Towards Modeling Situational Awareness Through Visual Attention in Clinical Simulations

この研究では、40 名の臨床従事者が参加する VR 心停止シミュレーションの視線追跡データに遷移ネットワーク分析を適用し、役割やシナリオの段階に応じてチームの状況認識がどのように動的に再配分されるかを可視化し、効果的な急性医療トレーニングへの応用可能性を示しました。

要約

🏥 研究の舞台：VR での「心停止」シミュレーション

まず、この研究は病院の廊下ではなく、バーチャルリアリティ（VR）のゲームの中で行われました。
4 人の医療スタッフがチームを組み、心臓が止まった患者を救う訓練です。

• チームの役割：
  1. リーダー（チームリーダー）： 全体を指揮する「司令塔」。
  2. 気道担当： 呼吸を確保する人。
  3. CPR 担当： 胸を圧迫する人。
  4. 除細動器担当： 電気ショックを与える人。

彼らは VR のゴーグルを着け、その中に付いたカメラで**「どこを、どれくらい見たか（視線データ）」**を記録しました。

🔍 使った分析手法：視線の「交通網」マップ

研究者たちは、単に「何秒見たか」を数えるのではなく、**「視線が A から B、そして C へとどう移動したか」という「視線の交通網」**を作りました。

これを**「遷移ネットワーク分析（TNA）」**と呼びますが、イメージとしては以下の通りです：

• 視線の移動 ＝ 車の移動
• 注目した場所（モニター、患者、チームメイトなど） ＝ 交差点や目的地
• 分析 ＝ 交通渋滞やルートのパターンを調べる

この「交通網」を分析することで、チームがどうやって情報を共有し、役割を分担しているかが見えてきます。

🎭 発見された 2 つの重要なパターン

1. 役割によって「見る癖」が違う（役割ごとの違い）

チームのメンバーは、それぞれの役割に合わせて、視線の使い方が全く違っていました。

• CPR 担当（胸を圧迫する人）＝「集中型のドライバー」

  • 様子： 患者の胸と、自分の手元の機器に視線が集中します。
  • 比喩： 激しいレースをしているレーシングドライバーのようです。前方（患者）とメーター（機器）にしか目が行かず、周囲の景色（他のチームメイト）はあまり見ません。これは、命を救う「実行」に集中するため、あえて視野を狭めている状態です。
  • 特徴： 視線がバラバラに動く（探索的）ですが、特定の作業中は一点に集中します。

• リーダー（チームリーダー）＝「空から見る鳥」

  • 様子： 患者、モニター、他のチームメイト、機器など、あちこちを広く見回します。
  • 比喩： 戦況を把握する指揮官や、空から街を見下ろす鳥のようです。特定の一点に固執せず、全体の状況（誰が何をしているか、患者の状態はどうか）を常に把握しています。
  • 特徴： 視線が広く行き交い、チーム全体をカバーしています。

2. 状況が変わると、視線の使い方も変わる（時間ごとの変化）

最も面白い発見は、**「シナリオが進むにつれて、視線の使い方が劇的に変化する」**ことです。

• 序盤（診断・準備フェーズ）：
  • CPR 担当： 「あれ？これ？あっちも？」と、周囲を広く見回して情報を集めます。
  • リーダー： 全体を把握しつつ、チームの動きを確認します。
• 終盤（本格的な処置フェーズ）：
  • CPR 担当： 胸圧迫が始まると、**「視野が狭くなる」現象が起きます。患者と自分の手元だけを見るようになります。これは「作業に集中しすぎると、周囲が見えなくなる」という心理現象（トンネルビジョン）ですが、ここでは「集中力を高めるための適応」**として機能しています。
  • リーダー： CPR 担当が視野を狭めた分、リーダーが「視野を広げて」カバーします。患者の状態や他のメンバーの動きをより頻繁にチェックし、チーム全体が崩れないように監視役を強化します。

💡 この研究が教えてくれること（結論）

この研究は、**「状況把握（SA）」**とは、全員が同じように情報を共有している静的な状態ではないと教えてくれます。

• 動的なバランス： 状況が変化すると、チーム内で**「誰が何を見るか」という責任が、生き生きと移動します**。
  • 実行役（CPR）が「狭い視野」で集中する。
  • 監視役（リーダー）が「広い視野」でカバーする。
• 補完関係： この「狭い」と「広い」のバランスが、チームとしての最高のパフォーマンスを生み出しています。

🚀 今後の展望

この技術（視線の交通網分析）を使えば、**「チームがどこでミスしそうか」や「トレーニングのどこに改善点があるか」**を、客観的なデータで発見できるようになります。

例えば、「リーダーが患者のモニターを見すぎて、他のメンバーの動きを見ていないな」といった**「見落とし」をリアルタイムで検知**し、より安全な医療チームを育てるためのトレーニングに役立てることができます。

---

一言でまとめると：
「心停止の現場では、**『実行する人は一点集中、指揮する人は全体把握』という、視線の使い分けがチームの命綱になっている。そして、その視線の使い方は、状況に合わせて『生き生きと入れ替わる』**ことがわかった！」という研究です。

技術概要

以下は、提示された論文「Towards Modeling Situational Awareness Through Visual Attention in Clinical Simulations（臨床シミュレーションにおける視覚的注意を通じた状況認識のモデリングTowards）」の技術的な要約です。

1. 研究の背景と課題 (Problem)

時間的制約が厳しく、高リスクな臨床環境（特に急性期医療）において、チームがどのように協調し、**状況認識（Situational Awareness: SA）**を維持するかを理解することは、行動分析や学習分析における重要な課題です。

• 既存手法の限界: 従来のチームパフォーマンス評価は、行動マーカーやコーディングスキームに依存しており、主観的評価が入りやすく、労働集約的であるだけでなく、リアルタイムで展開される動的かつ相互依存的なチームプロセスを捉えることが困難でした。
• 視覚的注意の重要性: 状況認識の指標として「視覚的注意（Gaze）」は極めて有用ですが、従来の指標（注視点の数や滞留時間など）は、時間的構造や、役割・シナリオの進展に伴う注意の再編成を捉えるには不十分でした。
• 解決の必要性: 自然な協働問題解決をモデル化し、役割やシナリオ段階に応じてどのように注意が動的に再分配されるかを定量化できる、スケーラブルで客観的な分析手法が必要です。

2. 手法 (Methodology)

本研究は、虚血性心停止（Cardiac Arrest）を想定したマルチプレイヤーのバーチャルリアリティ（VR）シミュレーションにおいて、**遷移ネットワーク分析（Transition Network Analysis: TNA）**を適用し、視覚的注意をモデル化しました。

• データ収集:
  • 対象: 40 名の医療従事者（救急医、医師、レジデントなど）が参加した 10 セッション。
  • 役割: 4 つの標準化された役割（チームリーダー、気道管理、CPR、除細動）に割り当てられました。
  • 環境: HP Reverb G2 Omnicept ヘッドセットと Cognitive3D ソフトウェアを使用し、心停止シナリオ（Stage 1: 初期評価、Stage 5: 介入ピーク）を記録。
  • データ: 55,670 件の注視点（Fixation）と 22,660 件の掃視（Saccade）から、7 つの「関心領域（AOI）」間の遷移データを抽出。
• 関心領域（AOI）の定義:
  1. 気道機器、2. CPR 機器、3. 除細動機器、4. 薬物・静脈注射、5. バイタルモニター、6. 他のチームメンバー、7. 患者（計 7 種類）。
• 分析手法（TNA）:
  • 遷移行列の構築: 各参加者の役割ごとに、AOI 間の遷移確率行列を計算（ラプラス平滑化を適用）。
  • 指標の抽出:
    1. エントロピー（Entropy）: 遷移の予測不可能性や分散度を測定。高い値は多様で探索的な視覚スキャンを示し、低い値は構造化された注意経路を示す。
    2. 自己ループ率（Self-loop Rate）: 同じ AOI への反復注視の割合。高い値は「認知的トンネル化（Attentional Tunneling）」、つまり特定のキューへの注意の固定化を示す。
  • 定性的分析: 役割や段階ごとのネットワーク図から、ダイアディック（2 要素）およびトライアディック（3 要素）の視覚的モチーフ（反復的なパターン）を特定。

3. 主要な貢献 (Key Contributions)

• TNA の臨床応用: 従来の静的な視線分析を超え、時間的ネットワークとして視覚的注意をモデル化し、チーム認知の機能的な分化を可視化する新しいアプローチを提示しました。
• 役割と段階に応じた動的モデル: 状況認識が固定的なものではなく、役割（CPR 担当 vs チームリーダー）やシナリオの進行段階（初期診断 vs 介入ピーク）に応じて、チーム内で動的に再分配・再編成されることを実証しました。
• 定量的・定性的統合: エントロピーや自己ループ率といったネットワーク指標と、視覚的モチーフの定性的解釈を組み合わせ、チームの協調メカニズムを多角的に説明しました。

4. 結果 (Results)

• 役割による注意パターンの差異:
  • CPR 担当: 最も高いエントロピー（多様な探索）と比較的低い自己ループ率を示しました。しかし、介入段階（Stage 5）では、患者と CPR 機器への注意が集中し、自己ループが増加しました。これは実行タスクへの適応的な集中（トンネル化）を示唆します。
  • 除細動（Defib）担当: 最も高い自己ループ率を示し、機器中心の注意パターンが見られました。
  • チームリーダー: 患者、モニター、他のチームメンバーを跨ぐ分散型のネットワークを持ち、低いエントロピーと中程度の自己ループ率を示しました。これは全体を俯瞰する「鳥瞰図」的な監視スタイルを反映しています。
• シナリオ段階による変化:
  • CPR 担当: 初期段階（Stage 1）では広範な探索を行っていましたが、介入段階（Stage 5）では実行クリティカルな AOI への注意が収束しました。
  • チームリーダー: 介入段階において、バイタルモニターや他のメンバーへの自己ループが急増し、実行タスクに集中するメンバーを補完する形で、グローバルな監視責任を強化しました。
• 結論: 状況認識は均等に共有されるのではなく、タスクの要求に応じて役割間で機能的に分化・再分配されます。CPR 担当が実行に集中する際、リーダーは監視を強化することで、チーム全体の協調を維持しています。

5. 意義と将来展望 (Significance & Future Work)

• 学術的意義: 急性期医療におけるチーム認知のメカニズムを、ネットワーク分析の観点から解明しました。状況認識が「動的で補完的なプロセス」であることを示し、分散認知理論を視覚的データで裏付けました。
• 実用的意義:
  • トレーニングへの応用: VR シミュレーションにおけるフェーズごとの脆弱性を特定し、役割に応じたターゲットを絞った教育的介入（フィードバック）の開発を可能にします。
  • リアルタイム評価: 将来的には、視線データに加え、チームコミュニケーションや生理学的信号を統合し、リアルタイムでの状況認識評価やフィードバックシステムの構築を目指します。
• 将来的な課題: 視線データだけでなく、音声や生体データとのマルチモーダル統合、および重要な臨床イベント（クリティカル・イベント）中心の分析への展開が計画されています。

この研究は、高度な臨床シミュレーションにおけるチームパフォーマンスの分析において、従来の観察法を超えた客観的かつ定量的なアプローチの確立に寄与するものです。