Patentierung von Power Plays für die KI-basierte Arzneimittelforschung

Im April 2024 veröffentlichte BioPharmaTrend einen umfassenden Überblick über die Vergangenheit und den aktuellen Stand der Arzneimittelforschung mit künstlicher Intelligenz (KI), ausgehend vom Aufkommen des modernen Deep Learning im Jahr 2012. Der Überblick hob insbesondere neun führende Unternehmen in diesem Bereich hervor, die „Arzneimittelkandidaten (hauptsächlich kleine Moleküle) von Grund auf neu entwickeln und vorantreiben können und über interne Pipelines verfügen“.

Angesichts der Bedeutung von Patentrechten in der Pharma- und Biotechnologiebranche und des bevorstehenden Patentabgangs haben wir analysiert, ob sich aus den Patentportfolios dieser neun beispielhaften Unternehmen Trends ableiten oder Strategien ableiten lassen[1]. Dieser Artikel, der erste Teil einer zweiteiligen Serie, stellt mehrere Fragen zur Analyse der Patentstrategien der Unternehmen und bietet allgemeine Schlussfolgerungen zu ihren Portfolios. Teil 2 wird sich eingehender damit befassen, wie diese Portfolios Analysen und Taktiken für eine effektive Portfolioentwicklung nutzen, und einen praktischen Rahmen für die Entwicklung und Umsetzung von Patentstrategien in diesem Bereich bieten.

Analyse der Patentportfolios

Hier sind einige wichtige Fragen, die zum Verständnis der Patentportfolios der 9 vorgestellten KI-Arzneimittelentwicklungsunternehmen beitragen, darunter auch ein Vergleich mit den Portfolios der „großen Pharmaunternehmen“:

1. Schützen diese Unternehmen neben herkömmlichen pharmazeutischen Technologien, z. B. Arzneimittelzusammensetzungen, In-vivo-Tests, Nasslabor-Screenings usw., auch Aspekte ihrer KI-/Maschinellen Lerntechnologien (ML)?
2. Gibt es im Laufe der Zeit Trends innerhalb von KI/ML im Vergleich zu herkömmlichen Technologien?
3. Inwieweit entsprechen die Patentportfolios den öffentlich bekannten Zielen, auf die sich diese Unternehmen konzentrieren?
4. Wie lassen sich diese Patentportfolios mit der Gesamtzahl der aktiven US-Patente/angemeldeten Patente für dieselben Ziele vergleichen?

Nachstehend finden Sie eine erste Auswertung der Daten[2], die zur Beantwortung dieser Fragen beitragen kann:

1. Zusammensetzung vs. KI/ML-Schutz und Trends im Zeitverlauf

Tabelle 1 enthält die Gesamtzahl der Patentvermögenswerte, die eindeutig (auf der Grundlage von Schlüsselwörtern[3]) dem Schutz für Arzneimittelzusammensetzungen oder anderen konventionellen Technologien im Vergleich zu KI/ML oder anderen vorrangig rechnergestützten Technologien zugeordnet werden können.

Tabelle 1. Anmeldelandschaft (alle US-Patentvermögenswerte aller Unternehmen)

Wie aus Tabelle 1 hervorgeht, tendieren die Patentanmeldungen insgesamt eher zu konventionellen Arzneimitteln als zu KI/ML (und computergestützten) Anmeldungen. Dies könnte jedoch darauf zurückzuführen sein, dass bestimmte Unternehmen in der Vergangenheit mehr konventionelle Anmeldungen hatten, bevor sie ihre KI/ML-Präsenz ausgebaut haben.

2. Trends im Zeitverlauf

Abbildung 1 zeigt die Anzahl der seit 2012 eingereichten Anmeldungen in jeder Kategorie. Die Anzahl der Anmeldungen für diese Unternehmen hat sowohl im Bereich KI/ML als auch bei konventionellen Technologien insgesamt zugenommen, wobei der Schwerpunkt eher auf konventionellen Technologien liegt. Diese Trends spiegeln möglicherweise sowohl die Ausweitung der Patentaktivitäten der Unternehmen als auch die relative Neugründung dieser Unternehmen wider.

Abbildung 1: Einreichungstrends nach Kategorie

3. Portfolio -> Zielzuordnung

Die Hypothese für diese Unternehmen lautet, dass sie ihren Patentschutz so aufbauen würden, dass er mit den von ihnen als wichtig bezeichneten Zielen übereinstimmt: Die typischste Patentstrategie besteht darin, die Anmeldungen an den wichtigsten kommerziellen Prioritäten auszurichten. In Tabelle 2 sind die veröffentlichten Ziele zusammen mit der Anzahl der Patentanmeldungen aufgeführt, die diesen Zielen entsprechen, basierend auf Stichwortsuchen nach den Zielen in den Patentportfolios.[4][5]

Tabelle 2. Zielzuordnung

Mit Ausnahme von zwei Fällen enthalten die AI/ML-Anmeldungen keine Angaben zu ihren Hauptzielen. Dies führt zu mehreren Folgefragen/Hypothesen darüber, wie diese Patentportfolios entwickelt werden:

• Muss sich der Patentschutz für KI-/ML-Technologien auf bestimmte Ziele konzentrieren? Dies könnte davon abhängen, wie eng die Ziele mit der Entwicklung der KI-/ML-Technologien verbunden sind, im Gegensatz zu Technologien, die allgemein für verschiedene Ziele einsetzbar sind.
• Welche weiteren Faktoren beeinflussen die Auswahl der wichtigsten Ziele für die KI-basierte Arzneimittelentwicklungspipeline? Die Unternehmen verfügen möglicherweise über Datenbestände, die gut in KI-/ML-Technologien integriert sind, oder über allgemeine Unternehmensziele, die mit bestimmten Zielen verbunden sind – auch wenn die KI-/ML-Technologien selbst nicht auf diese Ziele beschränkt sein müssen.
• Werden Patent-/IP-Ressourcen für andere Ziele als den Schutz bestimmter Ziele eingesetzt? Einerseits ist es insbesondere für Unternehmen in der Frühphase entscheidend, Prioritäten beim Schutz geistigen Eigentums zu identifizieren und dann Ressourcen einzusetzen, um Innovationen in Übereinstimmung mit diesen Prioritäten zu schützen. Andererseits ist die Priorisierung von Ressourcen ein weiterer Grund, IP-Ressourcen auf den Schutz grundlegender Technologien zu konzentrieren, die in direktem Zusammenhang mit den kommerziellen Prioritäten der Unternehmen stehen.
• Sind Ziele eine nützliche Ersatzvariable zur Bewertung der Patentstrategie? Ziele erleichtern zwar einen ersten Durchgang/direkten Vergleich von Patentanmeldungen und Unternehmensveröffentlichungen, aber andere zu berücksichtigende Faktoren könnten Indikationen, Arzneimittelklassen oder Informationen in den Patentanmeldungen sein, die die erzielten Verbesserungen und die Einsatzmöglichkeiten der KI-Technologien erläutern.
• Wie wirkt sich die Verzögerung bei der Veröffentlichung von Patenten auf Prognosen aus? Wie bereits erwähnt, verschleiert die typische Verzögerung von 18 Monaten zwischen der Patentanmeldung und der Veröffentlichung die neuesten Technologien. Wenn man sich den Artikel von BioPharmaTrend noch einmal ansieht, so haben viele der in Tabelle 1 aufgeführten Ziele die Entdeckungsphase erst 2022 oder später verlassen und verfügen daher möglicherweise über entsprechende Patentanmeldungen, die noch nicht veröffentlicht sind.

4. Vergleich der Patentportfolios von KI-Unternehmen mit der Gesamtlandschaft

Um den Kontext für die Patentportfolios der Unternehmen zu verdeutlichen, können diese auch mit der Gesamtlandschaft verglichen werden, wobei die Ziele als Stellvertreter dienen, um eine Größenordnung für den Anteil der Unternehmen an der Gesamtlandschaft zu erhalten.

Tabelle 3 listet die ungefähre Gesamtzahl der US-Anmeldungen für diese Ziele und für den größten Anmelder auf. Angesichts der geringen Anzahl von Anmeldungen in Tabelle 2 beschränkt sich diese Liste auf den Vergleich von Zielen, für die die KI-Arzneimittelforschungsunternehmen mindestens eine Anmeldung vorweisen können.

Tabelle 3: Patentanmeldungen nach Ziel im Verhältnis zur Gesamtlandschaft

Wie aus Tabelle 3 hervorgeht, liegt die Gesamtzahl der Anmeldungen im Zusammenhang mit den wichtigsten Zielen in der Regel in der Größenordnung von Hunderten, wenn nicht Tausenden, und der führende Anmelder hat Dutzende bis Hunderte von Anmeldungen. Die Diskrepanz im Umfang der Anmeldungen lässt sich teilweise dadurch erklären, dass die KI-Arzneimittelentwicklungsunternehmen erst vor relativ kurzer Zeit gegründet wurden. Dies ändert jedoch nichts an der Tatsache, dass es deutlich mehr Patente (und potenzielle Wettbewerber, die Patente besitzen) gibt, die gegen aufstrebende KI-Arzneimittelentwicklungsunternehmen eingesetzt werden könnten, als umgekehrt. Daher könnten sich für diese Unternehmen noch Möglichkeiten bieten, wertvolle Patente zu entwickeln, unter anderem (aber nicht ausschließlich) zu Verteidigungs- und/oder Kreuzlizenzierungszwecken.

Schlussfolgerungen

Hier sind die wichtigsten Erkenntnisse aus dieser Analyse:

Unternehmen, die sich mit der Entwicklung von Medikamenten mithilfe künstlicher Intelligenz befassen, verfügen über Patentportfolios, die in der Regel ausgewogen zwischen ihren KI-/ML-/Computing-Technologien und ihren Arzneimittelzusammensetzungen und anderen eher traditionellen pharmazeutischen/biotechnologischen Erfindungen sind. Dies kann verschiedene Szenarien widerspiegeln, die zu einer ähnlichen Portfoliozusammensetzung führen: Unternehmen, die im Laufe der Zeit von traditionellen zu KI-/ML-Erfindungen übergegangen sind; Unternehmen, die von Anfang an ein ausgewogenes Verhältnis zwischen beiden Bereichen hatten; und die Verzögerung bei der Veröffentlichung von Patenten, wodurch neuere Anmeldungen, die möglicherweise stärker auf KI/ML ausgerichtet sind, nicht sichtbar werden.

Diese Unternehmen unterschätzen möglicherweise erheblich ihre Fähigkeit, Technologien, die auf wichtige Ziele ausgerichtet sind, ausdrücklich zu schützen, insbesondere angesichts des Patentabfalls, der später in diesem Jahrzehnt bevorsteht. Zumindest im Bereich KI/ML könnte dies daran liegen, dass die KI/ML-Erfindungen selbst so breit gefächert sind, dass sie auf jedes Ziel angewendet werden können, oder dass sie auf andere Anwendungen als die Zielidentifizierung und/oder die Arzneimittelentwicklung ausgerichtet sind.

Angesichts der rasanten Fortschritte in diesem Bereich und der Veränderungen, die sich in den nächsten 5 bis 10 Jahren in der gesamten Biotechnologie-/Pharmapatentlandschaft abzeichnen, haben KI-basierte Arzneimittelentwicklungsunternehmen eine enorme Chance, sich mit ihrem Patentschutz strategische Vorteile zu verschaffen. Insbesondere können sie Schutz für die Arzneimittelentwicklung in einer Vielzahl von Arzneimittel- und Zielklassen entwickeln, um konventionellere, auf die Zusammensetzung ausgerichtete Patente zu ergänzen. Dieser Schutz kann sich als wertvoll für die direkte Durchsetzung gegenüber Wettbewerbern sowie für strategische Partnerschaften und Lizenzierungen im gesamten Biotech-/Pharmasektor erweisen.

Serie AI im Gesundheitswesen

Weitere Überlegungen dazu, wie künstliche Intelligenz die Welt des Gesundheitswesens verändern wird,finden Sie hierin den anderen Artikeln unserer Reihe.

[1] Zwischen der Einreichung einer Patentanmeldung und ihrer ersten Veröffentlichung liegt in der Regel eine Zeitspanne von 18 Monaten. Dies kann es schwierig machen, fundierte Schlussfolgerungen über die Patentportfolios von Unternehmen in der Frühphase und/oder Unternehmen in sich schnell entwickelnden Technologiebereichen zu ziehen.

[2] Um die Übersichtlichkeit zu gewährleisten, beschränken sich diese Analysen auf US-Patente/Patentanmeldungen.

[3] Die Anmeldungen wurden zunächst danach kategorisiert, ob die Titel eindeutig der Arzneimittelzusammensetzung oder konventionellen Technologien im Gegensatz zu KI-/ML-Technologien zugeordnet werden konnten, und anschließend, falls erforderlich, anhand von Schlüsselwörtern. In verschiedenen Fällen gab es Überschneidungen zwischen diesen beiden Kategorien; einige wurden weiterhin als KI-/ML-bezogen kategorisiert, auch wenn diese Technologien eher auf die Datenanalyse als auf das ursprüngliche Arzneimitteldesign ausgerichtet waren.

[4] Siehe Tabelle 1 im BioPharmaTrend-Artikel; Tabelle 2 hier unterscheidet nicht zwischen Zielen nach Phasen.

[5] Die bloße Auflistung eines Ziels in einer Patentanmeldung bedeutet nicht, dass ein aus dieser Anmeldung hervorgehendes Patent das Ziel tatsächlich schützt, aber eine solche übermäßige Einbeziehung ist ein erster Schritt, um die Portfolios von KI-Unternehmen mit denen etablierterer Firmen zu vergleichen.