Forscher der Cornell University haben ein KI-Modell auf Basis von maschinellem Lernen entwickelt, das zellfreie RNA im Blutplasma analysiert, um Schlüsselbiomarker für Myalgische Enzephalomyelitis (ME/CFS) zu identifizieren. Diese Methode, die am 11. August 2025 in der Fachzeitschrift *Proceedings of the National Academy of Sciences* veröffentlicht wurde, stellt einen bedeutenden Fortschritt dar und könnte zur Entwicklung von diagnostischen Tests für eine Krankheit führen, deren Bestätigung bisher aufgrund überlappender Symptome schwierig war.
Die Studie, geleitet von der Doktorandin Anne Gardella, analysierte die molekularen Fingerabdrücke, die Zellen im Blut hinterlassen. Über 700 signifikant unterschiedliche Transkripte wurden zwischen ME/CFS-Patienten und einer Kontrollgruppe identifiziert. Die KI-Modelle erreichten eine Genauigkeit von 77 % bei der Erkennung von ME/CFS. Die Analyse ergab Unterschiede in sechs Zelltypen, darunter eine erhöhte Konzentration von plasmacytoiden dendritischen Zellen, was auf eine überaktive antivirale Immunantwort hindeutet. Die Forscher hoffen, dass dieser Ansatz auch zum Verständnis anderer chronischer Erkrankungen beitragen und eine Unterscheidung von ME/CFS und Long COVID ermöglichen kann. Die Forschung wurde von den National Institutes of Health und der WE&ME Foundation unterstützt.