T 0660/22号决定结合了专利猫（PatKat）最爱的两个主题——人工智能（AI）和细胞！本案涉及的专利申请与一种分析培养中细胞图像数据的方法有关。然而，对于申请人来说不幸的是，上诉委员会认定该权利要求要么缺乏技术特征，要么涉及的技术方法过于宽泛，以至于披露不充分。因此，该决定凸显了在尝试为生物研究领域的软件平台技术提供宽泛保护时所面临的一些挑战。

法律背景：技术特征

欧洲专利局（EPO）关于计算机实施发明的既定判例法规定，只有那些对权利要求所述发明的技术特征有贡献的特征才能考虑其创造性。而一个特征是否提供技术特征往往存在争议。在G 1/19号决定中，扩大上诉委员会（EBA）认定，如果计算数值数据具有“固有的技术性质”或服务于技术目的，则可以具有技术特征。根据G 1/19号决定，直接或间接测量物理量也可被视为具有技术特征。

背景：细胞分析装置和方法

T 0660/22号决定所涉及的专利申请由东京大学和尼康公司（EP 14909103.5）共同提交。该发明涉及一种分析和表征细胞的系统。根据该申请，传统的细胞图像分析技术仅基于细胞形态信息计算相关性，无法充分表示细胞内元素和结构之间的复杂关系。该申请中描述的系统旨在提供一种更好的细胞分析方法，可用于构建细胞内元素之间关系的模型，并例如评估化合物在药物筛选中对细胞的影响。

该申请中描述的系统被配置为分析通过显微镜获得的一系列图像，这些图像显示了施加刺激后的培养皿中的细胞。该申请描述了一种获取细胞图像并识别图像中可见元素的系统。该分析方法包括计算细胞元素的特征量，确定这些量之间的相关性，并利用这些相关性来确定元素本身之间的相关性。细胞的测量特性可以是细胞内蛋白质定位、聚集体形成、微丝方向性和蛋白质复合物聚集等。

该申请在提交时包含了系统识别不同细胞元素之间相关性的示例。然后，该系统被用于构建模型，通过检测特征数据之间的强相关性来展示一个元素（蛋白质）如何控制细胞中的其他元素（细胞核、细胞质）。该模型被可视化为图形表示，其中元素形成节点，相关性强度由元素之间的线条粗细表示。

测量数据的技术特征

上诉的关键问题在于，权利要求中所述的从细胞图像中提取特征量并计算它们之间的相关性，以及基于这些相关性构建图形模型的方法，是否提供了技术贡献（欧洲专利公约第56条，G 1/19号决定）。

申请人认为，该模型的构建在本质上具有技术性质，因为它构成了对物理现实的间接测量，符合G 1/19号决定的意义。细胞的特征量与细胞特性相关，并从细胞图像中提取，因此构成了对物理现实的测量。申请人将该发明与热成像仪等技术工具进行了比较，认为即使使用此类工具涉及复杂的计算，该工具仍然提供了对物理现实的间接测量。

上诉委员会与申请人在一个关键点上存在分歧，即权利要求所述的方法是否构成G 1/19号决定意义上的测量方法。对于上诉委员会来说，G 1/19号决定意义上的任何测量方法“都必须是为了确定一个特定的、预定义的物理量”（第13.1条）。对于上诉委员会来说，如果一种方法基于对不同物理量的测量以及这些量之间的已知事实关系来确定感兴趣的物理量，则该方法可被称为“间接”方法（第13.1条）。至关重要的是，上诉委员会认定，除非物理量之间的相关性对应于已知的事实关系，否则它们“只是数据，例如可用于获得科学知识”（第13.4条，引用G 1/19号决定），并且获得这些数据并不构成G 1/19号决定意义上的测量。

因此，上诉委员会在确定特定、预定义物理量的方法（具有技术特征）和仅提供科学家可用于研究物理关系的信息的方法（缺乏技术特征）之间做出了关键区分（第13.1-13.4条）。上诉委员会认定，“申请中既未明确说明，也未解释许多单独的‘特征量’中的每一个实际上是否代表细胞的物理量”（第14条）。即使这些量代表物理量，相关性值也“并未被设定为测量与两个量相关的任何特定、预定义的物理现象”（第14.1条）。

因此，上诉委员会得出结论，权利要求所述的设备或方法均未提供G 1/19号决定意义上的间接测量。因此，权利要求所述的发明被认定缺乏任何技术贡献，因此不能被认为涉及创造性步骤（第15条）。

细胞制造方法的充分性披露

上诉委员会还考虑了一项辅助请求，该请求声称了一种细胞制造方法。该辅助请求试图通过将分析方法嵌入细胞制造过程中来克服对主要请求提出的技术特征异议。该权利要求涉及一种制造细胞的迭代过程，该过程持续到满足预定标准为止。然而，在甚至考虑创造性步骤之前，该权利要求就因充分性问题而受阻。

上诉委员会特别认定，辅助请求的权利要求1极其宽泛，涵盖了任何预定标准。对于上诉委员会来说，满足某些标准的细胞甚至可能不存在（第21条）。对于其他标准，上诉委员会认定，“由于生物化学工程方面的见解缺失，将不清楚如何创建合适的细胞”（第21条）。

因此，对于上诉委员会来说，即使对于理论上可实现的标准，该申请也未能就如何实际创建具有所需特性的细胞提供足够的指导。申请人认为，本领域技术人员可以迭代地修改细胞以获得具有所需特性的细胞，并可以评估图形模型随时间的演变，以了解如何创建具有所需特性的细胞。然而，上诉委员会认定，这不足以在整个权利要求的范围内确立可实现性。

最终思考

T 0660/22号决定所涉及的专利申请中描述的发明无疑是一个伟大的想法。细胞是极其复杂的生物系统，分析和建模其行为和响应的方法为研究提供了巨大的机会。本案申请人的问题在于申请过早且权利要求过宽。因此，该决定凸显了在为生物研究领域的AI和数据分析工具申请专利时所面临的一些挑战。虽然这些工具可能对科学发现有价值，但除非它们能与特定的物理测量或技术目的相关联，否则可能无法满足技术特征的要求。所依赖的任何技术目的也不应过于宽泛，以至于引发充分性问题。

有趣的是，与T 0660/22号决定中描述的发明类似，英国癌症研究院（ICR）刚刚公布了他们开发的一种新AI模型的详细信息，该模型可根据3D细胞形态变化预测药物反应。该模型MorphoMIL使用深度学习来分析细胞暴露于药物化合物后的3D细胞形态。根据该论文，MorphoMIL已提交专利申请（尚未公布）。有趣的是，我们将看到MorphoMIL的发明人在欧洲将采取何种权利要求策略，以避免T 0660/22号决定所凸显的潜在陷阱。

原文：https://ipkitten.blogspot.com/2025/04/too-broad-too-early-ai-platform-for.html

本文原文为英文，中文为机器翻译，仅供参考，如有问题或建议，欢迎随时与我们联系。