生成AIは医学論文の完成度を高めることができますが、科学的により確かなものにもしてくれるのでしょうか。この記事では、医学ジャーナルの編集者や査読者が何に注目しているのか、AIの支援による執筆がどのような点で問題となる可能性があるのか、そして著者が論文を投稿する前に何を確認すべきかを探ります。
変わりゆく医学出版の状況
人工知能（AI）は、研究者が論文の原稿を出版に向けて準備する方法を変えました。今日、医学や生命科学の分野で、AIを使ったことのない研究者に出会うことはまずないでしょう。それも当然のことです。なぜなら、AIを活用して科学研究を進め、新たな発見を生み出せる規模は、驚くほど大きくなっているからです。
医学研究者にとって、生成AIは作業のスピードを高めるだけではありません。自分の専門外の分野にも対応できるようにし、研究者の能力を広げてくれます。また、新たな情報を生み出す機会も与えてくれますが、これにはそれなりの機会と課題が伴います。
医学ジャーナルは急速に変化する編集方針に適応しつつあり、出版社は責任あるAI利用のためのガイドラインを策定しています。また、研究者は情報開示と説明責任に関する期待がますます複雑化するなかで、その対応を迫られています。
『Annals of Internal Medicine』誌に最近掲載された論文「How AI Is Affecting Medical Journals」は、生成AIがどのように医学出版を変革しつつあるか、そしてAI利用の拡大に対応するうえでジャーナルが直面している課題を浮き彫りにしています。
しかし、この議論には、注目すべきもうひとつの側面があります。AIの支援を受けた原稿が査読に回ったとき、何が起こるのでしょうか。
生成AIは確かに科学論文の文章を『磨き上げる』ことはできますが、そのインパクトを高めることはできません。そのため、内容の真価を見極めやすくなり、査読の負担はむしろ軽くなります。
― Dr. Chhavi Chauhan、Samast AI 創業者兼CEO
査読者にとっての課題は、単にAIが使われたかどうかを判断することではありません。評価すべきことは、文章の推敲にとどまらないのです。真に問われるのは、その原稿が正確で、方法論的に妥当で、臨床的に意味のある研究を示しているかどうかを評価することです。原稿は、文法的に完璧で専門的に構成されていても、研究の根拠、統計の解釈、臨床的な結論に弱点を抱えていることがあります。
この記事では、AIの支援を受けた原稿を評価する際に、医学論文の査読者がより注意深く見る可能性のある領域をいくつか探っていきます。
1. 洗練された文章が、弱い科学的推論を覆い隠していないか
生成AIの貢献として最も目に見えやすいもののひとつが、学術的な文章を改善する能力です。研究者はAIツールを使って、複雑な文を簡潔にし、文と文のつながりを良くし、論旨を整理して、原稿を読みやすくすることができます。
こうした用途は、英語を母語としない研究者にとって特に役立つでしょう。しかし、文章が良くなったからといって、必ずしも科学的推論が良くなるわけではありません。
医学論文の査読者は、著者が自身の研究課題とその意義を十分に理解しているかどうかを評価します。
大まかに言えば、英語の推敲や文法のチェックなどにAIを使うのは問題ないと思います。ジャーナルのガイドラインは、月単位、あるいは週単位で変わっていますから。
― David Geveaux、IOP Publishing 編集長
2. 方法論と報告内容のつじつまが合っているか
方法論の正確性は、医学研究において特に重要です。研究デザイン、データの解釈、統計の報告に誤りがあると、研究結果の理解のされ方や臨床への応用のされ方に影響しかねないからです。
AIツールは、確立された研究方法を記述したり、方法論に関する情報の示し方を改善したりするのに役立ちます。しかし、著者が正確な情報を与えない限り、研究室、臨床現場、研究の場で実際に何が行われたのかを、AIツールが知っているとは限りません。ここに潜在的な問題が生じます。原稿には、研究方法の説明としては一見妥当に見えても、実際の研究で行われた手順を正確に反映していない記述が含まれる可能性があるのです。
ほかにも、注意深い精査が必要な領域として、次のようなものがあります。
- 記載されている研究デザインが、研究課題や方法と整合しているか。
- サンプリング戦略や選択基準・除外基準が正確に記述されているか。
- 統計的検定が、データと研究デザインに対して適切か。
- 報告されているサンプルサイズ、参加者数、解析対象集団が、原稿全体を通じて一貫しているか。
- バイアスや交絡の潜在的な要因が十分に考慮されているか。
3. 結果は結論を裏付けているか
研究結果の解釈も、人間の科学的な判断が依然として欠かせない領域です。医学では、誇張された結論が臨床診療や患者ケアに影響を及ぼすことがあります。
ほかにも、次のような問題が考えられます。
- 統計的に有意であることを、臨床的にも意義があることと同一視する。
- 研究対象となった集団を超えて結果を一般化する。
- 探索的なサブグループ解析を、決定的なエビデンスとして示す。
- 有意でない結果や矛盾する結果を見落とす。
- 研究結果の範囲を超えた臨床上の推奨を行う。
査読者は、結論がエビデンスの強さと限界に見合ったものになっているかを判断しなければなりません。そのためには、研究デザイン、臨床的な背景、統計解析、そしてその意味するところを深く理解している必要があります。査読のプロセスを円滑にするためにAIツールを使うのは有用かもしれませんが、人間の判断の代わりにAIを用いることはできませんし、用いるべきでもありません。
今、AIを査読プロセスの一部とし、査読者が査読レポートを作成する際に実際に支援させるべきだという声が大きく高まっています。私たちは十分に注意しなければなりません。境界がどこにあるのかを慎重に考え、常に人間が関与するようにしなければならないのです。
― Zoe Mullen、The Lancet Global Health 編集長
4. 査読者は参考文献や裏付けとなるエビデンスを信頼できるか
生成AIを使って原稿を作成する場合、参考文献も特に注意が必要な項目のひとつです。今では、ほとんどの研究者と査読者がハルシネーションの問題を認識しています。それでもなお、関連性のない参考文献や、実在すらしない可能性のある参考文献を含む論文が投稿され続けており、そのまま掲載されてしまうことも少なくありません。
査読者は、引用文献があるかどうかだけでなく、裏付けとなるエビデンスが正確で、適切に示されているかを評価する必要があります。
5. 臨床的なニュアンスと人間の判断が最も重要になる場面
医学研究には、技術的に正しい文を生成する能力を超えた、臨床的な背景への理解が求められます。AIに結論を導かせたり、臨床上の推奨を行わせたりすることは、絶対に避けるべき重大な問題です。臨床的な解釈は、著者の長年の経験と訓練に加え、患者の特性、疾患の重症度、併存疾患、治療環境、臨床診療の違いといった、さまざまな要因に左右されるからです。
私は、統計的な厳密さ、ジャーナルの対象範囲との適合性、書式の評価にAIを使うことを強く支持しています。ただしそれは査読ではなく、投稿時の品質管理（QC）の段階での話です。基本的な点は機械に処理させ、人間の査読者が科学的な内容と新規性に専門知識を集中できるようにしましょう。
― Dr. Chhavi Chauhan、Samast AI 創業者兼CEO
医学論文の査読者にとって、こうした側面を評価するには、その分野に固有の専門知識と、研究結果が実際の臨床診療とどのように関係しているかについての理解が必要です。査読者は、まさにこうした部分に、AIが生成した知識の特徴が最も表れやすいと気づくかもしれません。ありきたりな表現や曖昧な表現に終始する結論・考察は、原稿のより深い部分に問題があることを示す兆候である可能性があります。
