美國FDA更新軟體預驗證計畫，以明確化數位健康科技的軟體器材審查流程
美國食品及藥物管理局（the U.S. Food and Drug Administration）於2019年1月更新「軟體預驗證計畫（Software Precertification Program）」及公布該計畫「2019測試方案（2019 Test Plan）」與「運作模式初版（A Working Model v1.0）」，使審查流程更加明確及具有彈性，並促進技術創新發展。
在更新計畫中，FDA聚焦於審查架構的說明，包含考量納入醫療器材新審查途徑（De Novo pathway）及優良評估流程（Excellence Appraisal process）的審查內涵。在優良評估流程中，相關研發人員須先行提供必要資訊，以供主管機關驗證該軟體器材之確效（validation）及是否已符合現行優良製造規範（current good manufacturing practices）與品質系統規範（Quality System Regulation, QSR）的要求。而由於以上標準已在此程序中先行驗證，主管機關得簡化上市前審查的相關查證程序，並加速查驗流程。
在測試方案中，則說明FDA將同時對同一軟體器材進行軟體預驗證審查及傳統審查，並比較兩種途徑的結果，以確保軟體預驗證審查途徑中的每一個程序都可以有效評估產品上市前所應符合的必要標準。最後，FDA綜合軟體預驗證計畫及測試方案，提出「運作模式初版」，以協助相關人員了解現行的規範架構與處理程序，並期待藉此促進技術開發者及主管機關間的溝通。FDA並於運作模式文件中提到，將在2019年3月8日前持續接受相關人員的建議，而未來將參酌建議調整計畫內容。
本文為「經濟部產業技術司科技專案成果」
謝易昕
法律研究員 編譯整理
Food and Drug Administration[FDA], Software Precertification Program: Regulatory Framework for Conducting the Pilot Program within Current Authorities（2019）,https://www.fda.gov/downloads/MedicalDevices/DigitalHealth/DigitalHealthPreCertProgram/UCM629278.pdf （last visited Jan. 22, 2019）
Food and Drug Administration[FDA], Software Precertification Program: 2019 Test Plan（2019）, https://www.fda.gov/downloads/MedicalDevices/DigitalHealth/DigitalHealthPreCertProgram/UCM629277.pdf （last visited Jan.22, 2019）
Food and Drug Administration[FDA], Developing a Software Precertification Program: A Working Model – Version 1.0（2019）, https://www.fda.gov/downloads/MedicalDevices/DigitalHealth/DigitalHealthPreCertProgram/UCM629276.pdf （last visited Jan. 22, 2019）
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。
歐盟執委會發布無人機戰略2.0，創造大規模歐洲無人機市場歐盟執委會（European Commission, EC）於2022年11月29日發布「無人機戰略2.0」（Drone Strategy 2.0），以全球最先進的歐盟無人機操作與設置技術安全框架為基石，為歐洲無人機市場設定發展願景，並闡述歐洲在大規模擴展商用無人機的同時，將如何提供產業新契機。 歐盟除以無人機交通監管系統計畫（U-SPACE）進行政策推動外，為擴張歐洲無人機市場，歐盟執委會提出「創新空中移動」（Innovative Air Mobility, IAM）與「創新空中服務」（Innovative Aerial Services, IAS）等2項新概念。前者包括國際、地區與城市空中移動（Urban Air Mobility, UAM）概念，期待以定期載客服務實現最終全自動化、有效整合並補充既有運輸系統與服務，以及提出有助於改善交通運輸系統碳排放的去碳（decarbonisation）替代方案。此外，透過廣泛布建並整合地面與空中基礎設施，將使UAM成為未來城市複合式智慧移動生態系統（multimodal intelligent mobility ecosystem）之一部；而後者則涉及無人機多元應用，諸如緊急服務、測繪、巡檢、偵查與物流運輸，抑或最終實現全自動化空中計程車（Air Taxis）等創新應用型態，期待相關應用於2030年成為歐洲日常生活的一部份。 為實現上述願景，歐盟提出「建立聯盟無人機服務市場」與「加強歐洲民用、安全與國防產業能力與綜效（synergies）」等兩項目標，其中涵蓋十大領域（例如：改善空域能力、促進航空作業、發展IAM、提供資金與融資、確立關鍵技術模組化（critical technology building blocks）），並從中啟動十九項攸關操作、技術與財務的關鍵行動（例如：建立支持在地利害關係人與產業落實永續的IAM線上平台、推動通用標準、採用反制無人機系統（C-UAS）、協調共同方法以提供無人機操作所需之無線電頻譜等），為未來無人機空域與市場，建立妥適的監管與商業環境，並加強無人機營運商、無人機製造商、國防部門、反制（counter）無人機，以及U-SPACE等有關無人機價值鏈（value chain）就不同環節上之效率。
美國衛生及公共服務部「曲速行動」透過公私合作夥伴加速COVID-19疫苗研發美國衛生及公共服務部（Department of Health and Human Services, HHS），於2020年6月16日提出「曲速行動（Operation Warp Speed）」，目標是在2021年1月前，提供3億劑具安全有效性的COVID-19疫苗，給所有美國人民使用。參與行動的政府夥伴，包括國家衛生研究院（National Institutes of Health, NIH）、食品藥品監督管理局（U.S. Food and Drug Administration, FDA）、疾病預防管制中心（Centers for Disease Control and Prevention）；與多家製藥公司包含嬌生、默克、輝瑞、Moderna、AstraZeneca等，簽訂研究製造及保證收購疫苗的競爭型補助協議，直接由政府需求主導疫苗藥劑的研發、生產與銷售，藉此滿足國家防疫的戰略需求。 曲速行動為政府部門及公私夥伴間的合作計畫，依據美國國會通過《新冠病毒援助、救濟和經濟安全法》（Coronavirus Aid, Relief, and Economic Security, CARES Act），計畫補助資金達100億美元，其中超過65億美元用於生物醫學高階研究和發展管理局（Biomedical Advanced Research and Development Authority, BARDA），30億美元用於NIH研究。公私夥伴合作項目包括：「加速研發新冠病毒藥物及疫苗計畫」（Accelerating COVID-19 Therapeutic Interventions and Vaccines, ACTIV）、「快速診斷技術計畫」（Rapid Acceleration of Diagnostics Tech program, RADx）等。 曲速行動從100多種疫苗中先行選出14種候選疫苗，由美國政府補助，進行早期臨床實驗，再分次篩選出最具潛力者，進行大規模檢測。透過公私夥伴合作，不僅成功帶動製藥廠商積極研發，也協助候選廠商間彼此競爭、提升製藥能力，進一步反饋研究經驗給最終產出的疫苗成果。
新加坡網路安全局發布人工智慧系統安全指南，以降低AI系統潛在風險新加坡網路安全局（Cyber Security Agency of Singapore, CSA）於2024年10月15日發布人工智慧系統安全指南（Guidelines on Securing AI Systems），旨在強化AI系統安全，協助組織以安全之方式運用AI，降低潛在風險。 該指南將AI系統生命週期分成五個關鍵階段，分別針對各階段的安全風險，提出相關防範措施： （1）規劃與設計：提高AI安全風險認知能力，進行安全風險評估。 （2）開發：提升訓練資料、模型、應用程式介面與軟體庫之供應安全，確保供應商遵守安全政策與國際標準或進行風險管理；並辨識、追蹤及保護AI相關資產（例如模型、資料、輸入指令），以確保AI開發環境安全。 （3）部署：適用標準安全措施（例如存取控制、日誌記錄），並建立事件管理程序。 （4）運作與維護：持續監控AI系統的輸入和輸出，偵測異常與潛在攻擊，並建立漏洞揭露流程。 （5）壽命終期：應根據相關行業標準或法規，對資料與模型進行適當之處理、銷毀，防止未經授權之存取。 CSA期待該指南發布後，將有助於預防供應鏈攻擊（supply chain attacks）、對抗式機器學習攻擊（Adversarial Machine Learning attacks）等安全風險，確保AI系統的整體安全與穩定運行。