By · Last updated 2026-06-03

Til baka á BloggHeilbrigðisþjónusta

HIPAA MRN-greining án þess að vera sérfræðingur í reglulegar tjáningar

Snið sjúklingsnúmers (MRN) er mismunandi á hverju sjúkrahúsi. Memorial notar MRN:XXXXXXX, St. Mary's notar PT-YYYYY, University Hospital notar UHN-XXXXXXXXXX.

June 3, 20266 mín lestur
HIPAA de-identificationMRN patternhealthcare ITAI pattern generationPHI detection

HIPAA MRN-greining án þess að vera sérfræðingur í reglulegar tjáningar

Snið sjúklingsnúmers sjúkrahúss þíns er ekki í neinu hefðbundnu PII-verkfæri. Hér er hvernig þú bætir því við á fimm mínútum. Enginn kóði nauðsynlegur.

Tölvuver heilbrigðiskerfisins stendur frammi fyrir HIPAA-vandamáli sem aðrir geirar hafa ekki. Auðkennið sem þeir þurfa hvað mest að finna — sjúklingsnúmerið (Medical Record Number, MRN) — er sett af þeirra eigin sjúkrahúsi. Engin þjóðleg staðlað er til.

Hvert HIPAA-nafnlægingarverkefni þarf sérsniðna uppsetningu. Án hennar renna MRN-tölur í gegn gegnum "nafnlægð" skrár óuppgötvaðar.

Vandamálið með margar stofnanir og mismunandi MRN-snið

Sjúkrahúsanet sem eru byggð upp í gegnum samruna hafa arfleifðar rafrænar sjúkraskráarkerfi. Hvert kerfi hefur sitt eigið MRN-snið:

  • Memorial Hospital (Epic): MRN:XXXXXXX — 7 stafa númer með forskeyti
  • St. Mary's (Cerner): PT-YYYYY — 5 stafa með sjúklingaforskeyti
  • University Hospital (Meditech): UHN-XXXXXXXXXX — 10 stafa blönduð
  • Heilsugæsla (sjálfstætt rafrænt sjúkraskráarkerfi): C\d{5} — stafurinn C plús 5 tölur

HIPAA Safe Harbor krefst þess að fjarlægja öll 18 tegundir auðkenna. Flokkur 8 eru sjúklingsnúmer. Verkfæri sem þekkir ekki snið þitt mun missa af þeim. Skráin lítur hrein út. Hún er það ekki.

ServiceNow heilbrigðissamfélagið hefur bent á þetta nákvæmlega. Hefðbundin verkfæri grípa kennitölur og símanúmer. Þau missa af stofnanasértækum MRN í hvert skipti.

Hindrunin í reglulegar tjáningar

Að bæta við sérsniðnum reglum við Microsoft Presidio — opna uppsprettuna sem liggur til grundvallar mörgum HIPAA-verkfærum — krefst raunverulegrar sérþekkingar:

  • Þú þarft að þekkja PatternRecognizer flokkinn
  • Þú verður að skrifa reglulegar tjáningar í Python-setningafræði
  • Þú verður að setja upp YAML-stillingarskrár
  • Þú verður að stilla traustgildi
  • Þú verður að prófa og kemba Python-forskriftir

Samræmisyfirmaður sem þekkir MRN-snið getur ekki gert þetta einn og sér. Lagfæringin endar sem verkfræðimiðlun. Hún bíður í biðröð í 6–8 vikur. Glufan helst opin.

Gervigreindarstudd mynstursframleiðsla

Þar er hraðari leið. Lýstu mynstrinu í venjulegum orðum. Fáðu virka reglulega tjáningu til baka.

Skref:

  1. Opnaðu sérsniðna einingasmíðatólið
  2. Gefðu dæmi: "Okkar MRN-tölur líta svona út: MRN:1234567, MRN:9876543, MRN:0001234"
  3. Gervigreind smíðar regluna: MRN:\d{7}
  4. Prófaðu á 10 sýniskrám
  5. Fundu allar MRN-tölur? Vistaðu og settu í gildið.

Fyrir net með fjórum MRN-sniðum:

  • Memorial Hospital → MRN:\d{7}
  • St. Mary's → PT-\d{5}
  • University Hospital → UHN-[A-Z0-9]{10}
  • Heilsugæsla → C\d{5}

Búðu til fjórar sérsniðnar einingar. Settu þær saman í forskilgreiningu. Keyra á allar skrár. Tími: einn eftirmiðdagur.

Sjá sérsniðin MRN-greining í HIPAA-rörlínum án kóða fyrir fullkomna leiðsögn.

Staðfesting fyrir Safe Harbor

HIPAA Safe Harbor segir að skylt aðili verður ekki að hafa "raunverulega þekkingu" um að gögnin gætu auðkennt einhvern. (45 CFR §164.514(b))

Staðfesting sýnir að sérsniðnar reglur þínar ná yfir allar 18 tegundir auðkenna.

Skref 1: Draga sýni. Sóttu 100 skrár frá hverri stöð. Blandaðu tímasetningum og deildum.

Skref 2: Keyra greiningu. Vinndu 400 skjöl með sérsniðnum reglum þínum.

Skref 3: Mannleg yfirferð. Farðu yfir 20 skjöl í höndum (5% sýni). Leitaðu að MRN-tölunum sem vantar og röngu smellum.

Skref 4: Fínstilla reglur. Vantar MRN-tölur? Víkkaðu mynstrið. Of margir rangir smellir? Bættu við orðamörkum.

Skref 5: Skráðu þetta. Skráðu regluna, sýnisstærðina, niðurstöðurnar og dagsetninguna. Þessi skrá er Safe Harbor-gögn þín.

Sjá skýrleg þurrkun og HIPAA-endurskoðunarslóðir til að fá frekari upplýsingar um hvað á að skrá.

Full Safe Harbor-umfjöllun

Eftir að MRN-greining er lagfærð, skoðaðu allar 18 flokkar.

FlokkurHefðbundin verkfæriSérsniðið þarf?
1. NöfnNER-líkanNei
2. Landfræðileg gögnStaðsetningugreiningNei fyrir ríki; Já fyrir staðarkóða
3. DagsetningarDagsetningugreiningNei
4. SímanúmerSímagreiningNei
5. FaxnúmerSímagreiningNei
6. NetföngNetfangsgreiningNei
7. KennitölurKennitölugreiningNei
8. SjúklingsnúmerEkki innbyggtJá — stöðvarsértækt
9. SjúkratryggingaauðkenniHlutlægtOft já — greiðandisértækt
10. ReikningsnúmerHlutlægtOft já — reikningssniðmát
11. LeyfissnúmerHlutlægtOft já — ríkjasértækt
12. ÖkutækjaauðkenniHlutlægtSjaldgæft í klínískum skjölum
13. TækjaauðkenniHlutlægtJá ef tæki eru í skrám
14. VefslóðirVefslóðagreiningNei
15. IP-tölurIP-greiningNei
16. Líffræðileg auðkenniTextasamhengiSjaldgæft í útskriftargreinum
17. LjósmyndirMynd eingönguUtan sviðs fyrir texta
18. Önnur einstök auðkenniEkki innbyggtJá — stöðvarsértækt

Fyrir klínísk textagögn, flokkar 8, 9, 10 og 18 þurfa oftast sérsniðna uppsetningu.

Samhengi klínískra skjala

Útskriftargreinar, klínískar greinar og aðgerðarskýrslur eru helstu skrárnar sem er deilt til rannsókna. Þær innihalda:

  • MRN-tölur í hausum og fótum
  • Reikningsnúmer í reikningshlutar
  • Dagsetningar fyrir öll atvik — innlögn, aðgerð, rannsóknarstofa, lyf
  • Nöfn lækna og DEA-númer
  • Upplýsingar um tilvísunarlækni
  • Sjúkratryggingaauðkenni félagsmanna

Sérsniðnar reglur fyrir stöðvarsértæk snið par saman við innbyggðar reglur fyrir hefðbundin snið. Þetta par gefur þér fulla Safe Harbor-umfjöllun.

Niðurstaða

HIPAA-nafnlæging án sérsniðinna reglna er ekki Safe Harbor-nafnlæging. Snið sjúklingsnúmers hvers sjúkrahúss er einstakt. Hefðbundin verkfæri missa af þeim. Samræmisglufan er raunveruleg og helst opin þar til þú lokar henni.

Gervigreindarmynstursframleiðsla styttir lagfæringuna frá 6–8 vikna verkfræðivinnu yfir í einn eftirmiðdag samræmisvinnu. Lýstu sniðinu. Prófaðu það á raunverulegum skrám. Settu í gildið. Lokið.

Heimildir

Ertu tilbúinn að vernda gögnin þín?

Byrjaðu að anonymiza PII með 285+ gerðum í 48 tungumálum.

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.