Pobierz artykuł PDF
Transkrypt
Pobierz artykuł PDF
WDROENIE HURTOWNI DANYCH WSPOMAGAJCEJ ZARZDZANIE WIEDZ NA PRZYKŁADZIE CENTRUM ONKOLOGII IM F. ŁUKASZCZYKA W BYDGOSZCZY REMIGIUSZ LEWANDOWSKI, MARCIN ŁAGODZISKI, EUGENIA FRONCZAK Streszczenie Dla wielu instytucji, zarządzanie danymi i wydobywanie z nich wiedzy stało siĊ waĪnym czynnikiem umoĪliwiającym osiągniĊcie sukcesu. Podobnie w słuĪbie zdrowia dąĪy siĊ do innowacyjnych rozwiązaĔ z dziedziny zarządzania wiedzą, odgrywających kluczową rolĊ w podwyĪszaniu standardów leczenia. W pracy opisano proces wdraĪania Hurtowni Danych wspomagającej zarządzanie wiedzą na przykładzie Centrum Onkologii im. F. Łukaszczyka w Bydgoszczy. Zaprezentowano znaczenie informatyzacji i wykorzystania odkrytej wiedzy w zarządzaniu jednostkami ochrony zdrowia, jak równieĪ korzyĞci płynące z wdroĪenia Hurtowni Danych, stosowania narzĊdzi Business Intelligence, Data Mining, czy technologii OLAP. Słowa kluczowe: Business Intelligence, Hurtownia Danych, OLAP, Data Mining, Medyczne Bazy Danych 1. Wstp Powszechny rozwój technologii informacyjnych, umoliwił gromadzenie coraz to wikszych iloci danych oraz ich transfer w organizacjach na niespotykan jak dotd skal. Rozwój technologii informacyjnych sprawił równie, e wiedza tworzona i wykorzystywana w podmiotach gospodarczych stała si ich fundamentalnym zasobem. W chwili obecnej posiadanie pełnej, terminowej i dokładnej informacji jest podstaw sprawnego zarzdzania organizacj. Jest to szczególnie istotne ze wzgldu na wspieranie funkcji planowana i kontroli firmy. Dysponowanie kompleksowymi i aktualnymi informacjami moe by warunkiem postpu w organizacji i umoliwia realizacj celów i planów. Jednake samo posiadanie duych iloci danych bez umiejtnoci ich wykorzystania sprawia, e staj si one praktycznie bezwartociowe. Wiedza tworzona w organizacji jest wynikiem gromadzenia, analizy oraz syntezy posiadanych informacji. Zdolno odkrywania wiedzy moe usprawni proces podejmowania decyzji oraz pomóc w przewidywaniu i realizowaniu zamierzonych przedsiwzi organizacji. Celem zarzdzania wiedz jest zmiana podejcia z „nie wiesz, czego nie wiesz” na „wiesz, co wiesz” i zastosowania tej wiedzy w celu poprawy efektywnoci organizacji [1]. Jak wiemy, konkurencja jest naturalnym zjawiskiem w gospodarce. Aby osign i utrzyma przewag rynkow naley zbiera dane, analizowa je oraz przetwarza w formie uytecznej dla 186 Remigiusz Lewandowski, Marcin ŁagodziĔski, Eugenia Fronczak WdroĪenie hurtowni danych wspomagającej zarządzanie wiedzą na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy przedsibiorstwa. Wyciganie wniosków z posiadanych informacji, prowadzce do wiedzy i podejmowania odpowiednich decyzji, jest wartoci niezbdn do rozwoju i przetrwania na dzisiejszym rynku [2]. Tym samym, wiele organizacji działajcych na komercyjnych zasadach zmierza w kierunku rozwijania nowatorskich metod zarzdzania wiedz, które póniej s transferowane do innych dziedzin gospodarki. Koncepcja zarzdzania wiedz stosowana w słubie zdrowia wykorzystuje t sam metodologie i wie si z podobnymi problemami. Wdroenie idei zarzdzania wiedz prowadzi do bardziej efektywnego zarzdzania kosztami i wydajniejszego gospodarowania zasobami organizacji. Zastosowanie nowoczesnych narzdzi analitycznych wspierajcych podejmowanie decyzji, pozwala na tworzenie obszaru zarzdzania wiedz w jednostkach słuby zdrowia. Aby zarzdzanie wiedz mogło przynosi korzyci organizacjom opieki zdrowotnej musz zosta spełnione pewne warunki. Koncepcja zarzdzania wiedz składa si z nastpujcych czci: • kultura organizacyjna, • ilo i jako danych i informacji, • procesy, standardy, wytyczne gromadzenia, zarzdzania i rozpowszechniania wiedzy, • technologia, która wspiera pozostałe elementy [1]. Kady z nich stanowi obszar pełen wyzwa dla organizacji słuby zdrowia [3]. Korzyci jakie przynosi koncepcja zarzdzania wiedz sprawiaj, e coraz wicej organizacji stosuje taki model zarzdzania. Rozwizania w zakresie IT i coraz to lepiej wyszkolony personel powoduje, e organizacje umiej pozyskiwa nie tylko wiedz jawn, ale te korzysta z wiedzy ukrytej [4]. Okazuje si, e nie tylko informatyzacja, ale take odpowiedni personel, relacje midzyludzkie, współpraca i wiadomo korzystania z dostpnych narzdzi s bardzo wan czci koncepcji zarzdzania wiedz. Pracownicy współpracuj i dziel si wiedz oraz wspólnie rozwizuj problemy, poniewa maj wiadomo, e współpraca jest kluczow wartoci firmy jak te uwaaj, e s to winni swoim kolegom z pracy [4]. 2. Digitalizacja w jednostkach słuby zdrowia Obecnie nastpuje szeroko pojta komputeryzacja i digitalizacja jednostek słuby zdrowia co głównie prowadzi do gromadzenia danych z wielu obszarów opieki medycznej. Informacje te dotycz midzy innymi administracji, demografii, danych laboratoryjnych czy te monitoringu z urzdze medycznych [5]. Ilo i jako tych danych decyduje o ich wartoci w procesie zarzdzania wiedz. Stany Zjednoczone w duej mierze wyznaczaj trendy w systemach zwizanych z zarzdzaniem wiedz, równie w słubie zdrowia. Włanie to tam podjto pierwsze kroki zmierzajce do implementacji Elektronicznego Rekordu Pacjenta (Electronic Health Record – EHR), tj. indywidualnej elektronicznej dokumentacji medycznej. Pierwsze rekordy medyczne zaczły by stosowane ju w latach 60-tych ubiegłego wieku [6]. Planuje si take, e kady pacjent w USA do 2014 bdzie miał moliwo pełnego dostpu do własnego rekordu medycznego [7]. Około 70 procent szpitali w USA posługuje si Elektronicznym Rekordem Pacjenta w tym 11 procent szpitali w pełni wdroyło go w swoich placówkach [8]. Głównymi celami implementacji EHR jest midzy innymi denie do obnienia kosztów opieki medycznej, zmniejszenie czasu leczenia, a take poprawienie komfortu samej kuracji. Aby wdroy EHR we wszystkich krajach członkowskich Unii Europejskiej, Komisja Europejska poprzez Dyrekcj Generaln do spraw Społeczestwa Informacyjnego i Mediów powołała Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 187 w 2002 roku European Institute for Health Records (EuroRec). EuroRec aktywnie wspiera wprowadzania Elektronicznego Rekordu Pacjenta na poziomie europejskim współpracujc przy tym z organizacjami słuby zdrowia, firmami czy te administracj krajow [9]. Co ciekawe Estonia, jako pierwszy kraj na wiecie wdroyła, a co za tym idzie dała moliwo bezporedniego wgldu do swojego rekordu kademu obywatelowi [10]. Trzeba take wspomnie, e takie kraje jak Wielka Brytania [11], Finlandia, Dania, Niemcy, Czechy czy Hiszpania [12] prowadz zaawansowane prace nad wdroeniem EHR. W 2004 roku Komisja Europejska przyjła Plan działa e-Health (eZdrowie), który ma na celu doprowadzenie do stworzenia ponadgranicznej przestrzeni informacyjnej o zdrowiu [13]. W Polsce planowane jest wdroenie EHR zwanego Zintegrowanym System Informacji Medycznej o Pacjencie (SIM) zgodnie z rzdowym projektem informatyzacji publicznej słuby zdrowia „e-Zdrowie Polska 2009–2015”. Wprowadzenie SIM bdzie niosło za sob stworzenie centralnych baz danych i rejestrów, a tym samym ułatwienie dostpu do informacji medycznej pacjentom słuby zdrowia [14]. 3. Odkrywanie wiedzy Ogromny wzrost iloci medycznych baz danych i repozytoriów medycznych przedstawia szerokie moliwoci wykorzystania ich do eksploracji danych dla odkrywania wiedzy [15]. Jednake same przetwarzanie informacji przy uyciu podstawowych metod nie zawsze daj zadawalajce odpowied i na stawiane hipotezy. Tym samym warto zastosowa bardziej złoone metody eksploracji czy te drenia danych (Data Mining) w celu odkrycia zalenoci, nie kierujc si przy tym z góry ustalonymi hipotezami [16]. Eksploracja danych to proces odkrywania nowych, wczeniej nieznanych, potencjalnie uytecznych, zrozumiałych i poprawnych wzorców w bardzo duych wolumenach danych [17]. W procesie Data Mining wydobywanie nowej wiedzy nastpuje za pomoc matematycznej i statystycznej analizy danych, technologii bazodanowej, technik rozpoznawania wzorców, technik uczenia maszyn i sztucznej inteligencji. Ta nowa praktyczna wiedza wydobyta z duych zbiorów danych jest wykorzystywana do wspomagania procesu podejmowania decyzji i rozwizywania problemów, a take do prognozowania i planowania. W procesie eksploracji danych najpierw s przygotowywane dane w taki sposób, aby były poprawne, zgodne i istotne dla analizowanego problemu. Nastpnym etapem jest drenie danych czyli poznanie cech i własnoci analizowanych danych. Etap analizy i oceny danych dobiera odpowiednie metody do rozwizania problemu i uzyskania uytecznej informacji. Na tym etapie dziki wykorzystaniu rónych technik, reguł, zalenoci i algorytmów powstaje pewien okrelony model lub kilka modeli danych. Ostatnim etapem jest zastosowanie modelu, który daje najlepsze wyniki. Proces eksploracji danych jest bardzo złoonym i skomplikowanym procesem. Czsto zachodzi konieczno powtarzania poszczególnych etapów albo zmniejszania obszaru poszukiwa ze wzgldu na złoono danych i zalenoci midzy nimi. Poza tym efektywne stosowanie technologii Data Mining wymaga nie tylko znajomoci wiedzy specjalistycznej, ale take zdolnoci rozumienia problemów i ich przełoenia na właciwe techniki analityczne oraz zaangaowania uytkowników procesu. Podczas eksploracji danych wykorzystuje si zwykle metody sztucznej inteligencji, analiz skupie, czy wizualizacj danych [5]. Metody sztucznej inteligencji były wykorzystane midzy innymi we wsparciu decyzji medycznych w diagnostyce i prognostyce w onkologii [18]. Tym 188 Remigiusz Lewandowski, Marcin ŁagodziĔski, Eugenia Fronczak WdroĪenie hurtowni danych wspomagającej zarządzanie wiedzą na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy samym zastosowanie technik eksploracji danych w celu odkrywania wiedzy z obszernych baz danych, moe by krokiem w kierunku lepszego zarzdzania wiedz w organizacjach słuby zdrowia. Wymiernymi korzyciami jakie płyn z zastosowania Data Mining jest znalezienie pewnych reguł dotyczcych funkcjonowania samej firmy, jak równie pomoc w zarzdzaniu relacjami z otoczeniem [19]. Systemy dostarczajce informacj maj kluczowe znaczenie dla wspierania planowania oraz kontroli w organizacji. Aktualne i cisłe dane s niezmiernie wane dla weryfikacji postpu realizacji zamierzonych planów oraz wdraania ich w ycie. Jak wiadomo same gromadzenie danych nie gwarantuje ich miarodajnego wykorzystania. Technologie Informacyjne znajduj coraz to szersze zastosowania w jednostkach słuby zdrowia midzy innymi w aspektach bezporednio dotyczcych terapii pacjenta, jak równie zwizanych z sektorem zarzdzania tj. gospodark materiałow, dostawami, logistyk, zaopatrzeniem leków, co jest w zgodzie ze standardami okrelanymi przez Narodowy Fundusz Zdrowia. Gromadzone informacje przechowywane s w bazach danych, które poprzez systemy analityczne winny by wykorzystane bezporednio w zarzdzaniu wiedz organizacji. Kolejnym etapem informatyzacji zachodzcej w jednostkach słuby zdrowia jest, coraz czstsze wdraanie Hurtowni Danych z aplikacjami Business Intelligence (BI). Pozwala to integrowa, coraz to wicej informacji pochodzcych z rónych ródeł jak aparatura medyczna, procedury rozpoznania, informacje dotyczce demografii pacjenta, czy te inne dane kosztowe. 4. Hurtownia Danych i Business Intelligence Obecnie ze wzgldu na informatyzacj praktycznie kada dziedzina aktywnoci człowieka wymaga zastosowania systemu bazy danych. Konieczno obsługiwania coraz to wikszych zbiorów informacji i poprawa funkcjonalnoci wpływa na rozwój systemów baz danych. Ze wzgldu na ilo i złoono gromadzonych danych oraz konieczno analizowania, rozumienia i wykorzystania tych coraz to wikszych zbiorów danych buduje si hurtownie danych. Stosowanie hurtowni danych pozwala na uporzdkowanie i usystematyzowanie zasobów informatycznych w przedsibiorstwie oraz daje moliwo opanowania danych rozproszonych po rónych systemach informatycznych [2]. Hurtownia danych to tematyczna, zintegrowana, zmienna w czasie składnica nieulotnych danych, przeznaczona do wspierania procesów podejmowania decyzji [20]. Hurtownia danych przechowuje uporzdkowane i ujednolicone informacje, łczy dane pochodzce z ronych ródeł i zapamituje je w rónych przedziałach czasowych. Informacje w hurtowni danych mog by tylko odczytywane i nie ma moliwoci ich modyfikacji, dziki temu mona je wykorzystywa do porówna i analiz. Z tego powodu dane pochodzce z hurtowni danych s najlepszymi danymi do procesu eksploracji danych. Systemy klasy Business Intelligence pozwalaj na analiz zawartoci baz danych. Systemy te oferuj wiele narzdzi analitycznych m.in. narzdzia słuce do wielowymiarowej analizy wartoci w czasie rzeczywistym (OLAP – On-Line Analitical Processing) oraz narzdzia inteligentnej eksploracji danych (Data Mining). Biznes Intelligence jest definiowany przez firm Gartner jako zorientowany na uytkownika proces zbierania, eksploracji, interpretacji i analizy danych, który prowadzi do usprawnienia i zracjonalizowania procesu podejmowania decyzji. Systemy te wspieraj kadr menadersk w celu podejmowania decyzji i rozwoju przedsibiorstwa [21]. Narzdzia analityczne klasy OLAP, dziki moliwoci definiowania kryteriów przez uytkownika i przeszukiwania duych zbiorów danych, umoliwiaj wielowymiarow analiz danych Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 189 wybranych pod ktem połczonych ze sob relacji. Narzdzia te wspomagaj proces budowy zestawie dla uytkowników na kadym poziomie. 5. Hurtownia Danych w Centrum Onkologii im. F. Łukaszczyka w Bydgoszczy Obecnie w Centrum Onkologii (CO) jest wdraana hurtownia danych przy zastosowaniu narzdzi Microsoft SQL Server 2008. Hurtownia danych bdzie miała za zadanie integrowa informacje z wielu specjalistycznych baz danych działajcych w Centrum Onkologii. Informacje, które bd trafia do hurtowni danych pochodzi bd z rónych sfer działalnoci CO tzn. ze sfery zwizanej z administracj, kosztami, zarzdzaniem, jak równie zwizanych bezporednio ze zdrowiem pacjentów. Informacje dotyczce pacjentów obejmuj midzy innymi: procedury (zgodnie z Midzynarodow Klasyfikacj Chorób i Problemów Zdrowotnych ICD-9 - ang. International Statistical Classification of Diseases and Related Health Problems), rozpoznania (zgodnie z klasyfikacj ICD-10), typ guza, typ raka, TNM (system słucy do okrelania stopnia zaawansowania klinicznego nowotworu), okres pobytu w szpitalu, leki, terapia, okres przyjmowania leków, informacja genetyczna, laboratoryjna, historia choroby, epikryza, itp. Zakłada si, e hurtownia danych bdzie słuy do tworzenia projektów naukowobadawczych, jak i utylitarnych. Projekty naukowo-badawcze bd miały na celu analizowanie danych biomedycznych dla optymalizacji terapii, jak i zwikszenie komfortu leczenia i ycia pacjentów. Ponadto streszczenia realizowanych projektów, jak i meta dane publikacji, bd zamieszczane na stronach Internetowego Serwera Wiedzy Onkologicznej Centrum Onkologii w Bydgoszczy. Natomiast celem projektów utylitarnych bdzie bezporedni wpływ na rozwój Centrum Onkologii poprzez dostarczanie kierownictwu (dziki kostkom OLAP) jak najbardziej dokładnych informacji w wybranym okresie czasu, jak równie zastosowanie aplikacji systemów Business Intelligence z analizami Data Mining. Obecnie z powodzeniem udało si zbudowa pilotaow kostk OLAP dotyczc „Szybkoci reakcji Centrum Onkologii na rozpoznanie nowotworu w latach 2000–2010”. Pierwszym etapem technicznym realizacji kostki OLAP było zebranie danych pochodzcych z rónych autonomicznych baz danych CO. W tym przypadku dokonano wyboru danych, zgromadzonych głównie w zintegrowanym systemie MedInf, który wspiera zarzdzanie oraz obsług pacjentów w Centrum Onkologii. Istotnym, oraz do wymagajcym elementem implementacji było stworzenie struktury interfejsów umoliwiajcych dostarczanie informacji do hurtowni danych. Nastpnie dokonano scalenia danych w hurtowni; w tym celu wykorzystano narzdzie SSIS (SQL Server Integration Services) firmy Microsoft. Technologia ta pozwoliła take na oczyszczenie i zachowanie wewntrznej spójnoci danych. 190 Remigiusz Lewandowski, Marcin ŁagodziĔski, Eugenia Fronczak WdroĪenie hurtowni danych wspomagającej zarządzanie wiedzą na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy Rysunek 1. Przepływ danych dotyczący scalania spotkaĔ pacjentów z ICD-10 i zabiegów z kontrolą przyrostowoĞci danych ródło: Opracowanie własne. Kolejnym etapem było utworzenie tabeli wymiarów. Ustawiono importowania danych przyrostowo i zautomatyzowano procesy w celu okresowej aktualizacji danych. Wykonano, take transformacje danych w celu utworzenia tabeli faktów. Ze wzgldu na brak niektórych danych w okresie pocztkowym rozwijania si systemu medycznego naleało wykona pewne ograniczenia w celu utrzymania rzetelnoci i jakoci danych. Po utworzeniu struktur wymiarów i faktów wykonano kostk analityczn OLAP. W uproszczeniu kosk mona traktowa jako wielowymiarow baz danych przechowujc dane w sposób przypominajcy wielowymiarowe arkusze kalkulacyjne. Do utworzenia kostki wykorzystano SSAS (SQL Server Analysis Services) firmy Microsoft. Pierwszym etapem było utworzenia ródła danych, czyli połczenia z serwerem hurtowni danych, a nastpnie widoku ródła danych, który jest logicznym odwzorowaniem fizycznych wymiarów i faktów w ródłowej bazie danych. Nastpnie wykonano powizanie tabel i faktów i wymiarów za pomoc relacji i kluczy podstawowych. Utworzono wymiary, czyli dodano do miar kontekst i znaczenie. Ogólnie rzecz biorc wymiary słu do grupowania i filtrowania danych analitykowi. Wykonano take stany i trendy wartoci mierzonych. W celu utworzenia kostki i umieszczenia na serwerze wykonano procesowanie. Kost- Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 191 ka została przygotowana do okresowego i przyrostowego procesowania. Do raportowania, czyli prezentacji wyników wykorzystano SSRS (SQL Server Reporting Services) firmy Microsoft. Utworzono i udostpniono dla kierownictwa CO przykładowe raporty i analizy oparte o kostk, z uwzgldnieniem subskrypcji raportów. Ustalenie czstotliwoci wysyłki raportów zaley w głównej mierze od kierownika zainteresowanego działu w Centrum Onkologii. Rysunek 2. Kostka- relacje, miary i wymiary, dla utworzonych wymiarów ródło: Opracowanie własne. Wartociami mierzonymi kostki była liczba pacjentów, rednia dni od spotkania do rozpoznania, rednia dni od rozpoznania do zabiegu, rednia dni od spotkania do zabiegu. Natomiast wymiary kostki stanowiły kody ICD-10, Data spotkania w przychodni, pacjenci, komórka organizacyjna kierujca na zabieg, rodzaj zabiegu, komórka organizacyjna, w której postawiono rozpoznanie nowotworowe, komórka organizacyjna, w której miało miejsce pierwsze spotkanie pacjenta w Centrum. 192 Remigiusz Lewandowski, Marcin ŁagodziĔski, Eugenia Fronczak WdroĪenie hurtowni danych wspomagającej zarządzanie wiedzą na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy Rysunek 3. Przykładowy status wartoĞci mierzonej, ukazujący trend spadkowy Ğredniej iloĞci dni od pierwszej wizyty pacjenta do rozpoznania nowotworu ródło: Opracowanie własne. Wykonanie kostki pozwoliło zaobserwowa w latach 2000–2010 trendu spadkowego redniej iloci dni od pierwszej wizyty pacjenta do rozpoznania nowotworu, a co za tym idzie istotnie zwikszyła si szybko reakcji Centrum Onkologii na rozpoznanie nowotworu przy jednoczesnym znaczcym wzrocie iloci pacjentów. 6. Podsumowanie Proces tworzenia hurtowni danych w jednostkach słuby zdrowia jest złoony i pracochłonny, szczególnie w odniesieniu do duych wolumenów rónorodnych danych generowanych przez wiele systemów specjalistycznych. Midzy innymi integracja danych biomedycznych pochodzcych z wielu ródeł jest dobrym tego przykładem. Eksport danych medycznych czsto zapisywanych w formie tekstowej okazuje si by nie lada wyzwaniem. W procesie eksportu danych naley równie pamita na ewolucje samych systemów informatycznych słucych do zbierania informacji medycznych, czsto te same terminy mog by inaczej definiowane przez róne uytkowników. W kolejnym krokiem bdzie zastosowanie kostek OLAP w obszarze finansowo-medycznym z ujciem polityki kosztowej, jak równie wykorzystanie do projektów naukowo-badawczych midzy innymi w radioterapii. Centrum Onkologii wpisuje si w nurt wiatowych trendów technologii informacyjnych stosowanych w wiodcych jednostkach opieki zdrowotnej na wiecie. Mona równie zakłada, e wdroenie hurtowni danych i zastosowanie Business Intelligence w ewidentny sposób przyczyni si do efektywniejszego zarzdzania wiedz w tej jednostce. Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 193 Bibliografia [1] Frckiewicz-Wronka, A. and Austin, A. Od zarzdzania informacj do tworzenia wiedzy – zastosowanie ICT w organizacjach sektora zdrowotnego. Wydawnictwo Uniwersytety lskiego, City, 2008. [2] Bies, G. Business intelligence w ochronie zdrowia. Wydawnictwo Uniwersytety lskiego, City, 2008. [3] ASTHO. Knowledge management for public health professionals. Raport Association of State and Territorial Health Officials, Washington, DC, 2005. [4] Kisielnicki, J. Zarzdzanie wiedz we współczesnych organizacjach, Rozdział z pracy zbiorowej pt.: Zarzdzanie wiedz w systemach informacyjnych. Wydawnictwo Akademii Ekonomicz-nej we Wrocławiu, Wrocław, 2004. [5] Lavrac, N. Selected techniques for data mining in medicine. Artificial Intelligence in Medicine, 16, 1 1999), 3–23. [6] NIH. Electronic Health Records Overview. National Institutes of Health, National Center for Research Resources, 2006. [7] PMC. The Case for Personalized Medicine. Personalized Medicine Coalition, 2009. [8] AHA. Continued Progress Hospital Use of Information Technology. American Hospital Association, 2007. [9] EuroRec. Articles of Association. European Institute for Health Records, 2009. [10] Madis, T. and Ross, P. Patient Opportunities in the Estonian Electronic Health Record System. City, 2010. [11] Greenhalgh, T., Stramer, K., Bratan, T., Byrne, E., Russell, J. and Potts, H. W. W. Adoption and non-adoption of a shared electronic summary record in England: a mixed-method case study. BMJ, 3402010). [12] Nyczaj, K. Czy marzenia o internetowym koncie pacjenta si spełni? Nowoczesna Klinika2010). [13] EC. e-Health - making healthcare better for European citizens: An action plan for a European e-Health Area. Commission of the European Communities, Brussels, 2004. [14] MZ. Strategia e-Zdrowie Polska 2009–2015. Ministerstwo Zdrowia, 2009. [15] Lewandowski, R., Roszkowski, K. and Lewandowska, M. A. Personalized medicine in oncology: vision or realistic concept? Contemporary Oncology, in press 2011). [16] Mullins, I. M., Siadaty, M. S., Lyman, J., Scully, K., Garrett, C. T., Greg Miller, W., Muller, R., Robson, B., Apte, C., Weiss, S., Rigoutsos, I., Platt, D., Cohen, S. and Knaus, W. A. Data mining and clinical data repositories: Insights from a 667,000 patient data set. Computers in Biology and Medicine, 36, 12 2006), 1351–1377. [17] Fayyad, U., Piatetsky-Shapiro, G., Smyth, P. and Uthurusamy, R. Advances in Knowledge Discovery and Data Mining. AAAI/MIT Press, 1996. [18] Schwarzer, G., Vach, W. and Schumacher, M. On the misuses of artificial neural networks for prognostic and diagnostic classification in oncology. Statistics in Medicine, 19, 4 2000), 541– 561. [19] Fronczak, E. and Michalcewicz, M. Zastosowanie narzdzi eksploracji danych Data Mining do tworzenia modeli zarzdzania wiedz. Studia i Materiały Polskiego Stowarzyszenia Zarzdzania Wiedz, 272010), 126–139. [20] Inmon, W. H. Building the Data Warehouse, 1991. 194 Remigiusz Lewandowski, Marcin ŁagodziĔski, Eugenia Fronczak WdroĪenie hurtowni danych wspomagającej zarządzanie wiedzą na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy [21] Surma, J. Business Intelligence. Systemy wspomagania decyzji biznesowych. Wydawnictwo PWN, Warszawa, 2009. DATA WAREHOUSE IMPLEMENTATION TO SUPPORT KNOWLEDGE MANAGEMENT; A CASE STUDY OF F. ŁUKASZCZYK ONCOLOGY CENTRE IN BYDGOSZCZ, POLAND Summary Data management and knowledge discovery has become an important factor for success for many institutions. Similarly, health care seeks innovative applications for knowledge management, which play a key role in enhancing standards of care. The paper describes the implementation of data warehouse supporting knowledge management in case study of F. Łukaszczyk Oncology Center in Bydgoszcz. Article presents the importance of computerization and application of knowledge discovery in the management of health organizations, as well as the benefits of data warehouse implementation, Business Intelligence, Data Mining, and OLAP technology. Keywords: Business Intelligence, Data warehouse, OLAP, Data Mining, Medical Databases Remigiusz Lewandowski Katedra Informatyki w Zarzdzaniu Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy ul. Prof. S. Kaliskiego 7 bud. 3.1, 85-796 Bydgoszcz Centrum Onkologii im. prof. Franciszka Łukaszczyka w Bydgoszczy ul. dr Izabeli Romanowskiej 2, 85-796 Bydgoszcz e-mail: [email protected] Marcin Łagodziski Proinformatyka Sp. z o.o. ul. dr Izabeli Romanowskiej 2, 85-796 Bydgoszcz Eugenia Fronczak Katedra Informatyki w Zarzdzaniu Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy ul. Prof. S. Kaliskiego 7 bud. 3.1, 85-796 Bydgoszcz