淺談歐洲法院1/09意見後之歐洲共同體專利制度發展近況

刊登期別
第24卷,第3期,2012年03月
 

※ 淺談歐洲法院1/09意見後之歐洲共同體專利制度發展近況, 資訊工業策進會科技法律研究所, https://stli.iii.org.tw/article-detail.aspx?d=5754&no=55&tp=1 (最後瀏覽日:2026/06/11)
引註此篇文章
你可能還會想看
美國法院判決歐巴馬政府幹細胞政策違法餘波蕩漾

  美國哥倫比亞地方法院於今(2010)年8月23日發出暫行性禁制令(preliminary injunction),判定由聯邦政府經費補資助進行的人類胚胎幹細胞研究應暫時停止,此裁判嚴重打擊歐巴馬政府在去年新發布的幹細胞研究政策(Executive Order 13505 - Removing Barriers to Responsible Scientific Research Involving Human Stem Cells)。新政策允許對胚胎幹細胞株進行研究,不論該幹細胞株為前布希政府所允許的有限細胞株,或使用人工授精過程中經明文同意且無償提供研究用之剩餘胚胎。 本禁制令源於去年在新政策公布後,部分反對胚胎研究的團體及成人幹細胞研究科學家主張,美國國家健康研究所(NIH)根據歐巴馬政府新政策所制定的指導方針(NIH Guidelines on Human Stem Cell Research),違反Dickey-Wicker修正案,並侵蝕成人幹細胞的研究經費分配,因此對NIH提出此項訴訟。   Dickey-Wicker修正案禁止NIH從事破壞生命的研究,其為1996年以來國會每年在審理聯邦政府的綜合撥款法時所附帶通過的法律,等於是對NIH研究自由的界線設定。本案承審法官認為,人類胚胎幹細胞研究可能涉及摧毀人類胚胎,違反Dickey-Wicker修正案,因此這項告訴可能勝訴,法院因此同意發出暫時性禁制令。 地方法院此項裁判引發不少爭議,除相關利害關係人悲觀表示美國幹細胞研究因此將受到重創外,對於裁判內容究竟代表什麼意義,各方看法也不盡相同。裁判法官稱此裁判不過使幹細胞研究「維持現狀」(status quo),然而對於所謂的「現狀」,卻有不同解讀,有認為裁判結果意味全面禁止胚胎幹細胞的研究,亦有認為是回歸到布希政府的政策態度。   歐巴馬政府方面認為,其幹細胞政策並不違反Dickey-Wicker修正案,因其資助的研究使用的是「已經製造」出來的胚胎幹細胞株,而非資助破壞胚胎的「程序」,目前聯邦司法部已對此裁判提出上訴;另為了徹底解決此項爭議,眾議院於9月新會期一開始,已有議員正式提出法案(Stem Cell Research Advancement Act of 2010, S. 3766),內容除將歐巴馬總統之政策予以法制化外,也明文排除Dickey-Wicker修正案於幹細胞研究之適用,希冀徹底解決美國胚胎幹細胞研究爭議。

歐洲專利局發布人工智慧與機器學習專利審查指南正式生效

  歐洲專利局(European Patent Office, 下稱EPO)於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧(Artificial Intelligence, AI)與機器學習(Machine Learning, ML)的可專利性審查細則。   在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項,然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明,例如:神經網路、遺傳演算法、支援向量機(Support Vector Machines, SVM)、K-Means演算法、核迴歸和判別分析,不論它們是否能夠藉由數據加以訓練,此類運算模型和演算法本身,因具有抽象的數學性質而不具專利適格性。   其中,EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形,說明可否具備發明技術特徵:   (一)可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳,此種技術為具有技術貢獻。 基於低階特徵(例如:影像邊緣、像素數值)的數位影像、影片、音頻或語言訊號分類,屬於分類演算法的技術應用。   (二)可能不具技術性 根據文字內容進行分類,本身不具技術目的,而僅是語言學的目的(T 1358/09) 對抽象數據或電信網路數據紀錄進行分類,但未說明所產生分類的技術用途,亦被認定本身不具技術目的,即使該分類演算法的數據價值高(例如:穩健性)(T 1784/06)。   在新版審查指南中亦指出,當分類方法用於技術目的,其產生之訓練集(training set)和訓練分類器(training the classifier)的步驟,則能被視為發明的技術特徵。   近年來,人工智慧技術的應用分佈在我們的生活中,無論是自駕車、新藥開發、語音辨識、醫療診斷等,隨著人工智慧和機器學習技術快速發展,新版的審查指南將為此技術訂定可專利性標準,EPO未來要如何評判人工智慧和機器學習相關技術,將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站(https://www.tips.org.tw )」

日本公布設立AI安全研究所與著手訂定AI安全性評鑑標準

日本於2023年12月1日舉辦G7數位技術委員會(G7デジタル・技術大臣会合),由日本數位廳、總務省、經濟產業省共同會晤G7會員國代表,基於人工智慧(Artificial Intelligence,下稱AI)可能帶給全球創造性、革命性的轉變,同時也可能伴隨侵害著作權與擴散假訊息的風險,尤其是生成式AI可能對經濟、社會影響甚鉅,因此針對如何妥善使用AI技術,G7全體會員國共同訂定《廣島AI進程》(広島AIプロセス)文件,其聲明內容簡述如下: 1.訂定涵蓋《廣島AI進程》之政策框架(Framework) 2.訂定涵蓋AI設計、系統開發、規劃、提供與使用等所有與AI有關人員,(All AI actors, when and as applicable, and appropriate, to cover the design, development, deployment, provision and use of advanced AI systems)適用之《廣島AI進程》國際標準(Principle) 3.針對開發高階AI系統之組織,訂定可適用之國際行為準則(Code of Conduct) 為此,日本內閣府於2024年2月14日公布,於經濟產業省政策執行機關—獨立行政法人資訊處理推動機構(独立行政法人情報処理推進機構,下稱IPA)轄下設立日本AI安全研究所(Japan AI Safety Institute,下稱AISI),作為今後研擬AI安全性評鑑標準(據以特定或減少AI整體風險)與推動方式之專責機構,以實現安心、安全以及可信賴之AI為目標。AISI所職掌的業務範圍如下: 1.進行AI安全性評鑑之相關調查 2.研擬AI相關標準 3.研擬安全性評鑑標準與實施方式 4.研擬與各國AI專責機關進行國際合作,例如:美國AI安全研究所(U.S. Artificial Intelligence Safety Institute, USAISI) 另一方面,IPA將以內部人才招聘作為AISI成員之任用方式,預計組成約數十人規模的團隊。日本以與G7會員國共識為基礎,採專責機關—AISI進行研究與規劃,並推動日後擬定AI相關使用規範與安全性評鑑標準,據以實現AI應用安全之目標。我國對於AI技術之應用領域,未來應如何訂定使用安全規範,將涉及專業性與技術性事項之整體性規劃,日本因應AI課題而採行的做法值得我國未來持續關注。

美國病歷健康資訊科技化政策可望於10年內節省220億美元用藥支出

  美國「2009年經濟復甦暨再投資法」(America Recovery and Reinvestment Act, ARRA),將醫療產業中的醫療資訊科技列為重點發展項目之ㄧ。以國內全面採行「電子病歷健康記錄」(electronic health records, EHRs)系統為目標,共挹注190億美元的經費,透過聯邦醫療保險或醫療補助計畫的機制支付獎勵金,鼓勵醫師或醫療院所採購並建置院內的電子醫療資訊系統。自2011年至2015年,醫師或醫療院所符合實質EHR使用者(meaningful EHR user)的標準,至多可獲得44000美元的獎勵金;倘於2015年後,其尚未成為實質EHR使用者,則將以每年多1%的比例,逐年減少其醫療保險補助額,直至2019年將減少5%。為了施行此政策,ARRA規定主管機關須於2009年12月31日前確立EHR的標準,包含了相互運用性(interoperability)、臨床功能性(clinical functionality)及安全性等標準。   EHR系統的基礎,也就是電子醫囑(e-prescribing)所涵蓋的功能,能提供臨床及藥費的即時資訊,供醫師判斷何種藥物(包含學名藥)最為安全,且可符合病患經濟負擔;亦可顯示該病患用藥紀錄,及其他醫生曾開立的處方,供醫師比對並觀察病患潛在的藥物過敏現象,若系統偵測出藥物間相斥的情形,亦將自動發出安全警示。此外,以電腦輸入處方並自動傳送至領藥處的模式,不僅可省卻病患冗長的等候領藥時間,亦能減少藥劑師因難以判讀字跡所導致的配藥錯誤。 一項由美國藥物照顧管理協會(Pharmaceutical Care Management Association, PCMA)所贊助的調查研究指出,ARRA中的病歷健康資訊科技化措施,將使e-prescribing的運用率,在未來五年內增加75%;而在往後10年,此將減少約3500萬筆的用藥指示錯誤,消弭因服藥錯誤導致的死亡事件,並能節省220億的用藥支出;其所帶來的效益實遠超過政府所挹注的經費。

TOP