KI-basierte Autismus-Erkennung durch hyperspektrale Bildgebung von oxidativem Stress in pädiatrischen roten Blutkörperchen

Warum ein Blutstropfen verborgenen Stress zeigen kann

Ärztinnen und Ärzte vermuten seit langem, dass viele Krankheiten unsere Zellen schon Jahre vor dem Auftreten von Symptomen schädigen, doch es fehlten einfache Werkzeuge, um diesen frühen Schaden sichtbar zu machen. Diese Studie untersucht eine neue Methode, um solchen verborgenen Schaden aus einem einzigen Blutstropfen abzulesen, mithilfe fortschrittlicher Bildgebung und künstlicher Intelligenz. Die Arbeit konzentriert sich auf Kinder mit Autismus, doch der Ansatz könnte schließlich bei der Überwachung einer breiten Palette von Zuständen helfen, die mit zellulärem "Verschleiß" verbunden sind.

Eine neue Art, Blutkörperchen zu betrachten

Rote Blutkörperchen transportieren nicht nur Sauerstoff; ihre fragile äußere Membran hält auch eine Art chemisches Gedächtnis darüber fest, welchen Belastungen ein Mensch ausgesetzt war. Wenn der Körper oxidativem Stress ausgesetzt ist – einem Ungleichgewicht zwischen schädlichen reaktiven Molekülen und den körpereigenen Abwehrmechanismen – gehören bestimmte empfindliche Fette in dieser Membran zu den ersten Angriffszielen. Statt nach einer einzelnen Chemikalie zu suchen, nutzten die Forscher hyperspektrale Bildgebung, eine Technik, die erfasst, wie jeder winzige Bereich einer Zelle Licht über viele Wellenlängen hinweg streut, weit über das hinaus, was unsere Augen sehen. Jeder Pixel wird so zu einer Art Farb-Fingerabdruck, der sowohl die vorhandenen Moleküle als auch ihre Anordnung in der Membran widerspiegelt.

Eine Karte gesunder und gestresster Zellen erstellen

Um zu verstehen, was oxidativer Stress mit roten Blutkörperchen macht, erstellte das Team zunächst ein kontrolliertes Labor-Modell. Sie sammelten kleine Blutproben gesunder Erwachsener und setzten einige Proben behutsam Wasserstoffperoxid aus, einem bekannten Oxidationsmittel. Mit hyperspektraler Dunkelfeldmikroskopie zeichneten sie detaillierte Lichtstreuungsmuster vieler einzelner Zellen auf und gruppierten diese Muster dann in acht wiederkehrende "Spektralsignaturen". Parallel dazu analysierten sie chemisch die Membranfette und bestätigten, dass Oxidation empfindliche mehrfach ungesättigte Fette reduzierte und robustere gesättigte Fette erhöhte. Bestimmte Spektralsignaturen verschoben sich auf konsistente Weise, wenn diese chemische Umgestaltung stattfand, was zeigte, dass die Bildgebung strukturelle Membranveränderungen "sehen" konnte, ohne die Zellen zu berühren oder Farbstoffe zu verwenden.

Anwendung der Methode bei Kindern mit Autismus

Mit dieser Referenz wandten sich die Forscher Blutproben von 27 Jungen mit Autismus-Spektrum-Störung und 31 neurotypischen Jungen ähnlichen Alters und Körperumfangs zu. Sie bildeten die roten Blutkörperchen jedes Kindes mit dem gleichen hyperspektralen Protokoll ab. Mehrere der Spektralsignaturen bei Kindern mit Autismus wichen von denen der neurotypischen Kinder ab, und die Richtung dieser Veränderungen spiegelte eng das wider, was in den oxidierten Erwachsenenproben beobachtet worden war. Eine bestimmte Signatur, die mit Membranen assoziiert war, die empfindliche Fette verloren und stattdessen steifere Anteile gewonnen hatten, hob sich als besonders verändert hervor. Das deutet auf ein gemeinsames Muster hin: Die roten Blutkörperchen vieler Kinder mit Autismus schienen die optischen Kennzeichen eines erhöhten oxidativen Stresses zu tragen.

Künstliche Intelligenz liest die Muster

Da die hyperspektralen Daten komplex sind, setzte das Team künstliche neuronale Netze ein – Computermodelle, die von Gehirnschaltkreisen inspiriert sind –, um zu lernen, wie Kombinationen von Spektralsignaturen mit Autismus bzw. typischer Entwicklung zusammenhängen. Nachdem die Daten sorgfältig in Trainings- und Testsätze aufgeteilt und unbrauchbare Eingaben entfernt worden waren, konnte das System die Proben der Kinder mit einer Gesamtgenauigkeit von etwa 93 Prozent in die Gruppen "Autismus" und "neurotypisch" sortieren, mit hoher Sensitivität und Spezifität. Ein zweites KI-Werkzeug, das dazu gedacht war, verborgene Beziehungen aufzuzeigen statt Vorhersagen zu treffen, hob eine wichtige Spektralsignatur als am stärksten mit der Autismusgruppe verknüpft hervor und stärkte damit die Idee, dass ein bestimmtes Muster von Membranveränderungen zentral ist.

Was das für die zukünftige Versorgung bedeuten könnte

Die Autoren betonen, dass dies noch kein diagnostischer Test für Autismus ist und nicht dazu verwendet werden sollte, einzelne Kinder zu etikettieren. Vielmehr zeigt die Studie, dass die Membranen roter Blutkörperchen ein lesbares Protokoll oxidativen Stresses tragen und dass hyperspektrale Bildgebung in Kombination mit KI diese Information schnell aus nur zwei Mikrolitern Blut extrahieren kann, ohne invasive Eingriffe oder zusätzliche Chemikalien. Langfristig könnten ähnliche Ansätze Ärztinnen und Ärzten helfen nachzuvollziehen, wie stark die Zellen einer Person belastet sind, personalisierte Entscheidungen zu Ernährung und Behandlung zu unterstützen und zu überwachen, ob Therapien gesündere Zellmembranen wiederherstellen, bevor ernsthafte Krankheiten entstehen.

Zitation: Vartian, R., Sansone, A., Batani, G. et al. AI-based autism identification from hyperspectral imaging detection of oxidative stress in pediatric red blood cells. Commun Med 6, 266 (2026). https://doi.org/10.1038/s43856-026-01581-y

Schlüsselwörter: oxidativer Stress, rote Blutkörperchen, hyperspektrale Bildgebung, Autismus, künstliche Intelligenz