生成AI登場のおかげで、新しい領域を勉強するのが非常に容易になりました。

例えば、私は最近、医療政策研究に取り組み始めておりますが、私は亀田総合病院という医師数が多い総合病院で働いていることで集約化の利点を感じており、病院集約化に関する研究に着手し始めました。

今ではこのような病院は少なくなったと思いますが、かつて主治医制の病院で私は働いていた経験があり、土日祝日、長期休暇中も病院に呼ばれて大変疲弊していた時期があります。

しかし、亀田総合病院では医師数が多いおかげで、医師への負担を分散できます。基本当直体制でon-offがはっきりしています。各疾患の症例数が多く多数の経験を集中的につめます。

つまり、働きやすく、かつ臨床能力を向上できる環境にあります。そのため集約化は、疾患予後の改善や医師の働きやすさを向上させる可能性があると私は感じており、その仮説について研究を通して検証したいと考えました。

そこで、まず先行研究をレビューしようとしたのですが、完全に未知の領域なので、最初どこから手をつけて良いかわからない状況でした。まさに知識のアンラーニング的な状況でした。

しかし、「これこそ生成AIの出番だ！」と思い、ひとまずGenspark, Felo, Perpexityを日本語で使い日本語中心に病院集約・研究に関する国内情報や知識を得て概要をつかみました。

さらに、Perplexity、Elicitを病院集約周辺のキーワードを用いて様々なキーワードで用いることで、病院集約研究に関する主要な先行研究論文を一通り知ることができました。

生成AIがなければ、自分でひたすらgoogleでネットサーフィンをしたり、Pubmedでひたすらキーワードを入れて論文をあさったりする必要があり、勉強に5倍くらいの時間がかかったと考えます。

つまり、生成AIのおかげで、病院集約研究を始めるにあたって先行研究レビューの時間が約1/5に短縮されたのです。

分からないことがあれば、まずこれら生成AIに聞くのが重要で、早いと思います。

もちろん得られた情報を、慎重に吟味することは重要です。特に引用がWebの情報の場合は、発信者など情報源が信頼に値するものかは評価する必要があります。有名な国際誌の論文であれば信頼に値すると思います。

ぜひ、新しいことを勉強するときは、これらの生成AIを用いることをお勧めいたします。