评估GPT模型用于临床笔记非识别

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 数据 隐私 数据 隐私 数据

背景情况:

• 医疗保健的数字化需要安全的临床数据管理.
• 患者隐私是处理敏感健康信息的关键问题.
• 现有的数据去识别和合成数据生成方法需要优化.

研究的目的:

• 为了评估GPT-3.5和GPT-4的非识别临床笔记.
• 评估这些模型在生成合成临床数据方面的性能.
• 使用API访问和零射击提示工程来优化计算效率.

主要方法:

• 通过API访问使用了GPT-3.5和GPT-4.
• 采用零射击快速工程来消除识别和合成数据生成.
• 使用精度,回忆,F1得分和准确度指标评估模型性能.

主要成果:

• 在非识别的临床注释中,GPT-4在GPT-3.5上表现优越.
• GPT-4的精度为0.9925,回忆率为0.8318,F1得分为0.8973,准确度为0.9911.
• 该研究证实了大型语言模型在医疗数据隐私方面的潜力.

结论:

• GPT-4是提高临床数据患者隐私的高性能工具.
• 这项研究为平衡医疗保健中的数据实用性和隐私建立了基准.
• 这些发现支持使用先进的人工智能来安全管理临床数据和促进研究.