$\texttt{AMEND++}$：临床试验资格标准修订的基准测试
计算与语言
2026-01-13 v1 人工智能
机器学习
摘要
临床试验的修订经常导致延迟、增加成本和行政负担，其中最常修订的组成部分是资格标准。我们提出“资格标准修订预测”这一新型 NLP 任务，旨在预测初始临床试验方案的资格标准是否将进行未来修订。为支持该任务，我们发布了 ，一个由两个数据集组成的基准套件： 捕获资格标准版本历史和修订标签的公开临床试验，以及 ，一个通过基于 LLM 的去噪管道精选的子集，以隔离实质性变更。我们进一步提出了“变更感知遮蔽语言模型”（CAMLM），一种利用历史编辑学习修订敏感表示的修订感知预训练策略。在多样化的基线实验中，CAMLM 始终改进资格标准修订预测，使临床试验设计更加稳健和成本效应更高。
引用
@article{arxiv.2601.06300,
title = {$\texttt{AMEND++}$: Benchmarking Eligibility Criteria Amendments in Clinical Trials},
author = {Trisha Das and Mandis Beigi and Jacob Aptekar and Jimeng Sun},
journal= {arXiv preprint arXiv:2601.06300},
year = {2026}
}