【論文執筆のためのAI活用】最新AIで叶える「スマートな文献検索」最短ステップ - vol.6

【論文執筆のためのAI活用】最新AIで叶える「スマートな文献検索」最短ステップ - vol.6

2025.10.18

アクセプトされる論文には、「先行研究の調査」がとても重要です。

特に説得力のあるIntroductionやDiscussionを書くためには、事前に関連する論文を一通り調べておく必要があります。

しかし、抜け漏れなく論文を調べようとすることは、途方もなく大変です。

知りたい文献を抽出するための条件決め
文献を取捨選択するための大量読解

「検索の仕方は間違ってないか？」「大事な文献を見逃してないか？」という葛藤の中、論文調査に時間が取られて肝心な論文執筆が全然進まない、なんてことも珍しくありません。

このように、いくらでも“時間を溶かす”ことができる論文調査ですが、生成AI（以下、AI）を使うことで驚くほど早く、正確に欲しい論文を見つけ出すことができます。

研究時間が限られる中で、この先行研究の調査はできる限り効率化したいですよね。

そこで今回は、AIを使った論文調査術をご紹介します。

この記事を読めば、論文調査を劇的に効率化するためのAI活用術を身に付けることができます。

mMEDICI Library | ひらけ、叡智の扉

叡智の扉を、全ての人が開けるように——。

学びは、限られた豊かな人々だけの特権ではありません。

経済的困難に直面する人、地方で学習資源に恵まれない人、家事や育児・仕事に追われる人。

mMEDICI Libraryではそんな人々にこそ、最高の学びを届けるため、研究・キャリア・学習・受験のあらゆるテーマでパブリックヘルスの叡智を集めました。

隙間時間にスマホひとつで、誰もが「一流の知」に触れることを叶えていきます。

「ここを開けば、誰しもが悩みを解決できる」、そんなメディアを目指します。

mMEDICI Library | ひらけ、叡智の扉
この記事のまとめ
この記事を読むと分かること
この記事は誰に向けて書かれているか
論文執筆のためのAI活用術シリーズ
執筆者の紹介
編集者
監修者
文献データベースを使った論文調査の手順
①検索式決め
②スクリーニング
AIで論文調査を効率化しよう
AIによる文献検索の具体的フロー
モデルの選択
ウェブ検索機能
プロンプトの基本構造
講座紹介｜新時代の統計解析　AIコーディング講座
文献検索で使えるおすすめプロンプト
1. モデル論文を検索するプロンプト
2. 特定の分野の重要論文を調べるプロンプト
3. 引用文献が最新かどうかチェックするプロンプト
補足：情報漏洩のリスクを理解する
まとめ
医学研究を学ぶならオンラインスクールmJOHNSNOW
講座紹介｜新時代の統計解析　AIコーディング講座
【YouTubeラジオコンテンツ　耳から学ぶシリーズ】

この記事のまとめ

この記事を読むと分かること

ChatGPTを使った論文調査の具体的手順
論文調査用プロンプトの基本構造
先行研究の調査ですぐに使えるプロンプト3選

この記事は誰に向けて書かれているか

AIを使った論文調査方法が知りたい方
論文で引用する先行研究を探している方
PubMedやGoogle Scholarで論文を探すのに少し疲れた方

論文執筆のためのAI活用術シリーズ

vol.1：最新AIで書く「論理的なIntroduction」作成ガイド
vol.2：最新AIで書く「国際ガイドライン準拠のMethods」そのまま使えるプロンプトで簡単作成!!
vol.3：最新AIで書く「図で魅せるResults」手書きメモが一瞬で図に!!
vol.4：最新AIで書く「明快なDiscussion」リミテーションにおけるバイアスの整理方法
vol.5：最新AIで書く「投稿規定に沿った論文」確認作業をAIで時短!!
vol.6：最新AIで叶える「スマートな文献検索」最短ステップ（本記事）

執筆者の紹介

氏名：わたヤク（SNSアカウント名）
所属：病院勤務
自己紹介：病院に勤務する傍ら、臨床研究支援組織にて研究コンサルタントとして活動する薬学博士。様々な臨床研究のデザインや統計解析に携わる。他、筆頭論文が国際的ながんサポーティブケア学会のガイドラインに引用され、自らもシステマティックレビュー委員としてガイドライン作成に携わるなど、研究活動や社会活動も積極的に行っている。その専門知識を活かし、臨床研究におけるAI活用の情報をSNSやブログで積極的に発信。𝕏アカウントは開設から100日で4,000フォロワーを突破し、ブログではAIを活用したデータ解析に関する記事で主要キーワード検索１位を多数獲得。AIと研究を繋ぐ第一人者として、ｍJOHNSNOWのセミナー講師も務める。
𝕏：https://x.com/ai_biostat
AI医療統計（ブログ）：https://ai-biostat.com/
Note：https://note.com/ai_biostat

編集者

氏名：菊池祐介
所属：mMEDICI株式会社
専門性：作業療法学修士。首都大学東京（現東京都立大学）・東京都立大学大学院を卒業後、病院勤務を経て専門学校・私立大学にて作業療法教育、地域共生社会の醸成に向けたリハビリテーション専門職の支援に関する研究に従事。現在は心身の健康とその人らしさの実現に向け、保険内外でのクライアント支援を展開している。作業療法の社会的意義向上を信念に、mMEDICI株式会社に参画。

監修者

氏名：廣瀬直紀
所属：mMEDICI株式会社
専門性：保健学博士・公衆衛生学修士。東京大学・東京大学大学院を卒業後、外資系製薬企業の日本・グローバルにおいて疫学専門家として薬剤疫学・リアルワールドデータ研究に従事。その後、全ての人がアクセス可能な一流の知のプラットフォームを作り、「知に繁栄を、辺野に豊穣を」実現すべく、mMEDICI株式会社を創業。

文献データベースを使った論文調査の手順

先行研究を調査する際には、文献データベースを用いて検索することが一般的です。しかし、膨大な量の論文の中から目的の先行研究を探し出すには、多くの時間と手間がかかります。

AIを用いた論文調査法について説明する前に、まずは通常の文献データベースを使って論文調査をする場合の手順を確認します。

それでは、もっとも一般的なPubMedを使った具体例を見ていきましょう。

文献調査の作業フローは、「検索式決め」と「スクリーニング」の二つに分けられます。

①検索式決め

まずは、膨大な論文データから欲しいものを抽出するための条件を絞り込むために、検索語、論理演算子、タグなどを組み合わせた「検索式」と呼ばれる条件式を作ります。

例えば、一般外科の周術期におけるデジタルヘルス介入が、合併症、再入院、救急受診などに与える影響を評価した研究では、次の検索式を使用しています。

初めて検索式を目にする方にとっては、「文献を探すために、こんなに膨大な検索式を作成しないといけないの!?」と驚かれるかもしれませんが、研究テーマに関連する重要な論文をデータベースから抜け漏れなく調べるためには欠かせない工程です。

(
  Telemedicine[MeSH Terms]
  OR Telemedicine[Title/Abstract]
  OR Telemedicine[Text Word] OR Telehealth[Text Word] OR "Mobile Health"[Text Word] OR mHealth[Text Word] OR eHealth[Text Word] OR "Digital health"[Text Word] OR Telecommunication*[Text Word] OR "Remote consultation*"[Text Word] OR "Remote monitoring"[Text Word] OR "Health information technology"[Text Word] OR videoconferencing[Text Word] OR "Video?consultation*"[Text Word]
  OR "App"[Text Word] OR software[Text Word] OR mobile phone[Text Word] OR smartphone[Text Word] OR cell phone[Text Word] OR "mobile?device"[Text Word]
)
AND
(
  Patient Safety[MeSH Terms]
  OR Patient Outcome Assessment[MeSH Terms] OR Outcome Assessment[MeSH Terms]
  OR "Patient* Safety"[Title/Abstract]
  OR "Patient* Safety"[Text Word] OR "Patient Outcome Assessment"[Text Word] OR Outcome*[Text Word] OR "follow?up"[Text Word] OR prevention[Text Word] OR perioperative[Text Word] OR postoperative[Text Word] OR "Surgical site infection"[Text Word] OR readmission[Text Word] OR Complication*[Text Word] OR disability[Text Word] OR "Adverse events"[Text Word] OR outpatient[Text Word] OR inpatient[Text Word] OR Consequen*[Text Word] OR "After discharge"[Text Word] OR "Post?discharge"[Text Word] OR control[Text Word] OR "Patient* reported"[Text Word]
)
AND
(
  General surgery[MeSH Terms]
  OR "Surgery"[Title/Abstract]
  OR "Abdominal surgery"[Text Word] OR Abdominal[Text Word] OR Gynecolog*[Text Word] OR Colorectal[Text Word] OR Hernia[Text Word] OR Bariatric[Text Word] OR "Weight?loss"[Text Word] OR Coloproctolog*[Text Word] OR "Abdominal wall"[Text Word] OR Laparoscop*[Text Word] OR "surgical procedure*"[Text Word] OR "surgical operation*"[Text Word] OR operative[Text Word]
)

（引用：Grygorian, A., Montano, D., Shojaa, M., Ferencak, M., & Schmitz, N. (2024). Digital health interventions and patient safety in abdominal surgery: A systematic review and meta-analysis. JAMA Network Open, 7(4), e248555）

とても難解に思える検索式ですが、基本的には以下の３要素から構成されています。

検索語
- フレーズ検索："Mobile Health”
- 前方一致検索："Patient*"（PatientだけでなくPatientsなども含めることができる）
論理演算子

タグ：検索する項目を指定。
- Telemedicine[Title/Abstract]：タイトル / 抄録にTelemedicineが含まれる論文を抽出
- Telemedicine[Text Word]：タイトル / 抄録 / 著者キーワード等のテキスト欄にTelemedicineが含まれる論文を抽出。

※PubMedの検索式に関する詳細はこちら。

このように、論文を抜け漏れなく調べるには適切な検索式を作る必要がありますが、論理演算子やタグに関する知識が必要となるため、初学者にとってはなかなかハードルの高い作業です。

②スクリーニング

検索式によって抽出した論文の中から、必要なものとそうでないものを取捨選択する作業がスクリーニングです。

例えば、先ほど紹介した検索式を使ってPubMedで検索すると、24,207件もの論文がヒットします。

この全ての論文について、タイトルや抄録、一部フルテキストまで読んで欲しい論文をピックアップする必要があります。仮に１件30秒（かなり早いペース）で進めてもスクリーニングにかかるのは約200時間。

気が遠くなるような作業です。

ここまで読んで、「先行研究調査のためにここまではできない」と思う方も多いと思います。

おそらく、多くの先行研究調査ではここまで入念に調べることはなく、

数個の検索語を繋いだシンプルな検索式を使い
上位に表示された論文を確認する

で終わるケースがほとんどでしょう。

しかし、検索式決めとスクリーニングを簡略化する副作用として、必要な論文の見落としが起こります。

そこで、現実的に求められるのは精度と時間効率のバランス。

このバランスを最大にするのがAIによる文献検索です。

AIで論文調査を効率化しよう

AIを使えば検索式決めもスクリーニングも必要ありません。

どんな論文を探しているかAIに伝えるだけでウェブ上から条件に合った論文を探し出してくれます。

AIを使うメリット

論文調査に費やす時間が大幅に省略できる
探している論文の条件を伝えるだけで良い
検索式決めやスクリーニングに関するスキルが不要

デメリット

再現性が担保できない（同じプロンプトを使っても同じ結果になるとは限らない）
システマティックレビューなどで網羅的に論文を探すのには不向き
公開されている情報しか拾えない（オープンアクセス論文以外は基本的にタイトル・アブストラクトのみ）

おすすめのAIとして、ChatGPTが挙げられます。

ChatGPTの最新モデルGPT-５では、

推論能力が高い
Web検索機能が高精度
ハルシネーションが少ない

など優れた特徴があります。

また、従来の「架空の論文を提示する」、「最新情報が含まれない」といった問題点も解消され研究で充分使えるレベルまで達しています。

AIによる文献検索の具体的フロー

モデルの選択

ChatGPTで論文調査する時は、GPT-５Thinkingが特におすすめです。

モデル選択画面から、画像赤枠で示す”Thinking”を選択しましょう。

Thinkingモデルが選択できるのは、月20ドルのPlusプランでは週3,000メッセージまでなのに対し、無料プランでは１日１回までなので注意しましょう。

ウェブ検索機能

ChatGPTではウェブ検索機能によって最新の論文からも情報を拾い上げることができます。

ツールメニュー（＋）から「ウェブ検索」を選択しましょう。

ウェブ検索を選択し忘れた場合でも、AIが必要と判断すれば自動で検索を実行してくれます。

しかし、たまに不発に終わることもあるため、私は毎回ツールメニューからウェブ検索を指定するようにしています。

プロンプトの基本構造

GPT-５Thinkingで論文調査する時のプロンプトは、最もシンプルなもので「〇〇を調べて。」が挙げられます。〇〇にはPECOを意識して検索条件を入れましょう。

Patients（P）：研究の対象者
（例）術後の大腸がん患者
Exposure（E）：介入や治療
（例）標準治療＋オキサリプラチン上乗せ
Comparison（C）：対照群
（例）標準治療
Outcome（O）：効果指標
（例）無再発生存期間

下記のように条件を加えて論文を絞り込むことも有効です。

年代（例：10年以内、2020年以降など）
研究デザイン／フェーズ（ランダム化比較試験・観察研究／第三相試験など）

プロンプトは例えば以下のようになります。

以下の条件で論文を探して： 大腸がんの術後化学療法でオキサリプラチン上乗せの有効性を示した第三相試験

ChatGPTによる回答は以下のようになりました。

・MOSAIC 試験（FOLFOX4 vs LV5FU2；Stage II/III 結腸がん）

・3年DFS 78.2% vs 72.9%、再発ハザード比 0.77、P=0.002（NEJM 2004）。その後の追跡で5年DFS HR 0.80（P=0.003）、6年OSは全体HR 0.84（P=0.046）、Stage IIIでHR 0.80（P=0.023）とOSも有意に改善（JCO 2009）。 Stage II全体ではOS差なし。 出典：PubMed+1

・NSABP C-07（FLOX〔週1ボーラス5-FU/LV＋オキサリプラチン〕 vs FULV；Stage II/III 結腸がん）

・DFSのHR 0.80（95%CI 0.69–0.93、P<.004）。3年DFS 76.1% vs 71.8%（JCO 2007）。 出典：PubMed

・XELOXA / NO16968（CAPOX〔XELOX〕 vs ボーラス5-FU/LV；Stage III 結腸がん）

・主要解析：DFS HR 0.80（95%CI 0.69–0.93、P=0.0045）、3年DFS 70.9% vs 66.5%（JCO 2011）。最終追跡でOSも有意に改善（JCO 2015）。 出典：PubMed+1

このように、シンプルなプロンプトでも欲しかった論文を正確に探し出してくれます。

（続きはページの後半へ）

講座紹介｜新時代の統計解析　AIコーディング講座

詳細を見る

文献検索で使えるおすすめプロンプト

ここからは、先行研究調査で使えるプロンプト３選をご紹介します。

「こんな用途にも使えるよ」という紹介の意図があるので、使う時はご自身の目的にフィットするように適宜アレンジしてください。

1. モデル論文を検索するプロンプト

論文を執筆する時はお手本となる「モデル論文」を探しましょう。

特に、論文執筆に慣れないうちは、

図表の見せ方
引用文献
英語表現

などを参考にできるので、迷った時の地図となり執筆がスムーズに進みます。

モデル論文を探すためには、研究の概要を伝える必要があります。

例えば、学会発表した研究テーマを論文化する前には、学会抄録を添付して以下のプロンプトを使いましょう。

以下の学会抄録から、論文執筆時に書き方の手本となるモデル論文を探してください。
{{ここに学会抄録をコピー＆ペースト}}

今回は学会抄録を例として用いましたが、研究計画書の抜粋など、研究の概要を把握できる情報があれば問題ありません。

2. 特定の分野の重要論文を調べるプロンプト

論文を書く時には、得意分野”以外”の知識が必要になることもしばしばあります。

馴染みが薄い分野について調べたい時や、引用すべき論文をみつけたい時には以下のプロンプトを使ってみましょう。

○○に関して、この領域のコンテキストを把握するための重要文献を教えて。

例えば、「大腸癌の術後補助化学療法に関して、この領域のコンテキストを把握するための重要文献を教えて」というプロンプトに対する回答は以下のようになります。

1) 標準治療の確立（オキサリプラチン導入）
・MOSAIC（FOLFOX vs 5-FU/LV）：オキサリプラチン併用でDFS改善、のちにOSも示唆。ステージIIIの標準を確立。 出典：ニューイングランド医学雑誌

・NSABP C-07（FLOX）：ボーラス5-FU/LVにオキサリプラチン追加でDFS改善。レジメン差（FOLFOX/CAPOX vs FLOX）の毒性ニュアンスも把握可。 出典：ASC Publications

・XELOXA/NO16968（CAPOX vs bolus 5-FU/LV）：ステージIIIでDFS・OS改善。CAPOXという経口主体の選択肢を確立。 出典：PubMed+1

・X-ACT（カペシタビン単剤 vs bolus 5-FU/LV）：フッ化ピリミジン単剤の“静注→経口”置換の根拠。 出典：ニューイングランド医学雑誌


2) 投与期間の最適化（3か月 vs 6か月）
・IDEA 共同解析（6試験プール）：リスク（T4/N2 か否か）とレジメンで最適期間が異なる。低リスク/ CAPOXなら3か月可、高リスクやFOLFOXでは6か月が有利。神経障害とのトレードオフを定量的に理解。 出典：ニューイングランド医学雑誌+1

（3～6は割愛）

文脈に沿って全体像を把握しながら主要論文を押さえることができます。

3. 引用文献が最新かどうかチェックするプロンプト

論文のIntroductionやDiscussionで引用している論文は適切でしょうか？

気付かずに見落としているものがあるかもしれません。

そのような時は、チェックしたい論文を添付し、このプロンプトを活用して確認してみましょう。

添付論文について引用文献の最新性を確認して。

ChatGPTによる回答（抜粋）は以下のようになりました。

結論（要点）

・全体として、後方ラインの主要エビデンスは2023年（SUNLIGHT, FRESCO-2）までカバーされており十分に新しいです。出典：NEJM

・HCC領域の補助的エビデンス（Atezo+BEV関連）は2022–2024年で更新が効いています。出典：Esmo OpenWiley Online Library

・さらに、一次治療バックグラウンドとしてTRIBE（2014）だけを挙げているため、TRIBE2（2020）の追補を推奨します。出典：PubMed


更新・追補を推奨する点

1. 一次治療：FOLFOXIRI+BEV 現状：#3 TRIBE（2014）。 提案：TRIBE2（2020, Lancet Oncology）を追補（戦略試験としてPFS2/OSに言及）。出典：PubMed

2. 蛋白尿の発生リスク/管理—古い総説の更新（#11–13） 提案（例）： EMA SmPC（最新版）：用法・有害事象管理の最新記載。European Medicines Agency (EMA) JAHA 2023 レビュー（VEGFi誘発高血圧の実臨床管理）。出典：AHA Journals


現状で妥当（更新不要と判断）

・基盤試験：E3200（2007）、NO16966/他（2008）、RAISE（2015）、VELOUR（2012）、ML18147（2013）などは古いが「ピボタル試験」であり引用妥当。

・後方ライン：SUNLIGHT（TAS-102+BEV, 2023）、FRESCO-2（fruquintinib, 2023）は最新エビデンスとして適切。出典：NEJM

単に新しい類似論文を探すだけではなく、文脈を読んで差し替えが必要かどうかまで助言してくれる点が嬉しいポイントです。

補足：情報漏洩のリスクを理解する

ChatGPTに入力したデータは、情報漏洩のリスクが伴います。

例えば、ユーザーが入力した情報（プロンプトやアップロードしたファイル）がAIモデルの学習や品質改善のために利用されることがあります（オプトアウト可能な場合が多い）。

機密情報は原則入力しないことを留意するとともに、情報漏洩リスクを抑えるためAIの学習に利用させない設定（オプトアウト）を確認するなど、各サービスの利用規約やプライバシーポリシーを必ず確認しましょう。

ChatGPTでは以下の手順で入力データがモデルの改善・学習に使われないようオプトアウト設定ができます（詳細はこちら）。

1. 左下のアイコンから設定画面を開く

2. 「データコントロール」タブの「すべての人のためにモデルを改善する」をオフにする

まとめ

今回は、論文執筆で必須の「先行研究の調査」について、ChatGPTを使って効率化する方法をご紹介しました。

AIを使うことで、従来のデータベース検索で必要な検索式決めやスクリーニングに費やす時間をほとんどゼロまで減らすことができます。

ただし、再現性が担保できないなどの限界もあるので、目的に応じて従来の文献調査と併用するのが良いでしょう。

後半では、論文調査が必要な三つの場面で使えるプロンプトをご紹介しました。

GPT-５Thinkingは多少無茶ぶりのような指示に対しても的確に回答してくれるため、「じゃあこれもできるかな？」と使い方をどんどん発展させることができます。

本記事が、皆さんの研究活動を加速させる一助となれば幸いです。

𝕏では、研究に役立つTipsやAI活用の最新情報を日々発信しています。ぜひフォローして、最新の情報をキャッチしてください。

https://x.com/ai_biostat

医学研究を学ぶならオンラインスクールmJOHNSNOW

この記事を読み、「もっと研究や論文執筆でAIを活用したい！」と思われた方もいらっしゃるでしょう。

そんな方には弊社が運営するオンラインスクールmJOHNSNOWがお勧めです。

mJOHNSNOWはスペシャリストが運営する臨床研究・パブリックヘルスに特化した日本最大規模の入会審査制オンラインスクールです。運営・フェローの専門は疫学、生物統計学、リアルワールドデータ、臨床、企業など多岐に渡り、東大、京大、ハーバード、ジョンスホプキンス、LSHTMなど世界のトップスクールの卒業生も集まっています。

「AIコーディング講座」をはじめ、専門性を伸ばすためのコンテンツが目白押しです！

詳細を見る｜ 無料体験に申し込む

講座紹介｜新時代の統計解析　AIコーディング講座

「コードを一つも書かずに解析をやり遂げる」世界を目指して、CursorなどのAIエディタの基礎知識の習得や、AIエディタを使った基本的な統計解析技術を習得していきます。さらに発展編として、因果推論の手法（IPW とParametric g-formula）に加え、AIで解析を自動化（以下、AI駆動解析）する方法を学びます。連載「医療職・研究者のためのAI論文執筆術シリーズ」の著者渡邊大地先生が講師を務め、AIコーディングの基礎から実践までやさしく解説します。

詳細を見る