医学专利技术价格分析系统

本发明涉及专利技术价格分析技术领域，特别是涉及一种医学专利技术价格分析系统。

开展医学专利临床经济价值评估是医院与企业谈判、合作及转化的基础与前提。医学专利具有技术密集度高和市场信息不对称等特点，目前该领域专利价值评估主要基于医务人员或相关行业专家的主观判断，适应医学专利转化特殊性的经济价值评估体系尚未形成。在专利价值评估方法应用实践中，将成熟的财务评估方法运用到专利资产评估中仍是国内目前无形资产评估的主要手段，即成本法、市场法和收益法，其中收益法通过将评估专利技术预测期内的收益贡献折现到评估基准日而获取评估结果，通常被认为是与评估专利技术内在价值联系最为紧密的一种评估方法，但在评估参数的选取上随意性较大，使专利资产评估的结果缺乏说服力。

另一方面，医学专利的特殊性在于其产生和价值实现均存在于临床诊疗过程中，因此其价格评估中引入临床疾病诊疗数据及其关键，而现有评估方法中该数据模块被忽略。

本发明针对现有技术存在的问题和不足，提供一种医学专利技术价格分析系统。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种医学专利技术价格分析系统，其特点在于，其包括一历史指标数据库、一客户端指标输入模块、一输入指标客户端数据库、一第一计算模块、一第二计算模块和一评估结果输出模块；

所述历史指标数据库用于存储多个医学专利技术转化实际案例，所述医学专利技术转化实际案例包括专利技术针对的疾病类别、该类别疾病的疾病危害程度数据和疾病成本数据、发明人专业资历数据、发明人技术成就数据、技术因子数据、专利因子数据、医院综合实力数据、技术应用前景数据、政策影响力数据及转让价格；

所述客户端指标输入模块用于供用户输入针对特定疾病类别的待评估的医学专利技术的相关指标数据信息并存储至输入指标客户端数据库，相关指标数据信息包括待评估的医学专利技术针对的疾病类别、该类别疾病的疾病危害程度数据和疾病成本数据、发明人专业资历数据、发明人技术成就数据、技术因子数据、专利因子数据、医院综合实力数据、技术应用前景数据、及政策影响力数据；

所述第一计算模块用于根据待评估的医学专利技术的疾病危害程度数据和疾病成本计算出技术相关单病种疾病数据，根据发明人专业资历数据和发明人技术成就数据计算出技术第一发明人特征数据，根据技术因子数据和专利因子数据计算出技术质量数据，根据医院综合实力数据、技术应用前景数据和政策影响力数据计算出技术转化前景数据，并根据计算出的技术相关单病种疾病数据、技术第一发明人特征数据、技术质量数据和技术转化前景数据计算出医学专利技术价格指数；

所述第二计算模块用于根据医学专利技术价格指数测算出待评估的医学专利技术的价格和价格范围；

所述评估结果输出模块用于输出待评估的医学专利技术的价格。

较佳地，所述系统还包括一审核模块，所述相关指标数据信息还包括与待评估的医学专利技术相关的现有相似医学专利技术的相关指标数据信息和市场价格，

所述审核模块用于在待评估的医学专利技术存在现有相似医学专利技术且具有现有相似医学专利技术的市场价格时，对该市场价格进行审核，在审核通过时调用第一计算模块计算现有相似医学专利技术价格指数，调用第二计算模块根据现有相似医学专利技术价格指数和现有相似医学专利技术的市场价格的比例关系以及待评估的医学专利技术价格指数计算出待评估的医学专利技术的价格；

在审核未通过时检索出现有相似医学专利技术的实际价格，调用第一计算模块计算现有相似医学专利技术价格指数，调用第二计算模块根据现有相似医学专利技术价格指数和现有相似医学专利技术的实际价格的比例关系以及待评估的医学专利技术价格指数计算出待评估的医学专利技术的价格；

所述审核模块用于在没有现有相似医学专利技术时调用第二计算模块根据医学专利技术价格指数和评估常数测算出待评估的医学专利技术的价格。

较佳地，所述系统还包括评估常数计算模块；

所述第一计算模块用于根据每一医学专利技术转化实际案例包括的数据计算出该医学专利技术转化实际案例对应的医学专利技术价格指数；

所述评估常数计算模块用于根据每一医学专利技术转化实际案例对应的转让价格和医学专利技术价格指数的比值计算出对应的评估常数；

所述第二计算模块用于根据医学专利技术价格指数和评估常数相乘测算出待评估的医学专利技术的价格。

较佳地，所述系统还包括一预处理模块，所述预处理模块用于对疾病危害程度数据和疾病成本数据进行归一化处理；

所述疾病危害程度数据包括：疾病地区患病率X、疾病地区死亡率X、疾病全球患病率X和疾病全球死亡率X，所述疾病成本数据包括：疾病平均住院天数X和疾病住院均次费用X；

所述第一计算模块用于通过公式f(x)＝aX+aX+aX+aX计算出疾病危害程度指数，通过公式f(x)＝aX+aX计算出疾病成本指数，并通过公式f(x)＝(bf+bf)/b计算出技术相关单病种疾病指数，其中a、a、a、a、a、a、b、b和b可通过因子分析获得。

较佳地，所述预处理模块用于对发明人专业资历数据和发明人技术成就数据进行归一化处理；

所述发明人专业资历数据包括：卫生职称X、研究体系职称X和现有职称任职年限X，所述发明人技术成就数据包括发明人所获技术相关奖项X和发明人专利拥有量X；

所述第一计算模块用于通过公式f(x)＝cX+cX+cX计算出发明人专业资历指数，通过公式f(x)＝cX+cX计算出发明人技术成就指数，并通过公式f(x)＝(bf+bf)/b计算出技术第一发明人特征指数，其中c、c、c、c、c、b、b和b可通过因子分析获得。

较佳地，所述预处理模块用于对技术因子数据和专利因子数据进行归一化处理；

所述技术因子数据包括：技术的不可规避性X、技术依赖性X和专利侵权判定难易程度X，所述专利因子数据包括：专利权剩余有效年限X、专利许可状况X、专利布局X和权利要求项数数量X；

所述第一计算模块用于通过公式f(x)＝dX+dX+dX计算出技术因子指数，通过公式f(x)＝dX+dX+dX+dX计算出专利因子指数，并通过公式f(x)＝(bf+bf)/b计算出技术质量指数，其中d、d、d、d、d、d、d、b、b和b可通过因子分析获得。

较佳地，所述预处理模块用于对医院综合实力数据、技术应用前景数据和政策影响力数据进行归一化处理；

所述医院综合实力数据包括：医院级别X、医院类别X和医院排名X；所述技术应用前景数据包括：技术相关产品应用科室X和技术持续更新趋势X，所述政策影响力数据包括：技术应用地区X和政策导向X；

所述第一计算模块用于通过公式f(x)＝eX+eX+eX计算出医院综合实力指数，通过公式f(x)＝eX+eX计算出技术应用前景指数，通过公式f(x)＝eX+eX计算出政策影响力指数，并通过公式f(x)＝(bf+bf+bf)/b计算出技术转化前景指数，其中，e、e、e、e、e、e、e、b、b、b和b可通过因子分析获得。

较佳地，所述技术应用前景数据还包括：技术成熟度X，所述第一计算模块用于通过公式f(x)＝eX+eX+eX计算出技术应用前景指数，e可通过因子分析获得。

较佳地，所述第一计算模块用于通过公式f(x)＝gf(x)+gf(x)+gf(x)+gf(x)计算出待评估的医学专利技术价格指数，g、g、g和g可通过因子分析获得。

较佳地，g＝g＝g＝g＝0.25。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：

本发明提供一个医学专利技术价格分析系统，它能够基于技术相关单病种疾病数据，技术第一发明人特征数据、专利质量数据和转化前景数据，并结合现有专利技术价格或本发明还涉及的临床医学专利技术价格计算程序，提供医学专利技术价格，而不过多依赖主观判断。

图1为本发明较佳实施例的医学专利技术价格分析系统的结构框图。

图2为本发明较佳实施例的医学专利技术价格分析系统的流程图。

图3为本发明较佳实施例的第一计算模块的结构框图。

图4为本发明较佳实施例的评估常数的获取流程图。

图5为本发明较佳实施例的Lgα数据正态分布曲线图。

图6为本发明较佳实施例的偏度系数和峰度系数检验示意图。

图7为本发明较佳实施例的单样本K-S检验结果示意图。

图8为本发明较佳实施例的Lgα数据Q-Q检验结果示意图。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例提供一种医学专利技术价格分析系统，其包括一历史指标数据库1、一客户端指标输入模块2、一输入指标客户端数据库3、一预处理模块4、一审核模块5、一第一计算模块6、一第二计算模块7、一评估常数计算模块8和一评估结果输出模块9。

根据图2，具体介绍医学专利技术价格分析系统的实现流程。

所述历史指标数据库1用于存储多个医学专利技术转化实际案例，所述医学专利技术转化实际案例包括专利技术针对的疾病类别、该类别疾病的疾病危害程度数据和疾病成本数据、发明人专业资历数据、发明人技术成就数据、技术因子数据、专利因子数据、医院综合实力数据、技术应用前景数据、政策影响力数据及转让价格。

此处历史指标数据库，疾病危害程度数据包括疾病地区患病率、疾病地区死亡率、疾病全球患病率和疾病全球死亡率；疾病成本数据包括疾病平均住院天数和疾病住院均次费用；发明人专业资历数据包括第一发明人的卫生职称、研究体系职称、现有职称任职年限；发明人技术成就数据包括发明人所获技术相关奖项和发明人专利拥有量；技术因子数据包括专利技术的不可规避性、技术依赖性、专利侵权判定难易程度；专利因子数据包括专利权剩余有效年限、专利许可状况、专利布局和权利要求项数数量；医院综合实力数据包括依据医学转化实际案例中涉及的专利文献中专利权人和技术可能形成的产品判断的医院级别、医院类别、医院排名；技术应用前景数据包括技术相关产品应用科室、技术持续更新趋势、技术成熟度；政策影响力数据包括技术应用地区和政策导向。

所述客户端指标输入模块2用于供用户输入针对特定疾病类别(如内科、外科、妇科和儿科等)的待评估的医学专利技术的相关指标数据信息并存储至输入指标客户端数据库3，相关指标数据信息包括待评估的医学专利技术针对的疾病类别、该类别疾病的疾病危害程度数据和疾病成本数据、发明人专业资历数据、发明人技术成就数据、技术因子数据、专利因子数据、医院综合实力数据、技术应用前景数据、及政策影响力数据。还包括：与待评估的医学专利技术相关的现有相似医学专利技术的相关指标数据信息和市场价格

所述预处理模块4用于对于数据库中存储的原始指标数据进行归一化处理，优选的对指标数据的量纲进行统一，优选的疾病地区患病率、疾病地区死亡率、疾病全球患病率、疾病全球死亡率均以10万/人为量纲，疾病平均住院天数以天为单位，疾病住院均次费用以万为单位。

对部分原始数据量化，包括对于卫生职称的量化，量化方式优选的根据职称高低，赋予分值；对于研究体系职称或学术职称的量化，量化方式优选的根据职称高低，赋予分值；对于发明所获技术相关奖项量化，量化方式优选的根据奖项级别的高低，赋予分值；对于发明所获技术相关奖项量化，量化方式优选的根据奖项级别的高低，赋予分值；对于技术不可规避性的量化，量化方式优选的根据权利要求书撰写严谨性，赋予分值；对于专利侵权判定难易程度的量化，量化方式优选的依据说明书和权利要求书的撰写内容，根据侵权判定的难易程度，包括取证程序和研究领域等难易程度，赋予分值；对于医院或生物医药企业级别的量化，量化方式优选的根据医院或企业规模(大、中、小或微型)，赋予分值；对于医院类别或企业类型的量化，量化方式优选的根据医院等级或企业性质，赋予分值；对于医院或企业排名的量化，量化方式优选的根据医院或企业注册资金情况，赋予分值；对于技术持续更新趋势的量化，量化方式优选的根据近几年技术专利相同IPC的专利申请数量增长趋势情况，赋予分值；对于技术成熟度的量化，量化方式优选的根据研究阶段，赋予分值；对于技术应用地区的量化，量化方式优选的根据技术使用范围，赋予分值；对于政策导向的量化，量化方式优选的根据专利技术对应的医疗器械或者药品申报分类目录中的管理级别，赋予分值。

部分指标数据标化，任何时候启动评估一项新的医学专利技术，首先根据客户端指标输入系统录入的指标信息，将“技术相关单病种疾病数据模块”、“技术第一发明人特征数据模块”、“专利质量数据模块”和“转化前景数据模块”四大模块的原始数据更新至后台历史指标数据库，基于更新后的历史指标数据库，需要更新标化标准的指标包括：医师职称、研究体系职称、现有职称任职年限、发明所获技术相关奖项、发明专利拥有量、专利权剩余有效年限(月)、专利许可状况(含转让)、专利布局、权利要求项数数量、医院/企业级别、医院类别/企业类型、医院及企业排名、技术相关产品应用科室、技术持续更新趋势和技术应用地区，标化标准的更新方式优选的通过更新上述指标的平均数，上述指标通过更新后的均数进行标化。

所述审核模块5用于在待评估的医学专利技术存在现有相似医学专利技术且具有现有相似医学专利技术的市场价格时，对该市场价格进行审核，在审核通过时调用第一计算模块6计算现有相似医学专利技术价格指数，调用第二计算模块7根据现有相似医学专利技术价格指数和现有相似医学专利技术的市场价格的比例关系以及待评估的医学专利技术价格指数计算出待评估的医学专利技术的价格；在审核未通过时检索出现有相似医学专利技术的实际价格，调用第一计算模块6计算现有相似医学专利技术价格指数，调用第二计算模块7根据现有相似医学专利技术价格指数和现有相似医学专利技术的实际价格的比例关系以及待评估的医学专利技术价格指数计算出待评估的医学专利技术的价格。

所述审核模块5还用于在没有现有相似医学专利技术时调用第二计算模块7根据医学专利技术价格指数和评估常数测算出待评估的医学专利技术的价格。即Y(医学专利技术价格)＝αX(医学专利技术价格指数)，其中α为评估常数。

所述第一计算模块6用于根据每一医学专利技术转化实际案例包括的数据计算出该医学专利技术转化实际案例对应的医学专利技术价格指数。

优选地，如图3所示，所述第一计算模块6包括技术相关单病种疾病数据模块、技术第一发明人特征数据模块、专利质量数据模块和转化前景数据模块。

技术相关单病种疾病数据模块包括疾病危害程度数据子模块和疾病成本数据子模块，技术第一发明人特征数据模块包括发明人专业资历数据子模块和发明人技术成就数据子模块，专利质量数据模块包括技术因子数据子模块和专利因子数据子模块，转化前景数据模块包括医院综合实力数据子模块、技术应用前景数据子模块和政策影响力数据子模块。

疾病危害程度数据包括：疾病地区患病率X、疾病地区死亡率X、疾病全球患病率X和疾病全球死亡率X，所述疾病成本数据包括：疾病平均住院天数X和疾病住院均次费用X。

疾病危害程度数据子模块用于通过公式f(x)＝aX+aX+aX+aX计算出疾病危害程度指数，疾病成本数据子模块用于通过公式f(x)＝aX+aX计算出疾病成本指数，技术相关单病种疾病数据模块用于通过公式f(x)＝(bf+bf)/b计算出技术相关单病种疾病指数，其中a、a、a、a、a、a、b、b和b可通过因子分析获得。

发明人专业资历数据包括：卫生职称X、研究体系职称X和现有职称任职年限X，所述发明人技术成就数据包括发明人所获技术相关奖项X和发明人专利拥有量X。

发明人专业资历数据子模块用于通过公式f(x)＝cX+cX+cX计算出发明人专业资历指数，发明人技术成就数据子模块用于通过公式f(x)＝cX+cX计算出发明人技术成就指数，技术第一发明人特征数据模块用于通过公式f(x)＝(bf+bf)/b计算出技术第一发明人特征指数，其中c、c、c、c、c、b、b和b可通过因子分析获得。

技术因子数据包括：技术的不可规避性X、技术依赖性X和专利侵权判定难易程度X，所述专利因子数据包括：专利权剩余有效年限X、专利许可状况X、专利布局X和权利要求项数数量X。

技术因子数据子模块用于通过公式f(x)＝dX+dX+dX计算出技术因子指数，专利因子数据子模块用于通过公式f(x)＝dX+dX+dX+dX计算出专利因子指数，专利质量数据模块用于通过公式f(x)＝(bf+bf)/b计算出技术质量指数，其中d、d、d、d、d、d、d、b、b和b可通过因子分析获得。

较佳地，所述医院综合实力数据包括：医院级别X、医院类别X和医院排名X；所述技术应用前景数据包括：技术相关产品应用科室X、技术持续更新趋势X和技术成熟度X，所述政策影响力数据包括：技术应用地区X和政策导向X；

医院综合实力数据子模块用于通过公式f(x)＝eX+eX+eX计算出医院综合实力指数，技术应用前景数据子模块用于通过公式f(x)＝eX+eX+eX计算出技术应用前景指数，政策影响力数据子模块用于通过公式f(x)＝eX+eX计算出政策影响力指数，转化前景数据模块用于通过公式f(x)＝(bf+bf+bf)/b计算出技术转化前景指数，其中，e、e、e、e、e、e、e、e、b、b、b和b可通过因子分析获得。

所述第一计算模块6用于通过公式f(x)＝gf(x)+gf(x)+gf(x)+gf(x)计算出待评估的医学专利技术价格指数，g、g、g和g可通过因子分析获得，g＝g＝g＝g＝0.25。

如图4所示，所述评估常数计算模块8用于通过后台历史数据库的实际医学转化案例，分析所涉及的专利技术，基于本发明所述的医学专利技术价格指数获取方法，获取多例涉及专利技术的价格指数，并通过所涉及的专利技术的实际转化价格与其价格指数之间的相关方程得出一组医学专利价格评估常数数据，优选的相关方程为线性方程，即α(医学专利价格评估常数)＝Y(医学专利技术实际价格)/X(医学专利技术价格指数)，优选的α的对数取值，即Lgα满足正态分布。例如，本发明运用多例转化实际案例，得出α的一组取值，并验证Lgα满足正态分布：

检验方式一：偏度系数和峰度系数检验。

图5，横轴为变量，纵轴为频数，从图中可以看出根据直方图绘出的曲线是很像正态分布曲线，通过偏度系数和峰度系数检验，从图6可见，偏度系数＝0.54；峰度系数Kurtosis＝0.50；两个系数都小于1，可认为近似于正态分布。

检验方式二：单个样本K-S检验

从图7中可以看出，K-S检验中，P值Sig.(2-tailed)＝0.181>0.05，因此数据呈近似正态分布。

检验方式三：Q-Q图检验

从图8中可以看出，QQ Plot中，各点近似围绕着直线，说明数据呈近似正态分布。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。