عدّ خلايا الدم دون عدسات سريع
تسقط قطرة دم على حساس صغير، وخلال دقيقة يعرف الطبيب عدد الخلايا الدفاعية المختلفة فيها. هكذا يبدو مستقبل تحليل الدم الذي قرّبه مهندسون دنماركيون.
فبدل المجهر التقليدي بعدساته، صمّموا جهازًا بلا عدسات. تمرّ الخلية فوق الحساس، فيسجّل نمطًا من الحلقات الداكنة والفاتحة — صورة هولوغرافية. ومن خلال هذه الحلقات، تتعرّف الشبكة العصبية على نوع الخلية أمامها. النسخة الأولى من الجهاز ميّزت ثلاثة أنواع رئيسية من خلايا الدم البيضاء بدقة 89,6%. ثم بُسّط التصميم وأزيلت العدسات — فارتفعت الدقة إلى 92,65% للأنواع الثلاثة، و89,44% لخمسة أنواع.
هذا الجهاز قادر بالفعل على رصد الخلايا الوحيدة (monocytes) — وهي خلايا كبيرة تهاجم البكتيريا في المقام الأول. يقيس الأطباء تباين أحجامها (MDW) للكشف المبكر عن الإنتان — تسمّم الدم الذي تكون الساعات فيه حاسمة. كما علّم المهندسون الشبكة العصبية أن "تكتمل" الصور وتجعلها أوضح دون أي بصريات إضافية.
هذه هي الخطوة الأولى حاليًا، لكن من الواضح بالفعل كيف يتحوّل التحليل المخبري الضخم إلى جهاز بحجم كف اليد — ليجد مكانه بجانب سرير المريض.
الملخص الأصلي
كما كتبه المؤلفون، بالإنجليزية arXiv:2602.04618
This industrial Ph.D. project, carried out in collaboration between Radiometer Medical ApS and SDU Centre for Photonics Engineering at the University of Southern Denmark, explored the use of digital holographic microscopy (DHM) for the purposes of differential white blood cell counts (dWBCs) in point-of-care (PoC) devices for acute care settings. Two DHM prototypes were developed; an initial lens-based system serving as the foundation for algorithm development, and experimental validation of the approach, achieving 89.6% classification accuracy on a 3-part differential, and a subsequent lensless system for simplified design and increased field-of-view (FoV). Both prototypes employed convolutional neural networks (CNNs) for cell classification. With further optimizations, the lensless system achieved classification accuracies of 92.65% and 89.44% on the 3-part and 5-part differential, respectively. With the lensless system, the derivation of the monocyte distribution width (MDW), a biomarker for sepsis, was also demonstrated. Additionally, pixel super-resolution and multi-wavelength DHM approaches were investigated to enhance the obtained cell information. Finally, a proof-of-principle physics-informed neural network (PINN) for holographic reconstruction was implemented, demonstrating the potential for machine learning (ML) reconstruction techniques. In summary, this work represents an initial exploration of DHM for dWBC in PoC devices, laying the groundwork for future research.
يمكن للقطة واحدة بلا عدسات أن تلتقط أكثر من مئة خلية في الوقت نفسه — بينما لا يرى المجهر التقليدي عالي التكبير سوى بضع خلايا.