HCCD-DS v2：文脈的不確実性下における人間とAIの意思決定支援のための透明な合成ベンチマーク
カテゴリ：医療現場の業務効率化
公開日：2026年6月25日
タイトル：HCCD-DS v2: a transparent synthetic benchmark for human-AI decision support under contextual uncertainty.
雑誌名：Sci Rep. 2026 Jun 24; doi: 10.1038/s41598-026-59232-0.
概 要：
本研究では、機械学習の予測と人間の判断を組み合わせた意思決定支援パイプラインにおいて、最終的な決定を決定づける相互作用プロセスを評価するための合成ベンチマークデータセット「HCCD-DS v2」を提案します。このデータセットは、文脈的不確実性の下でAI推奨システムとシミュレーションされたユーザーとの間の意思決定時の相互作用をモデル化しており、医療、サイバーセキュリティ、IoTのシナリオにおける異なるプロファイルをシミュレートしています。人間の介入がシステム全体のパフォーマンスを改善または悪化させる条件依存性を示す実証分析を行いました。
方 法：
HCCD-DS v2は、AI推奨システムとユーザーの相互作用をモデル化した合成データセットで、各意思決定インスタンスは入力コンテキスト、システムの信頼度、説明可能性メタデータ、人間の受け入れ/オーバーライド行動、オーバーライドの理由、実現された結果をリンクしています。データセットは、異なる専門知識レベルを持つユーザーをシミュレーションし、意思決定時の相互作用を明示的な行動仮定の下で評価します。
結 果：
実証分析とベンチマーク実験により、専門家のオーバーライドは結果を改善する可能性が高い一方で、初心者のオーバーライドは成功を減少させる傾向があることが示されました。この相互作用を明示化することで、信頼のキャリブレーション、説明に基づく相互作用ポリシー、学習するアルゴリズムのベンチマーク環境を提供します。
結 論：
HCCD-DS v2は、意思決定支援における人間とAIの相互作用を評価するための統制された環境を提供し、信頼のキャリブレーションや説明に基づく相互作用ポリシーのベンチマークに役立つことが期待されます。シミュレーションされた人間行動の予測的回復可能性の限界についても議論します。