用西班牙语为临床实体认可的职业健康叙述的伪名化语料库

科学领域:

• 临床自然语言处理 (NLP)
• 医疗信息学 医疗信息学
• 医疗保健中的数据隐私

背景情况:

• 注释体对于开发强大的NLP系统至关重要,特别是在临床环境中.
• 匿名个人识别信息 (PII) 是临床集体创建的一个关键步骤,特别是随着大型语言模型的兴起.
• 经过初级保健推培训的现有NLP模型可能需要适应工作相关事故和疾病等专门的临床叙述.

研究的目的:

• 呈现一个新的西班牙语语库,在1,787个与工作有关的事故和疾病的病史中对PII匿名化进行注释.
• 在这个临床集体上评估先前存在的命名实体识别 (NER) 模型的性能.
• 为了比较NER模型对原始,掩盖和伪名的临床叙述的有效性,以评估保护隐私的技术.

主要方法:

• 开发和注释一个西班牙语的语料库,专注于PII在与工作有关的病史中的匿名化.
• 应用先前开发的NER模型 (以初级保健推进行培训) 来识别医疗实体 (疾病,身体部位,药物).
• 在三个数据条件中对NER模型性能进行比较分析:原始文本,PII掩盖文本和伪名文本,与医生策划的黄金标准进行基准测试.

主要成果:

• 这项研究成功地创建并注释了1,787个西班牙病史的数据库,用于PII匿名化.
• 分析显示了原始,掩盖和伪名文本之间的NER模型性能差异.
• 在模型的预测和医生策划的黄金标准之间进行了详细的比较.

结论:

• 提出的语料库和注释指南有助于在临床领域保护隐私的NLP研究.
• 这些发现提供了对PII匿名化和假名化对专业医疗文本中NER模型性能的影响的见解.
• 分享注释的语料库和指导方针支持开发更安全和更强大的临床NLP应用程序.