Projekt SynoSys.PC: Daten aus Wearables zur Verbesserung der Versorgung bei Post COVID

Die Versorgung und Erforschung von Post-COVID-Condition (PCC) erfordert neue Datenquellen und methodische Ansätze. Viele Symptome sind dynamisch, schwer zu objektivieren und zeigen sich erst im Verlauf. Klassische klinische Studien können diese Muster nur eingeschränkt erfassen. Hier setzt das Projekt SynoSys.PC an: Es nutzt kontinuierlich erhobene Wearable-Daten aus der Corona-Datenspende-App, ergänzt um Selbsteinschätzungen, um neue Marker für PCC zu identifizieren und langfristig in die Versorgung zu überführen.

Im Rahmen der Corona-Datenspende wurden über 500.000 Personen erfasst, mehr als 100.000 von ihnen lieferten physiologische Daten über bis zu 18 Monate hinweg. Herzfrequenz, Schlaf, Aktivität mit hoher zeitlicher Auflösung und unter Alltagsbedingungen. Kombiniert mit wiederkehrenden Umfragen zu Symptomen und Wohlbefinden ergibt sich ein vielschichtiger Datensatz, der Verhalten, Gesundheitszustand und Symptomverlauf miteinander in Beziehung setzt.

SynoSys.PC nutzt diese Daten, um belastbare Indikatoren für PCC zu identifizieren, zum Beispiel Muster, die auf Symptomverschlechterungen nach Belastung hinweisen oder Hinweise auf individuelle Erholungsverläufe liefern. Mithilfe von Methoden der Mustererkennung und KI werden komplexe Aktivitätsverläufe analysiert und mit klinischen Studien aus Partnerprojekten verknüpft.

Ziel ist es, ein nachhaltiges Analyse-Ökosystem zu etablieren, das die Integration großskaliger, alltagsnaher Daten mit klassischen Studiendaten erlaubt. Die bestehende Infrastruktur, unter anderem Tools zur Zeitreihenanalyse, Visualisierung und Datenkuratierung, wird forschungsübergreifend zugänglich gemacht. Damit soll SynoSys.PC nicht nur neue Einblicke in PCC ermöglichen, sondern langfristig auch dazu beitragen, digitale Marker in Versorgungskonzepte zu integrieren, für PCC und andere postinfektiöse Erkrankungen.