Badacze z Uniwersytetu Cornella opracowali modele uczenia maszynowego, które analizują pozakomórkowe RNA (cfRNA) w osoczu krwi, identyfikując kluczowe biomarkery zespołu chronicznego zmęczenia (ME/CFS). Odkrycia te, opublikowane 11 sierpnia 2025 roku w "Proceedings of the National Academy of Sciences", stanowią znaczący krok w kierunku stworzenia testów diagnostycznych dla tej wyniszczającej choroby.
Badania, kierowane przez doktorantkę Anne Gardella, skupiły się na analizie "odcisków palców" molekularnych pozostawianych przez komórki w krwiobiegu. Zidentyfikowano ponad 700 znacząco odmiennych transkryptów między pacjentami z ME/CFS a grupą kontrolną. Algorytmy uczenia maszynowego stworzyły klasyfikator wskazujący na dysregulację układu odpornościowego, dezorganizację macierzy pozakomórkowej i wyczerpanie komórek T u pacjentów z ME/CFS. Modele klasyfikatora oparte na cfRNA osiągnęły 77% dokładności w wykrywaniu ME/CFS. Naukowcy mają nadzieję, że to podejście pomoże w zrozumieniu złożonej biologii innych chorób przewlekłych i umożliwi odróżnienie ME/CFS od długiego COVID. Badania były wspierane przez National Institutes of Health oraz WE&ME Foundation.
Obecnie diagnostyka ME/CFS opiera się głównie na ocenie objawów, ponieważ brakuje specyficznych testów laboratoryjnych. Nakładanie się objawów z innymi schorzeniami często prowadzi do opóźnień w postawieniu właściwej diagnozy. Opracowanie testu opartego na analizie cfRNA może zrewolucjonizować sposób diagnozowania ME/CFS, oferując obiektywne narzędzie dla klinicystów i przynosząc nadzieję milionom ludzi na całym świecie dotkniętych tą chorobą.