論文の概要: Automated Procedural Analysis via Video-Language Models for AI-assisted Nursing Skills Assessment

• arxiv url: http://arxiv.org/abs/2509.16810v1
• Date: Sat, 20 Sep 2025 21:11:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.98397
• Title: Automated Procedural Analysis via Video-Language Models for AI-assisted Nursing Skills Assessment
• Title（参考訳）: AI支援看護スキル評価のためのビデオ言語モデルによる手続き解析の自動化
• Authors: Shen Chang, Dennis Liu, Renran Tian, Kristen L. Swartzell, Stacie L. Klingler, Amy M. Nagle, Nan Kong,
• Abstract要約: 看護スキルトレーニングのための自動手続き評価とフィードバックのAI能力を開発するために,ビデオ言語モデル(VLM)ベースのフレームワークを導入する。 このフレームワークはカリキュラムにインスパイアされた進歩に従っており、ハイレベルな行動認識から手続き的推論へと進歩している。 この研究は、看護教育におけるAI応用を前進させ、より強い労働力開発と究極的には患者ケアに寄与する。
• 参考スコア（独自算出の注目度）: 5.851959409921155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Consistent high-quality nursing care is essential for patient safety, yet current nursing education depends on subjective, time-intensive instructor feedback in training future nurses, which limits scalability and efficiency in their training, and thus hampers nursing competency when they enter the workforce. In this paper, we introduce a video-language model (VLM) based framework to develop the AI capability of automated procedural assessment and feedback for nursing skills training, with the potential of being integrated into existing training programs. Mimicking human skill acquisition, the framework follows a curriculum-inspired progression, advancing from high-level action recognition, fine-grained subaction decomposition, and ultimately to procedural reasoning. This design supports scalable evaluation by reducing instructor workload while preserving assessment quality. The system provides three core capabilities: 1) diagnosing errors by identifying missing or incorrect subactions in nursing skill instruction videos, 2) generating explainable feedback by clarifying why a step is out of order or omitted, and 3) enabling objective, consistent formative evaluation of procedures. Validation on synthesized videos demonstrates reliable error detection and temporal localization, confirming its potential to handle real-world training variability. By addressing workflow bottlenecks and supporting large-scale, standardized evaluation, this work advances AI applications in nursing education, contributing to stronger workforce development and ultimately safer patient care.
• Abstract（参考訳）: しかし、現在の看護教育は、将来の看護師の訓練における主観的、時間集約的なインストラクターのフィードバックに依存し、訓練のスケーラビリティと効率を制限し、労働力に入ると看護能力が損なわれる。 本稿では,看護スキルトレーニングのための自動手続き評価とフィードバックのAI能力を開発するためのビデオ言語モデル(VLM)ベースのフレームワークについて,既存のトレーニングプログラムに統合される可能性について紹介する。 人間のスキル獲得を模倣し、このフレームワークはカリキュラムにインスパイアされた進歩に従い、ハイレベルなアクション認識、きめ細かいサブアクション分解、そして究極的には手続き的推論へと進化する。 この設計は、評価品質を維持しながらインストラクターの作業量を削減し、スケーラブルな評価をサポートする。 このシステムは3つのコア機能を提供する。 1)看護技能指導ビデオにおける欠落・誤動作の特定による誤りの診断。 2 段落又は省略理由を明確にし、説明可能なフィードバックを生成すること。 3) 手続の客観的かつ一貫した形式的評価を可能にする。 合成ビデオのバリデーションは、信頼性の高いエラー検出と時間的局所化を示し、実世界のトレーニング変数を扱う可能性を確認する。 ワークフローのボトルネックに対処し、大規模で標準化された評価をサポートすることにより、この研究は、看護教育におけるAI応用を前進させ、より強い労働力開発と究極的には患者ケアに寄与する。

関連論文リスト

• Uncertainty-Driven Expert Control: Enhancing the Reliability of Medical Vision-Language Models [52.2001050216955]
  既存の方法は、モデル構造を調整したり、高品質なデータで微調整したり、好みの微調整によって、医療ビジョン言語モデル(MedVLM)の性能を向上させることを目的としている。 我々は,MedVLMと臨床専門知識の連携を図るために,Expert-Controlled-Free Guidance (Expert-CFG) という,ループ内のエキスパート・イン・ザ・ループフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-12T09:03:30Z)
• AutoMedEval: Harnessing Language Models for Automatic Medical Capability Evaluation [55.2739790399209]
  本稿では,医療用LLMの質問応答能力を測定するために,13Bパラメータを用いたオープンソースの自動評価モデルAutoMedEvalを提案する。 AutoMedEvalの包括的な目的は、多様なモデルが生み出す応答の質を評価することであり、人間の評価への依存を著しく低減することを目的としている。
  論文  参考訳（メタデータ） (2025-05-17T07:44:54Z)
• AI-driven Automation of End-to-end Assessment of Suturing Expertise [6.4885743283287]
  我々は、サチューリングエキスパートズ(EASE)のエンドツーエンド評価を自動化するAIベースのアプローチを提案する。 EASEは、縫合に関するきめ細かいスキルアセスメントを提供し、実践可能な洞察とともに、訓練生に自身の適性に対する客観的な評価を提供する。 AIベースのアプローチは、モデル推論中に最小限のリソースでリアルタイムスコア予測を可能にすることで、この問題を解決する。
  論文  参考訳（メタデータ） (2025-03-17T21:28:02Z)
• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• Query-Guided Self-Supervised Summarization of Nursing Notes [5.835276312834499]
  本稿では,QGSummについて紹介する。QGSummは,抽象看護ノート要約のためのクエリ誘導型自己教師型ドメイン適応手法である。 本研究は,看護ノート要約のためのアプローチや他の最先端の大規模言語モデル (LLM) について検討する。
  論文  参考訳（メタデータ） (2024-07-04T18:54:30Z)
• U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep Staging [61.6346401960268]
  プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。 不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
  論文  参考訳（メタデータ） (2023-06-07T08:27:36Z)
• Automated Fidelity Assessment for Strategy Training in Inpatient Rehabilitation using Natural Language Processing [53.096237570992294]
  戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。 標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。 本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
  論文  参考訳（メタデータ） (2022-09-14T15:33:30Z)
• Video-based Formative and Summative Assessment of Surgical Tasks using Deep Learning [0.8612287536028312]
  本稿では,外科的スキル実行の高精度な評価を自動的かつ客観的に行うことができる深層学習(DL)モデルを提案する。 整形性評価は外科的パフォーマンスと相関する視覚特徴のヒートマップを用いて生成される。
  論文  参考訳（メタデータ） (2022-03-17T20:07:48Z)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。