Проблемът с фрагментирането на MRN формат

Съединените щати имат приблизително 6100 болници, всяка от които работи със собствена система за електронни здравни досиета със собствен формат на номера на медицинските досиета. Няма национален MRN стандарт. Съвместната комисия, която акредитира здравните организации, уточнява, че MRN трябва уникално да идентифицира пациентите в рамките на една система, но не уточнява формата.

Последствието: MRN форматите в дивата природа включват 7-цифрени цели числа, 8-цифрени цели числа, буквено-цифрови низове с различна дължина, форматирани низове с префикс кодове (HOSP-, MRN-, PT-, PAT-), институционални кодове с предшестване (SVHS-, CHOP-, MDACC-) и формати, кодирани с дата, където годината на записване е вградена в числото.

Методът за деидентификация Safe Harbor на HIPAA изброява номерата на медицинските досиета като категория 8 от 18 идентификатора, които трябва да бъдат премахнати (45 CFR Раздел 164.514(b)(2)). Изискването не е квалифицирано по формат — всички MRN формати, използвани от организацията, трябва да бъдат открити и премахнати. Организация, която обработва клинични бележки, без да открива техния специфичен MRN формат, не постига деидентификация на HIPAA Safe Harbor, независимо какви други идентификатори са премахнати.

Кодиращата бариера

Стандартният подход за добавяне на персонализиран MRN формат към тръбопровод за деидентификация изисква внедряване на формата в персонализираната рамка за разпознаване на Presidio. Това включва:

Писане на клас на Python, който разширява EntityRecognizer, дефиниране на модела на регулярен израз за конкретния MRN формат, внедряване на метода analysis(), който прилага шаблона, добавяне на разпознавателя към регистъра Presidio, тестване на изпълнението спрямо представителни проби и поддържане на изпълнението, докато форматът се развива.

За екипи по клинична информатика без опит в Python — който описва по-голямата част от персонала за спазване на изискванията и поверителността в здравеопазването — това създава зависимост от инженерния екип за всяка промяна на формата. Инженерните ресурси в здравните организации обикновено се разпределят за интегриране на EHR и подкрепа за вземане на клинични решения, а не за конфигуриране на инструменти за съответствие.

AI Pattern Helper

Подходът за създаване на модел с помощта на изкуствен интелект замества работния процес на кодиране с управляван интерфейс:

Екипът по клинична информатика отваря Custom Entity Creator в уеб приложението. Те предоставят 5 примерни MRN стойности от тяхната система (SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001). Те кликват върху „Генериране на модел“. AI анализира структурата на примера и връща: моделът SVHS-d{7} съответства на предоставените примери; високо ниво на увереност; предложено име на обект: HOSPITAL-MRN; предложена замяна: [MRN]; тест срещу допълнителни проби за валидиране.

Екипът предоставя 5 допълнителни пробни проби. Моделът се валидира правилно. Персонализираният обект се записва в предварително зададената за съответствие HIPAA. Всички последващи сесии за деидентификация — уеб приложение, Office Add-in, приложение за настолни компютри и API — откриват MRN във формат SVHS автоматично като част от стандартния пропуск за откриване на PHI.

Изключението за изследвания GDPR съгласно член 89 изисква псевдонимизация и минимизиране на данните за набори от данни за изследвания. Създаването на индивидуален обект гарантира, че специфичните за институцията идентификатори са включени в обхвата на псевдонимизирането — затваряйки празнината в покритието, която генеричните инструменти оставят отворена за патентовани формати.

Източници: