検査報告書を、分析項目ごとに構造化。
患者の年齢と性別、報告日、さらに全血球計算と白血球分画のすべての分析項目 — 単位を保ったまま、構造化された数値フィールドとして抽出します。
ライブデモ
実物の書類で見てみましょう。
右側のフィールドをクリックすると、左側の出典がハイライトされます。
Extracted fields
Complete blood count
Differential leucocyte count
サンプルデータ、本物のエンジン出力。
概要
検査報告書データ抽出とは?
検査報告書データ抽出は、血液検査やパネルの PDF を、臨床研究プラットフォーム、EHR 移行パイプライン、ヘルステックアプリが取り込める構造化分析レコードに変換します。臨床データ抽出担当者が必要だった作業 — 各検査名を読み、各値をコピーし、基準範囲をスプレッドシートに入力する — が数秒で終わり、すべての値が検査票上の位置に紐づくため、監査にも耐えられます。
上記のサンプル報告書から、Ztract は患者の 年齢 と 性別、報告日 を返します。さらに 2 つのネスト検査パネル:ヘモグロビン、RBC 数、WBC 総数、MCV、MCH、MCHC、RDW、PCV、MPV、PDW、PCT を含む 全血球計算 (CBC)、好中球、リンパ球、単球、好酸球、好塩基球を含む 白血球分画 も取得します。各分析項目は数値として返り、文字列ではないので、下流の統計処理や基準範囲チェックがパース手順なしで動きます。
検査報告書は施設や地域によって大きく異なります。Hgb と Hb、mmol/L と mg/dL、2 行のパネルヘッダーと 1 行のパネルヘッダー、4〜5 ページにわたる包括的代謝パネル — スキーマはレイアウトを理解し、印字がページをまたいでも、1 つのパネルを 1 つの論理結果としてまとめて保持します。エンジンは印刷物もスキャンも同じように扱い、軽度の歪みがあるスマホ写真にも対応します。
難しいポイント
ここが厄介になる場所。
この書類タイプが見た目より難しい理由と、私たちの対処方法。
-
単位と略号の差
英国の検査施設は「Hb」、米国は「Hgb」と印字します。一方は mmol/L、もう一方は mg/dL を使います。エンジンは単位を値に紐づけたまま保持し、正規化中に捨てたりはしません。
-
5 種類の表記の基準範囲
「3.5-5.0」「<5」「>2.0」「3.5 ± 0.5」 — 検査施設ごとに基準範囲の印字方法が違います。記載がある場合は、値と境界の両方を取得するので、下流の異常値フラグロジックが動きます。
-
複数ページにわたるパネルの結合
CBC の後に白血球分画、代謝パネルが続くと、4〜5 ページに渡ることがあります。繰り返しヘッダーは重複排除され、パネルは出力上で構造的に独立したまま保たれます。
-
PHI フィールドの分離
患者名、MRN、生年月日(記載がある場合)は独自のフィールドとして取り出されるので、下流の HIPAA / GDPR の編集処理が、分析項目の構造を壊さずに明確な起点を持てます。
利用シーン
このデータが届くワークフロー。
-
臨床研究
数十の病院・検査システムから PDF で届く検査報告書から、コホートデータセットを構築 — 出典にかかわらず同じスキーマで。
-
デジタルヘルスアプリ
患者自身が検査報告書をアップロードし、ヘモグロビン、WBC、脂質パネルなどの分析項目の経時推移を表示。
-
EHR 移行
PDF アーカイブの過去の検査結果を、スキャンファイルの取り込みではなく構造化された分析項目として、新しい EHR に移行。
FAQ