ClinicalTrials.gov　治験情報を自然言語で取得するAIワークフロー　Part2

目次

ワークフローの全体イメージ 1. Slack Triggerノードでワークフロー起動 2. Information Extractorノードで検索条件を抽出 3. Code in JavaScriptノードでクエリを整形 4. HTTP RequestノードでAPIを検索 5. Code in JavaScriptノードでデータを整形 6. Message a modelノードでAIが回答を⽣成 7. Send a messageノードでSlackに返信

ワークフローの全体イメージ

		検索	結果	UI
Part 1	⾃然⾔語からAPI検索を実施して要約	単語	要約	Slack
Part 2	⾃然⾔語からAPI検索を⾏い、⽣成AIが要約まで実施	⽂章	要約	Slack
Part 3	検索結果の⼀覧からcsvファイルと要約を⽣成する	⽂章	要約 + csvファイル	Slack

赤文字でハイライトされた箇所が、本記事で解説している部分です

Part2. ⽂章で質問すると情報を抽出して詳細なAPI検索を実施し、要約を返す

◆⼊⼒と回答のゴールイメージ

Slack上での質問

得られる回答のイメージ

@ボットのメンション ⼩児喘息を対象とした第2相または第3相で、現在参加者を募集している治験のうち、最新のものから15件

ご質問ありがとうございます。「糖尿病」に関連するClinicalTrials.govに登録されている臨床試験について、取得したデータに基づいてご説明いたします。提供されたデータによると、糖尿病に関連する様々な側⾯（診断、治療、合併症など）を対象とした複数の試験が実施されていることがわかります。これらには、観察研究と介⼊研究の両⽅が含まれており、中には既に完了したものや、これから参加者募集を開始する予定の試験もあります。 以下に、抽出された疾患名や条件をもとに、具体的な試験内容を要約してご紹介します。 ### 1. 糖尿病性⼼⾎管合併症に関する研究* **Diabetic Cardiovascular Complications: Multi-Omics Analysis** (ID: NCT06824233) * **概要**: 糖尿病患者における⼼⾎管合併症について、マルチオミクス解析を⽤いて研究する観察研究です。糖尿病が⼼⾎管系に与える影響を多⾓的に解析することを⽬指しています。 * ** ステータス**: 2025年3⽉1⽇から募集開始予定 （NOT_YET_RECRUITING）です。 * **詳細**: ⾎管系に与える影響を多⾓的に解析することを⽬指しています。 * ** ステータス**: 2025年3⽉1⽇から募集開始予定 （NOT_YET_RECRUITING）です。 * **詳細**: [https://clinicaltrials.gov/study/NCT06824233] (https://clinicaltrials.gov/study/NCT06824233) **Genetic Markers of Coronary Heart Disease in Type 2 Diabetes** (ID: NCT00078052) * **概要**: 2型糖尿病患者における冠状動脈性⼼臓病の遺伝⼦マーカーを特定するための観察研究です。⼤規模な参加者 （12万⼈）を対象として実施されました。 * **ステータス**: 完了済み （COMPLETED）です。 * **詳細**: [https://clinicaltrials.gov/study/NCT00078052] (https://clinicaltrials.gov/study/NCT00078052) ### 2. 糖尿病性合併症の治療に関する研究 … (中略) ### まとめ 現在、ClinicalTrials.govには、糖尿病の診断、様々な合併症（⼼⾎管疾患、⾜潰瘍、網膜症、神経障害など）の治療法開発、特定の糖尿病タイプ（1型、2型、前糖尿病）への介⼊、および⾎糖モニタリング技術の評価など、多岐にわたる研究が登録されています。ほとんどの試験は既に完了していますが、「Diabetic Cardiovascular Complications: Multi-Omics Analysis (ID: NCT06824233)」は2025年3⽉から募集開始予定です。 これらの情報が、糖尿病に関する臨床試験の理解の⼀助となれば幸いです。

＜ワークフローの流れ＞

1. Slack Trigger: Slackへのメンションをトリガーにワークフローを開始。
2. Information Extractor:  ユーザーの質問から、AIがClinicalTrials.govの検索クエリパラメータを抽出。
3. Code in JavaScript6: 抽出されたパラメータから空の項⽬を削除しJSONを整形。
4. HTTP Request: 整形されたクエリパラメータを⽤いてClinicalTrials.gov APIを検索。
5. Code in JavaScript: 取得した臨床試験データを整形し、AI向けに要約。
6. Message a model: Geminiモデルが要約されたデータとユーザーの質問に基づき回答を⽣成。
7. Send a message: ⽣成された回答をSlackに返信。

1. Slack Triggerノードでワークフロー起動

このノードは、ワークフローの起点となる部分です。

設定項⽬	値	役割
Trigger	app_mention	Slack上でこのn8nボットにメンションがあったときにワークフローを起動します。
Watch Whole Workspace	true(緑色になっている状態が正しい状態)	ワークスペース全体のメンションを監視します。
Name	Sack Trigger	–

• 役割: Slack上にインストールされたn8nボットアカウントに対してメンションを⾏うことで、ワークフローを起動します。
• 期待するメッセージ形式:

@ボットのアカウント名
⼩児喘息を対象とした第2相または第3相で、現在参加者を募集している治験のうち、最新のものから15件

• 注意点:
  • メンションの後、必ず改⾏を⼊れてから検索したい疾患名（条件）やその他の検索指⽰を⼊⼒してください。
  • 前記事と同じで「Watch Whole Workspace」はONにしておいてください。

2. Information  Extractorノードで検索条件を抽出

ここが本記事で最も重要なノードになります。文章形式で自然言語を投げてあなたの意図を読み取ってAPI検索を行うための土台になるノードです。

このノードは、ユーザーの⾃然⾔語の質問を、ClinicalTrials.gov API が理解できる厳密なクエリパラメータに変換します。

• ⼊⼒テキスト: ={{$('Slack Trigger').item.json.text.split('\n')[1] }}
  • Slackメッセージの改⾏以降（2⾏⽬）のテキストが⼊⼒されます。
• 役割: ユーザーの質問（例: 「第3相の治験を15件、⽇本で」）から、疾患名（ query.cond ）、件数（ pageSize ）、並び順（ sort ）、⾼度なフィルタ（ filter.advanced など）といった複数の要素をAIが解析し、次のノードへJSON形式で出⼒します。

以下の「項⽬」「必須」「抽出指⽰」をそれぞれInformation Extrractorのフィールドに抽出してください。

以下は全てコピペで大丈夫です。

項⽬名 (Name)	必須 (Required)	Description (抽出指⽰)
query.cond	必須	Extract only the formal disease or condition names in the userʼs input suitable for the “ConditionSearch Area” in Essie expression syntax. Return as valid Essie expressions (e.g. diabetes, (lung OR breast) AND cancer). If in Japanese, translate to English.
sort	必須	Extract sorting preferences and output as a comma- or pipe-separated string of ClinicalTrials.gov field names, with optional :asc or :desc , and without brackets or array syntax. Example: “@relevance” , “EnrollmentCount:desc,NumArmGroups” , “LastUpdatePostDate” . Return as a plain string, not a JSON array.
pageSize	必須	If the user specifies the number of results desired, extract and return as pageSize(e.g., “一覧で10件” → pageSize: 10). Default to 10 if unspecified.
query.term	任意	Extract other relevant search terms (e.g., symptoms,findings, study context) for “BasicSearch Area” in Essiesyntax. Return as valid Essie expressions (e.g., AREA[LastUpdatePostDate]RANGE[2023-01-01,MAX] ). If in Japanese, translate as needed.
query.locn	任意	Extract location (country, region, city, etc.) relevant for “LocationSearch Area” in Essie syntax. Return as AREA expressions (e.g., AREA[LocationCountry]Japan AND AREA[LocationStatus]Recruiting ). Translate to English.
query.intr	任意	Extract intervention/treatment names, medical devices,or substance keywords from user input for “InterventionSearch Area”. Return as AREA expressions (e.g., AREA[InterventionName]Liraglutide ). Translate toofficial English values.
query.id	任意	Extract study IDs (NCT numbers, aliases), return as IDs or AREA expressions as appropriate. E.g., NCT01234567 or AREA[NCTIdAlias]JP12345
filter.overallStatus	任意	Extract specific recruitment statuses (e.g., “募集中”, “完了” etc.), map to allowed API status codes and return asarray, e.g., RECRUITING, COMPLETED. Use official allowedvalues: ACTIVE_NOT_RECRUITING, COMPLETED, ENROLLING_BY_INVITATION, NOT_YET_RECRUITING, RECRUITING, SUSPENDED, TERMINATED, WITHDRAWN, AVAILABLE, NO_LONGER_AVAILABLE, TEMPORARILY_NOT_AVAILABLE, APPROVED_FOR_MARKETING, WITHHELD, UNKNOWN.
filter.advanced	任意	Extract any advanced area+operator expressions from the user’s input and return as valid Essie expressions for ClinicalTrials.gov API. For any field that uses enumeratedvalues (such as trial phase), always translate user input (e.g., “第3相”) to the enum value from this list: NA, EARLY_PHASE1, PHASE1, PHASE2, PHASE3, PHASE4, output in the format AREA[Phase]PHASE3.

3. Code in JavaScriptノードでクエリを整形

Information Extractorノードの出⼒には、ユーザーが指定しなかった空の検索パラメータも含まれます。このノードは、それらの不要な空のパラメータを削除し、APIリクエスト⽤のクリーンなJSONオブジェクトを作成します。この作業をしないとHTTP RequestノードでAPI検索を⾏う時に、どうしてもエラーが発⽣してしまいます。

let output = $json.output||{};
let results = {
  'query.cond':output['query.cond']||"",
// ... 他のパラメータの初期化 ...
};

const filtered = Object.fromEntries(
  Object.entries(results).filter(([k,v])=>
    v!==""&&v!=null
);

return{json:filtered};

• 役割: Information Extractorノードから受け取ったデータから、値が空でない（ “” や null ではない）パラメータだけを抽出します。
• ⽬的: 必要な検索条件のみを次のHTTP Requestノードに渡すことで、APIへのリクエストを最適化し、正確な検索結果を得るための前処理を⾏います。

4.  HTTP RequestノードでAPIを検索

Code in JavaScript6ノードで整形されたクエリパラメータを⽤いて、「ClinicalTrials.gov」のAPIを呼び出し、臨床試験データを取得します。

設定項⽬	値	役割
URL	https://clinicaltrials.gov/api/v2/studies	ClinicalTrials.govのAPIエンドポイントです。
Send Query	true	クエリパラメータを付けてリクエストを送信します。
Specify Query	json	前のノードから渡されたJSONオブジェクト全体をクエリとして使⽤することを指定します。
JSON Query	={{$json.toJsonString()}}	Code in JavaScript6ノードから受け取った動的な検索パラメータ（JSON）を⽂字列化して、リクエストに含めます。

• 役割: AIが抽出した複雑で動的な検索条件を⼀括でAPIに渡し、最新の臨床試験データ（JSON形式）を取得します。

5. Code in JavaScriptノードでデータを整形

HTTP Requestノードで取得した⽣のJSONデータを、次のAIノードが処理しやすいように、また最終的な回答に含めるために必要な情報だけを抽出‧整形します。

const studies = $input.all()[0].json.studies;
// ... (中略) ... 
return `
▼ ${idMod.briefTitle} 
ID: ${idMod.nctId}
Status: ${status.overallStatus} / Type: ${design.studyType} / Phase: ${(design.phases || []).join('|')} 
Conditions: ${(condMod.conditions || []).join('|')}
// ... (後略) ...
`.trim();
}).join('\n\n');

return [{json: {summary: textSummary}}];

• 役割: APIから返された複数の試験データ（studies）をループ処理し、各試験のタイトル、ID、ステータス、フェーズ、条件、登録者数、期間、URLなどの主要情報を抽出し、読みやすいテキスト形式に結合します。
• 出力形式: 以下の形式で、各試験の要約が\n\nで区切られて連なります。

▼ [試験のタイトル]
ID: [NCT ID]
…
URL: https://clinicaltrials.gov/study/[NCT ID]

• 格納先: 整形されたテキストは、 summary というキーを持つJSONオブジェクトとして次のノードに渡されます。

6. Message a modelノードでAIが回答を⽣成

整形された臨床試験データとユーザーの元の質問に基づき生成AIが専⾨家として回答⽂を⽣成します。

設定項⽬	値	役割
Model ID	models/gemini-2.5-flash	使⽤するAIモデルを指定します。
Messages	2つのプロンプトを設定	AIへの指⽰と⼊⼒データを渡します。

◆プロンプト（AIへの指⽰とデータ）の詳細

1. システムプロンプト (役割と指⽰):

#Role
あなたは医療‧臨床試験の専⾨家です。

#Instruction
これからユーザーの質問内容とClinicalTrials.gov  APIから取得した試験データを渡します。
ユーザーの疑問やニーズに対して、取得したデータを根拠に、分かりやすく丁寧に答えてください。
回答では、抽出された疾患名や条件をもとにClinicalTrials.govの試験内容を要約し、質問に沿って解説してくださ
い。
与えられた情報以外の情報は絶対に含めないでください。専⾨家として確実に正しい根拠のある情報のみを提出してください。
仮に、与えられたデータで回答することが困難な場合は、ユーザーに別の質問⽅法を促してください。
⽂章は必ず⽇本語で⽣成してください。
治験のタイトルなども⽰しながら、どのような治験が存在するかを説明してください。

AIに医療‧臨床試験の専⾨家としての役割を与え、与えられたデータのみに基づき、分かりやすく根拠のある回答を⽣成するように厳しく指⽰しています。

2. ユーザープロンプト (入力データ):

#input_data
{{ $('Code in JavaScript').item.json.summary }}

URLを使って根拠を⽰す場合は以下を⽤いる
（#input_data内に⽰されたnctIdとURL接尾辞のIDが対応しているため、
根拠を⽰す場合は必ずこの対応関係を⽤いる。誤った根拠の提供は決しておこなわない）

#user_query
{{ $('Slack Trigger').item.json.text.split('\n')[1]}} 

7. Send a messageノードでSlackに返信

AIが⽣成した回答を、元のメッセージが投稿されたチャンネルとスレッドに返信します。

設定項⽬	値	役割
Send Message to	channel	投稿先としてチャンネルを指定します。
Channel ID	={{$(‘SlackTrigger’).item.json.channel }}	元のメッセージが投稿されたチャンネルのIDを取得し、返信先とします。
Text	={{$json.content.parts[0].text }}	AIノード（Message a model）で⽣成された回答テキストを取得します。
thread_ts (Reply Values)	={{$(‘Slack Trigger’).item.json.ts }}	元のメッセージのタイムスタンプ（ ts ）を取得し、スレッドへの返信として投稿します。

• 役割: AIによって⽣成された最終回答を、ユーザーがメンションしたSlackチャンネル内の元のメッセージのスレッドに投稿し、会話を完結させます。

ヘルツレーベンでは、ライフサイエンス業界に特化したDX・自動化支援を提供しています。
PubMedや学術情報の自動収集をはじめ、Slack・Gmailなどを活用したナレッジ共有の仕組みまで、実務に直結するワークフローを設計・導入いたします。

提供サービスの例

• 製薬・医療機器業界での提案活動や調査業務の自動化支援
• アカデミアや研究者向けの文献レビュー・情報共有フローの最適化
• 医療従事者のキャリア開発を支援するリスキリングプログラム

👉 ご興味をお持ちの方はぜひお気軽にお問い合わせください。
お問い合わせフォームはこちら