WDRO ENIE HURTOWNI DANYCH WSPOMAGAJ CEJ ZARZ DZANIE WIEDZ NA PRZYKŁADZIE CENTRUM ONKOLOGII IM F. ŁUKASZCZYKA W BYDGOSZCZY

Transkrypt

1 WDRO ENIE HURTOWNI DANYCH WSPOMAGAJ CEJ ZARZ DZANIE WIEDZ NA PRZYKŁADZIE CENTRUM ONKOLOGII IM F. ŁUKASZCZYKA W BYDGOSZCZY REMIGIUSZ LEWANDOWSKI, MARCIN ŁAGODZI SKI, EUGENIA FRONCZAK Streszczenie Dla wielu instytucji, zarz dzanie danymi i wydobywanie z nich wiedzy stało si wa nym czynnikiem umo liwiaj cym osi gni cie sukcesu. Podobnie w słu bie zdrowia d y si do innowacyjnych rozwi za z dziedziny zarz dzania wiedz, odgrywaj cych kluczow rol w podwy szaniu standardów leczenia. W pracy opisano proces wdra ania Hurtowni Danych wspomagaj cej zarz dzanie wiedz na przykładzie Centrum Onkologii im. F. Łukaszczyka w Bydgoszczy. Zaprezentowano znaczenie informatyzacji i wykorzystania odkrytej wiedzy w zarz dzaniu jednostkami ochrony zdrowia, jak równie korzy ci płyn ce z wdro enia Hurtowni Danych, stosowania narz dzi Business Intelligence, Data Mining, czy technologii OLAP. Słowa kluczowe: Business Intelligence, Hurtownia Danych, OLAP, Data Mining, Medyczne Bazy Danych 1. Wst p Powszechny rozwój technologii informacyjnych, umo liwił gromadzenie coraz to wi kszych ilo ci danych oraz ich transfer w organizacjach na niespotykan jak dot d 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 zarz dzania organizacj. Jest to szczególnie istotne ze wzgl du na wspieranie funkcji planowana i kontroli firmy. Dysponowanie kompleksowymi i aktualnymi informacjami mo e by warunkiem post pu w organizacji i umo liwia realizacj celów i planów. Jednak e samo posiadanie du ych ilo ci danych bez umiej tno ci ich wykorzystania sprawia, e staj si one praktycznie bezwarto ciowe. Wiedza tworzona w organizacji jest wynikiem gromadzenia, analizy oraz syntezy posiadanych informacji. Zdolno odkrywania wiedzy mo e usprawni proces podejmowania decyzji oraz pomóc w przewidywaniu i realizowaniu zamierzonych przedsi wzi organizacji. Celem zarz dzania wiedz jest zmiana podej cia z nie wiesz, czego nie wiesz na wiesz, co wiesz i zastosowania tej wiedzy w celu poprawy efektywno ci organizacji [1]. Jak wiemy, konkurencja jest naturalnym zjawiskiem w gospodarce. Aby osi gn i utrzyma przewag rynkow nale y zbiera dane, analizowa je oraz przetwarza w formie u ytecznej dla

2 186 Remigiusz Lewandowski, Marcin Łagodzi ski, Eugenia Fronczak Wdro enie hurtowni danych wspomagaj cej zarz dzanie wiedz na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy przedsi biorstwa. Wyci ganie wniosków z posiadanych informacji, prowadz ce do wiedzy i podejmowania odpowiednich decyzji, jest warto ci niezb dn do rozwoju i przetrwania na dzisiejszym rynku [2]. Tym samym, wiele organizacji działaj cych na komercyjnych zasadach zmierza w kierunku rozwijania nowatorskich metod zarz dzania wiedz, które pó niej s transferowane do innych dziedzin gospodarki. Koncepcja zarz dzania wiedz stosowana w słu bie zdrowia wykorzystuje t sam metodologie i wi e si z podobnymi problemami. Wdro enie idei zarz dzania wiedz prowadzi do bardziej efektywnego zarz dzania kosztami i wydajniejszego gospodarowania zasobami organizacji. Zastosowanie nowoczesnych narz dzi analitycznych wspieraj cych podejmowanie decyzji, pozwala na tworzenie obszaru zarz dzania wiedz w jednostkach słu by zdrowia. Aby zarz dzanie wiedz mogło przynosi korzy ci organizacjom opieki zdrowotnej musz zosta spełnione pewne warunki. Koncepcja zarz dzania wiedz składa si z nast puj cych cz ci: kultura organizacyjna, ilo i jako danych i informacji, procesy, standardy, wytyczne gromadzenia, zarz dzania i rozpowszechniania wiedzy, technologia, która wspiera pozostałe elementy [1]. Ka dy z nich stanowi obszar pełen wyzwa dla organizacji słu by zdrowia [3]. Korzy ci jakie przynosi koncepcja zarz dzania wiedz sprawiaj, e coraz wi cej organizacji stosuje taki model zarz dzania. Rozwi zania 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 tak e odpowiedni personel, relacje mi dzyludzkie, współpraca i wiadomo korzystania z dost pnych narz dzi s bardzo wa n cz ci koncepcji zarz dzania wiedz. Pracownicy współpracuj i dziel si wiedz oraz wspólnie rozwi zuj problemy, poniewa maj wiadomo, e współpraca jest kluczow warto ci firmy jak te uwa aj, e s to winni swoim kolegom z pracy [4]. 2. Digitalizacja w jednostkach słu by zdrowia Obecnie nast puje szeroko poj ta komputeryzacja i digitalizacja jednostek słu by zdrowia co głównie prowadzi do gromadzenia danych z wielu obszarów opieki medycznej. Informacje te dotycz mi dzy innymi administracji, demografii, danych laboratoryjnych czy te monitoringu z urz dze medycznych [5]. Ilo i jako tych danych decyduje o ich warto ci w procesie zarz dzania wiedz. Stany Zjednoczone w du ej mierze wyznaczaj trendy w systemach zwi zanych z zarz dzaniem wiedz, równie w słu bie zdrowia. Wła nie to tam podj to pierwsze kroki zmierzaj ce do implementacji Elektronicznego Rekordu Pacjenta (Electronic Health Record EHR), tj. indywidualnej elektronicznej dokumentacji medycznej. Pierwsze rekordy medyczne zacz ły by stosowane ju w latach 60-tych ubiegłego wieku [6]. Planuje si tak e, e ka dy pacjent w USA do 2014 b dzie miał mo liwo pełnego dost pu do własnego rekordu medycznego [7]. Około 70 procent szpitali w USA posługuje si Elektronicznym Rekordem Pacjenta w tym 11 procent szpitali w pełni wdro yło go w swoich placówkach [8]. Głównymi celami implementacji EHR jest mi dzy innymi d enie do obni enia kosztów opieki medycznej, zmniejszenie czasu leczenia, a tak e poprawienie komfortu samej kuracji. Aby wdro y EHR we wszystkich krajach członkowskich Unii Europejskiej, Komisja Europejska poprzez Dyrekcj Generaln do spraw Społecze stwa Informacyjnego i Mediów powołała

3 Studies & Proceedings of Polish Association for Knowledge Management Nr 37, w 2002 roku European Institute for Health Records (EuroRec). EuroRec aktywnie wspiera wprowadzania Elektronicznego Rekordu Pacjenta na poziomie europejskim współpracuj c przy tym z organizacjami słu by zdrowia, firmami czy te administracj krajow [9]. Co ciekawe Estonia, jako pierwszy kraj na wiecie wdro yła, a co za tym idzie dała mo liwo bezpo redniego wgl du do swojego rekordu ka demu obywatelowi [10]. Trzeba tak e wspomnie, e takie kraje jak Wielka Brytania [11], Finlandia, Dania, Niemcy, Czechy czy Hiszpania [12] prowadz zaawansowane prace nad wdro eniem EHR. W 2004 roku Komisja Europejska przyj ła Plan działa e-health (e- Zdrowie), który ma na celu doprowadzenie do stworzenia ponadgranicznej przestrzeni informacyjnej o zdrowiu [13]. W Polsce planowane jest wdro enie EHR zwanego Zintegrowanym System Informacji Medycznej o Pacjencie (SIM) zgodnie z rz dowym projektem informatyzacji publicznej słu by zdrowia e-zdrowie Polska Wprowadzenie SIM b dzie niosło za sob stworzenie centralnych baz danych i rejestrów, a tym samym ułatwienie dost pu do informacji medycznej pacjentom słu by zdrowia [14]. 3. Odkrywanie wiedzy Ogromny wzrost ilo ci medycznych baz danych i repozytoriów medycznych przedstawia szerokie mo liwo ci wykorzystania ich do eksploracji danych dla odkrywania wiedzy [15]. Jednak e same przetwarzanie informacji przy u yciu podstawowych metod nie zawsze daj zadawalaj ce odpowied i na stawiane hipotezy. Tym samym warto zastosowa bardziej zło one metody eksploracji czy te dr enia danych (Data Mining) w celu odkrycia zale no ci, nie kieruj c si przy tym z góry ustalonymi hipotezami [16]. Eksploracja danych to proces odkrywania nowych, wcze niej nieznanych, potencjalnie u ytecznych, zrozumiałych i poprawnych wzorców w bardzo du ych wolumenach danych [17]. W procesie Data Mining wydobywanie nowej wiedzy nast puje za pomoc matematycznej i statystycznej analizy danych, technologii bazodanowej, technik rozpoznawania wzorców, technik uczenia maszyn i sztucznej inteligencji. Ta nowa praktyczna wiedza wydobyta z du ych zbiorów danych jest wykorzystywana do wspomagania procesu podejmowania decyzji i rozwi zywania problemów, a tak e do prognozowania i planowania. W procesie eksploracji danych najpierw s przygotowywane dane w taki sposób, aby były poprawne, zgodne i istotne dla analizowanego problemu. Nast pnym etapem jest dr enie danych czyli poznanie cech i własno ci analizowanych danych. Etap analizy i oceny danych dobiera odpowiednie metody do rozwi zania problemu i uzyskania u ytecznej informacji. Na tym etapie dzi ki wykorzystaniu ró nych technik, reguł, zale no ci i algorytmów powstaje pewien okre lony model lub kilka modeli danych. Ostatnim etapem jest zastosowanie modelu, który daje najlepsze wyniki. Proces eksploracji danych jest bardzo zło onym i skomplikowanym procesem. Cz sto zachodzi konieczno powtarzania poszczególnych etapów albo zmniejszania obszaru poszukiwa ze wzgl du na zło ono danych i zale no ci mi dzy nimi. Poza tym efektywne stosowanie technologii Data Mining wymaga nie tylko znajomo ci wiedzy specjalistycznej, ale tak e zdolno ci rozumienia problemów i ich przeło enia na wła ciwe techniki analityczne oraz zaanga owania u ytkowników procesu. Podczas eksploracji danych wykorzystuje si zwykle metody sztucznej inteligencji, analiz skupie, czy wizualizacj danych [5]. Metody sztucznej inteligencji były wykorzystane mi dzy innymi we wsparciu decyzji medycznych w diagnostyce i prognostyce w onkologii [18]. Tym

4 188 Remigiusz Lewandowski, Marcin Łagodzi ski, Eugenia Fronczak Wdro enie hurtowni danych wspomagaj cej zarz dzanie wiedz na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy samym zastosowanie technik eksploracji danych w celu odkrywania wiedzy z obszernych baz danych, mo e by krokiem w kierunku lepszego zarz dzania wiedz w organizacjach słu by zdrowia. Wymiernymi korzy ciami jakie płyn z zastosowania Data Mining jest znalezienie pewnych reguł dotycz cych funkcjonowania samej firmy, jak równie pomoc w zarz dzaniu relacjami z otoczeniem [19]. Systemy dostarczaj ce informacj maj kluczowe znaczenie dla wspierania planowania oraz kontroli w organizacji. Aktualne i cisłe dane s niezmiernie wa ne dla weryfikacji post pu realizacji zamierzonych planów oraz wdra ania ich w ycie. Jak wiadomo same gromadzenie danych nie gwarantuje ich miarodajnego wykorzystania. Technologie Informacyjne znajduj coraz to szersze zastosowania w jednostkach słu by zdrowia mi dzy innymi w aspektach bezpo rednio dotycz cych terapii pacjenta, jak równie zwi zanych z sektorem zarz dzania tj. gospodark materiałow, dostawami, logistyk, zaopatrzeniem leków, co jest w zgodzie ze standardami okre lanymi przez Narodowy Fundusz Zdrowia. Gromadzone informacje przechowywane s w bazach danych, które poprzez systemy analityczne winny by wykorzystane bezpo rednio w zarz dzaniu wiedz organizacji. Kolejnym etapem informatyzacji zachodz cej w jednostkach słu by zdrowia jest, coraz cz stsze wdra anie Hurtowni Danych z aplikacjami Business Intelligence (BI). Pozwala to integrowa, coraz to wi cej informacji pochodz cych z ró nych ródeł jak aparatura medyczna, procedury rozpoznania, informacje dotycz ce demografii pacjenta, czy te inne dane kosztowe. 4. Hurtownia Danych i Business Intelligence Obecnie ze wzgl du na informatyzacj praktycznie ka da dziedzina aktywno ci człowieka wymaga zastosowania systemu bazy danych. Konieczno obsługiwania coraz to wi kszych zbiorów informacji i poprawa funkcjonalno ci wpływa na rozwój systemów baz danych. Ze wzgl du na ilo i zło ono gromadzonych danych oraz konieczno analizowania, rozumienia i wykorzystania tych coraz to wi kszych zbiorów danych buduje si hurtownie danych. Stosowanie hurtowni danych pozwala na uporz dkowanie i usystematyzowanie zasobów informatycznych w przedsi biorstwie oraz daje mo liwo opanowania danych rozproszonych po ró nych systemach informatycznych [2]. Hurtownia danych to tematyczna, zintegrowana, zmienna w czasie składnica nieulotnych danych, przeznaczona do wspierania procesów podejmowania decyzji [20]. Hurtownia danych przechowuje uporz dkowane i ujednolicone informacje, ł czy dane pochodz ce z ro nych ródeł i zapami tuje je w ró nych przedziałach czasowych. Informacje w hurtowni danych mog by tylko odczytywane i nie ma mo liwo ci ich modyfikacji, dzi ki temu mo na je wykorzystywa do porówna i analiz. Z tego powodu dane pochodz ce z hurtowni danych s najlepszymi danymi do procesu eksploracji danych. Systemy klasy Business Intelligence pozwalaj na analiz zawarto ci baz danych. Systemy te oferuj wiele narz dzi analitycznych m.in. narz dzia słu ce do wielowymiarowej analizy warto ci w czasie rzeczywistym (OLAP On-Line Analitical Processing) oraz narz dzia inteligentnej eksploracji danych (Data Mining). Biznes Intelligence jest definiowany przez firm Gartner jako zorientowany na u ytkownika proces zbierania, eksploracji, interpretacji i analizy danych, który prowadzi do usprawnienia i zracjonalizowania procesu podejmowania decyzji. Systemy te wspieraj kadr menad ersk w celu podejmowania decyzji i rozwoju przedsi biorstwa [21]. Narz dzia analityczne klasy OLAP, dzi ki mo liwo ci definiowania kryteriów przez u ytkownika i przeszukiwania du ych zbiorów danych, umo liwiaj wielowymiarow analiz danych

5 Studies & Proceedings of Polish Association for Knowledge Management Nr 37, wybranych pod k tem poł czonych ze sob relacji. Narz dzia te wspomagaj proces budowy zestawie dla u ytkowników na ka dym poziomie. 5. Hurtownia Danych w Centrum Onkologii im. F. Łukaszczyka w Bydgoszczy Obecnie w Centrum Onkologii (CO) jest wdra ana hurtownia danych przy zastosowaniu narz dzi Microsoft SQL Server Hurtownia danych b dzie miała za zadanie integrowa informacje z wielu specjalistycznych baz danych działaj cych w Centrum Onkologii. Informacje, które b d trafia do hurtowni danych pochodzi b d z ró nych sfer działalno ci CO tzn. ze sfery zwi zanej z administracj, kosztami, zarz dzaniem, jak równie zwi zanych bezpo rednio ze zdrowiem pacjentów. Informacje dotycz ce pacjentów obejmuj mi dzy innymi: procedury (zgodnie z Mi dzynarodow 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 słu cy do okre lania 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 b dzie słu y do tworzenia projektów naukowobadawczych, jak i utylitarnych. Projekty naukowo-badawcze b d miały na celu analizowanie danych biomedycznych dla optymalizacji terapii, jak i zwi kszenie komfortu leczenia i ycia pacjentów. Ponadto streszczenia realizowanych projektów, jak i meta dane publikacji, b d zamieszczane na stronach Internetowego Serwera Wiedzy Onkologicznej Centrum Onkologii w Bydgoszczy. Natomiast celem projektów utylitarnych b dzie bezpo redni wpływ na rozwój Centrum Onkologii poprzez dostarczanie kierownictwu (dzi ki 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 pilota ow kostk OLAP dotycz c Szybko ci reakcji Centrum Onkologii na rozpoznanie nowotworu w latach Pierwszym etapem technicznym realizacji kostki OLAP było zebranie danych pochodz cych z ró nych autonomicznych baz danych CO. W tym przypadku dokonano wyboru danych, zgromadzonych głównie w zintegrowanym systemie MedInf, który wspiera zarz dzanie oraz obsług pacjentów w Centrum Onkologii. Istotnym, oraz do wymagaj cym elementem implementacji było stworzenie struktury interfejsów umo liwiaj cych dostarczanie informacji do hurtowni danych. Nast pnie dokonano scalenia danych w hurtowni; w tym celu wykorzystano narz dzie SSIS (SQL Server Integration Services) firmy Microsoft. Technologia ta pozwoliła tak e na oczyszczenie i zachowanie wewn trznej spójno ci danych.

6 190 Remigiusz Lewandowski, Marcin Łagodzi ski, Eugenia Fronczak Wdro enie hurtowni danych wspomagaj cej zarz dzanie wiedz na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy Rysunek 1. Przepływ danych dotycz cy scalania spotka pacjentów z ICD-10 i zabiegów z kontrol przyrostowo ci danych ródło: Opracowanie własne. Kolejnym etapem było utworzenie tabeli wymiarów. Ustawiono importowania danych przyrostowo i zautomatyzowano procesy w celu okresowej aktualizacji danych. Wykonano, tak e transformacje danych w celu utworzenia tabeli faktów. Ze wzgl du na brak niektórych danych w okresie pocz tkowym rozwijania si systemu medycznego nale ało wykona pewne ograniczenia w celu utrzymania rzetelno ci i jako ci danych. Po utworzeniu struktur wymiarów i faktów wykonano kostk analityczn OLAP. W uproszczeniu kosk mo na traktowa jako wielowymiarow baz danych przechowuj c dane w sposób przypominaj cy wielowymiarowe arkusze kalkulacyjne. Do utworzenia kostki wykorzystano SSAS (SQL Server Analysis Services) firmy Microsoft. Pierwszym etapem było utworzenia ródła danych, czyli poł czenia z serwerem hurtowni danych, a nast pnie widoku ródła danych, który jest logicznym odwzorowaniem fizycznych wymiarów i faktów w ródłowej bazie danych. Nast pnie wykonano powi zanie tabel i faktów i wymiarów za pomoc relacji i kluczy podstawowych. Utworzono wymiary, czyli dodano do miar kontekst i znaczenie. Ogólnie rzecz bior c wymiary słu do grupowania i filtrowania danych analitykowi. Wykonano tak e stany i trendy warto ci mierzonych. W celu utworzenia kostki i umieszczenia na serwerze wykonano procesowanie. Kost-

7 Studies & Proceedings of Polish Association for Knowledge Management Nr 37, ka została przygotowana do okresowego i przyrostowego procesowania. Do raportowania, czyli prezentacji wyników wykorzystano SSRS (SQL Server Reporting Services) firmy Microsoft. Utworzono i udost pniono dla kierownictwa CO przykładowe raporty i analizy oparte o kostk, z uwzgl dnieniem subskrypcji raportów. Ustalenie cz stotliwo ci wysyłki raportów zale y w głównej mierze od kierownika zainteresowanego działu w Centrum Onkologii. Rysunek 2. Kostka- relacje, miary i wymiary, dla utworzonych wymiarów ródło: Opracowanie własne. Warto ciami 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 kieruj ca na zabieg, rodzaj zabiegu, komórka organizacyjna, w której postawiono rozpoznanie nowotworowe, komórka organizacyjna, w której miało miejsce pierwsze spotkanie pacjenta w Centrum.

8 192 Remigiusz Lewandowski, Marcin Łagodzi ski, Eugenia Fronczak Wdro enie hurtowni danych wspomagaj cej zarz dzanie wiedz na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy Rysunek 3. Przykładowy status warto ci mierzonej, ukazuj cy trend spadkowy redniej ilo ci dni od pierwszej wizyty pacjenta do rozpoznania nowotworu ródło: Opracowanie własne. Wykonanie kostki pozwoliło zaobserwowa w latach trendu spadkowego redniej ilo ci dni od pierwszej wizyty pacjenta do rozpoznania nowotworu, a co za tym idzie istotnie zwi kszyła si szybko reakcji Centrum Onkologii na rozpoznanie nowotworu przy jednoczesnym znacz cym wzro cie ilo ci pacjentów. 6. Podsumowanie Proces tworzenia hurtowni danych w jednostkach słu by zdrowia jest zło ony i pracochłonny, szczególnie w odniesieniu do du ych wolumenów ró norodnych danych generowanych przez wiele systemów specjalistycznych. Mi dzy innymi integracja danych biomedycznych pochodz cych z wielu ródeł jest dobrym tego przykładem. Eksport danych medycznych cz sto zapisywanych w formie tekstowej okazuje si by nie lada wyzwaniem. W procesie eksportu danych nale y równie pami ta na ewolucje samych systemów informatycznych słu cych do zbierania informacji medycznych, cz sto te same terminy mog by inaczej definiowane przez ró ne u ytkowników. W kolejnym krokiem b dzie zastosowanie kostek OLAP w obszarze finansowo-medycznym z uj ciem polityki kosztowej, jak równie wykorzystanie do projektów naukowo-badawczych mi dzy innymi w radioterapii. Centrum Onkologii wpisuje si w nurt wiatowych trendów technologii informacyjnych stosowanych w wiod cych jednostkach opieki zdrowotnej na wiecie. Mo na równie zakłada, e wdro enie hurtowni danych i zastosowanie Business Intelligence w ewidentny sposób przyczyni si do efektywniejszego zarz dzania wiedz w tej jednostce.

9 Studies & Proceedings of Polish Association for Knowledge Management Nr 37, Bibliografia [1] Fr ckiewicz-wronka, A. and Austin, A. Od zarz dzania informacj do tworzenia wiedzy zastosowanie ICT w organizacjach sektora zdrowotnego. Wydawnictwo Uniwersytety l skiego, City, [2] Bies, G. Business intelligence w ochronie zdrowia. Wydawnictwo Uniwersytety l skiego, City, [3] ASTHO. Knowledge management for public health professionals. Raport Association of State and Territorial Health Officials, Washington, DC, [4] Kisielnicki, J. Zarz dzanie wiedz we współczesnych organizacjach, Rozdział z pracy zbiorowej pt.: Zarz dzanie wiedz w systemach informacyjnych. Wydawnictwo Akademii Ekonomicz-nej we Wrocławiu, Wrocław, [5] Lavrac, N. Selected techniques for data mining in medicine. Artificial Intelligence in Medicine, 16, ), [6] NIH. Electronic Health Records Overview. National Institutes of Health, National Center for Research Resources, [7] PMC. The Case for Personalized Medicine. Personalized Medicine Coalition, [8] AHA. Continued Progress Hospital Use of Information Technology. American Hospital Association, [9] EuroRec. Articles of Association. European Institute for Health Records, [10] Madis, T. and Ross, P. Patient Opportunities in the Estonian Electronic Health Record System. City, [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, ). [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, [14] MZ. Strategia e-zdrowie Polska Ministerstwo Zdrowia, [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, ), [17] Fayyad, U., Piatetsky-Shapiro, G., Smyth, P. and Uthurusamy, R. Advances in Knowledge Discovery and Data Mining. AAAI/MIT Press, [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, ), [19] Fronczak, E. and Michalcewicz, M. Zastosowanie narz dzi eksploracji danych Data Mining do tworzenia modeli zarz dzania wiedz. Studia i Materiały Polskiego Stowarzyszenia Zarz dzania Wiedz, ), [20] Inmon, W. H. Building the Data Warehouse, 1991.

10 194 Remigiusz Lewandowski, Marcin Łagodzi ski, Eugenia Fronczak Wdro enie hurtowni danych wspomagaj cej zarz dzanie wiedz na przykładzie Centrum Onkologii im f. Łukaszczyka w Bydgoszczy [21] Surma, J. Business Intelligence. Systemy wspomagania decyzji biznesowych. Wydawnictwo PWN, Warszawa, 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 Zarz dzaniu Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy ul. Prof. S. Kaliskiego 7 bud. 3.1, Bydgoszcz Centrum Onkologii im. prof. Franciszka Łukaszczyka w Bydgoszczy ul. dr Izabeli Romanowskiej 2, Bydgoszcz remi@utp.edu.pl Marcin Łagodzi ski Proinformatyka Sp. z o.o. ul. dr Izabeli Romanowskiej 2, Bydgoszcz Eugenia Fronczak Katedra Informatyki w Zarz dzaniu Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy ul. Prof. S. Kaliskiego 7 bud. 3.1, Bydgoszcz