本文介绍了一种新颖的零样本医学信息检索方法MedFusionRank，它结合了预训练语言模型和统计方法的优势，并利用预训练的BERT风格模型提取关键词，再通过将这些关键词与医学知识图中的概念实体链接，进一步丰富其领域知识。实验评估表明，MedFusionRank相比现有方法表现优越，在多种评估指标上具有有希望的结果。即使是来自于短查询或单个术语，MedFusionRank在检索相关信息方面表现出有效性。

本文介绍了一种名为MMUGL的新方法，用于在医学知识图上学习医学概念的表示。该方法整合了先前的医学知识并考虑多种模态，提高了性能。结果表明，基于先前的医学知识的多模态医学概念表示很重要。