うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録

#120歳 #健康寿命 を目指す #うつ病 持ちの #研究者 の #人生録．うつ病(#適応障害，#抑うつ状態 等々)と診断されて，約10年．結局，#休職 になってしまいました．#社会復帰 への #自己治療 の一環としてツイートを始めてみます．

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#ネットについて思うこと

「紙に書く」と「デジタルで記憶」の使い分けや有効な組み合わせが重要だと思いました

https://t.co/dvRsAaN99n

[AGIラボ @ctgptlb]

【速報】ChatGPT共同発明者、2年のステルスを経て新型AIモデル「Jev」を発表

・LLMより20〜200倍高速、40〜400倍安価
・出力トークンは永久無料（安すぎて課金計測できない）
・文字列ではなく「型付きの判断」を返す
・構造上ハルシネーションが起きない

技術と実例をスレッドにまとめます👇🧵

[connect24h @connect24h]

この教材、まさしく、神資料。これからチーム内にClaude codeを導入しようという段階なので、これのサブセットを使わせてもらおうと思います！AI駆動開発研修のたたき台として強い。

九州大学で2026年4月に実施したClaude Codeハンズオンが、1人でもプロダクト開発を進められるワークショップキットとしてGitHub公開された。約60名が2日間で参加し、8〜9割がプロトタイプ完成、満足度4.59/5と記事は報告。しかも「6本」としつつ本文の列挙は5本。間違い？

Node.js 20以上、Next.js App Router、pnpmで、課題から実装、検証、LP、学習計画までつなぐ設計。セットアップとSkillsの具体は元記事で追いたい。AI研修は成果物より、誰が回しても再現できる工程に価値がある。 #AI駆動開発
ソース: https://t.co/IpTXmnLcWe

[Ohue M/大上雅史 @tonets]

SPReAD3000きたー

[抹茶もなか @GianMattya]

トヨタがこういう論文書いてるのおもろいな
今まさに僕も挑戦してる内容なんだけど、やっぱ群AIによる社会シミュレーション/予測システムは可能性感じるよね〜
https://t.co/MUXDg1ugSO

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#ネットについて思うこと

NotebookLM × ChatGPT × Claude
初心者のためのAIリサーチ・コンテンツ作成マニュアル案の忘備録

1．この方法で何ができるのか

大量のPDF、論文、Web記事、報告書などを読んで、最終的に

調査レポート
技術解説記事
note記事
ブログ記事
SNS投稿
プレゼン資料
研究レビュー
市場分析
投資分析

などを作成したい場合、1つのAIだけですべてを行わせるより、

NotebookLM → ChatGPT → Claude → ChatGPT

という流れで役割分担すると、調査の精度と文章の品質を上げやすくなります。

基本的な考え方は次のとおりです。

NotebookLMで「資料を読む」
↓
ChatGPTで「外部情報も含めて検証する」
↓
Claudeで「疑ってみる」
↓
ChatGPTで「最終的な文章にする」
これが本マニュアルの基本形です。

2．3つのAIの役割
最初に、3つのAIを同じように使わないことが重要です。
AI主な役割得意な仕事NotebookLM資料を読むPDF・論文・記事の整理、引用、資料間比較ChatGPT調査・統合Web検索、最新情報確認、分析、構造化、最終執筆Claude批判・発想反論、弱点発見、別の視点、コンテンツ企画
一言で表現すると、
NotebookLM = Researcher
ChatGPT = Research Director / Writer
Claude = Reviewer / Critic

と考えると分かりやすいでしょう。

3．全体のワークフロー

初心者には、次の7段階を推奨します。

STEP 0
調査テーマを決める
↓
STEP 1
NotebookLMへ資料を入れる
↓
STEP 2
NotebookLMで「調査監査」を行う
↓
STEP 3
NotebookLMで「資料間の関連性」を探す
↓
STEP 4
NotebookLMで「Research Digest」を作る
↓
STEP 5

ChatGPTで外部情報と照合する

↓
STEP 6
Claudeに批判させる

↓

STEP 7

ChatGPTで最終レポート・記事を作る

この順番が重要です。

4．STEP 0：最初に「調査テーマ」を決める

いきなり大量の資料をNotebookLMに入れない方がよいでしょう。

まず調査テーマを1文で決めます。

例えば、

「2030年までにAIデータセンター市場はどの程度成長するか」

のようにします。

悪い例は、

「AIについて調べる」

です。

範囲が広すぎます。

良いテーマには、

対象 + 知りたいこと + 時間軸

があります。

例えば、

「2030年までの世界のAIデータセンター電力需要を予測し、需要を左右する主要因を分析する」

のようにします。

5．STEP 1：NotebookLMに資料を集める
5-1．NotebookLMで新しいノートブックを作る

NotebookLMを開き、

「新しいノートブック」

を作成します。

ノートブック名は、

「AIデータセンター2030調査」

「発電コスト調査」

「○○技術文献レビュー」

など、テーマが分かる名前にします。

NotebookLMではノートブックごとにソースが管理され、複数ノートブックの内容を同時に参照することはできません。そのため、基本的には「1テーマ＝1ノートブック」にすると管理しやすくなります。

6．STEP 2：NotebookLMへ資料を追加する

NotebookLMには、

PDF

Word

PowerPoint

CSV

Webページ

Google Docs

Google Slides

Google Sheets

YouTube

音声

テキスト

などをソースとして追加できます。

例えば市場調査なら、

政府資料

国際機関レポート

企業決算資料

学術論文

コンサルティング会社レポート

技術記事

などを入れます。

初心者の場合、最初から50資料を入れる必要はありません。

まず、

5～15資料程度

から始めるとよいでしょう。

7．重要：NotebookLMでは「資料の質」が非常に重要

AIが優秀でも、入力資料が悪ければ調査結果も悪くなります。

したがって、

「資料数」
よりも
「資料の信頼性」
を優先します。
例えば、
★★★★★ 政府・国際機関・査読論文
★★★★☆ 企業の公式資料
★★★☆☆ 大手報道機関
★★☆☆☆ 一般Web記事
★☆☆☆☆ 出典不明のSNS投稿
くらいの感覚を持つとよいでしょう。

8．STEP 3：NotebookLMで「調査監査」を行う
資料を入れたら、いきなり記事を書かせません。
最初に、
資料全体を監査

させます。

NotebookLMの「チャット」に以下を貼ります。

Prompt 1：Research Auditor
このノートブックに含まれるすべての資料・情報源を横断的に分析してください。
以下の観点から整理してください。
最も重要な発見・事実
複数の資料で繰り返し確認される共通テーマ
資料間で一致している結論

資料間で矛盾している主張・数値・解釈

現時点で不足している情報

まだ結論を出すには証拠が弱い論点

今後さらに調査すべき重要な疑問

各重要な結論について、

複数資料によって裏付けられている

単一資料のみが根拠である

推論を含んでいる

追加検証が必要である

のどれに該当するかを明示してください。

可能な限り、根拠となった資料も示してください。

9．NotebookLMの「引用」を確認する

ここが非常に重要です。

NotebookLMでは回答中の引用を選択すると、元資料の該当箇所を確認できます。

AIの回答をそのまま信用するのではなく、
「この数字は本当にこの論文に書かれているか？」
「この結論は本当にこの報告書から導けるか？」
という確認をします。
特に確認すべきものは、

数値

日付

将来予測

強い断定

重要な結論

です。

10．STEP 4：資料同士の「つながり」を探す

次にNotebookLMへPrompt 2を入力します。

Prompt 2：Link Finder

このノートブックに含まれるすべての資料を比較してください。

個々の資料を単独で読んだ場合には見えにくい、

共通する因果関係
共通する前提
相互に補完する知見
一見無関係だが実際には関連している現象
異なる分野を結びつける重要な関係
を特定してください。
特に、

「資料Aの知見と資料Bの知見を組み合わせると、新たに何が分かるのか」

という観点を重視してください。
それぞれについて、
関連する資料
発見されたつながり

そのつながりが成立する理由

そこから得られる新しい洞察

その洞察の確からしさ

を説明してください。

11．なぜLink Finderを行うのか

ここが「AIを単なる要約機として使う方法」と大きく違うところです。

普通の要約なら、

資料A → 要約A
資料B → 要約B
資料C → 要約C

で終わります。

しかし本当に価値があるのは、

資料A
↘
新しい洞察
↗
資料B

という部分です。
つまり、
資料同士を組み合わせたときに初めて見えるもの
を探します。
これが人間の研究者が行う「考察」に近い部分です。

NotebookLMにはアップロード資料を視覚的に整理するマインドマップ機能もあり、テーマ間の関連性を見る補助として利用できます。

12．STEP 5：NotebookLMでResearch Digestを作る

次に、ここまでの調査結果を一度まとめます。

Prompt 3：Research Digest

このノートブックの内容を統合し、専門家が短時間で全体像を把握できる「リサーチ・ブリーフ」を作成してください。

以下の構成としてください。

1. エグゼクティブサマリー

調査全体から分かる最も重要な結論を5点以内で示す。
2. 主要な発見
重要度の高い順に整理する。
3. 最も強い証拠
各結論を裏付ける資料・データ・論拠を示す。

4. 資料間の一致点

複数の情報源が共通して支持している内容を整理する。

5. 意見・結果の不一致

資料間で異なる結論、数値、前提、解釈を整理する。

6. 未解決問題

現在の資料だけでは回答できない重要な疑問を整理する。
7. 実務的・戦略的な示唆
この調査から実際に何を判断できるかを説明する。
8. 追加調査すべき項目
今後調べるべきテーマを優先順位付きで示す。

事実と推論を明確に区別し、重要な主張については可能な限り根拠となる資料を示してください。

13．ここまでで「一次調査」が完成

ここでNotebookLMの仕事は、ほぼ終了です。

NotebookLMから得られたResearch Digestを、

調査の中間成果

と考えます。
ただし、まだ最終レポートにはしません。
なぜならNotebookLMは基本的に、

「自分が与えられた資料」

を中心に考えているからです。

次に、
そもそも資料に重要な情報が抜けていないか
をChatGPTで調べます。
14．STEP 6：ChatGPTへResearch Digestを渡す
ChatGPTで新しいProjectを作ることを推奨します。

例えば、

「AIデータセンター調査」

というProjectを作ります。

ChatGPTのProjectsには、

チャット

ファイル

プロジェクト専用指示

などをまとめて置けます。長期間続ける調査にも向いています。

そしてNotebookLMで作成したResearch Digestを、

コピー&ペーストする

または

ファイルとして保存してアップロードする

のどちらかでChatGPTへ渡します。

15．ChatGPTの役割は「外部検証」

ここでChatGPTに次のように依頼します。

Prompt：External Research Checker

以下はNotebookLMを使って複数の資料から作成したResearch Digestです。

この内容について、公開Web情報も調査して検証してください。

特に、

重要な事実に誤りがないか

数値が最新か

より新しい資料が存在しないか

見落としている重要な研究・企業・政策・技術がないか

NotebookLMの資料だけからでは分からなかった情報

結論を変更する可能性がある新しい証拠

を調査してください。

各項目を、

確認できた

修正が必要

不確実

新しい情報あり

に分類してください。

重要な事実については出典を示してください。

以下がNotebookLMのResearch Digestです。

［ここにResearch Digestを貼る］

16．通常検索とDeep researchの使い分け

簡単な確認ならChatGPTのWeb検索で十分です。

一方、

多数の情報源を比較する

技術動向を調査する

市場予測を比較する

投資調査をする

文献レビューをする

などの場合は、利用できる環境なら

Deep research

が向いています。

ChatGPTのDeep researchは、公開Web、アップロードしたファイルなどを調査し、複数情報源を統合した出典付きレポートを作成できます。

17．ここで重要な考え方

NotebookLMとChatGPTは、役割が少し違います。

NotebookLM：
「私が集めた資料から何が分かる？」
ChatGPT：

「世の中全体の情報と比較して、その結論は正しい？」

この2段階にすると、調査の抜けを減らせます。

18．STEP 7：Claudeに「反対意見」を考えさせる

ここまで来ると、

NotebookLM
+
ChatGPT

によって、かなり説得力のある結論ができています。

しかし人間は、自分が作った結論を支持する証拠ばかり集めてしまうことがあります。

そこでClaudeを、

意図的な反対者

として使用します。

ClaudeでProjectを作成し、

NotebookLMのResearch Digest

ChatGPTによる検証結果

を入れます。
ClaudeのProjectsでは資料をProject Knowledgeへ追加し、プロジェクト全体で使う指示も設定できます。
19．ClaudeにSkeptical Analystを実行させる
以下をClaudeに入力します。
Prompt 4：Skeptical Analyst
以下の調査結果について、

「結論を簡単には信じない批判的な専門家」

の立場からレビューしてください。

目的は否定することではなく、結論の頑健性を検証することです。
以下を分析してください。
最も弱い前提
十分な証拠がない結論

相関関係を因果関係と誤解している可能性

見落としている反対意見

欠けているデータ・視点

サンプルや情報源の偏り

代替となる説明

結論が成立しなくなる条件

懐疑的な専門家が最初に質問すること

結論をより強固にするために必要な追加調査

最後に、それぞれの主要結論を、
非常に強い
比較的強い
不確実
弱い

の4段階で評価し、その理由を説明してください。

20．Claudeの役割は「AI版の査読者」

Claudeには、

「もっと良い文章を書いて」

ではなく、

「私の結論のどこが間違っている可能性がある？」

と聞くのがポイントです。

つまり、

NotebookLM ＝ 調査担当

ChatGPT ＝ 検証担当

Claude ＝ 査読担当

という構造になります。

21．Claudeの指摘をChatGPTへ戻す

Claudeが弱点を指摘したら、その回答をコピーします。

そしてChatGPTの元のProjectへ戻り、

次のように依頼します。
Prompt：Research Revision
以下はClaudeによる批判的レビューです。

このレビューを検討し、

妥当な指摘

一部妥当な指摘

根拠が弱い指摘

追加調査が必要な指摘

に分類してください。

必要な場合はWeb検索を行って追加検証してください。
そのうえで、元のResearch Digestを修正し、

「最終版Research Digest」

を作成してください。

［ここにClaudeのレビューを貼る］

22．この往復が非常に重要

ここまでの流れは、

NotebookLM
↓
ChatGPT
↓
Claude
↓
ChatGPT

となっています。

これは、

調査 → 検証 → 反証 → 再統合

という流れです。

学術研究でいえば、

調査
↓
分析
↓
査読
↓
修正
に近い構造です。
23．STEP 8：Claudeでコンテンツ企画を作る
調査が完成したら、初めて「何を書くか」を考えます。
Claudeへ、
最終版Research Digest
を渡します。
そして次のPromptを使用します。
Prompt 5：Content Planner
以下の調査結果をもとに、読者に実質的な価値を提供できるコンテンツ企画を10個作成してください。

単なる要約ではなく、

「この調査結果だからこそ書ける内容」
を優先してください。
各企画について、
タイトル案

読者を引き込む冒頭のフック

中心となるメッセージ・洞察

読者が得られる具体的な価値

想定読者

コンテンツ形式

使用すべき重要なデータ・根拠

読者が抱きそうな反論

その反論への回答

最後に読者へ伝えるべき結論

を提示してください。

24．10個の企画から1つ選ぶ

例えばClaudeが10案出したら、

「1番目の記事を書く」

と決めます。

この段階では、まだClaudeに全文を書かせなくても構いません。

企画だけClaudeに作らせ、

最終文章はChatGPTへ戻す

方法を推奨します。

25．STEP 9：ChatGPTで最終コンテンツを作る

ChatGPTには、

最終版Research Digest

ClaudeによるContent Plan
必要なら元資料
があります。
ここで最終執筆を行います。

例えばnote記事なら、次のプロンプトを使います。

Prompt 6：Final Content Writer

以下のResearch DigestとContent Planをもとに、最終的な記事を作成してください。

目的：
専門知識のない読者にも理解できるが、専門家が読んでも内容が薄く感じない記事にする。

執筆方針：

最初に読者が続きを読みたくなる問題提起を置く

結論を先に示す

専門用語には簡単な説明を付ける

数値には可能な限り出典を付ける

「事実」「予測」「筆者の考察」を混同しない
強い断定は十分な証拠がある場合だけ使用する
反対意見や不確実性も説明する
最後に実務的な意味・今後注目すべき点をまとめる
構成：
タイトル
導入

結論

背景

主要な分析

重要なデータ

反対意見・不確実性

今後の展望
まとめ
Research Digest：
［貼り付け］
Content Plan：
［貼り付け］
26．完成した記事をもう一度チェックする
公開前にChatGPTへ、
「この記事をファクトチェックしてください」

と依頼します。

推奨プロンプトは次のとおりです。

Final Fact Check

この記事について、公開前の最終ファクトチェックを行ってください。

特に、

数値

年

人名

企業名

技術仕様

将来予測

引用

因果関係

を確認してください。

文章中の主張を、
✅ 十分に確認できる
⚠️ 表現を弱めた方がよい
❓ 追加確認が必要
❌ 修正が必要
に分類してください。
Webで確認できる内容については、最新の一次情報または信頼性の高い情報源を優先してください。
27．完成形のワークフロー
最終的には次の形になります。
【資料】
PDF
論文
Web記事
報告書
決算資料
│
▼
┌─────────────────────┐
│ NotebookLM │
│ │
│ ① Research Auditor │
│ ② Link Finder │
│ ③ Research Digest │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ ChatGPT │
│ │
│ Web検索 │
│ Deep research │
│ 外部情報との照合 │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ Claude │
│ │
│ Skeptical Analyst │
│ 反論・弱点・別解釈 │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ ChatGPT │
│ │
│ 追加調査 │
│ 結論修正 │
│ 最終Research Digest │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ Claude │
│ │
│ Content Planner │
│ 10個の企画案 │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ ChatGPT │
│ │
│ 最終記事 │
│ レポート │
│ SNS投稿 │
│ プレゼン原稿 │
└─────────────────────┘

28．初心者が最初に試すなら「簡易版」でもよい
最初から全部行う必要はありません。
まずは、

簡易版

NotebookLM

資料を10個程度入れる

↓

Research Auditor

↓

Research Digest

↓

Claude

Skeptical Analyst

↓

ChatGPT

最終記事作成

これだけでも十分効果があります。
慣れてきたら、
NotebookLM → ChatGPT Web調査 → Claude → ChatGPT

という完全版へ移行します。

29．どのAIに何を聞くべきか迷ったら

非常に簡単な判断方法があります。

「このPDFには何と書いてある？」

→ NotebookLM

「最新情報を調べて」
→ ChatGPT Web Search / Deep research

「この結論、本当に正しい？」
→ Claude

「この内容を分かりやすい記事にして」
→ ChatGPT

「面白い記事テーマを10個考えて」
→ Claude

「論文10本を比較して」
→ NotebookLM

「論文以外も含めて最新状況を調べて」
→ ChatGPT

と覚えるとよいでしょう。

30．最も重要なルール
AIリサーチでは、次の4つを守ると品質が大幅に上がります。
Rule 1
AIに最初から結論を書かせない。
まず資料整理をする。
Rule 2
「出典」と「AIの推論」を分ける。
AIが自然な文章を書くことと、その内容が正しいことは別問題です。

Rule 3
必ず別のAIに反論させる。

自分の考えに都合のよい結論だけを強化しないようにします。
Rule 4

最後は一次資料を確認する。

特に、

数値

技術仕様

法律

医療

投資

企業業績

政策

など、重要な判断につながる内容は元資料まで確認します。

31．本ワークフローの基本思想
この方法の目的は、
「AIに正解を教えてもらう」
ことではありません。
AIを、
調査員
分析者

査読者

編集者

として分業させ、
人間が最終判断を行うための質の高い材料を作る
ことです。
理想的な関係は、

人間
↓
調査テーマを決める
↓
NotebookLM
↓
資料から事実を抽出
↓
ChatGPT
↓
外部情報と照合
↓
Claude
↓
反論・弱点を発見
↓
ChatGPT
↓
再統合・文章化
↓
人間
↓
最終判断・公開

です。

つまり、

Human → AI Research Team → Human

という形にします。

この考え方を身につけると、NotebookLM・ChatGPT・Claudeを単なる「質問に答えるAI」ではなく、複数の専門家からなる仮想リサーチチームとして利用できるようになります。

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#研究者として思うこと

このシステムを使うと，今まで論文等の限られたPDFファイルしか notebooklmに読み込めなかったが，一気に教科書も読み込めるので，新しい領域を勉強するのに大変役立つと思います．

英語の教科書でも，読みながら，戸惑ったら質問して、Infographicsとかで分かりやすく説明してもらえば良いですよね．

[Gemini Notebook @Gemini_Notebook]

Introducing Expert Intelligence ✨

A cross-@Google initiative that helps you engage with your trusted sources, starting with eligible @GooglePlay ebooks in Gemini Notebook. You can now combine expertise from your favorite authors with other sources and engage with your books in brand new ways!

Try it out here: https://t.co/So7CQPf3ba

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#ネットについて思うこと

#ドコモはつながらない，
原因は簡単な理由でした．

基地局が、日本で一番少ないとうデータが以下の日経新聞に載ってました．

どうしようかな、、、乗り換えるか

[はやぽん @Hayaponlog]

ドコモが1番基地局が少ないとは。都市部だと速度出ない、つながらないし。ほんと10年前とは大違いだよな

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#世の中へ思うこと

賃金が増えない国、日本に住んで30年近く、

高市さんなら変えてくれるのだろうか？

ちょっと期待したい

[中泉 拓也 (Takuya Nakaizumi) @nakaizu3]

これはすごい結果。生産性は欧州並みに上昇しているのに、賃金だけ全然上昇していない。実質だとこんな感じですかね。
https://t.co/9deqFVObLz

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#ネットについて思うこと

やはり、#ドコモつながらない と思うのです．

先日、新東名の清水PAで決済しようとしたら、全然つながらなくて、大変困りました．

もう、20年以上ドコモユーザーなのに、最近の #ドコモサービス低下 は目に余ると思うのです．

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#うつ病になって思うこと

#うつ病 の #休職復帰 から約1年，
なんとか、週5で会社員生活を続けられました

嬉しい一方で，
無くした物にも気づきます

頭痛などの症状が発症しやすくなり
以前のようなハードワークは困難です

土日はしっかり休み，仕事を忘れるようにしています

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#うつ病になって思うこと

最近，風邪になりました．

体調が悪くなると，
「生きようという意識も弱くなる」
事が明らかに自覚されます．

#うつ病 を経験すると
日々の健康管理の重要度も増す
と思う，今日この頃です

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#世の中へ思うこと

#うつ病 経験者からすると，
Xで寝てないアピールできる元気があるから，
全然，まだ元気があって，問題無いと思います

とりあえず、
公約した #消費税減税 や #物価対策 に期待します

「寝てないアピールする首相見たことない」　高市氏のX投稿波紋
https://t.co/0xr4kLxVcC

[ピュアしずく @pureshizuku]

怒れない人のための『感情のリセット術』

① 【まず「今、ちょっと嫌だった」と心の中で認める】
声に出さなくていい。ただ自分の中で「嫌だった」と気づくだけ。これが怒りのセンサーを取り戻す第一歩。

② 【モヤモヤを「紙に書く」か「ひとり言」で出す】
いきなり相手に言うのは難しい。だからまず「本当は嫌だった」「本当はこうしたかった」を紙に書くか、帰り道やお風呂でひとり言にして出してみる。ため込まず外に出すだけで、感情のセンサーが戻ってくる。

③ 【「怒れなかった自分」を責めない】
また笑ってしまった、と自分を責めなくていい。今まで怒らないことで自分を守ってきた。それ自体がすごいこと。そこを認めてから、少しずつ手放していく。

怒らなくていい。
ただ「今ちょっと嫌だったな」って
心の中で気づいてあげるだけで、十分。

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#ネットについて思うこと

#ドコモがつながらない

以前はサクサクつながっていたと記憶しているのだが
東北新幹線で #ドコモがつながらない

AU や Softbankはつながるのだろうか？
比較してみたいのです．

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#うつ病になって思うこと

復職して約1年です
だいぶ，仕事のペースも戻せるようになりました．
ただし，薬が離せません．

さらに，漠然とした不安や不満に悩まされています

もちろん，うつ病で寝たきりの時を考えると，
素直に喜んで良いのですが，

人間の心は複雑と感じるこの頃です

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#世の中へ思うこと

最近，うつ病から復職して，約1年，
出張も行けるようになり，
最悪の頃と比べると，回復できて，良かったと思うのです．

しかし，出張で来た東京，人が多いですね．
そして，

#ドコモは本当につながらない

というのを実感できます．東京だけなのだろうか？

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#うつ病になって思うこと

最近，ふとしたときに，漠然と不安になります．
自分は悪いことしていないのに，
なんとなく，心配になるというか，テンションが下がります

こういうのもうつ病の後遺症なのでしょうか？
主治医からは，あまり気にしないように，とのことでした

楽に行きたいものです

[うつ病持ち博士研究者の120歳健康寿命を目指す人生格闘の記録 @120_HealthSpan]

#人生について思うこと

人の人生は人の人生、他人が介入することも出来ない
出会いもあり、別れもある．
寂しい気もするが、
前向きに、前途の成功や未来を信じる方が良いと思う

「人の生き方はそれぞれ、他人の干渉など」
#レコア・ロンド
（『#機動戦士Ζガンダム』第49話より）

[びっとらべる @bit_ravel]

これは経験上マジ。