في عالم البحث الطبي، تُعتبر التعديلات على معايير التأهيل في التجارب السريرية من أبرز التحديات التي تواجه الفرق البحثية، إذ تتمثل هذه التعديلات غالباً في تأخير التجارب وزيادة التكاليف. ومع ظهور أداة جديدة تُعرف بـ AMEND++، بدءت آفاق جديدة في تحسين ما يُعرف بتوقع تغييرات معايير التأهيل (Eligibility Criteria Amendment Prediction).

يهدف هذا الابتكار إلى تحديد ما إذا كانت معايير التأهيل في بروتوكول تجربة سريرية أولية ستخضع لتعديلات في المستقبل، مما يساعد الفرق البحثية على توقع هذه التغييرات والتخطيط بصورة أفضل. تتضمن AMEND++ مجموعتين من البيانات: الأولى هي AMEND، التي تسجل تاريخ نسخ المعايير والتعديلات من التجارب السريرية العامة، والثانية هي AMEND_LLM، وهي مجموعة فرعية مصفاة باستخدام نموذج لغوي كبير (Large Language Model) يركز على التغييرات الجوهرية.

أيضًا، قدمت AMEND++ استراتيجية جديدة تُعرف بتعلم اللغة المسؤولة عن التغيير (Change-Aware Masked Language Modeling - CAMLM)، التي تستفيد من التحريرات التاريخية لتعزيز التمثيلات الحساسة للتعديلات. وقد أظهرت التجارب أن CAMLM تحقق تحسينًا متواصلًا في توقع التعديلات، مما يسهم في تصميم تجارب سريرية أكثر قوة وكفاءة من حيث التكلفة.

إذا كنت من المهتمين بالتطورات في مجال التجارب السريرية والذكاء الاصطناعي، فإن AMEND++ تمثل خطوة هامة نحو تحسين عملية البحث والتطوير والتخفيف من الأعباء الإدارية.