By · Last updated 2026-04-28

Tagasi BlogisseTervishoid

18 HIPAA identifikaatorit, mida teie tööriist vahele jatab

HIPAA loetleb 18 PHI identifikaatorit. Enamik anonümiseerimistööriistu tuvastab neist ehk 6. Meditsiiniliste haiguslugude numbrid erinevad asutuste kaupa ja USA-s puudub nende jaoks standardvorming.

April 28, 20269 min lugemist
HIPAA 18 identifiersPHI complete detectionMRN detectionNPI DEA numbersHIPAA Safe Harbor compliance

18 HIPAA identifikaatorit, mida teie tööriist vahele jatab

Uuendatud 2026. aastaks.

HIPAA loetleb 18 PHI identifikaatorkategooriat. Enamik anonümiseerimistööriistu tuvastab ehk kuus. Teised kaksteist libisevad läbi - ja igaüks neist on vastavuslõhe.

Safe Harbor reegel

HIPAA privaatsusreegel (45 CFR § 164.514) defineerib Safe Harbor de-identifitseerimise. Kõik 18 identifikaatorkategooriat peavad minema. Eemaldage iga üks ja andmed on seaduse järgi de-identifitseeritud. Seetõttu on Safe Harbor populaarne: see on "sooritab" või "ei sorita", mitte hinnanguline otsus.

18 kategooriat on:

  1. Nimed
  2. Geograafilised andmed, mis on väiksemad kui osariik - tänavaadress, linn, maakond, sihtnumber
  3. Kuupäevad peale aasta - sunnipaev, vastuvott, lahkumine, surm
  4. Telefoninumbrid
  5. Faksinumbrid
  6. E-posti aadressid
  7. Sotsiaalkindlustuse numbrid
  8. Meditsiiniliste haiguslugude identifikaatorid (MRN-id)
  9. Terviseplaanil toetusesaaja koodid
  10. Kontonumbrid
  11. Sertifikaadi ja litsentsikoodid
  12. Soiduki identifikaatorid ja seerianumbrid
  13. Seadme identifikaatorid ja seerianumbrid
  14. Veebi URL-id
  15. IP-aadressid
  16. Biomeetrilised identifikaatorid - sormejaljed, halaljed
  17. Taisnahopildid ja sarnased kujutised
  18. Muud unikaalsed tuvastamiskoodid või väärtused

Enamik tööriistu käsitleb kategooriaid 1, 4, 6 ja 7 hästi. Need jatavad rutiinselt vahele 8, 9, 10, 11, 13 ja 18.

MRN-i lõhe

Meditsiiniliste haiguslugude identifikaatorid asuvad kategoorias 8. MRN-i vormingud seab iga haigla ise. USA-s puudub riiklik standard.

Haigla A kasutab 7-kohalist täisarvu. Haigla B kasutab "PT-YYYYNNNN". Haigla C kasutab 8-kohalise tähtnumbrilist stringi. Haigla D kirjutab 9-kohalise koodi ette "MRN:"

Üldine tööriist ei märgista "PT-2024-8847" PHI-na. Dokument la bis de-identifitseerimise kontrolle. Kuid see ei ole de-identifitseeritud. Ukan ei helise. Meeskond arvab, et too on tehtud. See pole seda.

See on halvim lõhe: vaikne.

Kolm viisi selle lahendamiseks

Kodeerige see Presidios. See nõuab Pythoni oskusi ja pidevat hooldust. See toimib, kuid maksab aega.

Lisage käsitsi ülevaatus. Isik kontrollib iga dokumenti MRN-ide suhtes. See ei skaleeru.

Kasutage AI-abistatud kohandatud objekti loomist. Koodi pole vaja. Meeskond annab näidisväärtused. AI ehitab mustri.

Siin on selle toimimine. Meeskond annab viis MRN-i näidisväärtust: SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001. AI tagastab SVHS-\d{7} ja kontrollib seda näidiste vastu. Meeskond salvestab selle oma HIPAA eelseadistusse. Kõik tulevased seansid tuvastavad selle vormingu. Sama lähenemine toimib toetusesaaja koodide ja seadme seerianumbrite jaoks.

Vaadake, kuidas eelseadistused töotavad HIPAA MRN tuvastamise juhendis. Tutvuge AI mustri töövooga.

Varjatud eeldus

Paljud meeskonnad testivad nime ja telefoninumbriga näidisdokumendil. Tööriist labit. Nad eeldavad täielikku katvust. Kuid näidised sisaldavad harva asutusepohiseid identifikaatoreid. MRN-id ja toetusesaaja koodid näivad üldisele tööriistale juhuslike stringidena. Need labitavad ilma märgistamiseta.

Tõeline Safe Harbor audit kaardistab kõik 18 kategooriat tuvastamismeetodile. Kategooria 8 jaoks veenduge reaalse MRN-i näidistega oma haiglast. Ärge eeldage, et tööriist teab teie vormingut.

Vaadake täielikku raamistikku meie HIPAA vastavuse ülevaates.

Kokkuvote

Safe Harbor nõuab kõigi 18 identifikaatorkategooria eemaldamist. Üldised tööriistad katavad palju vähem. Lõhed - MRN-id, toetusesaaja koodid, seadme seerianumbrid - puudub standardvorming, nii et üldised tööriistad jatavad need vahele. AI-abistatud kohandatud objektid sulgevad lõhe ilma koodi või käsitsi ülevaatuseta.

Allikad

  • HHS: HIPAA Safe Harbor, 45 CFR § 164.514 - hhs.gov. VERIFIED.
  • Shaip: PHI identifier types in healthcare de-identification - shaip.com. VERIFIED-EXTERNAL.
  • HHS OCR: De-identification guidance updated 2024 - hhs.gov. VERIFIED.

Kas olete valmis oma andmeid kaitsma?

Alustage PII anonüümitamist 285+ üksustüübi abil 48 keeles.

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.