في ظل التحديات المتزايدة في مجال الرعاية الصحية، تظهر TRACER كابتكار ثوري يهدف إلى تحسين تجربة المرضى في المستشفيات. تعتمد هذه الأداة المبتكرة على دمج المعلومات المستمدة من مقاطع الفيديو المستمرة والسجلات السريرية، وهو ما يوفر فهماً عميقاً لتطور سلوك المرضى خلال فترة إقامتهم.

تعتمد TRACER على نظام دون الحاجة لتدريب مسبق (Training-Free)، حيث تقوم بتجميع سجلات دقيقة للقيام بالأنشطة على مدى دقيقة من الفيديو، وتدمجها مع السجلات السريرية لتكوين تقارير ساعة. وبفضل هذه الأداة، يصبح بإمكان وكيل الذكاء الاصطناعي (LLM Agent) الاستفسار عن هذه المعلومات، ومراجعة مقاطع الفيديو ذات الصلة، واسترجاع السجلات السريرية التي تتعلق بالحالة.

لتقييم هذه الأداة، تم تصميم اختبارين محددين. الأول يشمل 397 مقطع فيديو مُعَلّم يمتد على 15 نشاطاً دقيقاً، بينما الثاني يتضمن 144 سؤالاً اختيارياً تم توجيهه بواسطة الأطباء، استناداً إلى 264 ساعة من الفيديو والسجلات السريرية لنزلاء وحدة العناية المركزة ICU. أظهرت نتائج استطلاع TRACER دقة تصل إلى 84.8% في اكتشاف الأنشطة و61.0% في دقة الأسئلة والإجابات، مقارنةً بأفضل أداء سابق البالغ 49.3%.

أظهرت النتائج أيضاً أن TRACER تُظهر نشاطاً أقل وضوحاً لدى المرضى الذين تم تقييمهم إيجابياً لتعرضهم للهلوسة مقارنة بالمرضى الآخرين (p < 0.0001). هذا يشير إلى أن دمج الفيديو المستمر مع السجلات السريرية يمكن أن يدعم فهم سلوك المرضى على مدى الزمن وبين المجموعات المختلفة.

تعد TRACER خطوة نحو تعزيز رعاية المرضى باستخدام الذكاء الاصطناعي، مما يفتح آفاق جديدة للبحث في مجالات الطب وتحسين تجارب المرضى.