Zum Hauptinhalt springen

disCOVer Erlangen

Web-Seminar: Neuesten Erkenntnisse bei Long/Post-COVID und ME/CFS am 26. Juli 2024

„Hot Topics in Immunomedicine“-Seminarreihe mit Prof. Resia Pretorius

Long COVID diagnostizieren & effektiv therapieren

Hatten Sie COVID-19 und leiden unter den Folgen der Erkrankung (Long COVID)?

Dafür wurde am Universitätsklinikum Erlangen Anfang 2022 das Versorgungsforschungsprojekt „Long COVID diagnostizieren & effektiv therapieren“ gestartet. Der offizielle Studientitel lautet: „Etablierung und Evaluierung eines klinischen Algorithmus zur objektiven Long-COVID Subtypisierung als essenzielle Basis für eine effektive Versorgung

Das Forschungsprojekt untersucht Möglichkeiten, Long bzw. Post COVID mithilfe objektiver Biomarker zu diagnostizieren und entsprechende Therapien zu entwickeln. Betroffene werden dazu in Subgruppen eingeteilt.

Wir bedanken uns bei all den Personen, die sich für unsere disCOVer 1.0 Studie beworben haben. Die Rekrutierung von Patienten mit Post-COVID für disCOVer 1.0 ist aktuell abgeschlossen.

Aktuell führen wir die intensivierte Diagnostik-Studie disCOVer 2.0 durch. Interessierte Patienten mit Post-COVID Syndrom können sich gerne unter recover.au(at)uk-erlangen.de mit Betreff Teilnahme disCover 2.0 melden.

Es ist das Ziel des Modellvorhabens diCOVer 2.0, eine individuell verbesserte Versorgung von Patienten mit PCS aufzubauen: Hierbei werden innovative, neue Diagnostika implementiert, die aktuell nicht in der Regelversorgung angeboten werden. Basierend auf diesen neu im Rahmen dieses Modellvorhabens erhobenen Befunden, wird den Patienten mit PCS eine personalisierte Therapie angeboten. In dem Modellvorhaben disCOVer 2.0 planen wir:

  1. Die Erweiterung der klinischen Phänotypisierung und krankheitsspezifischen Charakterisierung entsprechend der klinischen Erfahrungen aus den stattgehabten COVID-19 Wellen sowie der neuesten wissensbasierten Forschungsdaten mit teils Unterstützung von künstlichen Algorithmen (KI).
  2. Einen Therapie-begleitenden Einsatz der diagnostischen Methode RT-DC im Netzwerkverbund
  3. im Netzwerkverbund (mit der TU (Post-COVID Kids Bavaria 2.0), LMU (Post-COVIDLMU) und der SchönKlinik Berchtesgarden (ReLoAd 2.0)) einen epidemiologischen Survey durchzuführen, der bayernweite Daten zur aktuellen Versorgung von Patienten mit PCS erbringen wird.

„disCOVer 1.0 - diagnosis Long-COVID Erlangen“

Für das Krankheitsbild Long-COVID liegen bisher nur unzureichende Erkenntnisse vor: Es sind weder Mechanismen, noch diagnostische Möglichkeiten, noch eine Therapie ausreichend etabliert, die auf der Basis einer methodischen S3 Leitlinie der Arbeitsgemeinschaft der Wissenschaftlichen Medizinischen Fachgesellschaften (AWMF) ein diagnostisches Vorgehen ermöglichen. Die Patientengruppe mit Long-COVID-Symptomatik soll deshalb entsprechend ihres klinischen Bildes und objektiver Messparameter in drei Subgruppen unterteilt werden, um jeder Subgruppe eine der spezifischen Symptomatik entsprechende Therapie zuordnen zu können.

Die jeweiligen Methodiken sollen zentral in Erlangen so etabliert werden, dass sie zügig in die klinische Praxis umgesetzt werden können. Hierzu ist geplant, dass der Einsatz von künstlicher Intelligenz die Diagnosefindung unterstützt. Mit dem Aufbau dieses Algorithmus soll an den dezentralen Standorten begonnen werden:

  • Universitätsklinikum Augsburg: Dr. Stefanie Bader            
  • Rotkreuzklinik Lindenberg gemeinnützige GmbH: Dr. Andreas Weiß
  •  Klinik St. Hedwig Krankenhaus Barmherzige Brüder, Regensburg: Prof. Kabesch, Dr. Gerling
  •  Klinikum Bayreuth GmbH/ Klinik für Anästhesiologie und Operative Intensivmedizin: Prof. Dr. med. Jörg Reutershan

 

In möglichst kurzem Zeitrahmen sollen mittels eines standardisierten, klinischen Algorithmus das Krankheitsbild Long-COVID definiert und dessen Ursachen identifiziert werden, um ein diagnostisch-therapeutisches Vorgehen zu etablieren, das den Patientinnen und Patienten zielorientiert und zügig die nötige Versorgung ermöglicht.

Auf der Basis von grundlagenwissenschaftlichen Beschreibungen und ersten klinischen Daten wird die Patientengruppe mit Long-COVID-Symptomatik in die drei Subgruppen unterteilt.

Dabei

  • erfolgt eine Charakterisierung der 3 Long-COVID-Subgruppen (Diagnose durch klinische Standards und innovative neue Technologien)
  • werden diese 3 Long-COVID-Subgruppen mit Hilfe etablierter und experimenteller Therapien behandelt
  • wird der Erfolg der Therapie - basierend auf dem diagnostischen Algorithmus - bewertet, indem die funktionelle Gesundheit durch den Gesundheitsfragebogen SF-36 evaluiert wird.

Die drei Subgruppen unterscheiden Patientinnen und Patienten mit Long-COVID-Symptomatik, bei denen 

  1. durch eine verbliebene geringe Virenlast eine andauernde T-Zellaktivität vorhanden ist
  2. (starke) Organschäden vorhanden sind
  3. funktionelle Autoantikörper (GPCR-AAb) Autoimmunreaktionen auslösen

Für jede der drei Subgruppen wird eine spezifische Therapieempfehlung untersucht:

  1. Booster-Impfung
  2. Rehabilitation
  3. Neutralisierung der GPCR-AAb mittels BC 007 (gefördert durch das Bundesministerium für Bildung und Forschung – reCOVer)

Der zu entwickelnde diagnostische Algorithmus soll parallel als objektiver und kausal mit den beschriebenen Symptomen verknüpfter Diagnosemarker etabliert werden, der auf der Bestimmung der physikalischen Eigenschaften der Patientenblutzellen und einer digitalen, durch künstliche Intelligenz gestützten Auswertung basiert. Die bayernweite Anwendung dieses Diagnosemarkers soll vorbereitet werden.

Aktueller Stand:

Es konnten bereits die Probanden der Gruppe 1 bestimmt werden: Die betreffenden Studienteilnehmer werden bis Mitte August individuell diesbzgl. kontaktiert werden.

Die Studie wird geleitet von PD Dr. Dr. Bettina Hohberger aus der Augenklinik des Universitätsklinikums Erlangen in Kooperation mit Dr. Martin Kräter aus der Abteilung Biologische Optomechanik des Erlanger Max-Planck-Instituts für die Physik des Lichts (MPL). Finanziert wird die Studie durch eine Förderung des Bayerisches Landesamt für Gesundheit und Lebensmittelsicherheit, LGL (2490-PC-2021-V14): disCOVer - Etablierung und Evaluierung eines klinischen Algorithmus zur objektiven Long-COVID Subtypisierung als essentielle Basis einer effektiven Versorgung https://www.lgl.bayern.de/gesundheit/infektionsschutz/infektionskrankheiten_a_z/coronavirus/post_covid_foerderinitiative.htm