Automatische, Logfile-basierte Prozessanalyse an einem 1,5T-MRT-Scanner der klinischen Routine: Eine Machbarkeitsstudie

Zusammenfassung

Ziel Vor dem Hintergrund stetig wachsender Anforderungen bzgl. Effizienzsteigerung und Scannerauslastung war es das Ziel dieser Machbarkeitsstudie, eine automatisierte Logfile-basierte Prozessanalyse an einem MRT-Scanner der klinischen Routine einzurichten, eine Prozessmetrisierung zu erreichen und Auswertungen der Auslastung, Protokollnutzung, Altersabhängigkeiten und Effizienz durchzuführen.

Material und Methoden Logfiles eines 1,5T-MR-Scanners (Philips Achieva) wurden automatisch exportiert, relevante Daten extrahiert, einer Datenbank zugeführt, zu definierten Ablaufparametern zusammengeführt und mittels PowerBI (Microsoft, USA) visualisiert. Daten wurden tages- und protokollbezogen aggregiert und bezogen auf Regionen und Alterskategorien ausgewertet. Analysen der Häufigkeiten, Identifikation der häufigsten Protokolle und deren Vergleich sowie Effizienzanalysen wurden durchgeführt.

Ergebnisse Nach erfolgreicher Implementierung standen nach Einschluss von 3659 Untersuchungen eine Vielzahl von Ablaufparametern und Bewertungsmöglichkeiten zur Verfügung. Aus diesen wurden Parameter identifiziert, die den Scannerablauf wiedergeben. Erste Ergebnisse spiegelten erfolgreich die täglichen Prozesse und Unterschiede wider, z. B. die verkürzte Messzeit an Freitagen und längere Untersuchungszeiten bei Kindern. Als optimierungswürdig wurde die um Vorbereitungsprozesse bereinigte Scaneffizienz von 69,6 ± 17,6 % ermittelt, die geringe Unterschiede zwischen häufig und selten genutzten Protokollen aufwies.

Schlussfolgerungen Die Logfile-basierte Analyse der Scannerabläufe wurde erfolgreich vorgestellt und öffnet weitreichende Möglichkeiten zur Prozessanalyse, Prozessoptimierung und Kombination mit strukturellen Umgebungsvariablen, die zukünftig für eine intelligentere Ablauf- und Prozesssteuerung eingesetzt werden können.

Kernaussagen: 

• Eine automatisierte Logfile-Analyse der Prozesse eines MRT-Scanners ist erfolgreich eingeführt worden.

• Die Logfile-basierte Analyse erlaubt eine detaillierte Analyse der Abläufe eines Scanners.

• Die Logfile-basierte Prozessanalyse verspricht weitreichenden Nutzen für Anwender, Applikationsspezialist und Entwickler.

Zitierweise

• Frydrychowicz A, Boppel T, Sieber V et al. Automatic, log file-based process analysis of a clinical 1.5T MR scanner: a proof-of-concept study. Fortschr Röntgenstr 2021; 193: 919 – 927

Key words

technical aspects - imaging sequences - health policy and practice - cost-effectiveness - MR-imaging

Publication History

Received: 31 August 2020

Accepted: 22 December 2020

Article published online:
03 February 2021

• References

• 1 Deshmane A, Gulani V, Griswold MA. et al Parallel MR imaging. J Magn Reson Imaging 2012; 36: 55-72 DOI: 10.1002/jmri.23639.
• 2 Teichgraber UK, Gillessen C, Neumann F. [Methods of process management in radiology]. Rofo 2003; 175: 1627-1633 DOI: 10.1055/s-2003-45331.
• 3 O’Brien JJ, Stormann J, Roche K. et al Optimizing MRI Logistics: Focused Process Improvements Can Increase Throughput in an Academic Radiology Department. Am J Roentgenol 2017; 208: W38-W44 DOI: 10.2214/Am J Roentgenol.16.16680.
• 4 Chwang WB, Iv M, Smith J. et al Reducing Functional MR Imaging Acquisition Times by Optimizing Workflow. Radiographics 2017; 37: 316-322 DOI: 10.1148/rg.2017160035.
• 5 Boppel T, Frydrychowicz A, Schramm P. et al Introducing a logfile-based MR workflow analysis and efficacy analysis of compressed SENSE acceleration. Las Vegas, USA: ASNR; 2020
• 6 Kuhnert N, Lindenmayr O, Maier A. Classification of Body Regions Based on MRI Log Files. In: R KMWMB ed, 10th International Conference on Computer Recognition Systems CORES 2017 Springer; 2017
• 7 Gunn ML, Maki JH, Hall C. et al Improving MRI Scanner Utilization Using Modality Log Files. J Am Coll Radiol 2017; 14: 783-786 DOI: 10.1016/j.jacr.2016.11.021.
• 8 Andre J, Amthor T, Hall C. et al Radiological Assessment of Patient Motion Correlated with the Incidence of Repeat Sequences Documented by Log Files. Washington, USA: 54th Annual Meeting ASNR; 2016
• 9 Denck J, Landschutz W, Nairz K. et al Automated Billing Code Retrieval from MRI Scanner Log Data. J Digit Imaging 2019; 32: 1103-1111 DOI: 10.1007/s10278-019-00241-z.
• 10 Turney J. Six Sigma and Lean Six Sigma. Radiol Technol 2007; 79: 191-192
• 11 Bahensky JA, Roe J, Bolton R. Lean sigma – will it work for healthcare?. J Healthc Inf Manag 2005; 19: 39-44
• 12 Roth CJ, Boll DT, Wall LK. et al Evaluation of MRI acquisition workflow with lean six sigma method: case study of liver and knee examinations. Am J Roentgenol 2010; 195: W150-W156 DOI: 10.2214/AJR.09.3678.
• 13 Kruskal JB, Reedy A, Pascal L. et al Quality initiatives: lean approach to improving performance and efficiency in a radiology department. Radiographics 2012; 32: 573-587 DOI: 10.1148/rg.322115128.
• 14 Beker K, Garces-Descovich A, Mangosing J. et al Optimizing MRI Logistics: Prospective Analysis of Performance, Efficiency, and Patient Throughput. Am J Roentgenol 2017; 209: 836-844 DOI: 10.2214/AJR.16.17698.