一种患者隐私保护与数据可逆还原方法及系统与流程

本发明涉及医疗数据处理，更具体的说是涉及一种患者隐私保护与数据可逆还原方法及系统。

背景技术：

1、目前，在临床诊疗质量管理中，大语言模型（llm）被广泛应用于自动核查卒中质控等指标，如nihss评分、吞咽困难筛查。然而，病历文本包含大量受保护的敏感信息，未经脱敏严禁外发。现有医疗数据隐私保护技术主要包括基于命名实体识别（ner）的文本脱敏、统计匿名化及商业化令牌化工具（如presidio），但在llm应用场景下存在显著缺陷。

2、现有技术的不足主要体现在三个核心矛盾：首先，自由文本中患者身份信息形式多样（如姓名、称谓混用），传统基于固定占位符或正则表达式的脱敏方法缺乏共指关系建模，导致同一患者被映射为多个独立标记，产生映射歧义；其次，统计匿名化难以处理非结构化文本，且脱敏过程往往不可逆，无法满足临床质控对数据精确还原的需求；最后，llm在生成输出时可能引入字符截断、替换等不可预知的字符级畸变，而现有还原机制依赖精确字符串匹配，缺乏容错能力，导致数据还原失败。综上，现有技术尚未解决脱敏阶段共指消解缺失与还原阶段llm输出畸变之间的耦合难题。若脱敏时未对同一实体的多种指称进行归并，还原时畸变标记将面临严重的二义性匹配问题。

3、因此，如何在文本病历中实现基于临床语义逻辑的共指关联识别与嵌套边界自适应判定，确保替代标记具备任务级的物理隔离安全性，并对大模型输出中的字符级畸变进行容错修复，是本领域技术人员亟需解决的问题。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种患者隐私保护与数据可逆还原方法及系统，在文本病历中实现了基于临床语义逻辑的共指关联识别与嵌套边界自适应判定，确保了替代标记具备任务级的物理隔离安全性，并对大模型输出中的字符级畸变进行了容错修复。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明实施例提供一种患者隐私保护与数据可逆还原方法，包括：

4、获取目标病历文本并进行身份信息识别，得到原始身份信息和结构化数据；

5、基于所述原始身份信息和所述结构化数据进行多称呼关联识别和嵌套关系处理，得到待替换身份信息和唯一身份组标识；

6、基于当前任务信息和身份类型生成临时代替标记，并得到相关对照表；

7、执行事务性安全验证，通过后将所述待替换身份信息替换为对应的所述临时代替标记，生成去标识病历文本；

8、基于所述去标识病历文本处理后的响应数据流进行畸变判断，并结合所述唯一身份组标识和所述相关对照表，得到配对方案；

9、基于所述配对方案按照匹配置信度进行分级处理，得到包含真实身份信息的还原病历文本，并进行内存清理。

10、优选的，多称呼关联识别，具体包括：

11、针对分散在所述目标病历文本不同位置的、指向同一患者的不同称呼方式基于临床语义特征分别进行：姓氏重叠配合上下文叙述角色一致性推断、称谓与姓名的等价映射和基于预设医疗标签的标签锚定策略的分析，得到对应的分析值；

12、基于所述分析值结合对应的权重加权得到加权总分；

13、当所述加权总分小于第一阈值，则不进行称呼合并；

14、当所述加权总分大于等于所述第一阈值，且小于第二阈值，则引入上下文重合度二次裁决；

15、当所述加权总分大于等于所述第二阈值，则将所有称呼归并为同一姓名身份组；

16、归并完成后，为每个姓名身份组分配所述唯一身份组标识。

17、优选的，嵌套关系处理，具体包括：

18、所述结构化数据包括：身份信息对应的字符位置边界和前后领域文本；

19、基于所述字符边界位置获取相应的字符区间并进行嵌套关系判断，得到存在嵌套包含关系的身份信息对；

20、基于所述身份信息对根据字符数划分为内层身份信息和外层身份信息；

21、对于部分重叠类型，以字符边界起始位置靠前的身份信息作为外层身份信息，起始位置靠后的作为内层身份信息，若起始位置相同则以字符跨度更长的作为外层身份信息；

22、基于所述外层身份信息和所述内层身份信息分别获取第一信息量评分和第二信息量评分，并做差得到评分差值；

23、当所述评分差值大于判断阈值时，触发整体替换指令，将所述外层身份信息作为一个所述待替换身份信息；

24、当所述评分差值小于等于所述判断阈值时，触发分层替换指令，所述外层身份信息和所述内层身份信息分别作为一个所述待替换身份信息。

25、优选的，临时代替标记生成方法为：

26、获取当前任务的时间戳和唯一任务标识号并进行字节级拼接，并执行哈希运算，压缩为固定长度的哈希摘要；

27、获取与所述哈希摘要等长的随机字节流，并与所述哈希摘要按位异或混合，得到随机种子向量；

28、基于所述随机种子向量进行迭代运算，每次截取摘要前预设个数的字节进行编码，得到可打印字符作为随机主体字符串；

29、基于每种身份信息类型对应的固定标识字符串执行哈希运算，并选取运算结果的前预设个字节进行编码转换得到类型编码；

30、基于所述类型编码和所述随机主体字符串依次转换为ascii码值，并计算加权累加值后，编码得到校验码；

31、所述类型编码、所述随机主体字符串和所述校验码共同组成所述临时代替标记。

32、优选的，所述相关对照表包括：正向对照表、反向对照表和上下文快照表；

33、所述正向对照表，存储所述原始身份信息与对应的所述临时替代标记的映射关系；

34、所述反向对照表，存储所述临时替代标记与所述原始身份信息对应的映射关系；

35、所述上下文快照表，存储所述临时替代标记与所述原始身份信息对应的所述前后领域文本的映射关系；

36、所述正向对照表、所述反向对照表和所述上下文快照表均独立存储于仅在当前任务会话期间存续的内存映射结构中，通过所述唯一身份组标识进行关联索引，所述内存映射结构不与持久化存储介质交互；

37、在存续期间，通过调用操作系统的内存锁定接口将对照表所在内存页强制驻留在物理内存中；

38、当所述内存锁定接口不可用时，降级为通过madvise系统调用设置madv_dontdump标志防止对照表页面被包含在core dump中，并结合定期内存访问维持页面在物理内存中的驻留概率。

39、优选的，所述事务性安全验证，具体包括：

40、基于所述目标病历文本创建不可变快照副本，构建包含全部待替换身份信息、字符位置边界、唯一身份组标识、对应的临时替代标记和替换顺序优先级的操作清单；

41、基于所述操作清单逐项验证：临时替代标记唯一性、字符边界对齐性及数据帧截断安全性；

42、当任一验证失败或发生系统异常时，释放所有中间处理数据并将所述目标病历文本恢复至所述不可变快照副本的状态；

43、当上述验证均通过后，以单一原子操作完成全部所述待替换身份信息的替换，生成所述去标识病历文本；

44、所述替换顺序优先级遵循从嵌套深度最深处逐步向外推进的叶节点到根节点原则。

45、优选的，配对方案获取方法为：

46、所述去标识病历文本经外部大语言模型执行相应任务处理后，得到所述响应数据流；

47、以所述临时替代标记的总字符长度设置滑动窗口，遍历所述响应数据流，得到对应的候选字符串；

48、基于所述候选字符串提取最后三个字符，作为待验校验码；

49、基于所述候选字符串除最后三个字符之外的所有字符，计算得到目标校验码，并与所述待验校验码比较，若一致则保留，不一致则舍弃，最终得到初筛的候选临时替代标记；

50、计算所述候选临时替代标记与所述反向对照表中全部所述临时替代标记的字符串相似度；

51、若所述字符串相似度小于匹配阈值，则判定发生畸变，将对应的所述候选临时替代标记作为候选畸变标记；

52、若所述字符串相似度等于匹配阈值，则判定为无畸变，基于所述候选临时替代标记查询所述反向对照表，还原对应的所述原始身份信息；

53、基于所述唯一身份组标识为索引单位构建匹配代价矩阵；

54、将所有的所述候选畸变标记与所述反向对照表中的所述临时替代标记分别映射至所述匹配代价矩阵的行维度和列维度；

55、所述匹配代价矩阵的的匹配代价为1减去所述匹配置信度；

56、通过全局最优配对算法求解使总匹配代价最小化的行列配对方案，作为所述配对方案；

57、对于候选与临时标记数量不等的非方阵情形，以虚拟占位行或列扩展为方阵，虚拟占位元素赋以固定代价值。

58、优选的，匹配置信度获取方法为：

59、基于所述候选畸变标记根据存在的畸变类型计算字符串相似度；

60、所述畸变类型包括：连字符丢失、尾部截断每字符、大小写变化、数字替换、字符删除、字符插入和字母替换；

61、每类所述畸变类型均对应扣除相应的分值；

62、基于总扣分与对应的所述候选畸变标记的总字符长度，得到所述字符串相似度；

63、将所述候选畸变标记在所述去标识病历文本中的前后邻域文本，作为第一字符组集合；

64、将所述候选畸变标记对应的所述临时替代标记在目标病历文本中的前后邻域文本，作为第二字符组集合；

65、基于两个字符组集合的交集与并集的比值作为上下文重合度；

66、基于所述字符串相似度和所述上下文重合度，得到所述匹配置信度。

67、优选的，分级处理具体包括：

68、基于所述配对方案中各配对对应的匹配置信度进行分级处理：

69、针对所述匹配置信度大于等于第一阈值的配对，自动修正所述候选畸变标记，并通过所述反向映射表中的映射关系还原为对应的原始的所述身份信息；

70、针对所述匹配置信度小于所述第一阈值且大于等于第二阈值的配对，在输出结果中标注待人工复核提示；

71、针对所述匹配置信度小于所述第二阈值的配对，保留所述候选畸变标记并以警示形式提示身份归属未确认；

72、当所述响应数据流中存在无法提取候选字符串的丢失标记时，执行降级处理：

73、提取所述丢失标记对应的前后邻域文本，在所述响应数据流中进行语义检索匹配；

74、若匹配到相似度高于设定阈值的语义片段则标注人工复核提示；

75、若必填字段缺失标记则触发异常告警并记录缺失字段对应的原始身份组信息，当丢失比例超过预设阈值时触发重试与熔断机制；

76、基于上述分级处理结果和判定为无畸变进行的替换结果共同组成包含真实身份信息的所述还原病历文本。

77、第二方面，本发明实施例提供一种患者隐私保护与数据可逆还原系统，用于执行如第一方面任一项所述的一种患者隐私保护与数据可逆还原方法，其特征在于，包括：身份信息识别模块、身份信息处理模块、替代标记生成模块、身份信息替换模块、配对方案生成模块和病历文本还原模块；

78、所述身份信息识别模块，用于获取目标病历文本并进行身份信息识别，得到原始身份信息和结构化数据；

79、所述身份信息处理模块，用于基于所述原始身份信息和所述结构化数据进行多称呼关联识别和嵌套关系处理，得到待替换身份信息和唯一身份组标识；

80、所述替代标记生成模块，用于基于当前任务信息和身份类型生成临时代替标记，并得到相关对照表；

81、所述身份信息替换模块，用于执行事务性安全验证，通过后将所述待替换身份信息替换为对应的所述临时代替标记，生成去标识病历文本；

82、所述配对方案生成模块，用于基于所述去标识病历文本处理后的响应数据流进行畸变判断，并结合所述唯一身份组标识和所述相关对照表，得到配对方案；

83、所述病历文本还原模块，用于基于所述配对方案按照匹配置信度进行分级处理，得到包含真实身份信息的还原病历文本，并进行内存清理。

84、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种患者隐私保护与数据可逆还原方法及系统，具有以下有益效果：

85、1、共指关联识别：通过三策略加权投票实现同一患者多种指称的统一归并，脱敏一致性较现有技术有明显提升，为全局最优配对提供了“一患者一标记”的无歧义映射前提。

86、2、嵌套边界自适应判定：提出基于信息量评分差值驱动的自适应判定方法，嵌套边界判定正确率大幅提升，在隐私保护颗粒度与通信传输效率之间实现了合理平衡。

87、3、任务级标记隔离：建立了经密码学单向变换的标记隔离体系，跨任务标记重分配率为100%。基于base62编码的标记组合空间充足，理论分析和实验均未观察到标记碰撞事件。

88、4、多层次畸变容错机制：校验码初筛（可筛除绝大多数不匹配候选）→畸变扣分相似度→上下文重合度辅助→全局最优配对，四个层次逐级递进。在较高畸变率下还原成功率约大幅提高，明显优于精确匹配和编辑距离等常规方法。

89、5、端到端隐私闭环：身份关联识别→标记生成→安全交互→畸变容错还原→痕迹清除串联为完整闭环，全部数据处理收敛在本地安全域内。任务完成后通过64字节缓存行对齐的多轮随机覆写与全屏障指令实现映射信息彻底清除。