摘要 / 我的正文
美国联邦巡回上诉法院(CAFC)近日在Dental Monitoring SAS诉Align Technology, Inc.一案中作出判决,维持了地区法院关于多项涉及深度学习牙齿图像分析的专利权利要求因属于美国《专利法》第101条下的不具可专利性主题而无效的裁定。Dental Monitoring SAS拥有美国专利11,049,248和10,755,409,均涉及牙弓图像分析。其中,'248专利涵盖“使用深度学习设备评估正畸矫正器形状的方法”,'409专利则涉及使用同类设备获取和分析牙弓图像的方法。2022年11月,Dental Monitoring在加利福尼亚州北区联邦地区法院对Align Technology提起诉讼,指控其Invisalign Virtual Care AI平台及相关装置侵犯了上述两项专利以及另一项未在上诉中涉及的专利。2023年7月,地区法院将案件构建为“专利对决”,要求双方在 discovery 后选择一项权利要求进行交叉简易判决动议。Dental Monitoring选择了'248专利的第14项权利要求,Align选择了'409专利的第12项权利要求,并约定该裁决同样适用于'248专利的第1项权利要求以及'409专利的第1和第7项权利要求。2024年1月,Dental Monitoring主张Align在法律上侵犯了所选权利要求,而Align则回应称这些权利要求根据第101条不具可专利性,并在替代方案中提出根据《美国法典》第35编第112条无效。地区法院适用Alice Corp. v. CLS Bank International案确立的两步框架,支持了Align的主张。在第一步中,地区法院认为'248专利的第14项权利要求涉及“收集信息、分析信息并显示收集和分析的特定结果”,并引用了CAFC在Electric Power Group, LLC v. Alstom S.A.案中的先前判决;对于'409专利,地区法院认定其独立权利要求1涉及获取和分析图像、然后生成消息以指导用户拍摄新图像的抽象概念,理由是该权利要求“仅列举了牙科从业者长期以来的常见做法”。在第二步中,地区法院认为两项专利均无创造性概念,结论是这些权利要求使用通用硬件在牙齿矫正器评估的特定领域实现抽象概念,因此准予不具可专利性的简易判决,Dental Monitoring对此提起上诉。CAFC的Lourie法官撰写的判决意见在Alice第一步中同意两组权利要求均指向抽象概念:'248专利的第14项权利要求被认定指向通过深度学习设备收集和分析图像信息的抽象概念,'409专利的第12项权利要求则指向获取图像、通过该设备分析图像、将结果与设定值比较并传输结果的抽象概念,法院将两者均归为“‘熟悉的[不具可专利性]权利要求类别’,侧重于‘收集信息、分析信息并显示收集和分析的特定结果’”,再次引用了Electric Power Group案。Dental Monitoring辩称'248专利的第14项权利要求反映了特定的技术解决方案,因为经训练的设备能够比以往更精确地定量评估矫正器与牙齿之间的分离度,但CAFC驳回了这一论点,解释称权利要求语言本身并未要求任何超出正畸医生在没有深度学习设备的情况下已能实现的特定定量精度。法院还认为,使用超过1000张图像的数据集训练设备并不构成技术改进,因为“‘深度学习设备’在特定数据子集上进行训练是‘机器学习本质所固有的’”,该推理借鉴了CAFC在Recentive Analytics, Inc. v. Fox Corp.案中的判决,即即使将通用机器学习工具应用于以前由人类执行的新应用领域,也不赋予可专利性。在Alice第二步中,CAFC认为没有足够的创造性概念来挽救这些权利要求。两项专利的说明书均确认,深度学习设备可从预设的广泛可用神经网络列表中选择,包括与主要科技公司相关的网络。由于这些权利要求将该通用设备应用于执行第一步中确定的相同抽象概念,法院认为没有任何内容将这些权利要求转化为“远不止”对不具可专利性概念本身的权利要求,引用了Broadband iTV, Inc. v. Amazon.com, Inc.案。CAFC还驳回了Dental Monitoring关于在专利授权时将深度学习设备用于正畸指导并非常规做法的论点,法院引用BSG Tech LLC v. BuySeasons, Inc.案解释称,第二步的相关调查是权利要求是否包含创造性概念,而非发明整体是否非常规,并认为不存在妨碍简易判决的真正事实争议,因为专利本身的说明书确认了深度学习设备的通用性。最终,CAFC维持了地区法院的简易判决,认定'248专利的第1和第14项权利要求以及'409专利的第1、第7和第12项权利要求根据第101条不具可专利
关键要点
一句话结论
(可由AI生成:一句话讲清这条新闻对你意味着什么)
可借鉴点
(可由AI生成:这条新闻能迁移到哪些业务/审查/写作场景)
证据锚点
(如:判决法院/案号/专利号/关键时间点)
后续跟踪
(如:上诉进展/和解条款/监管动作/同类案件)
证据与引用
原文链接:https://ipwatchdog.com/2026/07/07/federal-circuit-finds-deep-learning-patents-ineligible/
来源:IPWatchdog
原文时间:2026-07-07 16:15:16 抓取:2026-07-07 21:58:01
来源:IPWatchdog
原文时间:2026-07-07 16:15:16 抓取:2026-07-07 21:58:01