關於 疫情 下的 照護 科技 發展 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【疫情下的護理教學現場】
新型冠狀病毒大流行，全球面臨前所未有的挑戰，自今年五月起國內所有課程開始採用遠距教學，各護理校院也對是否持續臨床實習做出艱難決定。
　
在權衡教育的價值與學習者的風險，以及參考教育部六月公告之「大專校院醫事類科因應嚴重特殊傳染性肺炎疫情之實習課程應變機制」，多數護理校院暫時將實習課程改為虛擬與其他教學方式。
　
科技與資訊設備的使用能力考驗遠距教學的品質，護理教師必須在極短的時間內學習透過不熟悉的機制扮演熟悉的角色，包括運用虛擬形式於教學、評量和輔導學生。
　
另須將學生學習資源的差異，如家中是否有高速網路、電腦設備與安靜的環境等，納入課程設計的考量。透過遠距教學雖讓學習不中斷，卻也因此減少師生互動，使得提供學生情感關懷和學術支持受到挑戰，如何增加師生雙向溝通以及利用虛擬形式提供支持，將持續挑戰教師的創新教學能力。
　
疫情改變教學現場，對於不熟悉線上和虛擬學習環境的教師，持續的專業發展至關重要。教師需透過額外的學習，花更多的時間與精力，將高品質的教學帶入新的遠距教學方法中。
　
學生也如同教師一樣，需要時間學習與適應新的教學模式。在疫情下，除了教師的創新教學方式，學校資源的投入與同儕的支持有助於緩解教師的壓力，以確保有效率培育高素質的護理專業人員。
　
▶ 更多護理相關精采文章，詳 國家衛生研究院-論壇： https://forum.nhri.edu.tw/nursing_info
　
■撰文者：
王采芷教授兼教務長 國立臺北護理健康大學
■審閱者：
王秀紅諮議委員 國家衛生研究院論壇
　
【Reference】
📋 國家衛生研究院-論壇 - 109年研議議題
「台灣護理人力發展之前瞻策略規劃」
■議題召集人：王秀紅教授（高雄醫學大學護理學系）
■以護理人力的教育、考試、訓練與任用過程，並融合透過人力「輸入（input）─過程（process）─產出（output）」的概念分為7個面向，從護理人力之人才培育（護理教育）、護理專業之能力提升（專業認證、進階護理），以至從初級照護、次級急性照護、至三級照護的執業場域（社區護理、醫院護理、長照護理）之護理人力需求；再以科技護理橫貫人才培育、能力提升以及人力需求等層面的教育與應用。
➤https://forum.nhri.edu.tw/109-pp-3/
　
衛生福利部
衛生福利部護理諮詢會
衛生福利部護理及健康照護司
　
國立臺北護理健康大學
國立臺北護理健康大學
高雄醫學大學護理系學生會
高雄醫學大學護理學院
私立高雄醫學大學
　
台灣護理學會
中華民國護理師護士公會全國聯合會
　
護理正義
護理人護理魂-hi,I'm CC
　
財團法人國家衛生研究院
國家衛生研究院-論壇

因為有媒體朋友詢問，所以才得知指揮中心今天釋出有爭議的訊息
我必須說，邏輯絕對不是這樣，這無疑是打擊第一線人員的士氣與撕裂醫病信任
#DNR "放棄急救同意" 僅是徵詢患者與家屬意見的過程
真正造成死亡率提高，是疫情指數上升時 #醫療資源不足

--
疫情發展初期，本來死亡率就會特別高
為什麼呢?

第一，案例曝光問題
社區爆發剛曝光時
很多母數都藏在社區尚未被發現
所以我們看到的案例總體而言都是其中特別嚴重的

第二，醫療支持不足
疫情指數上升時
世界上沒有一個國家，能夠撐得住疫情爆發時的衝擊
此時醫療量能不足，這才是造成死亡率大幅提升的因素

你想想看印度最嚴重時氧氣到處供應不足
墨西哥還發生氧氣鋼瓶出現在黑市高價販售

附圖說明，在去年武漢的疫情實際死亡率曾高達近25%
就是以上所述所造成
隨著時間調整，死亡率自然就會下來

醫療支持不足還有更細節的點
就是當時醫療系統處置無法達到對病人的最即時、最優化

例如疫情五月中旬爆發
六月初，瑞德西韋才改成由醫院內部給予
在此之前，都是寫信給地方衛生局審核
藥物才過一段時間來，最好的處置時間很容易錯過
絕對不是醫師都笨到到病人插管了，才給予瑞德西韋之類

但是現在還有單株抗體如casirivimab+imdevimab處置
雖然都配藥到醫院，卻都還是要聯繫指揮中心
我真的不太懂這個會拖到處置時機的流程意義在哪裡
這中間是不是還有太多的不信任?

--
我知道 報導者 The Reporter 有提過關於疫情下DNR簽署與插管的問題
但是詳究內文，這實質層面，是資源問題
就是去年義大利疫情爆發
曾一度被討論過的"該先救誰" ，這樣的倫理困境
(義大利最後也澄清老人還是會救)
面對大量的病患插管，義大利的醫療同仁也死很多人，是事實

現在疫情較為降溫
所以我們能夠將對新冠病人的系統處置較為優化
甚至大家共同跨科學習下
清冠一號都含在對病人處置的bundle裡

不再有兩、三人一室，急診也不是那麼壅塞
開始漸漸回歸一人一室的隔離照護
照護精神也從只是減低病毒量，變成盡量提升品質

剩下的，就是再優化分倉分流下的醫病溝通
隔離真的會讓很多的溝通變成間接
多一些系統辦法或科技化讓溝通更加便利直接
都是接下來每一間醫院在試圖改善的

--
醫療量能不足，才是新冠病人的死因，DNR不是

請把DNR回歸單純倫理問題
DNR不代表我放棄你、我救你會遭殃所以見死不救
面對醫療需求，沒有同仁會退縮
每個病人的治療，判斷病情可逆不可逆都是在投石問路
每個照護經驗累績下來都是為後人種樹
病情可逆之下，該做就做，是每一個臨床醫療人員都會有的本能

台灣新冠死亡率未來會降低是必然趨勢
無須為數字不好看而感到不安
我們是在作戰，不是模範生比賽，不求勝，但求不敗

勿讓數字被錯誤詮釋
勿讓DNR溝通處置成為病患心中的恐懼
並否定疫情過程整體醫護的努力
指揮中心作為統領全國抗疫作戰，應該要更加相信在第一線作戰的基層醫療人員

(附圖為2020年2月至3月推估武漢的新冠肺炎確實死亡率，Real estimates of mortality following COVID-19 infection, Author: David Baud,Xiaolong Qi,Karin Nielsen-Saines,Didier Musso,Léo Pomar,Guillaume Favre)

AI 助陣醫學、防疫，個人隱私難兩全？

2021/06/09 研之有物

規範不完備是臺灣個資保護的一大隱憂，《個資法》問世遠早於 AI 時代、去識別化定義不清、缺乏獨立專責監管機構，都是當前課題。

評論

本篇來自合作媒體研之有物，作者周玉文、黃曉君，INSIDE 經授權轉載。

AI 醫療、科技防疫的人權爭議

健康大數據、人工智慧（AI）已經成為醫療研發的新聖杯，新冠肺炎（COVID-19）更將 AI 技術推上防疫舞臺，各國紛紛串聯大數據監控足跡或採用電子圍籬。但當科技防疫介入公衛醫療，我們是否在不知不覺中讓渡了個人隱私？

中研院歐美研究所副研究員何之行認為，規範不完備是臺灣個資保護的一大隱憂，《個資法》問世遠早於 AI 時代、去識別化定義不清、缺乏獨立專責監管機構，都是當前課題。

「天網」恢恢，公衛醫療的新利器
自 2020 年新冠疫情大爆發，全世界為了因應危機展開大規模協作，從即時統計看板、預測病毒蛋白質結構、電子監控等，大數據與 AI 技術不約而同派上用場。但當數位科技介入公共衛生與醫療健康體系，也引發人權隱私的兩難爭議。

2020 年的最後一夜，臺灣再次出現本土案例。中央流行疫情指揮中心警告，居家隔離、居家檢疫、自主健康管理的民眾，都不應參加大型跨年活動。而且，千萬別心存僥倖，因為「天網」恢恢，「我們能找得到您」！有天網之稱的電子圍籬 2.0 出手，許多人拍手叫好，但也挑起國家進行隱私監控的敏感神經。

隱私爭議不只在防疫戰場，另一個例子是近年正夯的精準醫療。2021 年 1 月，《經濟學人》（The Economist）發布亞太區「個人化精準醫療發展指標」（Personalised-health-index）。臺灣勇奪亞軍，主要歸功於健全的健保、癌症資料庫及尖端資訊科技。

國際按讚，國內反應卻很兩極。早前曾有人質疑「個人生物資料」的隱私保障，擔憂是否會成為藥廠大數據；但另一方面，部分醫療研究者卻埋怨《個人資料保護法》（簡稱《個資法》）很嚴、很卡，大大阻擋了醫學研發。為何國內反應如此分歧？

中研院歐美所副研究員何之行認為，原因之一是，

《個資法》早在 2012 年就實施，跑在 AI 時代之前，若僅僅仰賴現行規範，對於新興科技的因應恐怕不合時宜。

健保資料庫爭議：誰能再利用我們的病歷資料？

來看看曾喧騰一時的「健保資料庫訴訟案」。

2012 年，臺灣人權促進會與民間團體提出行政訴訟，質疑政府沒有取得人民同意、缺少法律授權，逕自將健保資料提供給醫療研究單位。這意味，一般人完全不知道自己的病例被加值運用，侵害了資訊自主權。案件雖在 2017 年敗訴，但已進入大法官釋憲。

民間團體批評，根據《個資法》，如果是原始蒐集目的之外的再利用，應該取得當事人同意。而健保資料原初蒐集是為了稽核保費，並非是提供醫學研究。

但支持者則認為，健保資料庫是珍貴的健康大數據，若能串接提供學術與醫療研究，更符合公共利益。此外，如果過往的數據資料都必須重新尋求全國人民再同意，相關研發恐怕得被迫踩剎車。

種種爭議，讓醫學研究和資訊隱私之間的紅線，顯得模糊而舉棋不定。何之行指出，「個人權利」與「公共利益」之間的權衡拉鋸，不僅是長久以來政治哲學家所關心的課題，也反映了現代公共衛生倫理思辨的核心。

我們有權拒絕提供資料給醫療研究嗎？當精準醫療的腳步飛也似向前奔去，我們要如何推進醫學科技，又不棄守個人的隱私權利呢？

「精準醫療」與「精準健康」是近年醫學發展的重要趨勢，透過健康大數據來評估個人健康狀況，對症下藥。但健康資料涉及個人隱私，如何兼顧隱私與自主權，成為另一重要議題。

去識別化爭點：個資應該「馬賽克」到什麼程度？

何之行認為，「健保資料庫爭議」短期可以從幾項原則著手，確立資料使用標準，包括：允許退出權（opt-out）、定義去識別化（de-identification）。

「去識別化」是一道安全防護措施。簡單來說：讓資料不會連結、辨識出背後真正的那個人。何之行特別分享 Google 旗下人工智慧研發公司 DeepMind 的慘痛教訓。

2017 年，DeepMind 與英國皇家醫院（Royal Free）的協定曝光，DeepMind 從後者取得 160 萬筆病歷資料，用來研發診斷急性腎衰竭的健康 APP。聽來立意良善的計畫，卻引發軒然大波。原因是，資料分享不僅未取得病患同意，也完全沒有將資料去識別化，每個人的病史、用藥、就醫隱私全被看光光！這起爭議無疑是一大教訓，重創英國社會對於開放資料的信任。

回到臺灣脈絡。去識別化指的是以代碼、匿名、隱藏部分個資或其他方式，無從辨識特定個人。但要達到什麼樣的隱匿保護程度，才算是無從識別特定個人？

何之行指出，個資法中的定義不甚清楚，混用匿名化（anonymous）、假名化（pseudonymised）、去連結（delink）等規範程度不一的概念。臺灣也沒有明確定義去識別化標準，成為爭點。

現行法令留下了模糊空間，那麼他山之石是否能提供參考？

以美國《健康照護可攜法案》（HIPAA）為例，法案訂出了去除 18 項個人識別碼，作為去識別化的基準；歐盟《一般資料保護規則》則直接說明，假名化的個資仍然是個人資料。

退出權：保留人民 say NO 的權利

另一個消解爭議的方向是：允許退出權，讓個人保有退出資料庫的權利。即使健保資料並沒有取得民眾事前（opt-in）的同意，但仍可以提供事後的退出選項，民眾便有機會決定，是否提供健康資料做學術研究或商業運用。

何之行再舉英國國民健保署 NHS 做法為例：英國民眾有兩階段選擇退出中央資料庫 （NHS Digital）的機會，一是在一開始就拒絕家庭醫師將自己的醫病資料上傳到 NHS Digital，二是資料上傳後，仍然可以在資料分享給第三方使用時說不。畢竟有人願意為公益、學術目的提供個人健康數據，對商業用途敬謝不敏；也有人覺得只要無法辨識個人即可。

近年，英國政府很努力和大眾溝通，希望民眾認知到資料分享的共善，也說明退出所帶來的社會成本，鼓勵人們留在資料庫內，享受精準醫療帶給個人的好處。可以看到英國政府藉由公眾溝通，努力建立社會信任。

參照英國經驗，目前選擇退出的比率約為 2.6%。保留民眾某種程度的退出權，但善盡公眾溝通，應是平衡集體利益與個人隱私的一種做法。

歐盟 GDPR 個資保護的四大原則

健保資料庫只是案例之一，當 AI 成為大數據浪潮下的加速器，最周全之策仍然是針對 AI 時代的資料運用另立規範。 歐盟 2018 年實施的《一般資料保護規則》（General Data Protection Regulation，以下簡稱 GDPR），便是大數據 AI 時代個資保護的重要指標。

因應 AI、大數據時代的變化，歐盟在 2016 年通過 GDPR，2018 年正式上路，被稱為「史上最嚴格的個資保護法」。包括行動裝置 ID、宗教、生物特徵、性傾向都列入被保護的個人資料範疇。
歐盟在法令制定階段已將 AI 運用納入考量，設定出個資保護四大原則：目的特定原則、資料最小化、透明性與課責性原則。

其中，「目的特定」與「資料最小化」都是要求資料的蒐集、處理、利用，應在特定目的的必要範圍內，也就是只提供「絕對必要」的資料。

然而，這與大數據運用需仰賴大量資料的特質，明顯衝突！

大數據分析的過程，往往會大幅、甚至沒有「特定目的」的廣蒐資料；資料分析後的應用範圍，也可能超出原本設定的目標。因此，如何具體界定「特定目的」以及後續利用的「兼容性判斷」，便相當重要。這也突顯出「透明性」原則強調的自我揭露（self-disclosure）義務。當蒐集方成為主要的資料控制者，就有義務更進一步解釋那些仰賴純粹自動化的決策，究竟是如何形成的。

「透明性原則的用意是為了建立信任感。」何之行補充。她舉例，中國阿里巴巴集團旗下的芝麻信用，將演算法自動化決策的應用發揮得淋漓盡致，就連歐盟發放申根簽證都會參考。然而，所有被納入評分系統的人民，卻無從得知這個龐大的演算法系統如何運作，也無法知道為何自己的信用評等如此。

芝麻信用表示，系統會依照身分特質、信用歷史、人脈關係、行為偏好、履約能力等五類資料，進行每個人的信用評分，分數介於 350-950。看似為電商系統的信用評等，實則影響個人信貸、租車、訂房、簽證，甚至是求職。

這同時涉及「課責性」（accountability）原則 ── 出了問題，可以找誰負責。以醫療場域來講，無論診斷過程中動用了多少 AI 工具作為輔助，最終仍須仰賴真人醫師做最後的專業判斷，這不僅是尊重醫病關係，也是避免病患求助無門的問責體現。

科技防疫：無所遁形的日常與數位足跡

當新冠疫情爆發，全球人心惶惶、對未知病毒充滿恐懼不安，科技防疫一躍成為國家利器。但公共衛生與人權隱私的論辯，也再次浮上檯面。

2020 年 4 月，挪威的國家公共衛生機構推出一款接觸追蹤軟體，能監控足跡、提出曾接觸確診者的示警。但兩個月後，這款挪威版的「社交距離 APP」卻遭到挪威個資主管機關（NDPA）宣告禁用！

挪威開發了「Smittestopp」，可透過 GPS 與藍牙定位來追蹤用戶足跡，提出與感染者曾接觸過的示警，定位資訊也會上傳到中央伺服器儲存。然而，挪威資料保護主管機關（NDPA）宣告，程式對個人隱私造成不必要的侵害，政府應停止使用並刪除資料。

為何挪威資料保護機關會做出這個決定？大體來說，仍與歐盟 GDPR 四大原則有關。

首先，NDPA 認為挪威政府沒有善盡公眾溝通責任，目的不清。人民不知道這款 APP 是為了疫調？或者為研究分析而持續蒐集資料？而且，上傳的資料包含非確診者個案，違反了特定目的與資料最小蒐集原則。

此外，即便為了防疫，政府也應該採用更小侵害的手段（如：僅從藍牙確認距離資訊），而不是直接由 GPS 掌控個人定位軌跡，這可能造成國家全面監控個人行蹤的風險。

最後 NDPA 認為，蒐集足跡資料原初是為了即時防疫，但當資料被轉作後續的研究分析，政府應主動說明為什麼資料可以被二次利用？又將如何去識別化，以確保個資安全？

換言之，面對疫情的高度挑戰，挪威個資保護機關仍然認為若沒有足夠的必要性，不應輕易打開潘朵拉的盒子，國家採用「Smittestopp」這款接觸追蹤軟體，有違反比例原則之虞。

「有效的疫情控制，並不代表必然需要在隱私和個資保護上讓步。反而當決策者以防疫之名進行科技監控，一個數位監控國家的誕生，所妥協的將會是成熟公民社會所賴以維繫的公眾信任與共善。」何之行進一步分析：

數位監控所帶來的威脅，並不僅只於表象上對於個人隱私的侵害，更深層的危機在於，掌握「數位足跡」(digital footprint) 後對於特定當事人的描繪與剖析。

當監控者透過長時間、多方面的資訊蒐集，對於個人的「深描與剖繪」（profiling）遠遠超過想像──任何人的移動軌跡、生活習慣、興趣偏好、人脈網絡、政治傾向，都可能全面被掌握！

AI 時代需要新法規與管理者

不論是醫藥研發或疫情防控，數位監控已成為當代社會的新挑戰。參照各國科技防疫的爭論、歐盟 GDPR 規範，何之行認為，除了一套 AI 時代的個資保護規範，實踐層面上歐盟也有值得學習之處。

例如，對隱私風險的脈絡化評估、將隱私預先納入產品或服務的設計理念（privacy by design），「未來照護機器人可能走入家家戶戶，我們卻常忽略機器人 24 小時都在蒐集個資，隱私保護在產品設計的最初階段就要納入考量。」

另外最關鍵的是：設置獨立的個資監管機構，也就是所謂的資料保護官（data protection officer，DPO），專責監控公、私營部門是否遵循法規。直白地說，就是「個資警察局」。何之行比喻，

如果家中遭竊，我們會向警察局報案，但現況是「個資的侵害不知道可以找誰」。財稅資料歸財政部管，健康資料歸衛福部管，界定不清楚的就變成三不管地帶。

綜觀臺灣現狀，她一語點出問題：「我們不是沒有法規，只是現有的法令不完備，也已不合時宜。」

過往許多人擔心，「個資保護」與「科技創新」是兩難悖論，但何之行強調法令規範不是絆腳石。路開好、交通號誌與指引完善，車才可能跑得快。「GDPR 非常嚴格，但它並沒有阻礙科學研究，仍然允許了科學例外條款的空間。」

「資料是新石油」（data is the new oil），臺灣擁有世界數一數二最完整的健康資料，唯有完善明確的法規範才能減少疑慮，找出資料二次利用與科技創新的平衡點，也建立對於資料二次利用的社會信任。

資料來源：https://www.inside.com.tw/article/23814-ai-privacy-medical?fbclid=IwAR0ATcNjDPwTsZ4lkQpYjvys3NcXpDaqsmE_gELBl_UNu4FcAjBlscxMwss