AI-baserad identifiering av autism genom hyperspektral avbildning av oxidativ stress i pediatriska röda blodkroppar

Varför en bloddroppe kan avslöja dold stress

Läkare har länge misstänkt att många sjukdomar tyst skadar våra celler år innan symtom uppträder, men man har saknat enkla verktyg för att se denna tidiga skada. Denna studie undersöker ett nytt sätt att avläsa den dolda skadan från en enda bloddroppe, med hjälp av avancerad avbildning och artificiell intelligens. Arbetet fokuserar på barn med autism, men metoden skulle så småningom kunna användas för att övervaka en rad tillstånd kopplade till cellulärt ”slitage”.

Ett nytt sätt att betrakta blodceller

Röda blodkroppar gör mer än att transportera syre; deras tunna yttre membran bevarar också ett avtryck av de kemiska påfrestningar en person utsatts för. När kroppen utsätts för oxidativ stress—en obalans mellan skadliga reaktiva molekyler och kroppens försvar—är vissa ömtåliga fetter i detta membran bland de första målen. I stället för att leta efter en enda specifik kemisk markör använde forskarna hyperspektral avbildning, en teknik som fångar hur varje liten fläck av en cell sprider ljus över många våglängder, långt bortom vad våra ögon kan uppfatta. Varje pixel blir en sorts färgfingeravtryck som speglar både vilka molekyler som finns och hur de är arrangerade i membranet.

Att bygga en karta över friska och stressade celler

För att förstå vad oxidativ stress gör med röda blodkroppar skapade teamet först en kontrollerad laboratoriemodell. De samlade små blodprover från friska vuxna och utsatte försiktigt några av proverna för väteperoxid, ett välkänt oxiderande medel. Med hjälp av hyperspektral mörkfältsmikroskopi registrerade de detaljerade ljusspridningsmönster från många enskilda celler och grupperade dessa mönster i åtta återkommande ”spektala signaturer”. Parallellt analyserade de membranfetterna kemiskt och bekräftade att oxidation minskade känsliga fleromättade fetter och ökade tåligare mättade fetter. Specifika spektala signaturer försköt sig konsekvent när denna kemiska ombyggnad skedde, vilket visade att avbildningsmetoden kunde ”se” strukturella förändringar i membranet utan att röra vid cellerna eller tillsätta några färgämnen.

Tillämpning av metoden på barn med autism

Med denna referens i handen vände forskarna sig till blodprover från 27 pojkar med autism spektrumstörning och 31 neurotypiska pojkar i liknande ålder och kroppsstorlek. De avbildade röda blodkroppar från varje barn med samma hyperspektrala protokoll. Flera av de spektala signaturerna hos barn med autism skiljde sig från de hos de neurotypiska barnen, och riktningen på dessa förändringar speglade tydligt vad som observerats i de oxiderade vuxenproverna. En särskild signatur, kopplad till membran som förlorat känsliga fetter och fått fler styvare, framträdde som särskilt förändrad. Detta pekade på ett gemensamt mönster: många barn med autism tycktes ha röda blodkroppar som bar de optiska kännetecknen för ökad oxidativ stress.

Låta artificiell intelligens läsa av mönstren

Där hyperspektraldata är komplexa använde teamet artificiella neurala nätverk—datormodeller inspirerade av hjärnans nätverk—för att lära sig hur kombinationer av spektala signaturer relaterar till autism respektive typisk utveckling. Efter att noggrant dela upp data i tränings- och testset och plocka bort ovidkommande indata kunde systemet klassificera barnens prover i "autism" respektive "neurotypisk" grupper med cirka 93 procents total noggrannhet, med både hög känslighet och specificitet. Ett andra AI-verktyg, utformat för att avslöja dolda samband snarare än göra förutsägelser, lyfte fram en nyckelspektal signatur som starkast kopplad till autismgruppen, vilket förstärkte idén att ett särskilt mönster av membranförändring är centralt.

Vad detta kan innebära för framtida vård

Författarna betonar att detta ännu inte är ett diagnostiskt test för autism, och att det inte bör användas för att sätta etiketter på enskilda barn. I stället visar studien att röda blodkroppars membran bär en läsbar registrering av oxidativ stress, och att hyperspektral avbildning i kombination med AI kan extrahera denna information snabbt från endast två mikroliter blod, utan invasiva ingrepp eller tillsatta kemikalier. I längden kan liknande metoder hjälpa läkare att spåra hur mycket dold stress en persons celler utsätts för, vägleda personliga val om näring och behandling, och övervaka om terapier återställer hälsosammare cellmembran innan allvarlig sjukdom etableras.

Citering: 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

Nyckelord: oxidativ stress, röda blodkroppar, hyperspektral avbildning, autism, artificiell intelligens