Das übergeordnete Ziel des interdisziplinären Forschungsverbundes EPIC-AI ist es, die komplexen und heterogenen Pathomechanismen des Post-COVID-Syndroms zu untersuchen. Das Verständnis über pathophysiologische Mechanismen ist von entscheidender Bedeutung, um Ansatzpunkte für personalisierte Therapieverfahren zu identifizieren sowie die Behandlung und medizinische Versorgung von Patientinnen und Patienten mit Post-COVID zu verbessern. Durch die Anwendung modernster Methoden der künstlichen Intelligenz einschließlich des maschinellen Lernens auf vorhandene hochgranuläre Daten sollen Endotypen, Gruppen von Post-COVID-Patienten, die ähnliche klinische und molekulare Merkmale teilen, identifiziert werden. Dazu werden Patientinnen und Patienten mit Post-COVID anhand umfangreicher (sub-)klinischer und molekularer Daten in Cluster segmentiert. Zusätzlich werden organspezifische strukturelle und funktionelle Veränderungen bei Betroffenen mit Post-COVID mit einem gezielten Ansatz untersucht. Neben einer systemweiten Untersuchung wird ein besonderer Fokus auf neurologische, neuropsychiatrische, und psychosomatische Veränderungen gesetzt. Um der Heterogenität des Post-COVID-Syndroms gerecht zu werden, werden im Rahmen des Forschungsverbundes nicht nur verschiedene Disziplinen, sondern auch komplementäre Datenquellen, von Kohortenstudien über landesweite COVID-19-Impfdokumentationen bis hin zum SARS-CoV-2 Abwassermonitoring, zusammengeführt. Die effiziente Vernetzung der Expertisen und Daten sowie die Entwicklung innovativer Analyse-Pipelines wird in zwei Datathons gewährleistet. Eine wichtige Säule des Vorhabens ist der kontinuierliche Wissens- und Erfahrungsaustausch von Betroffenen mit einem Post-COVID-Syndrom in Form eines Patient Advisory Boards, um patientenorientierte und -zentrierte Forschung sicherzustellen. Die Universitätsmedizin Mainz ist hierbei an Arbeitspaketen 1-3 sowie 5 beteiligt.

Das übergeordnete Ziel des interdisziplinären Forschungsverbundes EPIC-AI ist es, die komplexen und heterogenen Pathomechanismen des Post-COVID-Syndroms zu untersuchen. Das Verständnis über pathophysiologische Mechanismen ist von entscheidender Bedeutung, um Ansatzpunkte für personalisierte Therapieverfahren zu identifizieren sowie die Behandlung und medizinische Versorgung von Patientinnen und Patienten mit Post-COVID zu verbessern. Durch die Anwendung modernster Methoden der künstlichen Intelligenz einschließlich des maschinellen Lernens auf vorhandene hochgranuläre Daten sollen Endotypen, Gruppen von Post-COVID-Patienten, die ähnliche klinische und molekulare Merkmale teilen, identifiziert werden. Dazu werden Patientinnen und Patienten mit Post-COVID anhand umfangreicher (sub-)klinischer und molekularer Daten in Cluster segmentiert. Zusätzlich werden organspezifische strukturelle und funktionelle Veränderungen bei Betroffenen mit Post-COVID mit einem gezielten Ansatz untersucht. Neben einer systemweiten Untersuchung wird ein besonderer Fokus auf neurologische, neuropsychiatrische, und psychosomatische Veränderungen gesetzt. Um der Heterogenität des Post-COVID-Syndroms gerecht zu werden, werden im Rahmen des Forschungsverbundes nicht nur verschiedene Disziplinen, sondern auch komplementäre Datenquellen, von Kohortenstudien über landesweite COVID-19-Impfdokumentationen bis hin zum SARS-CoV-2 Abwassermonitoring, zusammengeführt. Die effiziente Vernetzung der Expertisen und Daten sowie die Entwicklung innovativer Analyse-Pipelines wird in zwei Datathons gewährleistet. Eine wichtige Säule des Vorhabens ist der kontinuierliche Wissens- und Erfahrungsaustausch von Betroffenen mit einem Post-COVID-Syndrom in Form eines Patient Advisory Boards, um patientenorientierte und -zentrierte Forschung sicherzustellen. Das Institut für digitale Gesundheitsdaten RLP übernimmt hierbei die Datensynthese und -integration.