Naujas projektas užtikrina NIH finansavimą lėtiniams sveikatos skirtumams spręsti

Naujas projektas užtikrina NIH finansavimą lėtiniams sveikatos skirtumams spręsti

Lėtinės ligos, tokios kaip diabetas, širdies ligos ir vėžys, neproporcingai paveikia rasines ir etnines mažumas. Iš 45 procentų amerikiečių, kenčiančių nuo vienos ar daugiau lėtinių ligų, nepakankamai aprūpintos populiacijos yra nuo trijų iki šešių kartų labiau linkusios sirgti lėtinėmis ligomis nei baltieji.

Floridos Atlanto universiteto Schmidto medicinos koledžo tyrėjai, bendradarbiaudami su Caridad Center, Inc. ir Majamio Millerio universiteto medicinos mokykla, gavo 500 000 USD dotaciją iš Nacionalinių sveikatos institutų (NIH) projektui, skirtam lėtinių sveikatos skirtumų šalinimui naudojant elektroninius sveikatos įrašus (EHR), dirbtinį intelektą, mašininį mokymąsi (AI/ML Interneto/ML).

Projektas „Tikslios, lokalizuotos, į bendruomenę orientuotos, gyventojų sveikatos sistemos kūrimas FQHC, siekiant kovoti su lėtinių ligų skirtumais naudojant EHR duomenis“ yra NIH-VORAUS „Dirbtinio intelekto / mašininio mokymosi konsorciumo, skirto sveikatos lygybei ir tyrėjų įvairovei“ (AIM) dalis. Šis projektas įgyvendintas pagal NIH kitos sandorio sutarties numerį 1OT2OD032581.

AIM-AHEAD programos tikslas – sukurti abipusiai naudingas, koordinuotas ir patikimas partnerystes, kad padidėtų mokslininkų ir bendruomenių, kurios šiuo metu nepakankamai atstovaujamos kuriant AI/ML modelius, dalyvavimas ir atstovavimas bei tobulinti šios naujos technologijos galimybes, pradedant nuo ESI naudojimo ir plečiant kitus skirtingus duomenis, siekiant spręsti sveikatos skirtumus.

Programą AIM-AHEAD sudaro keturi branduoliai: partnerystės, moksliniai tyrimai, infrastruktūra ir duomenų mokslo švietimas – ir šis bendradarbiavimas patenka į infrastruktūros branduolį, kuriam vadovauja Nickas Tsinoremasas, Ph.D., Majamio universiteto tyrimų, duomenų ir informatikos viceprovostas ir Duomenų mokslo ir skaičiavimo instituto (IDSC) įkūrėjas, dirbantis kaip pagrindinis investuotojas.

Pagrindinis pasikartojantis iššūkis organizacijoms, siekiančioms tyrimams naudoti savo institucinius ESI duomenis, yra sukurti tinkamą tyrimų aplinką, kurioje būtų galima profiliuoti pacientų populiaciją ir nustatyti tyrimų grupes. Šio iššūkio sprendimas yra pirmas būtinas žingsnis siekiant įgalinti bendruomenei skirtus ESI pagrįstus mokslinių tyrimų projektus, kuriais siekiama šiems duomenų rinkiniams taikyti AI/ML ar kitas metodikas.

FAU Schmidt medicinos koledžas ir su juo susijusios sveikatos klinikos kartu su Caridad Health Center – didžiausia nemokama sveikatos klinika Floridoje, įkurta 1989 m. – ir Majamio universitetu kuria šią bandomąją programą kaip nacionalinį AI/ML įgyvendinimo bendruomenės sveikatos centruose ir federalinės kvalifikacijos sveikatos centruose modelį, kad pagerintų jų AI/ML pristatymą ir tyrimų veiklą.

Nedaug nuveikta siekiant aktyviai integruoti duomenis iš elektroninių sveikatos įrašų iš federalinės kvalifikacijos sveikatos centrų ir bendruomenės centrų, kurie teikia tiesioginę priežiūrą nepakankamai atstovaujamoms ir nepalankioje padėtyje esančioms grupėms, patiriančioms sveikatos skirtumų. Deja, nors šie centrai yra pagrindinis sveikatos priežiūros skirtumų paveiktų bendruomenių medicininės priežiūros šaltinis, jiems trūksta pakankamai duomenų, dirbtinio intelekto ir mašininio mokymosi galimybių, reikalingų dideliam pacientų duomenų kiekiui rinkti, kaupti ir analizuoti.

Janet Robishaw, mokslų daktarė, vyriausioji tyrėja, Biomedicinos mokslų katedros pirmininkė, tyrimų docentė ir FAU Schmidt medicinos koledžo biomedicinos mokslų profesorė

Projektui vadovauja Robishaw; Laura Kallus, „Caridad Center, Inc.“ vykdomoji direktorė; ir Azizi Seixas, Ph.D., Millerio medicinos mokyklos Psichiatrijos ir elgesio mokslų katedros docentė ir IDSC gyventojų sveikatos informatikos programos direktorė.

Su šia dotacija mokslininkai spręs šiuos sveikatos skirtumų iššūkius, įgyvendindami Majamio universiteto, finansuojant NIH klinikinių ir transliacinių mokslų apdovanojimų programą, sukurtą tyrimų priemonę. Universiteto tyrimų informatikos duomenų aplinka, dar žinoma kaip URIDE, yra žiniatinklio platforma, kuri kaupia ir vizualizuoja anoniminius duomenis iš kelių organizacijos klinikinių sveikatos priežiūros sistemų. URIDE leidžia klinikiniams tyrėjams ir jų komandoms lengvai ištirti demografinius duomenis, diagnozes, procedūras, gyvybinius požymius, vaistus, laboratorijas, užrašus, alergijas, gretutines ligas ir kitą informaciją.

URIDE anksčiau gavo finansavimą iš NIH klinikinių ir vertimo mokslų apdovanojimų programos. Ši nauja bandomoji programa padidins URIDE naudojimą daug plačiau išplėtus šios kibernetinės infrastruktūros platformos naudojimą.

„Džiaugiamės galėdami bendradarbiauti su FAU ir Caridad, kad išplėstume URIDE platformą ir sukurtume reprezentatyvesnę bendruomenę naudodami šį pažangiausią sveikatos informatikos įrankį“, – sakė Tsinoremas.

Projekto komanda sukurs tyrimų aplinką, kuri padės nustatyti tyrimų grupes. Su URIDE ir AI/ML bei IoT integravimu jie galės atlikti nuotolinį sveikatos stebėjimą. Pacientai, sergantys kardiometabolinėmis sveikatos ligomis, pvz., hipertenzija ir diabetu, yra stebimi nuotoliniu būdu, todėl „Caridad Center“ gali įdiegti pritaikytą AI / ML užklausų ir analizės platformą savo EHR ir atlikti asmenines užklausas savo tyrimų klausimais, kad būtų galima spręsti pacientų populiacijos lėtines ligas.

„Kaip bendruomenės medicinos mokykla ir bendruomenė, džiaugiamės galėdami bendradarbiauti su Caridad centru ir Majamio universitetu, kad suburtume ekspertus ir išteklius, kad pasiektume Nacionalinių sveikatos institutų AIM-AHEAD programos tikslus. sakė Julie Pilitsis, M.D., Ph.D., dekanė ir viceprezidentė medicinos reikalams, Schmidt medicinos koledžo. „AI ir mašinų mokymasis yra galingi įrankiai, padėsiantys optimizuoti sveikatos priežiūros paslaugų teikimą ir skatinti naujoves sveikatos priežiūros srityje.

Šaltinis:

Floridos Atlanto universitetas

.