CLIR-Bench：对不规则临床时间序列的多模式问答进行基准测试

临床时间序列对于患者监测、风险评估和临床决策支持至关重要。然而，它们通常是稀疏的、不规则采样且异步的，使得模型难以识别临床问答（QA）所需的时间证据。现有的基准主要关注静态数据上的定期采样的时间序列 QA 或医学 QA，因此很少评估模型是否能够在不规则的时间观察中忠实地得出答案。为了填补这一空白，我们引入了 CLIR-Bench，这是一个不规则临床时间序列 QA 的基准，由去识别化的 ICU 记录通过原则性的四阶段管道构建而成。 CLIR-Bench 包含 6,600 个 QA 实例，涵盖 11 个临床变量，分为四个功能维度和 11 个任务。每个问题都与明确的时间证据和特定于任务的答案推导规则相关联，从而能够评估答案的准确性和证据的使用。实验表明，现有的通才模型很难检索和推理稀疏的临床证据，这凸显了对更强的不规则时间序列推理方法的需求。我们的代码和数据可在 https://huggingface.co/datasets/winall/CLIR-Bench 获取。