【EPO審判部 / 2026年04月22日】T 0642/25 - 取引データ処理用機械学習モデルのデータ拡張・学習方法に関する進歩性欠如審決

1. 事案の概要（事実経過・請求内容）

（当事者および出願経過）
出願人（Appellant）Featurespace Limitedは、デジタル取引データにおける異常（不正取引等）を検知するための教師あり機械学習システムを学習させるコンピュータ実装方法に関する欧州特許出願（出願番号：21728871.1）を行った。欧州特許庁（EPO）審査部は、請求項に係る発明は先行技術文献（D1）に対して進歩性を欠く（EPC第52条(1)および第56条違反）として拒絶査定を下した。これを不服とした出願人が審判を請求した。

（請求項1の発明特定事項）
請求項1の方法は、未ラベルの取引データサンプルに「異常なし」のラベルを付与し、観測特徴量とコンテキスト特徴量に分割した上で、異なるエンティティ間の特徴量を組み合わせて合成データサンプルを生成し、「異常あり」のラベルを付与して学習データを拡張（augmentation）し、この拡張データセットを用いて機械学習システムを学習させ、新たなデータに対して異常の有無を示す値を出力可能にするものである。

（出願人の主張の骨子）
出願人は、ラベル付きデータが不足・欠落している状況下で高精度な機械学習モデルを生成するという課題は客観的かつ技術的課題であり、合成データの生成およびそれによる学習データセットの拡張自体が技術的効果を生むと主張した。また、生成されたラベルは機能的データ（functional data）であり、画像分類において合成データ生成が進歩性の根拠とされた判例（T 1286/09）や、不正検知システムを技術的と認めた判例（T 1901/08）と同様に保護されるべきであると主張した。

2. 判決の主文

審判請求を棄却する（The appeal is dismissed）。

3. 主な争点

• 争点1: 金融・取引データにおける異常検知モデルの学習およびデータ拡張（合成データ生成）手法が「技術的性質（technical character）」を有し、進歩性の判断において技術的貢献（technical contribution）をもたらすか。
• 争点2: ラベル付きデータの欠如という問題の解決および生成されたラベル・合成データが、EPO実務（COMVIKアプローチ等）上の「技術的課題」および「機能的データ」に該当するか。

4. 裁判所の判断ロジック（判示の要旨）

審判部（Board of Appeal）は、COMVIK判決（T 0641/00）の法理に基づき、請求項1に係る発明は通常の汎用コンピュータ上で実行される以上の技術的特徴を有さず、進歩性を欠く（EPC第56条）と判断した。

(1) 機械学習モデルおよび学習対象データの非技術性
機械学習モデル（システム）自体およびその学習手法（教師あり学習を含む）は、本質的に数学的方法（mathematical methods）であり、それ自体では技術的性質を有しない。取引データ（決済データ等）は単なる抽象的データであり、これらに内在的な技術的特徴はない。

(2) 技術的目的および「更なる技術的効果（further technical effect）」の不存在
（金融）取引が「異常」であるか否かを判定する目的はビジネス上・認知上の目的であって、EPC上の「技術的目的（technical purpose）」に該当しない（EPO審査ガイドライン G-II, 3.3.1、T 755/18参照）。したがって、そのような目的のために機械学習モデルを学習・高精度化することや、そのための学習データセットを生成・拡張することは、更なる技術的効果をもたらさない。

(3) 出願人の主張に対する反論・当てはめ

• 技術的課題の成否：「ラベル付きデータが不足している」という事態は実務上の課題であっても技術的課題ではなく、ラベル生成も抽象的データ処理にとどまる。
• 機能的データの該当性：本件で生成されるラベルは、データ構造製品に関する判例（T 1194/97）で定義される「機能的データ（functional data）」ではなく、単なる「認知的情報（cognitive information）」である。
• T 1286/09（画像分類）との差異：T 1286/09はデジタル画像の色分布のシフトなど、デジタル画像の具体的表現に依存した画像変換を伴うものであり、抽象的な取引データを組み合わせる本件とは根本的に異なる。
• T 1901/08（ATM不正検知）との差異：特定のハードウェア端末（ATM等）を対象としたT 1901/08とは異なり、本件の特徴は汎用コンピュータで実行される非技術的特徴にとどまり、ビジネス上の効果しか奏しない。

結論： 先行技術文献D1との詳細な比較を要するまでもなく、本件方法は汎用コンピュータでの実行を除き技術的貢献を一切もたらさないため、進歩性を欠く。

5. 実務上・判例上の法的なポイント

• AI/機械学習（ML）の学習手法・データ拡張に関する審査実務の再確認：
  EPOにおけるAI/ML関連発明の審査では、モデルの学習方法やデータ拡張（Data Augmentation）手法それ自体に新規なアルゴリズムが存在しても、それが「特定の技術的目的（specific technical purpose）」に限定されていない、あるいは「コンピュータの内部実装（specific technical implementation）」に根差していない限り、非技術的特徴（数学的方法）として進歩性の判断から除外される（COMVIKアプローチの厳格な適用）。
• 金融・不正検知分野におけるクレームドラフティングの留意点：
  取引データ分析や不正検知（Fraud Detection）は原則として「ビジネス・金融分野（非技術的分野）」とみなされるため、データ拡張や学習方法単体で権利化を図ることは極めて困難である。進歩性を主張するためには、入出力データが物理的実体・技術的パラメータ（画像、センサー信号、通信制御等）に直結していること、またはハードウェアの効率的利用・特定の実装アーキテクチャに依存した技術的効果を明細書およびクレームにおいて明確に特定する必要がある。