By · Last updated 2026-04-26

Tornar al BlogSanitat

Protocol de recontacte IRB: xifratge reversible

No podeu contactar Pacient_001 per a una visita de seguiment. Els IRB ara exigeixen protocols documentats de reidentificacio que demostrin que podeu reidentificar en les condicions correctes.

April 26, 20268 min llegit
research re-identification protocollongitudinal study follow-upIRB pseudonymization requirementcontrolled re-identificationdeterministic encryption

Protocol de recontacte IRB: guia de xifratge reversible

Els IRB ara demanen mes que un pla de desidentificacio. Tambe necessiten un pla de recontacte. Heu de demostrar dues coses. Primer, que les parts externes no poden arribar als noms reals dels pacients. Segon, que el vostre equip pot fer-ho, quan l'aprovacio etica ho permeti.

Aquesta norma bipartida prové de l'experiencia real. Estudis llargs han trobat resultats urgents a mig assaig, pero els registres estaven bloquejats. No existia cap cami de retorn. Aixo va bloquejar l'atencio als pacients. Els reguladors ho van observar.

Vegeu com donem suport a aixo a la nostra visio general de conformitat i a les practiques de seguretat.

Per que els IRB necessiten una porta de doble sentit

Les multes del RGPD van augmentar un 56% el 2024 (DLA Piper Annual Report 2025). L'article 89 del RGPD respon a aquesta tendencia. Requereix pseudonimitzacio, no eliminacio total, per a les dades d'investigacio. La norma accepta que la investigacio de vegades necessita un cami de retorn al registre real.

Un article del 2024 de NEJM AI va estudiar la desidentificacio basada en LLM. Va trobar un problema central: les notes cliniques depurades continuen vinculades a la identitat del pacient a traves dels mateixos patrons clinics que les fan utils. L'article proposa usar pseudonimitzacio amb un pla de claus documentat. Aixo manté obert el cami de recontacte.

El vostre IRB necessita veure les dues cares d'aquesta porta. Qui pot reidentificar? En quines condicions? Qui te la clau? Que es registra?

Com funciona la configuracio

L'AES-256-GCM funciona en mode fix. Cada ID de pacient sempre es mapa al mateix token. "Pacient_001" dona la mateixa sortida cada vegada. Aquest token apareix a la linia base, als 3 mesos i a la revisio final. L'equip fa el seguiment de cada pacient nomes amb el token. Cap nom real entra als fitxers de treball.

La divisio de claus compleix la norma de l'EDPB. L'equip d'investigacio te les dades xifrades. Un custodi de dades te la clau en un sistema separat. Cap de les dues parts pot reidentificar sola. L'equip no pot desxifrar. El custodi no pot vincular claus a pacients sense les dades.

Quan s'aprova el recontacte, el custodi aplica la clau als registres nomenats. Cada pas queda registrat: quins registres, quan, qui va donar l'aprovacio. Aquest registre es la vostra prova segons l'article 89 del RGPD.

Com es veu a la practica

Un centre d'oncologia executa una cohort de 5.000 pacients en tres paisos. Cada lloc treballa nomes amb tokens. L'oficial de dades del centre principal te la clau.

A mig estudi, una exploracio senyala 47 pacients d'alt risc. El comite d'etica aprova el recontacte. L'oficial desxifra aquells 47 registres. L'equip d'atencio contacta aquells 47 pacients. Els altres 4.953 romanen ocults als tres llocs.

La clau no es mou. Les dades romanen xifrades. Nomes aquells 47 registres es vinculen alguna vegada a noms reals.

Per saber mes sobre pseudonimitzacio versus anonimitzacio total, vegeu la nostra guia de desidentificacio reversible.

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.