BioEssays

新的Meddies-PII框架增强了多语言临床去标识化能力

研究人员开发了Meddies-PII，一个用于从临床文档中提取个人身份信息（PII）的多语言框架。该框架包含一个由一百万份十七种语言的临床文档组成的大型合成数据集，该数据集通过属性条件提示生成，并通过一致性检查进行验证。相关的Meddies-PII-Model，一个BIOES令牌分类器，在PII提取基准测试中表现出色，平均F1得分为0.827，显著优于最强的基线0.658。该数据集、模型和相关代码将公开发布，以促进多语言临床去标识化领域的研究。