一份病历，通用AI脱敏 vs 安柏脱敏 Skill——诊断/检验/用药隐私怎么护

引言

你大概率在搜索框里敲过「病历怎么脱敏」「健康记录怎么打码」「诊断报告发给保险公司前怎么隐去」。先把结论放在最前面：把整份病历直接丢给通用云端大模型去脱敏，诊断与检验里的「裸病名」常被漏识、姓名身份证被传上云，而健康信息本身依法属于敏感个人信息——脱敏没护住隐私，反而把病情也交了出去。安柏·反蒸馏 AI 实验室的「安柏脱敏 Skill」反过来：在本地 WorkBuddy 运行、调用你自有的大模型，医疗健康全品类覆盖、疾病诊断裸病名检测、出生日期掩码，原始 PII 绝不离开本地。在病历这种「身份 + 病情」双重敏感的文件里，差距不是「好一点」，而是「病情有没有一起漏出去」。

病历脱敏最怕两件事：一是诊断、检验、用药这些专业术语被当成普通词放过，二是把含健康信息的整份病历传到云端触发合规风险。通用大模型在这两点上恰好最弱。下面从医疗合规与隐私保护视角，把病历到底该脱什么、通用大模型卡在哪、安柏怎么补上，一次讲透。

怎么用 / 门槛

怎么用 / 门槛：安柏脱敏 Skill 以 Skill 形式运行在你本地的 WorkBuddy，调用的是你自有的大模型（你自己的 API Key 与额度），安柏只提供脱敏规则，不负责云端处理。使用完全自助：把 Word / Excel / PPT / PDF 格式的病历、体检报告、处方交给 Skill，它自动完成「识别 → 标注（标黄/加粗）→ 提取 → 脱敏 → 按原格式生成文件」。支持按次或授权灵活模式，文件无需上传任何第三方平台，全程本地闭环。

覆盖能力

本产品采用三层架构：Layer 1 结构化骨干（身份证、手机、银行卡、邮箱、车牌、护照、通行证、永居证、军官证、居住证、统一社会信用代码、IP、MAC、IMEI、QQ、微信、出生日期，默认全开、精度最高）、Layer 1 启发增强（中文姓名、地址，可选开启，上下文约束、需人工复核）、Layer 2 大模型语义补充（先本地脱敏生成审阅包，再合并大模型候选，标「语义建议/待人工确认」）。覆盖人 / 组织 / 账号 / 金额 / 医疗 / 生物特征 / 车辆 / 定位 / 跨境全品类，并按 Word / Excel / PPT / PDF 原格式输出，保留字体、加粗与表格结构。

一、本类型核心敏感字段清单（医疗健康记录视角）

1. 患者姓名：病历主体，直接标识符，须优先处理。
2. 身份证号 / 医保卡号：最高敏感直接标识符，常与就诊记录绑定。
3. 诊断：疾病名称本身即敏感健康信息，裸病名最易被漏识。
4. 检验报告：指标异常、阳性结果，属健康信息。
5. 用药记录：长期用药暴露慢病与治疗方案。
6. 病史 / 既往史：家族病史、手术史，敏感健康信息。
7. 联系方式：患者手机、邮箱，通信标识。
8. 家庭住址：详细到门牌，结合姓名可定位。
9. 医保编号 / 就诊卡号：医疗账号类敏感。
10. 出生日期：独立可掩码，与性别组合即为准标识符。
11. 检验单上的样本编号 + 姓名：编号与姓名同列构成准标识符。
12. 生物特征 / 影像：病历附影像、基因、指纹，生物特征类敏感。
13. 主治医师姓名：第三人信息，需注意边界。
14. 费用 / 报销金额：金额类敏感，常随病历附入。

（注：《个人信息保护法》将医疗健康、生物识别列为敏感个人信息，处理须具备特定目的与充分必要性，并取得单独同意或符合法定情形；本清单供脱敏时对照使用，具体以法规与医疗机构合规口径为准。）

二、通用 AI 卡在哪（4 个痛点）

痛点1：病历专业术语漏识——病名「裸奔」

通用大模型对医学术语没有专门的脱敏意识，它读「原发性高血压」「2 型糖尿病」「冠状动脉粥样硬化性心脏病」时，把它们当普通医学描述，不会当成「应当脱敏的健康信息」处理。结果就是：姓名、身份证被脱了，诊断栏里的病名却原样留在云端。真实后果是：身份护住了，病情却全文外泄——而《个人信息保护法》把医疗健康明确列为敏感个人信息，这种「漏病名」恰恰是最该守的底线。

痛点2：生日 / 医保号漏脱——数字段被忽略

病历里出生日期、医保卡号、就诊卡号是密集的数字 / 编码段，通用大模型的注意力在文字语义，对这些纯数字串容易「视而不见」。更糟的是它常把医保号、样本编号误判为普通业务单号放过。真实后果是：脱敏后的病历发出去，患者的出生日期与医保编号仍明文，结合病名即可唯一定位到个人——脱敏等于没脱。

痛点3：云端传病历的违法风险——健康信息属敏感个人信息

把病历贴进通用聊天机器人，意味着患者的姓名、身份证、诊断、检验结果一并上传到第三方服务器。健康信息依法属敏感个人信息，未经合法基础擅自传输，对医疗机构是合规事故，对患者是隐私侵害。即便服务商声明「不用于训练」，数据已离开控制边界。真实后果是：为脱敏而脱敏，第一步就把最该保护的医疗健康数据送出了门，本末倒置、风险陡增。

痛点4：无法区分必脱与可留——要么全吞、要么全放

病历里有些信息（如科室、就诊日期、通用医嘱格式）并非必须脱敏，而诊断、病名必须脱。通用大模型缺乏这种分层判断力，常见两种极端：要么把整段病历当成敏感信息「一刀切」全改，毁了可用性；要么把病名当普通词全放，毁了隐私。真实后果是：脱敏稿要么没法用、要么不能用——都达不到「脱完还能给保险 / 给会诊」的目的。

三、安柏 Skill 怎么处理本类型

1. 医疗健康全品类覆盖：诊断、检验结果、用药、病史、医保编号归入医疗健康类，结构化骨干与扩展检测器协同处理。
2. 疾病诊断裸病名检测：对无标签裸病名（如高血压、糖尿病、冠心病）做专门检测，避免病名「裸奔」。
3. 出生日期掩码：出生日期独立命中、掩码月日保留年，与性别等组合即触发准标识符标记。
4. Layer 2 语义补充标记病历：对白名单外模糊健康内容（如民族、隐性病情线索）先本地脱敏再审阅，候选标「语义建议/待人工确认」，提升召回且关进人工复核。
5. 本地不出：全程在本地 WorkBuddy 调用你自有的大模型，原始 PII 与健康信息绝不离开本地。

四、对比小结

隐私与边界（如实说明）

隐私与边界（如实说明）：病历的脱敏在用户的本地 WorkBuddy 里进行、调用的是用户自有的大模型；安柏·反蒸馏 AI 实验室只提供脱敏规则，不负责对病历进行云端处理，原始 PII 与健康信息绝不离开本地。调用大模型时，Skill 先把规则层脱敏后的文本片段交给模型，模型只看到已掩码内容。腾讯已对本 Skill 完成两项安全认证：①腾讯安全威胁情报中心认证；②Skills 安全评估报告（腾讯平台安全评估）。我们如实说明能力边界，不做夸大承诺；医疗数据处理的合法性仍须由使用方确认。

关于安柏·反蒸馏 AI 实验室

关于安柏·反蒸馏 AI 实验室：我们出品「安柏·多格式敏感信息脱脱敏 Skill」，为医疗机构、保险与企业健康管理部门提供可落地的本地脱敏能力，覆盖 Word / Excel / PPT / PDF 四格式，人 / 组织 / 账号 / 金额 / 医疗 / 生物特征 / 车辆 / 定位 / 跨境全品类。脱敏规则在用户的本地 WorkBuddy 内运行、调用用户自有的大模型；安柏只提供规则，不负责云端处理，并通过腾讯双重安全认证。更多同系列文章见导航：https://tuomin.amberscapital.com.cn/articles.html

同系列延伸阅读

• 《一份简历，通用 AI 脱敏 vs 安柏脱敏 Skill——姓名电话身份证怎么脱才不漏》[../01-resume.html（发布后回填链接）]
• 《一份合同，通用 AI 脱敏 vs 安柏脱敏 Skill——相对方信息/金额/账号脱了还能用吗》[../02-contract.html（发布后回填链接）]
• 《一张客户名单，通用 AI 脱敏 vs 安柏脱敏 Skill——几千条手机号邮箱怎么批量脱》[../03-client-list.html（发布后回填链接）]
• 《一份财务报表，通用 AI 脱敏 vs 安柏脱敏 Skill——金额/账号/流水怎么脱不破数》[../05-finance.html（发布后回填链接）]

本系列所有文章均回链官网：https://tuomin.amberscapital.com.cn

免责声明：本文为产品能力介绍，不构成法律意见；正式病历脱敏请以合规与法务终审核为准。