【初学者にも書ける医学英語論文】東大大学院生を指導してきた医師が語る：AI時代に求められる論文リテラシーとは？ - vol.5 前編

臨床論文を英語で執筆してアクセプトを勝ち取るまでには、たくさんの高い壁が立ちはだかるように感じる人も多いでしょう。

良きメンターにめぐり会うか、よほどの能力の持ち主でないと、これまではその壁を乗り越えることは困難だったかもしれません。

どのようなステップを踏めば最初の論文執筆を成功させることができるか、東大大学院で多くの後輩の英文論文を指導する中で見えてきた、その最適解とも言える指導法のエッセンスを全６回に渡り公開します。

第５回は、生成AIと論文執筆についてです。普段多少は生成AIを使っている人もどこまで論文執筆に使って良いか迷うと思います。

今回は、論文執筆における生成AIのプロコン（ゲームの方ではなくPros＆Consです）と今後の展望について触れたいと思います。

本稿を読んで、次世代の論文執筆について触れてみませんか。

この記事のまとめ

この記事を読むと分かること

• 生成AI使用上の倫理

• 医学英語論文執筆のための生成AI使用法

• 生成AIを用いた論文執筆の今後の展望

この記事は誰に向けて書いているか

• 生成AIをまだあまり使っていない方

• 生成AIをどこまで論文執筆に使って良いか迷っている方

• 生成AIの今後の展望を知りたい方

英語論文執筆シリーズ

• vol.1：東大大学院生を指導してきた医師が語る - 英語論文執筆の心理的ハードルを下げよう

• vol.2：東大大学院生を指導してきた医師が語る - たった三つを意識すれば論文構成は完成する

• vol.3：東大大学院生を指導してきた医師が語る - 学会発表を論文化する最短ルート

• vol.4：東大大学院生を指導してきた医師が語る - 投稿から査読対応までの基本プロセス

• vol.5：
  （前編）東大大学院生を指導してきた医師が語る - AI時代に求められる論文リテラシーとは？（本記事）
  （後編）東大大学院生を指導してきた医師が語る - AI時代に求められる論文リテラシーとは？

• vol.6：
  （前編）東大大学院生を指導してきた医師が語る - 論文の量産を可能にする習慣×統計手法
  （後編）東大大学院生を指導してきた医師が語る - 論文の量産を可能にする習慣×統計手法

• vol.7：生成AIで進める英語論文執筆の全体戦略 - プロンプト付きで即実践！

• vol.8：研究テーマの見つけ方と投稿先選び - 日常から着想を得て論文に育てるステップ

• vol.9：短時間で“使える論文”を探す文献検索の手順 - PubMed×AI活用で効率化

• vol.10：型で攻略するIMRADの書き方 - 読者に伝わるIntroductionを書くコツ

• vol.11：型で攻略するIMRADの書き方 - 再現性の高いMethodsを書くコツ

• vol.12：型で攻略するIMRADの書き方 - 過不足のないResultsを書くコツ

• vol.13：型で攻略するIMRADの書き方 - 一貫性のあるDiscussionを書くコツ

• vol.14：IMRADを要約する論文の顔 - 印象に残るTitleとAbstractを書くコツ

執筆者の紹介

氏名：畑啓介
所属：東京大学医学部非常勤講師・とよしま内視鏡クリニック
専門性：医師・医学博士（外科学）・英検１級・全国通訳案内士（英語）・ECFMG certificate取得。東京大学医学部医学科・東京大学大学院医学系研究科外科学専攻卒業、米国サンタモニカ John Wayne Cancer Institute留学・東京大学がんプロフェッショナル養成プラン元特任講師を経て現職。医学英文論文執筆・執筆指導多数。著書に『学会発表・医学英語論文執筆のトリセツ』『初めての症例報告！外科医のためのケースレポートのトリセツ』

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、外資系製薬企業の疫学専門家として薬剤疫学・リアルワールドデータ研究を専門とする。日本・グローバルの双方で活動したのちに、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。

生成AI時代の論文執筆法 Pros & Cons

生成AI（generative AI）の進化は目を見張るものがあります。おそらく、生成AIを全く使ったことがない方は少ないのではないかと思います。

とても便利と感じる一方で、医学論文執筆ではどの程度使って良いのか迷うことも多いでしょう。

そのため、執筆時点（2025年6月）での、論文執筆と生成AIの利用について、まずは倫理面、現状、そして将来の展望に関して、少しまとめてみたいと思います。

倫理講習で出てくる三つの難しい単語

fabrication, falsification, plagiarismという言葉は聞いたことがあるでしょうか。

私自身も、急に訊かれて日本語訳がパッと出てくるかといえば、正直難しいです。

倫理講習を受けたことがある方も多いと思いますが、その際に必ず出てくるのがこの三つの単語です。

❶ 捏造（ねつぞう）fabrication
❷ 改竄（かいざん）falsification
❸ 剽窃（ひょうせつ）plagiarism

漢字も英語も難しい言葉ですが、「ねつぞう」「かいざん」なら聞いたことがあると思います。

❶の捏造（ねつぞう）fabricationは、無から有を生み出すこと。存在しないデータを作り出すこと。

❷の改竄（かいざん）falsificationは、存在するデータを都合良く変えること。

❶も❷も意図的に行うのは論外ですが、著者が意図していなくても生成AIにより同様の状況になった場合には、著者がその責任を問われます。


よく指摘される生成AIの問題点の一つはハルシネーションhallucinationと呼ばれる現象です。

hallucinationは「幻覚」と訳されることが多いですが、事実でないことがあたかも事実のように出力されてしまうことです。

❸剽窃（ひょうせつ）plagiarismというと少し難しく聞こえますが、盗作・盗用のことです。よく「ワンセンテンスでもコピペはだめ」といいます。

さらに厳しいことには、たとえ自分が以前に執筆した論文であっても盗用に当てはまるということです。

実際、後輩が論文を投稿した際に、Editorial officeから以前自分が書いた論文との相同性を指摘され、修正したことがあると聞いたことがあります。

恐らくこの出版社は、コピペをチェックするソフトを導入していたのではないかと思います。博士論文もコピペ防止ソフトでのチェックを行う大学が多いのではないでしょうか。


そうは言っても、統計のP値の説明や倫理審査の記載に関しては、ほとんど同じ文章になってしまうことも多いです。個人的な意見としては、そこまではあまり神経質にならなくても良いと思います。

生成AIの場合には、既存の文章を学習して文章を生成するため、意図せずに他の人の文章を盗用してしまう可能性は否定できません。

キーはファクトチェックと個人情報保護

生成AIを使わない場合もそうですが、論文執筆の際にはファクトチェックが重要になります。

例えば、文献の孫引きは、原著にあたらずに他の論文の引用をさらに引用することですが、この繰り返しでハルシネーションは起こりえます。文献はかならず原著（一次資料）にあたる必要がある理由です。


もう一点、生成AI使用に限りませんが、医学論文執筆の際に重要なのは、個人情報の保護です。

通常、匿名化などがなされて個人情報が含まれていないデータを扱うのが基本ですが、もし生成AIに情報を渡すとなると、より慎重にデータを扱う必要があります。

また、未発表データを生成AIの学習に使われてしまい、公開されてしまうのではないかという懸念もぬぐいきれません。

データ解析や画像認識にAIを用いる研究

データ解析にAIを用いる場合も、その過程がブラックボックスの生成AIに計算させるのは危険です。

しかし、RやPython等の解析コードを生成AIに生成させて、実際の解析はRやPythonで行えば、このような問題はかなり減ると考えられます。

RやPythonでは再現性がある程度担保されている点は、毎回出力が変わる生成AIとは異なり、信頼に足るということになるのでしょう。

実際に少し桁数の多い掛け算をChatGPTなどに行わせると、誤った答えが出てくることがあるようですが、Pythonを通じて計算させるようなプロンプトを書けば、正しい計算結果が得られるようになります。


画像診断などをAIに行わせる研究に関しては、研究自体にAIを使うことは可能です。

実際、消化器内視鏡や脳MRI、肺レントゲンの画像診断では多くの論文が出版されて、医療機器としても認可され、すでに医療現場でも使用されています。

私自身も、H&E染色から免疫染色の結果を予測するAIの研究に、後輩の筆頭論文に共著者として参加したことがあります（https://pubmed.ncbi.nlm.nih.gov/35278081/）。

このようなAIを画像診断に応用する研究のコツは以下のようなポイントが挙げられます。

❶ 事前には不明だが、診断や判断の答え（ゴールデンスタンダード）がある

❷ 画像のアノテーションができる

❸ 臨床的に意味がある（FINER参照）

消化器内視鏡の診断AIでは❶最終病理結果 ❷専門医なら病変指摘可能 ❸生成AIの予測が可能になることによって、不必要な切除を避けられる、といった形で当てはめられます。

前述の論文では、❶❷は免疫染色結果、❸は生成AIの予測が可能になることによって免疫染色のコストが削減できるというメリットとして当てはめられます。


これらの画像診断の場合の生成AI応用は、AIといっても教育（アノテーション）をするのは人間なので、裏では実はとても地道で大変な作業が行われています。

このような論文作成の際には、画像認識のAIのプログラミングに慣れた研究者とコラボレーションするのが現実的です。

（続きはページの後半へ）

講座紹介｜【ゼロからの】英語で書ける医学論文執筆講座

「英語論文を書き、アクセプトを勝ち取りたい」あなたへ

論文のテーマ設定から構成、執筆、そして投稿・査読対応に至るまで、論文アクセプトまでの全プロセスをゼロから丁寧に徹底解説します。

「英語論文を書くための型」を学び、私たちと共に、世界にあなたの研究を届けるための第一歩を踏み出しましょう。

詳細は「医学研究オンラインスクール mJOHNSNOW」へ

医学英文論文執筆補助に生成AIを使う

医学雑誌編集者国際委員会ICMJEの見解

本シリーズの第２回で紹介したEQUATORと並んで、雑誌横断の勧告を出しているのが、医学雑誌編集者国際委員会International Committee of Medical Journal Editors（ICMJE）です。

ICMJEではNEJM, Lancet, Annals of Internal Medicine, BMJをはじめとする一流誌の編集者が集まって、『医学雑誌における学術研究の実施、報告、編集、および出版に関する勧告』を年１回発行していて、日本語訳も出されています（2025年版日本語訳リンク）。

この勧告では、AI支援に関しても触れられているので、今後のAIの進歩に伴いどのような勧告に変遷していくか毎年チェックしていくとよいでしょう。


ICMJEの2025年の勧告では、生成AIの使用例として論文執筆支援や図の作成が挙げられています。特に強調されているのは以下の３点です。

❶ 盗用がないことを確認し断言する

❷ 適切な箇所に記載する

❸ 文献引用に関しても正確性を確認する

❶Plagiarismの問題は前述したように生成AIを使用した際には、かなり注意しなければなりません。

文章作成を最初から生成AIにまかせるのは危険で、ある程度の文章を自分で作成した上で、英文校正などに使用する方法が安全と考えられます。


❷はLLMのモデルやどのように使用したかを記載しますが、その場所はカバーレターと方法（データ収集・解析、図の作成などの場合）または謝辞（執筆支援の場合）に記載することが推奨されています。

また、生成AIは著者としてはリストアップしないことが明記されています。

その理由として「チャットボット（ChatGPT など）は、研究の正確性、公正性、および独創性に対する責任を負うことができない」ためとしています。


❸文献引用の正確性に関しても、論文の最後にリストアップするfull citationを含めて著者が正確性を確認する責任を負うとされています。

コラム：AGIからASIになると、人間が論文執筆するのはもはや過去のこと？

コンピュータの能力は人を超える、というのがSFの世界だったのは、過去のことになりつつあります。

AGIやASIという言葉があるのはご存じでしょうか。

それぞれ、Artificial General Intelligence（人工汎用知能）、Artificial Superintelligence（人工超知能）の略です。ASIはAGIがさらに進化したもので、人間の知能をはるかに超えた人工知能を指します。

ちなみにAlpha GOなどのように一つの技術に特化したAIはArtificial Narrow Intelligence（ANI）と呼んだりします。


やや哲学的ですが、医学論文は何のためにあるのかを考えれば、

医学の進歩のため、多くの人が助かるようにするため

ということになり、人間よりもAIの方が早くに新しい治療や知見を正しく世に出すことができるほどAIが発達すれば、もはや論文執筆を人間がすることは過去のことになっていくでしょう。

医学の世界ではありませんが、SAKANA AIが「AI Scientistは査読付き論文の作成に成功」という発表をしています（参考リンク）。


また、AIではありませんが、コンピュータによる計算はすでに医学論文の中でも多く使用されています。例えば、統計の計算を毎回手計算でする人はもはやいないでしょう。

DNAシークエンシングを例に取れば、最初はゲルに流してバンドを読む方法からスタートし、その後キャピラリーシークエンスでデジタルにグラフが描かれるようになりました。

次世代シークエンスではとてつもない計算をコンピュータが行うことでより正確で深い読みができるようになります。

次世代シークエンスとは異なり、AIの場合には計算がブラックボックスになっているところが問題になるわけです。

それでも人間の能力を遙かに超えて正確になれば、生成AIでデータを読み込ませるだけでデータをチェックし、プログラミングしてRやPythonを走らせて、SAKANA AIと同様に生成AIが最初から英文論文執筆まで行う時代が到来してもおかしくはありません。


良質なRWD研究では、あたかもRCTのようにブループリントを頭に描いて、RWDデータを用いてそれを証明します。つまり研究計画を立てるのが、研究者が最も頭を使う場面の一つでした。

今後は、RWDとこれまでのエビデンスを生成AIに「食わせれば」、論文生成まで全て行ってくれてしまうような、SFの世界が10年以内には当たり前になるかもしれません。

10年以内というのは、ChatGPTのサム・アルトマンを初めとする生成AIを提供する会社のCEOの多くがASIの誕生を10年以内あるいはもっとずっと早いと予想しているからです。

次回予告

第５回の前編は以上となります。次回の後編では、医学英語論文執筆の際にAIを使用しても問題がなさそうな仕事を考えてみたいと思います。

生成AIと論文についての今後の発展についても扱いますので、ぜひご覧ください。

研究計画・医療統計から、英語論文執筆・アクセプトまでトータルサポートならmJOHNSNOW！

この記事を読み、「RWD研究をしてみたい」「これまでの研究を英語論文にしてみたい」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。

本日解説した医学論文執筆のエッセンスに加えて、みなさんの専門性を伸ばすためのコンテンツが目白押しです！

・スペシャリスト監修の臨床研究・パブリックヘルスの講義が毎月7つ以上開催
・過去の講義が全てオンデマンド動画化されたレポジトリー
・スクール内のスペシャリストに学術・キャリアの相談ができるチャットコンサル
・フェローが自由に設立して学べるピアグループ（ex. RWDピア）
・24時間利用可能なオンライン自習室

「パブリックヘルスを、生き様に」をミッションに、『初心者が、自立して臨床研究・パブリックヘルスの実践者になる』ことを目指して学んでいます。初心者の方も大勢所属しており、次のような手厚いサポートがあるので安心してご参加ください！

・オンデマンド動画があるから納得するまで何回でも、いつでも学び直せる
・チャットコンサルで質問すれば24時間以内にスペシャリストから複数の回答が
・初心者専用の「優しいピアグループ」で助け合い、スペシャリストが”講義の解説”講義を毎月開催

詳細を見る｜ 無料体験に申し込む

【YouTubeラジオコンテンツ　耳から学ぶシリーズ】

YouTubeラジオコンテンツ「耳から学ぶシリーズ」は、仕事や育児で忙しい人が10分のスキマ時間に“ながら聞き”で学べる音声コンテンツです。

すべてのコンテンツを疫学専門家が監修し、完全無料で毎日投稿していきますので、ぜひチャンネル登録してお待ちください。

シリーズ一覧

• 耳から学ぶ 因果推論

• 耳から学ぶ 医療職・研究者のための生成AI活用術

• 耳から学ぶ 医学研究デザイン

• 耳から学ぶ 生物統計

英語論文執筆シリーズ

• vol.1：東大大学院生を指導してきた医師が語る - 英語論文執筆の心理的ハードルを下げよう

• vol.2：東大大学院生を指導してきた医師が語る - たった三つを意識すれば論文構成は完成する

• vol.3：東大大学院生を指導してきた医師が語る - 学会発表を論文化する最短ルート

• vol.4：東大大学院生を指導してきた医師が語る - 投稿から査読対応までの基本プロセス

• vol.5：
  （前編）東大大学院生を指導してきた医師が語る - AI時代に求められる論文リテラシーとは？（本記事）
  （後編）東大大学院生を指導してきた医師が語る - AI時代に求められる論文リテラシーとは？

• vol.6：
  （前編）東大大学院生を指導してきた医師が語る - 論文の量産を可能にする習慣×統計手法
  （後編）東大大学院生を指導してきた医師が語る - 論文の量産を可能にする習慣×統計手法

• vol.7：生成AIで進める英語論文執筆の全体戦略 - プロンプト付きで即実践！

• vol.8：研究テーマの見つけ方と投稿先選び - 日常から着想を得て論文に育てるステップ

• vol.9：短時間で“使える論文”を探す文献検索の手順 - PubMed×AI活用で効率化

• vol.10：型で攻略するIMRADの書き方 - 読者に伝わるIntroductionを書くコツ

• vol.11：型で攻略するIMRADの書き方 - 再現性の高いMethodsを書くコツ

• vol.12：型で攻略するIMRADの書き方 - 過不足のないResultsを書くコツ

• vol.13：型で攻略するIMRADの書き方 - 一貫性のあるDiscussionを書くコツ

• vol.14：IMRADを要約する論文の顔 - 印象に残るTitleとAbstractを書くコツ