画像ベースの方向異質性分析によるコンフルエントな細胞の非侵襲的品質評価

近年、再生医療における細胞および組織療法は、商業化に向けて急速に進歩しています。ただし、従来の侵襲的細胞品質評価は、特に再生医療製品の場合、そのような治療のために生成された細胞の直接的な評価と互換性がありません。私たちのグループは、再生医療製品の非侵襲的リアルタイム評価のために、細胞画像から得られた情報を使用して、細胞品質の定量的評価の可能性を実証しています。ただし、細胞の正確な認識は技術的に困難であり、コンフルエントな細胞の形態学的特徴は非特性であるため、コンフルエントな状態の細胞のイメージは評価が困難になることがよくあります。これらの課題を克服するために、コンフルエント状態の細胞の不均一な密度を説明するために、新しい画像処理アルゴリズム、方向の不均一性（Hオリエント）処理を開発しました。このアルゴリズムでは、ピクセル強度データを方向データに変換するヘシアン計算と、画像内の方向の不均一性を評価する統計プロファイリング計算を導入し、画像の定量的プロファイルを生成する新しいパラメーターを生成しました。このようなパラメーターを使用して、3種類の臨床的に重要な細胞品質チェック（QC）モデルで、細胞画像のさまざまな品質を区別するアルゴリズムのパフォーマンスをテストしました：残りの寿命チェック（QC1）、操作エラーチェック（QC2）、および分化電位チェック（QC3）。私たちの結果は、私たちの方向分析アルゴリズムが、あらゆる種類の細胞品質チェックの結果を高精度で予測できることを示しています。

In recent years, cell and tissue therapy in regenerative medicine have advanced rapidly towards commercialization. However, conventional invasive cell quality assessment is incompatible with direct evaluation of the cells produced for such therapies, especially in the case of regenerative medicine products. Our group has demonstrated the potential of quantitative assessment of cell quality, using information obtained from cell images, for non-invasive real-time evaluation of regenerative medicine products. However, image of cells in the confluent state are often difficult to evaluate, because accurate recognition of cells is technically difficult and the morphological features of confluent cells are non-characteristic. To overcome these challenges, we developed a new image-processing algorithm, heterogeneity of orientation (H-Orient) processing, to describe the heterogeneous density of cells in the confluent state. In this algorithm, we introduced a Hessian calculation that converts pixel intensity data to orientation data and a statistical profiling calculation that evaluates the heterogeneity of orientations within an image, generating novel parameters that yield a quantitative profile of an image. Using such parameters, we tested the algorithm's performance in discriminating different qualities of cellular images with three types of clinically important cell quality check (QC) models: remaining lifespan check (QC1), manipulation error check (QC2), and differentiation potential check (QC3). Our results show that our orientation analysis algorithm could predict with high accuracy the outcomes of all types of cellular quality checks (>84% average accuracy with cross-validation).