본 논문은 의료 데이터의 프라이버시 보장과 유용성 유지를 동시에 달성하기 위한 새로운 탈식별 프레임워크 RedactOR을 제안한다. 기존의 규칙 기반, 심층 학습 모델, 대규모 언어 모델(LLM) 기반 탈식별 방법들의 한계점(낮은 재현율, 일반화 성능 저하, 비효율성)을 극복하고자, 구조화 및 비구조화된 전자 건강 기록(EHR), 임상 오디오 기록을 포함한 다양한 모달리티의 데이터에 적용 가능한 완전 자동화된 멀티모달 프레임워크를 제시한다. RedactOR은 지능형 라우팅, 규칙 기반 및 LLM 기반 하이브리드 접근 방식, 2단계 오디오 탈식별 접근 방식 등 비용 효율적인 전략을 사용하며, 일관된 보호 대상 개체 치환을 위한 검색 기반 개체 재어휘화 접근 방식을 통해 하류 애플리케이션을 위한 데이터 일관성을 향상시킨다. Oracle Health Clinical AI 시스템과의 통합을 포함한 RedactOR의 주요 설계 고려 사항, 탈식별 및 재어휘화 방법론, 모듈식 아키텍처에 대해 논의하고, i2b2 2014 De-ID 데이터셋을 사용한 평가 결과를 통해 높은 재현율을 유지하면서 LLM 비용을 최적화하는 경쟁력 있는 성능을 달성함을 보여준다. 마지막으로 실제 AI 기반 의료 데이터 파이프라인 배포를 통해 얻은 주요 교훈과 통찰력을 논의한다.
