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

IBM 大名鼎鼎的 Watson 也要被賣了，人類的 AI 夢該醒了？

作者 品玩 | 發布日期 2021 年 02 月 22 日 8:45 |

人類豐滿的 AI 夢，正撞上冰冷的現實。1 月 19 日，據《華爾街日報》引用知情人士報導，IBM 考慮出售 Watson Health 業務，可能的方案包括賣給私募股權公司、醫療企業或與特殊目的收購公司（SPAC）合併。

Watson Health 部門主要負責使用 AI 幫助醫院、保險公司和製藥企業處理數據。《華爾街日報》援引知情人士報導，年收入約 10 億美元，但目前未盈利。

IBM 在 2020 年 4 月迎接新 CEO 阿爾溫德‧克里希納（Arvind Krishna）。上任後，克里希納著手簡化公司業務線，使雲端計算更有競爭力。如 Watson Health 真的出售，對 IBM 的 AI 業務來說，無疑是不小的挫折。

曾想替人類解決腫瘤治療

長久以來，Watson 都是 IBM AI 業務的招牌，也是人類最初充滿野心的 AI 夢代表。

2011 年，深度學習方法剛重新定義，仍未掀起 AI 浪潮。但此時 IBM 的 Watson 就在美國最受歡迎的智力競答節目《危險邊緣》，擊敗節目史上最成功的兩位人類選手。

Watson 展現出強大的自然語音理解能力。要贏得比賽，必須分析大量文字找到線索，然後搜尋大量資料庫，檢索可能的答案。擊敗兩位人類冠軍後第二天，IBM 宣布 Watson 的新職業目標：AI 醫生。

從邏輯看，Watson 在節目展現的能力，似乎可移植到醫學領域──都是先理解自然語言（患者的電子病歷），然後檢索資料庫（治療方案和最新醫學文獻），最終得出答案。此方案的價值在於，每天有近 8 千篇醫療文章發表，醫生一篇篇讀不可能，AI 能幫助醫生閱讀最新醫學成果。

2013 年，IBM 更將研究重心聚焦於腫瘤治療，人類還無法攻克的醫學挑戰。2015 年，IBM 成立專部門：Watson Health，可見當時決心。IBM 前 CEO 羅睿蘭（Virginia Rometty）曾把 Watson Health 稱為公司的「登月計畫」。

眾所周知，AI 的基礎是大量訓練資料。為了獲得數據，IBM 花費約 40 億美元收購 4 家醫療領域數據驅動型公司，分別是 Phytel、Explorys、Merge Healthcare 和 Truven Health Analytics。2016 年，成立僅兩年的 Watson Health，員工規模達 1 萬多人。

發展重點的腫瘤治療領域，Watson Health 吸引許多著名合作機構，包括安德森癌症中心、紀念斯隆─凱特琳癌症中心、梅奧診所、奎斯特診斷公司。2016 年 8 月，Watson Health 還進軍中國，推出「健康中國」生態圈共贏計畫。

聲勢壯大的宣傳、數額龐大的併購、權威機構合作，IBM 透過一系列動作讓外界對 Watson Health 的期待非常高。畢竟，用最尖端的 AI 技術解決最困難的醫療問題，聽起來就非常性感。

不過，後來發展事與願違。安德森腫瘤中心曾與 IBM 合作，為腫瘤學家創建諮詢工具，是利用自然語言處理技術彙整患者的電子健康紀錄，然後匹配資料庫提供治療建議。安德森癌症中心投入 6,200 萬美元，但最終結局卻是雙方 2017 年 2 月終止合作。

業界開始對 Watson Health 產生懷疑，問題也接踵而至。2018 年 5 月，美國媒體 The Register 報導，Watson Health 部門要解僱約 50%~70% 員工，引發巨大震動。不過後來科技媒體 IEEE Spectrum 報導，被裁員工主要來自收購的三家公司 Phytel、Explorys 和 Truven。大量收購使公司面臨人力過多問題，為裁員埋下了伏筆。

但這些都是表面現象，歸根究柢，Watson Health 的致命點在於，診斷結果不準確。

2018 年 8 月《華爾街日報》報導，沒有任何發表的研究表明，Watson 提升患者的治癒率。有十幾位使用過系統的機構和醫生回饋，癌症應用收效甚微，某些情況下還會出錯。且由於缺乏罕見病例數據，Watson 的更新速度跟不上癌症治療的發展速度。

丹麥某醫院研究指出，Watson 的診斷方案，與專家僅 30% 重疊，因此拒絕採購 Watson 系統。德國媒體也曾報導，德國兩家機構實際應用後發現，Watson 對症狀特殊的病人會開給致命藥物。2018 年 10 月，IBM Watson Health 當時 CEO Deborah DiSanzo 宣布離職。

一切都不可逆轉指向最終結局，如今終於傳出 IBM 尋求出售 Watson Health 的消息。失去業界信心，再丟掉雄厚資金後援，人類最早的 AI 明星前景，不再明朗。

AI 夢該醒了？

目前 AI 應用於醫療最普遍的場景是辨識醫療影像，如視網膜眼底影像。而 Watson 挑戰的是診斷，且還是醫學難度最大的腫瘤治療領域，Watson Health 面臨資料和 AI 智慧的雙重挑戰。

資料層面，大部分醫療資料是非結構化資訊，如醫生撰寫病歷和出院總結。雖然 AI 的自然語言理解能力進步飛快，但比人類依然差很多。圖靈獎得主約書亞‧本希奧（Yoshua Bengio）曾表示，AI 無法理解醫學文本歧義，也無法找到人類醫生會注意到的細微線索。

另一方面，有些罕見病例的數據往往難以取得。《中國工業和資訊化》雜誌 2020 年篇文章指出，分析 Watson 數據發現，罕見病例研究中，本來應該餵給 Watson 大量真實數據找到新治療方法，但罕見病例本就缺乏，Watson 被灌入一堆沒什麼用的假設數據，並不是真正的病人數據。這種透過假設數據學習的 AI，準確性可想而知，更出現罕見病例 Watson 誤診。

全球領先的醫學資訊平台 Medscape 2018 年報導指出，Watson 學習根源有問題──並沒有使用足夠真實病例學習，負責訓練它的人，僅是紀念斯隆‧凱特琳癌症中心的腫瘤學家和 IBM 工程師。Watson 大量訓練時間用於掌握上述腫瘤學家設計的理想化病例和治療方案。訓練用真實病例數量很少，最多的肺癌也僅 635 例，最少的卵巢癌更只 106 例。

IBM 曾努力取得資料，花 40 億美元收購 4 家公司，但融合面 IBM 低估了複雜程度。《中國工業和資訊化》雜誌文章指出，IBM 前員工和前客戶的醫院管理人員說，雖然收購大量資料，但融合時發現需要花費難以想像的人力物力，還沒開始訓練就讓人筋疲力盡。巨大的經濟壓力和暗淡前景之前，各合作夥伴只能選擇終止合作，留個爛尾。

AI 目前的智慧程度，難以配合腫瘤治療的複雜性。AI 的本質是統計學，得出的結論局限於人類訓練員提供的數據，無法像專業醫生，獨立生成新的見解。

也就是說，Watson 只能比人類專家更快得出相同結果，無法治療人類醫生治不了的病。

巨大的風險面前，醫生只會將 Watson 的診斷結果當參考，依然要進行大量臨床研究。IBM 的宣傳說，Watson 能憑著強大的計算能力發現人類看不到的地方。但事實證明，AI 的智慧遠未到這程度。Watson 對醫生的意義，也就大打折扣。

Watson Health 的挫折反映出 AI 用於醫學診斷的困難重重，但並不意味 AI 醫療領域沒有前景。圖像分析、基因分析和製藥領域，都有不少公司探索 AI 的應用場景。即使是診斷領域，IBM 的 Watson 沒做好，也不意味其他人做不好。至少，後來者可在 Watson 基礎上學到一些經驗。

資料來源：https://technews.tw/2021/02/22/ibm-watson-ai/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I

未來五年人工智慧將實現的五大突破

原創： 王進 資本實驗室

資本實驗室•今日創新觀察

聚焦前沿科技創新與傳統產業升級

不論是可以和你對話的智慧音箱，還是能夠自己作畫的虛擬藝術家；不論是能夠幫助農民準確判斷種植和施肥時間的農場管理系統，又或者是能夠在演唱會現場快速識別罪犯的人臉識別程式，人工智慧已經開始在各行各業得到廣泛應用。

那麼，未來的人工智慧又有著怎樣的發展趨勢，對醫療、能源、製造、網路安全等行業，以及我們的工作、生活、生命健康又將產生怎樣的影響？近期，奇點大學人工智慧和機器人學專案負責人Neil Jacobstein提出了自己的預測。他認為，在未來五年（2019-2024），人工智慧將實現五大突破。

這些突破包括：人工智慧將完全改變我們對傳統識別模式的認識；醫生會越來越離不開機器學習；量子計算將大大提升藥物的研發效率；人工智慧設計系統將説明我們實現原子精確製造。當然，網路攻擊也會與人工智慧的發展相伴相隨，但又從另一個方面帶來更多的商業機會。

1.人工智慧引發新的非人類模式識別和智慧成果

AlphaGo Zero是一個機器學習程式，被用來訓練玩複雜的圍棋遊戲。在2017年，它以100比0擊敗其上一代程式AlphaGo。而就在此前不久，AlphaGo剛剛因為在2016年擊敗人類圍棋世界冠軍，受到全球矚目。

有趣的是，AlphaGo Zero不是從人類遊戲中學習，而是通過與自身的對抗，或者說“自學”方式來進行訓練，這是一種被稱為強化學習的方法。

從頭開始構建自己的知識，沒有人類的偏見——AlphaGo Zero展示了一種全新的創造方式。更具突破性的是，這種人工智慧模式識別允許機器在幾個小時內飛速積累起數千年的知識。

雖然這些系統不能回答“什麼是橙汁？”，或者與一個五年級學生進行智力競爭，但值得關注的是，它們越來越具有戰略複雜性，並與其他形式的弱人工智慧融合在一起。

在接下來的五年裡，誰知道AlphaGo Zero的“繼承者”將會以怎樣的形式出現？但可以肯定的是，新的人工智慧將不僅增強商業上的功能，也將為你的日常生活帶來更多便利。

2.使用機器學習進行診斷和治療對醫生越來越重要

一組中美研究人員最近建立了一個人工智慧系統，可以診斷從流感到腦膜炎等常見的兒童疾病。通過對近60萬名患者、130萬次門診就診的電子病歷進行培訓，這一項目產生了前所未有的準確診斷結果。

此外，我們還可以看到，加州大學聖地牙哥分校眼科遺傳學主任張康博士創建了能夠精確診斷致盲性視網膜疾病與肺炎的人工智慧工具。與醫生相比，這一系統同樣展示出了非常高的準確率。

Jacobstein預測，“我們很快就會看到一個轉捩點，醫生會覺得在他們的日常實踐中不使用機器學習和人工智慧是一種風險，因為他們不想錯過重要的診斷信號。”

3.量子優勢將大大加速藥物設計和測試

研究人員估計，可能的類藥物分子數量可以達到10的60次方之多，其數量如此龐大，甚至超過了整個太陽系中的原子數量。但是，今天的化學家必須根據受分子結構影響的性質來預測藥物，然後合成許多變體來測試他們的假設。

量子計算可以將這個耗時的、成本高昂的過程轉變為一個高效的、改變生命的藥物發現新機制。

Jacobstein說：“量子計算將帶來重大的產業影響……不是通過破壞加密，而是通過大規模並行處理進入設計領域，這種處理可以利用量子疊加、量子干涉和量子糾纏，並且可以大大超過經典計算。”

4.人工智慧對安全系統脆弱性和防禦的影響

隨著人工智慧融入到我們生活的方方面面，網路攻擊變得越來越具有威脅性，而“深度攻擊（Deep attacks）”可以通過利用人工智慧生成的內容來避免人類和人工智慧的控制。

如果沒有適當的保護，人工智慧系統可以被操縱來執行任何數量的破壞性目標，無論是破壞名譽還是轉移自動駕駛汽車。

Jacobstein認為：“我們的建築物、家庭、醫療保健系統、空中交通管制、金融組織、軍事和情報部門都有安全系統。但我們都知道，這些系統已經被週期性的駭客攻擊，我們將看到這種加速。因此，這裡有很多重要的商業機會，而且在它影響到你之前，你有很多機會超越這個曲線。”

5.人工智慧設計系統推動原子精確製造的突破

正如現代電腦改變了我們與比特和資訊的關係一樣，人工智慧將重新定義和革新我們與分子和材料的關係。

人工智慧目前正在被用來發現清潔技術創新領域的新材料，如太陽能電池板、電池，以及可以進行人工光合作用的裝置。

據業內專家稱，現今製造一種新材料大約需要15到20年的時間。但是，隨著人工智慧設計系統的飛速發展，這將大大加速材料的發現過程，使我們能夠以創紀錄的速度解決諸如氣候變化等緊迫問題。例如，像Kebotix這樣的公司已經開始利用機器人和人工智慧技術，著手簡化材料與化學製品的發現和創造工作。
通過原子精確製造，未來我們可能只需要一個按鈕，就生產出我們以前無法想像的產品。

資料來源：https://mp.weixin.qq.com/s/NSUPeugd5_NCDJwo83bzog…

運動、健身應該是一件快樂的事，不過最近卻變成了一場惡夢。目前這個事件已受到許多機關與各地方民意代表關注，我並非當事人因此其他細節我也就不方便談太多。

我想探討的是，對於一般運動與健身愛好者、教練、體適能產業經營者的我們，應該如何避免淪落成為下一次的受害者？歡迎大家留言告訴我你們的想法。

#輕適能 #健身產業觀察 #醫適能 #蔡奇儒
-

近期 MedEx 醫適能 ｜特殊族群專業訓練 課程資訊：

1. 國際四大體適能證照6小時總覽課程
時間：6/13(日) 9:30-16:30

▋本課程以美國運動委員會國際認證私人教練證照 (ACE-CPT) 為課程學習的主架構，輔以結合美國運動醫學院 (NASM) 、美國運動醫學會 (ACSM)、美國肌力與體能協會 (NSCA) 重要知識觀念授課

▋本課程目標在於讓參加學員、欲轉職為教練之運動愛好者能獲得不只是知識上的學習，更對於四大證照有清楚的分析，對未來方向將有更清晰的了解

▋授課講師蔡奇儒老師具有實際取得四大機構相關證照之專業背景及相關經驗，並獲邀成為美國肌力體能協會 (NSCA) 最新運動科學證照 (CPSS) 之共同翻譯作者；同時身為醫適能創辦人。醫適能 (MedEx) 目前為多間診所、醫療院所、企業之合作機構，致力於協助運動愛好者與教練們媒合相關工作機會

▋報名網址（早鳥5/20前或額滿截止)
https://forms.gle/yMAXojHTdZ72dCcf6

2. 懷孕及產後訓練專家(PPES) (ACE 1.2學分)

▋為什麼這堂PPES課程很重要？

女性懷孕期間的運動與產後運動是未來趨勢，運動對於身體健康帶來的益處是眾所皆知，但是如何安全有效的運動變成下一個最關鍵的問題。

研發這門課程的目的，就是希望帶你從科學實證的角度，更認識懷孕及產後訓練。包含認識孕期運動注意事項、運動禁忌、產後腹直肌分離、骨盆底肌訓練等重要議題。

▋時間：6/5-6/6 (六日) 9:30-16:30
▋報名網址：https://bit.ly/30DxZUH

3. 特殊族群訓練專家 (SPES) (ACE 1.2學分)

▋為什麼這堂SPES課程很重要？
特殊族群是未來健身體適能與醫療領域的共同趨勢。

「特殊族群」指的是「非一般健康族群」之總稱。最常見的是身體罹患各種不同常見慢性疾病，例如糖尿病、高血壓、癌症、骨質疏鬆等。了解如何帶領特殊族群訓練安全、有效的運動，是本堂研習課程研發的目的。

因此，不論是作為一般大眾、一般運動愛好者作為自我保健的知識準備，也同樣很適合運動教練、團課老師共同參考學習。

▋課程時間：5/8-5/9 (六日) 9:30-16:30
▋報名網址：https://bit.ly/30DxZUH

---
■ Facebook 臉書粉絲專頁
https://www.facebook.com/medex.chiru/

■ 訂閱電子報：分享參加研習課程資訊筆記、心得、經驗分享
http://bit.ly/2nKb4H8

■ Instagram帳號
https://instagram.com/chiru.tsai

■ MedEx Circle國內最專業的臉書體適能知識討論社群
https://www.facebook.com/groups/medexcircle/

■ 一鍵點擊加入我的LINE，接受最新資訊
https://line.me/R/ti/p/%40qbq0699u

■ 醫適能 特殊族群訓練培訓機構，查看最新研習課程
https://www.facebook.com/medexasia/



#醫適能活動預告：

當全世界都開始重視 #運動對於癌症病患的重要性時，成為Cancer Exercise Training Institute (CETI) 「癌症體適能訓練專家」就是您不可錯過的國際研習課程。

去年11月已經成功在台北舉辦的首發研習課程 (活動集錦 連結： http://bit.ly/2MWiEIn )，今年2020的5月，我們再次幸運邀請到擁有超過20年癌症體適能訓練經驗的 CETI 創辦人 Andrea Leonard 將在 #台北、 #台中、#台南，親自來台授課二日專業研習課程，同時課程將有專業翻譯及專業講師擔任課程輔助教學，請大家把握難得的機會！

【師資陣容】
本課程將全程由 CETI 創辦人Andrea授課並輔有課程翻譯 (林口長庚紀念醫院 復健科主治醫師 王思恒醫師) 與專業講師 (醫適能創辦人 前美國官方ACE國際講師 蔡奇儒) 協助課程進行。

【報名辦法】
因為名額非常有限，請有興趣與意願參加者，請立刻私訊臉書粉絲專頁：CETI Taiwan 網址連結：https://www.facebook.com/CETITaiwan/

【國際研習時間表】
➤台北假日 2020年5月30-31日
➤台南平日 2020年5月25-26日
➤台中假日 2020年5月23-24日

【課程內容】
➤ 瞭解癌症成因及定義；免疫系統的作用；瞭解癌症類型，了解最常應用於15種癌症以及兒童癌症的步驟，不同外科手術 (包括乳房重建) 將如何影響身體活動機能
➤ 瞭解乳房重建包括植入/擴張器/TRAM/LAT/GAP/TUG/DIEP皮瓣重建手術；手術如何影響肌肉平衡與活動範圍。課程將會導入基礎矯正性運動觀點
➤ 學習識別和預防淋巴水腫，以及淋巴水腫患者的運動指引建議；瞭解癌症患者所經歷的神經系統併發症；各種癌症治療及其急性和慢性副作用，以及如何利用適當的運動來減低或預防副作用影響
➤ 瞭解並學習分析如何協助癌症患者創建個別化訓練計劃，改善肌肉失衡；瞭解運動將如何幫助降低癌症機會、減少治療副作用；癌症治療相關疲勞的成因、管理方法；瞭解癌症治療與肥胖、酒精之風險
➤ 學習如何與專業醫療專業人員合作，並建立癌症運動專家的個人形象
➤ 案例探討研究：學員將討論不同的案例研究，其中包括各種類型的癌症和治療方法； 評估淋巴水腫風險，姿勢偏差，活動限制等；學習如何處理緊急程序，病歷和瞭解身體檢查結果，並為每個案例研究制定全面性的矯正運動訓練方案

【適合參加對象】
課程從基礎開始，輔有線上進階課程資源，因此非常適合一般的運動私人教練想幫助癌症患者，亦適合希望透過運動改善癌症患者身體健康的一般大眾，不需過度擔心銜接或專業背景不足。

此二日專業研習亦適合教練、專業醫療從業人員（醫師、藥師、護理師、物理治療師、職能治療師等），串連醫療端與運動體適能端的缺口。

【第一波超級早鳥優惠｜有名額限制】
為維護授課品質，課程名額有限，第一波早鳥超級優惠只至2/29截止(具人數限制)，團報再另享優惠，請大家把握，額滿即立刻關閉報名表單。

【附註】
此課程提供國際權威體適能機構 ACE/AFAA/NASM/NFPT/Yoga Alliance 等持續教育學分(CEUs)


了解更多

■ 一鍵點擊加入我的LINE，接受最新資訊
https://line.me/R/ti/p/%40qbq0699u

■ 醫適能蔡奇儒臉書
https://www.facebook.com/medex.chiru/

■ 醫適能 特殊族群訓練培訓機構，查看最新研習課程
https://www.facebook.com/medexasia/

■ 訂閱電子報：分享我參加的研習課程資訊筆記、心得、經驗分享
http://bit.ly/2nKb4H8

■ 追蹤我的IG，看看短篇好吸收的IG知識：
https://instagram.com/chiru.tsai

■ 加入臉書交流討論社群，一起交流一起變強
https://www.facebook.com/groups/medexcircle/

■ 訂閱我的Youtube頻道，觀看最新影片
http://bit.ly/2mY3YyI

【醫適能 近期研習課程】
■ 2019.11 癌症體適能訓練專業培訓（台北，已額滿/結束）
■ 2019.12 懷孕及產後體適能專業培訓（台中，已額滿/結束）
■ 2020.02 高齡銀髮體適能訓練專業培訓（台北，已額滿/結束）
■ 2020.05 癌症體適能訓練專業培訓（北、中、南，開放報名）
■ 2020 懷孕及產後體適能專業培訓（台北，尚未開放報名）