Un’azienda sanitaria gestisce decine di PDTA formalmente riconosciuti e centinaia di varianti operative reali e setting assistenziali. La necessità di mapparli è nota, ma nessuna organizzazione dispone delle risorse per farlo manualmente in modo sistematico.
Il
#process
#mining
parte da una premessa diversa: il processo esiste già, codificato nella sequenza di eventi con timestamp registrati, va “solo” estratto dai dati.
Process Discovery: scalare la mappatura
Analizzano il log degli eventi si può ricostruire il modello effettivo del processo, con tutte le varianti reali: deviazioni, cicli non previsti, colli di bottiglia strutturali. La rappresentazione di quello che accade, con la frequenza con cui accade. Wil van der Aalst, considerato il padre del process mining, ha dimostrato in contesti sanitari reali come la discovery incrementale raggiunga livelli di accuratezza elevati attraverso raffinamenti iterativi, superando il limite dei metodi automatici non interattivi. Quello che un gruppo di lavoro non riuscirebbe a documentare in mesi, il sistema lo estrae su tutti i percorsi attivi contemporaneamente.
Conformance Checking: il monitoraggio operativo
Il modello estratto diventa la baseline per il confronto continuo con i casi in corso. Il sistema rileva deviazioni dal percorso atteso segnalando l’anomalia prima che generi danno clinico o logistico: non si aspetta la reportistica periodica, perché il confronto avviene su un modello già determinato, man mano che i nuovi eventi si registrano.
Predizione e value leaks: i pattern invisibili
Il predictive process monitoring utilizza i dati storici per stimare, su casi attivi, il tempo residuo e il rischio di deviazione. I value leaks emergono come pattern statisticamente ricorrenti. Il sistema li individua in modo continuativo sull’intera popolazione di casi, senza bisogno di audit periodici.
Lo strato logistico come integratore del dato
Il prerequisito del process mining è la qualità del log eventi. L’HIS cattura gli eventi clinici dichiarati: prescrizioni, referti, dimissioni, ma il processo reale contiene eventi che l’HIS non registra: quando il paziente si è effettivamente spostato, quando il letto era fisicamente disponibile, quando il trasporto ha raggiunto il reparto.
Quanti processi restano non governati non per mancanza di consapevolezza, ma perché la scala del problema ha sempre reso la mappatura manuale impraticabile?
📚 Per approfondire:
#ProcessMining
#VBHC
#GestioneOperativaSanitaria
#PatientFlow
#HealthcareAI
#OperationalExcellence
#PDTA
#SanitàItaliana
#HealthcareLeadership