Diese Studie beschäftigt sich mit Long COVID (auch PASC genannt, Folgeerscheinungen nach einer Corona-Infektion) und versucht, diese Erkrankung mit Hilfe von künstlicher Intelligenz von ähnlichen Krankheiten zu unterscheiden. Dafür wurde ein Computerprogramm (maschinelles Lernen) trainiert, das Stoffwechselprodukte (Metaboliten) im Blut analysiert, die bei Long COVID verändert sind. Das Modell konnte Long COVID recht zuverlässig von ME/CFS, Borreliose, POTS (einer Kreislauferkrankung) und Reizdarmsyndrom unterscheiden. Bei Fibromyalgie gelang die Abgrenzung jedoch nicht – die Stoffwechselmuster waren zu ähnlich. Die Studie zeigt also, dass Long COVID und Fibromyalgie auf Stoffwechselebene besonders viele Gemeinsamkeiten haben, während sich Long COVID von ME/CFS in dieser Analyse unterscheiden ließ. Die Autoren hoffen, dass solche Modelle künftig helfen könnten, Diagnosen schneller zu stellen, statt andere Krankheiten erst mühsam ausschließen zu müssen. Es handelt sich um eine frühe, rein computergestützte Untersuchung ohne neue Patientendaten aus eigenen Messungen – die Ergebnisse sind vorläufig und müssen noch in echten klinischen Studien überprüft werden.
Datenquelle: Diese Zusammenfassung wurde automatisch aus der Originalveröffentlichung erstellt und kann Fehler enthalten. Maßgeblich ist allein die Originalstudie (DOI 10.3390/metabo15120801).