論文の概要: Classifying Cyber-Risky Clinical Notes by Employing Natural Language
Processing
- arxiv url: http://arxiv.org/abs/2203.12781v1
- Date: Thu, 24 Mar 2022 00:36:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 14:26:10.150252
- Title: Classifying Cyber-Risky Clinical Notes by Employing Natural Language
Processing
- Title（参考訳）: 自然言語処理によるサイバーリスキー臨床ノートの分類
- Authors: Suzanna Schmeelk, Martins Samuel Dogo, Yifan Peng, Braja Gopal Patra
- Abstract要約: 近年、アメリカ合衆国内の一部の州では、患者が臨床ノートに自由にアクセスできるように求めている。
本研究は,臨床ノートにおけるセキュリティ・プライバシリスクの特定方法について検討する。
- 参考スコア（独自算出の注目度）: 9.77063694539068
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clinical notes, which can be embedded into electronic medical records,
document patient care delivery and summarize interactions between healthcare
providers and patients. These clinical notes directly inform patient care and
can also indirectly inform research and quality/safety metrics, among other
indirect metrics. Recently, some states within the United States of America
require patients to have open access to their clinical notes to improve the
exchange of patient information for patient care. Thus, developing methods to
assess the cyber risks of clinical notes before sharing and exchanging data is
critical. While existing natural language processing techniques are geared to
de-identify clinical notes, to the best of our knowledge, few have focused on
classifying sensitive-information risk, which is a fundamental step toward
developing effective, widespread protection of patient health information. To
bridge this gap, this research investigates methods for identifying
security/privacy risks within clinical notes. The classification either can be
used upstream to identify areas within notes that likely contain sensitive
information or downstream to improve the identification of clinical notes that
have not been entirely de-identified. We develop several models using unigram
and word2vec features with different classifiers to categorize sentence risk.
Experiments on i2b2 de-identification dataset show that the SVM classifier
using word2vec features obtained a maximum F1-score of 0.792. Future research
involves articulation and differentiation of risk in terms of different global
regulatory requirements.
- Abstract（参考訳）: 電子カルテに埋め込まれた臨床ノートは、患者のケア提供を文書化し、医療提供者と患者の相互作用を要約する。
これらの臨床ノートは患者のケアを直接通知し、研究や品質/安全性の指標を間接的に通知する。
近年、米国内の一部の州では、患者の医療情報交換を改善するために、患者に臨床ノートへのアクセスを許可するよう求めている。
したがって、データの共有・交換の前に臨床ノートのサイバーリスクを評価する手法の開発が重要である。
既存の自然言語処理技術は臨床ノートの非同定を意図しており、我々の知識を最大限に活用する一方で、患者の健康情報を効果的かつ広範囲に保護するための基本的なステップである機密情報リスクの分類に重点を置いているものはほとんどない。
本研究は,このギャップを埋めるために,臨床ノート内のセキュリティ・プライバシリスクを特定する方法を検討する。
この分類は、センシティブな情報を含むと思われるノート内の領域を特定するために上流で使用できるか、完全に同定されていない臨床ノートの識別を改善するために下流で使用できる。
文リスクを分類するために,分類器が異なる unigram と word2vec 機能を用いた複数のモデルを開発した。
i2b2 de-identificationデータセットの実験では、 word2vec特徴を用いたSVM分類器が最大F1スコア0.792を得た。
将来の研究は、異なる国際規制要件の観点でリスクの明瞭化と分化を伴う。
関連論文リスト
- DIRI: Adversarial Patient Reidentification with Large Language Models for Evaluating Clinical Text Anonymization [13.038800602897354]
本研究は, 大規模言語モデルを用いて患者を同定し, 臨床記録の再検討を行った。
本手法は, 臨床診断書に適合する患者を同定するために, 大規模言語モデルを用いている。
ClinicalBERTが最も有効であり, マスキングでPIIが同定できたが, 臨床記録の9%は再同定された。
論文 参考訳（メタデータ） (2024-10-22T14:06:31Z) - DeIDClinic: A Multi-Layered Framework for De-identification of Clinical Free-text Data [6.473402241020136]
本研究は,臨床テキストを微調整した深層学習モデルであるCeriorBERTを統合することにより,MASKフレームワークを強化する。
このシステムは、臨床文書内の機密性のある実体を効果的に識別し、再認識するか、置き換える。
リスク評価機能も開発され、文書内のコンテキストのユニークさを分析してリスクレベルに分類する。
論文 参考訳（メタデータ） (2024-10-02T15:16:02Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - A Multimodal Transformer: Fusing Clinical Notes with Structured EHR Data
for Interpretable In-Hospital Mortality Prediction [8.625186194860696]
臨床ノートと構造化HRデータを融合し,院内死亡率の予測に役立てる新しいマルチモーダルトランスフォーマーを提案する。
そこで本研究では,臨床ノートにおいて重要な単語を選択するための統合的勾配(IG)手法を提案する。
また,臨床 BERT における領域適応型事前訓練とタスク適応型微調整の重要性についても検討した。
論文 参考訳（メタデータ） (2022-08-09T03:49:52Z) - Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。
ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。
以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
論文 参考訳（メタデータ） (2022-08-03T08:33:21Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳（メタデータ） (2022-06-04T13:16:30Z) - Making sense of violence risk predictions using clinical notes [0.988455728566886]
精神医学施設における暴力リスク評価は、介入によって暴力事件を避けることができる。
これまでの研究では、そのようなノートを用いて精神科患者の暴力リスクを許容できるパフォーマンスで評価しようと試みてきた。
論文 参考訳（メタデータ） (2022-04-29T10:00:07Z) - Enriching Unsupervised User Embedding via Medical Concepts [51.17532619610099]
教師なしのユーザ埋め込みは、患者を人間の監督なしに、固定長のベクターにエンコードすることを目的としている。
臨床ノートから抽出された医療概念は、患者とその臨床カテゴリ間の豊富な関係を含んでいる。
本稿では,2つの臨床コーパスからテキスト文書と医療概念を共同で活用する,非教師なしユーザ埋め込みを提案する。
論文 参考訳（メタデータ） (2022-03-20T18:54:05Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - Performance of Automatic De-identification Across Different Note Types [0.8399688944263842]
患者のプライバシーと機密性に関する懸念は、研究のための臨床ノートの使用を制限する。
本稿では,ワシントン大学のさまざまなノートに,NeuroNER1と呼ばれる最先端のde-idシステムの性能を示す。
論文 参考訳（メタデータ） (2021-02-17T00:55:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。