في خطوة ثورية نحو تحسين جودة الرعاية الصحية، تم تقديم LongMedBench، وهو معيار مبتكر قائم على سجلات الصحة الإلكترونية (EHR) يركز على اتخاذ القرارات السريرية طويلة الأمد. بينما كانت التقييمات السابقة لوكلاء الذكاء الاصطناعي في المجال الطبي تركز بشكل كبير على الأسئلة القصيرة واستخدام الأدوات، فإن الرعاية الصحية الحقيقية تتطلب فهمًا عميقًا للسجلات الطبية على مدار الزمن.

يسمح LongMedBench بتقييم تفاعلات طويلة الأمد من خلال دمج سجلات دخول المرضى من قاعدة بيانات MIMIC-IV مع الملاحظات السريرية، مما يُنتج تدفقات أحداث زمنية ومجموعات بيانات لذاكرة طويلة. هذا المعيار يمثل 335 مريضًا، حيث يصل متوسط عدد الزيارات الداخلية لكل مريض إلى 19.72 زيارة، مع 44.91 حدث طبي لكل زيارة.

تشمل عملية التقييم المبتكرة ثلاثة مجالات رئيسية: الأسئلة المتعلقة بالحقائق، التفكير الزمني، واتخاذ القرار طويل الأمد. تهدف هذه التصنيفات إلى قياس كيفية استخدام الوكلاء للمعلومات التاريخية للمريض عبر فترات زمنية ممتدة. وقد أظهرت التجارب أن النماذج اللغوية الكبيرة (LLMs) الحديثة تستطيع استغلال الطوابع الزمنية بشكل جيد، لكن تواجه تحديات في الاستنتاج الزمني الضمني.

وعلى الرغم من أن نظام الذاكرة التلقائية (RAG) يمكن أن يحسن الأداء في مهام استرجاع المعلومات، فإن فعالية مهام اتخاذ القرارات تعتمد بشدة على السياق الفوري للنموذج. إن LongMedBench يأتي كخطوة نحو فهم أعمق للرعاية الصحية وكيفية تفاعل الذكاء الاصطناعي مع سجلات المرضى على المدى الطويل.