Difyで作る論⽂仕分けアプリpart2: PubMedAPIから詳細を取得

目次

1. はじめに 2. ワークフローの位置づけ 3. 各ノードの詳細解説 4. まとめ

1. はじめに

本記事は、Difyのチャットワークフローを使ってPubMed論⽂の検索‧翻訳‧要約を⾃動化するシリーズのPart 2です。

Part 1の振り返り:

• ⾃然⾔語クエリ（⽇本語）からPubMed検索パラメータを抽出
• E-SearchでPMIDリストを取得
• 後段ノードに渡すためPMIDをカンマ区切り⽂字列へ整形

Part 2（本記事）では、PMIDリストをもとにE-Fetchで論⽂の詳細データを取得し、後続のAI処理で扱いやすい構造化データへ変換するまでを解説します。ここでは、PubMedから返却されるXMLのパース処理を丁寧に解説します。

2. ワークフローの位置づけ

Part  1で整形したPMID⽂字列は、これから紹介するノードに渡されます。

1. E-Fetch: 論⽂の詳細データを取得（XML形式）
2. XMLパース: LLM処理で扱いやすいPython dict / list形式へ変換

この簡易版では、E-Fetchのみを使⽤して論⽂の詳細データを取得します。E-Summaryは使⽤せず、常にE-FetchでXML形式のデータを取得することで、アブストラクトやMeSH⽤語などの詳細情報を確実に取得できます。

ここまでを整えることで、Part  3で実施するAI要約‧優先度付けをスムーズに実装できます。

3. 各ノードの詳細解説

3-1. E-Fetch（HTTP Requestノード）

PubMedの E-fetch APIを呼び出して、論⽂の詳細データをXML形式で取得するノードです。
この簡易版のワークフローでは、テスト⽤に retmax を固定で 3 に設定することで、最大取得件数を3件に抑えています。

パラメータ	値	説明
URL	https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi	PubMed E-Fetchエンドポイント
メソッド	GET

パラメータ

パラメータ	値	説明
db	pubmed	データベース名
id	{{#1764077943290.result#}}	カンマ区切りのPMID⽂字列（前のノードから取得）
retmode	xml	XMLレスポンスを取得
retmax	3	取得件数（テスト⽤に3件で固定）

特徴: Abstract、MeSH、著者、掲載誌など詳細なデータがすべて含まれるため、LLM要約やキーワード抽出に最適です。

3-2.XMLレスポンスのパース（Codeノード）

E-FetchのエンドポイントはXML形式のデータを返します。
通常のJSON文字列ではないため、コードブロックにてPythonのxml.etree.ElementTree を使って必要な項⽬を抽出・整形します。
（Difyでは標準的なPythonライブラリを呼び出して使うことができます）

以下のコードは理解していなくても⼤丈夫です。コピペで動かすことができます（コードブロックの⼊⼒変数と出⼒変数の名称や、タイプを揃えるよう注意してください）

主な抽出項⽬

項⽬	説明
pmid	PubMed ID
title	英語タイトル
abstract	AbstractTextに付与されたLabel込みで抽出し、改⾏で結合
author	著者⼀覧（”Forename Lastname”形式）
main_author_affiliation	第⼀著者の所属機関
journal_inshort	雑誌略称
journal	雑誌正式名称
year	公開年（ PubDate → DateCompleted の順に参照）
doi	DOI（ELocationIDから抽出）
MeSH_Keywords	著者キーワードとMeSH⽤語の統合（Qualifier含む場合はDescriptor/Qualifier 形式）
publication_types	論⽂タイプ（RCT、Review、Case  Reportsなど）のリスト

コード詳細（コピペ⽤）

import xml.etree.ElementTree as ET
import json

def main(xml_string: str): 
  try:
    root = ET.fromstring(xml_string) 
  except ET.ParseError: 
    return {"parsed_result": []} 

  articles = []
  for article in root.findall('.//PubmedArticle'): 
    data = {} 

    # 1. pmid 
    pmid = article.find('.//PMID') 
    data['pmid'] = pmid.text if pmid is not None else "" 

    # 2. Title 
    title = article.find('.//ArticleTitle') 
    data['title'] = title.text if title is not None else "" 

    # 3.Abstract 
    abstract_texts = [] 
    abstract_section = article.find('.//Abstract') 

    if abstract_section is not None: 
      for text_node in abstract_section.findall('AbstractText'): 
        label = text_node.get('Label') 
        content = text_node.text or "" 
        if label: 
          abstract_texts.append(f"[{label}] {content}") 
        else: 
          abstract_texts.append(content) 
    data['abstract'] = "\n".join(abstract_texts)

    # 4. Authors & Affiliations 
    author_list = [] 
    for author in article.findall('.//Author'): 
      last = author.find('LastName') 
      fore = author.find('ForeName') 
      if last is not None and fore is not None: 
        author_list.append(f"{fore.text} {last.text}") 
      elif last is not None: 
        author_list.append(last.text) 
    data['author'] = author_list 

    main_author_affil = "" 
    first_author = article.find('.//AuthorList/Author') 
    if first_author is not None: 
      aff = first_author.find('.//AffiliationInfo/Affiliation') 
      if aff is not None and aff.text: 
        main_author_affil = aff.text.strip() 
    data['main_author_affiliation'] = main_author_affil 

    # 5-1.Journal(in short) info 
    journal_inshort = article.find('.//ISOAbbreviation') 
    data['journal_inshort'] = journal_inshort.text if journal_inshort is not None else "" 

    # 5-2. Journal_info 
    journal = article.find('.//Journal/Title') 
    data['journal'] = journal.text if journal is not None else "" 

    # 6.Year 
    year = article.find('.//PubDate/Year')
    if year is None: 
      year = article.find('.//DateCompleted/Year') 
    data['year'] = year.text if year is not None else "" 

    # 7.DOI 
    doi = "" 
    for eloc in article.findall('.//ELocationID'): 
      if eloc.get('EIdType') == 'doi': 
        doi = eloc.text 
        break 
    data['doi'] = doi 

    # 8.Keywords 
    keywords_set = set() 

    # A. 著者キーワード (KeywordList) 
    for kw in article.findall('.//Keyword'): 
      if kw.text: 
        keywords_set.add(kw.text.strip()) 

    # B. MeSH用語 (MeshHeadingList) 
    for mesh_heading in article.findall('.//MeshHeading'): 
      descriptor = mesh_heading.find('DescriptorName') 
      if descriptor is not None and descriptor.text: 
        desc_text = descriptor.text.strip() 

        # Qualifier 
        qualifiers = mesh_heading.findall('QualifierName') 

        if len(qualifiers) > 0: 
          for q in qualifiers: 
            if q.text: 
              keywords_set.add(f"{desc_text}/{q.text.strip()}") 
        else: 
          keywords_set.add(desc_text)

    # 9. Publication Types 
    pub_types = [] 
    for pt in article.findall('.//PublicationTypeList/PublicationType'): 
      if pt.text: 
        pub_types.append(pt.text.strip()) 
    data['publication_types'] = pub_types 

    # リストに戻してソート 
    data['MeSH_Keywords'] = sorted(list(keywords_set)) 
    articles.append(data) 

  return { 
    "parsed_result" : articles 
  }

出力

出⼒名	型	説明
parsed_result	array[object]	1レコード1論⽂の辞書リスト

4. まとめ

本記事で解説した内容

• E-Fetchによる論⽂詳細データの取得（XML形式）
• XMLレスポンスを構造化データへ変換するコード例
• 抽出される主要なフィールド（pmid、title、abstract、author、MeSH_Keywords、publication_typesなど）

次のステップ

Part 3では、ここで得た parsed_result を⼊⼒に、LLMでタイトル翻訳‧要約‧優先度判定を⾏います。イテレーションノードの並列処理やStructured Outputの活⽤法など、AI処理の中⼼部分を解説します。

---

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