MEDICINE & AI

タイトル：A Proposed Participatory Framework for Explainable AI in mHealth: Mixed Methods Study Integrating User and Stakeholder Requirements 雑誌名：J Med Internet Res. 2026 May 04; 28: e87158. doi: 10.2196/87158. 概　要： この研究は、バングラデシュにおけるAI駆動のモバイルヘルス（mHealth）アプリに対する信頼と説明可能性に関するステークホルダーの認識を調査し、信頼の人口統計的予測因子を特定し、リソースが制約された環境における開発者、政策立案者、臨床医、エンドユーザーに利益をもたらす文脈適応型フレームワークを提案することを目的としています。 方　法： この研究は、137人を対象とした定量調査と、開発者（4人）、XAI専門家（6人）、臨床医（10人）からなる20人のステークホルダーを含む定性的なフェーズを組み合わせた逐次的混合方法デザインを使用しました。人口統計的予測因子を調査するために統計分析を行い、各ステークホルダーグループに特有の説明可能性のニーズを特定するためにテーマ分析を適用しました。 結　果： 教育レベルは信頼に有意な影響を与えることが示され、学士号を取得した学生は現在の学部生に比べて信頼が低いことが分かりました。ユーザーはAIの初期ガイダンスの有用性を認識しつつも、人間による検証の必要性を強調しました。ステークホルダーグループ間のインタビューでは、開発者は現在のmHealthアプリにおける説明可能性の実装が最小限であることを認め、医療専門家は自動出力よりも臨床判断を優先することを一致して主張しました。全てのステークホルダーグループの結果を統合すると、5つの主要な要求が明らかになりました：1) 人間とAIの協力と臨床検証、2) 透明な論理経路、3) 文脈に応じたパーソナライズ、4) 文化的および言語的関連性、5) 信頼の調整と倫理的保障。 結　論： このフレームワークは、ステークホルダー間の不一致を橋渡しし、リソースが制約された環境における設計、展開、政策の整合性に関する実行可能なガイダンスを提供します。説明可能性を南アジアの社会文化的現実に位置づけることで、この研究はXAIをアルゴリズムの透明性を超えて、デジタルヘルスにおける公平性、包括性、ユーザーのエンパワーメントに向けて進展させます。