Como Extrair Dados de Laudos de Radiologia e Resumos de Alta
para Auditorias Clínicas
A maioria dos EHRs hospitalares consegue exportar um laudo de radiologia ou resumo de alta como PDF em menos de dez segundos. O que eles não conseguem — o que quase nenhum sistema de informação clínica consegue — é exportar os dados contidos nesse relatório como campos estruturados. O tipo de exame, o código ICD-10, o parágrafo de impressão, a lista de medicamentos de alta: tudo presente na página, tudo legível por um humano, nada extraível como pontos de dados discretos sem que alguém abra o PDF e digite. Essa lacuna — entre "os dados existem" e "os dados são utilizáveis" — é onde a abstração de registros clínicos, auditorias de qualidade e coleta de dados de pesquisa absorvem centenas de horas que nenhuma rubrica orçamentária contabiliza.
Principais Conclusões
- Um único caso de registro clínico leva de 20 a 30 minutos de abstração manual de prontuário — e quase todo esse tempo é gasto redigitando campos como tipo de exame e código ICD-10 (diagnóstico) que já estão visíveis no PDF.
- EHRs (registros eletrônicos de saúde) exportam laudos de radiologia e resumos de alta como PDFs narrativos que humanos conseguem ler, mas nenhum banco de dados hospitalar consegue consultar — os dados são digitais, mas presos em prosa, e nenhum nível de velocidade de digitação fecha essa lacuna estrutural.
- Defina dez nomes de colunas uma vez — Tipo de Exame, Impressão, Medicamentos de Alta — envie centenas de PDFs, e o ImageToTable.ai preenche uma planilha lendo pelo significado em vez da posição na página, transformando uma transcrição de 30 minutos em uma verificação de 30 segundos.
Dois Tipos de Documentos, Um Único Problema de Extração
Os informes de radiología y los resúmenes de alta se encuentran en extremos opuestos de la estadía hospitalaria de un paciente — uno captura un momento diagnóstico, el otro resume una admisión completa — 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 PDFs sin ninguna de esa estructura intacta.
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 Imágenes Diagnósticas define cinco secciones estándar: indicación clínica (por qué se ordenó 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 Mamarias (BI-RADS) — ampliamente considerado el estándar de oro del informe estructurado — 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 usan estas secciones de manera inconsistente o no las usan en absoluto, dejando los datos encerrados en prosa.
Un resumen de alta sigue una plantilla diferente pero igualmente predecible. La Comisión Conjunta estándar RC.02.04.01 exige seis componentes principales: motivo de la hospitalización, hallazgos significativos, procedimientos y tratamientos realizados, condición del paciente al alta, medicamentos de alta e instrucciones de seguimiento. Los Centros de Servicios de Medicare y Medicaid agregan sus propios requisitos bajo 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 ICD o como descripciones en lenguaje sencillo — varía ampliamente entre hospitales e incluso entre departamentos dentro del mismo hospital.
Ambos tipos de documentos siguen una estructura conocida. Ninguno de los dos proporciona esa estructura como datos extraíbles. El resultado es un flujo de trabajo donde los abstractores de datos clínicos, los coordinadores de investigación y los especialistas en mejora de la calidad pasan su tiempo leyendo PDFs y copiando valores en hojas de cálculo — un trabajo que no tiene nada que ver con el juicio clínico y todo que ver con una brecha de formato que la industria del EHR no ha cerrado.
O que extrair de um laudo de radiologia
Um laudo de radiologia contém mais texto do que a maioria das pessoas imagina. Uma TC de tórax típica com contraste 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 restante — o nome do tecnólogo que realizou o exame, os detalhes da dose de radiação, o horário da ditadura — é informação contextual que o PDF pode manter.
Os dez campos que valem a pena extrair e por que cada um importa:
| Campo | O Que Captura | Por Que Extrair |
|---|---|---|
| Tipo de Exame | TC, RM, Raio-X, Ultrassom, Medicina Nuclear | Critérios de inclusão de registros frequentemente filtram por modalidade |
| Parte do Corpo | Tórax, Cérebro, Abdômen, Extremidade, Coluna | Organiza a coorte por região anatômica para análise de subgrupos |
| Indicação Clínica | Motivo da solicitação do exame (ex.: "excluir TEP") | Valida se o exame corresponde aos critérios de inclusão do registro |
| Técnica | Uso de contraste, espessura de corte, sequências específicas | Padronização da técnica entre casos para análise comparativa |
| Achados | Narrativa completa — observações detalhadas do radiologista | Fonte primária para adjudicação de eventos clínicos e análise de PLN |
| Impressão | Conclusão diagnóstica concisa (1-4 linhas) | Caminho mais rápido para classificação de casos; frequentemente a única seção que um auditor lê |
| Radiologista | Nome do médico que interpretou o exame | Acompanhamento de confiabilidade entre avaliadores, controle de qualidade por médico |
| Médico Solicitante | Clínico que solicitou o exame | Análise de padrões de encaminhamento, métricas de utilização por departamento |
| Data do Exame | Quando a imagem foi realizada | Ancoragem temporal para todas as análises longitudinais |
| Data do Laudo | Quando o laudo foi finalizado | Métricas de tempo de resposta; análise do intervalo entre laudo e ação |
O campo Findings merece atenção especial. Com 200-500 palavras em um informe típico, é demasiado longo para ser reescrito e demasiado denso em informação para ser ignorado. É o campo onde "consolidación del lóbulo inferior derecho" e "sin evidencia de embolia pulmonar" coexistem — conclusões opostas que um formulário de abstração baseado em casillas de verificación colapsaría en un único marcador 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 ocurrir más tarde; lo que importa en la etapa de extracción es que nada se colapse prematuramente.
Qué extraer de un resumen de alta
Donde los informes de radiología son narrativas estructuradas, los resúmenes de alta son híbridos semiestructurados — una mezcla de campos discretos (fecha de admisión, fecha de alta) y secciones de texto libre (curso hospitalario, instrucciones de alta). Esta naturaleza híbrida es precisamente lo que hace que la abstracción manual sea tan laboriosa. 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 enterrado en el párrafo tres, un cambio de medicación descrito en el párrafo cinco.
Los diez campos que importan para la abstracción de registros, la investigación y la auditoría:
| Campo | O Que Captura | Por Que Extrair |
|---|---|---|
| MRN do Paciente | Número do Prontuário Médico | Identificador único do paciente para deduplicação e acompanhamento longitudinal |
| Data de Admissão | Data de admissão hospitalar | Data do evento índice para cálculo do tempo zero do registro |
| Data de Alta | Data de alta hospitalar | Ponto final para cálculos de tempo de internação e janelas de readmissão |
| Tempo de Internação | Data de Alta − Data de Admissão em dias | Métrica central de qualidade; pode ser calculada a partir das duas datas acima |
| Código ICD-10 Primário | Diagnóstico principal (ex.: I21.4 para NSTEMI) | Critério primário de inclusão/exclusão para a maioria dos registros |
| Códigos ICD-10 Secundários | Comorbidades e diagnósticos secundários | Ajuste de risco, pontuação de comorbidade (Charlson, Elixhauser) |
| Códigos de Procedimento CPT | Procedimentos realizados durante a internação | Inclusão em registro baseado em procedimentos, análise de custos |
| Medicamentos de Alta | Nome do medicamento, dose, frequência, duração | Medida central de qualidade para registros de IAM, insuficiência cardíaca e AVC |
| Consultas de Acompanhamento | Acompanhamento agendado com especialidade, data, local | Métrica de qualidade da transição de cuidados; fator de risco de readmissão |
| Médico Responsável pela Alta | Médico assistente na alta | Atribuição em nível de profissional para relatórios de qualidade |
Os medicamentos de alta são consistentemente o campo mais difícil de abstrair manualmente — não porque a informação seja difícil de encontrar, mas porque contém quatro subcampos (medicamento, dose, frequência, duração) que frequentemente aparecem em um único parágrafo de texto. Uma seção de reconciliação de medicamentos pode listar "Metoprolol succinate 50 mg VO diariamente, continuar em casa" em uma linha e "Apixaban 5 mg VO 2x/dia por 30 dias, depois 2,5 mg 2x/dia a partir de então" na próxima. O abstraidor precisa dividir cada linha em campos componentes antes de inseri-los no registro — efetivamente fazendo entrada de dados e normalização de dados simultaneamente.
Passo a Passo: Da Exportação em 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 EHR. 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.
Exporte os relatórios do EHR como PDFs
A maioria dos EHRs hospitalares — Epic, Cerner, Meditech — inclui uma opção de exportação para PDF para laudos de radiologia e resumos de alta. Selecione os casos necessários para sua auditoria ou registro, exporte-os e reúna os PDFs em uma única pasta. Um projeto de abstração de registro pode envolver de 50 a 500 laudos. O projeto de pesquisa de um residente pode envolver 30. O fluxo de extração lida com ambas as escalas da mesma forma.
Defina as colunas necessárias
Este é o núcleo do processo — e a etapa que distingue a extração semântica do OCR baseado em modelo. Em vez de desenhar retângulos ao redor de cada campo em uma página de exemplo, você digita os nomes das colunas relevantes para o seu projeto. Para uma auditoria de radiologia, isso pode ser: Data do Exame, Tipo de Exame, Parte do Corpo, Impressão. Para uma abstração de registro baseada em alta: MRN, Data de Admissão, Data de Alta, ICD-10 Primário, Procedimentos CPT, Medicamentos de Alta. A IA lê cada documento enviado, entende o significado semântico de cada rótulo de campo e localiza o valor correspondente, independentemente de onde ele apareça na página ou de como seja expresso. Você também pode deixar os nomes das colunas em branco e permitir que a IA detecte automaticamente o conteúdo do documento — útil para uma varredura inicial quando você ainda não tem certeza de quais campos estão consistentemente disponíveis em todos os laudos.
Envie e deixe a IA extrair
Envie todos os PDFs em um único lote — 20 laudos de radiologia, 50 resumos de alta ou uma mistura de ambos. Cada documento é processado de forma independente. A IA mapeia os valores encontrados para as colunas definidas. Um laudo do Hospital A que rotula o tipo de exame como "TC de Tórax c/ Contraste" e um laudo do Hospital B que o rotula como "Tomografia Computadorizada — Tórax" ambos preenchem a mesma coluna "Tipo de Exame", porque a IA entende que esses são o mesmo conceito, não porque correspondem à mesma string. A saída é uma única planilha com colunas consistentes em todos os documentos de origem.
Verifique os campos críticos e exporte
Nenhum pipeline de extração — automatizado ou manual — deve pular uma etapa de verificação para dados clínicos. O ônus da verificação, no entanto, é muito menor do que a abstração manual completa. Em vez de ler cada campo e digitar cada valor, você examina a planilha em relação aos PDFs originais e faz uma checagem pontual: O código ICD-10 primário está correto? As datas de alta estão precisas? As listas de medicamentos parecem completas? A verificação normalmente leva de 30 a 60 segundos por caso, em comparação com os 20 a 30 minutos que uma abstração manual completa de prontuário exige. A IA cuida da transcrição; seu papel passa de entrada de dados para garantia de qualidade.
Um comportamento da planilha que vale destacar: 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 vazias em "Medicamentos de Alta" e "Consultas de Acompanhamento". Um resumo de alta mostrará o inverso. Esse é o comportamento 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 naturalmente se torna 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 de Uso Clínico em que a Extração Substitui a Digitação
O fluxo de trabalho descrito acima não é teórico. Ele se aplica diretamente aos cenários mais comuns em que os abstraidores de dados clínicos passam horas transferindo dados de relatórios narrativos para bancos de dados estruturados.
Abstração de Registro Clínico (STS, GWTG, NCDR)
O Banco de Dados Nacional da Society of Thoracic Surgeons (STS), o NCDR do American College of Cardiology (incluindo os módulos CathPCI, Chest Pain-MI e AFib) e o programa Get With The Guidelines (GWTG) da American Heart Association exigem elementos de dados discretos abstraídos dos prontuários dos pacientes. Um único caso CathPCI pode exigir mais de 150 pontos de dados. Um único caso GWTG-Stroke pode exigir mais de 80. Esses pontos de dados estão dispersos em notas de admissão, relatórios de procedimentos, resumos de alta e relatórios de imagem — e a função do abstraidor 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 somente um abstraidor treinado pode fornecer. Mas ela elimina a etapa de transcrição para os campos que aparecem literalmente em relatórios de radiologia e alta: datas de exames, códigos ICD-10, nomes de procedimentos, listas de medicamentos. O abstraidor começa com uma planilha pré-preenchida contendo esses valores e adiciona os campos que dependem de julgamento por cima. A diferença entre extrair 80 campos do zero e extrair 30 campos depois que 50 foram preenchidos automaticamente é a diferença entre uma produtividade de 3 casos por dia e 8.
Auditorias de Melhora da Qualidade
Os departamentos de qualidade hospitalar revisam rotineiramente prontuários para auditorias específicas — conformidade com o tempo porta-balón, taxas de reconciliação de medicamentos na alta, critérios de uso apropriado para imagens avançadas. Cada auditoria começa com uma lista de casos e termina com uma planilha, e o meio é a revisão manual de prontuários. Para uma auditoria de 100 relatórios de radiologia que verifica se a indicação clínica foi documentada antes da administração de contraste, extraer o campo "Indicação Clínica" de cada PDF em uma única columna transforma meio dia de leitura em uma verificação de cinco minutos de uma columna de planilha.
O Royal College of Radiologists mantiene una biblioteca de más de 100 plantillas de auditoría de radiología, cada una especificando qué elementos de datos deben recopilarse. La mayoría de esos elementos — tipo de examen, tiempo de espera, tiempo de respuesta del informe, cumplimiento de estándares de informes — existen como campos discretos en los informes de radiología. Extraerlos a una hoja de cálculo antes de comenzar el análisis de la auditoría reduce la fase de recopilación de datos de un ciclo de auditoría que las plantillas de RCR suelen estimar 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 los resúmenes de alta para criterios de inclusión específicos: un diagnóstico primario de insuficiencia cardíaca descompensada aguda, una duración de la estancia superior a 48 horas, una lista de medicamentos de alta que incluya un bloqueador beta. Con la revisión manual, esto significa abrir cada PDF, leer para encontrar los campos relevantes y registrar una decisión de sí/no para cada criterio. Con la extracción, los códigos ICD-10, la LOS y la lista de medicamentos ya están en una hoja de cálculo — el coordinador selecciona ordenando y filtrando, no leyendo.
La ganancia de eficiencia no es solo de tiempo; es de exhaustividad. Una revisión manual de 200 historias inevitablemente pierde casos donde el criterio de elegibilidad se expresa de manera diferente a lo esperado — "exacerbación de CHF" en lugar de "insuficiencia cardíaca descompensada aguda", o "metoprolol" listado bajo "medicamentos del hogar" en lugar de "medicamentos de alta". Una IA que lee el documento completo semánticamente captura estas variantes al comprender lo que significan, no al hacer coincidir cadenas. La cohorte seleccionada es más grande y más completa — dos atributos que mejoran directamente el poder estadístico del estudio resultante.
Preparação para Revisão de Mortalidade
Comitês de revisão de mortalidade hospitalar — exigidos pela maioria dos órgãos de acreditação e cada vez mais mandatados por regulamentações estaduais de qualidade — devem revisar cada óbito hospitalar. Cada revisão exige um resumo de caso extraído do resumo de alta: data de admissão, diagnóstico principal, procedimentos realizados durante a internação, desfecho da alta (neste caso, óbito) e quaisquer complicações documentadas ou eventos inesperados. Reunir 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 resumo de alta para uma planilha — uma linha por falecido, uma coluna por elemento de revisão exigido — produz uma tabela de resumo que pode ser distribuída aos membros do comitê antes da reunião. O tempo de preparação do especialista em qualidade passa de montagem de dados para triagem de casos: quais casos precisam de análises mais aprofundadas, quais mostram padrões que valem 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 uma fraqueza em contexto clínico — é o que distingue uma ferramenta confiável de uma que promete demais. Aqui está onde fica o limite.
Ela extrai o que está escrito, não o que está implícito. Se um resumo de alta afirma "paciente hipotenso durante a noite, respondeu a fluidos", a IA extrai essa frase como o texto do curso hospitalar. Ela não infere que o paciente teve um episódio hipotensivo com gravidade ou duração específica. A inferência clínica — o julgamento de que esse episódio constitui uma complicação para fins de registro — permanece com o abstraccionista. A IA fornece o material bruto; o abstraccionista fornece a interpretação clínica.
Anotações manuscritas em relatórios impressos reduzem a precisão. Um PDF nítido gerado diretamente de um EHR produz extração confiável. Uma impressão digitalizada — especialmente com notas manuscritas nas margens, artefatos de fax ou múltiplas gerações de fotocópias — pode degradar a precisão no 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 estruturados profundamente aninhados 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 analisar "Metoprolol 50 mg diário, Lisinopril 10 mg diário, Apixaban 5 mg BID" em três entradas de medicamentos. Se for formatada como uma tabela densa com células mescladas, espaçamento inconsistente e continuação entre quebras de página — como alguns formatos de relatórios hospitalares mais antigos — a precisão no mapeamento de subcampos (medicamento vs. dose vs. frequência) diminui. Nesses casos, extrair o texto completo dos medicamentos como um único campo e subdividi-lo manualmente após a extração pode ser mais prático do que esperar que a IA analise perfeitamente uma tabela malformada.
A conformidade com HIPAA depende do seu manuseio, não da ferramenta. O processo de extração processa arquivos em memória e não os armazena após a sessão. Mas enviar dados de pacientes para qualquer ferramenta baseada em nuvem exige um Contrato de Associado de Negócios (BAA) se os dados contiverem informações de saúde protegidas. A ferramenta processa dados em conexões criptografadas, mas a responsabilidade pela conformidade com 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 em papel escaneados ou apenas com PDFs nativos?
Ambos. PDFs nativos gerados diretamente de um EHR produzem os resultados mais confiáveis, pois o texto é de origem eletrônica. Relatórios em papel escaneados — incluindo aqueles que foram impressos, anotados e reescaneados — são processados pela leitura direta da imagem do texto, sem uma etapa separada de pré-processamento por OCR. A precisão em relatórios escaneados 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 distorcido e sombreamento intenso terá menor precisão, especialmente em textos com fonte pequena, como dosagens de medicamentos.
E se o meu hospital usar cabeçalhos de seção diferentes dos descritos aqui?
A extração não compara cabeçalhos de seção por string exata. Se os relatórios de radiologia do seu hospital rotularem 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 termos como equivalentes semânticos. Os nomes de colunas que você define servem como rótulos canônicos, e a IA faz o mapeamento a partir da terminologia usada em cada relatório. 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 relatórios de radiologia e resumos de alta?
Sim. Quando você define colunas que incluem campos de ambos os tipos de documento — por exemplo, Tipo de Exame, Impressão, Data de Admissão e Medicamentos de Alta — cada relatório de radiologia preenche as colunas específicas de radiologia (deixando as colunas específicas de alta em branco), e cada resumo de alta preenche as colunas específicas de alta (deixando as colunas específicas de radiologia em branco). A planilha de saída 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 seus 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 estruturá-lo em subcampos. 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 tomadas por um revisor humano.
Isso é adequado para um pequeno projeto de pesquisa ou apenas para trabalho em larga escala em registros?
O fluxo de trabalho reduz a escala tão naturalmente quanto a aumenta. 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 linearmente. Na verdade, a extração pode ser mais valiosa para pequenos projetos de pesquisa, porque projetos pequenos normalmente não têm orçamento para equipe dedicada de abstração. O residente que precisa montar um banco de dados de 30 casos após as obrigações clínicas é a pessoa menos capaz de absorver 20 horas de entrada manual de dados — e a pessoa que mais se beneficia ao transformar essas 20 horas em 2.