deep-researcher

Deep Researcher v2.0

5件以上の情報源を必要とする調査のための、ファイルベースの追跡、並列実行、コンテキスト管理を備えた包括的な調査手法です。

重要：すべての医学的エビデンスと引用は、PubMed MCP に由来する必要があります。例外はありません。

---

調査モード

クイック調査（1～4件の情報源）：コンテキスト内で作業し、ファイル構成は不要です。

ディープリサーチ（5件以上の情報源）：以下のファイルベースの追跡を使用します。

---

調査ソース（厳格なポリシー）

医学的引用に使用可能

ソース	ツール	用途
PubMed MCP	pubmed_search_articles, pubmed_fetch_contents, pubmed_article_connections	すべての医学的エビデンス、試験、メカニズム
公式ガイドライン	ACC/ESC/ADA/AHA の URL のみに対する web_fetch	ガイドラインの推奨事項
AstraDB RAG	ナレッジパイプライン	教科書の参考資料、事前読み込み済みガイドライン

医学的引用に使用不可

ソース	除外理由	使用可能な用途
OpenAlex	品質にばらつきがある	削除済み
Perplexity	査読を受けていない	傾向の発見のみ。引用は絶対に不可
一般的なウェブ検索	信頼性が低い	トピックの発見のみ。引用は絶対に不可
ニュース記事	一次エビデンスではない	背景情報のみ

PubMed の品質フィルター

優先（Tier 1）：

• ランダム化比較試験（RCT）
• メタ分析およびシステマティックレビュー
• ACC/ESC/ADA/AHA のガイドライン

許容（Tier 2）：

• 第1四分位（Q1）ジャーナルに掲載された大規模な観察研究
• 患者数が1,000人を超えるコホート研究
• 定評のあるレジストリのデータ

慎重に使用（Tier 3）：

• 症例集積研究（より良いエビデンスがない場合のみ）
• 専門家のコンセンサス声明
• ナラティブレビュー（背景情報として使用し、一次資料にはしない）

除外：

• 症例報告（まれな疾患を除く）
• 編集者へのレター
• 査読を受けていないプレプリント
• 動物実験（メカニズムを特に扱う場合を除く）

---

ディープリサーチのワークフロー

進捗の追跡

このチェックリストを作成し、各ステップの後に更新します。

Deep Research Progress:
- [ ] Step 1: Initialize research project
- [ ] Step 2: Define scope and plan
- [ ] Step 3: Execute research threads (parallel when possible)
- [ ] Step 4: Validate and cross-reference
- [ ] Step 5: Synthesize from files
- [ ] Step 6: Generate final report

---

ステップ 1：調査プロジェクトを初期化する

5件以上の情報源を必要とする調査では、プロジェクト構成を作成します。

mkdir -p ~/research_{topic}/sources
mkdir -p ~/research_{topic}/threads

プロジェクト構成：

~/research_{topic}/
├── plan.md              # Research questions, scope, thread assignments
├── progress.md          # Living checklist, updated throughout
├── sources/
│   └── pubmed.md        # PubMed search results and abstracts
├── threads/
│   ├── thread_1.md      # Independent research thread
│   ├── thread_2.md      # Another thread
│   └── ...
├── validation.md        # Cross-reference and credibility check
├── synthesis.md         # Cross-thread analysis
└── report.md            # Final deliverable

ファイルベースにする理由： コンテキストウィンドウには上限があります。調査結果をファイルに書き込むことで、次のことが可能になります。

• コンテキストの余裕を保ちながら調査を続ける
• 記憶ではなく永続ストレージから情報を統合する
• より大規模で包括的なレポートを作成する
• 中断された場合に再開する

---

ステップ 2：範囲と調査計画を定める

plan.md に次の内容を書きます。

# Research Plan: {Topic}

## Primary Question
[The main thing we're trying to answer]

## Scope
- Include: [what's in scope]
- Exclude: [what's explicitly out]
- Depth: [overview | detailed | exhaustive]
- Deliverable: [report type and length]

## Research Threads

### Thread 1: {Subtopic A}
- Questions to answer: ...
- PubMed search strategy: [MeSH terms, filters]
- Expected study types: RCTs, meta-analyses, etc.
- Can run parallel? Yes/No

### Thread 2: {Subtopic B}
- Questions to answer: ...
- PubMed search strategy: ...
- Can run parallel? Yes/No

[Continue for 2-5 threads]

## Thread Dependencies
- Thread 3 depends on Thread 1 findings
- Threads 1, 2, 4 can run in parallel

## Synthesis Strategy
How will threads combine into final answer?

計画のガイドライン：

調査の種類	スレッド数	パターン
単純な事実確認	1～2	順次
薬剤の比較	薬剤ごとに1つ（最大5）	並列
複雑な調査	テーマ別に3～5	混合
文献レビュー	期間別またはテーマ別	順次

---

ステップ 3：調査スレッドを実行する

PubMed 検索戦略

各スレッドで、構造化された PubMed クエリを使用します。

# Example search for SGLT2 CV outcomes
pubmed_search_articles(
    queryTerm="SGLT2 inhibitor cardiovascular outcomes randomized controlled trial",
    maxResults=20,
    sortBy="relevance"
)

# Then fetch full details for top results
pubmed_fetch_contents(pmids=["PMID1", "PMID2", ...])

# Find related articles for key papers
pubmed_article_connections(
    sourcePmid="key_paper_pmid",
    relationshipType="pubmed_similar_articles"
)

並列実行パターン

独立したスレッドについては、PubMed 検索を並列で実行し（1ターン内で複数のツールを呼び出し）、その後、それぞれを該当するスレッドファイルに書き込みます。

例：SGLT2 阻害薬の比較

Thread 1: Empagliflozin → pubmed_search "empagliflozin cardiovascular RCT" → threads/empagliflozin.md
Thread 2: Dapagliflozin → pubmed_search "dapagliflozin cardiovascular RCT" → threads/dapagliflozin.md
Thread 3: Canagliflozin → pubmed_search "canagliflozin cardiovascular RCT" → threads/canagliflozin.md

3つの検索をすべて実行した後、それぞれの結果を対応するファイルに書き込みます。

順次実行パターン

依存関係のあるスレッドでは、次のスレッドを開始する前に、各スレッドを最後まで完了します。

スレッドファイルの形式

各 threads/thread_N.md には、次の内容を含めます。

# Thread: {Subtopic}

## PubMed Searches Executed
1. Query: [exact query] → [N results] → Top PMIDs: [list]
2. Query: [exact query] → [N results] → Top PMIDs: [list]

## Key Findings

### Finding 1: [Title]
- PMID: [number]
- Citation: [Authors, Journal, Year]
- Study type: RCT / Meta-analysis / Cohort / etc.
- Population: [N patients, characteristics]
- Key result: [HR/OR with 95% CI, p-value]
- Quality: High / Medium / Low [+ brief justification]

### Finding 2: [Title]
- PMID: [number]
...

## Contradictions Found
- PMID X says [claim], PMID Y says [different claim]
- Potential explanation: [patient population, endpoints, timing, etc.]

## Gaps Identified
- No RCT data on [specific question]
- Limited evidence in [patient subgroup]

## Thread Summary
[2-3 sentence synthesis of this thread's findings with key PMIDs cited]

コンテキストのオフロード

ツール呼び出しを5～7回行うごとに：

1. 現在の調査結果を適切なファイルに書き込む
2. progress.md をステータスとともに更新する
3. 新しいコンテキストで続行する

オフロードのタイミング：

• コンテキストが「いっぱい」に感じられるとき（応答が遅くなる、把握しきれなくなる）
• スレッドを切り替えるとき
• 統合ステップの前

---

ステップ 4：検証と相互参照を行う

すべてのスレッドファイルを読み込み、その後 validation.md を作成します。

# Validation Report

## Facts Requiring Cross-Reference
| Claim | Thread Source | PMID | Verification Status | Confidence |
|-------|--------------|------|---------------------|------------|
| SGLT2i reduces HF hospitalization | Thread 1 | 12345678 | Confirmed by PMIDs 23456789, 34567890 | High |
| Benefit extends to HFpEF | Thread 2 | 45678901 | Conflicting: PMID 56789012 shows null | Investigate |

## Contradictions Analysis
### Contradiction 1: [Description]
- Position A: PMID [X], [study name], found [result]
- Position B: PMID [Y], [study name], found [result]
- Resolution: [Population difference / endpoint difference / timing / unresolved]

## Source Quality Assessment
| PMID | Study | Type | N | Quality | Notes |
|------|-------|------|---|---------|-------|
| 12345678 | EMPA-REG | RCT | 7,020 | High | Industry-funded but well-designed |
| 23456789 | Meta-analysis | MA | 45,000 | High | Published in Lancet |

## Validated Knowledge Base
[List of facts we're confident in, with PMIDs]

1. **SGLT2 inhibitors reduce CV death in T2DM with established CVD** (PMID: 12345678, 23456789)
2. **Benefit on HF hospitalization is consistent across the class** (PMID: 34567890, 45678901)
3. ...

---

ステップ 5：ファイルから情報を統合する

重要：記憶ではなく、ファイルから読み取ります。

# Read all thread files
cat ~/research_{topic}/threads/*.md

# Read validation
cat ~/research_{topic}/validation.md

synthesis.md を作成します。

# Synthesis: {Topic}

## Cross-Thread Patterns
[What themes emerge across multiple threads?]

## Key Insights
1. [Insight that required combining multiple threads]
2. [Insight that wasn't obvious in any single thread]
3. ...

## The Answer
[Direct response to the primary research question, with PMID citations]

## Evidence Strength Assessment
- **Strong evidence (multiple RCTs):** [claims]
- **Moderate evidence (single RCT or consistent observational):** [claims]
- **Limited evidence (observational only):** [claims]
- **Expert opinion / guideline extrapolation:** [claims]

## Remaining Gaps
[What we still don't know and would need to investigate further]

---

ステップ 6：最終レポートの作成

統合内容を使って report.md を作成します。

# {Title}

## Executive Summary
[3-5 sentences: question, key finding, main conclusion with strongest PMID]

## Research Question and Scope
[From plan.md]

## Methodology
- Database: PubMed via NCBI MCP
- Search date: [date]
- Total articles screened: [N]
- Articles included: [N]
- Study types: [breakdown]

## Findings

### {Theme 1}
[Narrative synthesis with inline PMID citations]

### {Theme 2}
...

## Analysis
[Patterns, implications, connections]

## Conclusions
1. [Primary conclusion with evidence level]
2. [Secondary conclusions]

## Clinical Implications
[If applicable: what this means for practice]

## Limitations
- [Search limitations]
- [Evidence gaps]
- [Potential biases]

## References
[Full reference list with PMIDs and DOIs]

1. Author A, Author B, et al. Title. Journal. Year;Vol:Pages. PMID: XXXXXXXX. DOI: XX.XXXX/XXXXX
2. ...

---

並列リサーチのパターン

パターン A：薬剤／実体の比較

使用する場合： 類似する実体（薬剤、機器、手法）を 2～5 件比較するとき

User: "Compare CV outcomes of GLP-1 agonists"
→ Thread per drug (semaglutide, tirzepatide, liraglutide)
→ All threads parallel (same PubMed structure)
→ Comparison matrix synthesis

パターン B：賛否の分析

使用する場合： 議論や論争があるトピックを扱うとき

User: "Analyze the evidence on aggressive LDL lowering"
→ Thread 1: Evidence FOR aggressive targets (PubMed: LDL <55 outcomes)
→ Thread 2: Evidence AGAINST/concerns (PubMed: LDL lowering adverse effects)
→ Thread 3: Current guidelines (fetch ACC/ESC guideline URLs)
→ Threads 1-2 parallel, Thread 3 after

パターン C：エビデンスとガイドライン

使用する場合： 一次エビデンスと臨床ガイダンスの両方が必要なとき

User: "What's the evidence on TAVR durability?"
→ Thread 1: Trial data (PubMed: TAVR long-term outcomes RCT)
→ Thread 2: Registry data (PubMed: TAVR registry durability)
→ Thread 3: Guidelines (fetch ACC/ESC valve guidelines)
→ All parallel

パターン D：歴史的な変遷

使用する場合： エビデンスがどのように変化してきたかを理解するとき

User: "How has heart failure treatment evolved?"
→ Thread 1: Pre-neurohormonal era (PubMed: heart failure treatment 1980-1990)
→ Thread 2: ACE/ARB/BB era (PubMed: heart failure ACE inhibitor landmark)
→ Thread 3: Modern era ARNI/SGLT2 (PubMed: heart failure SGLT2 ARNI)
→ Sequential (each builds context for next)

---

品質チェックポイント

ステップ 2（計画）の後

• リサーチの問いが具体的で、回答可能である
• 各スレッドの PubMed 検索戦略が定義されている
• 並列として指定されたスレッドが独立している
• 想定される研究の種類が指定されている

ステップ 3（実行）の後

• 各スレッドに信頼できる PubMed ソースが 3 件以上ある
• 重要な主張に具体的なデータ（HR、CI、p 値）がある
• すべての引用に PMID がある
• ギャップや矛盾が記録されている
• スレッドの要約が作成されている

ステップ 4（検証）の後

• 重要な事実がスレッド間で相互参照されている
• 矛盾が潜在的な説明とともに分析されている
• 主要な引用ごとにソースの質が評価されている
• 検証済みナレッジベースがまとめられている

ステップ 5（統合）の後

• スレッドをまたぐパターンが特定されている
• 中心的な問いに直接回答している
• エビデンスの強さが誠実に評価されている
• 洞察が単一のスレッドの範囲を超えている

提出前

• レポートの構成がユーザーの指定した形式に合っている
• すべての主張に PMID の引用がある
• エグゼクティブサマリーが簡潔で、要点を把握しやすい
• 参考文献リストが DOI を含めて完全である

---

よくあるリサーチの落とし穴

落とし穴	症状	対策
コンテキストのあふれ	以前の調査結果を見失う	ツール呼び出し 5～7 回ごとにファイルへ書き込む
確証バイアス	すべてのソースが不自然なほど一致している	反対のエビデンスを明示的に検索する
近時性バイアス	2023～2024 年のソースしかない	発表年にかかわらず、画期的な臨床試験を含める
ソースの均質性	RCT ばかりで、ガイドラインがない	臨床的な背景を把握するため、ガイドラインのスレッドを追加する
スコープクリープ	リサーチが際限なく広がる	plan.md に立ち返り、範囲を守る
早すぎる統合	検証前に結論を出す	ステップ 5 の前にステップ 4 を完了する
記憶に頼った統合	思い出しながら引用する	ステップ 5 でファイルを明示的に読む
PubMed 以外の引用	Perplexity／ウェブを引用する	削除して PubMed ソースに置き換える

---

例：リサーチセッション全体

ユーザー：「心血管疾患予防におけるコルヒチンの現在のエビデンスを調査してください」

ステップ 1：初期化

mkdir -p ~/research_colchicine_cv/sources
mkdir -p ~/research_colchicine_cv/threads

ステップ 2：計画（plan.md に書き込む）

• 中心的な問い：心血管疾患予防におけるコルヒチンのエビデンスは何か？
• スレッド 1：主要な RCT（COLCOT、LoDoCo2、CLEAR SYNERGY）
  • PubMed：「colchicine cardiovascular randomized controlled trial」
• スレッド 2：作用機序と抗炎症仮説
  • PubMed：「colchicine inflammation atherosclerosis mechanism」
• スレッド 3：ガイドラインと臨床での採用状況
  • 安定冠動脈疾患に関する ACC／ESC ガイドラインの URL を取得
• スレッド 4：安全性と実用上の考慮事項
  • PubMed：「colchicine adverse effects cardiovascular」
• スレッド 1、2、4 は並列で実施し、スレッド 3 はスレッド 1 の完了後に実施する

ステップ 3：実行

# Parallel searches
pubmed_search_articles(queryTerm="colchicine cardiovascular randomized controlled trial", maxResults=15)
pubmed_search_articles(queryTerm="colchicine inflammation atherosclerosis mechanism", maxResults=10)
pubmed_search_articles(queryTerm="colchicine adverse effects cardiovascular", maxResults=10)

# Fetch top results
pubmed_fetch_contents(pmids=["31733140", "32865377", "37634428"])  # COLCOT, LoDoCo2, CLEAR

# Write to thread files

ステップ 4：検証

• すべてのスレッドファイルを読む
• 試験間で死亡率データを相互参照する
• 注記：CLEAR SYNERGY は中立的な結果である一方、COLCOT／LoDoCo2 は肯定的な結果
• 分析：患者集団の違い（ACS 後と慢性冠動脈疾患）
• validation.md を作成する

ステップ 5：統合

• ファイルから情報を読む
• パターン：炎症仮説は支持されているが、患者の選択が重要
• 洞察：ACS 後（COLCOT）では明確な有益性があるが、慢性安定冠動脈疾患（CLEAR）では不確実性が高い
• synthesis.md を作成する

ステップ 6：レポート

• エビデンスの要約を含む構成化されたレポート
• 患者のタイプ別に明確な推奨事項を示す
• すべての PMID を引用する
• 完全な参考文献リストを含める

他のスキルとの連携

このスキルは、以下のスキルに調査の基盤を提供します。

• cardiology-editorial → 調査結果を試験の分析に活用します
• cardiology-newsletter-writer → 執筆前に調査します
• youtube-script-master → 台本の根拠となる情報を調査します
• x-post-creator-skill → 投稿の作成前に調査します

ワークフロー：

1. ユーザーがトピックに関するコンテンツを依頼します
2. 最初に deep-researcher（このスキル）を実行します
3. 検証済みの調査結果を執筆スキルに渡します
4. 執筆スキルは調査結果の PMID を引用します

---

このスキルを使用しない場合

• 簡単な事実確認（PubMed MCP を直接使用します）
• トレンドの発見（Perplexity を使用しますが、引用はしません）
• 医療以外のトピック（このスキルは PubMed に最適化されています）
• すぐにコンテンツが必要な場合（インライン調査を使い、執筆スキルを直接使用します）

以下が必要な場合は、このスキルを使用してください。

• 5 件以上の情報源を統合する
• 複雑で多面的な質問に対応する
• 厳密にエビデンスを評価する
• 文献を包括的に網羅する