# CPF, CNS, CRM e CEP: os identificadores brasileiros que o NER genérico não detecta

Quais identificadores dos prontuários brasileiros escapam dos modelos genéricos de NER, como são os seus formatos e como detectá-los de forma confiável.

Published 2026-09-22 by NETBRAND CORP · https://netbrandcorp.com/pt/blog/identificadores-clinicos-brasileiros-ner/

> **Em resumo:** modelos NER de uso geral aprendem a encontrar pessoas, lugares e organizações. Prontuários brasileiros também trazem identificadores estruturados, CPF, Cartão Nacional de Saúde, número do prontuário, carteirinha do convênio, CRM e CEP, que precisam de regras com contexto para serem detectados com confiança.

## Por que o NER genérico não basta

Um modelo de entidades aprende como nomes e lugares aparecem no seu texto de treinamento. Ele não tem noção do que é um CNS ou um número de prontuário: são só dígitos. Em um sumário de alta eles costumam aparecer ao lado de rótulos como "CPF:", "Cartão SUS:" ou "Prontuário:", que é exatamente o contexto que uma regra pode usar.

## Os identificadores a considerar

| Identificador | Formato típico | Como detectar |
|---|---|---|
| CPF | `318.456.789-04` | Padrão com pontos e dígitos verificadores |
| Cartão Nacional de Saúde | `898 0012 3456 7890` | 15 dígitos em blocos |
| RG | varia por estado | Rótulo mais número |
| Número do prontuário | `PR-0048213` | Prefixo ou rótulo |
| Convênio e carteirinha | `Convênio: Saúde Andina` | Rótulo "convênio" |
| Autorização | `nº 88213-4` | Contexto "autorização" |
| CRM do médico | `CRM-SP 152231` | CRM com UF |
| Endereço | `Rua das Palmeiras, 452` | Tipo de logradouro, nome e número |
| CEP | `13015-120` | Cinco dígitos, hífen, três dígitos |
| Celular | `(19) 99555-0142` | DDD entre parênteses |

## O contexto importa tanto quanto o formato

- **Sobrenomes se repetem:** "Jorge Rocha Pereira (filho)" compartilha sobrenome com a paciente. Um bom sistema associa cada sobrenome real a um sobrenome falso consistente, para que a relação sobreviva à síntese.
- **Bairro e CEP** identificam muito: reduzir o CEP aos cinco primeiros dígitos e trocar o bairro diminui o risco.
- **Cada sistema de prontuário** (Tasy, MV, Pixeon e outros) exporta PDFs com cabeçalhos diferentes; vale ter um modelo de regras por formato.

## Como validar a detecção

Monte um pequeno conjunto anotado a partir das suas próprias fontes e meça o recall por tipo de identificador, não uma nota global. Um modelo que encontra 99% dos nomes e 60% dos CNS não está pronto. Em [Como fazer um POC de anonimização: 100 a 200 documentos reais e recall por entidade](https://netbrandcorp.com/pt/blog/poc-anonimizacao-medir-recall/) descrevemos o processo. O marco legal está em [Pseudonimizar vs. anonimizar: o que dizem a LGPD, a HIPAA, o GDPR e a lei colombiana](https://netbrandcorp.com/pt/blog/pseudonimizar-vs-anonimizar-lgpd-hipaa-gdpr/).

## Teste

O [portal do Velo](https://netbrandcorp.com/pt/) roda um detector de demonstração para prontuários brasileiros no seu navegador: [cole uma nota](https://netbrandcorp.com/pt/#probar) com CPF, CNS ou CEP e veja como ela é tokenizada, sintetizada ou mascarada. O produto combina modelos NER clínicos com essas regras, on-premise.

*Este artigo é informação geral, não aconselhamento jurídico.*