anonym.legal

By · Last updated 2026-05-30

Terug naar BlogGezondheidszorg

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.

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

Bijgewerkt voor 2026

HIPAA Safe Harbor-deïdentificatie: ziekenhuisspecifieke MRN-formaten detecteren zonder engineering

HIPAA Safe Harbor vereist het verwijderen van medische dossiernummers. Dit is één van de 18 vereiste ID-types. Het klinkt eenvoudig. Het probleem is dat MRN-formaten niet zijn gestandaardiseerd.

Epic gebruikt één formaat. Cerner gebruikt een ander. Meditech weer een ander. Elk ziekenhuis voegt zijn eigen codes toe. Regionale gezondheidsgroepen creëren nog meer formaten. Een standaard PII-tool kan uw formaat niet kennen. Het zal MRN's missen tenzij u het configureert.

Het multi-systeem MRN-probleem

Een academisch medisch centrum runt drie EHR-systemen na een reeks fusies. Het hoofdziekenhuis runt Epic. De partnerklinieken runnen Cerner. De langdurige zorgfaciliteiten runnen Meditech.

Elk systeem genereert MRN's in een ander formaat:

  • Epic: 8-cijferig geheel getal, geen prefix
  • Cerner: MRN: gevolgd door 7 cijfers
  • Meditech: SVHS- gevolgd door 6 cijfers

Patientendossiers bevatten gegevens uit alle drie systemen. Een redactieworkflow die alleen het Epic-formaat herkent, mist Cerner- en Meditech-MRN's.

Configuratie zonder engineering

Anonym.legal's aangepaste entiteitsframework:

Epic MRN configureren:

  1. Open Entiteitseditor
  2. Naam: EPIC_MRN
  3. Patroon: \b\d{8}\b (8-cijferig getal)
  4. Context: voeg contextwoorden toe zoals "MRN", "patiëntnummer"
  5. Testwaarden: valideer op bekende MRN's

Cerner MRN configureren:

  1. Naam: CERNER_MRN
  2. Patroon: MRN:\s*\d{7}
  3. Contextwoorden: niet nodig — prefix is discriminerend

Meditech MRN configureren:

  1. Naam: MEDITECH_MRN
  2. Patroon: SVHS-\d{6}
  3. Contextwoorden: niet nodig

Na configuratie verschijnen alle drie entiteitstypen in de pipeline-instellingen. Activeer ze voor documentsets die patiëntgegevens bevatten.

Validatie

Na configuratie: upload een testset van bekende MRN's uit elk systeem. Controleer of 100% wordt gedetecteerd. Voeg randgevallen toe — MRN's aan het begin en einde van zinnen, MRN's naast andere identifiers.

Het validatierapport documenteert nauwkeurigheid per MRN-type. Dit is bewijs voor de DPIA en voor HIPAA-audits.

Gerelateerde Artikelen

Gezondheidszorg

HIPAA OCR: 725 Breaches, 275M Records

HHS OCR reported 725 HIPAA breaches in 2024 affecting 275M records — the highest ever. $10.22M average healthcare breach cost.

Gezondheidszorg

Handwritten Form OCR & PII Detection

A mid-size hospital processes 50,000 handwritten intake forms per year. Manual PII redaction at this volume requires 0.5 FTE.

Gezondheidszorg

HHS 2025: AI Clinical Notes Need PHI

AI transcription systems can inadvertently put Patient A's PHI in Patient B's record. Here's why real-time PHI detection before EHR commit is the control.

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

Start Gratis ProefperiodeBekijk Kenmerken

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.