投資人與技術轉移辦公室投入大量精力，試圖在商業潛力研究達到專利申請階段前就加以發掘。現在，一款機器學習工具旨在透過評估科學論文的「專利潛力」來加速此過程——這發生在任何交易、專利申請或衍生公司揭示其商業潛力之前數月或數年。而這也是眾多提供相同能力的工具之一。
這款名為 Translation Readiness Index (TRI) 的工具，對論文的標題和摘要進行語言分析。接著，它會衡量論文的詞彙量與先前已與專利配對的出版物的相似程度。此方法由澳洲雪梨的數據分析公司 League of Scholars 的研究人員開發。該研究已發布為 arXiv 上的預印本，尚未經過同行評審。
「這是一種新的篩選或排序」研究的方法，League of Scholars 的共同創辦人兼預印本共同作者、計算社會學家 Paul McCarthy 表示。他指出，該工具估計論文使用「專利式語言」的機率。
研究人員使用 20,610 篇科學論文訓練 TRI，其中包括 9,431 篇已與專利配對的論文。標題和摘要被輸入五個分類器，表現最佳的模型有 78% 的機率將與專利相關的論文排在與之相似但未與專利相關的論文之上。
最終被專利引用的論文比未被專利引用的論文更常包含「原型」、「裝置」和「設計」等詞彙。TRI 僅分析標題和摘要，因此不直接評估論文的基礎數據或結果。
為了測試 TRI 的最高評分論文是否與其他商業活動指標相關，例如共同作者是否具有產業從業背景以及作者是否曾申請專利，研究人員檢視了西澳洲大學 (UWA) 位於伯斯的作者的 100 篇 TRI 最高評分論文。這些論文發表於 2019 年至 2026 年間，比隨機抽樣更有可能顯示這些指標：McCarthy 表示，在 100 篇論文中，有 83 篇有產業關聯的共同作者，34 篇涉及至少一位先前曾申請專利的 UWA 關聯作者。因此，該團隊目前正與幾所大學合作測試 TRI。
McCarthy 不建議僅憑該工具的結果來做投資決策，因為這是一種機率性排序。然而，他表示這可能有助於發掘「意想不到的寶藏」。
倫敦早期深度科技投資公司 Empirical Ventures 的共同創辦人 Ben Miles 表示，該工具可能對希望決定哪些想法值得大學、政府或慈善機構在成熟到足以吸引投資者之前給予進一步支持的學者和資助者來說，是一個有用的外部信號。
然而，可專利技術並不總是具有商業可行性——因此任何對此的衡量對於投資者的需求來說都將永遠是不完美的。
TRI 是幾款旨在識別有前景科學研究的工具之一。其中一些工具正被研究機構採用，以協助識別可能透過支持而成為可行業務的發現。
其中一款名為 Haystack 的工具，是為紐約州伊薩卡康乃爾大學的技術團隊所建，每年可掃描多達 13,000 篇論文——這對康乃爾大學的技術轉移團隊來說是無法手動檢查的數量，該工具的建構者、康乃爾大學的創業、創新與外部參與副校長 Matt Marx 表示。