By · Last updated 2026-05-30

Povratak na BlogZdravstvo

HIPAA: Otkrivanje MRN formata specificnih za bolnicu

HIPAA Safe Harbor zahtijeva uklanjanje brojeva medicinskih kartona, ali MRN formati nisu standardizirani. Epic, Cerner i Meditech koriste razlicite formate koje standardni PII alati propustaju.

May 30, 20267 min čitanja
HIPAA Safe Harbormedical record numbersMRN detectionhealthcare compliancecustom PII patterns

Azurirano za 2026.

HIPAA Safe Harbor de-identifikacija: Otkrivanje MRN formata specificnih za bolnicu bez inzenjerstva

HIPAA Safe Harbor zahtijeva uklanjanje brojeva medicinskih kartona. To je jedan od 18 potrebnih tipova identifikatora. Zvuci jednostavno. Problem je sto MRN formati nisu standardizirani.

Epic koristi jedan format. Cerner koristi drugi. Meditech koristi jos jedan. Svaka bolnica dodaje vlastite kodove. Regionalne zdravstvene grupe stvaraju jos vise formata. Standardni PII alat ne moze znati vas format. Propustit ce vase MRN-ove.

Ovo nije manji rizik. IT timovi u zdravstvenim ustanovama cesto pronalaze MRN-ove koji su i dalje u skupovima podataka koji su trebali biti de-identificirani. Alat je bio postavljen samo za uobicajene vrste PII.

Problem MRN formata

SAD nema nacionalnog standarda za brojeve medicinskih kartona. Svaka bolnica ili prodavac EHR-a definira vlastiti format.

Cesto primijenjeni uzorci:

  • Epic stil: 8-12 znamenki numericko (npr. 123456789)
  • Cerner stil: Prefiks koda bolnice + numericko (npr. MGH-987654)
  • Regionalne mreze: Kod ustanove + godina + redosljed (npr. HOSP-2023-456789)
  • Veterans Affairs: 9 znamenki s kontrolnom znamenkom
  • Pedijatrijski sustavi: Prefiks tipa pacijenta + numericko (npr. PED-12345678)

Nijedna jedinstven pravilo ne odgovara svim ovim formatima. Ne postoji universalan uzorak MRN-a.

Sto standardni PII alati hvataju: Vecina HIPAA alata fokusira se na ID-ove fiksnog formata. SSN-ovi prate XXX-XX-XXXX. Telefonski brojevi prate XXX-XXX-XXXX. Adrese e-poste imaju jasan oblik. Ove su lako pronaci.

MRN-ovi, brojevi racuna i licencni brojevi su HIPAA tipovi 8, 10 i 11. Oni variraju po bolnicama. Potrebno ih je prilagoditi. Genericni alat ih nece uhvatiti.

Jaz uskladjenosti

Regionalna bolnica zeli podijeliti podatke o pacijentima sa sveucilisnim istrazvackim partnerom. Njihov EHR koristi ovaj MRN format: HOSP-GGGG-XXXXXX.

Pokrecu podatke kroz svoj HIPAA alat. Alat skida imena, datume, brojeve telefona i SSN-ove. Ne uklanja MRN-ove. HOSP-2023-456789 ne odgovara ni jednom ugradenom pravilu.

Istrazivac dobiva skup podataka. Spaja ga s vlastitim zapisima. Ti zapisi ukljucuju MRN-ove iz proslogodisnji uputa u istoj bolnici. Mnogi pacijenti sada se mogu reidentificirati. Bolnica ima HIPAA povredu.

Ovo je stvarni nacin otkazivanja. Pogledajte takodje HIPAA Safe Harbor de-identifikacija za zdravstvena istrazivanja za vise o tome gdje Safe Harbor zakazuje.

Rjesenje: Stvaranje prilagodljenih entiteta

Rjesenje je definirati vas MRN format kao prilagodljiv entitet. Sluzbenik za uskladjenost to moze napraviti. Nije potreban inzenjer.

Koraci:

  1. Napisite format: "Pocinje s HOSP, zatim crtica, cetveroznamenkasta godina, crtica i sestoznamenkasti broj"

  2. Koristite AI alat za izgradnju regexa: HOSP-\d{4}-\d{6}

  3. Testirajte na 20 otpusnih pisama. Potvrdite da hvata sve MRN-ove.

  4. Spravit ga kao prilagodljiv entitet pod nazivom "Hospital MRN"

  5. Dodajte ga u vas HIPAA predlozak uz standardnih 17 tipova ID-a

Ovaj proces traje sluzbeniku za uskladjenost otprilike 3 dana. Izgradnja prilagodljenog koda moze trajati 3 mjeseca.

Primjer: Mreza bolnica s 15 ustanova

Organizacija: Regionalna mreza bolnica s 15 ustanova

MRN format: HOSP-GGGG-XXXXXX (u tisucama PDF-ova otpusnih pisama)

Cilj: Podijeliti istrazivacki skup podataka sa sveucilisnim partnerom pod HIPAA sporazumom o koristenju podataka

Stari pristup: Vanjski prodavac de-identifikacije po 120.000 dolara godisnje

Pronadjen jaz: Alat prodavaca nije otkrivao format MRN-a specificnog za ustanovu

Novi tijek rada:

  1. Sluzbenik za uskladjenost definira MRN uzorak - 20 minuta
  2. AI validira regex - 5 minuta
  3. Testiranje na 50 uzornih rezimea - 30 minuta
  4. Potvrdjivanje da nema preostalih MRN-ova, nema laznih pozitiva - 10 minuta
  5. Dodavanje prilagodljivog entiteta u HIPAA predlozak
  6. Pokretanje cijelog skupa od 50.000 zapisa u grupi

Ukupno vrijeme za zatvaranje jaza: jedna poslijepodne.

Mreze visestrukih ustanova: Visestruki MRN formati

Bolnicke mreze izgradjene kroz pripajanja cesto pokrecu nekoliko EHR sustava. Svaki naslijedjeni sustav moze koristiti razlicit MRN format.

Kako to rijesiti:

Stvorite zaseban prilagodljiv entitet za svaki format:

  • "MRN Format A (Epic)" - 8-znamenkasto numericko
  • "MRN Format B (naslijedjeni Cerner)" - prefiks + 7-znamenkasto numericko
  • "MRN Format C (pripojeni poddruzak)" - kod drzave + godina + redosljed

Jedan predlozak drzi sva tri prilagodljiva entiteta plus standardne HIPAA tipove ID-a. Svaki dokument iz svake ustanove imat ce uklonjene MRN-ove.

Pogledajte prilagodljivo otkrivanje MRN-a u HIPAA cjevovodima bez koda za vodic korak po korak za ovo viseformatno postavljanje.

Osim MRN-ova: Drugi nestandardni identifikatori

Isti pristup radi za ostale HIPAA Safe Harbor tipove ID-a.

Brojevi clanova zdravstvenog plana (Kategorija 9): Svaki osiguravatelj koristi vlastiti format. Aetna, Blue Cross i United Healthcare izgledaju razlicito. Timovi za naplatu trebaju prilagodljiv uzorak za svakog platitelja.

Brojevi racuna (Kategorija 10): Brojevi racuna za naplatu u bolnici razlikuju se po bolnici.

Licencni brojevi (Kategorija 11): DEA brojevi imaju standardni savezni format. Drzavni licencni brojevi lijecnika ne. Svako drzavno vijece koristi vlastiti format.

Identifikatori uredjaja (Kategorija 14): Serijski brojevi medicinskih uredjaja postavlja svaki proizvodjac.

Za svaki od ovih, prilagodljiv entitet zatvara jaz. Nisu potrebni inzenjeri.

Pogledajte prilagodljive PII identifikatore za organizacijsku anonimizaciju za vise o nestandardnim tipovima ID-a.

Validacija: Dokazivanje Safe Harbor uskladjenosti

HIPAA Safe Harbor kaze da pokriveni entitet ne smije imati "stvarno znanje" da bi podaci mogli identificirati nekoga. (45 CFR 164.514(b)(1))

Validacija prilagodljivog entiteta dokazuje da je pokriveno svih 18 tipova ID-a.

Koraci validacije:

  1. Obradite 50-100 uzornih dokumenata iz istrazivackog skupa podataka
  2. Pregledajte rezultat - postoji li nesto sto izgleda kao ID?
  3. Pokrenite drugi prolaz detekcije kako biste uhvatili propustene stavke
  4. Dokumentirajte sto ste napravili

Vase postavljanje prilagodljivog entiteta, pregled uzoraka i dnevnici obrade cine vas Safe Harbor zapis.

Zakljucak

Standardni PII alati na zadanim postavkama ne zavrsavaju HIPAA Safe Harbor de-identifikaciju. Brojevi medicinskih kartona specificni su za bolnicu. Potrebna im je prilagodljiva detekcija.

Stvaranje prilagodljivog entiteta zatvara ovaj jaz za satima. Sluzbnici za uskladjenost mogu definirati uzorak, testirati ga i obraditi podatke. Nije potreban inzenjering.

Jaz izmedju "pokrenuli smo HIPAA alat" i "uklonili smo svih 18 Safe Harbor identifikatora" cesto je samo jedan nedostajuci prilagodljiv entitet.

Izvori

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.