Neues Forschungsprojekt FEDORA: Präzise Diagnosen und individuelle Therapie-Optionen
Mit dem Start des Projekts FEDORA geht das DZPG einen wichtigen Schritt, um die körperlichen und neuropsychiatrischen Muster von PCC zu erforschen. Das Projekt läuft von November 2024 bis Oktober 2026 und wird mit rund 300.000 Euro durch das BMBF gefördert. Ziel ist es, langfristige Profile von PCC zu erstellen und somatische sowie neuropsychiatrische Muster zu identifizieren, um zukünftig präzisere Diagnosen und individuelle Therapiepläne zu ermöglichen.
Neue Daten und Methoden im Einsatz
FEDORA nutzt innovative Ansätze, wie die Kombination von physiologischen Daten (Schlafmuster, Herzfrequenz, körperliche Aktivität) mit subjektiven Bewertungen der Betroffenen, um ein umfassendes Bild der Erkrankung zu zeichnen. Dafür setzt das Projekt auf Sensor- und EMA-Daten (Ecological Momentary Assessment). Diese Daten umfassen kontinuierliche Messungen physiologischer Parameter durch tragbare Sensoren, wie z.B. Aktivitätstracker oder Herzfrequenzmonitore, sowie situative Erhebungen durch Smartphones, bei denen Betroffene mehrmals täglich nach ihrem aktuellen Zustand und Befinden befragt werden. Diese Methode erlaubt es, ein detailliertes und zeitlich hochaufgelöstes Bild von Symptomen und deren Schwankungen zu erfassen. „Durch die Integration von Sensor- und EMA-Daten können wir sowohl objektive als auch subjektive Parameter miteinander in Verbindung bringen“, erklärt Prof. Walter. „Das erlaubt uns, spezifische Muster zu identifizieren und individuelle Risikoprofile zu erstellen.“
Lesen Sie mehr zu diesem Thema:
Rehabilitations-Studie zu Post-Covid: Ein Schritt zurück ins Leben
Erschienen am 02.07.2024 • Lesen Sie hier, wie Post-Covid-Patient:innen von einer stationären Rehabilitation profitieren können!
Erschienen am 02.07.2024 • Lesen Sie hier, wie Post-Covid-Patient:innen von einer stationären Rehabilitation profitieren können!
© svetlana_nsk – stock.adobe.com
KI-gestützte Analyse soll personalisierte Prävention und Therapie bei PCC ermöglichen
Mithilfe künstlicher Intelligenz (KI) analysieren die Forscher diese vielfältigen Datenquellen, darunter auch Studien zu PCC, Felddaten aus spezialisierten Zentren und große epidemiologische Datensätze mit mehr als 250.000 gesunden und PCC-betroffenen Personen. „Unser Ziel ist es, spezifische Subgruppen von Patienten zu identifizieren und mögliche prognostische Marker zu ermitteln, die auf ein höheres Risiko für schwerwiegende Langzeitfolgen hinweisen“, so Walter. „Damit schaffen wir die Grundlage für personalisierte Prävention und Therapieansätze.“
Relevanz für die Psychiatrie und die klinische Praxis
Die gewonnenen Erkenntnisse sollen nicht nur die Diagnostik und Therapie von PCC verbessern, sondern auch helfen, neuropsychiatrische Begleiterkrankungen wie Depression, Angststörungen und Post-Exertionelle Malaise (Belastungsintoleranz) zu minimieren.
