By · Last updated 2026-04-28

Atpakaļ uz BloguVeselības Aprūpe

18 HIPAA identifikatori, kurus jūsu rīks palaida garām

HIPAA uzrāda 18 PHI identifikatoru kategorijas. Lielākā daļa anonimizācijas rīku atklāj varbūt 6 no tiem. Medicīnisko ierakstu numuri katrai iestādei atšķiras — ASV nav standarta formāta.

April 28, 20269 min lasīšanai
HIPAA 18 identifiersPHI complete detectionMRN detectionNPI DEA numbersHIPAA Safe Harbor compliance

18 HIPAA identifikatori, kurus jūsu rīks palaida garām

Atjaunināts 2026. gadam.

HIPAA uzrāda 18 PHI identifikatoru kategorijas. Lielākā daļa anonimizācijas rīku atklāj varbūt sešus. Pārējie divpadsmit izslīd cauri — un katrs ir atbilstības plaisa.

Drošās piestātnes noteikums

HIPAA Privātuma noteikums (45 CFR § 164.514) definē drošās piestātnes de-identifikāciju. Visas 18 identifikatoru kategorijas jānovērš. Noņemiet katru, un dati pēc likuma ir de-identificēti. Tāpēc drošā piestātne ir populāra: tas ir "garām" vai "caurlaide", nevis sprieduma lēmums.

18 kategorijas ir:

  1. Vārdi
  2. Ģeogrāfiskie dati mazāki par štatu — ielas adrese, pilsēta, apgabals, pasta indekss
  3. Datumi izņemot gadu — dzimšana, uzņemšana, izrakstīšana, nāve
  4. Tālruņa numuri
  5. Faksa numuri
  6. E-pasta adreses
  7. Sociālās apdrošināšanas numuri
  8. Medicīnisko ierakstu identifikatori (MRN)
  9. Veselības apdrošināšanas saņēmēju numuri
  10. Konta identifikatori
  11. Sertifikātu un licenču numuri
  12. Transportlīdzekļu identifikatori un sērijas numuri
  13. Ierīces identifikatori un sērijas numuri
  14. Tīmekļa URL
  15. IP adreses
  16. Biometriskie identifikatori — pirkstu nospiedumi, balss nospiedumi
  17. Sejas pilnizmēra fotogrāfijas un līdzīgi attēli
  18. Jebkurš cits unikāls identificējošs kods vai vērtība

Lielākā daļa rīku labi apstrādā 1., 4., 6. un 7. kategoriju. Tie regulāri palaiž garām 8., 9., 10., 11., 13. un 18. kategoriju.

MRN plaisa

Medicīnisko ierakstu identifikatori atrodas 8. kategorijā. MRN formātus nosaka katra slimnīca. Nav ASV nacionālā standarta.

A slimnīca izmanto 7 ciparu veselu skaitli. B slimnīca izmanto "PT-YYYYNNNN". C slimnīca izmanto 8 rakstzīmju burtciparu virkni. D slimnīca raksta "MRN: " pirms 9 ciparu koda.

Vispārīgs rīks neatzīmēs "PT-2024-8847" kā PHI. Dokuments iziet de-identifikācijas pārbaudes. Taču tas nav de-identificēts. Neviens brīdinājums neskanēs. Komanda domā, ka darbs ir pabeigts. Tas nav.

Šī ir sliktākā plaisa: klusā.

Trīs veidi, kā to novērst

Kodēt Presidio. Tam vajadzīgas Python prasmes un pastāvīga uzturēšana. Tas darbojas, bet prasa laiku.

Pievienot manuālu pārskatīšanu. Persona pārbauda katru dokumentu MRN. Tas nav mērogojams.

Izmantot AI palīdzētu pielāgotu entitāšu izveidi. Nav vajadzīgs kods. Komanda sniedz parauga vērtības. AI izveido shēmu.

Lūk, kā tas darbojas. Komanda sniedz piecas parauga MRN vērtības: SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001. AI atgriež SVHS-\d{7} un pārbauda to pret paraugiem. Komanda to saglabā savā HIPAA priekšiestatījumā. Visas turpmākās sesijas atklāj formātu. Tā pati pieeja darbojas saņēmēju numuriem un ierīces sērijas numuriem.

Skatiet, kā priekšiestatījumi darbojas HIPAA MRN atklāšanas rokasgrāmatā. Uzziniet par AI shēmas darbplūsmu.

Slēptais pieņēmums

Daudzi uzņēmumi pārbauda uz parauga dokumenta ar vārdu un tālruņa numuru. Rīks iziet. Viņi pieņem pilnu segumu. Taču paraugi reti ietver iestādes specifiskos identifikatorus. MRN un saņēmēju numuri vispārīgam rīkam izskatās kā nejaušas virknes. Tie iziet bez atzīmes.

Patiess drošās piestātnes audits visas 18 kategorijas kartē uz atklāšanas metodi. 8. kategorijai verificējiet ar reāliem MRN paraugiem no savas slimnīcas. Neuzņemieties, ka rīks zina jūsu formātu.

Pilnu ietvaru pārskatiet mūsu HIPAA atbilstības pārskatā.

Secinājums

Drošā piestātne prasa visu 18 identifikatoru kategoriju noņemšanu. Vispārīgi rīki aptver daudz mazāk. Plaisas — MRN, saņēmēju numuri, ierīces sērijas numuri — nav standarta formāta, tāpēc vispārīgi rīki tos palaida garām. AI palīdzētas pielāgotas entitātes aizpilda plaisu bez koda vai manuālas pārskatīšanas.

Avoti

  • HHS: HIPAA drošā piestātne, 45 CFR § 164.514 — hhs.gov.
  • Shaip: PHI identifikatoru veidi veselības aprūpes de-identifikācijā — shaip.com.
  • HHS OCR: De-identifikācijas norādījumi, atjaunināti 2024. gadā — hhs.gov.

Vai esat gatavi aizsargāt savus datus?

Sāciet PII anonimizāciju ar 285+ entitāšu veidiem 48 valodās.

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.