Biotechnologie bouwen met verstand: strategieën voor het maximaliseren van de waarde van AI-gedreven biotechnologische uitvindingen

De snelle opkomst van kunstmatige intelligentie (AI) en machine learning (ML) in biotechnologische producten en diensten wordt een drijvende kracht achter de sectoren gepersonaliseerde geneeskunde en gezondheidszorg. Hoewel deze integratie speciale aandacht vereist bij de ontwikkeling van een octrooiportefeuille, kunnen belanghebbenden in engineering-, juridische en uitvoerende teams van zowel gevestigde bedrijven als start-ups hiervan profiteren om waardevolle intellectuele eigendom (IP) op de markt te creëren. Met name technologie- en juridische teams kunnen samenwerken om sterkere IE te ontwikkelen die machine learning-toepassingen toepast op biotechnologie, met een R&D-proces en marktanalyse die rekening houdt met de unieke IP-knelpunten.

Het verband tussen biotechnologie en AI/ML identificeren

Bij het opbouwen van een robuuste octrooiportefeuille en het breed vastleggen van potentiële IE-activa moeten belanghebbenden de convergentie van hightech/biotechnologie holistisch benaderen. Dat wil zeggen dat IE-managers alle mogelijke implementaties van de geïntegreerde ML/biotech-activa moeten overwegen om de technische doelstellingen die ten grondslag liggen aan de commerciële toepassingen uit te bouwen en te dekken. Hoewel uitvinders zich kunnen richten op een bepaalde toepassing, moeten IP-portfoliomanagers activa vanuit een breder perspectief analyseren. Hoewel dit voor het hele technische spectrum geldt, is een holistische benadering vooral belangrijk op het gebied van nieuwe technologieën die zowel hightech- als biotechnologische componenten omvatten.

Productontwikkelingsprocessen kunnen in een vroeg stadium belangrijke IP-inzichten opleveren door gerichte vragen te stellen over de technologie zelf. Overweeg of er meerdere potentiële gegevensinvoer zijn die een bruikbare outputmetriek kunnen opleveren. Een bepaalde metriek voor een ziekte kan bijvoorbeeld worden geëvalueerd op basis van de aanwezigheid van bepaalde genetische markers of door de accumulatie van verkeerd gevouwen eiwitten. Over het algemeen kunnen alle datasets die een objectieve metriek kunnen opleveren wanneer ze worden geïntegreerd in het machine learning-model, de basis vormen voor waardevolle IP.

Processen en modellen voor het analyseren van potentieel unieke gegevens kunnen ook sterke intellectuele eigendom opleveren. Als een activum afhankelijk is van een proces voor het verkrijgen van unieke gegevens waarmee u een model sneller en nauwkeuriger kunt trainen, kan het focussen van verschillende octrooien op het genereren en beheren van de gegevens bescherming bieden tegen een concurrent die in de toekomst toegang krijgt tot soortgelijke gegevens.

Het omgaan met verboden op het patenteren van abstracte ideeën onder het Alice-kader kan van cruciaal belang zijn wanneer het platform is gebaseerd op verbeteringen aan de ML/AI-modellen zelf. Rechtbanken hebben Alice consequent geïnterpreteerd als gunstig voor claims die gericht zijn op verbeteringen aan tastbare concepten en ongunstig voor claims die uitsluitend gericht zijn op algoritmen. Bedrijven moeten zich richten op de manier waarop de technologie de ruwe gegevens verzamelt of integreert, evenals op nieuwe fysieke elementen die leiden tot technische verbeteringen van een proces of product. Dit moet verder gaan dan de geprefereerde commerciële uitvoeringen die onder uw claims vallen.

Een octrooiportefeuille opbouwen voor AI-gedreven biotechnologie die het concurrentievoordeel maximaliseert

Of een bedrijf zich voornamelijk richt op de AI-componenten of de biotechnologische componenten, kan bepalend zijn voor de strategische richting die het inslaat om impactvolle octrooiactiva te creëren. Veel farmaceutische bedrijven richten hun intellectuele eigendom bijvoorbeeld op de producten en methoden die het resultaat zijn van het gebruik van een AI/ML-model, terwijl veel biotechnologische start-ups hun bedrijfsplatform juist baseren op bepaalde ML-modellen en de gegevens die deze modellen aansturen, in plaats van op een bepaald resultaat. Bovendien kunnen bedrijven die geïnteresseerd zijn in het ontdekken van geneesmiddelen of nieuwe therapieën hun ML- of AI-activa gebruiken als analytisch hulpmiddel om ruwe gegevens om te zetten in bruikbare meetgegevens voor ziekten of nieuwe kandidaat-geneesmiddelen. In dit geval kunnen er meerdere machine learning-modellen zijn die op basis van de ruwe gegevens therapeutisch of diagnostisch bruikbare meetgegevens kunnen produceren.

Elk van deze strategische richtingen kan een aparte technische en juridische analyse vereisen:

• Wanneer de outputgegevens een nuttige maatstaf bieden – bijvoorbeeld de kans op een succesvolle behandeling of nieuwe kandidaat-geneesmiddelen – kunnen bedrijven ervoor kiezen om middelen in te zetten voor de bescherming van de specifieke output die met behulp van de AI-oplossing wordt geleverd, in plaats van de AI-oplossing zelf.
• Wanneer de zakelijke focus ligt op de specifieke output die wordt gegenereerd, kan het verstrekken van zoveel mogelijk modellen en voorbeelden in een octrooiaanvraag de waarde maximaliseren.
• Wanneer de AI-oplossing kan worden toegepast op een breed scala aan acties en inzichten, moet de focus van het intellectuele eigendom liggen op het model en de gegevensinvoer. Voorbeelden hiervan zijn geavanceerde ML-systemen die patronen in genen of biomarkers kunnen analyseren en opsporen die wijzen op de aanwezigheid van een ziekte en/of de kans op een succesvolle behandeling.

Uiteindelijk kunnen de strategische richting en de R&D-processen voor het ontwikkelen van hoogwaardige en impactvolle IP voor AI-gedreven biotechnologie worden bepaald door de positionering van het bedrijf in de markt en de specifieke kenmerken van de producten en diensten van het bedrijf op het snijvlak van AI en biotechnologie.

AI in de gezondheidszorg

Voor meer informatie over hoe kunstmatige intelligentie de wereld van de gezondheidszorg zal veranderen, klik hierom de andere artikelen in onze serie te lezen.