メタ解析でAIを活用する方法。「統合してよいか」だけはAIに聞けない

メタ解析の工程のうち、AIが安全に時短できるのは次の作業です。

検索語の候補出し。タイトル・抄録の下読みと優先順位付け。採択論文の構造化要約。抽出表の下書き（決めた項目の抜き出し）。方法セクションの記述の整形。共通点は、どれも後から人が原文と照らして検証できる「中間生成物」だということです。

一方、次の判断はAIの出力を参考にしても、決めるのは人です。

採否の最終決定と除外理由。Risk of bias評価。統合可否の判断。効果量の種類の選択。異質性の解釈。そして結論の強さ。 後半の4つがメタ解析固有の判断で、この記事の中心です。

統合してよいかの判断は、「対象・介入・アウトカムが臨床的に十分近いか」という問いです。これは統計の問題である以前に、その領域の臨床・研究文脈を知っている人にしか判断できない類似性の評価なんです。

AIは「似ています」と流暢に答えます。でもその判断の責任は取れませんし、微妙な違い——投与量の幅、測定時点のずれ、対象の重症度——が統合の妥当性を壊すかどうかは、原文のMethodsを読んだ人が領域知識で決めるしかありません。

抽出表の下書きをAIに作らせるのは有効ですが、メタ解析では検証の基準を一段上げてください。

統合に使う数値は、単位・分母・群の対応・効果量の形式がひとつずれるだけで、フォレストプロットの1行が反転します。AIの下書きの数値は、全数を原文の本文・図表・補足資料で検証する——サンプリングチェックではなく全数、がメタ解析の水準です。

もうひとつ、メタ解析ならではの事情があります。投稿論文では方法の透明性が厳しく問われるため、AIを工程に入れたなら、その範囲を正直に記述できる形にしておく必要があります。

AIの提案と人の判定を分けて記録しておく——これはSRの記事でも書いた原則ですが、投稿を前提とするメタ解析では、記録がそのまま原稿の材料になります。AI利用の書き方は、投稿先の規定と指導者に確認してください。

効果量の計算や統合は、RevManやRなどの検証された統計ソフトの領分です。チャットAIに計算させた数値をそのまま結果に使うのは避けてください。

一方、「この統計手法の考え方を平易に説明して」という学習の壁打ちには、チャットAIは優秀です。計算は検証されたソフトで、理解の補助はAIで。この分担が安全です。

Paperfyが支えるのは、統合の手前の読解・検証工程です。採択論文が1論文1ページでAI要約・図表・原文と並び、要約を編集して「抽出値はTable 2で検証済み」「時点が他研究と3ヶ月ずれ・統合時に要議論」のようなメモを残せます。

統計ソフトでもレビュー判定ツールでもなく、その間にある「原文に何度も戻る」作業を短くする道具です。

AIで下読みと下書きが速くなったら、その時間はどこへ使うべきか。おすすめは、異質性の考察です。

なぜ研究間で結果が違うのか。対象か、介入の強度か、時代か。この「なぜ違うか」を考え抜いた深さが、メタ解析の価値を決めます。 AIはそのための時間を作る道具です。