연구진은 환자 분류 모델 5종(Gemini, DeepSeek, Mistral, GPT-4)의 성별 편향을 평가하는 'EQUITRIAGE' 공정성 감사를 실시했습니다.
5개 모델 모두 성별 전환 시 환자 분류 결과가 뒤바뀌는 비율이 5%를 넘었으며, 일부 모델은 여성 환자 과소평가 경향을 보였습니다.
인구 통계 정보 가림은 Gemini 모델의 편향을 줄이는 데 효과적이었지만, DeepSeek 모델에서는 나이 정보가 여전히 영향을 미치는 것으로 나타났습니다.