文献

J-GLOBAL ID：201702230479814933   整理番号：17A0323668

ゲーム理論的フレームワークを使った自然言語の同定のための注釈資源の最適化【Powered by NICT】

Optimizing annotation resources for natural language de-identification via a game theoretic framework

著者 (9件)： Li Muqun (Dept. of Electrical Engineering & Computer Science, Vanderbilt University, Nashville, TN, United States) ,  Carrell David (Group Health Research Institute, Seattle, WA, United States) ,  Aberdeen John (The MITRE Corporation, Bedford, MA, United States) ,  Hirschman Lynette (The MITRE Corporation, Bedford, MA, United States) ,  Kirby Jacqueline (Vanderbilt Institute for Clinical and Translational Research, Vanderbilt University, Nashville, TN, United States) ,  Li Bo (Dept. of Electrical Engineering & Computer Science, Vanderbilt University, Nashville, TN, United States) ,  Vorobeychik Yevgeniy (Dept. of Electrical Engineering & Computer Science, Vanderbilt University, Nashville, TN, United States) ,  Malin Bradley A. (Dept. of Electrical Engineering & Computer Science, Vanderbilt University, Nashville, TN, United States) ,  Malin Bradley A. (Dept. of Biomedical Informatics, Vanderbilt University, Nashville, TN, United States)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 61  ページ： 97-109  発行年： 2016年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 電子医療記録(EMR)は臨床ケアを超えた活動のためのrepurposedが増加している,トランスレーショナルリサーチと公共政策分析を支援する。プライバシーリスクを軽減するために,ヘルスケア組織(HCOs)は患者情報を同定する潜在的に除去することを目的とした。確りした数量EMRのデータは自然言語形である,識別子を検出するための自動化ツールはintentionedデータレシピエントにより利用可能な不完全と漏れ情報であるという懸念がある。HCOsは潜在的識別子を見出し,検出するために可能な限り多くの努力を投資するよう奨励されてきたが,そのような戦略はレシピエントが十分に報われると漏洩識別子を利用できると仮定している。実際には,このような仮定は成り立たない可能性があり,HCOは非特定化技術における投資可能性がある。本研究の目的は,敵対的レシピエントの期待される能力与えられたその投資を最適化するためのHCOを可能にする,ゲーム理論に基づく,自然言語非特定化フレームワークを設計することである。自然言語非特定化におけるリスクと有用性のバランスをとるためにStackelbergゲームを導入した。ゲームは非特定化過程におけるそれらの投資を最小化するための固定された予算によるHCOを可能にする費用効果モデルを示した。HCOへの全体的な利得を評価することによって,このモデルとVanderbilt大学医療センターからの2100の臨床記録を用いた敵対者を評価した。範囲パラメータの,訓練のコストを用いて非特定化モデルいくつかの政策代替案と識別子であるない項の除去によるデータ有用性の損失をシミュレートした。添加では,攻撃者は誤用の微細化した場合,第三者(例えば,連邦調節因子)とは対照的に,出版HCOに注目した金銭的ペナルティが政策オプションを比較した。著者らの結果は,HCOは限られた予算を完了するために強制される場合(本研究では2000に設定),HCOの非特定化の精度および再現率はそれぞれ0.86と0.8であることを示した。ゲームベースアプローチは,より洗練された費用便益トレードオフを可能にし,HCOのプライバシーと有用性を改善した。例えば,著者らの研究は,非特定化にすべての予算をかけないデータを放出し,まだ攻撃者を,0.77の精度と非特定化のための0.61の想起にHCOが可能であることを示した。リスクがあまりに大き過ぎるので,またモデルはHCOはデータを放出すべきであるないことを示しているシナリオが存在する。添加では,連邦調節因子のような第三者とは対照的に,HCO(請負契約不履行の用いのアーチファクト)に細粒分を払うの実際は,データ共有リスクレベルの上昇,HCOである補償を引き出すために攻撃者をbaitに報われるを誘導できることを見出した。EMRデータを共有する前のゲーム理論的フレームワークは,自然言語非特定化投資における意思決定の最適化にHCOを導くに適用可能である。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 投資 ,  ペナルティ ,  *アノテーション ,  プライバシー ,  意思決定 ,  *最適化 ,  請負契約 ,  *ゲーム理論 ,  トレードオフ ,  電子カルテ ,  *ゲーム ,  健康管理 ,  *自然言語 ,  病歴
準シソーラス用語： 攻撃者 ,  識別子 , 【Automatic Indexing@JST】

著者キーワード (4件)： 電子カルテ ,  プライバシー ,  自然言語処理 ,  ゲーム理論

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (7件)： ゲーム理論 ,  フレームワーク ,  言語 ,  同定 ,  注釈 ,  資源 ,  最適化