実装ハンズオン

【Dify】医学論文仕分けアプリをつくる全体像：PubMed APIの基礎

2025年12月28日更新: 2026年9月7日

連載シリーズ

Difyでつくる医学論文仕分けアプリ

全5回・PubMed API × Dify チャットワークフロー・GAS連携まで

1. はじめに
2. ワークフローの全体像
3. PubMed API基礎知識
4. このワークフローで実現すること
5. シリーズ構成
6. まとめ

1. はじめに

本シリーズでは、Difyのチャットワークフローを使用して、PubMed論文の検索・翻訳・要約を自動化するシステムの構築方法を解説します。

自然言語で検索クエリを入力すると、論文を検索し、各論文のタイトルを日本語に翻訳、アブストラクトを要約し、優先度を判定した上で、Googleスプレッドシートに保存するまでの一連の流れを実現します。

このワークフローは、医学研究や文献調査の効率化に役立ち、特に大量の論文を扱う際の時間短縮に貢献します。

1-1. 完成イメージ

文章で質問を行うとスプレッドシートのリンクを返してくれる

スプレッドシートを見ると条件に一致する論文を保存してくれる（今回はテスト用に2件のみ）

本記事（Part 0）では、ワークフローの全体像とPubMed APIの基礎知識を解説します。これらを理解することで、以降のPart 1〜Part 4で解説する各ノードの実装がより深く理解できるようになります。

シリーズ構成

Part0（本記事）: 全体像とPubMed API基礎
Part 1: パラメータ抽出とE-Search編
Part 2: E-Fetchとデータパース編
Part 3: AI処理・データ整形編
Part4: データ保存とGAS連携編

2. ワークフローの全体像

このワークフローは、以下の5つの主要なステップで構成されています。

2-1. ステップ1: 検索パラメータの抽出（Part 1）

ユーザーが自然言語で入力した検索クエリ（例: 「糖尿病のインスリン療法に関する2020年以降のRCT」）を、PubMed APIで使用できる検索パラメータに変換します。

入力: 自然言語クエリ（日本語）
処理: LLMによるパラメータ抽出
出力: 構造化された検索パラメータ（ main_query , title_filter , author_filter 等）

2-2. ステップ2: E-Fetchとデータパース（Part 2）

Part 1で生成したPMIDリストをもとに、用途に応じてE-Fetchまで論文詳細データを取得します。

論文詳細取得: E-Fetchによるデータ取得
E-Fetch: XMLレスポンスを取得
XML/JSONパース: LLMが扱いやすいPython dict/listへ整形

2-3. ステップ3: AIによる要約生成（Part 3）

取得した論文データに対して、LLMを使用して以下の処理を行います。

タイトル翻訳: 英語のタイトルを自然な日本語に翻訳
要約生成: アブストラクトを100〜200文字の日本語で要約
優先度判定: ユーザーの検索意図に基づいて、各論文の重要度をHIGH/MID/LOWで判定
データマージ: 元データとAI分析結果を統合
CSV生成: スプレッドシート保存用のCSV形式に変換

2-4. ステップ4: スプレッドシートへの保存（Part 4）

生成したCSVデータをGoogle Apps Script（GAS）経由でGoogleスプレッドシートに保存します。

GAS連携: CSVデータをGASのWebhookエンドポイントに送信
スプレッドシート保存: GASがCSVをパースしてスプレッドシートに追記
結果返却: スプレッドシートのURLをユーザーに返却

2-5.全体のデータフロー

ユーザー入力（自然言語）
↓
パラメータ抽出（LLM）
↓
E-Search（PMIDリスト取得）
↓
E-Fetch（詳細データ取得）
↓
XML/JSONパース
↓
イテレーション + LLM（翻訳・要約・優先度判定）
↓
CSV生成
↓
GAS連携（スプレッドシート保存）
↓
結果返却（URL）

3. PubMed API基礎知識

ワークフローの解説に映る前に、part0となる本記事では、PubMed APIについて解説します。

3-1. PubMed APIとは

PubMed APIは、米国国立医学図書館（NLM）が提供する生物医学分野の文献データベース「PubMed」にプログラムからアクセスするためのインターフェースです。正式名称は「Entrez Programming Utilities（E-utilities）」または「E-Utils」と呼ばれます。

このAPIを使用することで、プログラムからPubMedのデータを検索し、論文情報を自動的に取得・処理することが可能になります。

3-2. 基本的な使用フロー

PubMed APIを使用する際は、以下の3つのステップを順番に実行する必要があります。

ステップ1: E-Search – 論文のリスト（PMID）を取得

まず、E-Searchを使用して、特定のキーワードや検索条件に合致する論文のPubMed ID（PMID）のリストを取得します。

重要なポイント: E-Searchは論文の詳細情報を返すのではなく、検索結果に該当する論文のPMID（識別番号）のリストのみを返します。このリストを取得することが、後続の処理の第一歩となります。

使用例:

https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=cancer

このリクエストにより、キーワード「cancer」に該当する論文のPMIDリストを取得できます。

ステップ2: E-SummaryまたはE-Fetch – 詳細情報を取得

E-Searchで取得したPMIDリストを基に、E-SummaryまたはE-Fetchを使用して各論文の詳細情報を取得します。

3-3. E-SummaryとE-Fetchの使い分け

E-Summary: 軽量な概要情報の取得

取得できる情報:

タイトル
著者名
掲載誌名
出版年
基本的なメタデータ

特徴:

データ量が少なく、処理が高速
多数の論文の概要を一括で把握するのに適している
アブストラクト（要旨）は含まれない

使用例:

https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=pubmed&id=12345678

E-Fetch: 詳細情報の取得

E-Fetchの方が詳細取得が可能なため、今回のワークフローではこちらをメインに使用します。

取得できる情報:

E-Summaryで取得できるすべての情報
アブストラクト（要旨）
MeSH用語（医学主題見出し）より詳細なメタデータ
全文へのリンク（利用可能な場合）

特徴:

アブストラクトや詳細な情報が必要な場合に使用
データが多いので必要最小限の論文に対して使用すると効率的

使用例:

<https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=pubmed&id=12345678&retmode=xml>

使い分けの指針

まずE-Summaryで概要を確認: 多数の論文を処理する場合や、タイトルや著者などの基本情報だけで十分な場合は、E-Summaryを使用します。これにより、処理速度を向上させることができます。
必要に応じてE-Fetchで詳細を取得: アブストラクトやMeSH用語など、より詳細な情報が必要な場合のみ、E-Fetchを使用します。E- Fetchはデータ量が多いため、必要な論文に対してのみ使用することを推奨します。
効率的な処理フロー:
- E-SearchでPMIDリストを取得
- E-Summaryで全論文の概要を確認
- 必要な論文のみを選別
- 選別した論文に対してE-Fetchで詳細情報を取得

今回作成した論文仕分けアプリは、最終的にスプレッドシートに論文を蓄積していくことも目標の一つです。そのため、E-Summaryは使わずにE-Fetchを活用したフローとなっています。ただE-Summaryも使えるようなフローを作成したので興味がある方は、後続の記事を読んで試してみてください。

3-4. 注意点

レート制限

1秒間に3回以上のリクエストを行わないようにする必要があります
過度なリクエストを行うと、アクセスが制限される可能性があります
大量のデータを取得する場合は、適切な間隔を設けてリクエストを行います

APIキー

APIキーを取得することで、秒あたりのアクセス上限を増やすことが可能です
APIキーはNCBIのアカウントから取得できます

利用規約

NCBIの利用規約を遵守する必要があります
商用利用や大量のデータ取得を行う場合は、特に注意が必要です

3-5. PubMed APIのまとめ

PubMed APIを使用する際の基本的な流れは以下の通りです：

E-Search: 検索条件に基づいてPMIDリストを取得（必須の第一歩）
E-Summary: 基本的な情報を高速に取得（概要把握に適している）
E-Fetch: 詳細な情報を取得（アブストラクトなどが必要な場合のみ）

この3つのAPIを適切に組み合わせることで、効率的にPubMedから論文情報を取得し、研究や業務の効率化を図ることができます。

本ブログシリーズで解説するワークフローでは、E-Summaryは使用しませんが、E-Fetchと同様の方法で情報が取得できるため、興味のある方は試してみて下さい。

4. このワークフローで実現すること

このワークフローを構築することで、以下のようなことが実現できます。

4-1. 自然言語での論文検索

ユーザーは、複雑なPubMed検索構文を覚える必要がなく、自然言語で検索クエリを入力するだけで、適切な検索が実行されます。

例:

「糖尿病のインスリン療法に関する2020年以降のRCT」
「タイトルにCOVID-19を含むレビュー論文」
「山田太郎氏が著者の2023年の論文」

4-2. 自動的な翻訳と要約

取得した論文のタイトルを自動的に日本語に翻訳し、アブストラクトを要約します。

これにより、英語が苦手な研究者でも、論文の内容を素早く把握できます。

4-3. 検索意図に基づく優先度判定

ユーザーの検索意図を考慮して、各論文の重要度を自動的に判定します。

これにより、大量の論文の中から、特に重要な論文を優先的に確認できます。

4-4. スプレッドシートへの自動保存

処理結果をGoogleスプレッドシートに自動保存することで、以下のメリットがあります。

共有が容易: チームメンバーと簡単に共有できる
分析が容易: スプレッドシートの機能を使って、データの分析や可視化が可能
履歴管理: 過去の検索結果を蓄積し、後から参照できる

5. シリーズ構成

本シリーズは、以下の5つの記事で構成されています。

パート	主な内容
Part 0（本記事）: 全体像とPubMed API基礎	・ワークフローの全体像・PubMed APIの基礎知識・このワークフローで実現すること
Part 1: パラメータ抽出とE-Search編	・ユーザー入力ノード・Current Time / パラメータ抽出ノード・E-SearchとPMID整形
Part 2: E-Fetch / E-Summaryとデータパース編	・E-Fetchによる論文情報取得・変数集約器とXML/JSONパース
Part 3: AI処理・データ整形編	・イテレーション処理（並列）・LLMによる翻訳・要約・優先度判定・CSV生成処理
Part 4: データ保存とGAS連携編	・CSV統合とGASへのPOST送信・GASコードの詳細解説

6. まとめ

本記事（Part 0）では、Difyを使用した論文検索・翻訳・要約ワークフローの全体像と、PubMed APIの基礎知識を解説しました。

次のステップ

次回のPart 1では、自然言語クエリをPubMed検索パラメータへ落とし込み、E-SearchでPMIDリストを取得するところまでを詳しく解説します。具体的には、以下のノードを実装していきます。

開始ノード
Current Time取得（日付確認用）
文章からパラメーター取得（パラメータ抽出ノード）
API用リクエストデータ整形（Codeノード） E-Search（HTTP Requestノード）
PMID配列→文字列変換（Codeノード）

これらのノードを実装することで、自然言語での論文検索から詳細データの取得までが自動化されます。

シリーズ記事

Part0（本記事）: 全体像とPubMed API基礎
Part 1: パラメータ抽出とE-Search編
Part 2: E-Fetchとデータパース編
Part 3: AI処理・データ整形編
Part4: データ保存とGAS連携編

連載シリーズ

Difyでつくる医学論文仕分けアプリ

全5回・PubMed API × Dify チャットワークフロー・GAS連携まで