Vorhersage von Long-/Post-COVID durch künstliche Intelligenz unter Verwendung eines föderierten Lernansatzes auf Basis deutscher Kohortendaten

Das Auftreten des Post-COVID-Syndroms bei Menschen mit früherer SARS-CoV-2-Infektion wurde zunehmend beobachtet. Trotz steigender Fallzahlen erschwert ein mangelndes mechanistisches Verständnis die Diagnose und Versorgung der Patienten.

Während der COVID-19-Pandemie entstanden weltweit umfangreiche klinische und Forschungsdatensätze aus verschiedenen Bevölkerungsgruppen. Dieses Projekt nutzt föderiertes Lernen, um diese Datensätze aus drei Kohorten mit Big-Data-Analysen zu kombinieren und die Pathogenese von Post-/Long-COVID-Phänotypen zu untersuchen. Es gliedert sich in drei Hauptteile: (1) Identifikation von Unterschieden in der Datenstruktur der Kohorten und Bereitstellung kombinierter Zugänglichkeit, (2) Harmonisierung der Multi-OMICs-Daten und Entwicklung von Analysemodellen sowie (3) Integration der Ergebnisse mit föderierten Lernansätzen zur Analyse großer Datensätze. Diese Modelle ermöglichen tiefere Einblicke in die Pathogenese und das Verständnis der heterogenen Natur der Krankheit.