Contexte : Les résultats sont des variables surveillées au cours d’un essai clinique afin d’évaluer l’impact d’une intervention sur la santé humaine. Une évaluation automatique de la similarité sémantique des résultats d’essai est nécessaire pour diverses tâches, notamment la détection du changement de résultats (changement non justifié des résultats prédéfinis d’un essai) et la mise en œuvre des Ensembles de Résultats Fondamentaux (ensembles minimaux de résultats à rapporter dans un domaine médical particulier).Objectif : Nous avons cherché à développer un algorithme permettant d’évaluer la similarité sémantique entre des paires de résultats primaires et rapportés. Nous nous sommes concentrés sur des approches ne nécessitant pas de ressources manuellement curatrices spécifiques au domaine, telles que des ontologies ou des thésaurus.Méthodes : Nous avons testé plusieurs approches, incluant des mesures uniques de similarité (basées sur les chaînes de caractères, les racines morphologiques et les lemmes, les chemins et les distances dans une ontologie, ainsi que les représentations vectorielles des phrases), des classifieurs utilisant une combinaison de mesures uniques comme caractéristiques, et une approche d’apprentissage profond consistant à adapter (fine-tuning) des représentations linguistiques pré-entraînées. Nous avons évalué des modèles linguistiques fournis par BERT (entraîné sur des textes généraux), BioBERT et SciBERT (respectivement entraînés sur des textes biomédicaux et scientifiques). Nous avons également exploré la possibilité d’améliorer les performances en tenant compte des variantes de référence d’un résultat (par exemple, l’utilisation du nom d’un outil de mesure au lieu du nom du résultat, ou l’emploi d’abréviations). Nous mettons à disposition un corpus ouvert annoté pour la similarité entre paires de résultats.Résultats : Les classifieurs utilisant une combinaison de mesures uniques comme caractéristiques ont surpassé les mesures uniques seules, tandis que les algorithmes d’apprentissage profond utilisant les modèles BioBERT et SciBERT ont surpassé les classifieurs. BioBERT a atteint la meilleure mesure F de 89,75 %. L’ajout des variantes de résultats n’a pas amélioré les performances des meilleures mesures uniques ni celles des classifieurs, mais il a amélioré celles des algorithmes d’apprentissage profond : BioBERT a atteint une mesure F de 93,38 %.Conclusions : Les approches d’apprentissage profond utilisant des représentations linguistiques pré-entraînées ont surpassé les autres approches pour l’évaluation de la similarité des résultats d’essai clinique, sans dépendre de ressources manuellement curatrices spécifiques au domaine (ontologies ou autres ressources lexicales). L’intégration des variantes de résultats a par ailleurs permis d’améliorer davantage les performances des algorithmes d’apprentissage profond.