はじめに
ピアレビューは、エビデンスに基づく医学の基盤であり、出版された科学的研究の信頼性と品質を確保しています。しかし、このプロセスは、論文の増加、レビュアーの疲労、効率性、偏見、および信頼性に関する懸念などの課題に直面しています。ピアレビュー制度が薄れることで、その整合性と対応力を維持するためには、革新的なアプローチが不可欠です。
人工知能（AI）、特に大規模言語モデル（LLM）は、ピアレビューを支援し、潜在的に変革する有望なツールとして登場しました。本稿では、AIをピアレビューに統合する機会、課題、戦略を批判的に検討し、技術的進歩と人間の責任のバランスを取りながら焦点を当てています。
ピアレビューの背景と課題
科学出版の拡大により、ピアレビュアーに対する要求が高まっています。多くのレビュアーが疲労と離脱を報告しており、従来のピアレビューは、重要な発見の伝達を遅らせたり、一貫性や偏りを導入したりする非効率性に苦しんでいます。また、ピアレビューは、方法論的な誤り、低品質の研究、または不正なデータを検出できないことがあります。
これらの課題に対処するための取り組みには、レビュアーの教育強化、メンタリングプログラム、論文と適切なレビュアーのマッチングを行うソフトウェアの使用などが含まれています。しかし、これらの措置だけでは、レビュアーのプールを十分に拡大したり、レビューの速度や品質を向上させるのに十分ではありません。
ピアレビューにおける人工知能の可能性
AI、特にLLMは、複雑な論文を迅速に処理し要約し、主要な特徴を抽出し、質問応答システムを通じてレビュアーとのインタラクティブなエンゲージメントを促進することができます。彼らは、投稿ガイドラインへの準拠チェック、報告要素の欠落検出、異なる論文セクション間でのデータの一貫性確認、要約の生成などのルーチン編集作業を自動化することができます。
このような自動化は、レビュアーの負担を軽減し、疲労を緩和し、編集決定を加速する可能性があります。たとえば、AIは、既存の剽窃検出ツールと同様に機能し、人間の判断を置き換えることなく、補完的な品質保証レイヤーを提供することができます。
AI統合の制限とリスク
これらの利点にもかかわらず、現在のAIモデルには顕著な制限があります。偽陽性（問題がないのにフラグを立てる）と偽陰性（重要な誤りを見逃す）を生成することがあります。特に、AIは、新規性、臨床的関連性、または方法論的な厳密さを評価する人間の専門知識をまだ再現できません。これらは、文脈的な判断と倫理的な推論を必要とします。
リスクは、機密性の問題も含みます。公開AIプラットフォームに原稿をアップロードすると、データ漏洩や知的財産の不正使用のリスクがあります。さらに、AIツールへのアクセスの不平等は、レビューや機関間の格差を悪化させる可能性があります。
AIは、虚偽であるがありそうな出力を生成する場合があり、人間のレビュアーがAIから得られた洞察を丹念に検証する必要があります。これは逆説的に負担を増やす可能性があります。
AIによって生成されるコンテンツのバイアスは重要な懸念事項です。モデルは、特定のトピック、手法、または言語スタイルを無意識に好む可能性があり、個人的なバイアスを持っていないものの、訓練データにシステム的な偏見が埋め込まれている可能性があります。さらに、AIへの依存は、批判的思考の低下や科学的議論の均質化を招く可能性があります。
現在のガイドラインと倫理的考慮事項
JAMAネットワークや国際医学会誌編集者委員会（ICMJE）などの主要出版社と編集団体は、AIの使用をガイドする方針を開発しています。主な原則には以下が含まれます：
– AIツールが原著者の地位を仮定できないため、原著者としての禁止。
– 著者とレビュアーがAIツールを使用したことを開示する義務。
– 機密性のある原稿を未保護のAIプラットフォームにアップロードすることの禁止。
– AIの支援がある場合でも、最終的な編集者とレビュアーの責任を維持する。
これらの措置は、倫理的な基準を維持し、ピアレビュー過程への信頼を保つのに役立ちます。
実装の戦略：ハイブリッド人間-AIモデル
AIの可能性と課題を認識した上で、JAMAネットワークなどのジャーナルは、AIツールが人間のレビューや編集者を置き換えるのではなくサポートするハイブリッドモデルを提唱しています。
そのようなモデルには、以下が含まれる可能性があります：
– メソドロジーの忠実性や報告基準への準拠など、特定の側面に焦点を当てたAI生成の並行レビュー。
– 人間の複数のレビューを構造化された推奨事項にまとめ上げるAI支援のメタレビュー。
– 人間のレビュアーが要約や誤り検出を助けるAIコパイロットシステム。ただし、最終的な判断はレビュアーに委ねられます。
このアプローチは、人間の制御を置き換えるのではなく補完する運転支援技術に似ており、人間の監視と責任を維持します。
継続的な研究と政策を通じた課題の解決
公平性や安全性を損なうことなく、どのAIアプリケーションがピアレビューの品質を向上させるかを評価するためには、継続的な科学的研究が不可欠です。国際ピアレビューと科学出版大会などの会議は、そのような研究の普及に貢献しています。
ジャーナルでは、以下が検討されています：
– レビューの迅速性と品質に対するAIの影響の経験的評価。
– AIのバイアスを軽減し、公平なアクセスを確保する方法。
– 機密性を保護するプロトコル。
– 報酬ハッキング、つまり著者が科学的な明瞭さよりもAIアルゴリズムを最適化するために原稿を最適化するのを防ぐ戦略。
効果的な方針と品質改善サイクルは、編集ワークフローでの責任あるAIの採用をガイドします。
結論
AIは、ルーチン作業を自動化し、レビュアーをサポートすることで、レビュアーの疲労や非効率性などの課題に対処し、ピアレビュー過程を強化する大きな可能性を持っています。しかし、文脈解釈、倫理的判断、エラーのない分析など、AIの現在の制限により、慎重なハイブリッド実装が必要であり、人間の監視を維持する必要があります。
機密性侵害、バイアス、批判的エンゲージメントの低下などのリスクを軽減しながら、AIの恩恵を享受するためには、倫理的なガイドライン、経験的評価、公平なアクセスが不可欠です。最終的には、AIは人間の専門知識を置き換えるものではなく、補完するものとして捉えるべきであり、信頼できるピアレビューに不可欠な科学的な厳密さ、公正さ、および責任を維持します。
分野が進展するにつれて、継続的な研究と慎重な方策が、AIが高品質な医療科学の普及を加速し、医師、研究者、患者の利益に寄与するようにピアレビュー過程を豊かにするでしょう。
参考文献
1. Perlis RH, Christakis DA, Bressler NM, et al. Artificial Intelligence in Peer Review. JAMA. Published online August 28, 2025. doi:10.1001/jama.2025.15827
2. International Committee of Medical Journal Editors (ICMJE). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals. Available at: http://www.icmje.org/icmje-recommendations.pdf
3. Tennant JP, Ross-Hellauer T. The limitations to our understanding of peer review. Research Integrity and Peer Review. 2020;5:6. doi:10.1186/s41073-020-00092-1
4. Lee CJ, Sugimoto CR, Zhang G, Cronin B. Bias in peer review. J Am Soc Inf Sci Technol. 2013;64(1):2-17. doi:10.1002/asi.22784
5. Erren TC, Erren M, Buddeberg-Fischer B. Ethical standards in scientific publishing: The issue of ghost authorship. Dtsch Arztebl Int. 2009;106(31-32):548-553. doi:10.3238/arztebl.2009.0548
6. Resnik DB, Elmore SA. Ensuring the integrity and quality of peer review in biomedical journals. Am J Bioeth. 2016;16(9):34-36. doi:10.1080/15265161.2016.1203263
