Multidimensionales Process-Mining für die Analyse medizinischer Versorgungsprozesse

Process-Mining ermöglicht u. a. die automatische Extraktion von Prozessmodellen aus sog. Eventlogs, die während einer Prozessausführung aufgetretene Events enthalten. Neben klassischen Geschäftsprozessen können damit auch Prozesse in der medizinischen Versorgung analysiert werden. Eine besondere Herausforderung stellt hierbei vor allem die Individualität der Patienten dar, die den konkreten Versorgungsprozess stark beeinflusst. So hängt der Behandlungsverlauf von vielen Faktoren wie z. B. Alter, Geschlecht und Nebenerkrankungen – und möglicherweise anderen, eher intransparenten Faktoren – des Patienten ab. Etablierte Process-Mining-Verfahren analysieren die Eventlogs aber als Ganzes, sodass die Versorgung aller Patienten in einem gemeinsamen Modell dargestellt wird, in dem die Einflüsse der Faktoren „verschwimmen“ bzw. unberücksichtigt bleiben. Um jedoch den Einfluss dieser Faktoren gezielt untersuchen zu können, macht es Sinn, Patienten mit ähnlichen Eigenschaften zu gruppieren und für jede Gruppe ein separates, gruppenspezifisches Prozessmodell zu extrahieren. Diese Modelle können dann einander gegenübergestellt und miteinander verglichen werden. Da die Aufteilung der Patienten in verschiedenen Gruppen vor allem von der zu untersuchenden Fragestellung abhängt, wird ein Ansatz benötigt, der eine einfache und flexible Definition der Patientengruppen erlaubt. Im Rahmen dieser Arbeit wird ein Ansatz vorgestellt, der die Eigenschaften der Patienten als Dimensionen interpretiert, die einen multidimensionalen Datenraum aufspannen. Mit einem solchen multidimensionalen Process-Mining lassen sich die Eventlogs auf einen Datenwürfel ab-bilden, der mittels OLAP-Operatoren manipuliert werden kann. Die dadurch definierten Zellen des Würfels repräsentieren jeweils eine Patientengruppe, die separat mittels Process-Mining analysiert werden, wobei für jede Gruppe ein eigenes Prozessmodell erstellt wird. In einem op-tionalen Schritt der Konsolidierung kann anschließend eine automatische Vorauswahl relevanter Modelle erfolgen, die schließlich visualisiert und miteinander verglichen werden können. Durch eine prototypische Implementierung wird die technische Umsetzung der entwickelten Konzepte gezeigt. Die Anwendbarkeit des Ansatzes zur Analyse medizinischer Versorgungsprozesse wird im Rahmen einer Fallstudie in der Versorgungsforschung demonstriert. Durch verschiedene Messreihen wird zudem gezeigt, dass die entwickelten Konzepte deutlich leistungsfähiger sind als der State-of-the-Art für multidimensionales Process-Mining und mit zunehmender Anzahl der Events gut skalieren.