By · Last updated 2026-06-05

Povratak na BlogGDPR & Usklađenost

Datatilsynet: GDPR za zdravstvene podatke u Danskoj

Dansko Datatilsynet donijelo je 31 GDPR-odluku u 2024. godini; 14 se odnosilo na sustave zdravstvenih podataka. CPR-broj zahtijeva validaciju modulus-11 koju 67% NLP alata ne provodi.

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

GDPR za zdravstvene podatke u Danskoj: provedba Datatilsyneta 2024.

Dansko Datatilsynet pokrenulo je 31 GDPR-predmet u 2024. godini. Cetrnaest od njih — 45% — odnosilo se na medicinske sustave. Danska ima 5,9 milijuna stanovnika. Taj udio je izuzetno visok. On pokazuje koliko daleko je zemlja otisla u digitalizaciji zdravlja. Takoer pokazuje koliko su stroga primjenjiva pravila.

Danski zdravstveni sustav

Svaki Danac ima CPR-broj. Taj broj je povezan s medicinskim dosjeim, registrom lijekova, bolnickim evidencijama i uzorcima tkiva u Statens Serum Institut. Bolnicka evidencija see zurira od 1977. godine.

Taj sustav cini dansko medicinsko istrazivanje jednim od najboljih na svijetu. Znaci i da su pacijentske datoteke iznimno osjetljive. Upravo zato Datatilsynet toliko pazi na ovo podrucje.

Problem CPR-broja

CPR-broj je desetoznamenkasta identifikacijska oznaka. Njezin oblik je DDMMGG-XXXX. Posljednja znamenka je kontrolna. Izracunava se pomou matematike modulus-11.

CPR-brojevi pojavljuju se u svakom klinickom dosijeu. Oni su vezani uz zdravstvene, porezne, bancane i glasacke evidencije.

Datatilsynet kaze da morate provjeriti svoju de-identifikaciju prije nego sto koristite pacijentske zapise u novu svrhu. Medutim, 67% uobicajenih NLP alata preskace korak modulus-11 za CPR-brojeve. Kad ga preskoce, dogaaju se dvije stvari.

Lazni pronalasci: Datumski nizovi, brojevi racuna i referentni kodovi oznacavaju se kao stvarni CPR-brojevi. To dovodi do skupih rucnih provjera.

Propusteni ID-ovi: CPR-brojevi s transponiranim znamenkama ne prolaze provjeru. Pravi ID-ovi pacijenata prokliznu kroz. Izlaz izgleda cist, ali nije.

Pogledajte nas vodic za otkrivanje nacionalnih EU identifikacijskih dokumenata za pregled kako funkcioniraju pravila kontrolnih znamenki za ostale EU tipove ID-ova.

Cetiri pravila za ponovnu upotrebu pacijentskih zapisa

Danski medicinski registri pomazu financirati vrhunska istrazivanja. Smjernice Datatilsyneta iz 2024. o ponovnoj upotrebi definiraju cetiri pravila.

Zabiljezte sto ste ucinili: Navedite svako polje koje ste uklonili ili promijenili. Napomenite kako ste zaokruzili ili grupirali vrijednosti. Kratka napomena o pravilniku ne zadovoljava ovaj uvjet.

Prikazite rezultate testiranja: Dokazi da je vas alat pronasao CPR-brojeve i ostale danske ID-ove. Tvrdnja nije dokaz.

Ogranicite sto uzimate: Ne uzimajte vise osobnih podataka nego sto vase istrazivanje zahtijeva. Ovo pravilo vrijedi cak i za pseudonimizirane skupove.

Provedite DPIA za AI alate: Svaki AI alat koji obrauje danske pacijentske datoteke zahtijeva DPIA. Koristite standardni obrazac Datatilsyneta.

Tri podrucja fokusa u Kopenhagenu

Kopenhagenske med-tech tvrtke ukljucuju Leo Pharma, Bavarian Nordic i mnoge startupe. Datatilsynet pazi na tri rizicna podrucja.

Skupovi podataka za treniranje AI: Tijelo je 2024. otkrilo tvrtke koje su trenirale AI modele na datotekama sa zivim CPR-brojevima. Ni jedna nije imala valjanu pravnu osnovu.

Prekogranicni prijenosi: Neke tvrtke poslale su pacijentske datoteke americkim cloud-dobavljacima za AI posao. Tijelo je reklo da SCC ugovori sami po sebi nisu dovoljni. Takoer su potrebne tehnicke mjere — kao sto je enkripcija s kljucevima koji se cuvaju u Europi.

Pristupni dnevnici: Dnevnici moraju pokazivati tko je procitao koje datoteke i zasto. Cuvajte ih najmanje pet godina.

56% krsenja podataka u danskom zdravstvu u 2024. proizaslo je iz lose de-identifikacije. Koristenje alata koji validiraju CPR s podrskom za danski jezik eliminira najcescu gresku.

Za vise o nordijskoj provedbi, pogledajte nas vodic za GDPR anonimizaciju IMY Svedska.

Izvori

Spremni za zaštitu vaših podataka?

Započnite anonimizaciju PII-a s 285+ vrsta entiteta na 48 jezika.

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.