Um Estudo, Três Tipos de Documento:
Laudos de Radiologia, Patologia e Notas de Alta em Uma Única Tabela
Sua retrospectiva oncológica precisa do tamanho do tumor no laudo de radiologia, do grau histológico na patologia e do tempo de internação no relatório de alta. Para 200 pacientes, são três documentos cada. Três formatos, três conjuntos de convenções, um conjunto de dados. Os dados existem; estão dispersos entre tipos de documento que nunca foram projetados para serem combinados.
Principais Conclusões
- Com 200 pacientes e três tipos de documento cada, você terá aberto 600 arquivos antes que seu conjunto de dados tenha uma única variável: a aritmética invisível da revisão de prontuários multissource.
- O gargalo não é a velocidade da transcrição. É que cada documento-fonte foi escrito para um público clínico (médicos solicitantes, comitês de tumor, próximos prestadores), não para o pesquisador que precisa de cinco variáveis de todos os três.
- Defina suas variáveis como nomes de coluna uma vez, do Tamanho da Lesão a um tempo de internação derivado, e o ImageToTable.ai as extrai de documentos de radiologia, patologia e alta em um único lote, deixando uma tabela em que cada linha aguarda uma simples mesclagem por ID do paciente.
O Problema da Revisão de Gráficos com Múltiplas Fontes
Estudos retrospectivos de documento único são incomuns. A maioria dos estudos extrai variáveis de múltiplos tipos de documentos em cada prontuário do paciente: exames laboratoriais do painel de química, achados de imagem dos laudos de radiologia, classificação histológica das notas de patologia, desfechos do relatório de alta. Cada documento contribui com uma fatia diferente do conjunto de dados.
A complicação é que cada tipo de documento é estruturado em torno das necessidades de seu autor original. Os laudos de radiologia são escritos para médicos solicitantes e estruturados em torno da localização anatômica e da impressão clínica. Os laudos de patologia seguem formatos sinópticos do CAP (College of American Pathologists) para conselhos de tumores e registros. Os relatórios de alta resumem uma hospitalização para o próximo profissional de saúde. Nenhum deles é estruturado para um pesquisador que precisa de cinco variáveis específicas em todos os três.
A extração manual de registros com múltiplas fontes significa abrir três documentos por paciente, navegar por três formatos diferentes e transcrever de três locais diferentes. Com 200 pacientes, são 600 consultas a documentos antes de você extrair uma única variável.
Laudos de Radiologia: Achados Enterrados em Prosa
Laudos de radiologia seguem um padrão flexível: História Clínica, Técnica, Achados, Impressão. A seção de Achados é prosa narrativa: a descrição do radiologista sobre o que foi visto, escrita para interpretação clínica em vez de entrada em banco de dados. As variáveis que os pesquisadores precisam (tamanho do tumor, localização, implicações de estadiamento) estão embutidas em parágrafos como:
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.A variável que você precisa (tamanho da lesão: 2.3 cm) está lá, mas também está o contexto anatômico, qualificadores de técnica de imagem e a linguagem interpretativa do radiologista. Essa lacuna é o que torna a extração de laudos de radiologia mais difícil do que parece: OCR simples retorna tudo, enquanto a extração baseada em colunas retorna apenas o valor que você solicitou.
Nomes de colunas úteis para laudos de radiologia:
| Nome da coluna | Extrai do laudo de radiologia |
|---|---|
| Tamanho da Lesão | Dimensões da lesão primária (maior diâmetro, ou maior × menor) |
| Localização da Lesão | Sítio anatômico e sub-localização (lobo, segmento, quadrante) |
| Invasão Vascular | "Sim," "Não," ou em branco se não mencionado |
| Status dos Linfonodos | Positivo, negativo, ou número de linfonodos envolvidos |
| Estadiamento Radiológico | TNM, Li-RADS, BIRADS, ou pontuação do sistema equivalente |
| Modalidade de Imagem | TC, RM, PET-CT, Ultrassom, etc. |
Laudos de Patologia: Semiestruturados, mas Inconsistentes
Os dados dos laudos de patologia são semiestruturados, o que deveria torná-los o mais fácil dos três tipos de documento para extrair. Laudos de patologia cirúrgica para tumores ressecados seguem formatos sinópticos da CAP com campos rotulados explícitos: Tipo Histológico, Grau, Tamanho do Tumor, Margens, Invasão Linfovascular, Invasão Perineural, Estadiamento. Esses campos rotulados são extraídos de forma confiável.
A inconsistência vem de duas fontes: laudos mais antigos que antecedem a adoção generalizada do formato sinóptico (notas de patologia narrativas em vez de campos rotulados) e laudos de diferentes instituições que usam modelos sinópticos ligeiramente diferentes. Um laudo de patologia mamária do Hospital A pode listar "Grau Nuclear" enquanto o Hospital B usa "Grau de Nottingham", ambos os nomes para o mesmo sistema de classificação.
Nomes de colunas que mapeiam campos comuns de laudos de patologia:
| Nome da coluna | Extrai do laudo de patologia | Observações |
|---|---|---|
| Tipo Histológico | Classificação do tumor primário (ex.: Carcinoma Ductal Invasivo) | Lida com nomes variantes e abreviações |
| Grau | Grau histológico (I/II/III, baixo/intermediário/alto, escore de Nottingham) | Especifique o sistema de gradação se misto: "Grau de Nottingham" |
| Tamanho do Tumor (Patológico) | Maior dimensão do espécime ressecado | Distinto do tamanho radiológico, então use colunas separadas para ambos |
| Status das Margens | Negativas, positivas, focalmente positivas ou distância até a margem | Pode aparecer como "Margens: Livres" ou distância numérica |
| Invasão Linfovascular | Presente, ausente ou não identificada | Rótulos variantes: LVI, LVSI ou invasão do espaço linfovascular |
| Estadiamento Patológico | Estadiamento pTNM do laudo sinóptico | Distinto do estadiamento clínico, então especifique "Estadiamento Patológico" |
Relatórios de Alta: Rotulados, Porém Verbosos
Os relatórios de alta são os mais amigáveis para pesquisadores entre os três tipos de documento. Eles normalmente têm seções claramente rotuladas (Data de Admissão, Data de Alta, Diagnóstico de Admissão, Diagnóstico de Alta, Procedimentos, Encaminhamento) que se mapeiam diretamente para os campos do banco de dados. O desafio é a verbosidade: as seções narrativas (Evolução Hospitalar, Avaliação e Plano) podem se estender por vários parágrafos, tornando o processamento de texto completo caro e impreciso.
Os campos estruturados são extraídos de forma confiável. As variáveis embutidas na narrativa da Evolução Hospitalar (por exemplo, "exigiu transferência para UTI no 3º dia de internação", "desenvolveu lesão renal aguda") exigem uma nomeação de coluna mais específica:
| Nome da coluna | Extração do relatório de alta |
|---|---|
| Data de Admissão | Data da admissão de referência |
| Data de Alta | Data da alta |
| Tempo de Internação | Duração da internação (dias); calculada ou explicitamente declarada |
| Diagnóstico Principal | Diagnóstico de admissão ou principal (código CID ou descrição) |
| Encaminhamento na Alta | Domicílio, SNF, reabilitação, óbito, AMA, transferência |
| Reinternação em 30 Dias | Mencionada ou documentada no contexto do relatório |
| Procedimentos Realizados | Intervenções cirúrgicas ou de procedimento listadas |
Um Upload em Lote, Uma Tabela de Saída
Com o ImageToTable.ai, você não precisa processar tipos de documentos separadamente. Envie laudos de radiologia, laudos de patologia e relatórios de alta juntos em um único lote. Defina um conjunto de colunas que cubra os três tipos de documentos:
Lesion Size | Radiologic Stage | Histologic Type | Grade | Margin Status |
Admission Date | LOS | Discharge Disposition | Primary DiagnosisCada documento contribui com as variáveis que contém. Um laudo de radiologia preenche Tamanho da Lesão e Estágio Radiológico; o laudo de patologia preenche Grau e Status de Margem; o relatório de alta preenche Data de Admissão e Tempo de Permanência. Variáveis ausentes de um tipo específico de documento ficam em branco para essas linhas.
Os nomes das colunas também podem conter um cálculo, então uma variável derivada chega como uma coluna normal em vez de algo que você calcula manualmente no Excel. Uma coluna chamada "LOS (Days Between Admission and Discharge)" retorna o tempo de permanência mesmo quando o resumo nunca o informa, e "Age at Diagnosis" pode ser derivada de uma data de nascimento e uma data de diagnóstico que estão em dois documentos diferentes. Qualquer coisa que seu protocolo defina como variável derivada é nomeada da mesma forma que uma diretamente extraída.
Na sua tabela de saída, cada linha representa um documento, não um paciente. Você precisará mesclar por ID do paciente após a extração, o que é uma operação simples de VLOOKUP ou mesclagem quando os três tipos de documento estiverem em formato de planilha. Nomear seus arquivos de forma consistente (por exemplo, PatientID_radiology.pdf, PatientID_pathology.pdf) torna essa etapa de mesclagem rápida.
Verificação Pontual de Conjuntos de Dados Multifonte
A extração multifonte tem uma categoria de erro específica para registros complexos: atribuição de variáveis. O modelo pode ocasionalmente extrair um tamanho de tumor radiológico do laudo de patologia (que cita o achado de imagem na seção de histórico clínico) em vez da medição da amostra patológica. Essas referências entre documentos são uma característica real dos laudos clínicos e podem criar erros sutis em estudos que precisam distinguir entre dimensões radiológicas e patológicas.
A solução prática é nomear as colunas com precisão ("Tamanho do Tumor Radiológico" vs. "Tamanho do Tumor Patológico") e fazer uma verificação pontual direcionada: após a extração, pegue 10% dos seus registros e verifique as variáveis específicas entre documentos nos laudos de origem. Isso detecta erros de atribuição sem exigir reverificação completa de cada linha.
O Review Mode torna essa verificação pontual mais rápida. Abra um registro, passe o mouse ou clique em qualquer célula extraída, e a ferramenta destaca exatamente onde esse valor está na página original; clique em uma região destacada e ela volta para a célula correspondente da tabela. Para erros de atribuição especificamente, você pode ver rapidamente se o "Tamanho do Tumor Radiológico" foi lido da seção de Achados da radiologia ou de uma nota de patologia que cita o exame de imagem, sem reler nenhum dos laudos por completo.
Antes de Enviar: Onde Fica o Limite da Governança de Dados
Os registros clínicos carregam um conjunto de regras que não tem nada a ver com a qualidade da sua extração. Sob a HIPAA Privacy Rule, dados despojados dos 18 identificadores Safe Harbor (nomes, números de prontuário, datas completas de atendimento e o restante) não são mais informações de saúde protegidas; dados identificáveis ainda são. Se seus arquivos de origem contêm identificadores, toda ferramenta que os toca, incluindo esta, precisa estar dentro da estrutura de tratamento de dados aprovada pela sua instituição, e um fornecedor que cria, recebe ou transmite esses dados em seu nome geralmente precisa de um Business Associate Agreement em vigor.
O ImageToTable.ai processa arquivos enviados de forma efêmera e não os retém após a extração, mas isso por si só não resolve a questão para o seu estudo. Confirme duas coisas antes de um lote real: que seu protocolo de IRB e o escritório de governança de dados permitem que os arquivos saiam dos seus sistemas, e que cada ferramenta no seu fluxo que toca dados de pacientes está coberta pelos acordos que sua instituição exige. Os requisitos de salvaguarda técnica para PHI eletrônica estão em 45 CFR Part 164, Subpart C, e seu oficial de privacidade saberá como eles se aplicam a uma revisão retrospectiva.
Perguntas Frequentes
Posso enviar os três tipos de documento de um paciente no mesmo lote, ou preciso fazer execuções separadas?
Você pode enviar tudo em um único lote. A ferramenta processa cada documento de forma independente. Um laudo de radiologia e um relatório de alta do mesmo paciente são tratados como imagens separadas, cada uma gerando sua própria linha. Você os mescla por ID do paciente no Excel após a extração. Não há benefício em separar as execuções por tipo de documento; um único lote é mais simples e rápido.
Meus laudos de patologia seguem dois formatos sinópticos diferentes de dois hospitais diferentes. Isso afeta a extração?
Na maioria dos casos, não. Laudos de patologia sinópticos usam campos rotulados, por exemplo, "Tipo Histológico:" seguido do valor, mesmo quando o modelo específico varia entre instituições. O modelo lê o rótulo e extrai o valor correspondente, independentemente de onde esse rótulo aparece na página. Diferenças significativas de layout entre instituições são tratadas corretamente para a maioria dos campos rotulados. Para laudos de patologia apenas narrativos (documentos mais antigos sem estrutura sinóptica), a precisão depende de quão claramente o patologista descreveu os achados relevantes.
Laudos de radiologia às vezes contêm múltiplas medidas de lesões. Como especifico qual delas quero?
Seja específico no nome da coluna. "Tamanho da Lesão Primária" vs. "Tamanho da Maior Lesão" vs. "Tamanho da Lesão-Alvo" dão ao modelo alvos de extração diferentes quando múltiplas medidas aparecem. Se o protocolo do seu estudo especifica uma lesão em particular (ex.: a lesão hepática dominante), inclua esse contexto no nome da coluna: "Tamanho da Lesão Hepática Dominante." Nomes de coluna mais específicos reduzem ambiguidade e melhoram a consistência entre registros.
Qual é a melhor forma de lidar com PDFs vs. capturas de tela para esses tipos de documento?
Exportações em PDF de sistemas EHR geralmente produzem entrada mais limpa do que capturas de tela: maior resolução, sem reflexo de tela e texto gerado por máquina em vez de pixels renderizados. Se sua instituição oferece exportação em PDF para laudos de radiologia e patologia, use esses. Capturas de tela funcionam bem quando a exportação em PDF não está disponível ou quando você trabalha com fotos tiradas durante uma sessão de revisão de prontuários em um hospital. Ambos os formatos são suportados no mesmo lote.
Preciso distinguir o estadiamento TNM clínico do patológico. Posso extrair ambos?
Sim. Use duas colunas separadas: "Estágio Clínico (cTNM)" e "Estágio Patológico (pTNM)." O modelo distingue entre o estadiamento clínico pré-tratamento (normalmente do laudo de radiologia ou da nota de oncologia) e o estadiamento patológico pós-ressecção (do laudo de patologia). Nomear ambos explicitamente no seu conjunto de colunas extrai os dois valores corretamente quando eles aparecem em documentos diferentes para o mesmo paciente.
Experimente com um conjunto de pacientes de exemplo: envie os documentos de radiologia, patologia e alta juntos e defina suas variáveis de pesquisa como nomes de colunas.
Começar a Extrair