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。

　　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》發布亞太區「個人化精準醫療發展指標」。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。

　　《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。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與法律授權，逕自將健保資料提供給醫療研究單位。這意味著，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。我們有權拒絕提供資料給醫療研究嗎？

（改寫自中央研究院:《研之有物》―黃曉君採訪∕周玉文、劉芝吟撰文:〈AI 助陣醫學、防疫，個人隱私難兩全？〉）

作答情形

等第

分數

能確切掌握「民間團體反對政策」的原因，內容完整。

A

3-4

能大致掌握「民間團體反對政策」的原因，但內容不夠完整。

B

2

解讀錯誤，敘述混亂。

C

1

空白卷，或文不對題，或僅抄錄題幹。

0

0

作答情形

等第

級分

分數

能清楚表達立場，言之有物，論述深刻，文辭洗練，且具思辨深度。

A

A+

21-19

能清楚表達立場，條理分明，論述清晰，文辭暢達。

A

18-15

能清楚表達立場，論述合理，文辭得宜。

B

B+

14-12

立場表達模糊，論述尚稱合理，文辭平順。

B

11-8

論述空泛，文辭欠通順。

C

C+

7-5

論述雜亂，文句不通。

C

4-1

空白卷，或文不對題，或僅抄錄題幹。

0

0

0