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

Cette recherche présente un système automatisé pour détecter les erreurs de dosage dans les récits d'essais cliniques, en utilisant LightGBM avec une ingénierie de fonctionnalités multimodale. L'approche combine le PNL traditionnel, les embeddings sémantiques, les motifs médicaux et les scores de transformateurs pour atteindre une ROC-AUC élevée sur un ensemble de données déséquilibré.