Contar células sanguíneas sin lentes exprés
Una gota de sangre cae sobre un diminuto sensor y, en un minuto, el médico ya sabe cuántos defensores de cada tipo hay en ella. Así se vislumbra el futuro del análisis de sangre, un futuro que los ingenieros daneses han acercado.
En lugar de un microscopio convencional con lentes, han construido un dispositivo sin lentes. La célula pasa sobre el sensor, que registra un patrón de anillos oscuros y claros: un holograma. A partir de esos anillos, la red neuronal reconoce qué célula tiene delante. La primera versión del dispositivo distinguía los tres tipos principales de glóbulos blancos con una precisión del 89,6%. Luego simplificaron el diseño, eliminaron las lentes y la precisión incluso aumentó: 92,65% para tres tipos y 89,44% para cinco.
Este dispositivo ya es capaz de encontrar monocitos, las células grandes que son las primeras en lanzarse contra las bacterias. Los médicos miden la dispersión de sus tamaños (MDW) para detectar temprano la sepsis, una infección de la sangre donde cada hora cuenta. Además, los ingenieros han enseñado a la red neuronal a "completar" las imágenes, haciéndolas más nítidas sin óptica adicional.
Por ahora, esto es solo un primer paso. Pero ya se ve cómo el voluminoso análisis de laboratorio se reduce al tamaño de una palma y llega a la cabecera del paciente.
Resumen original
tal como lo escribieron los autores, en inglés 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.
Una sola imagen sin lentes puede capturar más de un centenar de células a la vez; un microscopio convencional de gran aumento solo ve unas pocas.