論文の概要: Rare Diseases, Common Dilemmas: LLMs Prioritize Equal Resource Distribution over Patient Benefit in Decision-Making

• arxiv url: http://arxiv.org/abs/2608.25236v1
• Date: Tue, 25 Aug 2026 23:54:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.49547
• Title: Rare Diseases, Common Dilemmas: LLMs Prioritize Equal Resource Distribution over Patient Benefit in Decision-Making
• Title（参考訳）: 希少疾患, 共通ジレンマ: LLMは, 意思決定における患者ベネフィットの均等な資源分布を優先する
• Abstract要約: 臨床的意思決定は、しばしば患者の自律性や正義を尊重する、善意、非正当性などの倫理的価値の優先順位付けを伴う。 最近の研究は、大規模言語モデル(LLM)がそのような主観的で価値の高い臨床判断をいかに行うかを評価し始めている。 本報告では,208種類の臨床症状を呈し,それぞれが真に高いコンフリクトを呈する稀な疾患ヴィニグレットについて検討した。
• 参考スコア（独自算出の注目度）: 6.669841955172372
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical decision-making often involves prioritizing ethical values, such as beneficence, non-maleficence, respecting a patient's autonomy, and justice. Recent work has begun to assess how large language models (LLMs) make such subjective, value-laden clinical judgments. However, evaluations of LLM decision-making in rare disease care contexts, where ethical tensions are ubiquitous and where scarce prior information likely impacts LLM behavior, are still lacking. Here, we present a benchmark of 208 clinically grounded rare disease vignettes, each of which presents genuine, high-stakes conflicts. When prompting 11 state-of-the-art LLMs to choose between clinically defensible yet ethically conflicting next steps embedded within these vignettes, we found that all evaluated models consistently prioritized justice over other core bioethical principles. Specifically, models overwhelmingly favor equal resource allocation over need-based considerations, indicating LLMs' limited responsiveness to differences in clinical severity or situational context. We also identify a strong authority-framing effect: models favor justice in committee-based contexts and shift toward beneficence and autonomy only when final decisions are framed as being made by clinicians or patients respectively. Our work suggests that institutional pressures surrounding rare disease resource utilization may be silently reflected in LLM-based decision support systems, with finer ethical considerations disregarded.
• Abstract（参考訳）: 臨床的意思決定は、しばしば患者の自律性や正義を尊重する、善意、非正当性などの倫理的価値の優先順位付けを伴う。 最近の研究は、大規模言語モデル(LLM)がそのような主観的で価値の高い臨床判断をいかに行うかを評価し始めている。 しかし、倫理的緊張がユビキタスであり、先行情報が乏しい場合や、LSMの行動に影響を及ぼす可能性が低い場合において、LSM意思決定の評価はいまだに欠落している。 そこで本研究では,208種類の臨床症状を呈し,それぞれが真に高いコンフリクトを呈する希少な疾患ヴィニグレットのベンチマークを行った。 11の最先端のLCMに対して、これらのヴィグネットに埋め込まれた次のステップを臨床的に保護できるか倫理的に矛盾するかを選択するように促すと、評価されたモデルはすべて、他の中核的倫理的原則よりも正義を一貫して優先していることが判明した。 特に、モデルはニーズに基づく考察よりも資源配分を圧倒的に好んでおり、臨床の重症度や状況条件の違いに対するLSMsの応答性に制限があることを示している。 モデルは、委員会ベースの文脈で正義を好んでおり、最終決定がそれぞれ臨床医や患者によって行われると判断された場合に限って、受益と自治へと移行する。 本研究は, LLMに基づく意思決定支援システムにおいて, 希少な疾患資源利用をめぐる制度的圧力が静かに反映されることを示唆している。

関連論文リスト

• The Judgment-Consequence Gap: LLM Moral Reasoning in Healthcare Decisions [20.192422641852534]
  大規模言語モデル(LLM)は医療などの高度な領域に入る。 LLMは、患者が健康を害する行動の責任を負うと人間に同意するが、その判断が不足する資源の割り当て方法に影響を与えることを圧倒的に拒否する。 LLMは、責任と資源不足が交わるときに人間と体系的に異なる道徳的枠組みを適用する。
  論文  参考訳（メタデータ） (2026-08-06T04:12:05Z)
• EHRBench: An Automated and Reliable EHR-based Benchmark for Clinical Decision Making with LLMs [51.129595320595094]
  臨床意思決定 (CDM) は、臨床医が診断を推測し、治療を選択し、不完全な証拠の下で将来の健康結果を予測する、現実的な臨床の中心である。 LLMモデルは、強力な言語能力、幅広い生物医学的知識、効率性のために、これらの決定をサポートするためにますます使われています。 LLMの実際の臨床決定タスクに対する信頼性は、まだ十分に理解されていない。
  論文  参考訳（メタデータ） (2026-05-28T22:38:26Z)
• What Does the AI Doctor Value? Auditing Pluralism in the Clinical Ethics of Language Models [3.552218268811112]
  医学は本質的に多元的であり、自律性、受益性、非効率性、正義といった原則は日常的に矛盾する。 良い臨床実践は、一つの倫理的スタンスを課すのではなく、各患者の価値観と調和してこれらの緊張をナビゲートする。 本稿では,臨床者が検証したジレンマのベンチマークと,意思決定から直接価値の優先順位を復元する帰属方法からなる,医療AIにおける価値多元性を監査するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-18T17:56:13Z)
• Artificial Intolerance: Stigmatizing Language in Clinical Documentation Skews Large Language Model Decision-Making [13.79732306725696]
  大規模言語モデル(LLM)は、臨床上の意思決定支援や医療ドキュメントなど、高度な領域にますます展開されている。 臨床テキストの処理において、フロンティアLSMが人間のバイアスを継承し、伝播するかどうかを検討する。
  論文  参考訳（メタデータ） (2026-05-17T02:28:25Z)
• ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning [58.01333341218153]
  ClinDEF(ClinDEF)は, LLMにおける臨床推論をシミュレートされた診断対話を用いて評価する動的フレームワークである。 本手法は, 患者を発症し, LLMをベースとした医師と自動患者エージェントとのマルチターンインタラクションを容易にする。 実験により、ClinDEFは最先端のLSMにおいて重要な臨床推論ギャップを効果的に露呈することが示された。
  論文  参考訳（メタデータ） (2025-12-29T12:58:58Z)
• HALF: Harm-Aware LLM Fairness Evaluation Aligned with Deployment [52.374772443536045]
  HALF(Harm-Aware LLM Fairness)は、現実的なアプリケーションにおけるモデルバイアスを評価し、有害度によって結果を評価するフレームワークである。 HALFは、以前のベンチマークの成功とデプロイメントの準備の整合性の間に明らかなギャップがあることを示します。
  論文  参考訳（メタデータ） (2025-10-14T07:13:26Z)
• Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
  大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。 本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。 本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
  論文  参考訳（メタデータ） (2025-10-11T16:24:35Z)
• Med-CoDE: Medical Critique based Disagreement Evaluation Framework [72.42301910238861]
  医学的文脈における大きな言語モデル(LLM)の信頼性と精度は依然として重要な懸念点である。 現在の評価手法はロバスト性に欠けることが多く、LLMの性能を総合的に評価することができない。 我々は,これらの課題に対処するために,医療用LCMの特別設計評価フレームワークであるMed-CoDEを提案する。
  論文  参考訳（メタデータ） (2025-04-21T16:51:11Z)
• Bias in Large Language Models Across Clinical Applications: A Systematic Review [0.0]
  大規模言語モデル(LLM)は、医療に急速に統合され、様々な臨床業務を強化することを約束している。 本研究は, LLMの有病率, 出所, 徴候, 臨床的意義について検討する。
  論文  参考訳（メタデータ） (2025-04-03T13:32:08Z)
• Quantifying the Reasoning Abilities of LLMs on Real-world Clinical Cases [48.87360916431396]
  MedR-Benchは1,453例の構造化患者のベンチマークデータセットで、推論基準を付した注釈付きである。 本稿では,3つの批判的診察勧告,診断決定,治療計画を含む枠組みを提案し,患者のケアジャーニー全体をシミュレートする。 このベンチマークを用いて、DeepSeek-R1、OpenAI-o3-mini、Gemini-2.0-Flash Thinkingなど、最先端の5つのLCMを評価した。
  論文  参考訳（メタデータ） (2025-03-06T18:35:39Z)
• CLIMB: A Benchmark of Clinical Bias in Large Language Models [39.82307008221118]
  大規模言語モデル(LLM)は、臨床的な意思決定にますます応用されている。 バイアスを示す可能性は、臨床の株式に重大なリスクをもたらす。 現在、LSMにおけるそのような臨床バイアスを体系的に評価するベンチマークが欠如している。
  論文  参考訳（メタデータ） (2024-07-07T03:41:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。