論文の概要: Digital Wargames to Enhance Military Medical Evacuation Decision-Making

• arxiv url: http://arxiv.org/abs/2507.06373v1
• Date: Tue, 08 Jul 2025 20:20:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.380298
• Title: Digital Wargames to Enhance Military Medical Evacuation Decision-Making
• Title（参考訳）: 軍用医療避難意思決定を支援するデジタル戦争ゲーム
• Authors: Jeremy Fischer, Ram Krishnamoorthy, Vishal Kumar, Mahdi Al-Husseini,
• Abstract要約: 医療避難計画には、医療プラットフォームと施設の堅牢なネットワークを設計することが含まれる。 本研究は,Unityで開発された3次元マルチプレイヤーシミュレーションであるMEWIについて述べる。 アメリカ陸軍の医療避難所で実施されているMEWI太平洋シナリオの2つのイテレーションから収集したパフォーマンスデータを可視化する。
• 参考スコア（独自算出の注目度）: 1.4999444543328293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical evacuation is one of the United States Army's most storied and critical mission sets, responsible for efficiently and expediently evacuating the battlefield ill and injured. Medical evacuation planning involves designing a robust network of medical platforms and facilities capable of moving and treating large numbers of casualties. Until now, there has not been a medium to simulate these networks in a classroom setting and evaluate both offline planning and online decision-making performance. This work describes the Medical Evacuation Wargaming Initiative (MEWI), a three-dimensional multiplayer simulation developed in Unity that replicates battlefield constraints and uncertainties. MEWI accurately models patient interactions at casualty collection points, ambulance exchange points, medical treatment facilities, and evacuation platforms. Two operational scenarios are introduced: an amphibious island assault in the Pacific and a Eurasian conflict across a sprawling road and river network. These scenarios pit students against the clock to save as many casualties as possible while adhering to doctrinal lessons learned during didactic training. We visualize performance data collected from two iterations of the MEWI Pacific scenario executed in the United States Army's Medical Evacuation Doctrine Course. We consider post-wargame Likert survey data from student participants and external observer notes to identify key planning decision points, document medical evacuation lessons learned, and quantify general utility. Results indicate that MEWI participation substantially improves uptake of medical evacuation lessons learned and co-operative decision-making. MEWI is a substantial step forward in the field of high-fidelity training tools for medical education, and our study findings offer critical insights into improving medical evacuation education and operations across the joint force.
• Abstract（参考訳）: 医療避難はアメリカ陸軍の最も頑丈で重要な任務の一つであり、戦場の病気や負傷者を効率よく、迅速かつ避難させる役割を担っている。 医療避難計画には、多数の犠牲者の移動と治療が可能な医療プラットフォームと施設の堅牢なネットワークを設計することが含まれる。 これまで、これらのネットワークを教室環境でシミュレートし、オフライン計画とオンライン意思決定性能の両方を評価する媒体は存在しなかった。 この研究は、戦場での制約や不確実性を再現するUnityで開発された3次元マルチプレイヤーシミュレーションであるMEWI(Medic Evacuation Wargaming Initiative)について述べる。 MEWIは患者との相互作用を、カジュアルな収集点、救急車交換点、医療施設、避難プラットフォームで正確にモデル化する。 太平洋における水陸両用島襲撃と、拡大する道路と河川ネットワークを横切るユーラシア紛争という2つの作戦シナリオが導入されている。 これらのシナリオは、教育訓練中に学んだ教義的な教訓に固執しながら、できるだけ多くの犠牲者を救うために学生を時計に陥れさせます。 アメリカ陸軍の医療避難所で実施されているMEWI太平洋シナリオの2つのイテレーションから収集したパフォーマンスデータを可視化する。 戦後の学生および外部観察者の調査データから,主要な計画決定点の特定,医学的避難の教訓の文書化,汎用性の定量化について考察する。 以上の結果から,MEWI参加は医療避難指導の習得と協調的意思決定を著しく向上させることが明らかとなった。 MEWIは、医療教育のための高忠実度トレーニングツールの分野で大きな進歩を遂げており、我々の研究成果は、医療避難教育の改善と共同作業に対する重要な洞察を与えてくれる。

関連論文リスト

• A Machine Learning Approach to Automatic Fall Detection of Soldiers [0.8182812460605992]
  本稿では,ブラジル海軍の「未来兵」プロジェクトの範囲内で実施される研究について述べる。 このシステムは、兵士を不活化させ、重度の出血を招きかねない負傷を識別するカジュアルティ検出システムの開発に焦点を当てている。 このデータは、1D Convolutional Neural Networks(CNN1D)のトレーニングに使われ、致命的な怪我による転倒を正確に分類することを目的としている。
  論文  参考訳（メタデータ） (2025-01-26T19:31:56Z)
• A Contrastive Pretrain Model with Prompt Tuning for Multi-center Medication Recommendation [50.43785306804359]
  マルチセンター医薬品推奨のためのTEMPT(Prompt Tuning)を用いた新しいconTrastive prEtrain Modelを提案する。 そこで我々は,一般的なファインタニングを採用するのではなく,各病院の特定情報をキャプチャするための新しいプロンプトチューニング手法を考案した。 提案モデルを検証するため,公立のeICU多施設医療データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2024-12-28T06:12:02Z)
• Spatio-Temporal SIR Model of Pandemic Spread During Warfare with Optimal Dual-use Healthcare System Administration using Deep Reinforcement Learning [0.6906005491572401]
  本稿では、疫学的SIR(susceptible-infected-recovered)モデルと戦争力学ランチェスターモデルを統合する新しい数学的モデルを提案する。 エージェントによるシミュレーションを用いてシリコデータを生成することにより,医療行政政策のための深層強化学習モデルを訓練した。 以上の結果から、戦争中のパンデミックは、医療システムが戦争で負傷した兵士や、パンデミックに感染した民間人を優先すべきというカオス的ダイナミクスを誘導することを示した。
  論文  参考訳（メタデータ） (2024-12-18T16:54:27Z)
• Customizing General-Purpose Foundation Models for Medical Report Generation [64.31265734687182]
  ラベル付き医用画像-レポートペアの不足は、ディープニューラルネットワークや大規模ニューラルネットワークの開発において大きな課題となっている。 本稿では,コンピュータビジョンと自然言語処理の基盤モデル (FM) として,市販の汎用大規模事前学習モデルのカスタマイズを提案する。
  論文  参考訳（メタデータ） (2023-06-09T03:02:36Z)
• Survey on Adversarial Attack and Defense for Medical Image Analysis: Methods and Challenges [64.63744409431001]
  医療画像解析における敵攻撃・防衛の進歩に関する総合的な調査を報告する。 公正な比較のために、逆向きに堅牢な診断モデルのための新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2023-03-24T16:38:58Z)
• Modelling Hospital Strategies in City-Scale Ambulance Dispatching [0.0]
  本稿では,大都市におけるマルチエージェント医療環境における救急搬送プロセスのモデル化とシミュレーション手法を提案する。 提案手法は,統合ゲーム理論 (GT) を用いて病院戦略を同定することに基づく。 本研究は, 対象病院のPCIに誘導されたACS患者に救急車を派遣する際の問題点について考察した。
  論文  参考訳（メタデータ） (2022-01-05T22:20:12Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• A Machine Learning Approach to Detect Suicidal Ideation in US Veterans Based on Acoustic and Linguistic Features of Speech [1.402448064801195]
  機械学習パイプラインにおける音声分析は、獣医の自殺を検知するための有望なアプローチである。 本研究では,機械学習パイプラインにおける音声分析が,獣医の自殺を検知するための有望なアプローチであることを示す。
  論文  参考訳（メタデータ） (2020-09-14T00:01:45Z)
• Transforming unstructured voice and text data into insight for paramedic emergency service using recurrent and convolutional neural networks [68.8204255655161]
  救急隊員は救急車内で限られた時間内に救命判断をしなければならないことが多い。 本研究の目的は、音声とテキストデータを自動的に融合して、救急隊員に適切な状況認識情報を提供することである。
  論文  参考訳（メタデータ） (2020-05-30T06:47:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。