Anonimizar historias clínicas en papel digitalizadas para archivo y uso analítico – Anonimización conforme al RGPD según Ley 41/2002 arts. 14, 15, 17, 19; RGPD art. 9; RGPD art. 5
Los centros sanitarios que digitalizan expedientes en papel escanean el documento y generan, mediante software de OCR previo a la carga, una capa de texto legible por máquina superpuesta a la imagen —típicamente un PDF/A con texto buscable—. Esa capa de texto contiene datos de salud, categoría especial conforme al RGPD art. 9, junto a identificadores del paciente y del profesional. anonym.legal procesa la capa de texto del documento ya digitalizado: detecta y anonimiza los identificadores presentes en ese texto, pero no realiza el OCR ni lee o modifica los píxeles de la imagen subyacente, que permanece intacta. Una historia clínica en papel digitalizada es la reproducción electrónica, mediante escaneo, del expediente asistencial conservado originalmente en soporte físico conforme a la Ley 41/2002, de 14 de noviembre. El deber de conservación de la documentación clínica original —un mínimo de cinco años desde el alta, art. 17 Ley 41/2002— coexiste con las sanciones de hasta 20.000.000 € o el 4 % de la facturación anual que el art. 83 RGPD (Reglamento (UE) 2016/679, aplicable desde el 25 de mayo de 2018) reserva para el tratamiento indebido de categorías especiales de datos.
Cuándo se aplica
Aplica en proyectos de digitalización de archivos históricos de centros de salud, hospitales o clínicas privadas que disponen de documentos ya escaneados con una capa de texto OCR y necesitan migrar esos expedientes a formatos electrónicos reutilizables sin conservar datos identificativos de pacientes cuya finalidad asistencial ya está concluida.
Cómo lo gestiona anonym.legal
- Sube a anonym.legal los documentos escaneados que ya incluyan una capa de texto OCR (PDF/A o PDF con texto buscable), generada previamente por el software de digitalización del centro.
- El motor lee el texto de esa capa —no los píxeles de la imagen— y detecta nombre, apellidos, NHC, fecha de nacimiento, DNI, dirección y número de teléfono presentes en el texto reconocido.
- Los datos de diagnóstico, medicación y observaciones clínicas presentes en el texto se identifican como categoría especial RGPD art. 9.
- Los identificadores detectados en la capa de texto se sustituyen o eliminan del texto del documento; la imagen escaneada subyacente no se modifica ni se redacta visualmente.
- Las fechas se generalizan al año o se desplazan según la configuración elegida.
- El documento se exporta en PDF/A con la capa de texto anonimizada integrada, para cumplir con el art. 19 Ley 41/2002 (custodia).
- El sistema genera un registro de auditoría de los identificadores anonimizados en el texto para revisión manual si fuera necesario.
Qué proporciona usted
- Documentos escaneados con capa de texto OCR ya generada (PDF/A o PDF buscable; se recomienda un escaneo original de 300 dpi o superior para una capa de texto fiable)
- Indicación del idioma predominante (castellano, catalán, gallego, euskera) del texto reconocido para mejorar la precisión de detección
- Configuración de generalización de fechas (año, quinquenio o desplazamiento aleatorio)
- Lista de identificadores específicos adicionales a detectar en el texto (p.ej. número de historia local)
Limitaciones y precauciones
- anonym.legal no realiza OCR ni procesa los píxeles de la imagen: solo detecta y anonimiza los identificadores presentes en la capa de texto que el software de OCR del centro genera antes de la carga.
- Si el documento escaneado carece de capa de texto (imagen sin OCR) o esa capa es incompleta o defectuosa, el motor no puede detectar ni anonimizar los identificadores que falten en el texto.
- La imagen visual del documento no se redacta: los identificadores pueden seguir siendo visibles en la imagen original aunque se hayan eliminado del texto subyacente; ocultarlos visualmente requiere una herramienta de redacción de imagen independiente.
- La Ley 41/2002 art. 17 exige conservar la documentación clínica original durante al menos cinco años desde el alta; la versión anonimizada no sustituye el archivo original.
Preguntas frecuentes
¿anonym.legal realiza el OCR de los documentos escaneados o solo procesa el texto ya reconocido?
anonym.legal no realiza OCR. Procesa la capa de texto legible por máquina que el software de OCR del centro sanitario genera antes de la carga, por ejemplo al producir un PDF/A con texto buscable. El motor detecta y anonimiza los identificadores dentro de esa capa de texto, pero no lee ni modifica los píxeles de la imagen escaneada.
¿Es suficiente con tachar con rotulador los identificadores en papel antes de escanear?
No es la vía recomendada. El tachado manual puede dejar texto legible bajo buena resolución, y si el documento se escanea y pasa por OCR antes de revisar el tachado, ese texto puede quedar igualmente capturado en la capa de texto. anonym.legal anonimiza la capa de texto del documento ya digitalizado, no la imagen; la eficacia depende de que el OCR previo del centro capture correctamente los identificadores a eliminar.
¿Pueden procesarse documentos en lenguas cooficiales (catalán, gallego, euskera)?
Sí, siempre que la capa de texto OCR del documento reconozca correctamente esos idiomas. El motor detecta identificadores en el texto en las principales lenguas cooficiales españolas; la precisión depende de la calidad del OCR previo, realizado por el software del centro y no por anonym.legal.
¿Qué ocurre con las firmas manuscritas del médico o del paciente que aparecen en la imagen escaneada?
Las firmas manuscritas forman parte de la imagen del documento, no de la capa de texto, por lo que anonym.legal no las detecta ni las redacta. Si el número de colegiado del médico aparece como texto reconocido por el OCR junto a la firma, ese texto sí puede detectarse y anonimizarse; la firma como elemento gráfico requiere una herramienta de redacción de imagen independiente.