Un estudio, tres tipos de documento:
Informes de radiología, patología y notas de alta en una sola tabla
Su estudio retrospectivo de oncología necesita el tamaño del tumor del informe de radiología, el grado histológico de la patología y la duración de la estancia del informe de alta. Para 200 pacientes, eso son tres documentos por cada uno. Tres formatos, tres conjuntos de convenciones, un solo conjunto de datos. Los datos existen; están dispersos en tipos de documentos que nunca fueron diseñados para combinarse.
Conclusiones clave
- Con 200 pacientes y tres tipos de documento cada uno, habrá abierto 600 archivos antes de que su conjunto de datos tenga una sola variable: la aritmética invisible de la revisión de historias clínicas de múltiples fuentes.
- El cuello de botella no es la rapidez con la que transcribe. Es que cada documento fuente fue escrito para una audiencia clínica (médicos remitentes, comités de tumores, próximos proveedores), no para el investigador que necesita cinco variables de los tres tipos.
- Defina sus variables como nombres de columna una sola vez, desde el tamaño de la lesión hasta una duración de estancia derivada, y ImageToTable.ai las extrae de los documentos de radiología, patología y alta en un solo lote, dejándole una tabla donde cada fila espera una fusión sencilla por ID de paciente.
El problema de la revisión de gráficos de múltiples fuentes
Los estudios retrospectivos de un solo documento son poco comunes. La mayoría de los estudios obtienen variables de múltiples tipos de documentos dentro del registro de cada paciente: análisis de laboratorio del panel de química, hallazgos de imagen de los informes de radiología, clasificación histológica de las notas de patología, resultados del informe de alta. Cada documento aporta una porción diferente del conjunto de datos.
La complicación es que cada tipo de documento está estructurado en torno a las necesidades de su autor original. Los informes de radiología se escriben para los médicos remitentes y se estructuran en torno a la ubicación anatómica y la impresión clínica. Los informes de patología siguen los formatos sinópticos de CAP (College of American Pathologists) para juntas de tumores y registros. Los informes de alta resumen una hospitalización para el siguiente proveedor. Ninguno de ellos está estructurado para un investigador que necesita cinco variables específicas de los tres.
La extracción manual de registros de múltiples fuentes significa abrir tres documentos por paciente, navegar por tres formatos diferentes y transcribir desde tres ubicaciones diferentes. Con 200 pacientes, eso son 600 búsquedas de documentos antes de extraer una sola variable.
Informes de radiología: hallazgos ocultos en prosa
Los informes de radiología siguen un estándar flexible: Historia clínica, Técnica, Hallazgos, Impresión. La sección de Hallazgos es prosa narrativa: la descripción del radiólogo de lo observado, escrita para interpretación clínica y no para entrada en bases de datos. Las variables que los investigadores necesitan (tamaño del tumor, ubicación, implicaciones de estadificación) están incrustadas en párrafos como:
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.La variable que necesitas (tamaño de la lesión: 2.3 cm) está ahí, pero también lo están el contexto anatómico, los calificadores de la técnica de imagen y el lenguaje interpretativo del radiólogo. Esa brecha es lo que hace que la extracción de informes de radiología sea más difícil de lo que parece: el OCR simple devuelve todo, mientras que la extracción basada en columnas devuelve solo el valor que pediste.
Nombres de columna útiles para informes de radiología:
| Nombre de columna | Extrae del informe de radiología |
|---|---|
| Tamaño de la lesión | Dimensiones de la lesión primaria (diámetro mayor, o largo × corto) |
| Ubicación de la lesión | Sitio anatómico y sub-ubicación (lóbulo, segmento, cuadrante) |
| Invasión vascular | "Sí", "No" o en blanco si no se menciona |
| Estado de los ganglios linfáticos | Positivo, negativo o número de ganglios afectados |
| Estadificación radiológica | Puntuación de TNM, Li-RADS, BIRADS o sistema equivalente |
| Modalidad de imagen | TC, RM, PET-TC, ecografía, etc. |
Informes de patología: semiestructurados pero inconsistentes
Los datos de los informes de patología son semiestructurados, lo que debería convertirlos en el más fácil de extraer entre los tres tipos de documentos. Los informes de patología quirúrgica para tumores resecados siguen formatos sinópticos CAP con campos etiquetados explícitos: Tipo histológico, Grado, Tamaño del tumor, Márgenes, Invasión linfovascular, Invasión perineural, Estadio. Estos campos etiquetados se extraen de forma fiable.
La inconsistencia proviene de dos fuentes: informes más antiguos que preceden a la adopción generalizada del formato sinóptico (notas de patología narrativas en lugar de campos etiquetados), e informes de diferentes instituciones que utilizan plantillas sinópticas ligeramente distintas. Un informe de patología de mama del Hospital A puede indicar "Grado nuclear" mientras que el Hospital B utiliza "Grado de Nottingham", ambos nombres para el mismo sistema de clasificación.
Nombres de columna que se asignan a campos comunes de informes de patología:
| Nombre de columna | Extrae del informe de patología | Notas |
|---|---|---|
| Tipo histológico | Clasificación del tumor primario (p. ej., carcinoma ductal invasivo) | Gestiona nombres variantes y abreviaturas |
| Grado | Grado histológico (I/II/III, bajo/intermedio/alto, puntuación de Nottingham) | Especifique el sistema de clasificación si es mixto: "Grado de Nottingham" |
| Tamaño del tumor (patológico) | Dimensión más grande de la muestra resecada | Distinto del tamaño radiológico, por lo que use columnas separadas para ambos |
| Estado de los márgenes | Negativo, positivo, focalmente positivo o distancia al margen | Puede aparecer como "Márgenes: limpios" o distancia numérica |
| Invasión linfovascular | Presente, ausente o no identificada | Etiquetas variantes de LVI, LVSI o invasión del espacio linfovascular |
| Estadio patológico | Estadio pTNM del informe sinóptico | Distinto de la estadificación clínica, por lo que especifique "Estadio patológico" |
Informes de Alta: Etiquetados pero Extensos
Los informes de alta son los más amigables para investigadores de los tres tipos de documentos. Suelen tener secciones claramente etiquetadas (Fecha de Admisión, Fecha de Alta, Diagnóstico de Ingreso, Diagnóstico de Egreso, Procedimientos, Disposición) que se asignan limpiamente a los campos de la base de datos. El desafío es la extensión: las secciones narrativas (Evolución Hospitalaria, Evaluación y Plan) pueden abarcar varios párrafos, lo que hace que el procesamiento de texto completo sea costoso e impreciso.
Los campos estructurados se extraen de manera confiable. Las variables ocultas en la narrativa de Evolución Hospitalaria (p. ej., "requirió traslado a UCI en el día 3 de hospitalización", "desarrolló lesión renal aguda") requieren nombres de columna más específicos:
| Nombre de columna | Se extrae del informe de alta |
|---|---|
| Fecha de Admisión | Fecha de admisión índice |
| Fecha de Alta | Fecha de egreso |
| Estancia | Duración de la estancia (días); calculada o indicada explícitamente |
| Diagnóstico Principal | Diagnóstico de ingreso o principal (código ICD o descripción) |
| Disposición al Egreso | Domicilio, SNF, rehabilitación, fallecido, AMA, traslado |
| Reingreso a 30 Días | Mencionado o documentado en el contexto del informe |
| Procedimientos Realizados | Intervenciones quirúrgicas o de procedimiento enumeradas |
Una Carga de Lote, Una Tabla de Salida
Con ImageToTable.ai, no necesita procesar los tipos de documento por separado. Suba informes de radiología, notas de patología e informes de alta juntos en un solo lote. Defina un conjunto de columnas que cubra los tres tipos de documento:
Lesion Size | Radiologic Stage | Histologic Type | Grade | Margin Status |
Admission Date | LOS | Discharge Disposition | Primary DiagnosisCada documento aporta las variables que contiene. Un informe de radiología completa Tamaño de Lesión y Estadio Radiológico; el informe de patología completa Grado y Estado del Margen; el informe de alta completa Fecha de Admisión y Estancia Hospitalaria. Las variables ausentes en un tipo de documento particular se dejan en blanco para esas filas.
Los nombres de columna también pueden incluir un cálculo, de modo que una variable derivada llega como una columna normal en lugar de algo que usted calcula manualmente en Excel. Una columna llamada "LOS (Días Entre Admisión y Alta)" devuelve la estancia hospitalaria incluso cuando el informe nunca la indica, y "Edad en el Diagnóstico" puede derivarse de una fecha de nacimiento y una fecha de diagnóstico que se encuentran en dos documentos diferentes. Cualquier variable que su protocolo defina como derivada se nombra igual que una extraída directamente.
En su tabla de salida, cada fila representa un documento, no un paciente. Necesitará fusionar por ID de paciente después de la extracción, lo cual es una operación sencilla de BUSCARV o fusión una vez que los tres tipos de documento están en formato de hoja de cálculo. Nombrar sus archivos de manera consistente (p. ej., PatientID_radiology.pdf, PatientID_pathology.pdf) agiliza este paso de fusión.
Verificación selectiva de conjuntos de datos de múltiples fuentes
La extracción de múltiples fuentes tiene una categoría de error específica de los registros complejos: la atribución variable. El modelo puede ocasionalmente extraer un tamaño tumoral radiológico del informe de patología (que cita el hallazgo de imagen en su sección de historia clínica) en lugar de la medición de la muestra patológica. Estas referencias entre documentos son una característica real de los informes clínicos y pueden crear errores sutiles en estudios que necesitan distinguir entre dimensiones radiológicas y patológicas.
La solución práctica es nombrar las columnas con precisión ("Tamaño Tumoral Radiológico" vs. "Tamaño Tumoral Patológico") y realizar una verificación selectiva dirigida: después de la extracción, tome el 10% de sus registros y verifique las variables específicas entre documentos contra los informes fuente. Esto detecta errores de atribución sin requerir una reverificación completa de cada fila.
El Modo de Revisión hace que esa verificación selectiva sea más rápida. Abra un registro, pase el cursor o haga clic en cualquier celda extraída, y la herramienta resalta exactamente dónde se encuentra ese valor en la página original; haga clic en una región resaltada y salta de vuelta a la celda de la tabla correspondiente. Para errores de atribución específicamente, puede ver de un vistazo si el "Tamaño Tumoral Radiológico" se leyó de la sección de Hallazgos de radiología o de una nota de patología que cita el estudio de imagen, sin tener que releer ninguno de los dos informes de principio a fin.
Antes de Subir: Dónde se Traza la Línea de Gobernanza de Datos
Los registros clínicos conllevan un conjunto de reglas que no tienen nada que ver con la calidad de su extracción. Según la Regla de Privacidad de HIPAA, los datos despojados de los 18 identificadores de Puerto Seguro (nombres, números de registro médico, fechas completas de servicio y el resto) ya no son información de salud protegida; los datos identificables sí lo son. Si sus archivos fuente contienen identificadores, cada herramienta que los toque, incluida esta, debe estar dentro del marco de manejo de datos aprobado por su institución, y un proveedor que cree, reciba o transmita esos datos en su nombre generalmente necesita un Acuerdo de Asociación Comercial vigente.
ImageToTable.ai procesa los archivos subidos de forma efímera y no los retiene después de la extracción, pero eso por sí solo no resuelve la cuestión para su estudio. Confirme dos cosas antes de un lote real: que su protocolo de IRB y la oficina de gobernanza de datos permitan que los archivos salgan de sus sistemas, y que cada herramienta en su flujo de trabajo que toque datos de pacientes esté cubierta por los acuerdos que su institución requiere. Los requisitos de salvaguardas técnicas para la PHI electrónica se encuentran en 45 CFR Parte 164, Subparte C, y su oficial de privacidad sabrá cómo se aplican a una revisión retrospectiva.
Preguntas Frecuentes
¿Puedo subir los tres tipos de documentos de un paciente en el mismo lote, o necesito ejecuciones separadas?
Puede subir todo en un solo lote. La herramienta procesa cada documento de forma independiente. Un informe de radiología y un informe de alta del mismo paciente se manejan como imágenes separadas, y cada una genera su propia fila. Puede fusionarlos por ID de paciente en Excel después de la extracción. No hay ninguna ventaja en separar las ejecuciones por tipo de documento; un solo lote es más simple y rápido.
Mis informes de patología siguen dos formatos sinópticos diferentes de dos hospitales distintos. ¿Eso afecta la extracción?
En la mayoría de los casos, no. Los informes de patología sinópticos usan campos etiquetados, por ejemplo "Tipo histológico:" seguido del valor, incluso cuando la plantilla específica varía entre instituciones. El modelo lee la etiqueta y extrae el valor correspondiente, sin importar dónde aparezca esa etiqueta en la página. Las diferencias significativas de diseño entre instituciones se manejan correctamente para la mayoría de los campos etiquetados. Para informes de patología solo narrativos (documentos más antiguos sin estructura sinóptica), la precisión depende de qué tan claramente describió el patólogo los hallazgos relevantes.
Los informes de radiología a veces contienen múltiples mediciones de lesiones. ¿Cómo especifico cuál quiero?
Sea específico en el nombre de su columna. "Tamaño de la lesión primaria" frente a "Tamaño de la lesión más grande" frente a "Tamaño de la lesión diana" le dan al modelo diferentes objetivos de extracción cuando aparecen múltiples mediciones. Si su protocolo de estudio especifica una lesión en particular (p. ej., la lesión hepática dominante), incluya ese contexto en el nombre de la columna: "Tamaño de la lesión hepática dominante". Los nombres de columna más específicos reducen la ambigüedad y mejoran la consistencia entre registros.
¿Cuál es la mejor manera de manejar PDF frente a capturas de pantalla para estos tipos de documentos?
Las exportaciones en PDF de los sistemas de historia clínica electrónica suelen producir una entrada más limpia que las capturas de pantalla: mayor resolución, sin reflejos de pantalla y texto generado por máquina en lugar de píxeles renderizados. Si su institución ofrece exportación en PDF para informes de radiología y patología, úsela. Las capturas de pantalla funcionan bien cuando la exportación en PDF no está disponible o cuando trabaja con fotos tomadas durante una sesión de revisión de registros en un hospital. Ambos formatos son compatibles en el mismo lote.
Necesito distinguir la estadificación clínica TNM de la estadificación patológica TNM. ¿Puedo extraer ambas?
Sí. Use dos columnas separadas: "Estadio clínico (cTNM)" y "Estadio patológico (pTNM)". El modelo distingue entre la estadificación clínica previa al tratamiento (normalmente del informe de radiología o de la nota de oncología) y la estadificación patológica posterior a la resección (del informe de patología). Nombrar ambas explícitamente en su conjunto de columnas extrae ambos valores correctamente cuando aparecen en diferentes documentos del mismo paciente.
Pruébelo con un conjunto de pacientes de muestra: cargue los documentos de radiología, patología y alta juntos y defina sus variables de investigación como nombres de columnas.
Comenzar Extracción