Divide-Prompt-Refine: a Training-Free, Structure-Aware Framework for Biomedical Abstract Generation

Resumen Técnico: Divide-Prompt-Refine (DPR-BAG)

Enunciado del Problema
Los resúmenes biomédicos son fundamentales para tareas posteriores de Procesamiento del Lenguaje Natural (PLN), incluida la recuperación de información, la biocuración y el descubrimiento de conocimiento, debido a su alta densidad informativa y organización estructurada. Sin embargo, una parte significativa de la literatura biomédica carece de resúmenes. A abril de 2026, aproximadamente el 29% de los artículos de PubMed no tenían resumen, un volumen impulsado por el crecimiento de tipos de publicación como informes de casos, editoriales y cartas. Estos resúmenes faltantes crean un cuello de botella para las aplicaciones de PLN.

La tarea de Generación de Resúmenes Biomédicos (BAG) tiene como objetivo generar automáticamente resúmenes a partir de artículos de texto completo. A diferencia del resumen estándar de documentos, BAG requiere adherencia a las convenciones de informe científico (presentación estructurada de métodos, resultados y conclusiones) y la preservación de entidades biomédicas de granularidad fina y hallazgos cuantitativos. Los enfoques existentes enfrentan dos desafíos principales:

1. Sesgo Extractivo y Fragmentación: Los métodos extractivos tradicionales a menudo producen texto fragmentado que carece de fluidez natural. Incluso modelos avanzados como LongT5 exhiben un fuerte sesgo extractivo al procesar documentos largos, dependiendo de la copia literal en lugar de la síntesis.
2. Riesgos de Fidelidad en Contextos Largos: Los modelos más avanzados (por ejemplo, GPT-4) sufren alucinaciones y omisión de información al extraer de textos científicos completos no descompuestos. Además, forzar a los modelos a procesar textos largos complejos a menudo conduce a una degradación en la consistencia factual.

Metodología: Marco DPR-BAG
Los autores proponen DPR-BAG (Dividir, Solicitar y Refinar para la Generación de Resúmenes Biomédicos), un marco sin entrenamiento y de cero disparos diseñado para generar resúmenes coherentes y fundamentados en hechos. El marco opera mediante una tubería modular:

1. Descomposición Consciente de la Estructura (Dividir):
   En lugar de procesar el texto completo como un solo bloque, DPR-BAG descompone el documento en seis facetas retóricas basadas en el esquema BOMRC (Antecedentes, Objetivos, Métodos, Resultados, Conclusiones) más una categoría "Otros" para contenido no clasificado.

   • Estrategia de División: Los autores utilizan LLM-SSC (Clasificación Secuencial de Oraciones basada en Modelos de Lenguaje Grande) para asignar etiquetas retóricas a las oraciones. Emplean una estrategia de Etiquetado de la Primera Oración (FS), donde la etiqueta de la primera oración de un párrafo sirve como etiqueta global para ese párrafo. Este enfoque supera a la división basada en longitud ingenua (NS) y a la normalización de encabezados de sección (SH) al proporcionar un anclaje contextual de granularidad fina.

2. Resumen Paralelo (Solicitar):
   Cada faceta resultante se resume independientemente utilizando un LLM preentrenado y ajustado con instrucciones (específicamente Llama-3.2:3B en los experimentos) de manera de cero disparos.

   • Estrategias de Prompting: El estudio evalúa tres complejidades de prompting:
     • Conciso Básico (BC): Instrucciones mínimas con puntos focales de granularidad gruesa.
     • Instrucción Detallada (DI): Modelado según las directrices de envío de JMIR, imponiendo detalles granulares (tamaños de muestra, valores p).
     • Instrucción Estructural (SI): Utiliza formato Markdown para imponer esquemas estructurales.
   • Guía de Entidades: El marco prueba extensiones de anclaje opcionales, incluida la extracción TR-UMLS (TextRank vinculada a conceptos UMLS) y el razonamiento de Cadena de Pensamiento (CoT).

3. Refinamiento (Refinar):
   Los resúmenes individuales de las facetas se concatenan y se pasan a una etapa final de refinamiento basada en LLM. Este paso sintetiza las salidas fragmentadas en un resumen unificado, asegurando la coherencia del discurso global y la consistencia estilística.

4. Validación y Respuesta de Emergencia:
   Se implementa un mecanismo de robustez donde, si fallan los seis resúmenes de facetas, el sistema reagrupa el contenido en tres categorías más amplias (Introducción, Idea Principal, Resultados y Conclusiones). Si esto falla, se utiliza una heurística "Lead-300" (primeros 300 caracteres) para garantizar una salida no vacía.

Contribuciones Clave

1. Marco DPR-BAG: Un método novedoso, sin entrenamiento y consciente de la estructura para BAG que descompone artículos de texto completo en facetas retóricas, realiza resumen paralelo y refina la salida.
2. Conjunto de Datos PMC-MAD: El lanzamiento de un conjunto de datos alineado con la distribución de 46,309 publicaciones biomédicas de texto completo (sin resúmenes) curado específicamente para la tarea de BAG.
3. Evaluación Exhaustiva: Una comparación sistemática de DPR-BAG frente a líneas base extractivas fuertes y abstractivas ajustadas (LED, LongT5), demostrando un rendimiento superior en abstracción y consistencia factual sin ajuste fino específico de la tarea.
4. Insights de Ablación: Un análisis detallado de las estrategias de prompting y los métodos de división, revelando hallazgos contraintuitivos sobre la complejidad del prompt.

Resultados Experimentales
Evaluado en el conjunto de datos PMC-MAD, DPR-BAG (utilizando el prompt Conciso Básico) demostró lo siguiente:

• Abstracción: DPR-BAG generó resúmenes que fueron significativamente más abstractos (mayor novedad de n-gramas, menor densidad) que las líneas base ajustadas, asemejándose estrechamente a los resúmenes escritos por humanos.
• Factualidad: A pesar de la alta abstracción, DPR-BAG mantuvo una consistencia factual superior (medida por AlignScore, MiniCheck y SummaC) en comparación con las líneas base tanto de cero disparos como ajustadas. Los modelos ajustados a menudo sacrificaron la factualidad por la abstracción.
• Estrategia de División: La estrategia de Etiquetado de la Primera Oración (FS) superó significativamente a la normalización de Encabezados de Sección (SH), confirmando que los límites semánticos de granularidad fina son necesarios para una generación fiel.
• Hallazgos de Complejidad del Prompt: Aumentar la complejidad del prompt (DI y SI) o inyectar guía explícita de entidades (TR-UMLS, CoT) generalmente degradó la alineación factual. Los autores observaron un "efecto de distracción" donde las instrucciones complejas hicieron que el modelo luchara con las restricciones de formato a expensas de los hechos fundamentados en la fuente. Cabe destacar que, aunque CoT mejoró la alineación semántica en algunos contextos, a menudo redujo la superposición factual con la fuente.
• Escalado de Modelos: Escalar a modelos más grandes (Qwen2.5:7B/14B) mejoró la alineación semántica pero aumentó aún más la abstracción a costa de la superposición factual, sin ofrecer ninguna ventaja general sobre el núcleo de 3B.

Significado
El artículo subraya el potencial de marcos sin entrenamiento y conscientes de la estructura para la generación escalable de resúmenes biomédicos en entornos de bajos recursos. Los hallazgos sugieren que, para el resumen de documentos largos en el dominio biomédico, descomponer el texto por estructura retórica y utilizar un prompting controlado y conciso es más efectivo que depender de instrucciones complejas o ajuste fino. El marco DPR-BAG ofrece una solución práctica al cuello de botella de los resúmenes faltantes, permitiendo la utilidad de un vasto corpus de literatura biomédica para aplicaciones posteriores de PLN sin el costo computacional de entrenar modelos especializados.