AIモデルに系統的なバイアスがあると診断精度が低下

米国で、病院勤務医、ナースプラクティショナー（診療看護師）、フィジシャンアシスタント計457人を対象に、系統的なバイアスのあるAIが臨床家の診断精度に及ぼす影響を評価し、画像に基づくAIモデルの説明がモデルの誤りを軽減できるかどうかをビネット調査による無作為化試験で検討。AIモデルのインプットありのビネットを、AIモデルの説明なしで見る群（231人）と説明ありで見る群（226人）に臨床家を無作為に割り付けた。急性呼吸不全で入院した患者の臨床ビネット（現在の症状、身体検査、臨床検査結果、胸部X線写真）を示し、各患者の急性呼吸不全の原因として、肺炎、心不全、慢性閉塞性肺疾患の可能性を判断させ、診断精度を評価した。 参加者の年齢中央値は34歳で、57.7％が女性だった。試験前の診断精度は、3つの診断について73.0％だった。説明なしの標準的なAIモデルでの精度は試験前よりも2.9％ポイント上昇し、AIモデルの説明も示した場合は4.4％ポイント上昇した。系統的なバイアスのあるAIモデル予測での精度は試験前よりも11.3％ポイント低下した。バイアスのあるAIモデル予測を説明ありで示した場合は9....