醫療領域專利申請中診斷方法的判斷

王兆雨

摘要：診斷方法的判斷是醫療領域專利申請中客體審查中比較常見的情形，在界定權利要求請求保護的方法是否屬于診斷方法時，申請人與審查員之間往往存在爭議，尤其是方法中對象與直接目的不明確的情形，更是各執己見，使得診斷方法的判斷存在困難。本文試圖通過幾個典型案例闡述分析診斷方法的判斷，并對診斷方法的判斷流程進行總結，以期能夠對相關專利進行審查和專利申請時提供幫助。

關鍵詞：醫療領域;診斷方法;判斷流程

中圖分類號：G306 文獻標識碼：A文章編號：1003-5168（2020）12-0074-03

1 引言

隨著醫療技術發展與醫療器械的不斷創新，涉及醫療器械的專利申請數量也在不斷增加，對于方法權利要求，由于醫療領域的特殊性，通常會先判斷方法是否屬于專利法第二十五條第一款第（三）項規定的情形，即是否屬于疾病的診斷和治療方法。

《專利審查指南》中對診斷方法的定義為“診斷方法，是指為識別、研究和確定有生命的人體或動物體病因或病灶狀態的過程”，同時也給出了診斷方法的判斷方式，即：“一項與疾病診斷有關的方法如果同時滿足以下兩個條件，則屬于疾病的診斷方法，不能被授予專利權：一是以有生命的人體或動物體為對象;二是以獲得疾病診斷結果或健康狀況為直接目的”。

雖然專利審查指南中給出了明確的定義與判斷方法，但是在審查實踐中，對于這兩個條件是否滿足的判斷，例如是否以有生命的人體或動物體為對象，直接目的是獲得中間結果還是診斷結論，申請人、代理人與審查員之間經常存在分歧，導致審查進程不必要的延長，也使得申請人的利益收到損害。

本文將結合幾個涉及對象和直接目的判斷的比較具有代表性的案例，闡述應當如何判斷上述兩個條件是否滿足，并探討醫療領域中診斷方法判斷存在的問題，同時提出怎樣從撰寫角度規避診斷方法。

2 對象的判斷

2.1 案情概況

案例一：一種基于超聲圖像的多模型肝臟彌漫性疾病智能診斷方法，其特征在于它包括三個步驟。步驟一，采用傳統的直方圖均衡算法對肝臟超聲圖像進行預處理;步驟二，基于GoogleNet架構的卷積神經網絡應用深度學習算法實現肝臟彌漫性疾病的初步分類;步驟三，將圖像的卷積神經網絡特征和傳統算法提取的圖像紋理特征相結合得到多模型特征，基于多模型特征應用XGBoost分類算法實現肝臟彌漫性疾病的最終分類。

案例二：要求1，一種基于一維卷積神經網絡和S變換的心律失常分類方法，其特征在于，包括6個步驟。①對心電信號預處理;②利用一維卷積神經網絡提取心電信號的深度非線性特征;③利用S變換提取心電信號的時頻域特征;④將心電信號的深度非線性特征和心電信號的時頻域特征融合到一起，經過全連接層繼續進行特征學習，得到全連接層輸出特征;⑤將全連接層輸出特征接到一維卷積神經網絡的softmax層進行分類;⑥輸出分類結果。

要求2，根據權利要求1所述的一種基于一維卷積神經網絡和S變換的心律失常分類方法，其特征在于，步驟①所述的預處理包括：采用中值濾波和低通濾波器去除噪聲，依據MIT-BIH數據庫中的標注文件，找到心電信號R峰位置并提取心電信號片段。

2.2 對象分析

作為診斷方法，必須是以有生命的人體或動物體為對象，這是診斷方法的本質決定的。但通常，方法不是直接應用于人體，而是通過中間手段獲得人體或動物體的相關參數。

案例一基于超聲圖像，關于是否以有生命的人體為對象，存在不同觀點認為，方法是通過機器學習的方法對超聲圖像進行處理，處理的對象是超聲圖像，不是有生命的人體[1]。案例二基于MIT-BIH數據庫中標準數據，同樣存在不同觀點認為，該方法中心電信號不是來自于已知個體，而是從數據庫中獲得，該方法沒有明確的、直接應用的個體。

對于實施對象的判斷，我們不能簡單的基于權利要求文字記載給出結論，還應當把握發明實質與發明目的。對于案例一，雖然方法處理的是超聲圖像，但超聲圖像實質上來自于有生命的人體，否則該方法沒有實施的基礎，而且實施該方法最終反映的是對象是否患肝臟彌漫性疾病，而不是超聲圖像本身，因此該方法是以有生命的人體為對象。對于案例二，其方法用于心電圖心律失常的分類，根據說明書記載，這一分類結果包括多種異常情形，雖然該方法應用的數據來自于數據庫并非明確的個體，但對分類心電圖的深度學習算法的研究根本目的仍在于實踐中輔助心電圖異常分析，該方法的實施不能脫離具體應用場景，否則該方法將失去研究意義，因此從方法實施目的來說，其實質上仍是以有生命的人體為對象。

3 直接目的與中間結果的判斷

3.1 案情概況

案例三：一種基于隨機森林算法的乙肝代償期肝硬化篩查模型建立方法，其特征在于，所述方法包括4個步驟：①采集預先存儲的乙肝、乙肝代償期肝硬化患者的病例樣本數據，所述病例樣本數據包括血清指標和B超的影像學特征;②預處理所述病例樣本數據;③以所述預處理后的病例樣本數據作為訓練樣本，訓練預先建立的基于Hellinger距離的隨機森林算法模型，得到乙肝代償期肝硬化篩查模型;④測試并評價所述乙肝代償期肝硬化篩查模型。

案例四：一種用于提供計算機輔助處理輸入圖像數據集的方法，包括6個步驟：①將對象病人的圖像數據集輸入至CAD系統，其中該圖像數據集可含有手動地標記的感興趣區域;②處理輸入圖像數據集以提取相關圖像特征，并在圖像數據集中自動檢測和識別感興趣區域;③再現和顯示圖像數據和CAD標記，以允許用戶在所述顯示期間接受、拒絕或修改一個或多個標記，并在審閱之后調用用于用戶和/或CAD標記的解釋工具;④識別和消除冗余標記以避免為了與相同的用戶和/或CAD標記的感興趣區域相關聯的標記而對圖像數據集進行不必要的處理;⑤利用所調用的解釋方法中的每一個來自動處理每一組合的用戶和CAD標記的感興趣區域;⑥以及持久地存儲每一組合的用戶和CAD標記的感興趣區域的解釋/分析的結果和相關元信息。

3.2 目的分析

判斷方法的直接目的是中間結果還是診斷結果或健康狀況，需要根據現有技術中的醫學知識和專利申請公開的內容，對醫學知識了解的程度和專利公開內容理解的不同，以及隨著醫學知識的發展，導致對是否能夠得到診斷結果或健康狀況的判斷經常出現爭議。

在診斷方法判斷過程中，不能唯“診斷結果”論，還應關注“健康狀況”，相對診斷結果，健康狀況涵蓋范圍與應用場景更廣。與中國專利審查指南規定類似，日本專利審查指南第三部分第一章第3.1.1節中規定“診斷方法包括出于醫學目的判斷人體的身體狀況的方法”，如以下（i）或（ii）所示：（i）人體的身體狀況，例如疾病和身體健康的狀況或人體的精神狀況;（ii）基于上述（i）的處方或治療/手術計劃。

同樣，歐洲專利審查指南G部第二章4.2.1.3節規定了診斷方法的判斷標準：權利要求必須包括涉及所有下述階段的方法步驟：（i）檢查階段，包括收集數據，（ii）將這些數據與標準值比較，（iii）在比較中尋找任何顯著偏差，即發現癥狀，（iv）將此偏差歸結于特定的臨床表現，即醫療或獸醫的確診階段（從更嚴格意義上講，是以治療為目的的診斷）。

可見，不僅中國，日本、歐洲專利審查中，也都沒有將診斷方法局限于需要獲得明確的診斷結果，而是擴展到健康狀況或辨識特定臨床表現。

回到案例二中，其方法用于心電圖心律失常的分類，根據說明書記載，這一分類結果包括例如正常搏動、室上異位搏動、心室異位搏動，融合心跳、無法分類心跳等多種形式的心電波形。有觀點認為，現有醫學知識中疾病的診斷是一個嚴謹的情形，僅根據心電圖的簡單分類不能作為診斷依據，此時仍需要醫生來進行診斷，對心律失常的分類僅僅是一個中間結果。作為類似的方法，基于生理參數應用機器學習對身體狀況進行分類中，也常持有這一觀點，均認為機器學習進行的癥狀分類屬于中間結果，需要結合醫生的判斷。

但是，根據現有技術中的醫學知識，我們可以獲知健康狀態下較少出現室上異位搏動、心室異位搏動，融合心跳等異位心律，在出現這些情形時，雖然不能明確診斷結果，但是能夠對健康狀況進行一個初步的判斷，即通過對心電圖的分類能夠獲知對象的健康狀況。其次，結合指南中對診斷方法的定義，對心律失常不同分類的研究正是識別、研究有生命的人體病因的過程。因此，考慮現有醫學知識以及診斷方法的定義，該方法屬于疾病的診斷方法的范疇。

對于案例三，其所保護的方法最終目的是建立、測試并評價乙肝代償期肝硬化篩查模型，該方法沒有獲得診斷結果或健康狀況，只是建立對病例樣本數據進行處理的模型，不屬于疾病的診斷方法。

對于案例四，其方法用于獲取患者圖像、識別感興趣區域、自動處理感興趣區域，直觀來看，該方法僅僅是圖像的處理過程，任一步驟與診斷目的或健康狀況都沒有關聯。但是，需要注意的是，權利要求撰寫的特點使得我們必須完整的理解技術方案，需要結合說明書以對權利要求字面所限定的技術方案的保護范圍作出合理的解釋，即把與權利要求書記載的技術特征等同的特征解釋進專利權保護范圍，或者依據說明書對某些技術特征作出界定。因此，對于權利要求技術方案的理解，不能脫離說明書的具體解釋而孤立的去看待。具體到案例四，僅基于權利要求的記載無法具體界定權利要求所要保護的范圍，需要結合說明書的記載來解釋權利要求，而說明書以及從屬權利要求中對權利要求1中的“解釋”給出了具體的限定，其中一種解釋方法包括自動診斷方法，即權利要求的方法調用的解釋工具/方法所涵蓋的范圍可以包含自動診斷方法，通過該自動診斷就能夠直接獲得診斷結果，因此權利要求的部分技術方案屬于疾病的診斷方法。

4 判斷方法

通過以上案例不難看出，診斷方法的判斷歸根到底在于，判斷方法的實施對象是什么，以及結合現有技術的醫學知識和申請文件判斷直接目的是否為診斷結果或健康狀況[2-4]，具體過程如下：

4.1 把握發明實質與發明目的

確定方法實施對象是否為有生命的人體或動物體，該實施對象不要求具有直接的物理接觸，只需要在方法實施過程中存在與該人體或動物體的相互作用即可，簡而言之，就是存在該人體或動物體使得方法步驟能夠得以執行。

4.2 把握權利要求中記載的方法

針對權利要求當前要求保護的方法，是否明確記載了實施該方法所獲得的結果。例如本文中案例一實現肝臟彌漫性疾病的最終分類，案例三建立測試并評價乙肝代償期肝硬化篩查模型，例如主題名稱為“一種基于生理健康指數的人體健康評價方法”“一種病人風險預警系統的預警方法”，例如權利要求直接記載“判斷患者為阻塞式睡眠窒息”“對心腦血管病變進行定量評估”等，僅基于權利要求記載，就能夠簡單的直接判斷出其保護的方法直接目的是什么。

4.3 結合說明書的記載判斷

如果權利要求中沒有明確記載方法的目的是獲得診斷結果或健康狀況，例如案例四，就需要結合說明書記載來準確的界定權利要求所涵蓋的范圍;

4.4 綜合各類信息及技術發展方向判斷

如果結合說明書的記載仍然不足以確定是否能夠獲得診斷結果或健康狀況，例如案例二，此時需要結合現有技術中的醫學知識，但“判斷主體”對現有技術中醫學知識的掌握、理解和利用都將會影響診斷方法的判斷，這也是在審查過程中存在爭議較多的地方。那么如何對現有技術中醫學知識的掌握、理解和利用盡量標準化呢？首先，作為判斷主體，應當具備相關的醫學知識和工程技術知識，確保對技術方案理解的一致性;其次，信息獲取渠道真偽繁雜，應當從權威渠道獲得已被廣泛認可的相關醫學知識，且具備辨識信息的能力;第三，應當以權利要求實際要求保護的范圍為判斷基礎，不應在解釋權利要求書時將說明書或現有技術中額外的信息補入。另外，醫學是一個不斷發展、嚴謹且復雜的領域，以往的認識也在不斷發展與更新，例如β淀粉樣蛋白與阿爾茲海默癥的關系，因此，診斷方法的判斷過程，也是一個不斷認識的過程。

5 探討與結語

專利法第25條、第22條第4款的審查是在檢索前進行的，相比于治療方法、實用性、智力活動規則，基于現行規則，診斷方法更容易在申請文件撰寫和審查過程中加以克服。通常，涉及診斷的方法中，關鍵的步驟一般在于分析數據的過程，然后基于分析的數據獲取與診斷相關的結果，顯然，如果能夠在撰寫權利要求時，將重點放在如何進行數據處理，而不涉及數據的比較或判斷，即將進一步的應用放在說明書中，將比較容易的克服診斷方法，避免審查程序的延長。另外，《專利審查指南》在2017年4月修改后，認可了“介質+計算機程序流程”的權利要求的表達方式，因此，在撰寫申請文件時，也可充分利用規則的修改，在撰寫方法權利要求時增加基于計算機程序流程的權利要求。

本文結合醫療領域領域中的幾個典型案例，對診斷方法判斷過程中對象與直接目的應當如何判斷進行了深入分析，并對判斷方法進行了總結，最后，結合審查實踐，還討論了診斷方法可能的避免方式。通過對上述案例的分析以及探討，以期能夠對醫療領域相關專利申請的撰寫和診斷方法審查時所遇到的困惑提供幫助。

參考文獻：

[1] 張政權.機器學習及其商業和醫學診斷方法的可專利性—關于人工智能領域的專利申請及保護[J].專利代理，2019（4）：48-54.

[2] 劉華楠，張媛媛.疾病診斷方法判定的探討[J].中國發明與專利，2018（12）：97-100.