異議申立番号 異議2022-700412
特許権者 株式会社元気広場(代理人 弁理士2名)
特許異議申立人 株式会社 Keynote
特許第6968458号発明「機能改善支援システム、および機能改善支援装置」の特許異議申立事件について、次のとおり決定する。
結 論
特許第6968458号の請求項1~2に係る特許を取り消す。
理 由
1 手続の経緯
特許第6968458号の請求項1~2に係る特許(以下「本件特許1」「本件特許2」といい、両者をまとめて「本件特許」という。)についての出願(特願2020-116283号。以下、「本件特許に係る出願」という。)は、令和元年8月8日の特許出願である特願2019-146110号の一部を同2年7月6日に新たな特許出願としたものであり、同3年10月29日にその特許権の設定登録がされ、同年11月17日に特許掲載公報が発行された。
本件特許異議の申立ての経緯は、次のとおりである。
令和4年5月11日 : 特許異議申立人株式会社Keynoteによる本件特許に対する特許異議の申立て
令和4年6月30日付け : 取消理由通知書(同年7月5日発送)
なお、取消理由の通知に対する応答期間内に特許権者は応答しなかった。
2 取消理由の概要
(1)取消理由1
本件特許は、特許請求の範囲の「学習済みモデル」に係る記載の不備のため、特許法第36条第6項第1号に規定する要件を満たしていない特許出願に対してされたものである。
(2)取消理由2
本件特許は、明細書の発明の詳細な説明の「学習済みモデル」に係る記載の不備のため、特許法第36条第4項第1号に規定する要件を満たしていない特許出願に対してされたものである。
3 当審の判断
(1)取消理由1について
ア 本件特許1について
(ア)本件特許に係る出願の請求項1の記載は、次のとおりである。(なお、下線は便宜上、合議体が付したものである。)
「【請求項1】
カメラを内蔵した端末装置と、
ユーザの動作に関連する所定の機能の改善を支援する機能改善支援装置とを備え、
前記端末装置は、前記カメラにより前記所定の機能に対応した動作を行う対象ユーザを撮影することにより得られる動画像データを前記機能改善支援装置に送信し、
前記機能改善支援装置は、
前記端末装置から前記動画像データを取得し、
学習済みモデルに基づいて、取得した前記動画像データから、前記動画像データが示す動作に関連する前記所定の機能を改善するための運動プログラムを決定し、
決定した前記運動プログラムの内容を示す情報を前記端末装置に提供し、
前記学習済みモデルは、前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラムに基づいて機械学習され、前記動画像データに対応する前記運動プログラムの識別情報を出力するモデルであり、
前記所定の機能は、片脚立位保持、座位保持、両脚立位保持、及び歩行の少なくとも1つを含む、
機能改善支援システム。」
この請求項1の記載のうち、「学習済みモデルに基づいて、取得した前記動画像データから、前記動画像データが示す動作に関連する前記所定の機能を改善するための運動プログラムを決定し」及び「前記学習済みモデルは、前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラムに基づいて機械学習され、前記動画像データに対応する前記運動プログラムの識別情報を出力するモデルであり」との記載によれば、「学習済みモデル」は、「取得した前記動画像データ」から「前記動画像データが示す動作」に「関連」する「所定の機能」を「改善するため」の「運動プログラム」の「決定」の際に用いられるものであるとともに、「前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラムに基づいて機械学習され、前記動画像データに対応する前記運動プログラムの識別情報を出力するモデル」である。
(イ)これに対し、本件特許に係る出願の発明の詳細な説明において、「学習済みモデル」について、次のとおり記載されている。(なお、下線は便宜上、合議体が付したものである。)
「【0052】再び図3を参照して、特徴量抽出部24は、画像データ取得部23から、画像データ取得部23が取得した動画像データを受け、動画像データから所定の機能に関連する特徴量を抽出する。所定の機能とは、ユーザの動作に関連する機能であり、例えば、「寝返り・起き上がり」、「立ち上がり」、「着座」、「しゃがみ込み」、「側方跨ぎ」、「片脚立位保持」、「座位保持」、「両脚立位保持」、「歩行(1周期)」の9項目が含まれるものとする。
【0053】特徴量抽出部24は、9つの各動作について、動作ができているか否かを判定するための1以上の動作の指標を評価し、評価の結果を特徴量とする。例えば、動作「寝返り・起き上がり」を判定するための指標には「頸部屈曲」、「肩甲帯前方突出&リーチ」、「体軸内回旋」、「体幹拳上」と呼ばれる4つの指標が存在する。また、動作「立ち上がり」を判定するための指標には「体幹前傾」、「円滑な体幹前傾」、「体幹と下肢の協調的な進展」と呼ばれる3つの指標が存在する。各指標の評価は、例えば、「十分」および「不十分」の2段階とする。
【0054】具体的には、特徴量抽出部24は、各動作を対象ユーザ50が実際に行った動画像データに基づいて、対象ユーザ50の関節位置を含む関節等位置を推定し、関節等位置の動きを推定する。ここで、関節等位置は、関節位置を含む。なお、関節等位置は、関節位置の他、鼻の位置、頭の位置、胸骨の位置等の対象ユーザ50の骨格を規定する位置を含んでいてもよい。関節等位置の推定には、ディープニューラルネットワークなどにより構成される学習済みモデル29bを使用する。この学習済みモデル29bは、画像データと関節等位置との組を学習データとして、ディープニューラルネットワークのパラメータを、ディープラーニングにより機械学習することにより得られる。これにより、画像データを入力とし、関節等位置を出力する学習済みモデル29bが得られる。学習済みモデル29bは、事前に記憶部29に記憶されているものとする。特徴量抽出部24は、記憶部29から学習済みモデル29bを読み出し、読み出した学習済みモデル29bに対象ユーザ50の動画像データを入力することにより、対象ユーザ50の最も確率の高い関節等位置を、動画像データごと、または動画像データを構成する画像データごとに推定する。なお、特徴抽出部24は、さらに、上記動画像データに基づいて、対象ユーザ50の関節等位置を結ぶ補助線の動きを推定してもよい。
【0055】次に、特徴量抽出部24は、推定した関節等位置の動きに基づいて、対象ユーザ50の各指標の評価を行う。指標の評価には、ディープニューラルネットワークなどにより構成される学習済みモデル29cを使用する。この学習済みモデル29cは、関節等位置の動き(動画像データを構成する各画像データにおける関節等位置)と、画像データごとの指標の評価(十分、不十分)との組を学習データとして、ディープニューラルネットワークのパラメータを、ディープラーニングにより機械学習することにより得られる。これにより、関節等位置の動きを入力として、指標の評価を出力する学習済みモデル29cが得られる。学習済みモデル29cは、事前に記憶部29に記憶されているものとする。特徴量抽出部24は、記憶部29から学習済みモデル29cを読み出し、読み出した学習済みモデル29cに、推定した関節等位置の動きを入力することにより、対象ユーザ50の各指標について、最も確率の高い評価を得る。
【0056】特徴量抽出部24は、各指標の評価をユーザ情報29aに登録する。図4を参照して、「指標(不十分)」の欄には、不十分と評価された指標名が登録される。例えば、ユーザID「u1」の対象ユーザ50の動作「寝返り・起き上がり」については、指標「頸部屈曲」および「体軸内回旋」が不十分と評価されたことが示されている。言い換えれば、動作「寝返り・起き上がり」のその他の指標「肩甲帯前方突出&リーチ」および「体幹挙上」については十分と評価されたことを示している。なお、ユーザ情報29aには、指標ごとの評価(十分、不十分)が登録されていてもよい。
【0057】再び図3を参照して、運動プログラム決定部25は、特徴量抽出部24から特徴量(ここでは、各指標に関する評価)を受け、特徴量から、所定の機能(ここでは、動作)を改善するための運動プログラムを決定する。運動プログラムの決定には、ディープニューラルネットワークなどにより構成される学習済みモデル29dを使用する。この学習済みモデル29dは、ユーザの属性と、各動作を判定するための1以上の指標の評価と、リハビリの専門職が選定した運動プログラムの識別情報との組を学習データとして、ディープニューラルネットワークのパラメータをディープラーニングにより機械学習することにより得られる。つまり、学習済みモデル29dは、動作ごとに用意される。これにより、動作ごとに、動作を判定するための1以上の指標の評価を入力として、運動プログ
ラムの識別情報を出力する学習済みモデル29dが得られる。また、学習済みモ デル29dは、事前に記憶部29に記憶されているものとする。特徴量抽出部24は、記憶部29から対象とする動作の学習済みモデル29dを読み出し、読み出した学習済みモデル29dに、対象ユーザ50の属性と、指標に関する評価とを入力することにより、最も確率の高い、動作を改善するための運動プログラムの識別情報を得る。
【0058】例えば、運動プログラム決定部25は、対象ユーザ50の属性と、動作「寝返り・起き上がり」を評価するための4つの指標「頸部屈曲」、「肩甲帯前方突出&リーチ」、「体軸内回旋」および「体幹拳上」の評価を、動作「寝返り・起き上がり」用の学習済みモデル29dに入力する。その後、運動プログラム決定部25は、学習済みモデル29dから、動作「寝返り・起き上がり」を改善するための最も確率の高い運動プログラム識別情報(例えば、運動プログラム名)を得る。運動プログラム決定部25は、決定した運動プログラムの識別情報を情報提供部26に出力する。運動プログラム決定部25は、他の動作についても同様に運動プログラムを決定する。」
(ウ)上記(イ)によれば、発明の詳細な説明に記載された「学習済みモデル」は、「学習済みモデル29b」、「学習済みモデル29c」、「学習済みモデル29d」の3つであるところ、このうち、「学習済みモデル29b」は、「画像データ(動画像データ)を入力とし、関節等位置を出力する」ものであり、「学習済みモデル29c」は、「関節等位置の動きを入力として、指標の評価を出力する」ものであることから、いずれも、「運動プログラムの識別情報を出力」するものでなく、所定の機能を改善するための「運動プログラム」の「決定」の際に用いられるものではない。
また、「学習済みモデル29d」は、「ユーザの属性と、各動作を判定するための1以上の指標の評価と、リハビリの専門職が選定した運動プログラムの識別情報との組」を「学習データ」として「機械学習」することにより得られるものであり、「動作ごとに、動作を判定するための1以上の指標の評価を入力として、運動プログラムの識別情報を出力する」ものであることから、「運動プログラムの識別情報を出力」するものであり、所定の機能を改善するための「運動プログラム」の「決定」の際に用いられるものであるといえる。
しかし、この「学習済みモデル29d」の「学習データ」は、「ユーザの属性と、各動作を判定するための1以上の指標の評価と、リハビリの専門職が選定した運動プログラムの識別情報との組」であり、このうち「運動プログラムの識別情報」以外の「ユーザの属性と、各動作を判定するための1以上の指標の評価」は、いずれも「動画像データ」ではない。すなわち、「ユーザの属性」は、「ユーザ」の「年齢、性別、介護度、麻痺の有無などの情報」(【0047】)であって、「動画像データ」に基づくものではないし、「各動作を判定するための1以上の指標の評価」も、「動画像データ」を取得することなく学習データとして与えることが可能であるものである。段落【0057】~【0058】の記載においても、「学習済みモデル29d」が「動作ごと」に用意されるものであり、 それに伴って学習のための学習データとされる「各動作を判定するための1以上の指標の評価」を「動作ごと」に用意することが記載されているとはいえるものの、学習のための学習データとされる「各動作を判定するための1以上の指標の評価」を「動画像データ」に基づくものとすることは記載されていない。
よって、「学習済みモデル29d」は、「前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ・・に基づ」いて「機械学習」されたものとはいえない。
さらに、発明の詳細な説明の他の記載をみても、「学習済みモデル29b」、「学習済みモデル29c」、「学習済みモデル29d」以外の「学習済みモデル」は記載されていない。
(エ)してみると、請求項1には、「学習済みモデル」が、「取得した前記動画像データ」から「前記動画像データが示す動作」に「関連」する「所定の機能」を「改善するため」の「運動プログラム」の「決定」の際に用いられるものであるとともに、「前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラムに基づいて機械学習され、前記動画像データに対応する前記運動プログラムの識別情報を出力するモデル」であることが記載されているのに対して、発明の詳細な説明には、このような「学習済みモデル」が記載されていないことから、請求項1は、発明の詳細な説明に記載したものでない。
イ 本件特許2について
(ア)本件特許に係る出願の請求項2の記載は、次のとおりである。(なお、下線は便宜上、合議体が付したものである。)
「【請求項2】
ユーザの動作に関連する所定の機能の改善を支援する機能改善支援装置であって、
端末装置から、前記端末装置に内蔵されたカメラにより前記所定の機能に対応した動作を行う対象ユーザを撮影することにより得られる、前記対象ユーザの動画像データを取得し、
学習済みモデルに基づいて、取得した前記動画像データから、前記動画像データが示す動作に関連する前記所定の機能を改善するための運動プログラムを決定し、
決定した前記運動プログラムの内容を示す情報を前記端末装置に提供し、
前記学習済みモデルは、前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラムに基づいて機械学習され、前記動画像データに対応する前記運動プログラムの識別情報を出力するモデルであり、
前記所定の機能は、片脚立位保持、座位保持、両脚立位保持、及び歩行の少なくとも1つを含む、
機能改善支援装置。」
請求項2には、請求項1と同様に、「学習済みモデル」が、「取得した前記動画像データ」から「前記動画像データが示す動作」に「関連」する「所定の機能」を「改善するため」の「運動プログラム」の「決定」の際に用いられるものであるとともに、「前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラムに基づいて機械学習され、前記動画像データに対応する前記運動プログラムの識別情報を出力するモデル」であることが記載されている。
(イ)これに対して、本件特許に係る出願の発明の詳細な説明の記載は、請求項1について上記アの(イ)~(エ)に示したとおりであり、このような「学習済みモデル」は記載されていない。
(ウ)よって、請求項2は、発明の詳細な説明に記載したものでない。
ウ 小括
してみると、本件特許は、請求項1及び請求項2が発明の詳細な説明に記載したものでないから、特許法第36条第6項第1号に規定する要件を満たしていない特許出願に対してされたものである。
(2)取消理由2について
ア 本件特許に係る出願の請求項1及び請求項2の記載は、上記(1)のア(ア)及びイ(ア)に示したとおりである。また、この点に関連する本件特許に係る出願の発明の詳細な説明の記載は、上記(1)のア(イ)~(エ)に示したとおりである。
イ これらの記載によれば、請求項1及び請求項2における「学習済みモデル」(「取得した前記動画像データ」から「前記動画像データが示す動作」に「関連」する「所定の機能」を「改善するため」の「運動プログラム」の「決定」の際に用いられるものであるとともに、「前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラムに基づいて機械学習され、前記動画像データに対応する前記運動プログラムの識別情報を出力するモデル」である「学習済みモデル」)について、発明の詳細な説明には、このような「学習済みモデル」を当業者が実施するために必要な技術的事項が記載されていない。
特に、「運動プログラムの識別情報を出力するモデル」である「学習済みモデル」の「機械学習」として、「ユーザの属性」と「各動作を判定するための1以上の指標の評価」を「学習データ」とする機械学習ではなく「動画像データに基づ」く機械学習を行うことについて、その具体的態様を特定できる程度の技術的事項が記載されていないし、この点は、発明の詳細な説明において記載を省略できる程度の周知技術ないし技術常識であるとも認められない。
すなわち、上記(1)ア(ウ)に示したように、発明の詳細な説明に記載された「学習済みモデル」は、「学習済みモデル29b」、「学習済みモデル29c」、「学習済みモデル29d」の3つであるところ、いずれも、「前記所定の機能に対応した動作ごとに、当該動作を行う複数のユーザについて取得された前記動画像データ、および各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラム」に基づく「機械学習」がなされたものでない(「学習済みモデル29b」と「学習済みモデル29c」についても、いずれも、「運動プログラムの識別情報を出力」するものでないことから、「・・・各ユーザが実行した当該動作に関連する前記所定の機能を改善するための運動プログラム」に基づく「機械学習」がなされたものでないことが明らかである。)。
そして、上記(1)ア(イ)に示した発明の詳細な説明の記載は、「運動プログラムの識別情報を出力するモデル」である「学習済みモデル」について、「ユーザの属性」と「各動作を判定するための1以上の指標の評価」を含む「ユーザの属性と、各動作を判定するための1以上の指標の評価と、リハビリの専門職が選定した運動プログラムの識別情報との組」を「学習データ」として機械学習された「学習済みモデル29d」を前提として記載しており、他の記載を含め発明の詳細な説明においては、「運動プログラムの識別情報を出力するモデル」として「学習済みモデル29d」以外のものを用いる技術は記載されていない。
ウ 小括
以上を踏まえれば、本件特許に係る出願の発明の詳細な説明は、「運動プログラムの識別情報を出力するモデル」である「学習済みモデル」の「機械学習」として、「ユーザの属性」と「各動作を判定するための1以上の指標の評価」を「学習データ」とする機械学習ではなく「動画像データに基づ」く機械学習を行うことについて、当業者が実施するために必要な技術的事項を記載したものでないから、本件特許は、発明の詳細な説明が特許法36条第4項第1号に規定する要件を満たしていない特許出願に対してされたものである。
4 むすび
以上のとおり、本件特許は、特許請求の範囲及び発明の詳細な説明が特許法36条第6項第1号及び同条第4項第1号に規定する要件を満たしていない特許出願に対してされたものであり、同法113条第4号に該当し、取り消されるべきものである。
よって、結論のとおり決定する。
令和4年10月27日
審判長 特許庁審判官 佐藤 智康
特許庁審判官 相崎 裕恒
特許庁審判官 中野 浩昌
(行政事件訴訟法第46条に基づく教示) この決定に対する訴えは、この決定の謄本の送達があった日から30日(附加期間がある場合は、その日数を附加します。)以内に、特許庁長官を被告として、提起することができます。
出典:特許庁「審決公報」(令和5年1月27日発行・号数2023-001、公報発行サイト https://www.gazette.jpo.go.jp/scciidl010 )を加工して作成(加工:TaiLexi AI)
本文は公表資料(PDF 等)から機械的に抽出・整形したもので、改行や記号に誤りを含むことがあります。正確な文言は原本でご確認ください。