ONC 很高兴地宣布“使用机器学习技术实现健康信息交换以支持以 COVID-19 为重点的 PCOR ”，这是一项以患者为中心的结果研究 (PCOR) 信托基金项目，旨在实施新技术和标准，释放健康信息交换 (HIE) 的潜力以支持研究。
该项目将在多个 HIE 中试行一种名为“分割学习”的新型隐私保护机器学习技术，以了解其适用性和是否适合 HIE 广泛采用。使用隐私保护分割学习技术将测试在单个 HIE 级别和多个 HIE 中使用 HIE 数据进行研究的能力。它还将为 PCOR 研究人员展示一种新方法，以及全国各地的 HIE 可以采用的能力。
该项目的初步工作于 2021 年完成，包括定义标准、指定实施要求以及详细说明开发拆分学习模型的行动。接下来，将选出有兴趣与 ONC 合作的 HIE。我们期待定期向社区通报工作进展情况，包括我们
的任何挑战。
健康信息交流是研究的重要合作伙伴
正如我们之前所写，研究推动了医疗保健领域的进步，从个人诊断到更 小型企业电子邮件列表 广泛的公共卫生评估。现在可用于此类分析的数据量比以往任何时候都多，无论是来自电子健康记录 (EHR)、个人设备还是环境传感器。虽然研究只是改善健康结果的第一步，但研究人员现在可以使用多种不同类型的数据源来指导他们的工作。
州和地方 HIE 总共接收来自 60% 以上美国医院的 EHR 数据，它们可以更好地用作大规模研究的患者级电子健康数据来源。HIE 通常会从各种来源收集患者数据，然后促进与临床医生、公共卫生机构和实验室的患者健康信息交换。更多地使用这些数据进行以患者为中心的研究有助于促进研究活动，包括在 COVID-19 等公共卫生紧急情况下。然而，各州经常实施不同的技术和隐私要求，这可能会使 HIE 难以让研究人员轻松使用数据。
一种以隐私保护方式与研究人员共享 HIE 数据的方法
参与的 HIE 将能够利用 ONC 的《治愈法案最终规则》的预期实施，包括能够使用经过认证的Health Level Seven International® (HL7®) 快速医疗互操作性资源® (FHIR®) 应用程序编程接口 (API) 和美国互操作性核心数据 (USCDI)从参与提供商处访问电子健康信息。包括HL7® Bulk FHIR® API 在内的 FHIR API 标准在医疗保健领域创造价值的创新使用从未如此出色，我们希望该项目为研究界的进一步创新奠定基础。