Diese Studie untersucht, ob künstliche Intelligenz-Sprachmodelle (wie ChatGPT und ähnliche Systeme) dabei helfen können, Biomarker in Bluttests zu finden - also messbare Hinweise, die bei der Diagnose von Krankheiten helfen. Getestet wurden sechs KI-Modelle an Daten von zellfreier RNA im Blutplasma (das sind Erbgut-Bruchstücke im Blut, die Hinweise auf Krankheitsprozesse geben können). Dabei wurden drei Erkrankungsgruppen verglichen, darunter auch ME/CFS gegenüber inaktiven, gesunden Kontrollpersonen. Die KI-Modelle sollten passende Gene für Diagnose-Tests vorschlagen und eigenständig Auswerteprogramme entwickeln. Ergebnis: Die von der KI vorgeschlagenen Gen-Kombinationen waren besser als zufällige Auswahl und passten zu bekannten Mustern des Immunsystems. Bei Tuberkulose funktionierte die KI-Methode fast so gut wie klassische Analysemethoden. Bei ME/CFS und Tuberkulose war die eigenständige KI-Diagnose jedoch deutlich schlechter als bei der dritten Erkrankungsgruppe. Die Studie zeigt also, dass KI-Werkzeuge grundsätzlich Potenzial für die Biomarker-Suche haben, bei ME/CFS aber noch nicht zuverlässig funktionieren. Es handelt sich um eine technische Machbarkeitsstudie, keine klinis
Datenquelle: Diese Zusammenfassung wurde automatisch aus der Originalveröffentlichung erstellt und kann Fehler enthalten. Maßgeblich ist allein die Originalstudie (DOI 10.1038/s41467-026-74077-x).