By · Last updated 2026-04-26

Vissza a BlograEgészségügy

Visszafordítható titkosítás a kutatási visszakapcsoláshoz

A Beteg_001-et nem tudja visszahívni utánkövetési vizsgálatra. Az etikai bizottságok már dokumentált visszaazonosítási protokollt követelnek – igazolva, hogy ez kontrollált körülmények között elvégezhető.

April 26, 20268 perc olvasás
research re-identification protocollongitudinal study follow-upIRB pseudonymization requirementcontrolled re-identificationdeterministic encryption

IRB visszakapcsolási protokoll: útmutató a visszafordítható titkosításhoz

Az etikai bizottságok (IRB) ma már a de-azonosítási tervnél is többet kérnek. Visszakapcsolási tervet is megkövetelnek. Két dolgot kell igazolnia. Először: a külső felek nem tudják visszakövetni a betegek valódi neveit. Másodszor: a saját csapata meg tudja tenni – ha az etikai jóváhagyás lehetővé teszi.

Ez a kétirányú szabály valós tapasztalatokból fakad. Hosszú távú tanulmányok sürgős eredményeket produkáltak a vizsgálat közepén. A nyilvántartások azonban elérhetetlenek voltak. Nem létezett visszaút. Ez megakasztotta a betegellátást. A szabályozó hatóságok levonták a tanulságokat.

Támogatásunk e folyamathoz a megfelelőségi áttekintőnkben és a biztonsági gyakorlatokban ismerhető meg.

Miért kér az etikai bizottság kétirányú kaput

A GDPR-bírságok 56%-kal emelkedtek 2024-ben (DLA Piper Annual Report 2025). A GDPR 89. cikke reagál erre a tendenciára. Kutatási adatoknál pszeudoanonimizálást követel – nem teljes eltávolítást. A szabályozás elismeri, hogy a kutatásnak esetenként szüksége van visszautra a valódi nyilvántartáshoz.

Egy 2024-es NEJM AI-tanulmány LLM-alapú de-azonosítást vizsgált. Alapvető problémát azonosított. A megtisztított klinikai jegyzetek az orvosi mintákon keresztül megőrzik a kapcsolatot a beteg személyazonosságával – pontosan azon minták révén, amelyek hasznosakká teszik azokat. A tanulmány azt ajánlja: dokumentált kulcskezelési tervvel rendelkező pszeudoanonimizálást kell alkalmazni. Ez nyitva tartja a visszakapcsolás lehetőségét.

Az etikai bizottságnak mindkét oldalt ellenőriznie kell. Ki végezhet visszaazonosítást? Milyen feltételek mellett? Ki őrzi a kulcsot? Mit rögzítenek?

A konfiguráció működése

Az AES-256-GCM determinisztikus módban működik. Minden betegazonosító mindig ugyanazt a tokent generálja. A „Beteg_001” mindig ugyanazt az értéket adja. Ez a token szerepel az alapértéknél, a 3 hónapos követésnél és a záróellenőrzésnél. A csapat kizárólag a token segítségével követi nyomon az egyes betegeket. Valódi nevek nem kerülnek a munkafájlokba.

A kulcs elkülönítése kielégíti az EDPB szabályát. A kutatócsoport a titkosított adatokat tárolja. Az adatgondnok a kulcsot egy külön rendszerben őrzi. Egyik fél sem képes önállóan visszaazonosítani. A csapat nem tudja visszafejteni. Az adatgondnok nem tudja a kulcsokat a betegekhez kötni az adatok nélkül.

Ha a visszakapcsolást jóváhagyják, az adatgondnok a kulcsot alkalmazza a névalapú nyilvántartásokra. Minden lépést rögzítenek: mely nyilvántartásokat, mikor, ki adta a jóváhagyást. Ez a nyilvántartás a bizonyíték a GDPR 89. cikke alapján.

Hogyan néz ki ez a gyakorlatban

Egy onkológiai centrum 5000 beteget magában foglaló kohorszt kezel három országban. Minden helyszín kizárólag tokenekkel dolgozik. A vezető centrum adatkezelője őrzi a kulcsot.

A tanulmány felénél egy elemzés 47 magas kockázatú beteget azonosít. Az etikai bizottság jóváhagyja a visszakapcsolást. Az adatkezelő visszafejti ezt a 47 nyilvántartást. A klinikai csapat kapcsolatba lép ezzel a 47 beteggel. A többi 4953 beteg anonimizált marad mindhárom helyszínen.

A kulcs nem mozdul. Az adatok titkosítva maradnak. Csak ez a 47 nyilvántartás kerül valaha is valódi névhez kapcsolásra.

A pszeudoanonimizálás és a teljes anonimizálás összehasonlításáért tekintse meg a visszafordítható de-azonosítási útmutatónkat.

Források

Készen áll az adatai védelmére?

Kezdje el a PII anonimizálását 285+ entitástípuson 48 nyelven.

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.