醫療影像AI判讀被專家認為是臺灣最接近臨床可應用、阻力最小、最能幫助醫師的技術，卻因為錯綜複雜的利害關係人網絡，在資料取得及公/私利益上，與政府、醫師、醫院、監管單位甚至客戶，面臨重重尚待解決的難題。

在當代人工智慧(AI)多種應用發展之中，圖像辨識的深度學習、神經網絡發展搭上圖形處理器(GPU)的演進快速；另一方面，醫療場域的放射科、檢驗醫學科，存在大量醫療影像判讀需求，兩者一拍即合，讓醫療影像AI發展突飛猛進。

由於人不可能永遠保持專注，在大量的重複作業下，還是有疏忽細微細胞病變的可能。但有了影像AI判讀協助，醫師就可以從原本千張影像的工作量，變成只需要看AI挑出來可疑的一百張影像即可，大大減輕醫師看影像、寫報告的負擔。

臺北醫學大學醫療暨生物科技法律研究所創辦所長李崇僖指出，醫療影像AI判讀的重要性，在臺灣已經在非臨床科(不需要直接與病人接觸的科別)逐漸受到認可。例如，中華民國放射線醫學會已經擬出一份醫學影像輔助診斷管理辦法，供各大醫院作為模板、寫出各自的管理辦法。該學會中許多成員都是大醫院的領導者。

「醫學會作為醫學專業團體，在醫療臨床上有深入的理解，因此，在AI落地的角色中非常重要，也是觀察AI發展成不成熟的重要指標。」李崇僖強調。

不過，即便是目前發展看似阻力最小的醫療影像AI判讀，其因為資料的敏感性，仍會牽涉到複雜的利害關係人(Stakeholders)關係網絡，因此，從資料取得、查驗登記、落地醫療院所等環節，都需要克服重重挑戰。

挑戰1：業者 vs. 資料開放──

去識別化仍不能作為資料處理的合法充足條件！

專研法律、醫學與全球公共衛生的中研院歐美研究所助研究員何之行表示，臺灣雖然已經有健保資料庫，但廠商仍然在取得資料上遇到困難。

主要原因是，很多醫療資料(包括影像在內)，一開始收集的目的並不是為了開發軟體，原則上是特定目的外的「二次利用」，如果要回溯性使用這些資料，就必須面對缺少同意權的問題。

何之行指出，這項限制可以利用《個資法》第6條的但書來克服。一是限定「公務機關或學術研究機構」，為了高公共利益之目的，得以進行去識別化後使用；另一種則是取得當事人明確書面同意。

臺灣當前仍主要以使用的去識別化資料為主。不過她指出，臺灣雖然目前已有符合國際標準化組織(ISO)去識別化標準，但去識別化在臺灣其實還沒有法律上的明確定義，也不是長久之計。

何之行表示，雖然國發會曾經希望把臺灣《個資法》和相關規範推到和歐盟同等標準、在國際上有競爭力。但以相對嚴格的歐盟《一般資料保護規範》(GDPR)規範來說，資料的去識別化只是一種維護措施，不能取代當事人同意、不能作為資料處理的合法充足條件。

「現在日本、韓國都已經達到GDPR標準，如果臺灣AI業者未來也要往這些地區發展，就會遇到法規成本比別人高的挑戰。」

何之行建議，「如果有一個明確的立法授權，就可以比較清楚的解決健康資料二次利用的問題。」

至於如何讓《個資法》在資料處理上獲得合法充足條件，何之行認為，比較單純的做法是逐一取得當事人的同意；但有些國家(例如英國)卻是使用「退出權」的概念，預設每個已經存在於資料庫的人都同意，並寄發通知給當事人可以選擇退出，通常退出的比率都不會太高。

此外，倘若臺灣的健保資料庫要開放資料、讓AI業者可以開發商業應用，應該要更加強這項行為的公共利益回饋，進而說服社會大眾，這個動作也會影響政府推動開放資料最終成敗。

挑戰2：業者 vs. 醫院/監管單位──

上市後監管資料開放問題更像是個「黑盒子」！

AI軟體公司和醫院建立研發合作，可以利用醫院的資料開發、訓練、優化AI產品，...