第四章 特種個人資料類別重整之探討
第二節 健康資料受科技之影響
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
62
範。
（二）由醫師或其他醫事人員囑咐之測量
除了民眾因自我健康意識而自行測量生理數據外，在健康醫療照護物聯網的 遠端照護和遠距醫療情景中，經常是使用居家環境的佈置感測器和配合許多穿戴 式裝置，監控病患個人生理數據，並提供給醫師或其他醫事人員判斷。
和在醫院內的即時監測相比，遠端照護和遠距醫療的數據測量不一定是由醫 師或其他醫事人員操作，而可能係由該些人員囑咐，由一般民眾自行測量，例如 第二章智慧醫療章節提及之臺北醫學大學遠距健康照護中心提供之服務，其監測 會員慢性病管理之方式，是透過在家中建置專業經核可的設備，由會員自行測量 回傳，再由健康管理師主動監測測量狀況。
若經醫師或其他各類醫事人員執行業務，而將數據結果做成病歷，或做成報 告，該些病歷和報告自然屬於特種個人資料。然而單純由感測器和穿戴式裝置測 量之結果，並未經醫師或其他各類醫事人員做成病歷或報告前，該些數據似乎為
「健康資料」，而不屬於特種個人資料。
第二節 健康資料受科技之影響
因技術提升，物聯網蒐集的健康資料數量越趨龐大，資料間的異質性
（heterogeneity）也提高，使得健康大數據研究日益蓬勃，大數據為「超過典型 資料庫軟體工具所能擷取、儲存、處理和分析能力的資料庫」172。以定義而言，
各種資料格式之和健康資料整合時，符合大數據之定義。以健保資料庫為例，雖 然健保資料庫中的資料格式較為整齊173，尌現今電腦軟體功能而言並不屬於大數 據，但進行研究時，若將健保資料庫與電子病歷或電子健康紀錄、報稅、商業保
172 陳聰富、蔡甫昌，大數據應用於醫學研究之法律議題，台灣醫學，21 卷 1 期，頁 34，2017 年 1 月。
173 全民健康保險資料庫資料描述，請參考全民健康保險研究資料庫，譯碼簿，
https://nhird.nhri.org.tw/date_02.html（最後瀏覽日：2018 年 1 月 3 日）。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
險的資料串連成大型資料庫，這種數量大、多樣性（variety）且變異性（variability）
高的特色，也屬於大數據研究之範疇174。
一、健康資料大數據特性
大數據技術，即是業者將大量儲存的使用者記錄，例如透過智慧手機儲存的 終端固有 ID、位置資訊、APP 使用記錄，或物聯網紀錄的生理資訊等，透過巨 量分析（analytics）與資料探勘（data mining）方式，萃取出有用或可供預測使 用者行為的資訊，幫助業者發展新服務175。當健康資料符合大數據定義時，原本 傳統的資料特性內涵176轉變，以下尌健康大數據特性進行介紹，並和醫療資料特 性進行比較。
（一）敏感性
醫療資料涉及個人身體與心理狀況，例如是否有傳染病、特殊疾病或具特殊 基因特性（如癌症基因、遺傳缺陷），屬於個人私密和敏感程度較高之資料。如 該些資料不當為他人所知悉，尤其當病患罹患之疾病在社會上易導致他人對病患 產生負面評價時，可能會損及病患自尊177。一般性之健康資料敏感性則較醫療資 料低，然而大數據分析時，健康資料相互串聯，或連結至醫療資料中共同分析，
而使得健康資料敏感性提升。
（二）可識別性
如前所述，凡於醫療行為下產生之個人及相關數據、資訊皆屬醫療資料，醫 療資料通常可以指涉出特定個人，此係因醫療資料係紀錄與描述個人醫療歷程，
174 陳聰富、蔡甫昌，前揭註 172，頁 34。
175 葉志良，大數據應用下個人資料定義的檢討：以我國法院判決為例，資訊社會研究，31 期，
頁 3，2016 年 7 月。
176 醫療資料具專業性、敏感性、可辨識性之特性，黃維民，前揭註 160，頁 68-69。
177 黃維民，前揭註 160，頁 68-69。
‧
案（Health Insurance Portability and Accountability Act of 1996, HIPAA）下隱私部 分保護的可識別個人健康資訊（Individually identifiable health information）觀之，其意指該法限制保護可辨識出個人身份的健康資訊及有合理理由相信可用來識
會計帳目等有意義的數量（numerical）或類別（categorical）特徵181。而未結構 化資料通常被定義為不容易或不可能以典型資料庫方式呈現的資料類型182。
180 David E. Parkhill 著，管理未結構化的健康照護資料，Katherine Marconi、Harold Lehmann 編，
醫療大數據，頁 64-65，2017 年。
181 黃瀚萱、陳信希，醫療大數據及其應用，台灣醫學，20 卷 6 期，頁 589，2016 年 11 月。
182 David E. Parkhill 著，前揭註 180，頁 64。
183 Donald A. Donahue, Jr.著，大數據之初：熟練運用現有資訊，作為建立大數據的基礎，Katherine Marconi、Harold Lehmann 編，醫療大數據，頁 42，2017 年。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
65
構化的資料184，諸如醫師在病歷上寫的問診註記文字，照片、X 光、MRI 影像 及對話聲音記錄等。將相當規模的各種儀器、病患資料集結分析，可成為掌握病 患療程進度、醫療品質、儀器汰換決策之分析基礎，但問題尌在於未結構化的資 料該如何分門歸類，轉化成可用於分析的資料，這部分尌是大數據研究在處理的 範圍，否則資料蒐集而不利用，也無法產生價值。
（四）技術特性
容量（volume）、時效性（velocity）以及多樣性（variety）是最早被研究報 告提出的 3Vs 大數據特性，之後其他的條件陸續被加入，包含變異性（variability）、 價值（value）、和準確性（veracity）185。
（五）去識別化再連結
一般而言，去識別化（de-identification）被視為利用資料分析技術，藉以獲 取資料價值的同時，也能保護個人隱私的方法之一186。去識別化之概念可以分為
「匿名化資料（pseudonymised data）」與「除名化資料（anonymous data）」兩種。
「匿名化資料」係指以隱名編碼的方式，將可識別個人之部分資料，例如姓名、
生日、ID，分別保存，達到暫時去識別化之目的187。另一種相對概念為「除名化 資料」，個人資料經過除名化過程後，此時辨識個人之可能性已不存在，此辨識 之不可能性，來自於事實上之不能（永久去除所有可連接特定資料主體之資料）， 或制度上之不能（制度上禁止任何人以任何方式將資料重新識別特定資料主體）
188。
但即使資料已匿名化或除名化而去除識別性，仍有可能藉由編碼方式或其他 識別手段之記錄被揭露，而使去識別化之資料「再識別」（re-identified）。尤其當
184 Donald A. Donahue, Jr.著，前揭註 183，頁 42。
185 Javier Andreu-Perez et al, supra note 58, at 1194.
186 葉志良，前揭註 175，頁 4。
187 張陳弘，個人資料之認定──個人資料保護法適用之啟動閥，法令月刊，頁 75，2016 年 5 月。
188 同前註。
‧
Informatics）、轉譯生物資訊學（Translational Bioinformatics）、感測器資訊學（Sensor Informatics）以及影像資訊學（Imaging Informatics）不同領域193。精準 醫療（Precision medicine）即是目前全球醫學積極投入的醫療和健康大數據研究 方向之一。過去治療相同疾病時都採用相同的治療方式或藥品。精準醫療除了透 過傳統檢查方式和由病患描述症狀判斷疾病，會再加上生物醫學檢測，如基因檢
189 Paul Ohm, Broken Promises of Privacy: Responding to the Surprising Failure of Anonymization, 57 UCLALAW REVIEW 1701, 1724-25 (2010).
190 Id., at 1731; 葉志良，前揭註 175，頁 4 .
191 葉志良，前揭註 175，頁 4 .
192 Linda Dimitropoulos、Charles (Chuck) Thompson 著，健康資料治理──尋找資料治理與管理的 最佳實務及使用者需求的帄衡點，Katherine Marconi、Harold Lehmann 編，醫療大數據，頁 244，
2017 年。
193 因本文主要討論健康個人資料，提及的應用舉例也以提升個人健康為主，其他如公共衛生應 用則不在討論範圍內，其他領域的應用可參見 Javier Andreu-Perez et al, supra note58, at 1194-1202.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
67
測、蛋白質檢測、代謝檢測等，並結合個人資料如性別、身高、體重、種族、過 去病史、家族病史，從傳統基因延伸到組學（omics）的研究，透過個人與人體 基因大數據資料庫進行比對及分析，從中找出最適合病患的治療方法與藥品194。 藉由有效的探究疾病發生的原因，精準醫療可用來預測高風險族群。
健康資料的應用，以量血壓為例，目前臨床上多根據一小時量一次血壓的數 值來定義高血壓，而穿戴式裝置出現後可以連續的監控血壓數值，但因兩者使用 的測量技術不同，連續血壓數值仍與臨床測量的血壓資料有些差異。惟連續數值 的潛在生理意義經過適當的處理和管理，可以作為高血壓輔助判斷，或應用於緊 急用途195。
智慧型手機的影像鏡頭可以被用來蒐集心跳和和心律變異（heart rate variability）， 也可以用對入式加速器和陀螺儀追蹤使用者身體能量的損耗。此外，藉由一台裝 有心電圖（electrocardiographic）感測器的智慧型手機，和另一台裝有光電容積 描記 (photoplethysmographic)感測器的手機，可以計算出脈波傳導時間（pulse transmission time），被用來輔助測量血壓196。