Clinical De-identification for French

Input Format

JSON Format

Provide input as JSON. We support two variations within this format:

1. Array of Text Documents: Use an array containing multiple text documents. Each element represents a separate text document.

{ "text": [ "Text document 1", "Text document 2", ... ] } 2. Single Text Document: Provide a single text document as a string.

{ "text": "Single text document" }

JSON Lines (JSONL) Format

Provide input in JSON Lines format, where each line is a JSON object representing a text document.

{"text": "Text document 1"} {"text": "Text document 2"}

Important Parameter

masking_policy: str

Users can select a masking policy to determine how sensitive entities are handled:

Example: "PRENOM : Éric, NOM : Lejeune, NUMÉRO DE SÉCURITÉ SOCIALE : 2730235238020, ADRESSE : 74 Boulevard Riou, VILLE : Sainte Annenec"

masked: Default policy that masks entities with their type.

-> 'PRENOM : , NOM : , NUMÉRO DE SÉCURITÉ SOCIALE : , ADRESSE : , VILLE : '

obfuscated: Replaces sensitive entities with random values of the same type.

-> 'PRENOM : Mlle Goncalves, NOM : Mme Garnier-Roussel, NUMÉRO DE SÉCURITÉ SOCIALE : 129022554007724, ADRESSE : avenue de Mahe, VILLE : Meyer-sur-Lemoine'

masked_fixed_length_chars: Masks entities with a fixed length of asterisks (*).

-> 'PRENOM : ****, NOM : ****, NUMÉRO DE SÉCURITÉ SOCIALE : ****, ADRESSE : ****, VILLE : ****'

masked_with_chars: Masks entities with asterisks (*).

-> 'PRENOM : [], NOM : [], NUMÉRO DE SÉCURITÉ SOCIALE : [****], ADRESSE : [*******], VILLE : [********]'

You can specify these parameters in the input as follows:

{ "text": [ "Text document 1", "Text document 2", ... ], "masking_policy": "masked" }