Nyt projekt sikrer NIH-midler til at imødegå kroniske sundhedsforskelle

Nyt projekt sikrer NIH-midler til at imødegå kroniske sundhedsforskelle

Kroniske sygdomme som diabetes, hjertesygdomme og kræft rammer racemæssige og etniske minoriteter uforholdsmæssigt meget. Af de 45 procent af amerikanerne, der lider af en eller flere kroniske sygdomme, er underbetjente befolkninger tre til seks gange mere tilbøjelige til at have en kronisk sygdom end hvide.

Forskere ved Florida Atlantic University Schmidt College of Medicine har i samarbejde med Caridad Center, Inc. og University of Miami Miller School of Medicine modtaget en bevilling på $500.000 fra National Institutes of Health (NIH) til et projekt, der skal adressere kroniske sundhedsforskelle gennem brug af elektroniske sundhedsjournaler (EHR), kunstig intelligens/internet, og maskinlæring (I the TAI).

Projektet "Udvikling af et præcist, lokaliseret, samfundsfokuseret, befolkningssundhedsrammer i en FQHC for at tackle kroniske sygdomsforskelle gennem EPJ-data" er en del af NIH-VORAUS' "Artificial Intelligence/Machine Learning Consortium to Advance Health Equity and Researcher Diversity (AIM)." Dette projekt er muliggjort af NIH Other Transaction Agreement Number 1OT2OD032581.

AIM-AHEADs programmål er at opbygge gensidigt fordelagtige, koordinerede og betroede partnerskaber for at øge deltagelsen og repræsentationen af ​​forskere og lokalsamfund, der i øjeblikket er underrepræsenteret i AI/ML-modeludvikling og at fremme mulighederne for denne nye teknologi, begyndende med brugen af ​​EPJ og udvide til andre forskellige data, for at imødegå sundhedsforskelle.

AIM-AHEAD-programmet består af fire kerner: partnerskaber, forskning, infrastruktur og uddannelse i datavidenskab – og disse samarbejder falder ind under infrastrukturkernen, som ledes af Nick Tsinoremas, Ph.D., viceprovost for forskning, data og informatik ved University of Miami og stiftende direktør for Institute for Data Science and Computing (IDSC), der fungerer som hovedinvestor.

En stor tilbagevendende udfordring for organisationer, der søger at bruge deres egne institutionelle EPJ-data til forskning, er at skabe et passende forskningsmiljø, hvor patientpopulationen kan profileres og forskningskohorter identificeres. At tackle denne udfordring er det første nødvendige skridt for at muliggøre fællesskabsfokuserede, EPJ-baserede forskningsprojekter, der sigter mod at anvende AI/ML eller andre metoder til disse datasæt.

FAU's Schmidt College of Medicine og dets tilknyttede sundhedsklinikker, sammen med Caridad Health Center - Floridas største gratis sundhedsklinik grundlagt i 1989 - og University of Miami, udvikler dette pilotprogram som en national model for implementering af AI/ML i lokale sundhedscentre og føderalt kvalificerede sundhedscentre for at forbedre deres AI/ML levering og forskningsaktiviteter.

Lidt er blevet gjort for aktivt at integrere data fra elektroniske sundhedsjournaler fra føderalt kvalificerede sundhedscentre og samfundscentre, der yder direkte pleje til underrepræsenterede og dårligt stillede grupper belastet af sundhedsforskelle. Desværre, mens disse centre fungerer som en primær kilde til medicinsk behandling for samfund, der er ramt af sundhedsforskelle, mangler de tilstrækkelige data, kunstig intelligens og maskinlæringskapaciteter, der er nødvendige til at indsamle, kompilere og analysere betydelige mængder patientdata."

Janet Robishaw, Ph.D., hovedforsker, formand for Institut for Biomedicinske Videnskaber, associeret dekan for forskning og professor i biomedicinske videnskaber ved FAU Schmidt College of Medicine

Projektet ledes af Robishaw; Laura Kallus, administrerende direktør for Caridad Center, Inc.; og Azizi Seixas, Ph.D., lektor i Institut for Psykiatri og Adfærdsvidenskab ved Miller School of Medicine og direktør for Population Health Informatics Program ved IDSC.

Med denne bevilling vil forskerne adressere disse udfordringer med sundhedsforskelle ved at implementere et forskningsværktøj udviklet af University of Miami med finansiering fra NIH's Clinical and Translational Science Award Program. University Research Informatics Data Environment, også kendt som URIDE, er en webbaseret platform, der samler og visualiserer anonymiserede data fra flere kliniske sundhedssystemer i organisationen. URIDE giver kliniske forskere og deres teams mulighed for nemt at udforske demografi, diagnoser, procedurer, vitale tegn, medicin, laboratorier, noter, allergier, følgesygdomme og anden information.

URIDE har tidligere modtaget støtte fra NIH Clinical and Translational Science Award-programmet. Dette nye pilotprogram vil øge brugen af ​​URIDE gennem en meget bredere udvidelse af brugen af ​​denne cyberinfrastrukturplatform.

"Vi er glade for at samarbejde med FAU og Caridad for at udvide URIDE-platformen og skabe et mere repræsentativt fællesskab med dette banebrydende sundhedsinformatikværktøj," sagde Tsinoremas.

Projektgruppen vil etablere et forskningsmiljø til at understøtte identifikation af forskningskohorter. Med URIDE og integrationen af ​​AI/ML og IoT vil de være i stand til at udføre fjernsundhedsovervågning. Patienter med kardiometabolske helbredstilstande såsom hypertension og diabetes overvåges eksternt, hvilket gør det muligt for Caridad Center at implementere en tilpasset AI/ML-forespørgsels- og analyseplatform i sin EPJ og udføre personlige forespørgsler i sine forskningsspørgsmål for at adressere kroniske sygdomme i deres patientpopulation.

"Som en samfundsmedicinsk skole og for samfundet er vi glade for at samarbejde med Caridad Center og University of Miami for at samle eksperter og ressourcer for at fremme målene for National Institutes of Healths AIM-AHEAD-program." sagde Julie Pilitsis, M.D., Ph.D., dekan og vicepræsident for medicinske anliggender, Schmidt College of Medicine. "AI og maskinlæring er kraftfulde værktøjer, der vil hjælpe os med at optimere leveringen af ​​sundhedsydelser og drive innovation i sundhedssektoren."

Kilde:

Florida Atlantic University

.