肿瘤细胞检测方法和肿瘤细胞检测装置与流程

本发明涉及肿瘤细胞检测方法和肿瘤细胞检测装置。

背景技术

已知在实体癌患者中肿瘤细胞从原发肿瘤组织游离出并在血液中循环。迄今为止，已有大量报道称，通过从血液中分离、回收该血液中循环肿瘤细胞(ctc：circulatingtumorcell)，能够掌握患者的预后、肿瘤的分子生物学特征以及治疗前后的肿瘤的性状变化。作为对细胞进行光学分析的方法，可以列举例如专利文献1、2等。

现有技术文献

专利文献

专利文献1：日本特表2001-523334号公报

专利文献2：日本特表平11-500832号公报

专利文献3：日本特开2012-22002号公报

技术实现要素：

发明所要解决的问题

但是，对于专利文献1、2等这样的现有检测方式而言，由于在显微镜下观察细胞，因此忽视在血液中仅存在极少量(相对于10⁸个～10⁹个血液细胞，ctc为1个)的ctc的可能性高。另外，作为其它检测方法，有时使用利用针对在ctc表面表达的特定标志蛋白的免疫反应的生物学方法(专利文献3)。在该情况下，检测能力依赖于标志蛋白的表达，因此只能检测出表达标志蛋白的肿瘤细胞。另外还已知，由于肿瘤细胞群是不均匀的，因此标志蛋白表达量是不恒定的，检测能力不稳定。此外，在发生了emt(epithelialmesenchymaltransition；上皮间质转化)的肿瘤细胞中不表达标志蛋白、或者表达量少，因此难以检测出。此外，认为会发生对回收后的细胞进行培养时的存活率降低、dna分析或蛋白质分析中的精度变差。

本发明是鉴于上述情况而作出的，其目的在于提供能够从试样中含有的各种细胞中以非接触的方式检测出肿瘤细胞的肿瘤细胞检测方法和肿瘤细胞检测装置。

用于解决问题的手段

本申请发明为：

(1)一种肿瘤细胞检测方法，其具有以下分析步骤：基于通过对试样中含有的细胞进行测定而得到的与该细胞相关的分光光谱，通过统计方法、机器学习或模式识别来判定该细胞是否为肿瘤细胞。

(2)一种肿瘤细胞检测装置，其具有：

光源部，对试样中含有的细胞照射测定光；

检测部，接收通过来自所述光源部的所述测定光的照射而射出的、来自所述细胞的透射光或反射光，由此获取与该细胞相关的分光光谱；和

分析部，基于在所述检测部中获取的所述分光光谱，通过统计方法、机器学习或模式识别来判定该细胞是否为肿瘤细胞。

发明效果

根据本发明，提供能够从试样中含有的各种细胞中以非接触的方式检测出肿瘤细胞的肿瘤细胞检测方法和肿瘤细胞检测装置。

附图说明

图1是实施方式的肿瘤细胞检测装置的示意构成图。

图2是对实施方式的肿瘤细胞检测装置中的对象物的输送例进行说明的图。

图3是对肿瘤细胞检测方法进行说明的图。

图4是培养癌细胞(肿瘤细胞)、红细胞和淋巴细胞的近红外光的波段内的分光光谱的示例。

图5是示出通过主成分分析对从细胞获取的分光光谱进行分类的示例的图。

图6是示出通过主成分分析对从细胞获取的分光光谱进行分类的示例的图。

图7是示出通过主成分分析对从细胞获取的分光光谱进行分类的示例的图。

图8是示出通过主成分分析对从细胞获取的分光光谱进行分类的示例的图。

具体实施方式

[本申请发明的实施方式的说明]

首先，列出本申请发明的实施方式并进行说明。

对于本申请的肿瘤细胞检测方法而言，(1)其具有以下分析步骤：基于通过对试样中含有的细胞进行测定而得到的与该细胞相关的分光光谱，通过统计方法、机器学习或模式识别来判定该细胞是否为肿瘤细胞。

根据上述肿瘤细胞检测方法，能够使用统计方法、机器学习或模式识别，根据与试样中含有的细胞相关的分光光谱来判定该细胞是否为肿瘤细胞。因此，能够从试样中含有的各种细胞中以非接触的方式检测出肿瘤细胞。

(2)另外，本申请发明可以为下述方式：在上述(1)所述的肿瘤细胞检测方法中，所述分光光谱为近红外光的波段内的光谱。

通过使用近红外光的波段内的光谱作为试样中含有的细胞的分光光谱，能够适当地判定试样中含有的细胞是否为肿瘤细胞。

(3)另外，本申请发明可以为下述方式：在上述(1)、(2)所述的肿瘤细胞检测方法中，所述细胞为血液中含有的细胞，在所述分析步骤中，基于通过对肿瘤细胞和血液中的其它细胞进行测定而得到的多个分光光谱，计算出用于通过统计方法、机器学习或模式识别来判定是否为肿瘤细胞的边界条件，并基于通过对所述试样中含有的细胞进行测定而得到的分光光谱和所述边界条件来判定所述细胞是否为肿瘤细胞。

通过采用如上所述预先求出边界条件、并基于此来判定试样中含有的细胞是否为肿瘤细胞的构成，能够适当地判定试样中含有的细胞是否为肿瘤细胞。

对于本申请的肿瘤细胞检测装置而言，(4)其具有：光源部，对试样中含有的细胞照射测定光；检测部，接收通过来自所述光源部的所述测定光的照射而射出的、来自所述细胞的透射光或反射光，由此获取与该细胞相关的分光光谱；和分析部，基于在所述检测部中获取的所述分光光谱，通过统计方法、机器学习或模式识别来判定该细胞是否为肿瘤细胞。

根据上述肿瘤细胞检测装置，能够使用统计方法、机器学习或模式识别，根据与试样中含有的细胞相关的分光光谱来判定该细胞是否为肿瘤细胞。因此，能够从试样中含有的各种细胞中以非接触的方式检测出肿瘤细胞。

(5)另外，本申请发明可以为下述方式：在上述(4)所述的肿瘤细胞检测装置中，所述检测部获取近红外光的波段内的光谱作为所述分光光谱。

通过使用近红外光的波段内的光谱作为试样中含有的细胞的分光光谱，能够适当地判定试样中含有的细胞是否为肿瘤细胞。

(6)另外，本申请发明可以为下述方式：在上述(4)、(5)所述的肿瘤细胞检测装置中，所述细胞为血液中含有的细胞，所述分析部基于通过对肿瘤细胞和血液中的其它细胞进行测定而得到的多个分光光谱，预先计算出用于通过统计方法、机器学习或模式识别来判定是否为肿瘤细胞的边界条件，并基于通过对所述细胞进行测定而得到的分光光谱和所述边界条件来判定所述细胞是否为肿瘤细胞。

通过采用如上所述预先求出边界条件、并基于此来判定试样中含有的细胞是否为肿瘤细胞的构成，能够适当地判定试样中含有的细胞是否为肿瘤细胞。

(7)另外，本申请发明可以为下述方式：在上述(4)～(6)所述的肿瘤细胞检测装置中，所述检测部具有对来自所述细胞的透射光或反射光进行分光的分光单元，所述分光单元为波长选择滤光器、干涉光学系统、衍射光栅或棱镜。

通过检测部具有选自波长选择滤光器、干涉光学系统、衍射光栅或棱镜中的分光单元，在检测部中能够在对来自试样中含有的细胞的光适当地进行分光后获取分光光谱，因此能够拓宽能够用作光源部的光源的选择。

[本申请发明的实施方式的详细情况]

以下，参照附图对本发明的肿瘤细胞检测方法和肿瘤细胞检测装置的具体例进行说明。需要说明的是，本发明并不限定于这些例示，而是由权利要求书所示，并包含与权利要求书均等的含义和范围内的所有变更。

图1是本发明的一个实施方式的肿瘤细胞检测装置的示意构成图。如图1所示，肿瘤细胞检测装置1是主要目的在于对测定台2上的作为对象物3的细胞基于光学测定来判定是否为肿瘤细胞的装置。

本实施方式的肿瘤细胞检测装置1的目的在于，检测出在血液中循环的肿瘤细胞。因此，作为对象物3的细胞是血液中存在的细胞。另外，在本实施方式中，对作为检测对象的肿瘤细胞为血液中循环肿瘤细胞(ctc：circulatingtumorcell)的情况进行说明，但是也可以将循环内皮细胞(cec：circulatingendothelialcell)或循环内皮祖细胞(cep：circulatingendothelialprogenitor)等其它细胞作为检测对象。需要说明的是，在直接对血液中的细胞进行评价的情况下，试样为血液。另外，作为对象物3的细胞可以为从血液中取出的状态，也可以以在血液或来源于血液的液体中分散有对象物3的状态利用肿瘤细胞检测装置1进行检测。在对象物3分散在与血液不同的液体中的情况下，试样是分散有作为对象物3的细胞的液体。在图1中，示出了在测定台2上载置有作为对象物3的细胞的示例。

在肿瘤细胞检测装置1中，测定通过向对象物3照射测定光而得到的透射光的光谱，并基于该光谱判定对象物3是否为肿瘤细胞。因此，肿瘤细胞检测装置1具备光源部10、检测部20和分析部30。

光源部10对载置对象物3的区域照射测定光l1。作为光源部10的光源，可以使用卤素灯等。另外，也可以使用超连续谱(sc)光源作为光源部10的光源，所述sc光源具备种子光源和非线性介质，将从种子光源射出的光输入到非线性介质中，利用非线形介质中的非线性光学效果将光谱拓宽为宽波段，并以sc光的形式输出。在使用sc光源作为光源部10的光源的情况下，与卤素灯相比，由sc光源引起的加热减少，因此能够减轻对作为对象物3的细胞的影响。此外，光源部10可以具有调节强度的功能。

需要说明的是，本实施方式中，光源部10所照射的测定光l1的波长没有特别限定，根据对象物3和对象物3周围的液体等适当选择。作为测定光l1，可以使用近红外光。近红外光是波长范围为800nm～2500nm的波段的光。需要说明的是，作为测定光l1，也可以使用可见光。可见光是波长范围为400nm～800nm的波段的光。另外，也可以将近红外光和可见光组合而作为测定光l1。

检测部20接收从光源部10照射的测定光l1在对象物3的表面上发生漫反射或者透过对象物3后向配置检测部20的方向输出的光，并以与对象物3相关的分光光谱的形式进行检测。需要说明的是，本实施方式中的分光光谱是从分光信息中提取任意波长下的强度值、并使其与对应的波长成对而得到的一系列数据。分光光谱中包含5种以上的波长与强度值的组合，波长与强度值的组合的信息多时，后述的分析精度提高。另外，分光信息是任意波长下的光强度信息的集合体。作为具体例，为反射光强度、透射光强度、吸光度等。因此，将它们按波长顺序排列而得到的光谱为反射光光谱、透射光光谱、吸光度光谱。在检测部20中，获取反射光光谱、透射光光谱和吸光度光谱中的任一种光谱作为分光光谱。需要说明的是，反射光包含漫反射光、直接反射光等。

检测部20包含分光器21(分光单元)和检测器22。检测部20的分光器21具有将以透射光l2的形式入射的光按各波长进行分光的功能。作为分光器21，可以使用例如波长选择滤光器、干涉光学系统、衍射光栅或棱镜。在将分光器21设定为选自上述单元的构成的情况下，能够在检测部20中对来自对象物3的光适当地进行分光后获取分光光谱，因此能够拓宽能够用作光源部10的光源的选择。

作为检测部20的检测器22，可以使用例如包含汞、镉和碲的mct检测器、ingaas检测器等。在本实施方式中，示出了接收来自对象物3的透射光l2，利用分光器21进行分光，然后在检测器22中获取透射光光谱作为与对象物3相关的分光光谱的构成。在该情况下，检测部20以将对象物3夹在中间的方式设置在与光源部10相对的位置。需要说明的是，在获取来自对象物3的漫反射光光谱作为分光光谱的情况下，光源部10和检测部20相对于对象物3设置在同一侧。利用检测部20检测出的分光光谱的信息被送至分析部30。

另外，检测部20可以为获取高光谱图像的高光谱传感器。高光谱图像是一个像素由n个波长数据构成的图像，每个像素各自包含由与多个波长对应的反射强度数据构成的光谱信息。即，由于高光谱图像中的构成图像的每个像素各自具有多个波长的强度数据这样的特征，因此高光谱图像是兼具作为图像的二维要素和作为光谱数据的要素的、三维构成的数据。需要说明的是，在本实施方式中，高光谱图像是指由每一个像素包含至少5个波段内的强度数据的像素构成的图像。

需要说明的是，在本实施方式中，对于检测部20而言，对于对来自对象物3的透射光l2进行分光后获取分光光谱的构成进行了说明，但是检测部20中用于获取分光光谱的构成不限定于上述构成。例如，也可以采用从光源部10的光源射出的光的波长可变的构成。在该情况下，测定光l1的波长会发生变化，因此，在检测部20中可以通过与测定光l1的波长变化相应地依次对从作为对象物3的细胞射出的透射光l2进行检测来获取与作为对象物3的细胞相关的分光光谱。如此，用于获取与作为对象物3的细胞相关的分光光谱的光源部10和检测部20的构成可以适当进行变更。

分析部30具有接收从检测部20发送的与对象物3相关的分光光谱的信息，并通过进行演算处理等来判定对象物3是否为肿瘤细胞的功能。也可以利用分析部30进行吸收光谱的导出、测定光谱的二阶微分光谱的导出、吸收光谱的二阶微分光谱的导出等。

分析部30以具备cpu(centralprocessingunit，中央处理单元)、作为主存储装置的ram(randomaccessmemory，随机存取存储器)和rom(readonlymemory，只读存储器)、与检测单元等其它设备之间进行通信的通信模块、以及硬盘等辅助存储装置等硬件的计算机的形式构成。并且，通过这些构成要素工作，发挥作为分析部30的功能。

图2是对肿瘤细胞检测装置1的其它构成进行说明的图。图2中，以作为对象物3的细胞分散在血液或来源于血液的液体中的状态进行利用肿瘤细胞检测装置1的检测。在该情况下，从收容有包含作为对象物3的细胞的液体(血液或来源于血液的液体)的试样管5中，沿着与试样管5连接的流路51供给包含细胞的液体。对于流路51而言，通过对内径等进行调节以使得成为作为对象物3的细胞分散在液体中的状态，使细胞沿着流路51一个一个地在光源部10与检测部20之间移动。因此，在肿瘤细胞检测装置1中，能够单个地进行液体中的细胞的测定。

在图2所示的构成的情况下，利用检测部20对通过对沿着流路51流动的液体中的对象物3照射测定光l1而从对象物3射出的透射光l2进行检测。如此，用于向对象物3照射测定光l1的构成和用于检测来自对象物3的透射光l2的构成可以适当进行变更。另外，在肿瘤细胞检测装置1中，也可以采用同时进行多个细胞的测定的构成。在该情况下，在检测部20中，也可以采用同时获取多个细胞的分光光谱的构成。但是，作为对象物3的细胞是否为肿瘤细胞的判定以细胞单位来进行。如此，光源部10和检测部20的构成可以适当进行变更。

接着，参照图3对利用肿瘤细胞检测装置1的检测方法进行说明。该检测方法具有以下步骤：在肿瘤细胞检测装置1中，通过对作为检测对象物3的细胞照射测定光l1而获取与该细胞相关的漫反射光谱或透射光谱作为对象物3的分光光谱的步骤(s01)；基于在获取步骤中得到的分光光谱来判定作为对象物3的细胞是否为肿瘤细胞的步骤(s02：分析步骤)；和输出判定结果的步骤(s03)。在获取分光光谱的步骤(s01)中，从光源部10向对象物3照射测定光l1。从光源部10照射的测定光l1向对象物3入射。透过对象物3后的光中向检测部20的方向行进的透射光l2到达检测部20，在检测部20中，获取作为与对象物3相关的分光光谱的透射光谱。然后，在进行是否为肿瘤细胞的判定的步骤(s02)中，基于在检测部20中得到并被送至分析部30的分光光谱(透射光谱)，进行与作为对象物3的细胞相关的处理。

在此，本实施方式的利用肿瘤细胞检测装置1进行的肿瘤细胞检测方法的特征在于，在基于作为对象物3的细胞的分光光谱来判定是否为肿瘤细胞时，使用统计方法、机器学习或模式识别。对于这一点具体进行说明。

图4是培养癌细胞(肿瘤细胞)、红细胞和淋巴细胞的近红外光的波段内的分光光谱(1000nm～2200nm)的示例。图4(a)是培养癌细胞的分光光谱，图4(b)是红细胞的分光光谱，图4(c)是淋巴细胞的分光光谱(吸光度光谱)。需要说明的是，图4(a)～图4(c)所示的分光光谱各自是使用光量100％的基准光谱和光量0％的基准光谱、对各波长下的吸光度进行转换后作图得到的光谱。培养癌细胞、红细胞和淋巴细胞均为血液中含有的细胞，如图4(a)～图4(c)所示，难以基于分光光谱的形状或特定波长下的吸光度等对它们进行分类。与此相对，在本实施方式的肿瘤细胞检测方法中，通过使用统计方法、机器学习或模式识别而将肿瘤细胞与其它细胞区分开。

作为统计方法，可以使用例如主成分分析、因素分析等。另外，作为机器学习，可以使用例如支持向量机(supportvectormachine：svm)等。另外，作为模式识别，可以使用例如mt法等。

在本实施方式中，对使用主成分分析(pca：principalcomponentanalysis)作为用于确定肿瘤细胞的分析方法的情况进行说明。具体而言，获取与图4(a)～图4(c)中所示的3种细胞、即培养癌细胞(肿瘤细胞)、红细胞和淋巴细胞相关的多种吸光度光谱，并对能否基于使用这些吸光度光谱的主成分分析来确定肿瘤细胞进行了确认。

具体而言，通过进行基于培养癌细胞(肿瘤细胞)和血液细胞(红细胞和淋巴细胞)的吸光度光谱的主成分分析，求出与各吸光度光谱的特征相关的第一主要成分和第二主要成分。然后，计算出各吸光度光谱中的第一主要成分的分值和第二主要成分的分值，并进行作图。将其结果示于图5。

将由主成分分析中使用的各吸光度光谱求出的第一主要成分和第二主要成分的分值进行作图时，如图5所示，能够将培养癌细胞(pc14)、红细胞和淋巴细胞分类为相互不同的组。需要说明的是，图5中，红细胞和淋巴细胞存在部分重叠的部分，但是可以确认到培养癌细胞(肿瘤细胞)与血液细胞(红细胞和淋巴细胞)明确地区分。像这样能够明确地区分肿瘤细胞与血液细胞时，能够确定用于对两者进行分类的边界条件。

因此，在对种类未知的细胞进行是否为肿瘤细胞的判定时，如上所述，利用种类已知的多种细胞的分光光谱进行主成分分析，确定第一主成分和第二主成分，并且预先求出用于判定是否为肿瘤细胞的边界条件。然后，求出作为判定对象的细胞的分光光谱的与第一主成分和第二主成分对应的分值，通过与边界条件的对比来进行该细胞是否为肿瘤细胞的判定。

如此，根据肿瘤细胞检测装置1和肿瘤细胞检测方法，能够以非接触的方式进行作为对象物的细胞是否为肿瘤细胞的判定。即，能够从种类未知的细胞中以非接触的方式检测出肿瘤细胞。

需要说明的是，图5中，对于利用波段1000nm～2200nm内的分光光谱来区分癌细胞与血液细胞的示例进行了说明，但是即使在改变分光光谱的波段的情况下，也能够利用主成分分析来区分癌细胞和血液细胞。图6～图8中示出其它分析例。

图6是利用波段1200nm～1500nm内的分光光谱来区分癌细胞和血液细胞的示例。另外，图7是利用波段1500nm～1800nm内的分光光谱来区分癌细胞和血液细胞的示例。另外，图8是利用波段1800nm～2100nm内的分光光谱来区分癌细胞和血液细胞的示例。图6～图8所示的分析例中使用的分光光谱与图5中的分析例相同，但是改变了作为进行分析的对象的波段。在任一分析例中，均可以确认到肿瘤细胞与血液细胞(红细胞和淋巴细胞)明确地区分。如此，在进行主成分分析时利用的分光光谱的波段没有特别限定，可以适当变更。

另外，利用肿瘤细胞检测装置1和肿瘤细胞检测方法进行的肿瘤细胞的检测并不是利用肿瘤细胞的特定波长下的吸光度等，而是利用肿瘤细胞与其它细胞(血液细胞)的分光光谱的形状的差异。因此，在上述实施方式中，对于通过进行主成分分析来检测肿瘤细胞的示例进行了说明，但是使用能够基于分光光谱的形状的差异进行分类的其它方法、即统计方法、机器学习或模式识别，也能够进行肿瘤细胞的检测。

例如，在使用支持向量机分离成血液细胞与除此以外的细胞这两组的情况下，预先获取血液细胞和肿瘤细胞的分光光谱作为种类已知的细胞的分光光谱。然后，将两种分光光谱作为示教数据，使用支持向量机，制成判别函数和判别阈值。然后，获取种类未知的作为分析对象的细胞的分光光谱，并进行分析。此时，通过将作为分析对象的细胞的分光光谱乘以判别函数而得到的结果与判别阈值进行比较，能够判定该细胞是否为肿瘤细胞。如此，使用分光光谱，并使用统计方法、机器学习或模式识别，能够将肿瘤细胞与血液细胞区分开。

此外，上述对于利用近红外光的波长范围内的分光光谱的分析进行了说明，但是在其它波长范围内在肿瘤细胞与其它细胞之间分光光谱的形状也会发生变化。因此，即使在利用针对其它波长范围的光的分光光谱的情况下，也能够与上述示例同样地检测出肿瘤细胞。

对利用上述肿瘤细胞检测装置1和肿瘤细胞检测方法的作用效果进行说明。以往，为了从血液中的各种细胞中检测出肿瘤细胞，需要利用特定的标志蛋白对肿瘤细胞进行染色。但是，在上述肿瘤细胞检测装置1和肿瘤细胞检测方法中，通过着眼于认为主要是由于两者的细胞骨架的差异而产生的分光光谱的差异而实现了区分。即，由于不依赖于特定的标志蛋白，因此理论上能够对所有的肿瘤细胞进行检测。

另外，在以往的方法中使用抗体，因此检测能力依赖于作为对象的细胞中的标志蛋白的表达量。因此可知，根据细胞种类的不同，有时难以进行检测。与此相对，在上述肿瘤细胞检测装置1和肿瘤细胞检测方法中，利用分光光谱中的血液细胞与肿瘤细胞的差异来判别两者。因此，标志蛋白的表达少的肿瘤细胞也能够进行检测。

例如，用于获取上述图5～图8的分析例中使用的分光光谱的培养癌细胞(pc14)是培养细胞株中用于利用以往一直使用的装置并使用抗体进行的检测的、标志蛋白的表达量少的细胞株。即，该细胞是利用以往的方法难以进行检测的细胞。但是，通过使用上述肿瘤细胞检测装置1和肿瘤细胞检测方法，确认到无论标志蛋白的多少都能够与血液细胞区分开。如此，可以认为，对于上述肿瘤细胞检测装置1和肿瘤细胞检测方法而言，无论肿瘤细胞的种类如何，检测精度都提高。

此外，在上述肿瘤细胞检测装置1和肿瘤细胞检测方法中，仅通过获取分光光谱就能够检测出肿瘤细胞，因此能够以非接触、非侵入的方式检测出肿瘤细胞。因此，无需在细胞上附着标志蛋白等标记物质，因此在之后的检查、分析、研究中能够使用损伤少的细胞。

能够以非接触的方式检测出肿瘤细胞时，可以预料到，不限于以往一直进行的肿瘤细胞数的检测，还可以大大促进使用肿瘤细胞的dna分析或蛋白质分析。另外认为，使用上述实施方式中说明的方法时，关于肿瘤细胞，能够得到比以往可靠性更高的数据。因此，可以期待作为作为临床实践中的癌诊断中的标准的、使用肿瘤组织的诊断的替代诊断，使用ctc等血液中的肿瘤细胞的诊断的临床应用的可能性扩大。另外，容易从血液中的细胞中检测出肿瘤细胞时，还可以期待使用回收的肿瘤细胞的癌基础研究的发展、作为其成果的新治疗靶点的鉴定等。在上述肿瘤细胞检测装置1和肿瘤细胞检测方法作为研究和医疗设备得到实用化的情况下，可以期待向实施研究的研究机构或癌诊疗的基层医院中的引入，由此可以期待较大的经济效果。

需要说明的是，本发明的肿瘤细胞检测装置1和肿瘤细胞检测方法不限于上述实施方式。例如，不限于如上述实施方式那样肿瘤细胞检测装置1具备光源部10、检测部20和分析部30的构成，其构成可以适当变更。另外，肿瘤细胞检测方法也能够在不像肿瘤细胞检测装置1那样具备光源部10和检测部20的装置中实施。即，也可以为利用使用其它装置获取的分光光谱来进行分析的构成。

附图标记

1…肿瘤细胞检测装置、2…测定台、3…对象物、5…试样管、10…光源部、20…检测部、30…分析部。