Compreender como o cliente usa o sistema e como seu comportamento se desvia do comportamento esperado (e projetado), é a principal questão que Philips MR queria responder por perfil de uso.
A Philips Healthcare é fabricante global de muitos produtos de saúde, entre os quais sistemas de imagem como aparelhos de raio-X, tomografia computadorizada, fluoroscopia e ressonância magnética (MRI). ESI é uma organização de pesquisa independente para projeto e engenharia de sistemas embarcados de alta tecnologia.
O Caso
Compreender como o cliente usa o sistema e como seu comportamento se desvia do comportamento esperado (e projetado), é a principal questão que Philips MR queria responder por perfil de uso. Philips MR é uma divisão da Philips Healthcare que desenvolve sistemas para sistemas magnéticos imagem por ressonância (MRI). A ressonância magnética é um método de diagnóstico por imagem não invasivo.
Dois pesquisadores sendo uma da ESI, Carmen Bratosin e Mark Pijnenburg da Philips Healthcare mostraram como o Process Mining pode ser usado para analisar o uso do sistema de uma máquina de ressonância magnética. Compreender os padrões de uso reais no campo é especialmente interessante para melhorar os requisitos do sistema e aumentar a cobertura de teste com base no comportamento da vida real para essas máquinas.
Dados
Preparar os dados para Process Mining nem sempre é uma tarefa fácil, principalmente neste caso, onde o registro produzido pelas máquinas de MRI está disponível apenas em um nível de registro técnico usado para depuração de análises extremamente técnicas. Além disso, cada médico tem suas preferências quanto à configuração da máquina para determinados exames, o que aumenta a complexidade. Eles começaram selecionando as atividades-chave no registro técnico e, em seguida, alinhando-as com os elementos da interface do usuário. Finalmente, eles compararam os eventos registrados com as etapas descritas pelo American College of Radiology para colocá-los no nível de abstração que um especialista em radiologia entenderia. Dessa forma, eles puderam comparar o uso real do sistema de ressonância magnética com o comportamento esperado (e projetado).
Os sistemas de RM são altamente parametrizados. Isso significa que os parâmetros de varredura como posição, orientação, etc. podem ter diferentes valores configurados para diferentes aplicações. Além disso, novos métodos aparecem constantemente e orientações para o uso da ressonância magnética com a respeito de um diagnóstico específico são vagos na maioria das vezes. Portanto, o perfil de uso de um sistema de RM começa respondendo como se pode definir o uso. Para ser capaz de definir o 'uso do sistema' de uma forma que possa ser entendido pelo aplicativo especialista, precisávamos superar dois principais desafios:
1. Os parâmetros de verificação, registardos em uma linguagem de baixo nível tiveram que ser traduzidos em atividades que pudessem ser realmente representativas em forma de atividades;
2. Utilizar da capacidade do Process Mining em obter as sequências dessas atividades foi crucial para analisar os perfis de uso dentro do contexto das diretrizes da medicina.
O desafio para a abstração de dados
O sistema MR registra informações muito detalhadas sobre quais funções são usadas no dispositivo e quando. Do ponto de vista do Process Mining, o ID do caso é o chamado ID do exame, que corresponde a um exame do paciente. Os carimbos de data / hora - timestamps - necessários para a mineração de processos também estavam lá. No entanto, para o nome da atividade, esses dados de evento são muito detalhados (e muito técnicos) para os especialistas em aplicativos que precisavam interpretar o uso do sistema de uma perspectiva médica.
Para preencher essa lacuna, demos um passo atrás e vimos como um especialista em MR considera o processo de uso. Um exame de ressonância magnética é definido por sua finalidade (a parte diagnóstica) e pelos métodos aplicados. Portanto, optamos por abstrair o propósito em termos da região anatômica (a parte do corpo) que precisa ser fotografada.
Em termos do método, os médicos usam um conjunto de varreduras para produzir várias imagens que mais tarde fornecerão evidências a favor / contra um diagnóstico específico. Portanto, dos muitos eventos registrados, só precisamos das varreduras reais. Para os eventos de varredura, também havia muitos parâmetros registrados. Por exemplo, a orientação ou o contraste da imagem podem ser configurados de maneira diferente para duas digitalizações diferentes. Cada varredura é de fato definida por esses parâmetros de uma perspectiva médica. Diferentes combinações de parâmetros podem ser armazenadas e configuradas quando a máquina é configurada (e posteriormente durante o período de uso) para ser reutilizada em diferentes aplicações. Observe que o conjunto de parâmetros disponíveis para uma varredura depende das características de um sistema específico.
Portanto, decidimos concentrar nossa investigação em uma versão específica do sistema). Assim, a utilização de um sistema de ressonância magnética é definida pelos exames realizados. No nível mais baixo, o uso é, portanto, representado pelos parâmetros de uma varredura. No entanto, ao tentar usar todos os parâmetros utilizados para uma varredura para definir, percebemos que comparar duas varreduras se torna uma tarefa altamente complexa por dois motivos: 1) para uma varredura específica, em média, menos de 10% dos parâmetros são usados e, 2), os tipos de parâmetros são altamente heterogêneos: categóricos, numéricos e outros.
Uma solução para os desafios acima foi encontrada mapeando os parâmetros registrados para os chamados “tags” definidos pela literatura de ressonância magnética e, ao mesmo tempo, selecionando um número reduzido de tags para representar uma varredura. Para o mapeamento e seleção, usamos dados de diretrizes médicas e profissionais. Essa abordagem tornou os parâmetros de varredura facilmente compreensíveis pelos médicos e facilitou a análise do exame com base no comportamento esperado e nas orientações médicas.
De parâmetros de digitalização para definição de perfis
O grande benefício do Process Mining é que, para entender o perfil de uso de um aplicativo de MRI, você realmente precisa olhar a sequência de varreduras (não apenas uma varredura individual). Pode haver o mesmo tipo de varredura usado no contexto de uma ressonância magnética de joelho, bem como para uma ressonância magnética de coluna, mas o a sequência será diferente. Portanto, para julgar o perfil de uso, é necessário examinar as sequências de varreduras e é isso que a mineração de processos agora permite que os especialistas em aplicativos façam.
Uma vez obtido o perfil de uso, o médico pôde comparar o fluxo de trabalho com as diretrizes médicas conhecidas, como as fornecidas pelo American College of Radiology - ACR.
Resultados
A partir deste estudo com o uso do Process Mining foi possível observar os fluxos de trabalho mais típicos junto aqueles indicados nas diretrizes médicas. E quando eram observados desvios estes puderam ser investigados por profissionais para entender se há fluxos de trabalho especiais empregados por certos profissionais ou se existem anomalias devido a erro do sistema / usuário.
Comments