Article Info

随着近些年深度学习技术的不断进步，人工智能逐步从前沿技术转变为现实应用。人工智能技术与医学领域不断融合，医学人工智能发展迅速。在医疗健康行业，人工智能的应用场景越发丰富，人工智能技术也逐渐成为影响医疗行业发展、提升医疗服务水平的重要因素[1-2]。人工智能在医学领域的应用非常广泛，包括医学影像、临床决策支持、语音识别、药物挖掘、健康管理、病理学等众多领域[3-9]。通过人工智能在医学领域的应用，可以提高医疗诊断的准确率与效率，辅助医生进行病变检测，实现疾病早期筛查，大幅提高新药研发效率，降低制药时间与成本等。

专利是技术创新的重要方式和必要资源，其产出在不少国家/地区都被作为技术创新活动的重要标志，在不同层面上反映技术创新活动的状况与水平[10-12]。专利是技术信息最有效的载体，囊括了全球90%以上的最新技术情报，而且70%～80%发明创造只通过专利文献公开，专利更具有新颖性、实用性的特征。通过某一领域的专利分析可以客观反映技术领域的整体概况和发展态势[13-15]。本研究的三方专利引用经济合作与发展组织的定义，即同时向美国专利及商标局、欧洲专利局和日本特许厅提出申请的同一组专利。由于不同国家统计的发明专利数据具有不同程度的“本土优势”，这样在进行国际比较时就存在较大的不可比性，而三方专利很大程度上能消除这种不可比性。三方专利在地理上囊括了美国、日本、欧洲这三个世界上科技水平和创新活力最高的国家/地区，同时在这三个国家/地区申请专利的费用昂贵，因此三方专利通常被认为具有较高科技含量和经济价值。三方专利拥有量的规模直接反映了一个国家/地区技术发明的整体水平以及在国际市场上的竞争力，因而也是测定国家竞争力的重要指标[16-17]。本研究基于智慧芽全球专利数据库（检索时间为2020年1月19日），从三方专利申请与公开态势、法律状态、技术来源地、专利申请机构、技术开发热点等角度对医学人工智能领域的三方专利进行分析，首次从三方专利角度揭示技术竞争态势，期望为我国医学人工智能领域的发展提供一定的借鉴和参考。

1 材料与方法

数据来源于PatSnap智慧芽全球专利数据库，检索时间为2020年1月19日，检索共得到全球医学人工智能领域三方专利申请777组，均为发明专利。PatSnap智慧芽全球专利数据库收录了从1790年起至今的全球116个国家/地区的1.4亿多件专利，8000多万条文献、科技、政策等数据，每周更新数据，可提供全球专利、引用数据、同族信息，获悉国内外技术及全球布局情况。PatSnap智慧芽全球数据库可为本研究提供全面可靠的数据来源。

本研究采用专利计量分析结合定性分析的方法，从三方专利申请与公开态势、法律状态、技术来源地、专利申请机构、技术开发热点等角度，揭示医学人工智能领域的技术竞争态势。专利计量是以专利中的计量信息作为分析研究的基础，通过对专利的计量分析可以洞察行业技术的发展状况，判断行业的竞争态势[18-20]。定性分析法是依据预测者的主观判断分析能力来推断事物的性质和发展趋势的分析方法。通过三方专利申请数量揭示潜在市场价值成果规模，通过专利申请人所在区域揭示技术发源地，通过专利地图分析揭示技术开发热点。受专利申请到公开有18个月滞后期的限制，数据分析时，年复合增长率未纳入2018年和2019年的数据。

2 结果与分析

2.1 三方专利申请与公开态势

全球医学人工智能领域已积累一定规模的三方专利且呈现较好的增长态势，创新力持续提升。截至目前（检索日期为2020年1月19日），全球医学人工智能领域共有三方专利申请777组，均为发明专利，占该领域全球专利申请量的4.28%。全球三方专利申请量与公开量的年度分布如图1所示，三方专利申请呈现较好的增长态势，2008-2017年十年复合增长率为13.60%。近20年（2000-2019年）三方专利申请752组（占96.78%），超过95%的三方专利都是在近20年申请的，近10年（2009-2019年）有486组（占62.55%），超过3/5。

从图1可以看出，医学人工智能领域1991年开始有三方专利申请，最初几年处于缓慢的发展期，1991-1999年间的三方专利申请量都在10组以下。从2000年开始三方专利申请突破10组，进入第一个快速发展时期，于2005年达到第一个峰值47组，此后稍有回落。2008年后开始进入第二个快速发展时期，由2008年的20组跃升至2014年的峰值71组，2015年回落至57组，于2016年再次达到峰值71组。从公开态势来看，2000年后三方专利的公开态势呈现稳定增长态势，尤其是近10年公开数量迅猛增长，2019年公开数量达到132组，近3年公开数量的复合增长率为39.33%，表明近几年三方专利申请持续活跃。

2.2 法律状态

从全球医学人工智能领域三方专利申请的法律状态来看（图2），目前依然处于有效状态的有281组，占三方专利申请总量的36.16%，表明超过1/3的三方专利还处于法定保护期限内，且按规定缴纳了年费。失效三方专利有352组，占比为45.30%，表明超过2/5的三方专利不再有法律约束力，其中驳回182组，撤回103组，未缴年费57组，期限届满5组，放弃专利权5组。有142组三方专利处于审中状态，即目前处于审查和审批过程中，还处于不稳定状态，其中处于实质审查的有92组，公开的有50组，此外，还有2组法律状态还处于未确认的状态。

2.3 技术发源地

通过对专利申请人所在国家/地区分析可以在一定程度上反映技术来源地[10-21]。全球医学人工智能领域三方专利申请主要技术来源地（三方专利申请量≥4组）如图3所示。美国是三方专利申请最多的国家，共有176组，处于领先地位，是全球最主要的技术来源地，全球占比超过1/5（22.65%）。日本排在第二位，三方专利申请量116组，全球占比14.93%。荷兰排在第三位，共91组，全球占比超过1/10（11.71%）。哥伦比亚位列第四位，三方专利申请量37组，全球占比4.76%。此外，澳大利亚7组，瑞士和德国各6组，韩国5组，中国、法国和英国各有4组，其他国家/地区三方专利申请量均不足4组。从三方专利申请量来看，医学人工智能领域技术来源地以美国、日本和荷兰为主，美日荷三国引领全球发展。从有效三方专利数量来看，依然是美日荷三国处于绝对的优势地位，其中有效三方专利数量最多的是日本，有71组，占其三方专利申请量的61.21%，即超过3/5的三方专利依然受到保护。美国的有效三方专利数量为50组，荷兰为46组，其他国家/地区都在10组以下。

从图3可以看出，中国在医学人工智能领域的三方专利申请有4组，且4组均处于有效状态，其详细信息如表1所示。中国申请的三方专利主要聚焦于医学诊断、医学图像以及生物标记物三个方向。这四组三方专利对应5件中国专利，包括授权发明2件，其中1件是中国科学院国家空间科学中心于2011年申请（2014年拿到授权）的发明专利（CN102353449B），该发明是一种极弱光多光谱成像方法及其系统，可广泛应用于生物自发光检测、医疗诊断等领域。另外1件授权发明是贝泰福医疗科技成都有限公司于2013年申请（2015年拿到授权）的专利（CN103549961B），该专利是基于无线移动通讯平台的互动式听力诊疗系统，该发明公开了一种基于无线移动通讯平台的互动式听力诊疗系统。包括患者用智能听力诊疗仪、专家用智能听力诊疗仪以及云端数据中心，可以远程听力诊断和治疗，实现了不用出门就能让专家帮助患者进行诊断和治疗，尤其适合推广应用于偏远地区不便就医的患者。这两件授权发明都是涉及医学诊断的专利。

还有3件处于审中状态的发明专利，其中1件是北京推想科技有限公司于2016年申请的专利（CN107025369A），该发明专利申请是一种对医疗图像进行转换学习的方法和装置，该方法可以提高基于少量医疗图像进行深度学习所得到模型的准确率，该发明还包括一种对医疗图像进行学习转换的装置。其包括：数据处理模块、转换学习模块和应用模块，主要是关于深度学习和大数据模型参数优化，使模型更加符合医学应用场景。另外2件审中的专利均是深圳华大基因科技有限公司于2015年申请的专利（CN108064263A，CN108064272A），都是关于“用于类风湿性关节炎的生物标记物及其用途”。CN108064263A提供了用于预测疾病（特别是类风湿性关节炎）风险的生物标记物和方法，基于DNA的序列计算生物标记物的相对丰度，基于所述相对丰度获得受试者患有疾病的概率。CN108064272A涉及类风湿性关节炎的生物标记物，特别是与类风湿性关节炎相关的宏基因组连锁群，以及相关的方法、系统和产品。这3件处于审中的发明专利是关于医学图像、生物标记物的相关技术。

2.4 专利申请机构

医学人工智能领域三方专利主要申请机构（三方专利申请量≥6组）如图4所示，共有14家，其中美国的机构最多，有8家（包括5家企业和3所高校），此外，荷兰1家、德国1家、日本1家、韩国1家、瑞士2家，均是企业。荷兰飞利浦（90组）、德国西门子（29组）和美国通用电气（15组）三大跨国医疗器械公司占据主导地位，尤其是飞利浦公司的领先优势明显。三方专利申请主要机构（三方专利申请量≥6组）以企业为主，只有三家高校，均是美国的大学，分别是哈佛大学、加州大学、约翰霍普金斯大学。医学人工智能领域技术开发的主体是企业，由企业引领该领域的发展。

2.5 技术开发热点

通过智慧芽专利数据库的3D专利地图分析功能来生成医学人工智能领域的技术开发热点分布图。采用文本聚类方法，基于医学人工智能领域三方专利的IPC分类号、标题、摘要等生成专利地图，展现该领域的专利布局情况。内容相近的专利在图中距离相近，最终形成峰，最高峰的高点区域包含的专利最多，低点区域包含的专利相对较少。白色表示最高峰，即专利最密集部分，说明涉及该技术主题的专利申请量最多[21]。基于专利地图的聚类结果，再结合定性分析对聚类结果进行归纳总结和内容分析，医学人工智能领域技术开发热点主要聚焦在4个方向（图5）：医学影像辅助诊断技术（419组）、用于健康管理的信息技术（157组）、用于疾病诊疗的信息技术（116组）、医学大数据挖掘技术（85组）。

“医学影像辅助诊断技术”是三方专利申请量最多的技术点，有419组。人工智能技术在医学影像的诊断上应用最多，主要分为两部分：一是图像识别，将影像进行分析，获取一些有意义的信息；二是深度学习，通过大量的影像数据和诊断数据，促使其掌握诊断能力。其次是“用于健康管理的信息技术”，三方专利申请157组，是人工智能技术应用到健康管理的具体场景中，利用医疗传感器监测个人健康状况，目前主要集中在风险识别、在线问诊、健康干预以及基于精准医学的健康管理等方面，正在成为预防医学的主流。“用于疾病诊疗的信息技术”三方专利申请量116组，是让计算机“学习”医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。“医学大数据挖掘技术”三方专利申请量85组，主要涉及深度学习算法，算法作为人工智能技术的引擎，主要用于计算、数据分析和自动推理。算法通过数据训练不断完善，使得人工智能在语音和视觉识别上取得重大进展。

3 讨论

本研究基于智慧芽全球专利数据库对医学人工智能领域的三方专利进行分析，从三方专利申请与公开态势、法律状态、技术来源地、专利申请机构、技术开发热点角度揭示技术竞争态势，可以得出以下结论：①全球医学人工智能领域三方专利申请持续活跃，已积累了一定规模的潜在市场价值成果，超过1/3的三方专利处于有效状态，技术创新能力持续提升；②美日荷三国引领全球发展，是医学人工智能领域主要技术来源地，中国三方专利申请只有4组，均是有效专利，聚焦于医学诊断、医学图像以及生物标记物三个方向；③医学人工智能领域技术开发领先机构为国际医疗器械行业巨头荷兰飞利浦、德国西门子和美国通用电气三大跨国公司，技术开发的主体是企业，由企业引领该领域的发展；④医学人工智能领域技术开发热点主要集中在4个方向：医学影像辅助诊断技术、用于健康管理的信息技术、用于疾病诊疗的信息技术、医学大数据挖掘技术。

随着医学人工智能领域的持续发展，将在优化医疗资源、改善医疗技术等多个方面为人类提供更好的解决方案。从市场需求来看，由于中国医疗资源的短缺和分配不均，更加开放和高效的医疗解决方案成为了市场急迫的诉求。中国人工智能发展起步较晚，与美国等发达国家相比还有一定差距。近年来，中国政府高度重视人工智能的发展，相继出台多项战略规划，鼓励指引人工智能的发展。在多层次战略规划的指导下，中国人工智能领域进入快速发展阶段，但基础层技术的薄弱仍然是中国人工智能发展的关键制约因素，同时还面临标准落地难、法律法规不完善以及人才缺乏的挑战。基于巨大的市场需求与多元化的业务方向，医学人工智能领域发展前景良好，除了从根本上解决医疗产业供给短缺，同时还创造并延伸出新的市场需求，人工智能在医学领域必将带来新的突破和发展机遇。

[1]郎景和.大数据及人工智能时代的医学[J].中国妇幼健康研究,2019,30(1):1-3.

[2]张雄,胡珺,朱福.智慧医疗框架下的医学人工智能及其应用[J].上海医药,2019,40(3):6-8.

[3]Patriarca R,Falegnami A,Bilotta F.Embracing simplexity:the role of artificial intelligence in peri-procedural medical safety[J].Expert Rev Med Devic,2019,16(2):77-79.

[4]Park SH,Han K.Methodologic guide for evaluating clinical performance and effect of artificial intelligence technology for medical diagnosis and prediction[J].Radiology,2018,286(3):800-809.

[5]Golden JA.Deep learning algorithms for detection of lymph node metastases from breast cancer helping artificial intelligence be seen[J].JAMA,2017,318(22):2184-2186.

[6]Furukawa R,Nagamatsu G,Oka S,et al.Simultaneous shape and camera-projector parameter estimation for 3D endoscopic system using CNN-based grid-oneshot scan[J].Healthc Technol Lett,2019,6(6):249-254.

[7]Keshavarzi AA,Salem M,Collins J,et al.Deep Malaria:artificial intelligence driven discovery of potent antiplasmodials[J].Front Pharmacol,2019,10:1526.

[8]Miller DD.Machine intelligence in cardiovascular medicine[J].Cardiol Rev,2020,28(2):53-64.

[9]Butow P,Hoque E.Using artificial intelligence to analyze and teach communication in healthcare[J].Breast,2020,50:49-55.

[10]张婷,陈娟,欧阳昭连,等.组织工程与再生医学领域的专利竞争态势[J].中国组织工程研究,2019,23(34):5479-5485.

[11]张婷,陈娟,池慧,等.基于专利分析的医疗器械领域技术竞争态势研究[J].中国医疗设备,2019,34(5):107-113.

[12]Ribeiro B,Shapira P.Private and public values of innovation:a patent analysis of synthetic biology[J].Res Policy,2020,49(1):103875.

[13]Zhang T,Chen J,Jia X.Identification of the key fields and their key technical points of oncology by patent analysis[J].PLoS One,2015,10(11):e014357311.

[14]Zhang T,Chen J,Ouyang Z.Key fields and key technical points of pharmaceuticals:a perspective from patent analysis[A].BIBE 2018;International Conference on Biological Information and Biomedical Engineering[C].VDE:Shanghai,2018:1-13.

[15]Ranganathan B,Miller C,Sinskey A.Biocompatible synthetic and semi-synthetic Polymers-apatent analysis[J].Pharm Nanotechnol,2018,6(1):28-37.

[16]Wada T.Obstacles to prior art searching by the trilateral patent offices:empirical evidence from international search reports[J].Scientometrics,2016,107(2):701-722.

[17]刘辉锋.从PCT申请和三方专利指标评价中国海外专利申请实力[J].科技和产业,2017,17(7):146-149.

[18]邱均平,马瑞敏,徐蓓,等.专利计量的概念、指标及实证——以全球有机电激发光技术相关专利为例[J].情报学报,2008,27(4):556-565.

[19]张婷,贾晓峰.基于专利计量分析的抗HIV药物发展趋势研究[J].现代生物医学进展,2015,15(8):1540-1546.

[20]张婷,陈娟,欧阳昭连.生物医药科技前沿领域的识别研究[J].现代生物医学进展,2019,19(2):370-378.

[21]张婷,欧阳昭连.基于专利分析及可视化的抗肿瘤药竞争态势研究[J].中国新药杂志,2018,27(20):2337-2345.

基于三方专利的医学人工智能领域技术竞争态势研究

引言