Federated Data Networks and Common Data Models-Key Considerations
講者 : Dr. Jeff Brown Chief Scientific Officer, TriNetX
關鍵字: 跨院資料聯盟、共同資料模型、TriNetX、Jeff Brown、真實世界證據、FDA Sentinel、資料治理、醫療資料整合、國際合作
文 / GHD團隊 / 李修安、沈衍如
在本次由國家衛生研究院台灣健康大數據整合服務平台 (Gateway to Health Data Taiwan)主辦的研討會中，特別邀請到 TriNetX 首席科學長暨哈佛醫學院講師 Jeffrey S. Brown 博士發表專題演講「Federated Data Networks and Common Data Models: Key Considerations」。Brown 博士以豐富的實務經驗與國際視野，分享如何在保護隱私與確保資料品質的同時，推動跨院資料整合與真實世界證據（Real-World Evidence, RWE）研究。
圖 TriNetX 首席科學長 Jeff Brown 博士演講剪影
Brown 博士指出，建立跨院資料聯盟需同時考慮技術與治理面，包括目標設定、資料一致性、查詢設計與隱私安全等七大核心要素。
Brown 博士在演講中首先介紹「跨院資料聯盟（Federated Data Network）」的概念。這是一種讓各醫療機構保留資料於本地端、卻能透過安全協定進行分析的分散式架構。他強調，這種模式能在不移轉原始資料的前提下推動多中心研究，同時兼顧資料隱私與法規遵循，例如美國的 HIPAA 與歐盟的 GDPR。
圖 TriNetX 平台研究引用量成長趨勢
TriNetX 平台已被廣泛應用於臨床與流行病學研究，截至 2025 年已有超過 2,000 篇期刊論文引用其資料，顯示全球實證醫學的快速發展。
接著，他以美國 FDA 的 Sentinel Common Data Model 為例，說明共同資料模型（Common Data Model, CDM）在資料整合中的關鍵角色。Brown 博士指出，設計一個成功的資料模型應兼顧透明性、互通性與可擴充性，確保不同資料來源都能被安全、準確地解讀與分析。
圖 Sentinel 共同資料模型設計原則
Sentinel CDM 的設計原則包括能容納多種資料型態、強調透明與易用性，以及只分享最少必要資料，是跨院資料共享的典範。
Brown 博士也進一步比較了多種資料模型，如 OMOP 與 Mini-Sentinel。他指出，儘管這些模型都涵蓋人口學、診斷、檢驗與治療等核心概念，但在結構與詞彙對應上的差異，可能導致研究結果的不同。他提醒研究者應「讓資料模型服務研究問題，而非讓研究去迎合模型。」
圖 不同資料模型的共通基礎概念
無論是哪一種資料模型，其核心都以病人為中心，涵蓋診斷、治療、生命徵象與病人回報資訊，是臨床研究間的共同語言。
此外，Brown 博士分享了 TriNetX 的全球佈局：平台現已串接超過 25 個國家、200 多家醫療機構，累積超過 2.5 億筆去識別化病患資料。這些資料廣泛應用於臨床試驗設計、藥品安全監測與流行病學研究。他表示，真正的挑戰不只是技術整合，更在於建立信任、透明與持續營運的治理架構。
圖 總結：資料網路設計的核心原則
“The design of a network is critical — Common data models facilitate analytics — Always focus on matching data to questions to intended use.”Brown 博士以此作結，強調成功的資料網路必須讓模型緊扣研究問題，才能真正發揮資料價值。
這場演講讓與會者深刻體認到，未來的醫療資料整合不只是技術挑戰，更是策略與治理的工程。Brown 博士的國際經驗，為臺灣推動國家級生醫資料平台與共同資料模型建置提供了寶貴的啟發，也為資料驅動的醫療創新開啟新篇章。
