في عالم الذكاء الاصطناعي السريري، يُعد تقييم الأنظمة المتواجدة من الأمور الحيوية، ولكن غالبًا ما يتم استخدام أدوات البحث التقليدية، مثل مقاييس التشابه المعتمَدة على المراجع ولجان الخبراء، لقياس مدى التشابه بين النظام وعمليات معينة بدلاً من قياس تقليل الجهد المبذول من قبل الأطباء. هنا يأتي دور "KnowBench"، معيار مبتكر تم تطويره بواسطة "Knowtex".

يعتمد KnowBench على مقياس فريد يُدعى "تقليل الجهد (Effort Reduction - ER)"، وهو عبارة عن النسبة بين العمل السريري الذي يتم إنتاجه بواسطة النظام والمقبول من قبل الطبيب المسؤول بعد المراجعة من قبل الخبراء وجهات السلامة. يتم تعريف هذا المقياس وتنفيذه لكل مهمة ضمن عبء العمل الإداري الذي يؤديه الذكاء الاصطناعي السريري، مثل تدوين ملاحظات الزيارة، والرموز التشخيصية والفواتير، والأوامر، وتلخيص السجلات الصحية الإلكترونية، والمخلصات بعد الزيارة، ودعم اتخاذ القرارات السريرية.

كل تنفيذ للمقياس يكون مطابقًا، حيث يعد حدث مراجعة الطبيب هو الحقيقة المطلقة، وكل وحدة مقبولة تمثل عملًا اكمله النظام، وكل تصحيح هو جهد متبقي يعود للطبيب.

المساهمة الرئيسية في هذا البحث هي المعيار نفسه، والذي يأتي مع حالات شاذة وبروتوكول تقرير يضمن إمكانية تدقيق وإجراء مقارنات بين الأنظمة المختلفة. وبالإضافة إلى ذلك، تم الإبلاغ عن قياس أولي يوضح أن النماذج السريرية المصممة خصيصًا بواسطة "Knowtex"، التي تعمل في هيكل مغلق للتغذية الراجعة، حققت نسبة إجمالية لتقليل الجهد بلغت 97.99% عبر أكثر من مليون حالة طبية في فترة إنتاج تجاوزت الستة أشهر وحتى ثلاث عشرة تخصصًا طبيًا.

تم عرض قائمة التحقق الخاصة بالبروتوكول جزئيًا، مع توضيح الإحصاءات المرافقة التي تم withholdingها؛ المعيار متاح لضمان أن هذا الرقم، وكل رقم يتم الإبلاغ عنه بعد ذلك، يمكن أن يُحتفظ بالمعيار نفسه.