使用基于图的方法对临床文档进行一致的再词汇化

再词汇化是临床 NLP 中的一项关键技术，因为它有助于对敏感信息进行稳健的屏蔽，同时合成保留高保真、真实世界特征的数据集。然而，在转型过程中保持结构完整性、关系连贯性和时间一致性仍然是一个重大挑战。现有方法经常依赖于独立实体替换，这导致纵向记录之间的临床不一致。这降低了此类再词汇化数据集用于下游科学分析的价值。为了解决这些限制，我们引入了 G-RELIC（具有改进一致性的基于图的上下文再词汇化），它将大语言模型与图的力量结合起来。 G-RELIC 实现了一种基于图的映射机制，该机制优化了原始实体和代理实体之间的一对一对应关系。它还引入了确定性时间重新定位算法来保持时间一致性。对各种真实世界临床数据集的实证评估证实，G-RELIC 显着优于最先进的基线。 G-RELIC 在关系完整性方面提高了 30.4 个百分点（从 62.1% 提高到 92.5%），在时间一致性方面提高了 45.9 个百分点（从 46% 提高到 91.9%），并且不影响公认的临床数据集隐私基准。这最大化了重新词汇化数据集的分析效用，同时最小化了重新识别风险。