|
事件概述：斯坦福人工智能实验室（Stanford AI Lab）于2026年10月16日介绍TRACER（Trajectory Reasoning Across Clinical Event Records），这是一个无需额外训练的多模态研究系统，尝试把ICU床旁视频与电子病历结合起来，帮助医护人员回顾患者数日住院期间的活动变化。论文编号为arXiv:2610.21266，页面同时提供论文与代码入口。
关键做法：系统先从视频中识别15类床旁动作，并为每分钟场景生成文字描述，再将分钟记录与用药信息汇总成小时级报告；医护人员可通过时间轴查看变化，并用对话界面回溯特定时段。研究团队在397段视频片段和144道覆盖整段住院过程的问题上评估感知与长程推理。
结果与限制：团队报告，在其测试中，开源模型的长程推理表现接近、个别情况下超过专有模型，但动作感知准确度差距明显；例如最佳开源权重模型的动作识别F1为48.4，测试的Gemini模型最高为68.6。研究还在280名患者队列中观察到，谵妄患者被系统识别出的“有目的动作”频率较低，这是待进一步研究的关联信号，不等于临床诊断结论。由于数据使用协议，感知比较只测试了Gemini系列；这仍是研究系统，尚不能据此证明改善了临床结局，也不应替代医护判断。
适用对象与影响：该工作面向医院临床研究、病区信息化和多模态医疗AI团队，展示了把长时段视频压缩为可查询时间线的研究路径；同时也凸显持续采集病房视频涉及的隐私、数据治理与验证要求。
官方来源（斯坦福AI实验室，2026-10-16）：https://ai.stanford.edu/blog/tracer/
论文：https://arxiv.org/abs/2610.21266 |
0