IBM Watson Health與FDA合作研究區塊鏈技術之醫療運用
根據專利資料庫公司IFI CLAIMS公佈2016年美國專利統計報告，IBM以8,088件專利再度蟬聯冠軍，其中多著重在人工智慧（artificial intelligence）、認知運算（cognitive computing）、及雲端（cloud）等技術領域，也有健康醫療相關專利。
近期IBM Health與美國食品藥品管理局（U.S. Food and Drug Administration）展開兩年期之合作研究，透過區塊鏈技術（blockchain）以安全且去中心化的方式進行數據共享，如：交換電子病歷、臨床試驗、基因數據、甚至過去難以取得的病患行動與穿戴裝置數據及物聯網（Internet of Things）數據等。
傳統上病患的病歷資訊存放於各診療單位或醫療機構，造成資訊管理效率及互通性較低，在區塊鏈技術的架構下，有效率的將大量且多樣的醫療數據進行彙整，並藉審查追蹤紀錄以防止竄改，提升病歷數據傳輸管理的可靠性及安全性。在如此多元化的醫療數據共享環境下，有助於醫療診斷、更將能促進產業發展。
此外，過去病患穿戴裝置所測得的日常生理數據，不管在數據取得、或將該些數據應用至臨床診斷上皆存有許多問題，如今區塊鏈技術將能提高物聯網數據資訊之整合性。依調查顯示，預計有80%新創組織採用區塊鏈技術於物聯網數據管理與應用上。
其他應用商機更包括居家監控、慢性疾病管理、藥物整合（medication reconciliation）及供應鏈管理等。IBM預估，至2017年底將會有16%的健康醫療機構採用以區塊鏈技術為架構的管理工具，並預測十年內採用比例將達72%。
本文同步刊登於TIPS網站（https://www.tips.org.tw）」
- Jing Cao & Susan Decker, IBM Breaks Record in U.S. Patents With Cloud, AI and Health Bets, BLOOMBERG, Jan. 9, 2107
- Jessica Emond, IBM Watson Health Announces Collaboration to Study the Use of Blockchain Technology for Secure Exchange of Healthcare Data, PRNEWSWIRE, Jan. 11, 2017
- Jennifer Bresnick, IBM Watson Health, FDA Partner for EHR, IoT Blockchain Project, HEALTHIT ANALYTICS, Jan. 11, 2107
龔芳儀
專案經理 編譯整理
Jing Cao & Susan Decker, IBM Breaks Record in U.S. Patents With Cloud, AI and Health Bets, BLOOMBERG, Jan. 9, 2107, https://www.bloomberg.com/news/articles/2017-01-09/ibm-breaks-record-in-u-s-patents-with-cloud-ai-and-health-bets (last visited Jan. 17, 2017)
Jessica Emond, IBM Watson Health Announces Collaboration to Study the Use of Blockchain Technology for Secure Exchange of Healthcare Data, PRNEWSWIRE, Jan. 11, 2017, http://www.prnewswire.com/news-releases/ibm-watson-health-announces-collaboration-to-study-the-use-of-blockchain-technology-for-secure-exchange-of-healthcare-data-300389160.html (last visited Jan. 17, 2017)
Jennifer Bresnick, IBM Watson Health, FDA Partner for EHR, IoT Blockchain Project, HEALTHIT ANALYTICS, Jan. 11, 2107, http://healthitanalytics.com/news/ibm-watson-health-fda-partner-for-ehr-iot-blockchain-project (last visited Jan. 20, 2017)
世界智慧財產權組織(WIPO)於2022年11月21日發布了《2022年世界智慧財產權指標（World Intellectual Property Indicator, WIPI）》。WIPO以全球150個國家智慧財產主管機關的統計資料、產業的市場調查資料作為分析標的，針對全球專利權(含新型專利)、商標權、工業設計、植物品種權、地理標示、創意經濟(出版業)的整體發展狀況進行調查。 根據2022年的分析結果顯示，與過往經濟衰退期間的歷史經驗不同，在COVID-19疫情期間，2021年全球智慧財產權的申請數量持續增加。如： 1、「專利」的申請量增加了3.6%。 2、「商標」的申請量(含指定類別)增加了5.5%。 3、「工業設計」的申請量增加了9.2%。 4、「植物品種」的申請量增加了12%。 以商標為例，2021年全球共提交了約1390萬件商標申請，申請量從金融海嘯後(2009年)至今連續12年成長。其中，亞洲商標主管機關受理的商標申請量占全球的69.7%，較2011年時的44.7%有顯著成長；受理商標申請的前五名國家分別為： 1、中國國家知識產權局(CNIPA)：約950萬件。 2、美國專利商標局(USPTO)：約90萬件。 3、歐盟智慧財產局(EUIPO)：約50萬件。 4、印度專利、設計及商標管理局(CGPDTM)：約49萬件。 5、英國智慧財產局(UK IPO)：約45萬件。 此外，指標針對「非母國申請案(Non-resident trademark applications)」的產業別進行分析，分析結果顯示2021年各國商標申請人至外國市場尋求商標保護的前十大產業分別為： 1、研究與技術：20% 2、健康醫事：13.8% 3、服裝配件：12.8% 4、休閒教育：10.5% 5、居家設備：9.7% 6、農業產品與服務：9.6% 7、商業金融：9.5% 8、運輸機械：6% 9、營建：5.2% 10、化學：2.8% 再者，指標中分析上述產業在各國商標申請案件中的占比，可作為我國企業全球布局的參考： 1、研究和技術產業：歐盟21.3%、英國20.4%、日本18.7%、美國17.7%。 2、農業產品與服務產業：中國25.2%、韓國18.4%、俄羅斯14.2%、印度15.1%、土耳其14.8%。 3、健康醫事產業：印度23.1%、日本13.9%、中國11.3%； 4、商業金融產業：巴西26.3%、土耳其23.3%。 WIPO從2009年至今每年發布《世界智慧財產權指標》給各國政府參考，期待各國政府持續建構更完善的智慧財產制度，協助個人、企業保護其創新，以促進全球經濟的發展。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
Google與Android 簽訂秘密協議，被控非法壟斷行動搜尋市場美國消費者權益律師事務所Hagens Berman於2014年5月1日向美國加州北區聯邦地方法院（U.S. District Court for the Northern District of California）針對Google提出一項全國性反壟斷的集體訴訟，控告Google運用市場影響力，要求Android行動裝置製造商祕密簽署「行動應用程式散布協議」（Mobile Application Distribution Agreements，以下簡稱MADA），使競爭者難以進入Android手機，阻礙市場競爭，非法壟斷美國網路行動搜尋市場。 MADA原屬於機密文件，因Google與甲骨文（Oracle）的專利訴訟而曝光。該協議規定所有Android行動裝置中必須內建其應用程式，例如Google Search、YouTube、Google Maps、Gmail、Google Play與Google Talk等APP，並把Google Search設為預設搜尋引擎。原告律師Steve Berman表示，「很明顯地，Google能獨占行動搜索市場並非透過良好的搜尋引擎，而是藉由不正當的競爭手段操控市場實現的。並以此抬高Samsung Electronics和HTC手機裝置價格，要求應判賠償金給權益受損的消費者。行動裝置製造商倘若能選擇其他廠商的服務，將能改善行動搜索品質。」 Google則聲明：「任何人都可以在沒有Google的情況下使用Android系統，相對的，也可以在沒有Android系統的情況下使用Google，兩者是可獨立使用的服務。自從Android推出以來，智慧型手機市場競爭愈來愈激烈，讓消費者有更多平價的選擇。」雖然Google並未阻止製造商在Android手機上安裝第三方應用程式，但這份協議明顯已經抑制市場競爭。
德國專利商標局加入全球專利審查高速公路（GPPH）德國專利商標局（DPMA）於2015年7月6日加入全球專利審查高速公路（Global Patent Prosecution Highway，簡稱GPPH），基於此，德國在現有的PPH合作基礎上拓展12個其他的合作專利局。 PPH的目的是經由雙方交流和跨國界專利檢索與審查結果的使用以加速專利登記的處理，一方面維持專利審查的品質，同時形成有效率的專利審查程序。 從2015年7月6日起，一個加速審查的申請不只在德國專利商標局之前合作的9大PPH專利局，即：中國國家知識產權局、日本專利局、英國知識產權局、美國專利商標局、韓國知識產權局、加拿大知識產權局、芬蘭國家專利注冊委員會、新加坡知識產權局、奧地利專利局，還可以在下述12個國家或地區試行，即：澳大利亞知識產權局、丹麥專利商標局、俄羅斯聯邦知識產權局、匈牙利知識產權局、西班牙專利商標局、瑞典專利注冊局、葡萄牙工業產權局、愛沙尼亞專利局、以色列專利局、挪威知識產權局、冰島專利局、北歐專利局（包括丹麥專利商標局、挪威知識產權局、冰島專利局）。 對申請人來說這個制度的優點是，未來若申請人的專利申請案的請求項在參與GPPH的任一國家或地區的專利機構已經被認為具有可專利性，那麼申請人可以要求作為後續申請受理局的德國專利商標局進入簡易程序，以獲得加速審查。
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