状況
論文の批判的吟味は、研究の質を問うプロセスであるのに、どうしても漫然と流してしまう。CASPのチェックリストは頭に入っているが、実際に読み進めながら全項目を意識し続けるのは難しい。特に抄読会の準備で複数本を並行して読むとき、盲検化の記述を見落としたり、NNTを計算し忘れたりが起きる。
ここを「Claude が一次レビューを出す、自分は判定に集中する」という構造に変えた。論文の概要を渡してCASPの枠組みで整理させるだけで、見落としが減り、自分のリソースを批判的な判断に使えるようになった。
やったこと
論文を手元で開きながら、以下の情報をClaudeに渡す。フルテキストを貼るのではなく、キー情報だけ構造化して入力するのがポイント。入力量を絞ることで回答の精度が上がる。
あなたはEBM（根拠に基づく医療）の専門家です。以下の論文情報をCASPチェックリストに基づいて批判的に吟味してください。
# 論文情報
- タイトル: [論文タイトル]
- 研究デザイン: [RCT / コホート / 症例対照 / システマティックレビュー 等]
- 対象: [対象集団]
- 介入/曝露: [介入または曝露]
- 比較対照: [対照群]
- 主要アウトカム: [主要評価項目]
- 結果の概要: [主要な結果を記載]
# 出力形式
## 1. 妥当性（Validity）の評価
- ランダム化は適切に行われたか
- 割り付けの隠蔽化（アロケーション・コンシールメント）は行われたか
- 盲検化は実施されたか（参加者・評価者）
- ITT（Intention-to-treat）解析が行われたか
- 脱落率とその理由
- 両群のベースラインは同等か
## 2. 結果の重要性（Importance）の評価
- 効果の大きさ（RR, OR, HR, NNT等）
- 信頼区間（95% CI）の幅と臨床的意義
- 統計学的有意性と臨床的有意性の区別
## 3. 適用可能性（Applicability）の評価
- 日本の臨床現場への適用可能性
- 対象患者との類似性
- 費用対効果の考慮
- 患者の価値観との整合性
## 4. 総合評価
- エビデンスの確実性（高/中/低/非常に低）
- 臨床実践への推奨度
- 注意すべき限界点
返ってきたレビューを見ながら、「ここは自分も同じ評価」「ここは実際のMethodsセクションを読むと違う」といった差分を確認していく。AIが「確認が必要」と留保した箇所だけ原文に戻る、という読み方に変わった。
1論文の流れは大体こうなる。入力を作るのに2〜3分、Claudeのレビューが出るまで30秒、差分確認に5〜7分。合計で10分前後。
効いたところ
- 吟味時間が1論文あたり体感で1/3程度になった（30分→10分目安）
- CASP全項目を「確認済み」にできるので、漏れが減った
- NNTの計算や信頼区間の解釈など、数値処理でのミスが減った
- Claudeが「確認が必要」と書いた箇所が、自分の盲点になっていることが多い
- 抄読会の発表準備として、論点の整理に使いやすい構造で出てくる
限界・気をつけていること
- 研究デザインの致命的な欠陥: 不適切なサブグループ解析の多重性、selection biasの構造的問題など、論文の文脈と全体を読まないと見えない問題はAIが拾えないことがある。一次レビューは「チェックリストの網羅」であって「批判的読解」ではない
- 最終判定は読み手: 「エビデンスの確実性：中」という出力を鵜呑みにしない。あくまで出発点として使い、自分でも判定する
- 入力の精度に依存する: Methodsセクションの記述を正確に入力しないと、Claudeの評価もずれる。ゴミイン・ゴミアウト
- 抄読会での透明性: グループで使う場合は「Claudeで一次吟味した」と参加者に明示する。AI使用を隠して「自分の評価」として出すのは研究倫理上まずい
- 原文照合は必須: 数値（HR、CI、p値）はClaudeの出力を信じず、原文と突合する
横展開
同じ構造で、診療ガイドラインの推奨グレードの根拠を確認する場面にも使っている。「このガイドラインがRCTをどう解釈して推奨度を決めたか」を追うとき、CASPの枠で元論文を一次評価してからガイドラインの記述と比べると、推奨の強さとエビデンスのギャップが見えやすい。研修医や学生への批判的吟味の教材として使う場合も、AIの出力に「どこが足りないか」を考えさせることで、CASPの項目を体感で習得させやすい。