Categories
Epidemiologie und Public Health HAP Juni 2021 Medizinische Informatik

Verständnis von Komplikationen und Nebenwirkungen von COVID-19 mithilfe von künstlicher Intelligenz und kausaler Inferenz

Verständnis von Komplikationen und Nebenwirkungen von COVID-19 mithilfe von künstlicher Intelligenz und kausaler Inferenz

Titel der Studie: Clinical Analysis of Recovery Trajectory of COVID-19 Patients

Was wird untersucht? 

Als Teil einer größer angelegten, BMBF-finanzierten Studie versuchen wir zu verstehen, wie sich verschiedene Patient:innen mit unterschiedlichem gesundheitlichen Hintergrund von einer COVID-19-Infektion erholen. Wir versuchen auch zu verstehen, wie sich Komplikationen und Nebenwirkungen nach der Genesung für verschiedene Patient:innengruppen unterscheiden.
Wir vergleichen unsere Ergebnisse mit einem großen Datensatz aus den USA, um Unterschiede zwischen den Behandlungen und der Genesung von Patient:innen in beiden Ländern zu verstehen. Dazu nutzen wir moderne Verfahren der Künstlichen Intelligenz und der Kausalinferenz, um somit Vorhersagemodelle zu entwickeln, die neben des Schweregrades, auch die Genesungstrajektorie von Patient:innen vorhersagen kann.

Antragsteller: Dr. Narges Ahmidi, Helmholtz Center Munich

Categories
April 2021 Infektiologie Medizinische Informatik

Schwere des COVID-19-Krankheitsverlaufs und OC43NP-Antikörperspiegel

Schwere des COVID-19-Krankheitsverlaufs und OC43NP-Antikörperspiegel

Titel der Studie: Prior infections with seasonal coronaviruses and COVID-19 disease severity

Was wird untersucht? 

In einer Pilotstudie aus Münster mit 60 Patienten konnte gezeigt werden, dass Patienten,die keine Antikörper gegen bestimmte saisonale Coronaviren (OC43-Viren) haben, ein erhöhtes Risiko für schweren Verlauf von COVID-19 aufweisen (https://doi.org/10.1016/j.ijid.2021.02.085). Dieses Ergebnis soll jetzt in einer Studie mit 340 Patienten überprüft werden, insbesondere auch im Hinblick darauf, ob dies bei den neuen Mutationen des SARS-CoV-2-Virus zutrifft. Dieses Thema ist klinisch relevant im Hinblick auf den Einsatz von neuen, begrenzt verfügbaren Therapien für COVID-19 Patienten (Identifikation von Risikopatienten) und für die Priorisierung von Impfungen. Die Ergebnisse der aktuell publizierten Studie konnten im Rahmen einer Multicenter-Validierungsstudie mit knapp 300 Patienten bestätigt werden. Das Manuskript dieser Validierungsstudie befindet sich derzeit noch in Begutachtung(preprint https://www.medrxiv.org/content/10.1101/2020.12.07.20245241v2).

Antragstellerin: Prof. Dr. Martin Dugas,  Institut für Medizinische Informatik, Universitätsklinikum Münster