実装ハンズオン

【Dify】医学論文仕分けアプリをつくる Part1：質問から論文リストを取得

2026年1月4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. 各ノードの詳細解説
4. まとめ

1. はじめに

本記事は、Difyのチャットワークフローを使って、PubMed論文の検索・翻訳・要約を自動化するシステムを構築するシリーズのPart 1です。

このシリーズでは、自然言語で検索クエリを入力して「論文検索→各論文のタイトルを日本語に翻訳→アブストラクト要約→Googleスプレッドシートに保存」という処理を一気に実現するワークフローについて解説します。

本記事（Part 1）では、ユーザー入力➔パラメータ抽出➔E-Search➔PMIDリスト整形までの処理を詳しく解説します。ここで整えたデータが後続のE-Fetch処理の土台になります。

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。

PubMed APIの基礎知識については、Part 0で詳しく解説していますので、本記事では各ノードの実装詳細に焦点を当てます。

シリーズ構成

Part0: 全体像とPubMed API基礎
Part 1（本記事）: 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、以下のような処理の流れで構成されています。

ユーザー入力: 自然言語での検索クエリ
現在年の取得: 年次フィルタリングに使用
パラメータ抽出: LLMが自然言語からPubMed検索パラメータを抽出
APIリクエスト整形: 抽出したパラメータをPubMed API形式に変換
E-Search: PubMedで論文ID（PMID）を検索
E-Fetch: 論文の詳細データ（XML）を取得
パース処理: XMLを構造化データに変換
イテレーション: 各論文に対してLLMで翻訳・要約・優先度判定
CSV生成: 論文データとAI分析結果をマージしてCSV形式に変換
GAS連携: Google Apps Scriptに送信してスプレッドシートに保存
結果返却: スプレッドシートのURLをユーザーに返却

本記事では、ステップ1〜5（E-SearchとPMID取得）までを詳しく解説します。E-Fetchとパース処理はPart 2で取り上げます。

3. 各ノードの詳細解説

3-1. ユーザー入力ノード（Start）

ワークフローの開始点となるノードです。ユーザーからの自然言語クエリを受け取ります。

設定内容

今回のワークフローでは、特に追加の設定不要です。

項目	設定値
ノードタイプ	Start
変数	なし

3-2.Current Time（Tool）

現在の年を取得するためのビルトインツールです。パラメータ抽出ノードで、ユーザーが「直近5年間の論文」のような相対的な期間指定をした際に、現在年を基準に min_year を計算するために使用されます。生成AIは基本的に「今、何日か？」といったデータを持っていません。そのため`CURRENT_TIME`のようなノードを使って、明示的に理解させる必要があります。

設定内容

項目	設定値
ツール名	Current Time
Format	%Y (年のみ)
Timezone	Asia/Tokyo

出力

text : 現在の年が出力されます（例: “2025”）

3-3.パラメータ抽出ノード（Parameter Extractor）

ユーザーの自然言語クエリ（主に日本語）から、PubMed APIで使用する検索パラメータを抽出するノードです。LLMを使用して構造化されたパラメータを生成します。このパラメータ抽出ノードがこの論文仕分けアプリにおいて最も重要なノードの一つです。

モデル設定

モデルはお好きなモデルをお使いください。

項目	設定値
モデル	gpt-4o-mini
プロバイダー	openai
Temperature	0.1

抽出パラメータ

パラメータ抽出ノードの [ + ]ボタンを押してパラメータを追加します。以下をそれぞれコピペして設定していくだけで大丈夫です。

パラメータ名	型	必須	説明（Description）
main_query	string	✅	The Search Term Core topic, disease, drug, or therapy. • Combine core concepts (e.g., “Relationship between A and B” → “A AND B”). • Rule: Do NOT apply a [Title] tag here. Just provide the translated English term/MeSH.
title_filter	string	–	Strict Constraint Drastically narrows results to highly relevant papers. • Use ONLY when user explicitly says “Title must include…”, “Title search”, “タイトル検索”, or “タイトルに含まれる”.
author_filter	string	–	• Extract names • Rule: Remove Japanese honorifics (e.g., “さん”, “氏”, “先生”).
journal_filter	string	–	• Extract journals.
pub_type_filter	string	–	Identify implied study designs. • “RCT”, “無作為化” → “Randomized Controlled Trial” • “Review”, “まとめ” → “Review” • “Meta- analysis” → “Meta-Analysis” • “Case report”, “症例” → “Case Reports”
min_year	string	–	Start Date The oldest year to include. • “2023年以降”, “Since 2023″→”2023”
max_year	string	–	End Date The newest year to include.
retmax	string	✅	Result Count Number of papers to retrieve. • Extract explicit numbers: “10件”, “Top 5” → Integer (e.g., 10, 5). • Default: 20 (if not specified).

プロンプト

LLMに与えるプロンプトは上記です。

※ 2ステップ目で作成した「CURRENT_NODE 」の出力を #current_yearの箇所に加えてあげることで、生成AIが「今、西暦何年か」を理解することができます。

## Role
You are an expert Medical Librarian and a PubMed Search API Specialist. Your goal is to extract search param eters from the user's natural language query (which is mostly in Japanese) and format them into a structured JSON object for the PubMed `esearch` API.

## Instructions
1.	**Translate to English**: The user input will be in Japanese. You must translate all search terms (Diseases, Drugs, Concepts) into **English** (specifically MeSH headings where applicable).
2.	**Extract Parameters**: Identify specific constraints based on the "Parameter Definition Table" below.
3.	**Determine Fetch Necessity**: Decide if the user needs `efetch` (detailed data like Abstract) or if `esumm ary` (metadata only) is sufficient.

## current_year
<year>{{/ ⟵ スラッシュボタンを押すとウィンドウが開くので、CURRENT_TIMEの出力を選択}}</year>
* use this year to extract `min_year` or `max_year`. if user needs 「直近5年間の〜」 it means that current_year
- 5 = min_year.

プロンプトには以下の重要な指示が含まれています。

翻訳ルール: 日本語の検索語を英語（特にMeSH用語）に翻訳
現在年の活用: Current Timeノードから現在年を取得し、「直近5年間」のような相対指定を絶対年へ変換
タイトルフィルタの厳格化: ユーザーが明示的に「タイトル検索」と言及した場合のみ title_filter を使用

3-4. API用リクエストデータ整形（Codeノード）

パラメータ抽出ノードで取得したパラメータを、PubMed APIの esearch エンドポイントで使用できる形式に整形するPythonコードノードです。

入力変数

変数名	ソース	型
main_query	パラメータ抽出ノード	string
title_filter	パラメータ抽出ノード	string
author_filter	パラメータ抽出ノード	string
author_filter	パラメータ抽出ノード	string
pub_type_filter	パラメータ抽出ノード	string
min_year	パラメータ抽出ノード	string
max_year	パラメータ抽出ノード	string
retmax	パラメータ抽出ノード	string

コードの処理内容

def main(
  main_query: str,
  title_filter: str,
  author_filter: str,
  journal_filter: str,
  pub_type_filter: str,
  min_year: str,
  max_year: str,
  retmax: str):

# PubMedAPIへのクエリを格納する箱
query_parts = []

# Main Query (主題)
if main_query:
  query_parts.append(f"({main_query})")

# Title Filter (タイトル限定)
if title_filter:
  query_parts.append(f'"{title_filter}"[Title]')

# Journal Filter (雑誌名)
if journal_filter:
  query_parts.append(f'"{journal_filter}"[Journal]')

# Author Filter (著者名)
if author_filter:
  query_parts.append(f'"{author_filter}"[Author]')

# Publication Type (研究デザイン)
if pub_type_filter:
  query_parts.append(f'"{pub_type_filter}"[Publication Type]')

# 全てを AND で結合
full_term = " AND ".join(query_parts)

# フォールバック: 全て空の場合は全件検索
if not full_term:
  full_term = "all[sb]"

# その他のパラメータ処理
final_retmax = retmax if retmax else "20"
final_min_year = min_year if min_year else ""
final_max_year = max_year if max_year else ""

# 結果を返す
return {
  "search_term": full_term,
  "retmax": final_retmax,
  "mindate": final_min_year,
  "maxdate": final_max_year,
  "datetype": "pdat"
}

処理の流れ

クエリパーツの構築: 各フィルタが存在する場合、PubMedの検索構文（ [Title] 、 [Journal] 、 [Author] 、 [Publication Type] ）を付与して配列に追加
AND結合:” AND “.join(query_parts)で全ての条件をANDで結合
デフォルト値処理:
- retmax が空の場合は”20″を設定
- 日付パラメータは空文字列のまま（API側で無視される）
フォールバック: 全てのクエリが空の場合は “all[sb]” （全件検索）を設定

出力

出力名	型	説明
search_term	string	PubMed検索クエリ（例: “(diabetes) AND \”insulin\”[Title]”）
retmax	string	取得件数
mindate	string	開始年
maxdate	string	終了年
datetype	string	日付タイプ（”pdat” = 公開日）

3-5. E-Search（HTTP Requestノード）

PubMedの E-search APIを呼び出して、検索条件に一致する論文のPMID（PubMed ID）リストを取得するノードです。

設定内容

上記の画像を参考にしながら、以下の項目を設定してください。

項目	設定値
メソッド	ヘッダー
URL	https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi
認証	今回はなし（API_KEYによる認証を行うと高頻度・大量にデータを取得可能）
ヘッダー	Content-Type:application/json

設定内容

パラメータ名	値	説明
db	pubmed	データベース（PubMed）
term	{{#search_term#}}	検索クエリ
retmax	{{#retmax#}}	取得件数
retmode	json	レスポンス形式
mindate	{{#mindate#}}	開始年
maxdate	{{#maxdate#}}	終了年

レスポンス例

{
  "esearchresult": {
    "idlist": ["12345678", "23456789", "34567890"]
  }
}

3-6. 配列を文字列に変換（Codeノード）

E-Searchのレスポンス（JSON形式）からPMIDの配列を抽出し、カンマ区切りの文字列に変換するノードです。次のE- Fetchノードで使用するため、PMIDを文字列形式に整形します。

入力変数

変数名	ソース	型
body	E-Searchノード	string

コード

import json

def main(body) -> dict:
# 値が空（想定外のエラー）の時はエラー
if not body:
  raise Exception("Invalid parameter")

# pmidの配列を読み込み
id_list = json.loads(body)

# 配列をカンマ区切りで展開して返却
return {
  "result": ",".join(id_list["esearchresult"]["idlist"])
}

処理の流れ

JSONパース: E-SearchのレスポンスをJSONとして解析
PMID抽出: esearchresult.idlist からPMIDの配列を取得
文字列変換: “,”.join() でカンマ区切りの文字列に変換（例: “12345678,23456789,34567890”）

出力

出力名	型	説明
result	string	string

4. まとめ

本記事（Part 1）では、DifyのチャットワークフローでPubMed検索を開始するための「前半戦」を解説しました。

本記事で実現したこと

自然言語クエリからPubMed検索パラメータへの変換
PubMed API（E-Search）での論文ID（PMID）検索
後続処理に渡すためのPMID文字列整形

次のステップ

次回のPart 2では、ここで取得したPMIDを用いてE-Fetchを呼び出し、論文の詳細データ（XML）を取得・パースする処理を解説します。XMLから必要項目を抽出する実装を中心に取り上げます。

シリーズ記事

Part0: 全体像とPubMed API基礎
Part 1: パラメータ抽出とE-Search編
Part 2（次回記事）: 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