論文の概要: Morpheus: a fully local, defense-in-depth de-identification engine for Greek clinical text - a benchmark evaluation

• arxiv url: http://arxiv.org/abs/2610.25155v1
• Date: Sun, 18 Oct 2026 10:26:14 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:40:34.24456
• Title: Morpheus: a fully local, defense-in-depth de-identification engine for Greek clinical text - a benchmark evaluation
• Title（参考訳）: Morpheus: ギリシア語臨床テキストのための完全局所防衛深度識別エンジン - ベンチマーク評価-
• Abstract要約: われわれはMorpheusを評価した。Morpheusはギリシャの臨床文献の完全局所的同定パイプラインである。 これは、ギリシア語における臨床テキストの非識別に関する最初のベンチマーク評価であり、独立なエクスグレス・ガード層の定量評価としては初めてのものである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Background and Objective: Clinical free text cannot leave the hospital without de-identification, yet no de-identification system or benchmark exists for Greek clinical text. We evaluated Morpheus, a fully local de-identification pipeline for Greek clinical documents, on 500 synthetic discharge summaries. Methods: The notes (300 cardiac surgery, 100 cardiology, 100 nephrology) were generated by a frontier large language model (Gemini 3.1 Pro) constrained to authentic Greek hospital document layouts. Notes were pre-annotated at generation; two clinicians then independently reviewed and corrected every note, blinded to each other, with disagreements arbitrated. Primary outcomes were recall over must-redact identifiers and over-redaction of clinical content, measured over must-survive probes. Secondary outcomes: residual leaks flagged by an independent egress-review layer, processing time and reproducibility. Results: Inter-annotator agreement was F1 = 0.998. The de-identification rate was 96.59% (7,666/7,937 identifier instances; 95% CI 96.16-96.96): 98.49% for direct and 93.42% for quasi-identifiers. No patient's own complete identifier survived in any note; of 271 residual instances, 199 (73.4%) concerned institutional identity, chiefly the hospital letterhead. The over-redaction rate was 2.82% (190/6,747 probes; 95% CI 2.45-3.24). The egress guard flagged 2 of 271 residuals, both complete telephone numbers. Two independent runs gave identical verdicts. Conclusions: A fully local, deterministic pipeline removed 98.5% of direct patient identifiers from Greek clinical text while altering under 3% of protected clinical content; most residuals concerned the institution, not the patient. To our knowledge this is the first benchmark evaluation of clinical-text de-identification for Greek and the first quantified evaluation of an independent egress-guard layer.
• Abstract（参考訳）: 背景と目的: 臨床自由テキストは、再同定なしでは病院を離れることはできないが、ギリシアの臨床テキストについては、非特定システムやベンチマークは存在しない。 我々は,500種類の合成放電サマリーを用いて,ギリシャ臨床文献の完全局所的同定パイプラインであるMorpheusを評価した。 方法: 心臓手術300例, 心臓手術100例, 腎症100例) は, ギリシャの病院文書の正確なレイアウトに拘束されたフロンティア大言語モデル(Gemini 3.1 Pro)によって生成された。 2人の臨床医は独立してすべてのノートをレビューし、修正し、意見の相違を仲裁した。 第一の結果は、必需品の識別と臨床内容の過剰なリアクションで、必需品のプローブで測定された。 二次的な結果: 独立したExress-Review層によってフラグ付けされた残留リーク、処理時間と再現性。 結果: F1=0.998。 識別解除率は96.59% (7,666/7,937の識別子インスタンス、95% CI 96.16-96.96):98.49%、準識別器93.42%である。 遺残例271例のうち199例(73.4%)は施設の身元、主に病院のレターヘッドに関するものである。 過剰反応速度は2.82%(190/6,747プローブ、95%CI 2.45-3.24)であった。 警備隊は271名のうち2名が残っており、どちらも完全な電話番号であった。 2回の独立戦で同じ評決が下された。 結論: 完全に局所的な決定論的パイプラインは、ギリシャの臨床的テキストから98.5%の直接的な患者識別子を除去し、保護された臨床内容の3%以下に変更した。 我々の知る限り、これはギリシア語における臨床テキストの非識別に関する最初のベンチマーク評価であり、独立なエクスグレス・ガード層の定量的評価としては初めてのものである。

関連論文リスト

• Proof-Grounded Patient-Specific Clinical Explanations from Knowledge-Graph Reasoning [4.1457422356798155]
  CKG Clinical Explanation Engine(CKG クリニカル・エクスプレイテーション・エンジン)は、凍結した無トレーニング臨床知識グラフ推論器のための下流層である。 患者推論の状態と疾患の知識を、型付けされた事実、明示的なルール・アプリケーション・トレース、証明とリンクした結論、そしてポリシーにライセンスされたレコメンデーションに変換する。
  論文  参考訳（メタデータ） (2026-10-05T15:41:31Z)
• MedDeID enables locally governed clinical-text de-identification from real or synthetic training data [0.0]
  MedDeIDは、社内アノテーションと合成ノート生成とモデルトレーニング、推論、偽名化、評価を組み合わせたオンプレミスフレームワークである。 独立に注釈が付された300点のオランダの病院のベンチマークでは、病院で訓練されたコンパクトトランスフォーマーが98.9%のテキストを検出した。 100のプライマリケアノートでは、合成訓練されたモデルは、病院で訓練されたモデル(90.3%対87.0%)よりも高いリコールを達成し、識別子フォーマットに対するロバスト性が向上した。
  論文  参考訳（メタデータ） (2026-09-09T11:24:56Z)
• Clinician-Level Agreement Without Clinical Caution: LLM Evaluator Limits in Medical AI Benchmarking [27.829988205900055]
  MedQADEは、ドイツにおける最初の標準的オープンレスポンス臨床ベンチマークである。 最高のパフォーマンス評価モデルであるGemini 3 Flashは、医師の天井と一致している。 この統計的アライメントにもかかわらず、自動評価装置は臨床メタ認知に近づいた。
  論文  参考訳（メタデータ） (2026-07-01T15:55:31Z)
• Enhancing Clinician Decision-Making via Uncertainty-Aware Multi-Expert Fusion for Stroke Rehabilitation [0.32553561239735207]
  臨床的判断に取って代わるのではなく、拡張するように設計されたエンジンであるxAARAを提示する。 xAARAは、タスク、ムーブメントフェーズ、ムーブメント品質のレベルを越えて、キャリブレーションされた不確実性と説明でARATアセスメントを返します。 105回のストロークサバイバー(788回の運動)では、xAARAは94.2%のタスク精度と81.3%の移動位相精度を達成した。
  論文  参考訳（メタデータ） (2026-06-23T09:00:15Z)
• Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
  汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。 本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。 675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
  論文  参考訳（メタデータ） (2026-04-29T17:59:28Z)
• Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
  大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。 1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。 診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
  論文  参考訳（メタデータ） (2026-04-06T00:23:10Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• LiveClin: A Live Clinical Benchmark without Leakage [50.45415584327275]
  LiveClinは、実際の臨床実践を近似するために設計されたライブベンチマークである。 本研究は,患者を臨床経過全体にわたる複雑なマルチモーダルな評価シナリオに転換する。 LiveClin上で26のモデルを評価すると、これらの実世界のシナリオの難しさが明らかとなり、最高性能のモデルではケース精度が35.7%に達した。
  論文  参考訳（メタデータ） (2026-02-18T03:59:46Z)
• Zero-Shot Clinical Trial Patient Matching with LLMs [40.31971412825736]
  大規模言語モデル(LLM)は、自動スクリーニングの有望なソリューションを提供する。 我々は,患者の診療歴を非構造的臨床テキストとして考慮し,その患者が包括的基準を満たしているかどうかを評価するLCMベースのシステムを構築した。 提案システムは,n2c2 2018コホート選択ベンチマークにおいて,最先端のスコアを達成している。
  論文  参考訳（メタデータ） (2024-02-05T00:06:08Z)
• Evaluating AI systems under uncertain ground truth: a case study in dermatology [43.8328264420381]
  不確実性を無視することは、モデル性能の過度に楽観的な推定につながることを示す。 皮膚状態の分類では,データセットの大部分が重大な真理不確実性を示すことが判明した。
  論文  参考訳（メタデータ） (2023-07-05T10:33:45Z)
• De-identifying Hospital Discharge Summaries: An End-to-End Framework using Ensemble of De-Identifiers [11.633410102787538]
  本論文では、病院の退院要約から保護された健康情報を自動削除するエンドツーエンドの非識別フレームワークを提案する。 オーストラリアのシドニーにある2つの主要な紹介病院のEMRから抽出された600の病院の排出要約が含まれていました。
  論文  参考訳（メタデータ） (2021-01-01T03:09:31Z)

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。