以下節自 Pupil Labs' Blog -Cognitive Load Monitoring in Surgical Training

外科訓練中的認知負荷監測

背景動機

在外科手術等高風險環境中去評估專業能力十分複雜。雖然準確率和任務完成時間等傳統指標能夠提供部分資訊，但它們並不能完整呈現背後潛在的認知歷程。認知負荷（cognitive load）（可透過瞳孔大小的瞬時變化而反映出來）為我們提供了一個另外的視角，讓我們了解複雜手術過程中所需投入的心理資源與心智努力（mental effort）。

本文將探討如何將 Pupil Neon 眼動儀與合作夥伴 SOMAREALITY 開發的新型態連續建模演算法結合，用於推估和視覺化外科手術訓練過程中的認知負荷。雖然原始瞳孔直徑與認知負荷有所相關，但它也會受到外部因素的影響，例如，環境光線引起的瞳孔對光反射（Pupillary Light Reflex）。 SOMAREALITY 的演算法旨在明確地排除這些干擾因素，從而產生更準確地反映認知負荷的訊號。此外，該演算法還能自動對照基準值（baseline）進行常態化處理，讓不同個體之間的測量結果更具一致性與可比性。

實驗設置  

來自奧地利維也納醫學大學（Medical University of Vienna）生物醫學研究與轉譯外科中心（Center for Biomedical Research and Translational Surgery）的研究團隊，在心臟外科訓練課程中使用 Pupil Neon 眼動儀進行眼動資料蒐集。該眼動追蹤系統同時記錄瞳孔大小與外科醫師視角的場景影片，並透過 SOMAREALITY 的演算法對認知負荷進行連續建模。

硬體：  

• Pupil Neon 眼動儀：配備兩個眼動攝影機（以 200 Hz 的頻率追蹤瞳孔放大縮小）以及一個捕捉醫師視角的場景攝影機。

軟體：  

• Neon Companion app

• SOMAREALITY 認知負荷演算法

洞察與分析 

研究團隊記錄了一項外科手術模擬訓練（心臟裝置植入手術）的執行情況，其中一位為資深專科醫師，另一位則為經驗較為不足的新手醫師。

資深專科醫師在手術中的大部分時間裡，呈現出相對較低且穩定的認知負荷，僅在關鍵時刻或步驟出現短暫上升；相較之下，經驗不足的新手醫師，則呈現出更頻繁且幅度更大的認知負荷波動，這可能反映出較高的心理負荷，或表示其操作熟練度尚未達到自動化的程度。。

這些結果展現了將 Pupil Neon 眼動儀與 SOMAREALITY 演算法結合後所能帶來的潛在價值。該研究結果的完整論文預計於 2025 年第 4 季發表。

應用場景

此方法可為醫學教育中的職能模型（competency modeling）的建置提供額外資訊。教育者除了可以依據最終表現成果外，也能透過認知負荷的變化軌跡，更深入了解學員的心智投入程度與學習進展。

潛在應用領域包括：

• 為受訓人員提供即時回饋

• 將訓練進度客觀化

• 作為專業能力評估的補充指標

• 根據認知需求規劃及調整課程設計

References  

• Stolte, M., Gollan, B., & Ansorge, U. (2020). Tracking visual search demands and memory load through pupil dilation. Journal of Vision, 20(6), 1–19. (https://jov.arvojournals.org/article.aspx?articleid=2768436)  

• Gollan, B., & Ferscha, A. (2016). Modeling cognitive load from pupil dilation: A continuous and marker-free approach. (https://dl.acm.org/doi/10.1145/2858036.2858528)

未來還會持續推出不同產品知識或應用方面的文章喔！還請多多關注我們！

歡迎加入我們的社群頁面，隨時獲得最新消息！