arXiv · Machine Learning· Sina Daneshgar, Raya Namazi, Amirali Khosravi, Pouria Rouzrokh, Bardia Khosravi·· 10 小时前AI 评分53
EdgeDeID：不使用真实患者数据训练的 0.6B 临床文本去标识模型
EdgeDeID: A 0.6B Clinical De-identifier Trained Without Real Patient Data
AI 导读
EdgeDeID 是一个 0.6B 参数、可本地运行的临床文本去标识模型，训练过程不使用真实患者文本。在 100 条合成笔记基准上，它达到 0.994 micro-F1，99% 的笔记没有漏掉任何标识符；量化后可在 CPU 上以 615 MB 运行。迁移到 MIMIC ICU 护理笔记时 F1 降至 0.48，三个手写的上下文示例在无需目标数据标注的情况下提升 0.08 F1。
来源：arXiv · Machine Learning · arxiv.org