日本醫藥品醫療器材等法修正研析─以醫療應用軟體為中心
何亦婕
法律研究員 編譯整理
美國最高法院於2010年6月28日對Bilski v. Kappos案作出5比4的拉距判決。原告Bilski為一家能源產品公司，其就一種讓買家或賣家在能源產品價格波動時，可用來保護、防止損失或規避風險的方法申請商業方法專利（Business Method Patent）。但美國商標專利局審查人員以此發明只是一種解決數學問題，而為抽象而無實體呈現的想法為理由而拒絕。經該公司於專利上訴委員會上訴無效後，繼續上訴至聯邦巡迴法院與最高法院。 最高法院拒絕適用前審以美國專利法第101條（35 U.S.C. §101），創造發明是否為有用的、有形的及有體的結果作為認定方法專利的標準。而最高法院多數意見係採用「機械或轉換標準」（machine or transformation test）為專利法第101條可專利性之標準，認定如果創造發明的方法能與機械器具或配件相結合或轉換為另外一種物品或型態時，即認定此方法具可專利性。惟經法院適用此標準後，仍認定原告的商業方法不具可專利性。 一些批評認為，目前「方法」和「轉換」等關鍵字的定義還不清楚，而該判決並沒有澄清這些爭議，甚至帶來更多的疑惑。美國律師Steven J. Frank認為，雖然最高法院的意見放寬了可專利性的標準，但是並沒有提及認定可專利性的其他標準。 該判決亦未明確指出商業方法究竟要符合哪些實質要件，方具有可專利性。相當多的電子商務中所使用的「方法」都有專利，最有名的大概就是亞馬遜公司的「一鍵購買（one-click）」的網路訂購方法，還有Priceline公司「反向拍賣」（reverse auction）的方法等。許多電子商務、軟體及財務金融相關業者在這個判決之後，對於商業方法的可專利性也感到相當的困惑。如果有方法專利的存在，那麼擁有這些專利的公司就可以放心了；但是，如果方法沒有可專利性，那麼對於現在擁有方法專利的權利人不啻是一個很壞的消息。是否一些比較不抽象的方法就具有可專利性，而比較抽象的方法就專利性，判定的標準又在哪裡，對此，法院並沒有加以說明，在法院明訂出更明確的標準之前，目前仍留給美國商標專利局來判定。
加拿大因應數位變革修訂新隱私法加拿大政府於2026年6月15日提出C-36號法案，旨在訂定《保護隱私與消費者資料法》（Protection Privacy and Consumer Data Act, PPCDA）。該法案將更改已有25年歷史之《個人資料保護與電子文件法》（Personal Information Protection and Electronic Documents Act，下稱電子文件法），以PPCDA取代電子文件法中關於隱私保護之規範，以更全面、完整之法律框架保障個人隱私權利。目前PPCDA僅為草案，現仍在一讀階段。 壹、事件摘要 加拿大現行私部門之隱私法規已執行25年，然而隨著AI普及、深偽技術之出現、演算法自動化決策及網路對兒童資料之蒐集等數位新興隱私問題，加拿大政府認為有必要調整其現行隱私規範，以確保私部門之隱私規範能因應數位時代下之隱私風險。為此，加拿大創新、科學及經濟發展部（Innovation, Science and Economic Development Canada, 下稱ISED）之AI與數位創新部部長（Minister of Artificial Intelligence and Digital Innovation）代表政府向眾議院提出C-36法案，透過制定PPCDA，更新並現代化加拿大私部門之隱私法規以因應數位時代。 加拿大政府2026年6月初發布國家AI策略—全民AI（Canada’s National Artificial Intelligence Strategy: AI for All，下稱加拿大AI國家戰略）。加拿大國家AI戰略中提出隱私規範於AI時代下之重要性，要求更新加拿大之個資及隱私保護規定，透過隱私保護法規之訂定，確保公民及兒童皆能於數位時代下受到保護。C-36號法案係於加拿大AI國家戰略發布後旋即提出，以該戰略為基礎落實數位信任與推動隱私安全。 貳、重點說明 PPCDA之立法目的是為了應對大量仰賴個資分析、流通及交換之數位時代而建立之個人資料保護規則，同時該法亦將個人資料隱私權定調為個人基本權利。此外，法案制定相關規定兼顧組織需求，始組織得於合理且適當情形下蒐集、利用或揭露個人資料。落實加拿大AI國家政策之創新精神，並同時建立不阻礙創新之私部門隱私保護網。法案之重點說明如下： 一、加強數位時代下之個人資料自主權利 法案為落實隱私為基本權利之立法目的，提升資料當事人對資料之控制權及透明度，使資料當事人於數位時代下更能夠有效控制其個人資料之利用並保障其權利，確保資料當事人之個資被負責任、透明且適當利用。 （一）同意請求須明確 組織若欲利用當事人個資，原則上必須取得當事人之同意方得利用，並且於尋求當事人同意時必須將其蒐集、利用及揭露當事人個資之目的、方式、處理後合理可預見之後果、所欲蒐用之資料類型及可能揭露之第三方等事項告知當事人。在同意要件上，法案要求組織於蒐集當事人個資時，必須以通俗易懂之文字向當事人說明前述事項，並且在確保當事人充分之知情之情形下取得其明示同意。 （二）自動化決策系統（Automated Decision System）之透明度要求 組織若欲使用自動化決策系統對當事人做出涉及法律或類似重大影響（significant effect）之預測、建議或決策時，必須應當事人請求，向其提供該決策之說明。該說明應包含自動化決策系統做出決策所利用之個人資料類型、來源，以及做出該當決策之主要原因。 （三）刪除權 在特定情形下，資料當事人得要求組織刪除或銷毀已被組織蒐集之個人資料。特定情形包含：個資之蒐集、處理及利用違反本法、當事人撤回其對該當個資蒐集、處理或利用之部分或全部同意或該個資之蒐用目的已喪失。 （四）資料可攜權（Data Mobility） 於特定之資料移轉框架下（如電信資料移轉），當事人有權要求組織將其個人資料，於不同組織及服務提供者間安全移轉。 （五）提高對兒童個資之保護 鑒於數位時代下未成年人較以往更容易陷於個資外洩所造成之衍生風險，該法案將未成年人之個資列為敏感資料（Sensitive Information），對未成年人個資建立更嚴格之規範。例如，在蒐集、利用未成年人個資前，必須明確取得其父母或監護人（guardian or tutor）之同意，並排除默示同意之適用。此外，若組織收到兒童個資之刪除請求，組織具有刪除義務，並無例外適用。 二、促進創新 （一）負責任之資料利用及降低隱私風險 法案要求組織需建立隱私管理計畫（Privacy Management Program），明確列出合規之政策及程序，包含個資保護政策、投訴處理方式及員工培訓等，確保在資料利用及創新過程中不侵害當事人隱私。 （二）明定資料去識別化 法案中明確區分去識別化（de-identify）及匿名化（anonymize）之界線。組織得於未取得當事人同意之前提下，以研究、開發及創新（Research and Development）目的，於內部安全利用去識別化之個人資料。 （三）共同監管制度 法案中明定共同監管（Co-regulation）框架規範，允許產業工會或民間組織自行制訂符合該行業別之行為準則，並遵循認證制度，在提報委員會核准。 三、保護加拿大數位主權 就個資之跨境傳輸而言，PPDCA草案 要求組織對個人資料應設適當安全措施。例如，組織於傳輸或揭露個人資料至加拿大境外前，應依規定進行隱私影響評估，並且實施相應措施以降低隱私影響評估結果之風險。 四、執法監督 加拿大政府將以新成立之數位安全與資料保護委員會（Digital Safety and Data Protection Commission of Canada）作為PPCDA之主管機關，該委員會亦將負責《數位安全法》（Digital Safety Act）之制定。兩部法案皆為數位時代下之重要法案，透過委員會統籌，使跨領域之隱私及數位安全之複雜議題能相互調和，在法律適用上取得更大之一致性。 參、事件評析 AI發展快速，為因應新技術對個人資料保護帶來之衝擊，各國皆陸續開始針對隱私相關規定進行不同程度之修訂。加拿大PPCDA草案係於數位時代下，同時兼顧資料創新及個人隱私權利保障之立法範例。其中，在資料運用上其明確區分去識別化及匿名化之差異，並制定了較為彈性之資料應用規定。法案明文，組織得不需取得當事人同意，即以研究開發及創新為目的，於內部利用「去識別化」之個人資料。該立法將為AI技術之模型訓練及資料分析，提供高度彈性及應用空間，平衡了傳統個資法當事人同意為前提及目的限制對科技發展造成之阻礙。 此外，面對數位時代下可能產生之個資風險，該法案亦有所回應。其明確規定自動化決策系統之透明度義務，並賦予當事人要求解釋之權利，強化當事人對其資料之自主；對於未成年人於數位時代下之個資風險，亦透過將未成年人個資視為敏感資料之機制，使未成年人得受到更嚴謹之保護；針對新創產業之發展，法案透過合規比例原則之規定，給予組織依據其量能調整隱私管理計畫之空間，避免對中小企業造成過多負擔而阻礙創新。 我國個人資料保護委員會籌備處於民國114年針對個人資料保護法進行修訂，惟該次修法主要係針對個人資料保護委員會成立所為之組織任務調整，仍未就法律實質規範進行修定。 關於個人資料自主權利，現行個資法在當事人同意請求權，雖有類似規定，但當事人同意之規定上並未包含確保當事人自主性之要件，在同意條款之書面文字規範上也無特定要求。另就刪除權而言，依據現行個資法，當事人無法單純透過撤回同意，要求資料控制者將其資料刪除。除此之外，自動化決策、資料可攜權、及兒少個資保護之強化等數位時代下之個資保護議題，我國現行個資法中並未有相關規範。為因應數位變遷所為之立法改變，建議我國可參考加拿大之修法方向，強化資料當事人對其個資之自主權及對未成年之保護，以因應數位時代下之個資風險。 為有利於產業創新同時能確保個資安全之規範，加拿大此次修法賦予產業建立符合需求之共同監管制度、加強個資跨境傳輸之事前評估等，尤其在假名化制度上之變革更是為資料創新運用增加彈性。反觀我國個資法，於近兩年之修法上僅就資料去識別化有部分修訂，將原規定之「無從識別特定當事人」定義修正為「運用當時技術方式無從識別當事人」，此種較為相對性之標準，但仍未解決實務上假名化與匿名化之管理及應用差異。且於應用上，仍是以傳統之學術研究、統計目的為限，新興科技研發仍會受制於傳統個人資料保護規定。為能促進個資運用及產業發展間之平衡，加拿大之作法得做為未來修法上之參考，透過制度、機制之建立，更彈性地運用個人資料。 整體而言，從加拿大此次對隱私法規之修訂，可見隱私保障與產業創新之調和。我國未來於個資法修法研擬時，亦能參考加拿大之平衡路線，於保障國人個人資料權利之同時，提供新興科技產業發展之合規空間，創造兼具安全及彈性之個資保護環境。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/）
德國聯邦最高法院(BGH)判決醫師評價平台「Jameda」須刪除受評醫師個人資料德國聯邦最高法院(Bundesgerichtshof, BGH)在2018年2月20日的判決(Urt. V. 20.02.2018 – Az. VI ZR 30/17)中認定，網路評價網站(Bewertungsportale)之業務雖未違反聯邦資料保護法(Bundesdatenschutzgesetz, BDSG)規定，但其評價立場必須維持中立。醫師評價平台「Jameda」(www.jameda.de)之商業行為違反此項原則，故須依原告要求，刪除其在該網站之所有個人資料。 本案中，原告為執業皮膚科醫師，且非醫師評價平台「Jameda」之付費會員。然「Jameda」不僅將該醫師執業簡介列入其網站，且同時在其個人簡介旁，列出與其執業地點相鄰，具競爭關係之其他同為皮膚科醫師之付費會員廣告。反之，付費會員不但可上傳個人照片，且在其執業簡介旁，不會出現與其診所相鄰之競爭者廣告。 聯邦最高法院依據聯邦資料保護法第35條第2項第2款第1號 (§35 Abs. 2 S. 2 Nr. 1 BDSG) 規定，並經衡量同法第29條第1項第1款第1號 (§29 Abs. 1 S. 1 Nr. 1 BDSG) 規定之效果後，同意原告對「Jameda」提出刪除網頁所列個資之請求。法院見解認為，「Jameda」的廣告策略使其失去資訊與意見傳遞者之中立角色，並以自身商業利益為優先，故其言論自由不得優於原告之資訊自主權(informationelle Selbstbestimmung)。 該判決強制網路評價平台嚴格審查本身之廣告供應商務，並與聯邦憲法法院(Bundesverfassungsgericht)見解一致，用於商業目的之言論表達僅有低於一般言論自由的重要性。儘管如此，評價平台仍被視為介於患者間不可或缺的中介者(unverzichtbare Mittelperson)，可使互不相識的病患，藉此獲得經驗交流的機會。 儘管本案判決同意原告刪除評價網站中所儲存個人資料之請求，但見解中，仍肯定評價網站具有公開醫療服務資訊之功能，符合公眾利益，受評價醫師被公開之個人簡介亦僅涉及與社會大眾相關之範圍。針對網站評分及評論功能之濫用，醫師仍可對各種不當行為分別採取法律途徑保障自身權益。由此可知，德國聯邦最高法院仍認定，評價網站之評分與評論機制，仍符合聯邦資料保護法規範之宗旨，惟若該評價網站以評價機制作為商業行銷手段，則不得主張其言論及意見表達自由高於受評價者之資訊自主權。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。