anonym.legal

By · Last updated 2026-04-28

Πίσω στο BlogΥγειονομική Περίθαλψη

18 Αναγνωριστικά HIPAA που Χάνει το Εργαλείο Σας

Το HIPAA απαριθμεί 18 κατηγορίες αναγνωριστικών PHI. Τα περισσότερα εργαλεία ανωνυμοποίησης εντοπίζουν ίσως 6 από αυτές. Οι αριθμοί ιατρικών αρχείων (MRN) ποικίλλουν ανά ίδρυμα χωρίς τυποποιημένη αμερικανική μορφή.

April 28, 20269 λεπτά ανάγνωσης
HIPAA 18 identifiersPHI complete detectionMRN detectionNPI DEA numbersHIPAA Safe Harbor compliance

18 Αναγνωριστικά HIPAA που Χάνει το Εργαλείο Σας

Ενημερωμένο για το 2026.

Το HIPAA απαριθμεί 18 κατηγορίες αναγνωριστικών PHI. Τα περισσότερα εργαλεία ανωνυμοποίησης εντοπίζουν ίσως έξι. Τα υπόλοιπα δώδεκα περνούν απαρατήρητα — και το καθένα αποτελεί κενό συμμόρφωσης.

Ο Κανόνας Safe Harbor

Ο Κανονισμός Απορρήτου του HIPAA (45 CFR § 164.514) ορίζει την απαπροσωποποίηση Safe Harbor. Πρέπει να αφαιρεθούν και οι 18 κατηγορίες αναγνωριστικών. Αφαιρέστε κάθε μία και τα δεδομένα θεωρούνται νομικά απαπροσωποποιημένα. Γι' αυτό το Safe Harbor είναι δημοφιλές: είναι εκτός ή εντός, χωρίς περιθώρια ερμηνείας.

Οι 18 κατηγορίες είναι:

  1. Ονόματα
  2. Γεωγραφικά στοιχεία μικρότερα από πολιτεία — διεύθυνση, πόλη, νομός, ταχυδρομικός κώδικας
  3. Ημερομηνίες εκτός έτους — γέννηση, εισαγωγή, εξιτήριο, θάνατος
  4. Αριθμοί τηλεφώνου
  5. Αριθμοί fax
  6. Διευθύνσεις email
  7. Αριθμοί Κοινωνικής Ασφάλισης
  8. Αριθμοί ιατρικών αρχείων (MRN)
  9. Κωδικοί δικαιούχων ασφαλιστικού σχεδίου υγείας
  10. Αριθμοί λογαριασμών
  11. Κωδικοί πιστοποιητικών και αδειών
  12. Αναγνωριστικά και σειριακοί αριθμοί οχημάτων
  13. Αναγνωριστικά και σειριακοί αριθμοί συσκευών
  14. Διευθύνσεις URL
  15. Διευθύνσεις IP
  16. Βιομετρικά αναγνωριστικά — δακτυλικά αποτυπώματα, φωνητικά αποτυπώματα
  17. Φωτογραφίες προσώπου σε πλήρη ανάπτυξη και παρόμοιες εικόνες
  18. Οποιοσδήποτε άλλος μοναδικός κωδικός ή τιμή ταυτοποίησης

Τα περισσότερα εργαλεία χειρίζονται καλά τις κατηγορίες 1, 4, 6 και 7. Χάνουν συστηματικά τις 8, 9, 10, 11, 13 και 18.

Το Κενό MRN

Τα αναγνωριστικά ιατρικών αρχείων βρίσκονται στην κατηγορία 8. Οι μορφές MRN ορίζονται από κάθε νοσοκομείο. Δεν υπάρχει εθνικό αμερικανικό πρότυπο.

Το Νοσοκομείο Α χρησιμοποιεί έναν 7ψήφιο ακέραιο. Το Νοσοκομείο Β χρησιμοποιεί «PT-YYYYNNNN». Το Νοσοκομείο Γ χρησιμοποιεί αλφαριθμητικό αλφαριθμητικό 8 χαρακτήρων. Το Νοσοκομείο Δ γράφει «MRN: » πριν από έναν 9ψήφιο κωδικό.

Ένα γενικό εργαλείο δεν θα επισημάνει το «PT-2024-8847» ως PHI. Το έγγραφο περνά τους ελέγχους απαπροσωποποίησης. Αλλά δεν είναι απαπροσωποποιημένο. Δεν εκπυρσοκροτεί καμία ειδοποίηση. Η ομάδα πιστεύει ότι η δουλειά έχει γίνει. Δεν έχει.

Αυτό είναι το χειρότερο είδος κενού: ένα αθόρυβο.

Τρεις Τρόποι Επίλυσης

Κωδικοποίηση στο Presidio. Απαιτεί γνώσεις Python και συνεχή συντήρηση. Λειτουργεί, αλλά κοστίζει χρόνο.

Προσθήκη χειροκίνητης αναθεώρησης. Ένα άτομο ελέγχει κάθε έγγραφο για MRN. Δεν κλιμακώνεται.

Χρήση AI-υποστηριζόμενης δημιουργίας προσαρμοσμένης οντότητας. Δεν απαιτείται κώδικας. Η ομάδα παρέχει δείγματα τιμών. Το AI δημιουργεί το μοτίβο.

Να πώς λειτουργεί. Μια ομάδα δίνει πέντε δείγματα MRN: SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001. Το AI επιστρέφει SVHS-\d{7} και το ελέγχει έναντι των δειγμάτων. Η ομάδα το αποθηκεύει στο HIPAA preset της. Όλες οι μελλοντικές συνεδρίες ανιχνεύουν τη μορφή. Η ίδια προσέγγιση λειτουργεί για κωδικούς δικαιούχων και σειριακούς αριθμούς συσκευών.

Δείτε πώς λειτουργούν τα presets στον οδηγό εντοπισμού HIPAA MRN. Μάθετε για τη ροή εργασίας AI pattern.

Η Κρυφή Παραδοχή

Πολλές ομάδες δοκιμάζουν με ένα δείγμα εγγράφου που περιέχει ένα όνομα και έναν αριθμό τηλεφώνου. Το εργαλείο περνά. Υποθέτουν πλήρη κάλυψη. Αλλά τα δείγματα σπάνια περιλαμβάνουν αναγνωριστικά ειδικά για ιδρύματα. Τα MRN και οι κωδικοί δικαιούχων μοιάζουν με τυχαία αλφαριθμητικά σε ένα γενικό εργαλείο. Περνούν χωρίς επισήμανση.

Ένας πλήρης έλεγχος Safe Harbor αντιστοιχεί και τις 18 κατηγορίες σε μέθοδο εντοπισμού. Για την κατηγορία 8, επαληθεύστε με πραγματικά δείγματα MRN από το δικό σας νοσοκομείο. Μην υποθέτετε ότι το εργαλείο γνωρίζει τη μορφή σας.

Εξετάστε το πλήρες πλαίσιο στην επισκόπηση συμμόρφωσης HIPAA.

Συμπέρασμα

Το Safe Harbor απαιτεί την αφαίρεση και των 18 κατηγοριών αναγνωριστικών. Τα γενικά εργαλεία καλύπτουν πολύ λιγότερες. Τα κενά — MRN, κωδικοί δικαιούχων, σειριακοί αριθμοί συσκευών — δεν έχουν τυποποιημένη μορφή, οπότε τα γενικά εργαλεία τα χάνουν. Οι AI-υποστηριζόμενες προσαρμοσμένες οντότητες κλείνουν το κενό χωρίς κώδικα ή χειροκίνητη αναθεώρηση.

Πηγές

  • HHS: HIPAA Safe Harbor, 45 CFR § 164.514 — hhs.gov. ΕΠΑΛΗΘΕΥΜΕΝΟ.
  • Shaip: Τύποι αναγνωριστικών PHI στην απαπροσωποποίηση υγειονομικής περίθαλψης — shaip.com. ΕΠΑΛΗΘΕΥΜΕΝΟ-ΕΞΩΤΕΡΙΚΟ.
  • HHS OCR: Ενημερωμένη καθοδήγηση απαπροσωποποίησης 2024 — hhs.gov. ΕΠΑΛΗΘΕΥΜΕΝΟ.

Έτοιμοι να προστατεύσετε τα δεδομένα σας;

Ξεκινήστε την ανωνυμοποίηση PII με 285+ τύπους οντοτήτων σε 48 γλώσσες.

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.