特開 2024-128350 生体試料の線維化評価方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024128350

(43)【公開日】2024-09-24

(54)【発明の名称】生体試料の線維化評価方法

(51)【国際特許分類】

   G01N 21/17 20060101AFI20240913BHJP

   G01N 33/48 20060101ALI20240913BHJP

   G01N 33/483 20060101ALI20240913BHJP

   C12N 5/071 20100101ALN20240913BHJP

【ＦＩ】

G01N21/17 630

G01N33/48 M

G01N33/483 C

G01N33/48 Z

C12N5/071

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2023037282

(22)【出願日】2023-03-10

(71)【出願人】

【識別番号】000207551

【氏名又は名称】株式会社ＳＣＲＥＥＮホールディングス

(71)【出願人】

【識別番号】511155187

【氏名又は名称】株式会社サイフューズ

(74)【代理人】

【識別番号】100135013

【弁理士】

【氏名又は名称】西田 隆美

(72)【発明者】

【氏名】長谷部 涼

(72)【発明者】

【氏名】前川 敏彦

(72)【発明者】

【氏名】井上 愛優

【テーマコード（参考）】

2G045

2G059

4B065

【Ｆターム（参考）】

2G045AA24

2G045CB01

2G045FA14

2G045FA19

2G045JA03

2G059AA05

2G059BB04

2G059BB09

2G059BB14

2G059DD13

2G059EE02

2G059EE09

2G059FF02

2G059GG02

2G059HH01

2G059JJ17

2G059JJ22

2G059MM05

2G059MM09

2G059MM10

4B065AA90X

4B065AC20

4B065CA60

(57)【要約】

【課題】細胞に染色等の加工を行うことなく、非侵襲で、生体試料の線維化領域を観察し、生体試料の状態を評価できる評価方法を提供する。
【解決手段】まず、生体試料を撮影して、輝度値が分布する撮影画像を取得する。その後、撮影画像から、線維化領域に相当する局在領域を抽出する。その際、撮影画像のうち、輝度値が所定の条件を満たす領域を、局在領域として抽出する。あるいは、予め作成した学習モデルに撮影画像を入力して、学習モデルから出力される局在領域を得る。これにより、細胞に染色等の加工を行うことなく、非侵襲で、生体試料の線維化領域を観察し、生体試料の状態を評価できる。
【選択図】図５

【特許請求の範囲】

【請求項1】

生体試料の評価方法であって、
光干渉断層撮影により前記生体試料を撮影して、撮影画像を取得する画像取得工程と、
前記撮影画像から、細胞が線維化された線維化領域を抽出する領域抽出工程と、
前記線維化領域を解析し、前記生体試料の状態を評価する評価工程と、
を有する、評価方法。

【請求項2】

請求項１に記載の評価方法であって、
前記領域抽出工程は、
前記撮影画像から、前記生体試料に相当する全体領域を抽出する第１抽出工程と、
前記全体領域のうち、輝度値が所定の閾値よりも高い高輝度領域を抽出する第２抽出工程と、
前記全体領域から、前記高輝度領域および前記高輝度領域よりも内側の領域を除いた残りの領域を、前記線維化領域として抽出する第３抽出工程と、
を有する、評価方法。

【請求項3】

請求項１または請求項２に記載の評価方法であって、
前記評価工程は、
前記撮影画像における、前記生体試料全体の面積を算出する第１算出工程と、
前記撮影画像における、前記線維化領域の面積を算出する第２算出工程と、
を有する、評価方法。

【請求項4】

請求項３に記載の評価方法であって、
前記評価工程は、
前記生体試料全体の面積と、前記線維化領域の面積とに基づいて、評価指標を算出する第３算出工程
をさらに有する、評価方法。

【請求項5】

請求項１または請求項２に記載の評価方法であって、
前記生体試料は、肝細胞を含む肝臓由来細胞を三次元培養したスフェロイドである、評価方法。

【請求項6】

生体試料の評価方法であって、
光干渉断層撮影により前記生体試料を撮影した撮影画像を入力情報とし、細胞が線維化された線維化領域を出力情報とする学習モデルを、深層学習により作成する学習工程と、
光干渉断層撮影により前記生体試料を撮影して、前記撮影画像を取得する画像取得工程と、
前記撮影画像を、前記学習モデルに入力して、前記学習モデルから出力される前記線維化領域を得る領域抽出工程と、
前記線維化領域を解析し、前記生体試料の状態を評価する評価工程と、
を有する、評価方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、生体試料の評価方法に関する。

【背景技術】

【0002】

従来、複数の細胞により構成される生体試料を光干渉断層撮影（Optical Coherence Tomography；ＯＣＴ）により撮影し、得られた断層画像に基づいて、生体試料を観察する観察装置が知られている。従来の観察装置については、例えば特許文献１に記載されている。この種の観察装置を使用すれば、生体試料の立体構造を非侵襲で観察することができる。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１５－１８１３４８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

スフェロイド等の生体試料は、他の部分と細胞の状態が異なる特異部を有する場合がある。例えば、肝細胞を含む肝臓由来細胞を三次元培養したスフェロイド（以下では「肝スフェロイド」と称する）では、培養の過程で、肝スフェロイドの一部が線維化してしまう場合がある。

【0005】

従来、線維化領域などの生体試料中の特異部を観察する方法としては、蛍光試薬を用いて対象の切片を観察する方法が知られている。この方法によれば観察対象がダメージを受ける。このため、生体試料の特異部を、ダメージを与えず自然な状態のまま観察する技術が求められている。

【0006】

本発明は、このような事情に鑑みなされたものであり、細胞に染色等の加工を行うことなく、非侵襲で、生体試料の線維化領域を観察し、生体試料の状態を評価できる評価方法を提供することを目的とする。

【課題を解決するための手段】

【0007】

上記課題を解決するため、本願の第１発明は、生体試料の評価方法であって、光干渉断層撮影により前記生体試料を撮影して、撮影画像を取得する画像取得工程と、前記撮影画像から、細胞が線維化された線維化領域を抽出する領域抽出工程と、前記線維化領域を解析し、前記生体試料の状態を評価する評価工程と、を有する。

【0008】

本願の第２発明は、第１発明の評価方法であって、前記領域抽出工程は、前記撮影画像から、前記生体試料に相当する全体領域を抽出する第１抽出工程と、前記全体領域のうち、輝度値が所定の閾値よりも高い高輝度領域を抽出する第２抽出工程と、前記全体領域から、前記高輝度領域および前記高輝度領域よりも内側の領域を除いた残りの領域を、前記線維化領域として抽出する第３抽出工程と、を有する。

【0009】

本願の第３発明は、第１発明または第２発明の評価方法であって、前記評価工程は、前記撮影画像における、前記生体試料全体の面積を算出する第１算出工程と、前記撮影画像における、前記線維化領域の面積を算出する第２算出工程と、を有する。

【0010】

本願の第４発明は、第３発明の評価方法であって、前記評価工程は、前記生体試料全体の面積と、前記線維化領域の面積とに基づいて、評価指標を算出する第３算出工程をさらに有する。

【0011】

本願の第５発明は、第１発明または第２発明の評価方法であって、前記生体試料は、肝細胞を含む肝臓由来細胞を三次元培養したスフェロイドである。

【0012】

本願の第６発明は、生体試料の評価方法であって、光干渉断層撮影により前記生体試料を撮影した撮影画像を入力情報とし、細胞が線維化された線維化領域を出力情報とする学習モデルを、深層学習により作成する学習工程と、光干渉断層撮影により前記生体試料を撮影して、前記撮影画像を取得する画像取得工程と、前記撮影画像を、前記学習モデルに入力して、前記学習モデルから出力される前記線維化領域を得る領域抽出工程と、前記線維化領域を解析し、前記生体試料の状態を評価する評価工程と、を有する。

【発明の効果】

【0013】

本願の第１発明～第５発明によれば、生体試料の撮影画像から、線維化領域を抽出できる。これにより、細胞に染色等の加工を行うことなく、非侵襲で、生体試料の線維化領域を観察し、生体試料の状態を評価することができる。

【0014】

特に、本願の第２発明によれば、生体試料の外表面に広がる線維化領域を、精度よく抽出できる。

【0015】

特に、本願の第３発明によれば、線維化領域の大きさに基づいて、生体試料の状態を評価できる。

【0016】

特に、本願の第４発明によれば、生体試料の全体に対する線維化領域の大きさの割合に基づいて、生体試料の状態を評価できる。

【0017】

特に、本願の第６発明によれば、学習モデルを用いて、生体試料の撮影画像から、精度良く線維化領域を抽出できる。

【図面の簡単な説明】

【0018】

【図1】観察装置の構成を示した図である。

【図2】観察装置の制御ブロック図である。

【図3】画像処理／評価装置の機能を、概念的に示したブロック図である。

【図4】肝スフェロイドの例を模式的に示した図である。

【図5】評価処理の流れを示したフローチャートである。

【図6】断層画像を模式的に示した図である。

【図7】線維化領域の領域抽出工程の流れの一例を示すフローチャートである。

【図8】全体領域を抽出した結果を、模式的に示した図である。

【図9】線維化領域を抽出した結果を、模式的に示した図である。

【図10】肝スフェロイドの評価工程の流れの一例を示すフローチャートである。

【図11】学習モデルを利用する場合の、評価処理の流れを示すフローチャートである。

【発明を実施するための形態】

【0019】

以下、本発明の実施形態について、図面を参照しつつ説明する。

【0020】

＜１．観察装置の構成＞
図１は、本発明の一実施形態に係る観察装置１の構成を示した図である。この観察装置１は、試料容器９０内に保持された生体試料９を撮影し、得られた画像に基づいて、生体試料９の状態を評価する装置である。この観察装置１で観察および評価する生体試料９は、繊維化を起こし得る構成や構造のものであればよい。生体試料９としては、例えば、いわゆる肝スフェロイドが挙げられる。肝スフェロイドは、肝臓を構成する複数種類の細胞のうち、肝実質細胞（肝細胞）を含む２種類以上の細胞を含む細胞集塊である。肝実質細胞（肝細胞）以外の細胞としては、肝類洞内皮細胞、クッパー細胞、肝星細胞、ピット細胞、胆管上皮細胞、中皮細胞などがある。

【0021】

図１に示すように、観察装置１は、ステージ１０、撮像部２０、およびコンピュータ３０を備えている。

【0022】

ステージ１０は、試料容器９０を支持する支持台である。試料容器９０には、例えば、ウェルプレートが使用される。ウェルプレートは、複数のウェル（凹部）９１を有する。各ウェル９１は、Ｕ字状またはＶ字状の底部を有する。生体試料９は、各ウェル９１の底部付近に、培養液とともに保持される。試料容器９０の材料には、光を透過する透明な樹脂またはガラスが使用される。

【0023】

ステージ１０は、上下方向に貫通する開口部１１を有する。試料容器９０は、ステージ１０の当該開口部１１に嵌め込まれた状態で、水平に支持される。したがって、試料容器９０の下面は、ステージ１０に覆われることなく、撮像部２０へ向けて露出する。

【0024】

撮像部２０は、試料容器９０内の生体試料９を撮影するユニットである。撮像部２０は、ステージ１０に支持された試料容器９０の下方に配置されている。本実施形態の撮像部２０は、生体試料９の断層画像および三次元画像を撮影することが可能な、光干渉断層撮影（Optical Coherence Tomography；ＯＣＴ）装置である。

【0025】

図１に示すように、撮像部２０は、光源２１、物体光学系２２、参照光学系２３、検出部２４、および光ファイバカプラ２５を有する。光ファイバカプラ２５は、第１光ファイバ２５１～第４光ファイバ２５４が、接続部２５５において連結されたものである。光源２１、物体光学系２２、参照光学系２３、および検出部２４は、光ファイバカプラ２５により構成される光路を介して、互いに接続されている。

【0026】

光源２１は、ＬＥＤ等の発光素子を有する。光源２１は、広帯域の波長成分を含む低コヒーレンス光を出射する。生体試料９を侵襲することなく、生体試料９の内部まで光を到達させるために、光源２１から出射される光は、近赤外線であることが望ましい。光源２１は、第１光ファイバ２５１に接続されている。光源２１から出射される光は、第１光ファイバ２５１へ入射し、接続部２５５において、第２光ファイバ２５２へ入射する光と、第３光ファイバ２５３へ入射する光とに、分岐される。

【0027】

第２光ファイバ２５２は、物体光学系２２に接続されている。接続部２５５から第２光ファイバ２５２へ進む光は、物体光学系２２へ入射する。物体光学系２２は、コリメータレンズ２２１および対物レンズ２２２を含む複数の光学部品を有する。第２光ファイバ２５２から出射された光は、コリメータレンズ２２１および対物レンズ２２２を通って、試料容器９０内の生体試料９へ照射される。このとき、対物レンズ２２２により、光が生体試料９へ向けて収束する。そして、生体試料９において反射した光（以下「観察光」と称する）は、対物レンズ２２２およびコリメータレンズ２２１を通って、再び第２光ファイバ２５２へ入射する。

【0028】

図１に示すように、物体光学系２２は、走査機構２２３に接続されている。走査機構２２３は、コンピュータ３０からの指令に従って、物体光学系２２を、鉛直方向および水平方向に微小移動させる。これにより、生体試料９に対する光の入射位置を、鉛直方向および水平方向に微小移動させることができる。

【0029】

また、撮像部２０は、図示を省略した移動機構により、水平方向に移動可能となっている。これにより、撮像部２０の視野を、複数のウェル９１の間で切り替えることができる。

【0030】

第３光ファイバ２５３は、参照光学系２３に接続されている。接続部２５５から第３光ファイバ２５３へ進む光は、参照光学系２３へ入射する。参照光学系２３は、コリメータレンズ２３１およびミラー２３２を有する。第３光ファイバ２５３から出射された光は、コリメータレンズ２３１を通って、ミラー２３２へ入射する。そして、ミラー２３２により反射された光（以下「参照光」と称する）は、コリメータレンズ２３１を通って、再び第３光ファイバ２５３へ入射する。

【0031】

図１に示すように、ミラー２３２は、進退機構２３３に接続されている。進退機構２３３は、コンピュータ３０からの指令に従って、ミラー２３２を、光軸方向に微小移動させる。これにより、参照光の光路長を変化させることができる。

【0032】

第４光ファイバ２５４は、検出部２４に接続されている。物体光学系２２から第２光ファイバ２５２へ入射した観察光と、参照光学系２３から第３光ファイバ２５３へ入射した参照光とは、接続部２５５において合流して、第４光ファイバ２５４へ入射する。そして、第４光ファイバ２５４から出射された光は、検出部２４へ入射する。このとき、観察光と参照光との間で、位相差に起因する干渉が生じる。この干渉光の分光スペクトルは、観察光の反射位置の高さによって異なる。

【0033】

検出部２４は、分光器２４１および光検出器２４２を有する。第４光ファイバ２５４から出射された干渉光は、分光器２４１において波長成分ごとに分光されて、光検出器２４２へ入射する。光検出器２４２は、分光された干渉光を検出し、その検出信号を、コンピュータ３０へ出力する。

【0034】

コンピュータ３０の後述する画像取得部４１は、光検出器２４２から得られる検出信号をフーリエ変換することで、観察光の鉛直方向の光強度分布を求める。また、走査機構２２３により、物体光学系２２を水平方向に移動させつつ、上記の光強度分布の算出を繰り返すことにより、三次元空間の各座標における観察光の光強度分布を求めることができる。その結果、コンピュータ３０は、生体試料９の断層画像および三次元画像を得ることができる。

【0035】

断層画像は、二次元座標上に配列された複数の画素（ピクセル）により構成され、画素毎に輝度値が規定されたデータである。三次元画像は、三次元座標上に配列された複数の画素（ボクセル）により構成され、画素毎に輝度値が規定されたデータである。すなわち、断層画像および三次元画像は、いずれも、所定の座標上に輝度値が分布した撮影画像である。

【0036】

コンピュータ３０は、撮像部２０を動作制御する制御部としての機能を有する。また、コンピュータ３０は、撮像部２０から入力される検出信号に基づいて断層画像および三次元画像を作成し、得られた断層画像および三次元画像に基づいて、生体試料９の状態を評価するデータ処理部としての機能を有する。

【0037】

図２は、観察装置１の制御ブロック図である。図２中に概念的に示したように、コンピュータ３０は、ＣＰＵ等のプロセッサ３１、ＲＡＭ等のメモリ３２、およびハードディスクドライブ等の記憶部３３を有する。記憶部３３内には、観察装置１内の各部を動作制御するための制御プログラムＰ１と、断層画像および三次元画像を作成して、生体試料９の状態を評価するためのデータ処理プログラムＰ２とが、記憶されている。

【0038】

また、図３に示すように、コンピュータ３０は、上述した光源２１、走査機構２２３、進退機構２３３、光検出器２４２、および後述する表示部７０と、それぞれ通信可能に接続されている。コンピュータ３０は、制御プログラムＰ１に従って、上記の各部を動作制御する。これにより、試料容器９０に保持された生体試料９の撮影処理が進行する。

【0039】

図３は、生体試料９の観察・評価を行うための画像処理／評価装置としてのコンピュータ３０の機能を、概念的に示したブロック図である。図３に示すように、コンピュータ３０は、画像取得部４１、領域抽出部４２、および評価部４３を有する。画像取得部４１、領域抽出部４２、および評価部４３の各機能は、コンピュータ３０のプロセッサ３１が、上述したデータ処理プログラムＰ２に従って動作することにより、実現される。画像取得部４１、領域抽出部４２、および評価部４３が実行する処理の詳細については、後述する。

【0040】

＜２．評価処理について＞
続いて、上記の観察装置１における生体試料を肝スフェロイドとした場合の、肝スフェロイド９の観察・評価処理について、説明する。

【0041】

図４は、以下の説明において観察対象とする肝スフェロイド９の例を、模式的に示した図である。図４（ａ），（ｂ）の肝スフェロイド９は、いずれも、評価対象となる線維化領域９ａを有する。線維化領域９ａは、肝スフェロイド９の他の部分と細胞の状態が異なる部分である。線維化領域９ａは、例えば、肝スフェロイド９の一部の領域が損傷と修復を繰り返した結果、過剰な結像組織が蓄積した瘢痕組織として形成される。

【0042】

線維化領域９ａは、例えば、図４（ａ）のように、肝スフェロイド９の表面（外側）に局在する場合や、図４（ｂ）のように、肝スフェロイド９の内側に局在することが考えられる。

【0043】

図５は、評価処理の流れを示したフローチャートである。観察装置１において肝スフェロイド９の観察・評価を行うときには、まず、ステージ１０に試料容器９０をセットする（ステップＳ１）。試料容器９０内には、培養液とともに肝スフェロイド９が保持されている。

【0044】

次に、観察装置１は、撮像部２０により、肝スフェロイド９の撮影を行う（ステップＳ２，画像取得工程）。本実施形態では、撮像部２０が、光干渉断層撮影を行う。具体的には、光源２１から光を出射し、走査機構２２３により物体光学系２２を微少移動させながら、観察光および参照光の干渉光を、波長成分ごとに、光検出器２４２で検出する。コンピュータ３０の画像取得部４１は、光検出器２４２から出力される検出信号に基づいて、肝スフェロイド９の各座標位置における光強度分布を算出する。これにより、肝スフェロイド９の断層画像Ｄ１および三次元画像Ｄ２が得られる。

【0045】

観察装置１は、１つの肝スフェロイド９について、複数の断層画像Ｄ１と、１つの三次元画像Ｄ２とを取得する。また、観察装置１は、撮影対象となるウェル９１を変更しながら、ステップＳ２の処理を繰り返すことにより、複数の肝スフェロイド９の断層画像Ｄ１および三次元画像Ｄ２を取得する。得られた断層画像Ｄ１および三次元画像Ｄ２は、コンピュータ３０の記憶部３３に記憶される。また、コンピュータ３０は、得られた断層画像Ｄ１および三次元画像Ｄ２を、表示部７０に表示する。

【0046】

図６は、断層画像Ｄ１を模式的に示した図である。図６の例では、略球形の肝スフェロイド９の外周部に、線維化領域９ａに相当する領域（以下「局在領域Ａ」と称する）が存在している。コンピュータ３０の領域抽出部４２は、断層画像Ｄ１から、この局在領域Ａを抽出する（ステップＳ３，領域抽出工程）。

【0047】

図７は、ステップＳ３の肝スフェロイド９の線維化領域９ａ（上記の「局在領域Ａ」）を抽出する領域抽出工程の流れの一例を示すフローチャートである。図７の例では、まず、領域抽出部４２は、断層画像Ｄ１から、肝スフェロイド９の全体に相当する全体領域Ａ１を抽出する（ステップＳ３１，第１抽出工程）。具体的には、断層画像Ｄ１のうち、輝度値が予め設定された第１閾値よりも高い領域を、全体領域Ａ１として抽出する。図８は、全体領域Ａ１を抽出した結果を、模式的に示した図である。

【0048】

次に、領域抽出部４２は、全体領域Ａ１から、輝度値が、所定の第２閾値よりも高い領域を、高輝度領域Ａ２として抽出する（ステップＳ３２，第２抽出工程）。なお、第２閾値は、第１閾値よりも高い値である。図８では、環状の高輝度領域Ａ２が、破線で示されている。略球形の細胞塊の外周部は、輝度が高くなる傾向が強い。このため、ステップＳ３２では、高輝度領域Ａ２を抽出することで、略球形の細胞塊の外周部を特定する。

【0049】

その後、領域抽出部４２は、全体領域Ａ１から、高輝度領域Ａ２および高輝度領域Ａ２よりも内側の領域を除いた残りの領域を、局在領域Ａとして抽出する（ステップＳ３３，第３抽出工程）。図９は、局在領域Ａを抽出した結果を、模式的に示した図である。これにより、球形の細胞塊の外表面に広がる線維化領域９ａに相当する局在領域Ａを、適切に抽出することができる。

【0050】

このように、ステップＳ３では、断層画像Ｄ１のうち、輝度値が所定の条件を満たす領域を、局在領域Ａとして抽出する。局在領域Ａの抽出手順は、必ずしも、上記のステップＳ３１～Ｓ３３の通りでなくてもよい。領域抽出部４２は、局在領域Ａの位置や輝度値に応じて、適切な手順で、局在領域Ａを抽出すればよい。

【0051】

その後、コンピュータ３０の評価部４３は、ステップＳ３で抽出された局在領域Ａに基づいて、肝スフェロイド９の状態を評価する（ステップＳ４，評価工程）。このステップＳ４では、評価部４３は、断層画像Ｄ１および三次元画像Ｄ２における線維化領域９ａを解析し、スフェロイド９の状態を評価する。

【0052】

図１０は、ステップＳ４の肝スフェロイド９の状態を評価する評価工程の流れの一例を示すフローチャートである。図１０の例の評価工程では、撮影画像である断層画像Ｄ１における局在領域Ａの面積に基づいて、肝スフェロイド９の状態を評価する。

【0053】

図１０の例では、まず、評価部４３は、断層画像Ｄ１における、スフェロイド９全体の面積を算出する（ステップＳ４１，第１算出工程）。具体的には、評価部４３は、断層画像Ｄ１における全体領域Ａ１の面積を算出する。全体領域Ａ１の面積は、例えば、全体領域Ａ１に含まれる画素数に基づいて算出すればよい。

【0054】

次に、評価部４３は、断層画像Ｄ１における、線維化領域９ａの面積を算出する（ステップＳ４２，第２算出工程）。具体的には、評価部４３は、断層画像Ｄ１における局在領域Ａの面積を算出する。局在領域Ａの面積は、例えば、局在領域Ａに含まれる画素数に基づいて算出すればよい。

【0055】

続いて、評価部４３は、ステップＳ４１の第１算出工程で算出したスフェロイド９全体の面積と、ステップＳ４２の第２算出工程で算出した線維化領域９ａの面積とに基づいて、評価指標を算出する（ステップＳ４３，第３算出工程）。評価指標は、例えば、線維化領域９ａの単なる割合（局在領域Ａの面積を全体領域Ａ１の面積で除したもの）であってもよいし、局在領域Ａの面積と全体領域Ａ１の面積とを予め決められた計算式に代入して算出したものであってもよい。

【0056】

ステップＳ４の評価工程における評価方法は、その他の方法であってもよい。例えば、１つの肝スフェロイド９について複数の断層画像Ｄ１を取得している場合、評価部４３は、複数の断層画像Ｄ１の全体領域Ａ１および局在領域Ａの面積に基づいて、肝スフェロイド９全体および線維化領域９ａの体積を算出して、当該体積に基づいて評価指標を算出してもよい。

【0057】

評価部４３は、算出された評価指標の割合に基づいて、肝スフェロイド９の状態を評価する。例えば、評価指標が肝スフェロイド９における線維化領域９ａの面積割合である場合には、評価部４３は、評価指標の数値が小さいほど、高い評価を出力する。

【0058】

評価部４３により算出された線維化領域９ａの大きさ（面積または体積）、線維化領域９ａの割合、および評価指標は、評価値Ｖとして記憶部３３に記憶される。また、評価部４３は、それらの評価値Ｖを、表示部７０に表示する。

【0059】

以上のように、この観察装置１では、肝スフェロイド９を光干渉断層撮影により撮影し、得られた断層画像Ｄ１から、肝スフェロイド９の線維化領域９ａに相当する局在領域Ａを抽出できる。これにより、細胞に染色等の加工を行うことなく、非侵襲で、肝スフェロイド９の線維化領域９ａを観察できる。また、線維化領域９ａの大きさを算出することにより、肝スフェロイド９の品質を容易に定量評価できる。線維化領域９aが局在している肝スフェロイド９は、そのままで、あるいは、バイオ３Ｄプリンタを用いて３Ｄ肝臓様構造体となって、線維化モデルなどの各種用途に用いることができる。

【0060】

＜３．変形例＞
以上、本発明の一実施形態について説明したが、本発明は、上記の実施形態に限定されるものではない。

【0061】

＜３－１．第１変形例＞
上記の実施形態では、ステップＳ３において、領域抽出部４２が、断層画像Ｄ１のうち、輝度値が所定の条件を満たす領域を、局在領域Ａとして抽出していた。しかしながら、ステップＳ３において、領域抽出部４２は、学習モデルを利用して局在領域Ａを抽出してもよい。図１１は、学習モデルを利用する場合の、評価処理の流れを示すフローチャートである。

【0062】

図１１の例では、まず、コンピュータ３０が、深層学習により学習モデルを作成する（ステップＳ０，学習工程）。学習モデルは、肝スフェロイド９の断層画像Ｄ１を入力情報とし、断層画像Ｄ１中の線維化領域９ａに相当する局在領域Ａを出力情報とする入出力器である。コンピュータ３０は、予め用意した多数の断層画像Ｄ１と、それらの断層画像Ｄ１に含まれる局在領域Ａとを、教師データとして、教師あり機械学習アルゴリズムにより、学習モデルを作成する。学習モデルは、記憶部３３に記憶される。機械学習アルゴリズムには、例えば、セマンティックセグメンテーションを使用することができるが、これには限られない。

【0063】

学習モデルを作成した後、上記の実施形態と同様に、ステージ１０に試料容器９０がセットされ（ステップＳ１）、肝スフェロイド９の撮影が行われる（ステップＳ２，画像取得工程）。続いて、コンピュータ３０の領域抽出部４２は、撮影により得られた断層画像Ｄ１から、線維化領域９ａに相当する局在領域Ａを抽出する（ステップＳ３）。具体的には、領域抽出部４２は、ステップＳ０で作成された学習モデルに、ステップＳ２で取得した断層画像Ｄ１を入力する。そうすると、学習モデルから局在領域Ａが出力される。これにより、上述したステップＳ３１～Ｓ３３のような処理を行うことなく、局在領域Ａを得ることができる。

【0064】

＜３－２．第２変形例＞
上記の実施形態では、断層画像Ｄ１から局在領域Ａを抽出する場合について説明した。しかしながら、三次元画像Ｄ２から局在領域Ａを抽出してもよい。三次元画像Ｄ２を対象とする場合、上述したステップＳ３において、三次元画像Ｄ２を構成する三次元座標のうち、線維化領域９ａに相当する三次元領域を、局在領域Ａとして抽出する。抽出の方法は、上記の実施形態のような輝度値に基づく領域抽出であってもよく、上記の第１変形例のような学習モデルを使用した領域抽出であってもよい。

【0065】

＜３－３．他の変形例＞
上記の実施形態では、試料容器９０が、複数のウェル（凹部）９１を有するウェルプレートであった。そして、各ウェル９１に、１つの生体試料９が保持されていた。しかしながら、１つのウェルの中に、複数の生体試料が保持されていてもよい。その場合、１つの画像の中に、複数の生体試料に相当する領域が含まれていてもよい。また、生体試料を保持する試料容器は、１つの凹部のみを有するディッシュであってもよい。

【0066】

また、上記の実施形態や変形例に登場した各要素を、矛盾が生じない範囲で、適宜に組み合わせてもよい。

【符号の説明】

【0067】

１ 観察装置
９ 生体試料／肝スフェロイド
９ａ 線維化領域
４１ 画像取得部
４２ 領域抽出部
４３ 評価部
９０ 試料容器
９１ ウェル
Ａ 局在領域
Ａ１ 全体領域
Ａ２ 高輝度領域
Ｄ１ 断層画像
Ｄ２ 三次元画像
Ｖ 評価値

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】