生物医学信息学（BMI）的理论基础定义很长一段时间缺乏。 为了给这个科学领域带来一些焦点，Charles Friedman博士提出了生物医学信息学的基本定理。 它指出“一个与信息资源合作的人比同一个人没有帮助的人更好”。弗里德曼的定理实际上并不是一个形式化的数学定理（它是基于推论并被接受为真的），而是一种精馏BMI的本质。
这个定理意味着生物医学信息学家关心信息资源如何能够（或不能）帮助人们。 当弗里德曼在他的定理中提到一个“人”时，他认为这可能是一个人（ 病人 ，临床医生，科学家， 管理者 ），一群人甚至一个组织。
此外，所提出的定理有三个推论来帮助更好地定义信息学：
- 信息学更多的是关于人而不是技术。 这意味着资源应该为人们的利益而建立。
- 信息资源必须包括这个人不知道的东西。 这表明该资源需要既正确又内容丰富。
- 人与资源之间的相互作用决定了定理是否成立。 这种推论意识到，我们只知道这个人或仅靠资源知道什么不一定能预测结果。
弗里德曼的贡献被认为是以一种简单易懂的方式定义了BMI。 但是，其他作者已经提出了他的定理的替代观点和补充。 例如，普林斯顿大学的斯图尔特亨特教授在处理数据时强调科学方法的作用。
得克萨斯大学的一组科学家也主张BMI的定义应该包括信息学中的信息是'数据加意义'的概念。 其他学术机构提供了详细的定义，承认BMI的多学科性质，并侧重于生物医学背景下的数据，信息和知识。
弗里德曼基本定理的表达
根据使用信息资源的人员或组织考虑表达定理是有用的。 在一个给定的情况下，定理是否成立可以通过随机对照试验和其他研究进行实证检验。
下面是从不同用户的角度来看弗里德曼定理如何应用于当前医疗保健环境的一些例子。
患者用户
- 使用药物提醒应用程序的病人比不使用应用程序的同一病人更符合她的药物治疗方案。
- 试图减肥的人在智能手机应用程序中跟踪饮食和运动会比没有应用程序的同一个患者减轻更多的体重。
- 使用患者门户与他的医师沟通的患者比不患有门户的同一患者更愿意参与他的护理。
- 使用患者门户查看检查结果的患者将比不使用门户的同一患者对护理表示更高的满意度。
- 参加类风湿关节炎在线论坛的患者比没有论坛的同一患者更能有效地应对她的疾病。
临床医生用户
- 使用电子健康记录（EHR）和疫苗接种提醒的儿科医生将比没有提醒的同一医生更有可能订购及时接种疫苗。
- 可以访问当地医疗信息交换所 （HIE）的急救医疗服务提供商将订购比没有HIE的同一供应商更少的重复测试。
- 使用无线系统将生命体征直接传输到EHR的护士比没有无线系统的同一名护士的文档错误更少。
- 使用患者登记处的病例管理者将识别出与没有登记处的同一病例管理者相比，具有不受控制的高血压的更多患者。
- 使用安全检查清单的外科手术团队将比没有检查清单的同一手术团队手术部位感染更少。 （ 请注意，清单是一个不需要电脑化的信息资源的例子。）
- 使用临床决策支持（CDS）工具进行抗生素给药的医师比没有使用CDS工具的同一医生更可能开出适当的抗生素剂量。
卫生保健组织用户
- 在没有该项目的同一家医院，电子病历中使用计算机化深静脉血栓（DVT）风险评估程序的医院将具有更少的DVT。
- 拥有移动计算机化医嘱录入（CPOE）平台的医院比没有移动CPOE的同一家医院的电话订单少。
- 使用HIE向主要医疗服务提供者发送出院摘要的医院比没有HIE的同一家医院的再入院率要低。
- 使用传感器技术的疗养院与不使用传感器的同一疗养院相比，患者跌倒率较低。
- 发送短信提醒的学生健康诊所将比没有短信系统的诊所获得更高的人乳头瘤病毒（HPV）疫苗接种率。
- 与没有远程医疗的同一诊所相比，使用远程医疗与专家进行虚拟咨询的农村卫生诊所将使急诊室的病人减少。
- 一个质量改进仪表板的医疗实践将比没有仪表板的同样实践更迅速地发现医疗保健提供方面的差距。
生物医学信息学最新进展
有时，生物医学信息学研究难以捕捉的复杂问题。 该领域包括广泛的研究范围，从组织评估到基因组数据集分析（如癌症研究）。 它也可以用于开发临床预测模型，这些模型正在得到电子健康记录（EHR）的支持。 匹兹堡大学的Gregory Cooper和Shyam Visweswaran两位学者目前正在使用人工智能（AI），机器学习（ML）和贝叶斯建模从数据设计临床预测模型。 他们的工作可能有助于患者特定模型的开发。 现在在现代医学中变得至关重要的模型。
>来源：
> Bernstam E，Smith J，Johnson T.什么是生物医学信息学？ J Biomed通知 。 2010; 43：104-110。
>弗里德曼CP。 生物医学信息学的“基本定理” 。 美国医学通讯联合会。 2009; 16：169-170。
> Hunter J. 增强弗里德曼的“生物医学信息学的基本定理” 。 美国医学通讯联合会 。 2010; 17（1）：112。
> Visweswaran S，Cooper G. 学习实例特定的预测模型 。 J马克学习Res 。 2010; 11：3333-3369。