美國發起「投資報酬計畫」（Return on Investment Initiative, ROI）全面檢視科研成果商業化法制
川普總統在2018年4月發布「總統管理議程」（President’s Management Agenda）將國家科研成果商業化之發展視為「聯邦跨機關優先目標」（Cross-Agency Priority Goal, CAP Goal）。為維持美國全球科技創新領先地位，美國政府每年投資約1500億美元於各聯邦所屬大學與研究機構進行科技研究。美國國家標準與技術中心（NIST）與白宮科技政策辦公室（OSTP）聯合發起「投資報酬計畫」（Return on Investment Initiative, ROI），宗旨為釋放美國創新（Unleashing American Innovation），讓政府投資預算發揮科研補助之最大效益。
計畫目的包括：1.評估現行政府從事技術移轉指導原則，檢視應予以維持與待改革之處；2.吸引後期研發、商業化與先進製程的技轉投資，並降低法規阻礙；3.支持科研創新產官學合作模式與技轉機制；4.有效移除技轉阻礙以利加速技轉成效，並聚焦於國家重要產業發展的新興措施；5.評估聯邦政府資金運用指標成效；6.創造激勵學研機構提升技轉成效之誘因。
NIST調查指出，阻礙技轉發展之原因包括：1.技轉與智慧財產權協商所涉高額交易與時間成本；2.不同政府單位對法規之解釋、適用與實踐意見相歧；3.智慧財產權保護不足、技術授權使用限制與政府行使介入權（march-in rights）限制；4.公務員參與科技新創與衍生企業（spin-off）限制與利益衝突規範。此ROI計畫已於2018年7月30日完成各方意見徵詢，總計共104份。預計於2019年年初，做出完整分析報告與法制建議。
楊牧軒
專案經理 編譯整理
The White House, President Management Agenda, https://www.whitehouse.gov/wp-content/uploads/2018/04/ThePresidentsManagementAgenda.pdf (last visited Sep.19, 2018)
National Institute of Standards and Technology, Return on Investment (ROI) Initiative, https://www.nist.gov/tpo/return-investment-roi-initiative (last visited Sep. 19, 2018)
美國國會於今年5月針對美國發明法（Leahy-Smith America Invents Act，AIA）第18條提出擴張性修法。美國發明法第18條係規範專利改革過渡期間涵蓋商業方法專利之複審程序（Transition Program for Cover Business Method Patents Review， CBM），並且定有落日條款，預計將在2020年9月16日失效。本次修正案研擬將落日條款刪除以外，將適用對象從原先適用於金融產品或服務（a financial product or service）之商業方法專利（Business Method Patents）修正為適用於企業、商品或服務（used in the practice, administration, or management of enterprise、product or service）之商業方法專利，此將擴張商業方法專利複審程序之適用範圍。 奇異電子（GE Co.）、3M（3M Co.）、禮來（Lilly & Co.）、施樂（Xerox Corp.）等多家產業界知名公司於今年（2013）9月19日發出聯合信函反對美國國會此次針對美國發明法第18條的擴張性修法。信中表示本次修法將意味著數據處理專利（Data Processing Patents）等尖端的癌症治療方法到汽車安全系統等都可能包含在內，可提起專利侵權的範圍將擴大至難以界定的程度，再者刪除落日條款，會造成諸多不確定性與風險阻礙科技創新的持續投入。 然而，產業界並非意見一致，諸如谷歌（Google Inc.）、臉書（Facebook Inc.）、沃爾瑪（Wal-Mart Stores Inc.）等知名公司則立場相左，早於今年7月即率先表示贊成，聲明此次修法提供創新者一個積極保護自身專利的具體手段。由此足見歐巴馬政府與立法者在專利法制改革中，必然要面對難以預測的產業效應和衝擊，從而增加其制度改革策略思考和制度設計的難度。
美國民權辦公室發布遠距醫療隱私和資訊安全保護相關建議美國衛生及公共服務部（U.S. Department of Health and Human Services, HHS）民權辦公室（Office for Civil Rights, OCR）於2023年10月18日發布了兩份文件，針對遠距醫療情境下的隱私和資訊安全保護，分別給予病人及健康照護服務提供者（下稱提供者）實務運作之建議。本文主要將發布文件中針對提供者的部分綜合整理如下： 1.於開始進行遠距醫療前，提供者應向病人解釋什麼是遠距醫療及過程中所使用的通訊技術。讓病人可瞭解遠距醫療服務實際運作方式，若使用遠距醫療服務，其無須親自前往醫療院所就診（如可以透過語音通話或視訊會議預約看診、以遠端監測儀器追蹤生命徵象等）。 2.提供者應向病人說明遠距醫療隱私和安全保護受到重視的原因。並且向病人告知為避免遭遇個資事故，提供者對於通訊技術採取了哪些隱私和安全保護措施，加以保護其健康資訊（如診療記錄、預約期間所共享資訊等）。 3.提供者應向病人解釋使用通訊技術對健康資訊帶來的風險，以及可以採取哪些方法降低風險。使病人考慮安裝防毒軟體等相關方案，以防範病毒和其他惡意軟體入侵；另網路犯罪者常利用有漏洞之軟體入侵病人裝置，竊取健康資訊，因此可於軟體有最新版本時，盡快更新補強漏洞降低風險；若非於私人場所預約看診，病人則可透過調整裝置或使用即時聊天功能，避免預約資訊洩漏。 4.提供者應協助病人保護健康資訊。確保病人知悉提供者或通訊技術供應商聯絡資訊（如何時聯絡、以什麼方式聯絡等），使病人遭網路釣魚信件或其他方式詐騙時可以加以確認；也應鼓勵病人有疑慮時都可洽詢協助，包括如何使用通訊技術及已採取之隱私和安全保護措施等。 5.提供者應使病人了解通訊技術供應商所採取之隱私和安全保護措施。告知病人通訊技術供應商名稱、採取之隱私和安全保護措施，及如何得知前開措施內容；使病人了解進行遠距醫療時是否使用線上追蹤技術。 6.提供者應告知病人擁有提出隱私投訴的權益。若病人認為自身健康隱私權受到侵犯，得透過OCR網站進行投訴。
何謂拜杜法案「Bayh-Dole Act」？美國國會於1980年通過了拜杜法案(Bayh-Dole Act)，正式名稱為1980年大學與小型企業專利程序法(University and Small Business Patent Procedures Act of 1980, 35 U.S.C. 200 et seq.)。經濟學人(The Economis)曾對美國拜杜法評價為「可能是過去半世紀在美國所成立之最具創見之法律」，其目的是讓大學、中小企業等與聯邦機構締約，執行聯邦政府資助的研發計畫後仍能保有其研究成果之專利，亦即將此研究成果的專利申請權歸屬於受資助之大學或中小企業，而非聯邦政府。 拜杜法案(Bayh-Dole Act) 35 U.S.C. § 201(c)對立約人(contractors)定義為，任何簽署資助協議的自然人、小型企業、或非營利機構。而權利歸屬部分，規定於35 U.S.C. § 202，非營利機構、中小企業等與聯邦機構簽訂資助契約之承攬人可以選擇是否擁有受資助發明(elect to retain title to any subject invention)之權利。再者，立約人負責專利管理事務之人員，應於知悉受資助發明的合理期間內，向聯邦機構揭露該發明，若未於合理期間內揭露，則該發明歸屬於聯邦機構。並且，立約人應於揭露發明後2年內，以書面行使其選擇權，逾期則該發明權利歸屬於聯邦機構。另 35 USC § 203有介入權規定，聯邦機構認為有必要時，得要求立約人、其受讓人或其專屬被授權人將發明專屬、部分專屬(partially exclusive)或非專屬授權予申請人，聯邦機構得自行為之。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。