Esta investigación propone un nuevo enfoque para mejorar los sistemas de recuperación de información basado en un clasificador de Bayes ingenuo multinomial (MNBC), redes bayesianas (BN) y una multi-terminología que incluye el tesauro MeSH (Términos Médicos en Inglés) y SNOMED CT (Nomenclatura Sistemática de Medicina de Términos Clínicos). Nuestro enfoque, titulado mejora de la recuperación de información semántica (IMSIR), extrae y desambiguar conceptos y recupera documentos. Se seleccionaron conceptos relevantes de términos ambiguos utilizando medidas de probabilidad y terminologías biomédicas. Los conceptos también se extraen utilizando un MNBC. Luego se utilizó el tesauro UMLS (Sistema Unificado de Lenguaje Médico) para filtrar y clasificar conceptos. Finalmente, explotamos una red bayesiana para emparejar documentos y consultas utilizando una representación conceptual. Nuestra principal contribución en este artículo es combinar un método supervisado (MNBC) y un método no supervisado (BN) para extraer conceptos de documentos y consultas. También proponemos filtrar los conceptos extraídos para conservar los relevantes. Los experimentos de IMSIR utilizando los dos corpus, el corpus OHSUMED y el corpus de Ensayos Clínicos (CT), fueron interesantes porque sus resultados superaron a los de la línea base: la tasa de mejora P@50 fue del +36.5% sobre la línea base cuando se utilizó el corpus CT.