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.
Page3/5
Date29.01.2017
Size172.25 Kb.
1   2   3   4   5

Testo italiano

Di seguito presentiamo lo stato dell’arte rispetto alle due marco-aree di ricerca che affronteremo nel progetto: modellazione e verifica di processi e percorsi clinici unitamente ai loro dati, e uso di ontologie e accesso ai dati basato su ontologie per la gestione dei dati.



Per lungo tempo, c’è stata una completa disconnessione tra la comunità del Business Process Management (BPM) e l’area di ricerca centrata sulle linee guida computerizzate. Negli ultimi anni, l’importanza di mettere in relazione queste due aree è stata ampiamente riconosciuta, come attestato dall International Workshop on Process-oriented Information Systems in Healthcare, giunto attualmente alla sua quinta edizione [ProHealth2012].
I sistemi informativi orientati ai processi hanno il potenziale di migliorare le modalità con cui la medicina è gestita, e di fare da ponte tra il livello astratto delle linee guida e la gestione concreta dei pazienti [Grol&Grimshaw,2003], grazie anche alla maturità di strumenti quali [jBPM], [BONITA] e [YAWL].
D’altro canto, il dominio medico pone diverse sfide, e richiede di rivedere la classica gestione dei processi per catturare i processi clinici: sono basati sulla conoscenza, richiedono flessibilità e adattamento, e si compongono spesso di interazioni molti-a-molti (ad esempio, un percorso di trattamento interagisce con frammenti di processi di laboratorio e amministrativi).
Al fine di superare questi limiti, il case handling [van der Aalst et al,2005] è stato proposto per supportare “knowledge-intensive business process”, presentando tutte le informazioni legate a un’istanza di processo in maniera coerente e unificata. Il vantaggio è discusso proprio nel contesto medico, usando la metafora del “chirurgo cieco”: gli approcci classici mostrano solo le informazioni legate a un task specifico, ignorando le connessioni con altre informazioni, alla stregua di un chirurgo che opera senza osservare cosa sta accadendo. In contrasto, il case handling incoraggia la visibilità dei dati legati all’istanza del processo (come l’intero record elettronico del paziente al chirurgo).
Rispetto alla dimensione dell’interazione tra sotto-processi, menzioniamo Little-Jil [Lerner et al, 1998], che è stato applicato in una varietà di contesti diversi, incluso quello medico, e ha dimostrato la sua efficacia nella gestione di situazioni impredicibili ed eccezioni [Lerner et al, 2010]. Anche le proclet sono state proposte in quest’ambito, mostrandone la capacità di combinare processi clinici “leggeri” costituiti da istanze multiple che interagiscono [Mans et al, 2010].
Il paradigma emergente dei processi di business basati su artefatti [Nigam&Caswell, 2003] sembra essere promettente per rispondere alle varie sfide poste dai processi clinic. In senso generale, gli artefatti modellano le entità di business rilevanti in un certo dominio, catturandone sia gli aspetti statici (imodello informativo) che quelli dinamici (ciclo di vita, ovvero come le attività manipolano il modello informativo).
Questo ha un duplice vantaggio in campo medico. Da una parte, gli artefatti possono essere visti come una generalizzazione del paradigma case handling: possono fornire al personale medico una visione coerente di tutti i dati rilevanti di un paziente, dati che spesso sono nascosti e frammentati all’interno del processo. Dall’altra parte, gli artefatti si combinano perfettamente sia con approcci procedurali/imperativi che con approcci flessibili/dichiarativi per la specifica del ciclo di vita [Damaggio et al, 2011].
Il progetto europeo Strep ACSI [ACSI], che annovera FUB tra i suoi partner di progetto, sta investigando l’uso di “centri di interoperazione” per abilitare il supporto flessibile e scalabile all’interazione tra sistemi basati su artefatti. Diversi linguaggi per la modellazione centrata su artefatti sono attualmente in fase di studio e sperimentazione nel progetto, come ad esempio il linguaggio GSM di IBM [Hull et al, 2011].
Nel contesto del progetto PRIN, FUB studierà l’efficacia di questi approcci per la specifica di processi clinici, un’area promettente ma ancora inesplorata.
Per quanto concerne la verifica di questi sistemi, molti progressi sono stati fatti negli ultimi anni, grazie alla combinazione di tecniche provenienti dai metodi formali, rappresentazione della conoscenza e ragionamento automatico, database, e allo studio della verifica di logiche temporali linear e branching-time (si veda ad esempio [Belardinelli et al 2011] e [Damaggio et al, 2011]). La principale sfida posta dalla verifica di processi e dati è che il transition system che modella l’evoluzione dei dati è tipicamente a stati infiniti. Di conseguenza, la verifica è in generale indecidibile, e quindi opportune restrizioni vanno imposte per ottenere la decidibilità. Al fine di affrontare la verifica di percorsi e processi clinici centrati sui dati, partiremo dagli approcci proposti in [Bagheri Hariri et al, 2012] and [Bagheri Hariri et al, 2011]. Da un lato, tali approcci affrontano rispettivamente il caso in cui ontologie basate su logiche descrittive e il modello relazionale sono impiegati per rappresentare i dati. Dall’altro lato, non solo propongono adeguate restrizioni e tecnice di astrazione per garantire la decidibilità, ma propongono anche dei test sintattici da effettuare sulla specifica del processo per capire se è possibile verificarlo o meno.

Le ontologie sono state estensivamente impiegate nel dominio medico. Un tipico uso delle ontologie in tale settore è quello di catturare in maniera esplicita e non ambigua specifiche terminologie cliniche (si veda ad esempio il progetto ONIONS [Gangemi et al, 1999] e l’iniziativa openGALEN [openGALEN]). Una pletora di ontologie è stata sviluppata per coprire diverse aree della medicina, come per esempio la “Gene ontology” [Gene] per la standardizzazione di geni, e prodotti genetici in diverse specie e diversi database, e l’iniziativa SNOMED CT [SNOMED], la quale copre varie sotto-aree della conoscenza clinica come malattie, medicine, procedure e micro-organismi.


Al di là di questioni terminologiche, legate alla conoscenza medica “generale”, le ontologie sono state anche impiegate per la conoscenza “particolare”, come le informazioni che caratterizzano lo stato attuale di un paziente [Ceusters&Smith, 2005]. Questa tipologia di informazione è di estrema importanza per i percorsi e i processi clinici, i quali supportano il personale medico-sanitario nel trattamento di malattie specifiche e nella gestione di particolari situazioni cliniche.
Oltre alla caratterizzazione non ambigua del record elettronico del paziente mediante ontologie, Smith e Ceusters hanno anche proposto di modellare assieme la conoscenza particolare e quella generale, in modo da fornire nuove opportunità per la condivisone e la gestione dei dati all’interno di una organizzazione sanitaria e tra organizzazioni sanitarie diverse [Smith&Ceusters, 2005].
Mentre la conoscenza medica generale può essere catturata tramite ontologie e interrogata direttamente, la conoscenza particolare legata ai pazienti e a specifici dati di una struttura sanitaria è tipicamente memorizzata in sistemi informativi proprietari. In quest’ottica, tecniche di OBDA [Calvanese et al, 2007] (Ontology-Based Data Access, ovvero accesso ai dati mediante ontologie) hanno il potenziale di dimostrarsi molto utili per interconnectere questi dati proprietari con la corrispondente rappresentazione concettuale, e per integrare sorgenti multiple dei dati tramite mapping [Lenzerini, 2002].
L’adozione di tecniche OBDA in campo medico è per ora limitata, ma è stata paventata e si è dimostrata promettente in alcuni progetti di ricerca, come ASSIST [Zamboulis et al 2008] e Health-e-Child [Anjum et al, 2007].
Noi intendiamo investigare profondamente le potenzialità di OBDA nel settore medico, e in particolare fornire meccanismi per comprendere l’esecuzione dei processi clinici al livello concettuale.

Testo inglese

We provide a review of the state of the art in connection with the two main areas of research we will touch in our investigation: modeling and verification of clinical processes and their data, and use of ontologies and ontology-based data access (OBDA) for conceptual data management.



For a long time, the Business Process Management (BPM) community and the research area centered around Computer-Interpretable Guidelines (CIGs) have been unconnected.
In the last years, the importance of putting these two areas in relation has been increasingly recognized by many researchers, as attested by the International Workshop on Process-oriented Information Systems in Healthcare, which is now at its 5th edition [ProHealth2012].
Process-aware information systems can greatly improve the way healthcare is currently delivered, and can bridge the gap between the abstract level of CIGs and the routine patient care [Grol&Grimshaw, 2003], thanks also to the maturity of many industrial and academic BPM tools, such as [jBPM], [BONITA] and [YAWL].
However, the medical setting poses some critical challenges, which require to properly revise and rethink the classical BPM setting in order to suitably model clinical processes: clinical processes are knowledge-intensive, require flexibility and adaptivity, and typically combine many-to-many interactions among smaller processes (e.g., a treatment pathway interacts with laboratory and administrative process fragments).
To overcome these issues, case handling [van der Aalst et al, 2005] has been proposed as a ``new paradigm for supporting knowledge-intensive business processes'', presenting all the information related to a process instance (i.e., case) in a coherent and cohesive way. The advantage of such an approach is discussed in the light of the healthcare domain, using the ``blind surgeon'' metaphor: classical approaches just show the information needed for executing a specific task, ignoring the connections with other information, like a surgeon that just does the prescribed actions, without sensing the context. Case handling instead encourages the disclosure of all the data related to a process instance (e.g., the whole patient record to the surgeon).
Along the interaction and coordination dimension, we mention the Little-JIL language [Lerner et al, 1998], which has found many applications in very different domains, including the medical one, and has proven to be effective in dealing with unpredictable environments and exceptions [Lerner et al, 2010]. Also proclets have been proposed in this setting, showing that they are able to capture the combination of different lightweight clinical processes with multiple interacting instances [Mans et al, 2010].
The emerging paradigm of artifact-centric business processes [Nigam&Caswell, 2003] seems a promising solution for accommodating many of the challenges posed by knowledge-intensive clinical processes. Roughly speaking, artifacts model relevant business entities of the domain, capturing both their static aspect (their information model) and their dynamic dimension (i.e., their lifecycle, consisting of how activities manipulate the information model).
This has a twofold advantage in the medical setting. On the one hand, artifacts can be seen as a generalization of the case handling paradigm: they can provide to healthcare professionals a coherent view of all the patient's relevant data, which are usually hidden and fragmented inside the process. On the other hand, artifacts fit well with both procedural and flexible/declarative ways of specifying the artifacts lifecycle [Damaggio et al, 2011].
The EU Strep project ACSI [ACSI], which also involves FUB as one of the project partners, is investigating the use of interoperation hubs to enable flexible, scalable support for the interaction among artifact systems. Different languages for artifact-centric modeling are being experimented within the project, such as the Guard-State-Milestone (GSM) language by IBM [Hull et al, 2011].
In the context of the PRIN project, FUB will investigate the effectiveness of such data-centric approaches for the specification of clinical processes, which is a promising but still unexplored area.
As far as the verification of such systems is concerned, several advancements have been made in the last years, by combining contributions and techniques from formal methods, knowledge representation and reasoning, databases, and by studying verification of linear-time and branching-time first-order temporal logics (see e.g. [Belardinelli et al 2011] and [Damaggio et al, 2011]). The main issue when both processes and their manipulated data are verified, is that the transition system modeling the evolutions of the data is typically infinite-state. Consequently, verification is undecidable in general, and suitable restrictions must be imposed in order to restore decidability. To tackle the verification of data-centric clinical pathways and processes, we will start from the approaches described in [Bagheri Hariri et al, 2012] and [Bagheri Hariri et al, 2011]. On the one hand, they tackle a setting in which the relational model and description logics ontologies are respectively used to represent the data component. On the other hand, they do not only provide suitable restrictions and finite-state abstraction techniques to get decidability, but also propose syntactic checks that can be applied over a process specification to test whether it can be verified or not.

Ontologies have been extensively used in the medical domain. A typical use of ontologies in the medical setting is to unambiguously capture specific medical terminologies (see e.g. the ONIONS Project [Gangemi et al, 1999] and the openGALEN initiative [openGALEN]). A plethora of ontologies have been developed to cover specific areas of medicine, such as for example the Gene ontology [Gene] for the standardization of the representation of gene and gene product attributes across species and databases, or the SNOMED CT initiative [SNOMED], which covers many sub-areas of clinical information such as diseases, findings, procedures, and microorganisms.


Beside terminological aspects, needed to capture “general” medical knowledge, ontologies have been also exploited to capture what is “particular”, such as all the information characterizing the current status of patients (i.e., electronic patient/health records) [Ceusters&Smith, 2005]. This class of information is of utmost importance for clinical pathways and processes, which support healthcare professionals in the treatment of specific diseases and in the management of particular clinical circumstances.
Beside the unambiguous characterization of electronic health records with ontologies, Smith and Ceusters also proposed to model both particular and general medical knowledge together, “to provide new opportunities for the sharing and management of data within and between healthcare institutions” [Smith&Ceusters, 2005].
However, while general medical knowledge can be captured by means of ontologies and directly exploited, particular knowledge related to patients and to the specific data maintained by a healthcare structure are usually embedded into a proprietary information system. In this respect, OBDA techniques [Calvanese et al, 2007] have the potential to prove very useful towards the interconnection of such proprietary data and the corresponding conceptual representation, and for integrating multiple data sources via mappings [Lenzerini, 2002].
The exploitation of OBDA techniques in the medical setting is still limited, but has been advocated and proved promising in some research projects, such as ASSIST [Zamboulis et al 2008] and Health-e-Child [Anjum et al, 2007]. We intend to deeply investigate the potentialities of OBDA in the medical setting, and in particular to provide mechanisms for understanding the execution of clinical processes at the conceptual level.

11 - Riferimenti bibliografici

[ProHealth2012] http://mis.hevra.haifa.ac.il/~morpeleg/events/prohealth_KR4HC_2012/

[Grol&Grimshaw,2003] R. Grol and J. Grimshaw. From best evidence to best practice: effective implementation of change. Lancet, 362:1225–1230, 2003.

[jBPM] http://www.jboss.org/jbpm

[BONITA] http://www.bonitasoft.com/

[YAWL] http://yawlfoundation.org/

[van der Aalst et al,2005] W. van der Aalst, M. Weske, and D. Gruenbauer. Case handling: A new paradigm for business process support. Data and Knowledge Engineering, 53(2):129–162, 2005.

[Lerner et al, 1998] B. S. Lerner, L. J. Osterweil, S. M. Sutton Jr., and A. E. Wise. Programming process coordination in little-jil. In V. Gruhn, editor, 6th European Workshop on Software Process Technology (EWSPT’98), volume 1487 of LNCS, pages 127–131. Springer, 1998.

[Lerner et al, 2010] B. S. Lerner, S. Christov, L. J. Osterweil, R. Bendraou, U. Kannengiesser, and A. E. Wise. Exception handling patterns for process modeling. IEEE Transactions on Software Engineering, 36(2):162–183, 2010.

[Mans et al, 2010] R. Mans, N. Russell, W. van der Aalst, P. Bakker, A. Moleman, and M. Jaspers. Proclets in healthcare. Journal of Biomedical Informatics, 43(4):632 – 649, 2010.

[Nigam&Caswell, 2003] A. Nigam and N. S. Caswell. Business artifacts: An approach to operational specification. IBM Systems Journal, 42(3):428–445, 2003.

[Damaggio et al, 2011] E. Damaggio, R. Hull, and R. Vaculin. On the equivalence of incremental and fixpoint semantics for business artifacts with guard-stage-milestone lifecycles. In Proc. of the 9th International Conference on Business Process Management (BPM 2011), volume 6896 of LNCS, pages 396–412. Springer, 2011.

[ACSI] FP7-ICT-2009-5-Objective 1.2 ACSI (Artifact-Centric Service Interoperation) EU Project.

[Hull et al, 2011] R. Hull, E. Damaggio, R. De Masellis, F. Fournier, M. Gupta, F. Terry Heath, S. Hobson, M. H. Linehan, S. Maradugu, A. Nigam, P. N. Sukaviriya, R. Vaculin. Business artifacts with guard-stage-milestone lifecycles: managing artifact interactions with conditions and events. Proceedings of the Fifth ACM International Conference on Distributed Event-Based Systems (DEBS 2011), pages 51-62. ACM Press, 2011.

[Belardinelli et al 2011] F. Belardinelli, A. Lomuscio, F. Patrizi. Verification of Deployed Artifact Systems via Data Abstraction. Proceedings of the 9th International Conference on Service-Oriented Computing (ICSOC 2011), volume 7084 of LNCS, pages 142-156, Springer, 2011.

[Damaggio et al, 2011] E. Damaggio, A. Deutsch, R. Hull, V. Vianu. Automatic Verification of Data-Centric Business Processes. Proceedings of the 9th International Conference on Business Process Management (BPM 2011), volume 6896 of LNCS, pages 3-16, Springer, 2011.

[Bagheri Hariri et al, 2012] B. Bagheri Hariri, D. Calvanese, G. De Giacomo, A. Deutsch, M. Montali. Verification of relational data-centric dynamic systems with external services. Corr technical report, arXiv.org e-Print archive, 2012.

[Bagheri Hariri et al, 2011] B. Bagheri Hariri, D. Calvanese, G. De Giacomo, R. De Masellis. Verification of Conjunctive-Query Based Semantic Artifacts. Proceedings of the 24th International Workshop on Description Logics (DL 2011), CEUR Workshop Proceedings, volume 745, 2011.

[Gangemi et al, 1999] A. Gangemi, D. M. Pisanelli, G. Steve. An Overview of the ONIONS Project: Applying Ontologies to the Integration of Medical Terminologies. Data and Knowledge Engingeering 31(2): 183-220, 1999.

[openGALEN] http://www.opengalen.org/

[GeneOntology] http://www.geneontology.org/

[SNOMED] http://www.ihtsdo.org/snomed-ct/

[Ceusters&Smith, 2005] W. Ceusters and B. Smith. Tracking Referents in Electronic Health Records. Medical Informatics Europe (MIE 2005) 116:71–76, Studies in Health Technology and Informatics, IOS Press, 2005.

[Smith&Ceusters, 2005] B. Smith and W. Ceusters. An Ontology-Based Methodology for the Migration of Medical Terminologies to Electronic Health Records. Proceedings of AMIA Symposium, pages 704–708, 2005.

[Calvanese et al, 2007] D. Calvanese, G. De Giacomo, D. Lembo, M. Lenzerini, A. Poggi, R. Rosati. Ontology-Based Database Access. Proceedings of the 15th Italian Conference on Database Systems (SEBD 2007), pages 324-331, 2007.

[Lenzerini, 2002] M. Lenzerini. Data integration: A theoretical perspective. In Proceedings of the 21st ACM SIGACT-SIGMOD-SIGART Symposium on Principles of Database Systems (PODS 2002), pages 233–246, 2002.

[Zamboulis et al 2008] L. Zamboulis, A. Poulovassilis, G. Roussos. Flexible data integration and ontology-based data access to medical records. Proceedings of the 8th IEEE International Conference on Bioinformatics and Bioengineering (BIBE 2008), pages 1-6, IEEE Press, 2008.

[Anjum et al, 2007] A. Anjum, P. Bloodsworth, A. Branson, T. Hauer, R. McClatchey, K. Munir, D. Rogulin, J. Shamdasani. The Requirements for Ontologies in Medical Data Integration: A Case Study. Corr technical report, arXiv.org e-Print archive, 2007.

[Terenziani et al, 2003] P. Terenziani, S. Montani, A. Bottrighi, M. Torchio, G. Molino, G. Correndo. Applying artificial intelligence to clinical guidelines: The GLARE approach. Proceedings of the 8th Congress of the Italian Association for Artificial Intelligence (AI*IA), volume 2829 of LNCS, Springer, 2003.

[Pan&Thomas, 2007] J. Z. Pan and E. Thomas. Approximating OWL-DL Ontologies.
Proceedings of the 22nd AAAI Conference on Artificial Intelligence (AAAI 2007), pages 1434-1439, 2007.

[Botoeva et al, 2010] E. Botoeva, D. Calvanese, M. Rodriguez-Muro. Expressive Approximations in DL-Lite Ontologies. Proceedings of the 14th International Conference on Artificial Intelligence: Methodology, Systems, Applications (AIMSA 2010), volume 6304 of LNCS, Springer, 2010.

[Clarke et al, 1999] E. M. Clarke, O. Grumberg, D. A. Peled. Model checking. The MIT Press, 1999.




12 - Descrizione dei compiti dell'Unità di Ricerca


Testo italiano

Le linee guida cliniche basate sull’evidenza sono sempre più applicate nelle organizzazioni sanitarie nazionali e internazionali. Il loro principale obiettivo è di catturare l’evidenza medica e trasformarla in principi e raccomandazioni per supportare il personale medico in fase di diagnosi, terapia ed esecuzione di procedure cliniche in uno specifico contesto sanitario.


Da un lato, l’elicitazione e la modellazione di tali linee guida è un’attività complessa, che richiede di fissare correttamente il livello di astrazione, ma anche di trovare un bilanciamento adeguato tra diversi requisiti talvolta contrastanti (medici, giuridici, sociali, economici, …).
Dall’altro lato, lo sviluppo di percorsi e processi clinici, partendo dalle linee guida e raffinandole nell’ambito di una specifica organizzazione sanitaria, è un compito altrettanto difficile.
Per quanto riguarda la modellazione, le raccomandazioni fornite dalle linee guida devono infatti essere combinate con vincoli di natura amministrativa e legati alle risorse, e più in generale con requisiti “locali”, al fine di produrre processi clinici eseguibili ed efficaci nel raffinamento delle linee guida. In quest’ottica, i processi clinici possono essere considerati come un esempio importante di processi “knowledge-intensive”, poiché la loro esecuzione dipende primariamente dai dati acquisiti, e dal conseguente decision-making in cui gli esperti del dominio combinano tali dati con le raccomandazioni della linea guida e la propria conoscenza medica. Questo pone molte sfide per gli informatici: dallo sviluppo di adeguati linguaggi di modellazione per i processi clinici, capaci di mediare tra semplicità/usabilità ed espressività, alla verifica della loro correttezza e conformità con le raccomandazioni delle linee guida ed altri vincoli.
Per quanto riguarda le sfide tecnologiche, è necessario fornire supporto per interconnettere il modello informativo astratto e concettuale contenuto nella descrizione delle linee guida con le sorgenti di dato che effettivamente memorizzano i dati all’interno del sistema informativo dell’organizzazione sanitaria. Tipicamente, informazioni concettuali relative a pazienti e il loro record medico, terminologie mediche, medicine, malattie, dispositivi clinici, …, devono essere adeguatamente riconciliate con le tabelle relazionali contenute in una o più basi di dati.
Questo problema ha ovviamente un’impatto sull’esecuzione dei processi clinici: da un lato, durante l’esecuzione tali processi modificheranno i dati concreti memorizzati nel sistema informativo sanitario, ma dall’altro gli esperti di dominio vorrebbero comprendere l’esecuzione di questi dati al livello concettuale. Riconciliare questi due livelli di astrazione è un compito tutt’altro che semplice.
Nel contesto del progetto PRIN, l’unità FUB (costituita dal gruppo KRDB della Free University of Bozen-Bolzano) indagherà queste sfide aperte e rilevanti, in particolare focalizzandosi sulle seguenti tree marco-aree:
1. Modellazione combinata di processi e dati (“data-centric clinical processes”), focalizzandosi non solo sul flusso di controllo tra attività, ma anche su come la loro esecuzione va a manipolare i dati di interesse. Considereremo il caso in cui I dati sono rappresentati al livello concettuale (tramite ontologie in logiche descrittive), e il caso in cui il modello dei dati è fissato dalla struttursa sanitaria (tipicamente secondo il modello relazionale).
2. Verifica di proprietà temporali espressive su questi processi centrati sui dati, al fine di controllare se il modello prodotto è corretto e soddisfa le proprietà di interesse. Tali proprietà possono rappresentare requisiti specifici che devono essere soddisfatti all’interno dell’organizzazione (come politiche interne o vincoli amministrativi), ma possono anche modellare (parte di) una linea guida. In questo secondo caso, la verifica mira a testare l’aderenza del processo alle raccomandazioni della linea guida per cui è stato sviluppato.
3. Studio di tecniche di Ontology-Based Data Access (OBDA) per riconciliare la rappresentazione della conoscenza al livello concettuale con le sottostanti sorgenti dei dati. Da un lato, questo richiederà uno studio di diversi linguaggi per ontologie studiandone il bilanciamento tra espressività e trattabilità. L’espressività è necessaria per catturare opportunamente (la complessità de) il dominio medico, mentre la trattabilità è necessaria per garantire la possibilità di impiegare OBDA per gestire grandi moli di dati. Dall’altro lato, indagheremo come tali tecniche di OBDA possano essere efficacemente impiegate per “comprendere” l’evoluzione dei dati a fronte dell’esecuzione di un processo clinico, nonché interrogare, analizzare e governare il sistema in esecuzione.
L’unità ha una lunga e comprovata esperienza nel connettere l’area dei database con quella della rappresentazione della conoscenza, e nello sviluppo di tecniche e strumenti per la gestione efficiente di grandi moli di dati con una struttura e interrelazioni complesse, considerando anche i processi che manipolano i dati. Nel contesto di una borsa di trasferimento tecnologico, e poi nell’ambito del suo PhD e Post-Doc, il responsabile dell’unità ha studiato e applicato linguaggi e tecniche provenienti dall’area della rappresentazione della conoscenza per formalizzare, verificare e fornire supporto all’esecuzione di linee guida e processi clinici. Inoltre, l’unità FUB è attualmente coinvolta nel progetto europeo ACSI (Artifact-Centric Service Interoperation), nell’ambito del quale l’unità sta studiando la modellazione formale, verifica e governance di sistemi dinamici centrati sui dati e sugli artefatti (in cui sia i processi che i dati sono entità di prima classe).
L’esperienza acquisita da FUB nell’ambito del progetto ACSI costituirà un buon punto di partenza per l’attività di ricerca nel PRIN. Verificheremo se, come e in quale misura le tecniche sviluppate in ACSI possano essere applicate, adattate e ulteriormente migliorate per affrontare il dominio medico.

Le tre macro-aree sopra menzionate verranno estensivamente studiate nell’ambito dei 5 workpackage del progetto, e in particolare WP1 e WP2. L’unità parteciperà anche all’analisi dello stato dell’arte (WP0) e a WP4, dedicato allo sviluppo di prototipi concreti.

WP0
FUB collaborerà con gli altri partner di progetto nel task “0.1 – Analisi dello stato dell’arte e condivisione fra le unità”. I due maggiori contributi verteranno su:
• Uno studio della letteratura sugli approcci di modellazione dei processi che considerano i dati come di pari importanza, come i sistemi basati su case handling e su artefatti. In parallelo, ci focalizzeremo sui lingaggi di specifica di linee guida e processi clinici, per classificarne il supporto ai dati non solo al livello degli strumenti di editing, ma anche a livello fondazionale.
• Un’analisi degli approcci che propongono l’uso di ontologie in ambito clinico, considerando soprattuto quelli che si focalizzano sulle informazioni di interesse durante l’esecuzione dei processi clinici (come il record elettronico dei pazienti). Capiremo così anche quali linguaggi ontologici sono utilizzati in questo contesto.
Questa analisi verrà impiegata per contribuire al task “0.3 – Individuazione dei casi di studio da focalizzare nel progetto”, al fine di selezionare quali fra i casi di studio richiedono uno studio approfondito sulle interazioni fra la prospettiva dei dati e quella dei processi. Tale selezione verrà anche guidata dalla presenza di dati reali, che potranno esere utilizzati per sperimentare le tecniche di OBDA studiate in WP1-WP2.

WP1
L’attività di FUB si inquadrerà all’interno dei task “1.1 – Ontologie per la conoscenza medica e processi clinici” e “1.3 – Modellazione di clinical pathway (workflow)”. FUB collaborerà con UNIBO nell’ambito del task 1.1.

Per il task 1.1, ci focalizzeremo sulla “analisi delle proprietà computazionali di linguaggi ontologici”. Valuteremo linguaggi ontologici e logiche descrittive, considerando le due dimensioni della loro espressività e trattabilità. La prima dimensione ci aiuterà a capire quali linguaggi possano essere effettivamente impiegati per esprimere requisiti concettuali in campo medico. La valutazione non si appoggerà solo sulla letteratura e le ontologie già esistenti, ma anche sui casi di studio selezionati in WP0, modellandone frammenti.
La seconda dimensione ci aiuterà a capire quali linguaggi ontologici si possano impiegare durante l’esecuzione dei processi clinici, specialmente rispetto al problema dell’accesso ai dati. Ci concentreremo sulla data complexity, dal momento che le strutture sanitarie reali si appoggiano su database di dimensioni molto elevate.
Concluderemo questa fase studiando se e come linguaggi ontologici meno espressivi ma trattabili si possano impiegare in modo soddisfacente per “approssimare” descrizioni mediche complesse [Pan&Thomas, 2007] [Botoeva et al, 2010], fornendo un valido trade-off tra espressività e trattabilità.
In parallelo all’analisi dei linguaggi ontologici studieremo come connettere tale livello semantico a sorgenti di dato concrete (“medical OBDA”). Questo ci permetterà, di effettuare query al livello concettuale, e ottenere risposte calcolate utilizzando i dati reali di un sistema informativo sanitario. Permetterà allo stesso tempo di integrare diverse sorgenti di dati possibilmente eterogenee, facilitandone interoperabilità e comprensibilità. Tecnicamente, il link tra le ontologie e le sorgenti di dati viene stabilito tramite mapping [Lenzerini, 2002], formule logiche che legano query poste sull’ontologia a query poste sulle sorgenti. In questo contesto, investigheremo quali tipologie di mapping saranno di interesse per il progetto, e più in generale studieremo pattern di data integration per il dominio medico.

Rispetto al task 1.3, indagheremo linguaggi di specifica e formalismi per la modellazione congiunta di dati e processi. Come già messo in evidenza, questo è di primaria importanza nel contesto medico, i cui processi sono “knowledge-intensive”.


La maggior parte dei linguaggi di modellazione dei processi si focalizza sul flusso di controllo tra attività. Un certo grado di supporto ai dati è fornito ma solo a livello dei tool di editing, ovvero gli strumenti di sviluppo supportano la possibilità di connettere i dati alle attività, ma questa connessione non è tracciata nel sottostante linguaggio di rappresentazione formale. Ad esempio, le Petri Net sono un formalismo spesso utilizzato per definire la semantica di linguaggi di specifica dei processi. Le (standard) Petri Net, però, catturano unicamente il flusso di esecuzione, astraendo completamente dalla componente dei dati. Per superare questi limiti, approcci centrati sui dati e gli artefatti [Nigam&Caswell, 2003] sono stati sempre più studiati negli ultimi anni. Tali approcci non forniscono solo la possibilità di modellare realmente come il processo manipola la componente dei dati, ma introducono anche nuove astrazioni di modellazione (come la nozione di “artefatto”) che spostano il focus sulle entità rilevanti nel dominio di studio. In campo medico, tipici artefatti potrebbero essere costituiti dall’electronic patient record, dalla nozione di esame medico, di prescrizione, e così via.
È nostra intenzione studiare l’adozione di questi approcci centrati sui dati per la modellazione di pattern comportamentali e percorsi clinici, così come interi processi medici. Allo stesso tempo, studieremo la possibilità di estendere linguaggi per la specifica di linee guida e careflow (come GLARE [Terenziani et al, 2003]), al fine di rinforzarne la connessione con la prospettiva dei dati e della conoscenza medica.
Partendo dal task 1.1 per la parte relativa alle ontologie, considereremo nello specifico due situazioni distinte per la “modellazione combinata di processi clinici e dati” (si veda la figura):
• Specifica di “abstract pathways”, la cui componente dei dati è definita mediante ontologie. Questa scelta facilita il ri-uso dei percorsi clinici in differenti strutture sanitarie, perché i dati sono modellati al livello concettuale ed astraggono quindi da dettagli implementativi.
• Specifica di “concrete pathways”, in cui la componente di processo manipola dati modellati secondo lo schema specifico usato da un’organizzazione sanitaria. In questo caso, tecniche di OBDA possono essere impiegate per comprendere l’esecuzione dei percorsi clinici al livello concettuale (si veda task 2.2).


imm ins 1

Al fine di provvedere alla rappresentazione formale dei linguaggi studiati, partiremo da alcuni recenti lavori, in particolare [Bagheri Hariri et al, 2011] per i percorsi clinici astratti, e [Bagheri Hariri et al, 2012] per quelli concreti.

WP2
Partendo da alcuni dei prodotti di ricerca di WP1, investigheremo corrispondenti tecniche di verifica per la verifica design-time (task 2.1) e la verifica run-time (task 2.2). A tal scopo, collaboreremo strettamente con le unità UNIVR, UNIBA, UNITO, UNIPR e UNIPMN.
Per quanto riguarda il task 2.1, ci concentreremo sulla verifica (model checking) di proprietà temporali espressive rispetto a percorsi clinici centrati sui dati. Considereremo in particolare sofisticati frammenti di logiche temporali del prim’ordine quali CTL, LTL e mu-calculus [Clarke et al, 1999], che supportano la specifica di proprietà sulle evoluzioni (in)desiderate della componente dei dati (ad esempio il fatto che “per ogni paziente, se viene rilevata un’indicazione di rischio per il diabete, allora in tutte le possibili evoluzioni future del sistema il paziente verrà prima o poi avvertito del rischio”).
La verifica di tali formule temporali su percorsi clinici centrati sui dati è un problema tutt’altro che semplice. A causa della presenza dei dati, il transition system che rappresenta le possibili evoluzioni del pathway è tipicamente a stati infinit. Per garantire la verificabilità, opportune restrizioni devono essere imposte sul formalismo temporale e la “struttura” del percorso clinico, in modo che si possa trovarne un’astrazione a stati finit. Alcuni lavori recenti che l’indecidibilità della verifica vale anche in casi molto semplici, ma che frammenti interessanti decidibili possono essere individuati [Bagheri Hariri, 2011] [Bagheri Hariri, 2012].
A partire da questi risultati, studieremo la decidibilità della verifica di proprietà mediche rilevanti su percorsi clinici, considerando i casi di studio del progetto per verificare se le restrizioni richieste sono ragionevoli, e capire come migliorarle.

Rispetto al task 2.2, applicheremo le tecniche di OBDA studiate in WP1 allo scopo di fornire supporto run-time alla analisi e alla governance. Considereremo il caso tipico in cui pathway e processi clinici “concreti” operano direttamente sui dati memorizzati nel sistema informativo di un’organizzazione sanitaria. Grazie ad OBDA e ai mapping, è possibile “proiettare” le diverse istanze di database ottenute in fase di esecuzione al livello concettuale, comprendendone l’evoluzione attraverso il filtro dell’ontologia. Questo meccanismo permette quindi di fornire una visione unitaria di tutta l’informazione mantenuta nel sistema informativo. Svilupperemo poi supporto a manager ed esperti per interrogare tali informazioni al livello ontologico, sfruttando le risposte per il reporting e l’analisi.



imm ins 0

WP4
FUB collaborerà con le altre unità verso lo sviluppo di una suite per la gestione integrata di linee guida cliniche e dati. In particolare, FUB adatterà, estenderà e raffinerà tecniche di OBDA per gestire l’accesso ai dati e l’interazione con i processi. A questo scopo, verrà utilizzata la tecnologia OBDA sviluppata da FUB (http://obda.inf.unibz.it/), in particolare impiegando il Quest reasoner, il Protégé OBDA tool e l’interfaccia alle interrogazioni Quelo. L’obiettivo è produrre una “semantic dashboard” per l’analisi e la governance a run-time dei percorsi clinici.

In conclusione, I risultati attesi sono:
• Valutazione critica di linguaggi ontologici per la componente dei dati medici, studiandone espressività e trattabilità
• Elicitazione di linguaggi per percorsi clinici centrati sui dati
• Definizione ti tecniche di astrazione per la verifica statica di percorsi clinici
• Sviluppo di una “semantic dashboard” per fornire supporto durante l’esecuzione


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