DeidSharp
开源的.NET临床文本去标识化工具包,结合本地LLM、规则检测器和临床NER模型,通过多检测器投票提升召回率,并采用失效关闭策略确保隐私安全。
时间轴 (近 90 天)
DeidSharp是一个开源的.NET工具包,结合本地部署的大型语言模型与基于规则的检测器实现临床文本去标识化。
DeidSharp在本地运行一个26B参数的混合专家(MoE)LLM,并叠加确定性的模式匹配和临床命名实体识别(NER)模型,通过多检测器投票来提升召回率。
DeidSharp在检测器出错时采取失效关闭(fail closed)策略,即保守地将片段标记为PHI并遮蔽,以避免遗漏。
DeidSharp支持可插拔检测器,预设召回优先(使用所有检测器)和精确优先(去掉NER模型)两种配置,允许在召回率和精确率之间权衡。
研究在PhysioNet护理记录(889个PHI片段)和半合成的MIMIC-IV-Note出院小结(29,023个PHI片段)上评估DeidSharp,并与deid、Philter、Stanford/Penn去标识器、OpenAI Privacy Filter和GLiNER等工具对比。
在护理记录中,召回优先堆叠相对Stanford/Penn的召回率提升了2.8个百分点(达到98.9%),但精确率低了9.3个百分点。
在出院小结中,两种堆叠的召回率均领先Stanford/Penn超过20个百分点(召回优先达95.3%),提升几乎全部来自生成的未类型化姓名;在类型化标签上,三者均超过99%。
在deid的“主场”语料上,没有配置能显著超越deid。
在DeidSharp中,LLM是主要的检测器,NER主要补充了地名。
DeidSharp采用配对患者级bootstrap置信区间进行统计评估,调参集和报告集分开。
全部知识事实 (10)
DeidSharp是一个开源的.NET工具包,结合本地部署的大型语言模型与基于规则的检测器实现临床文本去标识化。
50%待验证DeidSharp在本地运行一个26B参数的混合专家(MoE)LLM,并叠加确定性的模式匹配和临床命名实体识别(NER)模型,通过多检测器投票来提升召回率。
50%待验证DeidSharp在检测器出错时采取失效关闭(fail closed)策略,即保守地将片段标记为PHI并遮蔽,以避免遗漏。
50%待验证DeidSharp支持可插拔检测器,预设召回优先(使用所有检测器)和精确优先(去掉NER模型)两种配置,允许在召回率和精确率之间权衡。
50%待验证研究在PhysioNet护理记录(889个PHI片段)和半合成的MIMIC-IV-Note出院小结(29,023个PHI片段)上评估DeidSharp,并与deid、Philter、Stanford/Penn去标识器、OpenAI Privacy Filter和GLiNER等工具对比。
50%待验证在护理记录中,召回优先堆叠相对Stanford/Penn的召回率提升了2.8个百分点(达到98.9%),但精确率低了9.3个百分点。
50%待验证在出院小结中,两种堆叠的召回率均领先Stanford/Penn超过20个百分点(召回优先达95.3%),提升几乎全部来自生成的未类型化姓名;在类型化标签上,三者均超过99%。
50%待验证在deid的“主场”语料上,没有配置能显著超越deid。
50%待验证在DeidSharp中,LLM是主要的检测器,NER主要补充了地名。
50%待验证DeidSharp采用配对患者级bootstrap置信区间进行统计评估,调参集和报告集分开。
50%