バイアス認識

このテクニックとは

バイアス認識（Bias Awareness）とは、AIへのプロンプトの中に、推論・分析プロセスで働きうる認知バイアスを明示的に認識・考慮するよう指示する手法です。人間の認知と同様に、AI言語モデルも学習データに反映されたバイアスや、問題の提示方法によるフレーミング効果の影響を受けます。これを意識的に制御することで、より客観的で公正な出力を得ることができます。

医療における認知バイアスは診断エラーの主要原因のひとつです。Daniel Kahneman の「思考の速さと遅さ」に基づく二重プロセス理論では、直感的な「システム1」の思考が診断を誤らせるバイアスの温床となることが示されています。代表的な医療バイアスとして、アンカリングバイアス（最初の情報に引っ張られる）、確証バイアス（自分の仮説を支持する情報ばかり集める）、早期閉鎖（最初に納得できる診断で思考を止める）などがあります。

AI言語モデルにバイアス認識を促すことで、これらの罠を明示的に回避するよう誘導できます。また、AI自体が持つバイアス（特定の疾患を過大評価・過小評価する傾向など）を自覚させることも、このテクニックの重要な目的です。

基本的な使い方

「どのようなバイアスが存在しうるかを指摘しながら分析してほしい」と明示します。分析の前後にバイアスチェックのステップを組み込むことが効果的です。

パターン1: バイアスを明示しながら分析

以下の[症例・問題]を分析する際に、下記のバイアスが働いていないかを
各ステップで確認しながら推論してください。

確認すべきバイアス:
- アンカリングバイアス: 最初の診断に引っ張られていないか
- 確証バイアス: 仮説を支持する情報だけを重視していないか
- 早期閉鎖バイアス: 十分な検討前に診断を確定していないか
- 代表性バイアス: 典型例に引っ張られて非典型例を見落としていないか
- 可用性バイアス: 最近見た症例に引っ張られていないか

症例: [患者情報・症状・検査所見]

各鑑別診断を評価する際に、上記バイアスが影響していないかを明示してください。

パターン2: 悪魔の代弁者アプローチ

以下の暫定診断について、意図的に批判的な視点から評価してください。

暫定診断: [診断名]
根拠となった所見: [所見]

求めること:
1. この診断を否定する所見・根拠を挙げる
2. この診断に至った過程で働きうるバイアスを指摘する
3. 見落とされている可能性のある代替診断を提示する
4. より客観的な評価のために追加すべき情報を提案する

医療での活用例

シナリオ

救急外来で新型肺炎の疑いがある高齢患者が来院したが、過去の診療傾向から感染症以外の診断が後回しにされることがある。医療チームは迅速かつ客観的に診断を行い、バイアスの影響を最小限に抑えたいと考えている。

プロンプト例

以下の患者情報と症例情報をもとに、診断と治療方針をステップバイステップで考察してください。
特に、過去の診療傾向や典型的なパターンに基づくバイアスが診断に影響を及ぼしていないかを
各ステップで指摘し、可能性のある診断を広く検討してください。

患者情報: [患者情報]
症例情報: [症例情報]

分析の手順:
1. 初期所見から考えられる診断仮説をリストアップする
2. 「もし感染症ではなかったら」という視点で代替診断を検討する
3. 各仮説の評価過程でどのバイアスが働きうるかを明示する
4. バイアスを排除した客観的評価に基づく最終的な診断仮説と次のアクションを示す

いつ使うべきか

• 初診時の印象が強く、診断に引きずられている可能性がある場合
• 「典型的に見える」症例ほど、非典型例を見落とすリスクを意識したい場合
• セカンドオピニオンとして、既存の診断を批判的に再評価したい場合
• 特定の患者属性（年齢・性別・既往歴）が無意識に診断に影響していないか確認したい場合
• 診療エラーのレビューや、事例を用いた安全教育の場面