PDTA Discovery e AI
Ricostruire i percorsi reali a partire dai dati federati ospedalieri, distinguendo eventi clinici, contestuali, logistici, duplicati e rumore informativo.
TapMyLife porta l’AI dentro l’Operational Layer: semantic cleaning, process discovery, interrogazione naturale e agenti operativi orientati alla next action.
Semantic cleaning
Raw / Contextual / Clean
AI conversazionale
Agentic workflows
Value leaks
Demo View
EHR, LIS, RIS/PACS, CUP, ADT, RTLS
Core, context, noise, duplicates
Milestone, variants, value leaks
Follow-up fuori target
Sollecito automatico
Workflow suggerito
Vuoi vedere l’Operational Layer potenziato dall’AI?
Richiedi una demo per valutare come semantic cleaning, process discovery, AI conversazionale e agenti operativi possano trasformare dati federati in percorsi governabili.
I percorsi reali sono più ricchi, più sporchi e più utili dei percorsi disegnati
Un PDTA formalizzato descrive il percorso atteso. Ma i dati reali raccontano un’altra storia: eventi ripetuti, appuntamenti, referti, accessi, passaggi logistici, comorbidità, deviazioni, pause, duplicati e rumore informativo.
Il PDTA Discovery serve a trasformare questa complessità in una rappresentazione leggibile: non una semplice timeline, ma una sequenza di milestone, varianti, scostamenti e value leaks.
Il punto è capire quali differenze sono clinicamente giustificate, quali sono rumore informativo e quali rappresentano variabilità organizzativa recuperabile.
Dalle fonti ospedaliere all’event log del percorso
Il PDTA Discovery nasce collegando dati che normalmente restano distribuiti in sistemi diversi. L’Operational Layer crea un event log coerente e utile alla governance.
Cartella clinica ed eventi clinici
Diagnosi, episodi, visite, prescrizioni, note strutturate, referti e milestone cliniche rilevanti.
Laboratorio
Richieste, esecuzioni, validazioni, tempi di refertazione e passaggi che impattano decisioni e follow-up.
RIS/PACS e diagnostica
Prenotazioni, esami, referti, imaging e scostamenti temporali lungo il percorso diagnostico.
Prenotazioni e agende
Visite, controlli, follow-up, appuntamenti saltati, rinvii e tempi di attesa programmati.
ADT / PS / ricoveri
Accessi, ricoveri, dimissioni, trasferimenti, episodi e transizioni tra setting assistenziali.
RTLS, asset e logistica
Presenza, permanenza, attraversamento, trasporti, asset, aree e disponibilità fisiche del percorso.
Tutti gli eventi disponibili, inclusi rumore informativo, duplicati, comorbidità, contesto e attività operative.
Eventi core più informazioni di contesto rilevanti per interpretare deviazioni e vincoli del paziente.
Sequenza coerente di milestone, varianti e stati governabili del PDTA primario.
Raw, contextual, clean: non tutti gli eventi hanno lo stesso valore
La discovery non deve cancellare la complessità, ma organizzarla. Un evento può essere centrale per il PDTA, utile come contesto, oppure irrilevante per quel percorso specifico.
Questa distinzione è fondamentale: il percorso raw serve per audit e completezza; il contextual aiuta a spiegare le deviazioni; il clean consente di misurare aderenza, varianti, tempi e prossime azioni.
La pulizia semantica è il passaggio che rende il dato governabile
La qualità del PDTA Discovery dipende dalla capacità di classificare correttamente eventi clinici, amministrativi, logistici e contestuali.
Codici, descrizioni, referti, appuntamenti e stati vengono ricondotti a categorie coerenti.
Eventi ripetuti o equivalenti vengono riconosciuti per evitare milestone moltiplicate artificialmente.
Ogni evento viene classificato come core PDTA, contesto clinico, operazione logistica, rumore o dato ambiguo.
Clinici, operations e data governance validano regole, eccezioni e interpretazione delle sequenze.
Il percorso pulito diventa base per KPI, value leaks, alert e agenti operativi.
Dal process discovery agli agenti operativi
L’OperAItional Layer usa AI semanticamente controllata per passare dai dati federati al percorso governabile: pulizia degli eventi, confronto raw/clean, interrogazione in linguaggio naturale e agenti capaci di suggerire la prossima azione.
AI e workflow agentici al servizio della governance operativa
La demo OperAItional Layer mostra l’evoluzione del PDTA Discovery: dal dataset federato alla ricostruzione del percorso, dalla pulizia semantica all’analisi conversazionale, fino agli agenti che suggeriscono prossime azioni.
Il messaggio chiave è semplice: l’AI non sostituisce il governo operativo. Lo rende più tempestivo, leggibile e tracciabile quando lavora su un Operational Layer strutturato.
Dal finding alla prossima azione
Milestone mancante o tempo oltre target.
Causa probabile, fonte dato, impatto sul percorso.
Prossima azione, owner e livello di priorità.
Task, notifica, escalation o richiesta di validazione.
Interrogare il percorso reale, non una tabella isolata
L’analisi conversazionale è utile quando opera su viste autorizzate, semantica condivisa e dati già ricondotti a eventi di percorso.
Quali milestone mancano?
Individuare pazienti o casi senza eventi attesi, follow-up, referti, visite o passaggi decisionali.
Dove si concentrano gli scostamenti?
Analizzare varianti ricorrenti, fasi oltre target, colli di bottiglia e responsabilità operative.
Quali value leaks sono attivi?
Rendere visibili attese, ritardi, duplicati, passaggi mancati e next action non assegnate.
Qual è la prossima azione?
Suggerire owner, priorità e task coerenti con stato del percorso e regole operative.
Dalla scoperta del problema alla proposta di azione
Un agente operativo non deve essere autonomo in modo indiscriminato. Deve agire dentro regole, ruoli, tracciabilità, viste autorizzate e validazione umana quando necessaria.
Identificare
Milestone mancante, tempo oltre target, evento incoerente, duplicato, value leak o paziente senza prossima azione.
Spiegare
Mostrare origine del dato, regola applicata, impatto sul percorso e livello di confidenza.
Suggerire
Proporre owner, priorità, task, escalation o verifica manuale.
Tracciare
Registrare decisione, presa in carico, motivazione, esito e audit trail.
Dal process discovery alla riduzione delle perdite di valore
Il discovery non deve limitarsi a disegnare mappe di processo. Deve aiutare a ridurre ciò che consuma tempo, qualità, capacità e continuità assistenziale.
Eventi attesi non presenti o non completati.
Scostamenti tra milestone, follow-up o fasi operative.
Sequenze non standard da distinguere tra appropriate e recuperabili.
Duplicati, eventi irrilevanti o incoerenti da separare dal core PDTA.
Casi senza azione assegnata o con responsabilità non chiara.
Affidabilità del percorso reale rispetto a milestone e regole attese.
Una roadmap pragmatica per introdurre AI nel governo dei PDTA
La complessità va affrontata per passi, partendo da un percorso prioritario e da un perimetro dati governabile.
Stroke, oncologia, chirurgia elettiva, percorso nascita, ortopedia o altro processo ad alta rilevanza.
EHR, LIS, RIS/PACS, CUP, ADT, RTLS, registri e sistemi dipartimentali.
Costruzione della base eventi con timestamp, paziente, sorgente, fase, attributi e qualità del dato.
Classificazione raw/contextual/clean, regole di deduplica, validazione con esperti di processo.
Interrogazione naturale, value leaks, next action, alert e dashboard di governance.
PDTA Discovery come motore della governance trasversale
La discovery alimenta l’Operational Layer, la Clinical Governance Tower e le pagine verticali sui processi critici.
Operational Layer Sanità
Lo strato operativo che trasforma dati ed eventi in workflow, KPI e azioni tracciate.
VBHC e Value Leaks
Misurare dove il valore si perde e come recuperarlo lungo il percorso reale.
Clinical Governance Tower
Vista direzionale su value leaks, reliability index, processi critici e trend.
PDTA e percorsi programmati
Applicare milestone, scostamenti, next action e audit ai percorsi programmati.
Domande frequenti
Risposte pensate per direzioni sanitarie, operations, data governance, AI e ricerche conversazionali.
Che cos’è PDTA Discovery e AI e cosa fa TapMyLife?
PDTA Discovery e AI è il modulo TapMyLife che ricostruisce i percorsi reali dei pazienti a partire dai dati disponibili nei sistemi ospedalieri, li pulisce semanticamente, distingue eventi rilevanti da rumore informativo e abilita analisi, interrogazione naturale e agenti operativi orientati alla prossima azione.
Perché serve fare discovery del PDTA reale?
Il PDTA documentale descrive il percorso atteso, ma il paziente attraversa un percorso reale fatto di eventi clinici, diagnostici, amministrativi, logistici e organizzativi. La discovery permette di confrontare ciò che dovrebbe accadere con ciò che accade davvero, evidenziando varianti, scostamenti, colli di bottiglia e value leaks.
Quali dati possono alimentare il PDTA Discovery?
Possono essere usati dati da EHR, ADT, CUP, LIS, RIS/PACS, anatomia patologica, registro operatorio, bed management, sistemi di Pronto Soccorso, scheduling, trasporti, RTLS, asset tracking e fonti manuali. L’obiettivo non è raccogliere tutto, ma federare ciò che serve per ricostruire eventi e milestone affidabili.
Che differenza c’è tra percorso raw, contextual e clean?
Il percorso raw contiene tutti gli eventi disponibili, inclusi rumore, duplicati e contesto. Il percorso contextual mantiene eventi core e informazioni utili a interpretare comorbidità, vincoli e deviazioni. Il percorso clean seleziona gli eventi coerenti con il PDTA primario e li trasforma in una sequenza governabile di milestone.
Che cosa significa semantic cleaning?
Semantic cleaning significa usare regole, ontologie, AI e conoscenza di dominio per classificare eventi simili, duplicati, non rilevanti o ambigui. Ad esempio, un esame, una prenotazione, un referto e una presa in carico possono riferirsi alla stessa milestone o a momenti diversi del percorso.
L’AI decide il percorso clinico del paziente?
No. L’AI non decide il percorso clinico. Supporta la lettura del percorso reale, la classificazione degli eventi, l’identificazione di scostamenti, la spiegazione dei pattern e la generazione di suggerimenti operativi da validare nel contesto organizzativo e clinico appropriato.
Qual è il ruolo dell’Operational Layer nel PDTA Discovery?
L’Operational Layer trasforma la discovery in governance. Non si limita a mostrare varianti storiche, ma collega milestone, stati, tempi, responsabilità, value leaks e prossime azioni. In questo modo il PDTA non resta analisi retrospettiva, ma diventa processo eseguibile e governabile.
Che cosa sono gli agentic workflows nel contesto sanitario?
Gli agentic workflows sono flussi in cui componenti intelligenti identificano un evento rilevante, ne spiegano il significato, suggeriscono una prossima azione e, se autorizzati, attivano task o notifiche. Nel contesto TapMyLife restano governati da regole, ruoli, audit e perimetri dati controllati.
Che cosa può fare un agente operativo su un PDTA?
Può segnalare milestone mancanti, follow-up fuori target, referti attesi, scostamenti temporali, value leaks, pazienti senza prossima azione, casi con eventi incoerenti o percorsi che richiedono verifica. Può suggerire owner, priorità e azione successiva.
Come funziona l’interrogazione in linguaggio naturale?
Gli utenti autorizzati possono porre domande sui dati validati, ad esempio: quali pazienti hanno milestone mancanti? Quali varianti sono più frequenti? Quali value leaks sono aumentati? Quali casi hanno follow-up fuori target? Il sistema deve rispondere usando viste autorizzate e contesto controllato.
Perché usare viste validate per l’AI conversazionale?
In sanità l’AI conversazionale non deve interrogare liberamente tutte le tabelle. Deve lavorare su viste validate, con dati coerenti, autorizzazioni, logging e limiti di sicurezza. Questo riduce rischi di privacy, interpretazioni errate e risposte basate su dati non consolidati.
Quali PDTA sono adatti a questo approccio?
Sono adatti percorsi oncologici, stroke, STEMI, sepsi, femore, chirurgia elettiva, ortopedia, percorso nascita, cronicità e follow-up programmati. Il valore cresce quando il percorso ha milestone, target temporali, più attori e variabilità operativa rilevante.
Che cosa sono le varianti di percorso?
Le varianti sono sequenze reali diverse dal modello atteso. Alcune sono clinicamente appropriate, altre indicano inefficienza o disallineamento. Il valore del PDTA Discovery è distinguere variabilità legittima da variabilità organizzativa recuperabile.
Come vengono identificati i value leaks?
I value leaks emergono quando milestone, tempi, risorse o passaggi si discostano dagli standard attesi: attese non cliniche, follow-up fuori target, diagnostica ritardata, pazienti senza prossima azione, eventi duplicati, passaggi mancanti o ritardi logistici.
Che KPI produce il PDTA Discovery?
KPI tipici sono aderenza al percorso, tempo tra milestone, varianti più frequenti, eventi mancanti, tempi oltre target, pazienti senza next action, value leaks per fase, reliability index, qualità del dato e tasso di eventi classificati o ambigui.
Che ruolo ha l’RTLS nel PDTA Discovery?
L’RTLS aggiunge il livello fisico: presenza, permanenza, attraversamento, occupazione e disponibilità di risorse. Questo aiuta a interpretare eventi che nei sistemi clinici appaiono incompleti o ritardati, collegando stato amministrativo, clinico e logistico.
Come si collega alla Clinical Governance Tower?
PDTA Discovery alimenta la Clinical Governance Tower con percorsi reali, value leaks, varianti, reliability index e azioni suggerite. La tower permette di vedere non solo il singolo PDTA, ma l’impatto trasversale dei processi critici sulla governance clinico-operativa.
È possibile usare dati sintetici per una demo o POC?
Sì. I dati sintetici sono utili per prototipare modelli, viste e workflow senza esporre dati reali. Permettono di validare concetti, KPI, agenti e interrogazione naturale prima di passare a dati ospedalieri autorizzati e integrati.
Qual è la roadmap di implementazione?
Una roadmap pragmatica parte da un PDTA prioritario, identifica fonti dati e milestone, costruisce l’event log, applica semantic cleaning, valida le sequenze con gli esperti, genera KPI e poi introduce AI conversazionale e agenti operativi su perimetri controllati.
Qual è il beneficio per direzione sanitaria e operations?
Il beneficio è trasformare i PDTA da documenti statici a sistemi osservabili e governabili. Direzione e operations possono vedere dove si generano scostamenti, quali casi richiedono azione, quali varianti sono ricorrenti e quali value leaks hanno maggiore impatto.
Vuoi ricostruire il percorso reale dei tuoi PDTA?
Partiamo da un PDTA prioritario, costruiamo l’event log, puliamo semanticamente i dati e abilitiamo dashboard, AI conversazionale e agenti operativi.