設けることでも、分裂型のミトコンドリア及び融合型のミトコンドリアを区別することが可能である。
　（４．２．第２の方法）
　次に、図５及び図６を参照して、解析部２０４による第２の解析方法について説明する。図５は、機械学習アルゴリズムによる解析方法を模式的に示す説明図である。図６は、機械学習の世代と、機械学習による解析結果の正答率とを対応付けたグラフ図である。
　第２の解析方法では、解析部２０４は、免疫療法用製剤が奏効したがん患者の免疫細胞のミトコンドリアを撮像した画像、及び免疫療法用製剤が奏効しなかったがん患者の免疫細胞のミトコンドリアを撮像した画像を用いた機械学習をあらかじめ行う。解析部２０４は、該機械学習によって得られたアルゴリズムによって、取得した画像中のミトコンドリアが、免疫療法用製剤が奏功した患者と、免疫療法用製剤が奏功しなかった患者とのどちらにより近いかを解析することができる。これにより、出力部２０６は、解析部２０４による解析結果に基づいて、免疫療法用製剤が被検体に奏効するか否かを判定する。
　例えば、図６では、免疫療法用製剤が奏功した患者から採取した免疫細胞のミトコンドリア、及び免疫療法用製剤が奏功しなかった患者から採取した免疫細胞のミトコンドリアの各々の画像５０枚を用いて機械学習を行うことで得られたアルゴリズムによる解析結果の正答率を示す。具体的には、５０枚の画像を拡大、縮小、回転又は一部切り出し等を行い、ミトコンドリアの分類判定に直接関与しないパラメータを変更して画像を新たに生成し直すことで教師データ量を増大させ、教師あり学習を行った。このようなランダムに画像を加工してデータ量を増加させた教師データを用いたディープラーニング機械学習は、単純な分類問題を解く際に適当であると考えられる。
　図６に示すように、上述したディープラーニングを用いた機械学習によって１世代（１ｅｐｏｃｈ）当たり２０００回の試行を計５世代行った結果、２２枚のテスト画像に対して、９５．５％以上の高い正答率を得ることができることが分かった。
　免疫細胞のミトコンドリアの形態は、既知の形状パラメータ等では数値化が困難な場合があり得る。また、免疫療法用製剤が奏功した患者から採取した免疫細胞のミトコンドリア、及び免疫療法用製剤が奏功しなかった患者から採取した免疫細胞のミトコンドリアは明確に形態が分かれない可能性があり得る。そのため、既知の形状パラメータに囚われることなく免疫細胞のミトコンドリアの形態を分類することが可能な機械学習アルゴリズムを用いた場合、解析部２０４は、より高い精度でミトコンドリアの形態を解析することが可能である。
　加えて、免疫療法用製剤によって活性化された免疫細胞のミトコンドリアは、がん細胞によって不活性化された免疫細胞のミトコンドリアと比較して、未知の形態変化が生じている可能性もあり得る。機械学習アルゴリズムを用いることによって、解析部２０４は、未知の形態変化をも考慮したミトコンドリアの形態解析が可能となる。
　＜５．情報処理装置の動作＞
　次に、図７及び図８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による情報のやり取りを示す模式図であり、図８は、本実施形態に係る情報処理装置２０の動作例を説明するフローチャート図である。
　まず、図７を参照して、情報処理装置２０を含むシステム１００の動作例を概略的に説明する。
　図７に示すように、例えば、がん患者の治療を行うクリニック・病院又は研究所４１０から、免疫療法用製剤を投与したがん患者の免疫細胞の画像４２１が情報処理装置２０に送信される。
　ここで、免疫細胞の画像４２１は、ミトコンドリアが撮像された画像である。免疫細胞の画像４２１は、例えば、ＣＤ８＋Ｔ細胞をミトコンドリア特異的に蛍光染色し、蛍光顕微鏡で観察及び撮像した画像であってもよい。また、免疫細胞の画像４２１に加えて、がん患者の属性データ又は臨床データ等を含むがん患者に関する情報４２２が、クリニック・病院又は研究所４１０から情報処理装置２０に送信されてもよい。
　情報処理装置２０は、取得したミトコンドリアが撮像された免疫細胞の画像４２１を上述した方法で解析することで免疫細胞の活性の程度を判定し、がん患者に対する免疫療法用製剤の奏効性を判定する。続いて、情報処理装置２０は、判定結果に基づいて、がん患者に対する免疫療法用製剤の奏効性に関する情報４３０を判定レポートとしてクリニック・病院又は研究所４１０に送信する。
　これにより、クリニック・病院又は研究所４１０では、がん患者に対して免疫療法用製剤による本格的な治療を始める前に、がん患者に対する免疫療法用製剤の奏効性を知ることができる。したがって、クリニック・病院又は研究所４１０では、がん患者に免疫療法用製剤の投与する際に、免疫療法用製剤の奏効性を指標として参照することができるため、がん患者ごとにより適切な治療方法を選択することが可能となる。
　続いて、図８を参照して、情報処理装置２０の動作例を具体的に説明する。
　図８に示すように、まず、情報処理装置２０は、画像取得部２０２によって、被検体から採取した免疫細胞の観察画像を取得する（Ｓ１０１）。免疫細胞の観察画像は、例えば、ミトコンドリアに対して特異的に蛍光染色を施したＣＤ８＋Ｔ細胞の蛍光観察画像であってもよい。
　次に、情報処理装置２０は、解析部２０４によって、取得した観察画像からミトコンドリアの形態的特徴又は動態的特徴を解析する（Ｓ１０３）。解析部２０４は、例えば、所定の形態的特徴量又は動態的特徴量を観察画像から抽出することによって観察画像のミトコンドリアの状態を解析してもよく、機械学習アルゴリズムを用いて観察画像のミトコンドリアの状態を解析してもよい。
　続いて、情報処理装置２０は、出力部２０６によって、観察画像のミトコンドリアの解析結果に基づいて、免疫療法用製剤の奏効性を判定する（Ｓ１０５）。例えば、出力部２０６は、観察画像に撮像された免疫細胞のうち、活性型のミトコンドリアを含む免疫細胞の割合が閾値以上である場合、免疫療法用製剤の奏効性があると判定してもよい。または、出力部２０６は、活性型のミトコンドリアを含む免疫細胞の割合又は数に基づいて、免疫療法用製剤の奏効性を有効性指数で判定してもよい。
　その後、情報処理装置２０は、判定結果に基づいて、免疫療法用製剤の奏効性に関する情報を作成し（Ｓ１０７）、作成した情報を出力する（Ｓ１０９）。ここで、情報処理装置２０が出力した免疫療法用製剤の奏効性に関する情報は、例えば、免疫療法用製剤に奏効性があるか否かを示したものであってもよく、の奏効性を有効性指数で示したものであってもよい。
　以上の動作によれば、情報処理装置２０は、がん患者である被検体に対する免疫療法用製剤の奏効性を早期かつ簡便に判定し、被検体に適した治療方法の選択を支援することが可能である。
　＜６．ハードウェア構成＞
　続いて、図９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９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９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、解析部２０４及び出力部２０６の一部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、スイッチ又は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。
　出力装置９１２は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ　Ｒａｙ　Ｔｕｂｅ）表示装置、液晶表示装置、又は有機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、スピーカ又はヘッドホンなどの音声出力装置を含んでもよい。
　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９２０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、有線又は無線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、画像取得部２０２及び出力部２０６の一部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）
　被検体から採取した免疫細胞のミトコンドリアを含む画像を取得する画像取得部と、
　取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析する解析部と、
　前記解析部の解析結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する出力部と、
を備える、情報処理装置。
（２）
　前記ミトコンドリアの活性に関する特徴量は、機械学習アルゴリズムによって特定される、前記（１）に記載の情報処理装置。
（３）
　前記機械学習アルゴリズムは、前記免疫療法用製剤が奏効した患者から採取した前記免疫細胞の前記ミトコンドリアを含む画像、及び前記免疫療法用製剤が奏効しなかった患者から採取した前記免疫細胞の前記ミトコンドリアを含む画像を用いたディープラーニングによって生成される、前記（２）に記載の情報処理装置。
（４）
　前記ミトコンドリアの活性に関する特徴量は、前記ミトコンドリアの形態又は動態の特徴量である、前記（１）に記載の情報処理装置。
（５）
　前記ミトコンドリアの活性に関する特徴量は、前記ミトコンドリアから発せられた蛍光の特徴量である、前記（１）に記載の情報処理装置。
（６）
　前記ミトコンドリアの形態の特徴量は、前記ミトコンドリアの真円度、外周長又は前記免疫細胞における占有面積のいずれか１つ以上である、前記（４）に記載の情報処理装置。
（７）
　前記ミトコンドリアの動態の特徴量は、前記ミトコンドリアの揺らぎの周波数、速度又は振幅の大きさのいずれか１つ以上である、前記（４）に記載の情報処理装置。
（８）
　前記免疫細胞又は前記免疫細胞の前記ミトコンドリアの少なくともいずれかは蛍光分子で標識され、
　前記蛍光の特徴量は、前記蛍光の彩度、輝度又は平面分布に関する情報に基づいて特定される、前記（５）に記載の情報処理装置。
（９）
　前記解析部は、前記画像から特定された所定の形態、動態、又は蛍光の特徴量を解析する、前記（１）に記載の情報処理装置。
（１０）
　前記出力部は、前記解析部の解析結果に基づいて、前記ミトコンドリアの活性を評価し、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する、前記（１）～（９）のいずれか一項に記載の情報処理装置。
（１１）
　前記出力部は、前記解析部の解析結果に基づいて、前記ミトコンドリアが活性型か不活性型かを判定し、活性型と判定される前記ミトコンドリアの割合に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する、前記（１）～（９）のいずれか一項に記載の情報処理装置。
（１２）
　前記出力部は、前記解析部の解析結果に基づいて、前記ミトコンドリアが活性型か不活性型かを判定し、活性型と判定される前記ミトコンドリアの量に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する、前記（１）～（９）のいずれか一項に記載の情報処理装置。
（１３）
　前記奏効性に関する情報とは、前記免疫療法用製剤の前記被検体に対する有効性を示す情報である、前記（１）～（１２）のいずれか一項に記載の情報処理装置。
（１４）
　前記免疫療法用製剤は、免疫チェックポイント阻害剤である、前記（１）～（１３）のいずれか一項に記載の情報処理装置。
（１５）
　前記免疫チェックポイント阻害剤は、ＰＤ－１阻害剤である、前記（１４）に記載の情報処理装置。
（１６）
　前記免疫細胞の種類は、複数である、前記（１）～（１５）のいずれか一項に記載の情報処理装置。
（１７）
　前記免疫細胞は、リンパ球を含む、前記（１）～（１６）のいずれか一項に記載の情報処理装置。
（１８）
　前記リンパ球は、ＣＤ８＋Ｔ細胞を含む、前記（１７）に記載の情報処理装置。
（１９）
　前記被検体は、前記免疫療法用製剤を投与されたがん患者である、前記（１）～（１８）のいずれか一項に記載の情報処理装置。
（２０）
　演算処理装置によって、
　被検体から採取した免疫細胞のミトコンドリアを含む画像を取得することと、
　取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析することと、
　前記解析の結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力することと、
を含む、情報処理方法。
（２１）
　コンピュータを
　被検体から採取した免疫細胞のミトコンドリアを含む画像を取得する画像取得部と、
　取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析する解析部と、
　前記解析部の解析結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関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。
　１０　　　　　測定装置
　２０　　　　　情報処理装置
　３０、４０　　端末装置
　１００　　　　システム
　２０２　　　　画像取得部
　２０４　　　　解析部
　２０６　　　　出力部

Claims (21)

  1. 　被検体から採取した免疫細胞のミトコンドリアを含む画像を取得する画像取得部と、
    　取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析する解析部と、
    　前記解析部の解析結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する出力部と、
    を備える、情報処理装置。
  2. 　前記ミトコンドリアの活性に関する特徴量は、機械学習アルゴリズムによって特定される、請求項１に記載の情報処理装置。
  3. 　前記機械学習アルゴリズムは、前記免疫療法用製剤が奏効した患者から採取した前記免疫細胞の前記ミトコンドリアを含む画像、及び前記免疫療法用製剤が奏効しなかった患者から採取した前記免疫細胞の前記ミトコンドリアを含む画像を用いたディープラーニングによって生成される、請求項２に記載の情報処理装置。
  4. 　前記ミトコンドリアの活性に関する特徴量は、前記ミトコンドリアの形態又は動態の特徴量である、請求項１に記載の情報処理装置。
  5. 　前記ミトコンドリアの活性に関する特徴量は、前記ミトコンドリアから発せられた蛍光の特徴量である、請求項１に記載の情報処理装置。
  6. 　前記ミトコンドリアの形態の特徴量は、前記ミトコンドリアの真円度、外周長又は前記免疫細胞における占有面積のいずれか１つ以上である、請求項４に記載の情報処理装置。
  7. 　前記ミトコンドリアの動態の特徴量は、前記ミトコンドリアの揺らぎの周波数、速度又は振幅の大きさのいずれか１つ以上である、請求項４に記載の情報処理装置。
  8. 　前記免疫細胞又は前記免疫細胞の前記ミトコンドリアの少なくともいずれかは蛍光分子で標識され、
    　前記蛍光の特徴量は、前記蛍光の彩度、輝度又は平面分布に関する情報に基づいて特定される、請求項５に記載の情報処理装置。
  9. 　前記解析部は、前記画像から特定された所定の形態、動態、又は蛍光の特徴量を解析する、請求項１に記載の情報処理装置。
  10. 　前記出力部は、前記解析部の解析結果に基づいて、前記ミトコンドリアの活性を評価し、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する、請求項１に記載の情報処理装置。
  11. 　前記出力部は、前記解析部の解析結果に基づいて、前記ミトコンドリアが活性型か不活性型かを判定し、活性型と判定される前記ミトコンドリアの割合に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する、請求項１に記載の情報処理装置。
  12. 　前記出力部は、前記解析部の解析結果に基づいて、前記ミトコンドリアが活性型か不活性型かを判定し、活性型と判定される前記ミトコンドリアの量に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力する、請求項１に記載の情報処理装置。
  13. 　前記奏効性に関する情報とは、前記免疫療法用製剤の前記被検体に対する有効性を示す情報である、請求項１に記載の情報処理装置。
  14. 　前記免疫療法用製剤は、免疫チェックポイント阻害剤である、請求項１に記載の情報処理装置。
  15. 　前記免疫チェックポイント阻害剤は、ＰＤ－１阻害剤である、請求項１４に記載の情報処理装置。
  16. 　前記免疫細胞の種類は、複数である、請求項１に記載の情報処理装置。
  17. 　前記免疫細胞は、リンパ球を含む、請求項１に記載の情報処理装置。
  18. 　前記リンパ球は、ＣＤ８＋Ｔ細胞を含む、請求項１７に記載の情報処理装置。
  19. 　前記被検体は、前記免疫療法用製剤を投与されたがん患者である、請求項１に記載の情報処理装置。
  20. 　演算処理装置によって、
    　被検体から採取した免疫細胞のミトコンドリアを含む画像を取得することと、
    　取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析することと、
    　前記解析の結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関する情報を出力することと、
    を含む、情報処理方法。
  21. 　コンピュータを
    　被検体から採取した免疫細胞のミトコンドリアを含む画像を取得する画像取得部と、
    　取得された前記画像から特定された前記ミトコンドリアの活性に関する特徴量を解析する解析部と、
    　前記解析部の解析結果に基づいて、前記被検体に対する免疫療法用製剤の奏効性に関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。
PCT/JP2019/004298 2018-03-29 2019-02-06 情報処理装置、情報処理方法及びプログラム WO2019187673A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020510359A JPWO2019187673A1 (ja) 2018-03-29 2019-02-06 情報処理装置、情報処理方法及びプログラム
US17/040,428 US20210082111A1 (en) 2018-03-29 2019-02-06 Information processing device, information processing method, and program
EP19775089.6A EP3778856A4 (en) 2018-03-29 2019-02-06 INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND PROGRAM
CN201980020919.8A CN111902529A (zh) 2018-03-29 2019-02-06 信息处理装置、信息处理方法和程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-063867 2018-03-29
JP2018063867 2018-03-29

Publications (1)

Publication Number Publication Date
WO2019187673A1 true WO2019187673A1 (ja) 2019-10-03

Family

ID=68061168

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/004298 WO2019187673A1 (ja) 2018-03-29 2019-02-06 情報処理装置、情報処理方法及びプログラム

Country Status (5)

Country Link
US (1) US20210082111A1 (ja)
EP (1) EP3778856A4 (ja)
JP (1) JPWO2019187673A1 (ja)
CN (1) CN111902529A (ja)
WO (1) WO2019187673A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160889B (zh) * 2021-01-28 2022-07-19 人科(北京)生物技术有限公司 一种基于cfDNA组学特性的癌症无创早筛方法
CN116313115B (zh) * 2023-05-10 2023-08-15 浙江大学 基于线粒体动态表型和深度学习的药物作用机制预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017099034A1 (ja) * 2015-12-07 2017-06-15 国立大学法人京都大学 Ｐｄ－１シグナル阻害剤の併用療法
JP2017222669A (ja) * 2011-10-31 2017-12-21 ザ・ジョンズ・ホプキンス・ユニバーシティー 自閉症の処置のための方法および組成物
WO2017216123A1 (en) * 2016-06-13 2017-12-21 Nanolive Sa Method of characterizing and imaging microscopic objects
JP2018014991A (ja) * 2016-07-13 2018-02-01 ソニー株式会社 情報処理装置、情報処理方法及び情報処理システム
JP2018022216A (ja) * 2016-08-01 2018-02-08 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
WO2018084204A1 (ja) * 2016-11-02 2018-05-11 国立大学法人京都大学 Ｐｄ－１シグナル阻害剤による疾患治療における有効性判定マーカー

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2435925A (en) * 2006-03-09 2007-09-12 Cytokinetics Inc Cellular predictive models for toxicities
US11355240B2 (en) * 2017-09-26 2022-06-07 Edge2020 LLC Determination of health sciences recommendations
WO2020142551A1 (en) * 2018-12-31 2020-07-09 Tempus Labs A method and process for predicting and analyzing patient cohort response, progression, and survival

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017222669A (ja) * 2011-10-31 2017-12-21 ザ・ジョンズ・ホプキンス・ユニバーシティー 自閉症の処置のための方法および組成物
WO2017099034A1 (ja) * 2015-12-07 2017-06-15 国立大学法人京都大学 Ｐｄ－１シグナル阻害剤の併用療法
WO2017216123A1 (en) * 2016-06-13 2017-12-21 Nanolive Sa Method of characterizing and imaging microscopic objects
JP2018014991A (ja) * 2016-07-13 2018-02-01 ソニー株式会社 情報処理装置、情報処理方法及び情報処理システム
JP2018022216A (ja) * 2016-08-01 2018-02-08 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
WO2018084204A1 (ja) * 2016-11-02 2018-05-11 国立大学法人京都大学 Ｐｄ－１シグナル阻害剤による疾患治療における有効性判定マーカー

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BUCK, MICHAEL D. ET AL.: "Mitochondrial Dynamics Controls T Cell Fate through Metabolic Programming", CELL, vol. 166, 30 June 2016 (2016-06-30), pages 63 - 76, XP029627880, DOI: 10.1016/j.cell.2016.05.035 *
CELL, vol. 166, no. 1, 30 June 2016 (2016-06-30), pages 63 - 76
CHAMOTO, KENJI ET AL.: "Mitochondrial activation chemicals synergize with surface receptor PD-1 blockade for T cell-dependent antitumor activity", PNAS, 12 January 2017 (2017-01-12), XP055616829 *
PROC NATL ACAD SCI USA, vol. 114, no. 5, 31 January 2017 (2017-01-31), pages E761 - E770
See also references of EP3778856A4

Also Published As

Publication number Publication date
US20210082111A1 (en) 2021-03-18
JPWO2019187673A1 (ja) 2021-04-08
CN111902529A (zh) 2020-11-06
EP3778856A4 (en) 2021-05-12
EP3778856A1 (en) 2021-02-17

Similar Documents

Publication Publication Date Title
Wu et al. Single-cell analysis of the human pancreas in type 2 diabetes using multi-spectral imaging mass cytometry
JP2020020791A (ja) 情報処理装置、情報処理方法、情報処理システム、およびプログラム
CN111755073B (zh) 基于转录组的pd-1疗法治疗效果预测系统
WO2019187673A1 (ja) 情報処理装置、情報処理方法及びプログラム
US11379983B2 (en) Analysis device, analysis program, and analysis method
WO2017109860A1 (ja) 画像処理装置
KR20210136885A (ko) 면역 항암제에 대한 반응을 예측하는 방법 및 시스템
Rossouw et al. Morphological and molecular descriptors of the developmental cycle of Babesia divergens parasites in human erythrocytes
Qaqos et al. COVID-19 diagnosis from chest X-ray images using deep learning approach
Razin et al. Malaria parasite detection and classification using CNN and YOLOv5 architectures
US10303923B1 (en) Quantitation of NETosis using image analysis
EP4120119A1 (en) Quantifying and analyzing organoids from digital images
de Carvalho et al. Phenotypic and functional features of innate and adaptive immunity as putative biomarkers for clinical status and leprosy reactions
Batcha A scientometric appraisal of global research output on Swine Flu with special reference to India during 1993-2017
JP7164862B2 (ja) 心筋細胞型判定システム、心筋細胞型判定方法
Siddiqui et al. Leveraging healthcare system with nature-inspired computing techniques: an overview and future perspective
Chan et al. Using deep learning to locate lung tumor from chest x-ray images
Agarwal et al. TensorFlow for doctors
Sidheeque et al. Classification of Lung diseases using Convolutional Neural Network algorithms
Furtado et al. Cytolytic circumsporozoite-specific memory CD4+ T cell clones are expanded during Plasmodium falciparum infection
Rocha et al. A multiscale model of immune surveillance in micrometastases: towards cancer patient digital twins
WO2017169267A1 (ja) 細胞観察装置、免疫細胞の活性度の評価方法及び免疫細胞の品質管理方法
Pulfer Deep Learning-Based Cellular Activity Recognition in Live-Cell Imaging
Macedo et al. Automated and Reproducible Detection of Vascular Endothelial Growth Factor (VEGF) in Renal Tissue Sections
Sravanthi et al. Comparative Analysis of Hepatitis C Using K-Nearest Neighbor Classifier and Decision Tree Classifier

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19775089

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020510359

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2019775089

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2019775089

Country of ref document: EP

Effective date: 20201029