Como Extrair Dados de Radiologia e Resumo de Alta
para Auditorias Clínicas

Dois Tipos de Documento, Um Mesmo Problema de Extração

Relatórios de radiologia e resumos de alta estão em extremos opostos da internação hospitalar de um paciente — um captura um momento diagnóstico, o outro resume toda a admissão — mas compartilham o mesmo problema de acessibilidade de dados. Ambos são gerados como documentos narrativos. Ambos contêm campos que registros clínicos, bancos de dados de pesquisa e auditorias de qualidade precisam como valores estruturados. E, na maioria dos sistemas hospitalares, ambos saem do prontuário eletrônico como PDFs, sem nenhuma dessa estrutura intacta.

Um relatório de radiologia segue uma arquitetura interna notavelmente consistente. O Parâmetro de Prática do Colégio Americano de Radiologia (ACR) para Comunicação de Achados de Imagem Diagnóstica define cinco seções padrão: indicação clínica (por que o exame foi solicitado), técnica (modalidade, contraste, parâmetros de imagem), comparação (com estudos anteriores), achados (a narrativa detalhada do que o radiologista observou) e impressão (a conclusão diagnóstica concisa). O Sistema de Dados e Relatórios de Imagem da Mama (BI-RADS) — amplamente considerado o padrão ouro de relatórios estruturados — demonstra o que acontece quando cada uma dessas seções é mapeada para campos discretos e pesquisáveis. Mas o BI-RADS é a exceção. A maioria dos relatórios de radiologia são ditados em texto livre que usam essas seções de forma inconsistente ou nem as usam, deixando os dados presos em prosa.

Um resumo de alta segue um modelo diferente, mas igualmente previsível. O padrão RC.02.04.01 da Joint Commission exige seis componentes principais: motivo da internação, achados significativos, procedimentos e tratamentos realizados, condição do paciente na alta, medicamentos de alta e instruções de acompanhamento. O Centers for Medicare & Medicaid Services adiciona seus próprios requisitos sob a Condição de Participação para o planejamento de alta. Todo hospital credenciado produz resumos de alta que contêm esses elementos. Mas o formato — quais campos são rotulados, quais estão embutidos em texto livre, se os diagnósticos aparecem com códigos CID ou como descrições em linguagem simples — varia muito entre hospitais e até entre departamentos do mesmo hospital.

O que Extrair de um Laudo Radiológico

Um laudo radiológico contém mais texto do que a maioria das pessoas imagina. Um TC de tórax com contraste típico gera um laudo com vários parágrafos, mas os campos que você realmente precisa para um registro ou auditoria cabem em cerca de dez colunas. O resto — o nome do técnico responsável, os detalhes da dose de radiação, o timestamp da digitação — são informações contextuais que o PDF pode manter.

Os dez campos que valem a pena extrair e por que cada um importa:

O campo Achados merece atenção especial. Com 200 a 500 palavras em um laudo típico, é longo demais para redigitar e denso demais em informações para ignorar. É o campo onde "consolidação no lobo inferior direito" e "sem evidência de embolia pulmonar" coexistem — conclusões opostas que um formulário de abstração baseado em caixas de seleção reduziria a uma única flag "anormal", perdendo a especificidade que torna os dados úteis para pesquisa. Extrair a narrativa completa preserva essa granularidade. A filtragem e codificação podem vir depois; o que importa na etapa de extração é que nada seja prematuramente simplificado.

O que Extrair de um Resumo de Alta

Enquanto os laudos de radiologia são narrativas estruturadas, os resumos de alta são híbridos semiestruturados — uma mistura de campos discretos (data de internação, data de alta) e seções de texto livre (evolução hospitalar, instruções de alta). Essa natureza híbrida é exatamente o que torna a abstração manual tão demorada. Os campos discretos são fáceis de encontrar, mas tediosos de digitar. As seções de texto livre exigem compreensão de leitura para localizar os valores específicos — um diagnóstico enterrado no terceiro parágrafo, uma alteração de medicação descrita no quinto parágrafo.

Os dez campos que importam para abstração em registros, pesquisa e auditoria:

As medicações de alta são consistentemente o campo mais difícil de abstrair manualmente — não porque a informação é difícil de encontrar, mas porque contém quatro subcampos (medicamento, dose, frequência, duração) que geralmente aparecem em um único parágrafo de texto. Uma seção de reconciliação medicamentosa pode listar "Metoprolol succinato 50 mg VO diariamente, continuar em casa" em uma linha e "Apixabana 5 mg VO 12/12h por 30 dias, depois 2,5 mg 12/12h" na seguinte. O abstrator precisa analisar cada linha em campos componentes antes de inseri-los no registro — efetivamente realizando entrada e normalização de dados simultaneamente.

Passo a Passo: Da Exportação de PDF à Planilha Estruturada

O fluxo de trabalho que substitui a abstração manual tem quatro etapas. Nenhuma delas exige programação, implantação de TI ou integração com prontuário eletrônico. A entrada é um conjunto de PDFs exportados do sistema de informação hospitalar. A saída é uma planilha Excel com uma linha por documento e uma coluna por campo.

Um comportamento importante da planilha: ao enviar uma mistura de laudos de radiologia e resumos de alta no mesmo lote, cada linha na saída representa um documento. Um laudo de radiologia terá valores em colunas como "Tipo de Exame" e "Impressão", mas células em branco em "Medicações de Alta" e "Consultas de Acompanhamento". Um resumo de alta mostrará o oposto. Esse comportamento é correto — a planilha é uma união de todas as colunas que você definiu, e cada documento preenche as colunas relevantes ao seu tipo. Para projetos que precisam de ambos os tipos de documento, a planilha única se torna naturalmente uma tabela mestra de dados onde você pode filtrar por tipo de documento para isolar registros apenas de radiologia ou apenas de alta.

Quatro Casos Clínicos Onde a Extração Substitui a Digitação

O fluxo de trabalho descrito acima não é teórico. Ele se aplica diretamente aos cenários mais comuns onde os abstraidores de dados clínicos passam horas transferindo dados de relatórios narrativos para bancos de dados estruturados.

Abstração de Registros Clínicos (STS, GWTG, NCDR)

O Banco de Dados Nacional da Sociedade de Cirurgiões Torácicos (STS), o NCDR do Colégio Americano de Cardiologia (incluindo módulos CathPCI, Dor Torácica-IAM e FA) e o programa Get With The Guidelines (GWTG) da Associação Americana do Coração exigem elementos de dados discretos extraídos de prontuários de pacientes. Um único caso CathPCI pode exigir mais de 150 pontos de dados. Um único caso GWTG-AVC pode exigir mais de 80. Esses pontos de dados estão dispersos em notas de admissão, relatórios de procedimentos, resumos de alta e laudos de imagem — e a tarefa do abstracionista é encontrar cada um em um PDF e digitá-lo na interface de coleta de dados do registro.

A extração não elimina o fluxo de abstração — alguns campos do registro exigem julgamento clínico que apenas um abstracionista treinado pode fornecer. Mas elimina a etapa de transcrição para os campos que aparecem textualmente em laudos de radiologia e resumos de alta: datas de exames, códigos CID-10, nomes de procedimentos, listas de medicamentos. O abstracionista começa com uma planilha pré-preenchida contendo esses valores e, em seguida, adiciona os campos dependentes de julgamento por cima. A diferença entre extrair 80 campos do zero e extrair 30 campos após 50 terem sido preenchidos automaticamente é a diferença entre uma produtividade de 3 casos por dia e 8.

Auditorias de Melhoria da Qualidade

Os departamentos de qualidade hospitalar rotineiramente selecionam prontuários para auditorias focadas — conformidade com o tempo porta-balão, taxas de reconciliação medicamentosa na alta, critérios de uso apropriado para exames de imagem avançados. Cada auditoria começa com uma lista de casos e termina com uma planilha, e o meio do processo é a revisão manual de prontuários. Para uma auditoria de 100 laudos de radiologia verificando se a indicação clínica foi documentada antes da administração de contraste, extrair o campo "Indicação Clínica" de cada PDF para uma única coluna transforma meio dia de leitura em cinco minutos de varredura de uma coluna de planilha.

O Royal College of Radiologists mantém uma biblioteca com mais de 100 modelos de auditoria em radiologia, cada um especificando quais elementos de dados precisam ser coletados. A maioria desses elementos — tipo de exame, tempo de espera, prazo de entrega do laudo, conformidade com padrões de laudo — existe como campos discretos nos laudos de radiologia. Extraí-los para uma planilha antes de iniciar a análise da auditoria encurta a fase de coleta de dados de um ciclo de auditoria que os modelos do RCR normalmente estimam em várias semanas de trabalho em tempo parcial.

Identificação de Casos para Pesquisa Clínica

Um coordenador de pesquisa que monta uma coorte para um estudo retrospectivo precisa triar resumos de alta para critérios específicos de inclusão: um diagnóstico primário de insuficiência cardíaca descompensada aguda, um tempo de internação superior a 48 horas e uma lista de medicamentos de alta que inclua um betabloqueador. Com a revisão manual, isso significa abrir cada PDF, ler para encontrar os campos relevantes e registrar uma decisão sim/não para cada critério. Com a extração, os códigos CID-10, o tempo de internação e a lista de medicamentos já estão em uma planilha — o coordenador tria classificando e filtrando, não lendo.

O ganho de eficiência não é apenas de tempo; é de completude. Uma triagem manual de 200 prontuários inevitavelmente perde casos em que o critério de qualificação é expresso de forma diferente do esperado — "exacerbação de ICC" em vez de "insuficiência cardíaca descompensada aguda", ou "metoprolol" listado em "medicamentos de uso contínuo" em vez de "medicamentos de alta". Uma IA que lê o documento completo de forma semântica captura essas variações ao entender o que significam, não ao corresponder cadeias de caracteres. A coorte triada é maior e mais completa — dois atributos que melhoram diretamente o poder estatístico do estudo resultante.

Preparação da Revisão de Mortalidade

Os comitês de revisão de mortalidade hospitalar — exigidos pela maioria dos órgãos de acreditação e cada vez mais obrigatórios por regulamentações estaduais de qualidade — devem revisar todo óbito de pacientes internados. Cada revisão requer um resumo do caso extraído do sumário de alta: data de internação, diagnóstico principal, procedimentos realizados durante a internação, desfecho da alta (neste caso, óbito) e quaisquer complicações documentadas ou eventos inesperados. Montar esses resumos para uma reunião mensal de revisão de mortalidade com 20 a 50 casos significa que um especialista em qualidade gasta dias extraindo os mesmos campos do mesmo tipo de documento, caso após caso.

Extrair os campos do sumário de alta para uma planilha — uma linha por falecido, uma coluna por elemento de revisão obrigatório — produz uma tabela resumo que pode ser distribuída aos membros do comitê antes da reunião. O tempo de preparação do especialista em qualidade passa da montagem de dados para a triagem de casos: quais casos precisam de análises mais aprofundadas, quais mostram padrões que merecem investigação, quais seguem uma trajetória clínica previsível.

O que a Extração por IA Pode e Não Pode Fazer com Texto Clínico

Ser específico sobre limitações não é fraqueza em contexto clínico — é o que diferencia uma ferramenta confiável de uma que promete demais. Eis onde está o limite.

Ela extrai o que está escrito, não o que está implícito. Se um resumo de alta diz "paciente hipotenso durante a noite, respondeu a fluidos", a IA extrai essa frase como texto do curso hospitalar. Ela não infere que o paciente teve um episódio hipotenso com gravidade ou duração específicas. A inferência clínica — o julgamento de que esse episódio constitui uma complicação para fins de registro — permanece com o abstraidor. A IA fornece a matéria-prima; o abstraidor fornece a interpretação clínica.

Anotações manuscritas em relatórios impressos reduzem a precisão. Um PDF nítido gerado diretamente de um prontuário eletrônico produz extração confiável. Uma impressão digitalizada — especialmente com anotações manuscritas nas margens, artefatos de fax ou múltiplas gerações de fotocópia — pode degradar a precisão em texto próximo às áreas danificadas. Se seu fluxo de trabalho envolve imprimir relatórios, anotá-los e digitalizá-los novamente, a extração capturará o texto impresso de forma confiável, mas as anotações manuscritas com precisão variável dependendo da legibilidade.

Campos aninhados complexos podem confundir o mapeamento semântico. Se uma lista de medicamentos de alta for formatada como um parágrafo não estruturado (em vez de uma tabela), a IA pode interpretar "Metoprolol 50 mg ao dia, Lisinopril 10 mg ao dia, Apixaban 5 mg duas vezes ao dia" como três entradas de medicamentos. Se estiver formatada como uma tabela densa com células mescladas, espaçamento inconsistente e continuação entre quebras de página — como alguns formatos antigos de relatórios hospitalares — a precisão no mapeamento de subcampos (medicamento vs. dose vs. frequência) diminui. Nesses casos, extrair o texto completo do medicamento como um único campo e subdividi-lo manualmente após a extração pode ser mais prático do que esperar que a IA interprete perfeitamente uma tabela mal formatada.

A conformidade com a HIPAA depende do seu manuseio, não da ferramenta. O processo de extração processa arquivos na memória e não os armazena após a sessão. Mas enviar dados de pacientes para qualquer ferramenta baseada em nuvem exige um Acordo de Parceiro de Negócios (BAA) se os dados contiverem informações de saúde protegidas. A ferramenta processa dados em conexões criptografadas, mas a responsabilidade pela conformidade com a HIPAA no seu contexto institucional específico — incluindo se um BAA é necessário e se seu IRB ou escritório de privacidade aprova o fluxo de trabalho — é sua.

FAQ

Funciona com relatórios digitalizados em papel ou apenas com PDFs nativos?

Ambos. PDFs nativos gerados diretamente de um prontuário eletrônico produzem os resultados mais confiáveis, pois o texto é de origem digital. Relatórios digitalizados em papel — incluindo aqueles que foram impressos, anotados e re-digitalizados — são processados pela leitura direta da imagem do texto, sem uma etapa separada de pré-processamento de OCR. A precisão em relatórios digitalizados depende da qualidade da digitalização: uma digitalização limpa a 300 DPI de um relatório impresso tem desempenho quase tão bom quanto um PDF nativo. Uma cópia de fax de uma cópia com alinhamento torto e sombreamento intenso terá menor precisão, especialmente em textos com fontes pequenas, como dosagens de medicamentos.

E se meu hospital usar cabeçalhos de seção diferentes dos descritos aqui?

A extração não corresponde a cabeçalhos de seção por string exata. Se os laudos de radiologia do seu hospital nomearem a seção de impressão como "Conclusão" ou "Avaliação" — ou se o resumo de alta chamar a evolução hospitalar de "Resumo da Internação" — a IA reconhece esses como equivalentes semânticos. Os nomes de colunas que você define servem como rótulos canônicos, e a IA gerencia o mapeamento a partir de qualquer terminologia que cada relatório usar. Isso significa que você pode adicionar um relatório de um novo hospital ou de um novo departamento a qualquer momento sem reconfigurar nada.

O mesmo lote pode conter laudos de radiologia e resumos de alta?

Sim. Ao definir colunas que incluem campos de ambos os tipos de documento — por exemplo, Tipo de Exame, Impressão, Data de Admissão e Medicamentos de Alta — cada laudo de radiologia preenche as colunas específicas de radiologia (deixando em branco as colunas específicas de alta), e cada resumo de alta preenche as colunas específicas de alta (deixando em branco as colunas específicas de radiologia). A planilha gerada contém todas as linhas com todas as colunas, e você pode filtrar por tipo de documento ou por preenchimento de uma coluna específica para isolar registros apenas de radiologia ou apenas de alta.

Como lidar com medicamentos de alta listados como texto livre, em vez de em uma tabela?

Se a lista de medicamentos estiver formatada como texto contínuo, em vez de uma tabela estruturada, defina sua coluna como "Medicamentos de Alta" (o texto completo), em vez de tentar extrair subcampos (medicamento, dose, frequência) em uma única passada. A IA capturará o bloco completo de texto dos medicamentos. Você pode então subdividi-lo manualmente no Excel ou executar uma segunda passada de extração apenas no texto dos medicamentos para analisá-lo em subcampos estruturados. Começar com o texto completo como coluna oferece tanto a velocidade da extração automatizada para o caso geral quanto a flexibilidade para lidar com listas de medicamentos não estruturadas, sem forçar a IA a tomar decisões de análise que são melhor feitas por um revisor humano.

É adequado para um pequeno projeto de pesquisa ou apenas para trabalhos em larga escala com registros?

O fluxo de trabalho se adapta tanto para escalas menores quanto maiores. Um residente conduzindo um estudo retrospectivo com 30 pacientes se beneficia da extração exatamente da mesma forma que um abstraidor de registros processando 300 casos — a economia de tempo por caso se acumula de forma linear. Na verdade, a extração pode ser mais valiosa para projetos de pesquisa pequenos, pois geralmente não têm orçamento para equipe dedicada de abstração. O residente que precisa montar um banco de dados de 30 casos após as atividades clínicas é quem menos pode absorver 20 horas de entrada manual de dados — e quem mais se beneficia ao transformar essas 20 horas em 2.