Advancing Digital Precision Medicine for Chronic Fatigue Syndrome through Longitudinal Large-Scale Multi-Modal Biological Omics Modeling with Machine Learning and Artificial Intelligence.

18.06.2025 · ArXiv · Zusammenfassung auf Deutsch

Diese Doktorarbeit untersucht ME/CFS mit umfangreichen Daten aus Darmbakterien (Mikrobiom), Blutstoffwechselprodukten (Metabolomik), Immunsystem und Symptomen. Verglichen wurden kurz erkrankte Patienten (<4 Jahre, n=75), lang erkrankte (>10 Jahre, n=79) und gesunde Kontrollen (n=79). Ergebnis: Kurz erkrankte Patienten zeigten deutliche Störungen der Darmbakterien, bei lang Erkrankten hatte sich dies weitgehend normalisiert, dafür blieben Stoffwechsel- und klinische Auffälligkeiten bestehen. Insbesondere war die bakterielle Produktion von Buttersäure (Butyrat, eine wichtige Fettsäure für die Darmgesundheit) sowie von Gallensäuren und Benzoat vermindert. Im zweiten Teil wurde ein selbstentwickeltes Computerprogramm (BioMapAI) genutzt, um aus diesen komplexen Daten Muster zu erkennen, die mit einzelnen Symptomen wie Magen-Darm-Problemen, Erschöpfung und Schlafstörungen zusammenhängen. Das Programm konnte ME/CFS-Patienten anhand der Daten sehr genau von Gesunden unterscheiden. Die Studie liefert neue Hypothesen darüber, wie Darmbakterien, Stoffwechsel und Immunsystem bei ME/CFS zusammenspielen könnten – sie beweist aber keine Ursache und liefert keine Behandlung, sondern liefert wichti

Datenquelle: Diese Zusammenfassung wurde automatisch aus der Originalveröffentlichung erstellt und kann Fehler enthalten. Maßgeblich ist allein die Originalstudie (DOI 10.1128/mbio.02540-20).

Originalstudie im Volltext ansehen →

Diese Studie in der interaktiven Übersicht öffnen