【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 後編

▼前半はこちら！

【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回の前編では、生成AIを論文執筆に使う際の注意点を、倫理的な観点から解説しました。

後編となる今回は、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や、論文執筆における生成AIがどのように発展していくかについて扱います。

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？
  （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？（本記事）

• 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使用がデファクトスタンダードといえるタスク

論文執筆の一連の作業は、インプットとアウトプットに大きく分けられますが、実際にインプットの段階では積極的に使用している人も多いのではないでしょうか。

ハルシネーションには注意が必要ではありますが、これは一次資料に当たることで解決します。


一方でアウトプットの際には、生成AIの使用においてハルシネーションに対するファクトチェックや剽窃に特に注意が必要となります。

精通した研究者にとって、生成AI使用がデファクトスタンダード、すでに事実上の標準の手順となっているタスクとしては以下のようなものが挙げられるかと思います。

❶ 文献検索
❷ 研究アイディア探索
❸ 英文校正などの執筆支援
❹ データ解析のためのコーディング支援

それでは、それぞれの項目を見ていきたいと思います。

１. 文献検索

文献検索は英文論文であればPubMed、和文論文であれば医中誌の独壇場でした。

拙著『学会発表・医学英語論文執筆のトリセツ』ではPubMedと医中誌の使い方にも少し詳しく触れていますので、興味のある方はどうぞ。

今では文献検索を含めた情報収集に既に生成AIを使用している人も多いのではないでしょうか。内科領域ではUpToDateを使っている先生も多いと思います。PubMedの検索が苦手という場合には、ChatGPTに検索式を作成してもらう方法もあります。


私は50歳代ですので、若い人ほどはコンピューターリテラシーが高くないかもしれません。

ただ、小学校の時にはFM-7という、記憶媒体はフロッピーより前のカセットテープであったパソコンが家にありました。富士通が発売した８ビットパーソナルコンピュータです。

現在プログラミングはほとんどしませんが、ChatGPTやGeminiはもちろん、OpenEvidenceやPerplexity、Deep Researchなどといった文献検索に比較的向いている生成AIの存在は知っていて、少なからず使用する「新しいもの好き」です（でも比較的すぐ飽きます）。


AI文献検索サービスのConsensusに関しては、私自身はあまり使ったことがないのですが、CEOの廣瀬さんのブログに使い方が詳細に記載されていて、使い勝手も良いとのことなので、そちらに解説は譲りたいと思います。

廣瀬さんの言を一言引用すれば、「ただ文献を検索するだけじゃなくって、質の高い文献をセレクトし、結果を要約までしてくれる」というサービスです！Perplexityも同様のサービスとして知られています。

２. 研究アイディアのブレーンストーミング

アイディアのブレーンストーミング（ブレスト）は生成AIと相性が良いことが知られています。

余談ですが、私自身はChatGPTがローンチされてまだ１〜２か月ほどの頃に会議のアイスブレークのアイディア探しのために、ChatGPTを使ったことがあります （ChatGPTのローンチは2022年11月30日） 。

６人ずつに分かれたグループワークで10分の短い間にできるアイスブレークの候補として提案されたのが『Two Truths and a Lie』です。

これは、自分の趣味や出身などを、本当のこと二つに一つの嘘を混ぜて自己紹介し、他の人が三つのうち、どれが嘘かを当てるというもので、大変盛り上がりアイスブレークとしては大成功でした。


さて、話を臨床研究のアイディア創出に戻したいと思います。

2021年にはAIが科学者には考えもつかなかった仮説を立て、そこからバッテリーの材質を作り出すことに成功しています（参照リンク）。

今では、創薬の分野などでも同様の動きがあり、アイディア創出の役割は生成AIが人間に取って代わりつつあります。

ChatGPTやGeminiのDeep Researchを用いれば、分野によってはある程度のブレストができます。もう少し文献検索に特化したものとしてはPerplexityやElicitを用いるとよいかもしれません。

診療ガイドラインには分かっていることと、分かっていないことが明記されているので、明らかになっていない事項をReal-World Data（RWD）やメタアナリシスで調べることで論文化可能な研究になる可能性があります。


しかし、ある程度論文執筆に慣れた人でも、自分のストライクゾーンから少しテーマが外れれば、全てのガイドラインを読み込んで頭に入れるのは至難の業です。こんな時にはNotebook LMの出番です。

Notebook LMは、Googleのリサーチ支援のAIツールです。ChatGPTなどと異なる点は、50個のPDFファイルを「食べさせる」ことができて、その中の情報から回答してくれるという特徴です。

ガイドラインや関連する論文情報を読み込ませて、論文化のアイディアを訊くという方法にはNotebook LMが使えそうです。


余談ですが、mMEDICIの「耳から学ぶシリーズ」の音声作成にも、Notebook LMが使用されています。

また、UpToDateと似たようなサービスをチャット・ボット的に使うことができ、アメリカを中心に注目されているのがOpenEvidenceです。NEJMやJAMAとも提携して、エビデンスレベルの高い、アップトゥデイトな内容を調べることができます。

英語で入力する必要はありますが、このOpenEvidenceを使って論文のアイディアを訊き、参考にすることも可能です。

３. 英文校正などの論文執筆支援

これまでも、例えばMicrosoft Wordに標準装備されているSpelling & Grammar Checkは、皆さんも普通に使用してきたと思います。

また、Grammarlyのような生成AIではないにしても、アルゴリズムを使用したと考えられるWebサービスを使ったことがある人は多いのではないでしょうか。

本文の英文校正は、正確性と盗用に関して著者が最終チェックを行うというルールを守れば生成AIに任せても良いというのが、前述のICMJEの勧告にも記載されていて、多くの雑誌の2025年時点でのスタンスだと思います。


英文校正会社もAIを一部利用した料金プランを発表しているぐらいですので、既にデファクトスタンダードになっているとも言えます。

ファクトチェックと剽窃チェックの最終的な責任は著者にあるということは今後もしばらくは変わらないでしょう。

このためにはすべて自動で英文校正をかけるのではなく、どの点が変更になったか一つ一つ確認して、その変更を採用するかを決めていく必要があります（これは英文校正会社を利用したときも同じです）。

英単語や英文法のチェックもさることながら、今後はさらに、強いアーギュメントができるパワフルライティングとなるように生成AIからアドバイスがもらえると非常に有効です。


たとえば、本シリーズの第２回で解説したパラグラフ・ライティングとトピックセンテンスに関する指示を出して論文記載ができれば強いアーギュメントが可能です。

この内容に関しては、mMEDICI Libraryの別のシリーズ【論文執筆のためのAI活用術】最新AIで書く「論理的なIntroduction」作成ガイド Part1も是非、ご参照ください。

また、RebuttalやCover Letterの文章は出版物には入らないので、文章の盗用の問題は現段階ではあまり心配しなくてよいと考えられます（Natureが査読過程を透明化するため、誰にでも見られるようにすることになったため、臨床雑誌も追随する可能性はあります）。

４. データ解析のためのコーディング支援

データからの画像や表の生成（Rなどのコーディング）やデータ解析は、今でもAIとは言わなくともRやJMPなどのソフトに任せているはずです。 そして、Rのコーディングはいまや生成AIの最も得意とする分野といえます。

CURSORの使い方に関してはmJOHNSNOWの講座が秀逸ですので、是非参考にしてみてください。

その他にもこの分野ではClaude、Gemini Code AssistやGithub Copilotなどが競い合っていて、日進月歩です。

（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

生成AIの発展と医学論文執筆の今後の予測

Lancetの生成AI使用に関する見解

ICMJEの見解以外に５大誌の一つであるLANCETのスタンスを少し見てみたいと思います。LancetのInformation for Authorsには以下のように明記されています。

“these technologies should only be used to improve readability and language of the work and not used to replace researcher tasks such as producing scientific insights, analysing and interpreting data, or drawing scientific conclusions.”

つまり言語や読みやすさの改善には使用して良いが、それ以外は現段階ではバツということで、かなり保守的なスタンスを取っています。イギリスらしいのかもしれません（個人の感想です）。


一方でNEJMは、NEJM AIという雑誌を立ち上げているぐらいで、生成AIの使用に関しては、今後の展望を含めてかなり積極的な態度を表明しています。

参考までにNEJM AIのエディトリアルを紹介しておきますので興味があればご覧ください。

リンク：https://ai.nejm.org/doi/full/10.1056/AIe2300128

これには、LLMの使用を禁止することは難しく、逆にLLMの使用によりLanguage Barrierを減らして科学論文の質を高めることができるという意見が書かれています。

生成AIと論文執筆の今後の展望

ある先輩が医学研究のパラダイムシフトは約10年の間隔でやってくるといっていました。

例えばモノクローナル抗体、DNA、RNAなどのジェネティクス、エピジェネティクス、次世代シークエンサー、バイオインフォマティクス、iPSなどの再生医療、といった具合ですが、ここ数年は医療のみならず多くの分野で生成AIが間違いなくパラダイムシフトをもたらしたと言えます。

Alpha GOがプロの棋士に勝ったように、医学の進歩のために生成AIが役立つであろうことは誰もがほぼ確信しているのではないでしょうか。


そして、最終的な医学研究のゴールは、利己的（egoistic）でなく、利他的（altruistic）であるべきです。

教授になりたいなどの研究者の自己満足のためではなく、人の為に役立つためであれば倫理的な問題をクリアしているという必要条件の下では、医学研究は手段を選ばないはずです。

生成AIを使うことによって見つかった薬や治療法、予防法を、その手段が生成AIだからといって使わないということはないでしょう。


実際に、ほとんどの研究の行程をAIが行い、失明の原因となる萎縮型加齢黄斑変性症の治療薬を見つけたという報告も見られるようになってきています（参照リンク）。

既に複数認可されている消化器内視鏡、脳MRI（動脈瘤）、肺レントゲンなどの診断支援のAIの場合、AIが病変の可能性がある部位を指摘して、最終確認は医師が行うという共通のプロセスがあります。

診断のためのAIでは最終確認の責任者は医師であるように、医学論文執筆においても現段階では、最終的な確認責任は著者にあります。そして、まだしばらくの間はそのような状況は変わらないでしょう。

生成AIを利用したメタアナリシス執筆

メタアナリシスの論文抽出は通常複数の医師が行いますが、このプロセスに関しても今後AIの活用が増えてくると確信しています。

消化器系のガイドライン委員やSystematic Reviewチームを担当した時にメタアナリシスは何回か実際に作業に加わりましたが、メタアナリシスの文献抽出はとても手間と時間がかかる作業です。

最近では、文献抽出にChatGPTを使用したと明記しているメタアナリシスも出てきています（参照リンク）。

このような作業は生成AIの最も得意としているところです。

実際に、Elicitの有料サービスProではSystematic reviewの機能が搭載されるようになりました。

文献抽出に関しては、生成AIでは全ての本文を参照できないことが問題の一つではあります。

しかし、メタアナリシスの文献抽出の一次スクリーニングでは、タイトルとアブストラクトのみから、ふるいにかける作業を行うので大きな問題にはなりません。

むしろ今後はメタアナリシスの文献検索に生成AIを含めるのがマストになる時代がくるでしょう。

生成AIのPros & Cons

最後に、生成AIのPros（利点）とCons（欠点）をまとめて記事を締め括ろうと思います。

Pros（利点）

• 効率的な情報収集と文献検索：PubMedなどの従来の検索ツールに加え、ChatGPTやPerplexity、OpenEvidenceといった生成AIを利用することで、文献検索の効率化が図れる。 AI文献検索サービス（Consensusなど）は、質の高い文献の選定と要約をサポートする。
  
  

• 研究アイデアの創出：生成AIはブレーンストーミングに適しており、人間には思いつかないような仮説やアイデアの創出に貢献する（創薬などの分野で既に活用されている）。 Notebook LMのようなツールは、ガイドラインや関連論文を読み込ませることで、論文化可能なアイデアを探す手助けとなる。
  
  

• 論文執筆支援と英文校正：生成AIによる英文校正は、言語の読みやすさの改善に有効であり、既にデファクトスタンダードになりつつある。 RebuttalやCover Letterといった、出版物に含まれない文章の作成支援にも利用できる。 より論理的な文章構成（パラグラフ・ライティングなど）に関するアドバイスも期待できる。
  
  

• データ解析の効率化（コーディング支援）：RやPythonなどの解析コード生成は生成AIの得意分野であり、データ解析の効率化に貢献する。

  
  

• メタアナリシスの自動化：メタアナリシスの文献抽出（一次スクリーニング）といった時間のかかる作業をAIが効率化できる。

Cons（欠点）

• 倫理的な問題と責任の所在：生成AIが原因でデータ捏造（fabrication）、改竄（falsification）、または剽窃（plagiarism）に繋がった場合、著者が責任を問われる。 生成AIは著者としてリストアップできない。 論文執筆において、最終的なファクトチェックと剽窃チェックの責任は著者が負う。
  
  

• ハルシネーション（幻覚）：生成AIは事実でないことを事実のように出力する「ハルシネーション」を引き起こす可能性がある。 論文執筆時には、ファクトチェックが不可欠となる。
  
  

• 剽窃（盗作・盗用）のリスク：生成AIは既存の文章を学習して文章を生成するため、意図せず他者の文章を盗用してしまう可能性がある。 特に、文章作成を最初からAIに任せるのは危険。
  
  

• 未発表データの安全性：未発表データが生成AIの学習に使われ、公開されてしまう懸念がある。
  
  

• ブラックボックス化と再現性の問題：データ解析において、生成AIに直接計算させるとプロセスがブラックボックス化し、再現性が担保されにくい（RやPythonによる解析コード生成が推奨される理由）。

次回予告

この【初学者にも書ける医学英語論文】シリーズの連載も早５回が終わりました。これまで読んでくださった方々に感謝申し上げます。

私の担当は次回が最後ですが、その後も継続してためになる内容の連載が決まっています。

例えば、より具体的な生成AIの使い方やIMRADの書き方など、是非、楽しみにお待ちください！

第６回のテーマは、継続して論文を書き続けるコツについてです。

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？
  （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？（本記事）

• 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