Eine von Cornell geleitete Zusammenarbeit hat maschinelle Lernmodelle entwickelt , die diese zellfreien molekularen RNA-Rückstände verwenden, um schwer zu unterscheidende entzündliche Erkrankungen bei Kindern zu diagnostizieren. Das Diagnosetool kann genau bestimmen, ob ein Patient an Kawasaki-Syndrom (KD), Multisystem-Entzündungssyndrom bei Kindern (MIS-C), einer Virusinfektion oder einer bakteriellen Infektion leidet, und gleichzeitig die Organgesundheit des Patienten überwachen.
Der Artikel wurde in der Zeitschrift Proceedings of the National Academy of Sciences veröffentlicht .
Die Wissenschaftler untersuchten 370 Plasmaproben von Kindern mit verschiedenen entzündlichen Erkrankungen. Das Team wandelte die RNA in DNA um und führte anschließend eine DNA-Sequenzierung durch, bei der die proteinkodierenden Bereiche des Genoms analysiert wurden
