anonym.legal

By · Last updated 2026-06-05

Terug na BlogGesondheidsorg

HHS 2025: KI-kliniese Notas Benodig PHI-beskerming

KI-transkripsiesisteme kan per ongeluk Pasient A se PHI in Pasient B se rekord plaas. Hier is hoekom intydse PHI-bespeuring voor EHR-verbintenis die beheer is.

June 5, 20269 min lees
HIPAA complianceclinical documentationPHI detectionEHR privacyHHS 2025

Die KI-kliniese Notas-privaatheidsprobleem

Opgedateer vir 2026

Hospitale en klinieke gebruik KI om kliniese notas te skryf. KI transkribeer spraak en stel teks op. Maar dit skep 'n HIPAA-gaping wat handmatige hersiening nie kan toemaak nie.

KI-gegenereerde notas stel pasientrekords op drie maniere bloot:

  1. Kruiskontaminasie: KI kan inligting van een pasient in 'n ander pasient se rekord intrek. Mediese KI-studies het hierdie risiko getoon.
  2. Konteksuitvloeiing: Pasientinligting beland in die verkeerde veld - 'n faktuurrnota, 'n navorsingseld, of 'n verwysingsvorm. KI vul velde deur konteks, nie volgens velddoel nie.
  3. Verskaffer-datagebruik: Baie KI-verskaffers stuur notas terug vir modelhersiening tensy jy uitkies. Dit stuur pasientinligting na derdeparty-bedieners. Daardie bedieners het dalk nie 'n ondertekende BAA nie.

HHS het 'n voorgestelde reel in 2025 gepubliseer. Dit se dat entiteite wat KI-instrumente gebruik, daardie instrumente in hulle risikoanalise moet insluit. Dit skep 'n formele reel vir KI-ondersteunde kliniese werk.

Die 2025 HHS KI-risikoanalise-reel

HHS het nuwe reels voorgestel vir gedekte entiteite wat KI gebruik. Elke KI-stelsel wat pasientrekords aanraak, moet in die entiteit se risikoanalise verskyn.

Die reel het drie dele:

Tegniese veiligheidsmaatreels: Hersien elke KI-instrument. Vra:

  • Stuur dit pasientrekords buite jou stelsels?
  • Stoor dit pasientrekords op sy bedieners na gebruik?
  • Skryf dit pasientinligting in die verkeerde rekord?

Personeelsopleiding: Opleiding moet KI-spesifieke risiko's dek. Dit sluit rekordverwisseling in.

Fisiese kontroles: Werkstasies wat KI-instrumente laat loop, moet deel van fisiese toegangskontroles wees.

KI-kliniese instrumente sluit spraak-na-teks-dienste, KI-notaopstellinstrumente en koderingsinstrumente in.

Hoekom Pre-stoor-bespeuring Werk

Die beste tegniese beheer is PHI-bespeuring voordat die nota na die EHR stoor.

Sonder pre-stoor-bespeuring:

  • KI skryf die konsep
  • Personeel hersien dit met die hand, onder tyddruk
  • Nota stoor na EHR
  • PHI-foute is nou in die permanente rekord
  • Dit regmaak vereis ouditintredes en 'n breuk-hersiening

Met pre-stoor-bespeuring:

  • KI skryf die konsep
  • PHI-skandering loop voor die nota stoor
  • Gemerkde items gaan na personeel vir hersiening
  • Personeel regmaak foute voor stoor
  • Die EHR-rekord is skoon van die begin af

Pre-stoor-bespeuring voldoen aan HIPAA-sekuriteitsreel 164.312(b). Daardie reel vereis stelsels wat aktiwiteit opteken en nagaan. Die pre-stoor-skandering skep 'n ouditrekord vir elke nota hersien.

Die 18 PHI-kategoriee in KI-notas

HIPAA Safe Harbor vereis die verwydering van 18 kategoriee van PHI (45 CFR 164.514(b)). KI-notas kan al 18 op onverwagte maniere oplewer:

  • Name - 'n pasient noem 'n familielid in simptoomgeskiednis
  • Ligging - tuisadres in sosiale geskiednis
  • Datums - geboortedatums, opnamedatums, proseduredatums
  • Telefoon- en faksnommers - kontakinfo in verwysingsnotas
  • E-posadresse - pasient-verskafde kontakbesonderhede
  • SSN's - versekeringskonteks
  • Mediese rekeningnommers - kruisverwys in KI-opsommings
  • Gesondheidsplannommers - versekeringskonteks
  • Rekeningnommers - faktuurkonteks
  • Lisensienommers - verskaffer-lisensie-info in verwysings
  • Voertuig-ID's - ongelukkonteks in traumanotas
  • Toestel-ID's - inplantnotas
  • URL's - pasient-ingediende skakels na gesondheidsrekords
  • IP-adresse - afstandsessielogboeke
  • Biometriese ID's - vingerafdruk- of stemafdrukdata
  • Foto's - gekoppelde media in KI-stelsels
  • Enige ander unieke ID - pasgemaakte fasiliteitsidentifiseerders

KI-modelle kan enige van hierdie uit konteks skep. Bespeuring moet al 18 dek - nie net SSN's en datums nie.

Hoe om Pre-stoor-bespeuring by te Voeg

'n Pre-stoor-PHI-kontrole volg vyf stappe:

  1. KI skryf die notakonsep
  2. Notateks gaan na 'n bespeuring-API voordat personeel dit sien
  3. Gemerkde items word in die konsepbeskouing gewys
  4. Personeel hersien die merke tydens normale notahersiening
  5. Personeel stoor die nota - sonder gemerkde items, of met 'n aangetekende rede

Wat die stelsel benodig:

  • Spoed: onder 200ms sodat dit nie die werkvloei vertraag nie
  • Dekking: alle 18 HIPAA-kategoriee plus plaaslike patrone soos jou MRN-formaat
  • Puntetelling: items bo 85% word outomaties gemerk; 50-85% benodig personeelhersiening; onder 50% word slegs as verwysing gewys
  • Ouditlogboek: teken elke gemerkde item, sy punt, en die hersiener se beslissing aan

Die ouditlogboek gee jou direkte bewys vir die HHS-risikoanalise. Dit wys jy het kontroles vir KI-gegenereerde PHI.

Gebruiksgeval: Pre-stoor-bespeuring by 'n Mediese Sentrum

Een akademiese mediese sentrum het 'n KI-omgewingstelsel vir geneesheersnotas gebruik. 'n 90-dae-oudit het twee verwisseling-gevalle gevind. Een nota het 'n ander pasient se geboortedatum gehad. 'n Tweede het 'n familielid se naam en SSN uit sosiale geskiednis gehad.

Na die byvoeging van pre-stoor-PHI-bespeuring:

  • Alle KI-konsepte is voor geneesheershersiening geskandeer
  • Gemiddelde skandeertyd: 47ms - nie in die werkvloei gevoel nie
  • Oor 90 dae: 1 247 items is gemerk oor 8 400 notas
  • Personeel het 94% van gemerkde items hersien en opgelos
  • Nul rekordverwisseling-voorvalle na die bekendstelling

Die stelsel lewer 'n maandelikse verslag. Dit wys besperingkoerse, hersieningskoerse en entiteitstipes. Hierdie verslag dien as ouditkontrolebewys onder HIPAA-sekuriteitsreel 164.312(b).

Spanne wat hierdie werkvloei bou, kan anonym.legal se PHI-bespeuring-API gebruik. Dit dek alle 18 HIPAA-kategoriee teen sub-200ms latensie. Sien die PHI-bespeuring-integrasiegids vir opstapstappe. Vir end-tot-end-konteks, besoek die gesondheidsorggebruiksgevalle-bladsy.

Bronne

Gereed om u data te beskerm?

Begin om PII te anonimiseer met 285+ entiteitstipes in 48 tale.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.