医学論文を探すとき、多くの方がPubMedを使っています。これからもPubMedは論文や文献検索の基本であると言えます。
一方で生成AIが普及したことで、論文検索にも新しい入口が加わってきました。
これまでは、調べたい内容を検索キーワードへ置き換え、PubMedで候補となる論文を探す方法が中心でした。
生成AIなら、「この治療は本当に有効なのか？」という臨床疑問を普通の文章で質問し、回答と一緒に関連する論文を確認できます。
ここで気になるのが、PubMedと生成AIで同じ臨床疑問を調べた場合、最終的にどのような文献へたどり着くのかという点です。
PubMedと生成AIでは、見つかる論文が違うのでしょうか。それとも、最終的には同じ重要論文へたどり着くのでしょうか。
そこで今回は、早期乳がんの術後補助療法について、PubMed、ChatGPT、医療向け生成AIのOpenEvidenceで実際に検索しました。
使った臨床疑問は、次の通りです。
「早期乳がんの術後補助療法で、アロマターゼ阻害薬はタモキシフェンより再発を減らすか？」
結論から言うと、3つの方法は検索の入口も、情報の見せ方もかなり違いました。
一方で、EBCTCGのメタ解析、ATAC試験、閉経前患者を対象としたEBCTCGのメタ解析など、重要なエビデンスにはかなり重なりが見られます。
つまり、生成AIはPubMedの代わりになるというより、「まずこの疑問にはどのようなエビデンスがあるのか」を知る新しい入口として使う価値があります。
AIを使った医学論文検索の全体像や、従来検索との違いについて先に知りたい方は、AIで医学論文を検索する方法と注意点｜従来の検索と生成AIをどう使い分ける？も参考にしてください。
この記事でわかること
・PubMedと生成AIでは論文検索の入口がどう違うのか
・同じ臨床疑問で検索すると、どのような文献が見つかるのか
・PubMed、ChatGPT、OpenEvidenceの検索結果の違い
・PubMedと生成AIをどのように使い分けるか
・AI論文検索を使う際に注意したいこと
AI論文検索とPubMedを同じ臨床疑問で比較
まず、PubMedと生成AIでは検索の始め方が違います。
PubMedでは、知りたい内容を検索語へ変換して入力します。一方、ChatGPTやOpenEvidenceでは、臨床疑問を文章のまま質問できます。
今回、実際に同じテーマを調べることで、検索結果だけでなく、論文へたどり着くまでの違いも確認しました。
PubMedで医学論文を検索する方法
PubMedで医学論文を探す場合、まず臨床疑問を検索語へ置き換えます。
今回の疑問には、「早期乳がん」「術後補助療法」「アロマターゼ阻害薬」「タモキシフェン」「再発」といった要素があります。
そこで、次の検索語を入力しました。
early breast cancer adjuvant aromatase inhibitor tamoxifen recurrence
検索結果は395件でした。
PubMedは今回の疑問に対する「答え」を返すのではなく、検索語と関連する文献を一覧で表示します。
1ページ目だけでも、今回の疑問と関係の深い研究がいくつか見つかりました。
| 順位 | 主な文献 | 内容 |
| 1 | EBCTCG 2022 | 閉経前女性でAI＋卵巣機能抑制とタモキシフェン＋卵巣機能抑制を比較 |
| 4 | SOFT/TEXT長期追跡 | 閉経前乳がんの内分泌療法を比較 |
| 9 | ATAC 2010 | アナストロゾールとタモキシフェンの10年解析 |
| 10 | BIG 1-98 | レトロゾールとタモキシフェンを長期比較 |
ただし、1ページ目には乳がん治療全般のレビュー、アベマシクリブの研究、男性乳がんのガイドラインなども含まれていました。
つまりPubMedでは、関連する候補を広く探せる一方で、今回の疑問に直接答える研究を自分で選ぶ作業が必要です。
逆に言えば、検索条件を自分で調整できる点は大きな強みです。研究デザインや発表年などで絞り込み、必要な論文を体系的に探せます。
生成AIで医学論文を検索する方法
生成AIでは、検索語へ分解するところから始めなくても構いません。
今回、ChatGPTには次の質問をそのまま入力しました。
早期乳がんの術後補助療法で、アロマターゼ阻害薬はタモキシフェンより再発を減らすか？
ChatGPTは、単に論文名を並べるのではなく、最初に質問への回答を示しました。
回答では、対象を閉経後のER陽性早期乳がんに整理したうえで、「アロマターゼ阻害薬はタモキシフェンより再発を有意に減らす」としています。
中心となる根拠として示されたのが、Lancetに掲載されたEBCTCGの2015年患者レベルメタ解析です。
ChatGPTの回答では、31,920例を対象とした解析で、AIとタモキシフェンを異なる治療として投与している期間の再発率が、AI群で相対的に約30％低かったことが紹介されました。
さらに、10年乳がん死亡率についても、AI群12.1％、タモキシフェン群14.2％という数値が示されています。
ここで興味深いのは、ChatGPTが論文検索だけで終わらなかった点です。
AIでは骨折リスクが高く、タモキシフェンでは子宮内膜癌が多いという副作用の違い、閉経前患者ではAI単剤ではなく卵巣機能抑制が必要になることまで整理されました。
また、ASCO Living Guideline 2026も示され、現在の治療上の位置づけまで回答に含まれています。
| ChatGPTが示した主な情報 | 内容 |
| EBCTCG 2015 | 閉経後ER陽性早期乳がん31,920例の患者レベルメタ解析 |
| 再発 | 治療が異なる期間でAIにより相対的に約30％減少 |
| 10年乳がん死亡率 | AI 12.1％ vs タモキシフェン14.2％ |
| 副作用 | AIは骨折が多く、子宮内膜癌は少ない |
| ASCO 2026 | 閉経後HR陽性/HER2陰性乳がんでAIを重要な術後内分泌療法として位置づけ |
| 閉経前 | AIを使う場合は卵巣機能抑制との併用が前提 |
つまりChatGPTでは、「何の論文があるか」だけではなく、「論文から何がわかるか」まで一度に整理されたことになります。
一方で、回答に表示された論文や数値が正しいかどうかは、自分で原著へ戻って確認する必要があります。
OpenEvidenceでは臨床疑問から医学文献が整理された
OpenEvidenceにも、同じ質問を入力しました。
こちらも最初に、「アロマターゼ阻害薬はタモキシフェンと比較して再発率を有意に減少させる」という回答が示されています。
中心となったエビデンスは、ChatGPTと同じEBCTCG 2015の患者レベルメタ解析です。
さらにOpenEvidenceでは、ATAC試験、BIG 1-98、閉経前女性を対象としたEBCTCG 2022、SOFT/TEXTなど、関連する研究が広く提示されました。
NCCN乳がんガイドラインも引用され、閉経後・閉経前それぞれの治療選択肢まで整理されています。
| OpenEvidenceで示された主な文献・情報 | 内容 |
| EBCTCG 2015 | AIとタモキシフェンを比較した主要メタ解析 |
| ATAC 2010 | アナストロゾールとタモキシフェンの長期比較 |
| BIG 1-98 | レトロゾールとタモキシフェンを比較 |
| EBCTCG 2022 | 閉経前女性でAI＋卵巣機能抑制を評価 |
| SOFT/TEXT | 閉経前患者の内分泌療法を比較 |
| NCCN 2026 | 現在のガイドライン上の治療選択肢を確認 |
また、OpenEvidenceでは回答中の数値に引用番号が付き、関連文献へ進める形になっていました。
今回のような使い方では、臨床疑問を入力する → 回答を読む → 引用された論文へ進むという流れがわかりやすいと感じます。
医師がOpenEvidenceを論文検索の入口としてどのように使っているのかについては、医師が論文検索AIにOpenEvidenceを使う理由でも詳しく紹介しています。
同じ臨床疑問でPubMedと生成AIを検索してみた
ここで、実際の検索結果を並べてみます。
| 比較 | PubMed | ChatGPT | OpenEvidence |
| 入力方法 | 検索キーワード | 自然文 | 自然文 |
| 最初の結果 | 395件の文献一覧 | 臨床的な回答＋文献 | 臨床的な回答＋引用文献 |
| 主要な根拠 | 自分で選ぶ | EBCTCG 2015を中心に整理 | EBCTCG、ATAC、BIG 1-98などを整理 |
| ガイドライン | 検索結果次第 | ASCO 2026を提示 | NCCN 2026を提示 |
| 数値の整理 | 原著を読んで確認 | 回答内で整理 | 回答内で整理 |
| 候補の絞り込み | 自分で行う | AIが実施 | AIが実施 |
| 網羅的な検索 | 向いている | 限定的 | 限定的 |
今回の結果を見ると、PubMedと生成AIはかなり違う仕事をしていることがわかります。
PubMedは検索条件に関連する文献を広く返します。
ChatGPTやOpenEvidenceは、質問の意味を理解したうえで、重要と思われる研究を選び、回答として整理しました。
最終的に見つかった主要論文はどこまで同じだった？
検索方法は違っても、重要な文献にはかなり重なりがありました。
| 主要文献 | PubMed 1ページ目 | ChatGPT | OpenEvidence |
| EBCTCG 2015 | 1ページ目では確認できず | ○ | ○ |
| ATAC 2010 | ○ | 関連ソースとして提示 | ○ |
| BIG 1-98 | ○ | 今回の中心回答ではなし | ○ |
| EBCTCG 2022 | ○ | ○ | ○ |
| SOFT/TEXT | ○ | 閉経前関連文献を提示 | ○ |
なお、PubMedについては1ページ目だけを確認しています。
EBCTCG 2015が1ページ目に出なかったからといって、PubMedで見つけられないという意味ではありません。検索語や絞り込み方を変えれば、当然検索できます。
ここで見るべきなのは、同じ疑問でも入口によって最初に見える論文が違うという点です。
PubMedでは関連文献の中から自分で主要研究を見つけます。生成AIでは、AIが主要と判断した研究から検索を始められます。
AI論文検索とPubMedの違い
今回の比較で最も大きな違いは、「何が返ってくるか」です。
PubMedは、検索条件に関連する文献の一覧を返します。
一方、ChatGPTやOpenEvidenceでは、質問への回答が先にあり、その根拠として論文が示されました。
つまりPubMedは文献を探す検索エンジンであり、生成AIは臨床疑問から文献へ近づく案内役として使えます。
ただし、生成AIが選んだ文献が必ず最適とは限りません。
AIが重要な研究を漏らしたり、質問の解釈によって異なる文献を選んだりする可能性があります。
PubMedと生成AIはどちらが論文を探しやすい？
「最初の一歩」という意味では、生成AIは使いやすい方法です。
臨床疑問を普通の文章で入力するだけで、質問の整理、代表的な研究、結果の概要まで確認できるためです。
今回のChatGPT回答でも、EBCTCG 2015の数値だけでなく、ASCO 2026、副作用、閉経前患者との違いまで一度に整理されました。
一方、PubMedでは395件の検索結果から必要な研究を探す必要があります。
ただし、関連研究を漏れなく探したい場合や検索条件を記録したい場合は、PubMedの方が適しています。
「まず何を読めばよいか知りたい」なら生成AI。「条件を決めて関連論文を広く探したい」ならPubMed。目的によって使いやすさは変わります。
PubMedとAI論文検索はどう使い分ける？
ここまで比べると、PubMedと生成AIを「どちらが優れているか」で考える必要がないことがわかります。
それぞれ得意な場面が違うからです。
むしろ両方の特徴を知り、目的に応じて使い分ける方が論文検索を効率化できます。
PubMedが向いている論文検索
PubMedが向いているのは、条件を明確にして医学論文を探したい場面です。
疾患、治療、対象患者、研究デザイン、出版年などを組み合わせれば、必要な文献へ絞り込めます。
また、PMID、著者、掲載誌、出版年などの書誌情報を確認しやすい点も重要です。
研究として網羅的な検索を行う場合は、検索式を記録できるPubMedなどのデータベース検索が欠かせません。
デメリットは、検索語を考え、多数の候補から必要な論文を選ぶ作業が必要になることです。
生成AIが向いている論文検索
生成AIが特に使いやすいのは、論文検索の入り口です。
例えば、「この治療にはどの程度エビデンスがあるのか」「代表的な論文は何か」といった段階では、臨床疑問を文章のまま入力できます。
すると、研究全体の方向性や重要な論文候補を短時間で把握できます。
今回もChatGPTは、単にEBCTCG 2015を示すだけでなく、再発、乳がん死亡、副作用、ガイドラインまでまとめました。
ただし、AIが返した回答だけで検索を終えるべきではありません。
重要な情報は、元となる論文やガイドラインまで戻って確認する必要があります。
OpenEvidenceで臨床疑問から医学論文を探す
生成AIを医学論文検索の入口として試すなら、OpenEvidenceも選択肢の一つです。
今回も、検索キーワードを考えるのではなく、臨床疑問をそのまま入力しました。
早期乳がんの術後補助療法で、アロマターゼ阻害薬はタモキシフェンより再発を減らすか？
回答ではEBCTCG 2015を中心に、ATAC、BIG 1-98、EBCTCG 2022、SOFT/TEXTなどが引用されました。
ここで重要なのは、OpenEvidenceがPubMedの代わりになるということではありません。
「普段診療で感じている疑問を、そのまま医学文献検索の入口にできる」ことに価値があります。
OpenEvidenceを論文検索に使う流れについて詳しく知りたい方は、医師が論文検索AIにOpenEvidenceを使う理由も参考にしてください。
OpenEvidenceを論文検索と入り口でPubMedと併用する
私であれば、PubMedとOpenEvidenceをどちらか一方だけに決める必要はないと考えます。
例えば、次のように使えます。
1．OpenEvidenceに臨床疑問を入力する
まず、関連する重要研究のあたりをつけます。
2．回答に表示された引用文献を確認する
タイトル、著者、研究内容、発表年などを確認します。
3．PubMedで原著と関連研究を調べる
PMIDや書誌情報を確認し、必要であれば検索範囲を広げます。
こうすれば、生成AIの質問しやすさとPubMedの文献検索機能を組み合わせられます。
一方で、系統的レビューなど網羅的な検索が目的なら、初めからデータベースで体系的な検索を行う必要があります。
AI論文検索を使うときの注意点
生成AIを論文検索に使う際、最も注意したいのは、回答と原著論文を同じものとして扱わないことです。
引用された論文が実在していても、AIの説明が研究結果を正確に反映しているとは限りません。
対象患者、研究デザイン、主要評価項目、追跡期間などによって、結果の意味は変わります。
また、生成AIが重要な文献を拾わない可能性もあります。
今回も、ChatGPT、OpenEvidence、PubMedの最初の結果は完全には一致しませんでした。
このため、少なくとも重要な主張については、引用論文を開き、元の研究内容まで確認してください。
診療に利用する場合は、最新の診療ガイドライン、承認状況、添付文書、患者背景なども別途確認する必要があります。
AI論文検索とPubMedはどちらか一方ではない
今回、同じ早期乳がんの臨床疑問をPubMed、ChatGPT、OpenEvidenceで検索しました。
検索体験はかなり違います。
PubMedでは395件の文献候補が表示され、そこから自分で重要な研究を選びます。
ChatGPTではEBCTCG 2015を中心に、再発率、死亡率、副作用、ASCOガイドラインまで一つの回答として整理されました。
OpenEvidenceでもEBCTCG 2015を中心に、ATAC、BIG 1-98、SOFT/TEXT、NCCNなどへ広がっています。
つまり、どの方法でも重要な文献へたどり着けますが、そこまでの道筋が違います。
PubMedは「正確に探す・確認する」。生成AIは「質問から論文へ近づく」。OpenEvidenceは「臨床疑問から医学文献へ進む」。
こう考えると、生成AIをPubMedの代わりとして見る必要はありません。
むしろ、これまでPubMedだけで検索していた方にとって、論文検索を始める前の新しい入口が一つ増えたと考える方がわかりやすいでしょう。
普段の診療で「この治療、本当にこちらの方がよいのだろうか」「この患者ではどうだろう」と思う場面は少なくありません。
そんなとき、まず疑問をそのままAIに入力し、どのような論文が引用されるのかを見るところから始める方法があります。
AIを使った医学論文検索について基本から整理したい方は、AIで医学論文を検索する方法と注意点｜従来の検索と生成AIをどう使い分ける？もあわせてご覧ください。
まずは、自分が普段気になっている臨床疑問を一つ入力してみてください。
OpenEvidenceは登録前でも数回質問できます。今回と同じように、回答だけでなく、どの論文やガイドラインが引用されるのかまで見ると、生成AIを論文検索の入口として使う感覚がつかみやすくなります。
▶︎ OpenEvidenceで自分の臨床疑問を質問してみる
AIの回答だけで診療判断を行わず、重要な医学情報については原著論文、最新の診療ガイドライン、添付文書などを確認してください。