PARHAF：フランス語で作られた、架空の患者のための臨床レポートを人手で作成したコーパス

要旨: 臨床自然言語処理（NLP）システムの開発は、医療記録がセンシティブであるために深刻に阻害されており、厳格なプライバシー規制、特にフランスおよびより広い欧州連合の下ではデータ共有が制限されています。このギャップに対処するため、私たちはフランス語の臨床文書からなる大規模なオープンソース・コーパスであるPARHAFを導入します。PARHAFは、専門家が執筆した臨床報告書で構成され、現実的でありながら完全に架空の患者事例を記述します。これにより、匿名であり、設計上、自由に共有可能です。コーパスは、フランス国立健康データシステム（SNDS）からの疫学的ガイダンスと、臨床家の専門知見を組み合わせた構造化プロトコルを用いて開発され、幅広い臨床領域をカバーすることが保証されています。合計104名の医療レジデント（18の専門領域）が、あらかじめ定義された臨床シナリオと文書テンプレートに従って報告書を作成し、査読を経ました。
このコーパスには、広範な内科系および外科系の専門領域にわたる5009件の患者事例をカバーする7394件の臨床報告書が含まれます。現実世界の入院分布を近似するための汎用コンポーネントと、腫瘍学、感染症、診断コーディングにおける情報抽出のユースケースを支援する4つの専門サブセットが含まれます。文書はCC-BYのオープンライセンスの下で公開されており、その一部は、統制された条件下での将来のベンチマークを可能にするために一時的にエンバーゴされています。
PARHAFは、完全にプライバシーを保護する設定のもとでフランス語の臨床言語モデルを訓練・評価するための貴重なリソースを提供し、他の言語や医療システムにおいて共有可能な合成臨床コーパスを構築するための再現可能な手法を確立します。