Automated Detection of Dosing Errors in Clinical Trial Narratives: A Multi-Modal Feature Engineering Approach with LightGBM

Diese Forschung stellt ein automatisiertes System zur Erkennung von Dosierungsfehlern in klinischen Studienberichten vor, das LightGBM mit umfassendem Multi-Modal-Feature-Engineering nutzt. Der Ansatz kombiniert traditionelles NLP, semantische Embeddings, medizinische Muster und Transformer-Scores, um eine hohe ROC-AUC auf einem unausgewogenen Datensatz zu erzielen.