Por qué las notas veterinarias en texto libre dificultan la codificación automatizada

Las historias clínicas de consulta en texto libre son la columna vertebral de la documentación clínica veterinaria, pero fueron diseñadas para el razonamiento clínico, no para la extracción de datos. Cuando un veterinario escribe "Sospecho que podríamos estar ante una otitis en fase temprana", comunica incertidumbre diagnóstica a un colega. Cuando un sistema automatizado de codificación lee la misma frase, puede pasar por alto el diagnóstico por completo, clasificarlo erróneamente o asignar un código con un nivel de confianza que el clínico nunca pretendió. Esta brecha entre cómo escriben los veterinarios y cómo leen los sistemas de codificación es una de las principales razones por las que la codificación clínica en la práctica veterinaria sigue siendo poco fiable, y por la que los datos derivados de ella suelen ser incompletos.

Qué requiere realmente la codificación clínica en la práctica veterinaria

La codificación clínica convierte la información clave contenida en una narrativa clínica en datos estandarizados y estructurados utilizando un vocabulario controlado. En medicina veterinaria, los marcos más utilizados incluyen VeNom (Veterinary Nomenclature) y SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms). El objetivo es transformar una historia clínica de consulta, escrita en lenguaje natural, en conceptos discretos e inequívocos: un diagnóstico, una especie, un sistema corporal, un procedimiento.

Los sistemas de codificación, ya sean manuales o impulsados por procesamiento de lenguaje natural (NLP, una rama de la inteligencia artificial que interpreta el lenguaje humano), analizan los registros en busca de señales específicas. Necesitan identificar un punto final codificable, una condición confirmada o sospechada, y mapearlo a un término dentro del vocabulario controlado. Lo que no pueden hacer de manera fiable es inferir significado clínico a partir del contexto narrativo, resolver terminología ambigua o distinguir entre un problema activo actual y uno histórico mencionado de pasada.

Como observó una investigación publicada en npj Digital Medicine, las historias clínicas veterinarias difieren sustancialmente en estilo de escritura y vocabulario entre clínicas, y sus códigos de diagnóstico utilizan un marco terminológico distinto al de la medicina humana. A diferencia de la atención sanitaria humana, donde una infraestructura de codificación robusta está integrada en los sistemas clínicos, la mayoría de los registros veterinarios son texto libre sin codificación de diagnóstico estándar. La ausencia de esa infraestructura significa que todo el peso de la codificabilidad recae en la propia historia clínica. Consulta nuestra descripción general sobre cómo la codificación clínica en la práctica veterinaria difiere de la medicina humana.

Qué patrones narrativos específicos dificultan la codificación automatizada

Varios hábitos de redacción en texto libre provocan de manera consistente fallos u omisiones en la codificación. Estos no son errores aleatorios, sino consecuencias previsibles de escribir historias clínicas para la comunicación clínica en lugar de para la extracción de datos estructurados.

Diagnósticos incrustados en lenguaje de cobertura. Cuando un veterinario escribe "Sospecho que podríamos estar ante una otitis en fase temprana", el diagnóstico está presente pero oculto tras un lenguaje de incertidumbre. Las herramientas automatizadas suelen pasar por alto o clasificar erróneamente los diagnósticos expresados de esta manera. El sistema de codificación no puede determinar de manera fiable si esto representa una condición sospechada que justifica un código o un comentario especulativo que no lo requiere.

Abreviaturas y taquigrafía específicas de la práctica. Términos como "oído bilat.", "PU/PD ¿Cushing?" o "¿EII?" son inmediatamente comprensibles para un colega de la misma clínica, pero se interpretan de manera inconsistente entre sistemas de codificación. La investigación sobre NLP para registros veterinarios ha encontrado que la terminología no estandarizada es una de las barreras más persistentes para la extracción automatizada fiable, especialmente al mapear datos de prescripción y descripciones clínicas a condiciones específicas a escala.

Diagnósticos diferenciales registrados como conclusiones. Cuando un veterinario enumera descartes, "DDx: hipotiroidismo, Cushing, diabetes", sin indicar un diagnóstico de trabajo confirmado, las herramientas de codificación se quedan sin un punto final codificable. Los diferenciales pueden ser clínicamente apropiados, pero no le dan al sistema nada a lo que anclar un código.

Procedimientos descritos narrativamente. "Eché un vistazo rápido a la piel y recorté el área" no aparece como un código de procedimiento discreto. Las acciones incrustadas en prosa descriptiva son rutinariamente ignoradas por sistemas automatizados que buscan señales de procedimiento reconocibles en lugar de relatos narrativos de lo que ocurrió durante la consulta.

Suposiciones sobre especie y raza. Cuando el signalment del paciente (especie, raza, edad, sexo) no se repite ni se referencia en el cuerpo de la historia clínica, las herramientas automatizadas pueden aplicar códigos diseñados para una especie diferente. Si el sistema de codificación lee una historia clínica de forma aislada del archivo del paciente, la ausencia de contexto de especie puede resultar en códigos mal aplicados o ambiguos.

Negación y contexto histórico mezclados con hallazgos activos. "Sin vómitos, aunque el propietario informa que fue un problema el año pasado" es una construcción común y clínicamente sensata, pero puede causar codificación falsa positiva de vómitos como una condición actual. El trabajo temprano sobre el rendimiento de búsqueda de texto libre en registros veterinarios estableció que la sensibilidad de búsqueda para diagnósticos en historias clínicas no estructuradas oscilaba entre el 33 % y el 98 %, y el valor predictivo positivo entre el 2 % y el 74 %, dependiendo de la condición y la estrategia de búsqueda utilizada. Un rango tan amplio hace que los datos agregados no sean fiables sin una revisión manual significativa. El manejo de la negación sigue siendo uno de los problemas técnicamente más difíciles en NLP clínico.

Por qué el lenguaje de cobertura es particularmente problemático para la precisión de la codificación

La incertidumbre clínica no es un fallo de documentación. Es una parte legítima e importante del razonamiento veterinario. El problema es que el lenguaje utilizado para expresar incertidumbre en historias clínicas de texto libre elimina una distinción que los sistemas de codificación necesitan preservar.

Hay una diferencia significativa entre:

• Una condición que se sospecha y debería generar un código de "sospecha" o "consulta"

• Una condición que se está descartando activamente y no debería codificarse en absoluto

• Una condición mencionada solo como contexto histórico

En prosa de texto libre, las tres pueden aparecer en construcciones casi idénticas. "¿Cushing?", "descartando Cushing" y "el propietario mencionó que Cushing fue planteado por un veterinario anterior" pueden parecer superficialmente similares a un modelo de NLP, pero tienen implicaciones de codificación completamente diferentes. La investigación sobre la precisión de la codificación automatizada ha encontrado que las tasas de precisión pueden caer hasta el 60 % en tareas de codificación de texto libre desafiantes, en parte porque la cobertura, la negación y la ambigüedad contextual siguen siendo computacionalmente difíciles de resolver.

El problema subyacente es que los veterinarios están formados para documentar su proceso de razonamiento, incluida la incertidumbre, en forma narrativa. Los sistemas de codificación están diseñados para extraer conclusiones. Cuando la historia clínica contiene razonamientos en lugar de conclusiones, el sistema tiene poco material con el que trabajar.

Por qué las omisiones suelen ser más dañinas que los errores

Un registro mal codificado es un problema, pero un registro omitido es invisible. Cuando una condición o procedimiento no se registra en absoluto, no hay alerta, anomalía ni aviso para revisión. La ausencia simplemente se convierte en parte de los datos.

Esta invisibilidad tiene consecuencias reales:

• Brechas en los datos de salud poblacional. Los estudios de minería de texto sobre vigilancia del síndrome entérico en animales de compañía demostraron que los registros no estructurados requieren un esfuerzo computacional significativo para extraer incluso recuentos de casos básicos, y que sin codificación sistemática, la determinación de casos para estudios de prevalencia e incidencia es fundamentalmente poco fiable.

• Alertas de recordatorio perdidas. En los sistemas de gestión de clínicas, las alertas automatizadas para seguimiento, vacunación o dispensación repetida suelen depender de registros codificados. Los registros codificados permiten alertas automatizadas que los registros en texto libre no pueden activar de manera fiable.

• Informes de práctica inexactos. Se ha demostrado que la auditoría clínica en la práctica veterinaria es difícil retrospectivamente debido a las barreras para establecer el diagnóstico a partir de registros clínicos, siendo la ausencia de codificación consistente uno de los principales obstáculos.

• Vigilancia de enfermedades distorsionada. Los programas nacionales de vigilancia como SAVSNET (Small Animal Veterinary Surveillance Network) y VetCompass dependen de la calidad de los datos que fluyen desde las clínicas individuales. Cuando las condiciones no se codifican, los patrones de enfermedad parecen menos prevalentes de lo que realmente son, una distorsión con implicaciones para los informes de uso de antimicrobianos y el monitoreo de enfermedades emergentes.

Un estudio que utilizó modelos de gradient boosting para la determinación de casos a partir de registros veterinarios en texto libre encontró que las herramientas de NLP podían lograr alta precisión para condiciones específicas y bien definidas, pero solo después de una extensa limpieza de datos, corrección ortográfica veterinaria personalizada y entrenamiento en registros anotados manualmente. La sobrecarga computacional requerida para compensar las historias clínicas no estructuradas es considerable.

Qué cambios estructurales en las historias clínicas las hacen más fácilmente codificables

Los ajustes que mejoran la codificabilidad no requieren un cambio fundamental en la forma en que piensan o razonan los veterinarios. Requieren pequeños cambios consistentes en cómo se presentan las conclusiones clínicas en el registro escrito. La mayoría pueden implementarse sin añadir tiempo significativo a una consulta.

Indicar explícitamente un diagnóstico de trabajo. Incluso bajo incertidumbre, una frase consistente como "Diagnóstico de trabajo: otitis externa" le da al sistema de codificación una señal inequívoca. La incertidumbre aún puede documentarse en el cuerpo narrativo, pero el punto final codificable debe ser visible.

Separar los hallazgos activos del contexto histórico y los diferenciales descartados. Una distinción estructural simple, por ejemplo, agrupar problemas activos por separado de "historia" o "antecedentes", reduce el riesgo de que las condiciones históricas se codifiquen como actuales. Los diferenciales descartados deben etiquetarse como tales en lugar de listarse junto al diagnóstico de trabajo.

Usar terminología consistente para condiciones comunes. Alternar entre "infección de oído", "otitis", "oído bilateral" e "inflamación aural" en diferentes consultas genera una inconsistencia que se agrava con el tiempo en los datos de la clínica. Establecer un término preferido para condiciones frecuentes, incluso de manera informal, mejora tanto la fiabilidad de la codificación manual como la automatizada.

Registrar procedimientos como acciones discretas. "Citología realizada, hisopo de oído, oído derecho" es codificable. "Eché un vistazo y tomé un hisopo mientras el propietario lo sostenía" no lo es. La distinción no es de formalidad, sino de dar al registro una señal de procedimiento reconocible.

Incluir contexto específico de especie cuando la historia clínica pueda leerse de forma independiente. Esto es especialmente relevante para clínicas que utilizan sistemas donde las historias clínicas pueden extraerse, compartirse o procesarse fuera del archivo del paciente, por ejemplo, en resúmenes de derivación o conjuntos de datos de vigilancia.

Dónde pueden ayudar las plantillas estructuradas y los asistentes de IA, y dónde no

Consulta nuestra guía sobre herramientas de documentación de IA para veterinarios y qué evaluar antes de adoptarlas. Las plantillas estructuradas abordan el problema de la codificabilidad directamente al reemplazar campos narrativos abiertos por campos discretos y obligatorios: especie, motivo de consulta, diagnóstico de trabajo, procedimientos realizados. La investigación ha demostrado que los modelos de lenguaje grandes entrenados con grandes volúmenes de datos curados y codificados manualmente pueden lograr mejoras significativas en la codificación automatizada de diagnósticos, pero la calidad de los datos de entrenamiento y la de las historias clínicas entrantes sigue siendo el límite para el rendimiento.

Los asistentes médicos con IA que generan historias clínicas estructuradas a partir del audio de la consulta pueden reducir la carga de la redacción manual y mejorar la consistencia, pero enfrentan las mismas ambigüedades que afectan a los codificadores manuales. Si un veterinario expresa un diagnóstico verbalmente con lenguaje de cobertura, el asistente transcribirá esa cobertura. Si un procedimiento se describe narrativamente en lugar de nombrarse, el asistente puede no presentarlo como una acción codificable discreta.

Las plantillas, por su parte, reducen la libertad narrativa y pueden resultar engorrosas en entornos clínicos de ritmo acelerado. La investigación sobre NLP veterinario identifica de forma consistente la variación en el estilo de escritura entre clínicas como un desafío importante para la generalización de los modelos, lo que significa que incluso los sistemas automatizados bien entrenados pueden funcionar de manera diferente entre clínicas dependiendo de cuán consistentemente se usen las plantillas. Ninguna herramienta elimina el problema. Ambas están limitadas por la calidad de la historia clínica con la que trabajan.

Cómo se ve la codificación fiable en la práctica

El siguiente ejemplo ilustra el mismo encuentro clínico escrito de dos maneras. El contenido clínico es idéntico. La codificabilidad no lo es.

Versión típica de texto libre:

"Bella vino con su propietario, que estaba preocupado por sus oídos. Ha estado rascándose mucho y sacudiendo la cabeza. En el examen, el oído derecho se veía bastante inflamado y había algo de secreción oscura; podría ser levadura, podría ser bacteriana, difícil de decir en esta etapa. El oído izquierdo se veía bien. Limpié el oído derecho y tomé un hisopo. La inicié con Surolan por ahora y veremos cómo le va. El propietario debe volver en dos semanas si no mejora."

De esta historia clínica, un sistema de codificación automatizado enfrenta varios desafíos: el diagnóstico está implícito pero no declarado, el procedimiento ("limpié el oído derecho y tomé un hisopo") está incrustado en la narrativa, la lateralidad está presente pero no estructurada, y la justificación del tratamiento se expresa como incertidumbre en lugar de una decisión clínica.

Versión estructuralmente ajustada:

"Motivo de consulta: sacudida de cabeza y prurito, oído derecho.
Hallazgos activos: otitis externa derecha, eritema, secreción ceruminosa oscura. Oído izquierdo NAD.
Diagnóstico de trabajo: otitis externa derecha, probablemente por levaduras (Malassezia), componente bacteriano no descartado.
Procedimientos: citología de oído derecho (hisopo tomado), lavado de oído derecho realizado.
Tratamiento: Surolan ótico, 5 gotas en oído derecho BID x 14 días.
Seguimiento: revisión en 2 semanas si no hay mejoría."

En la segunda versión, el diagnóstico de trabajo es explícito y codificable. El procedimiento está nombrado y lateralizado. El diferencial se reconoce sin registrarse como un diagnóstico confirmado. El tratamiento está vinculado a un producto identificado y una acción concreta. Cada elemento que el sistema de codificación necesita está presente e inequívoco, sin pérdida de información clínica.

Por qué esto importa más allá de la consulta individual

La calidad de una historia clínica de consulta individual tiene consecuencias que se extienden mucho más allá del encuentro en sí. A nivel de clínica, la codificación poco fiable significa que los informes sobre carga de casos, prevalencia de enfermedades y resultados de tratamiento se construyen sobre datos incompletos. A nivel nacional, los programas de vigilancia de enfermedades que dependen de registros clínicos veterinarios, incluido el monitoreo de uso de antimicrobianos y el seguimiento de enfermedades zoonóticas, son solo tan precisos como los registros que los alimentan.

La investigación epidemiológica que utiliza registros equinos en texto libre ha demostrado tanto el potencial como las limitaciones de esta fuente de datos: la minería de texto puede revelar asociaciones significativas de factores de riesgo, pero los autores señalan que el enfoque "requiere un cambio conceptual en el diagnóstico de enfermedades que debe considerarse cuidadosamente". Ese cambio conceptual comienza con la forma en que los veterinarios individuales redactan sus historias clínicas.

La viabilidad a largo plazo del soporte a la decisión clínica asistido por IA en medicina veterinaria también depende de esta base. Los modelos entrenados con datos veterinarios codificados y estructurados pueden apoyar el diagnóstico, señalar interacciones medicamentosas e identificar poblaciones en riesgo. Los modelos entrenados con registros en texto libre escritos de manera inconsistente, sin codificación fiable, enfrentan desafíos de generalización significativos que limitan su utilidad clínica. La codificación fiable depende de registros fiables. Y los registros fiables, en la práctica veterinaria, comienzan con las decisiones que los veterinarios toman sobre cómo escriben.

Preguntas frecuentes

▶ ¿Por qué las historias clínicas veterinarias de texto libre causan fallos de codificación clínica?

Las historias clínicas de consulta en texto libre están redactadas para la comunicación clínica, no para la extracción de datos. Los sistemas de codificación automatizada necesitan puntos finales codificables inequívocos, pero las historias clínicas veterinarias a menudo contienen lenguaje de cobertura, taquigrafía específica de la práctica y descripciones narrativas de procedimientos. Estos hábitos dificultan que los sistemas de codificación identifiquen un diagnóstico confirmado, distingan hallazgos activos de históricos o presenten códigos de procedimiento discretos.

▶ ¿Qué marcos de codificación utilizan las clínicas veterinarias?

Los marcos más utilizados en medicina veterinaria son VeNom (Veterinary Nomenclature) y SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms). Ambos convierten narrativas clínicas en conceptos estandarizados y estructurados que abarcan diagnósticos, especies, sistemas corporales y procedimientos. A diferencia de la atención sanitaria humana, la mayoría de los registros veterinarios son texto libre sin codificación de diagnóstico estándar, lo que coloca todo el peso de la codificabilidad en la propia historia clínica.

▶ ¿Qué hábitos de escritura específicos dificultan más comúnmente la codificación automatizada?

Varios patrones provocan de manera consistente fallos de codificación. Los diagnósticos ocultos en lenguaje de cobertura, como "Sospecho que podríamos estar ante una otitis en fase temprana", suelen pasarse por alto o clasificarse erróneamente. Las abreviaturas y la taquigrafía específica de la práctica se interpretan de forma inconsistente entre sistemas. Los diagnósticos diferenciales enumerados sin un diagnóstico de trabajo confirmado dejan a las herramientas de codificación sin un punto de referencia. Los procedimientos descritos narrativamente en lugar de nombrados como acciones discretas se omiten rutinariamente. La negación y el contexto histórico mezclados con hallazgos activos también pueden generar códigos falsos positivos para condiciones que no son actuales.

▶ ¿Cómo afecta el lenguaje de cobertura a la precisión de la codificación?

El lenguaje de cobertura elimina distinciones que los sistemas de codificación necesitan preservar. Una condición sospechada, una condición que se está descartando activamente y una condición mencionada solo como contexto histórico pueden aparecer todas en construcciones casi idénticas en prosa de texto libre. La investigación sobre la precisión de la codificación automatizada ha encontrado que las tasas de precisión pueden caer hasta el 60 % en tareas de codificación de texto libre desafiantes, en parte porque la cobertura, la negación y la ambigüedad contextual siguen siendo computacionalmente difíciles de resolver.

▶ ¿Por qué las omisiones en la codificación clínica son más dañinas que los errores?

Un registro mal codificado al menos existe en los datos y puede señalarse para revisión. Un registro omitido es invisible. Cuando una condición o procedimiento no se registra en absoluto, no hay anomalía ni aviso para corrección. Esta invisibilidad afecta los datos de salud poblacional, los recordatorios automatizados, los informes a nivel de clínica y los programas nacionales de vigilancia de enfermedades como SAVSNET y VetCompass, todos los cuales dependen de registros codificados que provienen de clínicas individuales.

▶ ¿Qué cambios prácticos hacen que las historias clínicas veterinarias sean más fácilmente codificables?

Pequeños cambios consistentes en la presentación de las conclusiones clínicas pueden mejorar significativamente la codificabilidad. Indicar explícitamente un diagnóstico de trabajo, incluso bajo incertidumbre, le da a los sistemas de codificación una señal inequívoca. Separar los hallazgos activos del contexto histórico y los diferenciales descartados reduce la codificación falsa positiva. Usar terminología consistente para condiciones comunes, registrar procedimientos como acciones discretas nombradas e incluir contexto específico de especie cuando las historias clínicas puedan leerse de forma independiente, todo ayuda sin añadir tiempo significativo a una consulta.

▶ ¿Pueden los asistentes médicos con IA o las plantillas estructuradas resolver el problema de la codificación?

Ambas herramientas pueden ayudar, pero ninguna elimina el problema. Las plantillas estructuradas reemplazan campos narrativos abiertos por campos obligatorios discretos, lo que mejora directamente la codificabilidad. Los asistentes médicos con IA que generan historias clínicas estructuradas a partir del audio de la consulta pueden mejorar la consistencia, pero enfrentan las mismas ambigüedades que los codificadores manuales. Si un veterinario expresa un diagnóstico verbalmente con lenguaje de cobertura, el asistente transcribirá esa cobertura. La calidad de la historia clínica sigue siendo el límite para el rendimiento de la codificación, independientemente de la herramienta.

▶ ¿Cómo afecta la codificación veterinaria poco fiable a la vigilancia de enfermedades?

Los programas nacionales de vigilancia que dependen de registros clínicos veterinarios, incluido el monitoreo de uso de antimicrobianos y el seguimiento de enfermedades zoonóticas, son solo tan precisos como los registros que los alimentan. Cuando las condiciones no se codifican, los patrones de enfermedad parecen menos prevalentes de lo que realmente son. Los estudios de minería de texto sobre vigilancia del síndrome entérico en animales de compañía han demostrado que sin codificación sistemática, la determinación de casos para estudios de prevalencia e incidencia es fundamentalmente poco fiable.

▶ ¿Cómo se ve una historia clínica veterinaria fácilmente codificable en comparación con una historia clínica típica de texto libre?

El contenido clínico puede ser idéntico, pero la estructura marca la diferencia. Una historia clínica típica de texto libre puede implicar un diagnóstico, incrustar procedimientos en la narrativa y expresar la justificación del tratamiento como incertidumbre. Una historia clínica estructurada indica el diagnóstico de trabajo explícitamente, nombra y lateraliza procedimientos como acciones discretas, etiqueta diferenciales por separado de hallazgos confirmados y vincula el tratamiento a un producto y acción identificados. Cada elemento que el sistema de codificación necesita está presente e inequívoco, sin pérdida de información clínica.