By · Last updated 2026-03-27

Tornar al BlogSanitat

Redaccio explicable: auditories HIPAA

La determinacio d'experts HIPAA exigeix una metodologia documentada. El descobriment electronic juridic requereix justificacions per redaccio. El 34% dels DPOs declara tenir eines insuficients per a la documentacio del compliment de l'anonimitzacio automatitzada.

March 27, 20268 min llegit
explainable redactionHIPAA Expert Determinationaudit trail complianceGDPR Article 5DPO approval

Actualitzat per al 2026

La pregunta d'auditoria que la IA no pot respondre

Un auditor HIPAA pregunta: "Per que es va desidentificar aquesta nota clinica?"

"L'algorisme ho va processar" no es una resposta.

El metode de determinacio d'experts de HIPAA estableix un llistoner clar. Una persona qualificada ha d'aplicar principis estadistics i cientifics. Aquesta persona ha de demostrar que el risc de reidentificacio es molt petit. El standard exigeix un metode clar i documentat, no una sortida de caixa negra.

El descobriment juridic estableix el mateix llistoner. Un mestre especial pregunta: "Per que es va redactar aquest paragraf?" La resposta ha de citar el fonament del privilegi. Ha de descriure el material retingut conforme a la norma FRCP 26(b)(5). "L'eina ho va marcar" no satisfa aquesta norma.

La investigacio de la IAPP de 2025 va constatar que el 34% dels DPOs declara tenir eines insuficients per a la documentacio del compliment de l'anonimitzacio automatitzada. La bretxa no esta en la deteccio. Esta en documentar que es va trobar i per que.

Que exigeix HIPAA

HIPAA ofereix dues vies sota 45 CFR 164.514.

Safe Harbor: Eliminar els 18 identificadors PHI especificats. Els auditors comproven quins tipus d'entitats va trobar l'eina i com es va gestionar cadascun.

Determinacio d'experts: Una persona qualificada aplica principis estadistics. Documenta el metode, l'analisi del risc i les seves propies qualificacions.

Totes dues vies comparteixen una exigencia clau. Els auditors han d'entendre que es va fer. No nomes se'ls pot dir que va passar. Un sistema que dona sortida desidentificada sense cap registre de metode falla en totes dues vies.

Que afegeix el RGPD

L'aplicacio del RGPD esta augmentant. L'EDPB va emetre mes de 900 decisions d'aplicacio el 2024. Les multes del RGPD van arribar als 1.200 milions d'euros aquell any, un record.

L'article 5(2) del RGPD estableix la regla de responsabilitat. Els responsables del tractament han de poder demostrar el compliment, no nomes aconseguir-lo. El deure es la prova activa, no el compliment passiu.

Per als equips que utilitzen eines d'anonimitzacio automatitzada, aquesta norma cobreix les eines. Un DPO ha de documentar les mesures tecniques. Ha de citar que detecta l'eina. Ha de citar com ho detecta. Ha d'especificar quina confianca es necessaria i quina accio es pren. Una eina que no ofereix res d'aixo bloqueja el deure d'auditoria.

Quatre camps que construeixen el rastre d'auditoria

Un sistema de redaccio explicable ha de registrar quatre elements per redaccio.

Tipus d'entitat: "PERSONA" o "NSS" o "DATA_DE_NAIXEMENT": la classe de dada trobada. Cada classe s'associa a un tipus de PHI de HIPAA o a un tipus de dada personal del RGPD.

Metode de deteccio: Va ser una coincidencia per regex sobre un patro fix? O una coincidencia per model NLP basada en el context? Les coincidencies per regex son totalment reproduibles. Les coincidencies per NLP porten nivells de confianca. Aquesta diferencia es important per als registres d'auditoria.

Puntuacio de confianca: Per a les coincidencies NLP, aquesta es la probabilitat que el segment sigui el tipus d'entitat reclamat. Una puntuacio de 0,94 per a un nom de persona es documentable. Un "marcat/no marcat" binari no ho es.

Operador aplicat: L'entitat es va substituir per un token, es va fer hash, es va redactar o es va suprimir? Citar l'operador dona suport a la revisio d'auditoria.

Aquests quatre camps son el rastre d'auditoria. La determinacio d'experts de HIPAA ho necessita. Els registres de privilegi del descobriment juridic ho necessiten. Els registres de responsabilitat del RGPD ho necessiten. Sense aixo, la redaccio automatitzada no pot defensar-se davant d'auditors, tribunals o autoritats de supervisio.

Vegeu com anonym.legal ho captura a la pagina de visio general del compliment i de practiques de seguretat. Per a una guia del processament Safe Harbor de HIPAA, vegeu la guia de notes cliniques HIPAA en lot.

Fonts

Preparat per protegir les vostres dades?

Comenceu a anonimitzar PII amb més de 285 tipus d'entitats en 48 idiomes.

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.