anonym.legal

By · Last updated 2026-06-05

กลับไปที่บล็อกGDPR & การปฏิบัติตาม

Datatilsynet: GDPR ข้อมูลสุขภาพเดนมาร์ก

Datatilsynet ของเดนมาร์กออกคำวินิจฉัย GDPR 31 รายการในปี 2024 โดย 14 รายการเกี่ยวข้องกับระบบข้อมูลสุขภาพ หมายเลข CPR ต้องการการตรวจสอบ modulus-11 ที่เครื่องมือ NLP ถึง 67% ยังขาดอยู่

June 5, 20268 อ่านประมาณ
Denmark DatatilsynetCPR numberhealthcare GDPRNordic data protectionhealth data

GDPR ข้อมูลสุขภาพเดนมาร์ก: การบังคับใช้ของ Datatilsynet ปี 2024

Datatilsynet ของเดนมาร์กออกคดี GDPR 31 รายการในปี 2024 โดย 14 รายการจากทั้งหมด — คิดเป็น 45% — เกี่ยวข้องกับระบบข้อมูลทางการแพทย์ เดนมาร์กมีประชากร 5.9 ล้านคน สัดส่วนดังกล่าวถือว่าสูงมาก สะท้อนให้เห็นว่าประเทศนี้พัฒนาระบบสุขภาพดิจิทัลไปไกลเพียงใด และเป็นเครื่องยืนยันความเข้มงวดของกฎระเบียบที่บังคับใช้

ระบบสุขภาพของเดนมาร์ก

ชาวเดนมาร์กทุกคนมีหมายเลข CPR หมายเลขนี้เชื่อมโยงกับบันทึกผู้ป่วย ทะเบียนยา บันทึกโรงพยาบาล และตัวอย่างเนื้อเยื่อที่ Statens Serum Institut บันทึกของโรงพยาบาลย้อนกลับไปถึงปี 1977

ระบบนี้ทำให้การวิจัยทางการแพทย์ของเดนมาร์กอยู่ในระดับแนวหน้าของโลก แต่ในขณะเดียวกันก็หมายความว่าแฟ้มผู้ป่วยมีความอ่อนไหวสูงมาก นั่นคือสาเหตุที่ Datatilsynet ให้ความสำคัญกับด้านนี้อย่างมาก

ปัญหาหมายเลข CPR

หมายเลข CPR เป็นเลขประจำตัว 10 หลัก มีรูปแบบ DDMMYY-XXXX หลักสุดท้ายเป็นเลขตรวจสอบที่ใช้การคำนวณแบบ modulus-11

หมายเลข CPR ปรากฏในแฟ้มทางคลินิกทุกไฟล์ และเชื่อมต่อกับบันทึกด้านการดูแล ภาษี การธนาคาร และการเลือกตั้ง

Datatilsynet กำหนดให้ต้องตรวจสอบผลการระบุตัวตนก่อนนำบันทึกผู้ป่วยไปใช้งานในวัตถุประสงค์อื่น แต่เครื่องมือ NLP ทั่วไปถึง 67% ข้ามขั้นตอน modulus-11 สำหรับหมายเลข CPR เมื่อขาดขั้นตอนนี้ จะเกิดปัญหาสองประการ

ผลบวกเท็จ: สตริงวันที่ หมายเลขใบเสร็จ และรหัสอ้างอิงถูกระบุว่าเป็นหมายเลข CPR จริง ส่งผลให้ต้องตรวจสอบด้วยตนเองอย่างสิ้นเปลือง

หมายเลขที่พลาด: หมายเลข CPR ที่มีหลักสลับกันจะไม่ผ่านการตรวจสอบ ทำให้รหัสผู้ป่วยจริงหลุดรอดไป ผลลัพธ์ดูสะอาดแต่ไม่ใช่ความจริง

ดู คู่มือการตรวจจับเลขประจำชาติ EU สำหรับวิธีการทำงานของกฎเลขตรวจสอบสำหรับ ID ประเภทอื่นในสหภาพยุโรป

กฎสี่ข้อสำหรับการนำบันทึกผู้ป่วยมาใช้ซ้ำ

ทะเบียนข้อมูลทางการแพทย์ของเดนมาร์กช่วยสนับสนุนงานวิจัยชั้นนำ แนวทาง 2024 ของ Datatilsynet เกี่ยวกับการนำข้อมูลมาใช้ซ้ำกำหนดกฎสี่ประการ

บันทึกสิ่งที่ดำเนินการ: ระบุทุกช่องข้อมูลที่ลบหรือแก้ไข บันทึกวิธีการปัดเศษหรือจัดกลุ่มค่า บันทึกนโยบายสั้นๆ ไม่เพียงพอ

แสดงผลการทดสอบ: พิสูจน์ว่าเครื่องมือของคุณค้นพบหมายเลข CPR และรหัสประจำตัวอื่นๆ ของเดนมาร์ก คำกล่าวอ้างไม่ใช่หลักฐาน

จำกัดข้อมูลที่ดึงมา: อย่าดึงข้อมูลส่วนบุคคลมากกว่าที่การศึกษาต้องการ กฎนี้ใช้บังคับแม้กับชุดข้อมูลที่ผ่านการสร้างนามแฝงแล้ว

ทำ DPIA สำหรับเครื่องมือ AI: เครื่องมือ AI ใดๆ ที่ประมวลผลแฟ้มผู้ป่วยชาวเดนมาร์กต้องผ่าน DPIA ให้ใช้แบบฟอร์มมาตรฐานของ Datatilsynet

สามด้านที่จับตามองในโคเปนเฮเกน

บริษัทเทคโนโลยีทางการแพทย์ในโคเปนเฮเกน ได้แก่ Leo Pharma, Bavarian Nordic และสตาร์ตอัพอีกมาก Datatilsynet เฝ้าระวังความเสี่ยงสามด้าน

ชุดข้อมูลฝึก AI: หน่วยงานพบบริษัทในปี 2024 ที่ฝึกโมเดล AI บนแฟ้มที่มีหมายเลข CPR จริง ไม่มีรายใดมีฐานทางกฎหมายที่ถูกต้อง

การส่งข้อมูลออกต่างประเทศ: บริษัทบางแห่งส่งแฟ้มผู้ป่วยไปยังผู้ให้บริการคลาวด์ในสหรัฐฯ เพื่องาน AI หน่วยงานระบุว่า SCC เพียงอย่างเดียวไม่เพียงพอ ต้องมีมาตรการทางเทคนิคเพิ่มเติม เช่น การเข้ารหัสด้วยคีย์ที่เก็บในยุโรป

บันทึกการเข้าถึง: บันทึกต้องแสดงว่าใครอ่านแฟ้มใดและเพื่อวัตถุประสงค์อะไร ต้องเก็บรักษาไว้อย่างน้อยห้าปี

การละเมิดข้อมูลทางการแพทย์ในเดนมาร์กถึง 56% ในปี 2024 เกิดจากการระบุตัวตนที่ไม่สมบูรณ์ การใช้เครื่องมือที่ตรวจสอบ CPR พร้อมรองรับภาษาเดนมาร์กจะขจัดความล้มเหลวที่พบบ่อยที่สุดออกไปได้

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการบังคับใช้ในกลุ่มประเทศนอร์ดิก ดู คู่มือ GDPR การทำให้ข้อมูลไม่ระบุตัวตนของ IMY สวีเดน

แหล่งอ้างอิง

พร้อมที่จะปกป้องข้อมูลของคุณหรือยัง?

เริ่มทำให้ PII เป็นนิรนามด้วยประเภทเอนทิตีมากกว่า 285 ประเภทใน 48 ภาษา.

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.