Ministero dell'Istruzione dell'Università e della Ricerca Dipartimento per l'Università, l'Alta Formazione Artistica, Musicale e Coreutica e per la Ricerca Direzione



Download 172.25 Kb.
Page2/5
Date29.01.2017
Size172.25 Kb.
1   2   3   4   5

Testo inglese

Clinical and healthcare processes constitute one of the most notable examples of “knowledge-intensive processes”. Indeed, in the medical setting the execution of clinical processes is mainly driven by the data acquired for the patient so far, and by the interpretation of such data by healthcare professionals, exploiting their background medical knowledge and the recommendations coming from evidence-based guidelines and protocols.


At the same time, we are nowadays facing an increasing complexity of clinical processes, due to the continuous specialization of medical knowledge, the need for personalized and distributed healthcare (not only supporting practitioners within the boundaries of healthcare structures, but also helping the patients at home), the increased costs for dealing with chronic and aged patients, and the necessity of information sharing towards coordinated care across different areas of medicine and several interacting guidelines and protocols.
For all these reasons, it is essential to devise languages and techniques to support healthcare professionals in the specification, verification, execution and analysis of clinical processes, taking into account at the same time the control-flow perspective as well as how the involved activities manipulate the data component.
In this context, it would be highly desirable to represent medical knowledge and clinical data in an abstract, domain expert-oriented way. However, within a sanitary organization the actual data are concretely stored in multiple, typically relational databases conforming to internal, ad-hoc schemas. A second, equally important need is therefore to reconcile the abstract and implementation-agnostic knowledge with the actual data sources, to facilitate the understanding of clinical processes and their execution at the conceptual level, and ultimately support and improve their governance and re-use.
In the context of the project, the FUB unit will extensively investigate these two areas, summarized in the following for convenience: combination between clinical processes and data, and connection between data modeled at the conceptual level and concrete data sources. In particular, the following topics will be tackled:
• Modeling and formalization of “data-centric” clinical processes, in which the flow of activities and their manipulated data are both treated as first-class citizens.
• Formalization of complex (temporal) medical properties using first-order temporal logics.
• Automated verification of data-centric clinical processes, to determine their correctness and adherence to medical properties.
• Conceptual modeling of medical data with ontologies, and automated management and governance of actual data through ontology-based data access techniques, taking into account also the interrelationships with the process perspective.
• Investigation of different ontology languages for representing medical knowledge, in particular to study their tractability and data complexity. This is a key property, because of the very large amount of data typically stored in the information system of a sanitary organization.
These topics will be investigated from a foundational point of view but also considering their practical implications, and by concretely applying them in the case studies that will be identified within the project.

7 - Settori di ricerca ERC (European Research Council)



PE Physical Sciences and Engineering

PE6 Computer science and informatics: informatics and information systems, computer science, scientific computing, intelligent systems

PE6_7 Artificial intelligence, intelligent systems, multi agent systems



LS Life Sciences

LS7 Diagnostic tools, therapies and public health: aetiology, diagnosis and treatment of disease, public health, epidemiology, pharmacology, clinical medicine, regenerative medicine, medical ethics

LS7_9 Health services, health care research


8 - Collaborazioni con altri organismi di ricerca pubblici e privati, nazionali e internazionali, e indicazione degli eventuali collegamenti con gli obiettivi di Horizon 2020


Testo italiano

Il progetto affronta la prima delle sfide per la società poste da Horizon 2020: “salute, cambiamento demografico e benessere”.


Più specificatamente, lo studio di soluzioni IT per lo sviluppo, la verifica, l’esecuzione e l’analisi di linee guida e process medici lungo tutto il loro ciclo di vita mira si pone nell’ottica di “ migliorare il processo decisionale in tema di offerta di prevenzione e di trattamento, al fine di individuare e sostenere la diffusione delle migliori pratiche nei settori della sanità e dell'assistenza, e forme
integrate di assistenza con l'ampia diffusione delle innovazioni tecnologiche, organizzative e sociali”.
Il progetto rientra ampiente negli obiettivi di Orizzonte 2020 perché è inerentemente interdisciplinare, in quanto tratta dell’applicazione della medicina basata sull’evidenza tramite approcci, tecniche e strumenti ben fondati provenienti dall’informatica.

Le linee guida cliniche sono di per sé in linea con gli obiettivi di Orizzonte 2020. Lo USA Institute of Medicine le definisce come “sistematically developed statements to assist practitioner and patient decisions about appropriate health care in specific clinical circumstances”.


Esse mirano quindi alla standardizzazione e condivisione delle procedure e della conoscenza medica a livello nazionale e internazionale. L’applicazione di linee guida in una specifica struttura sanitaria ne richiede il raffinamento e l’adattamento agli specifici bisogni dei pazienti e alle politiche e risorse locali all’organizzazione stessa. Questo porta allo sviluppo di processi e percorsi clinici, la cui modellazione, esecuzione ed analisi richiede la presenza di tecniche e strumenti computerizzati e teoricamente ben fondati.
Per riuscire a dare una risposta a questi bisogni e requisiti, diverse aree dell’informatica devono essere prese in considerazione: da linguaggi di modellazione, tecniche visuali e interazione uomo-macchina, alla gestione di processi e dati, intelligenza artificiale, rappresentazione della conoscenza e ragionamento automatico. Il progetto non è quindi solo interdisciplinare, ma anche multidisciplinare rispetto all’area informatica.

Considerando le sfide centrali che verranno affrontate dall’unità FUB all’interno del progetto, ovvero la combinazione di dati e processi e la riconciliazione di dati medici modellati al livello concettuale con le sorgenti di dato concrete, il contributo tecnico di diverse aree di ricerca è assolutamente necessario, quale ad esempio quello di: gestione di dati e processi, modellazione concettuale, database, logiche computazionali (temporali e descrittive in particolare), metodi formali, rappresentazione della conoscenza e ragionamento automatico.


Di seguito discutiamo alcune di queste sfide nel contesto di Orizzonte 2020. In particolare, ci riferiamo alla sezione “le attività a grandi linee” della sfida sociale “salute, cambiamento demografico e benessere”, riportando vari estratti e descrivendoli nell’ottica del nostro contributo al progetto.
• Promozione di forme integrate di assistenza; trasferimento delle conoscenze verso la pratica clinica. L’uso di linguaggi ontologici mira ad aiutare gli esperti di dominio nel catturare la conoscenza necessaria ad un più alto livello di astrazione, senza considerare dettagli implementativi. Ciò supporta gli operatori sanitari nell’integrazione e condivisione della propria conoscenza, oltre che la standardizzazione delle terminologie usate per descrivere le linee guida e i corrispondenti percorsi di cura. Allo stesso tempo, l’uso di ontologie può fornire supporto all’integrazione di conoscenza medica in senso tecnologico. Infatti, tecniche di data integration e Ontology-Based Data Access rendono possibile interconnettere la conoscenza concettuale/ontologica con sorgenti di dato multiple, eterogenee ed eventualmente distribuite sul territorio, facilitando di conseguenza l’uso e la disseminazione della conoscenza medica (distribuita).
Questi due livelli di integrazione costituiscono la base per condividere le linee guida a livello nazionale e internazionale, incrementando l’impatto sociale del progetto.
• Azioni di innovazione scalabili; ottimizzazione dell'efficienza e dell'efficacia dei sistemi sanitari. Lo studio della trattabilità di linguaggi ontologici e logiche descrittive ci aiuterà a identificare opportuni linguaggi di rappresentazione della conoscenza, capaci di supportare la gestione efficiente di grandi moli di dati nonché di scalare nella dimensione delle sottostanti sorgenti informative. Questo è necessario per valutare l’implementabilità delle tecniche proposte nel progetto, e verificarne l’adeguatezza nell’affrontare problematiche reali.
• Uso migliore dei dati sanitari. Condividere e integrare diverse sorgenti di dati che memorizzano dati clinici è il primo passo verso la possibilità di utilizzare meglio tali dati. In quest’ottica, la gestione dei dati a livello semantico si pone l’obiettivo di facilitarne l’accesso e la governance da parte degli esperti di dominio. Inoltre, vogliamo sfruttare ancora meglio tali dati, considerandoli congiuntamente alla prospettiva di processo, ovvero focalizzando sulla loro evoluzione nel tempo.
• Miglioramento di strumenti e metodi scientifici per sostenere la formulazione delle politiche e delle esigenze normative. Indagheremo tecniche di verifica avanzate capaci di supportare test di conformità e correttezza sui processi clinici modellati. Allo stesso tempo, l’accesso ai dati mediante ontologive verrà sfruttato per supportare gli esperti di dominio nella governance del sistema, in particolare per effettuare query legate alla conformità rispetto a vincoli normativi e all’aderenza alle prescrizioni delle linee guida. Queste verifiche sono orientate al miglioramento della qualità ed efficiacia dell’applicazione delle linee guida e percorsi di cura. Inoltre, mirano a coprire tutto il ciclo di vita della loro esecuzione, dalla specifica e verifica model-based alla loro esecuzione, governance e analisi a posteriori.
• Tecnologie e approcci innovativi. Se da un lato la gestione di dati e processi ha una lunga tradizione quando questi sono considerati separatamente, la loro combinazione a livello del linguaggio e della semantica ha iniziato ad affermarsi solo negli ultimi anni, con l’avvento degli approcci centrati sui dati e sugli artefatti. Tali approcci sono attualmente in fase di studio attivo da parte di molti gruppi di ricerca, e pongono molte sfide ancora aperte. Inoltre, sono stati per ora raramente impiegati in campo medico. Tecnicamente, pongono sfide legate alla modellazione perché propongono nuove astrazioni (spostando quindi “l’orizzonte” del modellista verso nuovi paradigmi). Allo stesso tempo, pongono molte domande rispetto alla loro verificabilità, perché sono tipicamente sistemi a stati infiniti la cui verifica è in generale indecidibile. Ci attendiamo un mutuo beneficio tra il progetto e queste aree di ricerca: da un lato, utilizzeremo, estenderemo e raffineremo questi linguaggi e tecniche; dall’altro li applicheremo nel contesto medico, fornendo quindi una testimonianza della loro effettiva applicabilità, nonché dei loro vantaggi e limiti.

Chiudiamo questa sezione menzionando alcune delle collaborazioni di ricerca attive che l’unità FUB ha con altri gruppi nazionali e internazionali, e che potrebbero portare benefici al progetto:


• Wil van der Aalst (Eindhoven University of Technology) – modellazione dichiarativa di processi di business, processi centrati sui dati; process mining, tecniche di operational decision support techniques e di monitoraggio/verifica di conformità a runtime.
• Giuseppe de Giacomo (Sapienza Università di Roma) – modellazione, verifica e formalizzazione di processi centrati sui dati, considerando anche il ruolo delle ontologie per la rappresentazione concettuale dei dati; verifica formale di processi centrati sui dati mediante sofisticate varianti di logiche temporali del prim’ordine.
• Alin Deutsch (University of San Diego) - modellazione, verifica e formalizzazione di processi centrati sui dati rappresentati mediante il modello relazionale; verifica formale di processi centrati sui dati mediante sofisticate varianti di logiche temporali del prim’ordine.
• Rick Hull (IBM Hawthorne) – modellazione ed esecuzione di processi centrati sui dati e sugli artefatti; linguaggi per rappresentare tali processi (ad esempio GSM) e semantiche per la loro esecuzione.
• Maurizio Lenzerini (Sapienza Università di Roma) – information integration, tecniche e strumenti di ontology-based data access, view-based query processing per dati semi-structured and graph-structured.
• Moshe Vardi (Rice Univesity) – view-based query processing per dati semi-structured and graph-structured.
• Michael Zakharyaschev (Birkbeck College, University of London) – tecniche di reasoning e query answering per linguaggi ontologici lightweight, e per l’accesso ottimizzato ai dati e alla gestione dell’informazione, utilizzando ontology-based data access e data integration.
• Thomas Eiter (Vienna University of Technology) - tecniche di reasoning e query answering per linguaggi ontologici espressivi; explanation durante l’applicazione delle tecniche di ragionamento.
• Paea LepenDue (Stanford University) – tecnologie di ontology-based data access per l’accesso e la gestione efficiente di grandi repository contenenti dati biologici.
• Marcelo Arenas (Pontificia Universidad Catòlica de Chile) – data exchange applicato su informazione incompleta; information; knowledge base exchange nel contesto di linguaggi ontologici lightweight, adatti per la gestione efficiente dei dati.

Testo inglese

The project “Methodologies and computerized tools for the integrated management of health and clinical data and process” tackles the first of the fundamental societal challenges posed by Horizon 2020: health, demographic change and wellbeing.


More specifically, the investigation of IT solutions for the development, verification, execution and analysis of clinical guidelines and processes along their entire lifecycle aims at “optimising the efficiency and effectiveness of healthcare systems and reducing inequalities through evidence based decision making and dissemination of best practice, and innovative technologies and approaches.”
The project also perfectly fits into the Horizon 2020 framework because it is “interdisciplinary in nature”, being focused on the integration of evidence-based medicine into advanced, well-founded approaches, techniques and tools coming from computer science.

Clinical guidelines are inherently in line with the Horizon 2020 objectives.


The US Institute of Medicine defines them as “sistematically developed statements to assist practitioner and patient decisions about appropriate health care in specific clinical circumstances”. They therefore aim at the standardization and sharing of medical procedures and knowledge both at the national and international level. The application of clinical guidelines into a specific healthcare organization requires to refine them and tailor/adapt them to the specific patients’ needs and to the local policies and resources of the organization itself. This leads to the development of clinical pathways and processes, whose modeling, execution and analysis require the presence of computerized, well-founded techniques and tools.

In order to effectively provide an answer to these needs and requirements, different areas of computer science must be considered: from modeling languages, visual techniques and human-computer interaction, to data and process management, artificial intelligence, knowledge representation and reasoning. The project is therefore not only inter-disciplinary, but also multi-disciplinary with respect to the computer science area.


By considering the main challenges that will be tackled by the FUB unit within the project, i.e. combination of processes and data and reconciliation of medical data modeled at the conceptual level and concrete data sources, the technical contribution of several research areas are needed, such as business process and data management, conceptual modeling, databases, computational logics (description and temporal logics in particular), formal methods, knowledge representation and reasoning.

In the following, we position some of the challenges we aim to face in the project in the context of Horizon 2020. In particular, we will in the following refer to the “Broad lines of the activities” section of the “Health, Demographic Change and Wellbeing” societal challenge. We report the excerpt of the Horizon 2020 document, dicussing it in the light of the FUB contributions to the project.


• Promotion of integrated care; transferring knowledge to clinical practice. The use of ontology languages aims to help domain experts in capturing the relevant knowledge at a higher level of abstraction, without focusing on unnecessary implementation details. This support healthcare professionals in the integration and sharing of their knowledge, and also in the standardization of the terminologies adopted to describe clinical guidelines and corresponding pathways.
At the same time, the use of ontologies can fruitfully support the integration of medical knowledge at the technological level. In fact, data integration and ontology-based data access techniques enable the possibility of interconnecting the conceptual, ontological knowledge with multiple, heterogeneous data sources, possibly distributed over the territory, consequently facilitating the dissemination and exploitation of (distributed) medical knowledge.
These two levels of integration, in turn, constitute the basis for sharing clinical guidelines within and outside the national boundaries, thus increasing the social impact of the project.
• Scalable innovation actions; optimising the efficiency and effectiveness of healthcare systems. An investigation of the tractability of ontology languages and description logics will help us in the identification of suitable knowledge representation languages, which support the efficient management of huge amounts of data, and scale well in the size of the underlying information sources. This is required to evaluate the implementability of the techniques proposed in the project, and their suitability in dealing with real-world problems.
• Better use of health data. Sharing and integrating multiple data sources that maintain health data is the first step towards the possibility of better using such data. In this light, the management of data at the conceptual, semantic level is meant to facilitate their access and governance by domain experts without technical skills. Furthermore, we aim to better exploit the available health data by considering their interplay with the process perspective, i.e., by focusing also on their evolution over time.
• Improving scientific tools and methods to support policy making and regulatory needs. We will investigate powerful verification techniques supporting conformance and correctness checks on the modeled clinical processes. At the same time, medical ontology-based data access will support domain experts in the governance of the system, and in particular in posing queries related to regulatory compliance and adherence to guidelines. These checks are meant to improve the quality and effectiveness of clinical guidelines and corresponding pathways. Furthermore, they cover the entire lifecycle of clinical processes, ranging from their specification and model-based verification to their execution, governance and a-posteriori analysis.
• Innovative technologies and approaches. While data management and process management have both a long research tradition when considered in isolation, their combination at the language and semantics level has gained momentum only in the last years, with the advent of data-centric and artifact-centric approaches. These approaches are still subject to extensive ongoing research and pose several open challenges. Furthermore, they have been rarely applied in the healthcare setting so far. Technically, they pose modeling challenges because they introduce new modeling abstractions (consequently causing a paradigm shift in the head of the modelers). At the same time, they raise several technical questions concerning their verifiability, because they are typically infinite-state systems, whose verification is in general undecidable. We expect a mutual benefit between the project and these research areas: on the one hand, we will exploit, extend and refine languages and techniques developed for the specification and verification of data-centric processes; on the other hand, we will apply them in the healthcare setting, thus providing meaningful insights about their effective applicability, and their advantages and limitations.

We close this section by mentioning the currently active research collaborations that the FUB unit has with other national and international research groups, and which could have a beneficial impact for the project:


• Wil van der Aalst (Eindhoven University of Technology) – declarative business process modeling, data-centric processes; process mining, operational decision support techniques and runtime compliance verification/monitoring.
• Giuseppe de Giacomo (Sapienza Università di Roma) – data-centric process modeling, formalization and verification, also taking into account the role of ontologies and conceptual representations of data; formal verification of data-centric business processes with sophisticated first-order variants of temporal logics.
• Alin Deutsch (University of San Diego) - data-centric process modeling, formalization and verification in the presence of relational data; formal verification of data-centric business processes with sophisticated first-order variants of temporal logics.
• Rick Hull (IBM Hawthorne) – data-centric process modeling and execution; languages for representing such processes (e.g. the Guard-Stage-Milestone approach) and execution semantics.
• Maurizio Lenzerini (Sapienza Università di Roma) – information integration, ontology-based data access techniques and tools, view-based query processing for semi-structured and graph-structured data.
• Moshe Vardi (Rice Univesity) – view-based query processing for semi-structured and graph-structured data.
• Michael Zakharyaschev (Birkbeck College, University of London) – reasoning and query answering techniques for lightweight ontology languages, and for optimized data and information management, such as ontology-based data access and data integration.
• Thomas Eiter (Vienna University of Technology) - reasoning and query answering techniques for expressive ontology languages; explanation of reasoning in ontologies languages.
• Paea LepenDue (Stanford University) – ontology-based data access techonologies for efficient access and management of large repositories containing biological data.
• Marcelo Arenas (Pontificia Universidad Catòlica de Chile) – data exchange applied to incomplete information; knowledge base exchange in the context of lightweight ontology languages, suitable for optimized data management.


9 - Parole chiave




Testo italiano

PROCESSI CLINICI CENTRATI SUI DATI 

ONTOLOGIE E ONTOLOGY-BASED DATA ACCESS 

VERIFICA FORMALE 



Testo inglese

DATA-CENTRIC CLINICAL PATHWAYS 

ONTOLOGIES AND ONTOLOGY-BASED DATA ACCESS 

FORMAL VERIFICATION 

10 - Stato dell'arte




Download 172.25 Kb.

Share with your friends:
1   2   3   4   5




The database is protected by copyright ©ininet.org 2020
send message

    Main page