專利法第25條規(guī)定了不授予專利權的情況，其中包括“疾病的診斷和治療方法”。
而對應該條款，專利審查指南中詳細記載了：疾病的診斷和治療方法，是指以有生命的人體或者動物體為直接實施對象，進行識別、確定或消除病因或病灶的過程。出于人道主義的考慮和社會倫理的原因，醫(yī)生在診斷和治療過程中應當有選擇各種方法和條件的自由。另外，這類方法直接以有生命的人體或動物體為實施對象，無法在產(chǎn)業(yè)上利用，不屬于專利法意義上的發(fā)明創(chuàng)造。因此，疾病的診斷和治療方法不能被授予專利權。
本次小編和大家共同學習下有關“疾病的診斷”的判斷。專利審查指南中記載了：診斷方法，是指為識別、研究和確定有生命的人體或動物 體病因或病灶狀態(tài)的過程。那么，是所有與“疾病的診斷（方法）”相關的方案，就一定會被駁回嗎？答案當然不是。因為專利審查指南中還記載了：一項與疾病診斷有關的方法如果同時滿足以下兩個條件， 則屬于疾病的診斷方法，不能被授予專利權：
（2）以獲得疾病診斷結(jié)果或健康狀況為直接目的。也即是，需要同時滿足以上（1）（2）兩個條件才被認為是疾病的診斷方法。接下來，結(jié)合幾個案例分析下。
申請?zhí)枺?/strong>CN201610570126.1發(fā)明名稱：一種基于機器學習的帕金森疾病診斷方法
要解決的問題以及產(chǎn)生的效果：針對傳統(tǒng)的帕金森疾病診斷方法效率低、成本高以及過程復雜的問題。其通過對語音信號進行特征提取，并進行特征選擇，再結(jié)合機器學習中的分類算法對帕金森疾病進行診斷，并采用智能算法優(yōu)化支持向量機參數(shù)，提高在帕金森疾病診斷中的準確率。權利要求1記載：
步驟二、對語音信號進行特征提取；
步驟三、對特征進行選擇；
步驟四、利用智能優(yōu)化算法優(yōu)化支持向量機模型建立過程中的懲罰參數(shù)C和RBF核函數(shù)中的參數(shù)g，根據(jù)優(yōu)化的結(jié)果建立最優(yōu)支持向量機模型；
步驟五、利用最優(yōu)支持向量機模型對待測語音進行分類預測，實現(xiàn)帕金森疾病的診斷。
現(xiàn)結(jié)合權1簡單分析（具體應該結(jié)合說明書，內(nèi)容過多，不做展示）：（1）通過步驟一可以知曉，該方法實施過程需要采集“帕金森患者和健康人”的相關信息，也即是滿足了一個條件“（1）以有生命的人體或動物體為對象”；（2）結(jié)合效果記載，雖然該專利結(jié)合了機器學習算法，也對數(shù)據(jù)進行了提取、選擇、優(yōu)化、分類預測等處理過程，但是整個方案的結(jié)果是想要實現(xiàn)提高帕金森疾病的診斷準確率。也即是滿足了另一個條件“以獲得疾病診斷結(jié)果或健康狀況為直接目的”。綜上，可知本專利中雖然部分涉及數(shù)據(jù)處理等過程，但是同時滿足專利法規(guī)定的“疾病的診斷方法”相關兩個條件。因此，不能被授予專利權。申請?zhí)枺?/strong>2024104338**.*
發(fā)明名稱：一種基于深度學習的 B 細胞淋巴瘤識別方法及裝置要解決的問題以及產(chǎn)生的效果：結(jié)合細胞類別自動分類及淋巴瘤亞型的智能診斷，保證了從流式細胞儀產(chǎn)生原始檢測數(shù)據(jù)到完成流 式診斷報告的全流程自動化，節(jié)約時間成本，提高診斷效率，縮短了周期。1.一種基于深度學習的B細胞淋巴瘤識別方法，其特征在于，S1、獲取流式細胞儀檢測產(chǎn)生的原始數(shù)據(jù)，并從原始數(shù)據(jù)中選擇信號參數(shù)作為細胞的特征向量；S2、對特征向量進行熒光數(shù)據(jù)補償處理；S3、對補償后的熒光數(shù)據(jù)進行數(shù)據(jù)變換處理；S5、在對樣本中的細胞進行分類時，將整個樣本的所有細胞特征數(shù)據(jù)和樣本中每個細胞對應的鄰接關系圖輸入訓練后的圖卷積神經(jīng)網(wǎng)絡，對樣本中的每個細胞進行類別預測；S6、對樣本中的細胞分類后，對樣本的B細胞克隆性陰陽性進行判斷；10. 一種基于深度學習的B細胞淋巴瘤識別裝置，實施權利要求1-9任一項所述的一種基于深度學習的B細胞淋巴瘤識別方法，其特征在于，包括：檢測模塊，用于檢測和獲取原始數(shù)據(jù)；預處理模塊，用于對數(shù)據(jù)進行補償處理；換算模塊，用于對數(shù)據(jù)進行變換處理；構建模塊，用于構建樣本中細胞的鄰接關系圖；預測模塊，用于對樣本中的細胞的類別進行預測處理；第一判斷識別模塊，用于對樣本的陰陽性進行識別判斷；第二判斷識別模塊，用于對異常樣本中的B細胞群的免疫標記進行識別判斷；其中，檢測模塊、預處理模塊、換算模塊、構建模塊、預測模塊、第一判斷識別模塊以及第二判斷識別模塊兩兩之間通過通信方式實現(xiàn)信息傳遞。基于原始申請文本，關于方法主題，其實現(xiàn)了保證細胞類別的自動分類和淋巴瘤亞型的智能診斷，從流式細胞儀產(chǎn)生原始檢測數(shù)據(jù)到完成流式診斷報告的全流程自動化，因而它是以有生命的人體為直接實施對象，且是以獲得疾病診斷結(jié)果或健康狀況為直接目的。因此，該識別方法屬于不能授予專利權的范圍（專利法25條）。針對以上情況，專利審查指南中還記載了“但是，用于實施疾病診斷和治療方法的儀器或裝置，以及在疾病診斷和治療方法中使用的物質(zhì)或材料屬于可被授予專利權的客體”，也即是，對于實施這些方法的產(chǎn)品結(jié)構類的，屬于可以被授予專利權客體情況。
基于審查指南記載，可以將方法與裝置主題進行合并，包括“識別裝置”的主題，示例性，修改后的權利要求1記載：1.一種基于深度學習的B細胞淋巴瘤識別裝置，實施一種基于深度學習的B細胞淋巴瘤識別方法，其特征在于，包括：檢測模塊，用于檢測和獲取原始數(shù)據(jù)；預處理模塊，用于對數(shù)據(jù)進行補償處理；換算模塊，用于對數(shù)據(jù)進行變換處理；第一判斷識別模塊，用于對樣本的陰陽性進行識別判斷；第二判斷識別模塊，用于對異常樣本中的B細胞群的免疫標記進行識別判斷；其中，檢測模塊、預處理模塊、換算模塊、構建模塊、預測模塊、第一判斷識別模塊以及第二判斷識別模塊兩兩之間通過通信方式實現(xiàn)信息傳遞；
1、在判斷是否屬于“疾病的診斷方法”情況時，需要同時滿足兩個條件，才屬于此情況：
（2）以獲得疾病診斷結(jié)果或健康狀況為直接目的。2、當存在涉及“疾病的診斷方法”的風險時，為降低風險，建議多布局“裝置”等產(chǎn)品設備方案的主題，為后續(xù)審查提供補救機會。
