背景：临床试验中心血管事件裁决的挑战
临床终点分类（CEC）是当代临床试验中衡量心血管终点的金标准。这一严谨的过程确保终点事件的一致性和可重复性，从而最大限度地减少偏倚，提高试验结果的有效性。然而，传统的CEC方法带来了巨大的实际负担：需要大量的时间、财务资源和专业技能。随着心血管试验变得越来越复杂，涉及多个终点和复杂的复合定义，对高效且准确的终点裁决的需求比以往任何时候都更加迫切。
医疗保健领域人工智能（AI）的出现为自动化复杂的临床评估开辟了新的可能性。大型语言模型和基于变换器的架构在理解和处理医学文本方面表现出色，引发了是否可以利用这些技术进行终点裁决的问题。然而，人们对AI系统在不同试验人群、终点定义和数据收集方法中的通用性仍存有疑虑。
