放射学报告的自动匿名化:公开可用的自然语言处理和大型语言模型的比较

科学领域:

• 医疗信息学 医疗信息学
• 自然语言处理自然语言处理.
• 放射学 放射学是一门学科.

背景情况:

• 医疗报告包含受HIPAA限制的受保护健康信息 (PHI).
• 二次数据的使用对于研究和AI开发至关重要.
• 需要自动化匿名化才能实现合规的数据共享.

研究的目的:

• 在自由文本放射学报告中自动匿名PHI.
• 为了比较NLP和LLM方法在PHI匿名化方面的有效性.
• 评估在匿名化过程中临床信息的保存情况.

主要方法:

• 两个基于规则的NLP模型 (精度优化和速度优化) 和一个离线的LLM (LLaMa-2) 的比较.
• 对100个随机选择的胸部CT报告进行测试.
• 两个研究人员对匿名化准确性 (精度,回忆,F1分数) 和临床信息保存的评估.

主要成果:

• NLP模型实现了日期,MRN和高F1分数的ACC的完美匿名化.
• 该LLM模型表现出完美的精度,但日期和ACC的回忆能力较低.
• NLP模型保留了所有临床信息,而LLM模型在10%的病例中删除了一些医疗数据.

结论:

• 预先训练的NLP模型为放射学报告提供有效和可靠的PHI匿名化.
• 基于LLM的匿名化带来了意外删除临床信息的更高风险.
• 自动匿名化对于放射学中符合HIPAA的二次数据使用至关重要.