Benchmark AMEND++ prevede modifiche ai criteri di ammissibilità degli studi clinici

I ricercatori hanno introdotto un nuovo compito nell'elaborazione del linguaggio naturale noto come previsione delle modifiche ai criteri di ammissibilità, che mira ad anticipare i cambiamenti nei parametri di ammissibilità degli studi clinici. Hanno sviluppato AMEND++, una suite di benchmark con due dataset: AMEND, che cataloga le storie delle modifiche e le etichette da studi clinici pubblici, e AMEND_LLM, un sottoinsieme mirato che evidenzia cambiamenti significativi attraverso un modello linguistico specializzato per la denoising. Inoltre, hanno presentato il Change-Aware Masked Language Modeling (CAMLM), un metodo di pre-addestramento che utilizza modifiche storiche per migliorare l'apprendimento delle modifiche. I loro test di validazione su vari baseline confermano la capacità del metodo di affrontare problemi comuni come ritardi e costi crescenti negli studi clinici.