By · Last updated 2026-06-05

Atgal į BlogąGDPR ir Atitiktis

Datatilsynet: Danijos sveikatos duomenys ir BDAR

Danijos Datatilsynet 2024 m. priėmė 31 BDAR sprendimą; 14 iš jų buvo susiję su sveikatos duomenų sistemomis. CPR numeris reikalauja modulus-11 patikrinimo, kurį praleidžia 67 % NLP įrankių.

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

Danijos sveikatos duomenų BDAR: Datatilsynet 2024 m. vykdymas

Danijos Datatilsynet 2024 m. nagrinėjo 31 BDAR bylą. Keturiolika iš jų — 45 % — buvo susijusios su medicinos sistemomis. Danijoje gyvena 5,9 milijono žmonių. Tokia dalis yra labai didelė. Ji rodo, kaip toli šalis pažengė skaitmeninės sveikatos srityje. Taip pat parodo, kokie griežti yra taisyklių reikalavimai.

Danijos sveikatos sistema

Kiekvienas danų pilietis turi CPR numerį. Jis susieja asmens duomenis su paciento kortele, vaistų registru, ligoninės žurnalu ir audinių mėginiais Statens Serum Institut. Ligoninės žurnalas saugomas nuo 1977 m.

Ši sistema leidžia danų medicinos moksliniams tyrimams būti vienais geriausių pasaulyje. Ji taip pat reiškia, kad pacientų failai yra labai jautrūs. Štai kodėl Datatilsynet tiek daug dėmesio skiria šiai sričiai.

CPR numerio problema

CPR numeris yra 10 skaitmenų identifikatorius. Jo formatas yra DDMMYY-XXXX. Paskutinis skaitmuo yra kontrolinis skaitmuo. Jis veikia modulus-11 matematikos pagrindu.

CPR numeriai randami kiekviename klinikiniame faile. Jie susiejami su priežiūros, mokesčių, bankininkystės ir rinkimų duomenimis.

Datatilsynet teigia, kad prieš naudojant pacientų įrašus bet kokiam naujam tikslui, reikia patikrinti atanoniminimo darbą. Tačiau 67 % įprastų NLP įrankių praleidžia modulus-11 žingsnį CPR numeriams. Kai jie tai praleidžia, nutinka du dalykai.

Klaidingos atitiktys: Datos eilutės, sąskaitų numeriai ir nuorodos kodai žymimi kaip tikri CPR numeriai. Tai lemia brangias rankines patikras.

Praleisti ID: CPR numeriai su sukeistais skaitmenimis nepraėjo patikrinimo. Todėl tikri pacientų ID prasprūsta. Rezultatas atrodo švarus, tačiau nėra.

Žr. mūsų ES nacionalinio ID aptikimo vadovą, kuriame aprašyta, kaip kontrolinių skaitmenų taisyklės veikia kitiems ES ID tipams.

Keturios pacientų įrašų pakartotinio naudojimo taisyklės

Danijos medicinos registrai padeda finansuoti aukščiausio lygio tyrimus. Datatilsynet 2024 m. gairės dėl pakartotinio naudojimo nustato keturias taisykles.

Užrašykite, ką padarėte: Išvardinkite kiekvieną pašalintą ar pakeistą lauką. Pažymėkite, kaip apvalinote ar grupavote reikšmes. Trumpa politikos pastaba neatitinka šio reikalavimo.

Pateikite bandymų rezultatus: Įrodykite, kad jūsų įrankis rado CPR numerius ir kitus danų ID. Teiginys nėra įrodymas.

Ribokite, ką imsite: Neimkite daugiau asmens duomenų, nei reikia jūsų tyrimui. Ši taisyklė galioja net pseudonimizuotiems rinkiniams.

Atlikite DPIA dėl AI įrankių: Kiekvienas AI įrankis, apdorojantis danų pacientų failus, reikalauja DPIA. Naudokite standartinę Datatilsynet formą.

Trys sutelkimo sritys Kopenhagoje

Kopenhagos medicinos technologijų įmonės apima Leo Pharma, Bavarian Nordic ir daugybę naujų įmonių. Datatilsynet stebi tris rizikos sritis.

AI mokymo rinkiniai: Institucija 2024 m. nustatė, kad įmonės mokė AI modelius naudodamos failus su tikrais CPR numeriais. Nė viena neturėjo galiojančio teisinio pagrindo.

Perdavimas į užsienį: Kai kurios įmonės siuntė pacientų failus JAV debesų paslaugų tiekėjams AI darbui. Institucija teigė, kad vien SCC nepakanka. Taip pat reikia techninių priemonių — pavyzdžiui, šifravimo su Europoje laikomais raktais.

Prieigos žurnalai: Žurnalai turi rodyti, kas skaitė kuriuos failus ir kodėl. Saugokite juos mažiausiai penkerius metus.

56 % Danijos medicinos duomenų pažeidimų 2024 m. kilo dėl prastos atanoniminimo. Naudojant CPR patvirtinimo įrankius su danų kalbos palaikymu pašalinama dažniausia klaida.

Daugiau apie Šiaurės Europos vykdymą žr. mūsų IMY Švedijos BDAR anonimizacijos vadovą.

Šaltiniai

Pasiruošę apsaugoti savo duomenis?

Pradėkite anonimizuoti PII su 285+ subjektų tipais 48 kalbomis.

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.