Elsevier、LG AI Researchの化学ビジョンモデルをReaxysに統合

ElsevierとLG AI Researchは2026年9月15日に発表した、LG AI Researchが開発した化学特化型AIビジョン技術が、Elsevierのコンテンツ抽出およびキュレーションプロセスに組み込まれ、Elsevierの発見化学ソリューションであるReaxysで利用されるようになり、特許や科学文献に画像、図面、反応スキームとしてのみ現れる物質を検索可能にした。

両社は、特許や学術誌の画像から得られる物質情報が、従来よりも迅速かつ正確に、さらに大規模に取得できるようになったと述べた。この取り組みにより、Elsevierの物質、反応、バイオアクティビティ、バイオロジカルターゲット、物質特性に関するコンテンツ抽出と科学的キュレーションがReaxys向けに強化される。

画像に依存する化学情報が検索しにくい理由

化学者が依拠する物質や反応に関する情報の多くは、検索可能なテキストではなく、図、図面、反応スキームを通じて伝えられている、と発表は述べている。そのような化学情報が検索できない場合、研究者は文書を手作業で確認し、化合物や反応が既に記述されているかどうかを確かめなければならないことがある。化学図は結合、原子、立体化学、空間関係を通じて意味をエンコードしているため、結合を誤読すれば誤った化合物を特定し、構造を見落とせば化学者は不完全な情報しか得られない。この課題は、特に新規性検索、競合情報収集、合成計画、そして無機化学や有機金属化学のように複雑な構造が抽出・索引化しにくい分野で顕著である。

MolMoleモデルと報告されたベンチマーク

この技術は、分子検出、反応図解析、光学化学構造認識（OCSR）を単一モデルに統合しており、LG AI Researchが公開したベンチマークレポートでは、全文書ページから化学情報を抽出する際に他の手法を上回ると報告されている。2025年5月7日、LG AI Researchの研究ブログへの投稿では、同モデルがMolMoleと名付けられ、同グループのDeep Document Understandingプログラムの下で開発されたことが示されている。このプログラムは、一般文書のテキスト、グラフ、表だけでなく、化学論文や特許における分子構造式や反応式も解釈できるAIの構築を目指している。

MolMoleは切り抜き画像を必要とせず、完全なPDF文書を入力として受け取り、一度に文書から認識された化学データを返す、とブログ記事は述べている。このモデルは3つのモジュールで構成される。ViDetectはPDFページ内の分子構造領域を検出し、バウンディングボックスでマークする。ViReactは反応図中の反応物、反応条件、生成物の位置を特定し、各領域を分類する。ViMoreは認識された構造をSMILES、InChI、Mol形式などの標準的な化学表現に変換し、ノイズが多いスキャンベースの特許ページ向けの特殊技術を用いる。

LG AI Researchは、ViMoreが4つの標準OCSRベンチマーク（CLEF、JPO、UOB、USPTO）のうち3つで最先端の結果を達成し、DECIMER Image Transformer、MolScribe、MolGrapherを上回ったと報告している。特に、主に低解像度の日本特許文書から抽出された画像で構成される難易度の高いJPOデータセットにおいて、他のモデルを凌駕したという。LG独自のベンチマークでは、300ページの特許ページと250ページの論文ページをそれぞれ別々に評価し、両者の特性の違いを反映させているが、ViDetectとViMoreを組み合わせたパイプラインは、精度と再現率の両面でDecimer SegmentationおよびImage Transformer、MolDetect、MolScribeを上回り、ViReactはReactionDataExtractor2.0およびRxnScribeを上回った。

基礎となる論文（arXivに掲載）は2025年4月30日に初投稿され、2025年5月8日に改訂された。論文はMolMoleを、分子検出、反応図解析、OCSRを統合したビジョンベースのディープラーニングフレームワークとして説明し、ページレベルの文書から直接化学データを抽出する単一パイプラインを提供する。標準的なページレベルベンチマークと評価指標が欠如していることを指摘し、著者らは分子バウンディングボックス、反応ラベル、MOLファイルで注釈付けされた550ページのテストセットと新たな評価指標を提示し、MolMoleが既存ツールキットをベンチマークおよび公開データセットの両方で上回ることを報告している。

Elsevierのワークフロー内では、各抽出パイプラインは本番稼働前に既存のReaxysベンチマークで検証され、全パイプラインはElsevierのデータとワークフローツールを用いたテスト期間を経て、広範な利用に先立って実施された、と発表は述べている。

幹部コメントと次の段階

Elsevierのライフサイエンス部門マネージングディレクター、Mirit Eldorは、このパートナーシップにより、図から化学情報をより多くReaxysに移行し、キュレーションされた検索可能なエビデンスとして提供することで、化学者の時間が取り戻せると述べた。彼女は「図中に埋もれた構造は、行き止まりではなくエビデンスであるべきだ」と語った。

LG AI ResearchのAIビジネストランスフォーメーションユニットリーダー、Hwayoung Edward Leeは、モデルはすべての結合と空間配置が意味を持つ複雑な視覚的化学表現を解読するよう設計されており、Elsevierとの統合により、生の視覚データが研究者向けの構造化された知識に変換されると述べた。

両組織は、反応抽出が協業の次の段階であり、個別物質にとどまらない画像ベースの抽出を拡張して、Reaxys を通じて利用可能な反応エビデンスを広げると述べた。また、LG AI Research の専門的な AI 能力と Elsevier の化学コンテンツ、科学的専門知識、キュレーションを組み合わせて、顧客が抱える課題に共同で取り組むことも検討している。この取り組みは、Elsevier の責任ある AI 原則およびプライバシー原則に沿って行われると、両社は述べた。