慢性疼痛自然语言处理研究：系统综述

近年来，自然语言处理（NLP）与公共卫生的交叉领域为探索各种领域，包括从文本数据集中研究慢性疼痛，开辟了创新的研究路径。尽管NLP在慢性疼痛领域具有巨大的潜力，但文献分散于多个学科之间，亟需整合现有知识、识别文献中的知识空白，并为这一新兴领域的未来研究指明方向。本综述旨在调查NLP用于慢性疼痛研究的干预措施的研究现状。制定并执行了搜索策略，涵盖PubMed、Web of Science、IEEE Xplore、Scopus和ACL Anthology，查找2014年至2024年间英文出版的研究。筛选132篇文献后，纳入最终综述的26项研究。本综述的关键发现强调了NLP技术在缓解慢性疼痛研究中面临的紧迫挑战的显著潜力。过去十年该领域展示了利用高性能指标（如F1>0.8）的transformer模型（如RoBERTa和BERT）在分类任务中的应用，同时无监督方法如潜在Dirichlet分配（LDA）和k-均值聚类在探索性分析中证明有效。结果也揭示了持久的挑战，如数据集的多样性不足、样本量不足以及对边缘人群的代表性不足。未来的研究应探索多模态数据验证系统、情境感知的机制建模，以及开发标准化的评估指标，以增强慢性疼痛研究中的可重复性和公平性。