arXiv 自然语言处理· Sina Daneshgar, Raya Namazi, Amirali Khosravi, Pouria Rouzrokh, Bardia Khosravi·· 5 小时前AI 评分36
EdgeDeID：无需真实患者数据训练的 0.6B 临床去标识化模型
EdgeDeID: A 0.6B Clinical De-identifier Trained Without Real Patient Data
AI 导读
研究人员推出无需真实患者数据训练的 0.6B 本地临床去标识化模型 EdgeDeID。该模型在 100 篇合成病历基准测试中达到 0.994 micro-F1 且 99% 的病历无遗漏标识符，量化后在 CPU 上仅占用 615 MB。其验证器 adapter 能以 0.94 AUROC 区分其他系统输出的完整性，但在迁移至 MIMIC ICU 记录时 F1 降至 0.48。
来源：arXiv 自然语言处理 · arxiv.org