7 Erros na Extração de Prints de EHR Que Custam
às Equipes Clínicas Dados Irrecuperáveis

Por que a Extração de Screenshots Continua Falhando — e Não é Apenas Erro do Usuário

Quando você precisa de valores laboratoriais de uma coorte de 200 pacientes para um estudo retrospectivo, o prontuário eletrônico raramente fornece uma exportação limpa. A maioria dos coordenadores de pesquisa clínica (CRCs) e gestores de dados trabalha com o que consegue obter: screenshots de painéis de resultados laboratoriais, capturados do Epic ou Cerner durante uma sessão de revisão de prontuários. A lógica é direta — "Eu consigo ver o valor da creatinina nesta tela. Se eu extraí-lo, terei os valores de creatinina para minha análise."

A lógica está errada. Não porque o valor não esteja lá, mas porque extraí-lo com precisão exige resolver vários problemas que uma screenshot sozinha nunca conseguirá resolver. O Modelo de Gestão da Qualidade de Dados da AHIMA, que rege como os dados de saúde devem ser gerenciados ao longo de seu ciclo de vida — da coleta à aplicação e armazenamento — identifica quatro dimensões da qualidade dos dados: precisão, completude, consistência e pontualidade. Uma screenshot de um painel de prontuário eletrônico falha nas três primeiras antes mesmo da extração começar. Os dados estão lá, mas não estão estruturados. O intervalo de referência está lá, mas pertence a um laboratório, não ao laboratório ao lado. O contexto do atendimento está lá na tela, mas desaparece no momento em que você salva o arquivo de imagem.

A seguir, estão sete erros específicos — do tipo que não são óbvios até que você tenha construído um conjunto de dados e descoberto, seis meses depois, que os números não fecham. Cada um tem uma causa raiz mais profunda que o sintoma, e cada um tem uma correção que muda o resultado.

Erro #1: Assumir que Toda Screenshot de Prontuário Eletrônico é Legível por Máquina

Este é o erro que prepara o terreno para todos os outros. Você tira uma screenshot do painel metabólico completo de um paciente. Na sua tela, na resolução que seu monitor exibe, cada valor está nítido: Glucose 102, Creatinina 1.3, eGFR 57. Você a insere em uma ferramenta de OCR e ela retorna "Glucose 102", "Creatlnlne 1.3", "eGFR S7". Perto. Mas errado.

A causa não é um mecanismo de OCR ruim. É a lacuna de resolução entre o que seus olhos veem e o que a ferramenta de extração processa. A maioria das screenshots de prontuários eletrônicos é capturada na resolução da tela — 96 DPI em um monitor padrão, talvez 150 DPI em uma tela de alta densidade. O OCR tradicional foi projetado para documentos digitalizados a 300 DPI ou mais. Quanto menor a resolução, maior a probabilidade de confusão em nível de caractere: "BUN" se torna "8UN", "Mg" se torna "Mg" (parece idêntico para a ferramenta), e "1.3" em um tamanho de fonte pequeno se torna ambíguo entre 1.3, 1.8, 1.9.

Este problema se agrava quando você trabalha com capturas de rolagem — aquelas screenshots longas onde você rolou por um painel laboratorial que não cabe em uma tela e usou uma ferramenta de costura para combinar vários quadros. A costura introduz pequenos artefatos de alinhamento nas emendas. Se um valor laboratorial cair em uma emenda, a ferramenta de extração vê um caractere quebrado. O valor está errado ou completamente ausente, sem nenhum sinalizador de erro para informar qual é o caso.

A correção: Antes de se comprometer com a extração baseada em capturas de tela, audite seu material de origem. Se você estiver capturando capturas de tela especificamente para extração, defina a escala de exibição para 100% e capture na resolução mais alta que seu monitor suportar. Se você estiver trabalhando com capturas de tela feitas por outra pessoa — um cenário comum em estudos multissítios — teste a precisão da extração em uma amostra aleatória de 20 imagens antes de processar o lote completo. Se os erros em nível de caractere excederem 1%, a qualidade da captura de tela é o gargalo, não a ferramenta de extração. Nesses casos, a extração direcionada de campos — onde você especifica exatamente quais valores precisa e a IA os localiza por compreensão semântica, em vez de OCR pixel por pixel — lida com a variação de resolução de forma mais confiável do que o OCR de página inteira.

Erro #2: Extrair Tudo em Vez do que Responde à Sua Pergunta de Pesquisa

Você precisa de três valores de cada paciente: creatinina na admissão, creatinina na alta e troponina de pico. Você insere a captura de tela em uma ferramenta de OCR. Ela lê todo o painel laboratorial — 28 valores, faixas de referência, carimbos de data/hora da coleta, o nome do médico solicitante, a nota de rodapé "Resultado Anterior" — e entrega uma parede de texto. Agora você está fazendo a mesma busca manual em 200 despejos de OCR que estava tentando evitar, só que agora está procurando em um despejo de texto em vez de uma captura de tela.

A causa raiz é uma incompatibilidade entre o design da ferramenta e a tarefa. O OCR padrão foi criado para digitalizar documentos — transformar uma imagem de texto em texto. Nunca foi projetado para responder à pergunta "qual era a creatinina de admissão deste paciente?" Essa pergunta exige entender qual valor na página corresponde a qual conceito clínico e ignorar todo o resto. Uma ferramenta de OCR que extrai todos os 28 valores não economizou 28 unidades de trabalho. Ela criou 25 unidades de ruído que você precisa filtrar para encontrar as 3 que precisa.

Uma revisão sistemática no JCO Clinical Cancer Informatics descreveu uma ferramenta chamada ExtractEHR que alcançou mais de 98% de sensibilidade para eventos adversos laboratoriais — em comparação com 0-21% para abstração manual. A diferença não foi um mecanismo de OCR melhor. Foi que a ferramenta extraía pontos de dados específicos e predefinidos, em vez de despejar todo o conteúdo da página. Quando você define o que precisa antes da extração — "Creatinina na Admissão", "Creatinina na Alta", "Troponina de Pico" — você inverte o fluxo de trabalho. Em vez de extrair tudo e depois caçar, você caça primeiro (definindo seus campos) e extrai apenas os acertos.

A correção: Escreva suas variáveis exatas de pesquisa antes de extrair qualquer coisa. Não "valores laboratoriais" — campos específicos com definições precisas. "Creatinina na Admissão" significa o primeiro valor de creatinina dentro de 24 horas da admissão, não a creatinina de qualquer atendimento. Se sua ferramenta de extração criar uma linha por paciente com exatamente essas colunas, você resolveu o problema. Se ela criar um despejo de texto de 28 linhas por paciente para você analisar, você não automatizou nada. Ferramentas que suportam extração de colunas personalizadas — onde você insere os nomes dos campos desejados e o modelo encontra apenas esses valores — são projetadas precisamente para esse fluxo de trabalho. Você define a estrutura de saída; a extração a preenche. Para um passo a passo mais detalhado dessa abordagem, veja como a extração direcionada de dados clínicos difere do OCR de uso geral.

Erro #3: Ignorar a Variação de Faixas de Referência e Unidades entre Laboratórios

Um paciente tem dois painéis laboratoriais no seu conjunto de dados — um do laboratório do hospital de admissão, outro de um laboratório de referência usado pelo ambulatório. O laboratório do hospital relata creatinina em mg/dL com faixa de referência de 0,7-1,2. O laboratório de referência relata creatinina em µmol/L com faixa de referência de 62-106. Sua ferramenta de extração captura fielmente ambos os números: "1,3" e "115". Ambos estão levemente elevados em relação às suas respectivas faixas. Se você mesclar esses dois valores em uma única coluna "Creatinina" sem normalizar as unidades, sua análise os trata como números comparáveis — e uma creatinina de 115 na sua planilha parece uma insuficiência renal grave ao lado de uma creatinina de 1,3, quando na realidade é aproximadamente 1,3 mg/dL convertido.

Este erro é especialmente perigoso porque não produz um erro óbvio. Nada quebra. Nenhum outlier é sinalizado (115 é uma creatinina plausível para um paciente em lesão renal aguda). O erro é estrutural: seu conjunto de dados agora contém valores em duas unidades diferentes, e toda análise subsequente — médias, regressões, curvas de Kaplan-Meier — está silenciosamente contaminada. Um white paper de 2015 do NIH Collaboratory sobre qualidade de dados de prontuários eletrônicos destacou especificamente esse problema, observando que sistemas de UTI e hospitalares frequentemente registram o mesmo item clínico em unidades diferentes, e que "unidades são implicitamente consideradas iguais" é uma das suposições de extração de dados mais comuns que se mostram falsas.

A faixa de referência é um problema separado. Se o Laboratório A relata "H" (Alto) ao lado de uma creatinina de 1,3 porque seu limite superior é 1,2, e o Laboratório B relata a mesma creatinina de 1,3 como normal porque seu limite superior é 1,3, a bandeira "H" é uma propriedade do laboratório, não do paciente. Extrair valores sinalizados sem a faixa de referência associada cria uma ilusão de significância clínica onde não existe — ou o inverso, um valor sinalizado como normal pelo limite de um laboratório que na verdade é anormal pelos padrões das diretrizes.

A correção: Documente as convenções de unidades e faixas de referência como parte do seu protocolo de extração, não como uma etapa de limpeza de dados posterior. Para estudos multicêntricos, isso significa criar uma tabela de referência laboratorial que mapeie cada fonte para suas unidades e faixas padrão, aplicando conversão de unidades e normalização de faixas durante a extração — não durante a análise, momento em que os valores brutos específicos do laboratório podem já ter sido agregados em estatísticas resumidas que não podem ser desagregadas. Alguns fluxos de extração permitem definir Colunas Calculadas — regras que transformam valores durante a extração, como converter todos os valores de creatinina para uma única unidade — para que o conjunto de dados de saída já esteja normalizado.

Erro #4: Perder o Contexto do Atendimento ao Extrair Valores

O prontuário de um único paciente pode conter creatinina medida na admissão (elevada por desidratação), creatinina medida 48 horas depois (normalizada após fluidos) e creatinina medida na alta (estável). Três valores, mesmo paciente, três significados clínicos diferentes. Se seu processo de extração capturar "Creatinina: 2,1; 1,1; 0,9" sem preservar a qual atendimento cada valor pertence, você perdeu a capacidade de distinguir entre um paciente que melhorou e um que chegou com função renal normal e piorou — a trajetória clínica se perde.

Esse erro ocorre porque uma captura de tela mostra o que está visível em uma tela em um momento — não a estrutura relacional que conecta cada valor laboratorial a um timestamp do atendimento, um médico solicitante e um contexto clínico. A captura do painel laboratorial mostra "Creatinina 1,3" e abaixo "Resultado anterior: Creatinina 1,1 (01/08/2026)." Se sua ferramenta de extração lê esses como dois valores consecutivos em uma lista — "1,3; 1,1" — você acabou de misturar um valor atual com um comparativo histórico. Seu conjunto de dados agora diz que este paciente teve dois valores de creatinina, quando apenas um pertence ao atendimento atual. Em um estudo que acompanha a função renal ao longo do tempo, isso é indistinguível de uma segunda medição genuína.

Isso piora com laudos de radiologia e patologia, onde um único paciente pode ter um exame de imagem pré-procedimento, um achado intraoperatório e um acompanhamento pós-alta — todos em documentos separados com IDs de atendimento distintos. Um processo de extração que não preserva metadados no nível do atendimento produz uma lista plana de valores, sem meios de reconstruir a linha do tempo clínica.

A correção: Defina colunas de metadados no nível do atendimento como parte do seu modelo de extração — Número do Prontuário do Paciente, Data do Atendimento, Horário da Coleta da Amostra — e extraia-os junto com cada valor laboratorial. Cada linha na sua saída deve representar exatamente um resultado laboratorial de um atendimento para um paciente. Se um paciente tem três valores de creatinina em três atendimentos, você deve obter três linhas, cada uma com um identificador único de atendimento. Isso é o oposto da abordagem "uma linha por paciente", e é a única estrutura que preserva a trajetória clínica. Para estudos onde você precisa extrair dados de dezenas de atendimentos por paciente — comum em pesquisas longitudinais — a extração em lote com granularidade no nível do atendimento mantém a estrutura relacional intacta.

Erro #5: Verificação Manual como uma Falsa Rede de Segurança

Após extrair valores laboratoriais de 200 capturas de tela, você faz o que é responsável: verifica visualmente os valores extraídos em relação às imagens originais. Confira 10% dos registros. A lógica é que olhos humanos captam o que as máquinas perdem. As evidências dizem o contrário.

Pesquisas sobre inspeção visual humana em diversas áreas — desde dados clínicos até controle de qualidade na manufatura — documentaram taxas de erro na verificação manual variando de 16,4% a 30,0%. Isso significa que um revisor humano checando valores laboratoriais extraídos contra capturas de tela originais perde aproximadamente um em cada cinco erros e, ocasionalmente, introduz novos erros ao ler incorretamente um valor extraído corretamente. O problema se intensifica com o volume: após revisar 20 painéis laboratoriais Epic quase idênticos, seu cérebro para de registrar a diferença entre "Na 139" e "Na 139" — ambos parecem corretos porque o padrão é tão familiar, mesmo que um possa ser um valor de potássio rotulado incorretamente na saída da extração.

A causa estrutural é que a verificação manual pede que um humano faça o que humanos fazem mal: correspondência de padrões monótona e de alto volume, sem tolerância para variação na atenção. Um coordenador de pesquisa clínica verificando 200 painéis laboratoriais em duas tardes não está operando com vigilância máxima na segunda hora. A passagem de verificação captura alguns erros de transposição, mas sistematicamente perde erros de contexto — um valor colocado na coluna errada, um intervalo de referência interpretado como valor de resultado — porque estes não parecem "errados" quando verificados isoladamente. Eles só se tornam visíveis quando você tenta usar os dados.

A correção: Substitua a verificação por amostragem por validação estrutural. Defina regras que sua saída de extração deve satisfazer: valores de creatinina devem ser números positivos, eGFR deve estar entre 1 e 200, carimbos de data/hora da coleta devem estar dentro do intervalo de datas do encontro. Execute essas regras em 100% dos registros extraídos, não em uma amostra de 10%. Sinalize violações para revisão humana — mas agora o humano está investigando uma anomalia em vez de comparar monotonamente 200 linhas de dados, o que é uma tarefa cognitiva fundamentalmente diferente com uma taxa de erro muito menor. Para uma perspectiva mais ampla sobre por que a verificação manual de dados falha em escala, a lacuna entre conferir e validar é toda a história.

Erro #6: Propagação de Cópia e Cola Entre Conjuntos de Dados

Você extrai valores laboratoriais para o Excel. A Planilha 1 é a extração mestre. A Planilha 2 é o subconjunto de análise — você copia a coluna de creatinina da Planilha 1. A Planilha 3 é para a análise de Kaplan-Meier — você copia a coluna de creatinina da Planilha 2. Três meses depois, alguém descobre que a creatinina do paciente #47 foi inserida como 13,0 em vez de 1,30. Está errado na Planilha 1. Mas quais das Planilhas 2 e 3 também contêm o erro? A Planilha 2 foi copiada antes ou depois da correção na Planilha 1? Quando você atualiza a Planilha 1, as Planilhas 2 e 3 são atualizadas automaticamente ou mantêm os valores antigos? Se você compartilhou a Planilha 2 com um colaborador que construiu sua própria análise a partir dela, como propaga a correção?

Isso não é uma falha de extração de dados — é uma falha de gerenciamento de dados que as ferramentas de extração não previnem, mas que os fluxos de trabalho de extração tornam inevitável. O Quick Safety Issue 10 da Joint Commission sobre erros de copiar e colar em prontuários eletrônicos identificou que a propagação de cópia e cola é um dos principais contribuintes para erros de documentação clínica, e o ECRI Institute descobriu que erros de documentação representam 72% das responsabilidades por má prática relacionadas a prontuários eletrônicos. A mesma dinâmica — um erro se propagando silenciosamente por vários arquivos derivados — se aplica de forma idêntica aos dados de pesquisa extraídos, com o risco adicional de não haver um evento de segurança do paciente para desencadear a descoberta. O erro permanece em uma planilha até que um revisor de periódico questione um valor atípico implausível, ou até que a análise baseada no erro seja publicada e não possa ser retratada sem retratar o artigo.

A correção: Mantenha uma única fonte da verdade para os dados extraídos. O arquivo de extração mestre é o registro canônico. Todos os arquivos de análise o referenciam — por meio de planilhas vinculadas, importações com script ou consultas a banco de dados — em vez de conterem suas próprias cópias. Se um valor for corrigido no mestre, a correção se propaga automaticamente para todas as análises. Isso exige disciplina, não tecnologia — mas é uma disciplina que se paga na primeira vez que você precisa corrigir um valor e não precisa auditar seis arquivos derivados para descobrir onde o erro se espalhou. Para equipes que gerenciam revisão de prontuários em escala, o custo de não ter uma única fonte da verdade se acumula a cada prontuário adicionado à revisão.

Erro #7: Normalizar a Taxa de Erro — Quando 5% se Torna Aceitável

Este é o meta-erro que torna todos os outros erros permanentes. Após a primeira extração produzir 95% de precisão, a equipe aceita. 95% é bom. O processo manual anterior de todos era talvez 90%. O conjunto de dados é construído, a análise é executada, o manuscrito é submetido. Uma taxa de erro de 5% em 200 pacientes significa que 10 pacientes têm pelo menos um valor laboratorial incorreto no conjunto final. Se esses 10 pacientes estiverem no braço de tratamento da sua análise, ou se forem os pacientes mais graves (cujos registros são os mais complexos e, portanto, mais propensos a erros), esse erro de 5% não é distribuído aleatoriamente — é sistematicamente tendencioso.

A armadilha da normalização tem uma segunda dimensão: os tipos de erros que sobrevivem à normalização são os piores. Erros de transposição — uma troca de dígitos em um valor laboratorial — produzem valores atípicos que acionam alertas durante a análise. Uma creatinina impossível de 130 mg/dL é detectada. Mas um valor laboratorial colocado na coluna errada de um atendimento, ou um intervalo de referência extraído como valor de resultado, ou uma conversão de unidade que nunca foi aplicada — estes não produzem valores atípicos. Eles produzem valores com aparência plausível que se encaixam nas faixas esperadas e passam em todas as verificações automatizadas, precisamente porque são valores clínicos reais que pertencem ao contexto errado. Uma análise de sinistros de 2020 da The Doctors Company descobriu que a porcentagem de sinistros alegando que o EHR contribuiu para lesão ao paciente subiu de 0,35% em 2010 para 1,62% em 2018. O problema mais comum relacionado ao usuário foi "informação incorreta" (13%) — dados que pareciam corretos, mas não estavam.

A correção: Defina metas de precisão antes da extração, não depois. Defina o que "preciso" significa para sua pergunta de pesquisa específica — não como uma porcentagem global, mas como requisitos em nível de campo. Valores de creatinina devem corresponder à fonte com margem de 0,1 mg/dL. Datas de atendimento devem ser correspondência exata, não aproximada. Intervalos de referência devem ser verificados como intervalos, não extraídos acidentalmente como resultados. Execute regras de validação nos dados extraídos e calcule taxas de erro específicas por campo. Um conjunto de dados com 95% de precisão geral, mas 80% de precisão no campo do qual seu desfecho primário depende, não é um conjunto de dados com 95% de precisão — é um conjunto de dados não confiável para seu estudo. Volte e corrija a extração especificamente para aquele campo.

O Que Realmente Funciona: Cinco Decisões Que Mudam o Resultado

Cada erro acima tem uma correção espelhada. Juntas, elas formam um protocolo de extração que não custa nada, mas previne as falhas posteriores que tornam conjuntos de dados não confiáveis.

1. Defina seus campos antes de extrair qualquer coisa. Não "valores laboratoriais" — variáveis específicas com definições precisas, unidades e faixas esperadas. Se você precisa da creatinina de admissão, defina-a como "primeira creatinina sérica registrada dentro de 24 horas da admissão, em mg/dL." A especificidade força a extração a mirar, não a despejar.

2. Preserve o contexto do atendimento como uma coluna, não uma convenção. Cada linha extraída precisa de ID do paciente, ID do atendimento e timestamp da coleta. Sem essas três colunas, seu conjunto de dados não consegue distinguir entre dois valores de creatinina do mesmo paciente coletados com 48 horas de diferença — exatamente a distinção da qual sua análise depende.

3. Normalize as unidades na extração, não no pós-processamento. Se o Laboratório A reporta em mg/dL e o Laboratório B em µmol/L, aplique a conversão durante a extração. Uma Coluna Computada que transforma todos os valores para uma única unidade antes do conjunto de dados ser montado significa que você nunca precisará se perguntar se uma creatinina de 115 é insuficiência renal grave ou apenas uma unidade diferente.

4. Valide estruturalmente, não por amostragem. Verificações baseadas em regras em 100% dos registros — números positivos onde números positivos pertencem, timestamps dentro das janelas de atendimento, eGFR derivado apenas de valores de creatinina na mesma linha — capturam mais erros do que a verificação humana por amostragem a uma fração do custo de mão de obra. Reserve a revisão humana para exceções sinalizadas, não para verificação de rotina.

5. Um arquivo mestre, zero cópias. Cada análise referencia o conjunto de dados canônico. Correções propagam-se automaticamente. Arquivos derivados são scripts, não planilhas estáticas.

Perguntas Frequentes

A IA consegue extrair valores laboratoriais de capturas de tela de prontuários eletrônicos de forma confiável?

Sim — mas apenas quando você define o que deseja que ela encontre. Alimentar uma captura de tela para um mecanismo de OCR de uso geral e esperar dados estruturados é o erro mencionado no item #2 acima. A abordagem confiável é a extração direcionada: você especifica os campos necessários (ex.: "Creatinina na Admissão", "Creatinina na Alta") e o modelo localiza esses valores entendendo o que significam, não lendo cada caractere na página sequencialmente. Essa abordagem semântica lida com a variação de resolução e formato que o OCR baseado em pixels não consegue.

Qual é a maior causa isolada de valores laboratoriais extraídos incorretamente?

Perda de contexto — seja o contexto de unidade/faixa de referência (Erro #3) ou o contexto de atendimento (Erro #4). Um valor quase nunca está "errado" isoladamente. Ele está errado porque pertence a um exame diferente, a um atendimento diferente ou a um sistema de unidades diferente da coluna em que foi colocado. Corrija o contexto, e a maioria dos "erros de extração" se revelará estrutural, e não técnica.

Como lidar com capturas de tela de prontuários eletrônicos de vários sistemas hospitalares diferentes?

Cada sistema de prontuário — Epic, Cerner, Meditech — formata os painéis laboratoriais de forma diferente. Um valor de creatinina pode aparecer em "QUÍMICA" em um sistema e em "CMP" (Painel Metabólico Abrangente) em outro. A abordagem de extração precisa ser independente de formato — localizando valores pelo seu significado clínico, e não pela posição na página. É por isso que o OCR baseado em modelos (que procura creatinina em coordenadas de pixel específicas) falha em conjuntos de dados de múltiplas fontes, e por que a extração semântica (que encontra "creatinina" onde quer que apareça na página) não falha. Antes de extrair, crie um mapeamento de campos que defina o que você está procurando em termos clínicos ("Creatinina Sérica, mg/dL"), não em termos posicionais.

A HIPAA afeta como posso extrair dados de capturas de tela de prontuários eletrônicos?

Sim — mas de uma forma específica relevante para a escolha da ferramenta. A HIPAA exige que as informações de saúde protegidas (PHI) sejam tratadas com salvaguardas administrativas, físicas e técnicas (Regra de Segurança, 45 CFR Parte 164 Subparte C). Ao enviar capturas de tela de prontuários para uma ferramenta de extração baseada em nuvem, você está transmitindo PHI a terceiros. Isso exige um Contrato de Associado de Negócios (BAA) se a ferramenta processar ou armazenar as imagens. Antes de usar qualquer ferramenta de extração para dados clínicos, confirme se ela oferece um BAA e se os arquivos enviados são retidos após o processamento. Ferramentas que processam e excluem, em vez de armazenar, apresentam menor risco do ponto de vista de conformidade. Isso não é aconselhamento jurídico; consulte o IRB e o responsável pela privacidade da sua instituição para o seu estudo específico.

E se meus valores laboratoriais vierem de relatórios escaneados, e não de capturas de tela do prontuário eletrônico?

Relatórios escaneados introduzem uma camada adicional de degradação de qualidade — artefatos físicos do papel, distorção do ângulo de digitalização e camadas de texto OCR mais antigas que podem estar distorcidas. Os erros principais ainda se aplicam, mas o problema de resolução (Erro nº 1) é amplificado. Se você trabalha com digitalizações, uma abordagem baseada em modelo de visão que lê documentos como um humano — compreendendo o conteúdo semanticamente, e não caractere por caractere — lida melhor com artefatos de digitalização do que o OCR tradicional. Mas, independentemente da ferramenta, sempre teste primeiro em seus piores documentos (impressão fraca, anotações manuscritas, páginas inclinadas), não nos mais nítidos.

Comece com sua pergunta de pesquisa. Trabalhe de trás para frente até os campos que a respondem. Extraia apenas esses. Os sete erros acima são consequências de pular esta etapa.