Problem povreda podataka u zdravstvu
Ažurirano za 2026.: 725 povreda zdravstvenih podataka u 2024. godini otkrilo je 275 milijuna zapisa (HHS OCR). Taj broj premašuje cjelokupno stanovništvo SAD-a.
Trošak je visok. Povrede podataka u zdravstvu u prosjeku koštaju 10,22 milijuna dolara. To je najviši trošak u bilo kojoj industriji – petnaest godina zaredom (IBM Cost of Data Breach 2025). Polovica svih povreda u zdravstvu počinje kod dobavljača ili poslovnog partnera (HHS OCR 2024). Prijetnja nije samo unutarnja.
Ti su brojevi promijenili ponašanje čelnika bolnica. U velikim zdravstvenim sustavima CISO neće odobriti alate u oblaku za rad s PHI-jem. Rizik je prevelik.
To stvara stvarni sukob za kliničke timove. Moraju ukloniti podatke o pacijentima iz bilješki. Taj je rad potreban za istraživanja, izvješća o kvaliteti i skupove podataka za učenje. Trebaju alate koji dobro rade u velikom opsegu. Alati u oblaku su blokirani. A jaz raste.
Zašto su alati za PHI u oblaku blokirani
HHS Civil Rights pojačao je provedbu. Ažuriranje sigurnosnog pravila HIPAA-e iz 2024. bila je prva velika promjena od 2013. Dodalo je jasne nove zahtjeve:
- Šifriranje u prijenosu i u mirovanju za sav elektronički PHI
- Ugovori o poslovnoj suradnji (Business Associate Agreements, BAA) sa svakim vanjskim dobavljačem
- Zapisi o analizi rizika za svaki odabir dobavljača
- Planovi odgovora na incidente
Kada bolnica pregledava alat za deidentifikaciju u oblaku, sigurnosni tim mora dokazati tri stvari. Prvo: dobavljač ne može vidjeti PHI. Drugo: BAA odgovara točnom slučaju uporabe. Treće: povreda kod dobavljača neće razotkriti zapise pacijenata.
Polovica povreda u zdravstvu već počinje kod dobavljača. Zato timovi za rizik često ne mogu odobriti alate za PHI u oblaku. To vrijedi bez obzira na to koliko su snažne tvrdnje dobavljača o sigurnosti.
Čak i uz potpisani BAA, stajalište CISO-a često je isto: BAA nakon povrede dodjeljuje krivnju. Ne sprječava povredu. Ne trebaju nam novi dobavljači u lancu. Naš pregled sigurnosti objašnjava kako lokalna obrada taj lanac prekida.
Problem točnosti
Blokada oblaka bila bi manje važna da jednostavniji alati mogu obaviti posao. Istraživanja pokazuju da ne mogu.
Studija iz 2025. pokazala je da opći alati s LLM-om propuštaju više od polovice kliničkog PHI-ja u slobodnom tekstu bilješki (arXiv:2509.14464). HIPAA Safe Harbor zahtijeva uklanjanje 18 vrsta identifikatora. Klinične bilješke skrivaju te identifikatore u kraticama, lokalnim izrazima i riječima iz drugih jezika.
Standardni alati propuštaju slučajeve poput ovih:
- "Pt. J.D., DOB 4/12/67" – skraćeni oblik imena i datuma
- "Dx: HCC f/u, appt at UCSF MC" – naziv bolnice unutar kliničke skraćenice
- "Seen by Dr. Smith in ED #3, Room 12B" – ime liječnika s brojem sobe
- Formati MRN-a (7–8 znamenki, ovisno o ustanovi) pomiješani s drugim brojevima
Istraživački skup podataka izgrađen na bilješkama sa stopom propuštanja od 50 % i više ne zadovoljava pravila HIPAA-e. Stvara probleme s IRB-om. Riskira postupak provedbe ako se propust otkrije nakon objave rada. Naša stranica o usklađenosti obuhvaća standarde Safe Harbor i Expert Determination.
Jaz u alatima
Timovi kliničke informatike suočavaju se sa stvarnim jazom. Svaka opcija ima ozbiljno ograničenje.
Komercijalne usluge u oblaku rade dobro. No zahtijevaju slanje zaštićenih zdravstvenih podataka vanjskom dobavljaču. Većina velikih bolničkih sustava to blokira.
Alati otvorenog koda (poput Presidija i MIST-a) rade na lokaciji. No zahtijevaju zahtjevno postavljanje i stalno održavanje. Bez dodatne prilagodbe često ne postižu točnost potrebnu za HIPAA-u. U našem pojmovniku pronađite jednostavna objašnjenja ključnih pojmova.
Ručna deidentifikacija metodom Expert Determination zahtijeva školovanog statističara. Statističar mora dokazati da je rizik od reidentifikacije vrlo malen. To radi za male skupove zapisa. Ne radi za 50.000+ zapisa.
Hibridne metode miješaju automatske alate s ručnim pregledom označenih stavki. To pomaže s opsegom. No ne rješava problem točnosti u automatskom dijelu.
Potreba je jasna. Klinički timovi trebaju točnost na razini oblaka – NLP, regex i transformerske modele – dok sami dokumenti ostaju na lokalnom hardveru. Ovisno o pravilima mreže, to znači ili ugrađeni alat bez ikakvog vanjskog poziva (anonym.plus), ili alat koji čita datoteke na lokalnom računalu dok se detekcija izvodi preko jednog dopuštenog API-ja dobavljača smještenog u EU-u (desktop aplikacija anonym.legal, u nastavku).
Regulatorni odgovor iz 2024.
725 povreda u 2024. izazvalo je snažan regulatorni odgovor.
HHS Civil Rights te je godine izdao više od 120 mjera provedbe HIPAA-e. Kazne su dosegnule rekordne razine. Predloženo ažuriranje sigurnosnog pravila HIPAA-e iz ožujka 2025. dodaje nove zahtjeve:
- Godišnje revizije šifriranja
- Višefaktorska prijava za sve sustave koji obrađuju elektronički PHI
- Obveze objave podataka o kibernetičkoj sigurnosti
- Strože odredbe o nadzoru dobavljača
Za obveznike troškovi usklađenosti i dalje rastu. Kazne rastu. Tako raste i posao dokazivanja usklađenosti evidencijom. Naš odjeljak Često postavljana pitanja obuhvaća uobičajena pitanja o tim pravilima.
HIPAA postavlja jasne standarde za deidentifikaciju. Safe Harbor uklanja svih 18 vrsta identifikatora. Expert Determination zahtijeva dokaz o niskom riziku od reidentifikacije. Alat koji propušta više od polovice PHI-ja ne zadovoljava ni jedan standard.
Što je potrebno lokalnoj deidentifikaciji
Lokalni alat mora dosegnuti kvalitetu detekcije usluga u oblaku. To zahtijeva četiri sloja.
Sloj 1 – Regex s kliničkim obrascima. Strukturirani identifikatori – MRN-ovi, SSN-ovi, NPI-jevi, DEA brojevi – dobro odgovaraju regexu. Dobra klinička biblioteka pokriva formate MRN-a koji se koriste u zdravstvenim sustavima. Oni se od ustanove do ustanove jako razlikuju.
Sloj 2 – Prepoznavanje imenovanih entiteta. Klinične bilješke skrivaju PHI u običnom tekstu. Imena liječnika pojavljuju se u narativnim rečenicama. Imena pacijenata javljaju se u mnogim oblicima. Lokacije se pojavljuju u povijesti bolesti. NLP modeli učeni na kliničkom tekstu mogu pronaći sve to.
Sloj 3 – Više jezika. Zdravstvo u SAD-u pruža skrb pacijentima koji govore mnogim jezicima. PHI se može pojaviti na pacijentovu materinskom jeziku unutar prevedene bilješke. Španjolski, kineski, arapski, vijetnamski i tagalog – svi se pojavljuju u zapisima pacijenata u SAD-u. Detekcija mora pokriti sve njih.
Sloj 4 – Ocjenjivanje konteksta. Sedmeroznamenkasti broj u jednoj je bilješci MRN, a u drugoj doza lijeka. Ocjenjivanje konteksta smanjuje lažne pozitivne rezultate. To znači manje oznaka za pregled i čišće rezultate revizije.
Skupna obrada u velikom opsegu
Istraživački skupovi podataka su veliki. Petogodišnji projekt u jednom akademskom medicinskom centru može obuhvaćati 500.000 bilješki u slobodnom tekstu. Za rukovanje takvim opsegom alat treba:
- Paralelna izvođenja nad mnogo dokumenata istodobno
- Podršku za DOCX, PDF, običan tekst i izvoze iz EHR-a
- Praćenje napretka i zapise pogrešaka za neuspjele stavke
- Revizijski trag koji pokazuje što je obrađeno i kada
- ZIP izlaz za jednostavan prijenos istraživačkim partnerima
Ručni pregled ne skalira na toj razini. Alati u oblaku su blokirani. Jedini put naprijed je točna lokalna obrada s jakom podrškom za skupnu obradu.
Primjer iz prakse
Regionalna bolnica želi deidentificirani EHR skup podataka za zajedničku studiju sa sveučilišnim partnerom. CISO je nakon brojki o povredama iz 2024. blokirao obradu podataka o pacijentima u oblaku.
Evo tijeka rada s alatom koji je najprije lokalan:
- Izvoz. EHR sustav izvozi 50.000 kliničkih bilješki kao DOCX dokumente u sigurnu lokalnu mapu.
- Obrada. Desktop aplikacija preko noći na lokalnim radnim stanicama izvodi 10 skupina po 5.000 dokumenata.
- Pregled. Tim kliničke informatike provjerava uzorak prema pravilima HIPAA Safe Harbor.
- Dokumentiranje. Zapisnik obrade bilježi svaku obrađenu stavku, korištenu metodu detekcije i vremensku oznaku. To je revizijski trag za IRB.
- Prijenos. Deidentificirani izlaz pakira se i šalje sveučilištu sigurnim kanalom.
CISO odobrava jer podaci o pacijentima ne napuštaju mrežu bolnice. IRB odobrava jer metoda zadovoljava pravila o dokumentiranju Safe Harbor. Sveučilište dobiva podatke koji odgovaraju njihovu ugovoru o uporabi podataka. Više stvarnih primjera pogledajte u našim studijama slučaja.
Kada ovaj pristup ima ograničenja
Lokalna, točna deidentifikacija PHI-ja istodobno odgovara na prigovor CISO-a o oblaku i na prigovor o točnosti – no deidentifikacija je probabilistički proces, a ista studija koja pokazuje da alati u oblaku propuštaju polovicu PHI-ja upozorenje je koje vrijedi za svaki alat, uključujući i ovaj.
Nijedan detektor ne hvata 100 % kliničkog PHI-ja. Bilješke skrivaju identifikatore u skraćenicama, pogrešno napisanim riječima, slobodnom narativnom tekstu i drugim jezicima. Višeslojni lokalni cjevovod hvata znatno više od općeg LLM-a, ali preostala propuštanja su neizbježna. Za objavu u istraživanju ručni pregled uzorka prema Safe Harbor kontrola je koja skup podataka čini obranjivim – dio je metode, a ne formalnost.
Zadovoljavanje Safe Harbor je utvrđenje, a ne izlaz alata. Safe Harbor zahtijeva uklanjanje svih 18 vrsta identifikatora i nepostojanje stvarnog znanja da bi ostatak mogao omogućiti reidentifikaciju. Alat uklanja identifikatore; potvrda da je standard zadovoljen – ili naručivanje Expert Determination – ostaje odgovornost obveznika i vašeg IRB-a.
Rizik od reidentifikacije preživljava uklanjanje identifikatora. Rijetke dijagnoze, male populacije, datumi i kvazi-identifikatori mogu reidentificirati pacijenta čak i nakon što se ukloni 18 vrsta. Za skupove podataka visokog rizika prikladan je standard Expert Determination sa statističkom analizom rizika, a ne samo Safe Harbor.
Lokalna implementacija prebacuje teret održavanja na vas. Modeli izvan mreže su presjek stanja. Održavanje aktualnih obrazaca detekcije, jezičnih modela i formata MRN-a sada je zadaća vašeg tima, a zastarjeli lokalni alat može pasti ispod točnosti koju ste potvrdili pri instalaciji. Povremeno ponovno validirajte umjesto da pretpostavljate da performanse prvog dana ostaju.
Desktop aplikacija anonym.legal pruža deidentifikaciju PHI-ja kvalitete oblaka. Koristi trorazinsku detekciju: Presidio NLP, regex i transformere XLM-RoBERTa. Instalira se i radi lokalno, ali sama detekcija izvodi se na poslužiteljima anonym.legal – aplikacija ne sadrži modele za detekciju i zahtijeva internetsku vezu; njezin popis dopuštenih ograničava vezu samo na anonym.legal. Podržano je svih 18 HIPAA Safe Harbor identifikatora. Skupne obrade obuhvaćaju 1–5.000 dokumenata odjednom.
Izvori
- HHS OCR Healthcare Breach Statistics 2024 – VERIFIED-EXTERNAL
- IBM Cost of a Data Breach Report 2025 – VERIFIED-EXTERNAL
- arXiv:2509.14464 – LLM De-Identification Survey (2025) – VERIFIED-EXTERNAL
- DeepStrike: Healthcare Data Breaches 2025 Statistics – VERIFIED-EXTERNAL
- IntuitionLabs: Open-Source PHI De-Identification Tools – VERIFIED-EXTERNAL