French free-text medical reports anonymization through artificial neural networks
Anonymisation de documents médicaux en texte libre et en français via réseaux de neurones
Abstract
In this paper, we study the feasibility of anonymization of medical documents in free text, and in French, using a neural network called CamemBERT. We trained this model to detect patient identifiers within medical texts, with and without pre-training of the medical lingo. Our results show satisfactory performances with F1-scores higher than 0.9 in most of the cases. We also show that the pre-training of medical lingo implies risks of data reidentification without higher performances.
Dans ce papier nous nous intéressons à la faisabilité de l'anonymisation de documents médicaux en texte libre et en français à l'aide du réseau de neurones CamemBERT. Nous avons entrainé ce modèle à détecter des éléments identifiants dans des textes médicaux, avec et sans préapprentissage du jargon médical. Nos résultats montrent des performances satisfaisantes avec des F1-score supérieurs à 0.9. Nous montrons aussi que le pré-apprentissage du jargon médical comporte des risques de ré-identification des données sans présenter de meilleurs résultats.
Fichier principal
2023-Richard-Talbot-Gimbert-Anonymisation-Documents-Medicaux-via-CamemBERT.pdf (138.39 Ko)
Télécharger le fichier
| Origin | Files produced by the author(s) |
|---|