I dataset di assistenza virtuale registrano interazioni tra assistiti e agenti digitali nell'ambito della cura domiciliare. Contengono dati sanitari ai sensi del GDPR Art. 9 e rientrano nel DM 29/4/2022 sull'assistenza domiciliare digitale. anonym.plus de-identifica tutti gli attributi personali sul dispositivo, rendendo i dataset utilizzabili per ricerca e sviluppo di servizi.
Quando si applica
Una startup di digital health vuole usare i log della propria piattaforma di assistenza virtuale per addestrare un nuovo modello di raccomandazione. Prima dell'uso in training, il dataset deve essere de-identificato.
Come lo gestisce anonym.plus
- Esporta il dataset di assistenza virtuale e aprilo in anonym.plus.
- Il programma rileva ID utente, nomi, codici fiscali e indirizzi IP.
- I log di interazione e i pattern di risposta restano intatti.
- Scegli de-identificazione completa o pseudonimizzazione con chiave locale.
- Verifica il dataset risultante rispetto al test del Considerando 26.
- Distribuisci il dataset de-identificato al team di ricerca.
Cosa serve fornire
- Dataset di assistenza virtuale in formato JSON, CSV o TXT.
- Un'azione: anonimizzazione completa o pseudonimizzazione.
- Regole opzionali per conservare i codici di servizio strutturati.
Tipi di entità rilevati nei dati sanitari
| Categoria | Tipo di entità anonym.plus | Esempio |
|---|---|---|
| ID utente | MEDICAL_RECORD_NUMBER | user: AVS-11092 → [ID_ANONIMO] |
| Nominativo | PERSON | Nome: Carmela Ferri → [PAZIENTE_1] |
| Codice fiscale | IT_FISCAL_CODE | FRRCML60A41F205X → [CF] |
| Indirizzo IP | IP_ADDRESS | 192.0.2.88 → [IP] |
| EMAIL_ADDRESS | c.ferri@mail.it → [EMAIL] | |
| Data | DATE_TIME | 2024-01-22T16:45:00 → [TIMESTAMP] |
Conformità raggiunta
- D
- e
- -
- i
- d
- e
- n
- t
- i
- f
- i
- c
- a
- z
- i
- o
- n
- e
- v
- e
- r
- i
- f
- i
- c
- a
- t
- a
- s
- e
- c
- o
- n
- d
- o
- <
- s
- t
- r
- o
- n
- g
- >
- G
- D
- P
- R
- C
- o
- n
- s
- i
- d
- e
- r
- a
- n
- d
- o
- 2
- 6
- <
- /
- s
- t
- r
- o
- n
- g
- >
- .
- C
- o
- n
- f
- o
- r
- m
- e
- a
- l
- <
- s
- t
- r
- o
- n
- g
- >
- D
- M
- 2
- 9
- /
- 4
- /
- 2
- 0
- 2
- 2
- <
- /
- s
- t
- r
- o
- n
- g
- >
- (
- a
- s
- s
- i
- s
- t
- e
- n
- z
- a
- d
- o
- m
- i
- c
- i
- l
- i
- a
- r
- e
- d
- i
- g
- i
- t
- a
- l
- e
- )
- .
- C
- o
- n
- f
- o
- r
- m
- e
- a
- l
- <
- s
- t
- r
- o
- n
- g
- >
- R
- e
- g
- .
- U
- E
- 2
- 0
- 2
- 4
- /
- 1
- 6
- 8
- 9
- A
- I
- A
- c
- t
- <
- /
- s
- t
- r
- o
- n
- g
- >
- p
- e
- r
- s
- i
- s
- t
- e
- m
- i
- A
- I
- i
- n
- s
- a
- n
- i
- t
- à
- .
- 1
- 0
- 0
- %
- o
- f
- f
- l
- i
- n
- e
- —
- c
- i
- f
- r
- a
- t
- o
- c
- o
- n
- <
- s
- t
- r
- o
- n
- g
- >
- A
- E
- S
- -
- 2
- 5
- 6
- -
- G
- C
- M
- +
- A
- r
- g
- o
- n
- 2
- i
- d
- <
- /
- s
- t
- r
- o
- n
- g
- >
- .
Anonimizza Dataset di assistenza virtuale offline — vedi piani & inizia gratis →
Limiti & avvertenze
I dataset di assistenza virtuale possono contenere risposte auto-rivelate con dettagli geografici o familiari specifici. Valuta il rischio di re-identificazione con un'analisi k-anonimato prima del rilascio per ricerca.
Domande frequenti
I pattern di interazione vengono alterati dalla de-identificazione?
No. Solo gli attributi personali vengono rimossi; i log di interazione e le sequenze di risposta restano intatti.
Posso usare il dataset de-identificato per addestrare modelli AI?
Sì, purché la de-identificazione rispetti il Considerando 26 e gli obblighi dell'AI Act per i sistemi ad alto rischio in sanità.
Il programma gestisce dataset con strutture JSON nidificate?
Sì. Il rilevamento opera a qualsiasi profondità di annidamento JSON.