ジョージメソン大学公共衛生学部および看護学部のテヌ・ザヴィアー准教授ら研究チームは、大規模言語モデルを用いて医療記録内の差別的・スティグマ表現を検出する可能性についての実証研究を行い、その成果を学術誌JAMIA Openに発表した。研究対象は、患者に対する偏見を固定化しその後の診療プロセスに悪影響を及ぼす可能性のある臨床ノート内の定型化された否定的表現である。 実験結果によると、LLMはスティグマ検出において一定の有用性を示したが、その精度はモデル規模や温度パラメータ、プロンプト設計、記録の種類といった運用環境に強く依存することが明確になった。特筆すべき知見は、どのモデルを用いても具体例を提示するプロンプト戦略を採用することで検出精度が一貫して向上した点である。ザヴィアー准教授は、単にモデルを選択するだけでは不十分であり、医療現場で信頼性を確保するには設定とプロンプト設計の最適化が必須だと強調している。 本研究は、臨床記録内の言語的偏見が患者の医療体験や信頼関係に及ぼすリスクを浮き彫りにし、最適化されたAIツールが記録プロセスの早期是正と公平な医療提供に寄与する可能性を示した。チームは、医療従事者とAI開発者の継続的な連携を通じて、偏見軽減とコミュニケーション改善の実用化ツールを開発していくべきだと結論づけている。今後は臨床導入に向けた設定基準の標準化と、多様な医療データを用いた本番環境での検証が今後の課題となる。