[论文解读] Biomedical Question Answering: A Comprehensive Review.

Qiao Jin, Zheng Yuan+7 more|arXiv (Cornell University)|Feb 10, 2021

Topic Modeling参考文献 227被引用 9

一句话总结

本文对生物医学问答（BQA）进行了全面综述，将方法论分为六类——开放域、知识库、信息检索、机器阅读理解、问题蕴含和视觉问答，涵盖四个内容主题和五种答案格式。文章识别了关键挑战，并提出了推动生物医学BQA发展的未来研究方向。

ABSTRACT

Question Answering (QA) is a benchmark Natural Language Processing (NLP) task where models predict the answer for a given question using related documents, images, knowledge bases and question-answer pairs. Automatic QA has been successfully applied in various domains like search engines and chatbots. However, for specific domains like biomedicine, QA systems are still rarely used in real-life settings. Biomedical QA (BQA), as an emerging QA task, enables innovative applications to effectively perceive, access and understand complex biomedical knowledge. In this work, we provide a critical review of recent efforts in BQA. We comprehensively investigate prior BQA approaches, which are classified into 6 major methodologies (open-domain, knowledge base, information retrieval, machine reading comprehension, question entailment and visual QA), 4 topics of contents (scientific, clinical, consumer health and examination) and 5 types of formats (yes/no, extraction, generation, multi-choice and retrieval). In the end, we highlight several key challenges of BQA and explore potential directions for future works.

研究动机与目标

• 系统性回顾近年来在多样化方法论和应用领域中的生物医学问答（BQA）进展。
• 基于其基础方法论、内容主题和答案格式，对BQA方法进行分类与分析。
• 识别在真实生物医学环境中部署BQA系统时持续存在的挑战。
• 概述提升BQA系统鲁棒性、准确性和实际可用性的有前景的未来研究方向。

提出的方法

• 本文对现有BQA研究进行了批判性综述，将方法论组织为六种核心方法：开放域、知识库、信息检索、机器阅读理解、问题蕴含和视觉问答。
• 按内容主题对BQA任务进行分类：科学类、临床类、患者健康类以及与考试相关的问答。
• 将答案格式划分为五类：是/否类、抽取类、生成类、多选类和基于检索的答案。
• 综合分析这些维度的发现，以评估当前BQA系统在方法论趋势、性能和局限性方面的表现。
• 评估在BQA流程中整合多样化数据源（如生物医学文献、知识库和临床记录）的效果。

实验结果

研究问题

• RQ1 不同BQA方法论在生物医学领域中的有效性与适用性方面如何比较？
• RQ2 当前生物医学问答研究中占主导地位的内容主题和答案格式是什么？
• RQ3 哪些关键限制因素阻碍了BQA系统在生物医学领域的真实部署？
• RQ4 现有BQA方法如何处理复杂、多跳推理和领域特定术语？

主要发现

• 尽管自然语言处理和问答技术取得了进展，BQA系统在真实生物医学应用中仍使用不足。
• 六种核心方法——开放域、知识库、信息检索、机器阅读理解、问题蕴含和视觉问答——各自针对生物医学知识获取的不同方面。
• 答案格式在复杂性上存在显著差异，其中生成类和多选类任务需要更深层次的上下文理解。
• 临床类和患者健康类主题日益受到重视，反映出对面向患者和决策支持应用的日益增长的兴趣。