临床试验失败是药物研发效率的主要瓶颈，导致高额成本并延迟患者获得有效治疗。传统的结构化方法如层次交互网络（HINT）通过显式建模药物、疾病和方案之间的相互作用来预测试验结果，但对试验注册文本的利用有限。我们在 TOP 基准（12,477 例试验）上评估了两种领域特定语言模型：参数量为 108M 的 BioBERT 和参数量为 7B 的 BioMistral，使用来自 ClinicalTrials.gov 的十个字段拼接成的文本表示每个试验的阶段结果。我们比较了全参数微调（BioBERT）和低秩适配（BioMistral）与探针方法——冻结预训练模型，仅在其嵌入上训练轻量分类器。\n\n在每个阶段的留出测试集上，四种模型的 ROC‑AUC（0.613–0.772）和 PR‑AUC（0.649–0.901）均高于已公布的 HINT 结果，对应相对 PR‑AUC 增益 10%–20%。F1 分数差异较小且呈混合趋势，且没有模型（包括 HINT）显著超越始终预测成功的简单分类器。就所测试配置而言，探针方法的表现与微调相当：微调模型在 I、II 阶段的 ROC‑AUC 与 PR‑AUC 最高，III 阶段则是冻结的 BioMistral 嵌入（ROC‑AUC 0.772，PR‑AUC 0.901），但大多数差异均低于 0.03，且未进行显著性检验。\n\n这些结果表明，预训练的生物医学表征已经蕴含与试验结果相关的信号，探针方法在计算成本上优于微调，可作为该任务的有效替代方案。\n\n点评：领域特定的大语言模型能够充分利用临床试验文本信息，实现对试验成功率的更精准预测；在资源受限的场景下，冻结模型并进行探针训练是一种高效且可靠的策略。