【摘要】[目的/意义]为提高机器理解医学文本的能力，提高医学自然语言处理等上层任务效果，保障医学知识内容更新及时性、覆盖完整性，提出一种融合汉字多语义信息与文本统计特征的医学新词发现方法。[方法/过程]以规范用词的医学文献摘要数据为新词发现来源，基于N-gram模型获取N元词串，将词串存入字典树，从词的内部凝固度、词的自由程度、词的语义相似度3个角度同时计算每个N-gram词串的关联置信度、左右邻接熵、多语义相似度（包括汉字细粒度字符语义信息、BERT词向量信息），遍历上述各指标阈值评估N-gram词串为医学新词的可能。[结果/结论 ]从中华医学会收录的截至2022年10月20日的最新1 000篇文摘中发现医学新词3 263个，去除重复项后，共获得764个医学新词。提出的融合汉字多语义与文本统计特征的医学新词发现方法对比现有方法具有一定提升，且在应用上可以有效提高医学分词任务效果，使医学分词后的名词类别更清晰、概念更明确、内涵更丰富。结合汉字内在多语义信息与字词外部统计特征的医学新词发现方法，不仅可以提高计算机的新词发现能力，还可提高计算机面对专业且复杂的医学文本自然语言处理效果，对及时更新领域知识内容等具有重要帮助。