By · Last updated 2026-05-30

Kembali ke BlogPenjagaan Kesihatan

HIPAA: Pengesanan MRN Khusus Hospital

HIPAA Safe Harbor memerlukan penyingkiran nombor rekod perubatan — tetapi format MRN tidak diseragamkan. Epic, Cerner, dan Meditech semuanya menggunakan format yang berbeza.

May 30, 20267 min baca
HIPAA Safe Harbormedical record numbersMRN detectionhealthcare compliancecustom PII patterns

Dikemas kini untuk 2026

De-Pengenalan HIPAA Safe Harbor: Mengesan Format MRN Khusus Hospital Tanpa Kejuruteraan

HIPAA Safe Harbor memerlukan penyingkiran nombor rekod perubatan. Ini adalah salah satu daripada 18 jenis ID yang diperlukan. Kedengarannya mudah. Masalahnya adalah format MRN tidak diseragamkan.

Epic menggunakan satu format. Cerner menggunakan format yang berbeza. Meditech menggunakan format lain. Setiap hospital menambah kod sendiri. Kumpulan kesihatan serantau mencipta lebih banyak format lagi. Alat PII standard tidak dapat mengetahui format anda. Ia akan terlepas MRN anda.

Ini bukan risiko kecil. Pasukan IT penjagaan kesihatan sering menemui MRN masih dalam set data yang sepatutnya dinyahkenalpasti. Alat itu hanya disediakan untuk jenis PII yang biasa.

Masalah Format MRN

AS tidak mempunyai standard nasional untuk nombor rekod perubatan. Setiap hospital atau vendor EHR mentakrifkan formatnya sendiri.

Corak biasa yang diperhatikan:

  • Gaya Epic: Numerik 8–12 digit (cth. 123456789)
  • Gaya Cerner: Awalan kod hospital + numerik (cth. MGH-987654)
  • Rangkaian serantau: Kod kemudahan + tahun + urutan (cth. HOSP-2023-456789)
  • Hal Ehwal Veteran: 9 digit dengan digit semak
  • Sistem pediatrik: Awalan jenis pesakit + numerik (cth. PED-12345678)

Tiada satu peraturan yang sepadan dengan semua ini. Tiada corak MRN sejagat.

Apa yang alat PII standard tangkap: Kebanyakan alat HIPAA menumpukan pada ID format tetap. SSN mengikuti XXX-XX-XXXX. Nombor telefon mengikuti XXX-XXX-XXXX. Alamat e-mel mempunyai bentuk yang jelas. Ini mudah ditemui.

MRN, nombor akaun, dan nombor lesen adalah jenis HIPAA 8, 10, dan 11. Ini berbeza mengikut hospital. Mereka memerlukan persediaan tersuai. Alat generik tidak akan menangkapnya.

Jurang Pematuhan

Sebuah hospital serantau ingin berkongsi data pesakit dengan rakan penyelidikan universiti. EHR mereka menggunakan format MRN ini: HOSP-YYYY-XXXXXX.

Mereka menjalankan data melalui alat HIPAA mereka. Alat itu menyingkirkan nama, tarikh, nombor telefon, dan SSN. Ia tidak mengalih keluar MRN. HOSP-2023-456789 tidak sepadan dengan peraturan terbina dalam.

Penyelidik mendapat set data. Mereka menyertainya dengan rekod mereka sendiri. Rekod tersebut termasuk MRN daripada rujukan lalu di hospital yang sama. Ramai pesakit kini boleh dikenalpasti semula. Hospital mengalami pelanggaran HIPAA.

Ini adalah mod kegagalan yang nyata. Lihat juga de-pengenalan HIPAA Safe Harbor untuk penyelidikan penjagaan kesihatan untuk maklumat lanjut tentang di mana Safe Harbor gagal.

Penyelesaian: Penciptaan Entiti Tersuai

Penyelesaiannya adalah mentakrifkan format MRN anda sebagai entiti tersuai. Pegawai pematuhan boleh melakukan ini. Tiada jurutera diperlukan.

Langkah-langkah:

  1. Tuliskan format: "Bermula dengan HOSP, kemudian sengkang, tahun 4 digit, sengkang, dan nombor 6 digit"

  2. Gunakan alat AI untuk membina regex: HOSP-\d{4}-\d{6}

  3. Ujinya pada 20 ringkasan discaj. Sahkan ia menangkap semua MRN.

  4. Simpannya sebagai entiti tersuai bernama "Hospital MRN"

  5. Tambahkannya ke praset HIPAA anda bersama 17 jenis ID standard

Proses ini mengambil masa pegawai pematuhan kira-kira 3 hari. Membina kod tersuai boleh mengambil masa 3 bulan.

Contoh: Rangkaian Hospital 15 Kemudahan

Organisasi: Rangkaian hospital serantau 15 kemudahan

Format MRN: HOSP-YYYY-XXXXXX (dalam ribuan PDF ringkasan discaj)

Matlamat: Berkongsi set data penyelidikan dengan rakan universiti di bawah perjanjian penggunaan data HIPAA

Pendekatan lama: Vendor de-pengenalan luaran pada $120,000 setahun

Jurang yang ditemui: Alat vendor tidak mengesan format MRN khusus institusi

Aliran kerja baharu:

  1. Pegawai pematuhan mentakrifkan corak MRN — 20 minit
  2. AI mengesahkan regex — 5 minit
  3. Uji pada 50 ringkasan sampel — 30 minit
  4. Sahkan tiada MRN yang tersisa, tiada positif palsu — 10 minit
  5. Tambah entiti tersuai ke praset HIPAA
  6. Jalankan set data penuh 50,000 rekod dalam kelompok

Jumlah masa untuk menutup jurang: satu petang.

Rangkaian Pelbagai Kemudahan: Pelbagai Format MRN

Rangkaian hospital yang dibina melalui penggabungan sering menjalankan beberapa sistem EHR. Setiap sistem warisan mungkin menggunakan format MRN yang berbeza.

Cara menanganinya:

Cipta entiti tersuai berasingan untuk setiap format:

  • "Format MRN A (Epic)" — numerik 8 digit
  • "Format MRN B (Cerner warisan)" — awalan + numerik 7 digit
  • "Format MRN C (ahli gabungan yang diambil alih)" — kod negeri + tahun + urutan

Satu praset menyimpan ketiga-tiga entiti tersuai ditambah jenis ID HIPAA standard. Setiap dokumen dari setiap kemudahan akan menyingkirkan MRN-nya.

Lihat pengesanan MRN tersuai dalam saluran paip HIPAA tanpa kod untuk panduan langkah demi langkah persediaan pelbagai format ini.

Melampaui MRN: Pengecam Bukan Standard Lain

Pendekatan yang sama berfungsi untuk jenis ID HIPAA Safe Harbor yang lain.

Nombor ahli pelan kesihatan (Kategori 9): Setiap penginsurans menggunakan formatnya sendiri. Aetna, Blue Cross, dan United Healthcare semuanya kelihatan berbeza. Pasukan pengebilan memerlukan corak tersuai untuk setiap pembayar.

Nombor akaun (Kategori 10): Nombor akaun pengebilan hospital berbeza mengikut hospital.

Nombor lesen (Kategori 11): Nombor DEA mempunyai format persekutuan standard. Nombor lesen perubatan negeri tidak. Setiap lembaga negeri menggunakan formatnya sendiri.

Pengecam peranti (Kategori 14): Nombor siri peranti perubatan ditetapkan oleh setiap pengeluar.

Untuk setiap ini, entiti tersuai menutup jurang tersebut. Tiada jurutera diperlukan.

Lihat pengecam PII tersuai untuk anonimisasi organisasi untuk maklumat lanjut tentang jenis ID bukan standard.

Pengesahan: Membuktikan Pematuhan Safe Harbor

HIPAA Safe Harbor menyatakan bahawa entiti yang dilindungi tidak mempunyai "pengetahuan sebenar" bahawa data boleh mengenal pasti seseorang. (45 CFR §164.514(b)(1))

Pengesahan entiti tersuai membuktikan semua 18 jenis ID diliputi.

Langkah pengesahan:

  1. Proses 50–100 dokumen sampel daripada set data penyelidikan
  2. Semak output — adakah ada yang kelihatan seperti ID?
  3. Jalankan pas pengesanan kedua untuk menangkap sebarang item yang terlepas
  4. Dokumentasikan apa yang anda lakukan

Persediaan entiti tersuai, semakan sampel, dan log pemprosesan anda membentuk rekod Safe Harbor anda.

Kesimpulan

Alat PII standard pada tetapan lalai tidak menyelesaikan de-pengenalan HIPAA Safe Harbor. Nombor rekod perubatan adalah khusus hospital. Mereka memerlukan pengesanan tersuai.

Penciptaan entiti tersuai menutup jurang ini dalam beberapa jam. Pegawai pematuhan boleh mentakrifkan corak, mengujinya, dan memproses data. Tiada kerja kejuruteraan diperlukan.

Sedia untuk melindungi data anda?

Mulakan pengenalan PII dengan 285+ jenis entiti dalam 48 bahasa.

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.