Teoreticky uzemnená definícia biomedicínskej informatiky (BMI) chýba už dlhú dobu. Ak chcete zamerať na túto vedeckú oblasť, Charles Friedman, Ph.D., navrhol základnú teóriu biomedicínskej informatiky. Uvádza sa, že "osoba pracujúca v partnerstve s informačným zdrojom je" lepšia "ako tá istá osoba bez pomoci." Friedmanova veta nie je v skutočnosti formálna matematická veta (ktorá je založená na odpočítaní a je prijatá ako pravdivá), ale skôr destilácia o podstate BMI.
Teória naznačuje, že biomedicínski informatici sa zaoberajú tým, ako informačné zdroje môžu (alebo nemôžu) pomôcť ľuďom. Keď hovorí o "osobe" vo svojej vetve, Friedman naznačuje, že to môže byť buď jednotlivec (pacient, klinik, vedec, administrátor), skupina ľudí alebo dokonca organizácia.
Navrhovaná veta má tri dôsledky, ktoré lepšie definujú informatiku:
- Informatika je viac o ľuďoch ako o technológii. Z toho vyplýva, že zdroje by mali byť vytvorené v prospech ľudí.
- Informačný zdroj musí obsahovať niečo, čo človek ešte nevie. To naznačuje, že zdroj musí byť správny a informatívny.
- Interakcia medzi osobou a zdrojom určuje, či je teória v platnosti. Tento dôsledok uznáva, že to, čo vieme o samotnej osobe alebo o zdroji, nemôže nutne predvídať výsledok.
Príspevok Friedmana bol uznaný ako definujúci BMI jednoduchým a ľahko pochopiteľným spôsobom. Iné autori však navrhli alternatívne hľadiská a dodatky k jeho vetve. Napríklad profesor Stuart Hunter z Princetonskej univerzity zdôraznil úlohu vedeckej metódy pri zaobchádzaní s údajmi.
Skupina vedcov z Texaskej univerzity tiež obhajovala, že definícia BMI by mala obsahovať predstavu, že informácie v informatike sú "dáta plus význam". Iné akademické inštitúcie poskytli komplexné definície, ktoré uznali multidisciplinárnu povahu BMI a zamerali sa na údaje, informácie a vedomosti v kontexte biomedicíny.
Vyjadrenia Friedmanovej základnej vety
Je užitočné zvážiť výrazy vety z hľadiska ľudí alebo organizácií, ktoré by využívali informačné zdroje. Či je táto veta v danom scenári pravdivá, môže byť empiricky testovaná s randomizovanými kontrolovanými štúdiami a inými štúdiami.
Nižšie sú uvedené niektoré príklady toho, ako by Friedmanova veta mohla byť aplikovaná v kontexte súčasnej zdravotnej starostlivosti z pohľadu rôznych používateľov.
Používatelia pacientov
- Pacient používajúci aplikáciu s upozornením na lieky bude viac priľnavý k liečenému režimu ako pacient, ktorý nepoužíva aplikáciu.
- Pacient, ktorý sa snažil schudnúť, ktorý sleduje diétu a cvičenie na aplikácii smartphone, stratí väčšiu váhu než ten istý pacient bez aplikácie.
- Pacient, ktorý používa portál pacienta na komunikáciu so svojím lekárom, sa bude cítiť viac angažovaný v jeho starostlivosti ako ten istý pacient bez portálu.
- Pacient, ktorý používa portál pre pacientov na zobrazenie výsledkov testov, vyjadrí väčšiu spokojnosť s touto starostlivosťou, ako ten istý pacient bez portálu.
- Pacient, ktorý sa zúčastňuje on-line fóra na reumatoidnú artritídu, bude účinnejšie zvládnuť svoju chorobu ako ten istý pacient bez fóra.
Používatelia klinických skúšok
- Pediatr, ktorý používa elektronický zdravotný záznam (EHR) s upomienkami na očkovanie, bude pravdepodobne nariadiť včasné očkovanie ako ten istý lekár bez upomienok.
- Poskytovateľ núdzového lekárstva s prístupom k miestnej výmene informácií o zdraví (HIE) si nariadi menej skúšok ako ten istý poskytovateľ bez HIE.
- Zdravotná sestra, ktorá používa bezdrôtový systém na prenos vitálnych znakov priamo do EHR, bude robiť menej chýb dokumentácie ako tá istá zdravotná sestra bez bezdrôtového systému.
- Správca prípadov, ktorý používa register pacientov, identifikuje viac pacientov s nekontrolovanou hypertenziou ako ten istý správca prípadov bez registra.
- Chirurgický tím používajúci bezpečnostný kontrolný zoznam bude mať menej infekcií v mieste chirurgického zákroku ako ten istý chirurgický tím bez kontrolného zoznamu. (Všimnite si, že kontrolný zoznam je príkladom informačného zdroja, ktorý nemusí byť počítačový.)
- Lekár, ktorý používa nástroj na podporu klinických rozhodnutí (CDS) na dávkovanie antibiotík, pravdepodobne predpíše primeranú dávku antibiotík ako ten istý lekár bez nástroja CDS.
Používatelia zdravotníckej organizácie
- Nemocnica s počítačovým programom hodnotenia rizika hlbokej žilovej trombózy (DVT) v EHR bude mať menej výskytu DVT než tá istá nemocnica bez programu.
- Nemocnica s platformou mobilného počítačového počítača (CPOE) bude mať menej telefónnych príkazov ako tá istá nemocnica bez mobilnej CPOE.
- Nemocnica, ktorá používa HIE na zasielanie výkazov o výpise poskytovateľom primárnej starostlivosti, bude mať menej readmisií ako tá istá nemocnica bez HIE.
- Starostlivosť o domácnosti používajúca senzorické technológie bude mať nižšiu mieru pádu pacientov než tá istá opatrovateľská služba bez senzorov.
- Študentská zdravotnícka klinika, ktorá posiela upomienky na textové správy, dosiahne vyššiu rýchlosť očkovania proti ľudskému papilomavírusu (HPV) ako klinike bez systému textových správ.
- Klinika vidieckeho zdravia pomocou telemedicíny na virtuálne konzultácie so špecialistami posiela menej pacientov na pohotovosť v porovnaní s tou istou klinikou bez telemedicíny.
- Lekárska prax s palubnou doskou na zlepšenie kvality identifikuje nedostatky v poskytovaní zdravotnej starostlivosti rýchlejšie ako tá istá prax bez prístrojovej dosky.
Najnovšie informácie o biomedicínskej informatike
Niekedy biomedicínska informatika skúma zložité problémy, ktoré je ťažké zachytiť. Táto oblasť zahŕňa široké spektrum výskumov, od hodnotenia organizácií až po analýzu genómových dátových súborov (napríklad výskum rakoviny). Môže sa tiež použiť na vývoj klinických predikčných modelov, ktoré sú podporované elektronickými zdravotnými záznamami (EHR). Dvaja vedci z University of Pittsburgh, Gregory Cooper a Shyam Visweswaran v súčasnosti pracujú na navrhovaní modelov klinických predpovedí z údajov využívajúcich umelú inteligenciu (AI), strojové učenie (ML) a Bayesovské modelovanie. Ich práca by mohla prispieť k rozvoju modelov špecifických pre pacientov. Modely, ktoré sa v modernej medicíne stávajú kľúčovými.
