Term2Note：从医学术语合成差分隐私临床笔记
计算与语言
2025-09-16 v1
摘要
训练数据是现代机器学习模型成功的基础，但在高风险领域如医疗保健领域，使用真实世界数据受隐私泄露的严重限制。差分隐私 (DP) 合成数据的一种有前景的解决方案，能够在保持数据实用性的同时提供正式的隐私保障。然而，在临床笔记合成中，在域特定性和长文本生成的复杂性下，平衡隐私保护与数据实用性仍具有挑战性。本文提出了 Term2Note 方法，用于在强 DP 约束下合成长形式的临床笔记。通过结构性地分离内容与形式，Term2Note 在 DP 医学术语条件下生成分段的笔记内容，每个段落受独立的 DP 约束控制。DP 质量最大化器进一步通过选择高质量输出来提升合成笔记的质量。实验结果表明，Term2Note 生成的合成笔记的统计特性与真实临床笔记高度一致，显示出强大的保真度。此外，基于这些合成笔记训练的多标签分类模型的性能与基于真实数据的模型相当，证明了其高实用性。与现有的 DP 文本生成基线方法相比，Term2Note 在保真度和实用性方面取得了显著提升，同时在较少的假设条件下即可运行，表明其作为替代敏感临床笔记的可行的隐私保护方案具有潜力。
引用
@article{arxiv.2509.10882,
title = {Term2Note: Synthesising Differentially Private Clinical Notes from Medical Terms},
author = {Yuping Wu and Viktor Schlegel and Warren Del-Pinto and Srinivasan Nandakumar and Iqra Zahid and Yidan Sun and Usama Farghaly Omar and Amirah Jasmine and Arun-Kumar Kaliya-Perumal and Chun Shen Tham and Gabriel Connors and Anil A Bharath and Goran Nenadic},
journal= {arXiv preprint arXiv:2509.10882},
year = {2025}
}