18 معرفًا لـHIPAA تفتقدها أداتك
محدَّث لعام 2026.
تُحدد HIPAA 18 فئة من معرفات المعلومات الصحية المحمية. تكتشف معظم أدوات الإخفاء ربما ستةً منها. والاثنا عشر الأخرى تمر دون رصد — وكل واحد منها فجوة في الامتثال.
قاعدة الملاذ الآمن
تُحدد قاعدة الخصوصية في HIPAA (45 CFR § 164.514) إزالة التعريف وفق الملاذ الآمن. يجب إزالة جميع فئات المعرفات الـ18. أزِل كلها وتُعدّ البيانات مجردة من التعريف بحكم القانون. ولهذا يحظى الملاذ الآمن بالشعبية: إما النجاح وإما الفشل، لا مجال للتقدير الاجتهادي.
الفئات الـ18 هي:
- الأسماء
- البيانات الجغرافية دون مستوى الولاية — العنوان والمدينة والمقاطعة والرمز البريدي
- التواريخ باستثناء السنة — الميلاد والدخول والخروج والوفاة
- أرقام الهاتف
- أرقام الفاكس
- عناوين البريد الإلكتروني
- أرقام الضمان الاجتماعي
- معرفات السجلات الطبية
- أرقام المستفيدين من خطط الصحة
- معرفات الحسابات
- أرقام الشهادات والتراخيص
- معرفات المركبات وأرقامها التسلسلية
- معرفات الأجهزة وأرقامها التسلسلية
- عناوين URL
- عناوين IP
- المعرفات البيومترية — بصمات الأصابع والتعرف الصوتي
- الصور الكاملة للوجه والصور المماثلة
- أي رمز أو قيمة تعريفية فريدة أخرى
تتعامل معظم الأدوات بكفاءة مع الفئات 1 و4 و6 و7. لكنها تفتقد الفئات 8 و9 و10 و11 و13 و18 بصورة اعتيادية.
فجوة أرقام السجلات الطبية
تقع معرفات السجلات الطبية في الفئة 8. وتضع كل مستشفى تنسيق أرقامها الطبية الخاص بها. لا يوجد معيار وطني أمريكي موحد.
تستخدم المستشفى A رقمًا صحيحًا من 7 أرقام. وتستخدم المستشفى B تنسيق "PT-YYYYNNNN". وتستخدم المستشفى C سلسلة أبجدية رقمية من 8 رموز. وتكتب المستشفى D "MRN: " قبل رمز من 9 أرقام.
لن تُصنِّف أداة عامة "PT-2024-8847" على أنها معلومات صحية محمية. يجتاز المستند فحوصات إزالة التعريف. لكنه لم يُجرَّد منه التعريف فعلًا. لا ينطلق أي تنبيه. يظن الفريق أن المهمة منجزة. لكنها ليست كذلك.
هذا أسوأ أنواع الفجوات: الفجوة الصامتة.
ثلاثة حلول للمشكلة
البرمجة في Presidio. يستلزم هذا مهارات Python وصيانة مستمرة. ينجح لكنه يكلف وقتًا.
إضافة مراجعة يدوية. يفحص شخص كل مستند بحثًا عن أرقام السجلات الطبية. هذا لا يتناسب مع الحجم الكبير.
استخدام إنشاء الكيانات المخصصة بمساعدة الذكاء الاصطناعي. لا حاجة إلى برمجة. يقدم الفريق قيمًا نموذجية. يبني الذكاء الاصطناعي النمط.
إليك آلية عمله. يقدم فريق خمسة قيم نموذجية لأرقام السجلات الطبية: SVHS-0012345 وSVHS-0987654 وSVHS-1122334 وSVHS-4455667 وSVHS-8899001. يُعيد الذكاء الاصطناعي SVHS-\d{7} ويختبره على النماذج. يحفظه الفريق في إعدادات HIPAA المسبقة. تكتشف جميع الجلسات المستقبلية هذا التنسيق. ينطبق المنهج ذاته على أرقام المستفيدين وأرقام الأجهزة التسلسلية.
تعرف على كيفية عمل الإعدادات المسبقة في دليل كشف أرقام السجلات الطبية HIPAA. وتعلم عن سير عمل نمط الذكاء الاصطناعي.
الافتراض الخفي
يختبر كثير من الفرق على مستند عينة يحتوي على اسم ورقم هاتف. تنجح الأداة. فيفترضون التغطية الكاملة. لكن العينات نادرًا ما تتضمن معرفات خاصة بالمؤسسة. تبدو أرقام السجلات الطبية وأرقام المستفيدين سلاسل عشوائية بالنسبة لأداة عامة. تمر دون تحذير.
يُعين تدقيق حقيقي وفق الملاذ الآمن جميع الفئات الـ18 لطريقة اكتشاف. وللفئة 8، تحقق بعينات حقيقية من أرقام السجلات الطبية الخاصة بمستشفاك. لا تفترض أن الأداة تعرف تنسيقك.
راجع الإطار الكامل في نظرة عامة على امتثال HIPAA.
خلاصة
يستوجب الملاذ الآمن إزالة جميع فئات المعرفات الـ18. تغطي الأدوات العامة أعدادًا أقل بكثير. والفجوات — أرقام السجلات الطبية وأرقام المستفيدين وأرقام الأجهزة التسلسلية — لا تنضبط بتنسيق قياسي، لذا تفتقدها الأدوات العامة. وتسد الكيانات المخصصة بمساعدة الذكاء الاصطناعي هذه الفجوة دون برمجة أو مراجعة يدوية.
المصادر
- HHS: الملاذ الآمن لـHIPAA، 45 CFR § 164.514 — hhs.gov.
- Shaip: أنواع معرفات المعلومات الصحية المحمية في إزالة التعريف الطبي — shaip.com.
- HHS OCR: توجيهات إزالة التعريف المحدثة لعام 2024 — hhs.gov.