Introduction

根據 Health Insurance Portability and Accountability Act (HIPAA) 規定，在臨床醫療端的文字紀錄中，有關病人隱私資料的內容 (Protected Health Information, PHI) 都要被清除掉或是修改掉。而在門診醫病對話資料中，含有許多求診民眾的隱私內容，如此大量的資料，需要有自動化的方式去辨識出這些隱私內容，方便醫療人員的作業也加速醫療大數據的建立。

本競賽提供從成大醫院合作之門診所收錄而來的門診對話及相關訪談的看診對話資料，由人工標註出對話資料中的隱私內容及其類型。並將資料分為訓練集、建構集（開發集） 與測試集。

本競賽主要目標為從醫生與看診民眾對話中辨識和提取含有隱私資訊的內容，並分類出該內容屬於何種隱私類型。以 F1-Score 評估參賽者在測試語料集上預測結果的正確率。

本競賽要識別出的隱私類型有：

1. 名字（name）：所有的姓名、綽號、社群/通訊軟體使用者名稱、個人於團體中的代號等。
2. 地點（location）：所有地址、商店名、建築物名稱、景點等。
3. 時間（time）：所有日期、時間、年齡等，例如：出生年月日、看診時間。
4. 聯絡方式（contact）：所有電話號碼、傳真號碼、信箱、IP 位址、網址、網站名稱(例如成大醫院掛號系統)等。
5. 編號（id）：所有跟個人有關的編號，例如：身分證號碼、證件號碼、卡號、病歷號等。
6. 職業（profession）：所有任職公司名稱、任職單位等。
7. 個人生物標誌（biomarker）：所有個人的特殊身體或生理特徵，例如：胎記/疤痕/刺青部位或形狀、植入物(例如人工髖關節、心導管)等。
8. 家庭成員（family）：所有個人的家庭成員關係，例如：爸爸、姊姊、兒子等。
9. 有名的臨床事件（clinical_event）：所有廣為人知的臨床事件，例如：八仙塵爆、COVID-19。
10. 特殊專業或技能（special_skills）：所有個人獨特的專業或技能，例如：手繪電影看板。
11. 獨家或聞名的治療方法（unique_treatment）：所有特別或廣為人知的治療方法，例如：台大醫院葉克膜、長庚醫院甲狀腺射頻消融手術。
12. 帳號（account）：所有帳號，例如：社群/通訊軟體帳號或 ID、郵局銀行帳號。
13. 所屬團體（organization）：所有個人參與的組織、團體、社團等等的名稱，例如：歡樂無法黨、成大教職男籃隊。
14. 就學經歷或學歷（education）：所有個人的就學經歷或學歷，如系所、程度，例如：讀成大資工、成大資工所碩士畢業。
15. 金額（money）：所有金額，例如：看診金額、個人負擔金額、自費金額。
16. 所屬品的特殊標誌（belonging_mark）：所有個人的所屬品特殊標誌，例如：汽車貼膜圖案、產品序列號、手機殼圖案、顏色。
17. 報告數值（med_exam）：醫療檢查報告、影像報告的數值，例如：肝功能 67、紅血球值 5.8、超音波影像的脾藏 10.67 公分、體溫 36.7 度。
18. 其他（others）：其他跟個人隱私有關，可以關聯到當事人的內容。

相關問題諮詢，請洽：ikm.ncku@gmail.com

參賽對象

全國各大專院校在學生（含研究生），業界亦可參加，但不列入敘獎排名。

競賽方式及評選辦法

本競賽「醫病訊息決策與對話語料分析競賽 - 秋季賽：醫病資料去識別化」係依據主辦單位所提供之語料集，並經由主辦單位聘僱之生物及醫學領域專家所標註的結果，以 F1-Score 來評比各參賽隊伍的系統效能和名次，詳細辦法說明如下：本競賽有三種語料集，分別為訓練集（Training Data）、開發集（Development Data）及測試集（Test Data）。

• 第一階段：主辦單位提供約 20 篇經生物及醫學領域專家標註之範例資料。
• 第二階段：秋季賽分三次提供訓練集與開發集： 第一次提供部分訓練集，並於兩週後（第二次）提供部分開發集，第三次提供全部訓練集與全部開發集。並提供線上評分排名系統，使用 F1-Score 指標評分。須注意每次公布新的資料集，都會清空排名系統，重新進行評分排名。參賽隊伍需從「訓練集」中訓練模型，並以該模型對「開發集」進行預測，並上傳「開發集」之預測結果至線上評分排名系統，來進一步調校系統效能。
• 第三階段：主辦單位公布完整的測試集（Test Data）。參賽隊伍需在截止時間前，至平台上傳「完整測試集」的預測結果。
• 第四階段：競賽時間截止，系統會以最後一筆上傳的結果計算測試集的評估分數，並以此測試集的結果為最終排名依據。
• 參賽者必須在分數公布後，於規範時程內上傳系統報告說明文件以及原始程式碼，以茲證明無任何作弊或抄襲之可能。委員們將在此階段一一進行嚴格的文件審查，未上傳隊伍將不列入最後名次與獎項評選名單。
• 評分：最後用 F1-Score 來評估參賽隊伍的系統效能，並公布於 Private Leaderboard，委員將以此成績高低為依據評估最後獎金賽名次。

Prize

敘獎對象須為報名時具中華民國各大專校院之在學生，敘獎時需檢附相關證明。

在「醫病訊息決策與對話語料分析競賽 - 秋季賽」項目前 15 名的優勝隊伍將分別獲得競賽獎金，秋季賽獎金共 30 萬：

• 獲獎隊伍經評審委員審定後將獲得教育部獎狀乙紙。
• 各項獎勵名額得視參賽件數及成績酌予調整，參賽作品未達水準時，得由決選評審委員決定從缺，或不足額入選。