Obiectivul general al proiectului îl constituie dezvoltarea de biblioteci personalizate de sănătate (BPSG/PHGL), ce vor cuprinde analize medicale şi genomice. Aceste biblioteci vor fi realizate prin integrarea datelor digitale de sănătate cu date obţinute prin secvenţiere genetică, dar şi cu informaţii despre stilul de viaţă al pacienţilor şi factorii de risc, corelat cu elemente de mediu , în vederea identificării şi monitorizării potenţialelor efecte pe termen lung ale infecției cu SARS-CoV-2. Prin crearea şi completarea BPSG pe perioade îndelungate post-COVID, folosind mecanisme de monitorizare în timp real şi prin analiza avansată a datelor asociate pe baza algoritmilor de inteligenţă artificială, proiectul contribuie la definirea şi înţelegerea condiţiei de COVID de lungă durată. În acelaşi timp, BPSG vor ajuta la înțelegerea cauzelor potențiale ale acestei boli și a mecanismelor biologice asociate, conducând la rezultate relevante pentru noi metode de prevenire, diagnostic, monitorizare şi tratament a COVID-ului şi COVID-ului de lungă durată.
Obiectivele specifice ale proiectului sunt:
O1: Dezvoltarea unei biblioteci personalizate de sănătate și genomică interactivă, în timp real a pacienților cu efecte tardive de COVID sau post-COVID (PHGL-COVID).
O2: Efectuarea de analize moleculare și genetice pe pacienții cu semne tardive COVID.
O3: Dezvoltarea unei aplicații pentru raportare și vizualizare date bazată pe inteligență artificială a PHGL-COVID, pe baza datelor raportate de dispozitive specifice.
O4: Efectuarea unei analize predictive pentru a identifica modele COVID și factori de risc, pe baza datelor clinice, moleculare și genomice agregate ale pacientului.
Proiectul, prin obiectivele și rezultatele sale, va aduce o contribuție majoră la dezvoltarea unei platforme care să reunească date digitale de sănătate personală din diferite tipuri, inclusiv date auto-raportate, de mediu și comportamentale și genomica medicală. Astfel de date sunt de obicei mari și complexe și trebuie să fie reprezentate în moduri prietenoase cu pacientul și interactive. În plus, înregistrările medicale electronice (EMR), constând din diferite tipuri de date, cum ar fi numere, note, imagini, trebuie digitalizate înainte de a fi integrate cu dosarele personale de sănătate (PHR) și vizualizate. Aplicarea inteligenței artificiale (IA) la seturile de date poate oferi o sensibilitate și specificitate ridicate în identificarea tiparelor, viteza de raportare și consistența rezultatelor. Acest prototip pilot urmărește, de asemenea, să schimbe paradigmele actuale de practică clinică, în care pacienții au un angajament limitat în managementul bolii. Alte inovații specifice includ: asamblarea unei colecții cuprinzătoare de PHR prin senzori și seturi de date auto-raportate; dezvoltarea de algoritmi bazați pe inteligență artificială care analizează tendințele PHR în timp real pentru autoîngrijire și pentru partajarea cu medicii; pilot cum se integrează PHR cu EMR pe un eșantion mic de pacienți; utilizați abordări genomice pentru a identifica mecanismele implicate în PASC.