異議申立番号 異議2024-700401
特許権者 株式会社吉田製作所(代理人 弁理士法人磯野国際特許商標事務所)
特許異議申立人 〔氏名省略〕
特許第7373183号発明「歯科診療用の診療支援システムおよび診療支援装置」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7373183号の請求項1~14に係る特許を維持する。
理 由
1 手続の経緯
特許第7373183号の請求項1~14に係る特許についての出願は、令和元年8月2日に出願され、同5年10月25日にその特許権の設定登録がされ、同年11月2日に特許掲載公報が発行された。その後、その特許に対し、令和6年4月26日に特許異議申立人 〔氏名省略〕(以下「申立人」という。)は、特許異議の申立てを行った。
2 本件発明
特許第7373183号の請求項1~14の特許に係る発明は、それぞれ、その特許請求の範囲の請求項1~14に記載された事項により特定される次のとおりのものである。
「【請求項1】
歯科診療用の診療支援システムであって、
患者の各種状態を医院スタッフが数値化した情報を含む患者評価データを入力する入力部と、
前記患者評価データを用いて診療を支援するための診療支援情報を作成する評価演算部と、
前記評価演算部で作成した前記診療支援情報を出力する出力部と、
通信ネットワークに前記入力部および前記出力部を接続するための通信部と、を備え、
前記評価演算部は、第1のAI演算部を有し、
前記第1のAI演算部は、過去の患者評価データからアソシエーション分析を行って前記診療支援情報を作成する、
ことを特徴とする診療支援システム。
【請求項2】
歯科診療用の診療支援システムであって、
患者の各種状態を医院スタッフが数値化した情報を含む患者評価データを入力する入力部と、
前記患者評価データを用いて診療を支援するための診療支援情報を作成する評価演算部と、
前記評価演算部で作成した前記診療支援情報を出力する出力部と、通信ネットワークに前記入力部および前記出力部を接続するための通信部と、を備え、
前記評価演算部は、第2のAI演算部を有し、
前記第2のAI演算部は、支援対象の患者および他の患者の過去の患者評価データを用いて機械学習を行い、学習モデルを用いて入力された現在の前記患者評価データから前記診療支援情報を作成する、
ことを特徴とする診療支援システム。
【請求項3】
前記患者評価データは、歯科診療用の診療装置が数値化した情報を含むことを特徴とする請求項1または請求項2に記載の診療支援システム。
【請求項4】
前記通信部は、前記通信ネットワークに接続された患者が使用する患者端末、歯科診療に使用する診療装置、医院内に設置される医院内端末、医院スタッフが使用するスタッフ端末、クラウドシステム、医療関連技師が使用する技師用端末、一般病院内に設置される病院内端末、および通信販売業者が使用する通販業者端末の内の少なくとも何れか一つと通信可能である、
ことを特徴とする請求項1ないし請求項3の何れか一項に記載の診療支援システム。
【請求項5】
前記各種状態は、患者のマナー状況、患者の口腔内状況、患者の健康状態、患者の笑顔状態、患者の予約状況、患者の知識状況、保険加入状況、患者の価値観、診察状況、患者の血液の状態、患者の尿の状態、および患者の唾液の状態の内の少なくとも何れか一つを含む、
ことを特徴とする請求項1ないし請求項4の何れか一項に記載の診療支援システム。
【請求項6】
前記診療支援情報は、注意喚起、教育指導、評価レポート、評価結果、診療計画、オーラルケアグッズの紹介、診療方法、予防方法、栄養分析、食生活改善アドバイス、健康管理アドバイス、サプリメント紹介、サプリメント提供、診療情報の連携、および診療情報の共有の内の少なくとも何れか一つを含む、
ことを特徴とする請求項1ないし請求項5の何れか一項に記載の診療支援システム。
【請求項7】
前記評価演算部は、患者用の診療支援情報と医院スタッフ用の診療支援情報を作成し、
前記出力部は、患者向けおよび医院スタッフ向けに分けて出力する、
ことを特徴とする請求項1ないし請求項6の何れか一項に記載の診療支援システム。
【請求項8】
前記患者評価データおよび前記診療支援情報は、う蝕予防の評価に関連する情報であり、
前記入力部から入力される前記患者評価データは、少なくとも患者のマナー状況、口腔内状況、問診票評価、予防知識評価の一つを含み、
前記出力部から出力される前記診療支援情報は、少なくとも注意喚起、教育指導、評価レポート、評価結果、診療計画、オーラルケアグッズの紹介、診療方法の一つを含む、
ことを特徴とする請求項1ないし請求項4に記載の診療支援システム。
【請求項9】
前記患者評価データおよび前記診療支援情報は、う蝕リスクの評価に関連する情報であり、
前記入力部から入力される前記患者評価データは、少なくとも問診票評価、測定器で測定した口腔内状況の一つを含み、
前記出力部から出力される前記診療支援情報は、少なくともう蝕リスク結果、診療計画、注意喚起、教育指導、評価レポート、予防方法提案、オーラルケアグッズの紹介の一つを含む、
ことを特徴とする請求項1ないし請求項4に記載の診療支援システム。
【請求項10】
前記患者評価データおよび前記診療支援情報は、歯科診療の予約に関連する情報であり、
前記入力部から入力される患者入力評価データは、少なくとも患者のマナー状況を含み、
前記出力部から出力される前記診療支援情報は、少なくとも注意喚起、教育指導、予約確認案内、キャンセル率、マナー指数の一つを含む、
ことを特徴とする請求項1ないし請求項4に記載の診療支援システム。
【請求項11】
前記患者評価データおよび前記診療支援情報は、栄養指導に関連する情報であり、
前記入力部から入力される患者入力評価データは、少なくとも患者のマナー状況、問診票評価、予防知識評価、血液分析データ、尿分析データ、唾液分析データの一つを含み、
前記出力部から出力される前記診療支援情報は、少なくとも栄養分析、食生活改善アドバイス、健康管理アドバイス、サプリメント紹介、サプリメント提供、および教育指導の一つを含む、
ことを特徴とする請求項1ないし請求項4に記載の診療支援システム。
【請求項12】
前記患者評価データおよび前記診療支援情報は、副作用に関連する情報であり、
前記入力部から入力される患者入力評価データは、少なくとも患者が服用している薬情報、アレルギー情報、病気の情報、痴呆症の有無情報の一つを含み、
前記出力部から出力される前記診療支援情報は、少なくとも患者向け教育指導、診療情報の連携、診療情報の共有に係る情報の一つを含む、
ことを特徴とする請求項1ないし請求項4に記載の診療支援システム。
【請求項13】
前記患者端末は、前記診療支援情報および前記医院スタッフの評価を数値化した情報を入力可能な端末、または、前記診療支援情報および前記医院スタッフの良し悪しを選択して入力可能な端末である、
ことを特徴とする請求項4に記載の診療支援システム。
【請求項14】
歯科診療用の診療支援装置であって、
患者の各種状態を医院スタッフが数値化した情報を含む患者評価データを入力する入力部と、
前記患者評価データを用いて診療を支援するための診療支援情報を作成する評価演算部と、
前記評価演算部で作成した前記診療支援情報を出力する出力部と、を備え、
前記評価演算部は、第1のAI演算部および第2のAI演算部の少なくとも一方を有し、
前記第1のAI演算部は、過去の患者評価データからアソシエーション分析を行って前記診療支援情報を作成し、
前記第2のAI演算部は、支援対象の患者および他の患者の過去の患者評価データを用いて機械学習を行い、学習モデルを用いて入力された現在の前記患者評価データから前記診療支援情報を作成する、
ことを特徴とする診療支援装置。」
3 申立理由について
(1)提出された甲号証
(以下、「甲第1号証」~「甲第15号証」を「甲1」~「甲15」という。)
甲1 特開2002-224147号公報
甲2 特開2018-181106号公報
甲3 国際公開第2018/221027号
甲4 特開2018-113042号公報
甲5 医療法人社団葵会プレスリリース
甲6 国立大学法人東北大学及び株式会社NTTドコモプレスリリース
甲7 日本電信電話株式会社プレスリリース
甲8 特開2004-065438号公報
甲9 特開2014-139709号公報
甲10 特開2019-102002号公報
甲11 特開2018-200652号公報
甲12 特開2019-208831号公報
甲13 広辞苑第7版(「診療」)
甲14 広辞苑第7版(「診察」)
甲15 広辞苑第7版(「治療」)
(2)申立理由の概要
ア 申立理由1
請求項1~14に係る特許は、甲第1号証に記載された発明と甲第2号証~甲第11号証の記載事項からみて、特許法第29条第2項の規定に違反してされたものである。
イ 申立理由2
請求項2、14に係る特許は、甲第12号証に記載された発明からみて、特許法第29条の2の規定に違反してされたものである。
ウ 申立理由3
請求項1~14に係る特許は、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。
4 甲号証の記載
(1)甲1
ア「【0008】
【発明が解決しようとする課題】この発明は以上の状況をふまえてなされたもので、歯科医師及び患者の間のコミュニケーションを円滑にするとともにより良い治療計画を患者に容易に提供できる歯科医療業務支援システムを提供することを目的とする。」
「【0025】説明の便宜上、まず、本システム/方法において用いられる「歯の年齢(デンタルエージ)」及びこれを算出するための口腔内状況判定補助装置(「歯の年齢算出部」とも記すことがある)について説明する。
【0026】歯の年齢(デンタルエージ)
本発明の実施の形態による口腔内状況判定補助装置は、図1に示されるように、CPU(又はプロセッサ)10、主記憶20、補助記憶30、入力部40及び表示部50を備えている。
【0027】主記憶20は、例えば、DRAMで構成され、補助記憶30は、例えば、HDDやCD-ROMなどで構成される。また、入力部30は、例えば、キーボード及びマウスなどで構成され、表示部40は、例えば、CRTや、液晶ディスプレイなどで構成される。」
「【0031】また、本実施の形態における口腔内状況判定補助方法を実施する実施者には、予め各歯の点数を付けるために用いられる評価基準が通知されているものとする。この評価基準は、残存歯に関して歯牙組織及び歯周組織の夫々に最悪状態を5点とするようにした評価を規定したものであり、歯牙組織及び歯周組織の双方とも最悪な状態であれば、計10点が付されるものである。また、上記の評価基準においては、既失歯に対して10.7点を与えるように規定されている。
【0032】このような状態の下、まず、表示部50上に、全歯28本の各々に関する点数を入力するための入力画面が表示される(ステップS1)。この入力画面は、各歯毎に、歯牙組織及び歯周組織の夫々の点数入力欄と当該歯が既失である場合にチェックを付されるべきチェック欄とを表示してなるものである。この入力画面が表示部50上に表示されると、操作者は、上述した評価基準に従って、受診者の各歯に関する点数の入力を行う。」
「【0034】次いで、これらの各歯についての点数に基づいて歯の年齢が算出される(ステップS3)。本実施の形態においては、全ての歯について点数が入力され又はチェックが付された後に、主記憶20上に保持された各歯についての点数を読み出して、各歯に対する点数の総点数を求め、その総点数を3で割った値を歯の年齢として算出する。各歯についての点数が入力されるたびに、随時3で割り、その3で割ったものを順々に加算し、その都度、歯の年齢として算出することとしても良い。その場合であっても、本来の意の歯の年齢は、全ての歯について点数が入力された後に表示されることとなる。なお、本実施の形態においては、コンピュータシステムにおける計算を考慮して、“3”ではなく、“2.996”で割ることとした。
【0035】このようにして算出された歯の年齢は、0才から100才までの間の年齢となり、表示部50上に表示される(ステップS4)。これにより、操作者は、口腔内状況の判定をする際に有効な補助情報として、歯の年齢を知ることができる。また、病気が全く無く健康な状態であれば0才となり、全ての歯を失った状態であれば100才となるように、口の健康状態を年齢で表現したことから、表示された歯の年齢を受診者に対して通知することにより、専門知識を有しない受診者自身も、口腔内の状況についてイメージしやすいという利点もある。」
「【0039】かかる評価基準に従って各歯に点数を付すことにより、受診者の訴える症状だけでなく、医師の専門知識に基づいた判断をも反映させることができる。また、上記のような評価基準を規定したことにより、一定の診断能力と算定基準とを理解している歯科医師が点数をつけた場合には、それにより算出される歯の年齢はほぼ一定の数値になり、信頼性の高い指標を得ることができる。
【0040】かかる評価基準を有する操作者により、図4に示されるような入力画面が表示される。図4においては、上下左右の境界位置を原点とし、第1乃至第4象現に夫々左上、右上、右下、及び左下の各7本の点数入力欄が描かれている。左上の第1乃至第7の歯(第1象現)及び右上の第1乃至第7の歯(第2象現)については、上から失歯チェック用のチェックボックス、歯牙組織評価点を入力するための点数入力欄、歯周組織評価点を入力するための点数入力欄が設けられており、一方、右下の第1乃至第7の歯(第3象現)及び左下の第1乃至第7の歯(第4象現)については、下から失歯チェック用のチェックボックス、歯牙組織評価点を入力するための点数入力欄、歯周組織評価点を入力するための点数入力欄が設けられている。
【0041】図4に示されるような入力画面に対して各歯の点数を入力し又はチェックボックスへのチェックを付すことにより、上述したようにして歯の年齢が算出され、図5に示されるように、紙面右上に示される空欄に算出された歯の年齢が表示される。」
「【0048】歯科医療業務支援システム
次に、この発明の実施の形態に係る歯科医療業務支援システムについて説明する。
【0049】図7は歯科医療業務支援システム(ASP)1の利用形態の説明図であり、本システム1はコンピュータネットワーク5に接続され、利用者である歯科医院6のクライアントからデータの入力を受けるとともに、クライアント6に対してデータ処理結果を送信する。
【0050】図8及び図9はシステム1の機能ブロック図である。歯の年齢算出部11は患者のデータ(その詳細は前述した)を受けて歯の年齢を計算し、その結果を個人別口腔内状況データベース(DB)2及び歯の年齢DB3に記録するとともに、報告書作成部12及び評価グラフ生成部17に送る。個人別口腔内状況DB2は、治療を受けた患者の経年変化、例えば治療後の歯の年齢の推移のデータなどを記録する。歯の年齢DB3は、ひとりひとりの歯の年齢に基づきその平均、分散、年齢との関係などのデータを算出して記録する。歯の年齢DB3では、患者個別のデータは管理しない。
【0051】症状分析部13は、患者の口腔内データを受けてその症状を分析し、その結果を報告書作成部14及び修復方法/物検索部に送る。修復方法/物検索部15は患者の症状に基づき治療実例DB4を検索し、適切な修復方法/物を抽出し、患者に提示する。患者は提示された修復方法/物のうち自分にとって最適と思われるものを選択する。患者が選択する際に基準が必要である。修復方法/物検索部15はそのための説明・コストなどの比較情報も併せて患者に提示する。治療実例DB4は、このような比較情報、例えば修復方法/物ごとのコスト、治療後の状況、治療の実績、治療の期間、担当医師がどの修復方法/物を得意にしているかなどの情報を記録している。」
「【0053】評価グラフ生成部17は、選択された治療計画の評価するためのグラフを生成する。詳しくは後述する。」
「【0056】(1)歯の年齢算出のためのデータ入力
患者から採取したデータを、インターネット上の歯の年齢ファイルに入力し、サーバ1にアクセスすることで、患者の歯の年齢が算出される。歯科医師は、その場で患者の歯の年齢を知ることができる。入力されたデータは日本人における歯の年齢の平均的悪化傾向についての基礎データとして取り込まれ、逐次更新される。歯の年齢は歯の年齢算出部11により求められ、歯の年齢DB3に格納される。詳細な算出方法は前述した。例えば、図4、図5のようなフォーマットで逐次、例えば初診時、リコール時にデータが入力される。
【0057】(2)患者への歯の年齢の報告書出力
患者は、自らの歯の年齢がプロットされたグラフにより、自分自身の固有の生体抵抗力を知ることができる。図11の報告書出力例を示す。図11において、この患者は実年齢35歳であるが、その歯の年齢は60才である。この患者は実際の年齢よりも歯の年齢が高い。つまり、他の人たちと比較してこの患者の歯の健康状態は悪い。図11のグラフにより、この患者は日本人の平均よりも自分自身の口腔の健康状態は悪化しやすいということが容易に認知できる。
【0058】そして、今日までの管理方法を継続した場合、将来がどのように変化するかも予測できる。また、担当歯科医固有の治療結果の経年的データ(悪化率)を適用することで、患者は、この歯科医師の治療を受診するとどのように健康状態が推移するかも知ることができる(図11において、グラフB:治療しなかったときの将来予測、グラフC:治療したときの将来予測)。」
「【0060】(3)患者固有の生体抵抗力の相対的評価グラフ出力
システム1に歯の年齢のデータを入力することにより治療計画を立案する上で必ず配慮されるべき患者固有の生態抵抗力の相対的評価を入手できる。提供されるグラフは図13のようなものである。患者Aの場合、35歳で歯の年齢が65才という結果から、患者A固有の生体抵抗力は、標準偏差SD1の範囲を超えてDoubtのレベルにある。この場合、平均的日本人よりも固有の生体抵抗力は悪いと判断でき、治療計画立案にあたってはリスクを伴う歯の保存治療は避けることが望ましい。
【0061】それに対し、患者Bの場合は55歳で歯の年齢40才という結果から、標準偏差SD1の範囲を超えてGoodのレベルにある。この場合、逆に平均的日本人よりも固有の生体抵抗力は良いと判断でき、治療計画立案にあたっては、いくらかのリスクを伴う歯であったとしても積極的な保存治療を選択できる。このように、これまで歯科医師は、経験的判断に頼っていた患者固有の生体抵抗力の評価について、一定の基準における判断基準を持つことができる。」
「【0064】(5)患者への検査結果報告書出力
歯科医師は、患者に対して確実なインフォームドコンセントを行うために活用できる、口腔内の情報をわかりやすく解説した報告書をプリントアウトすることができる。
【0065】(6)治療計画立案のための治療症例検索・閲覧サービス
歯科医師は、従来の経験的判断に基づき治療方針を決定している。しかし、その長期の経過に関しては、必ずしも安定した状態であるとは言えない。ここで提供される治療症例のデータベースは、さまざまな状況に応じて対処され、安定した結果を得られた症例の記録である。この症例を参考にすることで、歯科医師はよりよい治療計画を立案するために参考となる資料を手に入れることができる。」
【図5】
〔図省略〕
【図8】
〔図省略〕
【図13】
〔図省略〕
イ 以上の記載によれば、甲1には、次のとおりの発明(甲1発明)が記載されているといえる。
(甲1発明)
コンピュータネットワークに接続され、利用者である歯科医院6のクライアントからデータの入力を受けるとともに、クライアント6に対してデータ処理結果を送信する歯科医療業務支援システム(【0049】)であって、
その歯の年齢算出部は患者のデータを受けて歯の年齢を計算し、その際、全ての歯について点数が入力され又はチェックが付された後、各歯についての点数を読み出して、各歯に対する点数の総点数を求め、その総点数を3ないし2.996で割った値を歯の年齢として算出し、その結果を個人別口腔内状況データベース(DB)及び歯の年齢DBに記録するとともに、報告書作成部及び評価グラフ生成部に送るものであり(【0034】【0050】)、
クライアントからのデータ入力は、全歯28本の各々に関する点数を入力するため、各歯毎に、歯牙組織及び歯周組織の夫々の点数入力欄と当該歯が既失である場合にチェックを付されるべきチェック欄とを表示した入力画面において、残存歯に関して歯牙組織及び歯周組織の夫々に最悪状態を5点とするようにした評価を規定した評価基準に従って受診者の各歯に関する点数の入力を行うことにより行われ(【0031】【0032】)、入力画面に対して各歯の点数を入力し又はチェックボックスへのチェックを付すことにより、歯の年齢が算出され、算出された歯の年齢が表示されることにより、操作者は、口腔内状況の判定をする際に有効な補助情報として、歯の年齢を知ることができ(【0035】【0041】)、かかる評価基準に従って各歯に点数を付すことにより、受診者の訴える症状だけでなく、医師の専門知識に基づいた判断をも反映させることができ、また、かかる評価基準を規定したことにより、一定の診断能力と算定基準とを理解している歯科医師が点数をつけた場合には、それにより算出される歯の年齢はほぼ一定の数値になり、信頼性の高い指標を得ることができるものであり(【0039】)
評価グラフ生成部は、選択された治療計画を評価するための患者固有の生態抵抗力の相対的評価を示すグラフを生成し(【0053】、図13)、
患者は、自らの歯の年齢がプロットされたグラフにより、自分自身の固有の生体抵抗力を知ることができ(【0057】)、
システムに歯の年齢のデータを入力することにより治療計画を立案する上で必ず配慮されるべき、患者固有の生体抵抗力が標準偏差SD1の範囲を超えてDoubtのレベルにある、あるいは、標準偏差SD1の範囲を超えてGoodのレベルにある等の患者固有の生態抵抗力の相対的評価を入手できるものであり(【0060】【0061】)、
歯科医師は、患者に対して確実なインフォームドコンセントを行うために活用できる、口腔内の情報をわかりやすく解説した報告書をプリントアウトすることができる(【0064】)、
歯科医療業務支援システム。
(2)甲12
ア「【0001】
本発明は、歯科分析システムおよび歯科分析X線システムに関する。」
「【0008】
そこで、本発明の主な目的は、歯科パノラマX線画像から病変箇所および病名の判定をすることで、歯科医師の判断の補助となる歯科分析システムおよび歯科分析X線システムを提供することである。」
「【0010】
(1)
一局面に従う歯科分析システムは、歯科パノラマX線画像から病変箇所を検出して病名を判定するディープラーニング部と、ディープラーニング部により特定された病変箇所および病名を歯科パノラマX線画像上に表示する表示部と、を含むことを特徴とする。
【0011】
ディープラーニング部(深層学習部)により歯科の病変箇所を検出し、さらに病変箇所の病名を判定させることができるので、歯科医師の判断の補助に有効利用することができる。さらに、病変箇所の検出および病名の特定に深層学習を用いることで、歯科の病変箇所の検出および病名の判定を高い精度で高速に行うことができる。」
「【0035】
本実施例に係る歯科分析X線システム100は、歯科パノラマX線撮影装置200と、コンピュータ300に導入された歯科分析システムとを含む。
歯科パノラマX線撮影装置200は、被検者の歯科パノラマX線画像400を撮影する。コンピュータ300は、撮影された歯科パノラマX線画像400をディープラーニング部340で分析することで、病変箇所を検出し、その病名を判定する。コンピュータ300で分析された結果は、表示部320に表示され、歯科医師の判断の補助に有効利用することができる。ディープラーニング部340の詳細は後述する。」
「【0041】
(ディープラーニング部340)
前処理部322および/または画像分割部324により加工された歯科パノラマX線画像は、コンピュータ300のディープラーニング部340によって、病変箇所の検出および病名の判定が行われる。
「ディープラーニング」とは、図7に示すように多層構造のニューラルネットワーク342(深層ニューラルネットワーク)を用いた機械学習である。また、深層学習モデルとは、その深層ニューラルネットワークの構造を示す表現である。コンピュータ300は、教師データ344を用いて、深層学習モデル(深層ニューラルネットワークの構造)の少なくとも一部の構成要素について、人手を介することなく生成し、生成された構成要素を含む深層学習モデルを出力する。
したがって、深層学習モデルは自動的に構築される。本発明では、このようにして得られたニューラルネットワーク342を用いて歯科パノラマX線画像400の分析を行うため、従来の機械学習で行われる、領域探索、特徴抽出などの工程を必要としないため、より高速に処理をすることができる。
本発明におけるディープラーニング部340のアルゴリズム(情報処理装置にインストールするプログラム)は、YOLO (You Only Look Once)、R-CNN (Regions with CNN features)、SPPnet、Fast R-CNN、SSD(Single Shot MultiBox Detector)、U-NETなどを用いることができる。
【0042】
本発明では、病変箇所の検出および病名の判定を行うことができる深層学習モデルの構築をするため、事前に教師データ344による学習を行う。
教師データ344として用いられる病変データは、齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変による病変画像を用いて学習をすることが好ましい。これにより、通常判定が難しい齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変を、ディープラーニングを用いて高い精度で検出し判定することができる。
ディープラーニング部340は、教師データ344による学習を多数行うことにより、深層学習モデルが自動的に構築される。したがって、病変箇所および病名を学習したディープラーニング部340は、画像認識などコンピュータビジョンによる一般物体検出のアルゴリズムによって、位置とカテゴリーを自動的に特定できるようになるため、歯科パノラマX線画像から病変箇所を検出して同時に病名を判定することができるようになる。」
「【0046】
(表示部320)
図5に示すように表示部320には、歯科パノラマX線画像400の分析結果460が表示される。歯科パノラマX線画像400の分析結果460は、歯科パノラマX線画像400に重ねるようにして、ディープラーニング部340によって検出された病変箇所の位置がバウンディングボックス464で表され、さらに判定された病名が文字462で表示される。分析結果460を確認することで、歯科医師は、撮影した被検者(患者)の病変箇所およびその病名を即座に知ることができる。
表示部320は、液晶ディスプレイ、プラズマディスプレイなどであってよい。また、歯科パノラマX線の画像以外の診療情報または画像と併せて表示されていてもよい。また、表示部320はX線装置の一部であってもよいし、ネットワークを介して表示するものであってもよい。
【0047】
また、表示部320に表示される病名には、判定確率をさらに表示させてもよい。これにより、歯科医師の判断の補助に有効利用することができる。
さらに、歯科医師は、分析結果460を見て被検者を診察したうえで、さらに撮影した被検者の歯科パノラマX線画像400を教師データ344としてディープラーニング部340に学習させてもよい。これを繰り返すことにより、判定確率をさらに高くすることができる。」
「【0049】
本発明の実施例として、株式会社吉田製作所製(XP-63型式)の歯科パノラマX線撮影装置200を用いて実験を行った。歯科パノラマX線撮影装置200で撮影された歯科パノラマX線画像400をコンピュータ300に取り込み、コンピュータ300において加工および分析を行った。ディープラーニング部340のシステムとしては、YOLO3 (Redmon, Joseph, et al.“YOLOv3: An Incremental Improvement” -arXiv preprint arXiv:1804.02767)を用いて歯科分析システムを構築した。YOLO3に入力する歯科パノラマX線画像400の幅は1000ピクセル以上10000ピクセル以下、高さは500ピクセル以上5000ピクセル以下に設定した。そして、畳み込み処理前に歯科パノラマX線画像400を縮小し、その倍率Rは以下のように設定した。すなわち、歯科パノラマX線画像400上の検出したい病変箇所を囲む矩形の幅Wおよび高さHの集合について、それぞれの最小値をmin Wおよびmin Hとし、最小の幅および高さのうち、小さい方の値を min(min W, min H)として、上記式(1)のように倍率Rを設定し、ディープラーニングによる学習および分析を行った。
【0050】
ディープラーニングの深層学習モデルを構築するため、あらかじめ教師データ344として齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変の病変を有する歯科パノラマX線画像400を用いて学習させた。なお、各病変の歯科パノラマX線画像400は、鼻画像および顎画像を削除(トリミング)し、コントラストを調整したうえで教師データ344として用いた。教師データ344は、齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変のそれぞれについて、11450枚、4078枚、2501枚、1085枚、2570枚の画像を利用して学習をさせた。」
イ 以上の記載によれば、甲12には、次のとおりの発明(甲12発明)が記載されているといえる。
(甲12発明)
歯科パノラマX線撮影装置とともに歯科分析X線システムに含まれる、コンピュータに導入された歯科分析システムであって(【0035】)、
歯科パノラマX線画像から病変箇所を検出して病名を判定するディープラーニング部と、ディープラーニング部により特定された病変箇所および病名を歯科パノラマX線画像上に表示する表示部と、を含み、撮影された歯科パノラマX線画像をディープラーニング部で分析することで、病変箇所を検出し、その病名を判定し、分析された結果が表示部に表示されて歯科医師の判断の補助に有効利用することができるものであり(【0010】【0035】)、
ディープラーニング部は、教師データによる学習を多数行うことにより、深層学習モデルが自動的に構築されるものであり、YOLO3を用いたものであり、YOLO3に入力する歯科パノラマX線画像の幅は1000ピクセル以上10000ピクセル以下、高さは500ピクセル以上5000ピクセル以下に設定され、畳み込み処理前に歯科パノラマX線画像が縮小されたものであり、ディープラーニングの深層学習モデルを構築するため、あらかじめ教師データとして齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変の病変を有する歯科パノラマX線画像を用いて学習させ、その際、各病変の歯科パノラマX線画像は、鼻画像および顎画像を削除(トリミング)し、コントラストを調整したうえで教師データとしたものであり(【0042】【0049】【0050】)、
表示部は、歯科パノラマX線画像の分析結果が表示されるものであり、その分析結果は、歯科パノラマX線画像に重ねるようにして、ディープラーニング部によって検出された病変箇所の位置がバウンディングボックスで表され、さらに判定された病名が文字で表示され、さらに病名に判定確率をさらに表示することにより、歯科医師の判断の補助に有効利用することができる(【0046】【0047】)、
歯科分析システム。
(3)副引例として示された各甲号証(記載の摘記は省略する。)
ア 甲2
医用情報処理装置100であって、
その処理回路150は、抽出機能152、特定機能153、予測機能154、表示制御機能155等を有し(【0012】【0019】)、
抽出機能152は、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータに基づいて、特定のバリアンスと原因との相関の強さを表す情報として、特定のバリアンスと原因となる要素との組合せである相関ルールを抽出し、その際、相関ルールと相関の強さを表す数値とのセットが複数得られるものを想定して、アソシエーション分析を用いて、相関ルールを生成するものであり(【0037】【0038】【0039】)、
特定機能153は、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータに基づいて、分析対象となる原因と関連する関連原因を特定するものであり(【0051】)、
予測機能154は、特定機能153によって特定された関連原因を改善策の候補とし、当該改善策の効果を予測するものであり(【0065】)、
表示制御機能155は、改善策の候補それぞれについて、予測機能によって予測された効果を示す情報をディスプレイに表示するものである(【0083】)、
医用情報処理装置100
が記載されている。
イ 甲3
患者の歯科診断に用いられる医療用診療装置の制御装置における人工知能部が、記憶部に記憶された過去の診断時の歯科情報(疾患画像データ、疾患情報など)を用いて機械学習または深層学習を行うことで診断基準データを更新し、この診断基準データを用いて現在の患者の口腔画像データから歯科診断に関する診断情報を作成することが記載されている。
ウ 甲4
対象者が生活習慣を継続した場合の将来の検査値を予測する比較装置において、その中央処理装置に、蓄積された対象者のデータと論文等の公知情報とを照合する人工知能(AI)が搭載されており、この人工知能(AI)を利用して生成された初期の予測関数に対して、過去に蓄積された検査データと生活習慣病を加えて追加学習させることが記載されている。
エ 甲5
う蝕等の症状の患部を検出するための歯科診断用の診断AIシステムにおいて、教師データ(患部情報)を用いて機械学習を行い、学習を重ねることで精度を向上させる仕組みを採用することが記載されている。
オ 甲6
歯周病を発見するための歯周病発見AIにおいて、機械学習を行ったモデルが採用されていることが記載されている。
カ 甲7
患者行動の「受診中断」を予測して医師の診療支援を行うためのモデルが、患者行動に関連のある特徴量をもとにした機械学習技術によって構築されることが記載されている。
キ 甲8
歯のう蝕罹患リスク評価を行うための歯のう蝕罹患リスク評価システム等において、被検者の口内から採取した検体の化学物性を測定する測定器を用いて、検体のpH及びpH緩衝能を測定し、この測定値の入力に基づいて被検者の歯のう蝕罹患リスクが評価される点が記載されている。
ク 甲9
歯科医院運営支援システムにおいて、端末装置から入力する情報に予約回数及びキャンセル回数が含まれている点や、歯科医院の業務の運営を支援する情報として、診察予約の内容を案内するショートメールや予約回数でキャンセル回数を除算したキャンセル率が出力されることが記載されている。
ケ 甲10
クリニック支援システムにて取得される歯科診療時の患者の口腔内に関する口腔データに、歯周病のレベルや治療履歴、血液に関する情報が含まれている点や、クリニック支援システムから出力される医師によるアドバイスに、患者への定期的な栄養指導や食事に関するアドバイス、サプリメントの提案、サプリメント及び薬の処方が含まれていることが記載されている。
コ 甲11
歯科医療従事者評価システムにおいて、患者が歯科医療従事者を5段階評価や10段階評価、100点法評価等で評価した評価情報が、患者側入力部によって情報端末を介して患者データベースに入力されることが記載されている。
5 理由1についての当審の判断
(以下、請求項1に係る発明を「本件発明1」という。請求項2~14に係る発明についても同様。)
(1)本件発明1について
ア 対比
甲1発明における、評価基準に従って入力される受診者の各歯に関する「点数」は、患者の状態を歯科医院のスタッフである歯科医が数値化した情報による患者の評価を示すデータであるといえるから、本件発明1の「患者の各種状態を医院スタッフが数値化した情報を含む患者評価データ」に相当し、甲1発明の歯科医院のクライアントは、本件発明1の患者評価データを入力する「入力部」であるといえる。
そして、甲1発明における、歯の年齢算出部で算出される「歯の年齢」及び評価グラフ生成部からの「患者固有の生態抵抗力の相対的評価」は、いずれも本件発明1における、「診療を支援するための診療支援情報」に相当し、甲1発明における、歯の年齢算出部と評価グラフ生成部は、これらの診療支援情報を作成するものといえる点で、いずれも、本件発明1における、「評価演算部」と共通するといえる。
さらに、甲1発明の歯科医院のクライアントは、コンピュータネットワークを介して送信される、生成された診療支援情報を出力するものであり、本件発明1の「出力部」に相当し、また、甲1発明において、本件発明1の通信ネットワークに入力部と出力部を接続するための「通信部」に相当する構成が存在することは明らかである。
以上を踏まえれば、本件発明1と甲1発明との一致点及び相違点は、次のとおりである。
<一致点>
歯科診療用の診療支援システムであって、
患者の各種状態を医院スタッフが数値化した情報を含む患者評価データを入力する入力部と、
前記患者評価データを用いて診療を支援するための診療支援情報を作成する評価演算部と、
前記評価演算部で作成した前記診療支援情報を出力する出力部と、
通信ネットワークに前記入力部および前記出力部を接続するための通信部と、を備える診療支援システム。
<相違点(相違点1)>
本件発明1の「評価演算部」は、「過去の患者評価データからアソシエーション分析を行って前記診療支援情報を作成する」ものである「第1のAI演算部」を有するのに対し、甲1発明の評価演算部は、歯の年齢算出部と患者固有の生態抵抗力の相対的評価を作成する評価グラフ生成部であって、「過去の患者評価データからアソシエーション分析を行って前記診療支援情報を作成する」ものである「第1のAI演算部」を有しない点
イ 相違点の判断
(ア)甲1発明における、歯の年齢や患者固有の生態抵抗力の相対的評価は、過去の患者評価データに基づくアソシエーション分析を要することなく算出し作成することが可能なものである。このことに鑑みれば、甲1発明における評価演算部を「過去の患者評価データからアソシエーション分析を行って前記診療支援情報を作成する」ための構成を有するものとすることは動機付けられず、むしろ阻害される。
また、甲2記載事項は、上記4(3)アのとおり、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータに基づいて、特定のバリアンスと原因との相関の強さを表す情報として、特定のバリアンスと原因となる要素との組合せである相関ルールを抽出し、その際、相関ルールと相関の強さを表す数値とのセットが複数得られるものを想定して、アソシエーション分析を用いて、相関ルールを生成するものである。そして、この甲2記載事項を、クリニカルパスに沿って診療行為が実施されることを想定していない甲1発明と組み合わせることはできない。
(イ)申立人は、甲2には、医用情報処理装置における処理回路が、相関のある要素の組合せである相関ルールを抽出する抽出機能を有し、この抽出機能が、実績データ等から、公知の分析手法であるアソシエーション分析を行うことで、診療計画に関する改善策を作成する点が記載されている等と主張している。
しかし、甲2記載事項は、クリニカルパスに沿って診療行為が実施されることを前提として、クリニカルパスで発生したバリアンスに関するデータに基づいて相関ルールを抽出するにあたってアソシエーション分析を用いるものであり、クリニカルパスに沿って診療行為が実施されることを前提としていないものに適用可能な技術を開示するものでなく、(ア)のとおり、甲2記載事項を、クリニカルパスに沿って診療行為が実施されることを想定していない甲1発明と組み合わせることはできない。よって、申立人の主張を採用することはできない。
また、申立人の提出する甲3~甲11は、いずれも、相違点1に係る技術事項を開示するものといえず、これらを考慮しても相違点1について容易想到であるといえない。
ウ 小括
以上によれば、本件発明1は、甲1~甲11に基づいて、当業者が容易に発明をすることができたものとはいえない。
(2)本件発明2について
ア 対比
本件発明2は、上記(1)アの一致点とした点において本件発明1と共通しており、上記(1)アを踏まえれば、本件発明2と甲1発明との一致点及び相違点は、次のとおりである。
<一致点>
歯科診療用の診療支援システムであって、
患者の各種状態を医院スタッフが数値化した情報を含む患者評価データを入力する入力部と、
前記患者評価データを用いて診療を支援するための診療支援情報を作成する評価演算部と、
前記評価演算部で作成した前記診療支援情報を出力する出力部と、通信ネットワークに前記入力部および前記出力部を接続するための通信部と、を備える診療支援システム。
<相違点(相違点2)>
本件発明1の「評価演算部」は、「支援対象の患者および他の患者の過去の患者評価データを用いて機械学習を行い、学習モデルを用いて入力された現在の前記患者評価データから前記診療支援情報を作成する」ものである「第2のAI演算部」を有するのに対し、甲1発明の評価演算部は、歯の年齢算出部と患者固有の生態抵抗力の相対的評価を作成する評価グラフ生成部であって、「支援対象の患者および他の患者の過去の患者評価データを用いて機械学習を行い、学習モデルを用いて入力された現在の前記患者評価データから前記診療支援情報を作成する」ものである「第2のAI演算部」を有しない点
イ 相違点の判断
甲1発明における、歯の年齢や患者固有の生態抵抗力の相対的評価は、支援対象の患者および他の患者の過去の患者評価データを用いた機械学習を要することなく算出し作成することが可能なものである。このことに鑑みれば、甲1発明における評価演算部を「支援対象の患者および他の患者の過去の患者評価データを用いた機械学習」のための構成を有するものとすることは、動機付けられず、むしろ阻害される。
また、上記4(3)イのとおり、甲3には、(申立人主張のとおり、)患者の歯科診断に用いられる医療用診療装置の制御装置における人工知能部が、記憶部に記憶された過去の診断時の歯科情報(疾患画像データ、疾患情報など)を用いて機械学習または深層学習を行うことで診断基準データを更新し、この診断基準データを用いて現在の患者の口腔画像データから歯科診断に関する診断情報を作成することが記載されているといえるが、甲3記載事項における機械学習のためのデータとなる「歯科情報」は「疾患画像データ、疾患情報など」であって、甲3は、患者の各種状態を医院スタッフが数値化した情報を含む患者評価データを用いた機械学習を想定した技術を開示していない。よって、甲1発明に甲3記載事項を組み合わせることができたとしても、本件発明2の「第2のAI演算部」に想到するといえない。
また、申立人の提出する甲2、甲4~甲11は、いずれも、相違点2に係る技術事項を開示するものといえず、これらを考慮しても相違点2について容易想到であるといえない。
ウ 小括
以上によれば、本件発明2は、甲1~甲11に基づいて、当業者が容易に発明をすることができたものとはいえない。
(3)本件発明3~13について
請求項3~13は、いずれも請求項1又は請求項2を引用する請求項であり、本件発明3~13と甲1発明とを対比すると、上記(1)の相違点1又は上記(2)の相違点2のいずれかにおいて相違する。
そして、相違点1及び相違点2については、上記(1)イ及び上記(2)イに示したとおり、容易想到であるとはいえないから、本件発明3~13についても、甲1~甲11に基づいて、当業者が容易に発明をすることができたものではない。
(4)本件発明14について
本件発明14と甲1発明とを対比すると、上記(1)の相違点1又は上記(2)の相違点2で相違するといえ、これらの相違点1又は相違点2については、上記(1)イ及び上記(2)イに示したとおり、容易想到であるとはいえないから、本件発明14は、甲1~甲11に基づいて当業者が容易に発明をすることができたものではない。
(5)小括
以上のとおり、本件発明1~14は、いずれも、甲1~甲11に基づいて、当業者が容易に発明をすることができたものではないから、申立理由1は、理由がない。
6 理由2についての当審の判断
(1)本件発明2について
ア 本件発明2と甲12発明とを対比する。
(ア)甲12発明の「歯科パノラマX線画像の分析結果」は、歯科医師の判断の補助に有効利用することができるものであり、本件発明2の「診療支援情報」に相当し、甲12発明の「表示部」は、本件発明2の診療支援情報を出力する「出力部」に相当し、甲12発明の「コンピュータに導入された歯科分析システム」は、この出力部を備える「歯科診療用の診療支援システム」である点で、本件発明2と共通するといえる。
また、甲12発明は、歯科パノラマX線撮影装置で撮影された歯科パノラマX線画像をディープラーニング部で分析して診療支援情報である分析結果を得るものであることから、このディープラーニング部は、「AI演算部」を有する「評価演算部」に対応するものといえる。そして、甲12発明のディープラーニング部における教師データとなる、齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変の病変を有する歯科パノラマX線画像は、診療支援情報の作成のために入力される患者データであるとともに、支援対象患者及び他の患者の過去のものが機械学習を行うために用いられる患者データでもあることから、、本件発明2の「患者の各種状態を医院スタッフが数値化した情報を含む患者評価データ」と、「患者データ」である点で共通するものといえる。
これらを踏まえれば、本件発明2と甲12発明との一致点及び相違点は、次のとおりである。
<一致点>
歯科診療用の診療支援システムであって、
患者データを入力する入力部と、
前記患者データを用いて診療を支援するための診療支援情報を作成する評価演算部と、
前記評価演算部で作成した前記診療支援情報を出力する出力部と、
を備え、
前記評価演算部は、第2のAI演算部を有し、
前記第2のAI演算部は、支援対象の患者および他の患者の患者データを用いて機械学習を行い、学習モデルを用いて入力された現在の前記患者データから前記診療支援情報を作成する、
ことを特徴とする診療支援システム。
<相違点>
(相違点A)
患者データが、本件発明2では、「患者の各種状態を医院スタッフが数値化した情報を含む患者評価データ」であるのに対し、甲12発明では歯科パノラマX線画像である点
(相違点B)
本件発明2は「通信ネットワークに前記入力部および前記出力部を接続するための通信部」を備えているのに対し、甲12発明はこれを備えていない点
(イ)申立人は、相違点Aは一致点である旨を主張している。
しかし、甲12発明の歯科パノラマX線画像は、幅が1000ピクセル以上10000ピクセル以下、高さが500ピクセル以上5000ピクセル以下に設定され、鼻画像および顎画像を削除(トリミング)してコントラストを調整したものではあるものの、患者の状態の評価を経たものでないことから、「患者の各種状態を医院スタッフが数値化した情報を含む患者評価データ」に相当するものとはいえない。
よって、相違点Aを一致点とすることはできない。
イ 相違点の判断
事案に鑑み、相違点Aについて検討する。
甲12発明は、「歯科パノラマX線画像の分析結果」を診療支援情報とするものであるから、患者データが歯科パノラマX線画像であることは必須であり、これを「患者の各種状態を医院スタッフが数値化した情報を含む患者評価データ」に変更することはできない。
このことから、相違点Aは実質的な相違点であり、この点を実質同一と判断することはできない。
(2)本件発明14について
本件発明14と甲12発明とを対比すると、上記相違点A及び相違点Bにおいて相違しており、相違点Aを一致点とすることができず、実質的な相違点であって実質同一とすることができないことは、上記(1)に示したとおりである。
(3)小括
以上のとおり、本件発明2、14は、いずれも、甲12に記載された発明と同一であるとも実質同一であるともいえないから、申立理由2は、理由がない。
7 理由3についての当審の判断
(1)発明の詳細な説明の段落【0041】~【0097】の第1実施例~第5実施例についての記載からみて、発明の詳細な説明は、当業者が本件発明1~14の実施をすることができる程度に明確かつ十分に記載したものであるといえる。
(2)ア 申立人は、本件発明1~14は、「アソシエーション分析を行って」又は「機械学習を行い、学習モデルを用いて」、「診療を支援するための診療支援情報」を作成し、この「診療支援情報」を用いて「治療の質を向上させることができる」ものであり、このような「診療支援情報」は、「アソシエーション分析を行って」又は「機械学習を行い、学習モデルを用いて」作成されるものであって、少なくとも「治療」を支援し、「治療の質」を向上させることができるものであるはずである旨、「診療支援情報」が従来の歯科医による「注意喚起、教育指導、評価レポート、評価結果、診療計画、オーラルケアグッズの紹介、診療方法、予防方法、栄養分析、食生活改善アドバイス、健康管理アドバイス、サプリメント紹介、サプリメント提供」等と比較して、どのように異なり、どのように治療の質を向上させることができるのか、具体的構成が何ら記載されていない旨等を指摘して、本件発明1~14が「診療を支援することによって治療の質を向上させることができる」という課題をどのように解決しているのか、不明であるとして、実施可能要件違反である旨を主張している。
イ 申立人の主張は、本件発明1~14の「診療支援情報」が従来の歯科医による「注意喚起、教育指導、評価レポート、評価結果、診療計画、オーラルケアグッズの紹介、診療方法、予防方法、栄養分析、食生活改善アドバイス、健康管理アドバイス、サプリメント紹介、サプリメント提供」等と異なる必要があることを前提とした主張となっているが、本件発明1~14は、診療支援情報の作成及び出力を工夫することで上記の課題を解決しようとするものであり、作成及び出力される診療支援情報は従来のものと異なる必要がないことが明らかである。
よって、申立人の主張は、その前提に誤りがあり、採用することができない。
(3)小括
よって、申立理由3は、理由がない。
8 むすび
以上のとおり、特許異議の申立ての理由及び証拠によっては、請求項1~14に係る特許を取り消すことはできない。
また、他に請求項1~14に係る特許を取り消すべき理由を発見しない。
よって、結論のとおり決定する。
令和6年7月22日
審判長 特許庁審判官 伏本 正典
特許庁審判官 相崎 裕恒
特許庁審判官 古川 哲也
出典:特許庁「審決公報」(令和6年8月30日発行・号数2024-008、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。