Onderzoekers van Cornell University hebben een belangrijke stap gezet in de diagnostiek van myalgische encefalomyelitis/chronisch vermoeidheidssyndroom (ME/CVS). Ze hebben machine learning-modellen ontwikkeld die circulerend celvrij RNA (cfRNA) in bloedplasma analyseren om specifieke biomarkers voor deze ziekte te identificeren. Deze methode, gepubliceerd op 11 augustus 2025 in de Proceedings of the National Academy of Sciences, kan de weg vrijmaken voor diagnostische tests voor ME/CVS, een aandoening die momenteel moeilijk te diagnosticeren is vanwege symptoomoverlap met andere ziekten.
De studie, onder leiding van promovenda Anne Gardella, analyseerde de moleculaire sporen die cellen achterlaten in het bloed. Door RNA-moleculen te isoleren die vrijkomen bij celschade, identificeerden de onderzoekers meer dan 700 significant verschillende transcripten tussen ME/CVS-patiënten en een controlegroep. Machine learning-algoritmen werden gebruikt om een classificatiemodel te ontwikkelen dat wijst op ontregeling van het immuunsysteem, desorganisatie van de extracellulaire matrix en uitputting van T-cellen. Het model toonde een nauwkeurigheid van 77% in het detecteren van ME/CVS. Dit onderzoek, ondersteund door de National Institutes of Health en de WE&ME Foundation, biedt hoop op een objectievere diagnose en kan mogelijk helpen bij het onderscheiden van ME/CVS van aandoeningen zoals long COVID.