MASK：一个用于促进临床文本去标识化的灵活框架
计算与语言
2020-10-13 v2 信息检索
机器学习
摘要
医疗健康记录和临床摘要包含大量文本形式的重要信息，有助于推进治疗、药物和公共卫生方面的研究。然而，这些信息中的大部分并未被共享，因为它们包含有关患者、其家属或治疗他们的医务人员的隐私信息。诸如美国的HIPPA、加拿大的PHIPPA以及GDPR等法规对这类信息的保护、处理和分发进行了规范。如果这些信息经过去标识化处理且个人信息被替换或删去，它们就可以被分发给研究社区。在本文中，我们提出了MASK，一个旨在执行去标识化任务的软件包。该软件能够使用一些最先进的技术执行命名实体识别，然后对识别出的实体进行掩码或删去处理。用户可以选择命名实体识别算法（目前已实现两个基于CRF的技术版本，以及使用预训练GLoVe和ELMo嵌入的基于BiLSTM的神经网络）和掩码算法（例如平移日期、替换姓名/位置、完全删去实体）。
引用
@article{arxiv.2005.11687,
title = {MASK: A flexible framework to facilitate de-identification of clinical texts},
author = {Nikola Milosevic and Gangamma Kalappa and Hesam Dadafarin and Mahmoud Azimaee and Goran Nenadic},
journal= {arXiv preprint arXiv:2005.11687},
year = {2020}
}