基于专利信息的我国医学人工智能产业竞争态势分析

2017年7月，国务院发布《新一代人工智能规划》，将人工智能上升到国家战略层面[1]。目前，对于医学人工智能尚无明确的定义。刘荣根据当前人工与医学领域的发展趋势提出了概念，即通过人工智能的方法，辅助或替代人类进行医疗行为的科学[2]。

人工智能在医疗领域的应用又可细分为医学影像识别、临床医疗智能决策、手术机器人、病历与文献分析、药物研发和健康管理等[3]。随着大量深度学习平台的出现和框架开源降低了基础算法实现的技术门槛，医学人工智能已逐步从实验室走入应用，技术日臻成熟。目前DeepCare对乳腺癌细胞识别的准确率达到92.5%[4]。然而，医疗领域的人工智能应用是一项投入高、技术风险大、研发周期长的行业，仅靠政府的政策支持无法保证行业平稳而快速发展。专利保护是维持技术创新和经久不衰的重要方式[5]，因此有必要从专利信息入手，揭示专利技术深层动态特性[6]，对我国医学人工智能产业竞争力进行全面评估，为实现技术新突破提出针对性建议。

目前对医学人工智能领域的研究尚停留在技术层面，缺少对行业发展的整体综合态势分析和企业层面的阐释。因此，本文对总体趋势、申请机构和技术内容进行分析，从宏观层面判定中国区域整体竞争力，从中观层面比较国内主要研发机构实力，从微观层面深入到技术领域发掘我国医学人工智能的技术特点。

1 数据来源

专利数据来自国家知识产权局专利检索与分析系统。检索式为：(申请日<=20190530 AND IPC分类号=(A61) ) AND( ( 复合文本=(自然语言处理) OR 复合文本=(计算机视觉) OR 复合文本=(深度学习) OR 关键词复合文本=(人工智能) OR 复合文本=(智能搜索) OR 复合文本=(语音识别) OR 复合文本=(图像识别) OR 复合文本=(语义检索) OR 复合文本=(文本分析) OR 复合文本=(虚拟助手) OR 复合文本=(预测分析) OR 复合文本=(视觉搜索) OR 复合文本=(智能系统)))，截止时间为2019年5月30日，共获取有效专利854件。由于专利公开日期滞后，2018年数据存在部分遗漏。

2 专利态势分析

2.1 专利数量趋势

对检索到的专利数据进行统计分析(图1)。

图1 专利数量变化趋势

2010年之前，医学人工智能技术相关专利数量较少；2010年开始有所发展，相较于前一个阶段，专利数量增多，说明人工智能技术在医学领域的发明创造活动和专利申请近年来开始活跃，但仍未有实质性突破；2012年开始专利数量增幅较大，特别是2017年的专利数量是2012年专利数量的1.68倍，短短几年的发展让人瞩目，显示出医学领域对人工智能新技术的兴趣和需求。

2.2 技术生命周期

在专利技术发展的不同时期，专利的申请量与申请人数存在一般性、周期性规律。通过分析专利技术所处的阶段，可以预测该项技术未来的发展方向[7]。根据专利申请量、专利类型和申请人数在时间上的变化规律，专利生命周期在理论上可划分为萌芽期、发展期、成熟期和衰退期4个阶段。每个阶段的特征见表1。

本文采用国内学者常用的曲线图法分析判断医学人工智能领域所处的生命周期，从专利申请数量和申请人数2个指标构建曲线图(图2)。

2011年以前为技术萌芽期，领域内专利申请数量和申请人数较少，发展缓慢；2012年后随着人工智能技术的发展和应用，激发了医学人工智能领域专利的大量产出，进入技术发展期。该阶段基础发明在横向和纵向齐头并进[8]，技术得到进一步完善，更加适应市场需求，参与合作的企业增多。从医学人工智能行业来看，从萌芽期开始参与的企业，此时已积累了一定的实践经验，后续会利用这些经验和资源深入研发以实现技术突破。对于新入行企业，在市场和利益的驱使下也会进行相关研发活动，从而推动整个医学人工智能行业的技术发展。由于世界主要国家专利公开时间以及所选用数据库本身数据的纳入和加工有一定的时间差(如国内的专利从申请到公开大概有18个月的时间间隔)，很多在2018年申请的专利信息无法检索到，所以会出现图2中下降的假象。由于目前医学人工智能技术处于发展期，未来专利申请数量仍然会继续增加，各创新主体之间的竞争将会更加激烈。

图2医学人工智能专利技术生命周期

2.3 国内专利申请分布

从检索到的所有专利中筛选出国内专利，并按照省市进行分类和计算占国内专利总数的比例(表2)。

表2显示，广东、北京、江苏、浙江、天津5省市申请量接近专利总量的一半。

其中广东省申请数量最多(达105件)，是因为这里有具有很强研究实力的华南理工大学、广州绿松生物科技有限公司、深圳先进技术研究院等；其次是北京(达69件)，是因为北京拥有众多科研院所、高校以及高新技术企业，如清华大学、中科院等研究机构均有专利申请。

以上地区专利申请数量位居前列，一方面是该地区的重点大学、科研院所较多；另一方面是这些地区经济发达，许多国内本行业的领头企业坐落于此。省市政府对于知识产权的重视和政策鼓励也促进相关研究开展。

医学人工智能是涉及学科较多、技术复杂度较高的领域，前期研发并不能完全依靠企业自身，需要国家和有关部门的引导和扶持。

表2 国内主要地区医学人工智能专利申请数量

3 主要申请人竞争态势分析

采用专利组合分析法对申请人的竞争态势进行分析。专利组合分析法从专利质量和专利活动两个维度分析申请人的专利竞争实力，据此识别技术领导者、潜在技术竞争者、技术活跃者和技术落后者(图3)。其中，专利活动指创新主体在某领域的专利申请量，专利质量主要通过有效专利占有率、技术范围、国际范围、权利要求量4个指标的均值衡量。各指标内涵[9]见表3。

分析主要申请人专利指标计算结果(表4、图4)发现，皇家飞利浦电子股份公司属于技术领导者，在专利质量和专利数量上遥遥领先其他申请人；东芝医疗系统株式会社属于潜在技术竞争者，专利数量相对较少但质量较高；清华大学、京东方科技集团等属于技术活跃者，专利数量较多但质量有待提升。在同族专利规模和权利要求数量方面，我国主要专利申请人普遍低于外国来华公司。皇家飞利浦电子股份公司同族专利平均数量为8.68，我国申请人最大同族专利平均数仅为2.73，与外国来华公司还有一定差距。在权利要求平均数量上，东芝医疗系统株式会社最大为18.13，我国申请人中权利要求平均数最低的仅有7.27，差距明显。其中京东方科技集团股份公司相对比较突出，权利要求平均数量为15.18，值得我国其他专利申请人借鉴学习。

图3 专利组合分析二维矩阵

专利指标指标内涵专利活动(PAiF)申请人专利申请数量/该领域申请人专利申请数量最大值有效专利占有率(Q1)申请人在该领域的有效专利占有率/该领域申请人有效专利占有率最大值技术范围(Q2)申请人在该领域申请专利的IPC总量/该领域申请人申请IPC总量最大值国际范围(Q3)申请人同族专利平均数量/该领域申请人同族专利平均数量最大值权利要求量(Q4)申请人在该领域专利说明书中权利要求的平均数量/该领域专利要求数量最大值平均专利质量(PQiF)Q1至Q4的平均值

表4 主要申请人指标

图4主要申请人专利竞争力对比

4 专利技术分析

4.1 技术IPC申请趋势

IPC分类号分为部、大类、小类、大组和小组，可以进行技术领域的区分。

本文选取IPC分类号中的小类进行分析(图5)，通过分析发现医学人工智能领域的专利技术主要分布在A61B(诊断外科)、A61H(理疗装置)、A61N(电磁疗、放射疗和超声波疗)、G06F(电数据处理)和B25J(装有操作装置的容器)等小类。从年度申请趋势上来看，A61B申请量始终遥遥领先其他小类，从2012年开始A61H申请量虽有波动但始终位于第二位。

图5 IPC号年度申请趋势

4.2 技术热点分析

国际专利分类号标注了专利的所属类别，专利数量体现了技术的热门程度。表5显示，识别图形、图像分析以及数字计算和数据处理等专利数量较多，是专利申请的热点，电磁共振或核磁共振、放射诊断仪器和用于诊断目的的测量等是专利申请中关注度较高的基础技术。此外，医学人工智能领域学者还较为关注基因治疗、诊断方法或仪器以及用户与计算机交互的输入/输出等。

表5 我国医学人工智能领域热门技术

对上述统计的专利申请书中权利要求和说明书进行分析，发现技术点比较分散，但也存在一些频率较高的词汇，如深度循环神经网络、图像识别、图像分析等。此外，与医学影像技术相关的磁共振重建、三维重建和断层成像等技术也是我国医学人工智能行业研发的重要方向。医学影像学包括医学成像系统和医学图像处理两个相对独立的研究方向，两个方向的专利研发活动齐头并进，如涉及医学成像的热消融区域识别成像、激发荧光断层成像和自然图像随机森林成像，以及涉及医学图像处理的腔镜视像增强、矢状位图像处理和数字血管造影图像中分割血管数据等词汇均有相关的专利申请。

5 结论与建议

5.1 我国医学人工智能领域现状

通过对我国医学人工智能领域整体态势进行分析，可以了解该领域在我国的发展现状。

5.1.1 专利活跃度高，关注实践应用

我国在该领域的发展具有一定优势。目前医学人工智能技术处于技术发展阶段，研发活动多，属于技术活跃者。相较已进入技术成熟期的日、欧、美等国家，我国的专利活跃度保持较高水平，每年专利公开数量在全球所占比例不断攀升。从技术内容看，我国专利技术关注实践应用，特别是人工智能技术在医学影像学中的应用，聚焦视像处理、数据计算和核磁共振等分支研究，同时兼顾诊断测量、检测方法和系统的创新等。

5.1.2 技术垄断程度高，核心专利欠缺

我国在该领域也存在不容忽视的劣势。专利技术垄断使我国难以发展核心技术，对基础研究重视不够导致基础专利缺乏。我国虽然专利数量相对较多，但质量一般，如被引频次少、基础专利少等。究其原因是我国科研机构基础研究水平低，产学研协同化生产不足，企业等研发主体参与度不够。

5.2 建议

5.2.1 学科交叉，构建“1+N”研究格局

在技术研发方面，努力打造“1+N”的基础研究技术格局，即以重点攻破1～2个技术点为主，以此带动外围相关专利技术为辅。基于我国医学人工智能领域基础研究有所欠缺，而且是投入多、风险高和研发周期长的产业，短时间无法实现所有技术点齐头并进，采取这种措施符合现阶段发展规律。可以从医学影像学的人工智能入手，围绕图像识别、人机交互和数据处理等找寻突破点。在研究方式上采用交叉学科的研究方法，组织影像学、计算机科学和数据通信等不同学科的人员进行学术交流，协同研发。

5.2.2 打破垄断，完善专利布局

在专利申请方面，一旦具备技术条件就尽可能着手国内的专利布局。现阶段跨国公司已在我国进行专利布局，虽未形成全面的专利网络，但对我国研发活动产生不小影响。因此，应鼓励高校科研机构和企业尽快将研发成果转化为专利，搭建医学人工智能领域的专利保护群。为应对国外申请人在我国申请核心专利的窘境，研发人员可从方法优化、材质替换等渠道进行核心专利的外围专利布局，尽量规避核心专利对我国技术研发的干扰。同样，研发人员要认真分析和学习国外核心专利，开拓思路，一旦技术条件成熟就进行海外的专利布局。

5.2.3 加强引导，营造宽松研发氛围

在专利市场环境方面，政府及相关部门应加强引导，切实解决我国医学人工智能产业化程度低和研发效率不尽人意的局面。搭建中西部和沿海地区的沟通桥梁，鼓励中西部高校和企业向沿海地区学习，积极开展研发活动，尤其要重视基础研究，营造良好的创新研发氛围。具体措施如建立知识产权联盟、财政补贴和政策利导等，进一步提升我国的专利质量和数量，最终实现提高我国专利竞争力的目标。