Cómo extraer datos 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 sitúan en extremos opuestos de la estancia hospitalaria de un paciente —uno captura un momento diagnóstico, el otro resume toda una admisión—, 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 archivos PDF sin que esa estructura se conserve.

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 Imagen Diagnóstica define cinco secciones estándar: indicación clínica (por qué se solicitó 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 de la elaboración de informes estructurados— demuestra lo que sucede 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 utilizan estas secciones de manera inconsistente o no las utilizan en absoluto, dejando los datos bloqueados en prosa.

Un resumen de alta sigue una plantilla diferente pero igualmente predecible. La norma RC.02.04.01 de The Joint Commission exige seis componentes esenciales: motivo de hospitalización, hallazgos significativos, procedimientos y tratamientos realizados, estado del paciente al alta, medicamentos al alta e instrucciones de seguimiento. Los Centros de Servicios de Medicare y Medicaid añaden sus propios requisitos en 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 CIE o como descripciones en lenguaje sencillo— varía mucho entre hospitales e incluso entre departamentos del mismo hospital.

Qué extraer de un informe radiológico

Un informe radiológico contiene más texto de lo que la mayoría cree. Un TAC de tórax con contraste genera un informe de varios párrafos, pero los campos que realmente necesitas para un registro o auditoría caben en unas diez columnas. El resto —el nombre del técnico, 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 son importantes:

El campo Hallazgos merece especial atención. Con 200-500 palabras en un informe típico, es demasiado largo para reescribirlo 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 de verificación reduciría a una única 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 hacerse después; lo que importa en la fase 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 (evolución hospitalaria, 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 oculto en el tercer párrafo, un cambio de medicación descrito en el quinto.

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

Los medicamentos de alta son consistentemente el campo más difícil de abstraer 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 succinato 50 mg VO al día, continuar en casa" en una línea y "Apixabán 5 mg VO cada 12 h x 30 días, luego 2.5 mg cada 12 h después" en la siguiente. El abstractor debe analizar cada línea en campos componentes antes de ingresarlos en el registro, haciendo efectivamente entrada y normalización de datos simultáneamente.

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

El flujo de trabajo que reemplaza la abstracción manual tiene cuatro etapas. Ninguna requiere programación, implementación de TI ni integración con el 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 importante de la hoja de cálculo: cuando se 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 en "Medicamentos al alta" y "Citas de seguimiento". Un resumen de alta mostrará lo contrario. Este comportamiento es correcto: la hoja de cálculo es una unión de todas las columnas que definiste, y cada documento completa las columnas relevantes para su tipo. Para proyectos que necesitan ambos tipos de documentos, la hoja única se convierte naturalmente en una tabla maestra de datos donde puedes filtrar por tipo de documento para aislar solo registros de radiología o solo de alta.

Cuatro casos clínicos donde la extracción reemplaza el tipeo

El flujo de trabajo descrito no es teórico. Se aplica directamente a 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 (que incluye 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 las historias clínicas de los pacientes. Un solo caso de CathPCI puede requerir más de 150 puntos de datos. Un solo caso de GWTG-Stroke puede requerir más de 80. Estos puntos de datos están dispersos en notas de ingreso, informes de procedimientos, resúmenes de alta e informes de imágenes, y la labor del abstractor es encontrar cada uno en un PDF y escribirlo en la interfaz de recolección de datos del registro.

La extracción no elimina el flujo de trabajo de abstracción: algunos campos del registro requieren un juicio clínico que solo un abstractor capacitado puede proporcionar. Pero elimina el paso de transcripción para los campos que aparecen textualmente en los informes de radiología y alta: fechas de examen, códigos ICD-10, nombres de procedimientos, listas de medicación. El abstractor comienza con una hoja de cálculo previamente poblada con esos valores y luego agrega los campos que dependen del juicio. 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 hospitalarios seleccionan historias clínicas para auditorías enfocadas: cumplimiento del tiempo puerta-balón, tasas de reconciliación de medicación al alta, criterios de uso adecuado para imágenes avanzadas. Cada auditoría comienza con una lista de casos y termina con una hoja de cálculo, y el medio es una revisión manual de historias. Para una auditoría de 100 informes radiológicos que verifica si la indicación clínica se documentó antes de administrar el contraste, extraer el campo "Indicación Clínica" de cada PDF en 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 radiológica, 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 informes — existen como campos discretos en los informes radiológicos. Extraerlos en una hoja de cálculo antes de iniciar el análisis de 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 principal de insuficiencia cardíaca descompensada aguda, una estancia hospitalaria mayor a 48 horas y una lista de medicación al alta que incluya un betabloqueante. Con la revisión manual, esto implica abrir cada PDF, leerlo para encontrar los campos relevantes y registrar una decisión de sí/no para cada criterio. Con la extracción, los códigos CIE-10, la estancia y la lista de medicación ya están en una hoja de cálculo: el coordinador revisa ordenando y filtrando, no leyendo.

La ganancia en eficiencia no es solo de tiempo; es de exhaustividad. Una revisión manual de 200 historias inevitablemente pierde casos donde el criterio de inclusión está redactado de forma diferente a la esperada — "exacerbación de ICC" en lugar de "insuficiencia cardíaca descompensada aguda", o "metoprolol" listado en "medicación habitual" en lugar de "medicación al alta". Una IA que lee el documento completo de forma semántica captura estas variantes al entender su significado, no al buscar cadenas de texto. La cohorte revisada es más amplia y 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 requeridos por las normativas estatales de calidad— deben revisar cada muerte de pacientes hospitalizados. Cada revisión requiere un resumen del caso extraído del informe de alta: fecha de ingreso, diagnóstico principal, procedimientos realizados durante la hospitalización, disposición al alta (en este caso, fallecimiento) y cualquier complicación documentada o evento inesperado. Elaborar estos resúmenes para una reunión mensual de revisión de mortalidad de 20 a 50 casos significa que un especialista en calidad pase días extrayendo los mismos campos del mismo tipo de documento, caso tras caso.

Extraer los campos del informe de alta en una hoja de cálculo —una fila por fallecido, una columna por elemento de revisión requerido— produce una tabla resumen 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: qué casos requieren un análisis más profundo, cuáles muestran patrones que vale la pena investigar, cuáles siguen una trayectoria clínica predecible.

Lo que la extracción por 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 confiable de una que promete de más. Aquí está el límite.

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

Las anotaciones manuscritas en informes impresos reducen la precisión. Un PDF nítido generado directamente desde un EHR produce una extracción confiable. Una impresión escaneada — especialmente 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 con anidamiento profundo 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 al día, Lisinopril 10 mg al día, Apixaban 5 mg BID" en tres entradas de medicamentos. Si está formateada como una tabla densa con celdas combinadas, espaciado inconsistente y continuidad entre saltos de página — como ocurre en algunos formatos antiguos de informes hospitalarios — la precisión en el mapeo de subcampos (fármaco vs. dosis vs. frecuencia) disminuye. En esos casos, extraer el texto completo del medicamento 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 los archivos en memoria y no los almacena después de la sesión. Pero cargar datos de pacientes en cualquier herramienta basada en la nube requiere un Acuerdo de Asociado Comercial (BAA) si los datos contienen información de salud protegida. La herramienta procesa los datos a través de conexiones cifradas, pero la responsabilidad del cumplimiento de HIPAA en su contexto institucional específico — incluyendo 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 escaneados en papel o solo con PDF nativos?

Ambos. Los PDF nativos generados directamente desde un EHR producen los resultados más fiables porque el texto es de origen informático. Los informes escaneados en papel —incluyendo aquellos que han sido impresos, anotados y reescaneados— se procesan leyendo la imagen del texto directamente, sin un paso previo de OCR. 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 dosis de medicamentos.

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

La extracción no compara encabezados de sección por texto exacto. Si los informes de radiología de su hospital etiquetan la sección de impresión como "Conclusión" o "Evaluación", o si el resumen de alta llama al curso hospitalario "Resumen de la estancia", la IA reconoce estos como equivalentes semánticos. Los nombres de columna que usted define sirven como etiquetas canónicas, y la IA maneja la asignación desde cualquier terminología que use cada informe. Esto significa que puede agregar un informe de un nuevo hospital o departamento en cualquier momento sin reconfigurar nada.

¿Puede un mismo lote contener informes de radiología y resúmenes de alta?

Sí. Al definir columnas que incluyan 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 de alta), y cada resumen de alta completa las columnas específicas de alta (dejando en blanco las de radiología). La hoja de cálculo resultante contiene todas las filas con todas las columnas, y puede filtrar por tipo de documento o por si una columna en particular está completada para aislar sus registros solo de radiología o solo de alta.

¿Cómo manejar los medicamentos de alta listados como texto libre en lugar de 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 los medicamentos. Luego puede subdividirlo manualmente en Excel o ejecutar una segunda pasada de extracción solo sobre el texto de medicamentos para analizarlo en subcampos estructurados. Comenzar con el texto completo como columna le brinda 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 son mejor realizadas por 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 adapta tanto a pequeña como a gran escala de forma natural. Un residente que realiza un estudio retrospectivo con 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 de forma lineal. De hecho, la extracción puede ser más valiosa para proyectos de investigación pequeños, porque estos proyectos normalmente no tienen presupuesto para personal de abstracción dedicado. El residente que necesita construir una base de datos de 30 casos después de sus deberes clínicos es la persona menos capaz de absorber 20 horas de ingreso manual de datos — y la persona que más se beneficia de convertir esas 20 horas en 2.