📄 bioingeniería

CountAnywhere: frugal cell counting and viability from smartphone hemocytometer photos

CountAnywhere es una plataforma basada en el navegador que aprovecha las fotos de hemocitómetros tomadas con teléfonos inteligentes y modelos de IA ajustados para proporcionar un recuento de células y una evaluación de viabilidad rápidos, precisos y sin necesidad de hardware, superando a los métodos manuales tradicionales tanto en precisión como en eficiencia.

Autores originales: Yang, M., Mamo, M., Usmani, A., Janowska, L., Yang, B., Janowski, M., Walczak, P., Du, F., Liang, Y.

Publicado 2026-10-29

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yang, M., Mamo, M., Usmani, A., Janowska, L., Yang, B., Janowski, M., Walczak, P., Du, F., Liang, Y.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

En casi todos los laboratorios donde los científicos cultivan células vivas, ocurre diariamente una tarea rutinaria pero crítica: contarlas. Antes de que los investigadores puedan estudiar cómo un fármaco afecta a un tumor, cómo un virus infecta un tejido o cómo las células madre se convierten en nuevos órganos, deben saber exactamente cuántas células tienen y cuántas siguen vivas. Durante décadas, esto se ha hecho con un portaobjetos de vidrio llamado hemocitómetro, que contiene una diminuta gota de líquido sobre una cuadrícula grabada en su superficie. Un científico coloca este portaobjetos bajo un microscopio, mira a través del ocular y contabiliza manualmente las células en los cuadros de la cuadrícula. Es un proceso lento y tedioso que depende enteramente del ojo humano y de la paciencia de la persona que realiza el conteo. Debido a que las personas se cansan o se distraen, dos científicos diferentes podrían contar la misma gota de células y obtener números distintos. Para solucionar esto, muchos laboratorios compran ahora máquinas automatizadas costosas que cuentan las células por ellos, pero estos dispositivos cuestan miles de dólares y requieren portaobjetos desechables especiales para cada muestra, lo que suma costos significativos con el tiempo.

Un equipo de investigadores de la Facultad de Medicina de la Universidad de Maryland ha desarrollado una nueva forma de abordar este problema que no requiere de una máquina costosa ni de portaobjetos especiales. Crearon una herramienta gratuita, basada en el navegador, llamada CountAnywhere, que convierte un teléfono inteligente estándar en un contador de células. El sistema funciona tomando una fotografía del portaobjetos de vidrio a través de un microscopio y utilizando la cuadrícula ya grabada en el portaobjetos para realizar los cálculos. En lugar de depender de un instrumento dedicado, el software utiliza las líneas de la cuadrícula como una regla para medir el área, verifica si la imagen es lo suficientemente nítida como para ser útil y luego identifica y cuenta automáticamente cada célula en la imagen. También determina si cada célula está viva o muerta comprobando qué tan oscura o clara se ve en comparación con su entorno inmediato. Este enfoque elimina la necesidad de equipos costosos y materiales desechables, haciendo que el conteo de células preciso sea accesible para cualquier laboratorio con un microscopio y un teléfono.

Los investigadores construyeron este sistema para que funcione con las fotografías ordinarias que los científicos ya toman cuando observan células. Cuando un usuario carga cuatro imágenes de los cuadros de la cuadrícula de un portaobjetos de vidrio estándar, el software primero encuentra las líneas de la cuadrícula en la imagen. Utiliza estas líneas para corregir cualquier inclinación o distorsión en la foto, asegurando que el área que se mide sea exactamente un milímetro cuadrado, independientemente de qué tan lejos estuviera el teléfono del microscopio o qué tipo de teléfono se usara. Este paso es crucial porque convierte una simple instantánea en una herramienta de medición precisa. Una vez corregida la imagen, el software escanea el área para encontrar las células. En las pruebas iniciales, un programa informático de propósito general diseñado para encontrar objetos en imágenes omitió muchas de las células, especialmente cuando estaban agrupadas o se parecían mucho al fondo. Para solucionar esto, los investigadores entrenaron al software específicamente con imágenes de cinco tipos diferentes de células, mostrándole miles de ejemplos de cómo se ven estas células en un hemocitómetro. Este entrenamiento permitió al software reconocer las células con alta precisión, encontrando casi todas y cada una de ellas incluso en condiciones de aglomeración.

Después de que el software ha identificado las células, decide cuáles están vivas y cuáles están muertas. En este método, los científicos a menudo mezclan las células con un tinte azul que solo entra en las células con membranas dañadas, que son las muertas. Las células vivas permanecen brillantes y claras, mientras que las muertas se vuelven de un azul oscuro. El software mide el brillo de cada célula y lo compara con el brillo del líquido que se encuentra justo al lado. Si la célula es más oscura que su entorno, el programa la marca como muerta; si es más brillante, la marca como viva. Esta regla es simple y no requiere cálculos complejos ni ajustes para diferentes tipos de células. Los investigadores probaron este método en miles de células de cinco líneas celulares diferentes y encontraron que identificaba correctamente las células vivas y muertas con un nivel de precisión que igualaba al de los expertos humanos.

Para ver qué tan bien funcionó este nuevo método en el mundo real, los investigadores lo compararon tanto con el conteo manual realizado por humanos como con el conteo por una máquina automatizada comercial. Analizaron 128 secciones diferentes de muestras de células. Los resultados mostraron que la aplicación para teléfonos inteligentes coincidía con el conteo real más de cerca que los contadores humanos. Cuando las personas contaban las células a mano, tendían a perder más células a medida que aumentaba el número de células en la muestra, lo que resultaba en conteos inferiores a los que realmente estaban presentes. La aplicación, sin embargo, no cometió este error; contó la misma proporción de células ya fuera que la muestra fuera escasa o muy densa. En términos de velocidad, la aplicación también fue significamente más rápida. Un conteo completo de una muestra tomó unos 50 segundos usando la aplicación, mientras que el conteo manual tomó un promedio de 122 segundos. La máquina comercial fue la más rápida, con unos 17 segundos, pero requería un instrumento dedicado y un portaobjetos desechable para cada muestra, mientras que la aplicación utilizó únicamente el portaobjetos de vidrio reutilizable y un teléfono.

Los investigadores validaron sus hallazgos a través de múltiples sesiones utilizando diferentes tipos de células y diferentes modelos de teléfonos inteligentes, incluyendo tanto dispositivos Android como Apple. Confirmaron que el sistema funciona de manera confiable siempre que la imagen esté enfocada y la cuadrícula sea visible. También señalaron que el software puede ejecutarse en una computadora local dentro de un laboratorio, lo que significa que ni siquiera necesita una conexión a Internet para funcionar, lo cual es importante para laboratorios en áreas remotas o con reglas estrictas de seguridad de datos. El estudio concluye que este método democratiza el conteo de células al eliminar las barreras financieras y técnicas que han mantenido el conteo automatizado y preciso fuera del alcance de muchos laboratorios más pequeños. Al utilizar la cuadrícula que ya está presente en el portaobjetos de vidrio, el sistema transforma un equipo de laboratorio estándar en una herramienta poderosa, precisa y asequible para medir la vida a nivel celular.

Resumen Técnico: CountAnywhere

Planteamiento del Problema
El conteo de células es un paso fundamental en la biología celular que determina la concentración, la viabilidad y la densidad de siembra. Los métodos actuales presentan un compromiso entre costo y conveniencia. El conteo manual utilizando un hemocitómetro es económico pero lento, dependiente del operador y propenso a la variabilidad. Los contadores automatizados ofrecen velocidad y una reducción del sesgo del operador, pero requieren instrumentos dedicados y costosos (US $3,300–$ 7,300) y portaobjetos desechables para cada muestra, lo que genera costos recurrentes significativos. Aunque los modelos de aprendizaje profundo como Cellpose-SAM han mejorado la segmentación de células, no están diseñados para manejar los desafíos específicos de las imágenes de hemocitómetros, tales como la distorsión de perspectiva, el enfoque variable y la necesidad de reglas de conteo estereológico. Los contadores existentes basados en smartphones suelen depender de accesorios ópticos personalizados, lo que limita su accesibilidad.

Metodología
Los autores presentan CountAnywhere, una plataforma basada en el navegador que automatiza el conteo de células y la evaluación de la viabilidad con azul de tripano a partir de fotografías ordinarias de un hemocitómetro estándar. El sistema opera sin hardware dedicado más allá de un microscopio estándar, un hemocitómetro y un smartphone.

Adquisición de Imágenes: Los usuarios fotografían los cuatro cuadrantes de 1 mm de las esquinas de un hemocitómetro a través del ocular de un microscopio utilizando un adaptador impreso en 3D de bajo costo para estabilizar el teléfono. El flujo de trabajo incluye un protocolo de mesa para asegurar que la rejilla esté centrada, enfocada y con una inclinación menor a 30°.
Calibración Basada en la Rejilla: La plataforma utiliza la rejilla de conteo existente como una herramienta multifuncional:
- Regla: Un solo toque del usuario cerca del centro de un cuadrante inicia un algoritmo de ajuste de red (lattice-fitting) que detecta el bloque de 1 mm, corrige la distorsión de perspectiva y establece una escala de píxel a micra independiente del modelo de teléfono o del nivel de zoom.
- Verificación de Enfoque: El sistema mide el ancho a la mitad del máximo (FWHM) de las líneas de la rejilla interna. Las imágenes con anchos de línea de rejilla superiores a 9 µm se marcan como fuera de foco.
- Marco de Conteo: El bloque detectado define un marco de conteo estereológico. El sistema recorta la imagen con una expansión del 5% para preservar las células en los bordes, y luego aplica una regla de exclusión estándar (excluyendo las células que tocan los bordes superior e izquierdo; contando aquellas que tocan los bordes inferior y derecho).
Segmentación: Un modelo Cellpose-SAM (que combina Cellpose con el Segment Anything Model) ha sido ajustado (fine-tuned) mediante un conjunto de datos de cinco líneas celulares distintas (mutHEK, HT1080, COS7, HEK293, CT2A). El modelo fue entrenado utilizando un flujo de trabajo de humano en el bucle (human-in-the-loop), donde las máscaras preliminares fueron corregidas para manejar detritos, agregados y células muertas oscuras.
Clasificación de Viabilidad: Una regla de contraste local libre de parámetros clasifica las células como vivas o muertas. Se calcula la relación entre el nivel de gris promedio de una célula y el nivel de gris mediano de un anillo de fondo circundante (de 2 a 22 µm de ancho). Las células con una relación inferior a 1.0 (más oscuras que su entorno) se clasifican como muertas. Esta regla no requiere datos de entrenamiento y es robusta ante variaciones de exposición y balance de blancos.
Implementación: El software funciona como una aplicación web pública (Hugging Face Space) o en un servidor local, por lo que no requiere una GPU en el dispositivo del usuario.

Resultos Clave

Precisión de Segmentación: El ajuste fino del modelo Cellpose-SAM mejoró significativamente el rendimiento en imágenes de hemocitómetros. La puntuación F1 aumentó de 0.46 (modelo estándar) a 0.97 en imágenes de prueba no vistas. El modelo ajustado redujo el error de conteo de -61% a +4%.
Evaluación de Viabilidad: La regla de contraste local alcanzó una sensibilidad del 98% y una especificidad del 99% frente a 5,739 células etiquetadas manualmente a través de cinco líneas celulares, con un Área Bajo la Curva (AUC) de 0.998. La regla funcionó de manera consistente sin necesidad de ajustes específicos por línea.
Precisión vs. Conteo Manual: En 128 cuadrantes de hemocitómetro, CountAnywhere mostró una mayor concordancia con la verdad de campo (Lin's CCC = 0.999) en comparación con el conteo manual (CCC = 0.970). El error absoluto medio para la aplicación fue de 5.3% frente al 10.7% del conteo manual. Crucialmente, los conteos manuales exhibieron una deriva sistemática hacia la baja a medida que aumentaba la densidad celular, mientras que los conteos de la aplicación se mantuvieron precisos.
Velocidad: La aplicación procesó una cámara completa en aproximadamente 50 segundos (mediana), en comparación con los 122 segundos del conteo manual. Aunque los contadores comerciales fueron más rápidos (17.5 s), estos incurren en costos de consumibles.
Detección de Enfoque: El ancho de la línea de la rejilla logró separar exitosamente las imágenes enfocadas de las fuera de foco con un AUC de 1.00 en el conjunto de prueba.

Significancia y Reivindicaciones
El artículo afirma que CountAnywhere democratiza el conteo de células al eliminar la necesidad de instrumentos costosos y consumibles desechables. Al aprovechar la rejilla ya presente en cada imagen de hemocitómetro para la calibración, la verificación de enfoque y el conteo, el sistema transforma un modelo de segmentación de propósito general en una herramienta científica robusta y frugal. Los autores sostienen que este enfoque hace que los experimentos basados en células, precisos y reproducibles, sean accesibles para laboratorios con fondos limitados, laboratorios de enseñanza y científicos en países de ingresos bajos y medios, siempre que cuenten con un microscopio estándar, un smartphone y acceso a internet (o un servidor local). El estudio enfatiza que el método depende de componentes ampliamente disponibles y protocolos estándar, adhiriéndose a los principios de la ciencia frugal.

Más como este