=Paper=
{{Paper
|id=Vol-1721/UYMS16_paper_114
|storemode=property
|title=Hastaliklarin Tedavi Surecinin Protokollere Uygunlugunun Analizi : Surec Madenciligine Yonelik Arac Gelistirme
|pdfUrl=https://ceur-ws.org/Vol-1721/UYMS16_paper_114.pdf
|volume=Vol-1721
|authors=Kubra Akeren,Ayca Tarhan
|dblpUrl=https://dblp.org/rec/conf/uyms/AkerenT16
}}
==Hastaliklarin Tedavi Surecinin Protokollere Uygunlugunun Analizi : Surec Madenciligine Yonelik Arac Gelistirme==
https://ceur-ws.org/Vol-1721/UYMS16_paper_114.pdf
Hastalıkların Tedavi Sürecinin Protokollere
Uygunluğunun Analizi: Süreç Madenciliğine Yönelik
Araç Geliştirme
Kübra Akeren1, Ayça Tarhan2
1,2
Bilgisayar Mühendisliği, Hacettepe Üniversitesi
Beytepe Kampüs, 06800, Ankara, TÜRKİYE
1
kubraakeren@cs.hacettepe.edu.tr, 2atarhan@hacettepe.edu.tr
Özetçe. Veri bilimleri; (büyük) veriyi akıllıca kullanarak ürün/hizmet sunmaya yönelik
süreçlerinde doğru kararlar almaya ve bu şekilde istikrar sağlamaya çalışan kurumlar sebebiyle
geleceğin uzmanlık alanlarından biri haline gelmiştir. Süreç Madenciliği model tabanlı süreç
analizi ile veriye yönelik analiz teknikleri arasındaki kayıp bağlantıdır ve farklı alanlarda;
uygulanan sürecin keşfi, beklenen modele uygunluk kontrolü veya süreç iyileştirme amaçlarıyla
kullanılmaktadır. Bu çalışmada, büyük veri içeren kayıtlar üzerinde üç temel nitelik (durum/vaka
numarası-aktivite-zaman) kullanılarak analiz yapmak ve herhangi bir teşhis-tedavi sürecinin
uzmana açıkça gösterilmesi sonucunda zaman, maliyet ve yaşamsal kazançlar sağlanabileceğini
göstermek amacıyla, Java dilinde masaüstü uygulama olarak geliştirilmesi hedeflenen bir aracın
prototipi tanıtılmıştır. Süreç Madenciliği kullanarak performans analizi için dört temel adım
önerilmektedir: 1) Olması beklenen süreç modelinin (tedavi protokolü) .csv dosyası türünde
alınarak araç üzerinde tanımlanması, 2) Pratikte uygulanan sürecin ilgili büyük veriden
madenlenmesi, 3) Süreç uygulamalarının süreç modeline göre uygunluğunun analizi ve süreç
örüntülerinin tespiti, 4) Seçilen / tanımlanan bir özellik için süreç performansının ve olası
iyileştirmelerin "what-if" senaryoları yardımıyla analiz edilmesi. Prototipin işleyişi ilk üç adım
için, daha önce benzer kullanımlar için hazırlanmış sağlık verisi ile örneklenmiş ve çıkarımlar
raporlanmıştır.
Anahtar Kelimeler: süreç madenciliği, sağlık verisi, süreç analizi, büyük veri,
uygunluk tespiti, sağlıkta süreç madenciliği.
Conformance Analysis of Disease Treatment Process To Protocols:
Process Mining Oriented Tool Development
Abstract. Data science has become one of the professions of the future because organizations
that are able to use (big) data in a smart way to give the right decision about their processes of
creating product/services will survive by this means. Process mining is the missing link between
model-based process analysis and data-oriented analysis techniques and it is used in many different
fields for the discovery of process, conformance between process model and event logs, or
enhancement of process. This study, intended to introduce; time, cost and vital gains are achievable
by providing clearly presented process in the diagnosis and treatment of any disease to the experts;
as a result of processing healthcare data with a prototype tool which is targeted as a desktop
application and written in Java language, in order to make the analysis on the records that contain
large data by using three basic properties (case id – activity – timestamp). At this point, four basic
steps are recommended for performance analysis by using the mining process: 1) Identifying the
expected process model (treatment protocol) by importing a .csv file format on the vehicle,
2) Mining the present process by using relevant big data, 3) Conformance analyzing between
present models and expected models and detection of process patterns, 4) Analysing process
performance and possible improvements for selected/identified property by the help of "what-if"
scenarios. For the first three steps, the operation of the prototype is sampled with the healthcare
data which prepared previously for similar purposes and the results are reported.
Keywords: process mining, healthcare data, process analysis, big data,
conformance detection, process mining in healthcare data.
207
1 Giriş
Ağırlıkla insan odaklı ve bilgi yoğunluklu olan sağlık süreçleri her gün yüksek riskli
hizmetleri önemli sayıda hastaya sunmaktadır[1]. Bu nedenle, klinik kılavuzlar ve iş
süreci iyileştirme, sağlık alanında önemli araştırma konularıdır. Süreç Madenciliği son
on yılda iş süreci yönetimi için popüler bir teknik haline gelmiştir[2]. Bu keşif olay
günlüklerine dayalı iş süreçlerinin keşfi, doğrulanması ve geliştirilmesi dâhil olmak
üzere çeşitli alanlarda uygulanmıştır[3]. Sağlık alanında sağlık süreçleri veya onlarla
ilişkili bilgi sistemlerinin değerlendirilmesini hedefleyen Süreç Madenciliği
uygulamaları vardır. Ancak, bunlardan sadece birkaç tanesi uygulamalardan
performans iyileştirme için nicel sonuçlar çıkardığını raporlamıştır[4].
Süreç Madenciliği model tabanlı süreç analizi ile veriye yönelik analiz teknikleri
arasındaki kayıp bağlantıdır.[3] (Büyük) Veriyi akıllıca kullanamayan şirketler istikrar
sağlamakta zorlanacağından, veri bilimleri; geleceğin uzmanlık alanlarından biri haline
gelmiştir. Veri bilimciler veri depolama ve analizine ek olarak, veri ile süreç analizini
ilişkilendirmeye ihtiyaç duyar. Süreç Madenciliği olay verisi (örneğin; gözlenen
davranışlar) ve süreç modelini (elle oluşturulmuş ya da otomatik keşfedilmiş) karşı
karşıya getirmeyi amaçlar. Bu teknoloji yalnızca son dönemlerde erişilebilir olsa da
herhangi bir tipteki işlemsel sürece (organizasyonlar ve sistemler) uygulanabilir. [3]
Tekniğin örnek uygulamaları arasında; hastane tedavi süreçleri analizi, uluslararası
müşteri servis süreçlerinin iyileştirilmesi, rezervasyon sistemlerindeki müşteri göz atma
davranışlarının anlaşılması, bagaj taşıma sistemi hatalarının analizi, vb yer alır. Sağlık
alanı seçilmesindeki temel neden, bu alanda ilerleme kaydedilmesinin etkilerinin, diğer
pek çok alandan daha önemli olduğunun düşünülmesidir.
Süreç Madenciliğinin ilk türü keşiftir. Keşif tekniği bir olay kaydı (log) alır ve hiçbir
önsel bilgi kullanmadan bir süreç modeli üretir. Süreç Madenciliğinin ikinci türü
uygunluk kontrolüdür. Bu aşamada var olan süreç modeli, aynı sürecin olay kaydı ile
karşılaştırılır. Uygunluk kontrolü kaydedilmiş olay kaydı verilerinin doğruluğunu ve
modelin doğrulanmasını, karşılıklı olarak sağlamakta kullanılabilir. Süreç
Madenciliğinin üçüncü türü ise iyileştirmedir. Bu aşamada temel amaç var olan süreç
modelinin, bazı olay kayıtlarından asıl süreç hakkındaki bilgiye göre genişletilmesi ya
da geliştirilmesidir. Süreç modelinin performans bilgisi ile genişletilmesine örnek
olarak darboğazların gösterilmesi söylenebilir. [3] [5] Bu çalışmada tanıtılan prototip
araçta, Süreç Madenciliğinin ilk iki türü (keşif ve uygunluk kontrolü) üzerine
yoğunlaşılmıştır. Süreç Madenciliğinin üçüncü türü olan iyileştirmenin ise Şekil 1’de
gösterildiği gibi olay kaydından madenlenen süreç modelinin (tedavi protokolü),
uzmana doğru şekilde sunulması sayesinde sağlanabileceği düşünülmektedir.[6]
208
Şekil 1. Sağlık Alanında Süreç Madenciliği[6]
Bu bildirinin ikinci bölümünde konuyla ilişkili çalışmalar ve araçlar anlatılmıştır.
Üçüncü bölümde Süreç Madenciliğinin sağlık verisi üzerinde koşturulabilmesini
sağlayan araç prototipi tanıtılmıştır. Dördüncü bölümde benzer amaçlar için hazırlanmış
radyoloji verisi üzerinde, geliştirilen prototiple bir örnekleme gerçekleştirilmiş ve
gözlemlenen sonuçlar anlatılmıştır. Beşinci bölümde ise yapılan çalışmanın sonuçları,
kısıtları ve gelecek çalışmalar paylaşılmıştır.
2 İlişkili Çalışmalar ve Araçlar
Bu çalışmayla ilişkili alanlarda yayınlanan çalışmalar literatür taraması şeklinde
çalışmanın başlangıcında incelenmiş ve gerekli noktalarda referans olarak alınmıştır [4].
Türkçe olarak sağlık alanında Süreç Madenciliği ile ilgili yapılmış bir çalışmaya
rastlanmamıştır. Yapılan çalışmaların genelinin durum analizi veya var olan araçların
kullanımı ile çıkarım elde edilmesi şeklinde olduğu görülmektedir. Bazı çalışmalarda,
geliştirilen araçların yazılım süreçleri, iş süreçleri gibi alanlardan elde edilen büyük
veriler ile koşturulması sonucundaki gözlemler ve araçların özellikleri aktarılmıştır.
İlişkili araçlar kısmında ise var olan açık-kaynaklı araçlardan erişilebilir olan araçların[7]
[8]
özellikleri aktarılmıştır. Bu çalışmada ayrıca, örnek veriden elde edilen sonuçların
doğruluğu bu araçların çıktılarıyla karşılaştırılmıştır. Aşağıda verilen Tablo 1 ve Tablo
2’de bu alanla ilgili ya da bu alanı etkileyen çalışmalar ve araçlar listelenmiştir.
209
Tablo 1. İlişkili Bazı Ulusal Çalışmalar
Çalışma Temel Amacı Sonuçları
Süreç Süreç Bu bildiri, Süreç Madenciliği tekniği kapsamında etkinlik
Madenciliğinin Madenciliğinin madenciliğinin, yazılım süreç doğrulama için kullanımını
Yazılım Süreç yazılım anlatmaktadır. Bir kamu kurumuna ait görev yönetimi
Doğrulama İçin süreçlerinde sürecinin keşfi, keşfedilen sürece göre uygulamaların
Kullanımı[9] kullanıldığı bir doğrulanması ve uygulamadaki varyasyonların tespiti için;
örnektir. ProM Süreç Madenciliği aracı kullanılmıştır. Doğrulamanın
başarımı istatistiksel olarak sınanmıştır. Sınama sonucunda
özellikle durum esaslı işleyen yazılım süreçleri için, Süreç
Madenciliğinin kullanılabileceği görülmüştür.
Süreç Süreç Bu çalışmada işletmelerin artan rekabet koşulları karşında
İyileştirme Madenciliğinin altı ayakta kalabilmesi için kaçınılmaz olarak hedeflenen sürekli
Çalışmaların sigma yaklaşımı iyileştirme ve bu amacı benimseyen Altı Sigma yaklaşımı ve
Veri ile birleştirilmesi teknikleri incelenmiştir. Veri madenciliği teknikleri ile
Madenciliği amaçlanmıştır. verilerin depolanmasını sağlamak ve çok büyük veri yığını
Yaklaşımlarının içinde istenilen desenleri ortaya çıkarmanın hedeflendiği
Kullanılması çalışmada, bu sayede iyileştirme yapılacak olan sürecin daha
Üzerine Bir iyi anlaşılması ve analiz edilmesinin sağlanacağı belirtilmiştir.
Çalışma[10]
Yazılım Yazılım projeleri Bu çalışmada, SAP kullanan bir yazılım kurumundaki yazılım
Geliştirme ve ve iş süreçlerinde geliştirme ve test döngüsü olay günlükleri alınarak bir analiz
Test Döngüsü Süreç Madenciliği yapılmaktadır. Süreç Madenciliği sayesinde karar yolları,
Üzerinde Süreç uygulanması kontrol akışı ve performans gibi yürütme bilgileri elde
Madenciliği amaçlamıştır. edilebilir. Bu bilgiler kullanılarak simülasyon modelleri
Yaklaşımı[11] üretmek mümkündür. Çalışma kapsamında yeni bir alan olarak
anılan bu yaklaşıma ait araştırma ve geliştirmeye yönelik
konular belirlenerek bir çalışma yapılmıştır.
Çalışmamız ile benzer nitelikler taşıyan yerel olmayan çalışmalar da bulunmaktadır.
“Sağlıkta Süreç Madenciliğinin Bir Uygulaması – Hollanda Hastanesindeki Bir Durum
Çalışması”[12] isimli çalışmada Sağlık alanında Süreç Madenciliği yaklaşımı; kontrol
akış, organizasyon ve performans olmak üzere üç perspektife dayandırılmıştır. Alan ve
kapsam olarak bu çalışmaya en çok benzeyen çalışmadır. Aracın örnek kullanımı
bölümünde kullanılan radyoloji türündeki sağlık verisi de bu çalışmada kullanılan
veriden türetilmiştir. Çalışmada aynı tanı konulmuş bir hasta grubu için prosedür
(bakım yolları) tanımlamak ve bölümler arası işbirliği sağlamak için Süreç Madenciliği
kullanılabileceği gösterilmiştir. Sonuçları mevcut bakım akışlarının iyileştirilmesini
kolaylaştıracak yeni bir anlayış sağlamak için Süreç Madenciliğinin kullanılabileceğini
göstermektedir. Çalışmanın yayınladığı kaynaktan ve yakın zamanda yaptığımız
çalışmadan[4] sağlık alanında madencilik uygulanan başka çalışmalara da erişilebilir.
Çalışmamız sonucunda oluşturduğumuz aracın gereksinimlerinin ve tasarımının
belirlenmesi noktasında var olan ve kullanılan diğer uygulamalardan yola çıkılarak yeni
bir araç geliştirilmesi yoluna gidilmiştir. Aracın ilişkili araçlar tablosunda anlatılan
diğer uygulamalardan farklı olarak temelde “ticari olmaması ve sağlık personelinin
kullanması hedeflendiğinden mühendislik/teknisyenlik düzeyinde herhangi bir niteliğe
ihtiyaç duyulmadan kullanılacak kolaylıkta” olması hedeflenmiştir. Tablo 2’de
ayrıntıları verilen araçlardan; ProM aracı ile basitliği (kurulumu, kullanımı ve
yorumlanmasının kolaylığı) yönüyle, Disco aracı ile ise ticari olmaması yönüyle
farklılaştırılmıştır. Kapsamı daha dar ve odaklı olmakla birlikte geliştirdiğimiz aracın,
bu iki özelliği bir arada bulundurmasıyla halihazırda kullanılan araçlara sağlık alanında
kullanımda alternatif olması beklenilebilir.
210
Tablo 2. İlişkili Araçlar
Araç Hakkında Özellikleri
ProM ProM aracının geliştirilmesindeki temel - Ortak temeller için Süreç Madenciliği
(2004) neden Süreç Madenciliğinde var olan tekniklerinin tüm türlerini destekler.
Açık- araçların zayıf varsayımlara dayanması ve - Plug-in formunda Süreç Madenciliği
Kaynak gerçek zamanlı Süreç Madenciliği projeleri tekniklerinin çeşitli türlerini destekleyen
Süreç için neredeyse hiçbir destek sağlamamasıdır. dosya dışarı aktarımını, dönüştürmeyi ve
Maden- Var olan araçların bu zayıflıkları nedeniyle olay verisini yüklemeyi düşünmeye gerek
ciliği her yeni düşünülmüş süreç keşif tekniği için duymadan genişletilebilir iskelete sahiptir.
Aracı[7] özel atanmış Süreç Madenciliği aracı - Platform bağımsızdır.
üretilmesi gerekmekteydi. Süreç - Ücretsiz indirilebilir.
Madenciliğini MXML formatında kullanan - Akademik çalışmaları destekleyen bir
bu gözlem, ortamlar için “tak-çıkar” (plug- geliştirici ekip ile yeni araştırmalar ve
able) ProM altyapısının geliştirilmesini eklentilere destek sunar.
tetikledi ve 2004 yılından bu yana Süreç - Analiz sonucunu model ve bölümlen-
Madenciliği alanında kullanılmaya başlandı. dirilmiş liste olarak göstermektedir.
Disco Disco, Süreç Madenciliği analizi için yüksek - Basit, hızlı bir araçtır.
(2011) performans (büyük ve karmaşık veri setleri - Ticari bir araçtır.
Ticari ile başa çıkma) ve kullanım kolaylığı odaklı - Geliştirime açık değildir.
Süreç olan bir tak-çıkar (bağımsız) araçtır. Bu - Analiz sonucunu model olarak
Maden- araçtaki Süreç Madenciliği algoritması göstermektedir.
ciliği bulanık madencilik (fuzzy mining) - Haritacılık metaforunda kullanılan
Aracı[8] yaklaşımına dayanır. Performans gibi diğer genelleme ve kusursuz soyutlamayı
boyutlar da madenlenen süreç modelleri ileri desteklemektedir.
görüntüleme ile analiz edilebilmektedir. - Karmaşık (Spagetti) türü süreçlerde de
Disco yayınlandığı 2011 yılından günümüze etkili olabilmektedir.
kullanılmakta olan popüler bir araçtır.
Süreç Madenciliğindeki araçlara girdilenecek verinin özel bir veri çıkarım (export)
aracıyla ya da kaynak sistemlerin çeşitli çıkartım özellikleri kullanılarak elde edilmesi
gerekir.[13] Bu noktada bu çalışmanın ve oluşturulan aracın; sağlığa özel amaçlı olması
(özellikle bağımsız bir uygulama olması nedeniyle verinin hastane dışına çıkartılmasını
gerektirmemesi), tedavi bazında uygunluk ve performans analizine imkân tanıyor
olması, yerel olarak yapılan bir çalışma olması, açık kaynak olması gibi nedenlerle diğer
çalışmalardan farklı olduğu görülmektedir.
3 Prototip ve Özellikleri
Geliştirilen araç prototipi, Java dilinde masaüstü uygulama olarak yazılmıştır.
Uygulama kullanıcıdan iki ayrı .csv dosyası isteyerek bu dosyalar içerisindeki (büyük)
verinin algoritma sonucunda analizinin sonuçlarını kullanıcıya sunar (Şekil 2).
Uygulamanın kullanımı ile uzmanın, madenlediği süreç verisi ile tedavi protokolü
arasındaki farklılıkları gözlemlemesi amaçlanmıştır. Bunu takiben uzmanın, gerekli
süreç iyileştirmeler için kendi alan bilgisini kullanarak yorumda bulunması
beklenmektedir.
Önce seçilen (yaygın kullanılması ve dönüştürümünün kolay olması nedeniyle) .csv
formatındaki sağlık verisinden okuma yapılır ve uzmanın veriyi madenlemesi sağlanır.
Sonrasında madenleme sonucunda oluşan model ile aynı ekrandan seçilen tedavi
protokolü verisinden oluşturulan model karşılaştırılır. Son olarak da ilgili çizgelerin
örüntülerinin ekrana görsel olarak çizdirilmesi, varyant örüntülerinin sıklıkları ile
beraber sıralı şekilde listelenmesi ve uzmanın yorumuna sunulması gerçekleştirilir.
211
Şekil 2. Araç Tasarımı
Aracın yazılımı, model ve GKA (grafiksel kullanıcı arayüzü) olmak üzere iki ana
öğede değerlendirilebilir.
Yazılımın model kısmında ilk olarak uzmandan alınan .csv dosyasının okutulması
gerçekleşmektedir. Veri okunup ayrıştırıldığında zorunlu olan alanların eşleştirimi
istenir ve hemen sonrasında bu zorunlu alanlara göre analize başlanır. Modelde veri
içerisindeki her bir durum numarası için aktiviteler zaman bilgisine göre öbeklenir ve
kayıt edilir. Sonrasında analiz tamamlandığında aktiviteler arasındaki geçiş için bir
çizge (graph) oluşturulur. Buna uygun olarak eğer uzman belirli bir hastalık için
seçimde bulunmuş ise o hastalığa ait çizge de oluşturulur. Eğer uzman veride filtreleme
yapmış ise veri temizlendikten sonra analiz gerçekleştirilir. Araç, bulunan her bir
"uygulama örüntüsü" (varyant) için kayıt tutmaktadır. Bu demektir ki araç, uzmanın
analiz sonrası sık rastlanan varyantlar veya çok az rastlanan varyantları liste şeklinde
görebilmesine olanak tanır ve böylelikle uzmanın sağlık verisindeki uygulama
örüntüleri hakkında yorumlar yapması desteklenir.
Yazılımın grafiksel kullanıcı arayüzü kısmında ilk olarak, uzmanın ‘analiz edilecek
olan süreç verisini’ ve ‘süreç verisi ile karşılaştırılacak olan gerçek-hayat prosedürünü
içeren model verisini’ dosya seçme tuşuna basarak seçmesi için gerekli ekran
bulunmaktadır. Bu ekranda dosyalar seçildikten sonra dosyalara ait olan sütun isimleri
listelenir. Uzman, analiz verisi ile model verisindeki sütun adları arasında eşleme
yaparak; araca, hangi niteliğin veride hangi sütunda yer aldığı bilgisini girmiş olur.
Sonrasında eşleme yapılan sütunlarda genel analiz başlatılır. Eğer uzman yalnızca
belirli bir hastalık için analiz yapmak isterse ikinci ekran açılır ve veride yer alan tüm
hastalıklar uzmana bu ekranda listelenir. İlgili hastalık seçilerek yine tüm veride
yapıldığı şekilde analiz başlatılır ve sonuçları ekrana yansıtılır. Diğer bir ekranda ise
bulunan varyantlar verideki görülme sıklıkları bilgisine göre çoktan aza
listelenmektedir (Şekil 3).
212
Şekil 3. Araç Aktivite Akış Diyagramı
Analizin başlangıcında uzman, süreç için sisteme tanımlayarak kullandığı .csv
uzantılı dosyayı uygulama içinde bir kez tanıtarak aynı dosya üzerinden tekrar tekrar
ayrık süreçleri başlatabilir. Seçilen hastalıkla ilgili kayıtlar görüntülenebildiği gibi bu
kayıtlara ait grafiklerin de görsel olarak çizimi oluşturularak kullanıcı dostu bir yapıda
olması amaçlanmaktadır. Bu nedenle grafiklerin görsel çizimi üzerindeki çalışmalar
devam etmektedir. Araç Java8 üzerinde geliştirildiği için herhangi bir işletim sistemine
bağlı olmadan ilgili JDK’nın mevcut olduğu her bilgisayarda kolaylıkla çalıştırılabilir.
Ayrıca .jar dosyası olması sebebiyle kurulum gerektirmeden çalıştırılabilir.
Tablo 3. Araç ve Çalışmada Kullanılan Veri ile Alakalı Terimlerin Tanımlamaları
Case ID Hasta (vaka) numarasıdır. Kayıt altına alınan her bir hasta için farklıdır.
Activity Uzman tarafından gerçekleştirilip cihazlarca kayıt altına alınan eylemdir. Örneğin
buradaki radyoloji verisi için ct abdomen (karın bilgisayarlı tomografisi) bir
aktivitedir.
Timestamp Her bir aktivitenin gerçekleşme zaman bilgisidir.
Diagnosis Her bir hastalığın ismidir.
Protokol Tıp uzmanının gerçekte herhangi bir hastalıkta teşhis ve tedavi için uyguladığı sıralı
işlemler bütünüdür. Örneğin buradaki radyoloji verisi için maligniteit endometrium
(rahim içi kanseri) hastalığında; önce echo onderbuik (karın boşluğu echo’su) sonra ct
abdomen (karın bilgisayarlı tomografisi) yapılması gerektiğinin bilgisini içerir. Bu
çalışmada uzmanın tıpkı analiz edilecek veri gibi protokol verisini de .csv dosyası
şeklinde sisteme tanıtması düşünülmektedir. Şekil 2’deki ve Şekil 3’teki Model
dosyası bu dosyadır.
Süreç Tıp uzmanının analiz etmek istediği büyük veriyi içeren dosyadır. Bu dosyada
herhangi bir cihaz üzerinden alınan sağlık verisinin ilgili bilgileri yer almaktadır. Bu
çalışmada bu dosyanın .csv dosyası şeklinde tıp uzmanı tarafından sisteme ekrandan
seçilerek yüklenmesi beklenmektedir.
Varyant Herhangi bir hastalık için görülen çeşitli yolların listesidir. Burada amaçlanan tıp
(Uygulama uzmanının süreç verisinden seçtiği herhangi bir hastalık için tüm vakalarda (Case ID)
Örüntüsü) nasıl yöntemler izlendiğini görebilmesi ve sıklık sayıları sayesinde en sık-en seyrek
rastlanan yöntemleri de ayrıca inceleyebilmesi ve analiz edebilmesidir.
4 Prototipin Örnek Kullanımı
Bu bölümde çalışmada geliştirilen aracın Flemenkçe (Dutch) dilinde benzer bir
çalışmadan elde edilip daraltılan bir sağlık verisi[14] ile koşturulması örneklenecektir.
Bu veri daha büyük bir veriden yalnızca org:group bilgisi Radiology (Radyoloji)*
olarak seçilmiş bir örneklem kümesidir. Araç ve veri ile alakalı terimler Tablo 3’te
verilmiştir.
213
Örneklemede kullanılan veri hakkındaki bilgiler Tablo 4’de verilmiştir.
Tablo 4. Örnek Veri[14] Bilgileri
Satır Sayısı : 3172
Sütun Sayısı : 97
Sütünların İçerdiği Case ID, Acvitiy, Complete Timestamp, Variant, (case) Age, (case)
Bilgiler Diagnosis, (case) Diagnosis Combination ID, (case) Diagnosis code, (case)
Specialism code, (case) Treatment code, Activity Code, Number of
Executions, Producer code, Section, Specialism code, lifecycle:transition,
org:group
Etkinlik Sayısı : 124
*(Radyoloji, x ışınları ve diğer görüntüleme yöntemlerinin tıpta tanı ve tedavi amacıyla kullanılmasıdır. Tanı
ve tedavi amacıyla kullanılan yöntemlerden bazıları; ultrason, bilgisayarlı tomografi (CT), manyetik rezonans
görüntüleme(MR), mamografi, floroskopi ve X ışını kullanan diğer bazı yöntemler olarak sıralanabilir.) [15]
Araç tek başına çalışmaktadır ve başlangıç olarak uzmandan iki adet .csv dosyası
alarak işleme başlar. Bu dosyalardan biri uzmanın incelediği alanda gerçek hayatta
uygulanması beklenilen tedavi protokolünden bir model oluşturulması amacı ile alınır.
Alınan diğer .csv dosyası ise uzmanın asıl inceleyeceği süreci barındıran dosyadır.
Süreç ve Model Eşleştirme Ekranında uzmandan ilgili dosyalar alındıktan sonra süreç
dosyasında madenleme için gerekli alanların karşılıklarının işaretlenmesi için bir ekran
sunulur. Bu ekran üzerinden uzman madenlemek istediği alanları işaretler (Şekil 4).
Bu çalışmada geliştirilen araç dört temel ekrana sahiptir; “Süreç ve Model
Eşleştirme Ekranı”, “Hastalık Seçme Ekranı”, “Süreç Modeli Ekranı”, “Uygulama
Örüntüsü Listeleme Ekranı”. Bu ekranlara ilişkin tanımlar ve örnek görünümler izleyen
paragraflarda verilmiştir.
Süreç ve Model Eşleştirme Ekranı (Şekil 4): Uzman Süreç ve Model dosyasını
seçerek bu iki dosyada ilgili ekranların eşleştirilmesini sağlar. Bu örneklemde ilgili veri
süreç dosyası olarak, ilgili veriden elde edilecek analize odaklı özelliğe uygun daha
küçük bir veri ise model (tedavi protokolü) dosyası olarak kullanılmıştır.
Şekil 4. Süreç ve Model (Tedavi Protokolü) Arasında Madenleme İçin Gerekli
Özellikleri Eşleştirme
214
Hastalık Seçme Ekranı (Şekil 5): Uzman madenleme işlemini ilgili büyük verinin
tamamı yerine veride tespit edilen tek bir hastalık üzerinden yapmak isterse bu
ekrandaki listede seçilen verideki hastalıklar listenecek ve uzman bu listeden herhangi
bir hastalık seçerek yalnızca ilgili hastalığa ait modeli oluşturabilecektir.
Şekil 5. Süreçte Yer Alan Hastalıklar Listesi İçerisinden Seçim Yapma
Süreç Modeli Ekranı (Şekil 6): Önceki ekranda seçilmiş olan hastalık ile ilgili bir
grafiksel modelin oluşturulması sağlanır. Bu çizgenin okuması örnek olarak şu şekilde
yapılabilir*:
“Bu uygulama örüntüsüne ait süreç kayıtlarında (hastalık StartTrace’den yalnızca
iki kez başlatıldığından), hastalık yalnızca iki vakada (iki farklı Case ID’de)
görülmüştür. Başlangıç izi olarak bir kez göğüs filmi (thorax) ve bir kez de karın
bilgisayarlı tomografisi (ct abdomen) görülmüştür. Vakalar göğüs filmi ile
başladığında ardından karın bilgisayarlı tomografisi ya da böbrek üriner sistem
echo’su (echo nieren-urinewegen), karın bilgisayarlı tomografisi ile başladığında
tekrar karın bilgisayarlı tomografisi ya da beyin bilgisayarlı tomografisi (ct
hersenen) görülmüştür. Göğüs filmi görülen vakada ardından Böbrek üriner sistem
echo’su görülmüş ise ardından karın bilgisayarlı tomografisi ya da boyun
bilgisayarlı tomografisi (ct hals) görülmüştür. …”
*(Kullanılan radyoloji verisi Flemenkçe dilinde olduğu için şekilde görülen olay kayıtlarına ait çevirilerin
tamamı parantez içerisinde belirtilmiştir.)
215
Şekil 6. Seçilen Hastalığa Ait Sürecin Grafiksel Olarak Modelinin Çizdirilmesi
Uygulama Örüntüsü Listeleme Ekranı (Şekil 7): Uzmana ilgili büyük veri
üzerinden madenlenerek çıkarılan tüm olası süreç örüntülerini dosyada bulunma
sıklıklarına göre listelenebilmesi ve her bir örüntünün modelinin tek tek
görüntülenebilmesi sağlanır.
Şekil 7. Sürece Ait Uygulama Örüntülerinin (Varyant) Listelenmesi
216
5 Sonuç, Kısıtlar ve Gelecek Çalışmalar
Bu çalışmada, Süreç Madenciliğinin sağlık alanında temin edilen bir veri üzerinde
uygulanabilirliğinden örneklem yapılmış, bu amaçla geliştirilen aracın prototipi
tanıtılmış, benzer çalışmalar ve araçlar hakkında açıklamalar verilmiştir. Süreç
Madenciliğinin neden önemli olduğu ve sağlık alanında kullanımının olası faydaları
tartışılmıştır. Yapılan örnekleme için bir radyoloji uzmanından geribildirim alınmıştır
ve dönüt, tekniğin sağlık alanındaki analizlerde fayda sağlayabileceği yönündedir. Ne
var ki aracın kullanılabilirliğine ve işe yararlığına ilişkin deneysel çalışmalara ihtiyaç
vardır ve gelecek çalışmalar dâhilinde planlanmaktadır.
Süreç Madenciliği özellikle önemli operasyonel süreçleri olan organizasyonlar için
önemli bir araçtır. Bir taraftan bilgi sistemlerinde kaydedilen verilerdeki artış oldukça
fazladır. Diğer yandan da; süreçler ve içerdikleri bilgiler; uyum, verimlilik ve müşteri
memnuniyeti gibi sebepler nedeniyle mükemmelleştirilmelidir. Süreç Madenciliği
oldukça kolay uygulanabilir. Ancak belirtilmelidir ki; Süreç Madenciliği gelişmekte
olan bir disiplin olduğundan, çeşitli zorlukları ve kısıtları vardır. Bu zorluklar; olay
verilerinin bulunması, ayarlanması ve temizlenmesi, farklı karakteri olan karmaşık olay
logları ile başa çıkmak, temsil noktalarını yaratmak, kavramsal sapmalar ile başa
çıkmak, vs. olarak sıralanabilir.[5] Bu çalışmada; veri entegrasyonu, etik kısıtlar ve
verinin tümleşik olmaması temel kısıtlar olarak düşünülebilir.
Geliştirilen aracın gerek yeni sayılabilecek bir alanda yapılması gerekse gelişen
teknolojik ve tıbbi imkânların hızlı artışı sayesinde gelecek çalışmalara örnek teşkil
edeceği düşünülmektedir.[16][17] Özellikle sağlık alanındaki sistemler süreç-haberdar
hale dönüştürülüp sağlık alanında veri kaydı için standartlar geliştirilebilirse Sağlıkta
Süreç Madenciliği daha anlamlı hale gelebilir.[18] Bu çalışmada geliştirilen araç, sağlık
verisinin etik nedenlerle kurum dışına çıkartılamaması durumunda yerinde analiz
edebilme imkânı tanımak üzere hedeflenmiştir. Çalışma sonucunda elde edilenlerin
ileride başka alanlarda kullanılması ya da bu alanda daha derinlemesine yapılacak
çalışmalara kaynak oluşturması beklenmektedir. Bu bağlamda araç üzerinde grafiksel
ve algoritmik iyileştirmeler sürmektedir.
217
Referanslar
[1] Brender, J., Nøhr, C., McNair, P.: “Research needs and priorities in health informatics”. Int.
Journal of Medical Informatics 58–59, pp. 257–289 (2000).
[2] Dumas, M., Rosa, M.L., Mendling, J., Reijers, H.A.: Fundamentals of Business Process
Management. Springer (2013).
[3] W.M.P. van der Aalst, Process Mining: Discovery, Conformance and Enhancement of Business
Processes. DOI 10.1007/978-3-642-19345-3_1, © Springer-Verlag Berlin Heidelberg 2011.
[4] Erdoğan, T., Tarhan, A.: “Process Mining for Healthcare Process Analytics”, in proceedings of
IWSM Mensura 2016, 5-7 Ekim 2016, Berlin. (kabul edildi)
[5] IEEE Task Force on Process Mining, Process Mining Manifesto (Süreç Madenciligi Mani-
festosu-Türkçeye çeviren: Aylin Çahin), in BPM Workshops, volume 99 of Lecture Notes in Business
Information Processing. SpringerVerlag, Berlin, 2011, 169–194.
[6] Eric Rojas, Jorge Munoz-Gama, Marcos Sepúlveda, Daniel Capurro, “Process Mining in
Healthcare: A litersture Review” Journal of Biomedical Informatics 61 (2016) 224–236
[7] ProM(2004) Açık-Kaynak Süreç Madenciliği Aracı; http://www.promtools.org/doku.php
[8] Disco(2011) Ticari Süreç Madenciliği Aracı; https://fluxicon.com/disco/
[9] Gürgen, Tuğba ve Tarhan, Ayça, (2011). Süreç Madenciliğinin Yazılım Süreç Doğrulama İçin
Kullanımı; http://www.uyms.org.tr/2011/bildiriler/b37.pdf
[10] Yalçın Pirinçliler, Esin Cumhur ve Şen, Ali, (2012). Süreç İyileştirme Çalışmaların Veri
Madenciliği Yaklaşımlarının Kullanılması Üzerine Bir Çalışma;
http://www.sobbiad.mu.edu.tr/index.php/asd/article/viewFile/265/395
[11] Saylam, Rabia ve Sahingoz, Ozgur Koray, (2014). Yazılım Geliştirme ve Test Döngüsü
Üzerinde Süreç Madenciliği Yaklaşımı; http://ceur-ws.org/Vol-1221/62\_Bildiri.pdf
[12] R. S. Mans, M. H. Schonenberg, M. Song, W. M. P. van der Aalst, P. J. M. Bakker, “Application
of Process Mining in Healthcare – A Case Study in a Dutch Hospital”, Biomedical Engineering Systems
and Technologies Communications in Computer and Information Science Volume 25, 2009, pp 425-438,
Springer Berlin Heidelberg.
[13] https://www.wiso.uni-
hamburg.de/fileadmin/wiso_fs_wi/Publikationen/Michael/Gehrke_und_Werner_-_2013_-
_Process_Mining_Pre-print_Version.pdf
[14] Prototip İçin Kullanılan Verinin Kaynağı; http://data.4tu.nl/repository/uuid:d9769f3d-0ab0-
4fb8-803b-0d1120ffcf54
[15] https://tr.wikipedia.org/wiki/Radyoloji
[16] C. Fernandez-Llatas, T. Meneu, J. Miguel Benedi, and V. Traver, “Continuous Clinical
Pathways Evaluation By Using Automatic Learning Algorithms,” in Healthinf 2011: Proceedings of the
International Conference on Health Informatics, 2011, pp. 228–234.
[17] T.G. Erdogan, A. Tarhan and N.A. Karagoz. An Integrated Infrastructure Using Process mining
Techniques for Software Process Verification, Uncovering Essential Software Artifacts through Business
Process Archaeology, Idea Group Inc., 2013. (DOI: 10.4018/978-1-4666-4667-4).
[18] Sağlıkta Süreç Madenciliği; http://www.processmining.org/health/start
218