Cómo extraer datos de informes de radiología y resúmenes de alta
para auditorías clínicas

Dos tipos de documentos, un mismo problema de extracción

Los informes de radiología y los resúmenes de alta se encuentran en extremos opuestos de la estancia hospitalaria de un paciente — uno captura un momento diagnóstico, el otro resume una admisión completa — pero comparten el mismo problema de accesibilidad a los datos. Ambos se generan como documentos narrativos. Ambos contienen campos que los registros clínicos, las bases de datos de investigación y las auditorías de calidad necesitan como valores estructurados. Y en la mayoría de los sistemas hospitalarios, ambos salen del EHR como PDFs sin que esa estructura permanezca intacta.

Un informe de radiología sigue una arquitectura interna notablemente consistente. El Parámetro de Práctica del Colegio Americano de Radiología (ACR) para la Comunicación de Hallazgos de Imágenes Diagnósticas define cinco secciones estándar: indicación clínica (por qué se ordenó el estudio), técnica (modalidad, contraste, parámetros de imagen), comparación (con estudios previos), hallazgos (la narrativa detallada de lo que observó el radiólogo) e impresión (la conclusión diagnóstica concisa). El Sistema de Datos e Informes de Imágenes de Mama (BI-RADS) — ampliamente considerado el estándar de oro del informe estructurado — demuestra lo que ocurre cuando cada una de estas secciones se asigna a campos discretos y consultables. Pero BI-RADS es la excepción. La mayoría de los informes de radiología son dictados de texto libre que usan estas secciones de manera inconsistente o no las usan en absoluto, dejando los datos encerrados en prosa.

Un resumen de alta sigue una plantilla diferente pero igualmente predecible. El estándar RC.02.04.01 de The Joint Commission exige seis componentes principales: motivo de hospitalización, hallazgos significativos, procedimientos y tratamientos realizados, condición del paciente al alta, medicamentos al alta e instrucciones de seguimiento. Los Centros de Servicios de Medicare y Medicaid añaden sus propios requisitos bajo la Condición de Participación para la planificación del alta. Todo hospital acreditado produce resúmenes de alta que contienen estos elementos. Pero el formato — qué campos están etiquetados, cuáles están incrustados en texto libre, si los diagnósticos aparecen con códigos ICD o como descripciones en lenguaje sencillo — varía ampliamente entre hospitales e incluso entre departamentos dentro del mismo hospital.

Qué extraer de un informe de radiología

Un informe de radiología contiene más texto del que la mayoría de la gente cree. Un TAC de tórax típico con contraste genera un informe que abarca varios párrafos, pero los campos que realmente necesita para un registro o una auditoría caben en unas diez columnas. El resto — el nombre del tecnólogo que realizó la prueba, los detalles de la dosis de radiación, la marca de tiempo del dictado — es información contextual que el PDF puede conservar.

Los diez campos que vale la pena extraer, y por qué cada uno importa:

El campo de Hallazgos merece especial atención. Con 200-500 palabras en un informe típico, es demasiado largo para volver a escribirlo y demasiado denso en información para ignorarlo. Es el campo donde conviven "consolidación del lóbulo inferior derecho" y "sin evidencia de embolia pulmonar" — conclusiones opuestas que un formulario de abstracción basado en casillas colapsaría en una sola marca de "anormal", perdiendo la especificidad que hace que los datos sean útiles para la investigación. Extraer la narrativa completa preserva esa granularidad. El filtrado y la codificación pueden ocurrir después; lo que importa en la etapa de extracción es que nada se colapse prematuramente.

Qué Extraer de un Resumen de Alta

Mientras que los informes de radiología son narrativas estructuradas, los resúmenes de alta son híbridos semiestructurados — una mezcla de campos discretos (fecha de ingreso, fecha de alta) y secciones de texto libre (curso hospitalario, instrucciones de alta). Esta naturaleza híbrida es precisamente lo que hace que la abstracción manual consuma tanto tiempo. Los campos discretos son fáciles de encontrar pero tediosos de escribir. Las secciones de texto libre requieren comprensión lectora para localizar los valores específicos — un diagnóstico enterrado en el párrafo tres, un cambio de medicación descrito en el párrafo cinco.

Los diez campos que importan para la abstracción de registros, la investigación y la auditoría:

Los medicamentos al alta son sistemáticamente el campo más difícil de extraer manualmente — no porque la información sea difícil de encontrar, sino porque contiene cuatro subcampos (fármaco, dosis, frecuencia, duración) que a menudo aparecen en un solo párrafo de texto. Una sección de reconciliación de medicamentos podría listar "Metoprolol succinate 50 mg PO daily, continue at home" en una línea y "Apixaban 5 mg PO BID x 30 days, then 2.5 mg BID thereafter" en la siguiente. El extractor tiene que analizar cada línea en campos componentes antes de ingresarlos en el registro — efectivamente haciendo entrada de datos y normalización de datos simultáneamente.

Paso a paso: de la exportación en PDF a la hoja de cálculo estructurada

El flujo de trabajo que reemplaza la extracción manual tiene cuatro etapas. Ninguna requiere programación, implementación de TI ni integración con EHR. La entrada es un conjunto de PDF exportados del sistema de información hospitalaria. La salida es una hoja de cálculo de Excel con una fila por documento y una columna por campo.

Un comportamiento de la hoja de cálculo que vale la pena señalar: cuando sube una mezcla de informes de radiología y resúmenes de alta en el mismo lote, cada fila en la salida representa un documento. Un informe de radiología tendrá valores en columnas como "Tipo de examen" e "Impresión", pero celdas vacías bajo "Medicamentos al alta" y "Citas de seguimiento". Un resumen de alta mostrará lo contrario. Este es el comportamiento correcto — la hoja de cálculo es una unión de todas las columnas que usted definió, y cada documento llena las columnas relevantes a su tipo. Para proyectos que necesitan ambos tipos de documento, la hoja de cálculo única se convierte naturalmente en una tabla de datos maestra donde puede filtrar por tipo de documento para aislar registros solo de radiología o solo de alta.

Cuatro casos de uso clínico donde la extracción reemplaza el tecleo

El flujo de trabajo descrito anteriormente no es teórico. Se corresponde directamente con los escenarios más comunes donde los extractores de datos clínicos pasan horas trasladando datos de informes narrativos a bases de datos estructuradas.

Abstracción de registros clínicos (STS, GWTG, NCDR)

La Base de Datos Nacional de la Sociedad de Cirujanos Torácicos (STS), el NCDR del Colegio Americano de Cardiología (incluidos los módulos CathPCI, Chest Pain-MI y AFib), y el programa Get With The Guidelines (GWTG) de la Asociación Americana del Corazón requieren elementos de datos discretos extraídos de los expedientes de los pacientes. Un solo caso CathPCI puede requerir más de 150 puntos de datos. Un solo caso GWTG-Stroke puede requerir más de 80. Estos puntos de datos están dispersos en notas de admisión, informes de procedimientos, resúmenes de alta e informes de imagenología — y la labor del extractor es encontrar cada uno en un PDF y teclearlo en la interfaz de recopilación de datos del registro.

La extracción no elimina el flujo de trabajo de abstracción — algunos campos del registro requieren criterio clínico que solo un extractor capacitado puede aportar. Pero elimina el paso de transcripción para los campos que aparecen textualmente en los informes de radiología y de alta: fechas de examen, códigos ICD-10, nombres de procedimientos, listas de medicamentos. El extractor comienza con una hoja de cálculo prellenada con esos valores y luego añade los campos que dependen del criterio clínico. La diferencia entre extraer 80 campos desde cero y extraer 30 campos después de que 50 se hayan autocompletado es la diferencia entre un rendimiento de 3 casos por día y 8.

Auditorías de Mejora de Calidad

Los departamentos de calidad hospitalaria revisan rutinariamente expedientes para auditorías específicas: cumplimiento del tiempo de puerta a balón, tasas de reconciliación de medicamentos al alta, criterios de uso apropiado para imágenes avanzadas. Cada auditoría comienza con una lista de casos y termina con una hoja de cálculo, y el proceso intermedio es la revisión manual de expedientes. Para una auditoría de 100 informes de radiología que verifica si la indicación clínica se documentó antes de la administración del contraste, extraer el campo "Indicación Clínica" de cada PDF a una sola columna convierte medio día de lectura en un escaneo de cinco minutos de una columna de hoja de cálculo.

El Royal College of Radiologists mantiene una biblioteca de más de 100 plantillas de auditoría de radiología, cada una especificando qué elementos de datos deben recopilarse. La mayoría de esos elementos — tipo de examen, tiempo de espera, tiempo de entrega del informe, cumplimiento de estándares de reporte — existen como campos discretos en los informes de radiología. Extraerlos a una hoja de cálculo antes de iniciar el análisis de la auditoría reduce la fase de recopilación de datos de un ciclo de auditoría que las plantillas del RCR estiman típicamente en varias semanas de trabajo a tiempo parcial.

Identificación de Casos para Investigación Clínica

Un coordinador de investigación que construye una cohorte para un estudio retrospectivo necesita revisar resúmenes de alta para criterios de inclusión específicos: un diagnóstico primario de insuficiencia cardíaca descompensada aguda, una estancia hospitalaria mayor a 48 horas, una lista de medicamentos al alta que incluya un betabloqueante. Con la revisión manual, esto significa abrir cada PDF, leer para encontrar los campos relevantes y registrar una decisión de sí/no para cada criterio. Con la extracción, los códigos ICD-10, la estancia hospitalaria y la lista de medicamentos ya están en una hoja de cálculo — el coordinador selecciona ordenando y filtrando, no leyendo.

La ganancia en eficiencia no se trata solo del tiempo; se trata de la exhaustividad. Una revisión manual de 200 expedientes inevitablemente omite casos donde el criterio de elegibilidad está redactado de manera diferente a lo esperado — "exacerbación de ICC" en lugar de "insuficiencia cardíaca descompensada aguda", o "metoprolol" listado bajo "medicamentos habituales" en lugar de "medicamentos al alta". Una IA que lee el documento completo semánticamente captura estas variantes al comprender su significado, no al comparar cadenas de texto. La cohorte seleccionada es más amplia y más completa — dos atributos que mejoran directamente el poder estadístico del estudio resultante.

Preparación para la Revisión de Mortalidad

Los comités de revisión de mortalidad hospitalaria — exigidos por la mayoría de los organismos de acreditación y cada vez más obligatorios según las regulaciones estatales de calidad — deben revisar cada muerte de paciente hospitalizado. Cada revisión requiere un resumen del caso extraído del resumen de alta: fecha de ingreso, diagnóstico principal, procedimientos realizados durante la hospitalización, disposición al alta (en este caso, defunción) y cualquier complicación documentada o evento inesperado. Reunir estos resúmenes para una reunión mensual de revisión de mortalidad de 20 a 50 casos significa que un especialista en calidad dedique días a extraer los mismos campos del mismo tipo de documento, caso tras caso.

Extraer los campos del resumen de alta a una hoja de cálculo — una fila por fallecido, una columna por elemento de revisión requerido — produce una tabla resumida que puede distribuirse a los miembros del comité antes de la reunión. El tiempo de preparación del especialista en calidad pasa de la recopilación de datos a la clasificación de casos: cuáles requieren análisis más profundos, cuáles muestran patrones que vale la pena investigar, cuáles siguen una trayectoria clínica predecible.

Lo que la Extracción con IA Puede y No Puede Hacer con Texto Clínico

Ser específico sobre las limitaciones no es una debilidad en un contexto clínico — es lo que distingue una herramienta en la que puede confiar de una que promete de más. Aquí es donde se encuentra el límite.

Extrae lo que está escrito, no lo que se implica. Si un resumen de alta indica "paciente hipotenso durante la noche, respondió a líquidos", la IA extrae esa frase como texto del curso hospitalario. No infiere que el paciente tuvo un episodio de hipotensión con una gravedad o duración específica. La inferencia clínica — el juicio de que este episodio constituye una complicación para fines de registro — sigue siendo responsabilidad del abstractor. La IA proporciona la materia prima; el abstractor proporciona la interpretación clínica.

Las anotaciones manuscritas en informes impresos reducen la precisión. Un PDF generado directamente desde un EHR produce una extracción confiable. Una copia escaneada — especialmente una con notas manuscritas en los márgenes, artefactos de fax o múltiples generaciones de fotocopiado — puede degradar la precisión en el texto cercano a las áreas dañadas. Si su flujo de trabajo implica imprimir informes, anotarlos y escanearlos de nuevo, la extracción capturará el texto impreso de manera confiable, pero las anotaciones manuscritas con precisión variable según la legibilidad.

Los campos estructurados profundamente anidados pueden confundir el mapeo semántico. Si una lista de medicamentos al alta está formateada como un párrafo no estructurado (en lugar de una tabla), la IA puede analizar "Metoprolol 50 mg diarios, Lisinopril 10 mg diarios, Apixaban 5 mg BID" en tres entradas de medicamentos. Si está formateada como una tabla densa con celdas combinadas, espaciado inconsistente y continuación entre saltos de página — como lo hacen algunos formatos de informes hospitalarios más antiguos — la precisión en el mapeo de subcampos (fármaco vs. dosis vs. frecuencia) disminuye. En esos casos, extraer el texto completo de medicamentos como un solo campo y subdividirlo manualmente después de la extracción puede ser más práctico que esperar que la IA analice perfectamente una tabla mal formada.

El cumplimiento de HIPAA depende de su manejo, no de la herramienta. El proceso de extracción procesa archivos en memoria y no los almacena después de la sesión. Pero subir datos de pacientes a cualquier herramienta basada en la nube requiere un Acuerdo de Asociado Comercial (BAA) si los datos contienen información de salud protegida. La herramienta procesa datos mediante conexiones cifradas, pero la responsabilidad del cumplimiento de HIPAA en su contexto institucional específico — incluido si se requiere un BAA y si su IRB u oficina de privacidad aprueba el flujo de trabajo — recae en usted.

Preguntas frecuentes

¿Funciona con informes en papel escaneados o solo con PDF nativos?

Con ambos. Los PDF nativos generados directamente desde un EHR producen los resultados más fiables porque el texto es de origen informático. Los informes en papel escaneados — incluidos aquellos que se han impreso, anotado y vuelto a escanear — se procesan leyendo la imagen del texto directamente, sin un paso previo de OCR independiente. La precisión en informes escaneados depende de la calidad del escaneo: un escaneo limpio a 300 DPI de un informe impreso funciona casi tan bien como un PDF nativo. Una copia por fax de una copia con alineación sesgada y sombreado intenso tendrá menor precisión, especialmente en texto de fuente pequeña como las dosis de medicamentos.

¿Qué pasa si mi hospital utiliza encabezados de sección diferentes a los descritos aquí?

La extracción no compara los encabezados de sección por coincidencia exacta de texto. Si los informes de radiología de su hospital etiquetan la sección de impresión como "Conclusión" o "Evaluación" — o si el resumen de alta denomina el curso hospitalario "Resumen de la estancia" en lugar de otra forma — la IA los reconoce como equivalentes semánticos. Los nombres de columna que usted defina sirven como etiquetas canónicas, y la IA gestiona la correspondencia con la terminología que utilice cada informe. Esto significa que puede añadir un informe de un hospital nuevo o de un nuevo departamento en cualquier momento sin reconfigurar nada.

¿Puede el mismo lote contener tanto informes de radiología como resúmenes de alta?

Sí. Cuando define columnas que incluyen campos de ambos tipos de documento — por ejemplo, Tipo de examen, Impresión, Fecha de ingreso y Medicamentos de alta — cada informe de radiología completa las columnas específicas de radiología (dejando en blanco las específicas de alta), y cada resumen de alta completa las columnas específicas de alta (dejando en blanco las específicas de radiología). La hoja de cálculo de salida contiene todas las filas con todas las columnas, y puede filtrar por tipo de documento o por si una columna determinada está completada para aislar sus registros solo de radiología o solo de alta.

¿Cómo manejo los medicamentos de alta que aparecen como texto libre en lugar de en una tabla?

Si la lista de medicamentos está formateada como texto continuo en lugar de una tabla estructurada, defina su columna como "Medicamentos de alta" (el texto completo) en lugar de intentar extraer subcampos (fármaco, dosis, frecuencia) en una sola pasada. La IA capturará el bloque completo de texto de medicamentos. Luego puede subdividirlo manualmente en Excel o ejecutar una segunda pasada de extracción solo sobre el texto de medicamentos para desglosarlo en subcampos estructurados. Comenzar con el texto completo como columna le ofrece tanto la velocidad de la extracción automatizada para el caso general como la flexibilidad para manejar listas de medicamentos no estructuradas sin obligar a la IA a tomar decisiones de análisis que es mejor que tome un revisor humano.

¿Es adecuado para un proyecto de investigación pequeño o solo para trabajo de registro a gran escala?

El flujo de trabajo se reduce a escala tan naturalmente como se amplía. Un residente que realiza un estudio retrospectivo sobre 30 pacientes se beneficia de la extracción exactamente igual que un abstractor de registros que procesa 300 casos: el ahorro de tiempo por caso se acumula linealmente. De hecho, la extracción puede ser más valiosa para proyectos de investigación pequeños, porque estos normalmente no tienen presupuesto para personal dedicado de abstracción. El residente que necesita crear una base de datos de 30 casos después de sus turnos clínicos es la persona menos capaz de absorber 20 horas de entrada manual de datos — y la que más se beneficia de convertir esas 20 horas en 2.