Eine Studie, drei Dokumenttypen:
Radiologie-, Pathologie- und Entlassungsberichte in einer Tabelle
Ihre onkologische Retrospektivstudie benötigt die Tumorgröße aus dem Radiologiebefund, den Histologiegrad aus dem Pathologiebefund und die Verweildauer aus dem Entlassungsbericht. Bei 200 Patienten sind das jeweils drei Dokumente. Drei Formate, drei Konventionssätze, ein Datensatz. Die Daten existieren; sie sind über Dokumenttypen verstreut, die nie dafür konzipiert wurden, kombiniert zu werden.
Wichtigste Erkenntnisse
- Bei 200 Patienten mit jeweils drei Dokumenttypen haben Sie 600 Dateien geöffnet, bevor Ihr Datensatz auch nur eine einzige Variable enthält: die unsichtbare Arithmetik der Multiquellen-Aktenprüfung.
- Der Engpass ist nicht, wie schnell Sie transkribieren. Es ist die Tatsache, dass jedes Quelldokument für ein klinisches Publikum geschrieben wurde (zuweisende Ärzte, Tumorboards, nachfolgende Behandler), nicht für den Forscher, der fünf Variablen aus allen drei Dokumenttypen benötigt.
- Definieren Sie Ihre Variablen einmal als Spaltennamen, von der Läsionsgröße bis zur abgeleiteten Verweildauer, und ImageToTable.ai extrahiert sie aus Radiologie-, Pathologie- und Entlassungsdokumenten in einem Batch – Sie erhalten eine Tabelle, in der jede Zeile nur noch auf eine einfache Zusammenführung nach Patienten-ID wartet.
Das Problem der Auswertung aus mehreren Quellen
Einzeldokument-Retrospektivstudien sind selten. Die meisten Studien beziehen Variablen aus mehreren Dokumenttypen innerhalb jedes Patientenaktenbestands: Labordaten aus dem chemischen Panel, Bildgebungsbefunde aus Radiologiebefunden, histologische Klassifikationen aus Pathologienotizen, Ergebnisse aus dem Entlassungsbericht. Jedes Dokument trägt einen anderen Teil des Datensatzes bei.
Die Komplikation besteht darin, dass jeder Dokumenttyp auf die Bedürfnisse seines ursprünglichen Autors ausgerichtet ist. Radiologiebefunde werden für zuweisende Kliniker verfasst und sind auf anatomische Lage und klinischen Eindruck ausgerichtet. Pathologiebefunde folgen den synoptischen CAP-Formaten (College of American Pathologists) für Tumorkonferenzen und Register. Entlassungsberichte fassen einen Krankenhausaufenthalt für den nächsten Behandler zusammen. Keiner davon ist auf einen Forscher ausgerichtet, der fünf spezifische Variablen aus allen dreien benötigt.
Manuelle Extraktion aus Mehrquellen-Akten bedeutet, drei Dokumente pro Patient zu öffnen, drei verschiedene Formate zu navigieren und aus drei verschiedenen Stellen zu transkribieren. Bei 200 Patienten sind das 600 Dokumentsuchen, bevor Sie eine einzige Variable extrahiert haben.
Radiologiebefunde: Befunde in Prosa verborgen
Radiologiebefunde folgen einem lockeren Standard: Klinische Vorgeschichte, Technik, Befunde, Beurteilung. Der Befundteil ist narrative Prosa: die Beschreibung des Radiologen des Gesehenen, geschrieben für die klinische Interpretation und nicht für die Dateneingabe. Die Variablen, die Forscher benötigen (Tumorgröße, Lage, Staging-Implikationen), sind in Absätzen eingebettet wie:
FINDINGS: There is a 2.3 x 1.8 cm hypoechoic lesion in the right hepatic
lobe, segment VI, with peripheral enhancement on contrast-enhanced phases
consistent with HCC. No satellite lesions identified. Portal vein appears
patent. No ascites.
IMPRESSION: 2.3 cm hepatocellular carcinoma, right lobe segment VI.
No vascular invasion. Li-RADS 5.Die Variable, die Sie benötigen (Läsionsgröße: 2,3 cm), ist enthalten, aber auch der anatomische Kontext, Qualifikatoren der Bildgebungstechnik und die interpretierende Sprache des Radiologen. Diese Lücke macht die Extraktion aus Radiologiebefunden schwieriger, als sie aussieht: Ein einfacher OCR-Lauf liefert alles, während die spaltenbasierte Extraktion nur den Wert liefert, nach dem Sie gefragt haben.
Nützliche Spaltennamen für Radiologiebefunde:
| Spaltenname | Extrahiert aus Radiologiebefund |
|---|---|
| Läsionsgröße | Primäre Läsionsabmessungen (größter Durchmesser oder längste × kürzeste) |
| Läsionslage | Anatomische Stelle und Unterlage (Lappen, Segment, Quadrant) |
| Gefäßinvasion | „Ja", „Nein" oder leer, wenn nicht erwähnt |
| Lymphknotenstatus | Positiv, negativ oder Anzahl der betroffenen Knoten |
| Radiologisches Staging | TNM, Li-RADS, BIRADS oder Score eines gleichwertigen Systems |
| Bildgebungsmodalität | CT, MRT, PET-CT, Ultraschall usw. |
Pathologiebefunde: Teilstrukturiert, aber uneinheitlich
Daten aus Pathologiebefunden sind teilstrukturiert, was sie eigentlich zum am einfachsten zu extrahierenden der drei Dokumenttypen machen sollte. Chirurgische Pathologiebefunde für resezierte Tumore folgen den synoptischen CAP-Formaten mit explizit beschrifteten Feldern: Histologischer Typ, Grad, Tumorgröße, Resektionsränder, lymphovaskuläre Invasion, perineurale Invasion, Stadium. Diese beschrifteten Felder lassen sich zuverlässig extrahieren.
Die Uneinheitlichkeit hat zwei Ursachen: ältere Befunde, die vor der breiten Einführung synoptischer Formate entstanden sind (narrative Pathologienotizen statt beschrifteter Felder), sowie Befunde verschiedener Einrichtungen, die leicht unterschiedliche synoptische Vorlagen verwenden. Ein Mammapathologiebefund von Krankenhaus A kann „Nuclear Grade" aufführen, während Krankenhaus B „Nottingham Grade" verwendet – beide Namen bezeichnen dasselbe Klassifikationssystem.
Spaltennamen, die auf gängige Felder in Pathologiebefunden abbilden:
| Spaltenname | Extrahiert aus Pathologiebefund | Hinweise |
|---|---|---|
| Histologischer Typ | Primäre Tumor klassifikation (z. B. invasives duktales Karzinom) | Verarbeitet Variantennamen und Abkürzungen |
| Grad | Histologischer Grad (I/II/III, niedrig/mittel/hoch, Nottingham-Score) | Gradingsystem angeben, falls gemischt: „Nottingham Grade" |
| Tumorgröße (pathologisch) | Größte Ausdehnung des Resektats | Von radiologischer Größe zu unterscheiden, daher separate Spalten für beide verwenden |
| Resektionsrandstatus | Negativ, positiv, fokal positiv oder Abstand zum Rand | Kann als „Resektionsränder: frei" oder als numerischer Abstand erscheinen |
| Lymphovaskuläre Invasion | Vorhanden, nicht vorhanden oder nicht identifiziert | LVI-, LVSI- oder lymphovaskuläre Rauminvasion-Variantenbezeichnungen |
| Pathologisches Stadium | pTNM-Stadium aus dem synoptischen Befund | Vom klinischen Staging zu unterscheiden, daher „Pathologisches Stadium" angeben |
Entlassungsberichte: Beschriftet, aber ausführlich
Entlassungsberichte sind von den drei Dokumenttypen am forschungsfreundlichsten. Sie enthalten in der Regel klar beschriftete Abschnitte (Aufnahmedatum, Entlassungsdatum, Aufnahmediagnose, Entlassungsdiagnose, Prozeduren, Entlassungsort), die sich sauber auf Datenbankfelder abbilden lassen. Die Herausforderung ist die Ausführlichkeit: Die narrativen Abschnitte (Krankheitsverlauf, Beurteilung und Plan) können sich über mehrere Absätze erstrecken, was die Verarbeitung des Volltexts teuer und unpräzise macht.
Die strukturierten Felder lassen sich zuverlässig extrahieren. Die Variablen, die im narrativen Krankheitsverlauf verborgen sind (z. B. „Intensivverlegung an Tag 3 des Krankenhausaufenthalts erforderlich", „akute Nierenschädigung entwickelt"), erfordern eine spezifischere Spaltenbenennung:
| Spaltenname | Extrahiert aus Entlassungsbericht |
|---|---|
| Aufnahmedatum | Datum der Indexaufnahme |
| Entlassungsdatum | Datum der Entlassung |
| LOS | Verweildauer (Tage); berechnet oder explizit angegeben |
| Primärdiagnose | Aufnahme- oder Hauptdiagnose (ICD-Code oder Beschreibung) |
| Entlassungsort | Zuhause, SNF, Rehabilitation, verstorben, AMA, Verlegung |
| 30-Tage-Wiederaufnahme | Im Kontext des Berichts erwähnt oder dokumentiert |
| Durchgeführte Prozeduren | Chirurgische oder interventionelle Eingriffe, die aufgelistet sind |
Ein Batch-Upload, eine Ausgabetabelle
Mit ImageToTable.ai müssen Sie Dokumenttypen nicht getrennt verarbeiten. Laden Sie Radiologiebefunde, Pathologieberichte und Entlassungsberichte gemeinsam in einem einzigen Batch hoch. Definieren Sie einen Spaltensatz, der alle drei Dokumenttypen abdeckt:
Lesion Size | Radiologic Stage | Histologic Type | Grade | Margin Status |
Admission Date | LOS | Discharge Disposition | Primary DiagnosisJedes Dokument trägt die Variablen bei, die es enthält. Ein Radiologiebefund füllt Läsionsgröße und radiologisches Stadium aus; der Pathologiebefund füllt Grad und Randstatus aus; der Entlassungsbericht füllt Aufnahmedatum und Verweildauer aus. Variablen, die in einem bestimmten Dokumenttyp fehlen, bleiben für diese Zeilen leer.
Spaltennamen können auch eine Berechnung enthalten, sodass eine abgeleitete Variable als normale Spalte ankommt, statt dass Sie sie manuell in Excel ermitteln. Eine Spalte namens „Verweildauer (Tage zwischen Aufnahme und Entlassung)“ liefert die Aufenthaltsdauer, selbst wenn der Bericht sie nie nennt, und „Alter bei Diagnose“ kann aus einem Geburtsdatum und einem Diagnosedatum abgeleitet werden, die in zwei verschiedenen Dokumenten stehen. Alles, was Ihr Protokoll als abgeleitete Variable definiert, wird genauso benannt wie eine direkt extrahierte.
In Ihrer Ausgabetabelle steht jede Zeile für ein Dokument, nicht für einen Patienten. Sie müssen nach der Extraktion nach Patienten-ID zusammenführen – das ist eine einfache SVERWEIS- oder Merge-Operation, sobald alle drei Dokumenttypen als Tabellen vorliegen. Wenn Sie Ihre Dateien einheitlich benennen (z. B. PatientID_radiology.pdf, PatientID_pathology.pdf), wird dieser Zusammenführungsschritt schnell.
Stichprobenprüfung mehrquelliger Datensätze
Bei der Extraktion aus mehreren Quellen gibt es eine Fehlerkategorie, die spezifisch für komplexe Datensätze ist: die variable Zuschreibung. Das Modell kann gelegentlich eine radiologische Tumorgröße aus dem Pathologiebefund extrahieren (der die Bildgebungsbefunde im Abschnitt zur klinischen Vorgeschichte zitiert), anstatt aus der pathologischen Präparatmessung. Diese dokumentübergreifenden Verweise sind ein reales Merkmal klinischer Berichte und können subtile Fehler in Studien verursachen, die zwischen radiologischen und pathologischen Dimensionen unterscheiden müssen.
Die praktische Lösung ist eine präzise Spaltenbenennung („Radiologische Tumorgröße“ vs. „Pathologische Tumorgröße“) und eine gezielte Stichprobenprüfung: Nehmen Sie nach der Extraktion 10 % Ihrer Datensätze und prüfen Sie die spezifischen dokumentübergreifenden Variablen gegen die Quellberichte. Dies erfasst Zuschreibungsfehler, ohne dass jede Zeile vollständig erneut verifiziert werden muss.
Der Review Mode macht diese Stichprobenprüfung schneller. Öffnen Sie einen Datensatz, fahren Sie mit der Maus über eine extrahierte Zelle oder klicken Sie sie an, und das Tool markiert genau, wo dieser Wert auf der Originalseite steht; klicken Sie auf einen markierten Bereich, und es springt zurück zur passenden Tabellenzelle. Bei Zuschreibungsfehlern können Sie auf einen Blick erkennen, ob die „Radiologische Tumorgröße“ aus dem Abschnitt „Befunde“ der Radiologie oder aus einem Pathologiebericht stammt, der die Bildgebungsstudie zitiert – ohne einen der Berichte vollständig erneut lesen zu müssen.
Vor dem Hochladen: Wo die Grenze der Datenverwaltung verläuft
Klinische Aufzeichnungen unterliegen einem Regelwerk, das nichts mit der Qualität Ihrer Extraktion zu tun hat. Nach der HIPAA-Datenschutzregel (HIPAA Privacy Rule) gelten Daten, die von den 18 Safe-Harbor-Identifikatoren (Namen, Krankenaktennummern, vollständige Leistungsdaten usw.) befreit wurden, nicht mehr als geschützte Gesundheitsinformationen; identifizierbare Daten sind weiterhin geschützt. Wenn Ihre Quelldateien Identifikatoren enthalten, muss jedes Tool, das sie verarbeitet – einschließlich dieses – in Ihren von der Einrichtung genehmigten Datenverarbeitungsrahmen eingebettet sein, und ein Anbieter, der diese Daten in Ihrem Auftrag erstellt, empfängt oder übermittelt, benötigt in der Regel eine Geschäftsvereinbarung (Business Associate Agreement).
ImageToTable.ai verarbeitet hochgeladene Dateien nur vorübergehend und speichert sie nach der Extraktion nicht, aber das allein klärt die Frage für Ihre Studie nicht. Bestätigen Sie vor einem echten Batch zwei Dinge: dass Ihr IRB-Protokoll und Ihre Abteilung für Datenverwaltung es erlauben, dass die Dateien Ihre Systeme verlassen, und dass jedes Tool in Ihrer Pipeline, das Patientendaten verarbeitet, durch die Vereinbarungen abgedeckt ist, die Ihre Einrichtung verlangt. Die Anforderungen an technische Sicherheitsvorkehrungen für elektronische geschützte Gesundheitsinformationen finden Sie unter 45 CFR Teil 164, Unterabschnitt C, und Ihre Datenschutzbeauftragte Person weiß, wie diese auf eine retrospektive Überprüfung anzuwenden sind.
Häufig gestellte Fragen
Kann ich alle drei Dokumenttypen für einen Patienten im selben Batch hochladen oder brauche ich separate Durchläufe?
Sie können alles in einem Batch hochladen. Das Tool verarbeitet jedes Dokument unabhängig. Ein Radiologiebefund und ein Entlassungsbericht desselben Patienten werden als separate Bilder behandelt, die jeweils eine eigene Zeile erzeugen. Sie führen sie nach der Extraktion in Excel über die Patienten-ID zusammen. Es gibt keinen Vorteil, die Durchläufe nach Dokumenttyp zu trennen; ein Batch ist einfacher und schneller.
Meine Pathologiebefunde folgen zwei verschiedenen synoptischen Formaten von zwei verschiedenen Krankenhäusern. Beeinflusst das die Extraktion?
In den meisten Fällen nein. Synoptische Pathologiebefunde verwenden beschriftete Felder, z. B. „Histologic Type:" gefolgt vom Wert, auch wenn die spezifische Vorlage zwischen den Einrichtungen variiert. Das Modell liest die Beschriftung und extrahiert den entsprechenden Wert, unabhängig davon, wo diese Beschriftung auf der Seite erscheint. Deutliche Layout-Unterschiede zwischen Einrichtungen werden für die meisten beschrifteten Felder korrekt verarbeitet. Bei rein narrativen Pathologiebefunden (ältere Dokumente ohne synoptische Struktur) hängt die Genauigkeit davon ab, wie klar der Pathologe die relevanten Befunde beschrieben hat.
Radiologiebefunde enthalten manchmal mehrere Läsionsmessungen. Wie lege ich fest, welche ich möchte?
Seien Sie in Ihrem Spaltennamen präzise. „Primäre Läsionsgröße" vs. „Größte Läsionsgröße" vs. „Zielläsionsgröße" geben dem Modell unterschiedliche Extraktionsziele, wenn mehrere Messungen vorliegen. Wenn Ihr Studienprotokoll eine bestimmte Läsion vorgibt (z. B. die dominante hepatische Läsion), nehmen Sie diesen Kontext in den Spaltennamen auf: „Größe der dominanten hepatischen Läsion." Spezifischere Spaltennamen reduzieren Mehrdeutigkeit und verbessern die Konsistenz über Datensätze hinweg.
Was ist der beste Weg, um mit PDFs vs. Screenshots für diese Dokumenttypen umzugehen?
PDF-Exporte aus EHR-Systemen erzeugen in der Regel sauberere Eingaben als Screenshots: höhere Auflösung, keine Bildschirmspiegelung und maschinell erzeugter Text statt gerenderter Pixel. Wenn Ihre Einrichtung PDF-Export für Radiologie- und Pathologiebefunde anbietet, verwenden Sie diese. Screenshots funktionieren gut, wenn kein PDF-Export verfügbar ist oder wenn Sie mit Fotos arbeiten, die während einer Aktenprüfung im Krankenhaus aufgenommen wurden. Beide Formate werden im selben Batch unterstützt.
Ich muss das klinische TNM-Staging vom pathologischen TNM-Staging unterscheiden. Kann ich beide extrahieren?
Ja. Verwenden Sie zwei separate Spalten: „Klinisches Stadium (cTNM)" und „Pathologisches Stadium (pTNM)." Das Modell unterscheidet zwischen prätherapeutischem klinischem Staging (in der Regel aus dem Radiologiebefund oder der onkologischen Notiz) und postresektionellem pathologischem Staging (aus dem Pathologiebefund). Wenn Sie beide in Ihrem Spaltensatz explizit benennen, werden beide Werte korrekt extrahiert, wenn sie in verschiedenen Dokumenten desselben Patienten erscheinen.
Probieren Sie es mit einem Beispiel-Patientensatz aus: Laden Sie die Radiologie-, Pathologie- und Entlassungsdokumente gemeinsam hoch und definieren Sie Ihre Forschungsvariablen als Spaltennamen.
Extraktion starten