Diese Studie nutzte Daten von 106 ME/CFS-Betroffenen und 91 gesunden Vergleichspersonen, bei denen fast 900 Stoffwechselprodukte im Blut (Metabolomik/Lipidomik) gemessen wurden. Mittels selbstlernender Computerprogramme (AutoML), die automatisch Muster in großen Datenmengen erkennen, wurde geprüft, ob sich ME/CFS anhand dieser Blutwerte von gesunden Kontrollen unterscheiden lässt. Das beste Verfahren (TPOT) erkannte ME/CFS mit guter Treffsicherheit (rund 87% korrekte Einordnung). Über eine Methode zur Erklärbarkeit der KI-Entscheidungen (SHAP) wurden bestimmte Stoffe identifiziert, die bei ME/CFS auffällig verändert waren: Marker für gestörte Energieproduktion in den Zellen (z.B. Bernsteinsäure, Brenztraubensäure, Leucin), für chronische Entzündungen (Prostaglandin D2, 11,12-EET), für die Kommunikation zwischen Darm und Gehirn (Glykocholsäure) sowie für die Stabilität von Zellmembranen. Die Studie ist eine Sekundäranalyse bereits vorhandener Daten, relativ klein und liefert noch keinen fertigen Diagnosetest, zeigt aber vielversprechende biologische Anhaltspunkte für künftige, größer angelegte Forschung zu objektiven Biomarkern bei ME/CFS.
Datenquelle: Diese Zusammenfassung wurde automatisch aus der Originalveröffentlichung erstellt und kann Fehler enthalten. Maßgeblich ist allein die Originalstudie (DOI 10.3390/diagnostics15212755).