By · Last updated 2026-06-05

חזרה לבלוגGDPR ועמידה

Datatilsynet: GDPR בתחום הבריאות בדנמרק

רשות Datatilsynet הדנית הוציאה 31 החלטות GDPR ב-2024; 14 מהן עסקו במערכות נתוני בריאות. מספר CPR מצריך אימות מודולוס-11 שאותו מחמיצים 67% מכלי ה-NLP.

June 5, 20268 דקות קריאה
Denmark DatatilsynetCPR numberhealthcare GDPRNordic data protectionhealth data

GDPR בתחום הבריאות בדנמרק: אכיפת Datatilsynet 2024

רשות Datatilsynet הדנית פתחה 31 תיקי GDPR ב-2024. ארבעה עשר מהם — 45% — עסקו במערכות רפואיות. דנמרק מונה 5.9 מיליון תושבים. שיעור זה גבוה מאוד. הוא מעיד עד כמה המדינה התקדמה בבריאות דיגיטלית, ועד כמה הכללים בה נאכפים בהחמרה.

מערכת הבריאות בדנמרק

לכל אזרח דני יש מספר CPR. מספר זה מקושר לתיק הרפואי, לרישום התרופות, ליומן האשפוזים ולדגימות הרקמה ב-Statens Serum Institut. יומן האשפוזים חוזר לשנת 1977.

מערכת זו הופכת את המחקר הרפואי הדני לאחד הטובים בעולם. היא גם אומרת שתיקי המטופלים רגישים במיוחד. זו הסיבה שהרשות מקדישה לתחום זה תשומת לב כה רבה.

בעיית מספר ה-CPR

מספר ה-CPR הוא זיהוי בן 10 ספרות. צורתו: DDMMYY-XXXX. הספרה האחרונה היא ספרת ביקורת המחושבת לפי מודולוס-11.

מספרי CPR מופיעים בכל תיק קליני. הם מקושרים לטיפול רפואי, מיסוי, חשבונות בנק ורישומי הצבעה.

Datatilsynet קובעת כי יש לבחון את תהליך הפסאודונימיזציה לפני כל שימוש חדש בתיקי מטופלים. אולם 67% מכלי ה-NLP הנפוצים מדלגים על שלב מודולוס-11 לגבי מספרי CPR. כשהם מדלגים, שתי בעיות נוצרות.

זיהוי שגוי: מחרוזות תאריכים, מספרי חשבוניות וקודי הפניה מסומנים בטעות כמספרי CPR תקינים. הדבר גורם לבדיקות ידניות יקרות.

זיהויים שמוחמצים: מספרי CPR עם ספרות מוחלפות נכשלים בבדיקת המודולוס. כך מזהות מטופלים אמיתיות חומקות — הפלט נראה נקי אך אינו כזה.

ראו את מדריך זיהוי מזהים לאומיים ב-EU לפרטים על כללי ספרת הביקורת לסוגי מזהים נוספים.

ארבעה כללים לשימוש חוזר בתיקי מטופלים

רישומים רפואיים דניים תורמים למחקר ברמה עולמית. הנחיות Datatilsynet לשנת 2024 בנושא שימוש חוזר קובעות ארבעה כללים.

תיעוד תהליך העבודה: יש לפרט כל שדה שהוסר או שונה, ולציין כיצד בוצעה עיגול ערכים או קיבוצם. הצהרת מדיניות קצרה אינה עומדת בדרישה.

הצגת תוצאות הבדיקות: יש להוכיח שהכלי זיהה מספרי CPR ומזהים דניים אחרים. טענה בלבד אינה הוכחה.

הגבלת היקף הנתונים: אין לשלוף יותר נתונים אישיים ממה שהמחקר דורש. כלל זה תקף גם עבור קבצים פסאודונימיים.

ביצוע DPIA לכלי AI: כל כלי בינה מלאכותית שמעבד תיקי מטופלים דניים מחייב ביצוע DPIA בהתאם לטופס הסטנדרטי של Datatilsynet.

שלושה תחומי סיכון בקופנהגן

חברות הטק הרפואי של קופנהגן כוללות את Leo Pharma, Bavarian Nordic ועשרות סטארטאפים. Datatilsynet עוקבת אחר שלושה תחומי סיכון.

מערכי אימון של AI: הרשות מצאה ב-2024 חברות שאימנו מודלים על קבצים הכוללים מספרי CPR פעילים. לאף אחת מהן לא הייתה עילה משפטית תקפה.

העברות לחו"ל: חלק מהחברות שלחו תיקי מטופלים לספקי ענן אמריקאים לצורכי AI. הרשות קבעה ש-SCCs בלבד אינם מספיקים — נדרשים גם אמצעים טכניים, כגון הצפנה עם מפתחות המוחזקים באירופה.

יומני גישה: יומני גישה חייבים להראות מי קרא אילו קבצים ומדוע. יש לשמור אותם לפחות חמש שנים.

56% מהפרות נתוני הבריאות בדנמרק ב-2024 נבעו מפסאודונימיזציה לקויה. שימוש בכלים עם אימות CPR ותמיכה בשפה הדנית מסלק את הכשל הנפוץ ביותר.

למידע נוסף על אכיפה בסקנדינביה, ראו את מדריך אנונימיזציית GDPR של IMY שבדיה.

מקורות

מוכן להגן על הנתונים שלך?

התחל לאנונימיזציה של PII עם 285+ סוגי ישויות ב-48 שפות.

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.