By · Last updated 2026-04-28

Tilbake til BloggHelsevesen

18 HIPAA-identifikatorer verktyet ditt overser

HIPAA lister opp 18 PHI-identifikatorer. De fleste anonymiseringsverktoy oppdager kanskje 6 av dem. Medisinsk journalnummer varierer etter institusjon uten et standardformat i USA.

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

18 HIPAA-identifikatorer verktyet ditt overser

Oppdatert for 2026.

HIPAA lister opp 18 PHI-identifikatorkategorier. De fleste anonymiseringsverktoy oppdager kanskje seks. De andre tolv slipper gjennom — og hver enkelt er et samsvarsmangler.

Safe Harbor-regelen

HIPAAs personvernregel (45 CFR § 164.514) definerer Safe Harbor-de-identifisering. Alle 18 identifikatorkategorier ma fjernes. Fjern alle og dataene er de-identifisert etter loven. Det er grunnen til at Safe Harbor er populaert: det er bestaatt eller strykk, ikke en skjonnsvurdering.

De 18 kategoriene er:

  1. Navn
  2. Geografiske data mindre enn delstat — gateadresse, by, fylke, postnummer
  3. Datoer unntatt aar — fodsel, innleggelse, utskrivning, dod
  4. Telefonnumre
  5. Faksnumre
  6. E-postadresser
  7. Social Security-numre
  8. Medisinsk journalidentifikatorer (MRN)
  9. Helseplans mottakerkoder
  10. Kontoidentifikatorer
  11. Sertifikat- og lisenskoder
  12. Kjoretoyidentifikatorer og serienumre
  13. Enhetsidentifikatorer og serienumre
  14. Web-URL-er
  15. IP-adresser
  16. Biometriske identifikatorer — fingeravtrykk, stemmeprinter
  17. Fullanssiktsbilder og lignende bilder
  18. Enhver annen unik identifiserende kode eller verdi

De fleste verktoy hanterer kategoriene 1, 4, 6 og 7 godt. De overser 8, 9, 10, 11, 13 og 18 rutinemessig.

MRN-gapet

Medisinske journalidentifikatorer sitter i kategori 8. MRN-formater fastsettes av hvert sykehus. Det finnes ingen nasjonal standard i USA.

Sykehus A bruker et 7-sifret heltall. Sykehus B bruker "PT-AAAA-NNNN." Sykehus C bruker en 8-tegns alfanumerisk streng. Sykehus D skriver "MRN: " for et 9-sifret nummer.

Et generisk verktoy vil ikke flagge "PT-2024-8847" som PHI. Dokumentet bestaar de-identifiseringskontroller. Men det er ikke de-identifisert. Ingen alarm utloses. Teamet tror jobben er ferdig. Den er det ikke.

Dette er det verste typen gap: et stille ett.

Tre mater a fikse det pa

Kode det i Presidio. Dette krever Python-ferdigheter og lopende vedlikehold. Det fungerer, men koster tid.

Legg til manuell gjennomgang. En person sjekker hvert dokument for MRN-er. Dette skalerer ikke.

Bruk AI-assistert tilpasset enhetsopprettelse. Ingen kode nodvendig. Teamet gir eksempelverdier. AI-en bygger monster.

Her er hvordan det fungerer. Et team gir fem eksempel-MRN-verdier: SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001. AI-en returnerer `SVHS-\d{7}` og sjekker det mot provene. Teamet lagrer det i HIPAA-forhansinnstillingen sin. Alle fremtidige sesjoner oppdager formatet. Den samme tilnaermingen fungerer for mottakerkoder og enhetsserienumre.

Se hvordan forhansinnstillinger fungerer i HIPAA MRN-deteksjonsveiledningen. Laer om AI-monsterprosessen.

Den skjulte forutsetningen

Mange team tester pa et eksempeldokument med et navn og et telefonnummer. Verktyet bestaar. De antar full dekning. Men eksempler inkluderer sjelden institusjonsspesifikke identifikatorer. MRN-er og mottakerkoder ser ut som tilfeldige strenger for et generisk verktoy. De bestaar uten flagging.

En ekte Safe Harbor-revisjon tilordner alle 18 kategorier til en deteksjonsmetode. For kategori 8, verifiser med virkelige MRN-prover fra ditt eget sykehus. Ikke anta at verktyet kjenner formatet ditt.

Se hele rammeverket i vart HIPAA-samsvarsovblikk.

Konklusjon

Safe Harbor krever at alle 18 identifikatorkategorier er fjernet. Generiske verktoy dekker langt faerre. Gapene — MRN-er, mottakerkoder, enhetsserienumre — har ingen standardformat, sa generiske verktoy overser dem. AI-assisterte tilpassede enheter lukker gapet uten kode eller manuell gjennomgang.

Kilder

  • HHS: HIPAA Safe Harbor, 45 CFR § 164.514 — hhs.gov. VERIFIED.
  • Shaip: PHI-identifikatorer i medisinsk de-identifisering — shaip.com. VERIFIED-EXTERNAL.
  • HHS OCR: De-identifiseringsveiledning oppdatert 2024 — hhs.gov. VERIFIED.

Klar til å beskytte dataene dine?

Begynn å anonymisere PII med 285+ enhetstyper på 48 språk.

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.