医疗临床NLPHIPAA数据准备标注
临床NLP训练数据：HIPAA合规管道
如何在HIPAA下准备用于NER和ICD编码的标注临床笔记：PHI脱敏、临床标注、质量审查和JSONL导出。
Edward Xi Yang
临床NLP是医疗领域AI最高价值的应用之一。准备临床NLP训练数据首先是合规问题，然后才是技术问题。
临床NLP模型做什么
ICD和CPT编码。 从临床文档中自动提取计费代码。
临床命名实体识别（NER）。 识别和提取特定实体类型：诊断、药物、程序、实验室结果。
药物NER。 提取药物名称、剂量、频率、给药途径和状态。
谁应该标注临床NLP数据
临床NLP标注需要临床知识。应该标注数据的人是临床医生：医生、护士、药剂师和医疗编码员。
标注工具需要对没有技术背景的领域专家可操作，零设置。
HIPAA合规管道
六个阶段，每个阶段都必须在本地运行：
- 数据提取：从EHR系统提取
- PHI脱敏：在标注开 始前自动检测和脱敏
- 标注模式设计：在标注前编写指南
- 临床标注：去标识化文档分发给临床标注人员
- 质量审查：标注一致性审查
- JSONL导出：批准的标注导出为训练格式
现有工具的不足
Label Studio需要Docker部署。云标注服务明确不适用于PHI。Prodigy是Python命令行应用。
差距在于一个本地优先、零设置的标注应用，临床标注人员可以直接操作。
Turn unstructured data into AI-ready datasets — without it leaving the building.
On-premise data preparation with full audit trail. No data egress. No fragmented toolchains. EU AI Act Article 30 compliance built in.
Keep reading
为什么向量RAG在临床数据上失败——以及应该用什么替代
基于向量的RAG在医学术语、临床记录和DICOM元数据上表现不佳。以下是原因——以及微调临床NLP模型和更好的数据准备如何解决根本原因。
Edward Xi Yang
80%的企业数据是非结构化的：接下来怎么做
大约80%的企业数据是非结构化的，20%是结构化的。这80%里有什么、为什么AI项目会卡在这一步，以及先从哪里做起。
Edward Xi Yang
会计事务所AI数据准备：财务报表、税务申报和审计工作底稿
会计和审计事务所如何准备财务报表、税务申报和审计工作底稿用于AI训练——本地部署，确保客户保密性和SOX合规。
Edward Xi Yang