Identification de l’autisme basée sur l’IA à partir d’une imagerie hyperspectrale détectant le stress oxydatif dans les globules rouges pédiatriques

Pourquoi une goutte de sang peut révéler un stress caché

Les médecins soupçonnent depuis longtemps que de nombreuses maladies endommagent silencieusement nos cellules des années avant l’apparition des symptômes, mais ils manquaient d’outils simples pour voir ces dommages précoces. Cette étude explore une nouvelle manière de lire ces atteintes cachées à partir d’une seule goutte de sang, en utilisant une imagerie avancée et l’intelligence artificielle. Le travail se concentre sur des enfants autistes, mais la méthode pourrait à terme aider à surveiller une large gamme d’affections liées à l’« usure » cellulaire.

Une nouvelle façon d’examiner les cellules sanguines

Les globules rouges ne servent pas seulement à transporter l’oxygène ; leur membrane externe délicate enregistre aussi les stress chimiques auxquels une personne a été exposée. Lorsque l’organisme subit un stress oxydatif — un déséquilibre entre des molécules réactives nocives et les défenses de l’organisme — certaines graisses fragiles de cette membrane sont parmi les premières cibles. Plutôt que de chercher une molécule spécifique, les chercheurs ont utilisé l’imagerie hyperspectrale, une technique qui capture la manière dont chaque petit point d’une cellule disperse la lumière à travers de nombreuses longueurs d’onde, bien au‑delà de ce que nos yeux perçoivent. Chaque pixel devient une sorte d’empreinte colorimétrique reflétant à la fois les molécules présentes et leur agencement dans la membrane.

Cartographier les cellules saines et stressées

Pour comprendre l’effet du stress oxydatif sur les globules rouges, l’équipe a d’abord créé un modèle de laboratoire contrôlé. Ils ont prélevé de petits échantillons de sang d’adultes en bonne santé et ont exposé délicatement certains échantillons au peroxyde d’hydrogène, un oxydant bien connu. Grâce à la microscopie en champ sombre hyperspectrale, ils ont enregistré des motifs détaillés de diffusion de la lumière pour de nombreuses cellules individuelles puis regroupé ces motifs en huit « signatures spectrales » récurrentes. En parallèle, ils ont analysé chimiquement les graisses membranaires et confirmé que l’oxydation réduisait les acides gras polyinsaturés sensibles et augmentait les graisses saturées plus résistantes. Des signatures spectrales spécifiques ont évolué de manière cohérente lorsque ce remaniement chimique a eu lieu, montrant que la méthode d’imagerie pouvait « voir » les changements structuraux de la membrane sans toucher aux cellules ni ajouter de colorants.

Application de la méthode aux enfants autistes

Munis de cette référence, les chercheurs se sont tournés vers des échantillons sanguins de 27 garçons atteints de trouble du spectre de l’autisme et de 31 garçons neurotypiques de même âge et morphologie. Ils ont imagé les globules rouges de chaque enfant en suivant le même protocole hyperspectral. Plusieurs signatures spectrales chez les enfants autistes différaient de celles des enfants neurotypiques, et la direction de ces changements reflétait de près ce qui avait été observé dans les échantillons adultes oxydés. Une signature particulière, associée à des membranes ayant perdu des graisses vulnérables au profit de graisses plus rigides, s’est révélée particulièrement altérée. Cela indique un schéma commun : les globules rouges de nombreux enfants autistes semblaient porter les signes optiques d’un stress oxydatif accru.

Laisser l’intelligence artificielle lire les motifs

Parce que les données hyperspectrales sont complexes, l’équipe a utilisé des réseaux neuronaux artificiels — des modèles informatiques inspirés des circuits cérébraux — pour apprendre comment des combinaisons de signatures spectrales se rapportent à l’autisme versus un développement typique. Après avoir soigneusement séparé les données en ensembles d’entraînement et de test et éliminé les entrées non informatives, le système a pu classer les échantillons des enfants en groupes « autisme » et « neurotypique » avec environ 93 % de précision globale, affichant à la fois une sensibilité et une spécificité élevées. Un second outil d’IA, conçu pour révéler des relations cachées plutôt que pour prédire, a mis en évidence une signature spectrale clé comme étant la plus fortement liée au groupe autisme, renforçant l’idée qu’un motif particulier de changement membranaire est central.

Ce que cela pourrait signifier pour les soins futurs

Les auteurs soulignent qu’il ne s’agit pas encore d’un test diagnostique pour l’autisme, ni d’un outil pour étiqueter des enfants individuellement. L’étude montre plutôt que les membranes des globules rouges portent un enregistrement lisible du stress oxydatif, et que l’imagerie hyperspectrale combinée à l’IA peut extraire cette information rapidement à partir de seulement deux microlitres de sang, sans procédures invasives ni produits chimiques ajoutés. À long terme, des approches similaires pourraient aider les médecins à suivre l’intensité du stress caché subi par les cellules d’une personne, orienter des choix personnalisés en matière de nutrition et de traitements, et surveiller si les thérapies restaurent des membranes cellulaires plus saines avant que des maladies graves n’apparaissent.

Citation: 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

Mots-clés: stress oxydatif, globules rouges, imagerie hyperspectrale, autisme, intelligence artificielle