12種のLLMにめまい症例の臨床判断をさせ、患者属性による推奨のばらつきを検証したという論文。
- TiTrATEなどの診断基準に基づく合成救急症例100件に33種の患者属性を組み合わせ、12種のLLMに各10回ずつ回答させ204万件を解析した
- 黒人のトランスジェンダー女性という設定では精神科紹介の推奨が中立条件より12.2ポイント低く、ホームレス状態の黒人患者でも9.1ポイント低かった
- 合成症例による机上検証であり、実診療下でのバイアスの大きさやその臨床的影響までは確認していない
出典：J Vestib Res ／ Sociodemographic bias in LLMs' clinical decision-making for dizziness.
サトシLLMに医療判断を任せる怖さがここにある。属性で答えが変わるなら、それはブラックボックスだ。使うなら人間が疑う前提で使う。