关键要点
许可可根据不同的应用领域进行结构化安排，从而同时促成多项合作。
按地理区域或市场细分进行的使用领域许可，既能达成资源有限地区的公共卫生目标，又能实现高收入市场的商业目标。
通过制定兼顾不同模式（例如包括差别定价承诺在内的获取模式）的知识产权战略，可对人工智能驱动的健康创新的获取加以支持。
在对外许可的同时开发内部产品的双轨战略，可能比单一模式更具稳定性。
基于云的交付方式可在保护核心技术的同时，实现向卫生系统的广泛部署。
知识产权许可战略中的新兴模式表明，人工智能驱动的健康创新者可以如何支持那些既能促进商业可行性又能实现公共卫生目标的路径。
2.1 使用领域许可和并行合作
人工智能驱动的健康创新者提供一个重要经验是，许可可以针对不同的应用领域或地理区域进行结构化安排，从而使多项合作能够同时推进、互不冲突。这种方法被称为“使用领域许可”，允许专利权人针对同一项基础技术授予不同用途的许可。例如，分别就传染病检测、癌症筛查和心血管评估等用途，对诊断类人工智能算法授予许可。
通过按治疗领域、地理区域或市场细分（例如高收入国家或中低收入国家）对权利进行细分，创新者可以与最有能力服务不同人群或应对不同健康挑战的组织建立合作。这既最大限度地扩大了技术的覆盖范围，又增强了其影响力，同时还能创造多元化的收入来源，可为持续研发提供支持。从全球卫生角度来看，创新者能够针对不同人群和市场对许可进行差异化安排，是一项重要工具。使用领域许可有助于在资源有限的地区与当地制造商或分销商建立量身定制的合作关系，从而促进技术转让和能力建设，同时保留其他市场的商业机会。
2.2 对外许可与内部开发
将对外许可与内部产品开发相结合的战略，相比单一的许可方式，可实现更广泛的健康和商业目标。当许可方缺乏继续推进知识产权下游开发的资源时，对外许可可能是必要的，因为这为实现知识产权的价值提供了一条路径。
仅依赖内部商业化的公司可能缺乏实现广泛全球影响所需的资源或市场准入渠道。一种可同时进行对外许可和内部开发的灵活方式，使创新者既能在选定市场直接参与产品开发，又能在其他市场利用合作伙伴的专门知识、基础设施和当地知识。对于应对全球卫生挑战的技术，双轨战略使企业既能推进市场商业化以创造收入、推动运营，又能同时与公共卫生组织或仿制药生产商合作，将技术应用于资源匮乏地区。
2.3 基于云的交付作为获取的推动因素
创新的部署模式，尤其是基于云的或软件即服务（SaaS）的架构，展示了科技公司如何在保护核心知识产权的同时，向技术能力各异的卫生系统进行广泛部署。通过集中托管人工智能算法、数据库或分析工具，并通过安全接口提供访问权限，创新者既能保留对专有模型和训练数据（往往作为商业秘密受到保护）的控制权，又能向最终用户提供功能。这种方式既降低了采用门槛（因为医疗机构无需投资专用硬件或维护复杂软件），又能在各类场景下实现持续更新、质量监测以及标准化性能。
从获取角度来看，基于云的交付方式有利于落实差别定价承诺。资源有限的卫生系统只需支付较低的费用，或通过补贴项目获取服务，而相同的技术在高收入市场却能产生商业收入。这一模式体现了技术架构选择如何与知识产权战略相交织，从而共同推动可持续性和获取目标的实现。然而，云交付也引发了关于数据主权、跨境数据流动、互联网连接要求、长期服务连续性以及数据服务器对环境的影响等方面的考量。这些问题是可以处理的，可能需要深思熟虑的设计选择，包括可离线使用的架构、本地数据托管方案以及透明的服务连续性承诺，从而使基于云的模式能够促进获取。
2.4 获取模式（含许可）
获取模式可能涉及许可协议，以支持创新成果在现实中切实可行的获取及效益，同时确保商业效率，兼顾下游开发条件，且不损害安全性、质量和疗效。获取模式包括基于自愿和双方协商一致的条款的许可，并可根据患者需求以及各司法管辖区的要求和独特特点进行调整。
获取模式还可包括：要求在中低收入国家实行更低价格的差别定价承诺；允许在特定情况下免收使用费的人道主义条款；可支持当地生产的分许可权；技术转让和能力建设义务；以及透明度要求。所有这些措施均旨在改善医疗应对措施的获取。可能限制获取模式承诺的因素包括设施有限、市场规模，以及创新者和专门知识，这些可能会影响下游生产和分销。
对于采用人工智能的卫生技术，获取模式可能意味着通过对许可的结构化安排，使算法能够适应当地的疾病模式；在保护专有数据集的同时共享训练方法；或者为公共卫生应用提供优惠的许可条款。这还可能包括承诺在不同人群之间共享模型性能数据、确保算法非歧视，以及支持当地审计和验证人工智能工具的能力。除了双边许可外，世卫组织和产权组织还支持知识产权许可机制，例如由国际药品采购机制（UNITAID）创立的独立公共卫生组织——药品专利池（MPP），这体现了在知识产权管理方面兼顾平衡的做法。药品专利池使专利权人能够自愿许可知识产权，从而促进医疗技术的仿制生产，包括在资源有限的地区。
这些例子表明许可方式如何兼顾多样性并关注社会影响。对于采用人工智能的卫生技术——这类技术往往涉及多层知识产权（例如算法、训练数据、软件实现和用户界面）——许可结构可以对这些要素进行拆分，为不同组件或用例提供不同的条款。通过战略性地运用知识产权，以推进创新者和全球卫生目标的实现，商业化路径便能与改善全人类健康状况的目标紧密交织。
Qure.ai于2016年在印度成立，致力于开发用于医学影像和诊断的深度学习算法。该公司尤其致力于解决中低收入国家的卫生保健缺口，在这些国家，放射科医生短缺和临床积压问题限制了及时诊断服务的获取。其旗舰产品qXR可检测胸部X光片中的异常，包括结核病（TB）、肺结节和肺炎；同时，该公司不断扩大的产品组合还涵盖用于卒中分诊的头部CT扫描人工智能辅助判读（用于中风分诊）、呼吸管插管指导以及其他急诊应用。该公司的工具已部署在非洲、美洲、亚洲和欧洲的90多个国家，每年为约1,500万名患者提供服务。仅TB筛查一项，每年就要分析多达1,000万份胸部X光片。
Qure.ai具有竞争力的地位主要依赖于监管许可、专有训练数据集以及专门针对资源有限地区开发的算法实现，而非依赖于庞大的专利组合。其最具战略价值的机密资产很可能是其精选的影像数据集——这些数据集源自西方训练数据中代表性不足的各类患者群体；应对中低收入国家常见挑战（如设备质量低劣和结核病高发）所采取的技术实现方案；以及将人工智能工具整合到资源有限的临床工作流程和移动筛查项目中的运营专门知识。
在中低收入国家，经认可机构批准的监管许可提供了独立的临床验证，这是卫生部和国际采购机构证明在全国范围内部署合理性的必要依据。对于Qure.ai无需人工判读的胸部X光结核病解决方案，截至2024年底，该公司已获得18项FDA 510(k)许可，欧盟《医疗器械法规》下的IIb类CE标志认证，以及经独立评估验证符合世卫组织结核筛查性能标准的世卫组织政策认可。该公司已从Peak XV Partners、Novo Holdings和Lightspeed India Partners等投资者处筹集约1.25亿美元，此外还获得了盖茨基金会提供的800万美元资助，这些资金用于支持其在高、中、低收入国家市场的持续扩张。
创新者应汲取的关键经验
利用当地的卫生保健需求和海量的影像数据集，可以提供一种优势。中低收入国家的卫生技术创新者能够提供具有全球相关性的诊断人工智能解决方案，在多个司法管辖区获得迭代式监管许可，并从全球战略投资者处获得资金。
监管验证（FDA、CE标志）与世卫组织规范性指导相结合，提供了市场公信力。
公共卫生合作能够实现大规模验证和部署，而仅依靠商业策略则成本较高。
混合资金的作用表明，其资金来源不仅限于私人风险资本。其中包括公共卫生项目合作、国家政府采购以及多边和双边卫生资金。
BenevolentAI是一家总部位于英国的人工智能公司，致力于将机器学习和大规模生物医学知识图谱应用于药物发现和靶点识别。该公司整合了结构化生物数据、科学文献和实验证据，以揭示此前未被认知的疾病机制和治疗靶点。自2019年以来，该公司已与阿斯利康在多个疾病领域开展合作，包括慢性肾病、特发性肺纤维化、系统性红斑狼疮和心力衰竭。该公司已识别出若干新型靶点，这些靶点已纳入阿斯利康的研究项目组合，并证明了将人工智能驱动的靶点发现技术纳入成熟的药品研发管线，具有商业可行性。
BenevolentAI的知识产权战略将保护核心平台方法的专利与对其最具竞争敏感性资产的商业秘密保护相结合。代表性专利申请（包括WO 2024236317A1和US20250022615A1）描述了通过将机器学习推理与生物医学知识图谱的结构化查询相结合，来识别和排序治疗靶点的系统。权利要求围绕应用型、系统层面的实施方式撰写，而非针对抽象算法。这既满足了欧洲专利局的技术要求，也符合美国Alice/Mayo框架中的发明概要求。它还能防止竞争对手在类似的知识图谱架构中使用不同的机器学习模型进行规避设计。
作为对这些专利的补充，该公司将其最具价值的资产作为商业秘密加以保护，其中包括整合了逾4,000万篇科学论文的专有生物医学知识图谱、记录药物靶点试验结果的精选训练数据集、已训练模型的权重以及靶点优先级排序评分函数。这种“方法申请专利、数据作为商业秘密”的方式体现了一种明确的认识：方法有可能因公开而被逆向工程。数据整理和模型训练要难复制得多。
BenevolentAI于2022年4月通过与一家特殊目的收购公司合并的方式在阿姆斯特丹泛欧交易所上市，合并估值约为20亿美元。其与阿斯利康的合作协议约定，各方可保留各自的背景知识产权，同时共同拥有通过此次合作发现的新型靶点。阿斯利康在双方商定的治疗领域拥有专有许可权；BenevolentAI则保留了平台权利，以便用于其他合作，并通过研究资金、里程碑付款和下游使用费相结合的方式获得收入。
创新者应汲取的关键经验
战略性知识产权配置可以在不泄露核心竞争优势的情况下，最大限度地提高保护力度。BenevolentAI的案例表明，审慎决定哪些创新申请专利、哪些予以保密具有价值。专利涵盖竞争对手可能复制的新型计算方法、系统集成以及算法创新。商业秘密保护训练数据、知识图谱内容和模型权重，以及无法通过逆向工程获取的靶点优先级排序启发式算法。
合作伙伴关系中的知识产权结构设计有助于实现使用领域专有性。在与阿斯利康达成的协议中，BenevolentAI授予了特定治疗领域（慢性肾病、特发性肺纤维化、系统性红斑狼疮和心力衰竭）的专有权，同时保留了用于其他适应症的平台权利。这使得能够利用同一项技术建立多个特定疾病领域的合作，从而提升平台的价值。对于人工智能与制药企业的合作而言，治疗领域专有权优于全平台专有权，因为这有助于实现多元化收入来源。
在撰写权利要求时强调架构、数据结构整合和技术改进，有助于增强其长期可执行性。BenevolentAI的专利侧重于将知识图谱与机器学习相结合的集成系统架构。这一策略在联合王国/欧洲专利局和美国的体系中颇为有效，因为这些体系允许撰写具备结构支撑的功能性权利要求。相较于范围狭窄的算法权利要求，此类权利要求的保护范围更广，更能抵御规避设计，且更有可能经受住适格性挑战。
将平台与研发管线相结合的混合商业模式，既能实现收入多元化，又能减少对任何单一来源的依赖。该公司通过将平台许可（例如授权阿斯利康使用其人工智能系统）与内部药物开发项目（如BEN-2293和BEN-8744）相结合来降低风险。
监管专有权是对知识产权的补充。BenevolentAI的临床候选药物除专利保护外，还将获得监管数据专有权。将物质组成、使用方法和制剂专利与监管专有权相结合，可将有效的市场保护期延长至20到25年，涵盖从最初发现到仿制药上市的整个过程。
CytoReason成立于2016年，总部位于特拉维夫，致力于将机器学习技术应用于大规模、标准化、多组学数据集，以重建免疫介导性疾病的细胞层面表征。其计算疾病模型（有时被称为“数字孪生”）能够生成可解读的免疫细胞相互作用图谱和疾病状态模型。在免疫学和炎症驱动性疾病领域，制药合作伙伴利用这些模型来支持靶点发现、适应症选择、患者分层以及临床应答预测。
该公司的知识产权战略将专利资产与广泛的商业秘密保护相结合。其长期竞争优势主要源于其专有生物数据集和疾病模型的规模、质量以及持续优化，而不仅仅在于其专利组合本身。CytoReason运营一个基于云的企业对企业（B2B）平台，制药合作伙伴可通过该平台利用应用程序编程接口（ API） 提交分析查询，并获得靶点推荐和生物标志物候选物等结果。底层数据集和模型架构仍属机密，并受到保护，防止被逆向工程。该架构通过合同条款得到强化，这些条款授予合作伙伴在特定治疗领域内对特定靶点或生物标志物的专有权。CytoReason保留核心平台的所有权，并拥有与不同疾病领域的其他合作伙伴开展合作的自由，从而使多项合作能够同时推进、互不冲突。
CytoReason已建立起一个强大的制药领域合作伙伴关系网络，反映出该模式的商业吸引力。该公司与辉瑞的合作于2022年扩大，其潜在总价值超过1.1亿美元，并包括一项股权投资。该公司还宣布与赛诺菲、费林制药、默克集团及其他生物制药机构展开合作，将其疾病模型应用于免疫学、炎症、肿瘤学和生殖健康相关项目中。
创新者应汲取的关键经验
B2B制药平台模式为临床部署提供了一种替代方案。采用人工智能技术的卫生健康企业，可以通过向制药研发团队提供许可，而非部署临床决策支持工具，来建立可持续的业务。
对于竞争优势源于积累的数据资产而非新颖算法的数据驱动型平台而言，商业秘密提供的保护优于专利。
使用领域专有权使多方合作模式成为可能。CytoReason同时与多家存在竞争关系的制药企业合作，在向每个合作伙伴授予特定治疗领域专有权的同时，仍保留平台所有权。
云平台架构保护商业秘密。CytoReason基于API的平台可在不暴露底层数据或模型的情况下提供分析结果，从而在保护商业秘密的同时实现变现。这与本地部署形成鲜明对比，在本地部署中，客户可以对专有方法进行逆向工程。