S

Stanford Deidentifier Only I2b2

由 StanfordAIMI 开发
基于转换器模型的放射学报告自动去标识化系统,结合规则方法实现高精度PHI识别与替换
下载量 98
发布时间 : 6/9/2022

模型简介

专门用于生物医学放射报告的去标识化处理,能自动检测受保护健康信息(PHI)并替换为仿真内容,满足HIPAA隐私要求

模型特点

高精度PHI检测
在已知机构放射报告上达到97.9 F1分数,新机构达99.6,超越人工标注水平
跨机构适应性
在i2b2 2006/2014等多个测试集上验证了优秀的泛化能力
混合方法设计
结合PubMedBERT转换器模型与'大隐于市'规则方法,实现精准识别与自然替换
大规模训练数据
基于6193份多机构跨领域文档(含6193份放射报告和医疗记录)训练

模型能力

放射报告PHI实体识别
受保护健康信息自动替换
多类型PHI检测(日期、医生姓名、机构等)
跨机构文档处理

使用案例

医疗隐私保护
放射报告去标识化
自动处理胸部X光/CT报告中的敏感信息
PHI核心内容识别召回率达99.1%
研究数据共享
为医学研究提供符合HIPAA标准的匿名化数据
在i2b2 2014数据上超越人工标注水平
医疗信息系统
电子病历处理
集成到医疗信息系统实现自动化去标识流程
支持MedClinical等医疗数据传输系统
AIbase
智启未来,您的人工智能解决方案智库
简体中文