LLM-basierte Anonymisierung klinischer Textdaten: Quantenoptimierung zeigt bessere Genauigkeit
Von KI ausgewählt und zusammengefasst
Worum es geht
Vergleichende Evaluierung von Large Language Models und quantenverbesserten hybriden Architekturen zur De-Identifikation von 1000 portugiesischen klinischen Notizen mit manueller Annotation von 500 Testfällen.
Ergebnis
Dynex-QML-70B erreichte F1-Score von 0,855 (95%-KI 0,823-0,880), übertraf Llama-3.3-70B mit 0,726 (KI 0,704-0,747) signifikant (p<0,001) und war schneller (7,97 vs. 8,52 Sekunden pro Note, p<0,001).
Übertragbarkeit auf Deutschland
Portugal, vergleichbare Datenschutzanforderungen wie DSGVO in Deutschland.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.