The explosive growth and widespread accessibility of medical information on the Internet have led to a surge of research activity in a wide range of scientific communities including health informatics and information retrieval (IR). One of the common concerns of this research, across these disciplines, is how to design either clinical decision support systems or medical search engines capable of providing adequate support for both novices (e.g., patients and their next-of-kin) and experts (e.g., physicians, clinicians) tackling complex tasks (e.g., search for diagnosis, search for a treatment). However, despite the significant multi-disciplinary research advances, current medical search systems exhibit low levels of performance. This survey provides an overview of the state of the art in the disciplines of IR and health informatics, and bridging these disciplines shows how semantic search techniques can facilitate medical IR. First,we will give a broad picture of semantic search and medical IR and then highlight the major scientific challenges. Second, focusing on the semantic gap challenge, we will discuss representative state-of-the-art work related to feature-based as well as semantic-based representation and matching models that support medical search systems. In addition to seminal works, we will present recent works that rely on research advancements in deep learning. Third, we make a thorough cross-model analysis and provide some findings and lessons learned. Finally, we discuss some open issues and possible promising directions for future research trends.

中文翻译：

---

医学文本的语义信息检索

Internet 上医疗信息的爆炸式增长和广泛可访问性导致包括健康信息学和信息检索 (IR) 在内的广泛科学界的研究活动激增。在这些学科中，这项研究的一个共同关注点是如何设计能够为新手（例如，患者及其近亲）和专家（例如、医生、临床医生）处理复杂的任务（例如，寻找诊断、寻找治疗）。然而，尽管多学科研究取得了重大进展，但当前的医学搜索系统表现出低水平的性能。本调查概述了 IR 和健康信息学学科的最新技术，并桥接这些学科展示了语义搜索技术如何促进医学 IR。首先，我们将概述语义搜索和医学 IR，然后重点介绍主要的科学挑战。其次，关注语义差距挑战，我们将讨论与支持医学搜索系统的基于特征以及基于语义的表示和匹配模型相关的代表性最新工作。除了开创性的作品之外，我们还将展示依赖于深度学习研究进展的近期作品。第三，我们进行了彻底的跨模型分析，并提供了一些发现和经验教训。最后，我们讨论了一些未解决的问题以及未来研究趋势的可能方向。我们将全面介绍语义搜索和医学 IR，然后重点介绍主要的科学挑战。其次，关注语义差距挑战，我们将讨论与支持医学搜索系统的基于特征以及基于语义的表示和匹配模型相关的代表性最新工作。除了开创性的作品之外，我们还将展示依赖于深度学习研究进展的近期作品。第三，我们进行了彻底的跨模型分析，并提供了一些发现和经验教训。最后，我们讨论了一些未解决的问题以及未来研究趋势的可能方向。我们将全面介绍语义搜索和医学 IR，然后重点介绍主要的科学挑战。其次，关注语义差距挑战，我们将讨论与支持医学搜索系统的基于特征以及基于语义的表示和匹配模型相关的代表性最新工作。除了开创性的作品之外，我们还将展示依赖于深度学习研究进展的近期作品。第三，我们进行了彻底的跨模型分析，并提供了一些发现和经验教训。最后，我们讨论了一些未解决的问题以及未来研究趋势的可能方向。我们将讨论与支持医学搜索系统的基于特征以及基于语义的表示和匹配模型相关的具有代表性的最新工作。除了开创性的作品之外，我们还将展示依赖于深度学习研究进展的近期作品。第三，我们进行了彻底的跨模型分析，并提供了一些发现和经验教训。最后，我们讨论了一些未解决的问题以及未来研究趋势的可能方向。我们将讨论与支持医学搜索系统的基于特征以及基于语义的表示和匹配模型相关的具有代表性的最新工作。除了开创性的作品之外，我们还将展示依赖于深度学习研究进展的近期作品。第三，我们进行了彻底的跨模型分析，并提供了一些发现和经验教训。最后，我们讨论了一些未解决的问题以及未来研究趋势的可能方向。