<p>要建構完善的人工智慧（Artificial Intelligence, AI）來輔助醫療，包含個人資料與病歷的醫療大數據必不可少。然而，醫院間為能共享病歷，許多資料庫都採取類似的資料結構與設定，致使單個資料庫被駭客攻破後，所有資料庫都能暢行無阻，引發資安疑慮。</p>
<p>&nbsp;</p>
<p>該如何在便利與安全間取得平衡？我們是否可以不分享自己的病歷？又，法律規範如何約束院方對病歷資料的使用？</p>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>為何走到 AI 輔助醫療？談病歷的健全與便利</strong></span></h2>
<p>首先要了解 AI 引以為傲的強大武器——分析關鍵數據集的能力，它能根據所蒐集的匿名特徵與遠距監控資料，提供醫事人員精準、快速的臨床決策支援，讓大數據科技照亮醫療的未來。此外，利用 AI 篩查、比較再入院次數、死亡率與院內感染相關處置評分等資料，也能幫助機構管理者在實證基礎上評估醫療院所的狀況。</p>
<p>&nbsp;</p>
<p>這些 AI 賴以分析的資訊來源，很多時候涉及病歷的共享——即在「交換醫療資訊」的系統下，醫護人員、患者與其他計畫外的醫療從業者間所交換的電子病歷（如醫學影像、血液檢驗、出院病歷摘要等）、電子健康紀錄（應醫療和照護產生的臨床數據）以及個人健康紀錄（除上述資訊，亦包含法律文件、委託書、保險等）；除了避免再入院，也能避免用藥錯誤和重複檢查。以糖尿病患者為例，甚至可以匯總血糖不受控制的患者名單，安排必要的追蹤和回診。</p>
<p>&nbsp;</p>
<p>過去，電子健康紀錄不僅配置成本高昂，諸如醫學影像、臨床數據、病史等資訊，也難以在醫護、患者、行政間統合，使用上較不靈活。透過機器學習、預測分析（Predictive Analytics）與自然語言處理（Natural Language Processing, NLP）等技術的合併，能將個別患者的口述病歷、就醫體驗、治療紀錄等資訊轉為可用的文本。而後，再加入新一代國際醫療資料交換標準「快捷式醫療服務互操作資源」（Fast Healthcare Interoperability Resource, FHIR）整合各種被稱作「資源」（Resource）的資料元素，進而把診斷、用藥、護理計劃、財務和保險等龐雜的資訊——在不影響完整性的前提下——簡化資料交換，最終轉換到數據大平臺上，供有關人士提取使用。</p>
<p>&nbsp;</p>
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2023/09/10-1_670x460.jpg" /></p>
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">機構內部多個環節的資安漏洞，是最常發生病歷資料被不當獲取的源頭。</div>
</div>
</div>
</div>
</div>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>共享病歷漏洞，是個資外洩中的至大危機</strong></span></h2>
<p>然而，這些包含個人基本資料與生物資訊的紀錄，亦可能被無關人士藉著資安漏洞以非法手段提取，例如網路加密的盲區、惡意軟體與網路釣魚等，進而造成身分被盜用等災難性的結果。2018 年，一篇研究指出，駭客攻擊醫學影像的機器學習演算法時，會使用讓 AI 產生「幻覺」的對抗性樣本（Adversarial Examples），讓影像分析結果不動聲色地出錯，進而導致分類錯誤。具體來說，在分類氣胸 X 光片、黑色素細胞癌的皮膚照片，以及糖尿病視網膜病變的視網膜成像時，AI 會將影像的雜訊降到最小，造成誤判。這些看似無聊當有趣的小把戲，據研究作者 Samuel Finlayson 等人描述，有其商業目的：保險業者可以降低給付率、臨床試驗公司可以恣意操弄需求，同時讓院方增加許多不必要的程式支出。</p>
<p>&nbsp;</p>
<p>眾所周知，醫療業一直都是網路攻擊的熱門選項，究其原因，主要是病歷裡記載的人口、身分訊息、財務等詳細資訊，而且很容易就被<span data-component="tippy" data-content="以數據獲得經濟效益的過程，包括組織向第三方提供訪問許可的「直接貨幣化」，以及洞察數據分析、獲取見解進而改善產品和服務的「間接貨幣化」。">貨幣化（Monetize）</span>。與信用卡被盜還可隨時取消的性質不同，醫療紀錄通常使用壽命頗長，長時間的濫用下也不易追蹤到惡意軟體。根據 The HIPPA Journal 一篇社論指出，網路罪犯之所以偷取醫療紀錄，是由於這些資料具有價值，可用於冒名申請信用卡和貸款，並透過這層身分詐取昂貴的醫療服務、保險、補助福利、設備與處方藥，甚至有機會向政府申請退稅。透過網路釣魚活動，攻擊者亦能以醫院或保險公司的名義，利用受害者懷孕、墮胎和性病篩檢等高度敏感的醫療訊息，進一步勒索高額贖金。此外，這些被偷來的資料，可能會被再加工，和從其他來源取得的數據做成一整包個資「全餐」（Fullz），放到暗網上銷售。</p>
<p>&nbsp;</p>
<p>針對共享病歷容易引發個資外流的原因，國立陽明交通大學數位醫學暨智慧醫療研究中心楊智傑主任解釋：「這意味著每個人的病歷資料都是相同的資料格式，在資料交換更方便的同時，也增加其被解讀和竊取的機會。要解決這個問題，任何病歷資料的儲存和傳輸都必須加密，才能夠確保其不易被特定程式解讀和竊取。這項加密的傳輸要求，已在醫療機構電子病歷製作及管理辦法中明定。」</p>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>尋找資安破口：內部工作者最易輕忽的地帶</strong></span></h2>
<p>既然病歷資料可能被未經授權的訪問者提取，就必須探究危機源頭。《資安人》於 2022 年的專文指出，醫療產業正面臨幾個重大個資安破口：透過<span data-component="tippy" data-content="健保資訊網服務平台服務系統（VPN）主要提供健保局外部之機構進行醫療費用申報與健保醫療資料登錄與共享之服務。">「健保資訊網服務平台服務系統 」（VPN）</span>擴散的病毒或勒索軟體、能夠使用遠端桌面服務的端點設備、在內部網路使用容易破解的密碼，以及院內護理推車上如 USB 或藍牙等設置。針對伺服器主機或營運科技（Operational Technology, OT）設備，國立陽明交通大學科技法律學院陳鋕雄院長解釋：「在數位醫療日趨普及的當代，我們必須考慮跟醫院合作的資料傳輸機構，例如電信公司、行動裝置設計公司（像是有穿載式手錶的蘋果公司）、醫療器材供應商等，他們的資安保護程度未必與醫療機構相同。」</p>
<p>&nbsp;</p>
<p>楊智傑主任進一步指出，醫院通常將醫療資訊系統置於內網，並嚴格限制能夠連結內網的外部連線，卻也是常見的資安破口。「目前的解決方法，是透過綁定或限制連線的方式，確認外部連線使用者的身分，來減少破口的機會。一旦系統被侵入，就可能帶來遠端操控或系統癱瘓等嚴重後果。」</p>
<p>&nbsp;</p>
<p>除了每家醫療院所的各項裝置和網路，自 2022 年衛生福利部公告新版〈醫療機構電子病歷製作及管理辦法〉後，各院可在規範下委外建置電子病歷系統，並加入雲端服務。其中，無論是 Amazon Cloud 還是 Google Cloud，都是使用門檻低、相容性很高的雲平臺，或許其安全模型相對牢靠，但是否就能一勞永逸？陳鋕雄院長解釋：「雲端業者通常有專業資安團隊來保護資料安全，比醫療機構自行養一個資安團隊更為經濟。」</p>
<p>&nbsp;</p>
<p>楊智傑主任則表示，目前商用雲端發展相當成熟，且前述兩者（Amazon Cloud 和 Google Cloud）皆已通過美國《健康保險流通與責任法案》（HIPPA）等相關法規的認證，因此目前美國許多醫療機構皆已將相關資訊上雲。不過，楊智傑主任補充道，「就實務面來說，臺灣在使用這些服務時，仍要考慮雲端主機的實體位置。」若是雲端服務廠商沒有將實體資料伺服器設置在臺灣，就不能確保醫療數據是在境內，而有可能因為雲端服務商的分散式儲存方式，將醫療數據存放在國外的資料伺服器，增加資料洩漏的風險。根據我國醫療機構電子病歷製作及管理辦法，若要存放在國外的資料伺服器，需經主管機關許可。</p>
<p>&nbsp;</p>
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2023/09/10-2_670x460.jpg" /></p>
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">針對能識別個人身分的敏感訊息做「馬賽克」處理，究竟該「馬」到什麼程度。</div>
</div>
</div>
</div>
</div>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>法律如何遏止敏感個資遭惡意利用？</strong></span></h2>
<p>病歷分享所引發的資安危機，在個人或組織層面上要付出的代價都超乎想像，因此我們需要對個資或含有生物資訊的內容「打馬賽克」。最常見的做法就是去識別化（De-Identification）——也就是將病歷資料中的姓名、身分證字號、罕見疾病、用藥、病史等極易識別出個人身分的敏感訊息，以加密（Encryption）、假名化（Pseudonymization）、標記化（Tokenization）等技術遮蓋，達到真正的匿名效果。技術上雖說可行，但仍須清楚的法律規範與各方恪守，才能發揮最佳作用。在討論這一題前，先來理解大數據的意義。</p>
<p>&nbsp;</p>
<p>大數據由三 V 組成——資料量（Volume）、資料多樣性（Variety）與資料即時性（Velocity），但偏偏這些都和「個人資料保護原則」（Privacy Principles）有所衝突。臺北醫學大學醫療暨生物科技法律研究所李崇僖教授指出：「1980 年代，因應電腦科技出現，個人資料開始被大量蒐集、儲存、複製、流通，侵害隱私的風險提高，經濟合作暨繼發展組織（Organization for Economic Co-operation and Development, OECD）便提出這項應以個人同意為前提，進行個人資料的蒐集、處理、利用的法律規範。」</p>
<p>&nbsp;</p>
<p>過去的電腦技術並無大數據科技的概念和能力，因此說到個資，那時的人只看得到背後的隱私風險，尚未覺察到它的好處；反觀如今，大數據已然可讓資料發揮極大價值，故以促進資料流通為原則。李崇僖教授針對大數據研究與個資保護的主要衝突進一步解釋道：「大數據需要將資料大量蒐集，然後讓電腦運算，找出事物的相關性與研究價值，然而這樣的研究無法在蒐集資料時明確告知使用目的，絕大多數為『目的外利用』，這是被個資保護原則禁止的。」而醫療領域的個資保護條件更為嚴苛，其在《個人資料保護法》中，必須獲得當事人書面同意才能合法蒐集。這也回應了一開始的命題：在診療之外，民眾確實可以拒絕分享病歷。</p>
<p>&nbsp;</p>
<p>雖說醫療大數據研究可增加診斷與治療的準確性，對民眾健康權有著重要的價值，但醫院病歷如何提供研究使用，依舊是難題。根據《人體研究法》規定以及衛福部過去的公告，病歷資料研究風險極低，且若不豁免同意，就無法進行研究，故倫理審查委員會可核准研究者豁免取得當事人同意。「這樣的運作一直僅限醫院內部研究使用，至於要將病歷資料去識別化，提供給外部機構，醫院都會擔心違反《個資法》。」李崇僖教授接著分析，「由於《個資法》允許的免除當事人同意情形僅限於學術研究，商業機構很難直接取得這些資料。」</p>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>在《個資法》之外，持續完備保護機制</strong></span></h2>
<p>前面提到，整合所有醫事機構去識別化的病歷資料，讓其在就診過程中更便利可用，亦是醫療大數據的關鍵。然而，《個資法》的規範和操作在實務層面來說仍有不足，因此國外也積極另立他法，以期在公益共享與隱私安全間拿捏妥當。李崇僖教授表示：「像日本就制定了《次世代醫療基盤法》，允許醫院將未去識別的病歷資料提供給第三方機構，再由第三方機構進行串連與匿名化，提供給包括商業組織在內的機構做醫學研究。」而歐盟雖對個資保護有嚴格規定，仍特別立法，對各種資料利用制定特殊規則，如歐盟已經提出「歐盟健康資料空間」（European Health Data Space）法規草案，盼能促進歐盟各國境內的健康資料整合，以利醫療大數據研究利用。</p>
<p>&nbsp;</p>
<p>而美國於 2009 年通過《經濟與臨床健康資訊科技法》（Health Information Technology for Economic and Clinical Health, HITECH），用於規範醫療與合作機構間的關係。陳鋕雄院長表示，該法案奠基於 HIPPA 之上，可延伸成合作夥伴機構的義務，強調行政、物理與科技上的資安義務分類。「行政指的是管理措施，例如資料要分類、不同敏感程度者只能由特定權限之人觀看；物理則是指存在資料的物理設備（例如硬碟）要放在不容易被偷的地方，例如上鎖的保密櫃；而科技指的是要採用資安技術，例如防火牆、資料加密技術等。」</p>
<p>&nbsp;</p>
<p>臺灣在醫療大數據中，具有單一保險人的優勢，即健保制度（中央健康保險局為唯一營運機構）。李崇僖教授解釋：「雖有缺乏自費醫療資料等局限性，但仍可解決前述的資料串連整合的問題。至於如何善加利用這些資料，就是我國目前亟待突破的法制議題。」</p>
<p>&nbsp;</p>
<p>陳鋕雄院長則指出，在 2019 年本土多家醫療院所遭勒索病毒攻擊後，衛福部便公布《基層醫療院所資安防護參考指引》，為基層醫療院所提供強化資安的做法。在《資通安全管理法》中，臺灣醫療機構屬「關鍵基礎設施」，根據該法，其「須履行一定的內部資安措施義務，符合其所屬資通安全責任等級之要求，並考量其所保有或處理之資訊種類、數量、性質、資通系統之規模與性質等條件，訂定、修正及實施資通安全維護計畫」，像是員工教育訓練、緊急事故應變措施、定期檢視設備使用紀錄等辦法。</p>
<p>&nbsp;</p>
<p>若是全面探討 AI 作為醫療行業中病歷紀錄工作的一環，不難想像「提升醫療品質與效能」與「保障個人隱私安全」之間的拔河有多難兩全。我們不可能為了社會公益的發展，而奉獻所有可識別的個人資訊；未來如何完善法律、構築方便與安全兼備的醫療大數據資料，仍有賴各界更多的對話與溝通。</p>
<p>&nbsp;</p>
<p>（客座總編輯｜國立陽明交通大學數位醫學暨智慧醫療推動中心 楊智傑主任；研究顧問團隊｜國立陽明交通大學科技法律學院 陳鋕雄院長、臺北醫學大學醫療暨生物科技法律研究所 李崇僖教授；責任編輯｜曹盛威、劉品萱）</p>
