臨床現場において患者のモニタリングやリスク評価、臨床意思決定支援に用いられる臨床時系列データは、患者管理の核となる情報です。しかし実際には、このようなデータはしばしばスパース（疎）で不規則にサンプリングされ、非同期の性質を持つため、モデルが臨床的な質問応答に必要な時間的証拠を特定することが困難になります。既存のベンチマークは、定期的にサンプリングされた時系列データの質問応答や、静的なデータに対する医療関連の質問応答に主眼を置いており、不規則な時間的観察に基づいて忠実に答えを根拠づけられるかどうかを評価することが稀でした。 この課題に対処するため、研究チームはCLIR-Benchという新しいベンチマークを開発しました。これは匿名化されたICU（集中治療室）記録から、体系的な4段階のパイプラインを通じて構築された不規則な臨床時系列データの質問応答ベンチマークです。CLIR-Benchは11の臨床変数にわたる6,600個の質問応答インスタンスを含み、4つの能力次元と11のタスクに分類されています。 各質問には明示的な時間的証拠とタスク固有の回答導出ルールが結紐付けられており、回答の正確性と証拠の利用方法の両面から評価することが可能です。実験結果によると、既存の汎用モデルはスパースな臨床証拠の検索と推論に苦戦することが判明し、不規則な時系列データに対するより強力な推論手法の必要性が浮き彫りになりました。研究チームはコードとデータをHugging Face上で公開しており、他の研究者による活用が可能になっています。