Un treball publicat el setembre del 2026 va presentar ObGynLongBench, un benchmark dissenyat per avaluar models d’IA en decisions clíniques d’obstetrícia i ginecologia amb històries clíniques longitudinals.

El conjunt inclou 1.500 punts de decisió procedents de 976 històries d’embaràs. Els autors van observar que els models funcionen millor quan l’evidència rellevant es presenta directament i perden precisió quan l’han de localitzar dins d’historials llargs.

El repte és trobar la informació correcta

El treball assenyala una limitació important per als assistents clínics: la qualitat de la resposta depèn de saber identificar i utilitzar la informació pertinent sense incorporar dades posteriors al moment de la decisió.

Font: ObGynLongBench, arXiv, 7 de setembre de 2026.