Compter les cellules sanguines sans lentilles express
Une goutte de sang tombe sur un minuscule capteur, et en une minute, le médecin sait déjà combien de défenseurs de l'organisme elle contient. Voilà à quoi ressemble l'avenir de l'analyse sanguine, rapproché par des ingénieurs danois.
Au lieu d'un microscope classique à lentilles, ils ont assemblé un appareil sans lentille. La cellule passe au-dessus du capteur, qui enregistre un motif d'anneaux sombres et clairs — un hologramme. Grâce à ces anneaux, le réseau de neurones reconnaît de quelle cellule il s'agit. La première version de l'appareil distinguait trois principaux types de globules blancs avec une précision de 89,6 %. Puis la conception a été simplifiée, les lentilles ont été retirées — et la précision a même augmenté : 92,65 % pour trois types et 89,44 % pour cinq.
Cet appareil sait déjà repérer les monocytes — de grandes cellules qui se précipitent en premier sur les bactéries. Les médecins mesurent la dispersion de leur taille (MDW) pour détecter précocement un sepsis — une infection du sang où chaque heure compte. De plus, les ingénieurs ont appris au réseau de neurones à « compléter » les images, les rendant plus nettes sans optique supplémentaire.
Pour l'instant, ce n'est qu'un premier pas. Mais on voit déjà comment l'analyse de laboratoire encombrante se réduit à la taille d'une paume — et se retrouve au chevet du patient.
Résumé original
tel que rédigé par les auteurs, en anglais 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.
Une seule image sans lentille peut capturer plus d'une centaine de cellules en même temps — un microscope classique à fort grossissement n'en voit que quelques-unes.