Phát Hiện MRN Theo HIPAA Không Cần Chuyên Gia Regex
Mỗi bệnh viện có định dạng MRN riêng. Memorial dùng MRN:XXXXXXX, St. Mary's dùng PT-YYYYY, University Hospital dùng UHN-XXXXXXXXXX.
HIPAA: Phát hiện MRN theo đặc thù bệnh viện
HIPAA Safe Harbor yêu cầu xóa số hồ sơ y tế — nhưng định dạng MRN không được chuẩn hóa. Epic, Cerner và Meditech đều dùng định dạng khác nhau.
Xóa Danh Tính HIPAA Safe Harbor Ở Quy Mô
HIPAA Safe Harbor yêu cầu xóa 18 danh mục định danh PHI cụ thể. Các trung tâm y tế học thuật cần xóa danh tính ở quy mô lớn nhưng các công cụ hiện tại quá tốn kém.
ISO 27001 và BAA HIPAA cho Nhà Cung Cấp trong Lĩnh Vực Y Tế
Business Associate Agreement theo HIPAA yêu cầu 'biện pháp bảo vệ phù hợp' với các kiểm soát thích hợp. ISO 27001 đáp ứng trực tiếp các yêu cầu HIPAA 164.308, 164.310 và 164.312.
Phát Hiện MRN Tùy Chỉnh Không Cần Code cho HIPAA
Số Hồ Sơ Bệnh Nhân (MRN) mang tính đặc thù theo từng bệnh viện — mỗi hệ thống chăm sóc sức khỏe sử dụng định dạng khác nhau. HIPAA Safe Harbor yêu cầu loại bỏ MRN.
18 định danh HIPAA mà công cụ của bạn bỏ lỡ
HIPAA liệt kê 18 định danh PHI. Hầu hết công cụ ẩn danh hóa chỉ phát hiện khoảng 6 trong số đó. Số Hồ Sơ Y Tế thay đổi theo từng cơ sở mà không có định dạng tiêu chuẩn Mỹ nào.
Mã hóa có thể đảo ngược cho giao thức tái liên lạc nghiên cứu
Bạn không thể liên lạc với Patient_001 cho một lần thăm khám tiếp theo. Hội đồng IRB hiện yêu cầu các giao thức tái nhận dạng được ghi lại — chứng minh bạn CÓ THỂ tái nhận dạng khi được phép.
Khử nhận dạng có thể đảo ngược trong nghiên cứu lâm sàng
Khi một nghiên cứu phát hiện rủi ro biomarker bất ngờ ở 47 trong số 5.000 người tham gia, nhà nghiên cứu cần liên hệ lại với bệnh nhân thực. Chỉ 23% công cụ ẩn danh hóa cung cấp...
ChatGPT tuân thủ HIPAA với bảo vệ trình duyệt
77% nhân viên chia sẻ thông tin công việc nhạy cảm với công cụ AI ít nhất hàng tuần. Chặn PHI theo thời gian thực trên trình duyệt giảm sự cố rò rỉ xuống 94%.
Xử Lý Hàng Loạt 50.000 Ghi Chú Lâm Sàng Cục Bộ
Phán quyết của SDNY tháng 2 năm 2026 cho thấy tài liệu được AI xử lý mất đặc quyền luật sư-khách hàng nếu không được ẩn danh hóa trước khi xử lý.
LLM bỏ lỡ 50% PHI lâm sàng
Một nghiên cứu năm 2025 phát hiện LLM bỏ lỡ hơn 50% PHI lâm sàng trong các tài liệu đa ngôn ngữ. 34,8% tất cả đầu vào ChatGPT chứa dữ liệu nhạy cảm.
Biên Soạn Giải Thích Được: Kiểm Toán HIPAA
HIPAA Expert Determination yêu cầu phương pháp được tài liệu hóa. E-discovery pháp lý yêu cầu lý do cho từng lần biên soạn. 34% DPO báo cáo công cụ không đủ cho tài liệu tuân thủ ẩn danh tự động.
HIPAA Trên Đám Mây: Kiến Trúc Zero-Knowledge Cho PHI
Thỏa thuận Đối Tác Kinh Doanh không ngăn được vi phạm HIPAA khi nhà cung cấp AI đám mây xử lý PHI dưới dạng văn bản thuần. Đây là điều kiến trúc zero-knowledge thực sự thay đổi.
Khi CISO Y Tế Từ Chối Xử Lý PHI Trên Đám Mây
725 vụ vi phạm dữ liệu y tế năm 2024 ảnh hưởng đến 275 triệu hồ sơ. Với chi phí vi phạm trung bình 10,22 triệu USD - cao nhất trong mọi ngành - các CISO y tế đang từ chối các công cụ đám mây xử lý PHI.
HHS 2025: Ghi Chú Lâm Sàng AI Cần Phòng Ngừa PHI
Hệ thống ghi chép AI có thể vô tình đưa PHI của Bệnh nhân A vào hồ sơ của Bệnh nhân B. Đây là lý do tại sao phát hiện PHI thời gian thực trước khi lưu vào EHR là biện pháp kiểm soát quan trọng.
OCR Biểu Mẫu Viết Tay & Phát Hiện PII
Một bệnh viện cỡ trung xử lý 50.000 biểu mẫu tiếp nhận viết tay mỗi năm. Biên tập PII thủ công ở khối lượng này yêu cầu 0,5 FTE.
HIPAA OCR: 725 Vi Phạm, 275 Triệu Hồ Sơ
HHS OCR ghi nhận 725 vi phạm HIPAA trong năm 2024 ảnh hưởng đến 275 triệu hồ sơ bệnh nhân — mức cao nhất từ trước đến nay. Chi phí trung bình mỗi vụ vi phạm trong lĩnh vực y tế là 10,22 triệu USD.
Phát hiện PHI: Snow Labs 96% so với GPT-4o
Không phải công cụ xác định danh tính nào cũng như nhau. Điểm chuẩn ECIR 2025 cho thấy điểm F1 từ 79% đến 96%. Tìm hiểu tại sao độ chính xác quan trọng và cách đánh giá công cụ.
$7,42 Triệu: Chi Phí Vi Phạm Y Tế Dẫn Đầu Tất Cả Ngành
Ngành y tế đã là ngành tốn kém nhất về vi phạm dữ liệu trong 14 năm liên tiếp. Tìm hiểu lý do tại sao PHI có giá trị cao đến vậy và cách bảo vệ nó.
Bắt đầu Bảo vệ Dữ liệu của Bạn Ngày Hôm Nay
285+ loại thực thể, 48 ngôn ngữ, bảo mật cấp doanh nghiệp với giá khởi nghiệp.
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.