実装ハンズオン

【Dify】医学論文仕分けアプリをつくる Part2：PubMed APIから論文詳細を取得

2026年1月11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. ワークフローの位置づけ
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リーズのPart 2です。

Part 1の振り返り:

自然言語クエリ（日本語）からPubMed検索パラメータを抽出
E-SearchでPMIDリストを取得
後段ノードに渡すためPMIDをカンマ区切り文字列へ整形

Part 2（本記事）では、PMIDリストをもとにE-Fetchで論文の詳細データを取得し、後続のAI処理で扱いやすい構造化データへ変換するまでを解説します。ここでは、PubMedから返却されるXMLのパース処理を丁寧に解説します。

シリーズ構成

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

2. ワークフローの位置づけ

Part 1で整形したPMID文字列は、これから紹介するノードに渡されます。

E-Fetch: 論文の詳細データを取得（XML形式）
XMLパース: LLM処理で扱いやすいPython dict / list形式へ変換

この簡易版では、E-Fetchのみを使用して論文の詳細データを取得します。E-Summaryは使用せず、常にE-FetchでXML形式のデータを取得することで、アブストラクトやMeSH用語などの詳細情報を確実に取得できます。

ここまでを整えることで、Part 3で実施するAI要約・優先度付けをスムーズに実装できます。

3. 各ノードの詳細解説

3-1. E-Fetch（HTTP Requestノード）

PubMedの E-fetch APIを呼び出して、論文の詳細データをXML形式で取得するノードです。
この簡易版のワークフローでは、テスト用に retmax を固定で 3 に設定することで、最大取得件数を3件に抑えています。

パラメータ	値	説明
URL	https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi	PubMed E-Fetchエンドポイント
メソッド	GET

パラメータ

パラメータ	値	説明
db	pubmed	データベース名
id	{{#1764077943290.result#}}	カンマ区切りのPMID文字列（前のノードから取得）
retmode	xml	XMLレスポンスを取得
retmax	3	取得件数（テスト用に3件で固定）

特徴: Abstract、MeSH、著者、掲載誌など詳細なデータがすべて含まれるため、LLM要約やキーワード抽出に最適です。

3-2.XMLレスポンスのパース（Codeノード）

E-FetchのエンドポイントはXML形式のデータを返します。
通常のJSON文字列ではないため、コードブロックにてPythonのxml.etree.ElementTree を使って必要な項目を抽出・整形します。
（Difyでは標準的なPythonライブラリを呼び出して使うことができます）

以下のコードは理解していなくても大丈夫です。コピペで動かすことができます（コードブロックの入力変数と出力変数の名称や、タイプを揃えるよう注意してください）

主な抽出項目

項目	説明
pmid	PubMed ID
title	英語タイトル
abstract	AbstractTextに付与されたLabel込みで抽出し、改行で結合
author	著者一覧（”Forename Lastname”形式）
main_author_affiliation	第一著者の所属機関
journal_inshort	雑誌略称
journal	雑誌正式名称
year	公開年（ PubDate → DateCompleted の順に参照）
doi	DOI（ELocationIDから抽出）
MeSH_Keywords	著者キーワードとMeSH用語の統合（Qualifier含む場合はDescriptor/Qualifier 形式）
publication_types	論文タイプ（RCT、Review、Case Reportsなど）のリスト

コード詳細（コピペ用）

import xml.etree.ElementTree as ET
import json

def main(xml_string: str):
  try:
    root = ET.fromstring(xml_string)
  except ET.ParseError:
    return {"parsed_result": []}

  articles = []
  for article in root.findall('.//PubmedArticle'):
    data = {}

    # 1. pmid
    pmid = article.find('.//PMID')
    data['pmid'] = pmid.text if pmid is not None else ""

    # 2. Title
    title = article.find('.//ArticleTitle')
    data['title'] = title.text if title is not None else ""

    # 3.Abstract
    abstract_texts = []
    abstract_section = article.find('.//Abstract')

    if abstract_section is not None:
      for text_node in abstract_section.findall('AbstractText'):
        label = text_node.get('Label')
        content = text_node.text or ""
        if label:
          abstract_texts.append(f"[{label}] {content}")
        else:
          abstract_texts.append(content)
    data['abstract'] = "\n".join(abstract_texts)

    # 4. Authors & Affiliations
    author_list = []
    for author in article.findall('.//Author'):
      last = author.find('LastName')
      fore = author.find('ForeName')
      if last is not None and fore is not None:
        author_list.append(f"{fore.text} {last.text}")
      elif last is not None:
        author_list.append(last.text)
    data['author'] = author_list

    main_author_affil = ""
    first_author = article.find('.//AuthorList/Author')
    if first_author is not None:
      aff = first_author.find('.//AffiliationInfo/Affiliation')
      if aff is not None and aff.text:
        main_author_affil = aff.text.strip()
    data['main_author_affiliation'] = main_author_affil

    # 5-1.Journal(in short) info
    journal_inshort = article.find('.//ISOAbbreviation')
    data['journal_inshort'] = journal_inshort.text if journal_inshort is not None else ""

    # 5-2. Journal_info
    journal = article.find('.//Journal/Title')
    data['journal'] = journal.text if journal is not None else ""

    # 6.Year
    year = article.find('.//PubDate/Year')
    if year is None:
      year = article.find('.//DateCompleted/Year')
    data['year'] = year.text if year is not None else ""

    # 7.DOI
    doi = ""
    for eloc in article.findall('.//ELocationID'):
      if eloc.get('EIdType') == 'doi':
        doi = eloc.text
        break
    data['doi'] = doi

    # 8.Keywords
    keywords_set = set()

    # A. 著者キーワード (KeywordList)
    for kw in article.findall('.//Keyword'):
      if kw.text:
        keywords_set.add(kw.text.strip())

    # B. MeSH用語 (MeshHeadingList)
    for mesh_heading in article.findall('.//MeshHeading'):
      descriptor = mesh_heading.find('DescriptorName')
      if descriptor is not None and descriptor.text:
        desc_text = descriptor.text.strip()

        # Qualifier
        qualifiers = mesh_heading.findall('QualifierName')

        if len(qualifiers) > 0:
          for q in qualifiers:
            if q.text:
              keywords_set.add(f"{desc_text}/{q.text.strip()}")
        else:
          keywords_set.add(desc_text)

    # 9. Publication Types
    pub_types = []
    for pt in article.findall('.//PublicationTypeList/PublicationType'):
      if pt.text:
        pub_types.append(pt.text.strip())
    data['publication_types'] = pub_types

    # リストに戻してソート
    data['MeSH_Keywords'] = sorted(list(keywords_set))
    articles.append(data)

  return {
    "parsed_result" : articles
  }

出力

出力名	型	説明
parsed_result	array[object]	1レコード1論文の辞書リスト

4. まとめ

本記事で解説した内容

E-Fetchによる論文詳細データの取得（XML形式）
XMLレスポンスを構造化データへ変換するコード例
抽出される主要なフィールド（pmid、title、abstract、author、MeSH_Keywords、publication_typesなど）

次のステップ

Part 3では、ここで得た parsed_result を入力に、LLMでタイトル翻訳・要約・優先度判定を行います。イテレーションノードの並列処理やStructured Outputの活用法など、AI処理の中心部分を解説します。

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: E-Fetchとデータパース編
Part 3（次回記事）: 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