CISOがクラウドでのPHI処理にノーと言うとき

医療分野の侵害問題

2026年版に更新： 2024年の医療データ侵害725件で、275 million 件の記録が流出しました（HHS OCR）。この数字は米国の総人口を上回ります。

コストも高額です。医療分野の侵害は一件あたり平均10.22 million ドルです。 これは全業界で最高の額であり、十五年連続です（IBM Cost of Data Breach 2025）。医療分野の侵害の半数は、ベンダーまたは業務提携先から始まります（HHS OCR 2024）。脅威は内部だけにあるわけではありません。

こうした数字は、病院幹部の行動を変えました。大規模な医療システムでは、CISOはPHIを扱う業務へのクラウドツールの利用を承認しません。リスクが高すぎるためです。

これは臨床チームにとって深刻な対立を生みます。研究、品質報告、学習用データセットのために、診療記録から患者データを取り除く必要があります。大規模でもよく機能するツールが必要です。ところがクラウドツールはブロックされています。そして、そのギャップは広がっています。

クラウドPHIツールがブロックされる理由

HHS Civil Rightsは執行を強化しています。2024年のHIPAAセキュリティ規則の更新は、2013年以来初の大きな変更でした。そこには、明確な新しい要件が加えられました。

• すべての電子PHIについて、通信中および保管中の暗号化
• すべての第三者ベンダーとの事業提携契約（BAA）
• ベンダー選定ごとのリスク分析記録
• インシデント対応計画

病院がクラウドの匿名化ツールを審査するとき、セキュリティチームは三つのことを示さなければなりません。一つ目：ベンダーがPHIを見られないこと。二つ目：BAAがその具体的な利用ケースに適合していること。三つ目：ベンダーで侵害が起きても患者記録が漏れないこと。

医療分野の侵害の半数は、すでにベンダーから始まっています。そのため、リスク管理チームはクラウドPHIツールを承認できないことがよくあります。ベンダーのセキュリティに関する主張がどれほど強力でも、これは変わりません。

BAAを締結していても、CISOの見方はたいてい同じです。BAAは侵害後に責任を割り当てるもので、侵害を防ぐものではありません。連鎖の中にベンダーをこれ以上増やす必要はありません。当社のセキュリティ概要では、ローカル処理がその連鎖をどのように断ち切るかを説明しています。

精度の問題

より単純なツールで足りるなら、クラウドのブロックはそれほど問題になりません。調査によれば、それはできません。

2025年の調査では、汎用のLLMツールは、自由記述の診療記録に含まれる臨床PHIの半分以上を見逃すことが分かりました（arXiv:2509.14464）。HIPAAのセーフハーバーでは、18種類の識別子を除去する必要があります。診療記録は、これらの識別子を略語、地域特有の用語、他言語の単語の中に隠します。

標準的なツールは、次のようなケースを見逃します。

• 「Pt. J.D., DOB 4/12/67」— 短縮された氏名と日付の形式
• 「Dx: HCC f/u, appt at UCSF MC」— 臨床の略記の中にある病院名
• 「Seen by Dr. Smith in ED #3, Room 12B」— 部屋番号付きの医療提供者名
• MRNの形式（7-8桁、施設によって異なる）が他の数字と混同される

50%以上の見逃し率の記録から作られた研究データセットは、HIPAAの規則を満たしません。IRBの問題も生じます。論文の公表後にその欠落が明らかになれば、執行措置を受けるおそれもあります。当社のコンプライアンスのページでは、セーフハーバーと専門家決定の両方の基準を扱っています。

ツールのギャップ

臨床情報学チームは現実のギャップに直面しています。どの選択肢にも深刻な限界があります。

商用クラウドサービスはよく機能します。しかし、保護対象の医療データを外部のベンダーに送る必要があります。大規模な病院システムの多くは、これをブロックしています。

オープンソースツール（PresidioやMISTなど）はオンサイトで動作します。しかし、大がかりなセットアップと継続的な保守が必要です。追加のカスタム作業なしでは、HIPAAの精度に届かないことがよくあります。主要用語の平易な定義は、当社の用語集をご覧ください。

手作業による匿名化（専門家決定の方式）には、訓練を受けた統計学者が必要です。統計学者は、再識別のリスクが非常に小さいことを示さなければなりません。これは少数の記録には有効ですが、50,000+ 件の記録では機能しません。

ハイブリッド方式は、自動ツールと、フラグが付いた項目の手作業による確認を組み合わせます。これは量への対応に役立ちます。しかし、自動化された部分の精度の問題は解決しません。

必要なものは明確です。臨床チームには、クラウド並みの精度（NLP、正規表現、トランスフォーマーモデル）が必要で、しかも文書自体はローカルのハードウェア上に留まる必要があります。ネットワークの規則によって、それは外部への呼び出しがまったくない同梱ツール（anonym.plus）か、ファイルはローカルマシンで読み取り、検出は許可リストに載った一社のEUホスト型ベンダーAPIで実行されるツール（後述のanonym.legalのデスクトップアプリ）のいずれかを意味します。

2024年の規制面での対応

2024年の725件の侵害は、強い規制面での対応を招きました。

HHS Civil Rightsは、その年に120件を超えるHIPAA執行措置を行いました。罰金は過去最高の水準に達しました。2025年三月に提案されたHIPAAセキュリティ規則の更新は、新たな要件を加えます。

• 年次の暗号化監査
• 電子PHIを扱うすべてのシステムでの多要素ログイン
• サイバーセキュリティに関する開示義務
• より厳格なベンダー監督規則

対象事業体にとって、コンプライアンスのコストは上がり続けています。罰金は増えています。記録によってコンプライアンスを証明する作業も増えています。これらの規則に関するよくある質問は、当社のFAQで扱っています。

HIPAAは、匿名化について明確な基準を定めています。セーフハーバーは、18種類すべての識別子を除去します。専門家決定は、再識別リスクが低いことの証明を求めます。PHIの半分以上を見逃すツールは、どちらの基準も満たしません。

ローカル匿名化に必要なもの

ローカルツールは、クラウドサービスと同等の検出品質を備えなければなりません。そのためには四つの層が必要です。

層1 — 臨床パターンを備えた正規表現。 構造化された識別子（MRN、SSN、NPI、DEA番号）は、正規表現によく適合します。優れた臨床ライブラリは、医療システム全体で使われるMRN形式をカバーします。これらは施設ごとに大きく異なります。

層2 — 固有表現抽出。 診療記録は、PHIを平文の中に隠します。医師の名前は説明文の中に現れます。患者の名前はさまざまな形式で現れます。場所は既往歴の中に出てきます。臨床テキストで学習したNLPモデルは、これらすべてを見つけることができます。

層3 — 複数の言語。 米国の医療は、多くの言語を話す患者に対応しています。PHIは、翻訳された記録の中に、患者の母語で現れることがあります。スペイン語、中国語、アラビア語、ベトナム語、タガログ語は、いずれも米国の患者記録に現れます。検出はそのすべてをカバーしなければなりません。

層4 — 文脈スコアリング。 七桁の数字は、ある記録ではMRNであり、別の記録では薬の用量です。文脈スコアリングは誤検出を減らします。つまり、確認用のフラグが減り、監査結果がより明快になります。

大規模なバッチ処理

研究データセットは大規模です。ある学術医療センターの五年間のプロジェクトには、500,000 件の自由記述の診療記録が含まれることがあります。この量を処理するには、ツールに次のものが必要です。

• 多数の文書を同時に実行する並列処理
• DOCX、PDF、プレーンテキスト、EHRエクスポートのサポート
• 進捗の追跡と、失敗した項目のエラーログ
• 何がいつ処理されたかを示す監査証跡
• 研究パートナーへ簡単に転送できるZIP出力

手作業の確認は、この規模ではスケールしません。クラウドツールはブロックされています。唯一の道は、強力なバッチ対応を備えた、正確なローカル処理です。

実際のワークフロー

ある地域の病院が、大学のパートナーとの共同研究のために、匿名化されたEHRデータセットを必要としています。CISOは、2024年の侵害の数字を受けて、患者データのクラウド処理をブロックしました。

ローカルファーストのツールを使ったワークフローは次のとおりです。

1. エクスポート。 EHRシステムが、50,000 件の診療記録をDOCX文書として、安全なローカルフォルダにエクスポートします。
2. 処理。 デスクトップアプリが、ローカルのワークステーション上で、5,000 件ずつ10回のバッチを一晩で実行します。
3. 確認。 臨床情報学チームが、HIPAAセーフハーバーの規則に照らして、サンプルを確認します。
4. 記録。 処理ログに、処理した全項目、使用した検出方法、タイムスタンプが記録されます。これがIRBの監査証跡です。
5. 転送。 匿名化された出力はパッケージ化され、安全な経路で大学に送られます。

患者データが病院のネットワークの外に出ないため、CISOは承認します。この方法がセーフハーバーの文書化規則を満たすため、IRBは承認します。大学は、そのデータ利用契約に適合したデータを得ます。さらに実際の例は、当社の導入事例をご覧ください。

このアプローチの限界

ローカルで正確なPHI匿名化は、CISOのクラウドへの異議と精度への異議の両方に一度に答えます。しかし、匿名化は確率的なプロセスであり、クラウドツールがPHIの半分を見逃すことを示した同じ調査は、このツールを含むすべてのツールに当てはまる警告です。

どの検出器も、臨床PHIの100%を捕捉することはできません。 診療記録は、識別子を略記、綴りの誤り、自由記述の文章、他言語の中に隠します。多層のローカルパイプラインは、汎用のLLMよりはるかに多くを捕捉しますが、取りこぼしが残ることは避けられません。研究用の公開では、セーフハーバーに照らした人手によるサンプル確認が、データセットを正当化できるものにする統制です。それは形式的なものではなく、方法の一部です。

セーフハーバーを満たすことは判断であり、ツールの出力ではありません。 セーフハーバーでは、18種類すべての識別子を除去し、残りの情報で再識別が可能かもしれないという実際の認識がないことが求められます。ツールは識別子を除去します。基準が満たされたことの確認、あるいは専門家決定の依頼は、引き続き対象事業体と、貴組織のIRBの責任です。

識別子を除去しても、再識別のリスクは残ります。 稀な診断、小さな母集団、日付、準識別子は、18種類を取り除いた後でも患者を再識別しうるものです。リスクの高いデータセットでは、セーフハーバーだけでなく、統計的なリスク分析を伴う専門家決定が適切な基準です。

ローカル展開は、保守の負担をあなたに移します。 オフラインのモデルはスナップショットです。検出パターン、言語モデル、MRN形式を最新に保つことは、今後はあなたのチームの仕事になります。古くなったローカルツールは、導入時に検証した精度を下回る可能性があります。初日の性能が続くと思い込まず、定期的に再検証してください。

anonym.legalのデスクトップアプリは、クラウド品質のPHI匿名化を提供します。Presidio NLP、正規表現、XLM-RoBERTaトランスフォーマーの三層の検出を使用します。ローカルにインストールされ、ローカルで動作しますが、検出自体はanonym.legalのサーバー上で実行されます。アプリは検出モデルを同梱しておらず、インターネット接続が必要です。許可リストにより、接続はanonym.legalのみに限定されます。HIPAAセーフハーバーの18種類すべての識別子に対応しています。バッチ実行では、一度に1–5,000 件の文書を処理できます。

出典

• HHS OCR Healthcare Breach Statistics 2024 — VERIFIED-EXTERNAL
• IBM Cost of a Data Breach Report 2025 — VERIFIED-EXTERNAL
• arXiv:2509.14464 — LLM De-Identification Survey (2025) — VERIFIED-EXTERNAL
• DeepStrike: Healthcare Data Breaches 2025 Statistics — VERIFIED-EXTERNAL
• IntuitionLabs: Open-Source PHI De-Identification Tools — VERIFIED-EXTERNAL