HealyのPDFをChatGPTへ渡して「項目を一覧にして」と頼むと、読みやすい表が返ってきます。
ところが原本と比べると、途中の項目がない。「代表的なもの」「重要なもの」として、AIが親切に選んでいることがあります。
説明を読みたいときには便利でも、全項目を保存したいときには困ります。
PDFの項目を省略せず一覧化するには、「要約」や「主な項目」ではなく、ページごとに表示順のまま全行を転記する仕事として指示します。列をページ／ページ内連番／原文項目名／値／単位／位置／判読状態に固定し、読めない行も削除せず「不明」として残します。最後にページ別件数と総件数を原本と照合します。
「全部出してください」という一文だけでなく、省略が起きたときに発見できる出力形式を作ることがポイントです。
「まとめる」ではなく「転記する」と頼む
一覧化を依頼するとき、次の言葉は便利ですが、全件抽出には曖昧です。
まとめて
要点を
重要なものを
主な項目を
分かりやすく整理して
これらは、似た項目を統合したり、重複を削ったり、優先度が低そうな行を省いたりする余地を作ります。
代わりに、仕事を「原文転記」と定義します。
項目を選別・要約・統合せず、PDFに表示された順番のまま全件転記してください。同じ項目が複数回あっても削除しないでください。表記の揺れや誤字らしく見える文字も、自動修正しないでください。
自然な日本語に整えることより、原本へ戻れることを優先します。
列を先に固定する
自由形式の表は、ページが進むにつれて列の意味が変わりやすくなります。最初に列を固定します。
ページ／ページ内連番／原文項目名／値／単位／ページ内の位置／判読状態。
各列には役割があります。
ページ：原本へ戻る住所
ページ内連番：抜けた行を発見する番号
原文項目名：要約・言い換え前の表示
値：数字や記号を含む表示どおりの値
単位：％などを値から勝手に落とさないための欄
ページ内の位置：上段・中央・下段、表の何列目など
判読状態：確認済み、部分不明、判読不能、画像未読
元PDFにない値や単位は、空欄にせず「記載なし」とします。空欄だと、AIが読み落としたのか、原本に存在しないのか区別できないためです。
ページごとに1から連番を振る
PDF全体に通し番号を振るだけでは、どのページで抜けたか分かりにくくなります。
ページごとに連番を1から始めます。
1ページ目の項目を P1-001、P1-002 の形式で採番してください。2ページ目は P2-001 から始めてください。見出し、注記、重複項目も、項目として存在する場合は勝手に除外しないでください。
ページ別件数も出します。ページ／抽出件数／最初のID／最後のID／不明件数。
原本を見ながら、最初と最後、件数を照合できます。全文を最初から読み直さなくても、差があるページを絞り込めます。
読めない項目も一行として残す
小さい文字や画像化されたページでは、一部を読めない場合があります。
その行を消すと、一覧はきれいになりますが、全件抽出に見えてしまいます。
一部でも項目の存在を確認できた場合は、一行を残してください。読めない文字は推測せず「不明」、行全体を読めない場合は「判読不能の項目あり」と記載し、ページ内の位置を示してください。
「不明」は未完成の印ではなく、追加のスクショが必要な場所を示す印です。
文字として取得できなかった表や画像があれば、本文の一覧とは別にします。ページ／未読要素／位置／次に必要なもの、という形です。
たとえば「3ページ・下部の表・拡大スクショが必要」と残せば、同じPDFを何度も丸ごと送り直す必要がありません。
長い一覧は途中で要約させない
項目数が多いと、回答が途中で終わることがあります。そのとき「残りをまとめて」と頼むと、後半だけ形式が変わる可能性があります。
最初から分割単位を指定します。
一度の回答で全件を出せない場合は、ページ単位で停止してください。行の途中で止めず、最後に「完了ページ／次に開始するページ／最後に出力したID」を記載してください。次の回答でも同じ列と採番規則を維持してください。
続きは、次のように頼みます。
前回の続きとして、資料Aの4ページ目を P4-001 から開始してください。前回分を再掲・要約せず、同じ列、同じ判読状態の区分を使ってください。
「完了しました」という返事だけではなく、どこまで完了したかをIDで残します。
そのまま使える全項目抽出プロンプト
添付した資料Aを、まだ解釈・要約しないでください。PDFに表示された全項目を、ページごと・表示順のまま原文転記してください。重要度による選別、似た項目の統合、重複削除、表記修正はしないでください。列はページ／ページ内ID／原文項目名／値／単位／ページ内の位置／判読状態に固定してください。IDは1ページ目を P1-001 から、2ページ目を P2-001 から採番してください。原本に値や単位がない場合は「記載なし」、読めない文字は「不明」、存在は分かるが行全体を読めない場合は「判読不能の項目あり」と書き、一行を削除しないでください。画像・表として存在するが抽出できない部分は、ページと位置を別表にしてください。一度に出力できない場合はページの終わりで止め、完了ページ／次の開始ページ／最後のIDを示してください。各ページの最後に抽出件数、最初のID、最後のID、不明件数を出してください。まだ項目の意味、原因、良し悪し、身体状態、効果を説明しないでください。
完成判定は件数と端で行う
一覧が長くても、すべて揃ったとは限りません。完成判定を三段階にします。
1. PDFの総ページ数と処理済みページが一致する
2. 各ページの最初・最後の項目が原本と一致する
3. ページ別件数と連番に抜けがない
さらに、数ページを選んで中央の行も抜き取り確認します。値、小数点、％、単位は項目名とは別に照合します。
OpenAIの公式FAQでは、ファイルアップロードは文書から特定情報を抽出したり、文書を別の形式へ変換したりする用途に使えると案内されています。ただし、滑らかな表が返ったこと自体は、全項目を抽出できた証明ではありません。
一覧化と意味づけを分ける
全件一覧が完成してから、確認済みの行について意味を尋ねます。
PDFに表示された文字、Healy資料上の説明、AIが整理した仮説、本人の体感は別にします。項目名や数値だけから、診断、原因、治療判断、効果、病気との因果を決めません。
省略を防ぐ一番の方法は、「全部」と強く念を押すことではありません。
ページ、連番、固定列、不明表示、件数、終了位置。この六つを出力に持たせることです。
それなら、AIの返事を信じるか疑うかではなく、どの行まで確認できたかを自分で検品できます。
※本稿は、ファイル内の文字を整理・照合する一般的な方法です。医療上の診断、治療、効果判定を目的とするものではありません。
