【論文執筆のためのAI活用術】最新AIで叶える「効率的なResults執筆術」図表から一瞬で文章生成する方法 - vol.8

【論文執筆のためのAI活用術】最新AIで叶える「効率的なResults執筆術」図表から一瞬で文章生成する方法 - vol.8

2025.12.11

今回は、「図表からResults本文の下書きを一瞬で作成する」という、AIを使った執筆テクニックをお伝えします。

さて、医学研究論文におけるResultsの執筆において、「研究結果のデータについて、英語で説明することが難しい」感じる方も多いのではないでしょうか？

例えば、以下のようなFigureを見て、Resultsに何を記載するべきかパッと浮かべることができるでしょうか？

「日本語なら何とか説明できそうだけど、フォーマルな英語で表現しようとすると手が止まってしまう…」 と感じる方も多いことでしょう。

このように、意外と執筆の壁にぶつかりやすいResultsパートですが、生成AI（以下、AI）を上手く使えば執筆作業を劇的に効率化できます。

例えば、先程のFigureの画像情報から、一瞬で以下のような文章を作成できます。

AIによる出力例

Figure X illustrates the Kaplan-Meier curves for overall survival. 

The median overall survival was 16.0 months (95% CI, 12.7–24.6) in the Treatment group and 11.3 months (95% CI, 7.9–15.7) in the Control group.

The difference between the two groups was not statistically significant (p = 0.12).

もちろん、AIの出力は必ず人間の目で確認・修正が必要ですが、「ゼロから書く」のと「叩き台がある」のとでは、執筆の精神的負担とスピードが驚くほど変わります。

この記事を読めば、あなたの論文執筆スピードは格段に速くなるはずです。

ぜひ最後までお付き合いください。

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
意外と悩む“Results”の書き方
Resultsを書く時のルール
ルール①：図表だけで伝えたい内容が理解できること
ルール②：本文では図表の重要なポイントを強調・要約する
ルール③：客観的事実を淡々と書くこと
Results執筆ルールのまとめ
AIで図表から本文の下書きを作ろう
必要なのはこの三つ
実際の出力結果
プロンプトを工夫してAIの出力を調整しよう
テクニック１：強調したいポイントを指定する
テクニック２：「統計学的有意」の記載を禁止する
まとめ：AIは「執筆の初速」を最大化するパートナー
補足：情報漏洩のリスクを正しく理解する
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

Results執筆における「三つの鉄則ルール」
FigureやTableの画像から、AIを使って本文の下書きを作成する具体的な手順
自分好みの出力に調整できる「実践的プロンプト」と活用事例

この記事は誰に向けて書かれているか

臨床論文のResultsの書き方・ルールが知りたい方
図表のデータを英文で説明するのに苦労している方
AIを使って効率よく論文執筆を進めたい方

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
vol.7：最新AIで書く「Methodsの難所：統計解析パート」攻略方法
vol.8：最新AIで叶える「効率的なResults執筆術」図表から一瞬で文章生成する方法（本文）

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。

意外と悩む“Results”の書き方

医学研究論文のResults（結果）には、ある程度の「型」や制約があります。

「得られた結果を、そのまま全て記載するだけ」と思われがちですが、実は書き始めると多くの疑問にぶつかるセクションです。

例えば、以下のような点について、一つ一つ判断しなければなりません。

データの粒度
データをどこまで詳細に説明すべきか、あるいは削るべきか？
統計量の並べ方
効果指標（OR/HR）、95%信頼区間、p値をどう配置すれば、最も洗練されて見えるか？

このように、Resultsはいざ書き始めると「どう書けばいいかわからない」という悩みが絶えません。

また、なんとなく書いていると、"statistically significant" を連呼するだけの単調な文章になりやすいので注意が必要です。

こうした悩みを解決するために、まずはResults執筆の基本的なルールを押さえましょう。

その上で、「図表からResultsの下書きを一瞬で作成する方法」について解説していきます。

Resultsを書く時のルール

まず、Resultsに書くべき内容の「国際的なゴールドスタンダード」を押さえておきましょう。

医学生物系ジャーナル全般で参照されているICMJE（国際医学雑誌編集者委員会）の勧告をベースに、押さえるべき三つのルールを整理します。

ルール①：図表だけで伝えたい内容が理解できること

論文を読む時、本文と図表を行ったり来たりするのはストレスですよね。

そのため、図表（Figures & Tables）は、それ単体で内容が完結している必要があります。図表だけで伝わりきらない情報は、キャプションで補足します。

キャプションとは、ここでは、次のような図表のタイトルや補足情報のことを指します。

Figure X. Relationship between a new drug and predicted probability of all-cause mortality.

The predicted probability of all-cause mortality is plotted on the vertical axis and treatment with the new drug on the horizontal axis. The solid line indicates the model based predicted probability and the shaded area shows the 95% confidence interval.

「読者が本文を参照せずに、図表とキャプションだけで内容を理解できる」状態を目指しましょう。

ルール②：本文では図表の重要なポイントを強調・要約する

ICMJEの勧告では、Resultsの本文について以下のように記されています。

「表や図に記載されているすべてのデータを本文で繰り返してはならず、最も重要な観察結果のみを強調または要約するべきである」

図表に書いてある数値をすべて文章にする必要はありません。

Results本文の役割は「読者が注目すべき重要なポイントにしぼって確実に伝えること」なのです。

ルール③：客観的事実を淡々と書くこと

こちらの記事でも解説されていますが、Results執筆の基本は「事実を客観的に淡々と書くこと」。Introductionのような「ストーリー性」や、Discussionのような「かみ砕いた解釈」は基本的に要りません。

同じ結果であれば、書き手のドメイン知識にあまり依存しないのがResultsです。これは裏を返せば、AIに任せやすいパートであるとも言えます。

Results執筆ルールのまとめ

ここまでのルールを整理すると、以下のようになります。

図表＋キャプション：独立して詳細な情報を載せる
本文：重要なポイントを強調・要約し、淡々と記述する

さて、皆さんはお気づきでしょうか？

Resltsに記載すべき内容は、「図表とキャプションの情報で決まる」ということです。

このロジックを利用すれば、AIを使って「図表からResults本文の下書きを作る」ことが可能です。

図表を作ってから「さて、何を書こうか…」と悩む時間をゼロにし、「図表ができたら、即座にResultsの下書きが完成している」という状態を作り出しましょう。

AIで図表から本文の下書きを作ろう

ここからは実践編です。使用するAIモデルは、画像認識能力と論理的推論に優れた以下がおすすめです（2025年11月時点）。

ChatGPT (5.1 Thinking)
Gemini (3.0 Pro)
Claude（Opus 4.5）

今回はChatGPTを例に、具体的な手順を解説します。

必要なのはこの三つ

用意するのは以下の３点だけです。

図表のスクリーンショット
プロンプト（AIへの指示文）
キャプション（図表の補足情報）

① 図表のスクリーンショット
今回はダミーデータから作成した、以下の生存曲線（Kaplan-Meier）のグラフを使用します。

② 基本プロンプト
図表からResults本文を作成するための「基本プロンプト」です。 CaptionとNoteには、それぞれご自身の研究に合ったものを入れてください。

添付のFigureとCaptionから、医学論文のResultsに記載する英文を作って。

Caption: {{ここにFigure legendなど補足情報を追加}}
Note: {{ここに強調したいポイントなどを記載 ※任意}}

③ キャプション
キャプションは、図表から読み取れる情報を補足する文章です。まだ論文用のキャプションを作成していない場合は、AIに入力するこの段階で作ってしまいましょう。

前述のルール②「図表とキャプションだけで内容が理解できる」を意識し、図の中に書ききれなかった情報を言語化します。

今回のキャプション例

Kaplan–Meier curves for overall survival (OS). 

The green line represents the Treatment group and the red line represents the Control group.

これで、①図表のスクリーンショット、②プロンプト、③キャプションの3点セットが揃いました。

それでは、AIを使ってResults本文の下書きを生成してみましょう。

実際の出力結果

入力欄にプロンプトとキャプションを入力し、図表の画像をドラッグ＆ドロップします。

この指示に対するAIのアウトプットがこちらです。

AIの出力

Kaplan–Meier curves for overall survival are shown in Figure X.

Median OS was 7.5 months (95% confidence interval [CI], 5.9–11.5) in the Treatment group and 11.3 months (95% CI, 7.9–15.7) in the Control group.

The difference in overall survival between the two groups was not statistically significant (log-rank test, p = 0.10).

いかがでしょうか？図表のスクリーンショットから結果の数値を読み取り、「図表の重要なポイントを強調・要約する」というルールが実現されています。

プロンプトを工夫してAIの出力を調整しよう

もう少し複雑なグラフを使って、AIの出力をコントロールする方法を見ていきましょう。ここでは、Rで作成した以下のグラフを使用します。

キャプションは以下の通りです。

Figure2. 
Association between Ccr and the predicted probability of (A) nausea，(B) vomiting, (C) neutropenia, and (D) thrombocytopenia in patients receiving irinotecan，analyzed using restricted cubic splines.

The odds ratios (OR) and 95% confidence intervals (CI) comparing the incidence of adverse events in the first Ccr quartile versus the third quartile are displayed.

まずは先ほどと同じ「基本プロンプト」で出力してみます。

この指示に対するAIのアウトプットがこちらです。

AIの出力（調整なし）

Restricted cubic spline analyses showed that the predicted probabilities of nausea, vomiting, neutropenia, and thrombocytopenia tended to decrease with increasing Ccr (Figure 2).

The association between Ccr and adverse events was statistically significant only for neutropenia (OR for the first vs. third Ccr quartile 0.78, 95% CI 0.63–0.96; p=0.020)．

No significant associations were observed for nausea (OR 0.87, 95% CI 0.72–1.06; p=0.168), vomiting (OR 0.95，95% CI 0.76–1.19; p=0.631), or thrombocytopenia (OR 0.76, 95% CI 0.52–1.10; p=0.143).

このままでも悪くはありませんが、AIは「統計学的有意差（p < 0.05）」があるかどうかを過剰に重視する傾向があります。

しかし、図表で強調したいポイントは、有意差の他にも必ずあるはずですよね？

そこで次のセクションでは、結果の中でも強調したいポイントを指定して出力させるためのテクニックをご紹介します。

テクニック１：強調したいポイントを指定する

そこで活躍するのがプロンプト内のNoteの項目です。ここに、著者の意図（着眼点）を追記します。

基本プロンプト ＋ キャプション ＋
Note：「Ccrが高いほどNauseaの発現確率が低下することを強調して。」

この指示を加えた結果がこちらです。

AIの出力（強調指定あり）

Restricted cubic spline analyses showed that the predicted probability of nausea declined steadily with increasing Ccr, with patients in the highest Ccr quartile having the lowest estimated risk (OR for the first vs. third quartile 0.87, 95% CI 0.72–1.06)．

Predicted probabilities of vomiting，neutropenia，and thrombocytopenia also tended to decrease as Ccr increased (OR 0.95，95% CI 0.76–1.19；0.78, 95% CI 0.63–0.96; and 0.76, 95% CI 0.52–1.10, respectively), with a statistically significant association observed only for neutropenia.

最初にNauseaのグラフから読み取れる特徴を述べ、その後に他のアウトカムに触れる流れに変わりました。

このように、「どこを見てほしいか」を指示するだけで、AIは著者の意図を組んだ文章を生成してくれます。

テクニック２：「統計学的有意」の記載を禁止する

近年、疫学研究を中心に「統計学的有意かどうか（p < 0.05 か否か）」という二分法的な解釈を避ける動きが強まっています。

参考：
Amrhein, V., Greenland, S., & McShane, B. （2019）．
Scientists rise up against statistical significance．Nature, 567（7748）, 305–307 等）

しかし、AIは放っておくとすぐに“statistically significant”と書きたがる傾向にあります。

この表現を避け、推定値の大きさや信頼区間の幅に基づいた解釈を記述したい場合は、Note に次の一文を追加してください。

基本プロンプト ＋ キャプション ＋
Note：「統計学的有意かどうかには言及しないでください。」

修正版の出力はこちらです。

AIの出力（有意差言及なし）

Restricted cubic spline analyses were performed to evaluate the association between creatinine clearance（Ccr） and the predicted probabilities of irinotecan-related adverse events（Figure 2）.

Across the observed Ccr range, higher Ccr values tended to be associated with lower predicted probabilities of nausea, neutropenia, and thrombocytopenia, whereas the predicted probability of vomiting changed only slightly with Ccr.

When comparing the first with the third quartile of Ccr, the odds ratios (95% confidence intervals) for nausea, vomiting, neutropenia, and thrombocytopenia were 0.87 (0.72–1.06; p=0.168), 0.95 (0.76–1.19; p=0.631), 0.78 (0.63–0.96; p=0.020), and 0.76 (0.52–1.10; p=0.143), respectively.

"statistically significant"などの文字が消え、代わりに「高いCcrほど予測確率が低い傾向」「嘔吐はほとんど変化しない」といった定性的な記述に加わりました。

また、具体的な数値（OR, CI）を淡々と提示するスタイルになりました。

まとめ：AIは「執筆の初速」を最大化するパートナー

今回は、図表からResults本文の下書きを作成するAI活用術をご紹介しました。

Resultsの原則は、完全な情報は「図表＋キャプション」に含め、本文では強調ポイントや要約を書く
原則通り「図表＋キャプション」を用意すれば、AIは本文の下書きを一瞬で作れる
プロンプトの工夫次第であなた好みのスタイルに調整可能

この手法の最大のメリットは、「真っ白な状態から、何から書けば良いか悩む時間をゼロにできる」ことです。

80点の下書きがあれば、執筆の精神的負担とスピードが驚くほど変わります。

ぜひ、手元のデータや過去の図表を使って、一度試してみてください。

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。

著者の𝕏アカウントでは、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

補足：情報漏洩のリスクを正しく理解する

ChatGPTやGeminiといった生成AI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プロンプトやアップロードしたファイルの内容が、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（モデル学習利用のオプトアウト方法は以下で説明）。

また、サービスによっては不正利用の監視などを目的に、人間のレビュワーが入力内容を確認する場合もあります。これにより、入力内容が意図せず第三者の目に触れてしまう可能性もゼロではありません。

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

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