By · Last updated 2026-04-28

بازگشت به وبلاگبهداشت و درمان

۱۸ شناسه HIPAA که ابزار شما از دست می‌دهد

HIPAA 18 شناسه PHI را فهرست می‌کند. اکثر ابزارهای ناشناس‌سازی شاید ۶ تا از آن‌ها را تشخیص می‌دهند. شماره‌های پرونده پزشکی بر اساس هر مؤسسه متفاوت هستند و هیچ فرمت استاندارد آمریکایی ندارند.

April 28, 20269 دقیقه مطالعه
HIPAA 18 identifiersPHI complete detectionMRN detectionNPI DEA numbersHIPAA Safe Harbor compliance

۱۸ شناسه HIPAA که ابزار شما از دست می‌دهد

به‌روزرسانی برای ۲۰۲۶.

HIPAA 18 دسته شناسه PHI را فهرست می‌کند. اکثر ابزارهای ناشناس‌سازی شاید شش تا را تشخیص می‌دهند. دوازده تای دیگر از دست می‌روند — و هر کدام یک شکاف انطباق است.

قانون Safe Harbor

قانون حریم خصوصی HIPAA (45 CFR § 164.514) شناسایی‌زدایی Safe Harbor را تعریف می‌کند. همه ۱۸ دسته شناسه باید حذف شوند. همه را حذف کنید و داده‌ها طبق قانون شناسایی‌زدایی‌شده هستند. به همین دلیل Safe Harbor محبوب است: قبول یا رد است، نه یک قضاوت.

این ۱۸ دسته عبارتند از:

  1. نام‌ها
  2. داده‌های جغرافیایی کوچک‌تر از سطح ایالت — آدرس خیابان، شهر، شهرستان، کد پستی
  3. تاریخ‌ها به جز سال — تولد، پذیرش، ترخیص، مرگ
  4. ارقام تلفن
  5. ارقام فکس
  6. آدرس‌های ایمیل
  7. کدهای تأمین اجتماعی
  8. شناسه‌های پرونده پزشکی (MRNها)
  9. کدهای ذی‌نفع بیمه بهداشتی
  10. شناسه‌های حساب
  11. کدهای گواهینامه و مجوز
  12. شناسه‌های وسیله نقلیه و کدهای سریال
  13. شناسه‌های دستگاه و کدهای سریال
  14. URLهای وب
  15. آدرس‌های IP
  16. شناسه‌های بیومتریک — اثر انگشت، نمونه صوتی
  17. عکس‌های صورت کامل و تصاویر مشابه
  18. هر کد یا مقدار شناسایی منحصربه‌فرد دیگری

اکثر ابزارها دسته‌های ۱، ۴، ۶، و ۷ را به‌خوبی مدیریت می‌کنند. به‌طور معمول ۸، ۹، ۱۰، ۱۱، ۱۳، و ۱۸ را از دست می‌دهند.

شکاف MRN

شناسه‌های پرونده پزشکی در دسته ۸ قرار دارند. فرمت‌های MRN توسط هر بیمارستان تعیین می‌شوند. هیچ استاندارد ملی آمریکایی وجود ندارد.

بیمارستان A از یک عدد صحیح ۷ رقمی استفاده می‌کند. بیمارستان B از «PT-YYYYNNNN» استفاده می‌کند. بیمارستان C از یک رشته الفبایی-عددی ۸ کاراکتری استفاده می‌کند. بیمارستان D «MRN: » را قبل از یک کد ۹ رقمی می‌نویسد.

یک ابزار عمومی «PT-2024-8847» را به عنوان PHI علامت‌گذاری نمی‌کند. سند از بررسی‌های شناسایی‌زدایی عبور می‌کند. اما شناسایی‌زدایی نشده است. هیچ هشداری فعال نمی‌شود. تیم فکر می‌کند کار انجام شده. انجام نشده.

این بدترین نوع شکاف است: یک شکاف خاموش.

سه راه برای رفع آن

کد آن را در Presidio بنویسید. این به مهارت‌های Python و نگه‌داری مستمر نیاز دارد. کار می‌کند اما زمان می‌برد.

بررسی دستی اضافه کنید. یک نفر هر سند را برای MRNها بررسی می‌کند. این مقیاس‌پذیر نیست.

از ایجاد موجودیت سفارشی با کمک هوش مصنوعی استفاده کنید. بدون کد. تیم نمونه‌های ارزش ارائه می‌دهد. هوش مصنوعی الگو را می‌سازد.

اینجا نحوه کارکرد است. یک تیم پنج مقدار نمونه MRN می‌دهد: SVHS-0012345، SVHS-0987654، SVHS-1122334، SVHS-4455667، SVHS-8899001. هوش مصنوعی SVHS-\d{7} را برمی‌گرداند و آن را در برابر نمونه‌ها بررسی می‌کند. تیم آن را در پیش‌تنظیم HIPAA خود ذخیره می‌کند. همه جلسات آینده فرمت را تشخیص می‌دهند. همین رویکرد برای کدهای ذی‌نفع و کدهای سریال دستگاه نیز کار می‌کند.

ببینید پیش‌تنظیم‌ها چطور در راهنمای تشخیص MRN HIPAA کار می‌کنند. درباره جریان کاری الگوی هوش مصنوعی بیشتر بیاموزید.

فرض پنهان

بسیاری از تیم‌ها روی یک سند نمونه با یک نام و یک رقم تلفن آزمایش می‌کنند. ابزار از بررسی عبور می‌کند. آن‌ها فرض می‌کنند پوشش کامل است. اما نمونه‌ها به‌ندرت شامل شناسه‌های خاص مؤسسه می‌شوند. MRNها و کدهای ذی‌نفع برای یک ابزار عمومی مثل رشته‌های تصادفی به نظر می‌رسند. بدون هیچ علامتی عبور می‌کنند.

یک حسابرسی واقعی Safe Harbor همه ۱۸ دسته را به یک روش تشخیص نگاشت می‌کند. برای دسته ۸، با نمونه‌های MRN واقعی از بیمارستان خودتان تأیید کنید. فرض نکنید که ابزار فرمت شما را می‌داند.

چارچوب کامل را در مروری بر انطباق HIPAA ما بررسی کنید.

نتیجه‌گیری

Safe Harbor نیاز دارد همه ۱۸ دسته شناسه حذف شوند. ابزارهای عمومی بسیار کمتر پوشش می‌دهند. شکاف‌ها — MRNها، کدهای ذی‌نفع، سریال‌های دستگاه — هیچ فرمت استانداردی ندارند، بنابراین ابزارهای عمومی آن‌ها را از دست می‌دهند. موجودیت‌های سفارشی با کمک هوش مصنوعی شکاف را بدون کد یا بررسی دستی می‌بندند.

منابع

  • HHS: HIPAA Safe Harbor, 45 CFR § 164.514 — hhs.gov.
  • Shaip: انواع شناسه PHI در شناسایی‌زدایی مراقبت بهداشتی — shaip.com.
  • HHS OCR: رهنمود شناسایی‌زدایی به‌روزرسانی‌شده ۲۰۲۴ — hhs.gov.

آماده‌اید داده‌های خود را محافظت کنید؟

شروع به ناشناس‌سازی PII با بیش از ۲۸۵ نوع نهاد در ۴۸ زبان.

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.