論文の概要: Towards Trustworthy AI-Enabled Emergency Medical Dispatch: Uncertainty-Aware Ambulance Travel Time Estimation
- arxiv url: http://arxiv.org/abs/2610.31944v1
- Date: Thu, 22 Oct 2026 21:42:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.300349
- Title: Towards Trustworthy AI-Enabled Emergency Medical Dispatch: Uncertainty-Aware Ambulance Travel Time Estimation
- Title（参考訳）: 信頼に足るAIによる救急医療のディスパッチに向けて:不確かさを意識した救急医療旅行時間推定
- Abstract要約: 救急車走行時間推定のための不確実性を考慮した手法を提案する。
提案手法は,安定な経験的カバレッジを持つ文脈適応予測区間を生成する。
得られた予測間隔は、より透明でリスクに敏感な救急隊の派遣決定を支援する予測の不確実性に関する明確な情報を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Emergency medical dispatch increasingly relies on AI-enabled decision support systems when making ambulance dispatch decisions. In this process, accurate ambulance travel time estimates are essential for timely resource allocation and prehospital care. However, existing ambulance travel time estimation approaches typically produce only single point predictions. Consequently, they do not indicate how reliable an individual estimate is or how much uncertainty it carries. This limitation is particularly problematic in safety-critical emergency medical service dispatch operations, where trips with similar expected travel times may exhibit substantially different levels of uncertainty. Furthermore, real-world ambulance trip logs may contain domain-specific artefacts, such as co-located healthcare facilities and physically implausible travel speeds. These artefacts can degrade point prediction accuracy and affect the prediction task on which subsequent uncertainty estimation depends. To address these challenges, we propose an uncertainty-aware methodology for ambulance travel time estimation and evaluate it through a retrospective real-world scenario study using two years of ambulance trip data from the Skåne region in Sweden. The proposed methodology moves beyond average-case point predictions by generating context-adaptive prediction intervals with stable empirical coverage across the evaluated operationally important contexts. The resulting prediction intervals provide explicit information about predictive uncertainty that can support more transparent and risk-sensitive ambulance dispatch decision-making.
- Abstract（参考訳）: 救急医療派遣は、救急医療派遣決定を行う際に、AI対応の意思決定支援システムにますます依存している。
このプロセスでは、タイムリーな資源配分とプレホスピタルケアに正確な救急旅行時間推定が不可欠である。
しかし、既存の救急車旅行時間推定手法は、通常は単一点予測のみを生成する。
結果として、個々の見積がどれだけ信頼できるか、あるいはどの程度の不確実性を持っているかは示さない。
この制限は、同様の旅行時間を持つ旅行は、かなり異なるレベルの不確実性を示す可能性がある、安全クリティカルな救急医療サービス派遣業務において特に問題となる。
さらに、現実世界の救急車旅行記録には、同じ場所にある医療施設や、物理的に理解できない旅行速度といった、ドメイン固有のアーティファクトが含まれている可能性がある。
これらの成果物は、点予測精度を低下させ、その後の不確実性推定が依存する予測タスクに影響を与える。
これらの課題に対処するため,スウェーデンのスコーネ地域の2年間の救急旅行データを用いて,救急旅行時間推定のための不確実性を考慮した手法を提案し,実世界のシナリオスタディを通じて評価した。
提案手法は, 評価された操作上重要なコンテキストに対して, 安定した経験的カバレッジを持つ文脈適応予測区間を生成することによって, 平均点予測を超越する。
得られた予測間隔は、より透明でリスクに敏感な救急隊の派遣決定を支援する予測の不確実性に関する明確な情報を提供する。
関連論文リスト
- Beyond Heuristics and Commercial Navigation: An AI-Augmented Decision-Support for Ambulance Travel Time Estimation [0.0]
我々は、救急車旅行時間をより正確に見積もるために、機械学習システムに貢献する。
分析の結果, 救急車の利用時間は時間, 日, 旅行の優先度によって大きく異なることがわかった。
論文 参考訳（メタデータ） (2026-10-22T22:16:42Z) - From Clinical Risk Prediction to Operational Decisions: An Uncertainty-Aware Framework for ICU Staffing [1.0492990811532394]
本研究では,不確実性を考慮した予測型スタッフリングフレームワークを提案する。
上流の予測モデルを変更することなく、短期的な患者のリスク予測とスタッフの計画を橋渡しする。
論文 参考訳（メタデータ） (2026-10-18T21:00:51Z) - SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Predicting Elevated Risk of Hospitalization Following Emergency Department Discharges [2.7309692684728617]
1つ以上の救急部訪問のタイミングに追随する入院は、適切な診断を下す機会の欠如の兆候であることが多い。
データマイニング技術が既存の大規模入院データセットにどのように適用され、これらの入院を高精度に予測する有用なモデルを学ぶことができるかを示す。
論文 参考訳（メタデータ） (2024-06-28T17:01:12Z) - Score Matching-based Pseudolikelihood Estimation of Neural Marked
Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。
具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。
提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
論文 参考訳（メタデータ） (2023-10-25T02:37:51Z) - Uncertainty Quantification for Image-based Traffic Prediction across
Cities [63.136794104678025]
不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。
複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。
モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
論文 参考訳（メタデータ） (2023-08-11T13:35:52Z) - Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing
Uncertainty [125.41260574344933]
エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。
全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
論文 参考訳（メタデータ） (2023-05-26T04:27:48Z) - Predicting Unplanned Readmissions in the Intensive Care Unit: A
Multimodality Evaluation [2.2559617939136505]
退院は、ある期間内に退院した患者が、同じまたは関連するケアのために再び入院した場合である。
我々は、時系列分析と自然言語処理に最先端の機械学習アプローチを用いて、ICUにおける未計画の可読度を予測する。
論文 参考訳（メタデータ） (2023-05-14T12:20:13Z) - Machine learning framework for end-to-end implementation of Incident
duration prediction [0.0]
本研究では,インシデントレポートの受信時に利用可能な情報に基づいて,インシデント時間を予測するための分析フレームワークとエンドツーエンド機械学習ソリューションを開発した。
その結果, 従来の研究手法と比較して, 事故発生期間の予測は有意に改善した。
論文 参考訳（メタデータ） (2023-04-23T00:55:19Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳（メタデータ） (2022-06-13T21:31:06Z) - 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)
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。