【第5回】NotebookLMが医療AIに向いている理由―放射線技師の実験レポート
前回の記事でハルシネーションの話をしました。AIが「もっともらしい嘘をつく」問題です。
では、ハルシネーションのリスクをそもそも減らせるAIツールがあるとしたら、どうでしょうか。
今回は医療AIにおけるGoogleのNotebookLMについて語ります。
GoogleのNotebookLMは、そのアプローチが他の生成AIと根本的に違います。医療職との相性という観点で、私が実際に使ってきた体験をもとに書いていきます。
NotebookLMとは
NotebookLMはGoogleが提供する無料のAIツールです。通常のAI（ChatGPTやClaudeなど）と何が違うかというと、「自分が用意した資料を読ませて、その資料の中から答えを出す」という設計になっています。
一般的な生成AIは、インターネット上の膨大なデータで学習した知識をもとに回答します。対してNotebookLMは、自分がアップロードした資料だけを情報源にします。
これがなぜ医療職に刺さるのか。それは2つの重要な特性によります。
資料の外にある情報を勝手に補完しないので、ハルシネーションが起きにくい構造になっている
アップロードされた資料をAIの学習に利用しないため、安全性が非常に高い
今回は、臨床現場での具体的な活用例を提示しながらNotebookLMの可能性について考えてみました。
臨床現場、実際の使い方：4つの場面
1. 論文・ガイドラインをQ&Aで内容確認する
英語論文を全文読むのは時間がかかります。特に統計や結果の細部を確認したいだけのときは、NotebookLMに論文PDFを読み込ませてそのまま質問する方法が使えます。
様々な疾患のガイドラインはさらに情報量が多く、必要な情報を捉えきれないことがあります。
そんなとき、論文やガイドラインのPDFをNotebookLMに読み込ませ、「この研究のサンプルサイズは？」「主要アウトカムの結果は？」「除外基準は何か？」といった問いに対して、論文の該当箇所を引用しながら答えてくれます。どんな質問にも、必ず与えた資料からのみ回答し、根拠となる記述がどこにあるかも確認できるため、内容の信頼性を自分で判断しやすいです。
2. 複数の資料を横断して比較する
ガイドラインが複数あるとき、それぞれで推奨が微妙に違うことがあります。NotebookLMには複数の資料を同時に読み込ませることができるので、「資料Aと資料Bで推奨が異なる点はどこか」という質問が有効です。
手作業でやると相当な時間がかかる比較作業が、大幅に短縮されます。
3. 職場の内部資料を読ませて検索・QA
院内のマニュアルや手順書、委員会資料などをNotebookLMに読み込ませると、「〇〇についての手順はどこに書いてあるか」という問いに答えてくれます。
論文やガイドラインは確かに重要ですが、実際の業務は自分の職場独自のルール・マニュアルに則って行うはずです。それなら院内のマニュアルを読み込ませた、完全オリジナルな院内チャットボットが最高の相棒となるでしょう。
「あのルールどこに書いてあったっけ」という場面で力を発揮します。ただし、職場の内部資料を使う際は、情報管理のルールを必ず確認した上で利用してください。
NotebookLMに与えた資料はAIの学習に利用されないため、安心して使えます。ChatGPTなどのAIにはなかなか任せられない用途で、これが大きな差別化になっています。
4. 資料をもとにインフォグラフィックやスライドを作成する
NotebookLMには、読み込んだ資料の内容をもとにインフォグラフィックやスライド形式のビジュアルサマリーを生成する機能があります。
論文や調査資料の要点を視覚的に整理したいときに便利です。院内勉強会の資料や学会ポスターの下書きとして使える形で出力できるため、ゼロから資料を作るよりも大幅に時間が短縮されます。あくまで下書きとして使い、内容の正確性は自分で確認するという使い方が現実的です。
研究・実験計画への応用：これが一番強い
NotebookLMの使い方の中で、個人的に最も効果を感じているのがこの使い方です。
関連論文や先行研究を複数まとめて読み込ませた状態で、「この領域でまだ明らかになっていない点は何か」「先行研究の限界はどこにあるか」「自施設でできる研究設計として現実的なものは何か」と問いかけると、読み込んだ文献の内容を根拠にしながら答えてくれます。
ChatGPTでも似たようなことはできますが、NotebookLMは根拠が自分の手元の文献に限定されているため、回答の裏を取りやすいです。「これはどの論文のどの部分に基づいているか」を確認できるので、研究計画書や実験プロトコルの草案として使う際の信頼性が上がります。
「ひとり研究」の最初のハードルである「何を研究すればいいかわからない」という段階を突破するのに、かなり実用的なアプローチだと感じています。
使う際に知っておきたいこと
NotebookLMの回答は、あくまで「読み込んだ資料の範囲内」が前提です。資料に書いていないことを聞いても、一般的な知識を勝手に補って答えることはしません。これはハルシネーション対策として優れていると同時に、資料の質と範囲が回答の質を直接左右するということでもあります。
読み込む資料が古ければ古い情報が返ってきますし、資料に誤りがあればその誤りが出力に反映されます。「どんな資料を読ませるか」の選定が、使いこなしの鍵です。
まとめ
NotebookLMが医療職に向いている理由は、以下の通りです。
自分が用意した資料の中から答えを出すので、ハルシネーションが起きにくい
根拠となる箇所を引用してくれるので、内容の確認がしやすい
院内資料などもAIの学習に使われないため、安心して使える
複数論文を読み込ませた上で研究・実験計画の草案を作れる
インフォグラフィックやスライドの下書きとしても使える
無料で使える
ChatGPTやClaudeが「広範な知識を持つ汎用アシスタント」だとすれば、NotebookLMは「自分の資料に特化した調査・研究アシスタント」です。用途に応じて使い分けるのが、今のところ最も実用的なアプローチだと感じています。
次回は有料記事として、私が実際に職場で構築したAIツールの全記録を公開します。PMDAの添付文書データベースをMicrosoft 365 Copilotのエージェント機能と組み合わせて、MRI検査前の金属安全確認を自動化した話です。プロンプト全文・設計意図・精度検証まで、再現できるレベルで書きます。
本記事の内容は筆者個人の見解であり、所属する医療機関の公式見解を代表するものではありません。記事中の情報は執筆時点のものです。臨床判断・業務運用にあたっては、必ず最新の公式情報（添付文書・診療ガイドライン等）をご確認ください。本記事を参考にしたことによって生じた損害・不利益について、筆者は一切の責任を負いかねます。
筆者：現役放射線技師16年目 / 300床以上の病院AIチームリーダー
