人工智能有望徹底改變藥物發(fā)現(xiàn)，但在這一新興領(lǐng)域形成可保護(hù)知識產(chǎn)權(quán)的不確定性給在這一領(lǐng)域的創(chuàng)新公司帶來了一系列潛在風(fēng)險(xiǎn)。更復(fù)雜的是：并非所有人工智能輔助化合物都是一樣的——這也延伸到了它們的專利性。
專利風(fēng)險(xiǎn)取決于藥物類別
知識產(chǎn)權(quán)風(fēng)險(xiǎn)因所涉及的藥物類別而異——化合物合成越容易、越可預(yù)測，潛在風(fēng)險(xiǎn)就越大。
談到人工智能輔助發(fā)明的專利問題，美國專利商標(biāo)局（USPTO）表示，人類必須對新藥的“構(gòu)思”作出“重大”貢獻(xiàn)，但將這一構(gòu)思轉(zhuǎn)化為現(xiàn)實(shí)世界中的化合物（法律稱之為“付諸實(shí)踐”）還不足以授予發(fā)明權(quán)。
對于一些合成方法易于理解和預(yù)測的化合物，只要人工智能生成化合物的數(shù)據(jù)表達(dá)，就可能產(chǎn)生專利目的的“構(gòu)思”。對于更復(fù)雜、更難以預(yù)測的化合物，則適用一種稱為“同步構(gòu)思和還原實(shí)踐”的法律原則。
根據(jù)該原則，在研究人員能夠證明他們已經(jīng)在濕實(shí)驗(yàn)室中成功分離出化合物之前，構(gòu)思可能不會(huì)完成。因此，構(gòu)思完成的階段取決于將人工智能生成的化合物數(shù)據(jù)表示轉(zhuǎn)化為物質(zhì)樣本的難度。
抗體和多肽：潛在風(fēng)險(xiǎn)較高
抗體和多肽是藥物類別中的例子，如果未改變的人工智能生成序列最終成為候選藥物，它們可能會(huì)面臨更高的知識產(chǎn)權(quán)風(fēng)險(xiǎn)。其中一些氨基酸序列的合成方法，尤其是較為簡單的氨基酸序列的合成方法，是研究人員將數(shù)據(jù)序列發(fā)送給第三方供應(yīng)商合成的眾所周知的標(biāo)準(zhǔn)方法。由于這類序列一旦生成就很容易合成，因此將來如果人工智能生成的數(shù)據(jù)序列與專利客體相對應(yīng)，法院可能會(huì)認(rèn)為僅人工智能就完成了構(gòu)思。
這使制藥公司在決定是否采用人工智能手段來發(fā)現(xiàn)抗體/多肽藥物時(shí)進(jìn)退兩難。多肽的潛在變體幾乎是無限的，因此人工智能非常適合篩選和模擬大量的多肽變體。然而，當(dāng)人工智能輸出一個(gè)可行的多肽序列時(shí)，“構(gòu)思”可能已經(jīng)立即完成。
制藥公司在決定是否采用強(qiáng)大的人工智能加速篩選工具來預(yù)測有用的多肽序列時(shí)，可能會(huì)面臨艱難的抉擇，但這也可能會(huì)削弱知識產(chǎn)權(quán)。
小分子藥物：潛在風(fēng)險(xiǎn)較低
在使用人工智能手段進(jìn)行篩選時(shí)，小分子藥物的知識產(chǎn)權(quán)風(fēng)險(xiǎn)較低。有機(jī)小分子的整體結(jié)構(gòu)通常是三維的（而不是線性序列）。法院通常認(rèn)為，這種不可預(yù)測性需要有機(jī)合成化學(xué)家的人為投入，以確定如何將人工智能生成的公式轉(zhuǎn)化為物質(zhì)形式。根據(jù)同步構(gòu)想和付諸實(shí)踐的法律理論，這種人為貢獻(xiàn)滿足了構(gòu)想的要求。
但是，如果公司用另一個(gè)人工智能模型來取代人工輸入，那么失去知識產(chǎn)權(quán)的風(fēng)險(xiǎn)可能會(huì)增加。小分子合成中固有的復(fù)雜性和可變性在某種程度上防止了人工智能被認(rèn)定為唯一發(fā)明人。
下一步
圍繞人工智能發(fā)明權(quán)的法律框架和藥物合成的實(shí)際問題，為制藥公司帶來了風(fēng)險(xiǎn)與回報(bào)的兩難選擇。合成某些化合物（尤其是抗體和多肽）非常容易，這增加了人工智能被視為唯一發(fā)明人的可能性，從而威脅到制藥公司的專利權(quán)。
相比之下，合成小分子藥物固有的復(fù)雜性和不可預(yù)測性則為人工智能發(fā)明喪失知識產(chǎn)權(quán)的風(fēng)險(xiǎn)提供了緩沖作用。制藥公司必須謹(jǐn)慎應(yīng)對這些挑戰(zhàn)，在人工智能驅(qū)動(dòng)的效率與潛在的法律和知識產(chǎn)權(quán)風(fēng)險(xiǎn)之間取得平衡。（編譯自jdsupra.com）
