Nav teorētiski pamatota definīcija biomedicīnas informātikas (ĶMI) trūka ilgu laiku. Lai pievērstu uzmanību šai zinātnes jomai, Ph.D. Charles Friedman ierosināja biomedicīnas informātikas fundamentālo teorēmu. Tajā teikts, ka "persona, kas sadarbojas ar informācijas resursiem, ir" labāka "nekā tā pati persona." Frīdmana teorēma patiesībā nav formāla matemātiskā teorēma (kas balstās uz atskaitījumu un tiek pieņemta kā patiesa), bet drīzāk destilācija no ĶMI būtības.
Theorem nozīmē, ka biomedicīnas informātiķi ir saistīti ar to, kā informācijas resursi var (vai nevar) palīdzēt cilvēkiem. Frīdmanam, atsaucoties uz "personai" savā teorēmā, tiek domāts, ka tas varētu būt vai nu indivīds (pacientam, klīnicistam, zinātniekam, administratoram), cilvēku grupai vai pat organizācijai.
Turklāt ierosinātajai teorēmai ir trīs secinājumi, kas palīdz labāk noteikt informātiku:
- Informātika ir vairāk par cilvēkiem nekā tehnoloģija. Tas nozīmē, ka resursi jāveido cilvēku labā.
- Informācijas resursā jāiekļauj kaut kas, ko persona jau nezina. Tas liek domāt, ka resursam jābūt gan pareizam, gan informatīvam.
- Mijiedarbība starp personu un resursiem nosaka, vai teorēma ir turēta. Šis secinājums atzīst, ka tas, ko mēs zinām par pašu personu vai pašu resursu, nevar noteikti paredzēt rezultātu.
Frīdmana ieguldījums ir atzīts par ĶMI definēšanu vienkāršā un viegli saprotamā veidā. Tomēr citi autori ir ierosinājuši alternatīvus viedokļus un papildinājumus viņa teorēmu. Piemēram, Princeton Universitātes profesors Stuart Hunters uzsvēra zinātniskās metodes lomu, strādājot ar datiem.
Grupa zinātnieku no Teksasas universitātes arī atbalstīja, ka ĶMI definīcijā būtu jāiekļauj jēdziens, ka informātikas informācija ir "dati plus nozīmē". Citas akadēmiskās iestādes sniedza sīki izstrādātas definīcijas, kas atzina ĶMI daudznozaru būtību un koncentrējās uz datiem, informāciju un zināšanām biomedicīnas kontekstā.
Frīdmena fundamentālo teorēmu izteiksmes
Ir lietderīgi izteikt teorēmu izteiksmē attiecībā uz cilvēkiem vai organizācijām, kas izmantotu informācijas resursus. Neatkarīgi no tā, vai teorēmis ir spēkā konkrētā scenārijā, var empīriski pārbaudīt ar nejaušināti kontrolētiem pētījumiem un citiem pētījumiem.
Zemāk ir daži piemēri tam, kā Frīdmana teorēmu varētu izmantot pašreizējās veselības aprūpes kontekstā no dažādu lietotāju viedokļa.
Pacientu lietotāji
- Pacientam, kurš lieto zāļu atgādinājuma lietotni, viņam būs vairāk saistīta ar viņas ārstēšanas shēmu nekā tas pats pacients, kurš neizmanto lietotni.
- Cilvēks, kurš mēģina zaudēt svaru un kurš izseko uzturu un viedtālruņa lietotnē, zaudēs svaru nekā pats pacients bez lietotnes.
- Pacientam, kurš lieto pacienta portālu, lai sazinātos ar savu ārstu, viņš jutīsies vairāk iesaistīts viņa aprūpē nekā pats pacients bez portāla.
- Pacientu, kurš izmanto pacientu portālu, lai apskatītu testu rezultātus, izteikt lielāku gandarījumu par viņas aprūpi nekā pats pacients bez portāla.
- Pacients, kurš piedalās reimatoīdā artrīta tiešsaistes forumā, efektīvāk risinās slimības problēmu nekā pats pacients bez foruma.
Klīnikas lietotāji
- Pediatrs, kurš izmanto elektronisko veselības žurnālu (EHR) ar vakcinācijas atgādinājumiem, visticamāk, savlaicīgākas vakcinācijas gadījumā, nekā to pašu ārstu, bez atgādinājumiem.
- Neatliekamās medicīniskās palīdzības sniedzējs ar piekļuvi vietējai veselības informācijas apmaiņai (HIE) pasūtīs mazāk dublētus testus nekā tas pats sniedzējs bez HIE.
- Medmāsa, kas izmanto bezvadu sistēmu, lai tiešā veidā pārsūtītu būtiskas pazīmes ECH, radīs mazāk dokumentācijas kļūdas nekā tā pati medmāsa bez bezvadu sistēmas.
- Lietas pārvaldnieks, kas izmanto pacienta reģistru, identificēs vairāk pacientu ar nekontrolētu hipertensiju nekā to pašu lietu vadītāju, kam nav reģistrācijas.
- ķirurģiskā komanda, kas izmanto drošības kontrolsarakstu, mazāk ķirurģiskas infekcijas vietā nekā tā pati ķirurģiskā komanda bez kontrolsaraksta. (Ņemiet vērā, ka kontrolsaraksts ir informācijas resursa piemērs, kuram nav jābūt datorizētam.)
- Ārsts, kas izmanto klīnisko lēmumu atbalsta (CDS) līdzekli antibiotiku ievadīšanai, visticamāk izrakstīs piemērotu antibiotiku devu nekā tas pats ārsts bez CDS rīka.
Veselības aprūpes organizācijas lietotāji
- Slimnīcā ar datorizētu dziļo vēnu trombozes (DVT) riska novērtēšanas programmu EVK būs mazāk DVT nekā tajā pašā slimnīcā bez programmas.
- Slimnīcā ar mobilo datorizēto ārstu pasūtījuma ierakstu (CPOE) platformu būs mazāk telefona pasūtījumu nekā tajā pašā slimnīcā bez mobilā CPOE.
- Slimnīca, kas izmanto HIE, lai nosūtītu primāro aprūpes pakalpojumu sniedzējiem izrakstīšanas kopsavilkumus, būs mazāk atpakaļuzņemšanas nekā tajā pašā slimnīcā bez HIE.
- Cilvēkresursu ēkā, kurā izmanto sensoru tehnoloģijas, pacientiem būs zemāks pacientu īpatsvars nekā tiem pašiem aprūpes namiem bez sensoriem.
- Studentu veselības klīnika, kas nosūta īsziņu atgādinājumus, sasniegs augstāku cilvēku papilomas vīrusa (HPV) vakcinācijas ātrumu nekā klīnika bez īsziņu sūtīšanas sistēmas.
- Lauku veselības klīnika, kas izmanto telemedicīnu virtuālām konsultācijām ar speciālistiem, nosūtīs neatliekamās palīdzības istabai mazāk pacientu nekā tajā pašā klīnikā bez telemedicīnas.
- Medicīnas prakse ar kvalitātes uzlabošanas informācijas paneli atklās trūkumus veselības aprūpes nodrošināšanā ātrāk nekā tā pati prakse bez informācijas paneļa.
Jaunākais biomedicīnas informātikā
Dažreiz biomedicīnas informātikas studijas sarežģī problēmas, kuras var būt grūti uztvert. Šajā jomā ir ietverts plašs pētījumu spektrs, sākot no organizāciju novērtēšanas līdz genomu datu kopu analīzēm (piemēram, vēža pētījumiem). To var arī izmantot, lai izstrādātu klīnisko prognožu modeļus, kurus atbalsta elektroniskās veselības reģistrs (EHR). Divi zinātnieki no Pitsburgas universitātes, Gregory Cooper un Shyam Visweswaran pašlaik strādā, izstrādājot klīniskās prognozēšanas modeļus no datiem, izmantojot mākslīgo intelektu (AI), mašīnu apguvi (ML) un bajēza modelēšanu. Viņu darbs varētu veicināt pacientu specifisko modeļu attīstību. Modeļi, kas mūsdienās kļūst arvien svarīgāki mūsdienu medicīnā.
