簡介美國無線電視所有權限制相關規則之發展
韓國保健福祉部（The Ministry of Health and Welfare, MOHW）於2025年11月28日召開健康保險政策審議委員會（건강보험정책심의위원회），正式發布「藥價制度改善方案」。此項改革被視為韓國製藥產業近13年來最大規模的結構性調整，核心目標在於打破產業長期過度依賴學名藥的現狀，透過重新分配健保資源，將重心轉向支持「創新藥品」與「必需藥品」的研發及供應。 在強化創新新藥補償方面，政府為解決藥價偏低導致新藥上市延遲及出口受限的困境，將導入多項革新措施。 首先是自2026年第二季開始擴大實施「藥價靈活契約制」，允許藥品公開價格維持國際水準，實際支付價格則透過回饋調控，以消除跨國藥廠對全球參照價格的疑慮。此外，針對重症及罕見疾病藥物，計畫於2027年起彈性調高經濟效益評估門檻，並將罕病藥物健保登錄期由240天大幅縮減至100天內。針對具革命性療效的新藥，更預計於2028年建立「先登錄、後評估」機制，獲准後可立即供應藥品，後續再依真實世界證據調整藥價。 新制擬將學名藥及專利過期藥品的價格上限，由原廠藥的53.55%降至與主要先進國家相當的40%水準。針對已上市藥品，自2026年起將分三年進行階段性調降；同時廢除齊頭式的加算優惠，改採階梯式定價，規定同一成分藥品第11項學名藥起，藥價將較前一順位自動折減5%，藉此抑制低品質學名藥的失序競爭。 另一方面，為確保供應鏈脆弱的國家必需藥品供應，政府將提高低價藥品的成本補償上限至5億韓元，並新設最高7%的政策加成。若藥品使用韓國國產原料藥，將給予額外價格優惠，並在一定期間內豁免價機制，以鼓勵本土供應鏈韌性。韓國政府期盼透過市場機制的重組，迫使藥廠轉型投入創新研發或進入國內必需藥品供應鏈，以改善製藥產業結構。惟此舉引發業界強烈反彈，如何在改革陣痛期維持基礎藥品的穩定供應，將是政策能否順利落地的關鍵。
OECD發布《抓取資料以訓練AI所衍生的智慧財產問題》報告經濟合作與發展組織（Organisation for Economic Co-operation and Development, OECD）於2025年2月9日發布《抓取資料以訓練AI所衍生的智慧財產問題》報告（Intellectual property issues in artificial intelligence trained on scraped data），探討AI訓練過程中「資料抓取」對智慧財產之影響，並提出政策建議，協助決策者保障智財權的同時推動AI創新。 資料抓取是獲取AI大型語言模型訓練資料之主要方法，OECD將其定義為「透過自動化方式，從第三方網站、資料庫或社群媒體平臺提取資訊」。而未經同意或未支付相應報酬的抓取行為，可能侵害作品之創作者與權利人包括著作權、資料庫權（database rights）等智慧財產及相關權利。對此，報告分析各國政策法律的因應措施，提出四項關鍵政策建議： 一、 訂定自願性「資料抓取行為準則」 訂定適用於AI生態系的準則，明確AI資料彙整者（aggregators）與使用者的角色，統一術語以確保共識。此外，準則可建立監督機制（如登記制度），提供透明度與文件管理建議，並納入標準契約條款。 二、 提供標準化技術工具 標準化技術工具可保護智財權及協助權利人管理，包括存取控制、自動化契約監控及直接支付授權金機制，同時簡化企業合規流程。 三、 使用標準化契約條款 由利害關係人協作訂定，可解決資料抓取的法律與營運問題，並可依非營利研究或商業應用等情境調整。 四、 提升法律意識與教育 應提升對資料抓取及其法律影響的認知，協助權利人理解保護機制，教育AI系統使用者負責任地運用資料，並確保生態系內各方明確瞭解自身角色與責任。
APEC跨境隱私保護規則體系下之問責機構介紹 美國醫療保健領域對新興資料儲存系統理論「資料湖泊」(Data Lake)的應用在現今資訊流通快速蓬勃發展的時代，巨量資料(Big Data)帶來效率與生產力等龐大效益已無庸置疑。相較於將資料以「資料倉儲」(Data Warehouse)模式儲存，「資料湖泊」(Data Lake)被廣泛視為巨量資料快速演進的下一步。 美國的醫療保健領域為因應巨量資料發展並提升醫療保健系統的透明度與有責性，美國醫療保險與補助中心(Centers for Medicare & Medicaid Services, CMS)於2013年底建立CMS虛擬研究資料中心(Virtual Research Data Center, VRDC)，讓研究員能夠以安全有效率的方式取得並分析CMS的龐大醫療保健資料。此種資料倉儲模式會對進入的資料預先分類，並整合為特定形式以指導後續分析的方式。缺點在於為讓資料更易於分享，會進行「資料清理」(data cleaning)以檢測及刪除不正確資訊並將其轉換成機器可讀取格式，各資料版本會被強制整合為特別形式，但資料清理和轉換的過程會導致明顯的數據流失，對研究產生不利的限制。有鑑於此，為更有效益的應用巨量資料，Pentaho首席技術官James Dixon提出新的資料儲存理論—資料湖泊(Data Lake)，此概念於2011年7月21日首先被討論於美國《富士比》雜誌中，目前在英美國家公部門和民間企業間已被熱烈討論。 與Data Warehouse最大不同在於Data Lake可包含「未被清理的資料」(unclean data)，保持其最原始的形式。故使用者可取得最原始模式的資料，減少資源上處理數據的必要，讓來自全國各政府機關的資料來源更易於結合。Data Lake主要有四點特性：1.以低成本保存巨量資料(Size and low cost)2.維持資料高度真實性(Fidelity)3.資料易取得(Ease of accessibility)4.資料分析富彈性(Flexible)。儲存超過百萬筆病患資料的加州大學歐文分校醫療中心(UC Irvine Medical Center)即以Hadoop架構為技術建立了一個Data Lake，該中心能以最原始的形式儲存各種不同的紀錄數據直到日後需要被分析之時，可協助維持資料的來源與真實性，並得以不同形式的醫療數據進行分析項目，例如患者再住院可能性的預測分析。 但相對的Data Lake在安全性和檢視權限上也有一定的風險，尤其是醫療保健領域，因為這意味著病患的資料在個資生命週期裡隨時可被取得，因此資訊的取得應被嚴密控制以維持各層級的安全與保障，在建立安全的Data Lake之前，必須審慎考慮誰有資訊檢視權限以及透過什麼媒介取得Data Lake中的資料等問題。