Post-COVID besser verstehen: Biomarker im Fokus

Beim diesjährigen DECODE PCS Datathon in Mainz stand drei Tage lang die Analyse realer Forschungsdaten zum Post-COVID-Syndrom im Mittelpunkt. Forschende aus unterschiedlichen Disziplinen arbeiteten dabei gemeinsam an konkreten Fragestellungen rund um Post-COVID, Biomarker und Patientenstratifizierung.

Auch ein Team unseres Instituts war vertreten. Im Fokus stand die Frage, wie sich das kleinstmögliche Biomarker-Panel identifizieren lässt, mit dem unterschiedliche Post-COVID-Phänotypen zuverlässig unterschieden werden können. Ziel war damit die Identifikation einer möglichst kleinen Gruppe molekularer Marker, die dennoch eine präzise Klassifizierung ermöglicht.

Für die Bearbeitung der Challenge kamen unterschiedliche statistische und Machine-Learning-Ansätze zum Einsatz. Grundlage waren unter anderem Daten aus der Gutenberg COVID-19 Studie, der Gutenberg Post-COVID Studie und der COVIDOM-Studie. Berücksichtigt wurden verschiedene Biomarker und klinische Messwerte – darunter Laborparameter, Proteomics-Daten, anthropometrische Messwerte sowie kardiologische und pneumologische Parameter.
Nach drei intensiven Tagen mit Analysen, Diskussionen und der Entwicklung verschiedener Ansätze präsentierten die Teams ihre Ergebnisse vor einer Fachjury. Der Beitrag unseres Teams wurde dabei mit dem 2. Platz ausgezeichnet.

Mit dabei waren Carolin Nürnberger, Anna Schäfer, Miriam Schlüter, Lisa Schönherr und Lukas Weiermann. Ein besonderer Dank gilt der Universitätsmedizin Mainz, dem IDG Institut für digitale Gesundheitsdaten RLP sowie allen weiteren Beteiligten für die Organisation und Durchführung der Veranstaltung.