Por
En
0

Reconocimiento de texto en imágenes: Acelerando la carga de Datos Médicos

Los problemas de integración de los dispositivos médicos conlleva a la transcripción manual por parte de técnicos de los valores obtenidos en los diversos estudios a las historias clínicas. Estos procesos no solo son costosos debido al trabajo y tiempo que conllevan, sino que son tediosos y propensos a errores. El reconocimiento de texto en imágenes aporta soluciones para agilizar y reducir los errores en dichos procesos.En la actualidad, el estándar en formato digital para imágenes médicas es el conocido DICOM. Este formato, además de ser capaz de almacenar la imagen médica en diversos formatos de compresión, se encuentra acompañada de información adicional tal como el ID del paciente y cualquier otro dato que parezca relevante. Esto permite que tales imágenes no se desvinculen accidentalmente de la información del paciente, y que puedan ser transferidas y leídas por otros dispositivos y sistemas que lo requieran. Sin embargo, si bien existe un estándar para el almacenamiento de datos en estos archivos y su transferencia, la realidad es que su uso actual dista de ser claro, homogéneo y accesible.

DICOM ofrece libertad a la hora de definir los campos y formato de los datos que se encontrarán dentro del archivo. Esto hace que algunas compañías no hagan un uso correcto de este estándar. En muchos casos, dispositivos de captura de imágenes tales como ecógrafos, tomógrafos, topógrafos, entre muchos otros, toman de forma parcial o incompleta la información del estudio. En otras ocasiones, el nombre de los campos no se condice con los nombres que se muestran en pantalla, haciendo muy difícil lograr rescatar los datos en el orden correcto. Y en casos más extremos, tanto los nombres de los campos como los datos se encuentran encriptados, haciendo que estos sean únicamente legibles por las mismas compañías y equipos médicos que los generaron. Un agravante más relacionado con los equipos de captura de imágenes, es que en numerosas ocasiones los fabricantes no proporcionan interfaces y drivers que brinden la conectividad necesaria para acceder o exportar tales archivos DICOM, haciendo que sea imposible su recuperación y uso en otros sistemas.

Todos estos inconvenientes impactan negativamente en la vinculación de sistemas médicos que buscan capturar la información e historia clínica del paciente de forma centralizada, incluyendo estudios e imágenes médicas junto con sus datos. Debido a esto, los técnicos y profesionales de la salud se ven obligados a:

  • realizar capturas de las pantallas o fotografías de los estudios, haciendo que los datos que estos incluyen no se encuentren digitalizados individualmente sino embebidos en las imágenes, o
  • transcribir de forma manual los datos a formularios pertenecientes a la historia clínica del paciente, lo cual es engorroso, consume mucho tiempo y es propenso a errores.

REVAI, la startup digital enfocada a revolucionar la medicina y la forma eágn que la historia clínica del paciente es almacenada y dispuesta a profesionales y usuarios, no es ajena a este problema ampliamente difundido en las diversas especialidades y organizaciones. Es por ello que ha incorporado a su plataforma una serie de algoritmos que son capaces de extraer la información de las imágenes médicas por medio del reconocimiento automático de caracteres. Gracias a tecnologías ampliamente desarrolladas como Tesseract en conjunto con herramientas de Machine Learning, REVAI es capaz de crear plantillas personalizadas donde se determinan por única vez las ubicaciones en las que se extraerán los datos relevantes de la imagen médica. Una vez creadas las plantillas, el profesional de la salud solo tiene que realizar una captura de pantalla del estudio, y subirla a la plataforma. Así, en solo segundos, todos los datos del estudio aparecen cargados en la historia clínica. Además, el sistema proporciona facilidades para revisar los datos reconocidos y editarlos en caso de ser necesario. Por otra parte, brinda numerosas herramientas para realizar post-procesamientos de texto, en caso de necesitar modificar o formatear el texto reconocido. Esta tecnología ahorra miles de horas a técnicos, médicos y otros profesionales de la salud, que ahora, en lugar de usarlas en una tediosa carga de datos, pueden invertirla en una mejor atención a más cantidad de pacientes.

Además, esta herramienta sienta las bases para el reconocimiento de texto en imágenes a partir de fotografías, de forma que los pacientes que sean atendidos por REVAI podrán ingresar a su historia clínica estudios previos digitalizando no solo la imagen sino también los datos que la acompañan, logrando que esta información se pueda compartir de forma fácil, segura y confiable, al resto de especialistas y médicos en caso de que el paciente lo desee.

REVAI avanza facilitando la captura de estudios y datos en la historia clínica del paciente, ahorrando y optimizando tiempos de atención, brindando herramientas para mejorar la calidad de la información, su seguridad y robustez.

Gabriel Caffaratti, Data Scientist @ REVAI

Notas relacionadas

Deja una Respuesta