anonym.legal

By · Last updated 2026-04-02

Վերադառնալ բլոգինԱռողջապահություն

LLM-ները բաց են թողնում կլինիկական PHI-ի 50%-ը

2025 թ. ուսումնասիրությունը պարզել է, որ LLM-ները բաց են թողնում բազմալեզու փաստաթղթերի կլինիկական PHI-ի 50%-ից ավելին: ChatGPT-ի բոլոր մուտքագրումների 34.8%-ը պարունակում է զգայուն տվյալներ:

April 2, 20269 րոպե կարդալ
LLM PHI detectionHIPAA de-identificationclinical NLPSafe Harbor methodhealthcare AI compliance

Կես-Բաց Թողնելու Խնդիրը

2025 թ. ուսումնասիրությունը (arXiv:2509.14464) LLM գործիքներն ստուգեց կլինիկական գրառումների վրա: Արդյունքները վատ էին: Այս գործիքները բաց թողեցին բազմալեզու փաստաթղթերի կլինիկական PHI-ի ավելի քան 50%-ը: Պատճառը պարզ է: LLM-ները ստեղծված են տեքստային ելք ձևավորելու համար: Դրանք ստեղծված չեն HIPAA-ի պահանջած բարձր-կտրող հայտնաբերման առաջադրանքի համար:

HIPAA Safe Harbor-ն ունի 18 պաշտպանված նույնացնող տեսակ: Անուններ, ամսաթվեր, հեռախոսահամարներ, SSN-ներ, MRN-ներ, առողջապահական ծրագրի ID-ներ, սարքի ID-ներ և IP հասցեներ: Յուրաքանչյուրն ունի իր հայտնաբերման տրամաբանությունը:

Կլինիկական գրառումներն ավելի են բարդացնում: Վերցրեք այս օրինակը. "Հ/ն Ջ. Դ., ծ/թ 4/12/67, MRN 1234567, ընդ/ված 03/15/24, Դ-ր Սմիdhy ECG-ի հրաման արեց:" Մեկ նախադասություն: Հինգ պաշտպանված նույնացնիչ: Մեծ մասն օգտագործում է կրճատ ձևեր: Կլինիկական իմաստ հասկանալու մոդելն հաճախ ձախողում է հայտնաբերման առաջադրանքը:

Ինչ են LLM-ները Բաց Թողնում և Ինչու

LLM գործիքները ձախողվում են կլինիկական գրառումների վրա հաստատված ձևերով:

Կրճատ ձևի նույնացնիչներ: Կլինիկական գրառումներն օգտագործում են կրճատումներ: Ծ/թ, MRN և Հ/ն սովորական ձևեր են: Կլինիկական իմաստ հասկանալու մոդելն "|Հ/ն Ջ. Դ."|-ն անուն չի ճանաչի: Զգայուն տվյալ արդյունահանումն ունի տարբեր նպատակ:

Համատեքստային ամսաթվեր: Ոչ բոլոր ամսաթվերն ունեն նույն ռիսկ: "67 տ." փափուկ ցուցիչ է: "Ծ/թ 4/12/67" ուղղակի պաշտպանված նույնացնիչ է: "03/15/24" ընդունման ամսաthiv-ines pashptanvats e: Dzevachanoumy miayn anori bavor che:

Ոչ ամeriakayin dzevachner: Cyberhaven-n (Q4 2025) parzets, vor ChatGPT-i bolor moutkagnoumneri 34.8%-n poutsum e zgayun tvyal, shnorhiv bazmalezou PII: Achoghapahoutyoun volorty mej da nshanakum e voch-ameriakyin graromin ID-ner, tartsrayin amsakatvi dzevachner yev tartsrayin achoghapahoutyoun ID tesakner: Ameriakyi vra ousoutsvats gortsikner-n sarankn hastatun bad en thognoom:

Hivandantsi hatuk nshanoghichner: Hivandantsner-n ounin ir sorovanakar MRN dzevachner, andznakazmeri ID-ner yev kayki kodner: Standart NER ousotsayin tvyaleroum sarank ner en: Hatuk kazmatomi ajaktsoutyun chunetsogi gortsik-n drain chi gtnelou:

Hatoukagitakan Tvyalabazi Risky

500,000 grarumneri veraberi hatoukagitakan tvyalabaz kanokhogh hivandantsy ounee irakal hamapataskhoutyan khndiran: HIPAA-n apanuynakants tvyalneri hamar patahroom e "shat poqr risk" standart: Pashtpanvats nshanoghichner-i kasin bad thoghnoghe gortsik-n chi karogi bavaranel ayd chaporokin:

Hatoukagitakan arkivner-n mak tvyal chen: Grarumnern taratsvoum en bazmazegh batjaranumneri, zhamanakabashneri yev eramanis lezouneri vra: Hashvarkayin tvalneri vra lav ashkhataghoghe gortsik-n karogi e dzakhogvel patmolokayin grarumneri vra: Azat tekstoum zgayun tvyal-n volorti piteketian chi ounenom:

IRB hastatoutyouny avel patharutyunner e avelajnum: Kazmakerputiunner-n peti e tsuyts ten kirakarstsvats metody, hanerakvatstsi nshanoghich tesaknern yev kapvats stouzkumnern: Bolor grarumneri kasin bad thoghnoghe gortsik-n chi karogi bavaranel ayd patharutyunnery:

Tesek mern hamapataskhoutyan aknarky yev antangoutyan iraroutsnery te inch pes anonym.legal-n HIPAA ashkhatin e ajaktsooum:

Yerreks-Shert Loutsoumy

2025 th. hetazotoutyouny mek hast dzev parzel e: Amsena poqr bad thoghnelou arazheknery ounetsoghe gortsikner kortsratsin en haytnaberoutyan yerreks shert:

Aradjin shert — regex: Gtnoum e karou-zakayin nshanoghichner: SSN-ner, MRN-ner, herakhosamnery, achoghapahoutyoun tsragri ID-ner: Hamoveli e amsrin dzevachneri vra:

Yerkrord shert — NER: Kortsnoum e transformer modelner: Gtnoum e anunner, amsakativer yev zgayun tvyal patmolokayin tekstoum: Ashkhatum e ayteghe, vortegh regex-n chi karogi:

Yerrord shert — hatuk kazmatomer: Kayki-hatuk dzevery kararoum e: Sorovakan MRN dzevanoumshner, andznakazmeri ID-ner, kayki kodner: Voch mek standart model drain chi tsatsoum:

Miak ML gortsikner-n vaternoom en qarr tzevery yev voch-anglieren teksti vra: Miak regex gortsikner-n bad en thognoum volorti piteketian chunetsoghe zgayun tvyal: Vech mekn miayn bavor che:

Miayn yerreks-sherty ounetsoghe dzevavoratsoutyoun-n hetazototyounoum harghel e 5%-its pes bad thoghnelou arazheknery: Aysd e HIPAA Safe Harbor hamapataskhoutyan chaporokin:

Hetagha kagheritsi hamar tesek mern utsoutsichy HIPAA Safe Harbor apanshanoghacoutyouni vraberoum hatoukagitakan hetazotoutyan hamar:

Albyurner

Հոդվածներ, որոնք կապված են

Առողջապահություն

HIPAA OCR: 725 Breaches, 275M Records

HHS OCR reported 725 HIPAA breaches in 2024 affecting 275M records — the highest ever. $10.22M average healthcare breach cost.

Առողջապահություն

Handwritten Form OCR & PII Detection

A mid-size hospital processes 50,000 handwritten intake forms per year. Manual PII redaction at this volume requires 0.5 FTE.

Առողջապահություն

HHS 2025: AI Clinical Notes Need PHI

AI transcription systems can inadvertently put Patient A's PHI in Patient B's record. Here's why real-time PHI detection before EHR commit is the control.

Պատրաստ եք պաշտպանելու ձեր տվյալները?

Սկսեք PII անանոնիմացնել 285+ կազմակերպության տեսակներով 48 լեզուներով:

Սկսեք անվճար փորձաշրջանԴիտել առանձնահատկությունները

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.