By · Last updated 2026-06-05

Takaisin BlogiinGDPR & Vaatimustenmukaisuus

Datatilsynet: Terveydenhuoltodata ja GDPR Tanskassa

Tanskan Datatilsyn teki 31 GDPR-päätöstä vuonna 2024; 14 koski terveydenhuollon tietojärjestelmiä. CPR-numero vaatii modulus-11-validoinnin, jonka 67 % NLP-työkaluista jättää tekemättä.

June 5, 20268 min lukuaika
Denmark DatatilsynetCPR numberhealthcare GDPRNordic data protectionhealth data

Terveydenhuoltodata ja GDPR Tanskassa: Datatilsynetin valvonta vuonna 2024

Datatilsyn käsitteli 31 GDPR-tapausta vuonna 2024. Neljätoista niistä — 45 % — koski lääketieteellisiä järjestelmiä. Tanskassa on 5,9 miljoonaa asukasta. Tämä osuus on erittäin korkea. Se kuvastaa, kuinka pitkälle maa on edennyt digitaalisen terveydenhuollon saralla. Se osoittaa myös, kuinka tiukat säännöt ovat.

Tanskan terveydenhuoltojärjestelmä

Kaikilla tanskalaisilla on CPR-numero. Tämä numero on yhdistetty potilaskertomukseen, lääkerekisteriin, kansalliseen potilasrekisteriin ja Statens Serum Institutin kudosnäytteisiin. Kansallinen potilasrekisteri ulottuu vuoteen 1977 asti.

Tämä järjestelmä tekee tanskalaisesta lääketieteellisestä tutkimuksesta maailman parhaimmistoa. Se tarkoittaa myös, että potilastiedot ovat erittäin arkaluonteisia. Siksi Datatilsyn on panostanut niin voimakkaasti tähän alueeseen.

CPR-numeron ongelma

CPR-numero on 10-numeroinen tunniste. Muoto on PPKKVV-XXXX. Viimeinen numero on modulus-11-laskentaan perustuva tarkistusnumero.

CPR-numerot esiintyvät kaikissa kliinisissä tiedostoissa. Ne on yhdistetty terveys-, vero-, pankki- ja äänestäjärekistereihin.

Datatilsyn edellyttää, että anonymisointiprosessi tarkistetaan ennen potilastietojen käyttämistä uusiin tarkoituksiin. Kuitenkin 67 % tavallisista NLP-työkaluista jättää modulus-11-vaiheen tekemättä CPR-numeroille. Kun näin tapahtuu, syntyy kaksi ongelmaa.

Väärät löydökset: Päivämäärämerkkijonot, laskunumerot ja viitekoodit tunnistetaan aitoina CPR-numeroina. Tämä johtaa kalliisiin manuaalisiin tarkistuksiin.

Huomaamattomat tunnisteet: CPR-numerot, joissa on vaihdetut numerot, epäonnistuvat tarkistuksessa. Todelliset potilastunnisteet pääsevät läpi. Tulos näyttää puhtaalta, mutta ei ole sitä.

Lisätietoja siitä, miten tarkistusnumerosäännöt toimivat muille EU-tunnistetyypeille, on EU:n kansallisten verotunnisteiden PII-tunnistusoppaassamme.

Neljä sääntöä potilastietojen uudelleenkäytölle

Tanskan lääketieteelliset rekisterit edistävät erinomaista tutkimusta. Datatilsynetin vuoden 2024 uudelleenkäyttöohje asettaa neljä sääntöä.

Dokumentoi mitä olet tehnyt: Luettele kaikki poistamasi tai muuttamasi kentät. Kirjaa ylös, miten olet pyöristänyt tai ryhmitellyt arvoja. Lyhyt politiikkamuistio ei täytä tätä vaatimusta.

Näytä testituloksesi: Dokumentoi, että työkalusi löysi CPR-numerot ja muut tanskalaiset tunnisteet. Suullinen lupaus ei ole dokumentaatio.

Rajoita mitä haet: Älä ota enempää henkilötietoja kuin tutkimuksesi vaatii. Sääntö koskee myös pseudonymisoituja tietojoukkoja.

Suorita DPIA tekoälytyökaluille: Jokainen tekoälytyökalu, joka käsittelee tanskalaisia potilastiedostoja, vaatii DPIA:n. Käytä Datatilsynetin vakiolomaketta.

Kolme painopistealuetta Kööpenhaminassa

Köpenhaminalaisiin med-tech-yrityksiin kuuluvat Leo Pharma, Bavarian Nordic ja lukuisat startup-yritykset. Datatilsyn seuraa kolmea riskialuetta.

Tekoälyn koulutusdata: Viranomainen totesi vuonna 2024, että yritykset kouluttivat tekoälymalleja tiedostoilla, joissa oli aktiivisia CPR-numeroita. Yhdelläkään ei ollut voimassa olevaa oikeusperustaa.

Ulkomaille siirrot: Jotkut yritykset lähettivät potilastiedostoja amerikkalaisille pilvipalveluntarjoajille tekoälytyötä varten. Viranomainen totesi, että SCC:t yksin eivät riitä. Tekniset toimenpiteet ovat myös pakollisia — kuten salaus avaimilla, jotka säilytetään Euroopassa.

Pääsylokit: Lokien on osoitettava, kuka luki mitä tiedostoja ja milloin. Ne on säilytettävä vähintään viisi vuotta.

56 % tanskalaisia terveystietoja koskevista tietomurroista vuonna 2024 johtui puutteellisesta anonymisoinnista. CPR-validoitujen työkalujen käyttäminen tanskankielisellä tuella poistaa yleisimmän virheen lähteen.

Lisätietoja pohjoismaisesta valvonnasta on IMY Ruotsin GDPR-anonymisointioppaassamme.

Lähteet

Valmiina suojaamaan tietojasi?

Aloita PII-anonymisointi yli 285 entiteettityypillä 48 kielellä.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.