氧化应激（OS）被认为参与了多种疾病的发生发展过程，包括神经发育异常、心血管疾病、代谢性疾病及慢性炎症相关状态，这突显了对其诊断和预后工具的迫切需要。OS会极大影响红细胞（RBC）的寿命和功能，细胞膜磷脂的多不饱和脂肪酸（PUFAs）是OS的主要目标。已有研究指出，与OS相关的红细胞膜脂质组及其脂肪酸组成的变化是心血管和其他OS相关疾病的危险因素。然而，尽管氧化应激在病理生理学中的重要性已得到广泛关注，临床上对于其早期、无标记、低成本、可重复检测仍缺乏理想工具。现有评估方法多依赖血液或尿液中的一系列生化指标，难以直接反映细胞膜这一关键病理靶点的组织结构变化。 近日，来自意大利的研究团队在杂志Communications Medicine上发表了一篇题为 “AI-based autism identification from hyperspectral imaging detection of oxidative stress in pediatric red blood cells”的文章。文章提出了一种基于高光谱成像（HSI） 和人工智能分析的新方法。该研究以儿童红细胞膜为检测对象，首先建立了过氧化氢诱导的氧化应激参考模型，再将该模型与自闭症谱系障碍（ASD）儿童的红细胞高光谱特征进行比对，并进一步通过人工神经网络完成分组识别。研究结果显示，ASD组红细胞膜呈现出与氧化应激模型相似的高光谱变化模式，AI模型对ASD与神经典型发育（NT）儿童的分类准确率达到 93.2%。
图片来源：Communications Medicine 主要内容 红细胞氧化应激模型的高光谱图像（HSI）发生显著变化 作者首先建立了一个实验性氧化应激参考框架。在高光谱成像分析中，作者从健康供血者EDTA抗凝全血红细胞膜的散射图谱中提取出 8个稳定的光谱端元（endmembers），重复性较好。当样本经1.5% H₂O₂处理后，8个端元中有 5个出现显著变化，spectrum 2下降 与 spectrum 5升高最为明显（如下图）。因此，这套高光谱端元分布可以作为与氧化应激相关的红细胞膜光学表型。
氧化应激红细胞高光谱图像（HSI）结果。图片来源：Communications Medicine 高光谱特征变化与红细胞膜脂质组重构相一致 为了增强高光谱结果的生物学可解释性，作者进一步分析了红细胞膜脂质组变化。结果显示，H₂O₂处理后，红细胞膜中总PUFA（多不饱和脂肪酸）显著下降约25%，同时SFA（饱和脂肪酸）上升约15%，并伴随SFA/MUFA比值改变。这可能是因为氧化应激条件下PUFA发生过氧化，并被富含SFA的成分替代，从而导至整体脂质构成重塑。 相关性分析发现，部分高光谱端元分布与脂肪酸组成之间统计学上存在关联。spectrum 5在氧化应激处理后显著升高，并与硬脂酸（C18:0）呈正相关，而与亚油酸、DHA、总PUFA、ω-3 PUFA、Unsaturation Index以及Peroxidation Index呈负相关（如下图）。因此，spectrum 5可反映氧化应激状态下红细胞膜脂质有序性及膜组织结构的变化。
氧化损伤前后红细胞膜脂肪酸与高光谱图像光谱端元的相关性。图片来源：Communications Medicine ASD（自闭症谱系障碍）儿童红细胞膜呈现与氧化应激模型相似的光谱特征 作者纳入了27名ASD男童与31名神经典型发育男童。结果显示，ASD与NT两组在红细胞膜的8个高光谱端元中，有5个存在显著差异，其中4个P值≤0.0001。ASD组表现出的变化模式H₂O₂氧化应激模型具有明显一致性。ASD组spectrum 2相比NT下降约3.43%，spectrum 5 升高约4.10%，与氧化应激模型中的变化较为吻合（如下图）。这一结果提示，ASD儿童红细胞膜存在一种与氧化应激模型相似的结构光谱特征。
ASD儿童红细胞膜呈现与氧化应激模型相似的光谱特征。 图片来源：Communications Medicine ASD组红细胞膜Na+/K+-ATPase活性显著下降，并与部分高光谱特征相关 为了进一步验证这些高光谱变化是否具有膜功能学意义，研究检测了同一批样本红细胞膜的Na⁺/K⁺-ATPase活性。这是一个对膜脂环境高度敏感的膜嵌入酶。作者发现，ASD组红细胞膜Na⁺/K⁺-ATPase活性较NT组下降57%，两组数值之间几乎没有重叠（如下图）。 相关分析结果显示，Na⁺/K⁺-ATPase活性与年龄及ADOS-2评分并无显著相关，但与部分高光谱端元相关。具体来说，spectrum 3和spectrum 5 在NT与ASD两组中均与酶活相关。这些结果提示，HSI可捕捉结构-功能耦合异常的综合变化。
ASD组红细胞膜Na+/K+-ATPase活性显著下降，并与高光谱特征相关。 图片来源：Communications Medicine AI模型可实现较高的分类性能 作者使用高光谱图像以及监督式人工神经网络（ANN）对ASD与NT进行分类。模型结果显示，其对ASD儿童的识别敏感性92.31%，特异性94.12%，总体准确率93.21%，AUC为0.92。其中，spectrum 5 与ASD分组关系最为紧密。 总结与讨论 文章提出了一种基于高光谱成像（HSI） 和人工智能分析的新方法。作者以儿童外周血红细胞膜为研究目标，通过高光谱成像读取氧化应激相关的膜结构变化，再借助AI完成疾病相关分组识别。结果显示，ASD组红细胞膜呈现出与氧化应激模型相似的高光谱变化模式，AI模型对ASD儿童的分类准确率达到 93.2%。 不过，这一结果还应谨慎解读。首先，样本总量较小，研究中尚无外部独立验证队列；其次，观察到的高光谱模式代表了“氧化应激相关膜异常”，而非ASD特异性信号，因此需要在更多氧化应激相关疾病中验证其区分能力。但总的来说，这项研究证明了，氧化应激相关的红细胞膜重塑可以被高光谱成像捕获，并形成可被AI利用的稳定模式。 这一结论为未来发展基于膜结构表型的无标记诊断技术提供了新的方向，也为氧化应激相关疾病的可视化检测研究打开了新的技术窗口。 |
/3 
浙公网安备33010802005999号 
