ChatGPTを開いて、こんな質問を入力したとします：
「研究データに欠損値がたくさんあります。どう対処すればいいですか？」
AIは5〜6段落にわたって回答を返してきます。平均値代入、多重代入、完全ケース分析……すべての手法に触れているのに、どれも具体的な説明がない。読み終わっても、自分のデータにどの方法が適切かは、依然としてわからないままです。
これはAIが賢くないのではありません。問い方そのものが、最初からこの結果を招いていたのです。
場当たり的な質問の3つの致命的欠陥
欠陥1：AIはあなたが誰なのかを知らない
「欠損値の処理方法を教えてください」という質問は、高校生でも、データサイエンティストでも、臨床研究者でも尋ねられます。しかし、3者が必要とする答えはまったく異なります。
あなたの背景を伝えなければ、AIは最も「安全な」選択肢をとります——すべてを網羅した汎用的な回答です。詳しいようで、誰の役にも立たない内容です。
比較例：役割設定を加えるだけで、会話は大きく変わります：
「あなたは臨床研究で10年の経験を持つ生物統計学者です。私は今まさにコホート研究を始めた研修医で…」
すると AIは、どんなトーンで、どの深さで、どの専門用語を使うべきかをすぐに把握します。
欠陥2：AIはあなたの具体的な状況を知らない
欠損データの問題への正しい答えは、多くの詳細に依存しています：
- 欠損しているのはどの変数ですか？連続変数ですか、2値変数ですか？
- 欠損の割合は？5%ですか、30%ですか？
- 欠損はランダムですか（MAR）、それとも非ランダムですか（MNAR）？
- 使用している統計ソフトは？
これらの情報はあなたの頭の中にあります——でもAIには伝えていません。AIは空白を推測で埋めますが、その推測はたいてい間違っています。
結果として：読むと詳しそうに見えるけれど、実際の研究とはまったく無関係な回答が返ってきます。
欠陥3：出力形式を指定していない
同じ質問でも、AIは次のいずれかの形式で回答できます：
- 一般向けの解説文
- 手順を示したステップリスト
- Methodsセクションにそのまま貼れる段落
- 各手法の長所・短所を比較した表
どれが必要でしたか？伝えていないので、AIが勝手に決めます——たいていは自分にとって「自然な」形式であり、あなたが実際に使える形式ではありません。
実際の比較
同じテーマについて、2つの問い方をしてみましょう：PICOリサーチクエスチョンの構築です。
アプローチA（場当たり的）：
「2型糖尿病の薬物治療についてPICOリサーチクエスチョンを書いてください。」
AIは通常、あなたの研究とはまったく関係のない汎用的なサンプルを返します。
アプローチB（構造化）：
「あなたは観察研究デザインの指導経験豊富な臨床疫学者です。
私は地域病院を受診した18〜65歳の2型糖尿病患者を対象とした後ろ向きコホート研究を計画中です。SGLT-2阻害剤とDPP-4阻害剤を比較し、3年間の追跡で主要心血管イベント（MACE）への影響を調べます。ベースラインの心不全患者は除外済みです。
以下をお願いします：
- 完全なPICOフレームワークを構築する（各要素を個別に列挙）
- このリサーチクエスチョンの潜在的交絡因子を特定する
- PubMed検索用語の組み合わせを3〜5つ提案する
出力言語：日本語"
アプローチBで得られる内容は、研究計画書にそのまま使えるものです。
構造化された医学プロンプトの3要素
効果的な医学研究プロンプトには、3つの核となる要素が含まれています：
| 要素 | 目的 | 例 |
|---|---|---|
| 役割設定 | AIがどの専門的バックグラウンドから思考するかを伝える | 「臨床試験経験のある生物統計学者として」 |
| 研究背景 | AIがあなたの状況を理解できるだけの文脈を提供する | 研究デザイン、サンプル、変数、既知の条件 |
| 出力形式の指定 | 回答の構造とフォーマットを定義する | 「PICO形式でリストアップし、MeSH検索語を含める」 |
3つすべてが必要です。役割がなければ回答は汎用的すぎます。背景がなければ回答はあなたの研究と無関係です。出力形式の指定がなければ使えない形式で返ってきます。
なぜゼロから書くことが続かないのか
原理はわかっていても、ほとんどの研究者は実践を維持できません：
- ゼロから書くのは時間がかかりすぎる：良質な構造化プロンプトの作成には10〜15分かかります
- 何の文脈を含めればいいかわからない：研究タスクによって必要な背景情報はまったく異なります
- 重要な制約を忘れやすい：「ステップワイズ回帰は使わないで」と伝え忘れると、統計学的に問題のある手法を推薦されます
- 領域固有の失敗パターンを知らない：たとえば、2値変数への平均値代入は既知の落とし穴ですが、実際に経験してみないとわかりません
これらの問題は、場当たり的な質問では解決できません。
より良いアプローチ
医学研究ワークフローの各タスクには、最適化された構造化プロンプトテンプレートがあります。これらのテンプレートには以下があらかじめ組み込まれています：
- 適切な役割設定と専門的なフレーミング
- そのタスクに必要な主要情報収集の問いかけ
- AIの一般的なエラーを防ぐガードレール
- 標準化された出力形式
あなたがすることは、研究の詳細——デザイン、変数、サンプルサイズ——を入力するだけです。生成されたプロンプトを、お好みのAIツールにコピーするだけで使えます。
文献調査、PICO構築、統計手法の選択、原稿の校正、抄録生成まで、研究全体をカバーするテンプレートが揃っています。
無料テンプレートはサインアップ不要でそのまま使えます。