Teoretski utemeljena definicija biomedicinske informatike (BMI) je nedostajalo za dugo vremena. Kako bi se usredotočio na ovo znanstveno polje, prof. Dr. Charles Friedman predložio je temeljni teorem biomedicinske informatike. Navodi se da je "osoba koja radi u partnerstvu s informacijskim resursima" bolja "od te iste osobe bez pomoći." Friedmanov teorem zapravo nije formalni matematički teorem (koji se temelji na odbitku i prihvaća se kao istinito), nego destilaciju bit BMI.
Teorem podrazumijeva da se biomedicinski informatičari bave time kako informacijski resursi mogu (ili ne mogu) pomoći ljudima. Kada se govori o ‘osobi’ u svom teoremu, Friedman predlaže da to može biti pojedinac (pacijent, kliničar, znanstvenik, administrator), skupina ljudi ili čak organizacija.
Nadalje, predloženi teorem ima tri koralj- nika koja pomažu u definiranju informatičke tehnologije:
- Informatika je više o ljudima od tehnologije. To podrazumijeva da resursi moraju biti izgrađeni u korist ljudi.
- Informacijski resurs mora sadržavati nešto što osoba već ne zna. To sugerira da resurs mora biti koristan i informativan.
- Interakcija između osobe i resursa određuje je li teorem. Taj korelar prepoznaje da ono što znamo o samoj osobi ili samom resursu ne može nužno predvidjeti rezultat.
Friedmanov doprinos prepoznat je kao definiranje BMI-a na jednostavan i lako razumljiv način. Međutim, drugi autori predložili su alternativne stavove i dopune njegovog teorema. Na primjer, profesor Stuart Hunter iz Sveučilišta Princeton naglasio je ulogu znanstvene metode kada se bave podacima.
Skupina znanstvenika sa Sveučilišta u Teksasu također je zagovarao da definicija BMI-a treba uključivati pojam da su informacije u informatiji ‘podaci plus značenje’. Druge akademske institucije pružile su razrađene definicije koje su prepoznale multidisciplinarni karakter BMI-a i usmjerene na podatke, informacije i znanje u kontekstu biomedicine.
Izrazi Friedmanovih temeljnih teorema
Korisno je razmotriti izraze teorema u smislu ljudi ili organizacija koji bi koristili informacijske resurse. Bez obzira na to da li se teorem drži istinitima u danom scenariju, empirijski se može ispitati nasumičnim kontroliranim ispitivanjima i drugim istraživanjima.
Ispod su neki primjeri kako se Friedmanov teorem može primijeniti u kontekstu trenutne zdravstvene zaštite iz perspektive različitih korisnika.
Pacijentni korisnici
- Pacijent koji koristi aplikaciju podsjetnika o lijekovima bit će više privržen njezinom režimu lijekova od istog pacijenta koji ne koristi aplikaciju.
- Pacijent koji pokušava izgubiti težinu koji prati prehranu i vježbe na aplikaciji smartphonea izgubit će veću težinu od istog pacijenta bez aplikacije.
- Pacijent koji koristi portfelj pacijenta da komunicira sa svojim liječnikom osjećat će se više angažiran u svojoj skrbi nego isti pacijent bez portala.
- Pacijent koji koristi pacijentski portal za pregled rezultata testova izrazit će veću zadovoljstvo njezinom skrbi od istog pacijenta bez portala.
- Pacijent koji sudjeluje u mrežnom forumu za reumatoidni artritis učinkovitije će se suočiti sa svojom bolešću od istog pacijenta bez foruma.
Korisnici kliničara
- Pedišar koji koristi elektronsku zdravstvenu evidenciju (EHR) s podsjetnicima na cijepljenje će vjerojatno naložiti pravodobna cijepljenja nego isti liječnik bez podsjetnika.
- Davatelj hitnih medicinskih usluga s pristupom lokalnoj zdravstvenoj razmjeni informacija (HIE) će naručiti manje duple testove od istog pružatelja usluga bez HIE-a.
- Medicinska sestra koja koristi bežični sustav za prijenos vitalnih znakova izravno u EHR učinit će manje pogrešaka u dokumentaciji od iste sestre bez bežičnog sustava.
- Voditeljica slučaja koja koristi registar pacijenata će identificirati više bolesnika s nekontroliranom hipertenzijom od istog voditelja slučaja bez registra.
- Kirurški tim koji koristi popis za provjeru sigurnosti imat će manje infekcija na mjestu kirurškog zahvata od istog kirurškog tima bez kontrolnog popisa. (Napominjemo da je kontrolni popis primjer informacijskog resursa koji ne mora biti kompjuteriziran.)
- Liječnik koji koristi alat za kliničku odluku (CDS) za doziranje antibiotika vjerojatno će propisati odgovarajuću dozu antibiotika nego isti liječnik bez CDS alata.
Organizatori zdravstvene organizacije
- Bolnica s računalnim programom za procjenu rizika za duboke venske tromboze (DVT) u EHR-u imat će manje DVT-a nego iste bolnice bez programa.
- Bolnica s mobilnim kompjutoriziranim računalom (CPOE) platformom imat će manje telefonskih naloga nego iste bolnice bez mobilnog CPOE.
- Bolnica koja koristi HIE za slanje sažetaka otpusta primateljima primarne zdravstvene skrbi imat će manje upisa od iste bolnice bez HIE-a.
- Kućni dom pomoću senzorskih tehnologija ima nižu stopu pada pacijenta nego isti kućni dom bez senzora.
- Studentska zdravstvena klinika koja šalje podsjetnike za tekstualnu poruku postići će veće stope cijepljenja za ljudski papiloma virus (HPV) od klinike bez sustava za slanje tekstualnih poruka.
- Seoska zdravstvena klinika koja koristi telemedicinu za virtualne konzultacije s specijalistima poslati će manje pacijenata u hitnu službu, u usporedbi s istom klinikom bez telemedicine.
- Medicinska praksa s nadzornom pločom za poboljšanje kvalitete će identificirati praznine u zdravstvenoj skrbi brže nego iste prakse bez nadzorne ploče.
Najnovije na biomedicinskoj informatici
Ponekad biomedicinska informatika proučava složene probleme koji mogu biti teško uhvatiti. Ovo polje obuhvaća širok spektar istraživanja, od procjena organizacija do analiza genomske baze podataka (npr. Istraživanje raka). Također se može koristiti za razvoj modela kliničkih predviđanja, koji su podržani elektroničkim zdravstvenim zapisima (EHR). Dva znanstvenika sa Sveučilišta u Pittsburghu, Gregory Cooper i Shyam Visweswaran, trenutno rade na izradi modela kliničkih predviđanja iz podataka pomoću umjetne inteligencije (AI), strojnog učenja (ML) i Bayesovog modeliranja. Njihov rad mogao bi pridonijeti razvoju modela specifičnih za pacijenta. Modeli koji danas postaju ključni u modernoj medicini.
