Dans l'actualité
A local language model layered with rule-based and neural detectors for clinical text de-identification: an open-source toolkit and evaluation
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- DeidSharp, une boîte à outils open source, combine un LLM local avec des détecteurs à base de règles et neuronaux pour identifier les informations de santé protégées dans les textes cliniques sans exfiltrer les données.
- Pourquoi ça compte
- Les ingénieurs en santé construisant des systèmes de dé-identification ont besoin de solutions hébergées localement qui équilibrent recall et précision pour la conformité et la protection des données.
- Vigilance
- Le LLM a rejeté un quart des vrais PHI en vérifiant ses propres résultats, et les performances varient fortement entre configurations orientées recall ou précision.
- llm
- language model
- entity recognition
- mixture-of-experts
- eval
Les patterns derrière cette actualité
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.