Медицинские данные не должны попадать в ИИ как есть: OpenClaw-скилл Redacta прячет имена пациентов до отправки в модель
В сообществе OpenClaw появился показательный пример того, как ИИ-агенты начинают работать с самыми чувствительными данными. Разработчик под ником nickjlamb выпустил скилл Redacta, который псевдонимизирует медицинские и клинические тексты до того, как они попадут в языковую модель. Инструмент уже набрал 1400 загрузок на ClawHub.
Как это работает
Redacta находит в документе имена, даты, контакты и номера медицинских записей, а затем заменяет их на последовательные метки: вместо «Иван Петров» появляется [PATIENT_NAME_1], вместо номера — [NHS_NUMBER_1]. Ключевая деталь — это не просто удаление информации, а псевдонимизация: повторные упоминания остаются согласованными, а по карте соответствий оригинал можно восстановить позже.
Всё выполняется локально. Персональные данные пациента не отправляются внешней модели — наружу уходит только обезличенный текст с сохранённым клиническим смыслом. Инструмент также умеет распознавать британские номера NHS с проверкой контрольной суммы и предлагает более строгий режим HIPAA Safe Harbor для американских данных.
От скилла к экосистеме
За короткое время Redacta вырос из простого скилла в целую линейку: iOS-приложение, MCP-сервер для Claude Desktop и Cursor, CLI, TypeScript- и Python-библиотеки. Код открыт под лицензией MIT-0, то есть его можно свободно использовать без ограничений.
Почему это важно
История показательна не масштабом, а направлением. Медицина — одна из самых осторожных сфер для ИИ именно из-за персональных данных: врачи и клиники боятся, что модель «запомнит» и выдаст чужую историю болезни. Redacta предлагает простой принцип: обезличивание должно происходить до модели, а не после. Это снимает главный барьер — не нужно доверять внешнему сервису, достаточно очистить текст на своей стороне.
Для врачей, клиник и разработчиков это готовый шаблон, как использовать языковые модели с чувствительными данными, не нарушая приватность пациентов. А для обычного читателя — наглядный пример того, что ИИ в медицине упирается не в возможности моделей, а в аккуратную работу с данными, и эту проблему уже решают простыми открытыми инструментами.
