综述：医疗保健中的流程挖掘：一项三级研究

这篇综述系统梳理了流程挖掘（Process Mining）在医疗保健领域的应用现状，通过分析18篇二级综述，归纳了流程挖掘在临床路径发现、合规性验证（Conformance Checking）和流程优化（Enhancement）中的核心作用，重点探讨了算法（如Heuristics Miner、Fuzzy Miner）、数据挑战（如噪声处理）及跨学科协作的价值，为医疗流程数字化提供了方法论参考。

　　

流程挖掘：医疗复杂流程的“解码器”

医疗流程的复杂性源于多专业协作、动态治疗路径和异构数据系统。流程挖掘技术通过分析事件日志（Event Logs），为医疗流程提供了从发现到优化的全链条支持。

流程挖掘的三重奏

流程挖掘活动分为三类：

1. 1.

   流程发现（Discovery）：从零构建临床路径模型，占研究总量的81%（De Roock & Martin, 2022）。例如，肿瘤治疗路径可通过Alpha Miner算法生成Petri网模型。

2. 2.

   合规性验证：对比实际流程与指南差异，如心脏病诊疗中仅13%研究采用（Grüger et al., 2020）。

3. 3.

   流程优化：通过模拟（Simulation）减少急诊科资源瓶颈（Erdogan & Tarhan, 2018）。

控制流视角（Control Flow）最常用（45篇/74研究），因其能直观展示诊疗分支逻辑，而时间视角（Temporal）则用于分析ICU滞留时长等KPI。

算法与工具的实战选择

• •

  Heuristics Miner：抗噪声能力强，在25.7%研究中处理心电图数据缺失问题（Rojas et al., 2016）。

• •

  Fuzzy Miner：简化“意大利面流程”（Spaghetti Process），在28.9%的老年护理研究中提升可读性（Helm et al., 2020）。

• •

  ProM工具：75篇研究使用其插件体系，而商业软件Disco更受医院管理青睐（Guzzo et al., 2022）。

肿瘤学的标杆意义

肿瘤学占比最高（89.1%研究），因其严格的分期治疗协议适合流程验证。例如，妇科癌症（Gynecological Cancer）研究中，Trace Clustering技术将化疗路径分组效率提升40%（Kurniati et al., 2016）。

数据与协作的攻坚点

• •

  数据质量：38%研究需预处理时间戳错误（Kusuma et al., 2018），SNOMED CT术语标准化可提升比较性（Helm et al., 2020）。

• •

  临床参与：61篇研究依赖医生验证模型，但仅12.2%实现实时决策支持（De Roock & Martin, 2022）。

未来：从技术到生态

慢性病管理（Chen et al., 2023）和呼吸症状（Gunatilleke et al., 2022）成为新热点，而结合大语言模型（LLMs）的交互式看板可能是下一个突破方向。