生成AIによる合成データ
病院で、電子カルテから集めた患者データをもとに、生成モデルで統計的な性質の似た合成データを作り、外部の開発会社にシステム試験用として渡すことを検討している。この取り組みの注意点として適切なものを2つ選べ。
- A
元データの特定の患者とほぼ同じレコードが生成されていないか、再識別のリスクを確かめる
- B
合成データを大量に生成すれば、元データにない新しい傾向もモデルが正しく学べるようになる
- C
まれな症例や変数どうしの関係が十分に再現されないことがあり、分析の結論は元データで確かめる
- D
合成データは架空のレコードなので、個人情報の取扱いや提供先との取り決めの検討は不要になる
正解と解説を見る
正解:A・C
合成データは、本物のデータを直接渡さずに試験や開発を進める手段になる。ただし、学習データの記憶による再識別のリスクと、まれな事例や細かな関係が再現されにくい点に注意する。
- A
正しい。生成モデルは学習データを記憶して、ほぼそのまま出力することがある。合成データでも、珍しい属性の組合せから個人が特定されるおそれがないか点検が必要になる。
- B
誤り。合成データは元データの分布をもとに作られるので、元データにない情報は増えない。量を増やしても、元データの偏りが繰り返されるだけになりやすい。
- C
正しい。合成データは主な傾向をまねるが、裾の部分や細かな相関は崩れやすい。試験用には使えても、分析結果は元データで検証する。
- D
誤り。元データの記憶や再識別のリスクが残る。加工の程度や提供の条件を検討し、契約などで取り決めておく必要がある。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。