COVIDOMICS IA – Understanding the interindividual variability of COVID-19 and its post-infectious syndrome (long COVID) (Q6840552)
Jump to navigation
Jump to search
Project LO0033238 in France
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | COVIDOMICS IA – Understanding the interindividual variability of COVID-19 and its post-infectious syndrome (long COVID) |
Project LO0033238 in France |
Statements
4,760,000.0 Euro
0 references
4,760,000.0 Euro
0 references
100.0 percent
0 references
3 January 2022
0 references
31 December 2023
0 references
UNIVERSITE DE STRASBOURG
0 references
Le projet COVIDOMICS IA a pour objectif de répondre à la question suivante : Pourquoi suite à la même infection COVID-19 (variant viral) au sein d une même classe d âge, certaines personnes ne souffrent que d une « simple grippe » alors que d autres seront à terme hospitalisées en service de réanimation (et pour certains y décèderont) ? Pour y répondre à cette question, une équipe multidisciplinaire composée de chercheurs et de cliniciens associés au Laboratoire d ImmunoRhumatologie Moléculaire INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) va analyser une cohorte de patients infectés par différents variants viraux (Delta, Omicron, et autres à venir). Deux groupes de patients vont être comparés : les patients non-critiques hospitalisés en secteur dit conventionnel et les patients critiques des services de réanimation. Ces patients seront étudiés à un niveau de détail clinique et moléculaire très important grâce à une approche dite « multi-omique ». En appliquant ensuite une analyse statistique faisant intervenir de l intelligence artificielle et de l apprentissage profond, il sera possible d identifier des cibles thérapeutiques et diagnostiques permettant de différencier les formes critiques des formes non-critiques. A terme, associées aux connaissances accumulées sur les variants cette recherche pourrait également permettre d anticiper l impact clinique des variants à venir, y compris sur la forme post-infectieuse de la COVID-19, dite COVID-long. (French)
0 references
Целта на проекта за ИИ на COVIDOMICS е да се отговори на следния въпрос: Защо след същата инфекция с COVID-19 (вирусен вариант) в рамките на една и съща възрастова група някои хора страдат само от „обикновен грип“, докато други в крайна сметка ще бъдат хоспитализирани в служба за реанимация (а за някои ще умрат)? За да отговори на този въпрос, мултидисциплинарен екип от изследователи и клиницисти, свързани с Лабораторията по молекулярна имуноруматология INSERM UMR_S 1109 (Дир. проф. Seiamak BAHRAM), ще анализира кохорта от пациенти, заразени с различни вирусни варианти (Делта, Омикрон и други бъдещи). Ще бъдат сравнени две групи пациенти: некритични пациенти, хоспитализирани в т.нар. конвенционален сектор и критични пациенти на реанимационни услуги. Тези пациенти ще бъдат изследвани на много важно ниво на клинични и молекулярни детайли чрез т.нар. „мултиомичен“ подход. Чрез прилагането на статистически анализ, включващ изкуствен интелект и задълбочено обучение, ще бъде възможно да се идентифицират терапевтични и диагностични цели, за да се разграничат критичните от некритичните форми. В дългосрочен план, в съчетание с натрупаните знания за вариантите, това изследване би могло също така да спомогне за предвиждане на клиничното въздействие на бъдещите варианти, включително върху слединфекциозната форма на COVID-19, известна като COVID-long. (Bulgarian)
0 references
Cílem projektu v oblasti umělé inteligence COVIDOMICS je odpovědět na následující otázku: Proč po stejné infekci COVID-19 (virové variantě) ve stejné věkové skupině trpí někteří lidé pouze „jednoduchou chřipkou“, zatímco jiní budou nakonec hospitalizováni v resuscitační službě (a u některých zemřou)? Pro zodpovězení této otázky bude multidisciplinární tým výzkumníků a lékařů spojených s Laboratoří molekulární imunoRhumatologie INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) analyzovat kohortu pacientů infikovaných různými virovými variantami (Delta, Omicron a další). Budou porovnány dvě skupiny pacientů: nekritické pacienty hospitalizované v tzv. konvenčním sektoru a kritické pacienty resuscitačních služeb. Tito pacienti budou studováni na velmi důležité úrovni klinických a molekulárních detailů pomocí tzv. „multiomického“ přístupu. Použitím statistické analýzy zahrnující umělou inteligenci a hluboké učení bude možné identifikovat terapeutické a diagnostické cíle pro rozlišení kritických forem od nekritických forem. V dlouhodobém horizontu by tento výzkum v kombinaci s nashromážděnými poznatky o variantách mohl rovněž pomoci předvídat klinický dopad budoucích variant, a to i na postinfekční formu COVID-19, známou jako COVID-long. (Czech)
0 references
Formålet med COVIDOMICS AI-projektet er at besvare følgende spørgsmål: Hvorfor efter den samme covid-19-infektion (viral variant) inden for samme aldersgruppe lider nogle mennesker kun af en "enkel influenza", mens andre i sidste ende vil blive indlagt i genoplivningstjeneste (og for nogle vil de dø)? For at besvare dette spørgsmål vil et tværfagligt team af forskere og klinikere tilknyttet Laboratoriet for Molekylær ImmunoRhumatologi INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) analysere en kohorte af patienter inficeret med forskellige virale varianter (Delta, Omicron og andre kommende). To grupper af patienter vil blive sammenlignet: ikke-kritiske patienter indlagt i den såkaldte konventionelle sektor og kritiske patienter med genoplivningstjenester. Disse patienter vil blive undersøgt på et meget vigtigt niveau af klinisk og molekylær detalje gennem en såkaldt "multiomisk" tilgang. Ved at anvende en statistisk analyse, der involverer kunstig intelligens og dyb læring, vil det være muligt at identificere terapeutiske og diagnostiske mål for at skelne kritiske former fra ikke-kritiske former. I det lange løb kan denne forskning kombineret med den akkumulerede viden om varianter også bidrage til at foregribe fremtidige varianters kliniske indvirkning, herunder på den postinfektiøse form for covid-19, kendt som covid-19. (Danish)
0 references
Ziel des Projekts COVIDOMICS IA ist es, folgende Frage zu beantworten: Warum leiden einige Menschen nach der gleichen COVID-19-Infektion (virale Variation) innerhalb derselben Altersklasse nur an einer „einfachen Grippe“, während andere langfristig ins Krankenhaus eingeliefert werden (und für einige sterben werden)? Um diese Frage zu beantworten, wird ein multidisziplinäres Team von Forschern und Klinikern, die am Labor für Molekulare ImmunoRhumatologie INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) beteiligt sind, eine Kohorte von Patienten analysieren, die mit verschiedenen Virusvarianten infiziert sind (Delta, Omicron usw.). Zwei Patientengruppen werden verglichen: nicht-kritische Krankenhauspatienten im sogenannten konventionellen Sektor und kritische Patienten der Reanimationsdienste. Diese Patienten werden auf einem sehr hohen klinischen und molekularen Detailgrad durch einen sogenannten „multiomischen“ Ansatz untersucht. Durch die Anwendung einer statistischen Analyse mit künstlicher Intelligenz und Deep Learning können therapeutische und diagnostische Ziele identifiziert werden, mit denen kritische und unkritische Formen unterschieden werden können. Letztlich könnte diese Forschung zusammen mit dem gesammelten Wissen über Varianten auch die klinischen Auswirkungen künftiger Varianten antizipieren, einschließlich der postinfektiösen Form von COVID-19, der sogenannten COVID-Long-Varianten. (German)
0 references
Στόχος του έργου COVIDOMICS AI είναι να απαντήσει στο ακόλουθο ερώτημα: Γιατί μετά την ίδια λοίμωξη από τη νόσο COVID-19 (ιική παραλλαγή) εντός της ίδιας ηλικιακής ομάδας, ορισμένοι άνθρωποι πάσχουν μόνο από «απλή γρίπη», ενώ άλλοι τελικά θα νοσηλεύονται σε υπηρεσίες ανάνηψης (και για μερικούς θα πεθάνουν); Για να απαντήσει σε αυτό το ερώτημα, μια διεπιστημονική ομάδα ερευνητών και κλινικών ιατρών που σχετίζονται με το Εργαστήριο Μοριακής Ανοσολογικής Ανοσολογίας INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) θα αναλύσει μια ομάδα ασθενών που έχουν μολυνθεί με διαφορετικές ιογενείς παραλλαγές (Delta, Omicron, και άλλοι που έρχονται). Θα συγκριθούν δύο ομάδες ασθενών: μη κρίσιμοι ασθενείς που νοσηλεύονται στον λεγόμενο συμβατικό τομέα και ασθενείς κρίσιμης σημασίας των υπηρεσιών ανάνηψης. Οι ασθενείς αυτοί θα μελετηθούν σε ένα πολύ σημαντικό επίπεδο κλινικής και μοριακής λεπτομέρειας μέσω της λεγόμενης «πολυμετρικής» προσέγγισης. Με την εφαρμογή στατιστικής ανάλυσης που περιλαμβάνει τεχνητή νοημοσύνη και βαθιά μάθηση, θα είναι δυνατός ο προσδιορισμός θεραπευτικών και διαγνωστικών στόχων για τη διαφοροποίηση των κρίσιμων μορφών από τις μη κρίσιμες μορφές. Μακροπρόθεσμα, σε συνδυασμό με τις συσσωρευμένες γνώσεις σχετικά με τις παραλλαγές, η έρευνα αυτή θα μπορούσε επίσης να συμβάλει στην πρόβλεψη του κλινικού αντικτύπου μελλοντικών παραλλαγών, συμπεριλαμβανομένης της μεταλοιμώδους μορφής της νόσου COVID-19, γνωστής ως COVID-long. (Greek)
0 references
The objective of the COVIDOMICS AI project is to answer the following question: Why after the same COVID-19 infection (viral variant) within the same age group, some people only suffer from a “simple flu” while others will eventually be hospitalised in resuscitation service (and for some will die)? To answer this question, a multidisciplinary team of researchers and clinicians associated with the Laboratory of Molecular ImmunoRhumatology INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) will analyse a cohort of patients infected with different viral variants (Delta, Omicron, and others to come). Two groups of patients will be compared: non-critical patients hospitalised in the so-called conventional sector and critical patients of resuscitation services. These patients will be studied at a very important level of clinical and molecular detail through a so-called “multiomic” approach. By applying a statistical analysis involving artificial intelligence and deep learning, it will be possible to identify therapeutic and diagnostic targets to differentiate critical forms from non-critical forms. In the long run, combined with the accumulated knowledge on variants, this research could also help anticipate the clinical impact of future variants, including on the post-infectious form of COVID-19, known as COVID-long. (English)
0.6793584738712228
0 references
El objetivo del proyecto COVIDOMICS AI es responder a la siguiente pregunta: ¿Por qué después de la misma infección por COVID-19 (variante viral) dentro del mismo grupo de edad, algunas personas solo sufren de una «gripe simple», mientras que otras eventualmente serán hospitalizadas en servicio de reanimación (y para algunas morirán)? Para responder a esta pregunta, un equipo multidisciplinario de investigadores y clínicos asociados al Laboratorio de InmunoRhumatología Molecular INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) analizará una cohorte de pacientes infectados con diferentes variantes virales (Delta, Omicron y otros por venir). Se compararán dos grupos de pacientes: pacientes no críticos hospitalizados en el llamado sector convencional y pacientes críticos de servicios de reanimación. Estos pacientes serán estudiados a un nivel muy importante de detalle clínico y molecular a través de un enfoque llamado «multiómico». Mediante la aplicación de un análisis estadístico que implique inteligencia artificial y aprendizaje profundo, será posible identificar objetivos terapéuticos y diagnósticos para diferenciar las formas críticas de las formas no críticas. A largo plazo, combinado con el conocimiento acumulado sobre variantes, esta investigación también podría ayudar a anticipar el impacto clínico de las futuras variantes, incluso en la forma post-infecciosa de COVID-19, conocida como COVID-long. (Spanish)
0 references
COVIDOMICS tehisintellekti projekti eesmärk on vastata järgmisele küsimusele: Miks pärast sama COVID-19 nakkust (viirusvariant) samas vanuserühmas kannatavad mõned inimesed ainult „lihtse gripi“ all, teised aga lõpuks haiglasse elustamisteenuses (ja mõned surevad)? Sellele küsimusele vastamiseks analüüsib multidistsiplinaarne teadlaste ja arstide rühm, kes on seotud molekulaarse immunoRhumatoloogia laboratooriumiga INSERM UMR_S 1109 (Dir. prof Seiamak BAHRAM) erinevate viirusvariantidega nakatunud patsientide kohorti (Delta, Omicron ja teised tulevad). Võrreldakse kahte patsientide rühma: mittekriitilised patsiendid, kes on haiglaravil nn tavapärases sektoris, ja elustamisteenuste kriitilise tähtsusega patsiendid. Neid patsiente uuritakse väga olulisel kliinilise ja molekulaarse detaili tasemel nn „multioomilise“ lähenemisviisi abil. Tehisintellekti ja süvaõpet hõlmava statistilise analüüsi abil on võimalik kindlaks teha terapeutilised ja diagnostilised eesmärgid, et eristada kriitilisi vorme mittekriitilistest vormidest. Pikemas perspektiivis koos variantide kohta kogutud teadmistega võib see uuring aidata prognoosida ka tulevaste variantide kliinilist mõju, sealhulgas COVID-19 nakkusjärgsele vormile, mida nimetatakse COVID-pikaks. (Estonian)
0 references
CovidOMICS AI -hankkeen tavoitteena on vastata seuraavaan kysymykseen: Miksi saman covid-19-infektion (virusmuunnoksen) jälkeen samassa ikäryhmässä jotkut ihmiset kärsivät vain ”yksinkertaisesta flunssasta”, kun taas toiset joutuvat lopulta sairaalaan elvytyspalvelussa (ja jotkut kuolevat)? Vastatakseen tähän kysymykseen monitieteinen ryhmä tutkijoita ja kliinikoita, jotka liittyvät molekyyli-immunoRhumatologian laboratorioon INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) analysoi kohortin potilaista, joilla on eri virusmuunnokset (Delta, Omicron ja muut tulevat). Vertaillaan kahta potilasryhmää: ei-kriittiset potilaat joutuivat sairaalahoitoon ns. perinteisellä sektorilla ja kriittiset elvytyspalvelut. Näitä potilaita tutkitaan erittäin tärkeällä kliinisellä ja molekyylitasolla ns. multiomic-lähestymistavan avulla. Tekoälyä ja syväoppimista sisältävän tilastollisen analyysin avulla voidaan tunnistaa terapeuttisia ja diagnostisia tavoitteita kriittisten muotojen erottamiseksi ei-kriittisistä muodoista. Pitkällä aikavälillä tämä tutkimus yhdessä muunnoksia koskevan tietämyksen kanssa voisi myös auttaa ennakoimaan tulevien muunnosten kliinisiä vaikutuksia, myös covid-19-tartunnan jälkeiseen muotoon, jota kutsutaan covid-19-pitkäksi. (Finnish)
0 references
Is é is cuspóir do thionscadal COVIDOMICS AI an cheist seo a leanas a fhreagairt: Cén fáth, tar éis an ionfhabhtaithe chéanna in aghaidh COVID-19 (athraitheachvíreas) laistigh den aoisghrúpa céanna, nach bhfuil ach “fliú simplí” ag roinnt daoine agus go gcuirfear daoine eile san ospidéal sa deireadh i seirbhís athbheochana (agus i gcás daoine áirithe a gheobhaidh bás)? Chun an cheist seo a fhreagairt, déanfaidh foireann ildisciplíneach taighdeoirí agus cliniceoirí a bhaineann le Saotharlann ImmunoRhumatology Móilíneach INSERM UMR_S 1109 (Dir. an tOllamh Seiamak Bahram) anailís ar chohórt othar atá ionfhabhtaithe le leaganacha éagsúla víreasacha (Delta, Omicron, agus daoine eile atá le teacht). Déanfar comparáid idir dhá ghrúpa othar: othair neamhchriticiúla atá san ospidéal san earnáil thraidisiúnta, mar a thugtar uirthi, agus othair chriticiúla seirbhísí athbheochana. Déanfar staidéar ar na hothair seo ar leibhéal an-tábhachtach de mhionsonraí cliniciúla agus móilíneacha trí chur chuige “ildamhach” mar a thugtar air. Trí anailís staidrimh a chur i bhfeidhm a bhaineann leis an intleacht shaorga agus leis an domhainfhoghlaim, beifear in ann spriocanna teiripeacha agus diagnóiseacha a shainaithint chun idirdhealú a dhéanamh idir foirmeacha criticiúla agus foirmeacha neamhchriticiúla. San fhadtéarma, in éineacht leis an eolas carntha ar athraithigh, d’fhéadfadh an taighde sin cabhrú freisin le tionchar cliniciúil na n-athraitheach amach anseo a thuar, lena n-áirítear ar an gcineál iarthógálach COVID-19, ar a dtugtar COVID-fada. (Irish)
0 references
Cilj je projekta COVIDOMICS AI odgovoriti na sljedeće pitanje: Zašto nakon iste infekcije bolešću COVID-19 (virusna varijanta) unutar iste dobne skupine neki ljudi pate samo od „jednostavne gripe”, dok će drugi na kraju biti hospitalizirani u službi reanimacije (a neki će umrijeti)? Da bi se odgovorilo na ovo pitanje, multidisciplinarni tim istraživača i kliničara povezanih s Laboratorijem molekularne imunoRhumatologije INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) analizirat će kohortu pacijenata zaraženih različitim virusnim varijantama (Delta, Omicron i drugi koji dolaze). Usporedit će se dvije skupine pacijenata: pacijenti koji nisu kritični hospitalizirani u takozvanom konvencionalnom sektoru i kritični pacijenti usluga reanimacije. Ovi bolesnici će se proučavati na vrlo važnoj razini kliničkih i molekularnih detalja kroz takozvani „multiomički” pristup. Primjenom statističke analize koja uključuje umjetnu inteligenciju i duboko učenje bit će moguće utvrditi terapijske i dijagnostičke ciljeve kako bi se razlikovali kritični oblici od onih koji nisu kritični. Dugoročno, u kombinaciji s prikupljenim znanjem o varijantama, ovo bi istraživanje moglo pomoći i u predviđanju kliničkog učinka budućih varijanti, među ostalim na postinfektivne oblike bolesti COVID-19, poznate kao COVID-19. (Croatian)
0 references
A CovidOMICS mesterséges intelligenciával kapcsolatos projekt célja a következő kérdés megválaszolása: Miért ugyanaz a Covid19-fertőzés (vírusvariáns) után ugyanazon korcsoportban egyesek csak „egyszerű influenzában” szenvednek, míg mások végül újraélesztő szolgálatban kerülnek kórházba (és egyesek meghalnak)? Ennek a kérdésnek a megválaszolására az INSERM UMR_S 1109 Molekuláris ImmunoRhumatológiai Laboratóriumhoz (Dir. Prof. Seiamak BAHRAM) társult kutatók és klinikusok multidiszciplináris csoportja elemzi a különböző vírusvariánsokkal fertőzött betegek (Delta, Omicron és mások) csoportját. A betegek két csoportját hasonlítják össze: az úgynevezett hagyományos szektorban kórházba kerülő, nem kritikus betegek és az újraélesztési szolgáltatások kritikus betegei. Ezeket a betegeket nagyon fontos klinikai és molekuláris szinten fogják tanulmányozni egy úgynevezett „multiomikus” megközelítéssel. A mesterséges intelligenciát és a mély tanulást magában foglaló statisztikai elemzés alkalmazásával lehetséges lesz olyan terápiás és diagnosztikai célok azonosítása, amelyek megkülönböztetik a kritikus formákat a nem kritikus formáktól. Hosszú távon – a variánsokkal kapcsolatos felhalmozott ismeretekkel együtt – ez a kutatás elősegítheti a jövőbeli variánsok klinikai hatásának előrejelzését is, többek között a Covid19 fertőzés utáni, Covid-hosszúságú formájára. (Hungarian)
0 references
L'obiettivo del progetto COVIDOMICS AI è rispondere alla seguente domanda: Perché dopo la stessa infezione da COVID-19 (variante virale) all'interno della stessa fascia di età, alcune persone soffrono solo di una "semplice influenza", mentre altre alla fine saranno ricoverate in servizio di rianimazione (e per alcuni moriranno)? Per rispondere a questa domanda, un team multidisciplinare di ricercatori e clinici associati al Laboratorio di ImmunoRhumatologia Molecolare INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) analizzerà una coorte di pazienti infettati con diverse varianti virali (Delta, Omicron e altri a venire). Saranno confrontati due gruppi di pazienti: pazienti non critici ricoverati in ospedale nel cosiddetto settore convenzionale e pazienti critici dei servizi di rianimazione. Questi pazienti saranno studiati ad un livello molto importante di dettaglio clinico e molecolare attraverso un cosiddetto approccio "multiomico". Applicando un'analisi statistica che coinvolge l'intelligenza artificiale e l'apprendimento profondo, sarà possibile identificare obiettivi terapeutici e diagnostici per differenziare le forme critiche dalle forme non critiche. Nel lungo periodo, combinata con le conoscenze accumulate sulle varianti, questa ricerca potrebbe anche contribuire ad anticipare l'impatto clinico delle varianti future, anche sulla forma post-infettiva di COVID-19, nota come COVID-long. (Italian)
0 references
COVIDOMICS DI projekto tikslas – atsakyti į šį klausimą: Kodėl po tos pačios COVID-19 infekcijos (virusinės atmainos) toje pačioje amžiaus grupėje kai kurie žmonės kenčia tik nuo „paprasto gripo“, o kiti galiausiai bus hospitalizuoti reanimacijos tarnyboje (o kai kurie mirs)? Norėdami atsakyti į šį klausimą, daugiadalykė mokslininkų ir gydytojų komanda, susijusi su Molekulinės imunoRhumatologijos laboratorija INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM), analizuos pacientų, užsikrėtusių skirtingais virusiniais variantais (Delta, omikron ir kiti ateityje), kohortą. Bus lyginamos dvi pacientų grupės: ypatingos svarbos pacientai, hospitalizuoti vadinamajame tradiciniame sektoriuje, ir kritiniai pacientai, kuriems teikiamos gaivinimo paslaugos. Šie pacientai bus tiriami labai svarbiu klinikinių ir molekulinių detalių lygiu, taikant vadinamąjį daugialypį metodą. Taikant statistinę analizę, apimančią dirbtinį intelektą ir gilųjį mokymąsi, bus galima nustatyti terapinius ir diagnostinius tikslus, kad būtų galima atskirti kritines formas nuo nekritinių formų. Ilguoju laikotarpiu kartu su sukauptomis žiniomis apie atmainas šis tyrimas taip pat galėtų padėti numatyti būsimų atmainų klinikinį poveikį, be kita ko, po infekcinės COVID-19 formos, vadinamos COVID-19 trukme. (Lithuanian)
0 references
CovidOMICS AI projekta mērķis ir atbildēt uz šādu jautājumu: Kāpēc pēc tās pašas Covid-19 infekcijas (vīrusu varianta) vienā un tajā pašā vecuma grupā daži cilvēki cieš tikai no “vienkāršas gripas”, bet citi galu galā tiks hospitalizēti reanimācijas dienestā (un dažiem no viņiem nomirs)? Lai atbildētu uz šo jautājumu, daudzdisciplīnu pētnieku un klīnicistu grupa, kas saistīta ar Molecular ImmunoRhumatology Laboratoriju INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM), analizēs pacientu kohortu, kas inficēti ar dažādiem vīrusu variantiem (Delta, omikrons un citi nāk). Tiks salīdzinātas divas pacientu grupas: nekritiski pacienti, kas hospitalizēti tā sauktajā tradicionālajā nozarē, un kritiskie reanimācijas pakalpojumu pacienti. Šie pacienti tiks pētīti ļoti svarīgā klīniskā un molekulārā detalizācijas līmenī, izmantojot tā saukto “multinomisko” pieeju. Izmantojot statistisko analīzi, kas ietver mākslīgo intelektu un dziļu mācīšanos, būs iespējams noteikt terapeitiskos un diagnostiskos mērķus, lai atšķirtu kritiskās formas no nekritiskām formām. Ilgtermiņā kopā ar uzkrātajām zināšanām par variantiem šis pētījums varētu arī palīdzēt prognozēt turpmāko variantu klīnisko ietekmi, tostarp Covid-19 pēcinfekciozo formu, ko dēvē par Covid-19. (Latvian)
0 references
l-objettiv tal-proġett COVIDOMICS AI huwa li jwieġeb il-mistoqsija li ġejja: Għaliex wara l-istess infezzjoni tal-COVID-19 (varjant virali) fl-istess grupp ta’ età, xi nies ibatu biss minn “influwenza sempliċi” filwaqt li oħrajn eventwalment jiddaħħlu l-isptar f’servizz ta’ risuxxitazzjoni (u għal xi wħud imutu)? Biex iwieġeb din il-mistoqsija, tim multidixxiplinarju ta’ riċerkaturi u kliniċi assoċjati mal-Laboratorju tal-ImmunoRhumatoloġija Molekulari INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) se janalizza koorti ta’ pazjenti infettati b’varjanti virali differenti (Delta, Omicron, u oħrajn li ġejjin). Se jitqabblu żewġ gruppi ta’ pazjenti: pazjenti mhux kritiċi li jiddaħħlu l-isptar fl-hekk imsejjaħ settur konvenzjonali u pazjenti kritiċi ta’ servizzi ta’ risuxxitazzjoni. Dawn il-pazjenti se jiġu studjati f’livell importanti ħafna ta’ dettall kliniku u molekulari permezz tal-hekk imsejjaħ approċċ “multiomiku”. Bl-applikazzjoni ta’ analiżi statistika li tinvolvi l-intelliġenza artifiċjali u t-tagħlim profond, se jkun possibbli li jiġu identifikati miri terapewtiċi u dijanjostiċi biex issir distinzjoni bejn forom kritiċi u forom mhux kritiċi. Fit-tul, flimkien mal-għarfien akkumulat dwar il-varjanti, din ir-riċerka tista’ tgħin ukoll biex jiġi antiċipat l-impatt kliniku ta’ varjanti futuri, inkluż fuq il-forma postinfettuża tal-COVID-19, magħrufa bħala l-COVID-19. (Maltese)
0 references
Het doel van het COVIDOMICS AI-project is het beantwoorden van de volgende vraag: Waarom na dezelfde COVID-19-infectie (virale variant) binnen dezelfde leeftijdsgroep lijden sommige mensen alleen aan een „eenvoudige griep”, terwijl anderen uiteindelijk in het ziekenhuis zullen worden opgenomen in reanimatie (en voor sommigen zullen sterven)? Om deze vraag te beantwoorden, zal een multidisciplinair team van onderzoekers en clinici geassocieerd met het Laboratorium voor Moleculaire ImmunoRhumatologie INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) een cohort analyseren van patiënten die besmet zijn met verschillende virale varianten (Delta, Omicron, en anderen die komen). Er worden twee groepen patiënten vergeleken: niet-kritische patiënten opgenomen in de zogenaamde conventionele sector en kritische patiënten van reanimatiediensten. Deze patiënten zullen worden bestudeerd op een zeer belangrijk niveau van klinische en moleculaire detail door middel van een zogenaamde „multiomische” aanpak. Door een statistische analyse van kunstmatige intelligentie en deep learning toe te passen, zal het mogelijk zijn therapeutische en diagnostische doelen te identificeren om kritische vormen te onderscheiden van niet-kritische vormen. Op de lange termijn kan dit onderzoek, in combinatie met de verzamelde kennis over varianten, ook helpen anticiperen op de klinische impact van toekomstige varianten, onder meer op de post-infectieuze vorm van COVID-19, bekend als COVID-long. (Dutch)
0 references
O objetivo do projeto COVIDOMICS AI é responder à seguinte pergunta: Por que razão, após a mesma infeção por COVID-19 (variante viral) no mesmo grupo etário, algumas pessoas só sofrem de uma «gripe simples», enquanto outras acabarão por ser hospitalizadas no serviço de reanimação (e para algumas morrerão)? Para responder a esta pergunta, uma equipa multidisciplinar de investigadores e clínicos associados ao Laboratório de ImunoRhumatologia Molecular INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) irá analisar uma coorte de doentes infetados com diferentes variantes virais (Delta, Omicron e outros por vir). Serão comparados dois grupos de doentes: doentes não críticos hospitalizados no chamado setor convencional e doentes críticos de serviços de reanimação. Estes pacientes serão estudados a um nível muito importante de detalhe clínico e molecular através de uma chamada abordagem «multiómica». Através da aplicação de uma análise estatística envolvendo inteligência artificial e aprendizagem profunda, será possível identificar alvos terapêuticos e diagnósticos para diferenciar formas críticas de formas não críticas. A longo prazo, juntamente com os conhecimentos acumulados sobre variantes, esta investigação poderá também ajudar a antecipar o impacto clínico de futuras variantes, nomeadamente na forma pós-infeciosa da COVID-19, conhecida como COVID-long. (Portuguese)
0 references
Obiectivul proiectului IA COVIDOMICS este de a răspunde la următoarea întrebare: De ce, după aceeași infecție cu COVID-19 (varianta virală) din aceeași grupă de vârstă, unii oameni suferă doar de o „gripă simplă”, în timp ce alții vor fi spitalizați în cele din urmă în serviciul de resuscitare (și pentru unii vor muri)? Pentru a răspunde la această întrebare, o echipă multidisciplinară de cercetători și clinicieni asociați cu Laboratorul de ImunoRhumatologie Moleculară INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) va analiza o cohortă de pacienți infectați cu diferite variante virale (Delta, Omicron și altele viitoare). Vor fi comparate două grupuri de pacienți: pacienți necritici spitalizați în așa-numitul sector convențional și pacienți critici ai serviciilor de resuscitare. Acești pacienți vor fi studiați la un nivel foarte important de detaliu clinic și molecular printr-o abordare așa-numită „multiomică”. Prin aplicarea unei analize statistice care implică inteligența artificială și învățarea profundă, va fi posibilă identificarea țintelor terapeutice și de diagnosticare pentru a diferenția formele critice de formele necritice. Pe termen lung, împreună cu cunoștințele acumulate privind variantele, această cercetare ar putea contribui, de asemenea, la anticiparea impactului clinic al variantelor viitoare, inclusiv asupra formei postinfecțioase a COVID-19, cunoscută sub numele de COVID-long. (Romanian)
0 references
Cieľom projektu COVIDOMICS AI je odpovedať na túto otázku: Prečo po tej istej infekcii COVID-19 (vírusový variant) v rámci rovnakej vekovej skupiny niektorí ľudia trpia len „jednoduchou chrípkou“, zatiaľ čo iní budú nakoniec hospitalizovaní v rámci resuscitačnej služby (a pre niektorých zomrie)? Aby sme odpovedali na túto otázku, multidisciplinárny tím výskumníkov a klinických lekárov spojených s laboratóriom molekulárnej imunoRhumatológie INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) analyzuje kohortu pacientov infikovaných rôznymi vírusovými variantmi (Delta, Omicron a ďalší, ktorí prídu). Porovnávajú sa dve skupiny pacientov: nekritickí pacienti hospitalizovaní v tzv. konvenčnom sektore a kritickí pacienti resuscitačných služieb. Títo pacienti budú študovaní na veľmi dôležitej úrovni klinických a molekulárnych detailov prostredníctvom tzv. multiomického prístupu. Uplatňovaním štatistickej analýzy zahŕňajúcej umelú inteligenciu a hlboké učenie sa bude možné identifikovať terapeutické a diagnostické ciele na odlíšenie kritických foriem od nekritických foriem. Z dlhodobého hľadiska by tento výskum v kombinácii s nahromadenými poznatkami o variantoch mohol pomôcť predvídať aj klinický vplyv budúcich variantov, a to aj na postinfekčnú formu ochorenia COVID-19, známej ako COVID-19. (Slovak)
0 references
Cilj projekta COVIDOMICS AI je odgovoriti na naslednje vprašanje: Zakaj po isti okužbi s covidom-19 (virusna različica) v isti starostni skupini nekateri ljudje trpijo le za „preprosto gripo“, medtem ko bodo drugi na koncu hospitalizirani v službi za oživljanje (in za nekatere bodo umrli)? Za odgovor na to vprašanje bo multidisciplinarna skupina raziskovalcev in kliničnih zdravnikov, povezanih z Laboratorijem za molekularno imunorumatologijo INSERM UMR_S 1109 (Dir. prof. Seiamak BAHRAM), analizirala kohorto bolnikov, okuženih z različnimi virusnimi različicami (Delta, omikron in drugi, ki prihajajo). Primerjali bomo dve skupini bolnikov: nekritični bolniki hospitalizirani v tako imenovanem konvencionalnem sektorju in kritični bolniki storitev oživljanja. Ti bolniki se bodo preučevali na zelo pomembni ravni kliničnih in molekularnih podrobnosti s tako imenovanim „multiomičnim“ pristopom. Z uporabo statistične analize, ki vključuje umetno inteligenco in globoko učenje, bo mogoče opredeliti terapevtske in diagnostične cilje za razlikovanje kritičnih oblik od nekritičnih oblik. Dolgoročno bi lahko te raziskave skupaj s pridobljenim znanjem o različicah prispevale tudi k predvidevanju kliničnega učinka prihodnjih različic, tudi na postinfekcijsko obliko COVID-19, imenovano COVID-19. (Slovenian)
0 references
Syftet med projektet COVIDOMICS AI är att besvara följande fråga: Varför efter samma covid-19-infektion (viral variant) i samma åldersgrupp lider vissa människor bara av en ”enkel influensa” medan andra så småningom kommer att läggas in på sjukhus i återupplivningstjänsten (och för vissa kommer att dö)? För att svara på denna fråga kommer ett tvärvetenskapligt team av forskare och kliniker associerade med laboratoriet för molekylär immunrhumatologi INSERM UMR_S 1109 (Dir. Prof. Seiamak BAHRAM) att analysera en kohort av patienter infekterade med olika virusvarianter (Delta, Omicron, och andra framöver). Två patientgrupper kommer att jämföras: icke-kritiska patienter på sjukhus i den så kallade konventionella sektorn och kritiska patienter med återupplivningstjänster. Dessa patienter kommer att studeras på en mycket viktig nivå av klinisk och molekylär detaljnivå genom ett så kallat ”multiomiskt” tillvägagångssätt. Genom att tillämpa en statistisk analys med artificiell intelligens och djupinlärning kommer det att vara möjligt att identifiera terapeutiska och diagnostiska mål för att skilja kritiska former från icke-kritiska former. På lång sikt, i kombination med den samlade kunskapen om varianter, skulle denna forskning också kunna bidra till att förutse de kliniska effekterna av framtida varianter, bland annat på den postinfektiösa formen av covid-19, känd som covid-lång. (Swedish)
0 references
8 June 2023
0 references
7 December 2023
0 references
Identifiers
LO0033238
0 references