コンテンツへスキップ
ツールレビュー

ElicitとConsensus:論文のリサーチクエスチョンにより適切に答えられるのはどちらか?

12分で読めます

比較:Elicit は2022年の Guerrini のヒト研究を使って yes を和らげ、Consensus は Yes 91%を示して Unknown のままにする

「はい、反復投与はPEGおよび脂質成分に対する免疫応答を引き起こし、粒子のクリアランスを変化させます。」 Consensusは、「Yes 91%」を示すメーターとともに、約10秒でこの文を出力しました。より時間のかかった Elicitの「Yes」という回答は、その冒頭の文で条件が付けられており、最後の段落では最も強力な証拠が前臨床モデルにあると位置付けられていたため、論文の章はそこから書き始めるべきです。

各主張を証拠の強さと一致させる

ヘッジされた主張の信頼度編集は誇張された文章を書き直し、「主張の信頼度」は章が受けることができる5つのレビューの1つです

Jenniを無料で試す

ElicitかConsensusか:事前の判断ポイント

  • Elicitから始める場合 - 証拠がどの程度まで適用できるかを章内で述べる必要があるとき。その回答では冒頭の文で条件を挙げ、動物実験とヒトでの知見を明確に分けていました。

  • Consensusを使う場合 - 「YesかNoか」の質問に対して手早く概要を把握したいとき。約10秒で回答し、そのメーターは分類された論文の内訳を示します。

  • どちらを使う場合でも - 引用する前に元の論文を開いて確認すること。Elicitの行の1つには学術誌の記事にプレプリントのラベルが付いており、Consensusのメーターは読み込んだ20本の論文のうち9本を除外していました。

徹底比較


Elicit

Consensus

画面への回答表示

10.4秒時点で処理中、74.8秒の確認時点で完了

10.5秒の確認時点で完了

背景にある論文数

99本をレビュー、7本を引用

20本を閲覧、回答内で15本を引用

冒頭の文

Yes(処方、投与経路、用量、動物種を指定)

Yes(PEGおよび脂質成分を指定)

ヒトに関する証拠

動物実験とは対比させて独立した段落で言及

「Pharmacokinetic Impacts(薬物動態への影響)」の下に1文のみ

メカニズムの詳細

抗体、補体、およびクリアランスの促進

TLR4とCD1d、およびB-1抗体応答に続くB-2抗体応答を追加

ワクチンコホート研究

ヒトにおける知見として引用

引用されたが、「Unknown」のバッジが付きメーターからは除外

Yes/Noの集計

なし

Yes 91%、No 9%、N = 11

ラット研究の表示掲載誌

bioRxiv、2023年

NPJ Vaccines、2023年

フォーマット済み参考文献

ソースパネルにはなし

APA、MLA、Chicago、Harvard、BibTeX、AMA/Numeric

Consensusの方が高速で、エビデンステーブル、図、6種類の形式による引用など、ページ上により多くの情報を提示しました。Elicitは、証拠が強固な部分と希薄な部分を示してくれたため、論文の章として依拠できる回答を提供しました。

両ツールで同じ質問を検証

質問は、これら一連のツールレビューで使用されているCRISPRの脂質ナノ粒子送達に関する段落から取られたもので、未解明の事項として反復投与が挙げられています:「脂質ナノ粒子の反復投与は免疫応答を引き起こすか?」

設定は一切変更せず、1分未満の間隔でElicitのResearch AgentとConsensusのデフォルト検索の両方に入力しました。Consensusの「Deep review」オプションはオンにしていません。

各ツールが出した回答

Consensus - 10.5秒の確認時点で画面に回答が表示されました。そのステップパネルには実行された検索クエリ(「repeat dosing of lipid nanoparticles and immune response」)が表示され、570万件の結果と20本の論文の閲覧を経て、上記で引用したヘッドラインが示されました。

その下には「Yes 91%、No 9%、N = 11」を示すConsensus Meter、2つの主張を「Strong」、1つを「Moderate」と評価したエビデンステーブル、および独自の2つの図が配置されていました。証拠がカバーする範囲についての記述は最後にありました:「これらの知見は、実験動物モデルおよび臨床試験コホートを反映したものです」。

本文はElicitよりもメカニズムに深く踏み込んでいました。イオン化性脂質に対する応答の背後にある受容体としてTLR4とCD1dを挙げ、反復投与時の初期のB-1抗体応答とそれに続くB-2抗体応答について言及しました。

それらの合間に、閲覧した論文から4つのPEG代替物をそれぞれ1つの引用とともにリストアップし、「LNP反復投与後の血中クリアランスの促進はmRNAの有効性にどのように影響するか?」といったフォローアップの質問を提示しました。

繰り返し投与で免疫反応が起こるという Consensus の回答と、Yes 91%、No 9%、N = 11を示すメーター

反復投与の質問に対するConsensusのヘッドラインとメーター

Elicit - 10.4秒の確認時点ではまだ処理中でしたが、74.8秒の確認時点で完了した回答を出力し、「LNP反復投与に対する免疫応答に関する99件のソースをレビューしました」という見出しが付けられました。セッション名は「Lipid nanoparticle redosing immunity」と自動で設定されました。

その最初の文は「Yes」と回答し、応答とその結果は「LNPの処方、投与経路、用量、および動物種に依存する」と述べました。第2段落は「その影響は不可避または一様なものではない」という文で始まっていました。

第3段落ではヒトのデータに触れ、「ヒトのワクチンに関する知見は、動物の反復投与研究よりも実際の影響について安心できるものである」と述べています。最後の段落では、クリアランスの促進に関する最も強力な証拠は前臨床モデルにあると位置付けました。フォローアップの質問には、「抗PEG抗体と臨床転帰を関連付けるヒトでの証拠はどのようなものか?」などが含まれていました。

99件の情報源に基づく Elicit の回答:繰り返し投与は、製剤、投与経路、用量、動物種によって免疫反応を起こしうる

処方、投与経路、用量、動物種が冒頭の文に含まれているElicitの回答

🧪 知見とともに対象動物種を明記する: 2つの回答を合わせると、ラット、マウス、ヒトの研究が活用されていました。Elicitが行ったように、読者がその知見の適用範囲を把握できるよう、どの知見がどの動物種に由来するかを明記しましょう

91%の内訳

20本の論文のそれぞれには、Consensusの参考文献パネルでバッジが付けられています。バッジの内訳は「Yes」が10本、「No」が1本、「Unknown」が9本であったため、メーターの背景にある「N = 11」は、「Yes」と「No」の論文のみを対象としています。

  • 唯一の「No」 - Kim et al. (2023)による新規イオン化性脂質に関する研究で、その要約によると、マウスの線維化肺に対して活性を損なうことなくmRNAの反復投与が可能であったとされています。Consensusはこれに「ここでの唯一の異論」というタグを付けました。

  • 10本の「Yes」のうちの2本 - 被引用数0件のArral et al.によるResearch Squareのプレプリント(その学術誌版はDrug Delivery and Translational Researchに掲載)と、Cancer Researchに掲載された2026年の学会要約。

  • 9本の「Unknown」の中の1本 - Guerrini et al. (2022)による、両ツールがヒトでの証拠として使用したワクチンコホート研究。Consensusにおけるその主な要約には、「脂質ナノ粒子ベースのCOVID-19ワクチンにおけるPEGの存在は安全性や有効性に影響を与えず、抗PEG抗体は反復投与後も有意なブースター効果を示さない」と記されています。

Consensus の参考文献12:COVID-19 ワクチンの反復接種後の抗 PEG 抗体についての2022年の研究。「Unknown」のバッジ付き

Consensusの参考文献において「Unknown」のバッジが付けられたワクチンコホート研究

論文の要約はその要約の安全性に関する部分とIgGに関する部分を裏付けていますが、すべてではありません。抗PEG IgGは有意なブースター効果を示さなかった一方で、IgMは1回目と3回目の投与後に有意に上昇し、同コホートにおいてPEGは報告された重篤な有害事象とは関連していませんでした。

Consensusが読み込んだ論文の中で最も引用されていた2本も同様に「Unknown」でした。Immunityに掲載された引用数616件の2022年の論文と、引用数421件の2023年の文献レビューです。

したがって、両ツールが依拠したヒトコホート研究はパーセンテージの集計外に置かれていました。誤った主張の背後にある実際の情報源に関するガイドでは、文章が元の論文の記述からどのようにずれていくかを解説しています。

🔢 メーターはサンプルサイズ(N)と併せて確認する: この例では、メーターは読み込まれた20本中11本の論文を集計していました。パーセンテージを章に記載する前に、「Unknown」とマークされた参考文献を開いて確認してください

Elicitの回答の背景にある論文

「View 7 cited sources(引用された7件のソースを表示)」を開くと、回答の背景にある論文の表が表示されました:

  • Wang et al.(bioRxiv、2023年、引用数116件と表示)

  • Omata et al.(Molecular Pharmaceutics、2024年)

  • Lee et al.(Biomaterials Research、2024年)

  • Besin et al.(ImmunoHorizons、2019年、要約のみ)

  • Münter et al.(Molecular Therapy: Methods & Clinical Development、2023年)

  • Guerrini et al.(International Journal of Molecular Sciences、2022年)

  • Facskó et al.(Pharmaceutics、2026年、要約のみ)

1行目は、Consensusのエビデンステーブルでも筆頭に挙げられていたラットの研究です。Elicitはこれを「bioRxiv · 2023」とラベル付けしていましたが、そのリンクを開くと、Consensusが使用したのと同じDOIの下でnpj Vaccinesの記事が開きます。

この2つは同一の研究の異なる段階のものです。同じタイトルのbioRxivプレプリントが2022年に投稿され、2023年に学術誌版が続いたため、Elicitの行はプレプリントサーバー名と学術誌の発行年を組み合わせてしまっています。

7件の情報源がある Elicit の「Sources」パネル。詳細ペインには、bioRxiv 2023と記されたラットの PEG 免疫反応の研究が表示されている

学術誌の記事にプレプリントのラベルが付いているElicitのソースパネル

📰 出版社が掲載しているバージョンを引用する: ツールが論文をプレプリントとしてラベル付けしている場合は、DOIを開いてください。学術誌版が存在する場合はそれを引用し、出版社のページから発行年を取得してください

論文が査読済みかどうかを見分ける方法に関するガイドでも、同様の手動チェックについて説明しています。

2つのソースリストの重複部分

Elicitの7つの情報源のうち、4つはConsensusが引用した15のソースにも含まれていました:ラットの研究、2相性抗体応答に関する2019年のImmunoHorizonsの論文、Lee et al.による2024年の処方研究、そしてワクチンコホート研究です。

残りの3つはElicitのみが引用したものでした:

  • 投与経路 - Münter et al. (2023)はマウスにおける静脈内、筋肉内、皮下注射を比較し、筋肉内注射後の抗体レベルが低いことを発見しました。

  • 抗体とペイロード - Omata et al. (2024)は、抗PEG抗体がmRNA搭載粒子に対する免疫応答にどのように影響するかを調査しました。

  • ヒト - Facskó et al. (2026)は、ヒトの献血者における抗PEG抗体を分析し、mRNA-LNPワクチンの接種歴がある人とない人を比較しました。

また、同じラットの研究について引用数が2種類あり、Elicitでは116件、Consensusでは117件と表示されていましたが、その出版社のページでは142件となっていました。引用数は特定のデータベースによる数値であり、論文自体の不変の属性ではありません。

参考文献の出力

Consensus - 参考文献カードの引用アイコンをクリックすると「Cite this finding(この知見を引用)」が開き、APA、MLA、Chicago、Harvard、BibTeX、AMA/Numericのタブが表示されます。ラット研究のAPA形式のエントリには、11人全員の著者が順序通りにDOIとともにリストアップされていました。

その出典部分は号数や論文番号なしで「NPJ Vaccines, 8.」と記載されていましたが、出版社のページでは第1号、論文番号169と記載され、ジャーナル名は「npj Vaccines」と表記されています。

2023年のラット研究についての Consensus の APA 引用。NPJ Vaccines, 8 と DOI で終わり、号や論文番号はない

号数や論文番号が欠落しているConsensusのAPAエントリ

Elicit - 「Source details(情報源の詳細)」パネルには、タイトル、著者、掲載先、DOIリンク、要約、および保存ボタンが表示されました。コピー可能なフォーマット済みの参考文献はありませんでした。

🧾 出版社サイトで参考文献情報を完成させる: 参考文献リストに追加する前に、ツールから著者とタイトルを取得し、次に出版社のページから号数、ページ数、または論文番号を取得してください

DOIの探し方に関するガイドでは、それらの詳細が出版社のページのどこにあるかを示しています。

各ツールの料金比較

プラン

Elicit(アカデミック価格)

Consensus

無料

Basic:$0。Research AgentおよびResearch Reportsの利用制限あり、1億3,800万本以上の論文に対する無制限の検索

Free:$0。基本的な論文検索、月あたり10件のProメッセージ、月あたり最大3件のDeep reviews

最初の有料プラン

Plus:月額$19、または年額$132

Pro:月額$20、または年額$144

第2の有料プラン

Pro:月額$69、または年額$468

Deep:月額$65、または年額$540

第3プランおよびエンタープライズ

Scale:月額$149、または年額$1,068。Enterprise:要相談

Teams:1席あたり月額$30。Enterprise:要相談

価格はelicit.com/pricingおよびconsensus.app/pricingより。

Elicit Plusでは、RIS、CSV、BIB、PDF、DOCXへのエクスポートと、一度に5つのテーブル列の表示が可能です。Consensus Proでは、無制限のProメッセージと月15件のDeep reviewsが含まれ、Deepプランではレビュー数が200件に引き上げられます。

2つの最初の有料プランの差額は、月額で1ドル、年額で12ドルです。

両ツールの併用方法

  • まずConsensusに質問する - 「YesかNoか」の質問について素早く全体像を把握し、メーター横のサンプル数(N)を確認します。

  • 「Unknown」の論文を開く - 両ツールが依拠したヒトコホート研究は、パーセンテージの外であるそこに分類されていました。

  • Elicitにも同じ質問をする - 動物実験とヒトでの知見を切り分け、引用した論文をリストアップした回答を得るためです。

  • 出版社のサイトで各論文を確認する - 参考文献を記述する前に、バージョン、発行年、および号数を確認します。

リサーチクエスチョンの書き方に関するガイドでは、これらのツールが回答できるような問いの立て方を扱っており、論文の文献レビューガイドでは、確認した論文をどこに配置すべきかを解説しています。

✍️ ヘッジ表現は情報源とセットにする: Jenniで条件付きの文章を書き、カーソル位置から論文を引用することで、動物種、知見、参考文献が章内で一体となって保持されます

結論:ElicitとConsensusのどちらを選ぶべきか?

このような問いに対する学位論文の章の執筆には、Elicitが適しています。冒頭の文で処方、投与経路、用量、動物種を明記し、動物実験とヒトの証拠を分け、引用した7つの情報源を1つの表にまとめました。

「YesかNoか」の質問を手早く概観したい場合は、メーター、エビデンステーブル、6種類の形式による引用を備えたConsensusが適しています。ただし、読み込んだ20本中9本の論文が集計から外れていたため、メーターはサンプル数(N)と併せて確認してください。

DOIを使って確認済みの論文を取り込む

JenniにDOIまたはPMIDを貼り付けると論文がライブラリに追加され、APA、MLA、Chicago、IEEE、Harvard形式ですぐに引用できます

無料で執筆を開始する

ElicitのレビューとConsensusのレビューでは各ツールを単体でテストしており、Elicit vs SciSpaceでは同じ段落を使って別の組み合わせを比較しています。

論文を確認したら、章自体の執筆はJenniで行います。Jenniなら、慎重に限定された各主張が、その根拠となる情報源のすぐ隣に配置されます。

今日、あなたの最も素晴らしい作品に向けて進展を遂げましょう

今日、Jenniと一緒に最初の論文を書き、決して振り返ることはありません

無料で始めましょう

クレジットカードは不要です

いつでもキャンセルできます

書き始める– 無料です

5メートル以上

世界中の学術

5.2時間の節約

1件あたりの平均

1500万以上

ジェニに関する論文