HIPAA MRN засичане без докторска степен по regex
Форматът на MRN на всяка болница е различен. Memorial използва MRN:XXXXXXX, St. Mary's използва PT-YYYYY, University Hospital използва UHN-XXXXXXXXXX.
HIPAA: Разпознаване на болнично-специфични MRN формати
Правилото HIPAA Safe Harbor изисква премахване на номерата на медицинските записи, но MRN форматите не са стандартизирани. Epic, Cerner и Meditech използват различни формати.
HIPAA Safe Harbor деидентификация в мащаб
HIPAA Safe Harbor изисква премахване на 18 специфични категории PHI идентификатори. Академичните медицински центрове се нуждаят от деидентификация в мащаб, но съществуващите инструменти.
ISO 27001 и HIPAA BAA за здравеопазване
Споразуменията за бизнес партньори по HIPAA изискват 'задоволителни гаранции' за подходящи защитни мерки. ISO 27001 се съотнася директно с HIPAA 164.
Разпознаване на MRN без код за HIPAA
Медицинските номера на записи са специфични за болницата -- всяка здравна система използва различен формат. HIPAA Safe Harbor изисква премахването им. Ето как да го направите без писане на код.
18 HIPAA идентификатора, пропускани от вашия инструмент
HIPAA изброява 18 PHI идентификатора. Повечето инструменти за анонимизация разпознават може би 6 от тях. Номерата на медицинските досиета варират по институции и нямат стандартен US формат.
Обратимо криптиране за повторен контакт с изследвани лица
Не можете да се свържете с Patient_001 за последващо посещение. IRB вече изискват документирани протоколи за повторна идентификация — доказвайки, че МОЖЕТЕ да идентифицирате отново при.
Обратима деидентификация за клинични изследвания
Когато проучване открие неочакван биомаркерен риск при 47 от 5 000 участници, изследователите трябва да се свържат с реалните пациенти. Само 23% от инструментите за анонимизация предлагат истинска обратимост.
ChatGPT съвместим с HIPAA чрез браузърна защита
77% от служителите споделят чувствителна работна информация с AI инструменти поне веднъж седмично. Прихващането на PII в браузъра в реално време намалява инцидентите с изтичане с 94%.
Партидна Обработка на 50 000 Клинични Записки Локално
Решение на SDNY от февруари 2026 г. установи, че документи, обработени от AI, губят адвокатска тайна, ако не са анонимизирани преди обработката.
LLM инструментите пропускат 50% от клиничния PHI
Проучване от 2025 г. установи, че LLM инструментите пропускат над 50% от клиничния PHI в многоезични документи. 34,8% от всички входни данни в ChatGPT съдържат чувствителна информация.
Обяснима редакция: Одити по HIPAA
Методът Expert Determination по HIPAA изисква документирана методология. Електронното разкриване в правни производства изисква основания за всяка редакция. 34% от DPO докладват за недостатъчни инструменти за документиране на съответствието с автоматизирана анонимизация.
HIPAA в облака: Zero-Knowledge за PHI
Споразуменията с бизнес партньори не предотвратяват нарушенията на HIPAA, когато вашият облачен AI доставчик обработва PHI в открит текст. Ето какво прави zero-knowledge архитектурата по различен начин.
Когато CISO отказват облачна обработка на PHI
725 пробива в здравеопазването през 2024 г. са засегнали 275 милиона досиета. При средни разходи за пробив от 10,22 млн. долара - най-високи за всяка индустрия - CISO в здравеопазването спират облачни инструменти за лични здравни данни.
HHS 2025: ИИ клиничните бележки се нуждаят от защита на PHI
ИИ системите за транскрипция могат неволно да поставят PHI на Пациент А в записа на Пациент Б. Ето защо засичането на PHI в реално време преди записване в ЕЗД е правилният контрол.
OCR и засичане на лични данни в ръкописни формуляри
Средноголяма болница обработва 50 000 ръкописни приемни формуляри годишно. Ръчното заличаване на лични данни при такъв обем изисква 0,5 щатна длъжност.
HIPAA OCR: 725 пробива, 275 млн. досиета
HHS OCR отчете 725 пробива по HIPAA през 2024 г., засегнали 275 млн. досиета — най-много за всички времена. Средна цена на пробив в здравеопазването: $10,22 млн.
Разпознаване на PHI: Snow Labs 96% срещу GPT-4o
Не всички инструменти за деидентификация са еднакви. Бенчмарковете от ECIR 2025 показват F1 резултати от 79% до 96%. Научете защо точността е от значение и как да оценявате инструментите.
$7,42 млн.: Разходите при здравни пробиви са на челно място
Здравеопазването е индустрията с най-високи разходи при пробиви на данни за 14 поредни години. Научете защо PHI е толкова ценна и как да я защитите.
Започнете да защитавате данните си днес
285+ типа субекти, 48 езика, сигурност на ниво предприятие на стартиращи цени.
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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.
Hetzner holds 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
- Open the web app and try a sample file.
- Learn how credits get counted.
- See current plans and limits.
- Meet the team behind the product.
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.