By · Last updated 2026-06-05

Tillbaka till BloggenGDPR & Efterlevnad

Datatilsynet: Danmarks GDPR inom hälso- och sjukvård

Danmarks Datatilsynet utfärdade 31 GDPR-beslut 2024 varav 14 rörde sjukvårdssystem. CPR-numret kräver modulus-11-validering som 67 % av NLP-verktygen saknar.

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

Danmarks GDPR inom hälso- och sjukvård: Datatilsynets tillsyn 2024

Danmarks Datatilsynet handlade 31 GDPR-ärenden 2024. Fjorton av dem — 45 % — gällde medicinska system. Danmark har 5,9 miljoner invånare. Den andelen är mycket hög. Den visar hur långt landet har kommit med digital hälsa. Den visar också hur strikta reglerna är.

Danmarks hälsosystem

Varje dansk person har ett CPR-nummer. Det numret är kopplat till patientjournalen, läkemedelsregistret, sjukhusloggen och vävnadsprover vid Statens Serum Institut. Sjukhusloggen sträcker sig tillbaka till 1977.

Detta system gör dansk medicinsk forskning till en av de bästa i världen. Det innebär också att patientfiler är mycket känsliga. Det är därför Datatilsynet har fokuserat så mycket på detta område.

Problemet med CPR-numret

CPR-numret är ett 10-siffrigt ID. Formatet är DDMMYY-XXXX. Den sista siffran är en kontrollsiffra som bygger på modulus-11-matematik.

CPR-nummer förekommer i alla kliniska filer. De kopplar till vård, skatt, bank och röstlängden.

DataTilsynet kräver att du kontrollerar ditt avidentifieringsarbete innan du använder patientjournaler för något nytt ändamål. Men 67 % av vanliga NLP-verktyg hoppar över modulus-11-steget för CPR-nummer. När de hoppar över det uppstår två problem.

Falska träffar: Datumsträngar, fakturanummer och referenskoder markeras som riktiga CPR-nummer. Det leder till kostsamma manuella kontroller.

Missade ID:n: CPR-nummer med transponerade siffror underkänns av kontrollen. Riktiga patient-ID:n glider igenom. Utdatan ser ren ut men är det inte.

Se vår guide om EU-nationella ID-detektioner för hur kontrollsiffersregler fungerar för andra EU-ID-typer.

Fyra regler för återanvändning av patientjournaler

Danmarks medicinska register bidrar till finansieringen av toppforskning. Datatilsynets vägledning från 2024 om återanvändning anger fyra regler.

Dokumentera vad du gjort: Lista varje fält du tagit bort eller ändrat. Anteckna hur du rundat av eller grupperat värden. En kort policy-anteckning räcker inte.

Visa dina testresultat: Bevisa att ditt verktyg hittade CPR-nummer och andra danska ID:n. Ett påstående är inget bevis.

Begränsa vad du hämtar: Hämta inte mer personuppgifter än vad din studie behöver. Denna regel gäller även för pseudonymiserade dataset.

Gör en DPIA för AI-verktyg: Alla AI-verktyg som behandlar danska patientfiler behöver en DPIA. Använd Datatilsynets standardformulär.

Tre fokusområden i Köpenhamn

Köpenhamns medtech-företag inkluderar Leo Pharma, Bavarian Nordic och många startups. Datatilsynet bevakar tre riskområden.

AI-träningsdata: Myndigheten fann 2024 att företag tränade AI-modeller på filer med levande CPR-nummer. Inget av dem hade en giltig rättslig grund.

Överföringar utomlands: Vissa företag skickade patientfiler till amerikanska molnleverantörer för AI-arbete. Myndigheten sa att standardavtalsklausuler (SCC) ensamt inte räcker. Du behöver också tekniska åtgärder — till exempel kryptering med nycklar som förvaras i Europa.

Åtkomstloggar: Loggar måste visa vem som läste vilka filer och varför. Spara dem i minst fem år.

56 % av danska dataintrång inom sjukvården 2024 berodde på dålig avidentifiering. Verktyg med CPR-validering och stöd för danska minskar den vanligaste felkällan.

För mer om nordisk tillsyn, se vår IMY Sverige GDPR-guide för anonymisering.

Källor

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper på 48 språk.

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.