응급 의료 서비스(EMS)는 응급 상황에서 환자 생존에 매우 중요하지만, 현장 대응자는 고강도의 상황에서 격렬한 인지적 요구에 직면합니다. 가상 파트너 역할을 하는 AI 인지 보조는 실시간 데이터 수집 및 의사 결정을 지원하여 이러한 부담을 덜어줄 수 있습니다. 이 비전을 추구하기 위해, 본 논문에서는 46명의 EMS 전문가를 포함한 62명의 참가자가 수행한 233개의 시뮬레이션된 응급 시나리오에서 20시간 이상에 걸쳐 실제와 같은 절차적 EMS 활동을 자아 중심 시점에서 포착하는 최초의 엔드 투 엔드, 고충실도, 멀티모달, 다중 인물 데이터세트인 EgoEMS를 소개합니다. EMS 전문가와 협력하여 개발되었고, 국가 표준에 맞춰 제작된 EgoEMS는 오픈 소스, 저비용, 재현 가능한 데이터 수집 시스템을 사용하여 캡처되었으며, 주요 단계, 화자 다이어라이제이션이 포함된 타임스탬프 오디오 녹취록, 동작 품질 지표, 세분화 마스크가 있는 경계 상자로 주석 처리됩니다. 현실성을 강조하여, 이 데이터세트는 실제 응급 상황의 역학을 반영하는 응급 구조대원-환자 상호 작용을 포함합니다. 또한, EMS를 위한 AI 지원 도구 개발에 필수적인 실시간 멀티모달 주요 단계 인식 및 동작 품질 추정을 위한 일련의 벤치마크를 제시합니다. EgoEMS가 연구 커뮤니티가 지능형 EMS 시스템의 경계를 넓히고 궁극적으로 환자 결과 개선에 기여할 수 있도록 영감을 주기를 바랍니다.
