RedactOR：基于大语言模型的自动临床数据去标识化框架

在保留数据效用的同时确保临床数据隐私，对于AI驱动的医疗和数据分析至关重要。现有的去标识化（De-ID）方法，包括基于规则的技术、深度学习模型和大语言模型（LLMs），常常受到召回错误、泛化能力有限和效率低下等问题的影响，限制了其实际应用。我们提出了一种完全自动化的多模态框架RedactOR，用于对结构化和非结构化电子健康记录（包括临床音频记录）进行去标识化。我们的框架采用高效的去标识化策略，包括智能路由、混合规则与LLM方法以及两步音频编辑方法。我们提出了一种基于检索的实体重词汇化方法，以确保受保护实体的一致替换，从而增强下游应用的数据一致性。我们讨论了RedactOR的关键设计需求、去标识化与重词汇化方法论及其模块化架构，以及其与Oracle Health Clinical AI系统的集成。在i2b2 2014 De-ID数据集上使用标准指标以严格召回率进行评估，我们的方法在优化token使用以降低LLM成本的同时取得了具有竞争力的性能。最后，我们讨论了在实际AI驱动的医疗数据流水线中部署的关键经验与见解。