符合 HIPAA 的 AI 训练数据：如何去标识化
HIPAA 对临床 AI 训练数据究竟有哪些要求：Safe Harbor 的 18 类标识符、为什么上传到云端本身就构成 PHI 披露，以及审计日志必须保留什么。
每个构建 AI 的医疗机构都面临同一个基本问题：你拥有的数据是临床的，而临床数据就是 PHI。本指南涵盖 HIPAA 对 AI 训练数据的实际操作要求。
临床 AI 中什么算作 PHI
PHI 的定义比大多数 ML 工程师预期的要广泛。它包括：任何比年份更具体的日期、比州更小的地理细分、超过 89 岁的年龄、电话号码、IP 地址、医疗记录号等 18 类标识符。
HIPAA 的两种脱敏标准
安全港（45 CFR §164.514(b)(2)）
要求移除所有 18 种指定标识符。
专家判定（45 CFR §164.514(b)(1)）
需要具有适当知识和经验的人员判定重新识别风险非常小。
对于大多数医疗 ML 团队，安全港是实用路径。
为什么云工具在设计上违反 HIPAA
上传临床文档到 SaaS 平台构成 HIPAA 下的 PHI "披露"。许多文档处理工具将页面发送到云 API 进行 OCR——这是等待发生的 HIPAA 违规。
构建 HIPAA 合规本地管道
| 阶段 | 发生什么 | HIPAA 要求 |
|---|---|---|
| 摄入 | 解析 PDF、文档、图像 | OCR/解析期间无出站连接 |
| 清洗/脱敏 | 检测和脱敏所有 18 类 PHI | 必须满足安全港或专家判 定 |
| 标注 | 对脱敏文本进行人工标注 | 标注者看不到 PHI；访问已记录 |
| 增强 | 使用本地 LLM 生成合成数据 | 不传输 PHI；仅本地模型 |
| 导出 | 输出训练就绪的 JSONL | 审计日志随数据集导出 |
Ertas Data Suite 的 Clean 模块自动检测和脱敏 PII 和 PHI。每次转换都带时间戳和操作员 ID 记录。整个技术栈像桌面应用一样安装在你自己的硬件上。
相关阅读
Turn unstructured data into AI-ready datasets — without it leaving the building.
On-premise data preparation with full audit trail. No data egress. No fragmented toolchains. EU AI Act Article 30 compliance built in.
Keep reading
企业 AI 训练数据的 GDPR 合规要点
在用个人数据训练模型之前 GDPR 要求你先做到什么：合法性基础、目的限制、数据最小化、匿名化处理，以及必须能够执行的被遗忘权。
保险行业AI数据准备：理赔、保单和核保文档
保险公司如何准备理赔表、保单文档和核保报告用于AI模型训练——本地部署，带PII脱敏和完全合规。
面向医疗团队的无代码数据标注
临床医生理解临床数据的能力远超任何 ML 工程师。以下是为什么临床 NLP 模型需要临床医生标注的数据、HIPAA 如何阻止基于云的标注，以及原生桌面工具如何让临床医生直接标注。