Une étude, trois types de documents :
Comptes rendus de radiologie, de pathologie et de sortie dans un seul tableau
Votre étude rétrospective en oncologie a besoin de la taille de la tumeur dans le compte rendu de radiologie, du grade histologique dans celui de pathologie et de la durée de séjour dans le compte rendu de sortie. Pour 200 patients, cela fait trois documents chacun. Trois formats, trois ensembles de conventions, un seul jeu de données. Les données existent ; elles sont dispersées dans des types de documents qui n'ont jamais été conçus pour être combinés.
Points clés à retenir
- Avec 200 patients et trois types de documents chacun, vous aurez ouvert 600 fichiers avant que votre jeu de données ne contienne une seule variable : l'arithmétique invisible de la revue de dossiers multi-sources.
- Le goulot d'étranglement n'est pas la vitesse de transcription. C'est que chaque document source a été rédigé pour un public clinique (médecins référents, comités de tumeurs, prochains prestataires), pas pour le chercheur qui a besoin de cinq variables issues des trois types de documents.
- Définissez vos variables comme noms de colonnes une seule fois, de la taille de la lésion à une durée de séjour dérivée, et ImageToTable.ai les extrait des documents de radiologie, de pathologie et de sortie en un seul lot, vous laissant un tableau où chaque ligne attend une simple fusion par ID patient.
Le problème de l'extraction de données à partir de sources multiples
Les études rétrospectives basées sur un seul document sont rares. La plupart des études tirent leurs variables de plusieurs types de documents au sein du dossier de chaque patient : les analyses du panel de chimie, les résultats d'imagerie des comptes rendus de radiologie, la classification histologique des notes de pathologie, les issues du compte rendu de sortie. Chaque document contribue à une partie différente de l'ensemble de données.
La complication vient du fait que chaque type de document est structuré en fonction des besoins de son auteur d'origine. Les comptes rendus de radiologie sont rédigés pour les cliniciens référents et structurés autour de la localisation anatomique et de l'impression clinique. Les comptes rendus de pathologie suivent les formats synoptiques du CAP (College of American Pathologists) pour les comités tumoraux et les registres. Les comptes rendus de sortie résument une hospitalisation pour le prochain prestataire de soins. Aucun d'entre eux n'est structuré pour un chercheur qui a besoin de cinq variables spécifiques dans les trois types de documents.
L'extraction manuelle à partir de dossiers multi-sources implique d'ouvrir trois documents par patient, de naviguer dans trois formats différents et de transcrire à partir de trois emplacements différents. Pour 200 patients, cela représente 600 consultations de documents avant d'avoir extrait une seule variable.
Comptes rendus de radiologie : des résultats noyés dans la prose
Les comptes rendus de radiologie suivent un format souple : historique clinique, technique, résultats, impression. La section Résultats est une prose narrative : la description par le radiologue de ce qui a été observé, rédigée pour l'interprétation clinique plutôt que pour la saisie en base de données. Les variables dont les chercheurs ont besoin (taille de la tumeur, localisation, implications de stadification) sont intégrées dans des paragraphes comme :
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 dont vous avez besoin (taille de la lésion : 2,3 cm) est bien là, mais aussi le contexte anatomique, les qualificatifs de technique d'imagerie et le langage interprétatif du radiologue. C'est cet écart qui rend l'extraction des comptes rendus de radiologie plus difficile qu'il n'y paraît : une simple OCR restitue tout, tandis qu'une extraction par colonnes ne renvoie que la valeur demandée.
Noms de colonnes utiles pour les comptes rendus de radiologie :
| Nom de colonne | Extrait du compte rendu de radiologie |
|---|---|
| Taille de la lésion | Dimensions de la lésion principale (diamètre le plus grand, ou longueur × largeur) |
| Localisation de la lésion | Site anatomique et sous-localisation (lobe, segment, quadrant) |
| Invasion vasculaire | « Oui », « Non », ou vide si non mentionnée |
| Statut ganglionnaire | Positif, négatif, ou nombre de ganglions atteints |
| Stadification radiologique | Score TNM, Li-RADS, BIRADS ou système équivalent |
| Modalité d'imagerie | CT, IRM, TEP-CT, échographie, etc. |
Comptes rendus de pathologie : semi-structurés mais incohérents
Les données des comptes rendus de pathologie sont semi-structurées, ce qui devrait en faire le type de document le plus facile à extraire parmi les trois. Les comptes rendus de pathologie chirurgicale pour les tumeurs réséquées suivent les formats synoptiques CAP avec des champs étiquetés explicites : type histologique, grade, taille de la tumeur, marges, invasion lymphovasculaire, invasion périneurale, stade. Ces champs étiquetés s'extraient de manière fiable.
L'incohérence provient de deux sources : les comptes rendus plus anciens qui précèdent l'adoption généralisée du format synoptique (notes de pathologie narratives plutôt que champs étiquetés), et les comptes rendus de différents établissements qui utilisent des modèles synoptiques légèrement différents. Un compte rendu de pathologie mammaire de l'hôpital A peut indiquer « Nuclear Grade » tandis que l'hôpital B utilise « Nottingham Grade », deux noms pour le même système de classification.
Noms de colonnes correspondant aux champs courants des comptes rendus de pathologie :
| Nom de la colonne | Extrait du compte rendu de pathologie | Remarques |
|---|---|---|
| Type histologique | Classification de la tumeur primitive (p. ex. carcinome canalaire invasif) | Gère les variantes de noms et les abréviations |
| Grade | Grade histologique (I/II/III, faible/intermédiaire/élevé, score de Nottingham) | Précisez le système de notation en cas de mélange : « Nottingham Grade » |
| Taille de la tumeur (pathologique) | Plus grande dimension du spécimen réséqué | Distincte de la taille radiologique, utilisez donc des colonnes séparées pour les deux |
| Statut des marges | Négatif, positif, focalement positif, ou distance à la marge | Peut apparaître comme « Marges : saines » ou comme distance numérique |
| Invasion lymphovasculaire | Présente, absente ou non identifiée | Variantes : LVI, LVSI ou invasion de l'espace lymphovasculaire |
| Stade pathologique | Stade pTNM du compte rendu synoptique | Distinct de la stadification clinique, précisez donc « Stade pathologique » |
Comptes rendus de sortie : étiquetés mais verbeux
Les comptes rendus de sortie sont les plus faciles à exploiter pour la recherche parmi les trois types de documents. Ils comportent généralement des sections clairement étiquetées (Date d'admission, Date de sortie, Diagnostic d'admission, Diagnostic de sortie, Procédures, Devenir du patient) qui correspondent directement aux champs de la base de données. Le défi réside dans la verbosité : les sections narratives (Évolution hospitalière, Évaluation et plan) peuvent s'étendre sur plusieurs paragraphes, ce qui rend le traitement en texte intégral coûteux et imprécis.
Les champs structurés sont extraits de manière fiable. Les variables enfouies dans le récit de l'Évolution hospitalière (p. ex., « transfert en soins intensifs requis au jour 3 d'hospitalisation », « insuffisance rénale aiguë développée ») nécessitent un nommage de colonnes plus spécifique :
| Nom de la colonne | Extrait du compte rendu de sortie |
|---|---|
| Date d'admission | Date d'admission de référence |
| Date de sortie | Date de sortie |
| Durée de séjour | Durée de séjour (jours) ; calculée ou explicitement indiquée |
| Diagnostic principal | Diagnostic d'admission ou principal (code ICD ou description) |
| Devenir à la sortie | Domicile, SNF, réadaptation, décès, AMA, transfert |
| Réadmission à 30 jours | Mentionnée ou documentée dans le contexte du compte rendu |
| Procédures réalisées | Interventions chirurgicales ou procédurales listées |
Un lot importé, un tableau de sortie
Avec ImageToTable.ai, vous n'avez pas besoin de traiter les types de documents séparément. Importez les comptes rendus de radiologie, les notes de pathologie et les comptes rendus de sortie ensemble dans un même lot. Définissez un ensemble de colonnes qui couvre les trois types de documents :
Lesion Size | Radiologic Stage | Histologic Type | Grade | Margin Status |
Admission Date | LOS | Discharge Disposition | Primary DiagnosisChaque document apporte les variables qu'il contient. Un compte rendu de radiologie remplit Taille de la lésion et Stade radiologique ; le compte rendu de pathologie remplit Grade et Statut des marges ; le compte rendu de sortie remplit Date d'admission et Durée de séjour. Les variables absentes d'un type de document particulier restent vides pour ces lignes.
Les noms de colonnes peuvent également porter un calcul, de sorte qu'une variable dérivée arrive comme une colonne normale plutôt que comme quelque chose que vous calculez à la main dans Excel. Une colonne nommée « Durée de séjour (jours entre admission et sortie) » renvoie la durée de séjour même lorsque le résumé ne la mentionne jamais, et « Âge au diagnostic » peut être dérivé d'une date de naissance et d'une date de diagnostic situées sur deux documents différents. Tout ce que votre protocole définit comme variable dérivée est nommé de la même manière qu'une variable extraite directement.
Dans votre tableau de sortie, chaque ligne représente un document, pas un patient. Vous devrez fusionner par ID patient après l'extraction, ce qui est une simple opération RECHERCHEV ou de fusion une fois que les trois types de documents sont sous forme de feuille de calcul. Nommer vos fichiers de manière cohérente (par ex., PatientID_radiology.pdf, PatientID_pathology.pdf) accélère cette étape de fusion.
Vérification ponctuelle des jeux de données multi-sources
L'extraction multi-source comporte une catégorie d'erreurs spécifique aux dossiers complexes : l'attribution variable. Le modèle peut parfois extraire une taille tumorale radiologique à partir du compte rendu de pathologie (qui cite le résultat d'imagerie dans sa section d'antécédents cliniques) plutôt qu'à partir de la mesure de l'échantillon pathologique. Ces références croisées entre documents sont une caractéristique réelle des comptes rendus cliniques, et elles peuvent créer des erreurs subtiles dans les études qui doivent distinguer les dimensions radiologiques des dimensions pathologiques.
La solution pratique consiste à nommer précisément les colonnes (« Taille tumorale radiologique » vs « Taille tumorale pathologique ») et à effectuer une vérification ponctuelle ciblée : après l'extraction, prélevez 10 % de vos dossiers et vérifiez les variables croisées spécifiques par rapport aux comptes rendus sources. Cela permet de détecter les erreurs d'attribution sans avoir à revérifier entièrement chaque ligne.
Le mode Révision accélère cette vérification ponctuelle. Ouvrez un dossier, survolez ou cliquez sur n'importe quelle cellule extraite, et l'outil met en évidence exactement où cette valeur se trouve sur la page d'origine ; cliquez sur une région mise en évidence et il revient à la cellule du tableau correspondante. Pour les erreurs d'attribution en particulier, vous pouvez voir d'un coup d'œil si la « Taille tumorale radiologique » a été lue dans la section Résultats de radiologie ou dans une note de pathologie citant l'étude d'imagerie, sans avoir à relire l'un ou l'autre compte rendu de bout en bout.
Avant de téléverser : où se situe la limite de la gouvernance des données
Les dossiers cliniques sont soumis à un ensemble de règles qui n'a rien à voir avec la qualité de votre extraction. En vertu de la règle de confidentialité HIPAA, les données dépourvues des 18 identifiants Safe Harbor (noms, numéros de dossier médical, dates complètes de service, etc.) ne sont plus considérées comme des informations de santé protégées ; les données identifiables le restent. Si vos fichiers sources contiennent des identifiants, chaque outil qui les traite, y compris celui-ci, doit s'inscrire dans le cadre approuvé de gestion des données de votre établissement, et un fournisseur qui crée, reçoit ou transmet ces données en votre nom doit généralement disposer d'un accord d'associé commercial (Business Associate Agreement).
ImageToTable.ai traite les fichiers téléversés de manière éphémère et ne les conserve pas après l'extraction, mais cela ne règle pas à lui seul la question pour votre étude. Confirmez deux points avant un vrai lot : que votre protocole IRB et votre service de gouvernance des données autorisent les fichiers à quitter vos systèmes, et que chaque outil de votre pipeline qui touche aux données des patients est couvert par les accords exigés par votre établissement. Les exigences de sauvegarde technique pour les PHI électroniques figurent dans 45 CFR Part 164, Subpart C, et votre responsable de la confidentialité saura comment elles s'appliquent à une revue rétrospective.
Questions fréquemment posées
Puis-je télécharger les trois types de documents pour un même patient dans le même lot, ou dois-je effectuer des exécutions séparées ?
Vous pouvez tout télécharger en un seul lot. L'outil traite chaque document indépendamment. Un compte rendu de radiologie et un compte rendu de sortie du même patient sont traités comme des images distinctes, chacune produisant sa propre ligne. Vous les fusionnez par ID patient dans Excel après l'extraction. Il n'y a aucun avantage à séparer les exécutions par type de document ; un seul lot est plus simple et plus rapide.
Mes comptes rendus de pathologie suivent deux formats synoptiques différents provenant de deux hôpitaux différents. Cela affecte-t-il l'extraction ?
Dans la plupart des cas, non. Les comptes rendus de pathologie synoptiques utilisent des champs étiquetés, par exemple « Type histologique : » suivi de la valeur, même lorsque le modèle spécifique varie entre les établissements. Le modèle lit l'étiquette et extrait la valeur correspondante, quel que soit l'endroit où cette étiquette apparaît sur la page. Les différences de mise en page importantes entre les établissements sont gérées correctement pour la plupart des champs étiquetés. Pour les comptes rendus de pathologie purement narratifs (documents plus anciens sans structure synoptique), la précision dépend de la clarté avec laquelle le pathologiste a décrit les résultats pertinents.
Les comptes rendus de radiologie contiennent parfois plusieurs mesures de lésions. Comment préciser celle que je souhaite ?
Soyez précis dans le nom de votre colonne. « Taille de la lésion primaire » par rapport à « Taille de la plus grande lésion » par rapport à « Taille de la lésion cible » donnent au modèle des cibles d'extraction différentes lorsque plusieurs mesures apparaissent. Si votre protocole d'étude spécifie une lésion particulière (par exemple, la lésion hépatique dominante), incluez ce contexte dans le nom de la colonne : « Taille de la lésion hépatique dominante ». Des noms de colonnes plus spécifiques réduisent l'ambiguïté et améliorent la cohérence entre les enregistrements.
Quelle est la meilleure façon de gérer les PDF par rapport aux captures d'écran pour ces types de documents ?
Les exportations PDF des systèmes de dossier médical électronique produisent généralement une saisie plus propre que les captures d'écran : résolution plus élevée, pas de reflet d'écran et texte généré par machine plutôt que pixels rendus. Si votre établissement propose l'exportation PDF pour les comptes rendus de radiologie et de pathologie, utilisez-la. Les captures d'écran fonctionnent bien lorsque l'exportation PDF n'est pas disponible ou lorsque vous travaillez à partir de photos prises lors d'une séance de révision de dossiers à l'hôpital. Les deux formats sont pris en charge dans le même lot.
Je dois distinguer la stadification TNM clinique de la stadification TNM pathologique. Puis-je extraire les deux ?
Oui. Utilisez deux colonnes distinctes : « Stade clinique (cTNM) » et « Stade pathologique (pTNM) ». Le modèle fait la distinction entre la stadification clinique pré-traitement (généralement issue du compte rendu de radiologie ou de la note d'oncologie) et la stadification pathologique post-résection (issue du compte rendu de pathologie). Nommer explicitement les deux dans votre ensemble de colonnes permet d'extraire correctement les deux valeurs lorsqu'elles apparaissent dans des documents différents pour le même patient.
Essayez avec un ensemble de patients type : téléchargez ensemble les documents de radiologie, de pathologie et de sortie, et définissez vos variables de recherche comme noms de colonnes.
Commencer l'extraction