文章标题
人工智能有望彻底改变药物发现,但在这一新兴领域形成可保护知识产权的不确定性给在这一领域的创新公司带来了一系列潜在风险。更复杂的是:并非所有人工智能辅助化合物都是一样的——这也延伸到了它们的专利性。
专利风险取决于药物类别
知识产权风险因所涉及的药物类别而异——化合物合成越容易、越可预测,潜在风险就越大。
谈到人工智能辅助发明的专利问题,美国专利商标局(USPTO)表示,人类必须对新药的“构思”作出“重大”贡献,但将这一构思转化为现实世界中的化合物(法律称之为“付诸实践”)还不足以授予发明权。
对于一些合成方法易于理解和预测的化合物,只要人工智能生成化合物的数据表达,就可能产生专利目的的“构思”。对于更复杂、更难以预测的化合物,则适用一种称为“同步构思和还原实践”的法律原则。
根据该原则,在研究人员能够证明他们已经在湿实验室中成功分离出化合物之前,构思可能不会完成。因此,构思完成的阶段取决于将人工智能生成的化合物数据表示转化为物质样本的难度。
抗体和多肽:潜在风险较高
抗体和多肽是药物类别中的例子,如果未改变的人工智能生成序列最终成为候选药物,它们可能会面临更高的知识产权风险。其中一些氨基酸序列的合成方法,尤其是较为简单的氨基酸序列的合成方法,是研究人员将数据序列发送给第三方供应商合成的众所周知的标准方法。由于这类序列一旦生成就很容易合成,因此将来如果人工智能生成的数据序列与专利客体相对应,法院可能会认为仅人工智能就完成了构思。
这使制药公司在决定是否采用人工智能手段来发现抗体/多肽药物时进退两难。多肽的潜在变体几乎是无限的,因此人工智能非常适合筛选和模拟大量的多肽变体。然而,当人工智能输出一个可行的多肽序列时,“构思”可能已经立即完成。
制药公司在决定是否采用强大的人工智能加速筛选工具来预测有用的多肽序列时,可能会面临艰难的抉择,但这也可能会削弱知识产权。
小分子药物:潜在风险较低
在使用人工智能手段进行筛选时,小分子药物的知识产权风险较低。有机小分子的整体结构通常是三维的(而不是线性序列)。法院通常认为,这种不可预测性需要有机合成化学家的人为投入,以确定如何将人工智能生成的公式转化为物质形式。根据同步构想和付诸实践的法律理论,这种人为贡献满足了构想的要求。
但是,如果公司用另一个人工智能模型来取代人工输入,那么失去知识产权的风险可能会增加。小分子合成中固有的复杂性和可变性在某种程度上防止了人工智能被认定为唯一发明人。
下一步
围绕人工智能发明权的法律框架和药物合成的实际问题,为制药公司带来了风险与回报的两难选择。合成某些化合物(尤其是抗体和多肽)非常容易,这增加了人工智能被视为唯一发明人的可能性,从而威胁到制药公司的专利权。
相比之下,合成小分子药物固有的复杂性和不可预测性则为人工智能发明丧失知识产权的风险提供了缓冲作用。制药公司必须谨慎应对这些挑战,在人工智能驱动的效率与潜在的法律和知识产权风险之间取得平衡。(编译自jdsupra.com)
翻译:吴娴 校对:刘鹏