By · Last updated 2026-04-28

Povratak na BlogZdravstvo

18 HIPAA identifikatora koje vas alat propusta

HIPAA navodi 18 PHI identifikatora. Vecina alata za anonimizaciju otkriva mozda 6 od njih. Brojevi medicinskih kartona razlikuju se po ustanovi bez standardnog americkog formata.

April 28, 20269 min čitanja
HIPAA 18 identifiersPHI complete detectionMRN detectionNPI DEA numbersHIPAA Safe Harbor compliance

18 HIPAA identifikatora koje vas alat propusta

Azurirano za 2026.

HIPAA navodi 18 kategorija PHI identifikatora. Vecina alata za anonimizaciju otkriva mozda sesnaest. Ostalih dvanaest prolazi -- a svaki od njih je propust u uskladenosti.

Pravilo Safe Harbor

HIPAA-in Pravilnik o privatnosti (45 CFR, paragraf 164.514) definira de-identifikaciju prema Safe Harbor pristupu. Svih 18 kategorija identifikatora mora nestati. Uklonite svaku i podaci su po zakonu de-identificirani. Zato je Safe Harbor popularan: to je prolaz ili pad, a ne prosudba.

18 kategorija su:

  1. Imena
  2. Geografski podaci manji od savezne drzave -- ulicna adresa, grad, okrug, postanski broj
  3. Datumi osim godine -- rodjenje, primanje, otpust, smrt
  4. Telefonski brojevi
  5. Fax brojevi
  6. Adrese e-poste
  7. Brojevi socijalnog osiguranja
  8. Identifikatori medicinskih kartona (MRN-ovi)
  9. Kodovi korisnika zdravstvenog plana
  10. Identifikatori racuna
  11. Kodovi certifikata i dozvola
  12. Identifikatori vozila i serijski kodovi
  13. Identifikatori uredjaja i serijski kodovi
  14. Web URL-ovi
  15. IP adrese
  16. Biometrijski identifikatori -- otisci prstiju, glasovni uzorci
  17. Fotografije cijelog lica i slicne slike
  18. Svaki drugi jedinstveni identifikacijski kod ili vrijednost

Vecina alata dobro obradjuje kategorije 1, 4, 6 i 7. Rutinski propustaju 8, 9, 10, 11, 13 i 18.

Propust MRN-a

Identifikatori medicinskih kartona nalaze se u kategoriji 8. Formate MRN-a postavlja svaka bolnica. Ne postoji americkin nacionalni standard.

Bolnica A koristi 7-znamenkasti cijeli broj. Bolnica B koristi "PT-GGGGNNNN." Bolnica C koristi 8-znakovni alfanumericki niz. Bolnica D pise "MRN: " prije 9-znamenkastog koda.

Genericki alat nece oznaciti "PT-2024-8847" kao PHI. Dokument prolazi provjere de-identifikacije. Ali nije de-identificiran. Ne aktivira se nikakvo upozorenje. Tim misli da je posao gotov. Nije.

Ovo je najgora vrsta propusta: tihi.

Tri nacina za ispravljanje

Kodirajte u Presidiu. Ovo zahtijeva Python vjestine i tekuce odrzavanje. Radi, ali kosta vremena.

Dodajte rucni pregled. Osoba provjerava svaki dokument za MRN-ove. Ovo se ne moze skalirati.

Koristite AI-potpomognuto stvaranje prilagodenih entiteta. Nema potrebe za kodom. Tim daje primjerne vrijednosti. AI gradi obrazac.

Evo kako to funkcionira. Tim daje pet primjernih MRN vrijednosti: SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001. AI vraca SVHS-\d{7} i provjerava ga na uzorcima. Tim ga sprema u svoj HIPAA preset. Sve buduce sesije otkrivaju taj format. Isti pristup funkcionira za kodove korisnika i serijske kodove uredjaja.

Pogledajte kako predlozci funkcioniraju u vodicima za otkrivanje HIPAA MRN-a. Saznajte o AI tijeku rada za obrasce.

Skrivena pretpostavka

Mnogi timovi testiraju na primjernom dokumentu s imenom i telefonskim brojem. Alat prolazi. Pretpostavljaju potpunu pokrivenost. Ali uzorci rijetko ukljucuju identifikatore specificne za ustanovu. MRN-ovi i kodovi korisnika izgledaju generickoms alatu kao nasumicni nizovi. Prolaze bez oznake.

Prava Safe Harbor revizija mapira svih 18 kategorija na metodu otkrivanja. Za kategoriju 8, verificirajte sa stvarnim MRN uzorcima iz vase vlastite bolnice. Ne pretpostavljajte da alat zna vas format.

Pregledajte cijeli okvir u nasem pregledu uskladenosti s HIPAA-om.

Zakljucak

Safe Harbor zahtijeva uklanjanje svih 18 kategorija identifikatora. Genericki alati pokrivaju znatno manje. Propusti -- MRN-ovi, kodovi korisnika, serijski kodovi uredjaja -- nemaju standardni format, pa ih genericki alati propustaju. AI-potpomognuti prilagodeni entiteti zatvaraju taj propust bez koda ili rucnog pregleda.

Izvori

  • HHS: HIPAA Safe Harbor, 45 CFR, paragraf 164.514 -- hhs.gov
  • Shaip: Vrste PHI identifikatora u de-identifikaciji u zdravstvu -- shaip.com
  • HHS OCR: Smjernice za de-identifikaciju azurirane 2024. -- hhs.gov

Spremni za zaštitu vaših podataka?

Započnite anonimizaciju PII-a s 285+ vrsta entiteta na 48 jezika.

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.