Teorema e Informatikës Biomjekësore

Një përkufizim teorikisht i bazuar i informatikës biomjekësore (BMI) mungonte për një kohë të gjatë. Për të sjellë një fokus në këtë fushë shkencore, Charles Friedman, Ph.D., propozoi teoremen themelore të informatikës biomjekësore. Ai thotë se "një person që punon në partneritet me një burim informacioni është më i mirë se i njëjti person pa ndihmën". Teorema e Friedman nuk është në të vërtetë një teoremë matematikore formale (e cila bazohet në zbritje dhe pranohet si e vërtetë), por më tepër një distilim e esencës së BMI.

Teorema nënkupton që informatistët biomjekësorë janë të shqetësuar me atë se si burimet e informacionit mund (ose nuk munden) t'i ndihmojnë njerëzit. Kur i referohet një 'personi' në teoremen e tij, Friedman sugjeron që kjo mund të jetë një individ (një pacient , një klinik, një shkencëtar, një administrator ), një grup njerëzish apo edhe një organizate.

Për më tepër, teorema e propozuar ka tre konkluzione që ndihmojnë në definimin më të mirë të informatikës:

  1. Informatika është më shumë për njerëzit sesa për teknologjinë. Kjo nënkupton që burimet duhet të ndërtohen për të mirën e njerëzve.
  2. Burimi i informacionit duhet të përfshijë diçka që personi nuk e di. Kjo sugjeron që burimi duhet të jetë i saktë dhe informativ.
  3. Ndërveprimi midis një personi dhe një burimi përcakton nëse mban teorema. Ky konkluzion pranon se ajo që dimë për personin vetëm ose për burimin nuk mund të parashikojë domosdoshmërisht rezultatin.

Kontributi i Friedman është njohur si përcaktimi i BMI në një mënyrë të thjeshtë dhe të lehtë për t'u kuptuar. Megjithatë, autorë të tjerë kanë sugjeruar pikëpamje dhe shtesa të tjera në teoremen e tij. Për shembull, profesor Stuart Hunter i Universitetit Princeton theksoi rolin e metodës shkencore kur merret me të dhënat .

Një grup shkencëtarësh nga Universiteti i Teksasit gjithashtu mbrojti se përkufizimi i BMI duhet të përfshijë nocionin se informacioni në informatikë është 'të dhëna plus kuptim'. Institucionet e tjera akademike ofruan përkufizime të përpunuara që njihnin natyrën multidisiplinare të BMI dhe u përqëndruan në të dhëna, informacion dhe njohuri në kontekstin e biomedicinës.

Shprehjet e teoremës themelore të Friedman-it

Është e dobishme të merret parasysh shprehja e teoremës në kuptim të njerëzve ose organizatave që do të përdorin burimet e informacionit. Nëse teorema është e vërtetë në një skenar të caktuar mund të testohen në mënyrë empirike me gjykime të kontrolluara me randomizim dhe studime të tjera.

Më poshtë janë disa shembuj se si mund të zbatohet teorema e Friedman-it në kontekstin e kujdesit shëndetësor aktual nga këndvështrimi i përdoruesve të ndryshëm.

Përdoruesit pacientë

Përdoruesit e klinikave

Përdoruesit e Organizatës Shëndetësore

E fundit në Informatikë Biomedical

Ndonjëherë informatika biomjekësore studjon probleme komplekse që mund të jenë të vështira për t'u kapur. Kjo fushë përfshin një spektër të gjerë të kërkimit, duke filluar nga vlerësimi i organizatave në analizat gjenomike të të dhënave (p.sh. kërkimi i kancerit). Ajo gjithashtu mund të përdoret për të zhvilluar modele të parashikimit klinik, të cilat mbështeten nga të dhënat elektronike të shëndetit (EHR). Dy studiues nga Universiteti i Pitsburgut, Gregory Cooper dhe Shyam Visweswaran, aktualisht po punojnë në dizajnimin e modeleve të parashikimit klinik nga të dhënat duke përdorur inteligjencën artificiale (AI), të mësuarit e makinës (ML) dhe modelimit Bayesian. Puna e tyre mund të kontribuojë në zhvillimin e modeleve specifike të pacientit. Modele të cilat tani po bëhen vendimtare në mjekësinë moderne.

> Burimet:

> Bernstam E, Smith J, Johnson T. Çka është informatika biomjekësore ?. J Biomed Inform . 2010, 43: 104-110.

> Friedman CP. Një "Theorem Themelor" i Informatikës Biomedical . J Am Med informon Assoc. 2009, 16: 169-170.

> Hunter J. Rritja e "Theorem themelor i Informatikës Biomedical" të Friedman-it . J Am Med informon Assoc . 2010, 17 (1): 112.

> Visweswaran S, Cooper G. Mësoni modele parashikuese specifike të instancës. J Mach Learn Res . 2010; 11: 3333-3369.