DAS PROJEKT ZIELT DARAUF AB, EIN AUF KÜNSTLICHER INTELLIGENZ BASIERENDES STUDIENSYSTEM (KI) EINZURICHTEN, DAS ECHOKARDIOGRAFISCHE BILDER, LUNGEN-ULTRASCHALL- UND RÖNTGENBILDER VON ERWACHSENEN PATIENTEN (COVID-19 NEGATIV, COVID-19-POSITIVE UND ARDS-COVID-19-PATIENTEN, DIE IN DEN PARTNERSCHAFTSKLINIKEN STATIONIERT SIND) ZUSAMMEN MIT DEN BERICHTSDATEN ANALYSIEREN KANN, UM EINEN DATENSATZ ZU ERSTELLEN, DER FÜR DIE AUSBILDUNG DES MODELLS DES MASCHINELLEN LERNENS NÜTZLICH IST, BIS ZUR AUSWAHL DES MODELLS, DAS IN DER LAGE IST, DIE GENAUESTE VORHERSAGE DER DIAGNOSE ZU LIEFERN. DIESES MODELL WIRD EINE BINÄRE KLASSIFIZIERUNG DER WAHRSCHEINLICHKEIT DER DIAGNOSE VON NICHTPATHOLOGIE AUS COVID-19 ODER COVID-19 PATHOLOGIE ZUR UNTERSTÜTZUNG VON KLINIKERN BEI DER DIAGNOSE ERSTELLEN – IN BEZUG AUF FRÜHE, WENIGER SCHWIERIGKEITEN BEI DER DIFFERENTIALDIAGNOSE, RISIKOSCHICHTUNG UND FRÜHZEITIGE EINLEITUNG VON OTTIMAL THERAPY- UND FOLLOW-UP (IN BEZUG AUF FRÜHZEITIGE VORHERSAGER FÜR NEGATIVE KLINISCHE KURSE)