「PubMedで論文1本見つけたけれど、関連研究をどう辿ればいいかわからない…」
文献検索を始めたばかりのとき、そう感じたことはないでしょうか。
1本の論文から「この研究を引用している論文」「この研究が引用している論文」を芋づる式に辿りたい場面は、症例検討・抄読会・卒業研究の準備で意外と多いはずです。
そこで活用したいのが、AI文献検索ツール「Semantic Scholar（セマンティック・スカラー）」です。
今回は、Semantic Scholarの基本操作（4ステップ）から、TLDR・Influential Citations・Citation Graphの3機能の使い分け、強みと限界、PubMed・Elicit・Consensusとの役割分担まで、PT・OTが今日から使える形で解説します。
情報の信頼性について
・本記事はBRAIN代表／理学療法士の針谷が執筆しています（執筆者情報は記事最下部）。
・本記事はSemantic Scholar公式仕様（2026年4月時点）および、Semantic Scholarデータベースを評価したPubMed引用比較研究のデータを基に解説しています。
本記事の結論
- Semantic ScholarはAllen AIが運営する、2億件超の論文を完全無料で検索できるAI文献検索ツール
- 4ステップで関連論文を発見でき、TLDR要約・Influential Citations・Citation Graphで「芋づる式の文献収集」が可能
- API・APIキー含めすべて無料公開されており、ElicitやConsensusなど主要AI文献検索ツールの基盤データベースとしても採用
- Semantic Scholar単独で文献検索を完結させない。PubMedによる厳密検索の後の関連研究探索ツールとして使うのが正解
以下、詳しく解説していきます。
Semantic Scholarとは？セラピストが使うべき3つの理由
Semantic Scholar（セマンティック・スカラー）は、2015年にAllen Institute for AI（AI2、米国の非営利AI研究機関）が立ち上げた、完全無料のAI文献検索ツールです。
2億件以上の学術論文をインデックス化し、AIで論文の意味を抽出して関連研究を可視化してくれます。
Semantic Scholarは「ElicitやConsensusの裏側で使われている検索基盤」としても知られており、間接的に多くの研究者が利用しています。
2026年にArchives of Orthopaedic and Trauma Surgery誌に発表された整形外科外傷AI領域のスコーピングレビューでも、PRISMA-SCR準拠の系統的検索でSemantic ScholarがOpenAlex・PubMedと並んで採用されています（Wurm et al, 2026）。
セラピストの文献検索ワークフローで、Semantic Scholarが特に役立つのは以下の3つの場面です。
- 関連論文の芋づる式探索：1本の論文から引用・被引用の論文を辿りたいとき
- TLDR要約による高速スクリーニング：抄録を読む前に「目的と結果のひとこと要約」を確認したいとき
- Influential Citationsによる重要研究特定：被引用数だけでなく「実質的に影響を与えた引用」をAIが判定
そして、Semantic Scholarの大きなメリットは「すべての機能が完全無料で、APIまで無料公開されている」ことです。
登録不要でも使えますが、無料のSemantic Scholarアカウントを作るとResearch Feedsのカスタマイズや論文ライブラリ機能が使えます。
※ EBPの基本的な考え方については、別記事「EBP/EBMとは｜リハビリ臨床への活かし方｜PT・OTのための実践ガイド」で詳しく解説しています。Semantic Scholarはエビデンス収集の関連研究探索を大幅に効率化します。
Semantic Scholarの基本操作｜4ステップで関連論文を芋づる式に発見する
Semantic Scholarを使い始める手順は、以下の4ステップです。
STEP1：公式サイトにアクセス（登録不要で検索可能）
Semantic Scholarの公式サイト（https://www.semanticscholar.org/）にアクセスします。
登録不要でそのまま検索できますが、無料アカウントを作成するとResearch Feeds（おすすめ論文フィード）や論文ライブラリ（保存機能）が使えるようになります。
アカウント登録はメールアドレスまたはGoogle・ORCIDアカウントで可能です。
STEP2：論文タイトル・キーワードで検索する（英語）
トップページの検索ボックスに、論文タイトル・著者名・キーワードを英語で入力します。
例えば、以下のような検索です。
task-oriented training stroke upper limb
検索結果には、関連論文のタイトル・著者・年・ジャーナル・被引用数が一覧表示されます。
各論文には「TLDR（Too Long; Didn’t Read）」というAI生成の超短文要約が付き、抄録を開かずに論文の目的と結果が把握できます。
STEP3：関連論文の引用ネットワークを辿る
気になる論文をクリックすると、論文詳細ページが開きます。
ページ内に以下のセクションがあり、引用ネットワークを芋づる式に辿れます。
- References：この論文が引用している論文（過去の研究）
- Citations：この論文を引用している論文（後続の研究）
- Highly Influential Citations：実質的に影響を与えた重要な引用（AI判定）
これがSemantic Scholar最大の特徴で、PubMedにはない「関連論文の縦横探索」が可能です。
STEP4：気になる論文をライブラリに保存・Research Feedsで継続フォロー
有望な論文は「Save to Library」で保存し、後で見返したり、NotebookLMに読み込ませて深く分析することができます。
Research Feeds機能を使うと、保存した論文と類似した新着論文を自動でレコメンドしてくれます。
この4ステップを踏むだけで、1本の論文を起点に関連研究を芋づる式に把握できるのがSemantic Scholar最大の強みです。
Semantic Scholarの3機能の使い分け
Semantic Scholarには「TLDR」「Influential Citations」「Citation Graph」の3つの主要機能があり、目的によって最適な機能が異なります。
TLDR（Too Long; Didn’t Read）｜論文の目的と結果のひとこと要約
論文の目的と主要結果を、GPTスタイルのNLPでAIが1〜2文に要約してくれる機能です。
計算機科学・生物学・医学を中心に約6,000万本の論文に提供されています。
抄録を読む前のスクリーニングに使うと、検索結果100件を5分で絞り込める速度感です。
Highly Influential Citations｜実質的に影響を与えた引用をAIが判定
「単に引用された」ではなく「実質的に影響を与えた引用」を機械学習モデルが判定する機能です。
引用回数だけでなく、引用された前後の文脈・引用パターンを解析して重要度を判定します。
「この論文の核心となる先行研究はどれか？」を素早く特定したいときに使います。
Citation Graph／API｜引用ネットワークを横断検索
論文・著者・引用・推薦のRESTエンドポイントを無料公開しているAPI機能です。
APIキー無しでも共用1,000 RPS、APIキー取得で専用1 RPSの初期上限が割り当てられます。
研究室・所属機関で論文モニタリング、参考文献の自動拡充、文献発見アプリの構築などに活用できます。
※ Google ScholarとPubMedの違いについては、別記事「Google ScholarよりもPubMedを使うべき3つの理由」で詳しく解説しています。
Semantic Scholarの強みと限界｜PubMedの代替にはならない理由
Semantic Scholar最大の強みは、「TLDR要約・Influential Citations・Citation Graphで関連研究を芋づる式に把握できる」点と、「APIまで完全無料で公開されている」点にあります。
1本の論文を起点に関連研究を広げたい、抄読会の準備で類似論文を探したい場面で、極めて便利です。
ただし、Semantic Scholarには明確な限界があり、PubMedとの引用比較研究で具体的に報告されています。
限界①：PubMed論文の引用カバレッジは23.5%にとどまる
2021年に学術誌Scientometricsに発表されたPubMed引用比較研究では、3,000万件のPubMed論文を対象に5つの引用データソース（Dimensions・MAG・COCI・NIH-OCC・Semantic Scholar Open Research Corpus〔S2ORC〕）を比較しました（Liang et al, 2021）。
結果、S2ORCのPubMed論文カバレッジは23.5%にとどまり、最も網羅性の高いDimensions（62.4%）やMAG（59.6%）に比べて引用情報の網羅性が劣ると報告されています。
つまり、Semantic Scholar単独で「ある論文を引用しているすべての論文」を探そうとすると、3〜4倍の取りこぼしが発生する可能性があります。
引用ネットワーク全件の精査が必要な場合は、Semantic Scholar + Dimensions（無料登録）の併用が推奨されます。
限界②：MeSH・MEDLINEタグなど厳密検索の機能がない
Semantic ScholarはAIによる自然言語検索が中心で、PubMedのMeSH（医学件名標目）やフィールド指定のような厳密検索機能はありません。
そのため、システマティックレビューや臨床ガイドラインの一次検索には不向きで、PubMed検索結果の補助として使うのが正解です。
2025年にBrazilian Dental Journalに発表されたAIツール比較研究でも、AI文献検索ツール全般について「人間の専門的判断によるオーバーサイトと組み合わせて使うべき」と結論されています（Granjeiro et al, 2025）。
限界③：ElicitやConsensusのようなYes/No判定機能はない
Semantic Scholarは検索エンジン・引用ネットワーク機能に特化しており、ConsensusのようなYes/No判定機能やPro Analysis機能は提供していません。
「効果の有無を素早く判断したい」場合はConsensus、「研究の傾向を表形式で比較したい」場合はElicitを併用するのが効率的です。
2025年にResearch Synthesis Methods誌で発表された生成AI×SR研究の系統的レビューでは、19研究の解析から生成AIは検索段階で68〜96%（中央値91%）の論文を取り逃し、誤除外率は1〜83%（中央値28%）と報告されています（Clark et al, 2025）。
つまり、AIツール全般に「論文の取り逃し」と「誤除外」のリスクがあるため、Semantic Scholarの検索結果も人間によるダブルチェックが必須です。
関連する内部記事として「有料の英語論文を無料で入手する4つの方法」も併せて参照すると、Semantic Scholarで見つけた論文を効率的に全文入手できます。
PubMed・Elicit・Consensusとの使い分け｜文献検索ワークフローの全体像
「Semantic Scholarだけで全部できるのでは？」と思いがちですが、PubMed・Elicit・Consensusにはそれぞれ得意領域があります。
4つのツールは「使う場面が違う」ので、どれか1つに絞るのではなく、用途に応じて使い分けるのが正解です。
- PubMed：厳密な検索式で網羅的に集める（最終的なエビデンス採用判断はここで行う）
- Semantic Scholar：1本の論文から関連研究を芋づる式に辿る（Citation Graph・Influential Citations）
- Elicit：研究の傾向・方向性確認に使う（PICOから関連論文を広く拾い、対象・方法・結果を表形式で比較）
- Consensus：Yes/No判定に使う（介入の効果有無を素早く把握、SDM資料用）
つまり、文献検索ワークフローの「厳密検索：PubMed」「関連研究探索：Semantic Scholar」「広く拾う：Elicit」「Yes/No判定：Consensus」と役割を分担すると、効率が一気に上がります。
各ツールの具体的な使い方は、別記事で詳しく解説しています：
→ PubMedの使い方｜PT・OTのための完全ガイド｜検索手順を初心者向けに解説
→ Elicitの使い方｜AIで関連文献を一気に把握する4ステップ｜PT・OT実践ガイド
→ NotebookLMで論文を読む｜PT・OTのスクリーニング負担を5分の1にする活用ガイド
BRAINでのSemantic Scholar活用事例｜関連研究探索での使い方
BRAIN（株式会社BRAINが運営する脳卒中専門リハビリ施設）でも、Semantic Scholarをセラピスト全員で活用しています。
具体的には、以下のような使い方をしています。
- 核となる論文を見つけた後、Influential Citationsで「実質的に影響を与えた先行研究」を辿り、研究領域の系譜を理解する
- 抄読会の論文選定で、TLDR要約を使って候補論文100本を5分でスクリーニングする
- Research Feedsを使って、上肢リハ・歩行・嚥下など各セラピストの専門領域の新着論文を継続フォローする
特に重要な運用ルールは、Semantic Scholarは「PubMed検索後の関連研究探索ツール」として位置づけ、最終的なエビデンス採用判断はPubMed検索結果に基づくという点です。
2026年にArchives of Orthopaedic and Trauma Surgery誌に発表された整形外科外傷AI領域のスコーピングレビューでも、PRISMA-SCR準拠の系統的検索でSemantic ScholarがPubMed・OpenAlexと並んで採用されており、複数データベース併用が推奨されています（Wurm et al, 2026）。
この知見は、BRAINでの「Semantic Scholarは関連研究探索、PubMedで網羅検索、最終判断はセラピスト」という運用方針の科学的裏付けになっています。
よくある質問（FAQ）
Q1：Semantic Scholarは完全無料で使えますか？
はい、すべての機能（AI検索・TLDR要約・Semantic Reader・Research Feeds・Citation Graph・API）が完全無料で利用できます。
運営元は非営利のAllen Institute for AI（AI2）で、有料プランは存在しません。
Q2：日本語で検索してもいいですか？
原則として英語検索が前提です。
UIは英語のみで、収録論文も英語論文（特にPubMed・arXiv掲載論文）が中心のため、英語クエリの方が圧倒的に精度が高くなります。
ChatGPTやDeepL翻訳を使ってキーワードを英訳してから入力しましょう。
Q3：Semantic ScholarとPubMedはどちらを先に使うべきですか？
用途によって順番が変わります。
「臨床疑問への厳密な網羅検索」が目的なら、PubMed→Semantic Scholarの順がおすすめです（PubMedで核となる論文を見つけた後、Semantic ScholarのCitation Graphで関連研究を芋づる式に辿る）。
「特定の論文の引用ネットワークを把握したい」場合は、Semantic Scholar単独でも完結することがあります。
システマティックレビューや臨床ガイドライン作成では、Semantic ScholarのS2ORCはPubMed引用の23.5%しかカバーしないため、必ずPubMedを併用してください（PMID 34720252）。
Q4：TLDR要約はそのまま臨床判断に使っていいですか？
そのまま使う前に、必ず原文（抄録または全文）を確認してください。
TLDRはGPTスタイルのNLPで生成されたAI要約のため、論文の核心となる数値（効果量・p値・信頼区間）の正確性は保証されません。
TLDRは「論文を開くかどうかのスクリーニング判断」に使い、最終的な臨床判断は原文の数値とBRAINでの患者特性を照合して行うのが大原則です。
Q5：APIを使うのに技術的知識は必要ですか？
個人セラピストが手動で検索するだけならAPIは不要で、Webブラウザだけで全機能が使えます。
研究室・所属機関で論文モニタリング・自動文献収集システムを構築する場合は、APIキーを取得し、Pythonなどでアクセスする必要があります（公式ドキュメント：https://api.semanticscholar.org/）。
本記事のまとめ
- Semantic ScholarはAllen AIが運営する、2億件超の論文を完全無料で検索できる関連研究探索ツール
- 4ステップ（公式アクセス→キーワード検索→引用ネットワーク探索→ライブラリ保存／Research Feeds）で1本の論文を起点に関連研究を芋づる式に把握できる
- TLDR要約・Influential Citations・Citation Graphの3機能を目的別に使い分けることで、抄読会・症例検討・継続フォローの効率が一気に上がる
- S2ORCのPubMed引用カバレッジは23.5%にとどまるため、PubMedによる厳密検索の補助として位置づけ、最終判断は人間が行うのが大原則
本記事の内容が、関連研究を芋づる式に発見したい・継続的に新着論文をフォローしたいセラピストの役に立てましたら幸いです。
参考文献
Liang Z, Mao J, Lu K, Li G. Finding citations for PubMed: a large-scale comparison between five freely available bibliographic data sources. Scientometrics. 2021;126(12):9519-9542. PMID: 34720252
Wurm LM, Ertel W, Laue D. Artificial intelligence in orthopedic trauma surgery: a scoping review of current applications and research gaps. Arch Orthop Trauma Surg. 2026;146(1):122. PMID: 41903010
Granjeiro JM, Cury AADB, Cury JA, et al. The future of scientific writing: AI tools, benefits, and ethical implications. Braz Dent J. 2025;36:e256471. PMID: 40197923
Gainey CS, Shroff H, Fix OK. Artificial intelligence tools for GI research: a practical guide. Clin Gastroenterol Hepatol. 2026. PMID: 41935592
Clark J, Barton B, Albarqouni L, et al. Generative artificial intelligence use in evidence synthesis: a systematic review. Res Synth Methods. 2025. PMID: 41626912
Rashid M, Yi CS, Sathapanasiri T, et al. Role of generative artificial intelligence in assisting systematic review process in health research: a systematic review. Value Health. 2025. PMID: 40848037
Bernard N, Sagawa Y, Bier N. Using artificial intelligence for systematic review: the example of Elicit. BMC Med Res Methodol. 2025. PMID: 40102714
Lau O, Golder S. Comparison of Elicit AI and traditional literature searching in evidence syntheses using four case studies. Cochrane Evid Synth Methods. 2025. PMID: 41035533
Apata OE, Kwok OM, Lee YH. The use of generative artificial intelligence in academic research: a review of the Consensus App. Cureus. 2025;17(7):e87297. PMID: 40755655
Sanghera R, Thirunavukarasu AJ, El Khoury M, et al. High-performance automated abstract screening with large language model ensembles. J Am Med Inform Assoc. 2025. PMID: 40119675
Finocchi I, Martino A, Ranjbar F, Sinaimeri B. Data cleaning and enrichment through data integration: networking the Italian academia. Sci Data. 2025;12(1):311. PMID: 39984481
BRAINアカデミー
エビデンスに基づく脳卒中リハビリテーションを体系的・網羅的に学ぶ、3ヶ月間のオンライン学習プログラムです。①動画教材 ②課題 ③フィードバックを通じて、EBMを身に付けましょう！
詳細はこちら
書籍｜文献検索の超基本
「先輩に聞けばいい」から卒業しませんか？
本書は、PT・OT・STが最短で文献検索を身につけるための一冊です。172ページ＋40本の動画で、PubMed検索からAI活用まで実践的に学べます。ChatGPT、Elicit、Semantic ScholarなどのAIツールを”なんとなく使う”のではなく、正しく臨床に活かす方法を体系的に解説。文献検索は、早く身につけた人が圧倒的に伸びます。エビデンスを自分で調べられるセラピストになりませんか？
