機械学習の公平性確保は医療格差是正の鍵、モデル設計と評価に分配的正義を

【背景】

臨床現場での機械学習活用が進む中、過去のデータに基づくモデルは、人種や社会経済的地位など保護されるべき集団に不正確な予測や資源配分の偏りをもたらし、既存の医療格差を拡大する懸念がある。この研究は、機械学習が医療格差を悪化させないための対策を検討した。

【結果】

機械学習モデルの設計、データバイアス、および予測と臨床医・患者との相互作用が医療格差を悪化させる可能性が指摘された。受動的な被害防止に留まらず、モデル設計、導入、評価に分配的正義の原則を組み込むことで、機械学習は能動的に医療格差是正に貢献できる。具体的には、患者アウトカム、性能、資源配分の平等性を確保する技術的実装が複数提示された。

【臨床へのインパクト】

日本の臨床現場において、診断支援や治療選択、システム効率化に機械学習を導入する際、その設計段階から分配的正義の原則を考慮する必要がある。特に、特定の患者集団に不利益が生じないよう、アウトカムの平等性、モデル性能の公平性、資源配分の偏りがないか評価する仕組みが求められる。これにより、機械学習が全ての患者に恩恵をもたらし、医療格差の拡大を防ぎ、むしろ是正に寄与する可能性が示唆される。

本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。