Para investigar la viabilidad de recomendaciones automatizadas de seguimiento basadas en hallazgos en informes de radiología, este documento propuso un modelo de Procesamiento de Lenguaje Natural específico para Informes de Radiología de Nódulos Pulmonares. Los hallazgos no estructurados utilizados para describir nódulos pulmonares en 48,091 informes de radiología fueron procesados en este estudio. Establecimos un modelo de NLP para extraer entidades de información de los hallazgos de informes de radiología, utilizando algoritmos de aprendizaje profundo y de campo aleatorio condicional. Posteriormente, construimos un grafo de conocimiento que comprende 168 entidades y cuatro relaciones, basado en las recomendaciones de exportación de la internacionalmente reconocida Sociedad Fleischner para nódulos pulmonares. Estos se emplearon en combinación con plantillas de reglas para generar automáticamente recomendaciones de seguimiento. Las recomendaciones generadas automáticamente fueron luego comparadas con la parte de impresión de los informes para evaluar la tasa de coincidencia de seguimientos adecuados en la situación actual. El modelo de NLP identificó ocho tipos de entidades con una precisión de reconocimiento de hasta el 94.22%. Un total de 43,898 de 48,091 informes clínicos se consideraron contener recomendaciones de seguimiento apropiadas, lo que corresponde a una tasa de coincidencia del 91.28%. Los resultados muestran que el NLP puede ser utilizado en informes de radiología chinos para extraer información estructurada a nivel de contenido, logrando así la generación de sugerencias de seguimiento rápida e inteligente o la gestión de calidad posterior de las recomendaciones de seguimiento.