人工智能（AI）和机器学习（ML）在生物技术产品与服务领域的迅猛发展，正成为推动个性化医疗与健康护理行业发展的引擎。尽管这种融合在专利组合开发过程中需要特别考量，但无论是成熟企业还是初创公司，其工程、法律及管理团队的利益相关者均可借此在市场上创造具有价值的知识产权（IP）资产。 技术与法律团队尤其需要协同合作，通过研发流程与市场分析精准把握其独特的知识产权压力点，从而开发出更强大的知识产权体系——将机器学习应用于生物技术领域。
识别生物技术与人工智能/机器学习之间的关联
在构建稳健的专利组合并广泛获取潜在知识产权资产时，利益相关方应从整体角度审视高科技与生物技术的融合。这意味着知识产权管理者需全面考量机器学习与生物技术融合资产的所有潜在应用场景，从而完善并覆盖商业化实施背后的技术目标。 尽管发明人可能专注于某一具体实施形式，知识产权组合管理者应以更广阔的视角分析资产。这种全局观在整个技术领域都适用，而在涉及高科技与生物技术双重要素的新兴技术前沿领域，其重要性尤为突出。
产品开发流程可通过针对技术本身的定向探究，在早期阶段捕捉重要的知识产权洞见。需考量是否存在多种潜在数据输入途径，这些途径均能产出有价值的输出指标。例如，某种疾病的特定指标既可基于特定基因标记物的存在情况进行评估，也可通过错误折叠蛋白质的积累程度来衡量。通常而言，所有能够在整合至机器学习模型后产出客观指标的数据集，皆可成为具有价值的知识产权基础。
用于分析潜在独特数据的流程与模型同样能产生强大的知识产权。若某项资产依赖特定流程获取独特数据，从而实现更快速、更精准的模型训练，则通过聚焦数据生成与管理的各类专利，可防范未来竞争对手获取类似数据的情况。
在基于机器学习/人工智能模型改进的平台中，如何规避《爱丽丝案》框架下 对抽象概念专利的限制至关重要。法院始终将《爱丽丝案》的解释倾向于支持针对有形概念改进的专利主张，而对仅涉及算法的专利主张持否定态度。 企业应着重关注技术如何收集或整合原始数据，以及那些能为任何流程或产品带来技术改进的新颖物理要素。这种关注应超越权利要求所涵盖的优先商业实施方式。
构建人工智能驱动生物技术专利组合以最大化竞争优势
企业究竟是侧重人工智能组件还是生物技术组件，将决定其创建具有影响力的专利资产的战略方向。例如，许多制药公司将其知识产权资产聚焦于运用人工智能/机器学习模型所产生的产品和方法；而与此相对，众多生物技术初创企业则以特定机器学习模型及其驱动数据为核心构建商业平台，而非依赖任何单一产出成果。 此外，从事药物研发或新型疗法的企业，可将机器学习或人工智能资产作为分析工具，将原始数据转化为疾病或新药候选物的有效指标。在此情境下，可能存在多个机器学习模型，它们能基于原始数据生成具有治疗或诊断价值的指标。
这些战略方向中的每一条都可能需要进行独特的技术和法律分析：
- 当输出数据能提供有价值的指标时——例如治疗成功的可能性或新型候选药物——企业可能更倾向于投入资源保护通过人工智能解决方案生成的具体输出结果，而非人工智能解决方案本身。
- 当业务重点在于特定产出时，在专利申请中尽可能提供多种模型和实例可实现价值最大化。
- 人工智能解决方案可广泛应用于各类操作与洞察领域，而知识产权的核心应聚焦于模型与数据输入。典型案例包括：具备分析基因或生物标志物模式能力的先进机器学习系统，这些模式可揭示疾病存在与否及/或治疗成功概率。
最终，开发人工智能驱动生物技术领域高价值、高影响力的知识产权的战略方向与研发流程，可依据企业在市场中的定位，以及其产品与服务在人工智能与生物技术交汇点上的独特特性来确定。
医疗保健中的人工智能系列
若想进一步了解人工智能将如何改变医疗保健领域，请点击此处阅读本系列的其他文章。
