# 问答检索（Question Answering & Retrieval）

## 核心定义
问答检索是一种结合信息检索与自然语言理解的人工智能技术，旨在从大规模结构化或非结构化数据中，精准定位并生成用户自然语言提问的答案。其核心突破在于**语义对齐**——将用户意图与知识源进行跨模态匹配，而非仅依赖关键词匹配。在医学神经科学领域，该技术已从“检索证据”升级为“推理决策”，成为临床辅助诊断的重要工具。

## 关键技术点
1. **语义解析与图谱嵌入**  
   将自然语言问题转化为形式化查询（如 SPARQL），并通过知识图谱嵌入（TransE、RotatE）将实体与关系映射至低维向量空间，实现复杂病症（如“难治性癫痫合并认知障碍”）的语义检索。

2. **多轮交互式检索**  
   基于强化学习或图注意力网络，根据用户反馈动态调整检索策略。例如在神经内科查房时，系统可追问“患者起病年龄”、“发作频率”以缩小鉴别诊断范围。

3. **跨模态融合检索**  
   整合文本（病历、文献）、影像（MRI、fMRI）与电生理数据（EEG），通过对比学习对齐不同模态特征。尤其在阿尔茨海默病早期诊断中，需同时检索认知评分与海马体积变化。

4. **可解释性推理**  
   利用链式推理（Chain-of-Thought）或神经符号学习，输出答案的同时生成推理路径。例如检索“帕金森病与路易体痴呆的鉴别要点”时，系统标明支撑依据来自“β-淀粉样蛋白沉积”文献。

## 医学/神经科学应用场景
**基于首都医科大学神经病学研究所的罕见病辅助筛查**  
针对运动神经元病（如肌萎缩侧索硬化症）等罕见病，首都医科大学附属北京天坛医院团队构建了包含基因突变位点、电生理特征及病理标志物的多模态知识库。医生输入“下运动神经元体征+肌束震颤+对胆碱酯酶抑制剂无效”，问答检索系统通过**图卷积网络**匹配知识图谱中“FUS基因突变”相关子图，并返回诊断建议及最新临床试验信息。系统同时嵌入**联邦学习**框架，在不泄露患者隐私的前提下聚合多家三甲医院的数据，提升检索召回率。这一应用将罕见病平均确诊时间从18个月缩短至4个月，显著降低误诊风险。