台灣醫療AI法規瓶頸: 個資法

最完整健保資料庫、最頂尖科技和醫療》台灣AI醫療進程 卡在法規緊箍咒 2019-02-21 作者: 洪綾襄 去年11月，頂著一頭灰黑色鬈髮，英國智慧醫療廠商TPP的創辦人─法蘭克．赫斯特（Frank Hester OBE）爵士，以英國政府特邀企業的身分，趕赴中國上海進口博覽會，推銷他已在英國實現的「一人一生一個病歷」資訊平台SystmOne。開發智慧病歷系統已20多年的赫斯特表示，「我的妻子是一位家庭醫師，當時我只是希望她不用花太多時間在做報表，才去開發這樣的程式。因此和坊間其他系統最大的差異在於，我的系統是以臨床數據為基礎，而不是保險或財務數據，這對我後來做癌症預測分析時，有很大的助益。」

英國病歷集中管理　病患就診紀錄帶著走 在英國，病歷已完成集中化管理，並可跟著病患到不同醫療院所就醫，廠商更可向政府取得病例資料做各式加值應用。以TPP為例，其資料庫儲存著英國2/3以上人口的完整電子病歷與病史，赫斯特便可利用大量資料來訓練AI人工智慧演算法，藉以增加判斷準確率，用以優化癌症預測與新藥研發。TPP僅是與英國國民保健署（NHS）合作的眾多廠商之一，美國基因定序業者illumina去年也與NHS合作，啟動規模達500萬人的全基因定序計畫GENOMIC England；也因此，即使中國已有杭州微醫、平安好醫生等獨角獸公司，仍對英國政府推動AI與資料經濟的經驗很有興趣。歐美與中國已風風火火，一衣帶水之隔的台灣，卻是現在才開始檢討修改人工智慧科技對《個資法》、《醫材法》、《醫師法》等醫療法規的緊箍咒。英國已用全民病歷來訓練AI預測癌症，台灣電子病歷卻仍無法二次使用。值得探究的是，歐盟去年才上路的史上最嚴格個資監管法規GDPR（一般資料保護規範）架構，為什麼英國政府能說服民眾，將最敏感的病例資料開放，並廣泛地做商業應用？在台灣，得要到這家醫院才能查閱自己在該院的病歷，至今無法整合成完整病例。

台灣《個資法》掣肘，公衛學者、人權團體也反對 儘管健保署握有全台灣最完整的資料，卻卡在《個資法》須獲得病患同意後才能使用，且由於絕大多數資料都是解析度規格不一致的掃描PDF圖檔，無法直接做數據分析，因此至今僅部分功能對外開放使用。此外，台灣雖早有電子病歷交換中心計畫，但醫院從未主動上傳資料，須取得病患書面同意後，才能進行跨院傳輸；而交換中心業務只建置索引，更進一步的蒐集、處理、應用功能都付之闕如，導致健保健康存摺或是國發會My Data（數位服務個人化）的成效都相當有限。中研院歐美所助研究員何之行分析，英國政府自2002年起推動國家IT計畫，建立摘要醫療照護紀錄系統，2008年通過《衛生與社會照護特別法》（Health and Social Care Act），用立法授權要求醫師上繳病歷資料給政府，雖一開始沒有得到病人同意，後來政府為表尊重當事人權益，更制定了退場機制。相較之下，台灣政府很難仿效英國從上而下，訂一個特別法超越《個資法》要求集中化管理病歷資料；其次，健保資料庫成立目的是為了正確核銷健保給付，強制蒐集國民醫療資料，個人沒有退出的權利；再者，《個資法》僅允許個人資料做「學術研究」，定義比GDPR符合「公共利益、科學或歷史研究或統計」規範還狹隘，三大法規瓶頸卡住台灣醫療AI進程。因此何之行建議，也許成本最小的方式，是讓健保資料庫允許退出機制，又或是將《個資法》中的「學術研究」改為「科學研究」，就不只限於大學，科技公司也有機會申請，降低健保資料被加值利用的門檻。但即使如此，業界仍有反對聲浪，公衛學者擔憂一旦讓人可選擇退出，健保資料完整性恐遭破壞；人權團體反對最力的論點，就是拒絕國家「目的外使用」個資，要求退出資料庫，國衛院就從2012年起被台灣人權促進會一路告到大法官釋憲。何之行認為，其實只要政府完整告知退出的利與弊，包括社會成本和個人醫療權利，很多人權衡後應該就不會想退出了。「其實在科技進步的今天，讓民眾有opt-in（選擇參加）或opt-out（選擇退出）的可能性已經不像以往那麼困難，」曾任IBM首席科學家、Graphen圖策智能創辦人兼執行長林清詠分析，如果真的要全面發展AI醫療，健保資料庫的資料使用機制勢必有所鬆綁。

去識別化後，你的個資就不是你的個資 況且，一旦可識別信息去除後，「你的個資就不是你的個資」。按照GDPR精神，科學研究是對全民健康有益，因此使用並不需要事前告知。林清詠指出，當然也有反對者認為，去識別化不可能是完美的，但歐、美當局並不會因為你去識別化做得不完美就不能使用資料，而是採重罰那些有心反轉去識別化的人，例如引發臉書（facebook）個資濫用風暴的劍橋分析公司，就恐被美國聯邦貿易委員會（FTC）重罰上百億美元。「台灣個資外洩的問題，除了系統缺失之外，民眾也常缺乏正確觀念，」中央研究院資訊科技創新研究中心主任黃彥男表示，其實去識別化的技術已一日千里，例如透過Ｋ匿名化（K-anonymity）、差分隱私（differential privacy）、夾雜訊等技術，就可讓統計資料無法輕易辨識出個人，然而在日常生活中，很多大樓門禁還是要求訪客押身分證或健保卡，就是一個很大的資安漏洞。採用人工智慧分析數據，有機會大幅提升醫療服務與新藥開發技術，如何兼顧倫理與人權、法規機制如何與時俱進修正且有效監理等議題，也已愈發迫切，值得相關單位重視。