Das Verständnis über pathophysiologische Mechanismen ist von entscheidender Bedeutung, um Ansatzpunkte für personalisierte Therapieverfahren zu identifizieren sowie die Behandlung und medizinische Versorgung von Patienten mit Post-COVID zu verbessern.

Durch die Anwendung modernster Methoden der künstlichen Intelligenz einschließlich des maschinellen Lernens auf vorhandene hochgranuläre Daten sollen Endotypen, Gruppen von Post-COVID-Patienten, die ähnliche klinische und molekulare Merkmale teilen, identifiziert werden. Dazu werden Patienten mit Post-COVID anhand umfangreicher (sub-)klinischer und molekularer Daten in Cluster segmentiert. Zusätzlich werden organspezifische strukturelle und funktionelle Veränderungen bei Betroffenen mit Post-COVID mit einem gezielten Ansatz untersucht.

Neben einer systemweiten Untersuchung wird ein besonderer Fokus auf neurologische, neuropsychiatrische, und psychosomatische Veränderungen gesetzt. Um der Heterogenität des Post-COVID-Syndroms gerecht zu werden, werden im Rahmen des Forschungsverbundes nicht nur verschiedene Disziplinen, sondern auch komplementäre Datenquellen, von Kohortenstudien über landesweite COVID-19-Impfdokumentationen bis hin zum SARS-CoV-2 Abwassermonitoring, zusammengeführt. Die effiziente Vernetzung der Expertisen und Daten sowie die Entwicklung innovativer Analyse-Pipelines wird in zwei Datathons gewährleistet. Eine wichtige Säule des Vorhabens ist der kontinuierliche Wissens- und Erfahrungsaustausch von Betroffenen mit einem Post-COVID-Syndrom in Form eines Patient Advisory Boards, um patientenorientierte und -zentrierte Forschung sicherzustellen.