案件編號：T 1191/ 19
申請人：Fundació Institut Guttmann
歐洲申請號：08877672.9
歐洲公開號：EP2351523
訴願決定日期：1 April 2022
系爭案名稱：以神經可塑基板安全引導介入手術的方法和系統
案件源起系爭專利申請案被歐洲審查部門判定claims 1-6不符合Article 84（明確性，專利範圍應受到說明書支持）與56（進步性）EPC規定，其中進步性核駁理由是基於兩件前案。面對訴願，申請人提出主請求項方案（main request），申請人同時提出多件佐證AX1至AX8，要證明審查意見不合理，但其中AX2-AX8並非在審查過程中提交，因此訴願委員不受理，僅受理AX1（系爭案在審查過程中曾經提交AX1文件，但當時審查委員並不接受AX1作為證據）。另外，還以專利不符Art. 56（進步性）與Art. 83（發明內容（包括Claims）應揭露足夠清楚與完整，並能使相關技術人員據以實施）駁回主請求項方案。
main request Claim 1：一種電腦實現用於優化個人化介入預測的方法，內容就不翻譯了，很難懂... claim 1內容很長，在此摘錄一段：
...
...
...
Art. 84 EPC：
關於Art. 84 EPC規定的明確性，審查意見駁回Claim 1中部分用語，理由是不明確。上述在審查過程中曾經提交的AX1（Prodromidis, et al. "Meta-learning in distributed data mining systems: Issues and approaches"），目的是要解釋系爭案專利範圍中描述的meta-learning為已知的背景技術，並沒有不明確。
也就是說，專利申請人在面對審查意見指出請求項中「meta-learning」為不明確用語時，提出外部證據證明「元學習」並沒有不明確，而本發明就是運用AX1所揭示的meta-learning技術。
明顯地，系爭專利範圍所運用的“meta-learning"與證據AX1中的meta-learning為相同用語，因此委員會繼續審理本案進步性議題，但擱置專利範圍是否符合Art. 84明確性規定的議題。
因為申請人承認專利使用了AX1中的meta-learning演算法，因此在進步性的審查中不僅運用D1與D11，也納入AX1。
AX1：Prodromidis, et al. "Meta-learning in distributed data mining systems: Issues and approaches"。
在進步性答辯中，申請人強調本發明以meta-learning建立模型並引導關於腦部可塑性的流程為新穎，以及進步的策略。但審查意見認為僅是運用已知機器學習技術解決特定領域的問題，並不具進步性。
再者，針對本發明採用AX1的學習方法以預測個人化的介入是否有進步性，訴願委員會表示Claim中並沒有揭露meta-learning非顯而易知的細節，因此判決系爭申請案不具進步性。
Art. 83 EPC：
Art. 83 EPC規範專利內容應充分揭露，審查意見指出(1)系爭申請案並沒有充分揭露而讓相關領域技術人員知悉如何將AX1的meta-learning應用在要解決的問題上；(2)系爭案沒有揭露關於訓練集（training data，關於使用者與要執行的“介入”關聯的資訊）與驗證集（validation data，作為meta-learning的輸入）的任何範例；(3)系爭案沒有揭露用於提供有意義的預測的訓練集中病患的最小數量，並設定相關參數；(4)系爭案沒有揭露解決問題時所需訓練meta classifier的meta heuristic(策略)；(5)沒有揭露人工智慧神經網路作為classifier、拓樸、啟動classifier功能與學習機制的結構（structure）。
如此，訴願委員會仍認為系爭案專利範圍僅揭露了抽象的內容。上述五點大概就是整理出相關領域 - AI模型 應揭露的內容。
Ron
沒有留言:
張貼留言