Gdy CISO mówią „nie" przetwarzaniu PHI w chmurze

Problem naruszeń w ochronie zdrowia

Aktualizacja na 2026 rok: 725 naruszeń danych w ochronie zdrowia w 2024 roku ujawniło 275 milionów rekordów (HHS OCR). Ta liczba przekracza liczbę ludności całych Stanów Zjednoczonych.

Koszt jest wysoki. Naruszenie w ochronie zdrowia kosztuje średnio 10,22 mln dolarów. To najwyższy koszt ze wszystkich branż – już piętnasty rok z rzędu (IBM Cost of Data Breach 2025). Połowa wszystkich naruszeń w ochronie zdrowia zaczyna się u dostawcy lub partnera biznesowego (HHS OCR 2024). Zagrożenie nie pochodzi wyłącznie z wnętrza organizacji.

Te liczby zmieniły zachowanie kierownictwa szpitali. W dużych systemach opieki zdrowotnej CISO nie zatwierdza narzędzi chmurowych do pracy z PHI. Ryzyko jest zbyt wysokie.

To tworzy realny konflikt dla zespołów klinicznych. Muszą usuwać dane pacjentów z notatek. Ta praca jest potrzebna do badań, raportów jakości i zbiorów danych szkoleniowych. Potrzebują narzędzi, które dobrze działają na dużą skalę. Narzędzia chmurowe są zablokowane. A luka się powiększa.

Dlaczego narzędzia chmurowe do PHI są blokowane

HHS Civil Rights zaostrzyło egzekwowanie przepisów. Aktualizacja HIPAA Security Rule z 2024 roku była pierwszą większą zmianą od 2013 roku. Dodała wyraźne nowe wymagania:

• Szyfrowanie w transmisji i w spoczynku dla wszystkich elektronicznych PHI
• Umowy Business Associate Agreements (BAA) z każdym zewnętrznym dostawcą
• Dokumentacja analizy ryzyka dla każdego wyboru dostawcy
• Plany reagowania na incydenty

Gdy szpital ocenia chmurowe narzędzie do deidentyfikacji, zespół bezpieczeństwa musi wykazać trzy rzeczy. Po pierwsze: dostawca nie widzi PHI. Po drugie: BAA odpowiada konkretnemu przypadkowi użycia. Po trzecie: naruszenie u dostawcy nie ujawni dokumentacji pacjentów.

Połowa naruszeń w ochronie zdrowia zaczyna się już u dostawców. Dlatego zespoły ds. ryzyka często nie mogą zatwierdzić chmurowych narzędzi do PHI. Dzieje się tak niezależnie od tego, jak mocne są deklaracje dostawcy dotyczące bezpieczeństwa.

Nawet przy podpisanej BAA stanowisko CISO jest często takie samo: BAA przypisuje winę po naruszeniu. Nie zapobiega mu. Nie potrzebujemy kolejnych dostawców w łańcuchu. Nasz przegląd bezpieczeństwa wyjaśnia, jak przetwarzanie lokalne usuwa to ogniwo z łańcucha.

Problem dokładności

Blokada chmury miałaby mniejsze znaczenie, gdyby prostsze narzędzia radziły sobie z zadaniem. Badania pokazują, że nie radzą.

Badanie z 2025 roku wykazało, że narzędzia LLM ogólnego przeznaczenia pomijają ponad połowę klinicznych PHI w notatkach w formie wolnego tekstu (arXiv:2509.14464). HIPAA Safe Harbor wymaga usunięcia 18 typów identyfikatorów. W notatkach klinicznych identyfikatory kryją się w skrótach, lokalnych określeniach i słowach z innych języków.

Standardowe narzędzia pomijają takie przypadki:

• „Pt. J.D., DOB 4/12/67" – skrócone nazwisko i format daty
• „Dx: HCC f/u, appt at UCSF MC" – nazwa szpitala wewnątrz skrótów klinicznych
• „Seen by Dr. Smith in ED #3, Room 12B" – nazwisko lekarza z numerem sali
• Formaty MRN (7-8 cyfr, zależnie od placówki) mylone z innymi liczbami

Zbiór badawczy zbudowany na notatkach z 50%+ pominięć nie spełnia wymogów HIPAA. Powoduje problemy z komisją IRB. Grozi działaniem egzekucyjnym, jeśli luka wyjdzie na jaw po publikacji artykułu. Nasza strona o zgodności omawia zarówno standard Safe Harbor, jak i Expert Determination.

Luka narzędziowa

Zespoły informatyki klinicznej stoją przed realną luką. Każda opcja ma poważne ograniczenie.

Komercyjne usługi chmurowe działają dobrze. Wymagają jednak wysyłania chronionych danych zdrowotnych do zewnętrznego dostawcy. Większość dużych systemów szpitalnych to blokuje.

Narzędzia open source (takie jak Presidio i MIST) działają na miejscu. Wymagają jednak skomplikowanej konfiguracji i stałej opieki. Często nie osiągają dokładności wymaganej przez HIPAA bez dodatkowej pracy własnej. W naszym glosariuszu znajdziesz proste definicje kluczowych pojęć.

Ręczna deidentyfikacja metodą Expert Determination wymaga wykwalifikowanego statystyka. Statystyk musi wykazać, że ryzyko reidentyfikacji jest bardzo małe. To sprawdza się przy małych zbiorach rekordów. Nie sprawdza się przy 50 000+ rekordów.

Metody hybrydowe łączą narzędzia automatyczne z ręczną weryfikacją oznaczonych elementów. Pomaga to przy dużej liczbie dokumentów. Nie rozwiązuje jednak problemu dokładności w części automatycznej.

Potrzeba jest jasna. Zespoły kliniczne potrzebują dokładności na poziomie chmury – NLP, wyrażeń regularnych i modeli typu transformer – przy czym same dokumenty pozostają na lokalnym sprzęcie. W zależności od zasad sieci oznacza to albo dołączone narzędzie bez żadnego wywołania zewnętrznego (anonym.plus), albo narzędzie, które odczytuje pliki na maszynie lokalnej, podczas gdy wykrywanie działa na jednym, dopuszczonym na liście dozwolonych, hostowanym w UE API dostawcy (aplikacja Desktop anonym.legal, poniżej).

Odpowiedź regulacyjna z 2024 roku

725 naruszeń w 2024 roku wywołało zdecydowaną reakcję regulatorów.

HHS Civil Rights wszczęło w tym roku ponad 120 postępowań egzekucyjnych dotyczących HIPAA. Kary osiągnęły rekordowe poziomy. Proponowana aktualizacja HIPAA Security Rule z marca 2025 roku dodaje nowe wymagania:

• Coroczne audyty szyfrowania
• Wieloskładnikowe logowanie do wszystkich systemów przetwarzających elektroniczne PHI
• Obowiązki ujawniania informacji o cyberbezpieczeństwie
• Surowsze zasady nadzoru nad dostawcami

Dla podmiotów objętych przepisami koszty zgodności stale rosną. Rosną kary. Rośnie też nakład pracy na udowodnienie zgodności dokumentacją. Nasze FAQ odpowiada na typowe pytania o te przepisy.

HIPAA wyznacza jasne standardy deidentyfikacji. Safe Harbor usuwa wszystkie 18 typów identyfikatorów. Expert Determination wymaga dowodu niskiego ryzyka reidentyfikacji. Narzędzie, które pomija ponad połowę PHI, nie spełnia żadnego z tych standardów.

Czego wymaga lokalna deidentyfikacja

Narzędzie lokalne musi dorównywać jakości wykrywania usług chmurowych. Wymaga to czterech warstw.

Warstwa 1 – wyrażenia regularne ze wzorcami klinicznymi. Ustrukturyzowane identyfikatory – MRN, SSN, NPI, numery DEA – dobrze pasują do wyrażeń regularnych. Dobra biblioteka kliniczna obejmuje formaty MRN używane w różnych systemach opieki zdrowotnej. Różnią się one bardzo między placówkami.

Warstwa 2 – rozpoznawanie nazwanych encji. Notatki kliniczne ukrywają PHI w zwykłym tekście. Nazwiska lekarzy pojawiają się w zdaniach narracyjnych. Nazwiska pacjentów występują w wielu formatach. Lokalizacje pojawiają się w wywiadzie medycznym. Modele NLP wytrenowane na tekstach klinicznych potrafią znaleźć to wszystko.

Warstwa 3 – wiele języków. Amerykańska ochrona zdrowia obsługuje pacjentów mówiących wieloma językami. PHI może wystąpić w języku ojczystym pacjenta wewnątrz przetłumaczonej notatki. Hiszpański, chiński, arabski, wietnamski i tagalski pojawiają się w amerykańskich dokumentach pacjentów. Wykrywanie musi obejmować je wszystkie.

Warstwa 4 – ocena kontekstu. Liczba siedmiocyfrowa jest MRN w jednej notatce, a dawką leku w innej. Ocena kontekstu zmniejsza liczbę fałszywych alarmów. Oznacza to mniej flag do weryfikacji i czystsze wyniki audytu.

Przetwarzanie wsadowe na dużą skalę

Zbiory badawcze są duże. Pięcioletni projekt w jednym akademickim centrum medycznym może obejmować 500 000 notatek w formie wolnego tekstu. Aby obsłużyć taką liczbę, narzędzie potrzebuje:

• Równoległego przetwarzania wielu dokumentów jednocześnie
• Obsługi DOCX, PDF, zwykłego tekstu i eksportów EHR
• Śledzenia postępu i dzienników błędów dla elementów zakończonych niepowodzeniem
• Ścieżki audytu pokazującej, co i kiedy przetworzono
• Wyniku w formacie ZIP dla łatwego przekazania partnerom badawczym

Ręczna weryfikacja nie skaluje się na tym poziomie. Narzędzia chmurowe są zablokowane. Jedyną drogą jest dokładne przetwarzanie lokalne z solidną obsługą wsadową.

Przykład z praktyki

Regionalny szpital chce uzyskać zdeidentyfikowany zbiór danych EHR do wspólnego badania z partnerem uniwersyteckim. CISO zablokował przetwarzanie danych pacjentów w chmurze po liczbach naruszeń z 2024 roku.

Oto przebieg pracy z narzędziem typu local-first:

1. Eksport. System EHR eksportuje 50 000 notatek klinicznych jako dokumenty DOCX do bezpiecznego folderu lokalnego.
2. Przetwarzanie. Aplikacja desktopowa przez noc uruchamia 10 partii po 5 000 dokumentów na lokalnych stacjach roboczych.
3. Weryfikacja. Zespół informatyki klinicznej sprawdza próbkę pod kątem zasad HIPAA Safe Harbor.
4. Dokumentacja. Dziennik przetwarzania rejestruje każdy obsłużony element, zastosowaną metodę wykrywania i znacznik czasu. To jest ścieżka audytu dla IRB.
5. Przekazanie. Zdeidentyfikowany wynik jest pakowany i wysyłany na uniwersytet bezpiecznym kanałem.

CISO wyraża zgodę, ponieważ żadne dane pacjentów nie opuszczają sieci szpitala. IRB wyraża zgodę, ponieważ metoda spełnia zasady dokumentacji Safe Harbor. Uniwersytet otrzymuje dane zgodne z umową o korzystaniu z danych. Więcej prawdziwych przykładów znajdziesz w naszych studiach przypadku.

Kiedy to podejście ma ograniczenia

Lokalna, dokładna deidentyfikacja PHI odpowiada jednocześnie na zarzut CISO dotyczący chmury i na zarzut dotyczący dokładności – ale deidentyfikacja jest procesem probabilistycznym, a to samo badanie, które pokazuje, że narzędzia chmurowe pomijają połowę PHI, jest ostrzeżeniem odnoszącym się do każdego narzędzia, także tego.

Żaden detektor nie wychwytuje 100% klinicznych PHI. Notatki ukrywają identyfikatory w skrótach, literówkach, narracji w formie wolnego tekstu i w innych językach. Wielowarstwowy potok lokalny wychwytuje znacznie więcej niż ogólny LLM, ale pewne pominięcia są nieuniknione. W przypadku udostępnienia danych badawczych weryfikacja próbki przez człowieka względem Safe Harbor jest kontrolą, która czyni zbiór danych obronnym – jest częścią metody, a nie formalnością.

Spełnienie Safe Harbor jest ustaleniem, a nie wynikiem narzędzia. Safe Harbor wymaga usunięcia wszystkich 18 typów identyfikatorów oraz braku faktycznej wiedzy, że pozostałe dane mogłyby umożliwić reidentyfikację. Narzędzie usuwa identyfikatory; potwierdzenie spełnienia standardu – lub zlecenie Expert Determination – pozostaje odpowiedzialnością podmiotu objętego przepisami i Waszej komisji IRB.

Ryzyko reidentyfikacji przetrwa usunięcie identyfikatorów. Rzadkie diagnozy, małe populacje, daty i quasi-identyfikatory mogą umożliwić reidentyfikację pacjenta nawet po usunięciu 18 typów. W przypadku zbiorów wysokiego ryzyka właściwym standardem jest Expert Determination z statystyczną analizą ryzyka, a nie sam Safe Harbor.

Wdrożenie lokalne przenosi ciężar utrzymania na Was. Modele offline są migawką. Utrzymywanie aktualności wzorców wykrywania, modeli językowych i formatów MRN jest teraz zadaniem Waszego zespołu, a nieaktualne narzędzie lokalne może spaść poniżej dokładności, którą zweryfikowano przy instalacji. Weryfikujcie ponownie okresowo, zamiast zakładać, że wydajność z pierwszego dnia się utrzymuje.

Aplikacja Desktop anonym.legal zapewnia deidentyfikację PHI w jakości chmurowej. Wykorzystuje trójwarstwowe wykrywanie: Presidio NLP, wyrażenia regularne i transformery XLM-RoBERTa. Instaluje się i działa lokalnie, ale samo wykrywanie odbywa się na serwerach anonym.legal – aplikacja nie zawiera modeli wykrywania i wymaga połączenia z internetem; jej lista dozwolonych ogranicza połączenie wyłącznie do anonym.legal. Obsługiwanych jest wszystkie 18 identyfikatorów HIPAA Safe Harbor. Przebiegi wsadowe obejmują 1–5 000 dokumentów naraz.

Źródła

• 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