anonym.legal

By · Last updated 2026-06-03

Назад к блогуЗдравоохранение

Распознавание MRN по HIPAA без глубоких знаний регулярных выражений

Формат медицинского номера (MRN) уникален в каждой больнице. В Memorial используется MRN:XXXXXXX, в St. Mary's — PT-YYYYY, в University Hospital — UHN-XXXXXXXXXX.

June 3, 20266 мин чтения
HIPAA de-identificationMRN patternhealthcare ITAI pattern generationPHI detection

Распознавание MRN по HIPAA без глубоких знаний регулярных выражений

Формат MRN вашей больницы не предусмотрен ни в одном стандартном инструменте защиты персональных данных. Вот как добавить его за пять минут. Без написания кода.

ИТ-команды здравоохранения сталкиваются с проблемой HIPAA, которой нет в других отраслях. Идентификатор, который больше всего нужно обнаружить, — медицинский номер пациента (MRN) — устанавливается самой больницей. Единого национального стандарта не существует.

Каждый проект деидентификации по HIPAA требует индивидуальной настройки. Без неё MRN проскальзывают сквозь «деидентифицированные» файлы незамеченными.

Проблема множества форматов MRN

Больничные сети, сформированные в результате слияний, имеют унаследованные системы ЭМК с собственным форматом MRN:

  • Memorial Hospital (Epic): MRN:XXXXXXX — 7-значное число с префиксом
  • St. Mary's (Cerner): PT-YYYYY — 5 цифр с префиксом пациента
  • University Hospital (Meditech): UHN-XXXXXXXXXX — 10 знаков в смешанном формате
  • Клиника (автономная EMR): C\d{5} — буква C и 5 цифр

Правило Safe Harbor по HIPAA требует удаления всех 18 типов идентификаторов. Категория 8 — медицинские номера записей. Инструмент, не знающий вашего формата, их пропустит. Файл выглядит чистым. Но это не так.

Сообщество ServiceNow в сфере здравоохранения фиксирует именно эту проблему. Стандартные инструменты распознают СНИЛС и номера телефонов. MRN конкретного учреждения они пропускают всегда.

Барьер регулярных выражений

Добавление пользовательских правил в Microsoft Presidio — открытую основу для многих HIPAA-инструментов — требует реальных технических навыков:

  • Необходимо знать класс PatternRecognizer
  • Нужно писать регулярные выражения на синтаксисе Python
  • Требуется настройка YAML-конфигурационных файлов
  • Необходима настройка пороговых значений достоверности
  • Обязательны тестирование и отладка скриптов на Python

Сотрудник по соответствию, знающий формат MRN, не может справиться с этим самостоятельно. Исправление превращается в задачу для инженеров. Оно ждёт в очереди 6–8 недель. Пробел остаётся открытым.

Генерация шаблонов с помощью ИИ

Есть более быстрый способ. Опишите шаблон простыми словами. Получите готовое регулярное выражение.

Шаги:

  1. Откройте конструктор пользовательских сущностей
  2. Приведите примеры: «Наши MRN выглядят так: MRN:1234567, MRN:9876543, MRN:0001234»
  3. ИИ строит правило: MRN:\d{7}
  4. Протестируйте на 10 образцах записей
  5. Все MRN найдены? Сохраните и разверните.

Для сети с четырьмя форматами MRN:

  • Memorial Hospital → MRN:\d{7}
  • St. Mary's → PT-\d{5}
  • University Hospital → UHN-[A-Z0-9]{10}
  • Клиника → C\d{5}

Создайте четыре пользовательских сущности. Сгруппируйте их в пресет. Запустите на всех файлах. Время: один рабочий день.

См. настройка распознавания MRN в пайплайнах HIPAA без написания кода — полное практическое руководство.

Валидация для Safe Harbor

Правило Safe Harbor по HIPAA гласит, что охватываемое учреждение не должно иметь «реальных знаний» о том, что данные позволяют идентифицировать человека (45 CFR §164.514(b)).

Валидация подтверждает, что ваши пользовательские правила охватывают все 18 типов идентификаторов.

Шаг 1: Получите образцы. Извлеките 100 записей с каждого объекта. Смешайте временные периоды и отделения.

Шаг 2: Запустите обнаружение. Обработайте все 400 документов с вашими пользовательскими правилами.

Шаг 3: Ручная проверка. Проверьте 20 документов вручную (выборка 5%). Ищите пропущенные MRN и ложные срабатывания.

Шаг 4: Уточните правила. Пропущены MRN? Расширьте шаблон. Слишком много ложных срабатываний? Добавьте границы слов.

Шаг 5: Задокументируйте. Зафиксируйте правило, объём выборки, результаты и дату. Этот журнал — ваш документ Safe Harbor.

См. объяснимое редактирование и аудиторские следы HIPAA — подробнее о том, что документировать.

Полное покрытие Safe Harbor

После исправления обнаружения MRN проверьте все 18 категорий.

КатегорияСтандартные инструментыНужна настройка?
1. ИменаNER-модельНет
2. Географические данныеОбнаружение местоположенияНет для штата; да — для кодов объектов
3. ДатыОбнаружение датНет
4. Номера телефоновОбнаружение телефоновНет
5. Номера факсовОбнаружение телефоновНет
6. Адреса электронной почтыОбнаружение emailНет
7. СНИЛСОбнаружение СНИЛСНет
8. Медицинские номера записейНе встроеноДа — специфично для учреждения
9. Номера членства в планах здравоохраненияЧастичноЧасто да — специфично для страховщика
10. Номера счетовЧастичноЧасто да — формат выставления счётов
11. Номера лицензийЧастичноЧасто да — специфично для штата
12. Идентификаторы транспортных средствЧастичноРедко встречается в клинических документах
13. Идентификаторы устройствЧастичноДа, если устройства упомянуты в записях
14. Веб-URLОбнаружение URLНет
15. IP-адресаОбнаружение IPНет
16. Биометрические идентификаторыКонтекст текстаРедко в выписных эпикризах
17. ФотографииТолько изображенияВне области применения для текста
18. Другие уникальные идентификаторыНе встроеноДа — специфично для учреждения

Для клинических текстов категории 8, 9, 10 и 18 чаще всего требуют индивидуальной настройки.

Контекст клинических документов

Выписные эпикризы, клинические записи и операционные отчёты — основные файлы, передаваемые в исследовательских целях. Они содержат:

  • MRN в заголовках и нижних колонтитулах
  • Номера счетов в разделах выставления счётов
  • Даты всех событий — поступления, процедур, лабораторных исследований, приёма препаратов
  • Имена врачей и номера DEA
  • Информацию о направляющем враче
  • Идентификаторы членства в страховых компаниях

Пользовательские правила для специфичных форматов учреждения в сочетании со встроенными правилами для стандартных форматов обеспечивают полное покрытие Safe Harbor.

Заключение

Деидентификация по HIPAA без пользовательских правил — это не деидентификация в рамках Safe Harbor. Формат MRN уникален в каждой больнице. Стандартные инструменты их пропускают. Пробел в соответствии реален и остаётся открытым, пока вы его не закроете.

Генерация шаблонов с помощью ИИ сокращает сроки исправления с 6–8 недель инженерных работ до одного рабочего дня работы по соответствию. Опишите формат. Протестируйте на реальных записях. Разверните. Готово.

Источники

Связанные статьи

Здравоохранение

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.

Здравоохранение

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.

Здравоохранение

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.

Готовы защитить ваши данные?

Начните анонимизацию PII с 285+ типов сущностей на 48 языках.

Начать бесплатный пробный периодПосмотреть функции

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.