academic-aio

Academic AIO Skill — AI検索エンジンにおける医療AI論文の可視性

コミュニケーションルール

• 回答内にチェックリストを提示します。AIOの編集を黙って適用してはいけません。
• ルールがジャーナルの書式と矛盾する場合は、ジャーナルの書式を優先し、その理由を記して該当項目をNAとします。
• ルールを導入する際は、External Referencesに記載されたDOIまたはarXiv IDを使って、その出典（TRIPOD+AI、CLAIM、STARD-AI、Wu 2025、Algaba 2024、Aggarwal 2024 GEO）を引用します。引用、DOI、arXiv ID、報告ガイドラインの項目番号を決して捏造してはいけません。確認できないものには[VERIFY]を付けます。

セクション1 — タイトルとアブストラクトの最適化

1.1 タイトルの3要素ルール

構成：[タスク] + [モダリティまたは解剖部位] + [モデルファミリーまたは手法の分類]。根拠がある場合は、具体的な差別化要素（データセットの規模、新しいベンチマーク、「初の…」など）を1つ含めます。キーワードの詰め込みは避けます（AI Overviewではスパムとしてペナルティを受けます）。

• 合格：「非造影頭部CTにおける頭蓋骨骨折のTransformerベースのセグメンテーション。」
• 不合格：「医用画像解析のための、革新的で高度なディープラーニングAI機械学習フレームワーク。」

1.2 構造化アブストラクト

ジャーナルが求める構成を使用します（Lancet系はBackground / Methods / Findings / Interpretation、RSNA系はBackground / Purpose / Materials and Methods / Results / Conclusionなど）。ジャーナルが非構造化形式を認めている場合も、内部的には構造化します。RAGのチャンク境界で主張が分断されないよう、各セクションは単独で意味が通じる3文以内のチャンクにします。

1.3 冒頭と結びの文

• 最初の文では、問題と貢献を1行で示します。「近年、AIは…に革命をもたらしました」のような埋め草で書き始めてはいけません。LLM要約ツールが抽出する最も重要なチャンクを無駄にします。
• 最後の文では、「本研究は…を示しています」「これは…を意味します」のように、解釈を明示します。留保だけで締めくくってはいけません。

1.4 分類体系を示す文

この分野で統制された語彙を明示する文を1つ含めます（「診断精度研究」「基盤モデルの評価」「LLM-as-judge」「エージェント型放射線科ワークフロー」など）。AIインデックスのエンティティリンカーは、この文を使用します。

1.5 定量的な主張

すべてのアブストラクトに、信頼区間を伴う主要評価項目の数値を少なくとも1つ含めます（例：「AUC 0.94［95 % CI 0.91–0.96］」）。

1.6 報告ガイドラインの明示

アブストラクトまたはMethodsの冒頭文で、ガイドライン名を示します：「TRIPOD+AI（Collins 2024）およびCLAIM 2024（Tejani 2024）に従って報告しました」。該当する場合は、STARD-AI 2025、DECIDE-AI、またはTRIPOD-LLMを追加します。AIOルールとガイドライン項目の対応関係：references/reporting_guideline_mapping.md。

1.7 キーワード、MeSH、RadLexの網羅

タイトル、アブストラクト、キーワード全体で、概念の主要用語を網羅します。キーワードでタイトルの用語を繰り返してはいけません（調査対象論文の92 %で、タイトル、アブストラクト、キーワードに主要用語の重複が見られました。Royal Society 2024, doi:10.1098/rspb.2024.1222）。以下を含めます。

• 中核となるMeSH用語（NLM MeSHブラウザーで確認）と、該当する場合はRadLex用語。
• モダリティの同義語（「胸部X線写真（CXR）」「非造影CT（NCCT）」）。
• 関連する場合は、米国式と英国式の両方の綴り。

セクション2 — 原稿全体のAIO

2.1 サマリーボックス

対応している場合は、ジャーナル固有のサマリーボックスをそのまま記載してください。これは、AI 検索エンジンが最も頻繁にコピーまたは言い換える箇所です。

• Lancet 系：references/journal_summarybox_templates.yaml の「Research in context」（Evidence before this study／Added value／Implications）。
• RSNA Radiology および RYAI：1項目につき1つの主張を含む3つの箇条書き。references/journal_summarybox_templates.yaml では、Radiology は「Key Results」、RYAI は「Key Points」というラベルが付いています。現行の RSNA 投稿規定でラベルを確認してください。形式チェックでは、Radiology のどちらのラベルも受け付けます。
• npj Digital Medicine：サマリーボックスはありません。論文には、最大150語の非構造化抄録が掲載されます。
• Nature Medicine：編集者によるサマリー（編集部が用意しますが、事前に草案を作成してください）。

ジャーナル固有のテンプレート：references/journal_summarybox_templates.yaml。サマリーボックスの規則を決して推測せず、適用する前に各テンプレートがジャーナルの現行の投稿規定に合っているか確認してください。

決定論的な形式チェック。 python3 ${CLAUDE_SKILL_DIR}/scripts/check_summary_box.py --manuscript <file> --journal <stem> --strict で、作成したボックスをジャーナルの仕様に照らして検証してください（references/summary_box_specs.json を読み込みます。Key Points／Key Results のトップレベルの箇条書き数と各箇条書き1つの主張、Research-in-context の3つのサブブロックそれぞれの冒頭行と本文、平易な言葉で書かれた文章の語数範囲を確認します）。形式や箇条書き数が誤っていて、製作段階の技術チェックで却下されるボックスを検出できます。

既知の制限事項。 ボックスの終端として認識されるのは見出し、または太字のみのラベル行です。そのため、ボックス直後の通常テキストのラベル（Abbreviations:）の下にあるリストはボックスに含めてカウントされます。また、ボックスのラベルで始まる強調表示の本文（*Key points* of prior work ...）はボックスとして扱われます。いずれかの形式がある場合は、目視でボックスを確認してください。Research-in-context ボックスでは、最後のサブブロックラベルの後にある太字のみの行がボックスの終端になります。そのため、Implications 内の小見出し（**For clinicians**）と次のセクションを区別できません。この形で空欄になっている Implications のサブブロックは、エラーではなく注意事項として報告されます。

2.2 宣言的なセクション見出し

見出しは一般的なラベルではなく、主張を述べます。「Subgroup analysis」よりも「希少所見サブセットでモデルの性能が低下」のほうが適切です。

2.3 数値主張の圧縮

Methods と、少なくとも1つの Results 段落で、主要評価項目の統計値を1文にまとめます。 「内部テストセット（n = 842）では、モデルの AUC は0.94（95 % CI 0.91–0.96）、感度は88.2 %（85.1–91.0）、特異度は91.4 %（88.7–93.6）で、動作点は0.37でした。」

2.4 再現性ブロック

ラベル付きのブロックを設け（Methods の末尾、または独立した Data/Code Availability セクション）、データの利用可能性とライセンス、DOI 付きのコードの利用可能性、モデルの重みとチェックポイント、プロンプトと設定ファイル、乱数シード、計算環境を記載してください。コードが「妥当な要求があれば提供」としか説明されていない場合は、その点を明示してください。スクレイパーは再現性がないと判断し、AI ツールは論文の評価を下げます。

2.4a 用途区分に基づく AI 支援ツールの引用

AI 支援ツールを隠すのではなく、何に使ったかを明示してください。検証／品質保証や解析での使用は、引用可能な Software / Code-availability statement に記載します。生成的な草稿作成や人間らしい文章への調整は、引用ではなく、ジャーナルの AI-use disclosure field に記載します。ツールの作成者自身がそのツールを引用する場合は、COI の開示も必要です。また、引用は研究で使用した機能に限ってください。用途区分の表と規則：${CLAUDE_SKILL_DIR}/references/ai_tool_citation_framing.md。

2.5 限界の列挙

限界を明示的に列挙し、それぞれに名称を付けてください（一般化可能性、スペクトラムバイアス、データセットシフト、単施設での学習、ラベルノイズ）。「臨床グレード」や「放射線科医に取って代わる」といった過剰な主張には注意してください。LLM の信頼性ヒューリスティックによって評価が下がり、査読で却下される原因にもなります。

2.6 単独で理解できる図のキャプション

本文が失われてもキャプションがベクターおよび画像検索インデックスに残るため、各キャプションで主張、データセット、指標を改めて述べてください。

セクション 3 — プレプリント、チャネル、インデックス登録の戦略

3.1 プレプリントとファストトラックの比較

• 既定では、ジャーナルに投稿する日に medRxiv（臨床）、arXiv（手法、cs.CV / eess.IV）、または bioRxiv に投稿します。これにより、論文は24～72時間以内に Semantic Scholar に登録され、Perplexity のウェブインデックスにはすぐに登録されます。
• 例外：投稿先ジャーナルにファストトラック審査サイクル（採択からオンライン公開までおよそ30～60日）があり、かつ著者が単一の正式版を希望する場合は、プレプリントを省略してもかまいません。その場合は、採択後に積極的に SNS で拡散し、PMC に登録して補います。
• プレプリントもファストトラックも両方省略してはいけません。有料壁のある論文は、ほとんどの RAG パイプラインから見えなくなります。

3.2 ジャーナルのプレプリント方針

ほとんどの医療 AI 関連の投稿先ではプレプリントが認められていますが、制限があったり、開示を求められたりする場合もあります。投稿する前に Sherpa Romeo またはジャーナルの投稿規定で最新の方針を確認してください。

3.3 インデックス登録までの時間差

公開タイミングを計画する際は ${CLAUDE_SKILL_DIR}/references/launch_sequencing.md を読み、各インデックスが論文を取り込むまでにかかる時間を確認してください。

3.4 オープンアクセスの選択

予算が許す場合は CC-BY のゴールド OA を優先してください。それ以外の場合は、プレプリントと著者最終稿によるグリーン OA を選びます。プレプリントのないクローズドアクセス論文では、Elicit、Consensus、Perplexity Academic が有料壁のある PDF から情報を抽出できないため、AI ツールからの引用が約30～50％減少します。

助成機関の OA 方針に関する判断ツリー（Plan S、NIH、UKRI、Gates、Wellcome、NRF、MoHW）：references/oac_funding_checklist.yaml。

3.5 採択後のチャネル確認リスト

• AAM を PMC または Europe PMC に登録します。
• ORCID と Google Scholar のプロフィールを更新します。
• DOI、1文の主張、図を添えて Threads / X / BlueSky に投稿し、LinkedIn には長文の投稿をします。
• 論文でベンチマークを報告している場合は、Papers with Code に登録します。
• モデルまたはデータセットを Hugging Face にモデル／データセットカードとともにアップロードします。

日ごとの順序についてはセクション 12 を参照してください。

セクション 4 — レビュー論文の戦略

成果物がレビュー論文または分類体系論文の場合、あるいはフェーズが pre-draft の場合は ${CLAUDE_SKILL_DIR}/references/pre_draft_strategy.md を読んでください。

セクション 5 — GitHub、CITATION.cff、Zenodo、Hugging Face

成果物が README、CITATION.cff、Zenodo レコード、または Hugging Face のモデル／データセットカードの場合は、${CLAUDE_SKILL_DIR}/references/repository_and_cards.md を読んでください（ルール 5.1～5.6）。

• リポジトリのページと著者のランディングページに JSON-LD ScholarlyArticle / SoftwareSourceCode / Dataset / Person マークアップを埋め込みます。テンプレートは references/schema_markup_templates/ にあり、python scripts/validate_schema.py path/to/file.jsonld で検証します。
• CITATION.cff や Zenodo のメタデータで、著者リスト、ORCID、所属を自動補完してはいけません。空欄をユーザーに提示してください。

セクション 6 — 権威性と E-E-A-T のシグナル

• 著者のランディングページ（GitHub Pages、個人ドメイン、または所属機関のページ）を用意し、DOI とオープンアクセスのリンクを添えてすべての論文を掲載します。
• 論文全体で所属の表記を統一します。不統一があると、ナレッジグラフ上で著者のエンティティが分断されます。
• ORCID を完全な状態にし、Google Scholar と連携します。Semantic Scholar での著者名の曖昧性解消を6か月ごとに再実行します。
• 妥当な場合は、同じグループによる関連論文を考察セクションで相互リンクします。同一グループ内の引用によって、RAG での共同検索率が高まります。
• リポジトリとモデルカードを四半期ごとに更新します。四半期ごとに更新される記事は、1回だけ公開される記事よりも AI 概要での表示が維持されやすくなります（Conductor 2026 ベンチマーク）。

セクション 7 — LLM による引用の捏造への対策

医学的な質問に対する LLM の回答のうち、引用元によって完全には裏付けられていないものは 50 % から 90 % にのぼります（Wu et al., Nat Commun 2025, doi:10.1038/s41467-025-58551-6）。論文の識別情報を守るため、次の対策を講じてください。

• 論文のランディングページと README の上部に、コピーしやすいテキストで DOI と PMID を掲載します（例：DOI: 10.xxxx/yyyy • PMID: 12345678）。
• BibTeX、APA、Vancouver、およびプレーンテキストの引用表記を 1 か所にまとめた「引用方法」セクションを追加します。
• 誤った引用を監視します。論文タイトルの別表記で Google Scholar アラートを設定し、さらに Perplexity と ChatGPT で定期的にウェブ検索を行い、幻覚による書誌情報の誤りを記録します。発見可能性（Perplexity / Elicit / Consensus での検索結果）は、記録された調査結果に基づいてのみ報告し、推定してはいけません。
• 査読者が LLM 生成の参考文献を引用した場合は、受け入れる前に DOI と PMID を自分で確認します。

セクション 9 — プロジェクトごとの適用とパイプラインへの統合

呼び出されたら、次の順序で実行します。

1. 対象の成果物（タイトル、抄録、原稿のセクション、README、またはカード）を読み、ライフサイクルのフェーズを特定します：pre-draft / drafting / pre-submission / post-acceptance / post-publication。
2. references/checklists/AIO_GENERAL.md の applies_to_phase フィールドに基づいて各ルールを絞り込み、対象となる成果物に関連するセクション 1–5 と 10 を適用します。フェーズ対象外のルールは FAIL ではなく NA とします（例：pre-submission の監査で、学際的なチーム名簿 §11.5 や公開開始の順序 §12 を FAIL として指摘しないでください）。references/checklists/AIO_GENERAL.md の出力テンプレートに従って、各項目の PASS / PARTIAL / FAIL 表、1 行の理由、具体的な修正案を、expected_lift（高 → 中 → 低）の順に並べて作成します。プログラムで処理する場合は templates/aio_audit_checklist.md.j2 を使って出力します。
3. 監査の重複を避けるため、defers_to 注釈を遵守します。 defers_to フィールドが付いた項目については、ここでは有無のみを記録します。項目ごとの詳細は、リンク先のスキルまたは参照資料に記載します（§1.6 → /check-reporting、§3.4 / §11.3 → references/oac_funding_checklist.yaml）。原稿が報告ガイドライン監査を受けていない場合は、まず /check-reporting を実行します。AIO とガイドライン項目の対応関係は references/reporting_guideline_mapping.md に記載されています。
4. 提出サイクルごとに著者の権限に関するセクション 6 の監査を 1 回実施し、applies_to_phase フィルターで許可される範囲でセクション 11–12 を適用します。
5. 採択後の段階で、引用防御に関するセクション 7 の推奨事項を提示します。複数リポジトリまたは Hugging-Face カードを対象とするチーム監査では、scripts/batch_metadata_audit.py を実行します。
6. 次を出力します。
   • フェーズで絞り込んだチェックリスト（表示対象）。
   • 保留項目の簡潔なリスト。各 defers_to ルールのステータスを 1 行で記載します。
   • 具体的な編集案は最大 5 件までとし、expected_lift の高い順に並べます（高、その次に中、最後に低）。高または中の未対応項目が残っていない場合に限り、リフトが低い編集案を上位 5 件に含めます。

他のスキルとの統合

• チェックリストの基準を QC で確認済みの主張と最終的な読みやすい文章に合わせるため、/self-review と /humanize の後に実行します。
• /write-paper 内では、タイトルと抄録の執筆中にセクション 1 を適用し、Discussion の執筆中にセクション 2.5 と 6（相互リンク）を適用します。報告ガイドラインのチェックと数値に関する主張の監査を終えた後、QC でチェックリスト全体を適用します。

セクション 10 — Q&A とエンティティ抽出の最適化

10.1 4 つの質問からなる Q&A ブロック（Discussion または Appendix）

Discussion の最後の小節、または Supplementary Box として、ラベル付きの Q&A ブロックを追加します。

• この研究以前に何がわかっていましたか？ — 先行研究の状況を 2 文で言い換えます。
• この研究は何を新たに示しましたか？ — 研究の貢献を 2 文で述べます。
• この研究は臨床実践や研究をどのように変える可能性がありますか？ — 過大な主張を避けて、解釈を 1 文で述べます。
• なぜ重要なのですか？ — 専門外の読者にも伝わるよう、「それが何を意味するか」を 1 文で説明します。

Lancet Digital Health の「Research in context」には、最初の 2 つの質問がすでに含まれています。このブロックはそれを拡張するものです。

10.2 エンティティ ID 付きの用語集ブロック

分野固有の略語は初出時に本文中で定義し、Methods の末尾または Supplement にある用語集の小節にも、可能な場合は標準エンティティ ID とともに列挙してください。例：MeSH 用語 ID（臨床概念）、RadLex ID（放射線医学用語）、UMLS CUI（語彙間のマッピング）、Hugging Face モデル ID（名称付きモデル）、arXiv ID（引用した手法）。

10.3 本文中の引用アンカーテキスト

参照番号だけの引用は避け、それぞれの引用を具体的な主張に結び付けてください。

• 弱い例：「先行研究 [12] で有効性が示されました。」
• 強い例：「Smith et al. は、MIMIC-CXR テストセットで精度が 12 % 向上したと報告しました（DOI: 10.xxxx/yyyy）[12]。」

自身の先行研究を引用する場合は、論文間で検索できるように、コホートまたはデータセットを明示してください。

10.4 課題の明示的な記述

2.5 の限界の一覧に加えて、Discussion の冒頭付近に「なぜこれが難しいのか」という単一段落の説明を含めてください。

「[モダリティ／解剖学的部位]を対象とする正確な[タスク]の実現は、[データ不足／ラベルノイズ／データセットシフト／規制上の不確実性／解釈可能性]によって制約されます。これらはそれぞれ文献で報告されており[引用]、本研究の結果はその一部に対処します。」

LLM のウェブ検索システムは、課題の説明をその分野の現状に関する信頼できる要約として引用します（実例：references/case_studies/kjr_mllm_2025.md）。

Section 11 — 先行者としてのタイミングと引用グラフの密度

ルール 11.1（トピックのピーク検出）、11.2（編集委員会の活用）、11.5（学際的な著者構成）は ${CLAUDE_SKILL_DIR}/references/pre_draft_strategy.md にあります。pre-draft の段階で参照してください。

11.3 PMC 自動登録ジャーナルの優先

論文を PubMed Central に自動登録する OA ジャーナルは、公開後 4～6 週間で LLM のクローラーに到達します。PMC に登録されない OA ジャーナルでは、3～6 か月かかることがあります。他の条件が同じなら、PMC に自動登録するジャーナルを優先してください。放射線医学／医療 AI 分野の例（投稿前に確認してください。ポリシーは変更されることがあります）：

• Korean Journal of Radiology (KJR) — 自動登録を確認済み。
• Lancet Digital Health — 著者負担のグリーン OA。エンバーゴ期間後に PMC 登録の対象になります。
• Radiology および Radiology: AI — 一部の記事を自動登録。
• npj Digital Medicine — 自動登録（Nature OA）。
• JAMIA — 著者負担の OA ルート。
• JMIR — 自動登録（PMC にインデックス登録）。

11.4 引用グラフのアンカー戦略

LLM の学習コーパスですでに十分にインデックス登録されている、注目度の高い先行研究を 5～10 件 Discussion の軸とすることで、ユーザーがそれらの研究について検索した際に論文が検索結果に表示されやすくなります。

• トピックに関する重要な参考文献を、Semantic Scholar の「Highly Influential Citations」フィルターで特定してください。
• それらは単なる一覧ではなく、意味的な述語とともに引用してください（Section 10.3）。
• 新しいプレプリント（最新性）と 2018～2022 年の重要論文（グラフのアンカリング）を組み合わせてください。コーパスの収録期限により、2024～2025 年のみの引用では LLM による検索での重みが低くなります。

Section 12 — プラットフォーム横断の公開順序

post-acceptance／post-publication の段階で、Day 0 → Month 1 の順序（ルール 12.1～12.5）について ${CLAUDE_SKILL_DIR}/references/launch_sequencing.md を参照してください。

外部参考資料

• GEO：Generative Engine Optimization — Aggarwal et al., KDD 2024, arXiv:2311.09735.
• LLM の医学文献引用支援 — Wu et al., Nat Commun 2025, doi:10.1038/s41467-025-58551-6.
• LLM の引用バイアス — Algaba et al., 2024, arXiv:2405.15739.
• ExpertQA の出典表示 — Malaviya et al., 2024, arXiv:2309.07852.
• TRIPOD+AI — Collins et al., BMJ 2024. EQUATOR Network.
• CLAIM 2024 — Tejani et al., Radiology: AI 2024, doi:10.1148/ryai.240300.
• STARD-AI — Sounderajah et al., Nat Med 2025, doi:10.1038/s41591-025-03953-8.
• TRIPOD-LLM — Gallifant et al., Nat Med 2024, doi:10.1038/s41591-024-03425-5.
• DECIDE-AI — Vasey et al., Nat Med 2022, doi:10.1038/s41591-022-01772-9.
• タイトル、抄録、キーワードのガイド — Royal Society Proc B 2024, doi:10.1098/rspb.2024.1222.
• GitHub リポジトリの引用による優位性 — Kang et al., Inf Process Manag 2023, doi:10.1016/j.ipm.2023.103477.
• Semantic Scholar Open Data Platform — Kinney et al., arXiv:2301.10140.