MEDICINE & AI

タイトル：A flexible two-stage anonymization framework for narrative medical records adapting to various language models. 雑誌名：Comput Biol Med. 2025 Sep; 195: 110624. 概　要： 本研究は、電子健康記録（EHR）が患者ケアの質を向上させる一方で、敏感な患者データの保護が必要であることに着目しています。特に、ナラティブな非構造化テキストに散在する敏感情報の特定と匿名化は困難です。そこで、自然言語処理（NLP）手法とプライバシー保護技術を組み合わせた二段階のk-匿名化フレームワークを提案しました。第一段階では、既存のプライバシールールに基づいて敏感なエンティティを抽出し、第二段階ではk-匿名性を満たすようにデータを生成します。実験結果は、90％以上のF1スコアを達成し、動的にエンティティカテゴリや匿名化戦略を調整できることを示しています。また、リソース制約のある環境でも展開可能なように最適化されています。 方　法： この研究では、二段階のk-匿名化フレームワークを用いたコホート研究を実施しました。第一段階では、既存のプライバシールールに基づいて敏感なエンティティを抽出し、第二段階ではk-匿名性を満たすデータを生成します。Fine-tuned BERTモデルとプロンプト駆動型の大規模言語モデル（LLM）を開発し、標準的な消費者向けコンピュータでの展開を最適化しました。 結　果： 提案したフレームワークは、複数のエンティティタイプにおいて90％以上のF1スコアを達成しました。また、二段階構造により、エンティティカテゴリや匿名化戦略を動的に調整できることが確認されました。リソース制約のある環境でも使用できるように最適化されており、メモリ消費を抑えるためにLow-Rank Adaptation（LoRA）を使用しました。 結　論： この二段階匿名化フレームワークは、医療記録の敏感情報を効果的に保護し、様々なプライバシー規制に適応できる柔軟性を持っています。リソース制約のある環境でも展開可能であり、医療分野におけるデータ保護の新たなアプローチを提供します。