2026年7月30日

お役立ちコラム

科研費（基盤C）はこう書けば採択率が上がる！2027年最新版・申請書作成完全ガイド

ホーム科研費（基盤C）はこう書けば採択率が上がる！2027年最新版・申請書作成完全ガイド

今年の科研費、何を申請する？

基盤Cの攻略ポイントを一挙公開。この方法で作れば採択率アップ。

毎年7〜9月になると、多くの研究者が頭を悩ませるものがあります。

**科研費（科学研究費助成事業）**です。

特に基盤研究Cは、日本で最も申請件数が多い区分の一つです。

「何を書けば採択されるのか。」

「新規性はどこまで必要なのか。」

「予備データはどれくらい必要なのか。」

私自身も放射線治療分野で複数回の科研費申請を経験し、採択・不採択の両方を経験してきました。そして申請書を読む側の立場にも触れる中で感じることがあります。

採択される研究には共通した”設計思想”があります。

単に良いアイデアがあるだけでは採択されません。

科研費は「研究」ではなく「プロジェクト」を評価している

多くの若手研究者は

「面白いテーマなら採択される」

と思っています。

しかし審査員は違う視点で見ています。

彼らが知りたいのは

「この研究は本当に最後まで完遂できるのか」

です。

つまり

実現可能性
研究体制
スケジュール
予備データ
リスク対策

これらを一つのプロジェクトとして評価しています。

研究計画書では、

仮説だけでなく、最後まで走り切る設計図

を示すことが重要です。

良いテーマは「日常診療」から生まれる

最近の採択課題を眺めると、奇抜なテーマばかりではありません。

むしろ、

なぜこの患者だけ効いたのか
なぜ画像が変化したのか
なぜ施設によって結果が違うのか

という、日常診療の疑問を丁寧に掘り下げた研究が多く見られます。

放射線治療であれば、

MRIによる早期効果判定
Adaptive RTのworkflow
AIによるContouring
Radiomics
Biology-guided RT
治療後QOL

などは今後も発展が期待されるテーマです。

最先端技術よりも、臨床的な課題意識が重要です。

「新規性」は世界初である必要はない

科研費で最も誤解されている言葉が

新規性

です。

世界初でなくても構いません。

例えば

MRI評価を別の癌種へ応用する
SBRTへ適用する
AI解析を組み合わせる
多施設共同へ発展させる

これだけでも十分に新規性になります。

審査員は

「何が新しいのか」

を一文で理解したいのです。

その一文を書けない研究は採択されにくくなります。

仮説はシンプルであるほど強い

採択される申請書は

仮説が一つです。

悪い例

「MRI・PET・AI・Radiomics・免疫・ゲノムを全部解析する」

良い例

「ADCは治療1か月後の局所制御を予測できる」

このくらいシンプルな方が伝わります。

その仮説を証明するために

を使うのであって、

技術が主役ではありません。

研究計画は「Plan B」が書かれている

ここが非常に重要です。

審査員は必ず思います。

「予定どおり進まなかったら？」

採択される申請書には

例えば

症例数不足なら

↓

多施設共同へ変更

MRI取得困難なら

↓

CT Radiomicsへ変更

AI学習数不足なら

↓

Transfer Learningを利用

など

代替案

が書かれています。

これは

研究能力の高さを示します。

AIを書くだけでは評価されない

2027年の科研費では

AIという言葉だけでは差別化できません。

今や

Deep Learning

Radiomics

LLM

Digital Twin

は珍しくありません。

重要なのは

AIで何を解決するのか。

例えば

Contouring時間を半減する
Adaptive RT workflowを改善する
MRI解析の再現性を向上させる

このように

患者利益へつながるストーリー

が必要です。

放射線治療研究は「workflow」が評価される時代

以前は

新しい装置

高線量

新しい治療法

が評価されました。

しかし現在は

workflow全体

を見る研究が増えています。

例えば

MRI撮像からContour作成まで
AI登録
Online Adaptive
QA
治療時間
患者負担

これらを改善する研究は

非常に評価されやすくなっています。

装置ではなく戦略。

workflowがすべて。

これは科研費でも同じです。

申請書は「図」で読ませる

採択された申請書を見ると

共通点があります。

図が多い。

研究フローチャート

タイムライン

研究デザイン

評価項目

AI解析フロー

これらを一目で理解できるようにしています。

審査員は短時間で多くの申請書を読みます。

文章より

図

です。

参考文献は最新レビューから逆算する

古典的論文だけでは弱い印象になります。

まず

ASTRO
ESTRO
ASCO
ESMO
NCCN

そして2020年以降のレビューを読み、

そこから引用されている代表論文へ戻る。

この順番の方が効率的です。

AI時代だからこそ価値が上がる研究者

AIは

論文検索

英文校正

統計解析

コード作成

画像解析

まで支援してくれます。

しかしAIは

「何を研究するか」

は決められません。

臨床で患者を診て

疑問を持ち

仮説を立て

研究へ発展させる。

この能力は今後さらに価値が高まります。

AI時代でも価値が上がる研究者とは、

問いを作れる研究者です。

放射線治療医におすすめしたい2027年の研究テーマ

今後数年間で注目される可能性が高いテーマとして、

MRI-Linacを活用したAdaptive RT
Biology-guided RTと分子画像
AIによるContouring・Auto Planningの臨床評価
Radiomicsと病理・ゲノムの統合解析
SBRT後の画像バイオマーカー（MRI、PET、DECT）
ctDNAと局所治療効果予測
高齢患者における放射線治療DX
Workflow改善による患者待機時間・治療効率の最適化

などが挙げられます。

共通するキーワードは、

患者にとって意味のあるアウトカムを示せるかです。

まとめ

科研費基盤Cで採択されるために重要なのは、

面白いテーマより、解決すべき臨床課題
世界初より、明確な新規性
技術より、仮説
派手なAIより、患者利益
装置より、workflow
予備データとPlan B
図で伝わる研究計画

採択される申請書は、研究内容だけではなく、「この研究者なら最後までやり遂げられる」と審査員に感じてもらえる設計になっています。

高精度ではなく患者利益。