Un estudio, tres tipos de documento:
Radiología, patología y notas de alta en una sola tabla
Su retrospectiva oncológica necesita el tamaño del tumor del informe de radiología, el grado histológico de patología y la duración de la estancia del resumen de alta — para 180 pacientes, cada uno con tres documentos diferentes. Tres formatos, tres conjuntos de convenciones, un solo conjunto de datos. El desafío no es que los datos no existan; es que están dispersos en tipos de documento que no fueron diseñados para combinarse.
Conclusiones clave
- Con 200 pacientes y tres tipos de documentos cada uno, habrás abierto 600 archivos antes de que tu conjunto de datos tenga una sola variable — esa es la aritmética invisible de la revisión de historias clínicas de múltiples fuentes.
- El cuello de botella no es lo rápido que transcribes — es que cada uno de tus documentos 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.
- Define tus variables como nombres de columna una vez — Tamaño de lesión, Grado, Estancia hospitalaria — e ImageToTable.ai las extrae de radiología, patología y documentos de alta en un solo lote, dejándote una tabla donde cada fila espera una simple fusión por ID de paciente.
El problema de la revisión de historias clínicas con múltiples fuentes
Los estudios retrospectivos con un solo documento son poco comunes. La mayoría de los estudios extraen variables de múltiples tipos de documentos dentro de cada historia clínica del paciente: análisis de laboratorio del panel de química, hallazgos de imagen del informe de radiología, clasificación histológica de las notas de patología, resultados del resumen de alta. Cada documento aporta una porción diferente del conjunto de datos.
La complicación es que cada tipo de documento está estructurado según las necesidades de su autor original. Los informes de radiología están escritos 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 del CAP (Colegio de Patólogos Estadounidenses) para los comités de tumores y los registros. Los resúmenes de alta resumen una hospitalización para el siguiente profesional. Ninguno está estructurado para un investigador que necesita cinco variables específicas de los tres tipos.
La extracción manual de registros con múltiples fuentes implica abrir tres documentos por paciente, navegar por tres formatos diferentes y transcribir desde tres ubicaciones distintas. Con 200 pacientes, eso son 600 consultas de documentos antes de haber extraído una sola variable.
Informes de Radiología: Hallazgos Ocultos en el Texto
Los informes de radiología siguen un estándar flexible: Historia Clínica, Técnica, Hallazgos, Impresión. La sección de Hallazgos es narrativa: la descripción del radiólogo sobre lo observado, redactada para interpretación clínica y no para ingreso en bases de datos. Las variables que los investigadores necesitan (tamaño del tumor, ubicación, implicaciones de estadificación) están incrustadas en párrafos como:
HALLAZGOS: Se observa una lesión hipoecoica de 2.3 x 1.8 cm en el lóbulo hepático
derecho, segmento VI, con realce periférico en fases con contraste
compatible con CHC. No se identifican lesiones satélite. La vena porta parece
permeable. Sin ascitis.
IMPRESIÓN: Carcinoma hepatocelular de 2.3 cm en lóbulo derecho, segmento VI.
Sin invasión vascular. Li-RADS 5.La variable que necesitas (tamaño de la lesión: 2.3 cm) está ahí, pero también el contexto anatómico, los calificativos de la técnica de imagen y el lenguaje interpretativo del radiólogo. Un OCR estándar lo devuelve todo. La extracción basada en columnas devuelve solo el valor solicitado.
Nombres de columna útiles para informes de radiología:
| Nombre de columna | Extraído del informe radiológico |
|---|---|
| Tamaño de la lesión | Dimensiones de la lesión primaria (diámetro mayor, o largo × corto) |
| Ubicación de la lesión | Sitio anatómico y sublocalización (lóbulo, segmento, cuadrante) |
| Invasión vascular | "Sí", "No" o en blanco si no se menciona |
| Estado ganglionar | Positivo, negativo o número de ganglios afectados |
| Estadificación radiológica | TNM, Li-RADS, BIRADS o puntuación del sistema equivalente |
| Modalidad de imagen | TC, RM, PET-TC, ecografía, etc. |
Informes de patología: semiestructurados pero inconsistentes
Los informes de patología —especialmente los quirúrgicos de tumores resecados— siguen formatos sinópticos del CAP con campos etiquetados explícitos: Tipo histológico, Grado, Tamaño tumoral, Márgenes, Invasión linfovascular, Invasión perineural, Estadio. Estos campos etiquetados se extraen de forma fiable.
La inconsistencia proviene de dos fuentes: informes antiguos anteriores a la adopción generalizada del formato sinóptico (notas de patología narrativas en lugar de campos etiquetados) e informes de distintas instituciones que usan plantillas sinópticas ligeramente diferentes. Un informe de patología mamaria del Hospital A puede indicar "Grado nuclear" mientras que el Hospital B usa "Grado de Nottingham" —ambos refiriéndose al mismo sistema de clasificación.
Nombres de columna que se asignan a campos comunes de informes de patología:
| Nombre de columna | Extraído del informe de patología | Notas |
|---|---|---|
| Tipo histológico | Clasificación del tumor primario (p. ej., carcinoma ductal invasivo) | Maneja nombres de variantes y abreviaturas |
| Grado | Grado histológico (I/II/III, bajo/intermedio/alto, puntuación de Nottingham) | Especificar sistema de graduación si es mixto: "Grado de Nottingham" |
| Tamaño tumoral (patológico) | Dimensión mayor del espécimen resecado | Distinto del tamaño radiológico — usar columnas separadas para ambos |
| Estado del margen | Negativo, positivo, focalmente positivo o distancia al margen | Puede aparecer como "Márgenes: limpios" o distancia numérica |
| Invasión linfovascular | Presente, ausente o no identificada | LVI, LVSI o etiquetas de variante de invasión del espacio linfovascular |
| Estadio patológico | Estadio pTNM del informe sinóptico | Distinto de la estadificación clínica — especificar "Estadio patológico" |
Resúmenes de Alta: Etiquetados pero Extensos
Los resúmenes de alta son el más amigable para investigadores de los tres tipos de documentos —normalmente tienen secciones claramente etiquetadas (Fecha de ingreso, Fecha de alta, Diagnóstico de ingreso, Diagnóstico de alta, Procedimientos, Disposición) que se asignan limpiamente a campos de 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 forma fiable. Las variables ocultas en la narrativa de Evolución hospitalaria (p. ej., "requirió traslado a UCI al día 3 de hospitalización", "desarrolló lesión renal aguda") requieren nombres de columna más específicos:
| Nombre de columna | Extraído del resumen de alta |
|---|---|
| Fecha de ingreso | Fecha de ingreso índice |
| Fecha de alta | Fecha de alta |
| Estandia | Días de estancia; calculado o indicado explícitamente |
| Diagnóstico principal | Diagnóstico de ingreso o principal (código CIE o descripción) |
| Destino al alta | Domicilio, centro de enfermería, rehabilitación, fallecido, alta voluntaria, traslado |
| Reingreso a 30 días | Mencionado o documentado en el contexto del resumen |
| Procedimientos realizados | Intervenciones quirúrgicas o procedimentales listadas |
Una Carga por Lote, Una Tabla de Salida
Con ImageToTable.ai, no necesitas procesar tipos de documentos por separado. Sube informes de radiología, notas de patología y resúmenes de alta juntos en un solo lote. Define un conjunto de columnas que cubra los tres tipos de documentos:
Tamaño de la lesión | Estadio radiológico | Tipo histológico | Grado | Estado del margen |
Fecha de ingreso | Estancia | Destino al alta | Diagnóstico principalCada documento aporta las variables que contiene. Un informe de radiología completa el tamaño de la lesión y el estadio radiológico; el informe de patología completa el grado y el estado del margen; el resumen de alta completa la fecha de ingreso y la estancia. Las variables ausentes en un tipo de documento en particular se dejan en blanco para esas filas.
En la tabla de salida, cada fila representa un documento, no un paciente. Deberá fusionar por ID de paciente después de la extracción, lo cual es una operación simple de BUSCARV o combinación una vez que los tres tipos de documento estén en formato de hoja de cálculo. Nombrar sus archivos de manera consistente (por ejemplo, PatientID_radiologia.pdf, PatientID_patologia.pdf) agiliza este paso de fusión.
Verificación Puntual de Conjuntos de Datos Multifuente
La extracción multifuente tiene una categoría de error específica de registros complejos: la atribución de variables. El modelo puede extraer ocasionalmente 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 generar 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 hacer una verificación puntual: tras la extracción, toma el 10% de tus registros y verifica las variables específicas entre documentos contra las fuentes originales. Esto detecta errores de atribución sin necesidad de revisar cada fila por completo.
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 resumen de alta del mismo paciente se tratan como imágenes separadas, cada una generando su propia fila. Después de la extracción, los combina por ID de paciente en Excel. No hay 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. ¿Afecta eso a la extracción?
En la mayoría de los casos, no. Los informes de patología sinópticos usan campos etiquetados — "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 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 la columna. "Tamaño de la lesión primaria" vs. "Tamaño de la lesión más grande" vs. "Tamaño de la lesión diana" le dan al modelo diferentes objetivos de extracción cuando aparecen múltiples mediciones. Si el protocolo de su 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". Nombres de columna más específicos reducen la ambigüedad y mejoran la consistencia entre registros.
¿Cuál es la mejor manera de manejar PDFs vs. capturas de pantalla para estos tipos de documentos?
Las exportaciones en PDF de los sistemas EHR generalmente producen una entrada más limpia que las capturas de pantalla: mayor resolución, sin reflejos en la pantalla y texto generado por máquina en lugar de píxeles renderizados. Si su institución proporciona exportación en PDF para informes de radiología y patología, úselos. 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 patológica TNM. ¿Puedo extraer ambas?
Sí — usa dos columnas separadas: "Estadio Clínico (cTNM)" y "Estadio Patológico (pTNM)". El modelo distingue entre la estadificación clínica pretratamiento (generalmente del informe de radiología o nota oncológica) y la estadificación patológica postresección (del informe de patología). Nombrar ambas explícitamente en tu conjunto de columnas extrae correctamente ambos valores cuando aparecen en diferentes documentos del mismo paciente.
Pruébalo con un conjunto de pacientes de muestra: sube los documentos de radiología, patología y alta juntos y define tus variables de investigación como nombres de columna.
Comenzar Extracción