By · Last updated 2026-04-21

Vissza a BlograEgészségügy

Visszafordítható de-azonosítás klinikai kutatásban

Amikor egy tanulmány váratlan biomarker-kockázatot talál 5000 résztvevő közül 47-nél, a kutatóknak kapcsolatba kell lépniük a valódi betegekkel. Az anonymizálási eszközök csupán 23%-a kínál valódi visszafordíthatóságot.

April 21, 20269 perc olvasás
reversible de-identificationclinical research pseudonymizationpatient re-contact protocolIRB data managementHIPAA reversible encryption

Visszafordítható de-azonosítás klinikai kutatásban

A hosszú vizsgálatok nehéz kompromisszummal szembesülnek. A betegeknek rejtve kell maradniuk a vizsgálat során. Az IRB szabályai megkövetelnek ezt. A betegek bizalma attól függ. De egy eredmény megkövetelheti az újabb kapcsolatfelvételt. A végleges de-azonosítás elzárja ezt az utat. A visszafordítható de-azonosítás nyitva tartja azt.

Nézze meg, hogyan támogatjuk ezt a megfelelőségi áttekintőnkben és a biztonsági gyakorlatainkban.

Az újrakapcsolat-felvétel problémája

Egy onkológiai centrum 5000 betegen végez vizsgálatot. A vizsgálat közben 47 betegnél agresszív ráktípushoz kapcsolódó markereket találnak. Ez nem volt az eredeti hatókörben. Az etikai bizottság felülvizsgálja a megállapítást. Jóváhagyja az újrakapcsolat-felvételt. A figyelmeztetési kötelezettség alkalmazható.

Ha az eredeti de-azonosítás végleges volt, a csapat zsákutcában van. A térkép nélküli véletlenszerű kódok nem adnak visszafelé vezető utat. A 47 rekord nem kapcsolható valódi betegekhez. A megállapítás nem hajtható végre. Az esetlegesen ellátásra szoruló betegeket nem lehet elérni. Az adatvédelmi beállítás a legkritikusabb ponton vallott kudarcot.

Ez nem ritka. Bármely hosszú vizsgálat kerülhet váratlan megállapítás elé. A figyelmeztetési kötelezettség doktrínája cselekvést követel meg, ha kockázatot találnak. Újraazonosítási útvonal nélkül ez a cselekvés nem lehetséges.

A GDPR kulcs-szétválasztási szabályai

Az EDPB 05/2022 iránymutatása közvetlenül foglalkozik ezzel a problémával. A pseudonymizáció érvényes adatvédelmi lépés. Nyitva tartja az újraazonosítás lehetőségét. Egy jóváhagyott folyamat szükség esetén alkalmazhatja azt.

Az alapvető szabály a kulcs-szétválasztás. A visszafejtési kulcsot a pseudonymizált adatoktól elkülönítve kell tartani. A kontrolloknak blokkolniuk kell minden olyan hozzáférést, amelyet nem hagytak jóvá. Az adatokat használó csapatnak nem szabad egyben a kulcsot is tartania. Az újraazonosítás formális, naplózott lépést kell megköveteljen.

Az IAPP 2024-es felmérése megállapította, hogy az anonymizálási eszközök csupán 23%-a kínál valódi visszafordíthatóságot. A legtöbb végleges maszkolást vagy csere alkalmazást alkalmaz. Ezek a módszerek blokkolják a figyelmeztetési kötelezettség által megkövetelt újrakapcsolat-felvételt.

Az architektúra működése

Egy megfelelő beállítás visszafordítható titkosítást használ AES-256-GCM algoritmussal. Minden betegazonosító tokené alakul. Ugyanaz a beteg ugyanahhoz a tokenhez van rendelve az összes vizsgálati fájlban. Az adatkapcsolatok megmaradnak. Nyers azonosítók nem jelennek meg a munkakészletben.

A visszafejtési kulcsot egy adatgazda tartja. Az adatoktól elkülönítve tárolja. A kulcs bármilyen használatához írásos, jóváhagyott kérelem szükséges.

A csapat csak tokenekkel dolgozik az elemzés során. Amikor a 47 érintett beteg jelzést kap, az etikai bizottság jóváhagyja az újraazonosítást. A gazdaszervező csak erre a 47 rekordra alkalmazza a kulcsot. A csapat valódi azonosítókat kap az adott 47 esethez. A többi 4953 beteg védett marad.

Csak célzott újraazonosítás lehetséges. Az adatkészlet többi részét soha nem érintik.

A pseudonymizáció és a teljes anonymizáció közötti különbségekről bővebben lásd: GDPR anonymizáció vs. pseudonymizáció útmutató.

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.