By · Last updated 2026-04-30

ब्लॉग पर वापस जाएँस्वास्थ्य देखभाल

HIPAA के लिए बिना कोड के कस्टम MRN डिटेक्शन

मेडिकल रिकॉर्ड नंबर अस्पताल-विशिष्ट होते हैं — हर स्वास्थ्य प्रणाली अलग प्रारूप उपयोग करती है। HIPAA Safe Harbor के लिए MRN को हटाना अनिवार्य है।

April 30, 20268 मिनट पढ़ें
custom MRN detectionHIPAA pipeline configurationno-code regexAI pattern helperhospital identifier de-identification

MRN प्रारूप की समस्या

अमेरिका में लगभग 6,100 अस्पताल हैं। हर अस्पताल अपना EHR सिस्टम चलाता है। हर अस्पताल अपना Medical Record Number प्रारूप उपयोग करता है। कोई राष्ट्रीय मानक नहीं है। Joint Commission की मांग है कि अस्पताल मरीजों की पहचान कर सकें — लेकिन यह कोई प्रारूप नियम नहीं बनाता।

प्रारूप बहुत भिन्न होते हैं। कुछ 7-अंकीय पूर्णांक हैं। अन्य 8-अंकीय पूर्णांक हैं। कुछ HOSP-, MRN- या PT- जैसे prefix codes का उपयोग करते हैं। अन्य SVHS- या CHOP- जैसे institution codes जोड़ते हैं। कुछ नंबर में नामांकन वर्ष एम्बेड करते हैं।

HIPAA Safe Harbor 18 में से 8 पहचानकर्ता प्रकार के रूप में रोगी रिकॉर्ड नंबरों को सूचीबद्ध करता है। (45 CFR §164.514(b)(2)) सभी 18 को हटाना होगा। नियम इसे किसी एक प्रारूप तक सीमित नहीं करता। यदि आपका अस्पताल कस्टम प्रारूप उपयोग करता है, तो आपको उसे पहचानना होगा। जो टूल उसे छोड़ देता है वह Safe Harbor में विफल हो जाता है — भले ही वह अन्य 17 प्रकारों को हटा दे।

कोड दृष्टिकोण क्यों विफल होता है

de-identification pipeline में कस्टम रिकॉर्ड नंबर प्रारूप जोड़ने का मानक तरीका Microsoft Presidio को extend करना है। इसका मतलब है Python लिखना।

एक developer EntityRecognizer को extend करने वाली class बनाता है। वे regex लिखते हैं, इसे Presidio की registry में जोड़ते हैं, परीक्षण करते हैं और रखरखाव करते हैं। अनुपालन टीमों के लिए — जो शायद ही कभी कोड करती हैं — यह एक बड़ी बाधा है। हर प्रारूप परिवर्तन के लिए एक engineer की आवश्यकता होती है।

स्वास्थ्य सेवा engineers व्यस्त हैं। वे EHR integration और clinical systems पर ध्यान देते हैं। अनुपालन टूलिंग उनकी प्राथमिकता सूची में आमतौर पर सबसे नीचे होती है।

बिना कोड का पैटर्न वर्कफ़्लो

गाइडेड पैटर्न दृष्टिकोण कोडिंग चरण को हटा देता है।

एक अनुपालन अधिकारी वेब ऐप में Custom Entity Creator खोलता है। वे अपने सिस्टम से पांच नमूना नंबर पेस्ट करते हैं — उदाहरण के लिए:

SVHS-0012345
SVHS-0987654
SVHS-1122334
SVHS-4455667
SVHS-8899001

वे Generate Pattern क्लिक करते हैं। AI संरचना पढ़ता है और लौटाता है:

  • Pattern: SVHS-\d{7}
  • Confidence: उच्च
  • सुझाया गया नाम: HOSPITAL-MRN
  • सुझाया गया प्रतिस्थापन: [MRN]

अधिकारी पांच और नमूने पेस्ट करता है। पैटर्न पास हो जाता है। वे इसे HIPAA preset में सहेजते हैं।

उस बिंदु से, प्रत्येक session — वेब ऐप, Office Add-in, Desktop App और API — इस प्रारूप को मानक PHI pass में पहचानता है। कोई कोड की जरूरत नहीं।

GDPR अनुसंधान नोट

GDPR Article 89 को अनुसंधान datasets के लिए pseudonymization की आवश्यकता है। कस्टम entities institution-specific पहचानकर्ताओं को scope में रखती हैं — वह अंतराल बंद करती हैं जो सामान्य टूल खुला छोड़ते हैं।

आपको क्या मिलता है

यह वर्कफ़्लो एक दोपहर लेता है। कस्टम कोड में हफ्ते लगते हैं।

अनुपालन अधिकारी पैटर्न परिभाषित करता है, परीक्षण करता है और deploy करता है। कोई ticket नहीं। कोई प्रतीक्षा नहीं। preset में मानक 17 Safe Harbor पहचानकर्ताओं के साथ-साथ कस्टम entity होती है।

जब clinical notes का अगला batch चलता है, तो सभी 18 पहचानकर्ता प्रकार कवर होते हैं। Safe Harbor पूर्ण है।

Safe Harbor व्यवहार में कैसे काम करता है, इसके लिए स्वास्थ्य सेवा अनुसंधान के लिए HIPAA Safe Harbor de-identification देखें। अस्पताल-विशिष्ट डिटेक्शन पैटर्न के लिए, engineering के बिना अस्पताल-विशिष्ट MRN प्रारूप पहचानना देखें।

स्रोत

क्या आप अपने डेटा की सुरक्षा के लिए तैयार हैं?

48 भाषाओं में 285+ संस्थाओं के प्रकारों के साथ PII अनामकरण शुरू करें।

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.