5、医疗文本两级匿名化处理方案

医疗文本两级匿名化处理方案

1. 引言

在医疗领域，保护患者的隐私至关重要。对医疗文本进行匿名化处理是实现这一目标的关键步骤。本文将介绍一种两级匿名化处理方法，包括源头匿名化、现有工具的法语转换以及新匿名器的开发，并对不同方法的效果进行评估。

2. 源头匿名化

2.1 处理思路

为了在不处理高度敏感数据的情况下对真实文本进行深度匿名化，采用了一种简单的源头匿名化方法。该方法在文本收集时进行第一次匿名化处理，旨在去除患者的基本身份信息，如姓名、姓氏和出生日期。

2.2 元数据信息

与每个文本文件关联的元数据包含以下内容：
- 患者数据 ：姓名、婚后姓氏、名字、出生日期和性别。
- 文档来源数据 ：部门标识符、报告日期和作者姓名。

2.3 匿名化操作

源头匿名化算法在医院数据仓库中执行以下操作：
- 将提及患者姓名（不区分大小写）的文本替换为标签 <Nom patient> 。
- 以类似方式替换提及患者婚后姓氏和名字的文本。
- 根据三种日期格式（如 01/01/70、01/01/1970 和 01 janvier 1970），将出生日期替换为标签 <Date naissance patient> 。

2.4 后续处理

对每个文档的替换次数进行统计，并手动验证未对姓名或婚后姓氏进行修改的文档。最后，在元数据文件中，使用