Arai TakaoとHiroyasu Inoueの共著論文が、PLOS Oneに掲載されました（2026年9月9日）。
企業や大学が持つ大量の特許の中から、事業化につながるものを見つけるには、専門家による調査に時間と費用がかかります。ライセンス契約は技術の商業的な価値を示す手がかりであり、契約される可能性を予測できれば、優先して検討する特許を絞り込めます。
本研究では、米国の特許624,129件を用いて、1年・3年・5年以内のライセンスを予測する4つの手法を比較しました。まだ契約されていない特許も将来ライセンスされる可能性があるため、契約までの時間を扱う「生存時間分析」と深層学習を組み合わせています。
比較の結果、シンプルなDeepSurvが、より複雑なモデルに匹敵する予測性能を示しました。今回の評価では、予測上位10%を選ぶことで、ライセンスされた特許の約91%を捉えています。モデルを複雑にするより、特許の特徴を適切に学習することが重要だと分かりました。これは、特許の活用や技術移転に向けた候補選びを効率化するための知見です。
