anonym.legal

By · Last updated 2026-04-30

Назад към блогаЗдравеопазване

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.

April 30, 20268 мин. четене
custom MRN detectionHIPAA pipeline configurationno-code regexAI pattern helperhospital identifier de-identification

Проблемът с формата на MRN

САЩ имат около 6100 болници. Всяка използва собствена EHR система. Всяка използва собствен формат на медицинския номер на запис. Национален стандарт не съществува. Joint Commission изисква болниците да могат да идентифицират пациенти -- но не поставя правила за формата.

Форматите варират значително. Някои са 7-цифрени цели числа. Други са 8-цифрени. Някои използват префиксни кодове като HOSP-, MRN- или PT-. Други добавят институционални кодове като SVHS- или CHOP-. Някои вграждат годината на постъпване в номера.

HIPAA Safe Harbor изброява номерата на пациентски записи като идентификатор тип 8 от 18. (45 CFR §164.514(b)(2)) Всички 18 трябва да бъдат премахнати. Правилото не ограничава това до конкретен формат. Ако болницата ви използва персонализиран формат, трябва да го откривате. Инструмент, който го пропуска, не постига Safe Harbor -- дори ако премахва всичките останали 17 вида.

Защо подходът с код се проваля

Стандартният начин за добавяне на персонализиран формат на номер на запис към тръбопровод за де-идентификация е разширяване на Microsoft Presidio. Това означава писане на Python.

Разработчикът създава клас, който разширява EntityRecognizer. Пише regex, свързва го с регистъра на Presidio, тества и поддържа. За екипи по съответствие -- които рядко пишат код -- това е сериозна пречка. Всяка промяна на формат изисква инженер.

Здравните инженери са заети. Те се фокусират върху EHR интеграция и клинични системи. Инструментите за съответствие рядко са техен приоритет.

Работният процес без код

Работният процес с насочен шаблон премахва стъпката с кодиране.

Служителят по съответствие отваря Конструктора на персонализирани субекти в уеб приложението. Поставя пет примерни номера от своята система -- например:

SVHS-0012345
SVHS-0987654
SVHS-1122334
SVHS-4455667
SVHS-8899001

Натиска Generate Pattern. ИИ чете структурата и връща:

  • Шаблон: SVHS-\d{7}
  • Достоверност: висока
  • Предложено название: HOSPITAL-MRN
  • Предложена замяна: [MRN]

Служителят поставя още пет примера. Шаблонът преминава. Записва го в HIPAA пресета.

Оттогава нататък всяка сесия -- уеб приложение, Office Add-in, настолно приложение и API -- открива този формат в стандартния PHI проход. Не е необходим код.

Бележка относно GDPR изследвания

Член 89 от GDPR изисква псевдонимизация за изследователски набори от данни. Персонализираните субекти поставят специфичните за институцията идентификатори в обхват -- затваряйки пропастта, която общите инструменти оставят.

Какво получавате

Този работен процес отнема един следобед. Персонализираният код отнема седмици.

Служителят по съответствие дефинира шаблона, тества го и го разгръща. Без тикет. Без чакане. Пресетът съдържа персонализирания субект до стандартните 17 идентификатора за Safe Harbor.

Когато следващата партида клинични бележки се обработи, всички 18 вида идентификатори са покрити. Safe Harbor е пълен.

Вижте HIPAA Safe Harbor де-идентификация за здравни изследвания за информация как Safe Harbor работи на практика. За болнично-специфични шаблони за разпознаване вижте разпознаване на болнично-специфични MRN формати без инженеринг.

Източници

Готови ли сте да защитите данните си?

Започнете анонимизация на PII с 285+ типа субекти на 48 езика.

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.