How to write an impactful review article?

Drug Discovery Today Vol.31 No.3 | 2026年5月 | DOI: 10.1016/j.drudis.2026.104659

高インパクト・レビュー記事のための10ステップ実践フレームワーク。トピック選定から査読対応・AI使用境界まで構造化。

① 背景と課題

科学・医学文献におけるレビュー記事は本来、既存研究を単に要約・列挙するに留まらず、新たな概念・洞察・統合視座を提供するべき媒体である。しかし実際には「文献羅列型」レビューが多く、引用偏向や論理的一貫性の欠如、ジャーナルポリシーへの不適合などにより採択・引用されないケースが多い。

課題1: 文献の網羅的列挙だけでは新規の概念的貢献が生まれない

課題2: AI執筆ツールの普及でハルシネーション・引用偽造のリスクが増大

→ Drug Discovery Today編集経験を踏まえ、トピック選定から査読対応まで一貫した10ステップ・フレームワークを提示する。

② 手法の概要

③ 本研究で示したこと

④ (a) 10ステップの寄与イメージ

④ (b) AI使用の許容境界

④ (c) トピック選定の必要条件

④ (d) 列挙型 vs 統合型

統合型へのシフトには Step (3) テーマ抽出と Step (5) 概念貢献の明示が鍵

⑤ テイクホームメッセージ

骨太の物語を組む
論文の羅列ではなく、テーマで章立てを再構成し、独自の概念的貢献を Step 5 で明示する。

原著図表が差別化要因
既往図の再掲ではなく、合成的に作図した原著の概念図・比較表が引用と読了率を底上げする。

AIは助手であり代筆者ではない
文献検索や形式整形は委ねてよいが、本文生成と引用列挙はハルシネーション源で禁忌。

透明性が信頼性
使用ツール・目的・検証手段（TURNITIN / WINSTON AI 等）を明示することで査読通過率が向上する。

研究プロセスへの応用

本論文は計算化学・ケムインフォマティクス手法を含まないエディトリアルだが、同じ10ステップ構造はケムインフォマティクス分野での総説執筆プロセスにも転用可能。

パイプライン文書化: lib/* 各サブモジュール（lib/md / lib/fep / lib/docking / lib/molgen）の総説を書く際の章立て設計に流用可能
引用透明性: 既存ライブラリAPIとの差分を明示する Step 5 の規律はベンチマーク論文にも有効

インパクト