OpenMed PII

LLM在去标识化敏感健康数据方面优于传统系统

研究人员开发了一种新方法，使用大型语言模型（LLM）来识别和恢复传统去标识化系统经常遗漏的受保护健康信息（PHI）。通过采用机构特定的提示，LLM可以更好地理解特定于上下文的PHI，例如医院缩写和内部代码，这对于电子健康记录中准确的去标识化至关重要。在对儿科肿瘤学记录的研究中，该方法显著优于现有系统，召回率为0.981，F1得分为0.907，同时还提供了一种审计去标识化参考标准的方法。