自己判断における負傷者評価の頑健化のためのマルチモーダルベイズネットワーク

arXiv:2512.18908v2 Announce Type: replace 本稿では、多様なコンピュータビジョンモデルの出力を、専門家が定義したルールにより構成されたベイズネットワークに統合した意思決定支援フレームワークを提示します。同アプローチは、重度の出血、呼吸困難、身体的な意識、または可視的な外傷の徴候を推定します。従来のデータ駆動型モデルとは異なり、私たちの手法はトレーニングデータを必要とせず、不完全な情報に基づいた推論を支持し、ノイズや不確実性の多い観測に対して堅牢です。DARPA 自己判断チャレンジ（DTC）のフィールドシナリオでのシステム評価において、11 人と 9 人の負傷者を対象とした 2 つの作戦において、ベイズネットワークモデルが視覚ベースラインを大幅に上回る性能を示しました。生理学的評価の精度は、最初のシナリオで 15% から 42% に、2 番目のシナリオで 19% から 46% に向上し、パフォーマンスがほぼ 3 倍に増加しました。さらに重要なのは、全患者の自己判断精度が 14% から 53% に向上し、評価が必要なケースにおける診断覆盖率が 31% から 95% に拡大したことです。これらの結果は、専門知識に基づく確率的推論が自動化された自己判断システムの能力を大幅に強化でき、MCI（大量負傷者事故）における緊急対応者を支援する有望なアプローチである事を示しています。このアプローチにより、チーム Chiron は DTC の 1 回目の物理的なラウンドにおいて、11 チーム中 4 位を達成しました。

arXiv:2512.18908v2 Announce Type: replace Abstract: Mass Casualty Incidents can overwhelm emergency medical systems and resulting delays or errors in the assessment of casualties can lead to preventable deaths. We present a decision support framework that fuses outputs from multiple computer vision models, estimating signs of severe hemorrhage, respiratory distress, physical alertness, or visible trauma, into a Bayesian network constructed entirely from expert-defined rules. Unlike traditional data-driven models, our approach does not require training data, supports inference with incomplete information, and is robust to noisy or uncertain observations. We report performance for two missions involving 11 and 9 casualties, respectively, where our Bayesian network model substantially outperformed vision-only baselines during evaluation of our system in the DARPA Triage Challenge (DTC) field scenarios. The accuracy of physiological assessment improved from 15% to 42% in the first scenario and from 19% to 46% in the second, representing nearly threefold increase in performance. More importantly, overall triage accuracy increased from 14% to 53% in all patients, while the diagnostic coverage of the system expanded from 31% to 95% of the cases requiring assessment. These results demonstrate that expert-knowledge-guided probabilistic reasoning can significantly enhance automated triage systems, offering a promising approach to supporting emergency responders in MCIs. This approach enabled Team Chiron to achieve 4th place out of 11 teams during the 1st physical round of the DTC.