Search research articles

お問い合わせ

Search research articles

関連する実験動画

Updated: Jan 13, 2026

Estimate the Cognitive Load Using Electrocardiographic Measure: A Human-AI Collaborative Task

Estimate the Cognitive Load Using Electrocardiographic Measure: A Human-AI Collaborative Task

Published on: December 5, 2025

レジデント医師のための説明可能なマルチタスク燃え尽き症候群予測（EMBRACE）：アルゴリズム開発と検証研究

Saima Alam¹, Mohammad Arif Ul Alam^2,3,4

¹Merrimack Health Methuen Hospital, Methuen, MA, United States.

|January 8, 2026

まとめ

この要約は機械生成です。

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

Same author

Recent Advancements in Wearable Hydration-Monitoring Technologies: Scoping Review of Sensors, Trends, and Future Directions.

JMIR mHealth and uHealth·2025

Same author

Community-Wide Monitoring of Lead in Drinking Water Distribution Systems Using Hand-Held Voltammetric Sensors and Geographic Information Systems.

ACS omega·2025

Same author

Effects of Antidepressants on COVID-19 Outcomes: Retrospective Study on Large-Scale Electronic Health Record Data.

Interactive journal of medical research·2023

Same author

Nursing Perspectives on the Impacts of COVID-19: Social Media Content Analysis.

JMIR formative research·2021

Same journal

Ambient AI Scribes and Emergency Department Documentation Burden: Retrospective Cohort Study.

JMIR AI·2026

Same journal

Supporting Radiology Resident Education and Clinical Decision-Making With Large Language Models: Comparative Study of Reasoning Models DeepSeek-R1 and ChatGPT-o1.

JMIR AI·2026

Same journal

Patient Perceptions on the Use of Artificial Intelligence in Creating Clinical Research Documents: Survey Study.

JMIR AI·2026

Same journal

Application of Language Models for the Analysis of Adverse Drug Events in Pharmaceutical Research and Development: Scoping Review.

JMIR AI·2026

Same journal

Correction: Deep Learning for Age Estimation and Sex Prediction Using Mandibular-Cropped Cephalometric Images: Comparative Model Development and Validation Study.

JMIR AI·2026

Same journal

AI-Assisted Systematic Literature Review of the Economic Burden of Pneumococcal Disease: Development and Validation Study.

JMIR AI·2026

関連記事をすべて見る

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

本研究では、ウェアラブルセンサーを使用してレジデント医師の燃え尽き症候群を予測および説明する新しいAIフレームワークであるEMBRACEを紹介します。早期介入と医師の幸福度の向上に役立つ実行可能な洞察を提供します。

科学分野:

ヘルスケアにおける機械学習
ウェアラブルセンサー技術
医師の燃え尽き症候群研究

背景:

医学レジデントは、厳しいスケジュールにより高いストレスと燃え尽き症候群に直面しています。
既存の燃え尽き症候群の機械学習モデルには、臨床的な説明可能性が欠けています。
ウェアラブルセンサーは、客観的な燃え尽き症候群予測の可能性を提供します。

研究の目的:

説明可能なマルチタスク燃え尽き症候群予測フレームワークであるEMBRACEを提示すること。
適応型深層学習を使用して、レジデント医師の将来の燃え尽き症候群を予測および説明すること。
説明可能なAI（XAI）技術を通じて臨床的信頼性を向上させること。

主な方法:

適応型マルチタスク深層学習フレームワーク（EMBRACE）を開発しました。
活動と燃え尽き症候群レベルの予測にウェアラブルセンサーデータを利用しました。
モデルの解釈可能性のためにSHAP（Shapley Additive Explanations）を統合しました。
専有のレジデント医師データセットを含む3つのデータセットで検証しました。

主要な成果:

EMBRACEは、データセット全体で活動、燃え尽き症候群レベル、およびアンケート回答の予測において高い精度を達成しました。

キーワード:

臨床的説明可能性将来の燃え尽き症候群予測ヘルスケアインフォマティクス機械学習マルチタスク学習ウェアラブルセンサー

関連する実験動画

Last Updated: Jan 13, 2026

Estimate the Cognitive Load Using Electrocardiographic Measure: A Human-AI Collaborative Task

Estimate the Cognitive Load Using Electrocardiographic Measure: A Human-AI Collaborative Task

Published on: December 5, 2025

SHAP分析により、心拍変動や座りがちな行動などの燃え尽き症候群の主要な予測因子が特定されました。

参加者の91％が特徴量の重要性に関する概要に満足していると回答しました。

結論:

EMBRACEは、早期の燃え尽き症候群検出のための臨床的に説明可能で実行可能なソリューションを提供します。
このフレームワークは、さまざまなデータセットにわたる堅牢性と一般化可能性を示しています。
今後の作業には、モデルのスケーリングと医師の幸福度への長期的な影響の評価が含まれます。