By · Last updated 2026-04-21

بازگشت به وبلاگبهداشت و درمان

شناسایی‌زدایی برگشت‌پذیر در تحقیقات بالینی

وقتی یک مطالعه خطر بیومارکر غیرمنتظره را در ۴۷ از ۵,۰۰۰ شرکت‌کننده پیدا می‌کند، محققان باید با بیماران واقعی تماس بگیرند. تنها ۲۳٪ از ابزارهای ناشناس‌سازی برگشت‌پذیری واقعی ارائه می‌دهند.

April 21, 20269 دقیقه مطالعه
reversible de-identificationclinical research pseudonymizationpatient re-contact protocolIRB data managementHIPAA reversible encryption

شناسایی‌زدایی برگشت‌پذیر در تحقیقات بالینی

کارآزمایی‌های طولانی با یک معامله دشوار روبرو هستند. بیماران باید در طول مطالعه پنهان بمانند. قوانین IRB آن را الزامی می‌کند. اعتماد بیمار به آن بستگی دارد. اما یک نتیجه ممکن است بعداً نیاز به تماس مجدد داشته باشد. شناسایی‌زدایی دائمی آن مسیر را حذف می‌کند. شناسایی‌زدایی برگشت‌پذیر آن را باز نگه می‌دارد.

ببینید که چگونه از این در مرور انطباق و شیوه‌های امنیتی ما پشتیبانی می‌کنیم.

مشکل تماس مجدد

یک مرکز انکولوژی یک مطالعه ۵,۰۰۰ بیماره اجرا می‌کند. در میانه کارآزمایی، ۴۷ بیمار نشانگرهایی مرتبط با یک نوع سرطان تهاجمی نشان می‌دهند. این در محدوده اصلی نبود. هیئت اخلاق یافته را بررسی می‌کند. تماس مجدد را تأیید می‌کند. وظیفه هشدار اعمال می‌شود.

اگر شناسایی‌زدایی اصلی دائمی بود، تیم گیر کرده است. کدهای تصادفی بدون نقشه هیچ مسیر برگشتی ندارند. ۴۷ سابقه نمی‌توانند به بیماران واقعی مرتبط شوند. یافته نمی‌تواند عمل شود. بیمارانی که ممکن است به مراقبت نیاز داشته باشند نمی‌توانند تماس گرفته شوند. راه‌اندازی حریم خصوصی در حیاتی‌ترین نقطه شکست خورده است.

این نادر نیست. هر کارآزمایی طولانی می‌تواند با یافته غیرمنتظره‌ای مواجه شود. دکترین وظیفه هشدار وقتی خطر پیدا می‌شود اقدام می‌طلبد. بدون مسیر شناسایی مجدد، آن اقدام ممکن نیست.

قوانین جداسازی کلید GDPR

رهنمودهای EDPB 05/2022 این مشکل را مستقیماً مورد توجه قرار می‌دهند. شبه‌ناشناس‌سازی یک مرحله حفاظت از داده معتبر است. گزینه شناسایی مجدد را باز نگه می‌دارد. یک فرآیند تأیید شده می‌تواند از آن استفاده کند.

قانون اصلی جداسازی کلید است. کلید رمزگشایی باید جدا از داده‌های شبه‌ناشناس نگه داشته شود. کنترل‌ها باید هر دسترسی که تأیید نشده است را مسدود کنند. تیمی که از داده‌ها استفاده می‌کند نباید کلید را نیز نگه دارد. شناسایی مجدد باید نیاز به یک مرحله رسمی، ثبت‌شده داشته باشد.

نظرسنجی IAPP در سال ۲۰۲۴ نشان داد که تنها ۲۳٪ از ابزارهای ناشناس‌سازی برگشت‌پذیری واقعی ارائه می‌دهند. اکثر ماسک‌گذاری یا جایگزینی دائمی اعمال می‌کنند. آن روش‌ها تماس مجدد مورد نیاز وظیفه هشدار را مسدود می‌کنند.

چگونه معماری کار می‌کند

یک راه‌اندازی مطابق از رمزگذاری برگشت‌پذیر با AES-256-GCM استفاده می‌کند. هر شناسه بیمار به یک توکن تبدیل می‌شود. همان بیمار در تمام فایل‌های مطالعه به همان توکن نگاشت می‌شود. پیوندهای داده سالم می‌مانند. هیچ شناسه خامی در مجموعه کاری ظاهر نمی‌شود.

کلید رمزگشایی توسط یک سرپرست داده نگه داشته می‌شود. جدا از داده‌ها نگه داشته می‌شود. هر استفاده از کلید نیاز به یک درخواست کتبی و تأیید شده دارد.

تیم در طول تحلیل تنها با توکن‌ها کار می‌کند. وقتی ۴۷ بیمار تحت تأثیر پرچم‌گذاری می‌شوند، هیئت اخلاق شناسایی مجدد را تأیید می‌کند. سرپرست کلید را تنها روی آن ۴۷ سابقه اعمال می‌کند. تیم شناسه‌های واقعی آن ۴۷ را دریافت می‌کند. ۴,۹۵۳ بیمار دیگر محافظت‌شده باقی می‌مانند.

تنها شناسایی مجدد هدفمند ممکن است. بقیه مجموعه داده هرگز لمس نمی‌شود.

برای اطلاعات بیشتر در مورد تفاوت شبه‌ناشناس‌سازی با ناشناس‌سازی کامل، به راهنمای GDPR: ناشناس‌سازی در برابر شبه‌ناشناس‌سازی مراجعه کنید.

منابع

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.