2025年人工智能医疗题库(附答案)

2025年人工智能医疗题库(附答案)一、单项选择题（每题只有1个正确答案，每题1分，共10分）1.下列选项中，不属于人工智能医疗核心应用领域的是（）A.医学影像辅助诊断B.创新药物研发靶点筛选C.手术机器人导航定位D.医院行政人员人事档案存储答案：D解析：人工智能医疗的核心应用围绕临床诊疗、药物研发、公共卫生、医疗服务效率提升等医疗核心场景展开，常规行政人事档案存储属于基础办公自动化范畴，不属于人工智能医疗的核心应用领域。2.当前AI医学影像辅助诊断系统的主流算法框架是（）A.规则引擎B.深度学习C.遗传算法D.朴素贝叶斯答案：B解析：深度学习尤其是卷积神经网络对影像的高维度特征提取能力远优于传统算法，能够有效识别医学影像中微小病变、隐匿病变，是当前AI医学影像辅助诊断系统的主流算法框架。3.根据我国国家药品监督管理局（NMPA）现行医疗器械分类规定，获得三类医疗器械注册证的人工智能医疗产品，适用场景是（）A.仅用于科学研究，不进入临床应用B.用于低风险健康管理类辅助场景C.用于高风险临床决策支持类场景D.仅用于健康科普，不接触临床诊疗数据答案：C解析：我国医疗器械按照风险程度从低到高分为一类、二类、三类，三类医疗器械为最高风险等级，实行严格管控，用于临床诊断、手术导航、肿瘤辅助决策等核心临床场景的AI医疗产品均按照三类医疗器械监管。4.人工智能医疗模型训练过程中，对临床数据标注的核心质量要求是（）A.标注速度快B.标注成本低C.标注一致性高D.标注数量多答案：C解析：AI医疗模型的临床准确性高度依赖标注质量，高一致性指不同标注者（通常为具备资质的临床医生）对同一份临床样本的标注结果统一，是保障模型泛化能力的核心要求，标注速度、成本、数量的优先级均低于标注一致性。5.在创新药物研发流程中，人工智能技术目前最核心的价值是（）A.缩短靶点发现和早期化合物筛选周期B.替代Ⅲ期临床试验完成疗效验证C.免除药物监管机构的审批流程D.完全替代药物化学家完成化合物结构设计答案：A解析：当前人工智能技术可通过大规模算力快速完成百万级化合物虚拟筛选，结合大模型预测靶点亲和力，将传统靶点发现和早期筛选的时间从数年缩短至数月，大幅提升研发效率；但AI无法替代临床试验、不能免除监管审批，也无法完全替代人类专家完成核心研发工作。6.临床应用中AI医疗模型的“可解释性”核心指的是（）A.模型代码开源可被任意读取B.模型的决策过程能够被临床医生理解C.模型的参数数量可以人工统计D.模型训练数据全部公开可查询答案：B解析：医疗领域的可解释性AI（XAI）核心要求是让临床从业者清晰理解模型做出某一诊断/决策的依据，如AI判断肺结节为恶性，需明确指出判断依据是结节形态、密度还是其他特征，从而保障临床决策安全，其余选项均不符合可解释性的定义。7.医疗人工智能中，非结构化电子病历的结构化处理主要依赖的核心技术是（）A.计算机视觉B.自然语言处理（NLP）C.强化学习D.生成式AI答案：B解析：临床电子病历多为医生书写的自由文本，属于非结构化数据，自然语言处理技术可从文本中提取疾病、症状、用药、检查结果等核心医疗实体，完成结构化存储，为模型训练和临床决策提供支持。8.目前临床商用的AI辅助手术机器人，核心优势不包括下列哪项（）A.操作精度高于人手极限B.术中稳定性更强，可支持长时间复杂手术C.可完全替代外科医生完成独立手术D.过滤人手生理抖动对操作精度的影响答案：C解析：当前所有临床获批的AI手术机器人均为医生主导的辅助操作设备，尚未实现完全替代外科医生完成独立手术，其余选项均为AI手术机器人的明确优势。9.根据我国《生成式人工智能服务管理暂行办法》，面向公众提供医疗领域生成式AI服务，应当履行的合规义务不包括（）A.按要求完成算法备案B.严格保护用户个人健康信息C.保证生成内容可追溯D.直接替代执业医生提供线上诊疗服务答案：D解析：我国法规明确要求，提供互联网诊疗服务必须取得相应资质，生成式AI仅可作为医疗辅助工具，禁止未取得资质直接替代医生提供诊疗服务，因此D不属于合规义务，属于明确禁止的行为。10.AI医疗领域联邦学习技术的核心优势是（）A.可以在不共享原始临床数据的前提下完成多中心联合模型训练B.训练速度一定比集中式训练更快C.不需要对训练数据进行标注D.模型性能一定优于集中式训练答案：A解析：联邦学习的核心特点是“数据不出域”，原始患者数据保留在各医疗机构本地，仅传输模型更新参数，可解决多中心联合训练的数据隐私合规问题；联邦学习训练速度通常慢于集中式训练，仍然需要标注数据，性能不一定优于集中式训练，因此其余选项错误。二、多项选择题（每题有2个及以上正确答案，多选、少选、错选均不得分，每题2分，共16分）1.人工智能医疗模型训练中，常见的数据偏倚包括下列哪些项（）A.人群偏倚：训练数据多来自大型三甲医院，缺乏基层医疗机构的普通人群数据B.标注偏倚：不同年资的临床医生对同一病变的标注结果差异较大C.疾病谱偏倚：训练数据中罕见病样本量远低于常见病样本量D.规模偏倚：训练数据总样本量超过10万例答案：ABC解析：数据偏倚指训练数据的分布与真实临床场景的分布不一致，进而导致模型泛化能力下降，人群偏倚、标注偏倚、疾病谱偏倚都是AI医疗领域最常见的数据偏倚类型；总样本量大是模型训练的优势，本身不会带来数据偏倚，因此D不选。2.下列人工智能医疗产品中，按照我国现行监管要求属于第三类医疗器械的有（）A.肺结节CT影像辅助诊断AI软件B.冠状动脉CTA血管狭窄评估辅助诊断AI软件C.肿瘤病理切片良恶性鉴别辅助诊断AI软件D.低功率家用AI肩颈按摩仪答案：ABC解析：上述三类用于核心临床诊断的AI软件均属于高风险第三类医疗器械，低功率家用AI按摩仪属于低风险第一类医疗器械，因此D不选。3.生成式AI在医疗领域的合规潜在应用包括（）A.基于患者完整病史生成个性化诊疗方案建议供临床医生参考B.辅助临床医生完成病历书写、医学文献综述整理工作C.生成符合靶点亲和力要求的新型化合物结构，辅助药物研发D.合成标注完成的标准化病变影像数据，用于AI模型训练数据增强答案：ABCD解析：生成式AI可在内容生成、结构设计、数据增强等多个维度发挥作用，四个选项均为合规的应用方向，且不违反现有监管规定。4.根据我国《人工智能医学应用伦理规范》，AI医疗临床应用需要遵循的核心伦理原则包括（）A.患者隐私保护原则B.算法决策透明可追溯原则C.人类主导临床决策原则D.医疗服务公平可及原则答案：ABCD解析：四个选项均为我国官方发布的AI医学应用伦理规范明确要求遵循的核心原则。5.联邦学习应用于人工智能医疗的优势包括（）A.符合医疗数据隐私保护的法规要求B.整合多中心数据扩大训练样本量C.缓解单一中心训练带来的数据偏倚问题D.完全消除模型训练的标注成本答案：ABC解析：联邦学习仅解决数据共享的隐私问题，仍然需要对本地数据进行标注，无法完全消除标注成本，因此D错误，ABC正确。6.下列关于AI辅助病理诊断的描述，正确的有（）A.AI可辅助病理医生完成细胞计数、病变区域分割等重复性工作，提升效率B.目前获批的AI病理产品可辅助识别乳腺癌、肺癌等常见肿瘤的病理切片病变C.AI输出的病理诊断结果必须经过病理医生审核确认才能发布D.AI已经完全替代病理医生完成常规病理诊断工作答案：ABC解析：当前AI病理产品均为辅助诊断工具，无法完全替代病理医生完成最终诊断，因此D错误，ABC正确。7.人工智能医疗产品上市前临床性能验证，需要评估的核心指标包括（）A.灵敏度B.特异度C.准确率D.模型参数量答案：ABC解析：模型参数量是模型的结构参数，不反映产品的临床应用性能，不属于性能验证的核心指标，灵敏度、特异度、准确率都是评估AI临床诊断价值的核心指标，因此ABC正确。8.下列属于人工智能医疗应用中需要防控的潜在风险的有（）A.算法偏见导致对特定人群的诊断准确率显著下降B.临床医生过度依赖AI导致自身诊断能力退化C.AI系统被网络攻击导致大量患者敏感健康数据泄露D.AI辅助诊断提升放射科医生的工作效率答案：ABC解析：提升临床工作效率是AI医疗的核心优势，不属于潜在风险，因此D不选，ABC都是AI医疗应用中需要主动防控的风险。三、判断题（正确选√，错误选×，每题1分，共10分）1.获得NMPA注册证的人工智能医疗辅助诊断系统，给出的诊断结果可以直接作为临床确诊依据，无需医生审核。（）答案：×解析：我国现行法规明确要求，所有AI医疗辅助产品输出结果均需经过具备资质的临床医生审核确认，不能直接作为临床确诊依据。2.深度学习模型比传统机器学习模型在所有AI医疗场景中性能都更好。（）答案：×解析：在小样本、规则明确的医疗场景中，传统机器学习模型的性能和可解释性优于深度学习，因此并非所有场景都适用深度学习。3.AI医疗模型二分类任务（如病变/非病变分类）性能评估中，AUC（曲线下面积）是最常用的核心评估指标之一。（）答案：√解析：AUC可以准确反映模型对正负样本的整体区分能力，不受分类阈值影响，是AI医疗分类任务最常用的评估指标。4.为了提升AI医疗模型的性能，可以未经患者知情同意，使用公开渠道获取的患者临床数据训练模型。（）答案：×解析：我国《个人信息保护法》《医疗卫生机构网络安全管理办法》明确规定，患者临床健康数据属于敏感个人信息，用于模型训练必须获得患者知情同意，严格去标识化，未经授权不得使用。5.联邦学习技术可以解决多中心AI医疗模型训练中的数据隐私合规问题。（）答案：√解析：联邦学习中原始患者数据始终保留在本地医疗机构，仅传输模型更新参数，不共享原始数据，可有效避免数据共享带来的隐私泄露风险，符合医疗数据监管要求。6.AI医疗产品只要完成实验室性能验证，就可以直接进入临床常规应用，不需要开展真实世界研究。（）答案：×解析：AI医疗产品的性能受临床场景、设备参数、人群特征影响较大，多数产品上市后需要开展真实世界研究进一步验证不同场景下的实际性能，我国监管也鼓励AI医疗产品开展真实世界研究补充验证数据。7.AI医疗模型的可解释性主要作用是提升临床医生对AI模型的信任度，保障临床决策安全。（）答案：√解析：黑箱模型无法让医生理解决策依据，可解释性AI可以展示模型决策的核心特征依据，帮助医生判断结果可靠性，提升信任度，保障临床安全。8.AI医疗模型训练使用的临床数据，必须经过严格去标识化处理，保护患者隐私。（）答案：√解析：根据我国个人信息保护相关法规，临床医疗数据用于科研或模型开发，必须经过严格去标识化处理，避免患者身份被识别，保护患者隐私。9.AI辅助诊断系统的灵敏度越高，漏诊率就越低。（）答案：√解析：灵敏度=真阳性样本数/实际阳性样本总数，灵敏度越高，说明实际患病的样本中被AI正确检出的比例越高，漏诊率越低。10.当前人工智能技术已经可以完全替代人类医生完成所有临床诊疗工作。（）答案：×解析：当前人工智能仍处于弱人工智能阶段，仅可在特定细分场景作为临床辅助工具，无法完全替代人类医生完成全流程诊疗工作。四、案例分析题（每题为不定项选择题，多选、少选、错选均不得分，每题6分，共18分）案例：某地级市三甲医院引入一款获得NMPA三类医疗器械注册证的肺结节CT辅助诊断AI系统，产品说明书标称：该系统对直径≥5mm肺结节的检出灵敏度为95%，特异度为90%。医院临床使用1个月后，放射科医生反馈：该系统对磨玻璃结节的检出率明显低于标称值，且对靠近纵隔的小结节经常出现假阳性结果。1.针对该案例中AI系统出现性能偏差的原因，下列分析最不可能的是（）A.该AI系统训练数据中磨玻璃结节和纵隔旁结节的样本占比偏低，模型泛化能力不足B.该医院CT设备的扫描参数、层厚和AI系统训练所用数据的扫描参数不一致，影响模型识别性能C.AI技术本身存在固有缺陷，所有同类AI产品都不可能有效检出磨玻璃结节D.该医院不同放射科技师的扫描操作规范存在差异，部分图像质量不达标，影响AI性能答案：C解析：当前主流获批的肺结节AI产品已经可以有效检出大部分磨玻璃结节，该案例中的性能偏差并非AI技术本身的固有缺陷，更多是训练数据分布、图像参数、扫描质量等场景适配问题，因此C是最不可能的原因。2.针对该AI系统出现性能不符合预期的情况，医院应当采取下列哪些处理措施（）A.暂停该AI系统的临床常规使用，先在本院开展本地性能验证，明确偏差程度B.直接废弃该系统，不需要向监管部门和产品厂商反馈C.梳理本院CT扫描规范，统一扫描参数，减少图像质量差异对AI性能的影响D.联合AI厂商，使用本院标注的磨玻璃结节、纵隔旁结节数据对模型进行本地微调，优化模型性能答案：ACD解析：AI产品上市后出