澳大利亚医院出院小结去标识化：一种基于深度学习模型集成的端到端框架
计算与语言
2022-10-05 v4 信息检索
摘要
电子病历（EMRs）包含具有巨大医学研究潜在价值的临床叙述文本。然而，这些信息中混杂着对个人与患者及临床医生保密性构成风险的个人可识别信息（PII）。本文提出一种端到端去标识化框架，用于自动移除澳大利亚医院出院小结中的 PII。我们的语料库包含从澳大利亚悉尼两家主要转诊医院的 EMR 中提取的 600 份医院出院小结。我们的端到端去标识化框架由三个部分组成：1）标注：使用五个预定义类别（人物、地址、出生日期、个人识别号、电话/传真号码）对 600 份医院出院小结中的 PII 进行标注；2）建模：在平衡与不平衡数据集上训练六个命名实体识别（NER）深度学习基模型；并分别使用令牌级多数投票和堆叠方法评估集成所有六个基模型、F1 分数最高的三个基模型以及召回率最高的三个基模型的集成；以及 3）去标识化：从医院出院小结中移除 PII。我们的结果表明，在 F1 分数最高的三个基模型上使用堆叠支持向量机（SVM）方法组合的集成模型在我们的语料库测试集上取得了 99.16% 的 F1 分数的优异结果。我们还在 2014 i2b2 去标识化数据集上评估了建模组件的鲁棒性。我们的集成模型在所有六个基模型上使用令牌级多数投票方法，在严格实体匹配下取得了 96.24% 的最高 F1 分数，在二元令牌级匹配下取得了 98.64% 的最高 F1 分数，优于两种最先进的方法。
引用
@article{arxiv.2101.00146,
title = {De-identifying Australian Hospital Discharge Summaries: An End-to-End Framework using Ensemble of Deep Learning Models},
author = {Leibo Liu and Oscar Perez-Concha and Anthony Nguyen and Vicki Bennett and Louisa Jorm},
journal= {arXiv preprint arXiv:2101.00146},
year = {2022}
}