В исследовании представлен новый элементно-аннотированный набор данных SPIRIT-CONSORT-ELM, разработанный специально для обучения и оценки больших языковых моделей (LLM) в контексте проверки качества отчетности рандомизированных контролируемых испытаний (РКИ). Авторы применяют передовые методы обработки естественного языка для автоматизированного анализа текстов клинических исследований на соответствие стандартам SPIRIT (протоколы) и CONSORT (отчеты). Методология включает детальную разметку текстовых элементов на уровне предложений и абзацев, что позволяет LLM точно идентифицировать наличие или отсутствие ключевых компонентов отчетности. Ключевые результаты демонстрируют высокую эффективность предложенного подхода: модель показывает значительное улучшение метрик точности и полноты по сравнению с базовыми методами ручного или полуструктурированного анализа. Это решение способно существенно сократить время, необходимое рецензентам и редакторам журналов для проверки соответствия публикаций международным стандартам. Внедрение таких инструментов в редакционные процессы может повысить прозрачность и надежность клинических данных, снижая риск публикации исследований с неполной или искаженной информацией. Работа закладывает основу для создания надежных систем поддержки принятия решений в научной коммуникации и медицинской этике.