AI-gebaseerde autismedetectie via hyperspectrale beeldvorming van oxidatieve stress in pediatrische rode bloedcellen

Waarom een druppel bloed verborgen stress kan onthullen

Artsen vermoeden al lang dat veel ziekten onze cellen jarenlang zachtjes beschadigen voordat symptomen optreden, maar ze ontbeerden eenvoudige middelen om die vroege schade zichtbaar te maken. Deze studie onderzoekt een nieuwe manier om die verborgen schade af te lezen aan de hand van een enkele druppel bloed, met geavanceerde beeldvorming en kunstmatige intelligentie. Het werk richt zich op kinderen met autisme, maar de benadering zou uiteindelijk kunnen helpen bij het monitoren van een breed scala aan aandoeningen die samenhangen met cellulair "slijtage".

Een nieuwe manier om naar bloedcellen te kijken

Rode bloedcellen doen meer dan alleen zuurstof vervoeren; hun kwetsbare buitenmembraan legt ook de chemische stress vast waaraan iemand is blootgesteld. Wanneer het lichaam wordt blootgesteld aan oxidatieve stress—een onevenwicht tussen schadelijke reactieve moleculen en de afweer van het lichaam—zijn bepaalde fragiele vetten in deze membraan vaak een van de eerste doelwitten. In plaats van naar één specifiek chemisch bestanddeel te zoeken, gebruikten de onderzoekers hyperspectrale beeldvorming, een techniek die vastlegt hoe elk klein stukje van een cel licht verstrooit over veel kleuren, ver voorbij wat ons oog kan waarnemen. Elke pixel wordt een soort kleurvingerafdruk die zowel de aanwezige moleculen als hun ordening in de membraan weerspiegelt.

Een kaart maken van gezonde en gestreste cellen

Om te begrijpen wat oxidatieve stress met rode bloedcellen doet, creëerde het team eerst een gecontroleerd laboratoriummodel. Ze verzamelden kleine bloedmonsters van gezonde volwassenen en brachten sommige monsters zachtjes in contact met waterstofperoxide, een bekend oxiderend middel. Met hyperspectrale dark-field-microscopie registreerden ze gedetailleerde lichtverstrooiingspatronen van vele individuele cellen en groepeerden deze patronen in acht terugkerende "spectrale handtekeningen." Parallel daaraan analyseerden ze chemisch de membraanfetten en bevestigden dat oxidatie gevoelige meervoudig onverzadigde vetten verminderde en robuustere verzadigde vetten verhoogde. Bepaalde spectrale handtekeningen verschooven steeds op dezelfde manier wanneer deze chemische herinrichting plaatsvond, wat aantoonde dat de beeldvorming methode structurele membraanveranderingen kon "zien" zonder de cellen aan te raken of kleurstoffen toe te voegen.

Toepassing van de methode op kinderen met autisme

Met deze referentie in handen richtten de onderzoekers zich op bloedmonsters van 27 jongens met een autismespectrumstoornis en 31 neurotypische jongens van vergelijkbare leeftijd en lichaamsgrootte. Ze afbeeldden de rode bloedcellen van elk kind met hetzelfde hyperspectrale protocol. Verschillende van de spectrale handtekeningen bij kinderen met autisme verschilden van die bij neurotypische kinderen, en de richting van deze veranderingen weerspiegelde sterk wat in de geoxideerde volwassen monsters was waargenomen. Eén specifieke handtekening, geassocieerd met membranen die kwetsbare vetten hadden verloren en stijvere vetten hadden gewonnen, viel bijzonder op. Dit wees op een gemeenschappelijk patroon: de rode bloedcellen van veel kinderen met autisme leken de optische kenmerken van verhoogde oxidatieve stress te dragen.

Kunstmatige intelligentie de patronen laten lezen

Aangezien de hyperspectrale gegevens complex zijn, gebruikte het team kunstmatige neurale netwerken—computermodellen geïnspireerd op hersencircuits—om te leren hoe combinaties van spectrale handtekeningen correleren met autisme versus typische ontwikkeling. Na het zorgvuldig splitsen van de gegevens in trainings- en testsets en het wegsnijden van weinig informatieve invoervariabelen, kon het systeem de monsters van de kinderen indelen in de groepen "autisme" en "neurotypisch" met ongeveer 93 procent totale nauwkeurigheid, met zowel hoge gevoeligheid als specificiteit. Een tweede AI-hulpmiddel, ontworpen om verborgen relaties bloot te leggen in plaats van voorspellingen te doen, benadrukte één sleutel-spectrale handtekening als het sterkst verbonden met de autismegroep, wat het idee versterkt dat een bepaald patroon van membraanverandering centraal staat.

Wat dit kan betekenen voor toekomstige zorg

De auteurs benadrukken dat dit nog geen diagnostische test voor autisme is, en dat het niet gebruikt moet worden om individuele kinderen te labelen. In plaats daarvan laat de studie zien dat membranen van rode bloedcellen een afleesbaar verslag van oxidatieve stress bevatten, en dat hyperspectrale beeldvorming gecombineerd met AI deze informatie snel kan extraheren uit slechts twee microliter bloed, zonder invasieve procedures of toegevoegde chemicaliën. Op de lange termijn zouden vergelijkbare benaderingen artsen kunnen helpen bij het volgen van hoeveel verborgen stress de cellen van een persoon ondervinden, het sturen van gepersonaliseerde keuzes over voeding en behandeling, en het monitoren of therapieën gezondere celmembranen herstellen voordat ernstige ziekte zich manifesteert.

Bronvermelding: 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

Trefwoorden: oxidatieve stress, rode bloedcellen, hyperspectrale beeldvorming, autisme, kunstmatige intelligentie