2025年公需科目人工智能和健康考试题和答案

2025年公需科目人工智能和健康考试题和答案一、单项选择题（每题2分，共30分）1.在医疗影像辅助诊断场景中，深度学习模型最常采用的损失函数是A.交叉熵损失 B.均方误差损失 C.对比损失 D.Hinge损失答案：A解析：医疗影像多为分类任务，交叉熵损失对概率分布差异敏感，可加速收敛并提升AUC。2.联邦学习在健康大数据中的核心优势是A.降低通信开销 B.保护患者隐私 C.提高模型精度 D.减少GPU消耗答案：B解析：联邦学习通过“数据不出院”的分布式训练机制，使原始数据始终保留在本地，符合HIPAA与国内《个人信息保护法》要求。3.下列关于Transformer在电子病历结构化提取中的描述，错误的是A.可并行计算，训练速度快 B.依赖大规模无监督预训练 C.对长文本位置编码不敏感 D.可通过注意力权重解释实体关系答案：C解析：Transformer的位置编码对长文本顺序敏感，缺失或错位会显著降低F1值。4.在可穿戴心电监测中，用于消除基线漂移的常用数字滤波器是A.Butterworth高通 B.Chebyshev低通 C.移动平均 D.小波软阈值答案：A解析：基线漂移频率通常低于0.5Hz，Butterworth高通（截止0.5Hz）可保持QRS波形不失真。5.医学AI产品申请NMPA三类证时，临床试验阶段的主要评价指标是A.灵敏度与特异度 B.准确性与F1 C.AUC与Youden指数 D.安全性和临床获益答案：D解析：法规层面更关注“临床获益”，即AI辅助是否显著改善患者结局或医生决策效率。6.用于糖尿病视网膜病变分级的主流公开数据集是A.ChestX-ray14 B.MURA C.EyePACS D.BraTS答案：C解析：EyePACS含3.5万张眼底照，标签覆盖0-4期DR，是国际挑战赛基础数据。7.在医疗NLP中，解决“同药异名”问题最合理的策略是A.增加正则规则 B.采用BERT+实体链接 C.扩大词表 D.人工同义词表答案：B解析：BERT+实体链接可借助知识图谱自动归一化“二甲双胍”与“格华止”。8.关于AI辅助手术机器人，下列传感器组合最能保障实时性的是A.5G+视觉SLAM B.光纤力反馈+FPGA预处理 C.Wi-Fi+IMU D.蓝牙+红外答案：B解析：光纤力反馈延迟<1ms，FPGA并行预处理可闭环控制，避免网络抖动。9.在联邦学习中，为防止模型逆向泄露，常用的隐私增强技术是A.同态加密 B.差分隐私 C.安全多方计算 D.梯度压缩答案：B解析：差分隐私在梯度更新中添加噪声，(ε,δ)-DP可量化隐私预算，兼顾可用性。10.用于阿尔茨海默病早期预测的fMRI特征，最常提取的指标是A.ReHo B.FA C.MD D.ADC答案：A解析：ReHo（局部一致性）反映体素与邻域时间序列同步性，对轻度认知障碍敏感。11.在医疗AI模型部署阶段，TensorRT加速的核心原理是A.动态量化 B.算子融合与内核自动调优 C.模型蒸馏 D.混合精度训练答案：B解析：TensorRT通过层融合、内存布局优化与CUDA内核自动选择，实现推理延迟降低70%。12.关于AI辅助抗生素用药推荐，下列算法最能处理“负样本缺失”的是A.XGBoost B.深度强化学习 C.单类SVM D.逻辑回归答案：B解析：强化学习以“治愈”为奖励，无需显式负样本，可通过策略梯度探索最优用药路径。13.在医疗大模型微调中，LoRA技术主要解决A.显存占用高 B.梯度消失 C.过拟合 D.标签噪声答案：A解析：LoRA通过低秩分解仅训练少量参数，显存下降30%-50%，适合百亿级模型单机微调。14.用于新冠CT影像分割的nnU-Net，其自适应策略不包括A.自动调整patchsize B.自动选择损失函数 C.自动数据增强 D.自动调整学习率答案：B解析：nnU-Net固定使用Dice+CE组合损失，其余超参全部自适应。15.在健康区块链存证中，保证“病历哈希不可篡改”的关键机制是A.共识算法 B.智能合约 C.时间戳 D.Merkle树答案：D解析：Merkle树将病历哈希逐层聚合，任何改动均导致根哈希变化，可快速校验。二、多项选择题（每题3分，共30分）16.以下属于医学AI伦理审查“七原则”的有A.公平性 B.可解释 C.可追溯 D.可盈利 E.可撤回答案：A、B、C、E解析：可盈利不属于伦理原则，其余均为《人工智能伦理标准化白皮书》内容。17.在医疗大模型评测中，可能导致“幻觉”风险的因素包括A.训练语料含过时指南 B.缺乏知识图谱约束 C.解码温度设置过高 D.使用RLHF E.多轮问诊上下文过长答案：A、B、C、E解析：RLHF可降低幻觉，其余均会增加错误事实生成概率。18.关于AI辅助宫颈癌筛查，下列指标达到临床可接受水平的有A.灵敏度≥90% B.特异度≥80% C.阳性预测值≥20% D.阴性预测值≥99% E.单次检查成本≤50元答案：A、B、D解析：WHO指南要求灵敏度≥90%、NPV≥99%，成本与PPV视地区而定。19.在医疗时序预测中，解决“分布漂移”可采用A.在线Bayesian更新 B.领域自适应 C.动态加权 D.增加L2正则 E.对抗训练答案：A、B、C、E解析：L2正则无法应对漂移，其余均可动态调整模型。20.以下属于医疗AI软件质量“4+1”维度的有A.功能性 B.可靠性 C.可维护性 D.可移植性 E.可销售性答案：A、B、C、D解析：ISO/IEC25010明确“4+1”维度，可销售性不在其列。21.在联邦学习医疗场景中，可能引发“非IID”问题的因素有A.不同医院设备品牌差异 B.患者人群种族差异 C.标注医生水平差异 D.网络带宽差异 E.数据采样时间差异答案：A、B、C、E解析：网络带宽影响通信效率，不改变数据分布。22.用于手术器械检测的YOLOv8模型，提升小目标召回率可采取A.增加P2检测层 B.采用SIoU损失 C.引入CBAM注意力 D.降低NMS阈值 E.使用Mosaic-9增强答案：A、B、C、E解析：降低NMS阈值会抑制更多框，导致召回下降。23.在医疗AI产品上市后，需持续进行的“真实世界验证”包括A.监测模型漂移 B.收集医生反馈 C.更新注册证 D.安全信号审计 E.经济效益评估答案：A、B、D、E解析：更新注册证属于法规变更，非常规持续活动。24.关于医疗大模型“红队测试”描述正确的有A.模拟恶意提问 B.检测有害输出 C.评估隐私泄露 D.替代临床试验 E.需覆盖多语言答案：A、B、C、E解析：红队测试不能替代临床试验，二者目的不同。25.在AI辅助心理干预聊天机器人中，防止“过度依赖”可采取A.设置每日使用上限 B.强制转介真人咨询师 C.记录用户情绪曲线 D.提供教育性提示 E.收集用户面部图像答案：A、B、C、D解析：收集面部图像可能增加隐私风险，与防止依赖无关。三、判断题（每题1分，共10分）26.医疗AI模型在测试集AUC=0.98即可直接用于临床。答案：错解析：需经过前瞻性、多中心临床试验验证。27.联邦学习中的“梯度泄露”攻击可通过差分隐私完全消除。答案：错解析：差分隐私只能限制泄露风险，无法“完全”消除。28.VisionTransformer在医学影像小样本场景下一定优于CNN。答案：错解析：小样本时CNN的归纳偏置往往更稳定，ViT易过拟合。29.医疗大模型使用RLHF后，其输出不确定性一定降低。答案：错解析：RLHF优化的是“人类偏好”，可能牺牲校准度。30.在医疗区块链中，采用PBFT共识比PoW更节能。答案：对解析：PBFT无需算力竞赛，能耗降低99%以上。31.医疗AI软件更新若未改变算法结构，无需重新注册。答案：错解析：国内规定若训练数据或预期用途变更，需走变更注册。32.使用生成对抗网络合成医学影像可完全替代真实数据标注。答案：错解析：合成数据需与真实数据混合训练，否则域差距大。33.医疗AI产品上市后出现不良事件，企业应在48小时内上报。答案：对解析：NMPA《医疗器械不良事件监测管理办法》明确规定。34.在医疗NLP中，MaskedLM预训练方式会导致“标签泄露”。答案：错解析：MaskedLM仅预测被掩码token，无标签泄露问题。35.医疗AI模型可解释性越高，其临床可信度一定越高。答案：错解析：解释方法本身需验证，错误解释反而降低信任。四、填空题（每空2分，共20分）36.在医学影像分割任务中，Dice系数计算公式为________。答案：Dice=2|X∩Y|/(|X|+|Y|)37.联邦学习常用的聚合算法FedAvg中，服务器端对参与方梯度进行________加权平均。答案：样本数38.医疗大模型“幻觉”评测基准HaluEval-HF包含________个医学子领域。答案：839.国内《人工智能医疗器械注册审查指导原则》发布年份为________。答案：202140.在可穿戴心电AI中，房颤筛查最常用的公开数据集是________。答案：AFIB41.医疗AI软件网络安全分级依据《医疗器械网络安全注册审查指导原则》分为________级。答案：三42.用于医学影像联邦学习的加密协议SecureBoost基于________同态加密。答案：半43.医疗大模型“知识编辑”技术中，ROME方法通过修改________层参数注入新知识。答案：FFN中间44.在医疗AI产品生命周期中，IEC62304标准对应________过程。答案：软件45.医疗AI模型对抗样本检测常用方法之一为________统计检验。答案：MaximumSoftmaxProbability五、简答题（每题10分，共30分）46.简述医疗AI模型“可解释性”在临床落地中的三大价值，并各举一例。答案：（1）提升医生信任：如乳腺AI在微钙化簇检测中提供热图，放射科医师可核对高亮区域，减少二次读片时间25%。（2）优化临床路径：心衰预测模型输出“NT-proBNP贡献度达42%”，促使科室提前开具该指标检测，缩短平均住院1.8天。（3）满足监管审计：NMPA现场核查时，企业通过SHAP值证明模型未使用种族敏感特征，加速获批。47.说明联邦学习在罕见病研究中的“数据孤岛”解决方案，并给出技术流程。答案：罕见病单中心样本不足百例，传统集中式训练失效。采用联邦学习横向框架：步骤1：各医院对本地罕见病基因组数据进行同态加密对齐，确保SNP位点一致；步骤2：使用1D-CNN构建突变-表型预测模型，本地训练5epoch，提取梯度；步骤3：梯度经差分隐私(ε=1)加噪后上传至联盟链智能合约；步骤4：协调节点执行FedProx聚合，μ=0.01约束本地模型偏离；步骤5：全局模型下发，循环50轮，最终AUC从0.72提升至0.89，且未泄露任何原始基因序列。48.描述医疗大模型“持续学习”中灾难性遗忘的评测指标与缓解策略。答案：评测指标：（1）平均遗忘率AF=1/TΣ_{t=1}^T[A_{t-1,t}-A_{t,T}]，其中A_{t-1,t}为任务t-1在t时刻的准确率；（2）向后迁移BWT=1/TΣ_{t=1}^T[A_{t,T}-A_{t,t}]，负值越大遗忘越严重。缓解策略：a.经验回放：保留旧任务1%样本，与新任务混合训练，AF降低42%；b.参数正则：使用EWC计算Fisher信息矩阵，对重要参数施加λ=1000约束；c.架构扩展：采用Adapter模块，为新疾病插入bottleneck=16的旁路，原参数冻结；d.知识蒸馏：旧模型作为教师，对新模型输出KL散度损失，温度系数T=3，BWT从-0.18降至-0.05。六、案例分析题（每题20分，共40分）49.案例背景：某三甲医院联合AI公司开发“脑卒中急诊CTA血管闭塞检测”系统，计划申报三类证。问题：（1）列出临床试验设计要素（研究类型、主要终点、样本量、对照选择、统计分析）；（2）说明影像数据质控流程；（3）给出模型更新与上市后监测方案。答案：（1）研究类型：前瞻性、多中心、盲法、配对设计。主要终点：AI辅助组与对照组在发病到血管内治疗穿刺时间（EVT-P）差异。样本量：非劣效界值15分钟，α=0.025，β=0.2，脱落率10%，需纳入612例，实际随机700例。对照选择：传统人工读片。统计分析：采用混合效应模型，中心作为随机效应，非劣效CI上限<15分钟即达标。（2）质控流程：a.扫描参数统一：128排CT，层厚0.625mm，对比剂350mgI/ml，流速5ml/s；b.DICOM头信息校验：检查SliceThickness、KVP、ConvolutionKernel；c.图像伪影评分：采用5分制，≤3分入组；d.双中心交叉标注：两名高年资神经放射科医师独立标注，Kappa<0.8则第三方仲裁；e.随机抽取5%进行phantom试验，验证CT值线性。（3）更新与监测：a.模型更新：采用在线增量学习，每月收集新样本≥500例，触发漂移检测（KS统计>0.1）时启动微调；b.版本管理：使用ModelCard记录数据版本、算法版本、性能指标，Git-LFS存储权重；c.不良事件监测：设立7×24小时AI安全委员会，出现漏诊导致EVT延误>60分钟视为严重事件，48小时内上报；d.真实世界研究：与卒中质控中心合作，纳入上市后5000例，比较AI组mRS≤2比例是否提高8%以上；e.用户反馈闭环：在PACS嵌入“一键反馈”按钮，医生可标记误判，系统自动采集DICOM与日志，用于后续迭代。50.案例背景：某可穿戴设备厂商推出“AI睡眠呼吸暂停筛查”手环，采用PPG+加速度信号，算法为轻量级1D-ResNet，需通过NMPA二类证。问题：（1）给出算法性能验证方案（数据库、金标准、评价指标、统计方法）；（2）说明硬件可靠性测试项目；（3）阐述数据安全与隐私合规措施；（4）列出上市后真实世界研究计划。答案：（1）算法验证：数据库：自建SleepBreath-25K，含2.5万夜多导睡眠监测（PSG）与同步PPG，AHI≥5占比42%，年龄18-80岁。金标准：PSG人工判读AHI，依据AASM2012标准。评价指标：初级筛查场