ヘルスケアにおける大規模言語モデルのバイアス：スコーピングレビューと統合評価フレームワークの提案
カテゴリ：医療現場の業務効率化
公開日：2026年6月16日
タイトル：Large language model biases in health care: a scoping review and call for an integrated assessment framework.
雑誌名：J Am Med Inform Assoc. 2026 Jun 13; doi: 10.1093/jamia/ocag089.
概 要：
本研究は、大規模言語モデル（LLMs）をヘルスデータに適用した研究におけるバイアス評価のスコーピングレビューを行い、バイアスの概念化を統合することを目的としています。1585件の文献から76件が完全レビューの対象となり、そのうち59件がバイアスを特定しました。バイアスの主要な概念として、行動出力バイアス、予測結果バイアス、表現バイアスの3つが浮かび上がりました。
方 法：
PRISMAガイドラインに従い、PubMedとScopusを検索しました。2名のアノテーターがタイトル、要約、全文をスクリーニングし、評価を調整しました。含まれた研究からは、LLMsの情報、自然言語処理タスク、バイアスのタイプや評価方法を抽出し要約しました。
結 果：
76件の文献のうち、59件がバイアスを報告しました。行動出力バイアスと予測結果バイアスが主に存在し、観察的アプローチと実験的アプローチが用いられました。バイアスの評価は、外部の正確性または内部の平等基準に対して行われました。
結 論：
既存の研究は、平等性を重視するバイアス評価が支配的ですが、すべての格差をバイアスとして扱うことは、モデルの不適切な動作と現実の格差を混同するリスクがあります。平等性と正確性の基準を組み合わせた統合フレームワークを提案し、グループ間の違いを文脈に応じて解釈することを促進します。