DecodePCS 2025 – Datathon zu KI, Omics & Post-COVID

Vom 04.–06. Dezember 2025 richtet das Institut für digitale Gesundheitsdaten RLP gemeinsam mit dem EPIC-AI-Konsortium der Universitätsmedizin Mainz den Datathon DecodePCS 2025 im Gutenberg Digital Hub in Mainz aus. Ziel ist es, interdisziplinäre Teams aus Forschung, Medizin und Data Science zusammenzubringen, um mit Künstlicher Intelligenz, Multi-Omics-Daten und klinischen Analysen innovative Lösungen für das Post-COVID-Syndrom (PCS) zu entwickeln. Die Teilnahme ist kostenlos, die Anmeldung ist bis zum 14. November 2025 möglich.

 

Die Anmeldung ist demnächst hier möglich

Challenges

Thema 1: KI-gestützte Subtypisierung des Post-COVID-Syndroms mithilfe multimodaler Daten

Aufgabe: Entwicklung und Anwendung KI-gestützter Methoden zur Identifikation klinisch relevanter Subtypen des Post-COVID-Syndroms auf Basis multimodaler Daten. Ziel ist es, PCS-spezifische Muster unter Berücksichtigung von Störfaktoren wie Alter und Geschlecht herauszuarbeiten und die Subgruppen hinsichtlich funktioneller Outcomes zu charakterisieren.

Thema 2: Integration multimodaler Daten und Netzwerkanalyse zur Charakterisierung von PCS

Aufgabe: Implementierung von Methoden zur Datenfusion, um klinische und multi-omische Datenströme (Genomik, Proteomik, Metabolomik) für eine umfassende Analyse des PCS zu integrieren. Die Clustereffektivität des integrierten Datensatzes soll quantitativ im Vergleich zu Einzelmodalitäts-Ansätzen anhand etablierter Leistungsmetriken bewertet werden. Zusätzlich sollen interaktive Netzwerkvisualisierungen entwickelt werden, die Beziehungen zwischen den Modalitäten darstellen und eine interpretierbare Clusteranalyse sowie die Aufklärung biologischer Signalwege ermöglichen.

Thema 3: Nutzung gruppenbasierter Omics-Informationen zur Erforschung von PCS

Aufgabe: Nutzung von omicsbasierten Gruppierungen auf Basis vorhandenen biologischen Vorwissens zur besseren Interpretation von PCS-Daten. Einzelne Proteinmessungen sollen zu Gruppen aggregiert werden (z. B. funktionelle Proteinsets), und es sollen geeignete statistische Modelle angewendet werden, um Assoziationen mit klinischen PCS-Ausprägungen zu untersuchen. Zudem soll die prädiktive Leistungsfähigkeit solcher gruppenbasierter Omics-Signaturen zur Klassifikation klinischer Phänotypen bewertet werden.

Thema 4: Intelligentes Feedbacksystem zur Einbindung von Patientinnen und Patienten

Aufgabe: Entwurf eines digitalen Feedbacksystems, das es Patientinnen und Patienten ermöglicht, Rückmeldungen zu Studienmaterialien – etwa Studiendesign, Fragebögen oder Informationsinhalte – zu geben. Das Tool kann als App, Webportal oder in anderer Form umgesetzt werden und sollte strukturierte sowie offene Rückmeldungen in benutzerfreundlicher und klarer Weise ermöglichen.

Thema 5: Identifikation und Analyse klinischer Ausreißerverläufe im PCS

Gibt es Patientinnen und Patienten mit atypischem klinischem Verlauf (z. B. starke Symptome trotz unauffälliger Befunde oder umgekehrt)? Können solche „Outlier“-Gruppen identifiziert werden?
Was können uns diese Ausreißer über das PCS und dessen Subtypen lehren?

Thema 6: Verknüpfung neuropsychiatrischer Symptome mit funktionellen Proteingruppen bei PCS

Welche Zusammenhänge bestehen zwischen neuropsychiatrischen/psychosomatischen Symptomen (z. B. Fatigue, Gedächtnisprobleme, Angst, Depression) und funktionellen Protein-Gruppen wie z. B. solchen, die mit Entzündung, Mikrozirkulation oder Neurotransmittern assoziiert sind?