生物醫學信息學（BMI）的理論基礎定義很長一段時間缺乏。 為了給這個科學領域帶來一些焦點，Charles Friedman博士提出了生物醫學信息學的基本定理。 它指出“一個與信息資源合作的人比同一個人沒有幫助的人更好”。弗里德曼的定理實際上並不是一個形式化的數學定理（它是基於推論並被接受為真的），而是一種精餾BMI的本質。
這個定理意味著生物醫學信息學家關心信息資源如何能夠（或不能）幫助人們。 當弗里德曼在他的定理中提到一個“人”時，他認為這可能是一個人（ 病人 ，臨床醫生，科學家， 管理者 ），一群人甚至一個組織。
此外，所提出的定理有三個推論來幫助更好地定義信息學：
- 信息學更多的是關於人而不是技術。 這意味著資源應該為人們的利益而建立。
- 信息資源必須包括這個人不知道的東西。 這表明該資源需要既正確又內容豐富。
- 人與資源之間的相互作用決定了定理是否成立。 這種推論意識到，我們只知道這個人或僅靠資源知道什麼不一定能預測結果。
弗里德曼的貢獻被認為是以一種簡單易懂的方式定義了BMI。 但是，其他作者已經提出了他的定理的替代觀點和補充。 例如，普林斯頓大學的斯圖爾特亨特教授在處理數據時強調科學方法的作用。
得克薩斯大學的一組科學家也主張BMI的定義應該包括信息學中的信息是'數據加意義'的概念。 其他學術機構提供了詳細的定義，承認BMI的多學科性質，並側重於生物醫學背景下的數據，信息和知識。
弗里德曼基本定理的表達
根據使用信息資源的人員或組織考慮表達定理是有用的。 在一個給定的情況下，定理是否成立可以通過隨機對照試驗和其他研究進行實證檢驗。
下面是從不同用戶的角度來看弗里德曼定理如何應用於當前醫療保健環境的一些例子。
患者用戶
- 使用藥物提醒應用程序的病人比不使用應用程序的同一病人更符合她的藥物治療方案。
- 試圖減肥的人在智能手機應用程序中跟踪飲食和運動會比沒有應用程序的同一個患者減輕更多的體重。
- 使用患者門戶與他的醫師溝通的患者比不患有門戶的同一患者更願意參與他的護理。
- 使用患者門戶查看檢查結果的患者將比不使用門戶的同一患者對護理表示更高的滿意度。
- 參加類風濕關節炎在線論壇的患者比沒有論壇的同一患者更能有效地應對她的疾病。
臨床醫生用戶
- 使用電子健康記錄（EHR）和疫苗接種提醒的兒科醫生將比沒有提醒的同一醫生更有可能訂購及時接種疫苗。
- 可以訪問當地醫療信息交換所 （HIE）的急救醫療服務提供商將訂購比沒有HIE的同一供應商更少的重複測試。
- 使用無線系統將生命體徵直接傳輸到EHR的護士比沒有無線系統的同一名護士的文檔錯誤更少。
- 使用患者登記處的病例管理者將識別出與沒有登記處的同一病例管理者相比，具有不受控制的高血壓的更多患者。
- 使用安全檢查清單的外科手術團隊將比沒有檢查清單的同一手術團隊手術部位感染更少。 （ 請注意，清單是一個不需要電腦化的信息資源的例子。）
- 使用臨床決策支持（CDS）工具進行抗生素給藥的醫師比沒有使用CDS工具的同一醫生更可能開出適當的抗生素劑量。
衛生保健組織用戶
- 在沒有該項目的同一家醫院，電子病歷中使用計算機化深靜脈血栓（DVT）風險評估程序的醫院將具有更少的DVT。
- 擁有移動計算機化醫囑錄入（CPOE）平台的醫院比沒有移動CPOE的同一家醫院的電話訂單少。
- 使用HIE向主要醫療服務提供者發送出院摘要的醫院比沒有HIE的同一家醫院的再入院率要低。
- 使用傳感器技術的療養院與不使用傳感器的同一療養院相比，患者跌倒率較低。
- 發送短信提醒的學生健康診所將比沒有短信系統的診所獲得更高的人乳頭瘤病毒（HPV）疫苗接種率。
- 與沒有遠程醫療的同一診所相比，使用遠程醫療與專家進行虛擬諮詢的農村衛生診所將使急診室的病人減少。
- 一個質量改進儀表板的醫療實踐將比沒有儀表板的同樣實踐更迅速地發現醫療保健提供方面的差距。
生物醫學信息學最新進展
有時，生物醫學信息學研究難以捕捉的複雜問題。 該領域包括廣泛的研究範圍，從組織評估到基因組數據集分析（如癌症研究）。 它也可以用於開發臨床預測模型，這些模型正在得到電子健康記錄（EHR）的支持。 匹茲堡大學的Gregory Cooper和Shyam Visweswaran兩位學者目前正在使用人工智能（AI），機器學習（ML）和貝葉斯建模從數據設計臨床預測模型。 他們的工作可能有助於患者特定模型的開發。 現在在現代醫學中變得至關重要的模型。
>來源：
> Bernstam E，Smith J，Johnson T.什麼是生物醫學信息學？ J Biomed通知 。 2010; 43：104-110。
>弗里德曼CP。 生物醫學信息學的“基本定理” 。 美國醫學通訊聯合會。 2009; 16：169-170。
> Hunter J. 增強弗里德曼的“生物醫學信息學的基本定理” 。 美國醫學通訊聯合會 。 2010; 17（1）：112。
> Visweswaran S，Cooper G. 學習實例特定的預測模型 。 J馬克學習Res 。 2010; 11：3333-3369。