De cruciale rol van modelselectie bij causale inferentie: een vergelijkende analyse van classificatiemodellen binnen het InferBERT-framework voor geneesmiddelenbewaking

Het onderscheiden van echte bijwerkingen van toevallige correlaties blijft een kernuitdaging in geneesmiddelenbewaking. Het InferBERT-framework combineert transformermodellen met Do-calculus, maar het succes ervan hangt af van het onderliggende classificatiemodel. Deze studie onderzoekt of eenvoudigere modellen volstaan, of domeinspecifieke pre-training helpt, en of opschaling naar LLM's de causale detectie verbetert.