JPWO2019208703A1 - 情報処理装置 - Google Patents
情報処理装置 Download PDFInfo
- Publication number
- JPWO2019208703A1 JPWO2019208703A1 JP2020515568A JP2020515568A JPWO2019208703A1 JP WO2019208703 A1 JPWO2019208703 A1 JP WO2019208703A1 JP 2020515568 A JP2020515568 A JP 2020515568A JP 2020515568 A JP2020515568 A JP 2020515568A JP WO2019208703 A1 JPWO2019208703 A1 JP WO2019208703A1
- Authority
- JP
- Japan
- Prior art keywords
- image data
- cell nucleus
- pathological image
- extracted
- information processing
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 69
- 230000001575 pathological effect Effects 0.000 claims abstract description 117
- 230000000694 effects Effects 0.000 claims abstract description 109
- 239000012830 cancer therapeutic Substances 0.000 claims abstract description 103
- 229940124597 therapeutic agent Drugs 0.000 claims abstract description 77
- 230000000877 morphologic effect Effects 0.000 claims abstract description 61
- 239000000284 extract Substances 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims description 85
- 210000001519 tissue Anatomy 0.000 claims description 78
- 210000004881 tumor cell Anatomy 0.000 claims description 76
- 210000003855 cell nucleus Anatomy 0.000 claims description 75
- 102000008096 B7-H1 Antigen Human genes 0.000 claims description 63
- 108010074708 B7-H1 Antigen Proteins 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 63
- 210000002865 immune cell Anatomy 0.000 claims description 53
- 229940126585 therapeutic drug Drugs 0.000 claims description 25
- 238000003364 immunohistochemistry Methods 0.000 claims description 19
- 238000010186 staining Methods 0.000 claims description 18
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 claims description 10
- 229940076838 Immune checkpoint inhibitor Drugs 0.000 claims description 7
- 102000037984 Inhibitory immune checkpoint proteins Human genes 0.000 claims description 7
- 108091008026 Inhibitory immune checkpoint proteins Proteins 0.000 claims description 7
- 239000012274 immune-checkpoint protein inhibitor Substances 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 claims description 5
- 206010028980 Neoplasm Diseases 0.000 description 29
- 201000011510 cancer Diseases 0.000 description 27
- 239000003814 drug Substances 0.000 description 10
- 229940079593 drug Drugs 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 239000003560 cancer drug Substances 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 5
- 210000000170 cell membrane Anatomy 0.000 description 5
- 210000001744 T-lymphocyte Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000036210 malignancy Effects 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000018732 detection of tumor cell Effects 0.000 description 2
- 238000011532 immunohistochemical staining Methods 0.000 description 2
- 230000003834 intracellular effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000002246 antineoplastic agent Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Images
Classifications
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/531—Production of immunochemical test materials
- G01N33/532—Production of labelled immunochemicals
- G01N33/534—Production of labelled immunochemicals with radioactive label
-
- 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
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- 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
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
Abstract
Description
図1は、実施形態1の情報処理装置2000の動作を概念的に例示する図である。なお、図1は、情報処理装置2000の理解を容易にするためにその動作の一例を示しているにすぎず、情報処理装置2000の機能を何ら限定するものではない。
本実施形態の情報処理装置2000によれば、対象患者の病理画像データ10を画像解析することで得られる組織形態学的特徴を用いて、がん治療薬が対象患者に与える影響に関する予測が得られる。よって、情報処理装置2000によれば、病理画像データを、病気の悪性度や予後の予測以外の新たな予測に活用することができる。
図2は、情報処理装置2000の機能構成を例示するブロック図である。情報処理装置2000は、抽出部2020及び生成部2040を有する。抽出部2020は、対象患者の病理画像データ10に含まれる組織の組織形態学的特徴を抽出する。生成部2040は、抽出した組織形態学的特徴を用いて、予測データ30を生成する。
情報処理装置2000の各機能構成部は、各機能構成部を実現するハードウエア(例:ハードワイヤードされた電子回路など)で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ(例:電子回路とそれを制御するプログラムの組み合わせなど)で実現されてもよい。以下、情報処理装置2000の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
図4は、実施形態1の情報処理装置2000によって実行される処理の流れを例示するフローチャートである。抽出部2020は、病理画像データ10を取得する(S102)。抽出部2020は、病理画像データ10に含まれる組織の組織形態学的特徴を抽出する(S104)。生成部2040は、抽出した組織形態学的特徴を用いて予測データ30を生成する(S106)。
予測の対象とするがん治療薬は、がんの治療に用いられる任意の薬である。例えばがん治療薬は、免疫チェックポイント阻害剤である。その他にも例えば、がん治療薬は、抗がん剤などでもよい。
情報処理装置2000は、がんの種類を特定せずにがん治療薬の効果を予測してもよいし、特定の種類のがんについてがん治療薬の効果を予測してもよい。例えば情報処理装置2000は、肺がんやメラノーマを対象として、がん治療薬の効果を予測する。情報処理装置2000が効果を予測できるがんの種類は、これらの種類に限定されない。
情報処理装置2000は、病理画像データ10を取得する(S102)。病理画像データ10は、カメラによって生成された画像データそのものであってもよいし、カメラによって生成された画像データを加工したものであってもよい。後者の場合、例えば病理画像データ10は、カメラによって生成された画像データに対し、不要な画像領域を削除する画像処理(トリミング)や、組織形態学的特徴の抽出を容易にするための色調補正などを施すことで生成される。これらの画像処理は、情報処理装置2000によって行われてもよいし、情報処理装置2000以外の装置によって行われてもよい。
抽出部2020は、病理画像データ10に含まれる組織の組織形態学的特徴を抽出する(S104)。抽出される組織形態学的特徴は、組織を構成する細胞やタンパク質などの物質の形状や分布などに関する画像特徴である。以下、どの物質について組織形態学的特徴を抽出するか、及びその物質についてどのような組織形態学的特徴を抽出するかについて、具体例を挙げて説明する。
PD-L1 は、腫瘍細胞などに発現する分子であり、免疫細胞の PD-1 分子と結合することで、免疫細胞の活動を抑制する。よって、PD-L1 が多く発現していると、免疫細胞の活動が大きく抑制されてしまうこととなる。このことから、PD-L1 は、がんの治癒に密接に関連している物質であるといえる。そのため、PD-L1 に関する組織形態学的特徴とがん治療薬が対象患者に与える影響との間には、相関があると考えられる。特に、免疫チェックポイント阻害剤の効果は、PD-L1 に関する組織形態学的特徴との相関が大きいと考えられる。なぜなら、免疫チェックポイント阻害剤は、免疫細胞の PD-1 に代わって腫瘍細胞の PD-L1 と結合することにより、免疫細胞の活動が抑制されないようにする薬剤であるためである。
免疫細胞(特に、CD4 陽性 T 細胞や CD8 陽性 T 細胞)は、腫瘍細胞を排除する機能を持つため、がんの治癒に密接に関連している物質であるといえる。そのため、これらの免疫細胞に関する組織形態学的特徴とがん治療薬が対象患者に与える影響との間には、相関があると考えられる。
がん治療薬は、直接的又は間接的に腫瘍細胞を排除する薬剤である。そのため、腫瘍細胞に関する種々の情報は、がん治療薬の効果や副作用に大きく関係すると考えられる。よって、腫瘍細胞に関する組織形態学的特徴は、がん治療薬が対象患者に与える影響と相関が大きいと言える。
前述したように、抽出部2020は、組織形態学的特徴を抽出するために、病理画像データ10から腫瘍細胞を検出する。病理画像データ10から腫瘍細胞を検出する技術には、既存の技術を利用することができる。例えば、ニューラルネットワークなどで実現される検出器を、画像データから腫瘍細胞を検出するように学習させておく。こうすることで、病理画像データ10から腫瘍細胞を検出する検出器を構成することができる。抽出部2020は、この検出器に対して病理画像データ10を入力することで、病理画像データ10から腫瘍細胞を検出する。
抽出部2020は、病理画像データ10全体から組織形態学的特徴を抽出してもよいし、病理画像データ10の一部の画像領域から組織形態学的特徴を抽出してもよい。以下、この「一部の画像領域」を ROI と呼ぶ。1つの病理画像データ10から抽出される ROI は、1つであってもよいし、複数であってもよい。
前述した腫瘍細胞の検出や ROI の抽出を考慮すると、病理画像データ10から組織形態学的特徴を抽出する処理の流れは、例えば図5のようになる。図5は、病理画像データ10から組織形態学的特徴を抽出する処理の流れを例示する図である。
生成部2040は、抽出部2020によって抽出された組織形態学的特徴を用いて、予測データ30を生成する(S106)。予測データ30の生成に利用される組織形態学的特徴は、1つであってもよいし、複数であってもよい。また、複数の組織形態学的特徴を利用する場合、1つの病理画像データ10から抽出された組織形態学的特徴を利用してもよいし、複数の病理画像データ10から抽出された組織形態学的特徴を利用してもよい。例えば、前者の場合、PL-D1 に関する複数の組織形態学的特徴を利用する。一方、後者の場合、例えば、PL-D1 に関する1つ以上の組織形態学的特徴と、免疫細胞に関する1つ以上の組織形態学的特徴とを利用する。
がん治療薬の効果に関する予測データ30は、がん治療薬が対象患者に対して効果を発揮するか否か(「効果あり」及び「効果なし」のいずれか一方)、がん治療薬が対象患者に対して効果を発揮する確率、又はがん治療薬が対象患者に対して発揮する効果の大きさなどを示す。
がん治療薬の副作用に関する予測を示す予測データ30は、例えば、対象患者に対するがん治療薬の投与によって副作用が発生するか否か(「発生する」及び「発生しない」のいずれか一方)、対象患者に対するがん治療薬の投与によって副作用が発生する確率、又は対象患者に対するがん治療薬の投与によって発生する副作用の大きさを示す。がん治療薬の副作用に関する予測を示す予測データ30は、がん治療薬の効果に関する予測を示す予測データ30と同様の方法で生成することができる。例えば、がん治療薬が対象患者に与える副作用に関する予測を出力するように学習された予測モデルを利用する。生成部2040は、抽出部2020によって抽出された組織形態学的特徴を予測モデルに入力することでがん治療薬の副作用に関する予測を得て、その予測を示す予測データ30を生成する。
予測に利用する1つ以上の組織形態学的特徴は、情報処理装置2000が自動的に決定してもよし、情報処理装置2000のユーザ(例えば医師)が手動で決定してもよい。例えば、予測モデルとしてディープニューラルネットワークを利用する場合(すなわち、深層学習を利用して予測データ30を生成する場合)、教師データを利用した予測モデルの学習の結果として、複数の組織形態学的特徴の中から、予測に有用な組織形態学的特徴が自動的に決定される。
予測データ30は、1つ以上の種類のがん治療薬について生成される。情報処理装置2000は、予め所定の種類のがん治療薬について予測データ30を生成するように構成されていてもよいし、予測対象とするがん治療薬の種類を特定し、特定した種類のがん治療薬について予測データ30を生成してもよい。後者の場合、例えば情報処理装置2000は、予測対象とするがん治療薬の種類を指定する入力操作を受け付ける。この場合、情報処理装置2000は、指定された種類のがん治療薬について、予測データ30を生成する。その他にも例えば、予測対象とするがん治療薬の種類を示す情報を記憶装置に記憶させておいてもよい。この場合、情報処理装置2000は、この記憶装置から情報を読み出すことで、予測対象とするがん治療薬の種類を特定する。
生成部2040は、生成した予測データ30を何らかの形で出力する。例えば生成部2040は、予測データ30を記憶装置に記憶させる。その他にも例えば、生成部2040は、予測データ30をディスプレイ装置に表示させてもよい。
1. 対象患者の病理画像データに含まれる組織の組織形態学的特徴を抽出する抽出部と、
前記抽出した組織形態学的特徴を用いて、前記対象患者に対するがん治療薬の効果に関する予測、及び前記対象患者に対するがん治療薬の副作用に関する予測のいずれか1つ以上を示す予測データを生成する生成部と、を有する情報処理装置。
2. 前記がん治療薬は、免疫チェックポイント阻害剤である、1.に記載の情報処理装置。
3. 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出部は、前記病理画像データに含まれる PD-L1 の組織形態学的特徴を抽出する、1.又は2.に記載の情報処理装置。
4. 前記抽出部が抽出する PD-L1 の組織形態学的特徴は、PD-L1 が発現した腫瘍細胞における PD-L1 の全周性、PD-L1 の染色強度、及び PD-L1 が発現した腫瘍細胞の大きさのいずれか1つ以上である、3.に記載の情報処理装置。
5. 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出部は、前記病理画像データに含まれる免疫細胞の組織形態学的特徴を抽出する、1.乃至4.いずれか一つに記載の情報処理装置。
6. 前記抽出部が抽出する免疫細胞の組織形態学的特徴は、陽性率、免疫細胞の染色強度、及び免疫細胞の大きさのいずれか1つ以上である、5.に記載の情報処理装置。
7. 前記病理画像データは、ヘマトキシリン・エオシン染色が行われた組織が含まれる画像データであり、
前記抽出部は、前記病理画像データに含まれる腫瘍細胞の細胞核の組織形態学的特徴を抽出する、1.乃至6.いずれか一つに記載の情報処理装置。
8. 前記抽出部が抽出する細胞核の組織形態学的特徴は、細胞核の面積、細胞核の周囲長、細胞核の円形度合い、細胞核の輪郭の複雑度合い、細胞核のテクスチャに関する指標値、細胞核の長径、細胞核の短径、細胞核の面積と細胞核の外接矩形の面積との比率、及び細胞核の密度のいずれか1つ以上である、7.に記載の情報処理装置。
9. 前記生成部は、組織形態学的特徴が入力されることに応じて前記対象患者に与えるがん治療薬の影響に関する予測を出力する学習済みの予測モデルに対し、前記抽出部によって抽出された組織形態学的特徴を適用することで、前記予測データを生成する、1.乃至8.いずれか一つに記載の情報処理装置。
10. 前記抽出部は、前記病理画像データに含まれる部分領域について、その部分領域に含まれる細胞核の中から腫瘍細胞を検出し、前記検出した腫瘍細胞の細胞核又はその腫瘍細胞に発現した PD-L1について、組織形態学的特徴を抽出する、1.乃至9.いずれか一つに記載の情報処理装置。
対象患者の病理画像データに含まれる組織の組織形態学的特徴を抽出する抽出ステップと、
前記抽出した組織形態学的特徴を用いて、前記対象患者に対するがん治療薬の効果に関する予測、及び前記対象患者に対するがん治療薬の副作用に関する予測のいずれか1つ以上を示す予測データを生成する生成ステップと、を有する制御方法。
12. 前記がん治療薬は、免疫チェックポイント阻害剤である、11.に記載の制御方法。
13. 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出ステップにおいて、前記病理画像データに含まれる PD-L1 の組織形態学的特徴を抽出する、11.又は12.に記載の制御方法。
14. 前記抽出ステップにおいて抽出する PD-L1 の組織形態学的特徴は、PD-L1 が発現した腫瘍細胞における PD-L1 の全周性、PD-L1 の染色強度、及び PD-L1 が発現した腫瘍細胞の大きさのいずれか1つ以上である、13.に記載の制御方法。
15. 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出ステップにおいて、前記病理画像データに含まれる免疫細胞の組織形態学的特徴を抽出する、11.乃至14.いずれか一つに記載の制御方法。
16. 前記抽出ステップにおいて抽出する免疫細胞の組織形態学的特徴は、陽性率、免疫細胞の染色強度、及び免疫細胞の大きさのいずれか1つ以上である、15.に記載の制御方法。
17. 前記病理画像データは、ヘマトキシリン・エオシン染色が行われた組織が含まれる画像データであり、
前記抽出ステップにおいて、前記病理画像データに含まれる腫瘍細胞の細胞核の組織形態学的特徴を抽出する、11.乃至16.いずれか一つに記載の制御方法。
18. 前記抽出ステップにおいて抽出する細胞核の組織形態学的特徴は、細胞核の面積、細胞核の周囲長、細胞核の円形度合い、細胞核の輪郭の複雑度合い、細胞核のテクスチャに関する指標値、細胞核の長径、細胞核の短径、細胞核の面積と細胞核の外接矩形の面積との比率、及び細胞核の密度のいずれか1つ以上である、17.に記載の制御方法。
19. 前記生成ステップにおいて、組織形態学的特徴が入力されることに応じて前記対象患者に与えるがん治療薬の影響に関する予測を出力する学習済みの予測モデルに対し、前記抽出ステップによって抽出された組織形態学的特徴を適用することで、前記予測データを生成する、11.乃至18.いずれか一つに記載の制御方法。
20. 前記抽出ステップにおいて、前記病理画像データに含まれる部分領域について、その部分領域に含まれる細胞核の中から腫瘍細胞を検出し、前記検出した腫瘍細胞の細胞核又はその腫瘍細胞に発現した PD-L1について、組織形態学的特徴を抽出する、11.乃至19.いずれか一つに記載の制御方法。
Claims (21)
- 対象患者の病理画像データに含まれる組織の組織形態学的特徴を抽出する抽出部と、
前記抽出した組織形態学的特徴を用いて、前記対象患者に対するがん治療薬の効果に関する予測、及び前記対象患者に対するがん治療薬の副作用に関する予測のいずれか1つ以上を示す予測データを生成する生成部と、を有する情報処理装置。 - 前記がん治療薬は、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。
- 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出部は、前記病理画像データに含まれる PD-L1 の組織形態学的特徴を抽出する、請求項1又は2に記載の情報処理装置。 - 前記抽出部が抽出する PD-L1 の組織形態学的特徴は、PD-L1 が発現した腫瘍細胞における PD-L1 の全周性、PD-L1 の染色強度、及び PD-L1 が発現した腫瘍細胞の大きさのいずれか1つ以上である、請求項3に記載の情報処理装置。
- 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出部は、前記病理画像データに含まれる免疫細胞の組織形態学的特徴を抽出する、請求項1乃至4いずれか一項に記載の情報処理装置。 - 前記抽出部が抽出する免疫細胞の組織形態学的特徴は、陽性率、免疫細胞の染色強度、及び免疫細胞の大きさのいずれか1つ以上である、請求項5に記載の情報処理装置。
- 前記病理画像データは、ヘマトキシリン・エオシン染色が行われた組織が含まれる画像データであり、
前記抽出部は、前記病理画像データに含まれる腫瘍細胞の細胞核の組織形態学的特徴を抽出する、請求項1乃至6いずれか一項に記載の情報処理装置。 - 前記抽出部が抽出する細胞核の組織形態学的特徴は、細胞核の面積、細胞核の周囲長、細胞核の円形度合い、細胞核の輪郭の複雑度合い、細胞核のテクスチャに関する指標値、細胞核の長径、細胞核の短径、細胞核の面積と細胞核の外接矩形の面積との比率、及び細胞核の密度のいずれか1つ以上である、請求項7に記載の情報処理装置。
- 前記生成部は、組織形態学的特徴が入力されることに応じて前記対象患者に与えるがん治療薬の影響に関する予測を出力する学習済みの予測モデルに対し、前記抽出部によって抽出された組織形態学的特徴を適用することで、前記予測データを生成する、請求項1乃至8いずれか一項に記載の情報処理装置。
- 前記抽出部は、前記病理画像データに含まれる部分領域について、その部分領域に含まれる細胞核の中から腫瘍細胞を検出し、前記検出した腫瘍細胞の細胞核又はその腫瘍細胞に発現した PD-L1について、組織形態学的特徴を抽出する、請求項1乃至9いずれか一項に記載の情報処理装置。
- コンピュータによって実行される制御方法であって、
対象患者の病理画像データに含まれる組織の組織形態学的特徴を抽出する抽出ステップと、
前記抽出した組織形態学的特徴を用いて、前記対象患者に対するがん治療薬の効果に関する予測、及び前記対象患者に対するがん治療薬の副作用に関する予測のいずれか1つ以上を示す予測データを生成する生成ステップと、を有する制御方法。 - 前記がん治療薬は、免疫チェックポイント阻害剤である、請求項11に記載の制御方法。
- 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出ステップにおいて、前記病理画像データに含まれる PD-L1 の組織形態学的特徴を抽出する、請求項11又は12に記載の制御方法。 - 前記抽出ステップにおいて抽出する PD-L1 の組織形態学的特徴は、PD-L1 が発現した腫瘍細胞における PD-L1 の全周性、PD-L1 の染色強度、及び PD-L1 が発現した腫瘍細胞の大きさのいずれか1つ以上である、請求項13に記載の制御方法。
- 前記病理画像データは、免疫組織染色(IHC: Immunohistochemistry)が行われた組織が含まれる画像データであり、
前記抽出ステップにおいて、前記病理画像データに含まれる免疫細胞の組織形態学的特徴を抽出する、請求項11乃至14いずれか一項に記載の制御方法。 - 前記抽出ステップにおいて抽出する免疫細胞の組織形態学的特徴は、陽性率、免疫細胞の染色強度、及び免疫細胞の大きさのいずれか1つ以上である、請求項15に記載の制御方法。
- 前記病理画像データは、ヘマトキシリン・エオシン染色が行われた組織が含まれる画像データであり、
前記抽出ステップにおいて、前記病理画像データに含まれる腫瘍細胞の細胞核の組織形態学的特徴を抽出する、請求項11乃至16いずれか一項に記載の制御方法。 - 前記抽出ステップにおいて抽出する細胞核の組織形態学的特徴は、細胞核の面積、細胞核の周囲長、細胞核の円形度合い、細胞核の輪郭の複雑度合い、細胞核のテクスチャに関する指標値、細胞核の長径、細胞核の短径、細胞核の面積と細胞核の外接矩形の面積との比率、及び細胞核の密度のいずれか1つ以上である、請求項17に記載の制御方法。
- 前記生成ステップにおいて、組織形態学的特徴が入力されることに応じて前記対象患者に与えるがん治療薬の影響に関する予測を出力する学習済みの予測モデルに対し、前記抽出ステップによって抽出された組織形態学的特徴を適用することで、前記予測データを生成する、請求項11乃至18いずれか一項に記載の制御方法。
- 前記抽出ステップにおいて、前記病理画像データに含まれる部分領域について、その部分領域に含まれる細胞核の中から腫瘍細胞を検出し、前記検出した腫瘍細胞の細胞核又はその腫瘍細胞に発現した PD-L1について、組織形態学的特徴を抽出する、請求項11乃至19いずれか一項に記載の制御方法。
- 請求項11乃至20いずれか一項に記載の制御方法の各ステップをコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018085540 | 2018-04-26 | ||
JP2018085540 | 2018-04-26 | ||
PCT/JP2019/017659 WO2019208703A1 (ja) | 2018-04-26 | 2019-04-25 | 情報処理装置、制御方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2019208703A1 true JPWO2019208703A1 (ja) | 2021-04-30 |
Family
ID=68295493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020515568A Pending JPWO2019208703A1 (ja) | 2018-04-26 | 2019-04-25 | 情報処理装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210033599A1 (ja) |
JP (1) | JPWO2019208703A1 (ja) |
CN (1) | CN112020647A (ja) |
WO (1) | WO2019208703A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019195304A (ja) | 2018-05-10 | 2019-11-14 | 学校法人順天堂 | 画像解析方法、装置、コンピュータプログラム、及び深層学習アルゴリズムの生成方法 |
CN109903280B (zh) * | 2019-02-27 | 2020-09-29 | 上海联影智能医疗科技有限公司 | 肿瘤确定***、方法及存储介质 |
JP7381003B2 (ja) * | 2019-04-26 | 2023-11-15 | 学校法人順天堂 | 疾患解析を支援する方法、装置、及びコンピュータプログラム、並びにコンピュータアルゴリズムを訓練する方法、装置、及びプログラム |
JP2022183393A (ja) * | 2019-11-07 | 2022-12-09 | テルモ株式会社 | 心臓再同期療法治療効果予測装置、方法およびプログラム |
JP6810294B1 (ja) * | 2020-06-30 | 2021-01-06 | 凸版印刷株式会社 | 評価システム、学習装置、予測装置、評価方法、及びプログラム |
CN112326961B (zh) * | 2020-10-30 | 2021-08-06 | 福州迈新生物技术开发有限公司 | 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 |
CN112991263B (zh) * | 2021-02-06 | 2022-07-22 | 杭州迪英加科技有限公司 | 用于提升pd-l1免疫组化病理切片tps计算准确度的方法及设备 |
WO2022201415A1 (ja) * | 2021-03-25 | 2022-09-29 | 日本電気株式会社 | 検査支援装置、検査支援システム、検査支援方法、および記録媒体 |
CN115171894A (zh) * | 2022-07-01 | 2022-10-11 | 核工业总医院 | 布拉格决策方案评估方法和决策方案评估方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001095599A (ja) * | 1999-03-15 | 2001-04-10 | Fuji Photo Film Co Ltd | プロテアーゼの測定方法 |
JP2008268167A (ja) * | 2007-03-29 | 2008-11-06 | Saga Univ | 蛍光多重染色による蛋白定量法 |
JP2011133457A (ja) * | 2009-07-09 | 2011-07-07 | Ube Kagaku Bunseki Center:Kk | 毒性試験法 |
JP2011227838A (ja) * | 2010-04-23 | 2011-11-10 | Kyoto Univ | 予測装置及びその学習装置並びにそれらのコンピュータプログラム |
WO2015040990A1 (ja) * | 2013-09-19 | 2015-03-26 | 学校法人慶應義塾 | 疾患分析装置、制御方法、及びプログラム |
JP2017037059A (ja) * | 2015-08-10 | 2017-02-16 | 中國醫藥大學附設醫院China Medical University Hospital | 樹状細胞腫瘍ワクチンの適性評価方法及び生存率の予測方法 |
WO2017050855A1 (en) * | 2015-09-22 | 2017-03-30 | Institut Gustave Roussy | A scoring method for predicting the efficiency of a treatment with anti-pd-1 and/or anti-pd-l1 monoclonal antibodies |
WO2017070584A1 (en) * | 2015-10-23 | 2017-04-27 | Novartis Ag | Computer processes behind an enhanced version of aqua |
US20170130271A1 (en) * | 2014-04-24 | 2017-05-11 | Dana-Farber Cancer Institute, Inc. | Tumor suppressor and oncogene biomarkers predictive of anti-immune checkpoint inhibitor response |
US20180107786A1 (en) * | 2016-10-07 | 2018-04-19 | Omniseq, Inc. | Methods and systems for determining personalized therapies |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2008236634A1 (en) * | 2007-04-05 | 2008-10-16 | Aureon Laboratories, Inc. | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
WO2010041423A1 (ja) * | 2008-10-09 | 2010-04-15 | 日本電気株式会社 | 病理組織診断支援システム、病理組織診断支援プログラム、病理組織診断支援方法 |
EP2423323A4 (en) * | 2009-04-21 | 2012-11-28 | Nec Corp | METHOD OF TUMOR ASSESSMENT |
JP5387146B2 (ja) * | 2009-06-03 | 2014-01-15 | 日本電気株式会社 | 病理組織画像解析装置、病理組織画像解析方法、病理組織画像解析プログラム |
JP5630674B2 (ja) * | 2010-09-30 | 2014-11-26 | 日本電気株式会社 | 情報処理装置、情報処理システム、情報処理方法、プログラム及び記録媒体 |
CN103097889B (zh) * | 2010-09-30 | 2015-03-18 | 日本电气株式会社 | 信息处理设备、信息处理***、信息处理方法、程序和记录介质 |
WO2015088930A1 (en) * | 2013-12-10 | 2015-06-18 | Merck Sharp & Dohme Corp. | Immunohistochemical proximity assay for pd-1 positive cells and pd-ligand positive cells in tumor tissue |
AU2015345199A1 (en) * | 2014-11-10 | 2017-04-27 | Ventana Medical Systems, Inc. | Classifying nuclei in histology images |
US10746726B2 (en) * | 2014-12-02 | 2020-08-18 | The University Of Tokyo | Method for assessing therapeutic effect of anti-cancer agent having anti-CD4 antibody as active ingredient |
CN104732230A (zh) * | 2015-03-27 | 2015-06-24 | 麦克奥迪(厦门)医疗诊断***有限公司 | 一种基于细胞核统计信息的病理图像局部特征提取方法 |
CN106282294A (zh) * | 2015-06-26 | 2017-01-04 | 广州中医药大学科技产业园有限公司 | 一种细胞核大小形态测量方法在生殖毒性评价中的应用 |
PL3443350T3 (pl) * | 2016-04-15 | 2021-05-31 | F. Hoffmann-La Roche Ag | Sposoby monitorowania i leczenia nowotworu |
TWI594207B (zh) * | 2016-04-26 | 2017-08-01 | 財團法人金屬工業研究發展中心 | 細胞核影像輪廓擷取裝置及其方法 |
CN107236728A (zh) * | 2017-06-16 | 2017-10-10 | 天津市肿瘤医院 | 一种提取动物细胞核内染色质及其相关蛋白的方法 |
-
2019
- 2019-04-25 CN CN201980028354.8A patent/CN112020647A/zh active Pending
- 2019-04-25 US US17/044,427 patent/US20210033599A1/en active Pending
- 2019-04-25 JP JP2020515568A patent/JPWO2019208703A1/ja active Pending
- 2019-04-25 WO PCT/JP2019/017659 patent/WO2019208703A1/ja active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001095599A (ja) * | 1999-03-15 | 2001-04-10 | Fuji Photo Film Co Ltd | プロテアーゼの測定方法 |
JP2008268167A (ja) * | 2007-03-29 | 2008-11-06 | Saga Univ | 蛍光多重染色による蛋白定量法 |
JP2011133457A (ja) * | 2009-07-09 | 2011-07-07 | Ube Kagaku Bunseki Center:Kk | 毒性試験法 |
JP2011227838A (ja) * | 2010-04-23 | 2011-11-10 | Kyoto Univ | 予測装置及びその学習装置並びにそれらのコンピュータプログラム |
WO2015040990A1 (ja) * | 2013-09-19 | 2015-03-26 | 学校法人慶應義塾 | 疾患分析装置、制御方法、及びプログラム |
US20170130271A1 (en) * | 2014-04-24 | 2017-05-11 | Dana-Farber Cancer Institute, Inc. | Tumor suppressor and oncogene biomarkers predictive of anti-immune checkpoint inhibitor response |
JP2017037059A (ja) * | 2015-08-10 | 2017-02-16 | 中國醫藥大學附設醫院China Medical University Hospital | 樹状細胞腫瘍ワクチンの適性評価方法及び生存率の予測方法 |
WO2017050855A1 (en) * | 2015-09-22 | 2017-03-30 | Institut Gustave Roussy | A scoring method for predicting the efficiency of a treatment with anti-pd-1 and/or anti-pd-l1 monoclonal antibodies |
WO2017070584A1 (en) * | 2015-10-23 | 2017-04-27 | Novartis Ag | Computer processes behind an enhanced version of aqua |
US20180107786A1 (en) * | 2016-10-07 | 2018-04-19 | Omniseq, Inc. | Methods and systems for determining personalized therapies |
Non-Patent Citations (4)
Title |
---|
BALKO, J. M. ET AL.: "Advanced molecular characterization of severe auto immune toxicities associated with checkpoint inhi", CANCER RESEARCH, vol. Vol.77, No.13_Supplement, JPN6022024038, 2017, pages 588, ISSN: 0004920617 * |
BUDDE, P. ET AL.: "AUTOANTIBODY PROFILING IN PROSTVAC AND IPILIMUMAB TREATED PROSTATE CANCER PATIENTS REVEALS POTENTIAL", LUPUS, vol. 5, no. 1, JPN6022024039, 21 March 2018 (2018-03-21), pages 45 - 46, ISSN: 0004920614 * |
ILIE, M. ET AL.: "Assesment of the PD-L1 status by immunohistochemistry: challenges and perspectives for therapeutic s", VIREHOWS ARCH, vol. 468, no. 5, JPN6021048073, 25 February 2016 (2016-02-25), pages 511 - 525, ISSN: 0004920616 * |
肺癌患者におけるPD-L1検査の手引き, JPN6021048070, 27 March 2017 (2017-03-27), ISSN: 0004920615 * |
Also Published As
Publication number | Publication date |
---|---|
CN112020647A (zh) | 2020-12-01 |
US20210033599A1 (en) | 2021-02-04 |
WO2019208703A1 (ja) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2019208703A1 (ja) | 情報処理装置 | |
EP3992851A1 (en) | Image classification method, apparatus and device, storage medium, and medical electronic device | |
CN110889826B (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
US10123758B2 (en) | Methods and systems for determining breast density | |
US9916658B2 (en) | Disease analysis apparatus, control method, and program | |
WO2014186838A1 (en) | A system and method for remote medical diagnosis | |
CN110246109A (zh) | 融合ct影像和个性化信息的分析***、方法、装置及介质 | |
Garnavi et al. | Weighted performance index for objective evaluation of border detection methods in dermoscopy images | |
Zhou et al. | Mammogram classification using convolutional neural networks | |
CN111028218A (zh) | 眼底图像质量判定模型训练方法、装置和计算机设备 | |
US20230056839A1 (en) | Cancer prognosis | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
Antal et al. | A multi-level ensemble-based system for detecting microaneurysms in fundus images | |
WO2024074921A1 (en) | Distinguishing a disease state from a non-disease state in an image | |
CN111738975B (zh) | 图像辨识方法及图像辨识装置 | |
KR102280047B1 (ko) | 딥 러닝 기반 종양 치료 반응 예측 방법 | |
US20220036558A1 (en) | Method and system for predicting expression of biomarker from medical image | |
KR20210015834A (ko) | 진단 지원 시스템, 진단 지원 방법 및 진단 지원 프로그램 | |
CN113160199B (zh) | 影像识别方法、装置、计算机设备和存储介质 | |
Zulfikar et al. | Android application: skin abnormality analysis based on edge detection technique | |
CN116912213B (zh) | 一种医学Dicom图像边缘轮廓多边检测算法和检测*** | |
KR102550769B1 (ko) | 인공지능을 이용한 의약품 오토 레이블링 방법 및 장치 | |
US20240104736A1 (en) | Method and system for parallel processing for medical image | |
WO2022176665A1 (ja) | 画像解析方法、画像解析装置、分類装置、分類システム、制御プログラム、記録媒体 | |
Mračko et al. | Enhancing Breast Microcalcification Classification: From Binary to Three-Class Classifier |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201014 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201030 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220809 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230112 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230411 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230706 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230713 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230804 |