【目的】
手術は患者の命に直結するため、ヒューマンエラーによる事故防止が重要である。現状の安全対策は主観的な記録に依存しており、客観的な解析が不足している。本研究では、手術室監視カメラ映像を用いた人間行動認識により、ヒューマンエラーの原因を機械的に解析し、安全性向上と効率化を図ることを目的としている。
【方法】
カメラ映像を用いた人間行動認識の多くは教師あり学習を用いている。しかし、手術時間や行動の多様性、環境の違いなどから、正確なアノテーションには莫大なコストがかかり、教師あり学習のモデルを適用することは現実的ではない。本研究では教師なし学習のモデルを採用し、複数人の行動を自動で認識する手法を提案する。当該モデルは、個人行動のクラスタリングと異常度推定を同時に行うように設計した。
【結果】
提案手法を一つの手術室監視カメラ映像の全体に適用し、手術中の状況理解を試みた。約10時間のうち、手術が順調に進行している1時間の映像を抽出してモデルの学習に使用した。これにより、手術中に頻繁に起こる動作を学習し、手術中に異常が発生した時に推論結果として特徴的なパターンが表出すると考えた。
残りの約9時間の映像でモデルの推論を行い手術の解析を行った。行動の異常度が0.1を超過する人数は、手術が順調に進行している時は3人以下であったが、緊急事態が発生した時には最大で9人にまで増加した。
【考察・結論】
行動の異常度の変化から手術中の状況の変化を認識できる可能性が示唆された。得られた指標を解析することで、手術の評価、教育、事象検出等に応用できると考えられる。人間に代わり機械的に処理することで長時間に渡って状況を理解できれば、さらなる安全性向上や業務効率化に役立てられると考えられる。
【倫理的配慮】
本研究は京都大学医の倫理委員会の承認を得て実施している#R3282。