AIが候補を出す時代に、発明者・データ・モデル・化合物の権利をどう設計するか
法令・ガイドライン確認基準日:2026年10月3日
先に結論
AI創薬では、「AIが出した候補を誰が所有するか」という一問だけで権利関係を整理することはできません。共同研究の中には、既存アルゴリズム、学習用データ、学習済みモデル、予測スコア、化合物候補、実験データ、発明、ノウハウ、論文・学会発表など性質の異なる成果が同時に生まれます。重要なのは、それぞれについて①知的財産権が成立するか、②誰に原始的に帰属するか、③共同研究契約で誰に帰属させるか、④相手方にどの範囲の利用権を与えるかを分けて設計することです。
特に、特許の発明者は現行の日本法上は自然人を前提としており、AIそのものを発明者として扱うことはできません。他方、AIを研究ツールとして用いたからといって直ちに特許を受けられなくなるわけではありません。AI創薬では、研究者がどの課題を設定し、どの入力・モデル・評価系を設計し、AI出力から何を選択し、どの実験により発明を完成させたのかという人の創作的寄与を記録しておくことが、発明者認定と権利承継の出発点になります。
また、AIが高い活性を予測した化合物候補が得られたとしても、医薬用途の特許については出願時の明細書に必要な裏付けを備えることが重要です。研究成果の公表、追加実験、特許出願、共同研究先への開示の順序を誤ると、新規性や記載要件、成果帰属のいずれにも影響し得ます。AI創薬の契約は、単なる「成果物は共同所有」といった一文ではなく、研究開発・出願・公表・ライセンス・Exitまでをつなぐ知財運用ルールとして設計する必要があります。
1 AI創薬では成果を「知財の種類」ではなく「資産の層」で分ける
AI創薬の共同研究では、研究開始前から存在する背景知財と、共同研究の過程で新たに生じる成果を分けた上で、成果をさらにデータ、モデル、候補物質、実験結果、発明、ノウハウ等に分解します。契約で「研究成果」「成果物」とだけ定義すると、どこまでが成果に含まれるか、契約終了後に既存モデルを使えるか、派生モデルを誰が利用できるかが曖昧になります。
| 資産の層 | 例 | 主な法的整理 |
|---|---|---|
| 背景知財 | 既存アルゴリズム、ソースコード、標的探索技術、既存特許 | 原則として提供者に留保し、共同研究に必要な範囲だけ利用許諾 |
| 入力データ | 論文、公開DB、企業保有データ、実験データ、臨床・オミックスデータ | 著作権、個人情報、営業秘密、契約上の利用条件を個別確認 |
| 中間生成物 | 特徴量、埋め込み、学習パラメータ、スクリーニング条件 | 権利の成否に加え、契約上のアクセス・再利用権を明示 |
| AI出力 | 候補化合物、標的候補、予測スコア、仮説 | 出力そのものと、これを基礎に完成した発明を区別 |
| 検証成果 | 合成結果、活性データ、毒性・ADME等の評価結果 | 研究データの帰属・薬事利用・再解析・公表権限を設計 |
| 知財成果 | 化合物発明、用途発明、製法発明、AI・解析技術、ノウハウ | 発明者認定、出願人、共有・単独帰属、実施許諾を定める |
2 AIは発明者になれないが、AIを使った発明まで否定されるわけではない
特許庁は、願書に記載する発明者は発明をした自然人であると整理しています。したがって、AIシステム自体を発明者として出願することはできません。他方、研究者がAIを利用して発明に至った場合は、AIを利用したという事実だけで発明者性が失われるわけではありません。通常の発明と同様に、請求項に係る発明の完成に誰が創作的に関与したかを、研究実態に即して検討します。
AI創薬では、研究責任者が課題を提示しただけなのか、標的・制約条件・評価指標を具体的に設計したのか、AI出力を見て構造を修正したのか、実験系を構築して予測を発明として完成させたのかによって、人の寄与の内容が異なります。発明者欄を役職や所属だけで決めず、クレームごとに寄与を確認できる記録を残すことが重要です。
| 研究行為 | 発明者確認で見るポイント |
|---|---|
| 研究課題・標的の設定 | 一般的な研究テーマ提示にとどまるか、具体的な技術的課題の設定に寄与したか |
| AI入力・制約条件の設計 | 化学空間、評価指標、構造制約等の具体的設計が発明内容に結び付いているか |
| 候補の選択・修正 | 大量出力から技術的理由に基づいて候補を選択・修正したか |
| ウェット実験・検証 | 予測だけでは不明な作用・効果を確認し、発明完成に寄与したか |
| 結果の統合 | 複数データから新たな化合物・用途・製法等の具体的技術思想を構成したか |
2-1 AIを発明者とする特許出願をめぐるDABUS判決
知的財産高等裁判所令和7年1月30日判決(令和6年(行コ)第10006号)は、国際特許出願の国内手続で、発明者欄に「ダバス、本発明を自律的に発明した人工知能」と記載した出願について、自然人の氏名を記載するよう求める補正に応じなかったため出願が却下された事案です。裁判所は、特許法29条1項柱書や35条の職務発明規定、出願手続上の「発明者の氏名」という文言等を踏まえ、現行特許法上の「特許を受ける権利」は自然人が発明者である場合にのみ発生し、同法に基づき特許を受けることができる発明は自然人が発明者となるものに限られると判断し、控訴を棄却しました。
もっとも、この判決は、AIを研究ツールとして利用した発明一般について特許取得を否定したものではありません。裁判所は、AIが自律的にしたと主張される成果が特許法2条1項の「発明」の概念自体に含まれるかを判断するまでもなく、自然人以外を発明者とする場合に特許を受ける権利の発生・帰属や特許付与手続を定めた規定がないことを理由に、現行法では特許付与ができないとしています。AI創薬の実務では、AI利用の有無だけで発明者を決めるのではなく、研究者が課題設定、入力・制約条件の設計、候補の選択・修正、実験・検証、結果統合等にどのように創作的に関与したかを、研究ログや発明届で追えるようにしておくことが重要です。
3 発明者・特許を受ける権利・特許権の帰属を混同しない
共同研究契約で「成果は甲に帰属する」と定めても、それだけで発明者が甲になるわけではありません。発明者は実際に発明をした自然人の問題であり、特許を受ける権利や出願人・特許権者は、その後の権利承継や職務発明制度、契約によって整理されます。大学研究者、製薬企業の研究者、AIベンチャーのエンジニアが共同で発明した場合には、発明者認定と権利帰属を別々に確認します。
従業者の職務発明について会社へ権利を帰属させる場合は、特許法35条に沿った職務発明規程・契約等の整備が必要です。大学研究者については所属大学の知財規程や発明届、TLO等の手続が関係することがあります。共同研究契約を締結する前に、各当事者の内部規程と権利承継ルートを確認しておくと、出願直前の権利確認で止まるリスクを減らせます。
4 AIが予測した化合物候補と医薬特許の出願タイミング
AIが新規候補化合物や新規用途を提示した段階と、特許出願に必要な技術的裏付けが整った段階は一致しないことがあります。特許庁の医薬発明の審査実務では、医薬用途を裏付けるため、通常は代表的な実施例や薬理試験結果の記載が重要になります。単に「AIが活性を予測した」という情報だけで、広い医薬用途を当然に確保できると考えるべきではありません。
一方、十分な検証を待ち過ぎると、論文、学会発表、共同研究先による公表、資金調達資料、特許以外の出願等によって新規性に影響する可能性があります。研究チーム、知財担当、共同研究先の間で「候補発見→再現性確認→出願判断→追加データ→国際出願」というゲートを設け、どの段階で何を外部開示できるかを管理します。
| 段階 | 知財上の判断 | 契約・運用 |
|---|---|---|
| AI候補抽出 | 候補の新規性・先行技術、発明者候補を整理 | 出力・ログ・入力条件を保存し、秘密情報として管理 |
| 一次検証 | 薬理・機能データの再現性を確認 | データ帰属・共同研究先への共有範囲を確認 |
| 出願判断 | 化合物、用途、製法、AI技術等のクレーム層を設計 | 発明者確認、権利承継、出願人・費用負担を確定 |
| 追加検証 | サポート範囲、追加用途、周辺化合物を評価 | 公表・論文化と追加出願の順序を管理 |
| 国際展開 | PCT・各国移行、事業地域・競合を踏まえ選択 | 費用分担、放棄時の引取権、ライセンス地域を調整 |
5 AIアルゴリズム・ソフトウェアと化合物特許を別々に権利化する
AI創薬では、一つの研究プロジェクトから、解析アルゴリズム、ソフトウェア、モデル学習方法、創薬標的、候補化合物、医薬用途、製造方法など複数の知財が生じ得ます。特許庁はAI関連技術について多数の審査事例を公表しており、AIを用いた情報処理であっても、具体的な技術的構成・効果に応じて特許性が検討されます。
事業上は、AI基盤技術を広く他案件でも使いたいAIベンチャーと、特定疾患領域で成果を独占したい製薬企業の利害が異なります。そのため、「共同研究から生じたものはすべて共同帰属」とせず、プラットフォーム技術はAI企業側に留保し、特定の標的・化合物・用途について製薬企業に独占的権利を与えるなど、技術層と事業領域を組み合わせて設計します。
5-1 特許を取れることとFTOは別問題として管理する
AI創薬では、自社の候補化合物や用途について特許を取得できる可能性があることと、その候補を第三者の特許権を侵害せず研究・開発・製造・販売できることは別問題です。前者はPatentability(特許取得可能性)の問題、後者はFreedom to Operate(FTO)の問題です。自社特許を取得できても、第三者の先行する化合物群、用途、製法等の特許に実施が制約されることがあります。
FTOは一度調査すれば終わるものではありません。リード候補の絞込み、前臨床・臨床開発への移行、製薬企業への導出、資金調達・M&Aなど、事業価値が大きく変わるゲートで調査範囲を更新します。共同研究契約でも、各当事者が持ち込むBackground IPだけでなく、第三者権利を誰が調査し、問題特許が見つかった場合に設計変更・ライセンス取得・開発中止等を誰が判断するかを整理しておくと実務的です。
| FTOを確認する段階 | 主な対象 | 法務・知財上の対応 |
|---|---|---|
| 候補選定・リード最適化 | 化合物群、標的・用途、周辺特許 | 先行特許を把握し、候補選択・クレーム設計に反映 |
| 開発移行 | 製法、剤形、投与方法、評価技術等 | 開発計画に影響する第三者権利と回避可能性を確認 |
| 導出・共同開発 | 相手方の独占領域、第三者ライセンス | DD資料、表明保証、ライセンス取得責任を整理 |
| M&A・資金調達 | コア技術・主要パイプライン全体 | 調査前提、既知権利、意見書・対応方針をデータルーム化 |
6 学習データは「データだから自由」でも「全部著作権」でもない
AI創薬の学習データには、公開論文、化合物データベース、特許情報、実験データ、医療・オミックスデータ、企業独自データ等が含まれます。事実・数値そのものに当然に著作権が発生するわけではありませんが、論文等の著作物、情報の選択・体系的構成に創作性のあるデータベースの著作物、営業秘密、契約上利用制限されたデータ等は別途確認が必要です。日本法には、EUのような一般的な「データベース製作者の独自権」を当然に前提とする制度があるわけではないため、個々の著作権・契約・秘密管理・個人情報等を分けて検討します。
著作権法30条の4は、情報解析など著作物に表現された思想・感情の享受を目的としない利用を一定範囲で認めていますが、無条件のAI学習自由化ではありません。享受目的が併存する場合や、著作権者の利益を不当に害する場合には適用されません。情報解析用に販売されるデータベースを、その市場と競合する形で複製する場合などには特に注意が必要です。また、利用規約、API条件、秘密保持義務、個人情報規制は著作権法とは別に残ります。
| 確認対象 | 主な確認事項 |
|---|---|
| 公開論文・文献 | 著作権法上の利用目的、取得元、利用規約、全文保存・再配布の要否 |
| 商用データベース | 契約上のAI学習可否、API利用条件、派生モデル・出力の利用制限 |
| 共同研究データ | 研究目的と商用目的、再解析、薬事申請、海外利用、契約終了後の利用 |
| 患者・医療データ | 個人情報・研究倫理・匿名加工等の適用関係。詳細は「医療データと個人情報保護:個人情報保護法・次世代医療基盤法の実務」で整理 |
| 自社実験データ | 営業秘密管理、従業員・委託先のアクセス、Exit時の証明可能性 |
7 学習済みモデル・埋め込み・派生データは「権利の有無」と「使えるか」を分ける
学習済みモデルやモデルパラメータが常に著作物になる、又は常に著作物にならないと一律に整理することは適切ではありません。著作物性は創作的表現の有無等により個別に判断されます。他方、共同研究の実務では、法定の知的財産権が成立するかにかかわらず、契約によってアクセス権・利用目的・再利用・複製・第三者提供・モデル更新・終了後利用を制御できます。
特にAI企業が研究開始前から保有する基盤モデルを共同研究データでファインチューニングした場合、基盤モデル、追加学習部分、派生モデル、重み、特徴量、評価スクリプト等をどの範囲まで「共同成果」に含めるかは重要です。製薬企業側が全モデルの共有を求める一方、AI企業側はプラットフォームの汎用性を失う可能性があるため、成果そのものの帰属ではなく、対象疾患・標的・用途に限定した利用権で調整することもあります。
7-1 「特許にする情報」と「営業秘密として残す情報」を分ける
AI創薬では、価値のある情報をすべて特許出願することが最適とは限りません。特許は一定期間の独占権を得られる一方、出願内容は原則として公開されます。これに対し、外部から容易に解析できず、長期的に秘密として管理できるモデルウェイト、特徴量設計、スクリーニング条件、ネガティブデータ、実験上のノウハウ等は、営業秘密として管理する方が事業上有利な場合があります。
もっとも、不正競争防止法上の営業秘密として保護を受けるには、秘密管理性、有用性、非公知性等の要件を満たす必要があります。研究チーム内で広く無制限に共有し、秘密表示やアクセス制御もない情報を、後から「営業秘密だった」と主張するのは難しくなります。2025年3月改訂の経済産業省「営業秘密管理指針」も踏まえ、特許出願しない情報ほど、分類・アクセス権・ログ・持出し・退職者対応を明確にします。
| 情報・成果 | 特許化を検討しやすい場面 | 営業秘密管理を検討しやすい場面 |
|---|---|---|
| 候補化合物・医薬用途 | 独立開発・模倣を排除したい中核成果 | 公開せず維持することが実務上困難な場合は特許を優先 |
| AIモデル構造・学習方法 | 技術的特徴をクレーム化でき、公開の不利益を上回る場合 | リバースエンジニアリング困難で秘密維持できる場合 |
| モデルウェイト・特徴量・ランキング条件 | 権利化の実益が明確な場合 | アクセス管理により長期秘匿できる場合 |
| ネガティブデータ・失敗知見 | 通常は特許単独の対象になりにくい | 研究効率・候補選別に価値があれば重要なノウハウ |
| 製造・実験ノウハウ | 第三者実施を排除する必要が高い場合 | 外部から把握されにくく秘密維持が可能な場合 |
8 共同研究契約ではBackground IPとForeground IPを最初に分ける
共同研究の開始時には、各当事者が持ち込むBackground IPをリスト化し、研究遂行のために必要な利用権と、商用化のために必要な利用権を分けます。Background IPを黙示的に自由利用できる前提にすると、共同研究終了後に製品化できないという問題が生じます。
| 条項 | AI創薬での確認ポイント |
|---|---|
| Background IP | 既存特許、コード、モデル、ノウハウ、DB等を特定。研究利用と商用利用を区別 |
| Foreground IP | 化合物・用途・AI改良・解析方法・データ等を類型別に帰属 |
| 発明者判定 | 発明届・研究ログを基礎に実際の創作的寄与で判定する手続 |
| 出願手続 | 出願判断、出願国、代理人、費用、ドラフト承認、期限を定める |
| 放棄・維持 | 一方が維持しない場合の通知、他方の引受け、持分譲渡・実施権 |
| 公表 | 論文・学会発表前のレビュー期間、特許出願のための延期、機密除外 |
| 終了後利用 | 背景知財・モデル・データ・研究成果を誰が何目的で継続利用できるか |
8-1 共同研究では成果帰属だけでなく「技術流出防止」を運用する
共同研究契約に秘密保持条項があるだけで、AIモデル、未公開化合物、実験条件等の技術流出を十分に防げるとは限りません。経済産業省は2026年4月の「技術流出対策ガイダンス第2版」で、共同研究に伴う技術流出対策を新たに独立したテーマとして整理しています。AI創薬では、相手方の企業・大学・研究機関の情報管理体制も確認し、契約と実際の研究環境を一致させることが重要です。
共同研究開始前には、共有する技術の重要度、参加者、利用するシステム・クラウド、再委託・海外拠点アクセスを整理します。研究中はNeed-to-Knowを基本に、権限付与・変更・削除、ダウンロードや外部持出し、研究メンバー追加、退職・異動時の処理を管理します。終了時には、データ・試料・アカウント・複製物の返還又は削除を確認し、契約終了後も保持できるBackground IP・成果・ノウハウを明確にします。
| 時点 | 確認事項 | 契約・運用への落とし込み |
|---|---|---|
| 開始前 | 相手方の情報管理、研究参加者、共有技術、利用環境 | 参加者限定、目的外利用禁止、再委託・関連会社アクセス条件 |
| 研究中 | アクセス権、ログ、持出し、外部AI・クラウド利用 | Need-to-Know、許可ツール、異常時通知、定期レビュー |
| 人員変更 | 追加参加者、退職、異動、共同研究先の組織変更 | 事前通知、権限変更、秘密情報返還、誓約・教育 |
| 終了時 | データ・試料・複製物、アカウント、継続利用権 | 返還・削除証明、保持例外、終了後利用、監査・確認 |
9 共有特許は「公平そう」に見えて、事業化では制約が大きい
日本の特許法73条では、共有特許について、契約で別段の定めがない限り各共有者は他の共有者の同意なく自ら実施できます。他方、持分譲渡や第三者へのライセンスには原則として他の共有者の同意が必要です。AI創薬では、大学・AI企業・製薬企業が共有者になると、将来のライセンス、M&A、導出、共同開発の際に同意が必要となり、取引速度に影響することがあります。
そのため、発明への寄与が共同だからといって、必ず共有特許にする必要があるわけではありません。発明者認定は正確に行った上で、特許を受ける権利を一方へ承継し、他方へ研究利用権・独占実施権・ロイヤルティ等を付与する設計も検討できます。共有にする場合も、第三者ライセンス、M&A時の持分譲渡、競合企業への許諾、維持費負担、侵害対応などを共同研究契約で具体化します。
10 改良・派生成果は「誰が作ったか」だけでなく「何を使って作ったか」を見る
共同研究終了後に、AI企業が基盤モデルを改良し、製薬企業が化合物を最適化するなど、双方で改良成果が生じます。「単独で改良したものは単独帰属」とだけ定めると、相手方の秘密情報・Background IP・共同成果を利用した改良まで自由に使えるのかが不明になります。
改良条項では、①改良の定義、②共同研究期間中か終了後か、③相手方のBackground IP又は秘密情報を使用したか、④対象疾患・標的との関係、⑤通知義務、⑥相手方へのライセンス・優先交渉権、⑦改良特許の出願協力を定めます。AIモデルは継続学習・バージョンアップが前提となりやすいため、ソフトウェア版の「改良」と化合物・用途特許の「改良」を同じ条文で処理しない方が明確です。
11 論文・学会発表と特許出願を同じカレンダーで管理する
大学との共同研究では、研究者の論文・学会発表の自由と、企業側の特許・秘密管理が衝突することがあります。公表を全面禁止するのではなく、事前通知、レビュー期間、秘密情報の削除、特許出願のための合理的な延期期間を定めます。学会要旨、ポスター、プレプリント、学位論文、研究費報告書、プレスリリースも公表管理の対象に含めます。
AI創薬では、モデルの詳細を開示しなくても、化合物構造や標的、活性結果だけで特許戦略に影響することがあります。逆に、特許出願を優先し過ぎて研究者の公表を不必要に制限すると共同研究関係が悪化します。研究開始時から「発明届→出願判断→公表承認」のフローを共有しておくことが実務上有効です。
11-1 出願後の意思決定権まで共同研究契約で決める
共同研究契約で「共同出願する」とだけ定めても、出願後には多くの意思決定が残ります。クレーム案、拒絶理由通知への応答、補正、分割出願、外国移行、審判、維持・放棄等について、AI企業と製薬企業で優先順位が異なることがあります。AI企業はプラットフォーム技術を広く確保したい一方、製薬企業は特定疾患・化合物群の強い権利を優先することがあるためです。
そのため、共同研究契約では出願人・費用負担だけでなく、誰が特許事務所へ指示を出すか、ドラフト・OA対応へのコメント期限、意見が一致しない場合の処理、一方が特定国で出願・維持を希望しない場合の引取権、相手方の秘密情報を含む補正の可否などを定めます。共有特許の場合は、将来のライセンス・持分譲渡との関係も含めて運用ルールを一体化します。
| 局面 | あらかじめ決めたい事項 |
|---|---|
| 初回出願 | 出願主導者、代理人、クレーム方針、ドラフト承認、費用 |
| 審査対応 | 拒絶理由通知への応答、補正・意見書、面接、コメント期限 |
| 追加出願 | 分割・継続的出願、追加データを用いた新規出願、優先権管理 |
| 海外展開 | PCT・移行国、各国代理人、翻訳・維持費、地域別戦略 |
| 放棄・維持 | 事前通知、他方の引取権、持分移転、実施権、秘密情報の取扱い |
12 AIベンダー・クラウド・外部モデルの利用条件も知財DDの対象にする
共同研究チームが外部の生成AI、クラウドAI、化学情報サービス、オープンソースモデル等を利用している場合、その利用条件が研究成果の商用化を制限しないか確認します。入力データがサービス提供者の学習に利用される条件、出力の権利、機密保持、ログ保存、国外処理、再委託、モデル停止・仕様変更などが重要です。
「研究者個人が便利だから使った」外部サービスが、後に特許明細書、未公開化合物、患者データ等の流出経路になることもあります。許可済みツール、投入禁止情報、アカウント管理、契約終了時のデータ削除を研究ルールに組み込みます。
13 ライセンス・導出契約では「権利」だけでなく開発義務とデータ移転を設計する
候補化合物を製薬企業へ導出する場合、特許ライセンスだけでは事業移転が完結しません。化合物、標的・機序データ、前臨床データ、モデル出力、ノウハウ、規制当局向け資料、製造情報等のうち何を引き渡すかを定めます。独占範囲は、地域、疾患、標的、化合物群、研究・診断・治療等の用途で切り分けます。
| ライセンス論点 | 確認事項 |
|---|---|
| 独占範囲 | 国・地域、疾患領域、標的、化合物群、研究・商用の範囲 |
| サブライセンス | グループ会社、共同開発先、CRO/CDMO等への許諾条件 |
| 開発義務 | 開発計画、マイルストーン、合理的努力、開発停止時の権利返還 |
| 対価 | 一時金、研究費、開発・承認・販売マイルストーン、ロイヤルティ |
| 改良成果 | 導出後の新規化合物・新用途・モデル改良の取扱い |
| データ移転 | 原データ、解析データ、規制資料、再現手順、監査・照会対応 |
| 終了 | 特許・データ・薬事資料の返還又は継続利用、進行中試験の処理 |
14 国際共同研究では発明者・権利帰属・出願規制を国ごとに確認する
AI創薬は海外研究機関、グローバル製薬企業、海外AIベンダーとの共同研究になりやすく、準拠法を一つ選ぶだけでは知財問題を処理できません。発明者の認定、職務発明、共同所有、第三者ライセンス、外国出願の手続、秘密保持・輸出管理等は国ごとの強行法・制度の影響を受けることがあります。
少なくとも、どの国で発明が生じ得るか、研究者の雇用主は誰か、最初の出願をどこで行うか、PCT・各国移行の費用を誰が負担するか、海外関連会社へ研究データを移せるかを事前に整理します。紛争解決条項も、特許の有効性・帰属など仲裁だけで完結しない論点があることを踏まえて設計します。
15 M&A・資金調達では「Chain of Title」と研究履歴を説明できる状態にする
AI創薬企業の企業価値は、特許件数だけでなく、候補化合物・モデル・データを継続利用できる権利の連続性に左右されます。投資家や買収候補は、発明者から会社への権利承継、大学・共同研究先との契約、データ利用権、外部モデル・OSS、職務発明、論文公表、共有特許、Change of Control条項などを確認します。
特に、共同研究契約でM&A時に相手方同意が必要、大学とのライセンスが支配権変更で終了、主要データを契約終了後に利用できない、といった条件はExitに直接影響します。契約締結時から将来の導出・資金調達・M&Aを想定し、権利関係をデータルームで追えるようにしておくことが重要です。
| DD項目 | 赤旗になりやすい状態 |
|---|---|
| 発明者・権利承継 | 研究ログがなく、創業者・大学研究者・委託先の寄与を説明できない |
| 共同研究契約 | 成果定義が抽象的で、モデル・化合物・データの帰属が不明 |
| 共有特許 | 第三者ライセンス・持分譲渡・M&A時の同意条件が未整理 |
| データ | 学習・再解析・薬事利用・契約終了後利用の権限が不明 |
| 外部AI・OSS | 商用利用条件、再配布、学習データ投入条件を確認していない |
| 公表履歴 | 論文・学会発表と出願日の関係を一元管理していない |
| ライセンス | Change of Control、開発義務、権利返還条件がExitと衝突 |
16 弊所の実務上の視点:4つの台帳で知財を運用する
AI創薬の知財は、契約締結時に一度整理して終わりではありません。研究の進展に合わせて発明候補、データ、モデル、外部公表が連続的に増えるため、少なくとも次の台帳を更新します。
| 管理台帳 | 記録する内容 |
|---|---|
| 発明・寄与台帳 | 候補発明、関係者、具体的寄与、研究ノート・ログ、発明届、権利承継 |
| データ・モデル台帳 | 取得元、利用条件、学習目的、派生物、モデル版、外部AI・OSS、終了後利用 |
| 出願・公表台帳 | 出願国、期限、クレーム層、論文・学会・プレス、レビュー・延期 |
| 契約・ライセンス台帳 | Background/Foreground、共有、独占範囲、サブライセンス、CoC、終了・返還 |
17 チェックリスト
- 共同研究開始前にBackground IPを特定し、研究利用と商用利用の範囲を分けたか
- AI出力、学習済みモデル、実験データ、化合物、発明、ノウハウを一括りにせず分類したか
- 発明者を役職や所属で決めず、各人の創作的寄与を研究ログ・発明届で確認できるか
- 職務発明規程、大学の知財規程、委託先からの権利承継を確認したか
- AI候補の予測結果だけで出願範囲を過度に広げず、医薬用途の裏付けデータを検討したか
- 論文・学会発表・プレプリント・プレスリリースと特許出願の順序を管理しているか
- 学習データについて著作権、契約、営業秘密、個人情報、研究倫理を分けて確認したか
- 商用データベースやAPIのAI学習・派生物利用条件を確認したか
- 基盤モデルと共同研究で生じた追加学習部分・派生モデルの利用権を定めたか
- 共有特許とする場合、第三者ライセンス、持分譲渡、M&A、維持費、侵害対応を定めたか
- 改良成果について期間、使用したBackground IP、通知・ライセンス条件を定めたか
- 大学等との契約で公表レビュー・特許出願のための延期期間を定めたか
- 外部生成AI・クラウド・OSSへ未公開化合物や機密データを投入するルールを設けたか
- 導出契約で特許だけでなくデータ・ノウハウ・規制資料の移転範囲を定めたか
- M&A・資金調達時に発明者から会社までのChain of Titleを説明できるか
- 自社が特許を取得できるかだけでなく、主要候補・用途について第三者特許とのFTOを開発ゲートごとに確認したか
- 各成果について特許出願・営業秘密管理のどちらを選ぶかを決め、営業秘密はアクセス制御・ログ・退職時処理まで運用しているか
- 共同研究先の情報管理体制、参加者、再委託・海外拠点アクセスを確認し、Need-to-Knowと終了時返還・削除を運用しているか
- 共同出願についてOA対応、分割・外国移行、維持・放棄、意見不一致時の意思決定ルールを定めたか
18 FAQ
Q:AIが考えた化合物は誰のものですか?
A:AI出力だけで所有権が自動的に決まるわけではありません。特許等の権利が成立するか、発明者は誰か、入力データ・モデルの契約条件は何か、共同研究契約で成果をどう帰属させたかを分けて確認します。
Q:AIを発明者として特許出願できますか?
A:現行の日本法・特許庁実務では、発明者は自然人を前提としており、AIそのものを発明者として記載することはできません。
Q:AIを使うと特許は取れないのですか?
A:いいえ。AIを研究ツールとして利用したこと自体は特許取得を妨げません。人が発明の完成にどのように創作的に寄与したか、発明が特許要件を満たすかを個別に検討します。
Q:AIが活性を予測した化合物をすぐ出願すべきですか?
A:新規性確保のため早期出願が重要な場合がありますが、医薬用途では明細書の裏付けも重要です。予測結果、実験計画、公表予定を踏まえて出願タイミングとクレーム範囲を検討します。
Q:共同研究の成果は自動的に共有になりますか?
A:自動的に「すべて共有」となるわけではありません。発明者・特許を受ける権利の帰属を確認した上で、契約で単独帰属、共有、ライセンス等を設計します。
Q:共有特許にしておけば公平ですか?
A:必ずしもそうではありません。日本では共有特許の第三者ライセンスや持分譲渡に他共有者の同意が必要となるため、導出やM&Aを想定して契約で運用を定める必要があります。
Q:学習済みモデルは著作権で守れますか?
A:一律には判断できません。著作物性は具体的な内容により異なります。実務では、著作権の有無だけに依存せず、契約・営業秘密・アクセス管理により利用範囲を設計します。
Q:公開論文ならAI学習に自由に使えますか?
A:著作権法30条の4が適用され得ますが無条件ではありません。利用目的、権利者の利益を不当に害しないか、取得元の利用規約や契約、再配布の有無等を確認します。
Q:商用データベースのデータをスクレイピングして学習してよいですか?
A:著作権法だけでなく、データベースの著作物性、契約・利用規約、技術的アクセス制限、不正競争防止法上の営業秘密・限定提供データ等を含めて確認すべきです。
Q:大学との共同研究では論文発表を禁止できますか?
A:全面禁止ではなく、事前レビュー、秘密情報の削除、特許出願に必要な合理的延期期間を定める設計が一般的です。大学の研究・公表使命も踏まえて調整します。
Q:AI企業は基盤モデルを製薬会社へ譲渡する必要がありますか?
A:必ずしもありません。基盤モデルをAI企業に留保し、対象疾患・標的・化合物に関する成果や利用権だけを製薬企業へ付与するなど、事業モデルに応じた設計が可能です。
Q:改良発明は誰のものになりますか?
A:契約内容と実際の発明者・権利承継により決まります。「単独改良」「共同改良」だけでなく、相手方のBackground IPや秘密情報を利用した改良の扱いを定めることが重要です。
Q:外部生成AIに研究情報を入力してもよいですか?
A:サービスの入力データ利用条件、学習利用、保存期間、国外処理、秘密保持、法人向け設定を確認し、未公開化合物・特許前情報・患者データ等の投入ルールを設けます。
Q:資金調達DDで最も問題になりやすいのは何ですか?
A:発明者から会社までの権利承継、共同研究の成果帰属、大学・共同研究先の同意権、データ利用権、外部モデル・OSS、論文公表履歴、Change of Control等です。
Q:弁護士はどの段階で関与すべきですか?
A:共同研究契約を締結する前、少なくともBackground IP・成果分類・出願・公表・利用権の設計段階が有効です。成果が出た後では、すでに公表や権利混在が進んでいる場合があります。
Q:自社で特許が取れれば、第三者特許は気にしなくてよいですか?
A:いいえ。特許取得可能性とFTOは別問題です。自社特許が成立しても、第三者の化合物・用途・製法等の特許により実施が制約されることがあります。
Q:AIモデルやネガティブデータは特許出願した方がよいですか?
A:一律ではありません。公開による独占権取得のメリットと、秘密として長期管理するメリットを比較し、Patent/Trade Secretの方針を資産ごとに決めます。
Q:共同研究契約にNDAがあれば技術流出対策は十分ですか?
A:十分とは限りません。参加者、アクセス権、再委託・海外アクセス、外部AI利用、ログ、終了時返還・削除等を実際の研究運用に落とし込む必要があります。
Q:共同出願した後の拒絶理由通知への対応は誰が決めますか?
A:契約で意思決定ルールを定めておくべきです。出願主導者、相手方のコメント権、費用、分割・外国移行、放棄時の引取権まで設計すると紛争を減らせます。
まとめ
- AI創薬では、AI出力・モデル・データ・化合物・発明・ノウハウを別の資産として管理する
- AI自体を発明者とせず、人の創作的寄与を研究ログと発明届で追えるようにする
- 医薬用途ではAI予測だけに依存せず、出願時の裏付けデータと公表時期を管理する
- 共同研究契約ではBackground IP、Foreground IP、改良、公表、出願、終了後利用を一体で設計する
- 共有特許は第三者ライセンス・持分譲渡・M&Aへの影響を踏まえて選択する
- 学習データは著作権だけでなく、利用規約、秘密管理、個人情報、研究倫理まで確認する
- 導出・資金調達・M&Aまで見据え、知財とデータのChain of Titleを継続的に記録する
- 自社特許の取得可能性とFTOを分けて管理し、候補選定・導出・Exitの各段階で第三者権利を再確認する
- 特許にする情報と営業秘密として残す情報を分け、共同研究では技術流出防止を契約とアクセス管理の両面で運用する
- 共同出願は帰属だけで終わらせず、審査対応・分割・外国移行・維持放棄まで意思決定権を定める
柳澤法律事務所では、AI・ヘルスケア分野の共同研究契約、データ利用契約、知財帰属・ライセンス、大学・医療機関との連携、スタートアップの資金調達・M&Aにおける知財法務DD等について、実際の研究開発フローと事業化計画を踏まえた法務支援を行っています。
主要な一次資料
- 特許庁「発明者等の表示について」
- 知的財産高等裁判所令和7年1月30日判決(令和6年(行コ)第10006号・出願却下処分取消請求控訴事件)
- 特許庁「AI関連技術に関する特許審査の事例について」(2026年5月25日更新)
- 特許庁「令和6年度 AI技術の進展を踏まえた発明の保護の在り方に関する調査研究」
- 特許庁「特許・実用新案審査ハンドブック」附属書B 第1章(コンピュータソフトウェア関連発明)・第3章(医薬発明)
- 特許庁「オープンイノベーション促進のためのモデル契約書(OIモデル契約書)」AI編ver2.2・大学編(大学・大学発ベンチャー)ver2.2(2025年4月改訂。大学・事業会社編はver2.1)
- 文化庁「AIと著作権に関する考え方について」(2024年3月15日)
- 文化庁「著作権法第30条の4等の基本的な考え方」
- 特許法(昭和34年法律第121号)第35条、第73条等
- 著作権法(昭和45年法律第48号)第12条の2、第30条の4等
- 特許庁「VC-IPAS 2026」関係資料(知財戦略、先行技術・FTO調査等)
- 経済産業省「営業秘密管理指針」(2025年3月改訂)
- 経済産業省「技術流出対策ガイダンス第2版」(2026年4月27日公表)
AI創薬・共同研究・知財戦略に関するご相談
AI創薬・ヘルスケア分野の共同研究契約、Background IP/Foreground IP、発明者・権利承継、学習データ・モデルの利用条件、共有特許、ライセンス・導出、大学・医療機関との連携、資金調達・M&Aにおける知財法務DD等について、研究開発フローと事業化計画を踏まえた法務整理が必要な場合はご相談ください。