Waarom octrooien essentieel zijn voor AI-innovaties

Hoi, leuk dat je weer luistert naar een nieuwe aflevering van de AIToday Live. Met vandaag premier Niels. Ja zeker. We hebben voor het eerst Belgische gasten in de studio. Zeker, vanuit België. Heel erg leuk. Nou mijn naam is Joop Snijder, CTO bij Aigency. Mijn naam Niels Naglé, Chapter Lead Data & AI bij Info Support. Ja, Youri, Sara Reekmans en Youri de Groote hebben we in de studio. Sara zou jij je als eerste willen voorstellen aan onze luisteraars? Ja zeker. Dus ik ben Sara Reekmans. Ik heb een medische achtergrond. Ja. Doctoraat in de biomedische wetenschappen eigenlijk. Heb gestudeerd aan de Universiteit van Leuven. En ik ben een vijftiental jaar geleden in het beroep van een octrooigemachtigde gerold. Ja. En dus ben nu Europees en Belgisch octrooigemachtigde. Met een focus op de life science sector. Dus wij doen alles wat te maken heeft met vaccins, geneesmiddelen, diagnostiek. Dat soort zaken allemaal. Mooi, dankjewel. Youri? Ja, ik ben Youri de Groote. Ik ben ingenieur van opleiding. Ik ben dan eigenlijk ook toevallig in het octrooien vak geplant. Ondertussen ook Europees gemachtigd. Belgisch en Nederlands. Ik ben vooral gespecialiseerd in elektromechanica en software toepassingen. Vooral uit de voorliefde voor de software. Ja. En dat is ook vandaar dat we eigenlijk ook samenwerken op de twee raakvlakken dat we momenteel merken. Een beetje samen te kunnen werken. Ja. En we zitten hier in een AI podcast. Dus ik hoor octrooien, ik hoor techniek. Wat is eigenlijk de relatie met AI waar we het vandaag over gaan hebben? Ja, daar kijk ik eigenlijk vooral een beetje naar Youri. Dus Youri heeft al kort toegelicht. Dus wij werken eigenlijk op het raakvlak tussen de life sciences en de AI. Omdat wij vanuit vooral mijn cliënteel eigenlijk gemerkt hebben dat heel veel bedrijven die in de life science sector bezig zijn, echt wel die move richting AI aan het maken zijn. Om daar inderdaad nieuwe zaken te gaan ontwikkelen en versnellen en zo. Maar aangezien ik zelf geen software achtergrond heb, is het voor mij best wel moeilijk om dat allemaal te begrijpen. En dan in die context hebben we eigenlijk een samenwerking met ons twee opgezet. Waarbij dat Youri dus ondersteunt op alle software vragen. En dat we dus eigenlijk samen die klanten zo goed mogelijk gaan proberen te helpen. Ja, welke ontwikkelingen zie je op het gebied van AI in de life science? Ja, ik kan de life science eigenlijk een beetje opsplitsen in vier verschillende gebieden. In die zin, vier verschillende fases denk ik, met een beetje van een geneesmiddelenontwikkeling. Natuurlijk zijn er veel meer verschillende fases. Maar als je de vier grote identificeert, heb je eigenlijk een beetje de pre-diagnostiek. Waarbij je zegt, oké, we gaan eigenlijk al proberen te voorspellen of iemand ziek gaat worden. Dus ben je nog niet ziek? Maar op basis van dat soort zaken. Wat je daar bijvoorbeeld van ontwikkelingen ziet, is bedrijven die bezig zijn met natuurlijk een hele grote dataset. Wat je nodig hebt om met jouw producten te kunnen ontwikkelen. Met hele grote datasets, waarbij je bijvoorbeeld CT-scans van patiënten hebt, die in een niet ziekteomgeving gemaakt zijn. Dus die patiënten zijn niet ziek, maar hebben wel CT-scans om andere redenen gehad. Waarbij ze dan eigenlijk dat soort CT-scans gaan vergelijken met CT-scans van gezonde mensen. En dat eigenlijk die AI erin slaagt om bepaalde zaken te gaan identificeren, die eigenlijk op latere termijn zouden kunnen leiden tot ziekteontwikkeling. Dus eigenlijk veel vroeger dan een arts in staat is om te kunnen gaan vaststellen dat iemand ziek gaat worden, kan je toch al kleine veranderingen zien in zo'n scans. Maar dan denk ik heel subtiele veranderingen. Ja, dat zijn heel subtiele veranderingen, absoluut. En daar is dan die machine goed in. Wat wij niet kunnen zien, dat die machine dat dan wel kan zien. Die dingen er inderdaad uithalen. Dus dat is een van de ontwikkelingen, dat is dan eigenlijk voor je ziek wordt. Maar je kan dan ook gaan kijken naar het volgende proces. Op het moment dat je effectief wel ziek wordt, dan moet er natuurlijk vastgesteld worden, wat heb je? Want je kan je wel slecht voelen, maar wat heb je dan? Dus dat is dan eigenlijk de diagnostiek zoals wij ze noemen. Ook daar zien we wel grote ontwikkelingen. En een beetje hetzelfde context natuurlijk. Een beetje ook opnieuw die CT-scans, waar dan eigenlijk beelden gemaakt worden. Waar het voor artsen soms moeilijk is om die beelden te gaan interpreteren, analyseren. Kan hij dan in heel grote hulp zijn. Maar niet alleen beeldvorming, maar bijvoorbeeld ook bloedanalyses. Er zijn ook heel veel data die uit bloedanalyses komen, waar dat informatie uit voortkomt. Waar dat voorspellingen moeten gedaan worden. Waar ziektes eigenlijk geïdentificeerd kunnen worden. Dus eigenlijk de tweede fase. De derde fase heb je dan de geneesmiddelenontwikkeling zelf. Dus op het moment dat je ziek wordt, heb je ook een geneesmiddel nodig natuurlijk om het te kunnen gaan genezen. Daar zien we ook hele grote ontwikkelingen. Want nu, hoe het vroeger eigenlijk ging, er werd een hele groep, voor een klassiek geneesmiddel, een hele grote groep chemische moleculen ontwikkeld. Die moeten natuurlijk allemaal op de een of andere manier getest worden. Of die überhaupt iets gaat doen. Heel vaak was dat vroeger gewoon op celniveau. Dat er cellen gekwikt werden in een labo, waar die die moleculen op losgelaten werden om te gaan zien, doet dit iets, doet dit niks. Maar daar zien we heel grote veranderingen. Dat AI eigenlijk al kan gaan voorspellen. Dit gaat het waarschijnlijk niet doen, maar misschien deze type van moleculen gaan het wel doen. Waardoor je eigenlijk die looptijd van de ontwikkeling van geneesmiddelen enorm gaat verkorten. En ook enorm gaat versnellen. Hoe ziet dat eruit, dat de AI dat kan voorspellen? Heel veel van die firma's hebben een enorme bulk aan gegevens. Waardoor door de testen uiteindelijk ook wel heel veel waardevol informatie uitgehaald wordt. En dan is je AI vaak gewoon heel sterk in het clusteren van gegevens en het extraheren van informatie daaruit. En als je dan ziet, als er een bepaald ziektebeeld is, en er zijn een paar moleculen voor aan het ontwikkelen om dat ziektebeeld aan te pakken, dan kan AI eigenlijk al op gegevens die readily available zijn bij die firma's, eigenlijk al een beetje gaan voorspellen van, kijk, molecule A, ik verwacht eigenlijk wel dat dat een grotere slaagkans heeft om ziektebeeld B aan te pakken. Ja, precies. En dus daar waar de kracht zit, en we spreken niet over een Excel-file, we spreken over tientallen duizenden, of zelfs miljoenen gegevens en data, die eigenlijk ergens opgeslagen staat, met dan ergens correlaties die niet altijd zomaar gemakkelijk te realiseren zijn of te linken zijn. En komt er dan ook simulatie bekijken, want het is een voorspelling? Ga je dat simuleren of ga je dat dan in de praktijk toetsen? Ja, ik denk de grote kracht in die AI-modellen die in de geneesmiddelenontwikkeling gebruikt worden, is dat er inderdaad ineens een voorspelling gaat zijn van, oké, ik denk dat dit of dit goed gaat doen. Maar het gaat dan ook effectief in de praktijk getest worden. Dus het aantal, wat ik in het begin zei, wordt op celniveau getest. Vroeger startte dat van nul en nu gooit het er maar op los en je ziet wel wat eruit komt. Nu heb je al een soort voorspelling, op basis van wat je eigenlijk een beperkter aantal moleculen effectief gaat testen. Maar die data die dan weer komen uit die testen die je doet, die ga je natuurlijk weer in het AI-model steken. Het AI-model gaat verder getraind worden van, oké, hier heb ik het fout voorspeld of hier heb ik het goed voorspeld. En dus ik denk dat het die kracht is tussen wat komt er uit mijn model en wat komt er eigenlijk uit wat ik dan effectief in het labo ga testen. Dat dat de versnelling teweeg brengt om veel accurater te gaan voorspellen van welke moleculen gaan effectief in een bepaalde clinical setting iets gaan doen. Dus dus eigenlijk meer focus op hetgeen waar de kans groter geacht wordt succes te behalen in plaats van met een schot hagel op een muggen schopje. Ja, maar zo was het vroeger wel. Maar het is niet alleen, ja en dan ook ik denk vooral versnellend ook. Je gaat veel sneller kunnen gaan naar een beperkte set. Maakt het ook een stuk goedkoper, wat natuurlijk ook interessant is. Dus daar zit een hele grote revolutie mogelijk. En ik heb laatst zelfs gezien dat het eerste AI-ontwikkelde geneesmiddel effectief in clinical trial zit nu. Dus een beetje afwachten wat het gaat worden. Dus dat is zo eentje wat effectief voorspeld is via AI. Ja, dus voorspeld, getoetst in de praktijk en vervolgens inderdaad het reguliere proces ingegaan voor controles. Ja, natuurlijk we gaan niet gewoon zeggen van oké dit komt er voorspellend uit. We gaan direct straks in de mens gaan toepassen. Dat gaan we niet doen. Dus er wordt wel nog altijd het traject in het labo wordt natuurlijk wel nog altijd doorlopen. Maar het is gewoon veel sneller, efficiënter en korter. En heeft dit ook te maken met, ik lees wel vaker dat ze nu bezig zijn met AI om eiwitten te ontdekken. Zit dat ook in deze hoek? Ja, absoluut. Dat zit inderdaad ook in deze hoek. Dan moeten we een klein beetje technisch gaan over de eiwitmontering. Maar dus ja, misschien de terugkoppeling met de geneesmiddel om het een beetje zichtbaar te maken. Dus wat een geneesmiddel vaak gaat doen is eigenlijk koppelen aan eiwitten waar het mis mee loopt. Je lichaam zit helemaal vol met eiwitten. Soms loopt het gewoon mis en gaat een eiwit gekke dingen beginnen doen wat hij niet moet doen. Dat is maar één voorbeeld. Je kan er van alles mis kopen. En wat ons geneesmiddel dan vaak gaat doen is een effectieve fysieke binding aangaan met zo'n eiwit. En dat eigenlijk dus hetgeen wat misloopt dat eiwit gewoon gaan lam leggen. Dus die kan niet meer fout gaan. Zo'n eiwit heeft een soort van pocket. Hij heeft een bepaalde vorm. En die molecule moet net in die vorm van dat eiwit passen om die te kunnen lam leggen. Dus dat zijn heel veel 3D, 4D structuren die effectief ook gebruikt kunnen worden. En als je één keer weet wat de 3D structuur van je eiwit is en je weet wat de 3D structuur van je moleculen is, dan kan je makkelijk gaan kijken of dit effectief gaat matchen. Je wil natuurlijk niet dat het misloopt. En ook daar gaat het weer om veelbelovendheid zoeken. Het is geen garantie. Het is een proberenstof, maar het is een goede guesstimate. Ja, dat is wel een mooie. We hebben dus proberen voorspellen van ziekte, fase 1, diagnose, geneesmiddelen. Wat is stap 4? Stap 4 is dan de patiëntenmonitoring. Dus op het moment dat ze ziek zijn, dan gaan ze medicatie krijgen. Maar dan is het natuurlijk heel belangrijk om op te gaan volgen van hoe dit die patiënt met bepaalde medicatie doet. Moet ik die medicatie gaan bijsturen? Moet ik die medicatie aanpassen? Ook daar zien we ontwikkelingen. Ik heb laatst al gezien dat er een AI-tool ontwikkeld is om in klinische trials, op basis van geluidsuitdrukking van personen, te gaan kijken hoe die reageren op geneesmiddelen. Ik kan me voorstellen natuurlijk dat als je pijn hebt of als je je niet goed voelt, dat je dat met kleine geluidsaanpassingen kan identificeren. Dus dat is echt facial recognition die daar gebruikt wordt. En ook in die context worden ook heel vaak chatbots gebruikt die gerichte vragen gaan stellen aan patiënten, waar patiënten op kunnen antwoorden, om health gegevens te bekomen en artsen dus heel veel informatie te geven. En helpt het dan ook bij het voorspellen van mogelijke bijwerkingen? Absoluut, denk ik. Ik denk dat dat zeker ook toepassing heeft. Ik weet het nu niet direct. Ik denk dat AI heel breed inzetbaar is in de life sciences. Maar dat heb je nog niet gezien? Nog niet direct, nee. Maar ik kan me wel voorstellen dat die mogelijkheden er zeker wel zijn. Wat hij wel kan doen is natuurlijk rekening houden met de geschiedenis van de patiënt. Kijken wat er gegeven is. Dokters hebben daar niet altijd een goed zicht op. Maar als die informatie beschikbaar is, kan hij ook voorspellend werken. Vorige week heeft hij een medicijntje aangenomen. Misschien is het geen goed idee om medicijntje B te geven op dit moment, voor die en die reden. Dus in dat opzicht kan het ook echt wel ondersteunend werken voor geneesheren of medici in het algemeen. Mooi. Jullie zien veel van dit soort voorbeelden voorbijkomen, met name met jullie werk voor octrooi support en dergelijke. Daar zou ik meteen nog wel een vraag geven van waar moet ik dan aan denken? Ik denk dat het belangrijkste is om te kijken naar de realiteit. En dat is ook een van de dingen die we in de AI-oplossingen zien. Dat is ook een van de dingen die we in de AI-oplossingen zien. Dat soort zaken moeten natuurlijk in zo'n model terechtkomen. Wil het effectief werken? Maar dat heeft natuurlijk wel ethische consequenties, ethische vragen, confidentialiteitsvragen. Dus ik denk dat dat wel een grote uitdaging gaat worden. Voor zo'n grote data-packages effectief. Om daar toegang toe te krijgen om die AI-modellen effectief te gaan ontwikkelen. Ja, precies. Ja, ik had namelijk dat ook wel als een beetje mijn hunch feeling van wat is nou de grootste uitdaging? Had ik die eigenlijk inderdaad verwacht. Of heb ik dat niet verwacht? Maar het is natuurlijk wel een grote uitdaging. Ja, dat is ook wel een grote uitdaging. Maar het is ook wel een grote uitdaging. Ja, het is inderdaad een grote uitdaging. Maar het is ook wel een grote uitdaging. Ja, het is inderdaad een grote uitdaging. Maar het is ook wel een grote uitdaging. Ja, het is inderdaad een grote uitdaging. Maar het is inderdaad een grote uitdaging. Ja, het is inderdaad een grote uitdaging. Maar het is inderdaad een grote uitdaging. Nu komt hij wel beter binnen. Het is vooral die mythe dat voor veel mensen, zeker de biotech die niet vaak te maken heeft gehad met software, Het is vooral die mythe dat voor veel mensen, zeker de biotech die niet vaak te maken heeft gehad met software, de barrière vormt tussen het octroëren van hun innovaties in dat vakgebied, naar het bewaren als bedrijfsgeheim. Uiteindelijk is een octrooi bedoeld om innovatie te steunen, want je krijgt er voor 20 jaar monopolie op, maar na 20 jaar moet iedereen het kunnen gebruiken. Dat is de insteek van octrooi. En dat vergeet hij natuurlijk iedereen, want iedereen denkt '20 jaar geld verdienen'. Maar daarna is het gewoon open. Ja, exact. Ik moet je eerlijk zeggen, ik dacht dat ook van wat jij zei. Software is niet, daar is geen octrooi op te vragen. Ik ben ook blij dat ik dit nu weet. Als ik nog kijk naar de grootste firma's, Google, Apple, die jongens, die portofuus hebben wel wat elementen van bijvoorbeeld telefoons, of Apple voor chips en zo van die zaken. Maar het grote deel is echt software gebaseerde dienstverlening. En dan zijn jullie nu gespecialiseerd in het kijken voor de AI-oplossingen, hoe je daar octrooien voor aanvraagt. Klopt dat? Ja. Of is dat te kort door de bocht? Ja, nee, dat is eigenlijk een heel korte samenvatting van wat wij eigenlijk doen. Uiteindelijk hebben wij alle twee een specialisatie opgebouwd in ons vakgebied, die we eigenlijk alle twee nodig hebben om de vragen die we krijgen in het biotechverhaal te kunnen oplossen. Want het is een speciaal vakgebied, software octrooien schrijven en verdedigen. Dat zijn een paar strenge regels. En ik heb mijn specialisatie en ik moet eigenlijk opgevoed worden door Sara in wat wil de marker X zeggen, wat wil micro-RNA zeggen, wat is daar belangrijk aan, hoe komt dat die moleculen daarop kan binden. Want ik moet dat allemaal natuurlijk verduidelijken en waarom die software die link kan leggen. Maar ik moet er dan wel voor zorgen dat het software octrooi blijft en dat het niet zomaar een werkwijze is voor het produceren van stofje X die ziektebeeld ei verhelpt. Ja, precies. En wat is daar anders aan, want je zegt van we zijn hierin gespecialiseerd, wat is daar anders aan dan de, even tussen aanhalingstekens, traditionele software dan? Er is niet veel verschillend ten opzichte van traditionele software. Het is uiteindelijk de toepassing die het moeilijker maakt. Je moet van beide vakgebieden heel veel kennen om het goed op te schrijven. En uiteindelijk onze taak is om alles goed op te schrijven. En een octrooi, je hebt eigenlijk maar bijzonder weinig kans om een octrooi aan te passen of goed op te schrijven. Je hebt daar eigenlijk maar een jaar de tijd voor als je het cru bekijkt. Oké. De ene keer dat het opgeschreven is, kan je meestal niet zoveel wijzigingen meer aanbrengen en laat staan dingen toevoegen. Het moet er gewoon goed staan. En daarom dat je zowel de expertise van iemand van de biotech nodig hebt als iemand van de software die het natuurlijk moet uitleggen. Want uiteindelijk een octrooi wordt bestudeerd door een Europese onderzoeker die gestudeerd heeft in de software, want dat is het uiteindelijk. Ja. Want die gaat dan uiteindelijk ook weer micro-RNA's naar zijn hoofd krijgen en zoiets van, wat staat hier nu? En dat is net eigenlijk het unieke selling point, dat we de twee kunnen combineren. Want er zijn niet veel mensen die als één persoon de twee kunnen. Nee, precies. Laat staan, octrooi gemakkelijk. Duidelijk. En wat is het risico als je dit niet goed opschrijft? Dat je geen octrooi krijgt. En dan heb je iets precies gegeven dat geen octrooi wordt. Ja, want de octrooi wordt natuurlijk wel ingediend, wordt het publiek. Dus anderen kunnen dat gaan inzien. En wordt die publiek als die afgekeurd is, of als die goed gekeurd is? Of kan je ook in de proces zijn naartoe? Nee, dus op zich, een octroïd blijft het eerste anderhalf jaar geheim. En dan wordt die wel publiek. Als je hem verder zet natuurlijk. Oh, je hebt nog een keuze in... Ja, je kan hem terugtrekken. Dan weet niemand dat je een octroïd hebt ingediend. Oké. Ja, maar dus als je dan inderdaad erna het risico loopt dat die afgekeurd wordt, na die anderhalf jaar, dan heb je wel publiek gemaakt waar je mee bezig bent natuurlijk. Dus wel hele goede afwegingen maken tussen, wat dien ik in? Wat laat ik publiceren? Wat zijn mijn kansen dat ik hier effectief ook dan een monopolie voor krijg? Want dat is uiteindelijk wel de bedoeling als je een octrooi indient, dat je er een monopolie voor krijgt. Dus ja, dat is onze taak. Om dat soort taken inderdaad te gaan nakijken. Er komen maar twee vragen naar boven. Oké. De eerste vraag is, gebruiken jullie ook zelf AI bij het opstellen van octrooien? Of bij de support die jullie leveren? We zijn er eigenlijk heel veel mee aan het experimenteren. Eén, we moeten heel fel opletten wat we doen. Want als we zoiets opstellen, dan is het natuurlijk geheim. Dus in eerste instantie experimenteren wij in offline omgevingen, zodanig dat we zeker zijn dat de gegevens niet buiten gaan. Uiteraard werken we met meer dan alleen ons tweeën samen. We willen zo'n tools gebruiken om één, onze kosten naar klanten toe te drukken, zelf efficiënter te kunnen werken, want dat doet het wel echt wel goed. En dan drie, is het eigenlijk in het algemeen de dienstverlening te kunnen verbeteren. Dus, wereld AI assisted patent attorneys, zoals wij het noemen dan, is vooral om onze dienstverlening te kunnen verbeteren en met minder tijd meer gedaan te krijgen. Dus echt efficiëntie verhogen. En mijn andere vraag die ik had is, voor wat zou ik een octrooi kunnen indienen? Waar moet ik dan aan denken? Moet er iets volledig nieuws zijn? Eigenlijk heel simpel, voor elke technische oplossing van een technisch probleem. En dan, als je dat hebt, dan moet je octrooi uiteindelijk voldoen aan twee hoofdvoorwaarden. Ik schets het heel heel heel beknopt. Je moet eigenlijk voldoen aan nieuwheid en aan een tweede voorwaarde is inventiviteit. Nieuwheid is eigenlijk heel zwart op wit. Als je het voorbeeld neemt van bijvoorbeeld een tafel. Stel, er staat al jarenlang een tafel met drie poten en die tafel met drie poten die wobbelt een beetje. En jij bent al wobbelen beu en je verzint dat die tafel met een vierde poot veel stabieler staat. Ik geef het heel simpelst neer, maar je hebt dus een tafel met vier poten uitgevonden. Dat wil zeggen dat die vierde poot nieuw is ten opzichte van die drie andere poten. Dan is eigenlijk de tweede hoordel dat je moet aantonen dat die vierde poot inventief is. Dat die niet voor de hand ligt om aan die tafel met drie poten een vierde poot te zetten. En dat is eigenlijk de oefening die wereldwijd wordt gedaan op de octrooien. Een onderzoeker gaat kijken waar jij bescherming voor vraagt. Een tafel met vier poten. Die gaat opzoeken wat er allemaal bestaat. Die gaat misschien een tafel met vier poten vinden. En dan gaat hij eigenlijk gewoon heel eenvoudig zeggen, jouw uitvinding is niet nieuw. Maar stel, die vindt maar tafels met drie poten. Dan gaat hij moeten toegeven dat jouw uitvinding nieuw is. En dan gaat hij eigenlijk de tweede rendering volgen van ligt het voor de hand om daar die vierde poot onder te zetten. En dat is dan weer een beetje ons werk. Wij moeten dat dan gaan beargumenteren dat het wel degelijk niet voor de hand ligt om daar een vierde poot onder te zetten. Omdat ja, jarenlang is dat met drie poten gedaan, zo van die verhalen. We moeten dat natuurlijk ook kunnen aantonen. Als die onderzoeker met een document komt van als je een vierde poot onder een tafel steekt, dan verhoogt de stabiliteit van je tafel, dan zijn wij ook uitgepraat. Dat is dan stopt de discussie. Maar dat is het spel eigenlijk dat wij spelen. Interessant. Ik weet niet of je hier antwoord op kan en mag geven, maar heb je een voorbeeld van een octrooi dat is goedgekeurd, waar je iets over mag zeggen van dat was echt een vernieuwing? Er zijn veel voorbeelden waar we kunnen noemen. Want als het is verleend, dan is het publiek en dan mogen we erover spreken. Toch vragen, we zijn in de terughouden tijd. We zouden nooit niks zeggen als ze niet mochten. Er zijn echt wel meerdere voorbeelden. Dat gebeurt wekelijks dat octrooien verleend worden op vernieuwingen. Maar dat kan van hele brede toepassingen gaan. Bijvoorbeeld het meten van corrosie op leidingen. Roest op leidingen. Bijvoorbeeld dat is een heel groot probleem in de oil en gas industrie. Oh, maar ik zit nog even in de gezondheidszorg. Sorry. Ik dacht roestopleiding. Ik zit in je lichaam. Ik was in mijn elektrosectie. Er zijn ook meerdere toepassingen in life sciences. Bijvoorbeeld in medische beeldherkenning. Waar ze kijken naar CT-scans van longen. En dan kunnen ze afhankelijk van het feedback van de CT-scan voorspellen wat de weefselafbraken zijn. En kunnen ze op basis daarvan weer ziektebeelden voorspellen. Dus dat is echt een technische diagnose van een ziektebeeld. Ik denk dat een van de sectoren die vanuit de medische wereld boomt op dit moment is de RNA-vaccinatie. Die vanwege covid natuurlijk een hele grote boost doorgemaakt heeft. Ik heb het voordeel dat een van mijn klanten daar ook aanwezig is. Dus ik heb daar heel kort bij kunnen opvolgen. Dat is een sector die eigenlijk al 15 jaar bestaat. Maar weinig of nog nooit geen aandacht gehad heeft tot covid kwam. En daar zijn natuurlijk hele grote ontwikkelingen geweest over de laatste jaren. Daar hebben we eigenlijk gezien dat we op een heel korte tijd, heel snel, een nieuw vaccin kunnen ontwikkelen. Dat is misschien niet direct AI aan te pas gekomen, maar dat is toch wel een heel grote boost geweest. En daar zijn ook een hoop rechtszaken gaande tussen verschillende partijen die elkaar aan het bevechten zijn. Want wij waren eerder met dit soort technologie dan jullie. Dus dat is wel een van de grootste ontwikkelingen, denk ik, inderdaad geweest de laatste jaren in de medische wereld. Ja, mooie voorbeelden denk ik toch? We hebben ook nog een virtuele co-host. Die willen wij ook altijd even de gelegenheid stellen om een vraag aan jullie te stellen. Oké. En waar... Even, ah daar is hij. Ja, je had hem. Top. Bedankt dat je ons vandaag vergezeld. Ik ben Aisha, de AI van deze show. Zou je het goed vinden als ik je een vraag stel? Ja, doe maar. Is er een specifiek gebied van AI dat je 's nachts wakker houdt vanwege de mogelijke positieve? Implicaties ervan? Zo. Goh, wat moeilijk. Ik lijk daar persoonlijk niet zo heel erg van wakker, want ik zit natuurlijk in een heel andere sector. Dus ik kijk een beetje naar Youri. Ik lijk er niet zo zeer wakker van liggen. Vooral de opportuniteiten die er zijn. Er is heel veel kans om ons leven te verbeteren met AI. Het is niet wakker liggen, het is gewoon het zien van de mogelijkheden. Wat de firma's aan het ontwikkelen zijn, waar ze mee bezig zijn. Ze gaan verschrikkelijk ver. Het is zo impressionant om te zien wat ze allemaal aan het doen zijn met die gegevens, met die AI. Dat gaat niet zozeer over het verbeteren van datastructuren, want dat is echt de core AI verbeteringen. Maar de toepassingen van AI in ons algemeen leven is niet te stoppen voor de duidelijkheid. En dat is sowieso een must-have en een verbetering in mijn ogen. Ik denk dat we zeker met de ontwikkelingen die er gaan zijn, dat we nog niet de fantasie hebben om alles te kunnen gebruiken wat er nu misschien al mogelijk is. Nee. En het is misschien zelfs niet praktisch beschikbaar in sommige gevallen. Ja, ook dat. Kijk aan. Ik dacht dat er geen vragen worden gezien van het leven. A42. Maar deze zat er niet ver vanaf, toch? Het leuke is, wij weten eigenlijk ook nooit welke vragen er gesteld worden. Dus dat zorgt altijd wel voor enige verrassing. Waar lig jij wel eens wakker van, de positieve implicaties van AI, Niels? Dat ik eigenlijk nog wel meer AI zou willen hebben om niet wakker te liggen. Mijn support met het offloaden van acties, het doetjes en de eigen AI-assistent. Daar lig ik wel wakker van. Maar vooral niet positief, maar dat ik het nog wil gaan hebben in een betere vorm. Dat is ook wel een mooie. Ja, misschien sluit ik me daar eigenlijk wel van jou. Dat zou ontzettend helpen. Zeker weten. Niels had het net al een beetje aan jullie gevraagd, dat je al wat aan AI gebruikt. Als je verder mag denken, wat naar voren, zie je nog mogelijkheden om je werk daarin te verbeteren, te vergemakkelijken, specifieker te maken, beter in de storytelling? Ik heb geen idee. Ik denk dat wij naar de toekomst veel minder zelf gaan schrijven. Ik denk dat dat wel door de computer zal worden overgenomen. Maar dat onze meerwaarde wel in de strategie en het begeleiden van door het proces zal gebeuren. Het is nog altijd niet zo eenvoudig om een goede conclusie, dat is wat jouw beschermingsomvang bepaalt, neer te schrijven. Daar zien we ongelooflijk veel mogelijkheden en opportuniteiten doorheen. Dus wij zijn nog sowieso ons job niet kwijt, zoals sommige mensen wel denken. Iedereen zegt AI gaat ons vervangen. Totdat AI deftig het licht kan uitzetten, ben ik nog een beetje aan het afwachten. Ik geloof dat ook niet zo winnen. Zeker niet. Wat ik ook straks zei, die combinatie van AI met de arts, ik denk dat die bij ons ook gewoon in het beroep hetzelfde gaat zijn. De combinatie van AI met ons, als octrooigemachtigde, met de expertise die we hebben, die moet je gewoon maximaal proberen in te zetten. En de taken die makkelijk overgenomen kunnen worden, laten overnemen en de rest focussen op de essentie. Zou je hem kunnen gebruiken als een soort van reviewer? Dat je zegt, je bent een hele kritische octrooibeooordelaar, schiet hier eens even gaten in, in mijn betoog. Absoluut, daar zijn we nu mee aan het testen. En dat doet hij met af en toe succes goed. Wat hij wel heel goed doet, is vergelijkingen. Uiteindelijk vergelijken we ons document met een ander document, zeggen wat de verschillen zijn. Daar is hij best goed in om die verschillen te identificeren, althans op een heel abstract niveau. Als het echt octrooittechnisch te diep gaat, dan haakt hij af. Maar hij kan je echt wel helpen met bijvoorbeeld, zeg die technologie die je daar gebruikt, die is toch wel noemenswaardig anders dan de technologie die in dat document beschreven staat. Dus daar zijn we zo mee aan het spelen. Zodat de interpretatie voor jullie daar gelijk gedaan kan worden, in plaats van eerst zelf die documenten ook nog helemaal door te opleveren. Ja, vooral dat wij minder moeten lezen, dat we enkel de essentie moeten lezen. Dat we op basis van die informatie dan wel direct conclusies kunnen trekken. En in dat opzicht is misschien wel iets waar je van wakker moet liggen. Het maakt het moeilijker voor mensen om in ons vak te komen, als ze niet het beulenwerk hebben gedaan op voorhand. Want je komt niet zomaar tot die conclusie zonder het document is gelezen te hebben, of te weten wat er eigenlijk van informatie nodig is. Precies. Je moet uiteindelijk nog van alles heel erg in detail weten, om uiteindelijk goed ondersteund te kunnen worden door de technologie. Exact. Ja, en ik denk een van de ontwikkelingen die we ook wel zien, en die zeker nu al aan het gebeuren is, maar waar het dan nog wel verder gaat, is ook het zoeken naar relevante documenten. Dus niet enkel als ik een document heb, het gaan interpreteren. Maar ik moet het ook eerst vinden. En er is zoveel publieke informatie beschikbaar. Dat boomt. Zelfs documenten, want voor ons is het vaak wat Youri zei, dat het een nieuwheid moet zijn. Maar nieuwheid is absoluut een nieuwheid. Dat wil zeggen, er mag nog nooit iets ergens gezegd geweest zijn over een tafel met vier poten. Dat kan tot in China gaan, dat kan over de hele wereld gaan, dat kan honderd jaar geleden zijn. Dus het moet echt absoluut nieuw zijn. Dus dat wil zeggen, er is zo'n bron aan informatie beschikbaar, die doorzocht moet worden om te zien, is dit wat ik wil patenteren effectief nieuw? En ik denk dat AI daar enorm in kan ondersteunen, om die grote bron aan informatie effectief te gaan doorzoeken. En daar die documenten uit te halen die het dichtst in de buurt komen. En dan kunnen wij inderdaad onze expertise daarbovenop leggen, om te gaan analyseren, komt dit echt in de buurt? Zonder dat wij al die duizenden documenten zelf gaan moeten doornemen. Uiteindelijk volgt dat ook de kwaliteit van de verleende octrooien, wat uiteraard heel belangrijk is. Nu merken we dat er veel octrooien worden verleend, maar dat er ook veel worden onderuit geschopt, als ze worden aangevallen. Iedereen is gebaat bij een sterk octrooi. Zelfs de octrooihouder, niemand is gebaat bij een flauw octrooi. Want je mag niet zomaar gaan wapperen met je octrooi, als je weet dat het niet inventief is. Nee precies. Of niet nieuw. Ik heb nog een vraag, die zit eigenlijk een beetje op mijn achterhoofd, maar ik kom nu naar voren, dus ik ga toch zeggen, ik weet niet of jullie een antwoord op kunnen geven, maar wat ik me afvroeg is, voor zo'n octrooiaanvraag, we weten heel veel, blackbox modellen, dan liefst wil je ze kunnen verklaren, wil je toelichting hebben. Maakt dat nog uit voor het octrooi, of het een blackbox model is, of dat die toegelicht kan worden, dat hij zichzelf helpt te beschrijven? Dat is een hele goeie vraag, ik ben blij dat je die gesteld hebt. Voor de heel eenvoudige reden, dat is vaak een discussie die we hebben met klanten. Wat geven we prijs in het octrooi? Wat is echt essentieel voor jouw oplossing, om te laten werken? Wij zijn niet verplicht om het perfecte model op te nemen in een octrooiaanvraag, we zijn niet verplicht om de nodes waarden aan te geven, of zelfs een datastructuur aan te geven. Dat is niet nodig. En dat geeft ook kansen. Dat wil zeggen dat je in een octrooi, moet je het werkbaar kopieerbaar kunnen maken. Dus als iemand jouw octrooi leest, moet die eigenlijk jouw uitvindingen kunnen kopiëren. Waar komt het eigenlijk op neer? Als je gewoon zegt, ik geef verse water in om er cola van te maken, zoals Coca-Cola doet, en je zegt dat Coca-Cola wordt gemaakt met een black box, daar krijg je geen octrooi voor. Want iedereen weet dat niemand tot Coca-Cola is geslaagd momenteel. Oké, dus daar zit het nuance spel van, wat moet ik vrijgeven en wat kan ik vrijgeven, zodat het reproduceerbaar is, maar misschien toch nog net genoeg voor jezelf kunnen houden. We zoeken eigenlijk altijd naar, het moet namaakbaar zijn, maar niet op de best mogelijke manier. En die best mogelijke manier houden we wel intern, dus laat de rest maar doen. Maar ze gaan nooit zo'n goed product ontwikkelen, zoals je zelf ontwikkelt. Het heeft ook iets paradoxaals. Je wil iets beschermen, zodat het niet nagelijk gemaakt kan worden, tenminste voorlopig, maar het moet wel namaakbaar zijn. Ja, maar dat heeft te maken met het feit dat octrooien eigenlijk, het monopolie wat je krijgt van octrooi, dat moet je iets voor teruggeven. En monopolie krijg je om innovatie weer verder te gaan stimuleren. Ze zeggen, je hebt daar geld, je hebt daar middelen in gestoken, je hebt daar tijd in gestoken, oké, jij krijgt alleen recht om dit effectief te gaan doen, maar je moet wel aan de maatschappij ter beschikking stellen wat je gedaan hebt, hoe je dat gedaan hebt, zodat anderen daar weer verdere ontwikkelingen op kunnen doen. Dat is een beetje de achtergrond van octrooien. Dus naast de twee criteria die Youri in het begin zei, dus nieuwheid, inventiviteit, is één van de derde criteria, er zijn er nog meer, we gaan jullie sparen met alle details, is een ander criterium ook, het moet nawerkbaar zijn. Maar dat staat niet in de wet, het moet op de best mogelijke manier. Nee, precies. Ik kan me daar niets meer voorstellen. Het wijden stimuleren van verdere innovatie ligt daarvan. Als je ergens een geheim ingrediënt hebt, die je niet nodig hebt voor het octrooi, dan snap ik het. Het meest bekende voorbeeld is dat van Google en de crawler. Ze hebben zoveel octrooien op die zoekmachine, maar er staat in geen enkele octrooi exact wat ze doen. Dat maakt het de kat niet wijs. Nee, dat is ook een strategie. Heel veel octrooien op heel kleine stukjes en beetjes, zodat het hele proces ergens beschermd is, maar je moet er helemaal bijeen gaan puzzelen uit al die octrooien, daar kom je toch niet achter. Dus dat is ook een manier om toch bescherming te krijgen, zonder dat je het hele proces in principe gaat vrijgeven. Dus we hebben wel heel veel speelruimte. En daar zit dan wel de meerwaarde die we als personen wel hebben. Ik denk dat AI daar toch nog net niet sterk genoeg staat om dat soort strategische beslissingen effectief te gaan maken. Hoeveel octrooien dien ik in, op welke stukjes dien ik een octrooi in, welke stukjes hou ik geheim. Dat denk ik nog niet. Stel je voor dat zoiets als een copilot een octrooiaanvraag opstelt, beschikking heeft tot alle informatie, ook je bedrijfsschermen, want dat staat allemaal op de cloud. En zo, hop, even in die octrooiaanvraag, het is belangrijk dat, en hoi, roef, heel bedrijfsscherm. Dus dat onderscheid maken, dat is toch nog wel iets. Dat is wel echt mensenwerk. Ja, dat is mensenwerk. Ik denk dat we een heel mooi overzicht hebben gekregen van wat jullie doen, tegen welke uitdagingen jullie aanlopen. Maar ik ben ook nog wel benieuwd, in je persoonlijke leven, gebruik je ergens AI in je persoonlijke leven? Ik niet eigenlijk. Ik best veel. Maar dat is vooral voor opzoekingen. Voor persoonlijke opzoekingen? Je bent thuis bezig met de verbouwing, en dan vraag ik aan een ChatGPT in dit geval, wat zijn de regelgevingen in België voor isolatie van zoveel? Oh ja. Ik doe het eigenlijk nog op een klassieke manier. Ik ga gewoon naar Google en vraag het aan Google, maar ik denk misschien moet ik toch wel eens een keer switchen naar een ChatGPT. Dan krijg je zoveel reclame op je neus. Dat is wel waar. Wat mij kortstaat, maar wat de isolatie waarde is voor dit, en waar moet ik dat zoeken? Ja, precies. Ja, grappig. Ja. Ik had het laatst gebruikt voor, ik wilde een heel korte tour maken, nadat ik om een conferentie in Ierland gesproken had. Dat ik zei van, ik heb maar twee dagen, doe maar even een route, zodat ik, ik wil graag foto's maken, dus geef me de beste fotolocaties die ik in twee dagen kan doen. Ja. Dat soort, dat is geweldig om dat eruit te krijgen. En dan is het toevallig in Ierland gepakt, ergens in de zuidoost. Dat we daar toevallig ook een eilandje Ierland... O, zo. Nee, nee, nee. Ik kreeg een hele mooie route die ik ongeveer gevolgd heb, want natuurlijk als je aan het rijden bent, dan denk je, hé, dat zie ik ook wel leuk. Dus het was ondersteunend, maar niet leidend. Want met die kraft. Ja. Ja, voor mij was het inspiratiegevend. Dus kinderfeestjes, sporten, andere activiteiten, trainen en echt, ja, voor inspiratie. En dat zijn dan dingen die jullie ook in JetGPT opzoeken, of gebruiken jullie ook andere AI-tools? Want ik loop zo een beetje verloren in alle AI-tools die er ter beschikking zijn, om dan te vinden van welke tool heb ik nu eigenlijk nodig? Ik heb bijna AI nodig om de juiste tool te vinden. Die is er ook trouwens. Waarschijnlijk. Nee. Nou ja, wat ik ook dan wel gebruik is MidJourney. Met MidJourney kun je plaatjes creëren. Die gebruik ik ook voor mijn presentaties en dat soort dingen. Maar in mijn privéleven vind ik het leuk om voor de kinderen om bijvoorbeeld hele specifieke kleurplaten te maken. Eén van de kinderen is helemaal gek van paardrijden. En dan lijkt het alsof er een kleurplaat is van haar zelf, met lange haren, met een paard die door de branding loopt. En die kan ze dan lekker gaan inkleuren bijvoorbeeld. Dat is een goeie. Die ga ik ook toepassen. Ja, die moet ik ook proberen. Ik heb namelijk ook een dochter die helemaal gek is van paardrijden. En dan kun je hem helemaal personaliseren van wat er op moet komen te staan. Oké, top. Mijn zoon is net met pixelart begonnen op school. Dus ik ga er eens even kijken wat voor plaatje van dat zo'n hobby een pixelart kan laten genereren. Ja, mooi. Laatste is van, wat is een vraag die wij niet gesteld hebben, die je misschien wel verwacht had? Dat is een heel goeie vraag. Weeral een goeie vraag. Het feit dat we erover moeten nadenken is waarschijnlijk het feit dat je al een vraag gesteld hebt. Ik moet er echt goed over nadenken, want ik denk dat we heel veel topics hebben geraakt. Ja, dat kan ook de conclusie zijn, toch? Dat we mooi hebben afgerond. We weten heel veel meer, denk ik, over octrooien, over de fases die jij genoemd hebt, Sarah, van waar dat zich allemaal afspeelt. Ik heb in ieder geval geleerd op Sofia kan je prima octrooien aanvragen, dus dat is voor ons ook wel interessant. Zeker. Ontzettend bedankt dat jullie hier naartoe wilden komen, helemaal vanuit België. Sarah bedankt, Jorik bedankt. Joop, jou ook bedankt. Fijne keer. Zo, dat is het. Dat gewinnen ze vaak. Dank je wel dat je weer wilde luisteren naar een aflevering van ons. Vergeet je niet te abonneren via de Favoriete Podcast App. Mocht je ons willen steunen, 5 sterren op Spotify helpt enorm. Dan komen we iets hoger in de zoekresultaten. Er zit ook een stukje AI achter, dat helpt enorm. Dank je wel weer voor het luisteren. Tot de volgende keer. [Muziek] [Muziek]