arXiv cs.AI· Jose D. Posada, Somalee Datta, Priya Desai·· 10 天前AI 评分37
TIDE 2.0：面向临床笔记键控去标识化的开源模型无关引擎
TIDE 2.0: an open, model-agnostic engine for keyed de-identification of clinical notes
AI 导读
TIDE 2.0 是一款 MIT 许可的开源引擎，将临床笔记去标识化拆分为可替换的识别器与键控匿名化两个阶段，全部在机构自有硬件上运行。其默认配置在两个机构的人工标注语料上实现域内 span 级召回率 0.88、第二家机构语料 0.77，精确率分别为 0.88 和 0.87。引擎开源，识别器 TIDE2-Sentry 由大语言模型蒸馏而来，需通过受限研究用途协议获取。
正文 · AI 翻译
摘要：临床记录记录了患者诊疗过程中的大部分内容，但在移除受保护健康信息（PHI）之前，这些记录无法用于研究。去标识化通常被视为一个检测问题。仅靠检测是不够的：脱敏会连同标识符一起剥离临床内容，日期置空会破坏纵向分析所需的时间间隔，而在每次出现时分配一个新的随机替代值会破坏患者记录之间的关联。我们提出 TIDE 2.0，这是一个 MIT 许可的引擎，包含两个可分离的阶段：可互换的识别器和带密钥的匿名化器。两者都在机构自有的硬件上运行。替代值通过密码学生成，不存储关联表。日期按每位患者进行平移，且保持时间间隔；在给定密钥下，每个值在所有出现位置都获得相同的替代值；而在新密钥下生成的发布版本无法与更早的发布版本关联。我们还发布了 TIDE2-Sentry，一个从大语言模型蒸馏得到的识别器。在两个机构提供的两个金标准标注语料库上，默认配置在域内达到 0.88 的片段级召回率，在第二个机构的语料库上达到 0.77，精确率分别为 0.88 和 0.87。我们报告了各类别的召回率和精确率以及这些总体指标。该引擎是开源的，识别器在受限研究使用协议下提供，因此机构可以在自己的环境中运行、检查和扩展两者。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.07224 [cs.CL] |
| （或 arXiv:2610.07224v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07224 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jose D Posada [查看电子邮件]
[v1]
2026年10月5日星期一 18:31:40 UTC（460 KB）
来源：arXiv cs.AI · arxiv.org