A sustentabilidade dos institutos de patentes e o papel da inteligência artificial

Kathy Van Der Herten, diretora de gestão de produtos da CAS, uma divisão da Sociedade Americana de Química, Antuérpia, Bélgica

Segundo estimativas, os investimentos mundiais em pesquisa e desenvolvimento (P&D) atingiram a marca de US$ 2,476 trilhões em 2022, o maior valor já registrado até hoje. Essa tendência positiva tem levado a um forte crescimento nos depósitos de pedidos de patentes, causando uma sobrecarga no ecossistema global de patentes, principalmente no que se refere aos institutos de patentes. O aumento no volume e na complexidade dos pedidos depositados pode resultar em atrasos significativos na concessão de patentes, mas a IA ajuda a acelerar esse processo, diz Kathy Van Der Herten (acima).

Em 2018, o Instituto de Patentes do Japão publicou um estudo que constatou que seus examinadores passavam cerca de 30% do tempo realizando buscas de anterioridade (para identificar evidências de que a invenção já é conhecida) e outros 10% buscando entendê-la.

Inteligência artificial auxilia na identificação de elementos presentes no estado da técnica

Uma solução que os institutos de patentes encontraram para acelerar a análise dos pedidos é utilizar ferramentas de inteligência artificial (IA) para ajudar os examinadores a identificar se a inovação proposta já faz parte do estado da técnica durante os exames. De forma semelhante a um humano, a IA consegue analisar e comparar, em um curto período de tempo, dados de milhares de pedidos de patentes, publicações de patentes e outros documentos não patentários existentes para identificar semelhanças que os examinadores podem analisar na busca de anterioridades. Os examinadores humanos ainda precisam analisar os resultados da busca, mas essa abordagem pode acelerar significativamente os exames em mais de 70% dos casos.

De forma semelhante a um humano, a IA consegue analisar e comparar, em um curto período de tempo, dados de milhares de pedidos de patentes, publicações de patentes e outros documentos não patentários para identificar semelhanças que os examinadores podem analisar (...)

Aumento do volume e da complexidade dos pedidos de patentes

Com base em dados da OMPI, a CAS, uma divisão da Sociedade Americana de Química, estima que os cinco maiores institutos de patentes do mundo registraram uma taxa de crescimento anual composta de 4,4% nos pedidos de patentes depositados entre 2012 e 2021. Além do aumento no número de pedidos, as patentes têm se mostrado cada vez mais complexas, como evidenciado pelo número de reivindicações por patente, de patentes citadas por reivindicação e de citações do estado da técnica em outras patentes, entre outros indicadores.

A busca de anterioridade é um processo complexo, iterativo e demorado. Para cada pedido, os peritos responsáveis pelas buscas e examinadores precisam elaborar uma estratégia de busca, selecionar as bases de dados que serão usadas, realizar a busca, avaliar os resultados e, se necessário, ajustar e repetir a pesquisa utilizando parâmetros diferentes.

A magnitude dessas buscas é descomunal. Um estudo do Instituto de Patentes Europeu mostrou que, em uma busca abrangente de pedidos de patentes, são analisados cerca de 1,3 bilhão de registros técnicos em 179 bases de dados para avaliar o estado da técnica relacionado à matéria pleiteada. Isso significa que, todos os meses, quase 600 milhões de documentos aparecem nos resultados das buscas.

São analisados cerca de 1,3 bilhão de registros técnicos em 179 bases de dados para avaliar o estado da técnica relacionado à matéria pleiteada. Isso significa que, todos os meses, quase 600 milhões de documentos aparecem nos resultados das buscas.

Com o crescimento das novas tecnologias e a complexidade cada vez maior dos pedidos de patentes, os examinadores precisam se especializar cada vez mais em seus domínios técnicos. Ferramentas de IA alimentadas por dados altamente refinados e estruturados podem acelerar significativamente o processo de análise de pedidos de patentes, graças à sua capacidade de analisar milhões de conjuntos de dados e fornecer referências que demonstrem que o pedido em questão não pode ser deferido por não cumprir o requisito de novidade ou atividade inventiva.

Soluções baseadas em IA aceleram o processo de exame de patentes

Vários institutos de patentes têm recorrido a soluções de IA para lidar melhor com o volume e a complexidade cada vez maiores dos pedidos depositados. De acordo com a OMPI, 27 institutos nacionais de patentes trabalham atualmente em mais de 70 iniciativas relacionadas à IA, 13 das quais dedicadas a buscas de anterioridade. Embora não abranjam todas as etapas do processo de exame, essas soluções podem acelerar o tempo de análise, ajudando a garantir o cumprimento dos prazos e, consequentemente, aumentando a satisfação do cliente.

Por exemplo, o Instituto Canadense de Propriedade Intelectual utiliza mecanismos de busca de IA disponíveis no mercado para identificar vínculos entre citações, pedidos e o atual estado da técnica. O Instituto de Patentes do Japão (JPO) vem recorrendo à IA para facilitar a indexação de arquivos – além de sugerir classificações e palavras-chave de patentes pertinentes, a tecnologia classifica documentos de patentes relativos ao estado da técnica de acordo com a sua relevância. O Instituto de Marcas e Patentes dos Estados Unidos (USPTO), por sua vez, adota soluções de IA para ajudar a determinar a patenteabilidade da invenção reivindicada, analisar o histórico da tramitação de patentes e ampliar o acesso público aos dados do instituto.

O aprendizado de máquina facilita muito a busca de textos e termos indexados, mas não funciona tão bem para patentes relativas a compostos químicos, que costumam ter dados importantes em suas estruturas.

Recentemente, o Instituto Nacional da Propriedade Industrial (INPI) do Brasil e a CAS concluíram um projeto que usa inteligência artificial para otimizar o fluxo de trabalho e acelerar as buscas de anterioridade na área de química. Os pedidos de patentes de química, que representam aproximadamente 15% de todos os pedidos pendentes de exame no INPI, são extremamente complexos e exigem buscas de textos e estruturas em publicações de patentes e outros documentos não patentários. O componente de IA integrou quatro fluxos de algoritmos, permitindo realizar análises de similaridade e de outras naturezas para gerar resultados altamente relevantes.

Cada algoritmo se presta melhor a uma finalidade específica. O aprendizado de máquina facilita muito a busca de textos e termos indexados, mas não funciona tão bem para patentes relativas a composições de matéria (envolvendo a combinação de um ou mais compostos), que costumam ter dados importantes em suas estruturas. Da mesma forma, bases de dados gráficos identificam semelhanças e conexões muito mais eficazmente que uma ferramenta de aprendizado de máquina. Juntos, os algoritmos analisaram os resultados dos quatro fluxos e geraram uma única lista das publicações com maior probabilidade de apresentar conflitos com os pedidos em análise.

Dados de qualidade se traduzem em resultados de qualidade

Para treinar eficazmente um algoritmo de IA, é fundamental alimentá-lo com dados de qualidade. Os algoritmos de aprendizado de máquina só produzirão resultados relevantes, confiáveis e fidedignos se tiverem acesso a vastos conjuntos de dados de alta qualidade. Muitos dados publicamente disponíveis contêm erros de transcrição, unidades com rótulos incorretos e linguagem patentária excessivamente complexa, o que dificulta as buscas. Esse aspecto é particularmente desafiador no campo da química e das biociências, em que não há uma uniformidade na forma como as substâncias são descritas nas publicações e as palavras-chaves muitas vezes aparecem em tabelas ou imagens. O uso de dados que tenham passado pelo crivo de cientistas e sido normalizados, preparados e combinados em um formato estruturado facilita a busca de informações, melhora o treinamento de algoritmos de IA e aumenta a eficácia das buscas de anterioridade.

Embora o treinamento de diferentes conjuntos varie de acordo com a tecnologia, setor e pedido, a abordagem para a aplicação da IA permanece fundamentalmente a mesma.

No projeto do INPI, a equipe se valeu predominantemente da ferramenta Content Collection™, desenvolvida pela CAS, que é a maior coleção de dados de química e biociências do mundo. A ferramenta extrai, indexa e vincula esses dados, simplificando o acesso e a obtenção de informações relevantes. Além disso, a equipe do projeto treinou um algoritmo para gerar uma amostra aleatória de patentes que foi usada como um conjunto de controle para avaliar a precisão dos resultados e o nível de acerto. Examinadores de institutos de patentes da China, do Japão, dos Estados Unidos e da Europa avaliaram essas patentes, cuja relevância foi validada por uma equipe da CAS especializada em buscas do estado da técnica.

Embora o treinamento de diferentes conjuntos varie de acordo com a tecnologia, setor e pedido, a abordagem para a aplicação da IA permanece fundamentalmente a mesma. Seja qual for o campo tecnológico, as citações de conflitos usadas são identificadas durante o processo de exame relativo a cada conjunto de treinamento. Conjuntos de treinamento centrados em temas específicos são mais eficazes para domínios altamente complexos, como o da química, mas podem não gerar resultados tão satisfatórios em outras áreas. Em muitos segmentos, os modelos costumam apresentar um bom desempenho se a tecnologia estiver representada em um conjunto de treinamento geral.

Ressalta-se, porém, que a qualidade dos dados é um aspecto fundamental.

Competência humana aliada à integração do fluxo de trabalho e ao uso da tecnologia

As equipes envolvidas em projetos de IA precisam contar com profissionais das mais variadas áreas de especialização. O projeto do INPI, por exemplo, aliou o uso da tecnologia à expertise de especialistas em análise de dados, integração de fluxos de trabalho, computação de alto desempenho, pesquisas científicas e várias outras disciplinas.

É essencial que os membros da equipe tenham conhecimentos multidisciplinares para que consigam superar os desafios e alcançar os resultados esperados. Se não entender as nuances das estruturas químicas, um especialista em ciência de dados pode acabar desenvolvendo algoritmos pouco eficazes. Da mesma forma, para criar modelos de aprendizado de máquina robustos, os cientistas da computação também devem ter conhecimento dos dados e das estruturas químicas.

A integração do fluxo de trabalho é outra disciplina que contribui para a criação de soluções abrangentes para os institutos de patentes. Com a introdução de melhorias nos fluxos de trabalho e aprimoramentos tecnológicos, por exemplo, pode-se criar um único painel que permita acessar e analisar todos os pedidos e documentos comprobatórios, simplificando significativamente o trabalho de examinadores que precisam lidar com vários sistemas e pastas para encontrar os documentos a serem examinados no processo de análise. Além disso, os examinadores poderiam ver por que determinados documentos de referência foram devolvidos e como os resultados são gerados, proporcionando a rastreabilidade necessária para documentar decisões relativas ao processamento dos pedidos e análises internas de qualidade.

Conclusão

A produtividade, a eficiência e a qualidade do atendimento dos institutos de patentes melhoram substancialmente quando seus examinadores usam ferramentas baseadas em tecnologias mais recentes, como a inteligência artificial. Com a aceleração do ritmo das inovações, haverá um aumento correspondente no volume e na complexidade dos pedidos de patentes. Isso significa que os institutos de patentes precisarão continuar a buscar novos métodos que otimizem o processo de exame de patentes, atendendo, assim, às expectativas dos atores do setor e elevando o nível de satisfação com os serviços prestados.

Embora a IA possa ajudar a solucionar os novos desafios que vão se apresentando, a implementação de abordagens personalizadas continuará a exigir conhecimentos especializados. Como cada instituto de patentes tem suas próprias necessidades específicas, uma abordagem universal não funcionará. As atividades realizadas nessas entidades são essencialmente as mesmas, mas os recursos humanos e tecnológicos necessários para o correto funcionamento de cada área variam de instituto para instituto. Ainda que os algoritmos sejam capazes de satisfazer uma necessidade comum, a forma como os examinadores interagem com o resultado gerado por esses algoritmos pode diferir muito dependendo do ambiente tecnológico existente.

A produtividade, a eficiência e a qualidade do atendimento dos institutos de patentes melhoram substancialmente quando seus examinadores usam ferramentas baseadas em tecnologias mais recentes, como a inteligência artificial.

Para que continuem a alcançar seus resultados estratégicos, os institutos de patentes precisarão se valer de inovações personalizadas que satisfaçam as expectativas dos atores do setor, mesmo em um contexto de limitação de recursos. A combinação certa de dados, tecnologia e competência humana pode proporcionar a flexibilidade necessária para a implementação de melhorias sustentáveis no futuro.

Para saber mais sobre como a IA pode aprimorar a produtividade do sistema mundial de patentes, leia o informe técnico da CAS intitulado Sustainability of the Global Patent System: the role of AI in enhancing productivity (Sustentabilidade do sistema mundial de patentes: o papel da IA no aumento da produtividade).

Agradecimentos: Matthew Bryan e Andras Jokuti, Setor de Patentes e Tecnologia, OMPI
Bruno Poulequen, Ulrike Till e Young-Woo Yun, Setor de Infraestrutura e Plataformas, OMPI

Editado por: Catherine Jewell

Artigos relacionados:

• Dados: o combustível que vem transformando a economia global
• Panorama atualizado do patenteamento acelerado para invenções “verdes” no Brasil