PulseAugur
中
实时 21:02:21
English(EN) A local language model layered with rule-based and neural detectors for clinical text de-identification: an open-source toolkit and evaluation

新的DeidSharp工具包使用本地LLM进行临床文本去标识化

作者 PulseAugur 编辑部 · [1 个来源] ·

一个名为DeidSharp的新型开源工具包已被开发出来，通过将本地大型语言模型（LLM）与基于规则和命名实体识别（NER）的检测器相结合，用于去标识化临床文本。与现有的开源工具相比，这种方法旨在以更高的精度识别更多的受保护健康信息（PHI）。在护理记录和出院总结上的评估表明，DeidSharp的召回优先配置实现了高召回率，而其精度优先配置则显著提高了精度，为去标识化提供了一个可行的本地解决方案。 AI

影响 提供了一种保护隐私的方法来处理敏感的临床数据，有可能提高合规性和数据可用性。

排序理由 该条目描述了一个新的开源工具包及其在临床文本去标识化方面的评估，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的DeidSharp工具包使用本地LLM进行临床文本去标识化

本文如何被排名

Signal score
1 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目描述了一个新的开源工具包及其在临床文本去标识化方面的评估，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
product, paper
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
1 days old
Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    一种用于临床文本去标识化的分层语言模型，结合了基于规则和神经网络的检测器：一个开源工具包和评估

    Objectives: To measure whether a locally hosted large language model (LLM), stacked with deterministic and clinical named-entity recognition (NER) detectors, finds more protected health information (PHI) than open tools, and at what precision. Materials and Methods: DeidSharp, an…

相关实体

相关话题