Pourquoi les dé-identificateurs standard laissent passer les données « locales »
Les systèmes de dé-identification automatique des dossiers médicaux gèrent généralement bien les types typiques d'informations protégées : noms, dates de naissance, numéros d'assurance. Mais dans un hôpital réel, on rencontre des données qui ne sont sensibles qu'au sein de cette organisation. Ce sont les noms abrégés des cliniques, les noms des bâtiments, les codes internes des services. Pour un humain, ces chaînes indiquent clairement le lieu de traitement, mais un algorithme universel ne peut pas connaître toutes les désignations locales.
Les solutions traditionnelles s'appuient soit sur des dictionnaires, soit sur des modèles entraînés avec des catégories fixes. Les unes comme les autres laissent passer ce qui ne figure pas dans leurs référentiels. Les chercheurs appellent cela la PHI « localisée institutionnellement », et c'est précisément là que surviennent des risques sérieux de fuite.
Comment les LLM parviennent à combler l'écart
Pour vérifier si les grands modèles de langage avec apprentissage contextuel (in-context learning) peuvent résoudre ce problème, les auteurs de l'expérience ont pris 100 notes annotées d'oncologie pédiatrique — soit plus de cinq mille fragments de PHI — puis ont comparé huit LLM à deux systèmes spécialisés (Stanford TiDE et OpenMed PII) et à deux modèles de base basés sur des motifs.
Le résultat a été en faveur des LLM : le meilleur modèle a atteint un F1 = 0,918 ± 0,001, tandis que le meilleur système spécialisé, TiDE, n'a obtenu que 0,779. L'avantage était particulièrement net sur les catégories dépendantes du contexte — ces fameuses désignations locales qui échappent généralement aux algorithmes.
Trois niveaux de prompts : de la HIPAA à l'ajustement fin
L'astuce clé n'est pas une simple requête, mais un réglage ciblé du prompt pour l'établissement concerné. L'expérience a utilisé trois variantes :
- Prompt de base — instruction générale selon la norme HIPAA.
- Prompt avec catégories locales — ajout d'une liste de types de PHI institutionnels que la norme ne prend pas en compte.
- Prompt avec protection contre la sur-édition — consigne supplémentaire de ne pas supprimer de contenu clinique superflu.
L'énumération des catégories manquées a récupéré 79 % des 61 fragments précédemment non trouvés (48 éléments). Et l'instruction contre la sur-édition a rétabli la précision, qui souffrait de la « sur-prudence » du modèle.
Les agents et les ensembles n'ont apporté aucun gain
On pourrait supposer qu'un résultat encore meilleur viendrait de l'exécution de plusieurs modèles ou d'un schéma multi-agents. Les auteurs ont testé 14 configurations de ce type et les ont comparées au meilleur prompt unique. Il s'est avéré qu'aucune architecture d'agents n'a surpassé un simple prompt calibré en une seule passe. Chez les agents, le F1 se maintenait dans une fourchette de 0,906 à 0,907 — c'est-à-dire pratiquement au même niveau, mais sans gain supplémentaire.
Les LLM comme auditeurs de l'annotation
Une valeur supplémentaire de l'approche LLM réside dans le fait qu'elle aide à vérifier la qualité de l'ensemble de référence lui-même. Les modèles ont signalé 414 endroits où l'annotation d'origine était probablement incomplète. Après vérification manuelle, 227 spans de PHI manquants ont été confirmés. Une fois l'annotation corrigée et le prompting relancé, le rappel est passé à 0,981 avec un F1 = 0,907 ± 0,002. Cela signifie que le LLM peut servir non seulement d'outil de dé-identification, mais aussi d'auditeur pour créer des ensembles d'entraînement plus précis.
Conclusions
Un prompt bien réglé permet au LLM de combler l'écart institutionnel de la PHI et de trouver un équilibre optimal entre précision et rappel en un seul appel au modèle. Cette approche est plus coûteuse que les méthodes traditionnelles basées sur des dictionnaires, mais ces coûts sont en partie compensés par la possibilité de vérifier et d'améliorer la référence elle-même.
Les auteurs considèrent les LLM comme une alternative légitime et adaptable aux dé-identificateurs spécialisés. La principale stratégie de déploiement est le développement de prompts spécifiques à chaque institution, tenant compte des réalités locales de chaque clinique.
