Academic Commercialization Pipeline

アカデミック商業化パイプライン MCP サーバー

ApifyForge で見る | Apify Store で使う

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します。

{
  "mcpServers": {
    "academic-commercialization-pipeline-mcp": {
      "url": "https://ryanclinton--academic-commercialization-pipeline-mcp.apify.actor/mcp"
    }
  }
}

---

Model Context Protocol を通じて、AI エージェントにアカデミックな商業化に関するインテリジェンスを提供します。この MCP サーバーは、8 つの学術・特許データソース（OpenAlex、Semantic Scholar、ArXiv、USPTO、EPO、NIH Grants、Grants.gov、ClinicalTrials.gov）を連携させ、4 つの独立したスコアリングモデル（研究の勢い、特許 IP の強さ、資金調達による検証、技術成熟度レベル（TRL）評価）から算出した**商業化確率スコア（0～100）**を提供します。

技術スカウト、企業ベンチャーチーム、技術移転オフィスは、競合他社に先んじてスピンアウトの準備が整った研究を見つけるために、このサーバーを利用します。5 つのデータベースを手作業で確認する代わりに、AI エージェントが単一のツールを呼び出すだけで、90 秒以内にスコア付きの構造化インテリジェンスを受け取れます。

どのようなデータにアクセスできますか？

データ項目	ソース	例
📄 論文と被引用数	OpenAlex（2 億 5,000 万件以上の研究成果）	被引用数 847 件、論文あたり平均 34 件
🔬 AI による順位付け済みの学術検索結果	Semantic Scholar（2 億件以上の論文）	影響力のある引用 12 件
🇺🇸 米国の特許出願と登録特許	USPTO Patent Search	登録 6 件、出願 3 件
🌍 欧州の特許出願	EPO（1 億件以上の特許）	EPO 出願 4 件、B タイプの登録
💰 NIH の助成金と SBIR/STTR 資金	NIH Grants	R01、SBIR Phase II
🏛️ 連邦政府の助成金の公募と採択	Grants.gov	240 万ドルを採択
🧪 臨床試験のフェーズとスポンサー	ClinicalTrials.gov	フェーズ 2、登録者 340 人
📝 出版前の STEM プレプリント	ArXiv（240 万件以上のプレプリント）	90 日間で 8 件のプレプリント
🎯 研究の勢いスコア	OpenAlex + Scholar + ArXiv	74/100 — HIGH_MOMENTUM
💡 特許の商業化シグナル	USPTO + EPO + OpenAlex	68/100 — STRONG_IP
📊 資金調達検証指数	NIH + Grants.gov + Trials	82/100 — TRANSLATION_STAGE
🚀 TRL 評価（1～9）	特許 + Trials + NIH	TRL 7 — PILOT
🏆 商業化総合スコア	8 つすべてのソース	77/100 — INVEST_NOW

Academic Commercialization Pipeline MCP Server を使う理由

手作業による技術スカウティングでは、5 つの政府データベースを開き、CSV をエクスポートし、特許記録と論文記録をまたいで研究者名を照合し、助成金の履歴を追跡したうえで、調査結果をまとめて一貫性のある TRL 評価を作成する必要があります。熟練したアナリストでも、技術分野ごとに 2～3 日かかります。特許出願やフェーズ 2 の試験発表を見逃すと、早期ライセンスの機会を逃すことになります。

この MCP サーバーは、パイプライン全体を自動化します。AI エージェントが emerging_technology_radar を一度呼び出すだけで、8 つのライブデータソースから算出した総合スコアを 2 分以内に受け取れます。スコアリングアルゴリズムは、引用の増加速度の算出、著者と発明者の照合、SBIR 助成金の推移分析、TRL キーワード分類を行い、根拠となるシグナルを添えた、意思決定にすぐ使える評価を返します。

主なプラットフォームのメリット：

• スケジュール設定 — Apify Schedules を使って毎週の技術レーダースキャンを実行し、商業化確率の経時変化を追跡できます
• API アクセス — Python、LangChain、CrewAI、または任意の HTTP クライアントから呼び出しを実行できます
• プロキシのローテーション — 複数のアクター呼び出しを Apify のインフラストラクチャで処理するため、IP ブロックを回避できます
• モニタリング — 実行に失敗したとき、Apify ウェブフックを通じて Slack またはメールでアラートを受け取れます
• 連携 — スコア付きの結果を Zapier、Make、Notion、または CRM に送信できます

特長

• 8つの並列データソース — OpenAlex、Semantic Scholar、ArXiv、USPTO、EPO、NIH Grants、Grants.gov、ClinicalTrials.govを同時にクエリします。各ソースのActorタイムアウトは120秒です
• 4つの独立したスコアリングモデル — Research Momentum（0～100）、Patent Commercialization Signal（0～100）、Funding Validation Index（0～100）、TRL Assessment（0～100）を個別に算出してから合成します
• 加重合成スコア — 実証データに基づく後期段階のシグナルの重要性を反映し、TRLに30％、Patent IPとFundingにそれぞれ25％、Research Momentumに20％の重みを付けます
• 5段階の投資判定 — INVEST_NOW、STRONG_CANDIDATE、MONITOR、TOO_EARLY、PASS。さらに、TRL 7以上かつIPステータスがCOMMERCIAL_READYの場合、常にINVEST_NOWに引き上げる例外ルールがあります
• 著者と発明者の相互照合 — OpenAlexの著者情報とUSPTO／EPOの発明者フィールドから研究者の姓を照合し、論文から特許への転換を検出します
• 被引用速度の計算 — 論文あたりの平均被引用数を計算し、全被引用数に占める最近（2023年以降）の被引用数の割合を先行モメンタム指標として判定します
• モメンタムレベルの分類 — 5段階：DORMANT、EMERGING、ACCELERATING、HIGH_MOMENTUM、BREAKTHROUGH
• IPポートフォリオの分類 — 5段階：NO_IP、EARLY_FILING、PORTFOLIO_BUILDING、STRONG_IP、COMMERCIAL_READY
• 資金調達レベルの分類 — 5段階：UNFUNDED、SEED_STAGE、VALIDATED、WELL_FUNDED、TRANSLATION_STAGE
• テキストからTRLを推定 — 特許の概要とArXiv論文に対するキーワード分析により、TRLが高いことを示す9つの用語（commerc、manufactur、scale-up、fda approv）、TRLが中程度であることを示す6つの用語（prototype、validat、feasib）、TRLが低いことを示す3つの用語に分類します
• SBIR／STTRの検出 — R43、R44、STTR Phase IIのコードを商業化の強いシグナルとして識別し、NIHスコアリング要素にそれぞれ5ポイントを加算します
• TRLの代替指標としての臨床試験フェーズ — Phase 2の試験はTRL 5～6、Phase 3はTRL 7以上に対応します。また、フェーズ番号をTRLの下限値に適用する例外ルールがあります
• エビデンスシグナルの配列 — 各スコアリングモデルが、エージェントの推論チェーンで使える平易な英語のシグナル（例：「付与済み特許6件 — 確立されたIPポートフォリオ」）を返します
• 実行可能な推奨事項 — 合成レポートには、スコアプロファイルの不足部分に基づく具体的な次のステップの推奨事項が含まれます（例：「TRLは高いもののIPが弱い — 特許出願戦略をご検討ください」）
• MCP Standbyモード — リクエスト間もサーバーが稼働し続けるため、クエリを繰り返す際のコールドスタートのオーバーヘッドを解消します
• イベントごとの従量課金 — ツール呼び出しが成功した場合にのみ課金されます。予期しない高額請求を防ぐため、呼び出しごとに支出上限が適用されます

学術研究の商業化インテリジェンスのユースケース

企業ベンチャーによる技術の発掘

企業VCやM&Aのチームは、このサーバーを使って、既知の案件になる前にスピンアウト可能な研究を特定します。researcher_commercialization_signalsツールは、学術研究者が論文を特許へ転換し始めるタイミングを検出します。通常、正式なスピンアウトの発表より12～18か月前です。対象の技術分野を毎週スキャンすることで、タームシートが出回り始めてからではなく、事業形成の段階で機会を見つけられます。

技術移転オフィスのパイプライン管理

技術移転担当者は、institution_innovation_profileを使って、自機関の商業化パイプラインを同種の機関と比較評価します。このツールは、論文の発表実績、特許ポートフォリオ、助成金の資金調達情報を同時に取得し、強いIPシグナルを生み出している学部と、基礎研究にとどまっている学部を示す構造化されたプロファイルを返します。論文発表から特許出願に至るまでのボトルネックを、1回のクエリで特定できます。

研究開発における自社開発・購入・ライセンス取得の戦略

製品戦略チームは、emerging_technology_radarを使用して、ある技術分野がライセンス取得に十分成熟しているか、社内開発に適した初期段階にあるか、あるいは学術機関との提携に適した段階にあるかを評価します。TRL評価（1～9）と資金調達の推移から、その技術が政府資金によって検証済みか、まだ商業化前の段階にあるかが分かります。これはライセンス評価額を左右する重要な違いです。

製薬企業との提携候補の選定

製薬企業の事業開発チームは、clinical_translation_pipelineを使用して、第2相試験の結果によって競争入札が始まる前に、試験段階を進む学術機関の治療法を追跡します。このツールはClinicalTrials.govの試験段階とNIHの助成金交付情報を照合し、臨床面での進展と資金面での検証の両方がある学術プログラムを特定します。これは、買収候補となる資産の特徴です。

特許ランドスケープのインテリジェンス

知的財産戦略チームは、出願前に技術分野の知的財産ランドスケープを把握するため、patent_publication_crossrefを使用します。著者と発明者の相互参照により、どの研究者がどの権利者のもとで特許を出願しているかが明らかになり、大学のライセンス部門の戦略や、実施の自由に関する潜在的な問題を把握できます。EPOの対象範囲データからは、国際出願の意図が分かります。

ディープテック投資におけるデューデリジェンス

ディープテック投資家は、スタートアップの技術に関する主張が実際の研究の勢いに裏付けられているかを検証するため、citation_velocity_analysisを使用します。画期的な遺伝子治療の革新を主張するスタートアップであれば、引用数の加速、新しいプレプリント、NIHからの多額の助成金による裏付けがあるはずです。このツールを使えば、本格的なデューデリジェンスに着手する前に、1分足らずでその証拠を確認できます。

Academic Commercialization Pipeline MCP Server の使用方法

1. MCP サーバーに接続する — MCP クライアントの設定にサーバー URL を追加します。Claude Desktop の場合は、https://academic-commercialization-pipeline-mcp.apify.actor/mcpをmcpServersの下に追加します。他のクライアント（Cursor、Windsurf、Cline）でも同じ方法で設定します。

2. 認証する — リクエストヘッダーに Bearer トークンとして Apify API トークンを含めます。トークンはconsole.apify.com/account/integrationsで確認できます。

3. ツールを選ぶ — 商業化を総合的に評価するには、emerging_technology_radarを使用します。対象を絞って分析する場合は、研究シグナルにはtechnology_breakthrough_scan、助成金に関する情報にはfunding_flow_tracker、バイオ医療分野の資産にはclinical_translation_pipelineなど、目的に応じたツールを使用します。

4. 構造化された結果を受け取る — 各ツールは、スコア、分類区分、根拠となるシグナル、裏付けとなる記録（論文、特許、助成金）を含む JSON レスポンスを返します。判定フィールド（INVEST_NOW、STRONG_CANDIDATE、MONITORなど）を使って、パイプラインの候補を選別します。

MCP ツール

ツール	価格	データソース	返される内容
technology_breakthrough_scan	$0.045	OpenAlex, Semantic Scholar, ArXiv	研究モメンタムスコア、モメンタムレベル、主要論文、プレプリント
researcher_commercialization_signals	$0.045	OpenAlex, USPTO, NIH	特許商業化シグナル、出版物、特許、助成金
citation_velocity_analysis	$0.045	OpenAlex, Semantic Scholar	引用速度、モメンタムレベル、スコア、論文
patent_publication_crossref	$0.045	USPTO, EPO, OpenAlex	特許商業化シグナル、相互参照の一致、USPTO および EPO の記録
funding_flow_tracker	$0.045	NIH Grants, Grants.gov, ClinicalTrials.gov	資金調達検証指数、資金調達レベル、助成金、治験
clinical_translation_pipeline	$0.045	ClinicalTrials.gov, NIH, ArXiv	TRL 推定値（1～9）、TRL レベル、資金調達レベル、臨床試験
institution_innovation_profile	$0.045	OpenAlex, USPTO, NIH, Grants.gov	モメンタムレベル、知的財産の強さ、資金調達レベル、統合シグナル
emerging_technology_radar	$0.045	8 つすべてのソース	複合スコアと評価を含む完全な商業化レポート

ツールのパラメーター

ツール	パラメーター	必須	説明
technology_breakthrough_scan	technology	はい	スキャンする技術または研究分野（例：「mRNA therapeutics」）
technology_breakthrough_scan	timeframe	いいえ	期間のヒント（例：「2023-2024」）
researcher_commercialization_signals	researcher	はい	研究者名または機関名（例：「Jennifer Doudna CRISPR」）
researcher_commercialization_signals	field	いいえ	結果を絞り込む研究分野
citation_velocity_analysis	query	はい	研究テーマ、論文タイトル、または著者名
patent_publication_crossref	technology	はい	技術分野または発明者名
funding_flow_tracker	technology	はい	資金調達を追跡する技術名または機関名
clinical_translation_pipeline	therapy	はい	治療法、医薬品、または医療技術（例：「CAR-T cell therapy」）
institution_innovation_profile	institution	はい	大学または研究機関名
emerging_technology_radar	technology	はい	包括的な分析を行う技術または研究分野
emerging_technology_radar	sector	いいえ	結果を絞り込む業界セクターの情報（例：「oncology」）

接続例

Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "academic-commercialization-pipeline": {
      "url": "https://academic-commercialization-pipeline-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor / Windsurf / Cline（mcp.json）：

{
  "mcpServers": {
    "academic-commercialization-pipeline": {
      "url": "https://academic-commercialization-pipeline-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

直接 HTTP（cURL）：

curl -X POST "https://academic-commercialization-pipeline-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "emerging_technology_radar",
      "arguments": {
        "technology": "solid-state batteries",
        "sector": "energy storage"
      }
    },
    "id": 1
  }'

コードからの使用方法

Python（LangChain MCP アダプターを使用）：

from langchain_mcp_adapters.client import MultiServerMCPClient

client = MultiServerMCPClient({
    "academic-commercialization": {
        "url": "https://academic-commercialization-pipeline-mcp.apify.actor/mcp",
        "transport": "streamable_http",
        "headers": {"Authorization": "Bearer YOUR_APIFY_TOKEN"},
    }
})

tools = await client.get_tools()
# Use emerging_technology_radar for full pipeline analysis
result = await client.call_tool(
    "emerging_technology_radar",
    {"technology": "solid-state batteries", "sector": "energy storage"}
)
print(result)

Python（HTTP を直接使用）：

import httpx, json

response = httpx.post(
    "https://academic-commercialization-pipeline-mcp.apify.actor/mcp",
    headers={
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_APIFY_TOKEN",
    },
    json={
        "jsonrpc": "2.0",
        "method": "tools/call",
        "params": {
            "name": "technology_breakthrough_scan",
            "arguments": {"technology": "mRNA therapeutics"}
        },
        "id": 1,
    },
)
data = response.json()
momentum = data["result"]["content"][0]["text"]
parsed = json.loads(momentum)
print(f"Momentum: {parsed['researchMomentum']['momentumLevel']} ({parsed['researchMomentum']['score']}/100)")

JavaScript（HTTP を直接使用）：

const response = await fetch("https://academic-commercialization-pipeline-mcp.apify.actor/mcp", {
    method: "POST",
    headers: {
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_APIFY_TOKEN",
    },
    body: JSON.stringify({
        jsonrpc: "2.0",
        method: "tools/call",
        params: {
            name: "funding_flow_tracker",
            arguments: { technology: "CRISPR gene editing" }
        },
        id: 1,
    }),
});

const data = await response.json();
const funding = JSON.parse(data.result.content[0].text);
console.log(`Funding level: ${funding.fundingValidation.fundingLevel}`);
console.log(`NIH grants: ${funding.fundingValidation.nihGrants}`);
console.log(`Clinical trials: ${funding.fundingValidation.clinicalTrials}`);

出力例

emerging_technology_radar ツールは完全な商業化レポートを返します。「solid-state batteries」に対する応答例：

{
  "technology": "solid-state batteries",
  "compositeScore": 77,
  "verdict": "INVEST_NOW",
  "researchMomentum": {
    "score": 74,
    "citationVelocity": 41,
    "publicationCount": 28,
    "preprints": 9,
    "momentumLevel": "HIGH_MOMENTUM",
    "signals": [
      "High citation velocity (avg 41/paper) — strong research impact",
      "9 recent preprints — active research pipeline"
    ]
  },
  "patentCommerc": {
    "score": 82,
    "patentCount": 14,
    "grantedPatents": 6,
    "crossRefHits": 3,
    "commercLevel": "COMMERCIAL_READY",
    "signals": [
      "6 granted patents — established IP portfolio",
      "4 EPO filings — international patent strategy",
      "3 author-patent cross-references — researcher commercializing"
    ]
  },
  "fundingValidation": {
    "score": 79,
    "nihGrants": 0,
    "govGrants": 8,
    "clinicalTrials": 0,
    "fundingLevel": "WELL_FUNDED",
    "signals": []
  },
  "trlAssessment": {
    "score": 71,
    "estimatedTRL": 7,
    "trlLevel": "PILOT",
    "signals": [
      "Multiple commercialization keywords — advanced TRL indicators",
      "2 SBIR Phase II awards — commercialization validation"
    ]
  },
  "allSignals": [
    "High citation velocity (avg 41/paper) — strong research impact",
    "9 recent preprints — active research pipeline",
    "6 granted patents — established IP portfolio",
    "4 EPO filings — international patent strategy",
    "3 author-patent cross-references — researcher commercializing",
    "Multiple commercialization keywords — advanced TRL indicators",
    "2 SBIR Phase II awards — commercialization validation"
  ],
  "recommendations": [
    "Researcher-inventor overlap — strong commercialization intent"
  ]
}

出力フィールド

フィールド	型	説明
technology	文字列	ツールに渡された入力技術名
compositeScore	数値	加重総合スコア 0～100（TRL 30％、特許 25％、資金調達 25％、勢い 20％）
verdict	文字列	投資シグナル：INVEST_NOW、STRONG_CANDIDATE、MONITOR、TOO_EARLY、PASS
researchMomentum.score	数値	研究勢いスコア 0～100
researchMomentum.citationVelocity	数値	OpenAlex の検索結果における論文あたりの平均引用数
researchMomentum.publicationCount	数値	OpenAlex で見つかった出版物の合計数
researchMomentum.preprints	数値	最近の ArXiv プレプリント数
researchMomentum.momentumLevel	文字列	DORMANT、EMERGING、ACCELERATING、HIGH_MOMENTUM、BREAKTHROUGH
researchMomentum.signals	文字列[]	このモデルに関する平易な表現の証拠シグナル
patentCommerc.score	数値	特許商業化シグナル 0～100
patentCommerc.patentCount	数値	USPTO と EPO で見つかった特許の合計数
patentCommerc.grantedPatents	数値	USPTO で付与（発行）された特許数
patentCommerc.crossRefHits	数値	著者と発明者の相互参照一致数
patentCommerc.commercLevel	文字列	NO_IP、EARLY_FILING、PORTFOLIO_BUILDING、STRONG_IP、COMMERCIAL_READY
patentCommerc.signals	文字列[]	このモデルに関する平易な表現の証拠シグナル
fundingValidation.score	数値	資金調達検証指数 0～100
fundingValidation.nihGrants	数値	見つかった NIH 助成金レコード数
fundingValidation.govGrants	数値	見つかった Grants.gov レコード数
fundingValidation.clinicalTrials	数値	見つかった臨床試験数
fundingValidation.fundingLevel	文字列	UNFUNDED、SEED_STAGE、VALIDATED、WELL_FUNDED、TRANSLATION_STAGE
fundingValidation.signals	文字列[]	このモデルに関する平易な表現の証拠シグナル
trlAssessment.score	数値	TRL 評価スコア 0～100
trlAssessment.estimatedTRL	数値	NASA/DOE の 1～9 段階に基づく推定 TRL
trlAssessment.trlLevel	文字列	BASIC_RESEARCH、PROOF_OF_CONCEPT、PROTOTYPE、PILOT、DEPLOYMENT_READY
trlAssessment.signals	文字列[]	このモデルに関する平易な表現の証拠シグナル
allSignals	文字列[]	4 つのモデルすべてのシグナルを統合したもの
recommendations	文字列[]	スコアプロファイルの不足を踏まえた具体的な次のステップの推奨事項

学術研究の商業化分析を実行するには、どのくらいの費用がかかりますか？

この MCP サーバーではイベントごとの従量課金制を採用しており、ツールの呼び出し 1 回につき $0.045 かかります。プラットフォームのコンピューティング費用は含まれています。8 つのツールはすべて同じ料金で、8 つのデータソースすべてを並列で実行する完全版の emerging_technology_radar も対象です。

シナリオ	ツール呼び出し回数	呼び出しあたりの費用	合計費用
レーダーの単回スキャン	1	$0.045	$0.045
週次パイプラインレビュー（5 技術）	5	$0.045	$0.23
月次ポートフォリオスキャン（20 技術）	20	$0.045	$0.90
四半期ごとの詳細デューデリジェンス（50 技術）	50	$0.045	$2.25
年次ランドスケープ調査（500 技術）	500	$0.045	$22.50

セッションごとに最大支出額を設定して、費用を管理できます。サーバーはツール呼び出しごとに上限を適用し、上限に達すると明確なエラーを返します。

Apify の無料枠には、毎月 5 ドル分のプラットフォームクレジットが含まれており、個別のツール呼び出しを 100 回以上、またはレーダーの全スキャンを 100 回、費用なしで実行できます。データベースへのアクセスだけで月額 500～2,000 ドルを請求する商用の特許インテリジェンスプラットフォームと比べてください。

Academic Commercialization Pipeline MCP Server の仕組み

並列データ収集

ツールが呼び出されると、サーバーはPromise.allを使用して、関連するApifyアクターに同時リクエストを送信します。各アクターの呼び出しには、512 MBのメモリと120秒のタイムアウトが割り当てられます。アクターマップは、ツールのロジックを特定のApifyアクターID（openalex-research、semantic-scholar-search、patent-search、epo-patent-search、nih-research-grants、grants-gov-search、clinical-trial-tracker、arxiv-paper-search）に対応付けます。アクターの呼び出しに失敗した場合は空の配列を返し、スコアリングパイプラインは停止しません。

Research Momentum のスコアリング

モメンタムモデルは3つのソースを使用します。OpenAlex は被引用速度の要素（最大35ポイント）を提供します。これは論文あたりの平均被引用数で、2023年以降の被引用数が総被引用数の50％を超える場合（最近の加速を示します）は、10ポイントのボーナスが加算されます。Semantic Scholar は加速の要素（最大25ポイント）を提供します。被引用数が10を超える論文1本につき3ポイント、影響力の高い被引用数が3を超える論文1本につき追加で2ポイントが加算されます。ArXiv はプレプリント速度の要素（最大25ポイント）を提供し、最近のプレプリント1本につき3ポイントが加算されます。被引用率の高さとプレプリント活動が同時に見られる場合は、モメンタム増幅要素（最大15ポイント）が適用されます。最終スコアは5つのレベルに分類されます。DORMANT（0～19）、EMERGING（20～39）、ACCELERATING（40～59）、HIGH_MOMENTUM（60～79）、BREAKTHROUGH（80～100）。

Patent Commercialization Signal のスコアリング

特許モデルは3つのシグナルを統合します。USPTO のデータは最大35ポイントを加算します。登録特許1件につき4ポイント、出願1件につき2ポイント、2022年以降の特許1件につき2ポイントです。EPO のデータはB種およびA種の文書種別に基づき、最大25ポイントを加算します。著者と発明者の相互参照（最大25ポイント）では、OpenAlex の著者情報から著者の姓を抽出し、USPTO と EPO の発明者／出願人／権利者の欄を検索して姓の一致を調べます。相互参照が確認されるたびに5ポイントが加算されます。最近の出願と USPTO／EPO の両方での登録を評価する再新性ボーナスは最大15ポイントです。

資金調達の検証と TRL 評価

資金調達モデルは NIH の助成金を採点します（最大35ポイント）。助成金1件につき3ポイント、R01／R21／R35は各4ポイント、SBIR／STTRは各5ポイントです。Grants.gov は最大25ポイントを加算し、100万ドルを超える助成金にはボーナスを加えます。ClinicalTrials.gov は最大25ポイントを加算します。試験1件につき4ポイント、Phase 2以上の試験1件につき5ポイントです。TRL モデルは特許と ArXiv のテキストをキーワード分析し、技術の成熟度を分類します。高TRLキーワード9個（commerc、manufactur、scale-up、fda approv、market、deployなど）と中TRLキーワード6個（prototype、validat、feasib、proof of concept、preclinical）を、特許の要約と ArXiv 論文のテキストに照らして採点します。臨床試験のフェーズはTRLの下限として機能し、Phase 3の場合、TRLは少なくとも7に設定されます。

総合スコアと判定

4つのモデルのスコアを重み付けして合算します。TRL（30％）＋特許（25％）＋資金調達（25％）＋モメンタム（20％）。判定は次のしきい値で割り当てられます。INVEST_NOW（75以上）、STRONG_CANDIDATE（55～74）、MONITOR（35～54）、TOO_EARLY（15～34）、PASS（0～14）。適用されるオーバーライドルールが1つあります。TRLスコアが7以上で、かつIPステータスがCOMMERCIAL_READYの場合、総合スコアにかかわらず、判定は必ずINVEST_NOWになります。

最良の結果を得るためのヒント

1. 初期スクリーニングには emerging_technology_radar を使用します。 まずレーダーを全範囲で実行し、全体像を把握します。その後、citation_velocity_analysis や patent_publication_crossref などの対象を絞ったツールを使用して、特定のシグナルの側面を詳しく調べます。

2. セクターのコンテキストを追加して再現率を高めます。 technology: "CAR-T cell therapy" とともに sector: "oncology" を渡すと、OpenAlex と Semantic Scholar の結果が関連分野に絞られ、研究が密集する領域でシグナルの質が向上します。

3. 同じテクノロジーを毎月追跡します。 1回のレーダースキャンはスナップショットにすぎません。同じクエリを毎月実行するようにスケジュールし、勢いの推移を追跡します。90日間でテクノロジーが MONITOR から STRONG_CANDIDATE に移行した場合、一度だけ高スコアを記録するよりも強いシグナルになります。

4. 研究者のシグナルを相互検証します。 researcher_commercialization_signals が相互参照のヒットを返した場合は、同じ研究者名を指定して patent_publication_crossref を実行し、発明者と権利者のつながりをすべて確認します。これにより、研究者が大学の TTO を通じて出願しているのか、個人の会社を通じて出願しているのかが明らかになり、重要なデューデリジェンスシグナルが得られます。

5. 案件の発掘には institution_innovation_profile を使用します。 対象セクターの研究大学を四半期ごとに10～20校プロファイリングします。勢いが増し、知的財産ポートフォリオが拡大し、SBIR の活動も見られる機関は、次の案件の有力な候補となります。

6. TRL は文脈に沿って解釈します。 量子コンピューティングにおける TRL 3 は、治療薬の文脈における TRL 3 とは意味が異なります。数値だけを根拠に行動する前に、TRL の推定を裏付ける具体的なエビデンスを trlAssessment.signals 配列で確認してください。

7. 対象を絞ったデューデリジェンスには、複数のツールを組み合わせて使用します。 投資仮説が知的財産の保護にかかっている場合は、patent_publication_crossref と researcher_commercialization_signals を続けて実行します。同じクエリに対する2つのツールの重複するエビデンスにより、単一の総合スコアよりも高い確信が得られます。

他の Apify アクターと組み合わせる

アクター	組み合わせ方
企業の詳細調査	researcher_commercialization_signals でスピンアウトを特定した後、そのスピンアウト企業の詳細調査を実行し、創業チームと競争上の立ち位置を分析します
ウェブサイト連絡先スクレイパー	institution_innovation_profile で特定した大学の技術移転オフィスの連絡先をスクレイピングし、ライセンスに関する協議を開始します
B2B リード評価ツール	レーダースキャンで見つかったスピンアウト企業を B2B 評価ツールでスコアリングし、アプローチ前に案件の準備状況を評価します
Trustpilot レビュー分析ツール	スピンアウトが商用段階に達している場合、顧客レビューを分析して、投資前にプロダクトマーケットフィットのシグナルを検証します
ウェブサイト技術スタック検出ツール	スピンアウト企業の技術インフラを検出し、エンジニアリングチームの技術力と製品の成熟度を評価します
WHOIS ドメイン検索	スピンアウト企業のドメイン登録日を確認し、商業法人が設立された時期を把握します
メールアドレス形式検索	対象大学のメールアドレスの命名規則を調べ、研究者や TTO のスタッフに直接連絡します

制限事項

• 有料論文の全文にはアクセスできません。 OpenAlex と Semantic Scholar が返すのはメタデータと要旨です。全文を分析するには、機関向けサブスクリプションが必要です。TRL のキーワード分析は、タイトルと要旨のテキストのみを対象とします。
• 著者名の名寄せは概算です。 相互参照システムは姓を照合するため、イニシャルやミドルネームを使う発明者を見落とすことがあります。また、よくある姓の場合、誤検出が生じる可能性もあります。相互参照のヒット件数は、確定的な照合結果ではなく、傾向を示す指標として利用してください。
• 特許データに反映されるのは公開済みの出願のみです。 通常、特許は出願から18か月後に公開されます。非公開の出願が進行中の技術は、それらの出願が公開されるまで、知的財産の強さが実際より低く評価されます。
• 臨床試験データに反映されるのは登録状況であり、結果ではありません。 データベースに第2相試験が登録されている場合、試験が登録されたことを示すのであり、成功したことを示すわけではありません。TRL モデルでは、試験登録を成熟度の指標として扱います。論文の結果が肯定的かどうかを確認するには、citation_velocity_analysis と組み合わせてください。
• NIH の助成金データは米国中心です。 このサーバーは、ERC（欧州研究会議）、UKRI、その他の国際的な政府助成金データを取得しません。主に米国外から資金提供を受けている技術は、資金調達による検証スコアが実際より低く評価されます。
• ArXiv の収録範囲は、物理学、数学、コンピューターサイエンス、定量生物学で特に充実しています。 生物医学や臨床研究のプレプリントでは、bioRxiv や medRxiv がよく利用されます。プレプリントの速度スコアでは、臨床分野の勢いが過小評価されることがあります。
• 通常の応答時間は30～120秒です。 サーバーは、ネットワークおよび処理の遅延がそれぞれ異なる3～8個のアクターに並列でクエリを送信します。レイテンシが重視されるリアルタイムアプリケーションでは、このサーバーを使用しないでください。
• 新興技術の評価はスクリーニングツールであり、決定的な評価ではありません。 商用化確率スコアは、多数の技術を選別するために設計されており、専門家によるデューデリジェンスに代わるものではありません。より詳細な調査に値する技術の優先順位付けに利用してください。

統合

• Zapier — 新しい企業が CRM パイプラインに追加されたときに技術レーダーのスキャンを開始し、評価とスコアを案件フィールドとして CRM に戻します
• Make — 技術のウォッチリストを毎週自動でスキャンし、結果を Notion データベースまたは Google Sheet に振り分けます
• Google Sheets — スコア付きの技術評価をトラッキング用のスプレッドシートにエクスポートし、ポートフォリオ管理に利用します
• Apify API — Python または JavaScript のパイプラインからツールを直接呼び出し、独自の案件発掘プラットフォームに統合します
• Webhooks — MCP サーバーの実行が完了した際にアラートを設定し、ポーリングなしで下流のパイプラインに結果を届けます
• LangChain / LlamaIndex — MCP サーバーを AI エージェントのツールセットとして登録し、自律的な技術調査ワークフローを実行します

トラブルシューティング

• その分野で現在も活動が活発であることがわかっているのに、スコアが低い — スコアリングモデルは、研究がどのようにインデックス化されているかに左右されます。非常に新しい用語（過去6か月以内に作られたもの）は、引用データが十分に揃った状態では、まだOpenAlexやSemantic Scholarに掲載されていない可能性があります。技術名の別の表現を試すか、セクターコンテキストのパラメーターを追加して、再現率の向上を試してください。また、研究がArXivではなく主にbioRxivで公開されていないか確認してください。その場合、プレプリントの勢いスコアが低くなります。

• 相互参照のヒット数が想定より少ない — 著者と発明者の照合では、OpenAlexの著者情報から姓を抽出します。フルネームで論文を発表し、特許ではイニシャルを使っている研究者（例：「Jennifer A. Doudna」と「J. Doudna」）は一致しない場合があります。発明者の検索範囲を広げるには、研究者の姓のみを技術パラメーターとして指定し、patent_publication_crossrefを実行してください。

• 「Spending limit reached」エラー — 各ツール呼び出しでは、実行前にアクターの支出上限を確認します。このエラーが表示された場合は、Apifyアカウント設定のActor > Settings > Pay Per Eventからこのアクターの支出上限を引き上げるか、エージェントによる同時ツール呼び出しの数を減らしてください。

• emerging_technology_radarのタイムアウトエラー — レーダー全体では、8つのアクターを並列で呼び出します。まれに、1つ以上のソースアクターが120秒のタイムアウトを超えることがあります。失敗したソースは空の配列を返すため、スコアリングは続行されますが、スコアの精度が低下します。呼び出しを再試行するか、利用可能なデータを照合するため、対象を絞った単一ソースのツールを使用してください。

• 機関プロファイルにシグナルが表示されない — データベースによって機関名の表記が異なる場合があります（例：「UC Berkeley」と「University of California, Berkeley」）。grants.govまたは機関のドメイン名に記載されている正式名称を試してください。特にOpenAlexでは、ROR識別子に基づく標準化された機関名が使用されています。

責任ある利用

• このMCP サーバーは、一般公開されている学術データベース、政府の助成金登録簿、特許データベース、臨床試験記録のみを利用します。
• 照会対象のすべてのデータソース（OpenAlex、USPTO、NIH、Grants.gov、ClinicalTrials.gov）は、研究利用を目的とした、オープンアクセスの政府または非営利のインフラです。
• 抽出した研究者データは、適用されるプライバシー規制を遵守して利用してください。学術記録の個人情報を、専門的な研究やデューデリジェンス以外の目的で使用しないでください。
• 特許情報は公開を前提としています。引用データと助成金データは、科学の透明性を高める目的で公開されています。
• ウェブスクレイピングの合法性に関するガイダンスは、Apifyのガイドをご覧ください。

FAQ

学術研究の商業化パイプラインのスコアはどのように算出されますか？ 複合商業化確率スコアは、4つの独立したモデル（TRL評価（30%）、特許商業化シグナル（25%）、資金調達検証インデックス（25%）、研究モメンタムスコア（20%））の加重平均です。各モデルは異なるデータソースを参照し、それぞれ個別のアルゴリズムを使用します。スコアが75を超えると、判定結果はINVEST_NOWになります。例外ルールが1つあります。TRL 7以上で、かつ知的財産がCOMMERCIAL_READYの場合は、複合スコアにかかわらず、必ずINVEST_NOWになります。

著者と発明者の相互照合はどの程度正確ですか？ 相互照合では、各著者の表示名の最後の語（通常は姓）を抽出し、USPTOおよびEPOの記録にある発明者、出願人、譲受人の各フィールドから検索します。この方法では大半の一致を検出できますが、論文の発表時と異なる名前形式で特許を取得した発明者は見逃すことがあり、一般的な姓では誤検出が生じる可能性があります。相互照合のヒット数が2を超える場合は、確定的な特定結果ではなく、方向性を示す強いシグナルとして扱ってください。 各ツールから返されるデータはどの程度新しいですか？ OpenAlex は毎日インデックスを更新し、通常は過去 1 週間以内の引用を反映しています。Semantic Scholar も同程度の頻度で更新されます。ArXiv のプレプリントは、投稿から 24 時間以内にインデックスに登録されます。USPTO と EPO の特許データは毎週更新されます。NIH Grants と Grants.gov のデータは、各機関が助成金の採択を報告すると更新され、通常、助成決定から数営業日以内に反映されます。ClinicalTrials.gov の臨床試験データは、登録者が変更を提出すると更新されます。

学術研究の商業化パイプラインは、バイオテクノロジーと製薬に特化していますか？ はい。clinical_translation_pipeline ツールは生物医学研究向けに設計されており、ClinicalTrials.gov の臨床試験フェーズと NIH の助成金データを同時に取得します。TRL モデルでは、フェーズ 3 の臨床試験登録を、TRL 7 以上と判定するための最低条件としています。NIH のスコアリングでは、生物医学の発見を商業化するために特別に設計された SBIR／STTR コード（R43、R44）を検出します。

学術研究の商業化スキャンを定期的に実行するようスケジュールできますか？ はい。Apify Schedules を使って、MCP サーバーを定期的に実行できます。サーバーは Standby モードで動作するため、リクエスト間も稼働状態を保ち、スケジュールされたクエリでのコールドスタートによる遅延を解消します。技術分野のウォッチリストを対象に週次のレーダースキャンをスケジュールし、結果を Google Sheet にエクスポートしてトレンドを追跡できます。

PatSnap や Derwent などの商用特許インテリジェンスツールとの違いは何ですか？ 商用特許プラットフォームは、全文検索、特許ファミリーの系統図、引用グラフなど、高度な特許分析を提供します。この MCP サーバーは、単体の特許分析ではなく、AI エージェントとの連携や複数の情報源を組み合わせたスコアリングを目的に設計されています。主な差別化要因は、学術論文の引用データ、政府助成金の動向、臨床試験データを単一の「商業化確率スコア」に統合している点です。これは、特許のみを扱うプラットフォームでは得られない、分野横断的なシグナルです。PatSnap の料金は月額 500～2,000 ドルですが、このサーバーはクエリあたり 0.045 ドルです。

TRL スコアは何を測定し、どのように推定されますか？ 技術成熟度レベル（TRL）は、NASA／DOE の 1～9 段階の尺度に基づいています。サーバーは、次の 3 つの代理指標から TRL を推定します。特許および ArXiv の抄録に対するキーワード分析（「commercialization」、「scale-up」、「FDA approved」などの高 TRL キーワード 9 個と、「fundamental」、「hypothesis」などの低 TRL キーワード 3 個）、特許の登録率（登録済みと出願済みの比率）、臨床試験のフェーズ（フェーズ 2 は TRL 5～6、フェーズ 3 は TRL 7 以上）です。TRL を検証する指標として、SBIR のフェーズ II 助成も使用されます。この推定は概算です。より高精度な生物医学分野の TRL 評価には、clinical_translation_pipeline を使用してください。

学術論文の公開データ、特許データ、助成金データをこのように利用することは合法ですか？ はい。すべてのデータソースは、一般公開されているインフラストラクチャです。OpenAlex はオープンアクセスのデータベース（CC0 ライセンス）であり、USPTO と EPO のデータは法令により公開されています。NIH の助成金データは情報公開法に基づいて公開されており、ClinicalTrials.gov は米国国立医学図書館が公開レジストリとして運営しています。より広い背景については、ウェブスクレイピングの合法性に関する Apify のガイドをご覧ください。

この MCP サーバーをマルチエージェントのワークフローで使用できますか？ はい。このサーバーは、MCP 対応のオーケストレーターであれば呼び出せる標準的な MCP ツールを公開しています。LangChain のエージェント実行器、CrewAI のタスクエージェント、AutoGen、および MCP プロトコルに対応するあらゆるフレームワークで動作します。Standby モードで実行されるため、セッション内ではリクエスト間の状態が維持され、複数ステップにわたるエージェントの推論チェーンに適しています。

レーダースキャン中に 8 つのデータソースのいずれかを利用できない場合はどうなりますか？ アクターの呼び出しに失敗すると空の配列が返され、スコアリングパイプラインは停止しません。複合スコアは、データを正常に返した情報源を使って計算されます。結果の精度は下がりますが、エラーにはなりません。重要な情報源で障害が繰り返し発生する場合は、status.apify.com の Apify ステータスページを確認してから再試行してください。 一般的な学術技術の商業化スキャンには、どのくらい時間がかかりますか？ 2〜3 件のソースをクエリする特化型ツールは、通常 30〜60 秒で応答します。8 件すべてのソースをクエリする emerging_technology_radar は、通常 60〜120 秒で応答します。実際の所要時間は、各ソースのアクターのレイテンシーによって異なります。サーバーはすべてのアクター呼び出しを並行して実行するため、応答時間は各ソースの所要時間の合計ではなく、最も遅いソースによって決まります。

学術技術の商業化スコアを独自のレポートツールで使用できますか？ はい。各ツールは、解析、保存、表示が可能な構造化 JSON レスポンスを返します。すべてのスコア、分類レベル、シグナル、エビデンスレコードがレスポンスに含まれます。Google Sheets にエクスポートしたり、BI ツールに送信したり、案件管理プラットフォームに埋め込んだりできます。データは自由にご利用いただけます。

改善にご協力ください

問題が発生した場合、Apify アカウントで実行共有を有効にすると、より迅速なデバッグにご協力いただけます。

1. Account Settings > Privacy に移動します
2. Share runs with public Actor creators を有効にします

これにより、問題が発生した際に実行の詳細を確認できるため、より迅速に問題を解決できます。お客様のデータはアクターの開発者にのみ表示され、公開されることはありません。

サポート

バグを見つけた場合や機能のリクエストがある場合は、このアクターのページにある Issues tab でイシューを作成してください。カスタムスコアリングモデル、追加のデータソース、またはエンタープライズ統合のサポートについては、Apify プラットフォームからお問い合わせください。