Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Deidentifying Medical Documents with Local, Privacy-Preserving Large Language Models: The LLM-Anonymizer
2025·24 Zitationen·NEJM AIOpen Access
Volltext beim Verlag öffnen24
Zitationen
10
Autoren
2025
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
Machine Learning in Medicine
2019 · 3.629 Zit.
Systematic Review: Impact of Health Information Technology on Quality, Efficiency, and Costs of Medical Care
2006 · 3.170 Zit.
Effects of Computerized Clinical Decision Support Systems on Practitioner Performance and Patient Outcomes
2005 · 2.965 Zit.
Studies in health technology and informatics
2008 · 2.903 Zit.
Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success
2005 · 2.686 Zit.
Autoren
Institutionen
- University Medical Centre Mannheim(DE)
- University Hospital Heidelberg(DE)
- Heidelberg University(DE)
- Fresenius (Germany)(DE)
- University Hospital Carl Gustav Carus(DE)
- National Center for Tumor Diseases(DE)
- European Molecular Biology Laboratory(DE)
- Deutschen Konsortium für Translationale Krebsforschung(DE)
- LMU Klinikum(DE)
- Ludwig-Maximilians-Universität München(DE)
Themen
Electronic Health Records SystemsPrivacy-Preserving Technologies in DataData Quality and Management