自 2018 年以来，每年都有新的健康 IT 前沿加速项目 (LEAP) 获奖者加入一个致力于开发和扩展技术突破的创业团体。这些获奖者共同提出解决方案，以提高研究能力并改善护理服务。今年也不例外。德克萨斯大学奥斯汀分校 (UT Austin) 和 DARTNet 研究所是 ONC 的 LEAP 健康 IT 资助机会的最新获奖者。
2021 年，健康信息技术领域的 LEAP 重点关注两个领域：
领域 1：转诊管理以解决与临床护理相一致的健康社会决定因素 (SDOH)
领域 2：使电子健康记录 (EHR) 数据研究和人工智能 (AI) 准备就绪的医疗 IT 工具
转诊管理以解决与临床护理一致的 SDOH
ONC 最近宣布发布美国互操作性核心数据第 2 版（USCDI v2），其中包含可帮助推动使用健康信息技术支持健康公平的特定数据元素，包括标准化健康社会决定因素 (SDOH) 数据的收集、访问、使用和报告。
将 SDOH 数据整合到 EHR 中，可以提供有关个人生活条件如何影响其健康的宝贵背景信息。但是，将 SDOH 数据与 EHR 中的数据合并只是一个起点。为了最大限度地利用 SDOH 数据，还需要将其整合到一个闭环系统中，以确保无缝完成患者交接，防止在患者转诊或转移到其他护理提供者时出现护理缺口。
一目标。德克萨斯大学奥 抵押贷款经纪人电子邮件列表 斯汀分校将使用 Health Level 7 International (HL7®) 快速医疗互操作性资源 (FHIR®) 标准创建一个支持应用程序编程接口 (API) 的社交和健康信息平台，以集成闭环社会服务转诊系统。联邦合格医疗中心 (FQHC) 使用的 EHR 将可以访问该系统，以利用 SDOH 数据。
该系统将用于：
管理临床环境中发现的社会需求；
在临床提供者和社区组织之间交换信息；
将临床工作流程整合到 EHR 中；以及
通过移动平台提供患者访问、同意和导航
该系统将利用Gravity Project开发的用例来收集与粮食安全、住房稳定性和交通通达相关的 SDOH 数据。
医疗 IT 工具助力 EHR 数据研究和 AI 做好准备
健康数据来源多种多样，这意味着数据往往远未达到统一的标准化标准。目前，EHR 数据主要用于行政和临床用途。然而，如果这些数据能够被医学和公共卫生研究人员轻松使用，那么它们将具有巨大的价值。
DARTNet 研究所将致力于使临床数据可用于研究和支持 AI 的机器学习模型。DARTNet 将与隐私技术公司 Cloud Privacy Labs 合作，构建和评估数据处理框架。该框架将使用创新技术来实现从多个小型和大型医疗保健提供商 EHR 系统收集的健康数据的语义协调。
这些数据的收集将提供训练基于人工智能的模型和研究所需的高质量健康数据集。这最终将有助于推进国家卫生 IT 基础设施以支持研究。
阅读有关 LEAP 健康 IT 项目的新闻稿和LEAP 健康 IT计划页面以获取更多详细信息。