हम बहुकेंद्रीय नैदानिक परीक्षणों में प्रतिकूल घटनाओं के पदानुक्रमित बायेसियन मॉडलिंग के लिए एक नवीन ढाँचा प्रस्तुत करते हैं, जिसमें बड़े पैमाने के भाषा मॉडल (LLM) का लाभ उठाया जाता है। सिंथेटिक डेटा बिंदु उत्पन्न करने वाले डेटा संवर्द्धन दृष्टिकोणों के विपरीत, यह अध्ययन सीधे मॉडल से पैरामीट्रिक पूर्व वितरण प्राप्त करता है। पूर्व-प्रशिक्षित LLM का उपयोग करते हुए, हम पदानुक्रमित बायेसियन मॉडल के हाइपरपैरामीटर्स के लिए व्यवस्थित रूप से सूचनात्मक पूर्व वितरण प्राप्त करते हैं, और बायेसियन सुरक्षा मॉडलिंग में बाह्य नैदानिक विशेषज्ञता को सीधे शामिल करते हैं। व्यापक तापमान संवेदनशीलता विश्लेषण और वास्तविक दुनिया के नैदानिक परीक्षण डेटा पर कठोर क्रॉस-वैलिडेशन दर्शाते हैं कि LLM-व्युत्पन्न पूर्व वितरण मौजूदा मेटा-विश्लेषणात्मक दृष्टिकोणों की तुलना में पूर्वानुमानात्मक प्रदर्शन में लगातार सुधार करते हैं। यह पद्धति अधिक कुशल और विशेषज्ञ-सूचित नैदानिक परीक्षण डिज़ाइन का मार्ग प्रशस्त करती है, जिससे मज़बूत सुरक्षा आकलन प्राप्त करने के लिए आवश्यक रोगियों की संख्या में उल्लेखनीय कमी आती है और संभावित रूप से दवा सुरक्षा निगरानी और नियामक निर्णय लेने की प्रक्रिया में बदलाव आता है।
