跨领域专利审查困境突围

   一

  依据《专利审查指南》第二部分第八章之规定，审查员在接收申请案后，需首先对申请的国际专利分类号予以核对。若审查员判定该申请并不属于其负责审查的分类范围，应即刻进行处理，以避免造成审查延误。

  二

曾处理过这样一个案件：一项基于患者基因信息和药物化学结构来进行药物预测的申请，仅仅因为其专利分类号为G16H(主要涉及医疗或保健领域中技术特征集中在数字计算或数据处理系统或方法上的技术主题)，就被分派给了电学部审查员。这一申请并非个例。为进一步探究，针对基于神经网络的药物预测相关专利申请展开检索，结果显示，检索到的若干此类专利申请，其专利分类号中均包含G16H，并且无一例外，都被分配至电学审查部进行审查。

  三

  近年来，AI与机器学习技术取得了突破性进展，它们以超乎想象的速度不断迭代与进化。从初的理论探索，到如今广泛应用于医疗、交通、金融、教育等多个领域，其身影无处不在。AI凭借强大的数据分析能力，在医疗领域辅助医生进行疾病诊断，为患者提供更精的治疗方案；机器学习则利用算法优化交通流量，缓解城市拥堵难题。它们正以独特的方式融入到各个不同的技术领域，深刻地改变着我们的生活与工作模式。可以说，从日常生活到高端科技，各个领域都涌现出借助AI或机器学习技术开发的各类发明，持续推动着社会的进步与发展。

  四

  在实际操作时，不能仅仅依据G16H这一分类号，就不假思索地将相关专利简单划归到电学领域。正确的做法是，深入剖析具体发明内容，紧密结合其中涉及的核心关键词，以此为基础，全面且精地确定该发明真正所属的具体技术领域以及对应的审查领域。只有这样，才能确保专利分类的科学性与准确性，让专利审查工作更加公正、合理，充分发挥专利制度对科技创新的激励与保护作用。

  五

 该申请在说明书技术领域部分明确指出本发明涉及基于深度学习的药物预测方法，结合了肿瘤患者的基因特征和抗癌药物特征，实现了对抗癌药物的精预测。

   权利要求1的技术方案如下：1 .一种计算机实施的药物预测方法，其特征在于，所述方法包括：接收从一个对象的肿瘤样本导出的基因组特征向量，所述基因组特征向量表示肿瘤的基因突变信息；接收从所述肿瘤样本导出的转录组特征向量，所述转录组特征向量表示所述肿瘤的基因表达水平；根据一种药物的化学结构，导出所述药物的分子结构特征向量；并且将所述基因组特征向量和所述转录组特征向量中的至少一个以及所述分子结构特征向量输入经训练的深度神经网络，以确定所述药物对该肿瘤是否有效。因而，该发明的关键术语至少包括“药(物)”、“化学结构”、“预测”、“肿瘤”、“基因”、“转录”、“神经网络”等。在该申请所涉及的这些关键词里，除了“神经网络”这一术语，诸如“药物”、“药物的化学结构”、“肿瘤”、“基因”等其余术语，大概率是电学部审查员并不熟悉的专业词汇。

   基于此，把基于神经网络的药物预测相关专利申请直接分派给电学部审查员，这种安排明显缺乏合理性。因为审查员对涉及这些关键术语的技术方案认知不足，在审查过程中难以全面理解发明的核心内容与技术细节，这无疑会对这类专利申请的准确、客观评价形成阻碍，终可能影响专利审查结果的公正性与权威性。从审查意见通知书的内容能够清晰察觉，审查员认为：在与被视作接近现有技术的对比文件1进行比对时，预测方法权利要求1里的四个步骤中，后三个步骤均被判定为区别特征。然而，后续的审查过程暴露出审查员对这些区别特征的理解存在显著不足。

   正因如此，审查员在分析时未能把握区别特征之间的内在联系与相互作用，致使对这些区别特征显而易见性的评述仅停留在浅层次，未能深入剖析发明的实质创新点与技术贡献，难以给出全面且准确的审查结论。

  六

  随着科技进步，越来越多的发明创造突破了传统领域的界限，呈现出跨领域融合的显著趋势。面对这类发明的专利申请，审查工作的复杂性和挑战性与日俱增。这就要求审查员不能再局限于自身熟悉的专业领域知识，而是要积极主动地拓宽知识边界，持续学习和积累其他领域的专业知识，以适应不断变化的审查需求。同时，在审查过程中，审查员还需要开展跨领域检索审查，全面、深入地了解相关技术在不同领域的应用和发展情况，确保专利审查的公正性、准确性和科学性，为科技创新提供坚实的保障。

原创 孟杰雄 免责声明：版权归原创所有仅供学习参考之用，禁止用于商业用途，部分文章推送时未能及时与原作者取得联系，若来源标错误侵犯到您的权益烦请告知我们将立即删除。