Releksikalisasi Konsisten Dokumen Klinis dengan Pendekatan Berbasis Graf

G-RELIC: Releksikalisasi Kontekstual Berbasis Graf dengan Konsistensi yang Ditingkatkan

Dipankar Das; Atri Mandal; Sandeep Singh; Tushar Shandhilya· 2026· DOI 10.48550/arXiv.2609.21387

Masalah inti

Releksikalisasi adalah teknik penting dalam NLP klinis, karena memfasilitasi penyamaran informasi sensitif yang kuat sekaligus menyintesis dataset yang mempertahankan karakteristik dunia nyata dengan kesetiaan tinggi. Namun, menjaga integritas struktural, koherensi relasional, dan konsistensi temporal selama transformasi tetap menjadi tantangan signifikan. Pendekatan yang ada sering kali mengandalkan penggantian entitas secara independen, yang mengakibatkan inkonsistensi klinis pada catatan longitudinal. Hal ini mengurangi nilai dataset hasil releksikalisasi tersebut untuk analisis ilmiah hilir. Untuk mengatasi keterbatasan ini, penulis memperkenalkan G-RELIC (Graph Based Contextual Relexicalization with Improved Consistency), yang menggabungkan kekuatan LLM dengan graf.

Evaluasi empiris pada dataset klinis dunia nyata yang beragam memvalidasi bahwa G-RELIC secara signifikan mengungguli baseline state-of-the-art. G-RELIC menghasilkan peningkatan 30,4 poin persentase dalam integritas relasional (62,1% menjadi 92,5%) dan peningkatan 45,9 poin persentase dalam koherensi temporal (46% menjadi 91,9%) tanpa mengorbankan tolok ukur privasi yang diakui untuk dataset klinis. Hasil ini menunjukkan efektivitas pendekatan berbasis graf dalam menjaga konsistensi sekaligus mempertahankan privasi.

Releksikalisasi adalah teknik penting dalam NLP klinis, karena memfasilitasi penyamaran informasi sensitif yang kuat sekaligus menyintesis dataset yang mempertahankan karakteristik dunia nyata dengan kesetiaan tinggi. Namun, menjaga integritas struktural, koherensi relasional, dan konsistensi temporal selama transformasi tetap menjadi tantangan signifikan. Pendekatan yang ada sering kali mengandalkan penggantian entitas secara independen, yang mengakibatkan inkonsistensi klinis pada catatan longitudinal. Hal ini mengurangi nilai dataset hasil releksikalisasi tersebut untuk analisis ilmiah hilir. Untuk mengatasi keterbatasan ini, penulis memperkenalkan G-RELIC (Graph Based Contextual Relexicalization with Improved Consistency), yang menggabungkan kekuatan LLM dengan graf.

G-RELIC menerapkan mekanisme pemetaan berbasis graf yang mengoptimalkan korespondensi satu-ke-satu antara entitas asli dan entitas pengganti. Pendekatan ini juga memperkenalkan algoritma reposisi temporal deterministik untuk menjaga konsistensi temporal. Pendekatan ini memanfaatkan large language model (LLM) bersama struktur graf untuk memastikan dokumen hasil releksikalisasi mempertahankan integritas relasional dan temporal. Pemetaan berbasis graf memastikan setiap entitas asli secara konsisten digantikan oleh entitas pengganti yang sama di seluruh dokumen, sementara algoritma reposisi temporal secara deterministik menyesuaikan stempel waktu untuk mempertahankan hubungan temporal asli. Kombinasi ini mengatasi keterbatasan metode penggantian entitas independen yang menyebabkan inkonsistensi.

Peningkatan signifikan dalam integritas relasional dan koherensi temporal yang dicapai G-RELIC memaksimalkan kegunaan analitis dataset hasil releksikalisasi sekaligus meminimalkan risiko reidentifikasi. Dengan memastikan pemetaan entitas satu-ke-satu dan konsistensi temporal, G-RELIC menghasilkan dokumen klinis hasil releksikalisasi yang lebih sesuai untuk analisis ilmiah hilir, seperti studi longitudinal dan penelitian klinis. Pendekatan ini menjawab kebutuhan kritis akan data klinis sintetis dengan kesetiaan tinggi yang dapat dibagikan tanpa mengorbankan privasi pasien. Pekerjaan selanjutnya dapat mengeksplorasi skalabilitas dan adaptasi ke domain lain.

Praktisi dan peneliti ilmu komputer

Membuka konten member…