Das Long-/Post-COVID-Syndrom stellt eine postinfektiöse Folgeerkrankung nach einer SARS-CoV-2 Infektion mit persistierender, zum Teil schwerwiegender systemischer klinischer Manifestation dar. Trotz der hohen Prävalenz in der Bevölkerung ist die Identifikation der zugrundeliegenden pathogenetischen Mechanismen des Syndroms und seiner Subtypen sowie die Entwicklung zielgerichteter und individualisierter Therapiestrategien bisher nicht gelungen. Im OUTCAST-AI-Verbund werden im Rahmen eines multidisziplinären Ansatzes innovative Methoden der Künstlichen Intelligenz (KI) eingesetzt, um best practice Therapiestrategien für dieses Patientenkollektiv zu entwickeln. Durch die Integration der Expertise der Fachdisziplinen Biochemie, Biometrie, Medizinische Informatik, Bioinformatik, Maschinelles Lernen (ML), Künstliche Intelligenz (KI) und klinische Medizin sollen molekulare und klinische Daten sowie Routinedaten aus großen LC-/PC-Patienten-Kohorten analysiert werden, um die heterogenen und komplexen pathogenetischen Mechanismen des LC-/PC-Syndroms zu identifizieren. Die KI-basierten Applikationen auf Basis der molekularen und klinischen Datensets sollen dabei zur Differenzierung und schließlich Klassifizierung distinkter LC-/PC-Subtypen dienen. Schließlich sollen KI-basierte Methoden entwickelt werden, die darüber hinaus die Identifikation potenziell neuer, therapeutischer Zielstrukturen speziell für diese LC-/PC-Subtypen ermöglichen und so zur Entwicklung innovativer und personalisierter Therapiestrategien beitragen sollen. In diesem Vorhaben werden spezifisch anhand von Routinedaten der gesetzlichen Krankenkassen typische Versorgungswege von LC-/PC-Betroffenen analysiert und die Ergebnisse in Relation zu der phänotypischen LC-/PC-Subgruppen Klassifikation der anderen Arbeitspakete gesetzt.