De los formularios impresos patentados a los formatos estandarizados de intercambio digital - Registros de transición...

Área de la Ciencia:

• La informática médica
• Ciencias de la computación
• Inteligencia artificial

Sus antecedentes:

• La digitalización de los registros de transición de atención basados en papel (CTR) a formatos estandarizados como HL7 FHIR enfrenta desafíos debido a la variabilidad del documento y la lenta adopción.
• La preservación de la integridad de los datos y la privacidad durante la digitalización es crucial para las instituciones de atención médica.

Objetivo del estudio:

• Desarrollar y evaluar una tubería de aprendizaje automático para la extracción automatizada de información de los CTR escaneados.
• Evaluar la viabilidad del uso de datos sintéticos para modelos de formación para superar las limitaciones de privacidad.

Principales métodos:

• Se desarrolló una tubería de aprendizaje automático utilizando Detectron2, LayoutParser y Tesseract OCR.
• Se generaron datos sintéticos de CTR para el entrenamiento, y la detección de casillas de verificación utilizó el análisis de densidad de píxeles.
• La información extraída se asignó al formato PIO-ULB basado en FHIR a través de una herramienta de serialización personalizada.

Principales resultados:

• El modelo logró métricas de alto rendimiento (97% de puntuación F1) en datos sintéticos.
• Se observó un rendimiento robusto en los datos del mundo real, con una puntuación F1 del 85%.
• El rendimiento más bajo en los datos del mundo real se relacionó con las variaciones de diseño y los artefactos de escaneo.

Conclusiones:

• El aprendizaje automático, particularmente con datos sintéticos, es factible para la extracción y estandarización automáticas de CTR.
• Este enfoque ofrece una posible solución provisional para mejorar la interoperabilidad de la documentación sanitaria.
• El trabajo futuro incluye la expansión de la generación de datos sintéticos y la integración de métodos avanzados de reconocimiento.