Este documento propone un nuevo modelo de privacidad para los sistemas de Registros Electrónicos de Salud (EHR) que utiliza una ontología de privacidad conceptual y metodologías de Aprendizaje Automático (ML). Subraya los desafíos que enfrentan actualmente los sistemas de EHR, como el equilibrio entre la privacidad y la accesibilidad, la facilidad de uso y el cumplimiento legal. Para abordar estos desafíos, el estudio desarrolló un modelo de privacidad universal diseñado para gestionar y compartir de manera eficiente los datos personales y sensibles de los pacientes a través de diferentes plataformas, como los sistemas MHR y NHS. La investigación empleó diversas técnicas de BERT para diferenciar entre políticas de privacidad legítimas e ilegítimas. Entre ellas, Distil BERT se destacó como la más precisa, demostrando el potencial de nuestro enfoque basado en ML para identificar de manera efectiva políticas de privacidad inadecuadas. Este documento esboza direcciones futuras de investigación, enfatizando la necesidad de evaluaciones exhaustivas, pruebas en estudios de caso del mundo real, la investigación de marcos adaptativos, implicaciones éticas y el fomento de la colaboración entre las partes interesadas. Esta investigación ofrece un enfoque pionero para mejorar la privacidad de la información en salud, proporcionando una base innovadora para futuros trabajos en este campo.