Process Mining ist eine Technik des Prozessmanagements, die es ermöglicht, Businessprozesse auf Basis digitaler Spuren in IT-Systemen zu rekonstruieren und zu analysieren. Die in den Systemen gespeicherten einzelnen Schritte des Prozesses werden zusammengefügt und der Prozess in seiner Gesamtheit visualisiert. In Zusammenarbeit mit unserem Kooperationspartner Lana Labs GmbH bieten wir eine integrierte Lösung zur automatisierten Prozessanalyse an. Die relevanten Zeitstempel extrahieren wir aus Ihren Produktivsystemen und reichern sie um wesentliche Attribute des Data Warehouse an. So ist es möglich, z. B. den Aufnahmeprozess, erweitert um Angaben wie KLG, Med-Designergruppe, DRG, Geschlecht, Wahlleistung etc., automatisiert zu analysieren. Eine aufwendige manuelle Analyse des Prozesses ist somit nicht mehr nötig. Mit unserer Lösung können Sie nun zum einen schnell Ihre Prozesse analysieren und zum anderen sind Sie jederzeit audit-ready.

Wir bieten aktuell folgende Szenarien/Analyse-Logs:  Aufnahmeprozess (301, Verlegungen, Diagnostik), DRG-Dokumentation und Freigabe, OP-Zeiten, Stationärer Behandlungsprozess, Ambulante Behandlung/Leistungserbringung, Rechnungsverarbeitung (Skontosicherung).

Im Januar 2018 wurde das Clinical Analytics-Team, das in Gent (Belgien) angesiedelt ist, in den Produktbereich TIP HCe integriert. Durch diese Verschränkung soll die Forschung und Entwicklung zum Thema Clinical Analytics verstärkt vorangetrieben werden. Das Team, bestehend aus Medizinern, Software-Entwicklern und Datenspezialisten, beschäftigt sich mit der Analyse und Nutzung von klinischen Massendaten, der Entwicklung von Anwendungsszenarien und der Definition von praxisrelevanten Produkten.

Mithilfe von Machine Learning-Algorithmen werden strukturierte und unstrukturierte Daten über den Behandlungsverlauf bewertet und über Mustererkennung Hinweise zur Vermeidung unerwünschter Ereignisse gegeben. Das lernende System soll den Arzt bei der Entscheidungsfindung unterstützen indem es umfassende Informationen und Erfahrungen aus historischen Fällen im Hauskontext berücksichtigt. Es ist im Rahmen des Projektes vorgesehen, ein CDS-Überwachungssystems und retrospektive Auswertung mit Klinikern umzusetzen, um die Aussagekraft bzw. klinische Relevanz der Alerts zeitnah zu verbessern und an die Bedürfnisse der Kliniker anzupassen – eine automatische Anordnung von Maßnahmen oder die Steuerung von medizinischen Geräten ist nicht Teil des Projektes.

Im Rahmen des Entwicklungsprojektes ARGUS konzentrieren wir uns im ersten Schritt auf die Früherkennung von Sepsis und Delir, beide Erkrankungen stellen die Gesundheitseinrichtungen vor massive Probleme.

Was zeichnet die angestrebte Lösung aus?

• Robustes Modell – Das Modell kann mit fehlenden Informationen umgehen.
• Generischer Ansatz – Übertragbarkeit von ORBIS-Kunden zu ORBIS-Kunden, reduzierte Projektlaufzeiten.
• Integration – Ergebnisse der Vorhersage fließen direkt in den Dokumentations- und Behandlungsprozess ein und beeinflussen diesen. (CDS)
• Ausbaufähigkeit – Es handelt sich nicht um ein einzelnes Modell zur Beantwortung einer Frage, sondern um eine Kombination verschiedener Vorhersagemodelle, welche die gleiche Datenbasis verwenden.
• Erklärbarkeit – Interpretation der Einflussfaktoren und verständliche Darstellung (LIME).
• Angestrebte Zertifizierung als Medizinprodukt.

Im Jahr 2019 wird die konkrete Umsetzung (Implementierung, Training, Validierung) mit unserem Entwicklungspartner, dem Marienhospital Stuttgart, erfolgen.