Verona - Dipartimento di Informatica

Ministero dell'Istruzione dell'Università e della Ricerca
Dipartimento per l'Università, l'Alta Formazione Artistica, Musicale e Coreutica e per la
Ricerca
Direzione Generale per il Coordinamento e lo Sviluppo della Ricerca
PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE
NAZIONALE
RICHIESTA DI COFINANZIAMENTO (D.M. 2/ric del 12/01/2012)
PROGETTO DI UNITÀ DI RICERCA - MODELLO B
Anno 2010-2011 - prot. 2010J3HN72_003
1 - Area Scientifico-disciplinare
01: Scienze matematiche e informatiche
90% *
09: Ingegneria industriale e dell'informazione 10%
* Area prescelta ai fini della valutazione
2 - Coordinatore Scientifico
TERENZIANI
PAOLO
Professore Ordinario
Università degli Studi del PIEMONTE ORIENTALE "Amedeo Avogadro"Vercelli
Facoltà di SCIENZE MATEMATICHE FISICHE e NATURALI
Dipartimento di INFORMATICA
3 - Responsabile dell'Unità di Ricerca
COMBI
(Cognome)
CARLO
(Nome)
Professore Ordinario
(Qualifica)
24/05/1962
(Data di nascita)
Università degli Studi di VERONA
(Università/Ente)
Dipartimento di INFORMATICA
CMBCRL62E24F393Z
(Codice fiscale)
(Dipartimento)
045 802 7985
(telefono)
045 802 7068
(fax)
[email protected]
(E-mail)
4 - Curriculum scientifico
Testo italiano
Carlo Combi è nato a Montagna in Valtellina (SO) il 24 maggio 1962.
Ha conseguito la Maturità Classica nell'anno scolastico 1980-81 presso il Liceo Classico G.
Piazzi di Sondrio con la votazione di 60/60.
Il 10 giugno 1987 si è laureato in Ingegneria Elettronica presso il Politecnico di Milano con la
votazione di 94/100, discutendo la tesi "Esperimenti con alcune tecniche di compressione dati
con salto di campioni su segnali ECG con aritmie", relatore Prof. Francesco Pinciroli.
Il 13 luglio 1993 ha sostenuto con esito favorevole la dissertazione finale, dal titolo "Gestione
del tempo nelle cartelle cliniche: modellizzazione, implementazione ed interrogazioni con
tecniche orientate agli oggetti", per il conseguimento del titolo di Dottore di Ricerca ed ha così
conseguito il titolo di Dottore di Ricerca in Bioingegneria.
Ha quindi svolto negli anni 1993/94 e 1994/95 attività di ricerca post-dottorato presso il
Dipartimento di Bioingegneria, beneficiando di una borsa di studio MURST.
Dall'aprile 1996 all’ottobre 2001 è stato ricercatore (settore disciplinare K05A: Sistemi di
elaborazione delle informazioni) presso l'Università degli Studi di Udine, Facoltà di Lettere e
Filosofia, afferendo al Dipartimento di Matematica ed Informatica.
Nel luglio 2001 ha ottenuto l’idoneità in una procedura di valutazione comparativa ad un posto
di Professore Associato presso la Facoltà di Scienze Matematiche Fisiche e Naturali, settore
disciplinare K05B: Informatica.
Dal novembre 2001 al febbraio 2005 è stato professore associato, dal marzo 2005 al febbraio
2008 è stato professore straordinario e dal marzo 2008 è professore ordinario (settore disciplinare
INF/01: Informatica) presso l'Università degli Studi di Verona, Facoltà di Scienze Matematiche,
Fisiche e Naturali, ed afferisce al Dipartimento di Informatica, di cui è direttore dall'ottobre
2007.
I principali interessi di ricerca di Carlo Combi sono nel campo delle basi di dati e dei sistemi
informativi, con una particolare attenzione alla gestione dell'informazione clinica. Le due aree di
ricerca principali riguardano i sistemi informativi temporali (modellazione e gestione di dati e di
processi orientati al tempo) e le basi di dati multimediali. E' autore di oltre 100 articoli scientifici
apparsi su riviste internazionali e su atti di conferenze internazionali con revisori. E' autore, con
Elpida Keravnou - University of Cyprus e Yuval Shahar - Ben-Gurion University of the Negev,
del libro "Temporal Information Systems in Medicine", Springer, 2010.
Dal gennaio 1999 è membro dell'"editorial board" della rivista internazionale "Artificial
Intelligence in Medicine". Da luglio 2009 è chair della Artificial Intelligence in Medicine
Society (AIME).
È guest-editor, insieme a Yuval Shahar - Università Ben Gurion, di un numero speciale della
rivista Artificial Intelligence in Medicine su "Artificial Intelligence in Medicine AIME 2009 selected papers" (2011).
È guest-editor, insieme a Niels Peek – Università di Amsterdam e Allan Tucker – Brunel
University, di una sezione speciale della rivista Methods of Information in Medicine su
"Biomedical Data Mining" (2009).
È guest-editor, insieme a Maroua Bouzid – Università di Caen, Gerard Ligozat – Università di
Parigi-SUD - e Michael Fisher – Università di Liverpool, di un numero speciale della rivista
Annals of Mathematics and Artificial Intelligence su "Temporal Representation and Reasoning"
(2006).
È guest-editor, insieme a Giuseppe Pozzi - Politecnico di Milano, di un numero speciale della
rivista Artificial Intelligence in Medicine su "Temporal Representation and Reasoning in
Medicine" (2006).
È guest-editor, insieme a Yuval Shahar - Università di Stanford, di un numero speciale della
rivista Computers in Biology and Medicine su "Time-Oriented Systems in Medicine" (1997).
È guest-editor, insieme a Yuval Shahar - Università di Stanford, di un numero speciale della
rivista Journal of Intelligent Information Systems su "Intelligent Temporal Information Systems
in Medicine" (1999).
È membro del comitato scientifico di un volume speciale della serie Annals of Information
Systems su "New Trends in Data Warehousing and Data Analysis" – guest editor: Stanislaw
Kozielski - Silesian University of Technology, Poland - e Robert Wrembel - Poznan University
of Technology, Poland - (2009).
È membro del comitato scientifico di un numero speciale della rivista Artificial Intelligence in
Medicine su "Information Visualization in Medicine" – guest editor: Luca Chittaro, Università
degli Studi di Udine - (2000).
Ha svolto e svolge attività di revisione per riviste nazionali e internazionali del settore: IEEE
Transactions on Data and Knowledge Engineering, IEEE Transactions on Multimedia, Annals of
Mathematics and Artificial Intelligence, Artificial Intelligence in Medicine, Computers in
Biology and Medicine, IEEE Concurrency, IEEE Internet Computing, Methods of Information in
Medicine, Rivista di Informatica dell'AICA, The Computer Journal, Journal of Intelligent and
Fuzzy Systems, Journal of Logic and Computation.
È “general chair” del congresso 18th International Symposium on Temporal Representation and
Reasoning – TIME 2011.
È “scientific co-chair” e "local chair" del congresso 12th Conference on Artificial Intelligence in
Medicine Europe - AIME'09.
È “program co-chair” del congresso 11th International Symposium on Temporal Representation
and Reasoning – TIME 2004.
È ed è stato componente dei comitati di programma di numerosi convegni internazionali, quali
TIME (Symposium on Temporal Representation and Reasoning), CIKM (Conference on
Information and Knowledge Management), AIME (Conference on Artificial Intelligence in
Medicine), DEXA (Conference on Database and Expert System Applications), ADBIS
(Conference on Advances in Databases and Information Systems), ACM IHI (SIGHIT
International Health Informatics Symposium).
Testo inglese
Carlo Combi was born in 1962. In 1987 he received the Laurea Degree in E.E. by the Politecnico
of Milan with a thesis on "Data Compression Techniques applied to Dynamic
Electrocardiograms". In 1993 he received the Ph.D. degree in biomedical engineering with the
dissertation "Time Management in Medical Records: Modeling, Implementation, and Queries by
Object-Oriented Techniques". He was in 1994 and 1995 Post-Doc fellow at the Department of
Biomedical Engineering of the Politecnico of Milan. From 1987 to 1996 he worked within the
research group in Medical Informatics at the Politecnico of Milan. From April 1996 to October
2001, Carlo Combi was with the Department of Mathematics and Computer Science of the
University of Udine as Assistant Professor. Since November 2001, he is with the Department of
Computer Science of the University of Verona: from November 2001 to February 2005, he was
Associate Professor of Computer Science; since March 2005, he is Professor of Computer
Science. Since October 2007, he is head of the Department.
Main research interests are related to the database and information system field, with an
emphasis on the management of clinical information. The two main areas are temporal
information systems (time-oriented data and process modeling) and multimedia databases.
The following specific research topics have been considered by Carlo Combi:
* XML, semistructured data and temporal information;
* temporal workflows: conceptual modeling, architectures, and management of temporal
information;
* dealing with multiple temporal dimensions in modeling and querying data;
* extending Event Calculus to deal with temporal granularity and indeterminacy;
* visualizing temporal data;
* managing uncertainty in temporal relationships by multiple-valued logics;
* WWW-based access to temporal information;
* dealing with granularity and indeterminacy in modeling and querying object-oriented temporal
databases;
* modeling and querying multimedia data;
* temporal features of multimedia data;
* indexing structures;
* compression techniques applied on biomedical signals and images.
He is author of more than 100 papers published on international journals and proceedings of
international conferences. He is involved in the scientific activity of several scientific
international journals and conferences. Since January 1999 he is editorial Board Member, journal
Artificial Intelligence in Medicine. Since July 2009 he is chair of the Artificial Intelligence in
Medicine Society (AIME).
He is author, with Elpida Keravnou - University of Cyprus and Yuval Shahar - Ben-Gurion
University of the Negev, of the book "Temporal Information Systems in Medicine", Springer,
2010.
He is guest editor (with Yuval Shahar, Ben Gurion University) of a special issue on "Artificial
Intelligence in Medicine AIME 2009 - selected papers", Artificial Intelligence in Medicine
Journal (2011).
He is guest editor, with Niels Peek – University of Amsterdam and Allan Tucker – Brunel
University, of a special section of the journal Methods of Information in Medicine on
"Biomedical Data Mining" (2009).
He is member of the Scientific Committee, volume "New Trends in Data Warehousing and Data
Analysis" (2009) of the series Annals of Information Systems (guest editor: Stanislaw Kozielski
- Silesian University of Technology, Poland - and Robert Wrembel - Poznan University of
Technology, Poland).
He is guest editor (with Maroua Bouzid - University of Caen, Gerard Ligozat - University of
Paris-SUD, and Michael Fisher, University of Liverpool) of a special issue on temporal
representation and reasoning, Annals of Mathematics and Artificial Intelligence (2006).
He is guest editor (with Giuseppe Pozzi, Politecnico di Milano), of a special issue on temporal
representation and reasoning in medicine, International Journal Artificial Intelligence in
Medicine (2006).
He is member of the Scientific Committee, special issue on information visualization in medicine
(guest editor: Luca Chittaro, University of Udine), journal Artificial Intelligence in Medicine
(2000).
He is guest editor (with Yuval Shahar, Stanford University), special issue on intelligent temporal
information systems in medicine, Journal of Intelligent Information Systems (1999).
He is guest editor (with Yuval Shahar, Stanford University), special issue on time-oriented
systems in medicine, journal Computers in Biology and Medicine (1997).
He has been reviewer for national and international journals and magazines: IEEE Transactions
on Knowledge and Data Engineering, IEEE Transactions on Multimedia, Annals of Mathematics
and Artificial Intelligence, Artificial Intelligence in Medicine, Computers in Biology and
Medicine, IEEE Concurrency, IEEE Internet Computing, Methods of Information in Medicine,
Rivista di Informatica of AICA, the Computer Journal, Journal of Intelligent and Fuzzy Systems,
Journal of Logic and Computation, Acta Informatica.
He is general chair of the 18th International Symposium on Temporal Representation and
Reasoning - TIME 2011.
He is scientific co-chair and local chair of the 12th Conference on Artificial Intelligence in
Medicine - AIME'09.
He is program co-chair of the IDAMAP 2007 and IDAMAP 2006 Workshops on Intelligent Data
Analysis in bioMedicine and Pharmacology.
He is program co-chair of the 11th International Symposium on Temporal Representation and
Reasoning - TIME 2004.
He has been involved since several years as a member of the program committee of international
conferences, as TIME (Symposium on Temporal Representation and Reasoning, AIME
(Artificial Intelligence in MEdicine), DEXA (Database and Expert System Application), CIKM
(Conference on Information and Knowledge Management), ADBIS (Conference on Advances in
Databases and Information Systems) and of international workshops as ECDM (International
Workshop on Evolution and Change in Data Management), AITAmI (Workshop on Artificial
Intelligence Techniques for Ambient Intelligence), and IDAMAP (workshop on Intelligent Data
Analysis in bioMedicine and Pharmacology), ACM IHI (SIGHIT International Health
Informatics Symposium).
5 - Pubblicazioni scientifiche più significative del Responsabile dell'Unità di Ricerca
1. COMBI C., Gambini Mauro, Migliorini Sara, Posenato Roberto (2012). Modelling
Temporal, Data-Centric Medical Processes. In: IHI '12 Proceedings of the 2nd ACM
SIGHIT International Health Informatics Symposium. Miami, FL, USA, 28-30 Gennaio
2012ACM, p. 141-150, ISBN/ISSN: 9781450307819, doi: 10.1145/2110363.2110382
2. COMBI C., Oliboni Barbara (2012). Visually defining and querying consistent multigranular clinical temporal abstractions . ARTIFICIAL INTELLIGENCE IN MEDICINE,
vol. 54; p. 75-101, ISSN: 0933-3657
3. COMBI C., Gambini Mauro, Migliorini Sara (2011). The NestFlow Interpretation of
Workflow Control-Flow Patterns. In: Advances in Databases and Information Systems.
Vienna, Austria, September 20-23, 2011Springer, vol. 6909
4. COMBI C., KERAVNOU-PAPAILIOU ELPIDA, SHAHAR YUVAL (2010). Temporal
information systems in medicineSpringer Publishing Company, Incorporated, p. 1-408,
ISBN: 1441965424
5. COMBI C., POSENATO ROBERTO (2010). Towards Temporal Controllabilities for
Workflow Schemata. In: 2010 17th International Symposium on Temporal Representation
and Reasoning TIME 2010. Parigi, Francia, 6-8 settembre 2010IEEE Computer Society, p.
129-136, ISBN/ISSN: 9780769541877
6. BELUSSI ALBERTO, COMBI C., POZZANI GABRIELE (2009). Formal and conceptual
modeling of spatio-temporal granularities. In: -. Cetraro (CS), Calabria, Italy, 16-18
September 2009The Association for Computing Machinery, p. 275-283, ISBN/ISSN: 978-160558-402-7
7. COMBI C. (2009). Temporal Object-Oriented Databases. Encyclopedia of Database
Systems. p. 2998-3004, Springer, ISBN/ISSN: 978-0-387-35544-3
8. COMBI C., GAMBINI M. (2009). Flaws in the flow: the weakness of unstructured business
process modeling languages dealing with data. In: On the Move to Meaningful Internet
Systems: OTM 2009, Confederated International Conferences, CoopIS, DOA, IS, and
ODBASE 2009, Proceedings, Part I. Vilamoura, Portugal, Novembre, 2009Springer, vol.
5870, p. 42-59, ISBN/ISSN: 978-3-642-05147-0
9. COMBI C., GOZZI M., OLIBONI B., JUAREZ J.M., MARIN R. (2009). Temporal
similarity measures for querying clinical workflows. ARTIFICIAL INTELLIGENCE IN
MEDICINE, vol. 46; p. 37-54, ISSN: 0933-3657, doi: 10.1016/j.artmed.2008.07.013
10. COMBI C., POZZI G. (2009). Temporalities for Workflow Management Systems.
Handbook of Research on Business Process Modeling. p. 255-273, IGI-Global, ISBN/ISSN:
978-1-60566-288-6
11. COMBI C., ROBERTO POSENATO (2009). Controllability in Temporal Conceptual
Workflow Schemata. In: Business Process Management, 7th International Conference, BPM
2009. Ulm, Germany, 8-10 Settembre 2009Springer Berlin / Heidelberg, vol. 5701, p. 64-79,
ISBN/ISSN: 978-3-642-03847-1
12. COMBI C., DEGANI S., JENSEN C.S. (2008). Capturing Temporal Constraints in
Temporal ER Models. In: Proceedings ER 2008 International Conference on Conceptual
Modeling. Barcellona, 20-23 ottobre 2008, Berlino: Springer, vol. Lecture Notes in
Computer Scie, p. 397-411, ISBN/ISSN: 978-3-540-87876-6
13. COMBI C., POZZI G. (2008). Workflow Management Systems for Healthcare Processes.
Encyclopedia of Healthcare Information Systems (3 Volumes). p. 1412-1416, IGI-Global,
ISBN/ISSN: 978-1-59904-889-5
14. COMBI C., A. MONTANARI, G. POZZI (2007). The T4SQL Temporal Query Language.
In: ACM CIKM 2007 Sixteenth Conference on Information and Knowledge Management.
Lisbona, novembre 2007, New York: ACM, p. 193-202, ISBN/ISSN: 978-1-59593-803-9
15. COMBI C., GOZZI M., JUAREZ J.M., OLIBONI B., POZZI G. (2007). Conceptual
Modeling of Temporal Clinical Workflows. In: Proceedings 14th International Symposium
on Temporal Representation and Reasoning (TIME 2007). Alicante - Spain, giugno 2007,
Los Alamitos: IEEE Computer Society Press, p. 70-81
16. SACCHI L., LARIZZA C., COMBI C., BELLAZZI R. (2007). Data mining with Temporal
Abstractions: Learning Rules from Time Series. DATA MINING AND KNOWLEDGE
DISCOVERY, vol. 15; p. 217-247, ISSN: 1384-5810
17. ADLASSNIG K.P, COMBI C., DAS A.K, KERAVNOU E.T, POZZI G (2006). Temporal
representation and reasoning in medicine: Research directions and challenges. ARTIFICIAL
INTELLIGENCE IN MEDICINE, vol. 38; p. 101-113, ISSN: 0933-3657
18. COMBI C., OLIBONI B., ROSSATO R. (2005). Merging Multimedia Presentations and
Semistructured Temporal Data: a Graph-based Model and its Application to Clinical
Information. ARTIFICIAL INTELLIGENCE IN MEDICINE, vol. 34(2); p. 89-112, ISSN:
0933-3657, doi: 10.1016/j.artmed.2004.11.003
19. COMBI C., FRANCESCHET M., PERON A. (2004). Representing and Reasoning about
Temporal Granularities. JOURNAL OF LOGIC AND COMPUTATION, vol. 14; p. 51-77,
ISSN: 0955-792X
20. COMBI C., POZZI G. (2004). Architectures for a Temporal Workflow Management
System. In: ACM SAC 2004 SYMPOSIUM ON APPLIED COMPUTING, DATABASE
THEORY, TECHNOLOGY, AND APPLICATIONS (DTTA) TR. Nicosia - Cipro, Marzo
2004, New York: ACM, p. 659-666
21. CHITTARO L., COMBI C. (2003). Visualizing Queries on Databases of Temporal
Histories: New Metaphors and their Evaluation. DATA & KNOWLEDGE ENGINEERING,
vol. 44; p. 239-264, ISSN: 0169-023X
22. CHITTARO L., COMBI C., TRAPASSO G. (2003). Clinical Data Mining: a Visual
Approach and its Application to Hemodialysis. JOURNAL OF VISUAL LANGUAGES
AND COMPUTING, vol. 14; p. 591-620, ISSN: 1045-926X
23. COMBI C., POZZI G. (2003). Temporal Conceptual Modelling of Workflows. In:
Proceedings ER 2003 International Conference on Conceptual Modeling. Chicago, Ottobre
2003, Berlin: Springer, vol. LNCS 2813, p. 59-76
24. PORTONI L., COMBI C., PINCIROLI F. (2002). User-Oriented Views in Health Care
Information Systems. IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol.
49; p. 1387-1398, ISSN: 0018-9294
25. COMBI C., A.MONTANARI (2001). Data Models with Multiple Temporal Dimensions:
Completing the Picture. In: Proceedings 13th International Conference CAiSE 2001 Advanced Information Systems Engineering. Interlaken, giugno 2001, Berlin: Springer, p.
187-202
26. PINCIROLI F., CRIPPA F., COMBI C., RENI G., FAVA D. (2000). TANCLICO: Tools for
the Analysis of Inter-departmental Clinical Communications. METHODS OF
INFORMATION IN MEDICINE, vol. 39/1; p. 44-49, ISSN: 0026-1270
27. PINCIROLI F., MARCHENTE M., COMBI C., FAVA D., BRAMBILLASCHI G.,
PEDRAZZI A. (2000). TEODOLINDA. A Communication Architecture for Hospital
Information Systems. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE,
vol. 62/1; p. 59-68, ISSN: 0169-2607
28. COMBI C., L. CHITTARO (1999). Abstraction on Clinical Data Sequences: an ObjectOriented Data Model and a Query Language Based on the Event Calculus. ARTIFICIAL
INTELLIGENCE IN MEDICINE, vol. 17/3; p. 271-301, ISSN: 0933-3657
29. COMBI C., CUCCHI G., PINCIROLI F. (1997). Applying Object-Oriented Technologies in
Modeling and Querying Temporally-Oriented Clinical Databases Dealing with Temporal
Granularity and Indeterminacy. IEEE TRANSACTIONS ON INFORMATION
TECHNOLOGY IN BIOMEDICINE, vol. 1/2; p. 100-127, ISSN: 1089-7771
30. COMBI C., SHAHAR Y. (1997). Temporal Reasoning and Temporal Data Maintenance in
Medicine: Issues and Challenges. In: COMBI, C., SHAHAR, Y. (eds.) Time-Oriented
Systems in Medicine. Special Issue. COMPUTERS IN BIOLOGY AND MEDICINE, vol.
27; p. 353-368, ISSN: 0010-4825
6 - Abstract dei compiti svolti dall'Unità di Ricerca
Testo italiano
Il programma di ricerca dell'unità di Verona consisterà delle seguenti linee di ricerca principali.
MODELLAZIONE INTEGRATA DI DATI E PROCESSI CLINICI E SANITARI E VERIFICA
DEI PROCESSI
Lo scopo di questa linea di ricerca è quello di distinguere quali sono gli aspetti temporali
principali da rappresentare nella modellazione concettuale di linee guida e processi clinici e
sanitari attraverso modelli di workflow orientati ai dati.
Per tali aspetti, ci si focalizzerà sulle notazioni più opportune per rappresentare vincoli assoluti,
periodici e di durata, eventualmente affetti da incertezza, vaghezza e differenti granularità,
caratterizzando l'espressività del modello rispetto alla complessità legata alla valutazione di
diversi livelli di consistenza di tali vincoli. Oltre alla consistenza, un concetto recentemente
applicato all'ambito dei workflow è quello di "controllabilità". La controllabilità è una proprietà
più forte della consistenza e prevede che un workflow possa essere eseguito rispettando tutti i
vincoli temporali senza fissare a priori le durate delle attività cliniche, che sono fuori dal
controllo del sistema di gestione di workflow. La controllabilità e gli algoritmi per la sua verifica
saranno oggetto di studio e di applicazione in ambito clinico. Per la verifica di controllabilità
saranno considerati sia gli aspetti design time, sia gli aspetti legati alla verifica incrementale, run
time, della controllabilità durante l'esecuzione dei processi stessi.
ANALISI INTELLIGENTE ed INTEGRATA DI DATI E PROCESSI CLINICI E SANITARI
Nella modellazione di linee guida o di processi sanitari per mezzo di workflow, le regole che un
processo deve seguire sono descritte nello schema di workflow e devono essere soddisfatte dalle
istanze (casi) del processo stesso. Le istanze di uno stesso schema di workflow possono, quindi,
essere differenti rispetto alla struttura e rispetto alle attività che compongono il caso, al loro
ordine (temporale) e alla loro lunghezza. Quando uno schema di workflow rappresenta una linea
guida, ad esempio, i suoi casi rappresentano istanze differenti derivanti dall'applicazione della
linea guida a pazienti diversi in situazioni diverse.
L'analisi intelligente dei dati relativi ai vari casi diviene quindi centrale nella valutazione dei
singoli casi, rispetto alla corretta applicazione delle linee guida, rispetto al corretto trattamento
del singolo paziente, e così via. L'analisi di casi di processi clinici permette di riconoscere
insiemi di casi (istanze dello stesso schema di workflow) simili tra loro e quindi consente di
scoprire modelli di processi clinici e sanitari. Spesso, inoltre, i dati clinici di supporto
all'esecuzione dei processi sono numerosi e richiedo opportune analisi, di supporto alle attività
decisionali del processo stesso. Rispetto a questo scenario, l'unità di Verona si concentrerà sullo
studio di tecniche innovative di data mining temporali per processi e dati clinici, con particolare
enfasi sull'estrazione di regole di associazione temporali e di dipendenze funzionali temporali
approssimate basate su punti e/o su intervalli temporali.
PROGETTAZIONE E IMPLEMENTAZIONE DI UNA SUITE DI STRUMENTI SOFTWARE
PER LA GESTIONE E L’ANALISI INTEGRATE DI LINEE GUIDA E DI DATI CLINICI
Sistemi prototipali per la gestione di linee guida/processi clinici e per l'analisi integrata di dati e
processi clinici verranno progettati ed implementati nel corso del progetto, sulla base di prodotti
opensource già disponibili. Tali prototipi saranno applicati a più ambiti clinici, fra quelli
approfonditi ed esaminati nelle prime fasi del progetto: fra questi l'unità di Verona considererà in
particolare l'ambito della farmacovigilanza, e quello della gestione dei pazienti in arresto
cardiaco.
Testo inglese
The research program of the unit of Verona will consist in the main research directions detailed
in the following.
INTEGRATED MODELING OF DATA, CLINICAL PROCESSES, AND HEALTHCARE
PROCESSES and VERIFICATION OF CLINICAL PROCESSES
The goal of this research direction within the project is that of clearly distinguishing which
temporal aspects have to be considered in the conceptual modeling of clinical processes. With
respect to healthcare related workflows, it will be important to clearly identify the temporalities
which have to be dealt with for clinical tasks. A further concept recently discussed for workflows
is that of "controllability". Controllability is stronger than consistency and it refers to the
capability of being able to perform a workflow satisfying all the given constraints for any
combination of the allowed durations for clinical tasks, as tasks are not under the control of the
WfMS (that, instead, is able to fix suitable delays between successive tasks). Controllability and
related verification algorithms will be considered as for their application in the medical domain.
For checking the controllability, algorithms will be considered and designed both for the
verification of controllability at design time and for the incremental verification of process
controllability at run time, when executing clinical processes.
INTELLIGENT AND INTEGRATED ANALYSIS OF DATA, CLINICAL PROCESSES AND
HEALTCARE PROCESSES
In the context of guidelines/health process modeling by means of workflow systems, the rules a
process has to follow are described in the workflow schema and must be satisfied by the
instances (cases) of the process itself. Moreover, the schema may contain qualitative and
quantitative temporal constraints. Workflow cases with the same schema can be different with
respect to the structure, i.e. to the activities composing the cases, and to their (temporal) order
and length. When a workflow schema represents a guideline, for example, its cases represent
different instances deriving from the application of the guideline to different patients in different
situations.
The intelligent analysis of workflow cases is thus an important issue in the clinical context,
where cases are slightly different according to the patient situation: indeed, intelligent analysis
allows the discovering of set of cases that are similar one of the other, and thus it allows one to
discover models of clinical processes starting from data. This is extremely important, as often
process schemata are not at disposal and may only be derived from process data.
Moreover, the intelligent analysis of clinical cases may be a strong basis for assessing the quality
of the care provided by health organizations. Moreover, data acquired during process executions
are often huge a require suitable analyses to support process-related clinical decision making.
With respect to this scenario, the unit of Verona will focus on the issues related to the mining of
clinical process warehouses. In particular the focus will be on the definition of techniques for
mining clinical process warehouse through similarity criteria, for deriving temporal association
rules and approximante temporal functional dependencies from temporal process warehouses
(both point- and interval-based).
DESIGN AND IMPLEMENTATION OF A SOFTWARE SUITE FOR THE INTEGRATED
MANAGEMENT AND ANALYSIS OF CLINICAL GUIDELINES AND CLINICAL DATA
Suitable prototypes for the management of clinical guidelines/pathways and for the integrated
analysis of clinical data and processes will be designed and implemented during the project, even
on the base of sound opensource systems, currently available. Such prototypes we be applied to
several clinical contexts, among those identified and deeply considered at the beginning of the
project: in particular, the unit of Verona will explicitly consider the domains of
pharmacovigilance and of the management of cardiac arrest patients.
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
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
COLLABORAZIONI CON ALTRI ORGANISMI DI RICERCA
L'unità di Verona (UNIVR nel seguito) collaborerà con il Dipartimento di Sistemi Informativi
dell'Università di Haifa, Israele, nella persona del suo direttore, prof.ssa Mor Peleg.
La prof.ssa Mor Peleg è molto nota a livello internazionale per la sua attività di ricerca
nell'ambito dei sistemi informativi clinici e in particolare per i suoi studi sui sistemi di supporto
alle linee guida e ai processi clinici. Le sue competenze e i suoi lavori precedenti si integrano
perfettamente con UNIVR per quanto riguarda l'approfondimento e l'applicazione di tecniche di
process mining in ambito clinico. Mor sarà coinvolta nella specifica e nella valutazione degli
algoritmi di process mining per informazioni temporali che verranno sviluppati da UNIVR.
UNIVR collaborerà, inoltre,con l'Istituto di Basi di Dati e Sistemi Informativi dell'Università di
Ulm, Germania, nella persona del prof. Manfred Reichert.
Il prof. Manfred Reichert è molto noto a livello internazionale per la sua attività di ricerca
nell'ambito dei sistemi di workflow e dei business process, dove si è occupato anche di
applicazioni in ambito clinico e sanitario. Le sue competenze e i suoi lavori precedenti si
integrano perfettamente con UNIVR per quanto riguarda l'approfondimento dei temi inerenti la
gestione temporale di workflow clinici e la progettazione e implementazione di algoritmi per la
verifica della controllabilità dei processi clinici.
COLLEGAMENTI CON GLI OBIETTIVI DI HORIZON 2020
Il programma di ricerca proposto si colloca pienamente nella proposta HORIZON 2020,
affrontando una delle linee primarie nella priorità "Sfide della Società" - ovvero "sanità,
cambiamenti demografici e benessere" - e richiedendo lo sviluppo di metodologie informatiche
avanzate ed innovative, come previsto dalla priorità "Scienza di Eccellenza" della proposta, al
fine di ottenere gli obiettivi e l’impatto sociale prefissato. Il progetto proposto si può quindi
anche ben inquadrare nel contesto delle cross-cutting actions della proposta Horizon 2020,
proponendo, come previsto dalla stessa, soluzioni ad alto grado di interdisciplinarità (in
particolare fra l’ambito della medicina e quello dell’informatica).
Più in dettaglio, la Horizon 2020 Proposal (Brussels, 30.11.2011) consta di quattro priorità: la
priorità I “Excellent science” e la priorità III “Societal challenges” costituiscono il contesto nel
quale si colloca il progetto.
In aggiunta, Horizon 2020 intende promuovere il coordinamento fra le varie parti:
“COMPLEMENTARITIES AND CROSS-CUTTING ACTIONS
Horizon 2020 is structured around the objectives defined for its three major parts: generating
excellent science, creating industrial leadership and tackling societal challenges. Particular
attention will be paid to ensuring adequate coordination between these parts and fully exploiting
the synergies generated between all specific objectives to maximise their combined impact on
the higher level policy objectives of the Union.” …
“Cross-cutting actions will be promoted between Part I 'Excellent science' and the societal
challenges …. to develop jointly new knowledge, future and emerging technologies, research
infrastructures and key competences.”
(Complementarities and cross-cutting actions, pag. 23)
La Horizon2020 Proposal evidenzia come il raggiungimento di tale coordinamento possa
richiedere l’adozione di soluzioni interdisciplinari.
“….contributing effectively to the objectives of Europe 2020 and the Innovation Union will
require solutions to be developed which are interdisciplinary in nature…”.
Il progetto proposto si colloca perfettamente in tale contesto, proponendo un progetto di ricerca
informatica innovativo finalizzato ad un forte impatto sociale nell’ambito della salute.
Speficatamente, la salute e’ la prima delle “Social Challenges” specificate in Horizon 2020:
“1. HEALTH, DEMOGRAPHIC CHANGE AND WELLBEING
Effective health promotion, supported by a robust evidence base, prevents disease, improves
wellbeing and is cost effective” (pag 50)
“An increasing disease and disability burden in the context of an aging population places further
demands on health and care sectors. If effective health and care is to be maintained for all ages,
efforts are required to improve decision making in prevention and treatment provision, to
identify and support the dissemination of best practice in the healthcare sector,” (pag. 50)
“1.15. 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.
There is a need to support the development of health technology assessment and health
economics, as well as the of gathering evidence and dissemination of best practice and
innovative technologies and approaches in the healthcare sector, including ICT and e-health
applications” (pag. 54)
I precedenti passi, tratti dalla proposal HORIZON 2020, evidenziano chiaramente
(1) l’importanza di supportare l’adozione e la disseminazione della “best practice” nel contesto
medico-sanitario, e
(2) il ruolo che l’informatica può giocare nel conseguimento di tale obiettivo.
Per quanto riguarda il primo aspetto, il progetto proposto si focalizza sul trattamento di linee
guida cliniche che, informalmente, costituiscono il principale strumento proposto in ambito
medico al fine da un lato di raccogliere l’evidenza medica, e dall’altro di codificarla in procedure
di “best practice” per gli operatori sanitari.
Le linee guida cliniche sono, nella definizione dello USA Institute of Medicine, “sistematically
developed statements to assist practitioner and patient decisions about appropriate health care in
specific clinical circumstances”. Le linee guida cliniche sono tipicamente caratterizzate dalla
presenza di complessi processi decisionali, in cui il medico gioca un ruolo fondamentale, e non
debbono essere intese come una limitazione all’attività decisionale del medico, quanto come un
supporto alla stessa. Il ciclo di vita delle linee guida o dei protocolli clinici risulta
fondamentalmente composto da tre fasi: (i) definizione, da parte di un comitato di medici esperti
nel settore, (ii) applicazione agli specifici pazienti, (iii) aggiornamento, da parte di un comitato di
esperti. E’ importante notare come, nella seconda fase, le line guida generali vengano
contestualizzati alle specifiche unità sanitarie (integrandole così con gli aspetti organizzativi di
tali unità), ed allo specifico paziente, dando origine ai cosiddetti Clinical Pathway.
L’adozione di sistemi di supporto di linee guida/pathway clinici e insieme di tecniche di analisi
intelligenti di grosse moli di dati/processi clinici costituisce, quindi, uno degli strumenti
principali per promuovere la cosiddetta evidence-based medicine, e comporta innumerevoli
vantaggi per tutti i componenti del sistema sanitario integrato, fra i quali evidenziamo:
- per i pazienti: la garanzia della qualità delle prestazioni ricevute (secondo i dettami della
evidence-based medicine)
- per i medici: la disponibilità di un riferimento standard affidabile, utilizzabile come
documentazione, come supporto alla decisione, e/o come strumento di critica ed autovalutazione;
la certifica della qualità delle prestazioni erogate (quest’ultimo aspetto assume una particolare
rilevanza legale-assicurativa nel mondo anglosassone)
- per le aziende sanitarie: la disponibilità di uno strumento per la standardizzazione delle
prestazione erogate, per il controllo di qualità, per la valutazione e l’ottimizzazione di costi e
risorse
- rispetto al territorio: oltre ai vantaggi menzionati per le singole aziende sanitarie, si aggiungono
quelli legati alla disseminazione di procedure cliniche standardizzate, e quelli legati ad una più
stretta integrazione fra ospedali e territorio.
In particolare, la garanzia di qualità costituisce il vantaggio fondamentale fornito dall’adozione
di linee guida. Tale vantaggio deriva sia dal fatto che esse costituiscono una messa in opera della
evidence-based medicine, che garantisce l’adozione delle metodologie cliniche più appropriate,
che dall’introduzione nelle linee guida di indicatori di qualità, sia riguardanti l’imapatto
dell’esecuzione di una linea guida su specifici pazienti (indicatori clinici, quali goal-based
outcomes, functional outcomes, e quality of life measures) che a livello di macro-sistema
(aziende ospedaliere, entità territoriali; detti performance indicators).
Purtroppo i suddetti vantaggi sono talvolta limitati, in fase applicativa, dall’incidenza di due
principali problematiche:
(1) in fase di definizione: in molti casi, la definizione delle linee guida risulta problematica, in
quanto la conoscenza medica e’ talvolta molto complessa e difficilmente formalizzabile in modo
rigoroso. Ne consegue che, in tali casi, le descrizioni possono essere imprecise e/o incomplete, o
lasciare un certo grado di arbitrarietà (e di difficoltà) di interpretazione per i medici che
dovranno applicarle ai pazienti.
(2) in fase di applicazione: è ampiamente riconosciuto che il principale ostacolo all’effettivo
utilizzo delle linee guida cliniche ed alla loro diffusione e’ la distanza che intercorre fra la
descrizione “generale” delle linee guida (fornita dai comitati di esperti) ed i casi reali, costituiti
dagli specifici pazienti su cui la linea guida viene di volta in volta applicata. Colmare tale
distanza richiede una integrazione della linea guida con i dati del paziente, che e’ un processo
talvolta molto complesso, che viene completamente delegato al medico utente.
La ricerca a livello mondiale ha mostrato come l’adozione di adeguate metodologie informatiche
fornisca strumenti utili a superare tali problematiche, massimizzando l’impatto pratico
dell’adozione di linee guida cliniche e protocolli [Gordon, 95a; Grimshaw & Russel, 93; Molino,
99; Purves, 95].
A partire dagli anni '90, la ricerca in informatica medica a livello mondiale si e’ ampiamente
occupata, con interesse sempre crescente, alla ricerca di formalismi ed approcci per la gestione
informatizzata di linee guida cliniche, anche con tecniche mutuate dai sistemi di business process
e di workflow, come evidenziato nella descrizione dello stato dell'arte.
Se da un lato gli approcci proposti hanno dimostrato l’importanza di adottare metodologie
informatiche al supporti delle linee guida, dall’altro hanno mostrato notevoli limitazioni, che non
hanno permesso di ottenere appieno tutto l’impatto potenzialmente conseguibile. Per superare
tali limitazioni, nell’ambito del progetto si propongono due principali modalità investigative,
dettagliate nel seguito.
(1) Adattamento di metodologie al campo medico
Tale modalità consiste da un lato nell’identificare quelle teorie, metodologie e strumenti
informatici già in essere che possano contribuire ad un piu’ evoluto ed adeguato trattamento delle
linee guida, e dall’altro nel modificare, adattare ed estendere le stesse al fine di rendere adatti al
contest applicativo prefissato. E’ importante, contestualmente, notare come una tale modalità
operativa sia espressamente prevista e caldeggiata nella HORIZON 2020 proposal:
“Particular attention will be paid to ensuring a broad approach to innovation, which is not only
limited to the development of new products and services on the basis of scientific and
technological breakthroughs, but which also incorporates aspects such as the use of existing
technologies in novel applications,” (pag 19)
Nella proposta di UNIVR sono ascrivibili a questo approccio l'adozione di strumenti opensource,
quali YAWL per i sistemi di workflow e PENTAHO per la gestione di data warehouse,
all'ambito clinico-sanitario, con particolare riferimento al supporto alle decisioni.
(2) Ricerca avanzata
Inoltre, il superamento dei limiti degli approcci finora sviluppati nella ricerca a livello mondiale
richiederà lo sviluppo di metodologie e teorie innovative, come auspicato dalla proposal stessa:
“The European Research Council (ERC) will promote world class frontier research. Research at
and beyond the frontiers of current understanding is both of critical importance to economic and
social welfare, and an intrinsically risky venture, progressing on new and most challenging
research areas and characterised by an absence of disciplinary boundaries.” (pag 26)
In particolare, UNIVR si focalizzerà sui seguenti aspetti, che comportano sia ricadute applicative
interessanti negli ambiti già ricordati sia soluzioni e proposte innovative nel panorama della
ricerca scientifica internazionale:
- modelli di workflow orientati ai dati e agli aspetti temporali nella rappresentazione e gestione
di processi clinici;
- algoritmi di verifica design-time e run-time della controllabilità di processi clinici temporali;
- sviluppo di tecniche di data mining (regole di associazione e dipendenze funzionali temporali
approssimate) integrate per l'analisi di dati e processi clinici.
Testo inglese
COLLABORATIONS WITH OTHER RESEARCH INSTITUTIONS
The research unit of Verona (hereinafter UNIVR) will cooperate with the Department of
Information Systems of the University of Haifa, Israel, and, more precisely, with the head of the
Department, prof. Mor Peleg.
Prof. Mor Peleg is a very well known scientist, working on clinical information systems, and on
computerized clinical guidelines. Her skills and research experience are extremely useful and
complementary to the UNIVR specific expertise. UNIVR and the Department of Information
Systems will work together on the application of process mining techniques in the clinical
domain. Mor Peleg will be involved in the specification and evaluation of process mining
algorithms for temporal clinical data, proposed by UNIVR.
UNIVR will work with the Institute of Databases and Information Systems, University of Ulm,
Germany. In particular, the collaboration will be with prof. Manfred Reichert, one of the
responsibles of the Institute.
Prof. Manfred Reichert is well known for his important contribution in the international scientific
community working on workflows and business processes and has been involved in several
studies related to the application of business process methodologies and technologies in health
and clinical domains. His expertise and scientific experience will complete and integrate UNIVR
in the study of the temporal management of clinical pathways and in the design and
implementation of algorithms for checking the controllability of clinical processes.
LINKS WITH HORIZON 2020 GOALS
The proposed research project is completely within the scope of the framework programme for
research and innovation HORIZON 2020, as it faces one of the most important objectives in the
part "Societal challenges" – i.e., improving the lifelong health and wellbeing [Horizon]. On the
other hand, it requires the proposal and development of advanced and innovative informatics
methodologies, as considered in the part “Excellent science”, to allow the achievement of the
specified goals and the foreseen social impact. Thus, the proposed project may be considered
even within the context of cross-cutting actions of the framework programma Horizon 2020:
indeed, it considers interdisciplinary solutions, with contributions - from and for - both medicine
and computer science.
More particularly, the Horizon 2020 Proposal (Brussels, 30.11.2011, [Horizon]) consists of 4
parts: part I “Excellent science” and part III “Societal challenges” are the natural context, where
we can consider the proposed research project.
Moreover, Horizon 2020 push for having a coordination among the activities related to different
parts: “COMPLEMENTARITIES AND CROSS-CUTTING ACTIONS
Horizon 2020 is structured around the objectives defined for its three major parts: generating
excellent science, creating industrial leadership and tackling societal challenges. Particular
attention will be paid to ensuring adequate coordination between these parts and fully exploiting
the synergies generated between all specific objectives to maximise their combined impact on
the higher level policy objectives of the Union.” …
“Cross-cutting actions will be promoted between Part I 'Excellent science' and the societal
challenges …. to develop jointly new knowledge, future and emerging technologies, research
infrastructures and key competences.”
(Complementarities and cross-cutting actions, pag. 23)
The Horizon 2020 Proposal highlights the fact that such coordination goal could require some
interdisciplinary solutions
“….contributing effectively to the objectives of Europe 2020 and the Innovation Union will
require solutions to be developed which are interdisciplinary in nature…”.
The proposed project fits well the context of Horizon 2020, as it focus on computer science
advancements with a strong impact for the society, in the domain of healthcare.
Health is the first one among the “Social Challenges” specified in Horizon 2020:
“1. HEALTH, DEMOGRAPHIC CHANGE AND WELLBEING
Effective health promotion, supported by a robust evidence base, prevents disease, improves
wellbeing and is cost effective” (pag 50)
“An increasing disease and disability burden in the context of an aging population places further
demands on health and care sectors. If effective health and care is to be maintained for all ages,
efforts are required to improve decision making in prevention and treatment provision, to
identify and support the dissemination of best practice in the healthcare sector,” (pag. 50)”
“1.15. 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.
There is a need to support the development of health technology assessment and health
economics, as well as the of gathering evidence and dissemination of best practice and
innovative technologies and approaches in the healthcare sector, including ICT and e-health
applications” (pag. 54)”
Previous excerpts from [Horizon] clearly highlight:
(1) the importance of tools and methodologies supporting the adoption and the dissemination of
the “best practice” in the health and clinical contexts, and
(2) the fundamental role of computer science in reaching this goal
As for the first aspect, the project focuses on the specification of temporal aspects of clinical
guidelines, which informally may be defined as the main tool in medicine for collecting the
clinical evidence and for specifying it in “best practice” procedures for health stakeholders.
Clinical guidelines are, according to the definition from the US Institute of Medicine,
“sistematically developed statements to assist practitioner and patient decisions about appropriate
health care in specific clinical circumstances”. Clinical guidelines are characterized by the
presence of complex decision processes, where the physician plays the most important role: they
support (and do not limit) the decisional activity of physicians. The clinical guidelines lifecycle
is made of three phases: (i) guideline definition, by a committee of expert specialists, (ii)
guideline application to specific patients and in specific clinical contexts, (iii) possible guideline
update, by a committee of expert specialists. It is important to notice that, in the second phase,
clinical guidelines, which are general, and specifically tailored for the considered health/clinical
unit and patient (merging guidelines with some organizational constraints and adapting them to
the considered patient situation), generating the so called Clinical Pathways.
Adopting in an integrated way both systems supporting the specification/execution of clinical
guidelines/pathways and techniques for the intelligent analysis of huge amounts of clinical
(process) data, is an important way of promoting the so called evidence-based medicine; it
ensures several advantages for all the stakeholders of the healthcare arena:
- for patients: they are guaranteed with respect to the quality of the provided care (according to
the approach of evidence-based medicine)
- for physicians: a sound reference for clinical activities is available to them, as accessible
documents, decision support tools and/or as a critiquing and self-evaluation tool; a certification
of the quality of the care provided by them is at disposal (and it is important from a legal point of
view)
- for healthcare organizations: a tool is available for standardizing healthcare services, their
related quality, and for evaluating the usage and costs of resources.
- for the overall healthcare system: sharing standardized clinical procedures allow a tighter
connection between hospitals, general practitioners, medical specialists and labs, and patients.
In particular, the focus on the quality of the provided care is allowed by the adoption of clinical
guidelines/pathways and it is derived by the fact that guidelines are based on evidence-based
medicine, which guarantees the adoption of the most suitable clinical methodologies, according
to the scientific state-of-the-art for the specific clinical domain.
Moreover, the integration with techniques for the intelligent analysis of clinical data and
processes allow the healthcare organization to build, even through the guidelines, quality
indicators both related to the application of guidelines to specific patients (goal-based outcomes,
functional outcomes, and quality of life measures) and to the whole healthcare organizations
(performance indicators).
The above mentioned advantages are often limited in the real life by two main issues:
(1) at the design step: in several cases the definition of clinical guidelines is difficult, as the
medical knowledge is often too complex and not easy to be formalized in a right way (to this
end, natural language sentences are usually provided, sometimes without a sound “semantics”).
In these cases, clinical recommendations could be incomplete, vague, and sometimes arbitrarily
interpretable by physicians in some parts.
(2) at the application step: it is widely acknowledged that there is a a gap between the general
recommendations provided by guidelines and the real cases, physicians have to deal with in a
specific organizational context. Bridging this gap is leaved to the physician.
It hase been recently shown by the scientific community that adopting suitable software tools
could help to overcome these issues, improving the practical usefulness of clinical guidelines and
protocols.
Since '90, research in medical informatics and related fields has focused on formalisms and
approaches for the computer-based management of clinical guidelines/pathways, even with
approaches from the research on business processes and workflows, as highlighted in the
description of the state of the art. All these studies confirmed that computer-based tools could
help in the management of clinical guidelines/processes and, at the same, highlighted several
features/limitations/issues that need to be faced, for the realization of software tools and
methodologies applicable to real world clinical domains. The goal of this project is to study both
theoretical/methodological aspects and practical ones to allow the real world applicability of the
proposed solutions for the integrated management of (temporal) clinical guidelines/pathways and
the related data.
The approaches UNIVR will consider may be summarized as in the following.
(1) Adapting general methodologies and tools to the medical and healthcare domains. According
to this approach, it is important to identify theories, methodologies, and software tools that could
help in improving the management of clinical guidelines/pathways; afterwards, several studies
and research are often required to modify, extend, and adapt these general solutions to
clinical/healthcare domains. Such approach is explicitly encouraged in the Horizon 2020
framework:
“Particular attention will be paid to ensuring a broad approach to innovation, which is not only
limited to the development of new products and services on the basis of scientific and
technological breakthroughs, but which also incorporates aspects such as the use of existing
technologies in novel applications,” (pag 19)
In the UNIVR project, the above approach is applied through the adoption and the (temporal)
extension of general opensource tools, as YAWL among the workflow management systems and
PENTAHO for the management of data warehouses, to consider clinical and/or healthcare
domains, and by explicitly focusing on decision support tasks.
(2) Considering advanced scientific research. On the other side, the expected scientific results of
the UNIVR project will determine an improvement in the state-of-the-art of the specific
scientific research areas, as required by the Horizon 2020 framework [Horizon] :
“The European Research Council (ERC) will promote world class frontier research. Research at
and beyond the frontiers of current understanding is both of critical importance to economic and
social welfare, and an intrinsically risky venture, progressing on new and most challenging
research areas and characterised by an absence of disciplinary boundaries.” (pag 26)
In particular, UNIVR will focus on the following topics, which imply both interesting clinical
applications and innovative scientific results:
- data-centric temporal process models (workflow models) for representing and managing
clinical guidelines/pathways;
- design-time e run-time verification algorithms for temporal clinical guidelines/pathways;
- temporal data mining techniques (association rules, approximate temporal functional
dependencies) for the integrated analysis of clinical data and processes.


Allegato 1 Lettera di intenti di Mor Peleg, University of Haifa, Israele
Allegato 2 Lettera di intenti di Manfred Reichert, University of Ulm, Germany
9 - Parole chiave
Testo italiano
SISTEMI DI WORKFLOW CLINICI
ANALISI DI PROCESSI CLINICI
DATA WAREHOUSE CLINICI
Testo inglese
CLINICAL WORKFLOW SYSTEMS
ANALYSIS OF CLINICAL PROCESSES
CLINICAL DATA WAREHOUSE
10 - Stato dell'arte
Testo italiano
GESTIONE DI PROCESSI CLINICI E SANITARI TEMPORALI
Uno schema di workflow (modello del processo) è una descrizione formale di un processo
aziendale dove singole unità di lavoro atomiche (task o attività) sono assegnate ad agenti per
l'esecuzione. Un agente può essere un'applicazione software (ad esempio, un sistema di basi di
dati), una risorsa umana (ad esempio, un addetto alle vendite), o una combinazione di entrambi
(ad esempio, un addetto che usa un sistema software) [CasatiCPP95]. Le istanze di un workflow
sono dette casi. Un sistema di gestione di workflow (WfMS) si prende carico della esecuzione
coordinata di task e casi [GeorgakopoulosHS95]. Le attività sono descritte attraverso modelli
concettuali (schemi), che catturano il comportamento del processo e forniscono un modello
formale del processo stesso. In letteratura sono presenti alcune proposte per la modellazione
concettuale [CasatiCPP95,WfMC,vanderAalst02], e un qualsiasi sistema di workflow sul
mercato propone un proprio approccio. Nonostante gli sforzi della Workflow Management
Coalition (WfMC), non esistono standard riconosciuti per la modellazione concettuale di
workflow [WfMC]. Molti processi aziendali hanno restrizioni temporali, come la durata limitata
di sottoprocessi, termini di consegna, date di re-invio, o scadenze per attività. In generale, la
violazione dei vincoli temporali aumenta i costi dei processi aziendali poichè induce la gestione
di una qualche forma di eccezione [EderPR99,CasatiCPP95]. Quindi, un WfMS dovrebbe fornire
al gestore dei processi l'informazione necessaria sui processi, comprensiva delle loro restrizioni
temporali e dei loro reali requisiti temporali, allo scopo di evitare la violazione dei vincoli
temporali [EderP00,EderT08].
Una recente direzione di ricerca ha esteso ai workflow il concetto di controllabilità
[CombiP09,CombiP10,CombiG+12]: la controllabilità è un concetto più forte della consistenza
rispetto ai vincoli temporali di un workflow. Uno schema di workflow è consistente se esiste una
combinazione di durate per task e di ritardi fra i vari task, che rispetta tutti i vincoli specificati;
uno schema è controllabile se è possibile fissare opportunamente i ritardi fra i task in modo che i
vincoli siano rispettati per ogni combinazione delle possibili durate dei task. I task, infatti, hanno
durate che, pur nei limiti consentiti, sono fuori dal controllo del WfMS.
Quando i sistemi di workflow sono applicati all'ambito sanitario, gli aspetti temporali assumono
un ruolo centrale e non possono essere trascurati: questo apre nuovi scenari per la ricerca
inerente la gestione dei dati temporali nei sistemi di workflow. Infatti, i processi sanitari in
genere hanno dei vincoli temporali che se non rispettati possono condurre a conseguenze
inaccettabili, similmente a quanto può avvenire, ad esempio, nella gestione di un impianto
nucleare. Come esempio di processo sanitario, si considerino le linee guida relative alla gestione
dei pazienti infartuati con sovraslivellamento del tratto ST [ACC/AHA2004]: ci sono attività
quali il monitoraggio, la somministrazione di terapie e la valutazione di eventuali complicazioni
che devono essere eseguite in parallelo; altre attività sono eseguite in sequenza, come la
valutazione iniziale, la decisione della terapia/intevento, la successiva attività terapeutica; i
vincoli temporali sono parte integrante della linea guida, dal momento che, ad esempio, la terapia
fibrinolitica deve essere iniziata entro 30 minuti dal contatto del paziente. Senza un rigoroso
controllo sui vincoli temporali e sui ritardi massimi consentiti per le varie attività, difficilmente
un sistema di workflow può gestire in modo opportuno processi clinici o sanitari. La definizione
e la gestione dell'informazione temporale legata ai processi permetterà ai sistemi di gestione di
workflow di migliorare la capacità di gestire processi complessi e, in ambito clinico-sanitario,
consentirà di applicare la tecnologia dei workflow in diversi ambiti clinici, con esigenze
temporali differenti, con riferimento, ad esempio, al supporto ai processi delle unità di terapia
intensiva, alla gestione dei processi sanitari amministrativi, al supporto ai protocolli clinici, al
supporto alle linee guida.
La gestione degli aspetti temporali nei sistemi di workflow investe tutti i componenti di un
WfMS e molteplici aspetti metodologici: dalla progettazione concettuale
[CombiP03,CombiGJOP07], agli aspetti architetturali [CombiP04], alla gestione delle risorse
[CombiP06], alla verifica di vincoli sia a tempo di progettazione sia a tempo di esecuzione
[CombiP09, CombiP10, CombiG+12].
DATA WAREHOUSE TEMPORALI IN SANITA'
Un altro ambito di ricerca di estremo interesse rispetto alla gestione di processi clinici e sanitari
riguarda la organizzazione, gestione e analisi di grosse moli di dati clinici. I sistemi di data
warehouse permettono di integrare e organizzare tali dati al fine di effettuare analisi complesse
(OLAP: On Line Analytical Processing) e di applicare algoritmi di data mining.
I sistemi di data warehouse temporali, dove la dimensione temporale è esplicitamente
considerata sia nella modellazione che nella interrogazione di data warehouse, hanno ricevuto
una attenzione costante negli anni [GolfarelliR09,GomezKMV09]; allo stesso tempo, essi
richiedono ulteriori e approfonditi studi sia rispetto agli ambiti più generali della modellazione e
della interrogazione sia rispetto a quanto richiesto in domini estremamente complessi come
quelli clinici e sanitari.
La costruzione e la gestione di data warehouse prevede una prima fase (ETL: Extraction,
Transformation, Loading) di preparazione dei dati potenzialmente provenienti da diverse basi di
dati in un unico archivio consistente, corretto, e opportunamente strutturato a permettere analisi
on line di grosse moli di dati; in una seconda fase, vengono quindi preparati i dati da analizzare
(data mart o cubi olap), secondo un modello multidimensionale; nelle ultime fasi sono possibili
attività di reporting, analisi interattiva e data mining sui dati stessi. Anche in questo caso gli
aspetti temporali dei dati sono molteplici: dalla gestione di versioni differenti dello schema del
data warehouse, alla modellazione di dati con dimensioni temporali, alla analisi di dati temporali.
Recentemente, sono stati considerati nei sistemi di data warehouse dati che descrivono, a volte in
assenza di uno schema esplicito, l'esecuzione di processi [KaldeichO04]. L'analisi di dati può
rivelarsi efficace nell'identificare quelle esecuzioni di processi più comuni e nell'identificare casi
eccezionali [CastellanosCDS04].
Rispetto a questo scenario, la modellazione e l'analisi/interrogazione di esecuzioni di linee guida
o di processi clinici consente, ad esempio, di verificare la qualità del servizio, valutando la
similarità tra i casi reali e quello che viene descritto come miglior/peggior processo
[CombiGJMO07,CombiGOJM09].
Ulteriori approcci all'analisi intelligente di dati clinici temporali propongono tecniche di data
mining su dati temporali applicati a serie temporali di dati clinici intervallari, orientate
all'estrazione di regole di associazione temporale [SacchiLCB07,CombiS11].
Testo inglese
MODELING TEMPORAL HEALTH/CLINICAL PROCESSES
A workflow schema (process model) is a formal description of a business process where single
atomic work units (task) are assigned to processing entities (agent). Instances of a schema are
called cases. An agent may be a software application (e.g., a database system), a human (e.g., a
customer representative) or a combination of both (e.g., a human using a software program)
[CasatiCPP95]. A workflow management system (WfMS) fully takes over the responsibility for
the coordinated execution of tasks and cases [GeorgakopoulosHS95]. Activities are described by
means of conceptual models (also named schema) capturing the behavior of the process, and
provide a formal process model. Several conceptual models were defined in the literature - we
mention here [CasatiCPP95,WfMC,vanderAalst02] - and any WfMS available on the market
proposes its own one: despite the efforts from the Workflow Management Coalition
[WfMC](WfMC). No widely accepted standard has been achieved yet for the definition of
process models and the interoperability of process models among commercial WfMSs from
different vendors still is far away. Many business processes have restrictions such as a limited
duration of subprocesses, terms of delivery, dates of re-submission, or activity deadlines.
Generally, time violations increase the cost of a business process because they lead to some form
of exception handling [EderPR99,CasatiCPP95]. Therefore, a WfMS should provide the process
manager with the necessary information about a process, its time restrictions, and its actual time
requirements to avoid time constraint violations [EderP00,EderT08]. A recent research proposal
deals with the concept of controllability extended to temporal workflow schemata
[CombiP09,CombiP10,CombiG+12]: controllability is a concept stronger than that of
consistency wrt a set of temporal constraints. A workflow schema is consistent if a combination
of task durations and delays among tasks exist, satisfying all the given temporal constraints; a
schema is controllable if it is possible to suitably set of task delays satisfying all the given
temporal constraints for any possible set task durations (within the allowed range). Indeed, task
durations are not under the control of the WfMS and are set at run-time by the agents executing
tasks.
When WfMSs are applied to health processes, temporal semantics can not be neglected: this
widens a new frontier for the research over temporal data management and workflow systems.
Indeed, health processes are processes where temporal deadlines must be matched: any deadline
mismatch may lead to unacceptable consequences, similarly to what we may observe in a nuclear
plant management. As an example of a health process, let us consider the guideline for the
diagnosis and treatment of ST-segment Elevation Myocardial Infarction (STEMI), published by
the American College of Cardiology/American Heart Association in 2004 [ACC/AHA2004]:
there are some tasks (e.g., patient monitoring, patient therapy/intervention, ancillary therapies)
which can be executed in parallel; other tasks need to be executed in a given sequence (e.g.,
patient admission, patient examination, therapy assessment); temporal constraints are part of the
guideline 'core' (e.g., “fibrinolytic therapy must start within 30 min after the patient contact”).
Without a strict control over temporal constraints and deadlines for the completion of tasks, a
WfMS could hardly manage clinical/health business processes. The definition and the
management of temporal information of processes will improve the management of processes by
a WfMS and widen the applicability of WfMSs to many different clinical areas, including but not
limited to ICU process management, administrative health process management, clinical
protocols support, clinical guidelines support.
The management of temporal aspects in WfMSs is important in all components of a WfMS and
involves several methodological issues: from the conceptual modeling
[CombiP03,CombiGJOP07], to the WfMS architecture [CombiP04], to the scheduling and
resource management [CombiP06], to checking consistency and controllability both at designtime and at run-time [CombiP09,CombiP10,CombiG+12].
TEMPORAL DATA WAREHOUSE FOR HEALTH AND MEDICINE
A further research area to be considered when we need to manage health and clinical processes is
that of clinical data warehouses. Data warehouse systems allow one to integrate and manage
clinical data, possibly coming from different database, in order to perform complex analyses and
queries (OLAP: On Line Analytical Processing) ad to apply data mining techniques.
In temporal data warehouse systems, the temporal dimension is explicitly considered both in
modeling and querying a data warehouse [GolfarelliR09,GomezKMV09]; the study of temporal
aspects in data warehouse systems requires both a deep research to consider the main issues in
modeling and querying temporal data and a careful attention to the specific requirements from
complex domain such as that of health and of medicine.
Building and managing a data warehouse consist of a first phase (ETL: Extraction,
Transformation, Loading) where data are extracted, cleaned, and tranformed to compose a
consistent, correct, and suitably structured collection of data. Data warehouse are structured to
allow an efficient data analysis even with a huge amount of data. In a second phase, data are
structured for the specific analysis to perform (data mart or olap cube), according to a
multidimensional data model; the last phases are related to reporting, OLAP, and data mining
activities. Even in this phase, temporal aspects of data span from the management of different
versions of data warehouse schemata, to modeling temporal data, to querying multidimensional
temporal data cubes.
Recently, data warehouse systems have been proposed, to manage process data (i.e., data related
to the execution of business processes), even when process schemata are not available
[KaldeichO04]. Process analysis could be useful in several situations, i.e. in identifying the more
common execution patterns as well as in isolating strange or uncommon cases
[CastellanosCDS04].
With respect to this scenario, modeling and analyzing/querying data related to executions of
either clinical guidelines or clinical processes may allow us, for example,to evaluate the health
care quality by comparing the similarity between the optimal case and the other clinical cases
[CombiGJMO07,CombiGOJM09].
Further approaches to the intelligent analysis of temporal clinical data develop data mining
techniques for the extraction of temporal association rules from clinical interval-based time
series [SacchiLCB07,CombiS11].
11 - Riferimenti bibliografici
[ACC/AHA2004] E. M. Antman and et al. ACC/AHA guidelines for the management of patients
with ST-elevation myocardial infarction. Circulation, 110(5):588–636, 2004.
[BettiniWJ02] C. Bettini, X. Wang, S. Jajodia. Temporal Reasoning in Workflow Systems,
Distributed and Parallel Databases, 11(3): 269-306 (2002).
[BPMN06] Business Process Modeling Notation Specification. OMG Final Adopted
Specification. February 2006 dtc/06-02-01.
[CasatiCPP95] F. Casati, S. Ceri, B. Pernici, G. Pozzi. Conceptual Modeling of Workflows,
Entity Relationship Int. Conf., Springer, 1995: 341-354.
[CasatiCPP98] F. Casati, S. Ceri, B. Pernici, G. Pozzi. Workflow Evolution, Data and
Knowledge Engineering, 24(3): 211-238 (1998).
[CasatiCPP99] F. Casati, S. Ceri, S. Paraboschi, G. Pozzi. Specification and Implementation of
Exceptions in Workflow Management Systems, ACM Transactions on Database Systems, 24(3):
405-451 (1999).
[CastellanosCDW04] Malú Castellanos, Fabio Casati, Umeshwar Dayal, Ming-Chien Shan: A
Comprehensive and Automated Approach to Intelligent Business Processes Execution Analysis.
Distributed and Parallel Databases 16(3): 239-273 (2004)
[CombiGJMO07] C. Combi, M. Gozzi, J. M. Juarez, R. Marin, B. Oliboni. Querying clinical
workflows by temporal similarity, 11th Conference on Artificial Intelligence in Medicine.
LNCS, Volume 4594, pp. 469--478.
[CombiG09] C. Combi, M. Gambini. Flaws in the Flow: The Weakness of Unstructured
Business Process Modeling Languages Dealing with Data. In: Proceedings On the Move to
Meaningful Internet Systems 2009: CoopIS, DOA, and ODBASE, OTM Confederated
International Conferences (CoopIS), LNCS 5870, Springer, 2006, p. 42-59
[CombiG+11] C. Combi, M. Gambini, S. Migliorini. The NestFlow Interpretation of Workflow
Control-Flow Patterns. In EDER, J., BIELIKOVA, M., MIN TJOA, A. (eds.) Advances in
Databases and Information Systems - 15th International Conference, ADBIS 2011, LNCS 6909,
Springer, 2011, p. 316-332
[CombiG+12] C. Combi, M. Gambini, S. Migliorini, and R. Posenato. 2012. Modelling
temporal, data-centric medical processes. In Proceedings of the 2nd ACM SIGHIT International
Health Informatics Symposium (IHI '12). ACM, p. 141-150.
[CombiGJOP07] C. Combi, M. Gozzi, J. M. Juarez, B. Oliboni, G. Pozzi. Conceptual modeling
of Temporal Clinical Workflows, 14th International Symposium on Temporal Representation
and Reasoning. IEEE Computer Society Press, pages 70--81.
[CombiGOJM09] C. Combi, M. Gozzi, B. Oliboni, J. M. Juarez, R. Marin. Temporal Similarity
Measures for Querying Clinical Workflows, Artificial Intelligence in Medicine (Special Issue on
AIME 2007), 46(1): 37-54 (2009).
[CombiM+11] C. Combi, A. Montanari, P. Sala. A Uniform Framework for Temporal
Functional Dependencies with Multiple Granularities. In PFOSER, D., TAO, Y. et al. (Eds.):
Advances in Spatial and Temporal Databases - 12th International Symposium, SSTD 2011,
LNCS 6849, Springer, 2011, p. 404-421
[CombiP02] C. Combi, G. Pozzi. Towards Temporal Information in Workflow Systems, 2nd Int.
Conf. on Evolution and Change in Data Management ECDM '02, LNCS, 2003, p. 13-25.
[CombiP03] C. Combi, G. Pozzi. Temporal Conceptual Modelling of Workflows, Proc. of the
22nd Int. Conf. on Conceptual Modeling ER2003, LNCS, 2003 p. 59-76.
[CombiP04] C. Combi, G. Pozzi. Architectures for a temporal workflow management system. In
Hisham Haddad, Andrea Omicini, Roger L. Wainwright, and Lorie M. Liebrock, editors, ACM
SAC - Symposium on Applied Computing, pp 659-666. ACM, 2004.
[CombiP06] C. Combi, G. Pozzi. Task Scheduling for a Temporal Workflow Management
System. In: Proceedings 13 international symposium on temporal representation and reasoning
(TIME 2006). Los Alamitos, IEEE Computer Society Press, 2006, p. 61-68.
[CombiP09] C. Combi, R. Posenato. Controllability in Temporal Conceptual Workflow
Schemata. In: DAYAL, U., EDER, J., REIJERS, H.A. (eds.) Proceedings of the 7th International
Conference on Business Process Management (BPM 2009), Berlin, Springer, LNCS 5701, 2009,
p. 64-79.
[CombiP10] C. Combi, R. Posenato: Towards Temporal Controllabilities for Workflow
Schemata. TIME 2010 International Symposium on Temporal Representation and Reasoning.
IEEE Computer Society Press, p. 129-136
[CombiS11] C. Combi, P. Sala: Temporal Functional Dependencies Based on Interval Relations.
TIME 2011 International Symposium on Temporal Representation and Reasoning. IEEE
Computer Society Press, p. 23-30
[DechterMP91] R. Dechter, I. Meiri, J. Pearl. Temporal Constraint Networks. Artif. Intell. 49(13): 61-95 (1991).
[EderGP00] J. Eder, W. Gruber, E. Panagos. Temporal Modeling of Workflows with Conditional
Execution Paths, DEXA 2000: 243-253.
[EderP00] J. Eder, E. Panagos. Managing Time in Workflow Systems, Workflow Handbook
2001, Workflow Management Coalition (WfMC), 2000, pp. 109-132.
[EderPR99] J. Eder, E. Panagos, M. Rabinovich. Time Constraints in Workflow Systems, Int.
Conf. on Advanced Information Systems Engineering, Springer, 1999: 286-300.
[EderT08] J. Eder, A. Tahamtan. Temporal Consistency of View Based Interorganizational
Workflows. In Roland Kaschek, Christian Kop, Claudia Steinberger, Günther Fliedl (Eds.):
Information Systems and e-Business Technologies, 2nd International United Information
Systems Conference, UNISCON 2008, 2008, Lecture Notes in Business Information Processing
Volume 5 Springer 2008: 96-107.
[GeorgakopoulosHS95] D. Georgakopoulos, M. F. Hornick, A. P. Sheth. An Overview of
Workflow Management: From Process Modeling to Workflow Automation Infrastructure.
Distributed and Parallel Databases 3(2): 119-153(1995).
[GolfarelliR09] M. Golfarelli, S. Rizzi. A Survey on Temporal Data Warehousing. IJDWM
(JDWM) 5(1):1-17 (2009).
[GomezKMV09] L. Gómez, B. Kuijpers, B. Moelans, A. Vaisman. A Survey of SpatioTemporal Data Warehousing. IJDWM (JDWM) 5(3):28-55 (2009).
[GoralwallaLTSC01] I.A. Goralwalla, Y. Leontiev, M.T. Özsu, D. Szafron, C. Combi. Temporal
Granularity: Completing the Puzzle. Journal of Intelligent Information Systems 16(1): 41-63
(2001).
[HaimowitzFFSV94] I.J. Haimowitz, J. Farley, G.S. Fields, J. Stillman, B.J. Vivier. Temporal
Reasoning for Automated Workflow in Health Care Enterprises. In: Electronic Commerce,
Current Research Issues and Applications [Workshop at NIST, Gaithersburg, Maryland, USA,
December 1, 1994]. LNCS 1028 Springer 1996, p. 87-113.
[HedermanSWK02] L. Hederman, D. Smutek, V. Wade, T. Knape. Representing clinical
guidelines in uml: a comparative study. In P. McNair G. Surjan, R. Engelbrecht, editor, Medical
Informatics in Europe 2002, pages 471-477. European Federation for Medical Informatics, 2002.
[Horizon] EUROPEAN COMMISSION: Proposal for .. establishing the Specific Programme
Implementing Horizon 2020 - The Framework Programme for Research and Innovation (2014-
2020).
Brussels, 30.11.2011 COM(2011) 811 final 2011/0402 (CNS)
[KaldeichO04] Claus Kaldeich, Jorge Oliveira e Sá: Data Warehouse Methodology: A Process
Driven Approach. CAiSE 2004: 536-549.
[JensenS99] C.S. Jensen, R.T. Snodgrass. Temporal data management. IEEE Trans. Knowl. Data
Eng., 11(1):36-44, 1999.
[LanzWRD10] A. Lanz, B. Weber, M. Reichert. Workflow Time Patterns for Process-aware
Information Systems. In: Proceedings Enterprise, Business-Process, and Information Systems
Modelling: 11th International Workshop BPMDS and 15th International Conference EMMSAD
at CAiSE 2010, Springer, LNBIP 50, pp. 94-107, 2010.
[MarjanovicO99] O. Marjanovic, M.E. Orlowska. On Modeling and Verification of Temporal
Constraints in Production Workflows, Knowledge and Information Systems, 1(2): 157-192
(1999).
[SacchiLCB07] Lucia Sacchi, Cristiana Larizza, Carlo Combi, Riccardo Bellazzi: Data mining
with Temporal Abstractions: learning rules from time series. Data Min. Knowl. Discov. 15(2):
217-247 (2007)
[vanderAalst02] W.M. van der Aalst, K.M. van Hee. Workflow Management: Models, Methods,
and Systems. MIT Press, 2002.
[WfMC] The WorkFlow Management Coalition, http://www.wfmc.org
12 - Descrizione dei compiti dell'Unità di Ricerca
Testo italiano
FASI E COMPITI DELL'UNITA' DI VERONA
Il programma di ricerca dell'unità di Verona (nel seguito UNIVR) consisterà delle seguenti linee
di ricerca principali, che si integrano con quanto sarà fatto dalle altre unità di ricerca coinvolte
nel processo. Nel seguito è adottata la strutturazione e numerazione comuni di attività e sottoattività del processo, come concordato con le altre unità di ricerca.
0. Analisi dello stato dell’arte e approfondimento dei domini clinici individuati (0 – 6° mese)
0.1 Analisi dello stato dell’arte e condivisione fra le unità
In questa prima fase UNIVR si concentrerà sullo stato dell’arte della ricerca nell’ambito dei
temporal constraints, dei sistemi di data warehouse temporali in medicina, dei modelli di
workflow data-centric e temporali.
0.2 Specifica ed analisi dei casi di studio
0.2.1 Linee guida e relativi Clinical pathways STEMI (gestione infarto miocardico con
livellamento del tratto ST)
Queste linee guida sono relative alla gestione dei pazienti con infarto miocardico acuto con
sovraslivellamento del tratto ST dall’insorgenza dei sintomi fino alla cura ospedaliera di
riabilitazione [ACC/AHA2004]. Il trattamento efficace di pazienti con infarto miocardico acuto
richiede strutture e organizzazioni con elevato grado di specializzazione e coordinamento, che
permettano di ridurre i tempi che intercorrono fra la presentazione del paziente alla struttura
sanitaria e l’inizio dei trattamenti. In particolare le raccomandazioni contenute in tali linee guida
dettagliano, a seconda della situazione (presenza o assenza di sala operatoria adatta, ritardo
rispetto alla presentazione dei sintomi) e della categoria di pazienti (per età, con patologie
concomitanti), differenti tipi di trattamento: riperfusione farmacologia, angioplastica coronarica,
o intervento cardiochirurgico. Vari aspetti verranno approfonditi in questa fase, con l’eventuale
coinvolgimento di cardiologi: aspetti legati alla modellazione delle linee guida e della
conoscenza inerente, gestione degli aspetti di flessibilità e temporali, adattamento delle linee
guida agli specifici contesti organizzativi.
0.2.2 Farmacovigilanza
La farmacovigilanza mira al rilevamento, valutazione e prevenzione di reazioni avverse e di ogni
altro problema collegato all'uso di farmaci. Il processo che porta alla commercializzazione di un
farmaco prevede studi preclinici e studi clinici. Mentre l'efficacia del farmaco è a questo punto
nota, la sicurezza dello stesso non è sempre completamente determinabile. Reazioni avverse
poco frequenti, che insorgono in determinate condizioni o in ritardo non possono essere messe in
evidenza nella sperimentazione antecedente alla vendita del medicinale. Capita, pertanto, che
nuovi farmaci vengano ritirati dal commercio in seguito all'identificazione di effetti collaterali o
problemi prima sconosciuti.
Nel mondo, nel periodo compreso tra il 1972 e il 1994, sono stati approvati 583 nuovi principi
attivi, di cui 59 rimossi dal mercato per ragioni di sicurezza; altre sostanze hanno subito
restrizioni nell'utilizzo o nei dosaggi. Nel 1996, negli Stati Uniti le reazioni avverse da farmaci
sono state la quarta causa di morte.
Rispetto a questo importante ambito verranno approfonditi gli aspetti legati alla modellazione dei
processi legati alla farmacovigilanza, all’acquisizione e all’analisi dei dati provenienti dalle
segnalazioni, alla individuazione di indici sintetici orientati al monitoraggio delle reazioni da
farmaci.
0.2.4 Medicina d’urgenza: arresto cardiaco
L'arresto cardiaco è una delle condizioni cliniche più frequenti nell'ambito della medicina
d'urgenza e richiede interventi specialistici sotto stretti vincoli temporali: in questo ambito
verranno analizzate le principali attività coinvolte e i relativi vincoli temporali e ambientali, che
possano portare ad un approccio uniforme, coordinato e, per quanto possibile, predefinito nel
trattamento dei pazienti in arresto cardiaco e nell'acquisizione dei dati relativi.
0.3. Individuazione dei casi di studio da focalizzare nel progetto
UNIVR, oltre allo specifico contributo nell’analisi dei casi di studio relativi alla gestione dei
pazienti con infarto miocardico acuto, alla farmacovigilanza e alla gestione dei pazienti in arresto
cardiaco, collaborerà all’individuazione dei casi di studio ritenuti più significativi, sia rispetto a
quanto i casi di studio sono di interesse per le varie unità di ricerca, sia rispetto al valore
aggiunto che i risultati dei casi studio daranno al progetto complessivo.
1. Modellazione integrata di dati e di processi clinici e sanitari (6° - 24° mese)
1.2. Modellazione di linee guida
1.2.1 Formalismi
Nell'ambito dei sistemi informativi, esistono varie linee di ricerca che recentemente hanno
attirato un interesse significativo a livello internazionale: da una parte, è crescente lo sforzo
nell'ambito della modellazione dei processi organizzativi (business process: BP) verso standard
per la descrizione concettuale di BP e per la definizione di un linguaggio, basato su XML, per lo
scambio di schemi di BP. BPMN (business process modeling notation) e BPEL4WS (business
process execution language for web services) sono gli acronimi che identificano rispettivamente
il modello concettuale definito ed il linguaggio di scambio di BP, all'interno di organizzazioni
internazionali che si propongono lo studio di standard nell'ambito dei sistemi informativi, quali
l'Object Management Group e la Business Process Management Initiative [BPMN06].
Dall'altra, continua ormai da anni lo sforzo della Workflow Management Coalition, che
rappresenta la maggior parte di organizzazioni ed enti coinvolte nella realizzazione o nell'uso di
sistemi di workflow, nella definizione di standard di riferimento per gli aspetti di modellazione,
architetturali e di specifica di workflow [WFMC]. In prima approssimazione si può dire che i
workflow sono la rappresentazione dei BP, orientata alla loro esecuzione attraverso il supporto di
un sistema di workflow (WfMS).
Recentemente è cresciuto l’interesse nell’uso di formalismi di BP e/o workflow per la
rappresentazione degli aspetti organizzativi sottesi alle linee guida clinico-sanitarie: scopo di
UNIVR in questo ambito è lo studio e la proposta di modelli strutturati di workflow per la
rappresentazione di linee guida, con particolare riferimento alla gestione integrata di flussi di
controllo e flussi di dati, sulla base di recenti proposte [CombiG09,CombiG+11].
1.2.2 Aspetti temporali
Nonostante gli aspetti temporali caratterizzano varie parti dei BP e della gestione dei BP
attraverso i WfMS, non è stata posta alcuna attenzione particolare alla modellazione esplicita e
supportata dai sistemi di tali temporalità. Nè la BPMN nè il modello di riferimento della WfMC
permettono di rappresentare ad alto livello aspetti temporali: al più, specifici aspetti temporali
possono essere esplicitamente trattati dai progettisti di BP, attraverso l'uso di timer e di altri
costrutti a basso livello.
Come già sottolineato, sottovalutare tali aspetti temporali specialmente nei BP sanitari può
portare ad una scarsa applicabilità ai processi diffusi nel mondo reale o ad un grande sforzo dei
progettisti per gestire ogni volta singoli casi di vincoli temporali con costrutti a basso livello.
Una importante caratteristica degli aspetti temporali nei workflow è la granularità temporale, con
la quale i vari aspetti temporali sono espressi. Ad esempio, nella definizione di un processo di
cura potrebbero essere ammessi ritardi dell'ordine dei minuti nell'esecuzione di attività cliniche,
mentre potrebbero essere posti dei vincoli espressi in ore per l'espletamento di attività
burocratiche. D'altro canto, workflow all'interno di una unità di terapia intensiva hanno vincoli
temporali espressi con unità temporali più fini di quelle usate per esprimere le temporalità di
processi legati al follow-up di pazienti cronici. Rispetto a vincoli espressi a differenti granularità
temporali, inoltre, andranno considerate varie possibili semantiche temporali, così come emerge
dalla letteratura di riferimento [GoralwallaLTSC01, BettiniWJ02], dove si possono distinguere
granularità ancorate e non ancorate e vincoli corrispondenti. Ad esempio, se si definisce che due
attività devono essere eseguite entro un giorno una dall'altra, possono essere considerate due
diverse semantiche: la prima interpretazione prevede che la seconda attività deve essere eseguita
entro il giorno successivo alla prima; la seconda interpretazione, invece, prevede che passino non
più di 24 ore fra la prima e la seconda attività.
Lo scopo di questa linea di ricerca all'interno del progetto è quello di distinguere quali sono gli
aspetti temporali principali da rappresentare nella modellazione concettuale di workflow, alla
luce anche dei recenti contributi pubblicati dai componenti dell'unità operativa e da altri
ricercatori [CombiGJOP07,CombiP04,CombiP03,BettiniWJ02]. Rispetto ai workflow clinici,
infatti, sarà importante caratterizzare quali sono le dimensioni temporali considerate per le
attività cliniche. Per tali dimensioni, siano esse ritardi ammessi o altri vincoli temporali, ci si
focalizzerà sulle notazioni più opportune per rappresentare vincoli assoluti, periodici e di durata,
caratterizzando l'espressività del modello rispetto alla complessità legata alla valutazione di vari
livelli di consistenza di tali vincoli.
1.3 Modellazione di clinical Pathway (workflow)
1.3.1 Formalismi
UNIVR si concentrerà sull’integrazione ed estensione di quanto proposto per il supporto di linee
guida, al fine di permettere l’adattamento delle linee guida stesse allo specifico contesto
organizzativo e tecnico dell’unità clinica dove le linee guida vengono applicate.
1.3.2 Aspetti temporali --- Temporal features
Oltre agli aspetti temporali presenti nelle linee guida, ulteriori aspetti temporali sono da
considerare rispetto al contesto nel quale le linee guida vengono introdotte: è dunque importante
poter specificare aspetti temporali specifici, che vanno considerati e, eventualmente,
opportunamente armonizzati con quanto espresso nelle linee guida.
2. Verifica design time e run time di processi clinici (13° - 30° mese)
2.1. Verifica design time
Oltre alla consistenza, un concetto recentemente applicato all'ambito dei workflow è quello di
"controllabilità". La controllabilità è una proprietà più forte della consistenza e prevede che un
workflow possa essere eseguito rispettando tutti i vincoli temporali senza fissare a priori le
durate delle attività cliniche, che sono fuori dal controllo del sistema di gestione di workflow
[CombiP09,CombiP10,CombiG+12]. La controllabilità e gli algoritmi per la sua verifica saranno
oggetto di studio e di applicazione in ambito clinico: in particolare, appare interessante in questo
ambito il concetto di "controllabilità dinamica", che prevede la capacità di fissare di volta in
volta i ritardi fra i singoli task da eseguire, in modo coerente con le durate dei task già eseguiti.
2.2 Verifica run time e adattività
Oltre a verificare la controllabilità di un processo clinico in fase di progettazione, è poi
indispensabile poter controllare run time tale controllabilità: essendo tale controllabilità dinamica
è, infatti, necessario tenere conto di quanto già eseguito e avvenuto per poter affinare e
modificare i ritardi nell’esecuzione dei task futuri. Allo stato dell’arte e per quanto a conoscenza
di UNIVR, non esiste una soluzione alla verifica run time della controllabilità dinamica di
processi clinici. E’ importante sottolineare che la verifica run time della controllabilità richiede
che l’esecuzione del workflow abbia caratteristiche di adattività, in modo da poter gestire
“aggiustamenti” rispetto a quanto avvenuto in precedenza.
3. Analisi intelligente ed integrata di dati e processi clinici e sanitari (6° – 24° mese)
3.2 Clinical Data mining
Nell’analisi di dati e processi clinici, UNIVR si concentrerà sul data mining temporale di dati
puntuali e intervallari: in particolare verranno estese ed adattate all’ambito clinico alcune recenti
proposte inerenti la specifica e la scoperta di dipendenze funzionali temporali
[CombiS11,CombiM+11].
3.3 Clinical process mining
Nella modellazione di linee guida per mezzo di workflow, le regole che un processo deve seguire
sono descritte nello schema di workflow e devono essere soddisfatte dalle istanze (casi) del
processo stesso. Uno schema di workflow descrive la struttura dei casi rispetto al coordinamento
delle attività (attività parallele, attività sequenziali, fork totali/parziali, e join totali parziali).
Inoltre, lo schema può contenere vincoli temporali qualitativi e quantitativi. Le istanze di uno
stesso schema di workflow possono, quindi, essere differenti rispetto alla struttura e rispetto alle
attività che compongono il caso, al loro ordine (temporale) e alla loro lunghezza. Quando uno
schema di workflow rappresenta una linea guida, i suoi casi rappresentano istanze differenti
derivanti dall'applicazione della linea guida a pazienti diversi in situazioni diverse.
L'analisi intelligente dei dati relativi ai vari casi diviene quindi centrale nella valutazione dei
singoli casi, rispetto alla corretta applicazione delle linee guida, rispetto al corretto trattamento
del singolo paziente, e così via.
L'analisi di casi di processi clinici permette di riconoscere insiemi di casi (istanze dello stesso
schema di workflow) simili tra loro e quindi consente di scoprire modelli di processi clinici e
sanitari a partire dai dati. Spesso, addirittura, i processi clinici possono essere osservati e
analizzati solo in base ai dati dei processi stessi, senza che uno schema esplicito sia disponibile.
Fuoco di tale questa attività consiste nello sviluppo di tecniche di data mining temporale su dati
di workflow clinici: alcune tecniche potrebbero estendere la proposta per la stima di similarità tra
due processi [CombiGJMO09], basata sul confronto tra attività (task) corrispondenti, sulla
somiglianza tra le relazioni tra le attività e sul confronto tra l'insieme dei task eseguiti. Altre
tecniche di data mining temporale su dati di processo potrebbero prendere spunto da quanto
proposto in [SacchiLCB07], relativo al data mining di dati caratterizzati da dimensioni temporali
intervallari.
4. Progettazione e implementazione di una suite di strumenti software per la gestione e l’analisi
integrate di linee guida e di dati clinici (18° – 36° mese)
4.1 Progettazione e prototyping
UNIVR si concentrerà sui seguenti aspetti.
1) Progettazione e implementazione di prototipi basati su software opensource (YAWL un
WfMS opensource, e Pentaho, una suite di strumenti opensource per la gestione e l’analisi di
data warehouse), e su prototipi sviluppati localmente, per la modellazione di workflow temporali
e per la analisi di dati e processi clinici orientati temporalmente. Verranno considerate alcuni
soluzioni prototipali per la modellazione concettuale di workflow e per l'analisi di data
warehouse di dati e processi, basate sull'uso e sull'eventuale estensione di sofware opensource
per la gestione di processi e per la gestione di data warehouse. Gli utenti clinici saranno coinvolti
per dare indicazioni e suggerimenti al fine di raffinare i prototipi nella direzione di una loro
facile applicabilità ad ambiti sanitari concreti.
2) Progettazione e realizzazione di tecniche basate sulla valutazione della similarità per
l'esplorazione (mining) di basi di casi reali. Verranno considerate varie misure di similarità e
verranno proposte tecniche di mining basate su tali misure. Le tecniche sviluppate verranno
valutate su dati reali provenienti dagli ambiti applicativi individuati nella fase precedente e
possibilmente integrate con il prototipo di analisi OLAP di processi clinici temporali.
3) Progettazione ed implementazione di tool e algoritmi per il mining di dipendenze funzionali
temporali approssimate basate su punti e su intervalli con applicazione a dati clinici di processo.
4.2 Test e integrazione
Il test dei prototipi verrà effettuato su dati reali o su opportuni set di dati sintetici considerando
sia gli aspetti dei design time che run time, dove gli attori coinvolti sono differenti e con diverse
familiarità con il sistema.
L’integrazione, di concerto con tutte le altre unità del progetto, si fonderà per quanto possibile
sulle piattaforme open source già individuate (Penthao e YAWL) o che verranno individuate nel
corso del progetto, al fine di permettere un’ampia fruizione dei risultati “concreti” del progetto
stesso.
4.3. Validazione finale su alcuni casi di studio
La validazione finale di quanto realizzato da UNIVR avverrà sui casi di studio individuati nella
prima fase del progetto in accordo con tutte le altre unità. Oltre a questo, UNIVR considererà con
particolare attenzione i casi di studio individuati localmente: le linee guida per pazienti STEMI,
l’ambito della farmacovigilanza e quello della gestione dei pazienti in arresto cardiaco.
PRODOTTI DELLA RICERCA E RISULTATI ATTESI
I prodotti della ricerca e i relativi risultati attesi sono sia di carattere teorico-metodologico sia di
carattere pratico-applicativo. Oltre ai prodotti specifici del progetto, consistenti in rapporti di
ricerca, documentazione di progetto e prototipi software, è precisa intenzione di UNIVR inviare
pubblicazioni relative ai risultati ottenuti alle principali conferenze e riviste del settore. Per ogni
macro-attività si dettagliano nel seguito i principali prodotti e risultati attesi.
0. Analisi dello stato dell’arte e approfondimento dei domini clinici individuati: rapporti di
ricerca e/o presentazioni focalizzati sugli argomenti indicati; analisi e discussione dei casi di
studio relativi a processi per pazienti con infarto miocardico acuto, a processi di
farmacovigilanza, a processi relativi alla gestione di pazienti in arresto cardiaco.
1. Modellazione integrata di dati e di processi clinici e sanitari (6° - 24° mese): rapporti di ricerca
relativi a modelli innovativi di workflow strutturati e temporali per linee guida e processi clinici
e loro confronto con le proposte esistenti.
2. Verifica design time e run time di processi clinici: rapporti di ricerca relativi ad algoritmi
innovativi ed efficienti per la verifica della controllabilità di schemi di processo a tempo di
progettazione e a tempo di esecuzione con confronto rispetto a soluzioni esistenti e
caratterizzazione della loro complessità computazionale.
3. Analisi intelligente ed integrata di dati e processi clinici e sanitari: rapporti di ricerca relativi a
tecniche di data e process mining temporali per informazioni puntuali e intervallari (con
particolare attenzione alle regole di associazione temporale e alle dipendenze funzionali
temporali approssimate).
4. Progettazione e implementazione di una suite di strumenti software per la gestione e l'analisi
integrate di linee guida e di dati clinici: documentazione di progetto e software prototipali
integrati con quanto prodotto dalle altre unità relativi a sistemi di workflow per la progettazione
e l'esecuzione di linee guida e processi clinici e sistemi di data mining per dati e processi clinici
temporali. Tali sistemi saranno esplicitamente applicati ai casi di studio considerati in ambito
clinico.
Testo inglese
PROJECT PHASES AND VERONA RESEARCH UNIT DUTIES
The program of Verona research unit (hereinafter called UNIVR) will consist of the following
main research directions that will merge with the research directions followed by the other
research groups involved in the process. Below, the same structure and numbering of common
tasks and subtasks of the process of other research units is adopted.
0. Analysis of the state-of-the-art and thoroughly analysis of the already identified clinical
domains (0 - 6th month)
0.1 Analysis of the state-of-the-art and its sharing among the units
In this first phase UNIVR will focus on the study of the state-of-the-art in temporal constraints
research, in temporal data warehouse systems in medicine, and in models for temporal and datacentric workflows.
0.2 Specification and analysis of case studies
0.2.1 Guidelines and Clinical Pathways for STEMI (ST segment elevation myocardial infarction
management)
The STEMI guidelines focus on the management of patients with "acute myocardial infarction
with ST-segment elevation" from the onset of symptoms to the hospital treatment and
rehabilitation [ACC/AHA2004]. The effective treatment of patients with acute myocardial
infarction requires clinical structures and organizations with a high degree of specialization and
coordination to reduce the time elapsing between the arrival of the patient to the hospital and the
beginning of treatments. In more details, the recommendations contained in these guidelines
specify different types of treatment according to the actual situation (suitable operating theatre
availability, symptoms presentation delay) and patient categories (age, accompanying
symptoms,…): pharmacological reperfusion, percutaneous transluminal coronary angioplasty
(PTCA), or cardiac surgery procedure.
In this phase, different aspects of such guidelines will be analyzed with the possible involvement
of cardiologists, such as issues regarding guidelines modeling and the related knowledge,
management of flexibility and temporal aspects in guidelines, and guidelines adaptation to
specific organizational contexts.
0.2.2 Pharmacovigilance
Pharmacovigilance aims at the detection, assessment, and prevention of adverse reactions and
any other problem related to drugs use. The process leading to commercialization of a drug
requires preclinical and clinical studies. While the effectiveness of a drug is well known after
such studies, its safety is not always completely determined. Uncommon adverse reactions,
which occur under certain conditions or after some delay, may not have been highlighted in the
trial prior to the appearance on the market. Therefore, it is possible that a new drug is withdrawn
from the market following the identification of previously unknown side effects or problems.
Between 1972 and 1994, in the world 583 new active principles were approved; 59 of them have
been later removed from the market for safety reasons; other principles have been restricted in
their applicability or dosage.
In 1996, in the United States, adverse drug reactions were the fourth leading cause of death.
Regarding such important area, in-depth studies will be performed about the modeling of
processes related to pharmacovigilance, to the acquisition and analysis of data coming from
reports, and to the identification of concise indices to monitor drug reactions.
0.2.4 Emergency Medicine: Cardiac Arrest
Cardiac arrest is one of the most frequent clinical conditions in emergency medicine and requires
specialistic interventions under strict temporal constraints: in this context a study about main
activities with their temporal and environmental constraints will be executed in order to propose
an uniform, coordinated and, as far as possible, default approach in the treatment of patients in
cardiac arrest and in the acquisition of related data.
0.3. Identification of case studies for the project
UNIVR, in addition to the specific contribution in the analysis of case studies related to the
management of patients with acute myocardial infarction, drug monitoring, and management of
patients in cardiac arrest, will collaborate to identify the most significant case studies according
to their general meaningfulness for the different research units; moreover, case studies will be
considered even according to the overall expected project results.
1. Integrated modeling of data and clinical/health processes (6th - 24th month)
1.2. Guidelines Modeling
1.2.1 Formalisms
In the context of information systems there are several research directions that have recently
attracted significant attention at international level: on the one hand, there is an increasing effort
in the modeling of organizational processes (business process: BP) towards a standard for
conceptual description of BP and in the definition of a language, based on XML, for the
exchange of patterns of BP. BPMN (business process modeling notation) and BPEL4WS
(business process execution language for web services) are the acronyms that identify the
conceptual model and language, respectively, for the exchange of BPs proposed by international
organizations, such as the Object Management Group and the Business Process Management
Initiative [BPMN06].
On the other hand, Workflow Management Coalition, which represents the majority of
organizations and institutions involved in implementation or use of workflow systems, is leading
since several years the effort to define a standard reference for modeling aspects, for
architectures and specification of workflows [WfMC]. As a first approximation one can say that
workflows are the suitable representation of BPs for their execution through the support of a
workflow system (WFMS).
Recently, an increased interest has been shown in the use of formalisms about BP and/or
workflow for the representation of organizational aspects underlying the clinical/health
guidelines: the main goal of UNIVR in this area is the study and the proposal of structured
models for workflow to represent clinical/health guidelines that make explicit and suitable the
integrated management of control-flows and data-flows as suggested in recent proposals
[CombiG09, CombiG +11].
1.2.2 Temporal Aspects
Despite the fact that temporal aspects characterize different parts of BPs and BP management
through WFMSs, few attention has been spent until now to make their modeling and support
explicit. Neither BPMN nor the reference model of WfMC allow the high-level representation of
temporal aspects: at the most, detailed temporal aspects can be managed explicitly by BP
designers through the use of timers and other low-level constructs.
As already noted, the underestimation of these temporal issues in healthcare BPs can lead to a
poor applicability of BPs to real world processes or to a request of a hard work for designers to
manage any specific case of temporal constraints using low-level constructs.
An important feature of the temporal constraints in workflows is the temporal granularity by
which the different temporal constraints are expressed. For example, the definition of a medical
process may admit delays in the order of minutes for the execution of clinical activities while
defines temporal constraints in the order of hours for the completion of bureaucratic activities. In
general, workflows within an intensive care unit have temporal constraints expressed in time
units finer than those used to express the temporality of processes related to the follow-up of
chronic patients. As regards the constraints expressed at different temporal granularities, several
possible temporal semantics have to be considered as it is clear from the reference literature
[GoralwallaLTSC01, BettiniWJ02], where we can distinguish anchored and unanchored
granularity and corresponding constraints. For example, if it is defined that two tasks must be
performed within a day one from the other, two different semantics may be considered to
interpret the constraint: the first states that the second task must be done within the day after the
first and the second one states that not more than 24 hours has to be spent between the first task
and the second one.
The purpose of this research direction within the project is to distinguish which are the key
temporal aspects to be represented in the conceptual modeling of workflows also considering
recent papers published by members of UNIVR and by other researchers [CombiGJOP07,
CombiP04, CombiP03, BettiniWJ02]. Compared with clinical workflows, it will be important to
characterize what are the considered temporal dimensions for clinical activities. For such
dimensions or allowed delays or other time constraints, we will focus on the most appropriate
notations to represent absolute, periodic and duration constraints, characterizing the
expressiveness of the model compared to the complexities of assessing the various levels of
consistency of these constraints.
1.3 Clinical Pathway (workflow) modeling
1.3.1 Formalisms
UNIVR will focus on the integration and extension of what is proposed for the support of
guidelines, in order to allow the adaptation of the guidelines in the specific organizational and
technical context of the hospital unit where the guidelines are applied.
1.3.2 Temporal Aspects --- Temporal features
In addition to the temporal aspects presented in guidelines, further temporal aspects have to be
considered with respect to the context in which the guidelines are adopted: therefore, it is
important to allow the specification of particular temporal aspects, which should be considered
and, where appropriate, suitably harmonized with what is represented in the guidelines.
2. Design Time Verification and Run Time of clinical processes (13th - 30th month)
2.1. Design Time Verification
In addition to consistency, in the workflow research field a new concept has been recently
proposed and applied: the "controllability". Controllability is a property stronger than
consistency and guarantees that a workflow can be executed complying with all temporal
constraints without fixing a priori the duration of clinical activities, which are beyond the control
of a workflow management system [CombiP09, CombiP10, CombiG+12]. In this phase,
controllability concept and checking algorithms for it will be studied and applied in clinical
settings: in particular, it is interesting to study the concept of "dynamic controllability", which
provides the ability from time to time to set delays between successive tasks to be performed in a
consistent way with the durations of tasks already performed maintaining the satisfiability of all
temporal constraints of the process.
2.2 Run Time Verification and Adaptability
In addition to assessing the controllability of a clinical process during the design phase, it is
necessary to be able to manage the controllability at run time: since the controllability is
dynamic, it must take into account what has already been executed and to refine/change the
delays of execution of the following tasks. At the best of the knowledge of UNIVR, there is no
solution to the run-time verification of dynamic controllability of clinical processes. The runtime controllability requires that the execution of a workflow has some kind of adaptability so
that it is possible to manage "adjustments" according to what happened previously.
3. Integrated and intelligent analysis of data and clinical/health processes (6th - 24th month)
3.2 Clinical Data Mining
In the analysis of clinical data and processes, UNIVR will focus on temporal data mining of
point-based and interval-based temporal data: in particular, some recent proposals for the
specification and discovery of temporal functional dependencies will be extended and adapted to
the clinical setting [CombiS11, CombiM+11].
3.3 Clinical Process Mining
In modeling guidelines through workflows, rules that a process has to observe are described in
the workflow schema and they have be satisfied by the instances (cases) of the process itself. A
workflow schema describes the structure of cases compared to the coordination of the activities
(parallel activities, sequential tasks, total/partial forks, and partial/total joins). Furthermore, the
schema may contain qualitative and quantitative temporal constraints. Therefore, instances of a
same schema may be different with respect to structure, with respect to the activities that make
up the case, and with respect to the (temporal) order and span of the activities. When a workflow
schema represents a guideline, its cases represent different instances derived from the application
of the guideline to different patients and/or in different situations.
Hence, intelligent analysis of data related to different cases becomes fundamental to the
assessment of single cases, for the right implementation of the guidelines, for the correct
treatment of the individual patient, and so on.
The analysis of clinical process cases allows the determination of sets of cases (instances of the
same schema of workflow) that are similar to each other and, therefore, allows the definition of
patterns of clinical/health processes from the data.
Often, the clinical processes can be observed and evaluated only according to data of the
processes themselves, without the availability of an explicit schema.
The goal of this phase is the development of temporal data mining techniques on data from
clinical workflows: some techniques may extend the proposal for the evaluation of similarity
between two processes made in [CombiGJMO09], that is based on a comparison of
corresponding activities (tasks), on the similarity between activity relationships and on the
comparison between the set of performed tasks. Other techniques of temporal data mining on
process data could stem from what is proposed in [SacchiLCB07], where there are some
proposals about interval-based temporal data mining.
4. Design and implementation of a suite of software tools for an integrated management and
analysis of guidelines and clinical data (18th – 36th month)
4.1 Design e prototyping
UNIVR will focus on the following aspects.
1) Design and implementation of prototypes based on open source software (YAWL, an open
source WFMS, and Pentaho, an open source suite of tools for managing and analyzing data
warehouse), and on locally developed prototypes in order to model temporal workflows and to
analyze time-oriented clinical data and processes. We will consider some prototype solutions for
conceptual modeling of workflow and for analysis of data warehouse of data and processes based
on the use and possible extension of open source software for the management of processes and
data warehouses. Clinical users will be involved to provide guidance and suggestions in order to
refine the prototypes and make them easier to apply in the specific health setting.
2) Design and implementation of techniques based on the evaluation of similarity in order to
explore (mining) common patterns of real cases. We will consider several similarity metrics and
will propose some mining techniques based on these metrics.
The developed techniques will be evaluated on real data from the application domains identified
in the previous phase and possibly integrated with the prototype of OLAP analysis of temporal
clinical processes.
3) Design and implementation of tools and algorithms for the mining of approximate temporal
functional dependencies based on temporal points and intervals with application to clinical
processes data.
4.2 Integration and testing
The prototype testing will be performed on real data or on appropriate synthetic data sets
considering both issues coming from design time and ones coming from run time, where the
involved actors are different and with different familiarity with the system.
The integration, together with all other units of the project, will be based wherever possible on
open source platforms already identified (Penthao and YAWL) or on those that will be identified
during the project, in order to allow a wide use of actual results of the project.
4.3. Final validation on some case studies
The final validation of the work developed by UNIVR will be on case studies identified in the
first phase of the project together with all other units. Besides this, UNIVR will pay particular
attention to the case studies locally identified: guidelines for STEMI patients,
pharmacovigilance, and the management of patients in cardiac arrest.
EXPECTED RESEARCH PRODUCTS AND RESULTS
The expected research products and results are both on theoretical-methodological side and
practical-application one. In addition to the specific products of the project, consisting in
technical reports, project documentation and software prototypes, UNIVR researchers will
prepare publications related to the obtained results and send them to the main conferences and
journals of this specific research area. For each macro-activity, main expected products and
results are detailed in the following.
0. Analysis of the state of the art and analysis of identified clinical domains: research reports and
/ or presentations focusing on the mentioned topics, analysis and discussion of case studies
relating to processes for patients with acute myocardial infarction, to pharmacovigilance
processes, and to processes related to the management of patients in cardiac arrest.
1. Integrated modeling of clinical/health data and processes: technical reports on innovative
models of structured and temporal workflow for the guidelines and clinical processes and their
comparison with existing proposals.
2. Design time and run time checking of clinical processes: research reports related to innovative
and efficient algorithms for checking the controllability of process schemata at design time and
at run time where there will be a comparison with respect to existing solutions and an analysis of
their computational complexity.
3. Integrated and intelligent analysis of clinical/health data and processes: research reports
related to techniques for temporal data and process mining of point-based and interval-based data
(with particular attention to the temporal association rules and to temporal approximate
functional dependencies).
4. Design and implementation of a suite of software tools for the integrated management and
analysis of guidelines and clinical data: project documentation and software prototypes
integrated with the results determined by the other units on workflow systems for guidelines and
clinical processes and on data mining systems for temporal clinical data and processes. These
systems are specifically applied to the case studies considered in the clinical setting.
13 - Descrizione delle attrezzature già disponibili ed utilizzabili per la ricerca proposta
Testo italiano
Nessuna
Testo inglese
Nessuna
14 - Elenco dei partecipanti all'Unità di Ricerca
14.1 Personale dipendente dall'Ateneo/Ente cui afferisce l'Unità di ricerca
14.1.a - Docenti / ricercatori / tecnologi
nº Cognome
Nome Qualifica
costo
mesi/persona
costo
annuo
previsti (b) attribuito
lordo (a)
al progetto
((a/12)*b)
1. COMBI
Carlo
2. OLIBONI
Professore
Ordinario
0
6
0
Barbara Ricercatore
confermato
0
6
0
3. POSENATO
Roberto Ricercatore
confermato
61.674
8,9
45.742
4. RIZZI
Romeo
Professore
Associato
confermato
0
5
0
5. MORETTI
Ugo
Ricercatore
confermato
0
5
0
6. SCHWEIGER Vittorio Ricercatore
confermato
0
5
0
35,9
45.742
TOTALE
14.1.b - Altro personale tecnico
Nessuno
14.2 Personale dipendente da altri Atenei/Enti
14.2.a - Docenti / ricercatori / tecnologi
nº Cognome Nome
Università/Ente Qualifica
1. POZZI
Giuseppe Politecnico di
Professore
costo mesi/persona
costo
annuo previsti (b) attribuito
lordo
al
(a)
progetto
((a/12)*b)
0
5
0
MILANO
Associato
confermato
TOTALE
0
14.2.b - Altro personale tecnico
nº Cognome Nome Università/Ente Qualifica
5
0
costo mesi/persona
costo
annuo previsti (b) attribuito
lordo
al
(a)
progetto
((a/12)*b)
TOTALE
0
0
0
14.3 Personale non dipendente già presente presso l'Ateneo/Ente cui afferisce l'Unità di Ricerca
alla data di presentazione del progetto (da inserire a costo zero):
nº Cognome Nome Università/Ente Tipologia costo mesi/persona
costo
annuo previsti (b) attribuito
lordo
al
(a)
progetto
((a/12)*b)
1. SABAINI Alberto Università degli Dottorando
Studi di
VERONA
TOTALE
0
8
0
0
8
0
14.4 - Personale dipendente e non dipendente da destinare a questo specifico Progetto:
nº Tipologia
di
contratto
1. Assegnisti
costo mesi/persona
costo
Note
annuo previsti (b) attribuito
lordo (a)
al
progetto
((a/12)*b)
23.000
12,00
23.000 Assegnista di
ricerca
(possibilmente
post-doc), per
ricerca e
studio sui temi
del progetto
2. co.co.co.
23.000
2,00
3.833 collaborazioni
orientate alla
progettazione
e
realizzazione
dei prototipi
3. Assegnisti
23.000
12,00
23.000 Assegnista di
ricerca
(possibilmente
post-doc), per
ricerca e
studio sui temi
del progetto
TOTALE 69.000,000
26,00
49.833
14.5 Personale di Enti/Istituzioni straniere
nº Cognome Nome Qualifica
Dipartimento/Istituto
(Università/Ente)
15 - Mesi persona complessivi dedicati al Progetto
Mesi/Persona
a) docenti /
ricercatori /
tecnologi
b) altro personale
tecnico
15.2 Personale dipendente da altri Atenei/Enti
a) docenti /
ricercatori /
tecnologi
b) altro personale
tecnico
15.3 Personale non dipendente già presente presso a) assegnisti
15.1 Personale dipendente dall'Ateneo/Ente cui
afferisce l'Unità di ricerca
35,9
0
5
0
0
l'Ateneo/Ente cui afferisce l'Unità di ricerca alla
data di presentazione del progetto (da inserire a
costo zero)
15.4 Personale dipendente o non dipendente da
destinare a questo specifico Progetto
b) dottorandi
c) professori a
contratto
d) co.co.co (solo
per EPR)
a) assegnisti
b) ricercatori a
tempo
determinato
c) dottorandi
d) co.co.co.
TOTALE
8
0
0
24
0
0
2
74,9
16 - Costo complessivo dell'Unità di Ricerca
Voce di spesa
Spesa in Descrizione dettagliata
Euro
(in italiano)
45.742 Il personale coinvolto
A - Spese di personale
prevede un prof. ordinario,
(cofinanziamento
due prof. associati (1 di altra
ateneo/ente; punti 14.1
università), quattro
(A.1) - 14.2 (A.2); non
ricercatori e un dottorando. Il
superiore al 30% del
team ha competenze ed
costo del progetto)
esperienze complementari,
anche medico-cliniche, che
corrispondono ai temi
indicati nel progetto.
A - Spese di personale
non dipendente da
destinare a questo
specifico progetto punto 14.4 (A.4)
B - Spese generali
(quota forfettaria pari
al 60% del costo totale
del personale, spesa A)
C - Attrezzature,
strumentazioni e
prodotti software
D - Servizi di
Descrizione dettagliata
(in inglese)
The research team consists of a
full professor, two associate
professors (one from other
university), four assistant
professors, and one PhD
student. This group has
complementary skills and
professional expertise, even in
the clinical medicine, matching
the research topics of the
project.
49.833 personale per la ricerca
personnel for research
(possibilmente un post-doc) (possibly a Post Doc) and for
e per la realizzazione dei
the development of
prototipi.
prototypes.
57.345 Spese generali (quota forfettaria pari al 60% del costo totale
del personale, spesa A)
consulenza e simili
E - Altri costi di
esercizio
Costo Complessivo 152.920
dell'Unità di Ricerca
Finanziamento MIUR 107.044
Costo a carico Ateneo / 45.876
Ente
N.B. - I costi relativi al personale dipendente già operante presso gli atenei e gli enti di ricerca
alla data di scadenza del presente bando non possono superare il 30% del costo del progetto.
“I dati contenuti nella domanda di finanziamento sono trattati esclusivamente per lo svolgimento
delle funzioni istituzionali del MIUR. Incaricato del trattamento è il CINECA- Dipartimento
Servizi per il MIUR. La consultazione è altresì riservata agli atenei e agli enti di ricerca
(ciascuno per le parti di propria competenza), al MIUR - D.G. per il Coordinamento e lo
Sviluppo della Ricerca - Ufficio V, al CNGR e ai CdS. Il MIUR potrà anche procedere alla
diffusione dei principali dati economici e scientifici relativi ai progetti finanziati.”
Firma _____________________________________
Data 09/03/2012 ore 08:44