3．統計解析での生成AI活用 -――できること，気をつけること

Generative artificial intelligence in statistical analysis：capabilities and cautions

はじめに：生成AIがかえる整形外科研究の統計プロセス

　整形外科の研究は，臨床現場で日々直面する課題を，再現性のあるかたちで検証し，科学的根拠として積み重ねていくことを主な目的の一つとしている．その過程において統計解析は，単なる計算作業ではなく，データの背後にある構造や不確実性を明らかにし，結果の信頼性を担保するための中核的手段である．

　しかし現実には，統計解析は多くの若手医師にとって心理的・技術的なハードルが高い分野であった．研究仮説に適した解析手法の選択，統計学的前提条件の理解，統計ソフトウェアの操作，結果の解釈と文章化といった複数の工程を同時に求められるためである．その結果，統計解析が「専門家に任せる作業」あるいは「形式的にすませるもの」となり，研究の核心から切り離されてしまう場面も少なくなかった．

　近年，生成人工知能（AI）の登場により，この状況に変化が生じている．少なくとも現状では生成AIは，データ解析を自動で正しく行う存在ではないが，研究計画の整理，統計手法の候補提示，解析コードの作成，結果の説明文の草案作成など，統計解析を取り巻く作業の多くを支援できるようになった^1）．特に，自然言語で指示を出すだけで統計的助言やコードを得られる点は，従来の統計教育の前提を大きくかえつつある．

　この変化は，単なる効率化にとどまらない．生成AIを適切に用いれば，若手医師が統計的思考を言語化し，試行錯誤する機会を増やすことができる．一方で，AIの出力を無批判に受け入れれば，解析の妥当性や研究責任の所在が不明瞭となり，研究の質を損なう危険もある．

　本稿では，自然言語処理に基づく大規模言語モデル（large language models：LLM）を用いたチャット型生成AI（例：ChatGPT，Gemini，Claudeなど）を対象として，生成AIを用いた統計解析の活用について，医学研究の文脈において整理し，研究や臨床におけるデータ解析に携わるすべての医療関係者が，生成AIをどのように理解し，活用すべきかについての教育的・実践的な視点を提示する．画像生成AIや音声生成AIなど，ほかの生成AIの種類は本稿の範囲外である．

　特に若手医師の統計解析力の育成を支援する教育者（指導医・教育責任者）にとっては，生成AIを教育的ツールとしての役割と研究実践におけるリスクを正しく認識し，適切に指導・評価するための基盤を本稿から得ることができる．もちろん，それ以外の若手医師を含むデータ解析に携わるすべての医療関係者にとっても，役立つ情報となる．