HIPAA MRN-detectie zonder regex-expertise
Het MRN-formaat van elk ziekenhuis is anders. Memorial gebruikt MRN:XXXXXXX, St. Mary's gebruikt PT-YYYYY, University Hospital gebruikt UHN-XXXXXXXXXX.
HIPAA: ziekenhuisspecifieke MRN-detectie
HIPAA Safe Harbor vereist het verwijderen van medische dossiernummers — maar MRN-formaten zijn niet gestandaardiseerd. Epic, Cerner en Meditech gebruiken allemaal verschillende formaten.
HIPAA Safe Harbor-deïdentificatie op schaal
HIPAA Safe Harbor vereist het verwijderen van 18 specifieke PHI-identificatorcategorieën. Academische medische centra hebben deïdentificatie op schaal nodig maar bestaande tools zijn te duur.
ISO 27001 en HIPAA BAA's voor gezondheidszorg
HIPAA Business Associate Agreements vereisen 'afdoende garanties' voor passende veiligheidswaarborgen. ISO 27001 is direct van toepassing op HIPAA 164.
Aangepaste MRN-detectie voor HIPAA zonder code
Medisch dossiernummers zijn ziekenhuisspecifiek — elk zorgsysteem gebruikt een ander formaat. HIPAA Safe Harbor vereist verwijdering van MRN's.
HIPAA: Volledige Detectie van de 18 PHI-identificatoren
HIPAA Safe Harbor vereist het verwijderen van alle 18 PHI-categorieën. De meeste tools dekken 12-14. Hier leest u welke worden gemist en waarom volledige dekking vereist is.
Onderzoek Re-identificatie: Omkeerbaar Encryptieprotocol
Longitudinale studies vereisen patiëntopvolging over meerdere jaren. Permanente de-identificatie maakt cohort-tracering onmogelijk. Omkeerbaar encryptieprotocol maakt ethisch onderzoek mogelijk.
Omkeerbare De-identificatie voor Klinisch Onderzoek
Klinisch onderzoek vereist de-geïdentificeerde patiëntgegevens voor analyse maar originele records voor validatie. Omkeerbare pseudonimisering lost dit dilemma op.
HIPAA-conform ChatGPT: Klinische PHI Browserbeveiliging
Zorgverleners gebruiken ChatGPT voor klinische documentatie ondanks HIPAA-risico's. Een browser-interceptielaag maakt HIPAA-conform AI-gebruik mogelijk zonder productiviteitsverlies.
Batchverwerking van Klinische Notities: HIPAA Lokaal
Academische medische centra verwerken 500.000+ klinische notities per jaar. Cloud-PHI-verwerking is geblokkeerd door CISOs. Hier leest u hoe lokale batch-de-identificatie HIPAA-compliant werkt.
LLMs Missen 50% van Klinische PHI
Een 2025-studie vond dat LLMs meer dan 50% van klinische PHI missen in meertalige documenten. 34,8% van alle ChatGPT-invoer bevat gevoelige gegevens.
Verklaarbare Redactie: HIPAA Audits
HIPAA Expert Determination vereist gedocumenteerde methodologie. Juridische e-discovery vereist per-redactie gronden. 34% van DPO's rapporteert onvoldoende tools voor nalevingsdocumentatie van geautomatiseerde anonimisering.
HIPAA in de Cloud: Zero-Knowledge voor PHI
Business Associate Agreements voorkomen geen HIPAA-overtredingen wanneer uw cloud-AI-leverancier PHI in plaintext verwerkt. Hier leest u wat zero-knowledge architectuur werkelijk vereist.
Wanneer CISOs Nee Zeggen tegen Cloud-PHI
725 zorgdatalekken in 2024 troffen 275 miljoen records. Met gemiddelde inbreukkosten van $10,22M weigeren healthcare-CISOs clouddiensten voor PHI-verwerking. Hier leest u waarom en wat de alternatieve aanpak is.
HHS 2025: AI klinische aantekeningen en PHI
AI-transcriptiesystemen kunnen per ongeluk de PHI van patiënt A in het dossier van patiënt B plaatsen. Hier is waarom real-time PHI-detectie vóór EHR-vastlegging de juiste aanpak is.
Handgeschreven Formulier OCR & PII-Detectie
Een middelgroot ziekenhuis verwerkt 50.000 handgeschreven intakeformulieren per jaar. Handmatige PII-redactie op dit volume vereist 0,5 FTE.
HIPAA OCR: 725 lekken, 275 miljoen dossiers
HHS OCR rapporteerde 725 HIPAA-lekken in 2024 die 275 miljoen dossiers troffen — het hoogste ooit. Gemiddelde kosten van een zorglek: $10,22 miljoen.
PHI-detectienauwkeurigheid: Vergelijkende Benchmark
Een 2024 benchmark vergeleek PHI-detectietools op klinische notities. Presidio scoorde F1=0,61. Hier leest u wat de cijfers betekenen voor HIPAA Safe Harbor-naleving.
Zorgdatalekken: $10,22 Miljoen Gemiddeld
IBM meldt dat de zorgsector voor het vijftiende jaar op rij de hoogste gemiddelde kosten per datalek heeft. 725 HIPAA-inbreuken in 2024 troffen 275 miljoen records. Wat dit betekent voor cloud-PHI-verwerking.
Begin Vandaag met het Beschermen van Uw Gegevens
285+ entiteitstypen, 48 talen, beveiliging van ondernemingsniveau tegen startprijzen.
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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.
Hetzner holds 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
- Open the web app and try a sample file.
- Learn how credits get counted.
- See current plans and limits.
- Meet the team behind the product.
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.