はじめに

PubMedの収載論文は年間150万本を超え，ヒトの読書速度では追従できない規模に達している。さらに，2025年に報告された約1500万本の生物医学論文の解析では，その13.5%にLLM（大規模言語モデル）の執筆痕跡が認められた^1）。AIによる文章作成に固有の語彙的特徴も精緻に解析されつつあり，「ChatGPT」（OpenAI社）登場以降の医学文献の文体が定量的に変容していることも報告されている^2）。医学情報の生産と消費の両側にAIが介在する時代に入り，10年前と同じ手法では情報収集が立ち行かなくなった。読み切れない量の論文を，いかに効率よく検索し，整理し，再利用するか。本稿では筆者が日常診療と研究で実装している「AIをつかった文献の検索と管理」のワークフローを共有する。

文献検索が必要な3つの場面

文献検索を要する場面は大きく3つに整理できる。第1に日常診療で生じる疑問の解消，第2に学会発表や論文執筆のための先行研究調査，第3に専門領域の最新知識のフォローである。それぞれに最適なツールは異なる。「とりあえずChatGPTで検索」ではなく，目的に応じてツールを切り替える設計が，生産性を左右する。

初見分野はDeep ResearchとNotebookLMで俯瞰する

専門外の領域を短時間で把握する用途には，ChatGPTの「Deep Research」とGoogle社の「NotebookLM」が有用である。前者はWeb上の数十本の論文を横断的に解析し，図表付きの数千語のレポートを自動生成する。例えば「大腸ctDNAによる術後微小残存病変モニタリングの最新エビデンス」のような問いに対し，不慣れな領域のレビューでも30分程度で骨子を把握できる水準のアウトプットが返ってくる。後者は手元のPDFや指定URLをソースとして固定し，ハルシネーション（存在しない論文の捏造）のリスクを抑えながら対話的に深掘りできる。Notebook LMには音声によるポッドキャスト風概要，マインドマップ，スライド草案などの自動生成機能も備わっており，抄読会前の予習にも有用である。Deep Researchは「網羅性は高いが結果が毎回変動し，未査読論文も混入することがある」一方，NotebookLMは「ソースを固定するため再現性が高いが，検索範囲は自分が与えた資料に限られる」という対照的な特性をもつ。専門分野の論文10本をNotebookLMに投入して詳細を詰める，未知の隣接領域はDeep Researchで俯瞰するなど，両者を補完的に使う運用が現実的である。

専門領域では「ChatGPT検索」より「PubMed直接検索」が優位

専門分野の文献検索では，ChatGPTにネット検索をさせるだけでは不十分なことが多い。AIが内部で生成する検索式は不透明で，同じプロンプトでも結果が変動する。系統的レビューや学位論文を意識する局面では，再現性の欠如は致命的である。一方，PubMedをMeSH（Medical Subject Headings）で直接検索すれば，検索式が同一である限り結果は完全に再現される。両者の特徴を表に整理した。日常の素朴な疑問の解消にはChatGPT検索が便利だが，PRISMA準拠のレビューでは直接検索が必須である。
ChatGPTで文献検索を行う場合，筆者は「(1) Clinical QuestionをPICOに分解する，(2) PubMedで可能な限り多くの論文を調べる，(3) 一つひとつ2，3文の日本語で紹介する，(4) 最後にCQに回答する」という4ステップを指示する型を常用している。さらに，カスタム指示として「PubMedを引用した場合は『First author, 雑誌名, year』を必ずMarkdown形式のリンクで提示する」と設定しておくと，ハルシネーションかどうかをリンクをたどることで確認することができる。生成AI全般に言えることであるが，似た単語が頻出する引用文献リストなどはハルシネーションリスクが高いため注意が必要である。また，検索式をChatGPTなどに立案させて，PubMedで検索することでソースをたどれるようにもしている。

PubMed MCPで「会話型」と「再現性」を両立する

最近の解として注目しているのが，PubMed MCP（Model Context Protocol）サーバの活用である。MCPは生成AIに外部ツールを接続する規格で，PubMed MCPを介すと，ChatGPTや「Claude」（Anthropic社）に自然言語で指示を出しながら，裏でPubMed Eutils APIに対する正式な検索式を実行できる。検索式がAIから提示されるため検索プロセスが可視化され，必要に応じて人間が修正できる。筆者は無料クラウド（Koyeb）に自作のMCPサーバをデプロイし，ChatGPTのカスタムコネクタに登録して運用している。Claude Desktopでも同様にカスタムコネクタとして追加可能である。会話の手軽さと検索式の厳密さを両立できる点で，当面のスタンダードになりうる。

表　ChatGPTによるPubMed検索とPubMed直接検索の比較

定期検索の自動化 ─情報を「取りに行く」から「届く」へ

PubMedの「My NCBI」機能を使えば，登録した検索式の新着論文を「Gmail」（Google社）に自動配信できる。さらに，ChatGPTのスケジュール機能を併用すれば「○○分野の過去1週間のhigh-impactな論文をPubMedで検索し，臨床的意義と従来治療への影響を含めて要約せよ」といったキュレーションタスクを，定期的に自動実行させることができる。情報を「プル」する作業から，AIにキュレーションさせて「プッシュ」で受け取る運用への転換は，専門知のメンテナンス工数を大幅に削減する。

文献管理 ─Zotero＋Obsidian＋Claudeで自動データベースを構築する

読了した論文の管理は，もはや人手で行う作業ではない。筆者は「EndNote」（Clarivate社）「Zotero」で原典PDFと書誌情報を集約し，「Word」（マイクロソフト社）の引用文献リスト生成に使用しているが，これらをつかって論文を探すことはしていない。重要論文で自分が記憶しておくべきものについては，グラフィックアブストラクトを作成し，「Notion」（Notion Labs社）に登録している。さらに，Claude DesktopにNotion MCPを設定すれば，論文PDFを渡すだけで要約とタグ付けを行い，Notion上の文献データベースへ自動登録できる。データベースのスキーマ（PICO，エビデンスレベル，関連キーワードなど）をあらかじめ設計しておけば，後から横断検索や時系列での読み返しが容易になる。Word原稿への引用差し込みはZoteroまたはEndNoteのプラグインに任せ，知識の蓄積側は「Obsidian」（Dynalist社）とNotionに分散させる。文献管理ソフトに振り回される時代は終わり，AIに登録作業を肩代わりさせる時代に入った。

おわりに

2026年は「AIエージェントによる自動化」の普及期と言える。検索の網羅性と再現性，管理の効率性は，適切なツール選択と最小限の初期設定で大きく前進する。重要なのは特定のツールに固執するのではなく，検索の目的と再現性の要求度に応じてツールを切り替える設計思想を持つことである。ただしAIは万能ではない。検索結果の質的判断，文脈に応じた論文選定，引用文献の最終確認は依然として臨床医の責務である。生成AIを情報処理の前線に据えつつ，最後の門番として臨床医自身が立つ。これが2026年版の医師の情報リテラシーである。

^{●参考文献
1）Kobak, D., et al. : Delving into LLM-assisted writing in biomedical publications through excess vocabulary. Sci. Adv., 2025. PMID : 40601754. 
https://pubmed.ncbi.nlm.nih.gov/40601754/
2）Matsui, K. : Delving Into PubMed Records : How AI-Influenced Vocabulary has Transformed Medical Writing since ChatGPT. Perspect. Med. Educ., 2025. PMID : 41356414.
https://pubmed.ncbi.nlm.nih.gov/41356414/}