WHO發布《2019‑nCoV戰略準備和應對方案》呼籲全球加速研發創新以對抗疫情
2020年2月3日，世界衛生組織（World Health Organization, WHO）發布《2019新型冠狀病毒戰略準備和應對方案》（2019 Novel Coronavirus: Strategic Preparedness and Response Plan），呼籲全球合作以加速研發創新，對抗新型冠狀病毒（2019 novel coronavirus, 2019-nCoV）。WHO提出的戰略目標包含六大項：限制人與人間的傳播防止疫情擴散、盡速發現並隔離以便提供患者最佳照護、查明並減少動物來源的傳播、加速診斷治療和疫苗開發、傳達重要且正確的風險與事件資訊、透過合作夥伴關係減少疫情對社會經濟影響。而WHO設立的戰略目標，可以透過以下方式實現：（1）加速建立國際協調方案，透過現有機制及合作夥伴關係提升防疫戰略、技術及業務支持。（2）擴大各國家的災難準備與緊急應變行動方案，包括加強準備、迅速發現、診斷並進行治療；在可行的情況下發現並追蹤感染者；強化醫療機構中的感染預防及控制；實施旅行者的健康管理措施；提升人民對疫情風險認識、減少社區交流風險等。（3）加速對2019‑nCoV的研究及創新，優先推動快速篩檢追蹤與擴大研發創新規模、開發候選療法、疫苗及診斷方法，確保醫療資源的公平可用性。藉由防疫標準化流程與知識平台的建立，促進並匯集學界合作的研究成果。
另外，WHO在本戰略中明列出八大衡量指標，用以評估各國因應2019-nCoV的計畫準備與成效，以便WHO能與政府合作，共同改善全球防疫系統。該八大指標分別為：流行病學症狀分析與疫情規模判斷能力、戰略準備及預算管理計畫、防疫物資供應程度、研究開發與臨床實驗比例、國家公共衛生系統疫情準備能力、建構檢驗與快篩的即時通報系統、完善診斷流程與安全隔離措施、疫情報告與資訊分享機制等。
本文為「經濟部產業技術司科技專案成果」
許祐寧
專案經理 編譯整理
歐盟科學與新科技倫理委員會（European Group on Ethics in Science and New Technologies, EGE）在今（2009）年11月18日公布合成生物學（Synthetic Biology）公布相關之倫理、法制與社會議題之意見，其中指出合成生物學具有可大幅降低生技藥品生產成本的極大潛力，但也可能帶來的風險，故應予注意。 對很多人來說，合成生物學是一個相當新穎的概念，經濟合作發展組織（Organisation for Economic Co-operation and Development , OECD）在其所公布的2030生物經濟發展議程中，將其列為最具有發展潛力的新興生物技術之一，近來更被歐美先進國家視為生物技術產業的未來重點發展方向。 根據OECD的定義，所謂合成生物學，是以工程方法為基礎，以改進微生物的新興領域，此技術使設計與建構新生物元件（part）、裝置（device）及系統（system），及對於既存的自然生物系統，使其更具有使用性。合成生物學的目的，在於藉由設計細胞系統，使其具備特定功能，從而消除浪費細胞能量之非期待的產物，以增進生物效率。目前合成生物學與市場較為接近的案例，乃一種將青蒿（sweet wormwood herb）、細菌與酵素等基因、分子路徑（molecular pathway）作結合，製造出可以生產治療瘧疾（malaria）的青蒿酸之細菌，此項開發成功突破過去僅能透過植物青蒿獲得，並產量有限的瓶頸。 正由於看好和成生物學的發展潛力，美國、英國與歐盟都開始對此項技術可能帶來的倫理、法制與社會爭議進行評估，歐盟EGE更公布意見以作為未來訂定法規範時的參考。EGE在意見中表示合成生物學使用於能源技術、生物製藥、化學工業或材料科學等都深具前景，故建議歐盟執委會應對此技術發展給予支持，並在歐盟架構計畫下，以產業利用為前提，給予經費的支持；然也必須重視其ELSI問題，包括使用合成生物產品的安全性、對環境的長期影響、惡意使用之防免、專利與公共財的爭議等，為了解決此等問題，其也要求各會員國必須針對合成生物學的各種議題，加強與民眾、利害關係人及社會的對話。由於我國一直將生技產業視為發展重點，合成生物學關係著生技產業未來發展，其未來發展實不容為我國所忽略。
澳洲法院認為新聞標題不受著作權法保護FairFax媒體出版公司是澳洲財經評論(Australian Financial Review，以下簡稱AFR)報紙的出版商，控告Lexis Nexis資料庫所提供的ABIX服務，提供不同的來源的每日新聞標題和摘要，包括AFR的新聞)，是侵害FairFax新聞標題的著作權，同時，FairFax要求Lexis Nexis停止使用這些文字。 澳洲聯邦法院認為：1.著作權法不保護新聞標題，因為新聞標題太過簡短；2.證據顯示新聞標題並不能做為共同著作的一部分；3.新聞標題非整篇新聞最實質的部份。4.因為LexisNexis所使用的新聞標題可以構成合理使用。澳洲著作權法中，依據使用的性質與目的若使用新聞報導內容，是可以作為合理使用的主張。也就是說即使新聞標題受到著作權法保護，但LexisNexis仍可以主張合理使用，不會有侵害著作權的疑慮。 法官Annabelle Bennet表示：「新聞標題普遍來說就如同書名，太簡單且太短是不能受到著作權法中的語文著作保護。新聞標題的功能像是一篇文章的篇名，也像針對主題用濃縮的方式簡短的敘述，就如同像是一本書的書名長度。普遍來說，新聞標題太過簡短以致於不能被認為是語文著作，就像是標識(LOGO)在著作權法的評價上不夠重要以致於不能作為美術著作，即使這些是花費技能和勞力所創造的。
德國聯邦工業聯盟與Noerr法律事務所所公布「工業4.0 – 數位化進程面臨之法律挑戰」意見報告德國聯邦工業聯盟（Bundesverband der Deutschen Industrie）與Noerr法律事務所於2015年11月共同公布「工業4.0 – 數位化進程面臨之法律挑戰」(Industrie 4.0 – Rechtliche Herausforderungen der Digitalisierung)意見報告。該報告透過德國聯邦工業聯盟與Noerr法律事務所訪談德國數家企業法務部門，以釐清業界在邁入工業4.0轉型下會遇到的法律議題，並對此議題提出法律意見。 此報告針對工業4.0相關法律議題提出以下建議： 1.資料保護:業者可透過技術性設計達到資料保護的目的，例如隱私設計（Privacy by Design）。另，繼歐盟法院針對安全港判決的裁定，業者應積極關注歐盟第29條資料保護工作小組針對跨國資料傳輸的指引或德國聯邦資料保護委員（Datenschutzbeauftragten des Bundes）針對跨境資料保護規範的建議。 2.資料產權：在立法上不應急於規範管制，有恐危及企業資料分享的空間。建議企業間可透過雙方性契約規定資料的使用權 3.資訊安全：雖支持於2015年7月通過之德國資訊系統安全法（IT-Sicherheitsgesetz），強制性業者履行在遭資安攻擊時履行通報義務（Meldepflicht）。但是，若能實施以業者本身主動完成資安保護措施之鼓勵機制，則更能積極性的鼓勵業者履行其資安義務。 4.智慧財產權：標準必要專利的授權及使用係業者在工業4.0體系中，特別在系統的互通性上，非常重要的一環。在法制環境上應讓各個業者，在一定的條件下，均享有標準必要專利授權。 5.產品責任：因智慧工廠下之自治系統（autonome Systeme）有自主決定的能力，而因其所導致的民事糾紛，可透過新民事責任概念的架構所解決，並不一定要將該自治系統視為一獨立的數位法人（ePerson）。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。