Het probleem van datalekken in de gezondheidszorg
Bijgewerkt voor 2026: 725 datalekken in de gezondheidszorg in 2024 maakten 275 miljoen records openbaar (HHS OCR). Dat aantal is groter dan de hele bevolking van de VS.
De kosten zijn hoog. Datalekken in de gezondheidszorg kosten gemiddeld 10,22 miljoen dollar per stuk. Dat zijn de hoogste kosten van alle sectoren, vijftien jaar op rij (IBM Cost of Data Breach 2025). De helft van alle datalekken in de gezondheidszorg begint bij een leverancier of zakelijke partner (HHS OCR 2024). De dreiging is niet alleen intern.
Deze cijfers hebben het gedrag van ziekenhuisleiders veranderd. Bij grote zorgsystemen keurt de CISO geen cloudtools goed voor werk met PHI. Het risico is te groot.
Dit zorgt voor een echt conflict voor klinische teams. Zij moeten patiëntgegevens uit notities verwijderen. Dat werk is nodig voor onderzoek, kwaliteitsrapporten en trainingsdatasets. Ze hebben tools nodig die op grote schaal goed werken. Cloudtools zijn geblokkeerd. En de kloof wordt groter.
Waarom cloudtools voor PHI worden geblokkeerd
HHS Civil Rights heeft de handhaving opgevoerd. Een update van de HIPAA Security Rule uit 2024 was de eerste grote wijziging sinds 2013. Daarmee kwamen duidelijke nieuwe eisen:
- Versleuteling tijdens transport en in rust voor alle elektronische PHI
- Business Associate Agreements (BAA's) met elke externe leverancier
- Documentatie van de risicoanalyse bij elke leverancierskeuze
- Plannen voor incidentrespons
Wanneer een ziekenhuis een cloudtool voor de-identificatie beoordeelt, moet het beveiligingsteam drie dingen aantonen. Een: de leverancier kan de PHI niet zien. Twee: de BAA past bij het exacte gebruiksscenario. Drie: een datalek bij de leverancier maakt geen patiëntdossiers openbaar.
De helft van de datalekken in de gezondheidszorg begint al bij leveranciers. Daarom kunnen risicoteams cloudtools voor PHI vaak niet goedkeuren. Dat blijft zo, hoe sterk de beveiligingsbeloften van de leverancier ook zijn.
Zelfs met een ondertekende BAA is de visie van de CISO vaak dezelfde: een BAA wijst de schuld toe na een datalek. Het voorkomt er geen. We hebben niet meer leveranciers in de keten nodig. Ons beveiligingsoverzicht legt uit hoe lokale verwerking die schakel weghaalt.
Het nauwkeurigheidsprobleem
De cloudblokkade zou minder uitmaken als eenvoudigere tools de klus konden klaren. Onderzoek laat zien dat dat niet kan.
Een onderzoek uit 2025 toonde aan dat algemene LLM-tools meer dan de helft van de klinische PHI missen in notities met vrije tekst (arXiv:2509.14464). HIPAA Safe Harbor eist het verwijderen van 18 soorten identificatoren. Klinische notities verbergen die identificatoren in afkortingen, lokale termen en woorden uit andere talen.
Standaardtools missen gevallen zoals deze:
- "Pt. J.D., DOB 4/12/67" – verkorte naam en datumnotatie
- "Dx: HCC f/u, appt at UCSF MC" – ziekenhuisnaam binnen klinische steno
- "Seen by Dr. Smith in ED #3, Room 12B" – naam van de zorgverlener met kamernummer
- MRN-formaten (7-8 cijfers, per locatie verschillend) die met andere getallen worden verward
Een onderzoeksdataset die is gebouwd op notities met een misser-percentage van meer dan 50 % voldoet niet aan de HIPAA-regels. Het veroorzaakt problemen met de IRB. Het riskeert een handhavingsactie als het gat pas na de publicatie van een artikel aan het licht komt. Onze compliancepagina behandelt zowel de Safe Harbor- als de Expert Determination-norm.
De tooling-kloof
Klinische informaticateams staan voor een echte kloof. Elke optie heeft een serieuze beperking.
Commerciële clouddiensten werken goed. Maar ze vereisen dat beschermde gezondheidsgegevens naar een externe leverancier worden gestuurd. De meeste grote ziekenhuissystemen blokkeren dat.
Open-sourcetools (zoals Presidio en MIST) draaien ter plaatse. Maar ze vragen veel installatiewerk en doorlopend onderhoud. Zonder extra maatwerk halen ze vaak niet de HIPAA-nauwkeurigheid. In onze woordenlijst vindt u uitleg van de belangrijkste termen in gewone taal.
Handmatige de-identificatie volgens de Expert Determination-methode vereist een getrainde statisticus. De statisticus moet aantonen dat het risico op heridentificatie zeer klein is. Dit werkt voor kleine sets records. Het werkt niet bij 50.000+ records.
Hybride methoden combineren geautomatiseerde tools met handmatige controle van gemarkeerde items. Dat helpt bij het volume. Maar het lost het nauwkeurigheidsprobleem in het geautomatiseerde deel niet op.
De behoefte is duidelijk. Klinische teams hebben nauwkeurigheid op cloudniveau nodig – NLP, regex en transformermodellen – terwijl de documenten zelf op lokale hardware blijven. Afhankelijk van de regels van het netwerk betekent dat ofwel een meegeleverde tool zonder enige externe aanroep (anonym.plus), ofwel een tool die bestanden op de lokale machine leest terwijl de detectie draait op één toegestane, in de EU gehoste API van de leverancier (de Desktop-app van anonym.legal, hieronder).
De regelgevende reactie van 2024
725 datalekken in 2024 brachten een sterke regelgevende reactie teweeg.
HHS Civil Rights startte dat jaar meer dan 120 HIPAA-handhavingsacties. De boetes bereikten recordhoogtes. De voorgestelde update van de HIPAA Security Rule van maart 2025 brengt nieuwe eisen:
- Jaarlijkse audits van de versleuteling
- Meerfactorauthenticatie voor alle systemen die elektronische PHI verwerken
- Meldplichten voor cyberbeveiliging
- Strengere regels voor het toezicht op leveranciers
Voor betrokken entiteiten blijven de compliancekosten stijgen. De boetes stijgen. Het werk om compliance met documentatie aan te tonen ook. Onze FAQ beantwoordt veelgestelde vragen over deze regels.
HIPAA stelt duidelijke normen voor de-identificatie. Safe Harbor verwijdert alle 18 soorten identificatoren. Expert Determination eist bewijs van een laag risico op heridentificatie. Een tool die meer dan de helft van de PHI mist, voldoet aan geen van beide normen.
Wat lokale de-identificatie nodig heeft
Een lokale tool moet de detectiekwaliteit van clouddiensten evenaren. Daarvoor zijn vier lagen nodig.
Laag 1 – Regex met klinische patronen. Gestructureerde identificatoren – MRN's, SSN's, NPI's, DEA-nummers – lenen zich goed voor regex. Een goede klinische bibliotheek dekt de MRN-formaten die in de zorgsystemen worden gebruikt. Die verschillen sterk per locatie.
Laag 2 – Herkenning van benoemde entiteiten. Klinische notities verbergen PHI in gewone tekst. Namen van artsen staan in verhalende zinnen. Namen van patiënten komen in veel formaten voor. Locaties duiken op in de medische voorgeschiedenis. NLP-modellen die op klinische tekst zijn getraind, kunnen dit allemaal vinden.
Laag 3 – Meerdere talen. De Amerikaanse gezondheidszorg bedient patiënten die veel talen spreken. PHI kan in de thuistaal van de patiënt staan, binnen een vertaalde notitie. Spaans, Chinees, Arabisch, Vietnamees en Tagalog komen allemaal voor in Amerikaanse patiëntdossiers. De detectie moet ze allemaal dekken.
Laag 4 – Contextscore. Een getal van zeven cijfers is in de ene notitie een MRN en in de andere een geneesmiddeldosis. Contextscore vermindert het aantal valse positieven. Dat betekent minder markeringen om te controleren en schonere auditresultaten.
Batchverwerking op schaal
Onderzoeksdatasets zijn groot. Een project van vijf jaar bij een academisch medisch centrum kan 500.000 notities met vrije tekst bevatten. Om dat volume aan te kunnen, heeft een tool nodig:
- Parallelle runs over veel documenten tegelijk
- Ondersteuning voor DOCX, PDF, platte tekst en EPD-exports
- Voortgangsbewaking en foutlogs voor mislukte items
- Een auditspoor dat laat zien wat wanneer is verwerkt
- ZIP-uitvoer voor eenvoudige overdracht aan onderzoekspartners
Handmatige controle schaalt op dit niveau niet mee. Cloudtools zijn geblokkeerd. De enige weg vooruit is nauwkeurige lokale verwerking met sterke batchondersteuning.
Een werkwijze uit de praktijk
Een regionaal ziekenhuis wil een gede-identificeerde EPD-dataset voor een gezamenlijke studie met een universitaire partner. De CISO heeft cloudverwerking van patiëntgegevens geblokkeerd na de cijfers over de datalekken van 2024.
Zo ziet de werkwijze eruit met een local-first tool:
- Export. Het EPD-systeem exporteert 50.000 klinische notities als DOCX-documenten naar een beveiligde lokale map.
- Verwerking. De desktop-app draait 's nachts 10 batches van 5.000 documenten op lokale werkstations.
- Controle. Het team klinische informatica controleert een steekproef aan de hand van de HIPAA Safe Harbor-regels.
- Documentatie. Een verwerkingslog legt elk verwerkt item vast, de gebruikte detectiemethode en een tijdstempel. Dit is het auditspoor voor de IRB.
- Overdracht. De gede-identificeerde uitvoer wordt verpakt en via een beveiligd kanaal naar de universiteit gestuurd.
De CISO keurt goed omdat er geen patiëntgegevens het netwerk van het ziekenhuis verlaten. De IRB keurt goed omdat de methode voldoet aan de documentatieregels van Safe Harbor. De universiteit krijgt gegevens die passen bij haar overeenkomst voor gegevensgebruik. Bekijk onze casestudy's voor meer voorbeelden uit de praktijk.
Wanneer deze aanpak grenzen heeft
Lokale, nauwkeurige de-identificatie van PHI beantwoordt tegelijk het cloudbezwaar van de CISO en het nauwkeurigheidsbezwaar – maar de-identificatie is een probabilistisch proces, en hetzelfde onderzoek dat laat zien dat cloudtools de helft van de PHI missen, is een waarschuwing die voor elke tool geldt, ook voor deze.
Geen enkele detector vangt 100 % van de klinische PHI. Notities verbergen identificatoren in steno, typefouten, verhalende vrije tekst en andere talen. Een lokale pijplijn met meerdere lagen vangt veel meer dan een algemene LLM, maar resterende missers zijn inherent. Bij een onderzoeksrelease is de handmatige steekproefcontrole aan de hand van Safe Harbor de maatregel die de dataset verdedigbaar maakt – het is onderdeel van de methode, geen formaliteit.
Voldoen aan Safe Harbor is een vaststelling, geen uitkomst van een tool. Safe Harbor eist het verwijderen van alle 18 soorten identificatoren en dat er geen daadwerkelijke kennis is dat de rest heridentificatie mogelijk kan maken. Een tool verwijdert identificatoren; bevestigen dat aan de norm is voldaan – of een Expert Determination laten uitvoeren – blijft de verantwoordelijkheid van de betrokken entiteit en uw IRB.
Het risico op heridentificatie blijft bestaan na het verwijderen van identificatoren. Zeldzame diagnoses, kleine populaties, datums en quasi-identificatoren kunnen een patiënt heridentificeren, zelfs nadat de 18 soorten zijn verwijderd. Voor datasets met een hoog risico is Expert Determination met statistische risicoanalyse de passende norm, niet Safe Harbor alleen.
Lokale implementatie verschuift de onderhoudslast naar u. Offlinemodellen zijn een momentopname. Detectiepatronen, taalmodellen en MRN-formaten actueel houden is nu de taak van uw team, en een verouderde lokale tool kan onder de nauwkeurigheid zakken die u bij de installatie hebt gevalideerd. Valideer regelmatig opnieuw in plaats van aan te nemen dat de prestaties van dag één blijven gelden.
De Desktop-app van anonym.legal levert PHI-de-identificatie van cloudkwaliteit. Ze gebruikt detectie op drie niveaus: Presidio NLP, regex en XLM-RoBERTa-transformers. Ze wordt lokaal geïnstalleerd en uitgevoerd, maar de detectie zelf draait op de servers van anonym.legal – de app levert geen detectiemodellen mee en vereist een internetverbinding; de allowlist beperkt de verbinding uitsluitend tot anonym.legal. Alle 18 HIPAA Safe Harbor-identificatoren worden ondersteund. Batchruns verwerken 1–5.000 documenten per keer.
Bronnen
- HHS OCR Healthcare Breach Statistics 2024 — VERIFIED-EXTERNAL
- IBM Cost of a Data Breach Report 2025 — VERIFIED-EXTERNAL
- arXiv:2509.14464 – LLM De-Identification Survey (2025) — VERIFIED-EXTERNAL
- DeepStrike: Healthcare Data Breaches 2025 Statistics — VERIFIED-EXTERNAL
- IntuitionLabs: Open-Source PHI De-Identification Tools — VERIFIED-EXTERNAL