评估非结构化健康记录的自动和半自动匿名化工具的准确性
Layan Abdulilah Alrazihi1, Sayan Biswas2, Joshi George3
1Faculty of Biology, Medicine and Health, University of Manchester, Manchester, United Kingdom.
Surgical neurology international
|October 1, 2025
概括
微软Presidio和Philter在临床文本中将受保护的健康标识符 (PHI) 取消识别,准确率为96%. 虽然有效,但格式变化影响了性能,需要进一步研究以优化医学研究.
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.
- 数据 隐私 数据 隐私 数据
背景情况:
- 非结构化临床文本包含受保护的健康标识符 (PHI),限制其在研究中的使用.
- 手动删除PHI的身份是耗时且容易出现错误的.
- 自动化去识别工具为增强数据隐私提供了潜在的解决方案.
研究的目的:
- 评估微软Presidio和Philter的准确性和可行性,以去识别非结构化临床文本.
- 为了比较Presidio和Philter在从神经外科文档中删除PHI方面的表现.
主要方法:
- 使用了200份神经外科文件的数据集,跨越了10年的时间.
- 微软Presidio和Philter被雇用在文件中去识别PHI.
- 手动选确定了评估工具准确性的基本事实.
- 使用Python计算了包括精度和回忆在内的性能指标.
主要成果:
- 这两种工具都在消除PHI的识别方面实现了96%的准确性.
- 普雷西迪奥确定了每份文件中位数为6个PHI,精度为0.51和回忆率为0.74.
- 菲尔特确定了每个文档中位数为6个PHI,精度为0.35,回忆率为0.79.
- 每份文件中,平均有8个PHI被手动取消身份.
结论:
- 微软Presidio和Philter展示了匿名临床文本的潜力.
- 临床文本中的格式不一致可能会阻碍非识别工具的性能.
- 需要进行进一步的研究,以优化这些工具用于各种临床文本,并确保可靠的医疗研究的非识别.
