状況
論文を書くとき、IntroductionもDiscussionも、まず「この領域で何が言われているか」を俯瞰する作業が必要になる。PubMedで検索すると関連論文が30〜50本出てくる。それをひとつずつ読んで論点を拾い上げるのは、1本あたり5〜10分かけても半日消える。
問題は量より構造だ。個々の論文を順番に読んでいると、全体の論点地図が見えてくる前に集中力が尽きる。「この領域で何が争われているか」「どこにギャップがあるか」が早めに見えれば、読む順番も変わるし、何を精読すべきかも絞れる。
abstractレベルの横断的な把握に、Claudeを使うようになった。
やったこと
PubMedのabstractをまとめて貼り付けて、Claudeに以下を渡す。
あなたは臨床研究の専門家です。以下の論文情報を分析し、
下記の問いに答えてください。
# 自分の症例/研究テーマ
[自分の症例や研究テーマの簡潔な説明を入力]
# 収集した論文情報
[論文1のタイトル、著者、年、主要な知見]
[論文2のタイトル、著者、年、主要な知見]
[論文3のタイトル、著者、年、主要な知見]
（必要に応じて追加）
# 分析の問い
1. **類似症例の概要**: これまでに報告されている類似症例の数、
患者背景、臨床的特徴、治療法、転帰をまとめた表を作成してください。
2. **本症例との比較**: 私の症例と既報告例との決定的な違いは何ですか？
新規性あるいは特筆すべき点を3つ挙げてください。
3. **診断・治療の標準**: これらの文献から、現在の診断および治療の
ベストプラクティスは何だと考えられますか？
4. **未解決の臨床的疑問**: これらの報告を読んでもなお、
解決されていない臨床的な課題や疑問点は何ですか？
5. **引用すべき論文**: IntroductionおよびDiscussionで引用すべき
最も重要な論文をリストアップし、その理由を簡潔に説明してください。
全文を入れる必要はない。タイトル・著者・年・主要な知見の4点セットで十分で、abstractから手で抜き出すか、PubMed APIで自動取得する。
返ってくるのは、論点ごとの整理・争点の軸・自分のテーマとの比較・引用候補のリストだ。これを見ながら「自分が言いたいことはここに位置づけられる」「ここのギャップを自分は埋めに行く」という構成の骨格を、論文を全部精読する前に立てられる。
論点マッピングが出たら、次のステップでClaude相手にIntroductionの構成を議論する。「こういう流れで書こうと思うが、どこが弱いか」と問うと、抜けている観点を指摘してくれることがある。
効いたところ
- 文献レビューの全体像が出るまでの時間が体感で2〜3時間短くなった
- 「この論点は自分のテーマにどう関係するか」が可視化されるので、精読の優先順位が決めやすい
- 論点の漏れが減る。自分で拾う場合は知っている概念に引っ張られるが、AIは入力した論文を均等に処理するので意外な軸が出てくることがある
- Introduction構成の議論相手として使える。書き始め前に骨格を詰められる
限界・気をつけていること
ここは文献レビューの「下準備」であって、AIに判断を任せる工程ではない。
- 個別論文の細部はAI要約だけで判断しない: abstractからの要約は表層を拾うだけで、方法論的な妥当性・バイアスリスクはfull textを読まないとわからない
- 最終的にfull textで確認する: 引用候補に挙がった論文は必ず原文を読む。Claudeが「この論文は〜と述べている」と要約していても、実際に読むと文脈が違うことがある
- 引用は原文から書く: 引用文は原著のabstractや本文から直接コピーする。Claudeの要約文を引用に使わない
- 論点の出典を追う: AIが提示した「この領域では〜が争われている」という論点も、自分でどの論文がそれを言っているか確認する
横展開
SRのIntroductionだけでなく、症例報告のDiscussion執筆時にも同じパターンが使える。「この症例の新規性は何か」「既報告例と何が違うか」という問いに、15〜20本のabstractをまとめて投入すれば、議論の軸が早く立つ。研究テーマのscopingや、学会発表前の文献整理にも流用できる。