[論文レビュー] Predicting Performance Under Stressful Conditions Using Galvanic Skin Response

Carter Mundell, Juan Pablo Vielma+1 more|arXiv (Cornell University)|Jun 6, 2016

Advanced Sensor and Energy Harvesting Materials被引用数 7

ひとこと要約

本研究では、低ストレス状態での皮膚電気反応（GSR）測定値が、高ストレスタスク状態における個人のパフォーマンスを予測できることを示している。ウェアラブルバイオセンサーを用いて、高ストレス下のパフォーマンス予測においてAUC 0.76を達成し、生体情報データを用いないベースラインモデル（AUC ≈ 0.50）を著しく上回った。

ABSTRACT

The rapid growth of the availability of wearable biosensors has created the opportunity for using biological signals to measure worker performance. An important question is how to use such signals to not just measure, but actually predict worker performance on a task under stressful and potentially high risk conditions. Here we show that the biological signal known as galvanic skin response (GSR) allows such a prediction. We conduct an experiment where subjects answer arithmetic questions under low and high stress conditions while having their GSR monitored using a wearable biosensor. Using only the GSR measured under low stress conditions, we are able to predict which subjects will perform well under high stress conditions, achieving an area under the curve (AUC) of 0.76. If we try to make similar predictions without using any biometric signals, the AUC barely exceeds 0.50. Our result suggests that performance in high stress conditions can be predicted using signals obtained from wearable biosensors in low stress conditions.

研究の動機と目的

• 低ストレス状態で測定された皮膚電気反応（GSR）が、高ストレス状態でのパフォーマンスを予測できるかどうかを調査すること。
• 高リスクまたはストレスの高い環境で、ウェアラブルバイオセンサーを用いたリアルタイムのパフォーマンス予測の実現可能性を評価すること。
• 生体信号を用いないベースラインモデルと比較して、GSRに基づくモデルの予測能力を評価すること。
• ストレス下でパフォーマンスが維持または低下する可能性が高い個人を特定するデータ駆動型アプローチを確立すること。

提案手法

• 被験者が制御された低ストレスおよび高ストレス状態で算術問題を解く実験を実施した。
• ウェアラブルバイオセンサーを用いて、両状態の間で皮膚電気反応（GSR）を継続的にモニタリングした。
• 予測モデリングの入力として、低ストレス段階中に収集したGSRデータのみを用いた。
• 低ストレス状態のGSR特徴量を用いて機械学習モデルを訓練し、高ストレス状態でのパフォーマンスが高いか低いかを分類した。
• 受信者操作特性曲線の下側面積（AUC）を用いてモデルの性能を評価した。
• GSRベースのモデルの性能を、生体情報データを一切使用しないベースラインモデル（すなわち、ランダムな推測）と比較した。

実験結果

リサーチクエスチョン

• RQ1 低ストレス状態で測定された皮膚電気反応（GSR）は、高ストレスタスク状態における個人のパフォーマンスを予測できるか？
• RQ2 生体情報入力なしのベースラインモデルと比較して、GSRベースのモデルの予測精度はどの程度高いか？
• RQ3 ウェアラブルバイオセンサーは、ストレス下でパフォーマンスを発揮できない可能性が高い個人をどれだけ早期に特定できるか？
• RQ4 GSRがパフォーマンス設定におけるストレスレジリエンスのバイオマーカーとして統計的に有意であるとは言えるか？

主な発見

• GSRベースのモデルは、高ストレス下のパフォーマンス予測においてAUC 0.76を達成し、中程度から強い予測能力を示した。
• これに対して、生体情報データを一切使用しないベースラインモデルはAUC約0.50にとどまり、ほぼランダムな予測性能であった。
• この結果は、低ストレス状態で収集されたGSRに、個人のストレスレジリエンスに関する予測情報が含まれていることを示している。
• 本研究は、ウェアラブルバイオセンサーを用いることで、非侵襲的かつリアルタイムに高ストレス状態下のパフォーマンスを予測できる可能性があることを確認した。
• GSRの予測能力は、ストレス下でのパフォーマンスが重要な職業分野、例えば労働安全、軍事作戦、高リスク職種への応用が期待できる。
• 研究結果は、GSRを人員選抜やリアルタイムの作業負荷モニタリングのための適応型システムに統合する根拠を支持する。