· 2 min de leitura · NETBRAND CORP
Como fazer um POC de anonimização: 100 a 200 documentos reais e recall por entidade
Um plano prático para avaliar ferramentas de anonimização nos seus próprios prontuários: amostragem, anotação, métricas por tipo de entidade e o critério de aceite que o seu comitê precisa.
Por que com os seus próprios documentos
Benchmarks públicos usam outros hospitais, outros modelos de documento e muitas vezes casos sintéticos. As exportações do seu prontuário eletrônico têm cabeçalhos, abreviações e formatos de identificador próprios. O único número que prevê o comportamento em produção é o medido nos seus documentos.
Passo 1: amostrar
- Separe documentos das fontes com mais volume: sumários de alta, evoluções, encaminhamentos, formulários digitalizados.
- Misture PDFs nativos e digitalizados na proporção em que você realmente os recebe.
- Entre 100 e 200 documentos costuma bastar para ver onde uma ferramenta falha; acrescente mais para tipos de documento raros.
Passo 2: anotar
Duas pessoas anotam de forma independente e depois resolvem as divergências. Para cada trecho registre o tipo de entidade: nome, CPF, CNS, prontuário, convênio, endereço, CEP, data, telefone, e-mail, instituição e qualquer tipo próprio que importe. Mantenha o guia de anotação curto e por escrito.
Passo 3: rodar as candidatas
Rode cada ferramenta no mesmo conjunto, on-premise, com a mesma configuração que usaria em produção. Guarde as detecções brutas, não só a saída mascarada, para poder pontuá-las.
Passo 4: pontuar por tipo de entidade
- Recall: dos identificadores que uma pessoa marcou, quantos a ferramenta encontrou? É a métrica de privacidade.
- Precisão: do que a ferramenta marcou, quanto era de fato um identificador? É a métrica de utilidade; o excesso de mascaramento destrói o sentido clínico.
- Reporte as duas por tipo de entidade. Uma nota global esconde as falhas que importam.
Passo 5: combinar o critério de aceite
Escreva-o antes de ver os resultados. Por exemplo: recall de 99% ou mais em identificadores diretos, medido no conjunto de validação, mais amostragem humana mensal em produção. O marco legal está em Pseudonimizar vs. anonimizar: o que dizem a LGPD, a HIPAA, o GDPR e a lei colombiana.
Passo 6: decidir a política por entidade
Quando confiar na detecção, decida o que acontece com cada tipo: tokenizar nomes, deslocar datas, generalizar idades e CEPs, mascarar CPFs. Essa política, as métricas e o plano de amostragem são o documento que o seu comitê assina.
Faça com o Velo
Um POC do Velo segue exatamente este plano, na sua sede, em uma a três semanas, e termina com o recall por tipo de entidade e um relatório para o seu comitê. Para a arquitetura que o POC protege, veja Como enviar prontuários a um LLM na nuvem sem enviar o paciente.
Este artigo é informação geral, não aconselhamento jurídico.