MRN प्रारूप विखंडन समस्या
संयुक्त राज्य अमेरिका में लगभग 6,100 अस्पताल हैं, प्रत्येक अपने स्वयं के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड प्रणाली के साथ अपने स्वयं के चिकित्सा रिकॉर्ड नंबर प्रारूप के साथ काम करता है। कोई राष्ट्रीय MRN मानक नहीं है। संयुक्त आयोग, जो स्वास्थ्य देखभाल संगठनों को मान्यता देता है, निर्दिष्ट करता है कि MRNs को एक प्रणाली के भीतर रोगियों की अनूठी पहचान करनी चाहिए - लेकिन प्रारूप निर्दिष्ट नहीं करता।
परिणाम: जंगली में MRN प्रारूपों में 7-अंक के पूर्णांक, 8-अंक के पूर्णांक, विभिन्न लंबाई के अल्फ़ान्यूमेरिक स्ट्रिंग, प्रीफिक्स कोड (HOSP-, MRN-, PT-, PAT-) के साथ स्वरूपित स्ट्रिंग, संस्थागत कोड (SVHS-, CHOP-, MDACC-) के साथ, और दिनांक-कोडित प्रारूप शामिल हैं जहां नामांकन वर्ष संख्या में एम्बेडेड है।
HIPAA के सुरक्षित बंदरगाह पहचान रहित विधि में चिकित्सा रिकॉर्ड नंबरों को 18 पहचानकर्ताओं की श्रेणी 8 के रूप में सूचीबद्ध किया गया है जिन्हें हटाना आवश्यक है (45 CFR धारा 164.514(b)(2))। यह आवश्यकता प्रारूप द्वारा योग्य नहीं है - संगठन द्वारा उपयोग किए जाने वाले सभी MRN प्रारूपों का पता लगाया जाना और हटाया जाना चाहिए। एक संगठन जो अपने विशिष्ट MRN प्रारूप का पता लगाए बिना नैदानिक नोट्स को संसाधित करता है, वह HIPAA सुरक्षित बंदरगाह पहचान रहित नहीं कर रहा है, चाहे अन्य पहचानकर्ताओं को हटाया गया हो।
कोडिंग बाधा
एक कस्टम MRN प्रारूप को पहचान रहित पाइपलाइन में जोड़ने के लिए मानक दृष्टिकोण Presidio के कस्टम पहचानकर्ता ढांचे में प्रारूप को लागू करना आवश्यक है। इसमें शामिल है:
EntityRecognizer को बढ़ाने के लिए एक Python वर्ग लिखना, विशिष्ट MRN प्रारूप के लिए regex पैटर्न को परिभाषित करना, पैटर्न लागू करने के लिए analyze() विधि को लागू करना, पहचानकर्ता को Presidio रजिस्ट्र्री में जोड़ना, प्रतिनिधि नमूनों के खिलाफ कार्यान्वयन का परीक्षण करना, और प्रारूप विकसित होने पर कार्यान्वयन को बनाए रखना।
चिकित्सा सूचना विज्ञान टीमों के लिए जिनके पास Python विशेषज्ञता नहीं है - जो स्वास्थ्य देखभाल अनुपालन और गोपनीयता कर्मचारियों का अधिकांश हिस्सा है - यह हर प्रारूप परिवर्तन के लिए इंजीनियरिंग टीम पर निर्भरता पैदा करता है। स्वास्थ्य देखभाल संगठनों में इंजीनियरिंग संसाधन आमतौर पर EHR एकीकरण और नैदानिक निर्णय समर्थन के लिए आवंटित होते हैं, न कि अनुपालन उपकरण कॉन्फ़िगरेशन के लिए।
AI पैटर्न सहायक
AI-सहायता प्राप्त पैटर्न निर्माण दृष्टिकोण कोडिंग कार्यप्रवाह को एक मार्गदर्शित इंटरफ़ेस के साथ बदलता है:
चिकित्सा सूचना विज्ञान टीम वेब एप्लिकेशन में कस्टम एंटिटी क्रिएटर खोलती है। वे अपने सिस्टम से 5 नमूना MRN मान (SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001) प्रदान करते हैं। वे "Generate Pattern" पर क्लिक करते हैं। AI नमूना संरचना का विश्लेषण करता है और लौटाता है: पैटर्न SVHS-d{7} प्रदान किए गए उदाहरणों से मेल खाता है; विश्वास स्तर उच्च; सुझाया गया एंटिटी नाम: HOSPITAL-MRN; सुझाया गया प्रतिस्थापन: [MRN]; मान्यता के लिए अतिरिक्त नमूनों के खिलाफ परीक्षण करें।
टीम 5 अतिरिक्त परीक्षण नमूने प्रदान करती है। पैटर्न सही ढंग से मान्य होता है। कस्टम एंटिटी HIPAA अनुपालन प्रीसेट में सहेजी जाती है। सभी बाद के पहचान रहित सत्र - वेब एप्लिकेशन, ऑफिस ऐड-इन, डेस्कटॉप ऐप, और API - स्वचालित रूप से मानक PHI पहचान पास के हिस्से के रूप में SVHS-फॉर्मेट MRNs का पता लगाते हैं।
अनुच्छेद 89 के तहत GDPR अनुसंधान छूट अनुसंधान डेटा सेट के लिए उपनामकरण और डेटा न्यूनतमकरण की आवश्यकता होती है। कस्टम एंटिटी निर्माण यह सुनिश्चित करता है कि संस्थान-विशिष्ट पहचानकर्ता उपनामकरण दायरे में शामिल हैं - सामान्य उपकरणों द्वारा स्वामित्व प्रारूपों के लिए छोड़े गए कवरेज अंतर को बंद करना।
स्रोत: