Zum Hauptinhalt springen

disCOVer Erlangen

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.

Für die disCOVer-Studie können sich aktuell (Stand: 1.12.2022) noch etwa 100 Patientinnen und Patienten per E-Mail an recover.au(at)uk-erlangen.de (Betreff: Organschaden) anmelden. Alle Anfragen werden gelesen, können jedoch aufgrund des hohen Nachrichtenaufkommens nicht alle individuell beantwortet werden.

Es können grundsätzlich nur Betroffene berücksichtigt werden, die alle folgenden Kriterien erfüllen:

  • Positiver PCR-Nachweis nach SARS-CoV-2-Infektion
  • Symptome bestehen mindestens seit 12 Wochen nach COVID-19
  • nachgewiesene Organschäden (z. B. Herz, Lunge)

„disCOVer - 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.

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.

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