第1部. 明細書の読み方と開発・特許戦略への応用

(2019年12月13日 10:00〜12:00)

　特許明細書は、特許権者にとっては、特許発明の技術的範囲を定める権利書としての性質を有する一方、第三者にとっては、他社の開発状況を記した文献としての性質を有する。本講演では、明細書の読み方を学ぶとともに、侵害についての考え方と進歩性判断についての考え方の違いを理解し、自社の特許戦略に役立てる。

1. 明細書の構成
2. クレームの解釈
   • 文言侵害
   • 均等論
   • 間接侵害
3. 侵害についての考え方と進歩性判断についての考え方の違い
4. 他社特許文献を利用した開発事例
• 質疑応答

第2部. 先発・競合企業の特許分析と特許戦略

(2019年12月13日 13:00〜14:30)

　特許とは何か、あるいは特許取得の目的は何かといった基礎的なことから解説し、特許を取得することによりその無形的効果を獲得できること、それを上手く獲得できれば、当該効果に基づくリターンがオンすることにより特許取得のための投資は十分に回収しうること、即ち特許の無形的効果は特許取得のコストを上回りうることを解説したい。そして、事業収益を高めるための知財活動ないし方法論 (知財戦略) としてはどのようなものが考えられるかについて、一般論的視点で解説したい。
　続いて、医薬品業界の動向をざっと俯瞰した後、医療用医薬品 (低分子医薬品) に関しては、当該一般論を踏まえながら、また医薬品の特殊事情を考慮しつつ、先発・競合企業はそれぞれどのように特許分析を行い、特許戦略を構築したらよいかなどについて解説したい。

1. 特許分析・特許戦略の一般論
   1. なぜ特許を出願するのか
      1. 特許とは、特許取得の目的は何か
      2. 特許 (取得) は単なるコストのみでない
      • 無形的効果の獲得
   2. 自社が先発又は後発の場合のケーススタディ
   3. 特許の無形的効果を奏したと思われる実例
   4. 収益を高めるための知財活動 (方法論) 例
   5. 小括
2. 薬業界の動向
   • 後発品の台頭、新薬創出の閉塞感
3. 医薬品に対する特許分析・特許戦略
   1. 医薬品を取り巻く知的財産権と医薬品開発
   2. 先発企業に対して
   3. 競合企業に対して
• 質疑応答

第3部. AIを用いたライフサイエンス分野の特許調査

(2019年12月13日 14:45〜16:45)

　最近ではAIの中心技術である各種機械学習のオープンソースライブラリが容易に入手可能である。特許調査担当者の実務的な観点から機械学習を用いた効率的な特許調査の可能性について述べる。先行技術調査ではdoc2vecによる公報文書単位のスコアで査読の優先順位を付け、文単位で発明の要素毎の類似文抽出検討を行い、13種類の教師あり分類アルゴリズムで適合判定を検討した。文単位の類似文抽出で記載の根拠箇所特定の可能性が示せた。動向調査では教師なしの次元圧縮による文書の俯瞰・可視化検討と教師あり機械学習の文書分類との組み合わせ検討を行った。文書分類はSDI調査、動向調査の効率化を目指している。調査目的に応じたアルゴリズムと特徴量の選択が重要である。教師あり機械学習には良質な教師データの準備が重要である。AIの出力結果の性能評価、自分でできるPython環境の構築についても簡単に紹介する。

1. 人工知能 (AI) の概要と特許調査への応用事例紹介
   1. 調査目的×アルゴリズム×ドメインデータ
   2. 機械学習概要
      • クラス分類
      • クラスタリング
      • 回帰
      • 次元圧縮
   3. 特許調査への機械学習適応時の留意点
   4. Deep Learningの基礎検討
   5. 先行技術調査の流れ (進め方)
   6. doc2vecによる公報 (文書) 単位の類似度計算
   7. doc2vecによる発明の要素 (文) 単位の類似度計算
2. 文書のベクトル化と文書分類
   1. 文書のベクトル化検討 (7種類)
   2. 文書分類検討 (8種類)
   3. AIの出力結果の性能評価
      • 混同行列
      • 交差検証
3. 自分でできるキーワード抽出・活用ツール紹介
   1. word2vecによる類似語抽出
   2. termextractによる専門用語 (キーワード) 自動抽出
   3. Cytoscapeによる文脈語のネットワーク分析
4. Pythonで始める機械学習
   1. Python環境の構築
      • Anaconda
      • Google Colaboratory
   2. 機械学習ライブラリ
      • scikit-learn等
   3. 自作特許データデータセットによる解析
      • 2値分類
      • 多値分類
• 質疑応答