Виявлення MRN за HIPAA без знання регулярних виразів
Формат MRN кожної лікарні різний. Memorial використовує MRN:XXXXXXX, St. Mary's — PT-YYYYY, University Hospital — UHN-XXXXXXXXXX.
HIPAA: виявлення MRN, специфічних для лікарні
HIPAA Safe Harbor вимагає видалення номерів медичних карток — але формати MRN не стандартизовані. Epic, Cerner і Meditech використовують різні формати.
Деідентифікація HIPAA Safe Harbor у масштабі: практичний посібник для дослідників у галузі охорони здоров'я
HIPAA Safe Harbor вимагає видалення 18 конкретних категорій ідентифікаторів PHI. Академічні медичні центри потребують деідентифікації у масштабі, але наявні інструменти коштують $120 000/рік.
ISO 27001 та HIPAA BAA для охорони здоров'я
Угоди з діловими партнерами HIPAA вимагають «задовільних гарантій» відповідних засобів захисту. ISO 27001 безпосередньо відповідає вимогам HIPAA 164.
Виявлення MRN без коду для HIPAA
Номери медичних записів є специфічними для кожної лікарні — кожна система охорони здоров'я використовує власний формат. Safe Harbor за HIPAA вимагає видалення MRN.
18 ідентифікаторів HIPAA, які пропускає ваш інструмент
HIPAA перераховує 18 ідентифікаторів PHI. Більшість інструментів анонімізації виявляють, можливо, 6 із них. Номери медичних карток варіюються залежно від установи — єдиного американського стандарту не існує.
Оборотне шифрування для повторного контакту в дослідженнях
Ви не можете зв'язатися з Patient_001 для контрольного візиту. Тепер IRB вимагають задокументованих протоколів повторної ідентифікації — доводячи, що ви МОЖЕТЕ її здійснити за певних умов.
Оборотна деідентифікація для клінічних досліджень
Коли дослідження виявляє несподіваний ризик біомаркера у 47 із 5 000 учасників, дослідники повинні зв'язатися з реальними пацієнтами. Лише 23% інструментів анонімізації пропонують справжню оборотність.
HIPAA-сумісний ChatGPT із захистом у браузері
77% співробітників принаймні раз на тиждень передають чутливу робочу інформацію AI-інструментам. Перехоплення PHI в реальному часі в браузері зменшує кількість інцидентів витоку на 94%.
Пакетна обробка 50 000 клінічних нотаток локально
Лютневе рішення SDNY 2026 року встановило, що документи, оброблені штучним інтелектом, втрачають адвокатську таємницю, якщо їх не анонімізовано перед обробкою.
Великі мовні моделі пропускають 50% клінічних PHI
Дослідження 2025 року виявило, що LLM пропускають понад 50% клінічних PHI у багатомовних документах. 34,8% всіх запитів до ChatGPT містять конфіденційні дані.
Пояснювана редакція: аудити HIPAA
Метод Expert Determination за HIPAA вимагає задокументованої методології. Електронне розкриття інформації в суді вимагає підстав для кожної редакції. 34% DPO повідомляють про недостатність інструментів для документування відповідності автоматизованої анонімізації.
HIPAA у хмарі: архітектура zero-knowledge для ПМД
Угоди ділового партнера не запобігають порушенням HIPAA, коли ваш хмарний провайдер ШІ обробляє ПМД у відкритому вигляді. Ось що дійсно забезпечує архітектура zero-knowledge і чому BAA — лише половина рішення.
Коли директори з ІБ в охороні здоров'я відмовляються від хмарної обробки ПМД
725 порушень даних в охороні здоров'я у 2024 році торкнулися 275 мільйонів записів. При середніх витратах на порушення $10,22 млн — найвищих у будь-якій галузі — директори з інформаційної безпеки в охороні здоров'я дедалі частіше відмовляються від хмарних інструментів для обробки ПМД.
Клінічна документація ШІ та запобігання PHI до запису в EHR (HHS 2025)
Системи транскрипції ШІ можуть випадково внести PHI пацієнта A до запису пацієнта B. Виявлення PHI в реальному часі до запису в EHR — це той контроль, що потрібен.
Рукописні форми: OCR та виявлення PII
Середня лікарня обробляє 50 000 рукописних форм прийому на рік. Ручне редагування PII при такому обсязі потребує 0,5 штатної одиниці.
HIPAA OCR: 725 порушень, 275 млн записів
HHS Office for Civil Rights зафіксував 725 порушень захисту медичних даних у 2024 році, що торкнулися 275 мільйонів записів пацієнтів — найвищий показник за всю історію спостережень.
Виявлення PHI: Snow Labs 96% проти GPT-4o
Не всі інструменти деідентифікації однаково ефективні. Бенчмарки ECIR 2025 показують F1-показники від 79% до 96%. Дізнайтеся, чому точність важлива та як оцінювати інструменти.
$7,42 млн: витоки в охороні здоров'я коштують найдорожче
Охорона здоров'я — найдорожча галузь для витоків даних протягом 14 років поспіль. Дізнайтеся, чому PHI така цінна і як її захистити.
Почніть захищати свої дані сьогодні
285+ типів сутностей, 48 мов, безпека корпоративного рівня за стартовими цінами.
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.