Identificazione dell’autismo basata su IA mediante imaging iperspettrale per rilevare lo stress ossidativo nei globuli rossi pediatrici

Perché una goccia di sangue può rivelare stress nascosto

I medici sospettano da tempo che molte malattie danneggino silenziosamente le nostre cellule anni prima della comparsa dei sintomi, ma sono sempre mancati strumenti semplici per osservare questo danno precoce. Questo studio esplora un nuovo modo di leggere quel danno nascosto a partire da una singola goccia di sangue, utilizzando imaging avanzato e intelligenza artificiale. Il lavoro si concentra su bambini con autismo, ma l’approccio potrebbe in futuro aiutare a monitorare un’ampia gamma di condizioni legate al “logoramento” cellulare.

Un nuovo modo di osservare le cellule del sangue

I globuli rossi non servono solo a trasportare ossigeno; la loro delicata membrana esterna registra anche gli stress chimici cui una persona è stata sottoposta. Quando l’organismo è esposto a stress ossidativo—uno squilibrio tra molecole reattive dannose e le difese dell’organismo—alcuni grassi fragili di questa membrana sono tra i primi bersagli. Invece di cercare una singola sostanza chimica specifica, i ricercatori hanno usato l’imaging iperspettrale, una tecnica che cattura come ogni piccola porzione di una cellula disperde la luce su molte lunghezze d’onda, ben oltre ciò che l’occhio umano può vedere. Ogni pixel diventa una sorta di impronta cromatica che riflette sia le molecole presenti sia il modo in cui sono disposte nella membrana.

Costruire una mappa di cellule sane e stressate

Per capire cosa fa lo stress ossidativo ai globuli rossi, il gruppo ha prima creato un modello controllato in laboratorio. Hanno raccolto piccoli campioni di sangue da adulti sani ed esposto delicatamente alcuni di questi campioni al perossido di idrogeno, un noto agente ossidante. Usando microscopia in campo scuro iperspettrale, hanno registrato dettagliati pattern di dispersione della luce da molte cellule individuali e poi hanno raggruppato questi pattern in otto ricorrenti “firme spettrali”. Parallelamente, hanno analizzato chimicamente i grassi di membrana e confermato che l’ossidazione riduce i grassi polinsaturi sensibili e aumenta i grassi saturi più resistenti. Specifiche firme spettrali si sono spostate in modo coerente quando è avvenuta questa rimodellazione chimica, mostrando che il metodo di imaging poteva “vedere” i cambiamenti strutturali della membrana senza toccare le cellule o aggiungere coloranti.

Applicare il metodo ai bambini con autismo

Con questo riferimento a disposizione, i ricercatori si sono rivolti a campioni di sangue di 27 ragazzi con disturbo dello spettro autistico e 31 ragazzi neurotipici di età e corporatura simili. Hanno acquisito immagini dei globuli rossi di ogni bambino usando lo stesso protocollo iperspettrale. Diverse delle firme spettrali nei bambini con autismo differivano rispetto a quelle dei bambini neurotipici, e la direzione di questi cambiamenti rispecchiava da vicino quanto osservato nei campioni adulti ossidati. Una firma in particolare, associata a membrane che avevano perso grassi vulnerabili e guadagnato componenti più rigidi, è risultata particolarmente alterata. Questo indica un pattern comune: i globuli rossi di molti bambini con autismo sembravano portare tracce ottiche di uno stress ossidativo aumentato.

Lasciare che l’intelligenza artificiale legga i pattern

Poiché i dati iperspettrali sono complessi, il gruppo ha usato reti neurali artificiali—modelli computazionali ispirati ai circuiti cerebrali—per apprendere come le combinazioni di firme spettrali si correlano con l’autismo rispetto allo sviluppo tipico. Dopo aver suddiviso con cura i dati in set di addestramento e test e aver eliminato gli input poco utili, il sistema è stato in grado di classificare i campioni dei bambini in “autismo” e “neurotipico” con circa il 93% di accuratezza complessiva, mostrando sia alta sensibilità sia alta specificità. Un secondo strumento di IA, progettato per rivelare relazioni nascoste piuttosto che fare predizioni, ha evidenziato una firma spettrale chiave come la più fortemente associata al gruppo autistico, rafforzando l’idea che un particolare pattern di cambiamento della membrana sia centrale.

Cosa potrebbe significare per la cura futura

Gli autori sottolineano che questo non è ancora un test diagnostico per l’autismo, né dovrebbe essere usato per etichettare singoli bambini. Piuttosto, lo studio mostra che le membrane dei globuli rossi conservano un registro leggibile dello stress ossidativo, e che l’imaging iperspettrale combinato con l’IA può estrarre queste informazioni rapidamente da soli due microlitri di sangue, senza procedure invasive o sostanze chimiche aggiunte. A lungo termine, approcci simili potrebbero aiutare i medici a monitorare quanto stress nascosto sopportano le cellule di una persona, orientare scelte personalizzate su nutrizione e trattamenti, e verificare se le terapie stanno ripristinando membrane cellulari più sane prima che si sviluppino malattie gravi.

Citazione: 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

Parole chiave: stress ossidativo, globuli rossi, imaging iperspettrale, autismo, intelligenza artificiale