Dánská čísla CPR: Průvodce souladu s GDPR
Aktualizováno pro rok 2026
Dánský dozorce nad daty, Datatilsynet, vydal v roce 2024 31 rozhodnutí podle GDPR. Čtrnáct se týkalo zdravotnických dat. Tento vysoký podíl odráží dvě skutečnosti: Dánsko provozuje rozsáhlý národní zdravotní systém a technické mezery v tomto systému stále odhalují záznamy pacientů.
Pravidlo kontrolní číslice pro čísla CPR
Číslo CPR je dánský osobní identifikátor. Má 10 číslic ve formátu DDMMRR-XXXX. Prvních šest číslic tvoří datum narození. Poslední čtyři jsou kód a kontrolní číslice.
Kontrolní číslice používá pravidlo modulus-11:
- Vezměte číslice 1 až 9.
- Přiřaďte každé váhu: 4, 3, 2, 7, 6, 5, 4, 3, 2.
- Každou číslici vynásobte příslušnou vahou. Sečtěte všechny výsledky.
- Vydělte 11. Poznamenejte zbytek.
- Zbytek 0 → kontrolní číslice je 0.
- Zbytek 1 → číslo není platné.
- Zbytek 2–10 → kontrolní číslice je 11 minus zbytek.
Toto pravidlo je klíčové pro každý nástroj skenující čísla CPR. Některé řetězce ve formátu DDMMRR-XXXX nemohou být platné. Nástroje, které tento krok přeskočí, označují data, kódy faktur a referenční čísla jako skutečná ID.
Přezkum Datatilsynet v roce 2024 zjistil, že 67 % obecných nástrojů NLP tento krok přeskakuje. Tato mezera je hlavním technickým selháním v jeho zdravotnických případech.
Pět zdravotních registrů Dánska
Dánsko propojuje zdravotní data napříč pěti národními registry. Osobní identifikátor tyto registry spojuje dohromady.
- Záznamy o propuštění z nemocnic (od roku 1977)
- Data o předpisech (od roku 1995)
- Registr nádorových onemocnění (od roku 1943)
- Registr příčin úmrtí (od roku 1970)
- Diagnózy primární péče (od roku 1990)
To dělá z dánského zdravotního výzkumu velmi silný nástroj. Zároveň to vytváří riziko. Odebrání surového ID nestačí. Datový soubor, který stále obsahuje věk, pohlaví, diagnózu a rok, může znovu identifikovat osoby — zejména ty se vzácnými onemocněními.
Pokyny Datatilsynet z roku 2024 pro sekundární využití zdravotních dat stanovují tři požadavky.
Zdokumentujte, co jste s daty udělali: Uveďte, která pole jste odebrali, která jste zaokrouhlili nebo seskupili a jakou velikost skupiny výstup dosahuje. Poznámka k zásadám tento standard nesplňuje.
Zajistěte externí přezkum pro velké soubory: U datových souborů s více než 5 000 osobami doporučuje úřad nezávislý technický přezkum kroků de-identifikace.
Přizpůsobte data účelu: Datový soubor musí odpovídat stanovenému výzkumnému cíli. Úřad zjistil případy, kdy týmy použily kompletní národní registry, přestože by postačil menší vzorek.
Viz náš průvodce detekcí národních ID v EU, jak se pravidla kontrolní číslice uplatňují u jiných evropských formátů ID.
Co odhalily případy z roku 2024
Čtrnáct zdravotnických případů sdílí tři běžné typy selhání.
Sdílení výzkumných dat: Nemocnice posílá de-identifikovaný datový soubor pacientů akademickému partnerovi k trénování AI. Soubor obsahuje části data narození, kódy diagnóz a data léčby. Úřad zjistí, že tato kombinace znovu odhaluje pacienty se vzácnými onemocněními. Neobvyklé diagnózy rychle zužují okruh osob.
Služby AI třetích stran: Zdravotnická firma posílá zápisky pacientů americké službě AI pro práci s klinickými záznamy. Osobní ID v těchto zápiscích nejsou předem odstraněna. Není zaveden platný mechanismus přenosu.
Mezery v OCR pipeline: Pojišťovatel zpracovává naskenované PDF formuláře pro žádosti o invaliditu. Jeho nástroj OCR převádí obrázky na text. Ale na výstupu nespouští testy kontrolní číslice. Mnoho ID je přehlédnuto.
OCR often vkládá mezery uprostřed čísla nebo posouvá pomlčku. Prostá shoda vzoru na takovém výstupu selhává. Detekce musí fungovat na textu OCR, nejen na čistém vstupu. Viz náš průvodce detekcí PII ve zdravotnictví přes OCR pro postup při práci s naskenovanými dokumenty.
Tři technické nezbytnosti
Tato trojice tvoří základ pro soulad dánského zdravotnictví s GDPR.
Testy kontrolní číslice na veškerém textu: Spouštějte úplnou kontrolu modulus-11 pro každý kandidátní řetězec. Aplikujte ji na čistý text i na výstup OCR.
Detekce jmen v dánském jazyce: Použijte model trénovaný na dánském textu. Jednou z možností je model spaCy da_core_news. Obecný anglický model přehlíží dánská jména i názvy organizací.
Záznamy de-identifikace: Zdokumentujte, co bylo odebráno, co bylo seskupeno a jakou velikost skupiny výstup dosahuje. Úřad požaduje toto v technické podobě, nikoli jako poznámku k zásadám.
Data o nákladech incidentů s daty ve zdravotnictví viz náš rozbor nákladů narušení zdravotních dat.