2023年4月17日，剑桥大学的Mateo Aboy团队在Nature Biotechnology杂志发表文章：Mapping the patent landscape of medical machine learning。
在本文中，作者研究了 MML (medical machine learning) 的新兴专利版图。具体来说，作者分析了全球专利数据，并从经验上详细说明了医疗 AI 中的专利情况，主要关注来自美国专利商标局 (USPTO) 和欧洲专利局 (EPO) 的数据。本研究描述了专利申请的一般模式、获得最多专利的实体、获得专利的发明种类以及如何申请这些发明。
人工智能正在迅速进军医学领域，但专利在这一过程中的作用仍然相对不透明。监管机构报告了已通过监管的数百种机器学习 (ML) 医疗设备，包括涉及放射学、心脏病学、眼科和许多其他领域的系统。各大医院和学术医疗系统都开发和部署了 AI 和 ML 系统，一些 AI 工具已经嵌入到覆盖数百万患者的医疗系统使用的电子健康记录中。虽然MML (medical machine learning) 出现了这一波创新浪潮，但是专利对该过程的影响也只是粗略描述，并未详细探讨过。
许多学者对医学人工智能专利的可用性和强度持怀疑态度。在美国，2012年Mayo诉Prometheus案、2013年Myriad诉AMP案和2014年Alice诉CLS Bank案的最高法院判决后，可专利的法理为人工智能发明获得专利带来了理论上的障碍，这些发明似乎可以很容易地依赖抽象概念或自然法则。此外，人工智能系统的复杂性或不透明性在理论上可能导致描述性的功能披露不充分或授权不足，这也给也给专利性带来了潜在的挑战。
对医学人工智能专利的经验观察有助于澄清专利在该领域的作用。虽然任何领域的最佳专利水平在很大程度上是不可知的，但医学人工智能发明的重大专利准予率表明，专利性问题至少没有阻碍专利活动。同样，如果在该领域的发展和使用不断增加的同时，专利申请一直保持稳定或低水平，这将表明与保密、专有训练数据、先发优势或技术锁定等形式相比，专利并不是特别重要的激励措施。另一方面，如果专利在该领域越来越多地被颁发给一系列的发明人，那么它们很可能在为医学人工智能发明创造激励方面发挥一些更广泛的作用。作者开发了一种旨在回答以上问题的搜索策略。该策略旨在识别 2001 年至 2021 年专注于医疗应用的 AI/ML 专利。搜索策略范围从高灵敏度（搜索 ID：S1）到高特异性，以尽量减少误报。特别是搜索策略确定了：
其中一位作者审查了针对诊断或识别目的的机器学习的独立权利要求 (S7) 的已授予专利，以进一步分析专利并将其进行分类。专家评审用于：
作者主要回答了以下问题：
1.AI/MML 过去 20 年的专利申请趋势是什么？每年授予多少这些 MML 专利？他们的增长率是多少？他们的准予率 (allowance rate) 是多少？
作者发现，自2014年以来MML专利呈大幅上升趋势。MML专利文献（S3）数量从2013年的264件增加到2021年的2661件，对应过去8年的复合年增长率（CAGR）为33.48%。同样，具有 MML 权利要求 (S4) 的授权专利数量从 2013 年的 55 件增加到 2021 年的 745 件（CAGR = 38.51%）。
已批准的申请占申请总数的相对比例（对于没有未决申请的年份）表明，专利许可率已从2007年的48%上升到2012年的64%。
医疗机器学习技术和法律地位的年度专利活动。
2.哪些组织正在领导 MML 的专利申请活动？选择的专利局是什么？
研究人员发现，在顶级 MML 专利所有者中，大型公司活跃在医疗设备/技术领域，包括西门子、飞利浦、三星、美敦力、通用电气和 IBM。大学也是最大的 MML 拥有者：加利福尼亚大学、凯斯西储大学和斯坦福大学位列前 20 名受让人。最后，该研究结果显示，谷歌 (Alphabet/Verily) 和微软等大型科技公司也积极参与 MML 并跻身顶级专利所有者之列。总之，美国专利商标局在过去 20 年中一直是首选的专利局：绝大多数 MML 专利已由美国专利商标局授予。
MML 授权专利的专利局选择（USPTO 与 EPO）（S5）
3.正在使用哪些类型的权利要求策略和公式来保护这些发明，它们的相对流行程度如何？
作者进一步分析了用于保护 MML 发明的权利要求及其相对流行程度。下图显示了 MML 专利 (S6) 的相对流行，其权利要求限制针对 (i) 机器学习，(ii) 神经网络，(iii) 人工智能/AI 和 (iv) 深度学习。从 2001 年到 2016 年，“神经网络”是独立权利要求中使用最普遍的限制。自 2017 年以来，“机器学习”一直是使用最多的限制，其次是“神经网络”和“人工智能”/“AI”。值得注意的是，在过去 4 年中，“深度学习”开始作为限制条件出现在相关专利的授权医学独立权利要求中。假设最近的趋势继续下去，作者预计到 2023 年“深度学习”将比“人工智能”更普遍。
MML 专利 (S6) 的相对普遍性与针对机器学习、神经网络、人工智能/AI 和深度学习的权利要求限制。
4.MML专利关注哪些医疗应用和输入信号？
研究的结果表明，申请人在要求 MML 发明时基本上是保守的。大多数 MML 声明都集中在临床任务范围的低端，包括测量和分析 (27%) 以及检测和分类 (36%) 等中级支持任务。此外，26% 的具有 MML 权利要求的专利针对技术改进，例如平台工具和医疗设备。诊断、预后、监测和治疗加起来仅占 MML 专利的 12%。在本文中，作者使用全球专利数据从经验上详细说明了医疗 AI 中的专利情况。
MML专利的前景对现有的学术研究和未来的政策有几个影响。首先，担心 MML 发明无法获得专利似乎在很大程度上是没有根据的。其次，美国关于 AI 可专利性的理论不稳定性似乎也没有阻止 MML在美国专利商标局申请专利。第三，引用 MML的专利实际上是关于 MML发明的。第四，尽管MML进行大肆宣传，但作者表示专利的声明相对保守。
目前还需要进一步的研究来调查这些 MML 专利权利要求的保护范围、它们根据当前主题资格要求和 AI/ML 现有技术的有效性，以及专利说明书公开的充分性。但初步观察表明，专利申请仍然是医学 AI/ML 创新激励的重要参与者，许多发明家在出人意料的保守申请中积极寻求专利保护。
参考资料：
Mateo Aboy,et al.Mapping the patent landscape of medical machine learning. Nature Biotechnology（2023）
