Suicide Risk Assessment from AI-powered Video Surveillance: An Interpretable Framework for Prevention in Metro Stations

技術概要：AI 搭載ビデオ監視による自殺リスク評価

問題定義
本論文は、地下鉄駅における継続的な監視映像を用いた「自殺リスク評価（SRA）」の課題に取り組む。既存のビジョンベースシステムは、しばしば単純な視覚的手がかり（例：安全柵の越境）や継続的な人間の監視に依存しているが、これらの手法は効果的な予防のために事象を検知するタイミングが遅すぎるか、あるいは人間の疲労に悩まされることが多い。核心的な問題は、孤立した事象の検知や直接的な意図の推論を超えて進むことである。代わりに、著者らは SRA を、個々の乗客の行動、空間的コンテキスト、時間的ダイナミクスを「共同推論」することを要するタスクとして定義する。目的は、自杀的意図の臨床的診断を行うことではなく、観測可能な行動および空間的手がかりの蓄積に基づいて、各乗客に対して時間変化するリスクスコアを評価することである。

手法：SRA フレームワーク
著者らは、時間的に証拠を集約して自殺リスクを評価するように設計された、最初の解釈可能なパイプラインである「SRA フレームワーク」を提案する。このフレームワークは、5 つの連続的なモジュールからなる統合パイプラインを通じて動作する。

1. 人物検出、追跡、およびポーズ推定:

   • 事前学習済みの「YOLOx」検出器を用いて「person」クラスを識別する。
   • 画像空間におけるマルチオブジェクト追跡に「ByteTrack」を採用する。
   • 境界ボックス内で 2 次元の身体キープイントを抽出するために「HRNet」を適用する。
   • 「ホモグラフィ行列」を用いて追跡された位置をプラットフォーム基準の座標系に投影し、時間全体にわたる一貫した空間分析を可能にする。

2. 人物行動認識:

   • ARMM データセットで事前学習された、スケルトンベースの空間的・時間的行動認識モデル「SSTAR」を利用する。
   • 具体的に 3 つの乗客行動を検出する：『LookTunnel（トンネルを覗き込む）』、『Walk（歩く）』、および『Stand（立つ）』。
   • これらのラベルは、その空間的コンテキストと持続時間によって重み付けされる。

3. プラットフォーム意味論とゾーンの構築:

   • 専門家との協議に基づき、プラットフォームを関連する空間的ゾーンに分割するために「YOLOv8n」を用いてセマンティックセグメンテーションを行う：
     • ゾーン A（壁近接）: プラットフォームの壁の近く。
     • ゾーン B（黄色線近接）: 過渡的な安全ゾーン。
     • ゾーン C（遠端ゾーン）: トンネル/縁に直ちに隣接する領域。
   • この幾何学的モデリングにより、壁と黄色線の間の往復移動のような特定のパターンの検出が可能になる。

4. 位置リスクヒートマップ生成:

   • 2 次元の軌跡点の密度集積とガウス平滑化を通じて、個々のヒートマップを生成する。
   • これらを既知のリスク対象者の軌跡を平均化することで、グローバルな「位置リスクヒートマップ（$H(x,y)$）」に集約する。これにより、共有された空間パターンと持続的な環境要因を捉える。

5. 自殺リスク評価（推論）:

   • 各個人 $p$ に対して時間ウィンドウ $W_t$ 内で「8 つの解釈可能なリスク指標」を抽出する：
     1. 位置リスクスコア（$PR_p$）
     2. 黄色線上での歩行/立位（$Cr_p$）
     3. 黄色線越境回数（$NCr_p$）
     4. 黄色線上での滞在時間（$TY_p$）
     5. 黄色線上での最長連続セグメント（$LY_p$）
     6. 壁と黄色線間の往復回数（$BF_p$）
     7. トンネルを覗き込む行動（$LT_p$）
     8. 遠端ゾーンへの進入（$E_p$）
   • これらの指標は特徴ベクトルを形成し、連続的なリスクスコア $R_p \in [0, 1]$ を出力するために「XGBoost」教師ありモデルに入力される。

主要な貢献

1. SRA の形式化: この研究は、意図の予測や個人のラベル付けではなく、蓄積された行動および空間的証拠に基づいてリスクレベルを評価することに焦点を当てた、固有の計算タスクとして SRA を定義する。
2. 解釈可能なパイプライン: 著者らは、追跡、行動認識、セマンティックセグメンテーション、およびリスクモデリングを統合し、外見の手がかりや個人的属性に依存することなく、連続的で個人レベルの評価を生成する、最初のエンドツーエンドフレームワークを導入する。
3. 学際的知見との整合性: リスク指標は、先行する心理学的および行動研究（Mishara らなど）から明示的に導出されており、システムが往復歩行やプラットフォーム端付近での長時間の滞留といった確立されたパターンを反映することを保証する。
4. 実世界での評価: フレームワークは、カナダの地下鉄システムからの倫理的承認を得た実世界の監視データで評価され、定量的な性能指標と定性的な解釈可能性分析の両方が提供された。

実験結果
本フレームワークは、66 件の「リスク対象（未遂前）」ビデオ記録と 56 件の「対照」記録からなるデータセットで評価され、256 件の個体インスタンス（66 件のリスク対象、190 件の対照）が得られた。

• 性能: 完全自動構成は、**ROC-AUC 83.2%（±0.095）**を達成した。
• 感度/特異度: 早期検出を優先するように選択された 0.2 の固定閾値において、システムは感度63.1%、特異度**90.2%**を達成した。
• 上限分析: 検出/追跡および行動認識モジュールをグランドトラウス注釈に置き換えた場合、ROC-AUC はそれぞれ**91.9%および89.3%**に向上し、初期知覚モジュールの誤差が性能ギャップに大きく寄与していることを示している。
• 解釈可能性: 特徴量重要度の分析（XGBoost および SHAP 値による）は、黄色線との直接的な相互作用（越境、滞在時間、往復移動）に関連する指標が最も支配的な予測因子であることを確認し、先行する行動研究と一致した。

意義と主張
本論文は、その主な意義がAI ベースの監視と学際的な自殺予防研究の間のギャップを埋める点にあると主張する。SRA を文脈を認識し、長期的なリスク評価問題として形式化することにより、このフレームワークは単純な異常検知や侵入アラートを超えて進む。著者らは、システムが解釈可能に設計されており、人間のオペレーターが「なぜ」リスクスコアが高いか（例えば、特定の空間パターンと時間的持続性による）を理解できるようにし、「ブラックボックス」予測に依存しないことを強調する。このアプローチは、心理状態の推論や個人的属性の使用を避け、倫理的制約を遵守しながら、リアルタイム監視において人間のオペレーターを支援することを目指す。本研究は、自殺リスク評価の複雑さを浮き彫りにし、社会貢献のための解釈可能な AI システムを開発するための新たな方向性を開拓する。