2026年人工智能与健康公需科目考试试题及答案

2026年人工智能与健康公需科目考试试题及答案一、单项选择题（本大题共30小题，每小题1分，共30分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在括号内。）1.在人工智能医疗应用中，通过算法分析医学影像（如CT、MRI）以辅助医生诊断的技术，主要属于以下哪个领域？A.自然语言处理B.计算机视觉C.专家系统D.机器人流程自动化2.深度学习是人工智能的一个核心子集，其基础结构通常模拟生物神经系统的结构。请问深度学习算法中最基本的处理单元是？A.神经元B.层C.权重D.偏置3.在医疗数据挖掘中，将数据集划分为训练集、验证集和测试集的主要目的是？A.增加数据量B.提高计算速度C.防止过拟合，评估模型泛化能力D.减少存储空间4.现代大语言模型（LLM）在医疗领域的应用日益广泛，如生成病历摘要。这类模型的核心架构通常基于？A.卷积神经网络（CNN）B.循环神经网络（RNN）C.TransformerD.生成对抗网络（GAN）5.在评估人工智能辅助诊断系统的性能时，常用的指标包括灵敏度、特异度等。其中，灵敏度指的是？A.实际为阴性且被模型正确判断为阴性的比例B.实际为阳性且被模型正确判断为阳性的比例C.预测为阳性中实际为阳性的比例D.预测为阴性中实际为阴性的比例6.电子病历（EMR）的结构化处理是医疗AI应用的关键一步。以下哪项技术最适合用于将非结构化的医生手写笔记转化为结构化数据？A.图像识别B.光学字符识别（OCR）结合命名实体识别（NER）C.语音识别D.聚类分析7.药物研发过程中，人工智能可以显著缩短研发周期。利用AI预测蛋白质三维结构的技术，如AlphaFold，主要解决的问题是？A.候选药物分子的毒性预测B.药物与靶点的结合亲和力预测C.蛋白质折叠问题D.临床试验患者招募8.在监督学习中，用于训练人工智能模型的医疗数据必须具备什么特征？A.数据量必须非常大B.数据必须包含输入特征和对应的正确标签C.数据必须是图像格式D.数据必须完全匿名化且无任何关联9.关于人工智能在医疗伦理中的“算法黑箱”问题，下列说法正确的是？A.指算法运行速度过快导致无法追踪B.指算法的决策逻辑和内部运作过程难以被人类理解C.指算法加密无法被破解D.指算法输入输出数据丢失10.智能穿戴设备（如智能手表）实时监测心率、血氧等数据，这属于医疗AI中的哪类应用？A.智能诊断B.健康管理与预防医学C.手术机器人D.药物研发11.在处理医学影像时，卷积神经网络（CNN）通过一种机制来降低特征图的空间维度并减少参数量，该机制是？A.激活函数B.池化层C.全连接层D.归一化层12.2025年以后，多模态大模型在医疗领域崭露头角。这里的“多模态”指的是？A.使用多种不同的编程语言B.能够同时处理文本、图像、音频等多种类型的数据C.需要多台服务器同时运行D.包含多个不同的算法模型13.在医疗大数据分析中，为了保护患者隐私，常用的技术手段不包括？A.数据脱敏B.差分隐私C.联邦学习D.明文传输14.人工智能辅助手术系统（如达芬奇手术机器人）的主要优势在于？A.完全替代医生进行自主手术B.提供更高的操作精度、稳定性和微创能力C.降低手术成本至零D.无需进行术前消毒15.在分类任务中，如果模型在训练集上表现极好，但在测试集上表现很差，这种现象称为？A.欠拟合B.过拟合C.梯度消失D.梯度爆炸16.下列哪项不是自然语言处理（NLP）在医疗领域的典型应用？A.医学文献自动检索B.电子病历信息抽取C.肿瘤病灶自动分割D.智能导诊机器人17.人工智能在精神健康领域的应用包括通过语音和面部表情分析辅助诊断抑郁症。这主要依赖于？A.基因测序技术B.多模态情感计算C.血液生化分析D.脑电图（EEG）信号处理18.在医疗AI模型部署后，需要进行持续的监控。其主要原因不包括？A.数据漂移B.模型性能退化C.医疗指南的更新D.医院硬件设备的升级19.下列关于“联邦学习”的描述，错误的是？A.数据保留在本地，不进行传输B.适用于多中心医疗研究C.能够有效解决数据孤岛问题D.需要将所有原始数据汇总到中心服务器20.在深度学习中，常用的优化算法Adam结合了哪两种算法的优点？A.SGD和MomentumB.Momentum和RMSPropC.AdaGrad和RMSPropD.SGD和AdaGrad21.医疗AI产品在上市前通常需要经过严格的临床试验验证。在中国，这类医疗器械通常需要通过谁的审批？A.国家药品监督管理局（NMPA）B.工信部C.科技部D.卫健委22.在决策树算法中，用于衡量节点纯度或划分数据集最优特征的指标通常是？A.均方误差B.信息增益或基尼系数C.相关系数D.变异系数23.人工智能在流行病学预测中，常利用时间序列分析来预测传染病爆发趋势。下列哪个模型常用于此类任务？A.随机森林B.ARIMA或LSTMC.K-MeansD.支持向量机（SVM）24.关于可解释人工智能（XAI）在医疗中的重要性，下列描述最准确的是？A.仅用于满足监管合规要求B.帮助医生理解AI的判断依据，建立信任，辅助临床决策C.主要用于提高模型的运行速度D.仅用于学术研究，无临床实用价值25.在医学图像分割任务中（如将CT图像中的肿瘤区域勾画出来），最常用的网络结构演变是？A.从全连接网络到卷积神经网络B.从CNN到U-Net及其变体C.从RNN到TransformerD.从GAN到VAE26.智慧医院建设中，物联网与AI结合，实现了对医疗资产的实时定位。这种技术通常被称为？A.RFIDB.GPSC.蓝牙D.室内实时定位系统（RTLS）27.在处理医疗文本数据时，为了去除停用词、词干提取和词形还原，通常处于哪个阶段？A.特征工程B.数据预处理C.模型训练D.模型评估28.生成式人工智能（AIGC）在医疗中的应用场景包括？A.仅用于图像识别B.生成合成训练数据、模拟患者病历、辅助手术规划C.仅用于语音转文字D.仅用于医院管理排班29.在强化学习中，智能体通过与环境交互获得奖励。在医疗康复训练中，智能体可能是？A.康复机器人B.患者的大脑C.医生的指令D.康复训练器材的电池30.评估二分类模型性能时，F1-Score是精确率和召回率的调和平均数。当精确率和召回率出现矛盾时，F1-Score能反映？A.模型的准确率B.模型的综合性能C.模型的特异度D.模型的ROC曲线下面积二、多项选择题（本大题共15小题，每小题2分，共30分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码填在括号内。多选、少选、错选均不得分。）31.人工智能在精准医学中的应用主要包括哪些方面？A.基因组学数据分析B.个性化治疗方案推荐C.靶向药物筛选D.医院物流管理E.医保结算自动化32.下列哪些属于深度学习在医学影像分析中的具体任务？A.图像分类（如判断是否有肺结节）B.目标检测（如定位病灶位置）C.图像分割（如勾画器官轮廓）D.图像配准（如对齐不同时期的CT图像）E.图像生成（如生成低剂量CT对应的常规剂量CT）33.医疗数据具有其特殊性，通常被称为“4V”特征，包括？A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（低价值密度）E.Veracity（真实性/准确性）34.在构建医疗AI模型时，面临的主要挑战包括？A.高质量标注数据稀缺B.数据隐私与安全合规要求高C.模型的可解释性差D.跨中心数据的异构性与标准化困难E.计算资源过剩导致浪费35.自然语言处理（NLP）技术可以用于处理以下哪些医疗文本信息？A.医生的病程记录B.出院小结C.医学学术论文D.患者主诉E.医院财务报表36.关于人工智能在视网膜病变筛查中的应用，以下说法正确的有？A.可以利用眼底照相图像进行深度学习训练B.能够辅助基层医生进行糖尿病视网膜病变的早期发现C.其诊断准确率已经普遍超过人类专家D.完全不需要医生复核，可直接出具诊断报告E.有助于缓解医疗资源分布不均的问题37.下列哪些算法属于无监督学习范畴，可用于医疗数据的聚类分析？A.K-Means聚类B.主成分分析（PCA）C.支持向量机（SVM）D.逻辑回归E.层次聚类38.在医疗AI的伦理与法律框架中，核心原则包括？A.尊重自主权B.不伤害C.有利D.公正E.透明度39.为了提高医疗AI模型的鲁棒性，常用的数据增强技术包括？A.图像旋转B.图像翻转C.添加高斯噪声D.调整亮度和对比度E.删除部分关键特征40.智能导诊系统通常基于哪些技术为患者提供服务？A.知识图谱B.对话系统C.推荐算法D.虚拟现实（VR）E.增强现实（AR）41.人工智能在病理学中的应用价值体现在？A.加速病理切片的数字化扫描B.辅助病理医生识别癌细胞C.计算免疫组化评分D.预测患者的预后生存期E.替代病理医生的所有工作42.下列关于医疗知识图谱的描述，正确的是？A.由实体（节点）和关系（边）组成B.能够整合分散的医学知识C.支持语义搜索和推理D.只能处理结构化数据E.是构建医疗问答系统的基础43.在新冠疫情应对中，AI发挥了重要作用，具体包括？A.病毒基因测序与变异追踪B.密切接触者轨迹分析C.医疗资源需求预测D.疫苗研发加速E.社区封控管理44.医疗AI模型上线后的“人机协同”模式意味着？A.AI独立决策，医生只负责签字B.医生作为最终决策者C.AI提供辅助建议，医生进行审核与修正D.医生与AI相互学习，共同提升诊疗水平E.完全排除人为干预45.下列哪些指标常用于评估回归模型（如预测患者住院天数）的性能？A.均方误差（MSE）B.均方根误差（RMSE）C.平均绝对误差（MAE）D.R平方（R²）E.准确率三、判断题（本大题共20小题，每小题1分，共20分。请判断下列各题的正误，正确的打“√”，错误的打“×”。）46.人工智能已经能够完全替代医生进行复杂的临床诊断，因此未来不再需要培养人类医生。()47.监督学习比无监督学习更需要带有标签的数据集。()48.卷积神经网络（CNN）由于参数共享和平移不变性，特别适合处理网格结构的数据，如图像。()49.在医疗领域，数据的准确性比数据的数量更重要，因此少量高质量的数据往往优于大量低质量的数据。()50.深度学习模型中的“Dropout”技术主要用于防止过拟合。()51.所有的医疗AI算法都必须开源，以便公众监督。()52.自然语言处理中的Transformer模型完全依赖于循环神经网络（RNN）结构。()53.人工智能可以通过分析电子病历中的用药记录，主动提示药物不良反应风险，从而提高用药安全。()54.特征工程在深度学习中不再重要，因为深度学习模型可以自动从原始数据中学习特征。()55.医疗影像AI系统的训练数据如果主要来自欧美人群，直接应用于亚洲人群时可能会产生性能下降，这属于数据偏差问题。()56.强化学习在医疗机器人控制中应用广泛，其核心是通过最大化累积奖励来学习最优策略。()57.混淆矩阵是评估分类模型性能的重要工具，它可以展示真阳性、假阳性、真阴性和假阴性的数量。()58.生成对抗网络（GAN）由生成器和判别器组成，两者通过对抗训练来提高生成样本的质量。()59.在医疗AI中，隐私保护和数据利用是绝对矛盾的，无法共存。()60.只有具备编程能力的医生才能使用人工智能辅助诊疗工具。()61.支持向量机（SVM）在寻找最优超平面时，旨在最大化样本间的间隔。()62.医疗大数据的预处理步骤中，缺失值填充是必须面对的问题，常用的方法包括均值填充、中位数填充或使用回归模型预测。()63.随着算力的提升，医疗AI模型的推理速度已经不再是临床应用的瓶颈。()64.人工智能在老年照护中的应用，包括跌倒检测、认知障碍评估和情感陪护等。()65.目前，AI辅助诊断产品已被归类为一类医疗器械，管理最为宽松。()四、填空题（本大题共10小题，每小题1分，共10分。请在横线上填写恰当的词语或数值。）66.在机器学习中，表示预测值，y表示真实值，对于均方误差（MSE），其公式为MSE67.在神经网络中，__________函数（如Sigmoid、ReLU）被用于引入非线性因素，使得网络能够拟合复杂的函数。68.医疗影像中，CT图像的像素值通常用__________单位表示，反映组织对X射线的吸收程度。69.__________学习是一种机器学习范式，多个客户端（如医院）在本地训练模型，仅交换模型参数而不交换原始数据。70.在评估二分类模型时，ROC曲线下的面积被称为__________，其取值范围在0.5到1之间，越接近1表示模型性能越好。71.__________是一种通过模拟人脑神经元连接结构进行计算的数学模型，它是深度学习的基础。72.在医疗文本挖掘中，__________是指从文本中识别出具有特定意义的实体，如疾病、药物、症状等的过程。73.过拟合是指模型在训练数据上表现很好，但在__________数据上表现较差的现象。74.AlphaGo是__________公司在深度学习领域的里程碑式成果，虽然主要用于围棋，但其技术对医疗AI亦有启发。75.在多模态医疗AI中，__________模型能够将图像特征和文本特征映射到同一语义空间进行交互。五、简答题（本大题共4小题，每小题5分，共20分。）76.简述人工智能在恶性肿瘤辅助诊断中的主要应用流程及关键技术。77.请列举至少三种医疗数据隐私保护技术，并简要说明其原理。78.什么是“可解释人工智能”（XAI）？为什么在医疗领域对AI模型的可解释性要求比在其他领域更高？79.简述深度学习中的“卷积操作”在医学图像处理中的作用及其优势。六、案例分析与应用题（本大题共3小题，共40分。）80.（10分）某医院引入了一套基于深度学习的肺炎胸部X光片辅助诊断系统。在测试阶段，使用了1000张经专家金标准标注的X光片进行评估。结果如下：系统正确判断出450例肺炎患者，正确判断出400例健康人，误将50例健康人判断为肺炎，误将100例肺炎患者判断为健康。(1)请计算该系统的准确率、灵敏度（召回率）和特异度。（列出计算公式）(2)根据计算结果，分析该系统在临床筛查应用中的潜在风险。(3)为了降低漏诊率（即提高灵敏度），通常需要调整什么参数？这可能会对特异度产生什么影响？81.（15分）随着大语言模型（LLM）的发展，某科技公司开发了一款“AI全科医生”聊天机器人，旨在为用户提供健康咨询。(1)分析该技术在应用过程中可能面临的技术挑战（至少两点）。(2)从伦理和法律角度，讨论该技术可能存在的风险（如幻觉、责任界定等）。(3)针对“幻觉”问题（即模型生成看似合理但错误的信息），提出至少两种缓解策略。82.（15分）某三甲医院计划开展“基于多模态数据的糖尿病并发症风险预测”研究，拟利用患者的电子病历（文本）、生化检验指标（表格数据）和视网膜眼底图像（图像数据）构建预测模型。(1)请设计一个可行的技术路线图，说明如何融合这三种不同模态的数据。(2)在数据预处理阶段，针对文本、表格和图像数据，分别需要进行哪些关键操作？(3)研究结束后，如何将模型转化为临床可用的产品？请简述从科研到临床落地的关键步骤。参考答案与解析一、单项选择题1.B2.A3.C4.C5.B6.B7.C8.B9.B10.B11.B12.B13.D14.B15.B16.C17.B18.D19.D20.B21.A22.B23.B24.B25.B26.D27.B28.B29.A30.B二、多项选择题31.ABC32.ABCDE33.ABCDE34.ABCD35.ABCD36.ABE37.ABE38.ABCDE39.ABCD40.ABC41.ABCD42.ABCE43.ABCD44.BCD45.ABCD三、判断题46.×47.√48.√49.√50.√51.×52.×53.√54.×55.√56.√57.√58.√59.×60.×61.√62.√63.×64.√65.×四、填空题66.回归67.激活68.亨氏单位69.联邦70.AUC(AreaUnderCurve)71.人工神经网络72.命名实体识别(NER)73.测试（或未知/验证）74.GoogleDeepMind75.跨模态（或多模态嵌入）五、简答题76.【答案】主要应用流程：(1)数据采集：获取医学影像数据（如CT、MRI、病理切片）。(2)数据预处理：包括图像去噪、标准化、增强等操作。(3)特征提取/分割：利用深度学习模型（如CNN）自动提取肿瘤特征或进行病灶分割。(4)分类/预测：将提取的特征输入分类器，判断肿瘤的良恶性或分型。(5)结果输出与辅助决策：生成热力图或报告，辅助医生诊断。关键技术：计算机视觉、卷积神经网络（CNN）、图像分割技术（如U-Net）、深度学习框架。77.【答案】(1)数据脱敏：对敏感信息（如姓名、身份证号）进行掩码或删除处理。(2)差分隐私：在查询数据时添加随机噪声，使得攻击者无法推断出个体记录是否在数据集中。(3)联邦学习：模型在本地训练，仅上传模型参数更新，不上传原始数据，保护数据不出域。(4)同态加密：允许在加密数据上直接进行计算，计算结果解密后与明文计算结果一致。78.【答案】定义：可解释人工智能是指使人工智能模型的决策过程和结果能够被人类理解的技术和方法。原因：(1)信任建立：医生需要理解AI的判断依据才能信任并采纳其建议。(2)伦理与法规：医疗决策关乎生命，有“知情同意”的要求，不可解释的黑箱模型难以通过伦理审查。(3)错误分析：当AI出错时，可解释性有助于人类快速定位原因（如关注了错误的图像区域），从而改进模型。(4)教学价值：有助于医学生通过AI的反馈学习诊断逻辑。79.【答案】作用：卷积操作通过卷积核在输入图像上滑动，执行元素相乘并求和，从而提取图像的局部特征（如边缘、纹理）。优势：(1)局部感知：模拟生物视觉，关注局部特征。(2)权重共享：同一卷积核在图像不同位置共享参数，大大减少了模型参数量。(3)平移不变性：无论特征出现在图像的哪个位置，卷积核都能检测到，适合处理具有空间结构特性的医学图像。六、案例分析与应用题80.【答案】(1)计算：总样本数N真阳性（TP）=450（正确判断为肺炎）真阴性（TN）=400（正确判断为健康）假阳性（FP）=50（健康误判为肺炎）假阴性（FN）=100（肺炎误判为健康）准确率A灵敏度S特异度S(2)风险分析：该系统的漏诊率（假阴性率）为100/(3)调整与影响：为了降低漏诊率（提高灵敏度），通常需要降低分类的阈值（Threshold）。影响：降低阈值会使模型倾向于预测“阳性”，虽然能捕捉到更多真正的肺炎患者（减少FN），但也会导致更多健康人被误判为肺炎（增加FP），从而导致特异度下降。81.【答案】(1)技术挑战：医学知识的复杂性与准确性：LLM基于概率预测，可能产生事实性错误。上下文理解与记忆：需要准确理解患者长病史中的关键信息。实时性更新：医学指南更新快，模型需具备动态学习能力。(2