MetaのAIモデルが災害現場の救命トリアージを革新
- •MetaのAIモデル「DINO」と「SAM」が、資源の限られた災害現場におけるトリアージを迅速化し、救急医療の近代化を推進している。
- •米国国防高等研究計画局（DARPA）のコンテストにおいて、自律型システムが生命に関わる負傷を特定し、生存率を最大化することが実証された。
- •ペンシルベニア大学のPRONTOチームは、コンピュータビジョンを活用して心拍数などの生理学的サインをリアルタイムで検出する技術を開発した。
ナポレオン時代に戦地での負傷者の優先順位を決定するために考案された伝統的な医療トリアージシステムが、人工知能（AI）の台頭によって劇的な変革を遂げようとしている。歴史的にトリアージの効率は、現場に投入可能な人員や限られた医療物資の量に大きく依存してきたが、近年のコンピュータビジョン、ロボット工学、そして機械学習の飛躍的な進歩により、こうした物理的な制約が克服されつつある。この分野の技術革新をさらに加速させるべく、米国国防高等研究計画局（DARPA）は3年間にわたる「トリアージ・チャレンジ」を始動させた。その主要な目的は、建物の崩壊現場や紛争地帯といった、二次災害の恐れがあり救助隊員が立ち入るには極めて危険な大規模災害現場において、自律型システムに搭載された高精度センサーを用いて被災者の生理学的サインを迅速に検出し、特定することである。
ペンシルベニア大学の研究者らで構成されるPRONTOチームは、Metaが開発した画期的なAIモデル「Segment Anything Model（SAM）」と「DINO」を駆使して、この極めて困難な課題に取り組んでいる。同チームは、ドローンや地上走行ロボットなどのロボティクス技術を現場に配備し、被災地を迅速にスキャンして、SAMを用いることで画像内のあらゆる物体を正確にセグメント化し、瓦礫の中に埋もれた負傷者を特定する。特にDINOは、事前にラベル付けされた膨大なデータを必要とせずに、未知の多様な環境から汎用的な特徴を自己学習で抽出できるため、視認性が悪く複雑な災害現場の画像解析において極めて高い有用性を発揮する。さらに、チームは「Grounding DINO」をシステムに統合することで、「傷口」や「出血」といった自然言語によるテキストプロンプトから特定の外傷箇所を検出し、現場の初動対応者に極めて具体的な情報を提供することに成功している。
単なる負傷者の識別を越え、PRONTOチームは高度なポーズ推定モジュールや骨格比較アルゴリズムを導入し、心拍数、呼吸数、そして意識レベルといった生存に直結する重要なバイタルサインを非接触で監視する仕組みを構築した。収集された膨大なデータはリアルタイムで後方の医療チームに送信され、優先順位に基づいた即時かつ効率的な緊急救命措置の実施を強力に支援する。ペンシルベニア大学の調査教授を務めるエリック・イートン氏は、開発の最終目標は、単なる情報の可視化に留まらず、現場での直接的な救命行動に直結する実戦的な技術を確立することにあると断言している。外傷外科の専門医と機械学習のエキスパートが密接に連携するDARPAのコンテストは、これら最先端のトリアージ技術が実際の危機的状況で真価を発揮できるかどうかを厳格に評価するための、極めて重要な実証プラットフォームとなっている。