Un equipo de la Universidad de Cornell ha desarrollado modelos de aprendizaje automático capaces de analizar el ARN libre de células en el plasma sanguíneo para identificar biomarcadores clave del síndrome de fatiga crónica (SFC/EM). El estudio, publicado el 11 de agosto de 2025 en las Actas de la Academia Nacional de Ciencias, representa un avance significativo hacia pruebas de diagnóstico más precisas y accesibles para esta enfermedad debilitante.
La investigación, liderada por la Dra. Anne Gardella, analizó las "huellas moleculares" dejadas por las células en el torrente sanguíneo. Este enfoque novedoso permitió identificar más de 700 transcritos significativamente diferentes entre pacientes con SFC/EM y un grupo de control sano. Los algoritmos de aprendizaje automático procesaron estos datos, revelando signos de desregulación del sistema inmunitario, desorganización de la matriz extracelular y agotamiento de las células T en pacientes con SFC/EM. Un hallazgo clave fue la elevación de las células dendríticas plasmocitoides, sugiriendo una respuesta inmunitaria antiviral hiperactiva o prolongada. Los modelos de clasificador alcanzaron una precisión del 77% en la detección del SFC/EM, un avance considerable frente a los métodos de diagnóstico actuales. La investigación recibió financiación de los Institutos Nacionales de Salud y la Fundación WE&ME, y tiene el potencial de mejorar la comprensión de otras enfermedades crónicas y diferenciar el SFC/EM de afecciones como el COVID persistente.