ウェアラブルカメラの動画の解析によるプレホスピタル・ケアにおける看護師の熟練性評価の試み—フライトナースにおける熟練者と初心者の比較

Assessment of Nurses' Proficiency in Pre-hospital Care Using Activity Based on Wearable Camera Video: Comparison between Expert and Novice Flight Nurses

要旨

　目的：フライトナースのプレホスピタル・ケアを対象として，撮影された動画のオプティカルフローから算出した活動量（以下，動画活動量）を測定した上で，熟練者と初心者の相違について比較するとともに，機械学習による分類性能について検討することを目的とした．本研究の結果が明らかとなれば，臨床における教育や業務の省力化，効率化が期待できる．

　方法：熟練者および初心者フライトナースのべ30名を対象とした．対象者は，胸部にウェアラブルカメラを装着した上で業務に従事した．熟練者と初心者の分類のために機械学習および線形判別分析を行い，分類性能を検証した．

　結果：動画活動量のエントロピーの中央値は，熟練者のフライトナースが有意に低値であった．各分析方法における分類性能（適合率，再現率，F1値）は，サポートベクターマシンとランダムフォレストが高かった．

　結論：動画活動量のエントロピーが熟練性の指標となり得ること，エントロピーの経時的変化に対して機械学習を適用することにより，高い分類性能を示すことが明らかとなった．

　Objectives: The purpose of this study was to compare differences between expert and novice flight nurses in pre-hospital care by activity measured from optical flow of captured video (hereafter referred to as “video activity”) and investigate the classification performance of machine learning. The results of this study are expected to save labor and improve efficiency of education and work in clinical settings.

　Methods: A total of 30 expert and novice flight nurses were included in the study. The subjects were engaged in pre-hospital care with a wearable camera on their chest. To classify expert and novice flight nurses, we used machine learning and linear discriminant analysis to validate the classification performance of expert and novice flight nurses.

　Results: The median entropy of video activity was significantly lower in expert flight nurses. The classification performance (precision, recall, F1-measure) for each analysis method was higher in support vector machines and random forests.

　Conclusions: We found that the entropy of video activity can be an indicator of proficiency and that applying machine learning to changes in entropy over time shows high classification performance.