Im Bereich der Optimierung und Steuerung der Prozesse bei der Behandlung von Patienten kommen besonders klinische Behandlungspfade zum Tragen, die das Potential bieten, günstige organisatorische Abläufe mit einer hohen Behandlungsqualität für den Einzelnen zu verbinden. Eine verbesserte Prozesssteuerung setzt aber sowohl Wissen über die aktuellen Prozesse als auch Wissen über Abweichungen von üblichen Abläufen voraus.

Normalerweise ist hierfür eine aufwendige System- und Prozess­analyse notwendig, bei der Abläufe und prozessverantwortliche Personen z.B. durch Beobachtungsstudien und Interviews analysiert werden. Aufgrund der sehr komplexen Abläufe und des mit der Analyse verbundenen hohen Aufwandes werden diese Analysen im Krankenhaus leider eher selten und meist nur auf Teilbereiche bezogen durchgeführt. Sie führen zu validen Prozessmodellen für die standardisiert durchgeführten Abläufe, berücksichtigen aber oft nicht das Vorkommen von eher seltenen Varianten, die sich in der Medizin als besondere Kostentreiber herausstellen können.

Im Rahmen eines Forschungsprojektes wurde daher zunächst analysiert, mit welchen Werkzeugen ein sogenanntes Prozessmining als Variante des Data Mining durchgeführt werden kann. Vorzüge und Schwächen existierender Prozessmining-Verfahren wurden miteinander verglichen und daraus eine für die Zielstellung optimierte Toolbox erstellt.

Anhand eines Datensatzes anonymisierter Logdateien des Radiologieinformationssystems wurden die ausgewählten Methoden erprobt und Prozessmodelle der Abläufe generiert.

Es stellte sich heraus, dass als Voraussetzung für die Generierung plausibler Prozessmodelle eine Vorfilterung der Daten z.B. nach Untersuchungsverfahren (CT, Röntgen nativ, Ultraschall) und nach Dringlichkeit (Notfall / Routine) notwendig war. Eine automatische Klassifikation der Subgruppen wurde ebenfalls evaluiert, führte aber nicht zum gewünschten Erfolg.

Anhand der so gefilterten Daten konnten nicht nur valide Prozessmodelle automatisiert ermittelt, sondern auch unterschiedliche Prozessabläufe und Durchlaufzeiten für Notfall- und Normaluntersuchungen verifiziert werden. Die Methode fand ihre Grenzen bei Mehrfachuntersuchungen am selben Patienten, da hier eine automatische Abgrenzung von zwei oder mehr Untersuchungs-Workflows nicht möglich war.