Identificación de autismo basada en IA mediante imágenes hiperespectrales que detectan estrés oxidativo en glóbulos rojos pediátricos

Por qué una gota de sangre puede revelar estrés oculto

Los médicos han sospechado durante mucho tiempo que muchas enfermedades dañan silenciosamente nuestras células años antes de que aparezcan los síntomas, pero han carecido de herramientas sencillas para ver ese daño temprano. Este estudio explora una nueva forma de leer ese daño oculto a partir de una sola gota de sangre, utilizando imágenes avanzadas e inteligencia artificial. El trabajo se centra en niños con autismo, pero el enfoque podría, en el futuro, ayudar a monitorizar una amplia gama de condiciones relacionadas con el “desgaste” celular.

Una nueva manera de mirar las células sanguíneas

Los glóbulos rojos hacen más que transportar oxígeno; su delicada membrana externa también registra las tensiones químicas a las que ha estado expuesta una persona. Cuando el organismo sufre estrés oxidativo—un desequilibrio entre moléculas reactivas dañinas y las defensas del cuerpo—ciertos lípidos frágiles de esta membrana son de los primeros objetivos. En lugar de buscar una sustancia química específica, los investigadores usaron imágenes hiperespectrales, una técnica que captura cómo cada pequeño parche de una célula dispersa la luz a lo largo de muchos colores, mucho más allá de lo que pueden ver nuestros ojos. Cada píxel se convierte en una especie de huella de color que refleja tanto las moléculas presentes como su disposición en la membrana.

Construir un mapa de células sanas y estresadas

Para comprender qué hace el estrés oxidativo a los glóbulos rojos, el equipo creó primero un modelo controlado en laboratorio. Recogieron pequeñas muestras de sangre de adultos sanos y expusieron suavemente algunas de las muestras a peróxido de hidrógeno, un agente oxidante conocido. Con microscopía de campo oscuro hiperespectral, registraron patrones detallados de dispersión de luz de muchas células individuales y luego agruparon esos patrones en ocho “firmas espectrales” recurrentes. Paralelamente, analizaron químicamente los lípidos de la membrana y confirmaron que la oxidación reducía los ácidos grasos poliinsaturados sensibles y aumentaba los más resistentes saturados. Firmas espectrales específicas cambiaron de forma consistente cuando se produjo esta remodelación química, demostrando que el método de imágenes podía “ver” cambios estructurales en la membrana sin tocar las células ni añadir colorantes.

Aplicar el método a niños con autismo

Con esta referencia en mano, los investigadores analizaron muestras de sangre de 27 niños con trastorno del espectro autista y 31 niños neurotípicos de edad y tamaño corporal similares. Imagenaron los glóbulos rojos de cada niño usando el mismo protocolo hiperespectral. Varias de las firmas espectrales en niños con autismo diferían de las de los niños neurotípicos, y la dirección de estos cambios reflejaba de cerca lo observado en las muestras adultas oxidadas. Una firma en particular, asociada a membranas que habían perdido lípidos vulnerables y ganado otros más rígidos, destacó como especialmente alterada. Esto apuntó a un patrón común: los glóbulos rojos de muchos niños con autismo parecían portar las señales ópticas de un estrés oxidativo elevado.

Dejar que la inteligencia artificial lea los patrones

Dado que los datos hiperespectrales son complejos, el equipo usó redes neuronales artificiales—modelos informáticos inspirados en circuitos cerebrales—para aprender cómo las combinaciones de firmas espectrales se relacionan con el autismo frente al desarrollo típico. Tras dividir cuidadosamente los datos en conjuntos de entrenamiento y prueba y eliminar entradas poco útiles, el sistema logró clasificar las muestras de los niños en los grupos “autismo” y “neurotípico” con aproximadamente un 93 por ciento de precisión global, con alta sensibilidad y especificidad. Una segunda herramienta de IA, diseñada para revelar relaciones ocultas en lugar de hacer predicciones, destacó una firma espectral clave como la más fuertemente ligada al grupo autista, reforzando la idea de que un patrón particular de cambio en la membrana es central.

Qué podría significar esto para la atención futura

Los autores enfatizan que esto aún no es una prueba diagnóstica del autismo, ni debe usarse para etiquetar a niños individualmente. En cambio, el estudio muestra que las membranas de los glóbulos rojos llevan un registro legible del estrés oxidativo, y que las imágenes hiperespectrales combinadas con IA pueden extraer esta información rápidamente a partir de solo dos microlitros de sangre, sin procedimientos invasivos ni químicos añadidos. A largo plazo, enfoques similares podrían ayudar a los médicos a seguir cuánto estrés oculto soportan las células de una persona, orientar decisiones personalizadas sobre nutrición y tratamiento, y monitorizar si las terapias están restaurando membranas celulares más sanas antes de que surja una enfermedad grave.

Cita: 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

Palabras clave: estrés oxidativo, glóbulos rojos, imágenes hiperespectrales, autismo, inteligencia artificial