发明创造名称：一种基于循环神经网络的患病风险预测方法
外观设计名称：
决定号：199399
决定日：2020-01-02
委内编号：1F276611
优先权日：
申请（专利）号：201611247218.2
申请日：2016-12-29
复审请求人：浙江大学
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：崔哲
合议组组长：王艳
参审员：王越
国际分类号：G06F19/00
外观设计分类号：
法律依据：专利法第25条第1款第（三）项
决定要点
：判断一项权利要求请求保护的方案是否属于疾病的诊断和治疗方法，应当考虑其直接目的，如果直接目的不是为了获得疾病的诊断结果或健康状况，则不属于疾病的诊断和治疗方法，属于专利保护的客体。
全文：
本复审请求涉及申请号为201611247218.2，名称为“一种基于循环神经网络的患病风险预测方法”的发明专利申请（下称本申请）。申请人为浙江大学。本申请的申请日为2016年12月29日，公开日为2017年05月31日。
经实质审查，国家知识产权局原审查部门于2018年12月27日发出驳回决定，驳回了本申请，其理由是：本申请属于专利法第25条第1款第（三）项所规定的疾病的诊断和治疗方法，属于不授予专利权的范围。具体理由如下：权利要求1-5请求保护一种基于循环神经网络的患病风险预测方法，该方法通过利用疾病诊断的疾病作为训练样本，对循环神经网络进行训练，得到患病风险预测模型，并将病人历史记录中每种诊断疾病作为输入，经患病风险预测模型进行处理，输出患病风险预测结果。即其目的是通过病人历史记录中的每种诊断疾病作为输入，经过患病风险预测模型进行处理，直接得到病人患病的诊断结果，属于专利法第25条第1款第（三）项所规定的疾病的诊断和治疗方法的范围，因此不能被授予专利权。
驳回决定所依据的文本为：申请日2016年12月29日提交的权利要求第1-5项、说明书第1-75段、说明书附图图1-3、说明书摘要、摘要附图。
驳回决定所针对的权利要求书如下：
“1. 一种基于循环神经网络的患病风险预测方法，包括以下步骤：
(1)利用诊断的疾病作为训练样本，进行疾病名称分布式词向量训练，得到词向量映射矩阵，并进行存储；
(2)再次利用诊断的疾病作为训练样本，进行循环神经网络训练，得到患病风险预测模型；
(3)将病人历史记录中每种诊断疾病作为一个测试样本输入患病风险预测模型，得到患病风险预测结果。
2. 根据权利要求1所述基于循环神经网络的患病风险预测方法，其特征在于：步骤(1)的具体步骤为：
(1-1)对疾病诊断数据进行预处理：将每名患者的m种疾病按照诊断的顺序排序，选取前n种疾病组成第一个疾病序列，选取第2种疾病～第n 1种疾病组成第二个疾病序列，选取第3种疾病～第n 2种疾病组成第三个疾病序列，以此类推，得到m-n 1个疾病序列，n的取值为5、7或9，m为自然数；
(1-2)将每个疾病序列中处于中间位置的疾病作为词向量训练模型的真实输出，剩余的疾病组成的序列作为词向量训练模型训练样本，将训练样本中的每种疾病按照诊断的顺序依次输入到词向量训练模型，进行疾病名称分布式词向量训练，得到每个疾病所对应的分布式词向量，从而组成词向量映射矩阵，并进行存储。
3. 根据权利要求2所述基于循环神经网络的患病风险预测方法，其特征在于：在步骤(1-2)中，采用连续词袋模型作为词向量训练模型。
4. 根据权利要求1所述基于循环神经网络的患病风险预测方法，其特 征在于：步骤(2)的具体步骤为：
(2-1)将每名患者所有次就诊行为所确诊的疾病作为就诊序列，删除就诊行为次数小于5的就诊序列，且删除就诊序列中相邻两次就诊行为后一次中重复确诊的疾病，得到预处理后的就诊序列作为循环神经网络训练样本；
(2-2)将循环神经网络训练样本输入到循环神经网络模型中，利用词向量映射矩阵将训练样本转化为疾病向量；
(2-3)将确诊的历史疾病转化为向量，并作为循环神经网络模型的真实输出，利用疾病向量对循环神经网络进行训练，得到患病风险预测模型。
5. 根据权利要求1所述基于循环神经网络的患病风险预测方法，其特征在于：在步骤(3)中，按就诊时间顺序所得的每种诊断疾病输入到患病风险预测模型中，预测得到未来时刻所有疾病的患病概率，并按照从大到小顺序排列，选择患病概率排名前十的疾病作为疾病预测的输出。”
申请人（下称复审请求人）对上述驳回决定不服，于2019年03月15日向国家知识产权局提出了复审请求，同时修改了权利要求书，将主题名称“一种基于循环神经网络的患病风险预测方法”改为“一种基于循环神经网络的患病风险预测模型”，将从属权利要求2的附加特征加入权利要求1，删除原权利要求1中的第（3）步骤，删除原权利要求2和5，并将权利要求重新依次顺序编号。复审请求人在2019年03月26日提交的意见陈述书中认为：修改后的本申请请求保护的是一种基于循环神经网络的患病风险预测模型，是一种模型的构建的方法及利用该构建方法构建获得的患病风险预测模型。该患病风险预测模型的目的是怎样构建训练样本，怎样利用训练样本训练循环神经网络以获得患病风险预测模型,并不是以获得人的疾病诊断结果或健康状况为直接目的，因此，本申请请求保护的方案不属于专利法第25条第1款第（三）款规定的疾病的诊断和治疗方法的范围，是可以被授予专利权的客体。
复审请求时新修改的权利要求书如下：
“1. 一种基于循环神经网络的患病风险预测模型，所述患病风险预测模型的构建方法包括以下步骤：
(1)利用诊断的疾病作为训练样本，进行疾病名称分布式词向量训练，得到词向量映射矩阵，并进行存储，具体包括以下步骤：
(1-1)对疾病诊断数据进行预处理：将每名患者的m种疾病按照诊断的顺序排序，选取前n种疾病组成第一个疾病序列，选取第2种疾病～第n 1种疾病组成第二个疾病序列，选取第3种疾病～第n 2种疾病组成第三个疾病序列，以此类推，得到m-n 1个疾病序列，n的取值为5、7或9，m为自然数；
(1-2)将每个疾病序列中处于中间位置的疾病作为词向量训练模型的真实输出，剩余的疾病组成的序列作为词向量训练模型训练样本，将训练样本中的每种疾病按照诊断的顺序依次输入到词向量训练模型，进行疾病名称分布式词向量训练，得到每个疾病所对应的分布式词向量，从而组成词向量映射矩阵，并进行存储；(2)再次利用诊断的疾病作为训练样本，进行循环神经网络训练，得到患病风险预测模型。
2. 根据权利要求2所述基于循环神经网络的患病风险预测模型，其特征在于：在步骤(1-2)中，采用连续词袋模型作为词向量训练模型。
3. 根据权利要求1所述基于循环神经网络的患病风险预测模型，其特征在于：步骤(2)的具体步骤为：
(2-1)将每名患者所有次就诊行为所确诊的疾病作为就诊序列，删除就诊行为次数小于5的就诊序列，且删除就诊序列中相邻两次就诊行为后一次中重复确诊的疾病，得到预处理后的就诊序列作为循环神经网络训 练样本；
(2-2)将循环神经网络训练样本输入到循环神经网络模型中，利用词向量映射矩阵将训练样本转化为疾病向量；
(2-3)将确诊的历史疾病转化为向量，并作为循环神经网络模型的真实输出，利用疾病向量对循环神经网络进行训练，得到患病风险预测模型。”
经形式审查合格，国家知识产权局于2019年04月01日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为，假设权利要求的主题名称“一种基于循环神经网络的患病风险预测模型”为方法权利要求，则其主题名称仍为“一种基于循环神经网络的患病风险预测方法”，其发明名称仍然体现该权利要求的直接目的为获得患病风险，则其仍为疾病的诊断方法，因而坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
1、审查文本的认定
复审请求人于2019年03月15日提出复审请求时，提交了意见陈述书和修改的权利要求书，经审查，该修改符合专利法第33条和专利法实施细则第61条第1款的规定。
本复审决定针对的审查文本为：申请日2016年12月29日提交的说明书第1-75段、说明书附图图1-3、说明书摘要、摘要附图，2019年03月15日提交的权利要求第1-3项。
2、具体理由的阐述
专利法第25条第1款第(三)项规定，疾病的诊断和治疗方法不授予专利权。
判断一项权利要求请求保护的方案内容是否属于疾病的诊断和治疗方法，应当考虑其直接目的，如果直接目的不是为了获得疾病的诊断结果或健康状况，则不属于疾病的诊断和治疗方法，属于专利保护的客体。
2.1权利要求1不属于专利法第25条第1款第（三）项规定的疾病的诊断和治疗方法
权利要求1请求保护一种基于循环神经网络的患病风险预测模型，该模型的构建方法为：利用诊断的疾病作为训练样本，先对疾病诊断数据进行预处理，将每名患者的m种疾病按照诊断的顺序排序；然后根据训练样本进行疾病名称分布式词向量训练，从而组成词向量映射矩阵；之后再次利用诊断的疾病作为训练样本进行循环神经网络训练，得到患病风险预测模型。因此，本申请方案的目的在于如何构建训练样本，如何利用训练样本训练循环神经网络以获得患病风险预测模型，所获得的该模型没有直接用于疾病诊断，从该模型本身不能直接得出疾病的诊断结果。因此，本申请没有以获得疾病的诊断结果或健康状况为直接目的，不属于专利法第25条第1款第(三)项规定的疾病的诊断和治疗方法，属于可授予专利权的客体。
2.2 权利要求2-3不属于专利法第25条第1款第（三）项规定的疾病的诊断和治疗方法
基于相同的理由，从属权利要求2-3也不属于专利法第25条第1款第（三）项的规定的疾病的诊断和治疗方法，属于可授予专利权的客体。
3、对驳回和前置审查意见的评述
对于驳回和前置审查意见，合议组认为：本申请请求保护一种基于循环神经网络的患病风险预测模型，其使用训练样本进行训练，从而构建了一个患病风险预测模型，因此本申请的方案没有直接用于疾病诊断，没有以获得疾病的诊断结果或健康状况为直接目的，因此不属于疾病的诊断方法，属于可以授予专利权的范围。
基于上述理由，合议组依法作出如下复审请求审查决定。至于本申请是否还存在其它不符合专利法及其实施细则的缺陷，均留待原审查部门继续审查。
三、决定
撤销国家知识产权局于2018年12月27日对本申请作出的驳回决定。由国家知识产权局原审查部门在申请日2016年12月29日提交的说明书第1-75段、说明书附图图1-3、说明书摘要、摘要附图，2019年03月15日提交的权利要求第1-3项的基础上对本申请继续进行审查。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
