Das Verbundvorhaben RESOLVE-PCC zielt darauf ab, die Langzeitfolgen von COVID-19 besser zu verstehen und die Grundlage für maßgeschneiderte Interventionsstrategien zu entwickeln. Im Vorhaben der Universität Leipzig wird dafür ein Multitask-Lern-Framework entwickelt, das maschinelle Lernverfahren zur Erkennung und Analyse von Post-COVID-Syndrom (PCS)-Symptomen einsetzt. Durch Optimierung des Frameworks sollen verlässliche prädiktive Merkmale identifiziert werden, die in nachfolgenden kausalen Analysen verwendet werden können. Zudem werden über die Analyse genetischer Daten, insbesondere in immunologisch relevante Genomregionen, genetische Risikofaktoren für Long-/Post-COVID identifiziert und für weiterführende Analysen bereitgestellt. Die prädiktiven Merkmale aus den vorherigen Arbeitspaketen werden auf kausale Zusammenhänge mit PCS-Symptomen hin untersucht. Dies erfolgt unter Einsatz von Methoden wie der Mendelschen Randomisierung, um robuste kausale Netzwerke zu erstellen, die genetische und klinische Daten integrieren. Das Vorhaben übernimmt die Koordination des Verbundprojekts sowie die Organisation von Workshops und Datathons.