Patsnap lanza agentes IA para extraer datos de patentes

Patsnap lanza dos agentes de IA para leer patentes de moléculas

Un modelo de reconocimiento óptico de estructuras químicas (OCSR) alcanzó 97% de precisión en pruebas sobre más de 420 patentes en inglés seleccionadas al azar, cubriendo más de 8.800 estructuras y 5.100 moléculas completas. Ese es el dato central del anuncio de Patsnap, que presentó Lead Compound Analyzer y SAR Extractor, dos agentes de IA dentro de Patsnap Eureka Life Sciences que buscan convertir la química divulgada en patentes en datos estructurados y trazables.

Para un founder que construye en biotech o herramientas científicas, la noticia no es el lanzamiento en sí: es que alguien está resolviendo el cuello de botella que frena a casi todo el sector. Los datos experimentales existen, están publicados y son de acceso público. El problema es que nadie puede usarlos a escala.

¿Qué hacen exactamente los dos agentes?

Los dos productos atacan partes complementarias del mismo problema, según el anuncio de la compañía.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Lead Compound Analyzer identifica hasta 10 compuestos con mayor probabilidad de ser el lead en una patente de molécula pequeña, agrupados según la solidez de la evidencia biológica divulgada. Incluye la justificación de soporte y referencias a la fuente, para que el científico pueda evaluar los candidatos y decidir dónde profundizar.
SAR Extractor procesa hasta 10 patentes por tarea, conectando estructuras de compuestos con valores de actividad reportados, dianas y contexto experimental en una tabla estructurada. Genera puntuaciones de confianza separadas para estructura y actividad, además de las referencias de origen.

Usados en conjunto, permiten evaluar los posibles lead compounds junto con la serie química completa divulgada en las patentes, lo que habilita análisis de competencia y de relación estructura-actividad. Ambos complementan a Patsnap Chemical y Synapse dentro del portafolio de química, dianas y desarrollo de fármacos de la empresa.

Mark Davies, Head of Product, Life Sciences de Patsnap, lo resumió así en el comunicado: las patentes revelan evidencia valiosa sobre qué compuestos se hicieron, cómo se testearon y qué mostraron los resultados, pero hacer esa evidencia usable todavía requiere un esfuerzo científico sustancial. Davies presentará la charla “Patents In, SAR Out: Grounding Agents in Chemistry” en el AI Drug Discovery & Development Summit en Boston el 29 de octubre.

¿Por qué las patentes son el cuello de botella del drug discovery?

El anuncio apunta a un problema concreto y poco glamoroso. En una patente, las estructuras de los compuestos aparecen como imágenes, los valores de actividad viven en tablas y las leyendas que los explican pueden estar páginas más adelante. Conectar esos detalles a mano consume tiempo de científicos altamente calificados.

Ese trabajo manual es exactamente el tipo de tarea donde los agentes de IA rinden más: lectura repetitiva, extracción estructurada y trazabilidad de la fuente. La diferencia entre un modelo genérico y uno entrenado para química es que el segundo entiende que una estructura dibujada es un objeto con propiedades, no una imagen.

El contexto del sector refuerza la apuesta. Según Research and Markets, más de 260 empresas ofrecen hoy plataformas de descubrimiento de fármacos con IA, y la optimización de leads concentra aproximadamente el 50% del mercado, el segmento líder. Es decir: Patsnap no está entrando a un espacio vacío, está entrando al pedazo más grande de un mercado ya poblado.

¿Qué tan grande es el mercado que rodea a estas herramientas?

Dos proyecciones distintas, ambas de terceros, marcan la magnitud de la oportunidad.

Research and Markets estima que el mercado global de IA en descubrimiento de fármacos pasará de USD 8.600 millones en 2026 a cerca de USD 25.000 millones en 2035, con una tasa de crecimiento anual compuesta del 12,6%. Por su parte, MarketsandMarkets proyecta que ese mismo mercado crecerá de USD 5.090 millones en 2026 a USD 17.560 millones en 2031, un CAGR del 28,1%.

En el terreno más cercano a Patsnap, el software de gestión de propiedad intelectual mueve USD 9.320 millones en 2025 y llegaría a USD 15.410 millones en 2030, según Research and Markets, que lista a PatSnap entre los jugadores prominentes junto a Clarivate, Questel, Wolters Kluwer y Anaqua. La región de Asia-Pacífico aparece como la de crecimiento más rápido, un dato relevante para una empresa fundada en Singapur.

¿Qué significa esto para tu startup?

Aunque tu producto no sea de química, hay tres lecciones transferibles.

1. Los datos públicos no son datos usables. La mayoría de los equipos asume que si la información está publicada, ya está disponible. Patsnap construyó un negocio sobre la brecha entre “publicado” y “utilizable”. Pregúntate qué corpus público de tu industria —registros, normativas, catálogos, papers— sigue atrapado en PDFs e imágenes y nadie ha estructurado todavía. Ahí suele haber un producto.

2. La trazabilidad es la característica, no un extra. El anuncio insiste en las referencias de origen y en las puntuaciones de confianza separadas para estructura y actividad. En dominios regulados, un agente que da una respuesta sin poder mostrar de dónde salió es inutilizable: nadie va a tomar una decisión de millones sobre una caja negra. Si tu producto usa IA en un sector con auditoría, diseña la citación desde el día uno.

3. Los agentes verticales se venden por flujo de trabajo, no por modelo. Patsnap no compite por tener el mejor modelo base; compite por entender el formato de una patente química. Ese conocimiento de dominio es el foso defensible, y es replicable en cualquier vertical donde el formato de los documentos sea hostil.

El ecosistema alrededor de Patsnap

Patsnap no es solo un proveedor: también invierte. El medio Business Times reportó que Drylab AI, una plataforma de agentes de IA para investigación científica, levantó una ronda semilla de US$3 millones liderada por Vertex Ventures con participación de PatSnap, al que describe como una plataforma unicornio de inteligencia de patentes.

Drylab construye agentes que ejecutan investigación sin supervisión constante del científico, con acceso a más de 800 herramientas y bases de datos científicas integradas, y despliegue dentro de la infraestructura del cliente para proteger sus datos. Es la misma tesis que el anuncio de hoy, aplicada a la ejecución de experimentos en lugar de a la lectura de patentes.

La escala de Patsnap da contexto a esa estrategia: según la compañía, fundada en Singapur en 2007, es usada por cerca de 20.000 empresas, firmas legales e instituciones de investigación en más de 50 países, incluyendo un tercio de los mayores inversores en I+D del mundo.

Conclusión

El anuncio de Patsnap es un recordatorio de que la IA generativa en sectores técnicos no se gana con modelos más grandes, sino con formatos mejor entendidos. La química patentada es un caso extremo: imágenes, tablas y leyendas dispersas que durante décadas se resolvieron con horas de trabajo humano.

Si tu startup opera en un dominio con documentación hostil, la pregunta útil no es si puedes usar IA, sino si puedes convertir ese corpus en datos estructurados con fuente verificable. Ese trabajo aburrido es, con frecuencia, el producto.