医学信息学/简介
一个健康的（稳态的）、受伤的或患病的人类的生物学是极其复杂的。关于人类生物医学的已知信息量每十年翻一番。医生在医学院学习的许多内容在完成住院医师培训并进入常规临床实践后几年内就过时了，或者被发现是错误的（或被遗忘了）。长期以来，人们已经认识到，并且越来越被接受，人类的认知，无论是从事实的回忆还是从无错误判断的能力来看，都是优化护理的限制因素。医学信息学是一个相对新颖的混合学科，它采用认知科学、人机工程学、计算机科学、认识论、循证医学、统计学、分子生物学、研究方法论、系统分析、项目管理、信息论和数据可视化等方法来帮助医生（以及其他在主要临床诊断和治疗角色中的医疗保健提供者）改善他们提供的护理。因此，人们普遍认为（根据对少数几家学术医疗中心的良好研究），成本将降低（主要通过避免昂贵的并发症，并在一定程度上避免浪费的行为），从而缩小世界上获得最昂贵医疗保健（人均）的人群与那些获得标准以下或无法获得现代医疗保健的人群（根据一些估计，在美国人口中高达 1/3）之间的差距。
医学信息学是一个大约 50 年历史的学科，与临床或健康信息学密切相关，许多用户随意互换这些术语。然而，作为一个主要关注语义的学科，它值得一个精确的解释。它是一个主要应用科学的学科，与工程学共享一些特征，但也有一些纯粹的探索性和理论方面，类似于科学的通常概念。它大量借鉴了生物医学领域信息的结构、意义、表示、传输和理解，主要是西医临床医学。它与公共卫生信息学、循证医学、临床研究、健康信息技术、医学图书馆学和人工智能的研究密切相关（并提供了研究和干预手段）。
医学信息学试图研究、理解和增强围绕临床护理决策和自动化复杂性的管理，主要通过使用电子健康记录系统 (EHRS)，创建临床决策支持系统，并通过更好地理解围绕专家决策和医疗错误的认知科学来增强人类决策支持。
医学信息学中的一些关键概念（与临床/健康信息学以及公共卫生信息学、护理信息学和许多其他密切相关的学科共享）包括
- 符号学和信息的传递、知识、数据，使其具有（形式的）可计算的语义。
- 生物医学信息的分析，使用机器学习和统计分析方法，导致知识发现，并更好地识别疾病模式（通过优化显示或检索和/或比较以前的结果）。
- 创建临床决策支持系统，使用算法、预测工具（如决策树）和基于规则的专家系统，并在电子健康记录系统的流程中实施。