Un equipo de investigación ha presentado XPAR-Net, una red de alineación y reconstrucción entre paradigmas diseñada para la microscopía sin lentes sobre chip. El método aborda el problema de reconstruir imágenes de alta fidelidad a partir de las mediciones holográficas crudas que capturan estos dispositivos compactos, sin depender de las ópticas convencionales que ocupan la mayor parte del volumen de un microscopio tradicional.

La microscopía sin lentes sobre chip sustituye el objetivo por un sensor y una apertura cercana, lo que permite dispositivos portátiles y de bajo coste para diagnóstico y monitorización celular. El precio de esa simplicidad óptica es computacional: la imagen debe reconstruirse a partir de patrones de difracción, y los algoritmos clásicos de fase introducen artefactos y ruido que limitan la resolución útil.

XPAR-Net combina la alineación entre paradigmas de adquisición con una etapa de reconstrucción aprendida, de modo que la red corrige las discrepancias entre las condiciones de medida y el modelo físico subyacente antes de generar la imagen final. La arquitectura se entrena sobre pares de datos simulados y experimentales, lo que le permite generalizar a distintas configuraciones de iluminación y sensores sin reentrenar desde cero.

El resultado es una reconstrucción de mayor fidelidad que las técnicas de fase iterativas convencionales, con mejor preservación de bordes y contraste en muestras biológicas. El trabajo se inscribe en la tendencia de trasladar la carga de la imagen del hardware al software, un enfoque que promete microscopios de bolsillo para laboratorios con recursos limitados y para análisis en el punto de atención. Los próximos pasos incluyen validar el método en muestras clínicas reales y estudiar su robustez frente a variaciones en el sensor.