Rehab·AI·TechCLINICAL × ENGINEERING LAB
// PART 13 · ARTICLE 02 / 6
GENAI PROMPT L1

英語論文を日本語で要約するプロンプト

— 300 字 / 1000 字 PICOS / 詳細解析を使い分ける

5 min read· L1· 2026.05.23 update· by Editor

リハビリAI や 医療AI・機械学習 研究で英語論文を読むとき、ChatGPT・Claude・Gemini に「要約して」と入力するだけでは、数値・対象集団・研究デザイン・限界が抜けやすくなります。医学論文を AI で要約する目的は 短くすることではなく、何を落とさないかを構造で指定することです。

本記事では、リハビリ・脳卒中・神経内科・整形外科系の研究者が、英語の医学論文を日本語で構造化要約するためのプロンプトを 300 字 / 1000 字 PICOS / 詳細解析 の 3 段階で提示します。コピペで即使える完全形のプロンプトを 5 種、医学用語の統一・数値取りこぼし防止・反復改善のテクニックと併せて、文献調査の実務に直結する形で整理しました。

// CONTEXT

本稿は、第13部「研究プロセスに、生成AIを組み込む」の第2記事です。前回の 13·01 ChatGPT で医学論文を読む方法 で扱った 3 段階フロー（AI 要約 → 原典照合 → 批判的読解）の「AI 要約」段階を、より詳細なテンプレートに展開しました。要約した知見を自分の Methods に応用する書き方は 13·04 論文の Methods を書くプロンプトで扱います。AI に入力してよい情報の判断は 13·06 生成 AI 使用時の個人情報保護（公開予定）を必ず参照してください。

// 01 · LEARN OUTCOMESこの記事で学ぶこと

  • 300 字・1000 字 PICOS・詳細解析の 3 段階テンプレを目的別に使い分けられる。
  • PICOS / TRIPOD+AI 観点での抽出指示が書ける。
  • 医学用語（FIM・SIAS・NIHSS・PUL・mRS 等）の統一を AI に指示できる。
  • 数値の取りこぼし防止と原典確認リストの組み込み方を理解する。
  • 反復改善（iterative refinement）の追加指示パターンを使える。
  • AI 要約を論文 Methods / Introduction にどう（どこまで）使うかを判断できる。

// 02 · CONCLUSIONまず結論

// 03 · FIGURE3 段階テンプレの使い分けを図で理解する

まず、目的別の 3 段階テンプレートを概観します。初読 → 比較 → 詳細 の用途で長さと網羅性を切り替えます。

// 3-STAGE SUMMARY TEMPLATES · 目的別に長さを変える A · 300 字 スクリーニング向け ▸ 研究目的 ▸ 対象 & デザイン ▸ 主要方法 ▸ 主要結果 ▸ 限界 ▸ 原典確認点 読む or 読まない判定 サーベイ初期 B · 1000 字 PICOS 研究比較向け ▸ P(対象) ▸ I(介入・予測時点) ▸ C(対照) ▸ O(アウトカム) ▸ S(研究デザイン) ▸ 主要数値表 類似研究を一覧化 研究計画・査読対応 C · 詳細解析 Methods 起草向け ▸ 全数値抽出 ▸ サンプルサイズ ▸ AUC / Cal / CI ▸ サブグループ ▸ 統計手法 ▸ 限界 & 外部検証 数値を漏らさない Methods・Discussion 起草 用途で長さを使い分け、すべての出力に「原典確認リスト」を含めるのが標準
Fig.1 3 段階要約テンプレートの使い分け。スクリーニングは A、研究比較は B、Methods 起草は C を選択します。すべて原典確認リストを併せて出力させるのが基本。

次に、「ふつう要約」と「構造化指示」の出力差を視覚化します。同じ論文でも、構造化指示の有無で 抜け落ちる情報量 が大きく変わります。

// 「要約して」vs「構造化指示」の差 × ふつう要約 「要約して」だけ ○ 研究の大意 ○ 主要結果（数字なし） × サンプルサイズ × AUC / 95% CI × 統計手法 × サブグループ性能 × 外部検証の有無 × Limitations 研究比較に使えない ○ 構造化指示 PICOS + 数値指定 ✓ 対象・予測時点・デザイン ✓ サンプルサイズ (train/test) ✓ 主要結果 + 95% CI ✓ AUC / Calibration / Brier ✓ 統計手法・モデル ✓ サブグループ性能 ✓ 外部検証の有無 ✓ Limitations & 原典確認 研究比較・Methods 起草に使える
Fig.2 構造化指示の威力。「要約して」だけだと AUC・95% CI・サンプルサイズなど Methods 起草に必須の情報が抜け落ちます。プロンプトに「出力項目」と「数値を漏らさない」を明示することで、ほぼ機械的に必要情報が揃います。

最後に、用語統一の重要性を示します。FIM・PUL・mRS のような領域固有用語は、AI が勝手に翻訳・意訳すると 研究結果の解釈が崩れる ことがあります。

// TERMINOLOGY CONTROL · 用語統一の指示 指示なし → 意訳・揺れ 「FIM」→「機能的自立度評価」 「PUL」→「上肢機能評価」 「mRS」→「修正ランキンスケール」 「Brunnstrom Stage」→「片麻痺ステージ」 「discharge to home」→「家屋退院」 読みやすいが 原典との対応がぼやける 論文 Methods への流用は要注意 指示あり → 統一 「FIM」→「FIM」 「PUL」→「PUL」 「mRS」→「mRS」 「Brunnstrom Stage」→「Brunnstrom Stage」 「discharge to home」→「自宅退院」 略語を維持 原典との対応が明確 プロンプトに用語集を貼り付ける
Fig.3 医学用語の統一指示。プロンプトに「FIM・PUL・mRS の略語は維持、Brunnstrom は原語維持」と明記すると、原典との対応が崩れません。用語が変わると尺度の定義・閾値の意味も変わるため、リハビリ AI 研究では特に重要です。

// 04 · CLINICALリハ・神経・整形領域での具体ケース

// CASE 1 · 脳卒中 FIM 予後予測 RCT の 300 字要約

回復期脳卒中の FIM 予後予測 RCT を 30 本サーベイするとき、テンプレート A（300 字）を使って一気にスクリーニングします。読むべき論文と読み飛ばす論文を 5 分以内に振り分けることで、文献調査の総時間を 1/3 程度に圧縮できます。FIM 予後予測モデル完全ガイド の Step 1〜3 と組み合わせると効果的です。

// CASE 2 · DMD ステロイド治療研究の 1000 字 PICOS

Duchenne 型筋ジストロフィー（DMD）のステロイド治療研究を比較するときは、テンプレート B（1000 字 PICOS）が向きます。Population（年齢層・歩行能の有無）、Intervention（薬剤・用量・スケジュール）、Comparison（プラセボ vs 標準治療）、Outcome（PUL・歩行・呼吸機能）、Study design（RCT vs 観察研究）を表で並べると、自分の研究計画の位置づけが明確になります。

// CASE 3 · 歩行解析メタ解析の数値テーブル抽出

歩行速度・歩幅・ケイデンス・ストライド長・cadence・歩行非対称性などの数値が並ぶメタ解析論文では、テンプレート C（詳細解析）を使って 全数値抽出表 を作らせます。測定環境（10 m 路 vs トレッドミル）、対象群（健常 vs 脳卒中 vs パーキンソン）、95% CI を表に揃え、自分の研究の比較対象として使います。

// CASE 4 · 臨床ガイドラインの構造化要約

脳卒中ガイドライン・回復期リハビリガイドライン・DMD 管理ガイドラインのような長大文書を、推奨文・推奨グレード・エビデンスレベル・適用外の状況に分けて要約します。テンプレート C を改変して「推奨文・グレード・出典文献」を漏らさない指示にすると、自分の研究の臨床的位置づけを Discussion で書くときに参照しやすくなります。

// PRIVACY

カルテ・氏名・生年月日・カルテ番号・MRI/CT の個人情報・電子カルテのスクリーンショット・顔が映る動画は、要約目的でも AI に入力しません。査読中の論文全文も多くの雑誌で守秘契約違反になります。判断基準は 13·06 生成 AI 使用時の個人情報保護（公開予定）で詳述します。

// 05 · THEORY背景概念と用語整理

PICOS とは

PICOS は Population / Intervention / Comparison / Outcome / Study design の頭文字で、臨床研究を構造化する標準的な枠組みです。Cochrane Collaboration が systematic review のための論文選定で採用しており、リハビリ・神経・整形領域でも論文比較の共通言語として使われます。

TRIPOD+AI の観点で要約する

機械学習 による予測モデル論文を要約するときは、TRIPOD+AI 2024[1] の 27 項目を念頭に置きます。特に Methods 起草で参照する場合は、次の 7 観点を必ず抽出します。

観点確認する内容リハビリAI 研究での例
対象選択基準・除外基準・施設数回復期脳卒中 / DMD / SMA / 単施設 vs 多施設
時点予測時点・評価時点・追跡期間入院時情報で退院時 FIM を予測 / 6 か月予後
変数説明変数・目的変数の定義FIM / PUL / mRS / 歩行自立 / 自宅退院
分割train/test / 交差検証 / 外部検証GroupKFold / 時間順分割 / 多施設外部検証
評価性能指標と 95% CIAUC / Calibration / Brier / DCA
公平性サブグループ性能年齢層 / 性別 / 重症度 / 施設別
安全性個人情報・原典確認カルテ・画像・未公開データを入力しない

chain-of-thought プロンプティング

複雑な要約タスクでは「考えてから答える」流れを指示する chain-of-thought (CoT) が有効です。「まず PICOS を抽出 → 次に主要数値を表に → 最後に研究の限界を一覧化」のように 段階を明示すると、出力の網羅性が安定します。

few-shot vs zero-shot

プロンプト内に「例」を 1〜2 個含める方式が few-shot、含めず指示だけで生成させる方式が zero-shot です。論文要約は zero-shot でも十分機能しますが、自分のチームで 共通フォーマット を作りたい場合は、過去の優れた要約 1 件を例として貼り付けると、それに沿った出力が得られやすくなります。

// 06 · IMPLEMENTATIONコピペで使えるプロンプトテンプレート 4 種

以下のプロンプトは、公開論文または個人情報を含まない研究メモに限定して使います。投入前に AI への入力可否を必ず確認してください（13·01 Fig.2 入力可否マップ参照）。

テンプレート A: 300 字要約（スクリーニング向け）

あなたはリハビリテーション医学と医療統計に詳しい研究支援者です。

以下の英語論文を、日本語で 300 字程度の構造化要約にしてください。

出力フォーマット:
1. 研究目的 (50 字以内)
2. 対象者と研究デザイン (50 字以内)
3. 主要方法 (60 字以内、予測時点・モデル種類を含む)
4. 主要結果 (80 字以内、AUC・主要数値を含む)
5. 限界 (40 字以内)
6. 原典確認が必要な点 (箇条書き 3 項目以内)

制約:
・本文にない内容は推測しないでください。
・FIM、SIAS、NIHSS、PUL、mRS の略語は維持してください。
・数値は本文の桁数のまま記載してください。

【入力論文】
[ここに PDF を添付、または抄録を貼り付け]

テンプレート B: 1000 字 PICOS 抽出（研究比較向け）

あなたは臨床研究と英語論文読解に詳しい研究者です。

以下の英語論文を PICOS に沿って、日本語で 1000 字程度に整理してください。

出力フォーマット:
■ 1000 字要約
■ PICOS 表
  - Population: 対象集団・選択基準・除外基準・サンプルサイズ
  - Intervention: 介入 (薬剤 / 治療 / リハ単位数 / 予測時点)
  - Comparison: 対照群
  - Outcome: 主要・副次アウトカム (定義・閾値)
  - Study design: 研究デザイン (RCT / 観察 / 後ろ向き等)
■ 主要結果の数値表
  - 主要アウトカムの値 + 95% CI
  - AUC / Calibration / Brier (該当する場合)
  - 統計学的有意水準
■ リハビリ AI 研究での解釈
  - 自分の研究計画への含意 (2-3 行)

制約:
・FIM、PUL、mRS は略語を維持してください。
・本文に記載がない項目は「未記載」と明示してください。
・原典確認が必要な数値・引用には [要確認] を付けてください。

【入力論文】
[ここに論文を貼り付け]

テンプレート C: 詳細解析・全数値抽出（Methods 起草向け）

本文中の数値を可能な限り網羅的に抽出して表にしてください。

出力フォーマット:
■ 研究デザイン要約 (200 字)
■ 対象者の詳細
  - 組入れ・除外基準
  - サンプルサイズ (train / test / external)
  - 施設数・施設別 N
  - 年齢・性別の分布
  - 重症度の分布
■ 統計手法
  - 前処理 (欠測補完・標準化・特徴量選択)
  - データ分割 (random / GroupKFold / 時間順 / 外部検証)
  - モデル種類 (logistic / RF / XGBoost / NN 等)
  - ハイパーパラメータ探索
■ 全数値抽出表
  - 主要モデルの性能 (AUC / 95% CI / Calibration / Brier)
  - サブグループ別性能
  - 感度・特異度・PPV・NPV (該当する閾値も)
■ 限界 (本文の Limitations セクションを忠実に翻訳)

制約:
・本文に記載がない数値を作らないでください。
・桁数と単位は原典のまま維持してください。
・記載がない場合は「未記載」と書き、空欄にしないでください。
・図表からの読み取り値には [図N より読取] と明記してください。

テンプレート D: 反復改善の追加指示

先ほどの要約を、次の指示で改善してください。

改善指示:
1. サンプルサイズ・評価時点・主要アウトカムを各箇所に追記
2. FIM・PUL・mRS の略語を本文中で統一
3. 著者の結論と、自分の解釈を別段落で分離
4. 数値が「未記載」となっている項目について、原典 PDF の
   どこを確認すべきか具体的に指示
5. 最後に「原典確認リスト」を作成

制約:
・既存の要約の良い箇所は維持してください。
・新しく数値を作らないでください。
// PITFALL

テンプレート A〜D の出力をそのまま自分の論文 Background や Discussion に コピペしない こと。AI 要約は「索引・整理ツール」です。引用するときは必ず原典に戻り、自分の研究疑問に沿って書き直します。引用文献の捏造（ハルシネーション）[3]を防ぐため、AI が示した引用番号は 必ず原典 PDF の References セクションで照合します。

// 07 · MYTHS誤解と訂正

// MYTH 01

「短い要約ほど良い」

用途次第です。初読のスクリーニングは 300 字、研究比較は 1000 字 PICOS、Methods 起草は詳細解析、と切り替えます。短すぎる要約は対象集団・サンプルサイズ・AUC・Calibration といった 研究比較に必須の情報 が抜けるため、再度プロンプトを投げ直す手間が増えます。

// MYTH 02

「英語論文は英語で要約させる方が正確」

用語統一の観点では 日本語指示 が有効な場面が多いです。「FIM・PUL・mRS の略語は維持」「Brunnstrom Stage は原語維持」と日本語で指示すれば、混乱なく日本語要約が得られます。むしろ英語要約を後で人手で翻訳する方が、用語のブレが発生しやすいです。

// MYTH 03

「ChatGPT は医学用語が苦手」

領域用語集をプロンプトに含めると改善します。FIM・PUL・mRS の定義、Brunnstrom Stage の段階、回復期病棟の組入れ基準などをプロンプト先頭に貼り付けるだけで、リハビリ領域に最適化された要約が得られます。チーム共有の用語集を Notion / Markdown で管理しておくと便利です。

// MYTH 04

「AI 要約があれば原典は読まなくてよい」

AI 要約は 索引 です。引用・数値・統計手法・図表の解釈は必ず原典に戻って確認します。これを怠ると、AI のハルシネーションをそのまま自分の論文に持ち込み、査読で致命的な指摘を受けます（09·11 査読者突っ込み）。

// 08 · WRITING論文・実務への組み込み方

関連研究セクションを書くとき

自分の論文の Introduction や Related Work セクションを書くときは、まず テンプレート B（1000 字 PICOS）で類似研究を 10-30 本要約し、表に並べます。研究疑問に近い順に並べ替え、自分の研究の位置づけ（差別化点・新規性）を Discussion で書くときの土台にします。

AI 要約を引用に使わない

AI 要約をそのまま引用文として論文に貼り付けることは 厳禁です。引用するときは必ず 原典の PDF を開き、該当ページ・該当行を確認します。09·11 査読者突っ込み の Major comment 10 選にも含まれる典型的な失敗パターンです。

AI 利用の記載

ICMJE 2026 勧告[6] に従い、AI ツールを文献調査に補助的に使った場合は、Methods か Acknowledgments に次のように記載します。

// 記載例

「文献調査における構造化要約の補助に、ChatGPT (OpenAI, GPT-4o, バージョン日付) を使用した。すべての引用文献・数値・統計手法は著者が原典で確認し、AI 出力は索引として使用したに過ぎない。学術的内容、解析、解釈は著者が責任を持つ。」

// 09 · CHECKLIST要約品質の自己点検 12 項目

  • 01要約の目的（スクリーニング / 比較 / Methods 起草）を明確にしてテンプレを選んだ
  • 02入力情報に個人情報が含まれていない
  • 03未公開データ・査読中原稿全文を入力していない
  • 04PICOS の 5 要素（対象・介入・対照・アウトカム・デザイン）が出力されている
  • 05主要数値（サンプルサイズ・AUC・95% CI）を原典で確認した
  • 06FIM・SIAS・NIHSS・PUL・mRS などの略語が統一されている
  • 07Limitations セクションが出力に含まれている
  • 08原典確認リスト（[要確認] マーク付き）が出力されている
  • 09引用文献を原典 PDF の References セクションで照合した
  • 10使用したモデル・バージョン・日付を記録した
  • 11AI 要約を自分の論文文章にそのまま転記していない
  • 12論文 Methods / Acknowledgments への AI 利用記載を準備した

// 10 · QUIZミニクイズ

  1. Q1研究比較のためのサーベイ初期段階で最適なテンプレートは？
    • テンプレート A（300 字要約）
    • テンプレート B（1000 字 PICOS）
    • テンプレート C（詳細解析）
    • テンプレート D（反復改善）
    SHOW ANSWER
    A. サーベイ初期はスクリーニング判定のため 300 字の短いテンプレートが最適。読むべき論文を 1/3 程度に絞り込んでから、必要なものだけ 1000 字 PICOS に進みます。
  2. Q2FIM・PUL・mRS などの略語をプロンプトで指示するときの最適表現は？
    • 「日本語に意訳してください」
    • 「略語は維持してください」
    • 「英語のままにしてください」
    • 指示しなくてよい
    SHOW ANSWER
    B. 「略語は維持」と指示すると、FIM が「機能的自立度評価」のように意訳されず、原典との対応が崩れません。尺度定義・閾値が変わらないように保つために必須の指示です。
  3. Q3AI 要約を自分の論文 Background にコピペしてよいか？
    • よい
    • 原典で引用確認後ならよい
    • 原典確認しても、自分の言葉で書き直すべき
    • 無料版でなければよい
    SHOW ANSWER
    C. AI 要約は索引です。原典確認後でも、自分の研究疑問に沿って自分の言葉で書き直します。AI 出力をそのまま貼ると、引用文献の捏造や数値誤読のリスクが残ります。
  4. Q4「未記載」と「[要確認]」をプロンプトに含める理由は？
    • 出力を長く見せるため
    • AI が情報を捏造することを防ぐため
    • 日本語を正確に保つため
    • プロンプトを難しく見せるため
    SHOW ANSWER
    B. 「未記載」「[要確認]」と明示できる出力を許可することで、AI が「わからない」と正直に答えやすくなり、ハルシネーション（捏造）を抑えられます。「すべて埋めて」と指示すると逆効果です。

// 11 · FAQよくある質問

医学論文を AI に要約させるとき、最初に決めるべきことは何ですか？
まず「何のための要約か」を決めます。初読のスクリーニングなら 300 字、本格的に比較するなら 1000 字 PICOS、Methods 起草のために統計値まで詳細抽出するなら詳細解析テンプレートを選びます。目的を曖昧にしたまま「要約して」と入力すると、必要な数値や対象集団情報が抜け落ちます。
日本語と英語のどちらで要約指示を出すべきですか？
日本語で日本語要約を依頼することを推奨します。英語論文を「英語で要約させてから人手で翻訳」より、最初から日本語で出力させた方が用語統一が安定し、リハビリ領域の独自語（FIM・SIAS・mRS・PUL 等）の扱いも指定しやすいです。ただし固有用語は英語で維持するよう指示します。
AI 要約をそのまま自分の論文の Introduction や Discussion に使ってよいですか？
使えません。AI 要約は索引・整理用です。引用するときは必ず原典に戻り、自分の研究疑問に沿って書き直します。引用文献の捏造（ハルシネーション）や数値誤読のリスクが残るため、AI 要約の文章をそのまま貼り付けることは厳に避けます。
無料版でも使えますか？
公開論文の要約には十分使えます。ただし PDF 添付の容量制限・長文耐性・データ学習への利用設定（opt-out）は有料版と異なります。短い論文は無料版、長大論文や複数本まとめての処理は有料版、と使い分けるのが現実的です。

// REF参考文献

  1. Collins GS, Moons KGM, Dhiman P, Riley RD, Beam AL, Van Calster B, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ 2024;385:e078378. — doi
  2. Moons KGM, Wolff RF, Riley RD, et al. PROBAST+AI: an updated quality, risk of bias, and applicability assessment tool for prediction models using regression or artificial intelligence methods. BMJ 2025;388:e082505.
  3. Athaluri SA, Manthena SV, Kesapragada VSRKM, Yarlagadda V, Dave T, Duddumpudi RTS. Exploring the Boundaries of Reality: Investigating the Phenomenon of Artificial Intelligence Hallucination in Scientific Writing Through ChatGPT References. Cureus 2023;15(4):e37432.
  4. Higgins JPT, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, Welch VA (editors). Cochrane Handbook for Systematic Reviews of Interventions. version 6.4, 2023.
  5. Bender EM, Gebru T, McMillan-Major A, Shmitchell S. On the dangers of stochastic parrots: can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency 2021;610-623.
  6. International Committee of Medical Journal Editors. Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals: AI use by authors. ICMJE Recommendations 2026. — link
  7. World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. 2021.