anonym.legal

By · Last updated 2026-06-05

Назад на блоготЗдравство

HHS 2025: Клиничките белешки со ВИ бараат откривање PHI пред зачувување во EHR

Системите за транскрипција со ВИ можат ненамерно да ги постават PHI-информациите на Пациент А во досието на Пациент Б. Еве зошто откривањето PHI во реално време пред запишување во EHR е клучната контрола.

June 5, 20269 мин читање
HIPAA complianceclinical documentationPHI detectionEHR privacyHHS 2025

Проблемот со приватноста кај клиничките белешки создадени со ВИ

Ажурирано за 2026 година

Болниците и клиниките користат ВИ за пишување клинички белешки. ВИ транскрибира глас и подготвува текст. Но ова создава јаз во HIPAA кој рачниот преглед не може да го затвори.

Клиничките белешки создадени со ВИ ги изложуваат пациентските досиеа на три начини:

  1. Вкрстена контаминација: ВИ може да повлече информации од еден пациент во досието на друг пациент. Медицинските ВИ студии го покажале овој ризик.
  2. Истекување на контекст: Информациите за пациентот завршуваат во погрешното поле - белешка за наплата, истражувачко поле или образец за упатување. ВИ ги пополнува полињата по контекст, не по намена на полето.
  3. Употреба на податоци од страна на провајдерот: Многу ВИ провајдери ги враќаат белешките за преглед на моделот освен ако не се откажете. Ова ги испраќа информациите за пациентот на сервери на трети страни. Тие сервери можеби немаат потпишан BAA.

HHS објави предложено правило во 2025 година. Тој вели дека субјектите кои користат ВИ алатки мора да ги вклучат тие алатки во нивната анализа на ризик. Ова создава формално правило за клиничка работа со помош на ВИ.

Правилото на HHS за анализа на ризик при употреба на ВИ за 2025 година

HHS предложи нови правила за покриените субјекти кои користат ВИ. Секој ВИ систем кој допира до пациентски досиеа мора да се појави во анализата на ризик на субјектот.

Правилото има три дела:

Технички заштитни мерки: Прегледајте ја секоја ВИ алатка. Прашајте:

  • Дали ги испраќа пациентските досиеа надвор од вашите системи?
  • Дали ги складира пациентските досиеа на своите сервери по употребата?
  • Дали ги запишува информациите за пациентот во погрешното досие?

Обука на персоналот: Обуката мора да ги покрие ризиците специфични за ВИ. Тоа вклучува случаи на мешање на досиеа.

Физички контроли: Работните станици кои работат со ВИ алатки мора да бидат дел од физичките контроли за пристап.

Клиничките ВИ алатки вклучуваат услуги за говор-во-текст, алатки за подготвување ВИ белешки и алатки за кодирање.

Зошто откривањето пред зачувување функционира

Најдобрата техничка контрола е откривањето PHI пред белешката да се зачува во EHR.

Без откривање пред зачувување:

  • ВИ го пишува нацртот
  • Персоналот го прегледува рачно, под временски притисок
  • Белешката се зачувува во EHR
  • Грешките со PHI сега се во постојаниот запис
  • Нивното поправање бара записи за ревизија и преглед за прекршување

Со откривање пред зачувување:

  • ВИ го пишува нацртот
  • Скенирањето за PHI се извршува пред зачувување на белешката
  • Означените ставки одат кај персоналот за преглед
  • Персоналот ги поправа грешките пред зачувување
  • Записот во EHR е чист од самиот почеток

Откривањето пред зачувување ги исполнува барањата на HIPAA Правилото за безбедност 164.312(b). Тоа правило бара системи кои евидентираат и проверуваат активности. Скенирањето пред зачувување создава ревизорски запис за секоја прегледана белешка.

18-те PHI-категории во ВИ белешките

HIPAA Safe Harbor бара отстранување на 18 категории PHI (45 CFR 164.514(b)). ВИ белешките можат да ги изнесат сите 18 на начини кои можеби не ги очекувате:

  • Имиња - пациентот именува член на семејство во историјата на симптоми
  • Локација - домашна адреса во социјалната историја
  • Датуми - датуми на раѓање, датуми на прием, датуми на процедури
  • Телефонски и факс-броеви - контакт-информации во белешките за упатување
  • Е-пошта адреси - контакт-детали дадени од пациентот
  • SSN-броеви - контекст на осигурување
  • Броеви на медицински досиеа - вкрстено референцирани во ВИ-резимеа
  • Броеви на здравствени планови - контекст на осигурување
  • Броеви на сметки - контекст на наплата
  • Лиценцни броеви - информации за лиценцата на давателот на услуги во упатувањата
  • Идентификатори на возила - контекст на незгода во траума белешките
  • Идентификатори на уреди - белешки за имплантати
  • URL-адреси - врски испратени од пациентот до здравствени досиеа
  • IP-адреси - дневници на оддалечени сесии
  • Биометриски идентификатори - отпечатоци на прсти или гласовни отпечатоци
  • Фотографии - поврзани медиуми во ВИ системи
  • Секој друг уникатен идентификатор - приспособени идентификатори на установата

ВИ моделите можат да создадат кое и да е од овие од контекст. Откривањето мора да ги покрие сите 18 - не само SSN-ови и датуми.

Kako да се додаде откривање пред зачувување

Проверката на PHI пред зачувување следи пет чекори:

  1. ВИ го пишува нацртот на белешката
  2. Текстот на белешката оди до API за откривање пред персоналот да го види
  3. Означените ставки се прикажани во нацрт-приказот
  4. Персоналот ги прегледува ознаките за време на нормалниот преглед на белешката
  5. Персоналот ја зачувува белешката - без означени ставки, или со забележана причина

Што му е потребно на системот:

  • Брзина: под 200ms за да не го успорувате работниот тек
  • Покривање: сите 18 HIPAA категории плус локални обрасци како вашиот MRN-формат
  • Оценување: ставките над 85% автоматски се означуваат; 50-85% бараат преглед од персоналот; под 50% се прикажани само за референца
  • Ревизорски дневник: евидентирајте секоја означена ставка, нејзиниот резултат и одлуката на рецензентот

Ревизорскиот дневник ви дава директен доказ за анализата на ризик на HHS. Покажува дека имате контроли за PHI создаден со ВИ.

Случај на употреба: Откривање пред зачувување во медицински центар

Еден академски медицински центар користеше амбиентен ВИ систем за белешки на лекари. Ревизија за 90 дена откри два случаи на мешање. Во едната белешка имаше датум на раѓање на друг пациент. Во втората имаше ime и SSN на член на семејство од социјалната историја.

По додавањето на откривање PHI пред зачувување:

  • Сите ВИ нацрти беа скенирани пред прегледот на лекарот
  • Просечно време на скенирање: 47ms - не се чувствува во работниот тек
  • За 90 дена: 1.247 ставки беа означени во 8.400 белешки
  • Персоналот прегледа и реши 94% од означените ставки
  • Нула инциденти со мешање на досиеа по лансирањето

Системот произведува месечен извештај. Покажува стапки на откривање, стапки на преглед и типови на ентитети. Овој извештај служи како доказ за контрола на ревизија под HIPAA Правилото за безбедност 164.312(b).

Тимовите кои го градат овој работен тек можат да го користат API за откривање PHI на anonym.legal. Покрива сите 18 HIPAA категории со латентност под 200ms. Погледнете го водичот за интеграција на откривање PHI за чекори за поставување. За целосен контекст, посетете ја страницата случаи на употреба во здравствена заштита.

Извори

Подготвени да ги заштитите вашите податоци?

Започнете со анонимизација на PII со 285+ типови на ентитети на 48 јазици.

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.