3行まとめ
- NotebookLMの標準スライド機能は、要約とデザインを同時に処理させるため「文字潰れ」「重要数値の欠落」「ハルシネーション」が起きやすい。
- 「書誌情報・要約（テキスト）」を先に確定させ、その後に「デザイン枠（プロンプト）」に注入する 3ステップ法で、スライドの品質を劇的に改善できる。
- 研究デザイン（RCT／コホート／症例報告など）に共通して使える汎用プロンプトを公開する。
📌 お知らせ
本記事で紹介するのは「汎用版」のプロンプトです。
「RCT専用」「症例報告専用」「トレンド分析専用」 など、研究デザインごとに最適化された特化型プロンプト（全5パターン＋スライド構成2種）も作成中です。
背景：NotebookLMのスライド機能における課題
Googleの NotebookLM は、PDF論文のRAG（Retrieval-Augmented Generation）ツールとして非常に優秀ですが、「スライド作成機能」 に関しては実務レベルに達していないという声が多くあります。
具体的には以下の課題があります。
- 文字情報の密度調整が下手: スライド1枚に文字を詰め込みすぎて、プロジェクターで読めない。
- 数値の欠落: 臨床的に重要なP値、信頼区間、AUCなどが省略され、定性的な「要約」に留まることが多い。
- ハルシネーション: 論文にない発行年や、著者の所属機関を勝手に捏造することがある。
著作権に関する注意
生成されたスライドを公開する場合、元論文が Open Access (CC-BY) であるか必ず確認してください。有料論文の図表を含むスライドを公開することは著作権侵害のリスクがあります。
これらの原因は、AIに対して「読んで、要約して、いい感じにデザインして」と**一度に丸投げ（一括生成）**しているからです。
本記事では、この課題を 「プロンプトエンジニアリング（注入プロンプト）」 の観点から解決する手法を紹介します。
解決策：手順の全体像
ハルシネーションやレイアウト崩れを防ぐための鉄則は、「テキスト抽出（Step 1）」 と 「デザイン流し込み（Step 2）」 のプロセスを分けることです。
やることはたった3つです。すべてNotebookLMのチャット欄とスライド機能だけで完結します。
| Step | あなたがやること | 所要時間 |
|---|---|---|
| 1 | 下記の「抽出プロンプト」をチャット欄にコピペ → AIが論文の骨子をテキスト出力 | 30秒 |
| 2 | 下記の「スライド構成プロンプト」を 同じチャット欄に コピペ → AIがスライド用の完成テキストを出力 | 30秒 |
| 3 | Step 2の出力を丸ごとコピー → スライドアイコン（🖊鉛筆マーク）→「説明」欄にペースト → 生成！ | 30秒 |
💡 ここが「注入」のミソ
Step 1で正確な情報を確定させた後、Step 2でAIにスライド用に「整形」させています。
あなたが手動で内容を上書きする必要はありません。チャットに貼るだけでAIが情報を注入してくれます。
以下、コピペで使用できるプロンプトテンプレートです。
Step 1: 正確な情報を「抽出」する
まず、チャット欄に以下のプロンプトを投げ、論文のコア情報を抜き出させます。
💡 ポイント
ここでAIが出力した内容が、最終的にスライドの中身になります。もし数値が間違っていたら、この段階で「〇〇ではなく××では？」と修正指示を出しておくと、スライドの完成度が完璧になります。
汎用プロンプト（全研究デザイン対応）
プロンプトを表示
現在読み込んでいる論文の内容に基づき、以下の5つの質問に回答してください。 回答には、**専門用語（略語を含む）、解析手法、および数値（P値、効果量など）**を論文から正確に含めてください。出力は箇条書きまたはMarkdown形式のリストでお願いします。
従来の限界と課題: 従来の診断・治療・評価の限界と、本研究が解決しようとした臨床的・学術的課題は何ですか？（なぜこの研究が必要だったのか）
測定・介入の具体的手法: 本研究の主要な測定手技または介入プロトコルは何ですか？（例: 介入の詳細な内容、主要な評価に使用した尺度など）
統計解析手法: 主要な結果（効果、比較、関連性など）を導くために使用された統計解析手法は何ですか？（例: ANOVA、t検定、カイ二乗検定、生存分析など）
キー結果と数値: 主要評価項目で観察された最も重要な結果（群間差、関連性の強さ、効果の有無など）と、その具体的な数値（例: 平均値、標準偏差、P値、効果量、オッズ比など）を具体的に教えてください。
考察メカニズムと意義: その主要な結果が示唆する理論的なメカニズムや、臨床的・学術的な意義について、著者らはどのように考察していますか？（結果から導かれる新しい知見は何か？）
Step 2: スライド用テキストを生成させる
Step 1のAIの回答が出たら、同じチャット欄にそのまま 以下のプロンプトを貼り付けて送信してください。
AIがStep 1で抽出した情報を使って、スライド作成機能にそのまま貼れる完成テキストを自動合成してくれます。
スライド構成プロンプト
プロンプトを表示
抽出した情報を使って、以下の汎用プロンプトの構成案の箇所を、具体的な内容で上書きしてください。出力は、スライド作成機能に直接貼り付けられる特化型プロンプトのテキスト全体のみとしてください。
あなたは医学論文の解説を行う専門家です。聴衆は同じ分野の医療職者や研究者で、専門用語は知っているものの、解析手法や詳細なデータ解釈の知識は浅い（中級レベル）と想定してください。
現在読み込んでいる論文の内容に基づき、以下の構造とルールに従って、学術的かつ実践的な視点を強調したプレゼンテーションスライドを作成してください。
目的とトーン
- 専門用語（例: 研究の専門用語や解析手法）は避けずに使用し、その学術的定義または臨床的意味合いをスライド内で簡潔に解説してください。
- 聴衆が「この結果が自分の臨床/研究にどう応用できるか」を理解できるよう、論理的な裏付けを強調してください。
スライド構成 (全11〜12枚を厳守)
以下の配分で、各セクションを構成してください。
- 背景と目的 (1〜2枚)
- 方法 (3〜4枚)
- 結果 (3〜4枚)
- 考察 (1枚)
- 限界と結論 (1枚)
スライドごとの詳細指示（重要）
- ビジュアル化: 図表が必要なスライドには、論文の内容に基づいた視覚的に分かりやすい画像やグラフを必ず挿入してください。
- 数値の明確化: 挿入した図表の下には、その図表が示す**主要な数値や結論（例: AUC, P値, オッズ比など）**を箇条書きで必ず要約してください。
構成案
- 背景・目的: 従来の診断・治療・予測法の限界や問題点を指摘し、本研究の新規性・学術的/臨床的意義を明確に。目的をPICO形式で整理してください。
- 方法: 試験デザイン、対象者の厳密な選択基準、介入/測定手技（詳細なプロトコル）を記述。統計手法（例: ランダム化、多変量解析の種類）の選択理由を簡潔に説明してください。患者フローチャートや介入方法の図を挿入してください。
- 結果: 対象者の背景（Table 1の統計的な違い）を示し、主要評価項目の具体的な数値結果を示し、統計的な有意差を強調。主要な知見（キーとなる予測因子や効果）を明確にしてください。モデルの検証結果（例: AUC、感度/特異度）があれば挿入し、判別能力を強調してください。
- 考察: 結果の学術的な解釈（先行研究との一致/不一致）に焦点を当て、主要な知見が起きるメカニズムを、理論的な背景や生理学/病態生理学的な視点から深く推測・説明してください。
- 限界・結論: 研究の限界（サンプルサイズ、一般化可能性、追跡期間など）を具体的に挙げ、**臨床的/研究的推奨事項（Take Home Message）**を明確に強調してください。
Step 3: スライドを生成する
- Step 2でAIが出力したテキストを丸ごとコピーする
- NotebookLMの スライドアイコン（🖊鉛筆マーク） をクリック
- 表示された 「説明」欄 にペースト
- 生成ボタンを押す → 完成！
これだけで、文字が潰れず、数値が正確で、構成が論理的なスライドが出力されます。手直し工数を最小限に抑えつつ、学術的に正確なプレゼンテーション資料を作成可能です。
📌 さらに精度を上げたい方へ
本記事では「汎用版」のプロンプトを紹介しましたが、実は研究デザインごとに最適化された 「特化型プロンプト」 も作成中です。
| # | 特化型プロンプト | こんな論文に |
|---|---|---|
| ① | 予測モデル / 診断精度研究専用 | ROC解析、Lasso回帰などを使った研究 |
| ② | コホート / ケースコントロール研究専用 | 曝露 vs. アウトカムの関連を追った研究 |
| ③ | RCT / 介入研究専用 | 介入群 vs. 対照群の効果を検証した研究 |
| ④ | 症例報告 / 基礎・メカニズム研究専用 | レアケースや分子メカニズムに迫った研究 |
| ⑤ | 観察研究・トレンド分析専用 | 疫学的トレンドや経年変化を追った研究 |
完成したら記事等でお知らせしますね。
🙇♂️ フィードバックのお願い
もし試せた方は、20秒でいいのでフィードバックください！次の記事に反映させます！
[フィードバック]
🌐 コミュニティへの招待
本記事の内容に関する質問や、より高度なRAG/プロンプトエンジニアリングの話題は Discord コミュニティで共有しています。
興味がある方はぜひ参加してみてください。 [Discord参加リンク]