專利連結
專利連結（patent linkage，亦有稱patent registration linkage）是1984年美國《藥品價格競爭及專利期回復法（Hatch-Waxman Act, HWA）》所創設。傳統上，醫藥主管機關與專利主管機關的權責是有所區分的。然而，醫藥主管機關因為醫藥管理制度與專利制度的連結，使得醫藥主管機關須審查專利相關事務，即醫藥主管機關在審查學名藥上市許可申請時，必須同時判斷該藥品是否侵害專利藥公司就該藥品所掌握的專利。
專利連結制度可以採取幾種形式，最簡單形式的專利連結可能涉及了以下的要求：當有學名藥廠對專利藥公司所生產的的專利藥品提出學名藥，並尋求醫藥主管機關批准時，則應向專利藥公司告知學名藥廠的身份。強度較強的專利連結，在該專利藥品的專利到期或者無效之前，可以禁止醫藥主管機關核發上市許可給學名藥品。而更強的專利連結不僅可以禁止核發上市許可，也可以禁止在專利期間內對學名藥品的審查。
我國目前並未採納專利連結制度，但在我國目前擬積極參與的《泛太平洋夥伴協議（TPP）》中則要求成員應採納專利連結制度，故未來我國動向將值得關注。
本文為「經濟部產業技術司科技專案成果」
劉憶成
法律研究員 編譯整理
根據歐盟執委會（European Commission）之聯合研究中心（Joint Research Centre, JRC）於今（2012）年初針對歐盟境內之1000間企業所做的「歐盟產業研發投資趨勢調查」（The EU Survey on R＆D Investment Business Trends）結果指出，目前歐盟境內之頂尖企業期待自2012年至2014年止，以每年平均4％的成長率投注資源於研究發展領域。 儘管目前全球經濟局勢仍不明朗，多數的歐盟企業依舊認為，投注研究發展乃為企業追求未來成長和繁榮的重要關鍵要素。而該現象主要於軟體和電腦服務產業最為明顯。除了企業自身投注研發資源以進行創新研發、市場調查、和新產品的推行等相關活動外，多數的企業亦認為藉由國家補助經費、成立公私部門夥伴合作模式，此類外部激勵方式對於企業創新活動的進行，具有相當之助益。此外，透過簽署各項合作協議，企業與學研機構間得以相互授權合作，進而促進知識分享，此皆目前強調開放式創新（open innovation）概念的具體實踐之例，實值得肯認。然而，歐盟企業亦普遍認為，現行歐盟智慧財產權機制仍有智慧財產權保護申請時程過長，以及申請智慧財產權保護所需費用過於昂貴等不足之處，而該不足之處乃為目前歐盟企業進行創新研發活動時的絆腳石。 如何促進企業之創新研發能力，乃為目前全球各國於規劃推動各項相關策略時之主要討論標的之一。儘管當前歐盟智慧財產機制仍有待改善之處，然就歐盟企業所肯認之跨機關構合作模式、合作協議之簽署、國家經費之補助等措施，仍值得進行進一步的探討與觀察。
日本資訊信託功能認定指引第二版日本於2018年6月公布「資料信託功能認定指引第一版」（情報信託機能の認定に係る指針ver1.0），期待藉此推動資料銀行發展，促進資料流通和利用。第一版指引係以資料銀行應具備之功能為中心，惟伴隨資料銀行業務發展，指引內除資料銀行基本功能外，亦應規範個人資料管理及向第三方提供資料之條件等內容，加上有論者認為第一版內有關資料銀行定義過於偏重功能描述，故總務省和經濟產業省於2019年1月起召開檢討會，重新檢討上開指引，最終於2019年10月8日公布「資料信託功能認定指引第二版」（情報信託機能の認定に係る指針ver2.0）。 第二版指引更新重點包括︰（1）修正資料銀行定義︰第一版指引僅強調資料銀行之功能，第二版則增加資料銀行之目的和資料銀行與個人間關係等內容；（2）重新定義並詳細說明資料種類和蒐集方法；（3）修正資料信託功能認定基準︰新增複數業者共同經營資料銀行，隱私保護對策以及確保資料銀行透明性和個人資料之自主控制等規定；（4）新增資料信託功能模範條款之應記載事項︰包括與限制行為能力人締結契約之程序，以及向第三方提供資料之條件等規定。為確保資料銀行透明性和個人資料之自主控制，第二版指引新增資料倫理審查會規定，要求資料銀行設置資料倫理審查會並定期向其報告，審查會則應就個人與資料銀行間契約、個資利用目的、向第三方提供資料之條件等事項提供建議。
歐盟國會通過頗受爭議之「反仿冒貿易協定（ACTA）在歷經多次談判會議，由包括美國、歐盟、日本、韓國等11個國家共同參與的「反仿冒貿易協定（Anti-Counterfeiting Trade Agreement, 簡稱ACTA）」，終於在雪梨展開的最後談判回合（11月30日-12月4日）中獲得共識，並於日前正式對外發布ACTA協定文本內容。 該協定旨在透過跨國境的國際合作，有效打擊日益猖獗的盜版及仿冒問題，全文共計6章45條文，包括民、刑事執行、邊境措施等，且因應數位化時代對智慧財產權保護所帶來的衝擊，針對數位化環境智慧財產權的執行措施，也有相對應的規定（section 5: Enforcement of Intellectual Property Rights in the Digital Environment）。而ACTA協定文本尚須提交各簽約國政府或國會表決同意的程序，方能生效。 以歐盟為例，儘管遭受歐盟境內廣大的批評聲浪，歐盟國會於11月24日以驚險的半數通過爭議許久的「反仿冒貿易協定(Anti-Counterfeiting Trade Agreement, ACTA) 」。歐盟國會宣稱，透過ACTA協定的簽署，以國際合作的方式，將有助於解決現今猖獗的侵權問題，以落實智慧財產權的保障。尤其是針對歐盟境內的地理標誌（如Champagner、Spreewald-Gurken），未來將可透過跨國合作，提升對歐洲企業的保護。雖然現階段仍有許多問題未能達成共識，但至少ACTA協定啟動各國合作打擊仿冒的開端。 不過，雖然歐盟執委會一直以來對外“消毒“， ACTA協定的簽署前提是在符合歐盟現行法規的基礎上，並且不會對歐盟人民的基本權、個人隱私權保障造成威脅。但包括電子通 訊傳播業者（e-communications providers）、無疆界醫師組織等團體，都發表聲明，要求歐盟國會確保ACTA協定落實於各會員國內，不會影響改變歐盟既有的法制規範。包括是否引進三振條款，透過網路封鎖手段遏止侵權行為、是否以刑事手段制裁侵權人等爭議，勢必在各歐盟會員國提交其國會表決時，將引起極大的討論。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現