講者 : 李修安博士 國家衛生研究院 台灣健康大數據整合服務平台計畫, 張立鑫助理教授 國立屏東科技大學 動物疫苗科技研究所
關鍵字: TRE、可信任研究環境、GHD、真實世界數據、OMOP-CDM、AI Ready、資料治理、國家衛生研究院
文 / GHD團隊 / 李修安、沈衍如
在「2025台灣健康大數據整合服務平台年會」中，國家衛生研究院（NHRI）GHD資訊團隊以「探索可信任研究環境：真實世界數據分析的新視角」為題，分享TRE（Trusted Research Environment）在推動真實世界資料（Real-World Data, RWD）研究中的核心角色，並展示其如何兼顧資料隱私、安全與研究效能，成為台灣健康資料治理的重要基石。
圖 現場演示情境介紹
團隊首先回顧國際趨勢，指出自英國HDR UK及澳洲ARDC等計畫推動以來，TRE已成為全球健康資料共享與再利用的主要模式。TRE的設計理念強調「資料不外流，研究走進來」，透過安全、受控的研究環境，研究者得以在不移動資料的前提下進行分析，同時維持法規遵循與研究透明性。
GHD團隊指出，台灣正積極以TRE為核心，推動可信任的資料共享生態系。TRE的五個安全原則（Five Safes Framework）—安全的人員、安全的資料、安全的環境、安全的計畫、安全的輸出—構成了資料治理的完整防線。透過這一架構，研究活動在每一階段皆受到審查與監控，確保隱私、透明與問責。
圖 TRE 實踐概念與五個安全框架
展示TRE如何貫穿資料收集、處理、分析與輸出四階段，並以五個安全原則確保隱私。
在技術層面，GHD團隊說明TRE以虛擬化運算環境為基礎，結合多層次身分驗證、零信任網路架構（Zero Trust）與差分隱私（Differential Privacy）防護。研究人員透過雲端介面登入安全區域，可使用統計、視覺化與AI分析工具，所有操作行為皆完整留存於稽核紀錄（Audit Trail），實現可追溯且合規的研究流程。
圖 TRE 三層安全架構
說明TRE在操作面、治理面與技術面的整合安全設計，確保研究過程透明、安全、合規。
團隊展示了以合成資料（Synthetic Data）進行的實際操作範例，模擬研究人員於TRE內完成資料前處理、OMOP-CDM（Observational Medical Outcomes Partnership Common Data Model）標準轉換、分析與結果審查的全流程。分析結束後，僅統計結果可經人工審查後輸出，真實資料則全程留存於受控環境中。
圖 OMOP CDM 標準化流程
展示資料標準化如何支援跨機構研究及AI應用，推動台灣與國際資料互通。
GHD強調，資料標準化與AI Ready環境是TRE長期發展的關鍵。透過導入國際通用的CDM架構與FAIR（Findable, Accessible, Interoperable, Reusable）原則，TRE不僅可促進國內機構間的協作，也為台灣參與國際多中心研究奠定基礎。
圖 TRE 實際分析與輸出流程
呈現TRE在實際操作中的完整流程，從研究設計、分析操作到輸出審查的全環節。
未來，GHD團隊計畫以TRE為核心，推動AI Ready健康資料生態系的發展。此生態系將整合跨院資料交換、AI模型開發與倫理治理，促進資料安全共享與創新應用。GHD表示，唯有建立透明、可追溯且可信任的研究環境，台灣才能在國際健康資料研究的舞台上持續發光發熱。
