論文データ抽出にAIを使う方法。下書きはAI、数値の検証は原文で

最初にやるのは、読むことではなく表の設計です。列を先に決めます。

基本形は、著者・年・国、研究デザイン、対象（人数・特性）、介入または曝露、比較、アウトカムと定義、主要な結果（効果量・信頼区間）、追跡期間、欠測、限界。レビューの問いに答えるために何が要るかから逆算して、列を確定させてから1本目を開いてください。

表ができたら、いきなり全件に入らず、2〜3本で試します。列の定義が曖昧な場所、論文によって書き方が違う場所が、ここで見つかります。

表の設計をこの時点で修正しておけば、全件をやり直す事故を防げます。チームでやる場合は、この試し抜きで記入ルールを揃えます。

列が確定していれば、AIは強力です。論文ごとに「この項目を、この形式で抜き出して」と頼むと、抽出表の下書きが数分でできます。

白紙のマスを自力で埋めるのと、下書きを検証して直すのとでは、体感の負担がまったく違います。AIの役割は「マスを埋める最初の手」であって、「マスの中身の保証人」ではない——この理解で使えば、時短と正確さは両立します。

下書きの検証で特に見るべきは、数値まわりの3点です。

単位（%か件数か、月か年か）。分母（ITT集団か、解析対象者か、脱落を除いた数か）。方向（その効果量は、介入群と対照群のどちらが良いことを示すのか）。AIの下書きはこの3点で間違えやすく、そしてこの3点の間違いは、レビューの結論を反転させうる類のものです。必ず原文の本文・図表・必要なら補足資料で確かめてください。

抽出した数値をメタ解析に載せる場合は、確認の水準を一段上げます。効果量の種類、時点、解析集団の定義が研究間で対応しているか。図からの読み取り値なのか、本文の数値なのか。

統合の可否や変換の方法は統計的な判断を含むので、迷ったら統計の専門家・指導者・チームに確認してください。ここはAIにも、この記事にも、代行できない領域です。

実務で効く小技をひとつ。抽出表の各セルまたは行に、出典の場所（Table 2、p.6、Supplementなど）をメモしておくことです。

検証やチームの相互チェックで、同じ場所を探し直す時間が消えます。数十本×数十項目の抽出では、この小技の積み重ねが数日分の差になります。

Paperfyでは、採択論文のPDFごとにAI要約と図表が1ページに並ぶので、抽出時の「原文のどこに書いてあるか」への到達が速くなります。

検証で気づいたこと（「分母はITT、Table 2で確認」）を要約に書き足しておけば、抽出の根拠が論文ページに残り、後の見直しやRisk of bias評価でそのまま使えます。