2025年人工智能与健康公需科目考试题题库及参考答案

2025年人工智能与健康公需科目考试题题库及参考答案一、单项选择题（每题2分，共20分）1.人工智能在医学影像分析中最核心的技术支撑是（）A.规则引擎推理B.卷积神经网络（CNN）C.支持向量机（SVM）D.决策树算法2.世界卫生组织（WHO）将“数字健康”定义为通过数字技术促进健康，其中人工智能在数字健康中的核心作用是（）A.替代医生完成诊断B.优化数据处理与知识发现效率C.降低医疗设备制造成本D.完全自动化健康管理3.以下哪项是美国食品药品监督管理局（FDA）批准的首个基于人工智能的糖尿病视网膜病变筛查系统？（）A.GoogleDeepMind的StreakB.IDxDRC.IBMWatsonHealthD.腾讯觅影4.在智能健康监测中，可穿戴设备通过传感器采集的生理数据通常具有（）特征，需通过时序预测模型处理。A.高维度、非结构化B.低噪声、静态C.单模态、离散化D.小样本、短周期5.人工智能辅助诊断系统的“可解释性”主要解决的问题是（）A.提升模型运算速度B.让医生理解模型决策逻辑C.降低数据标注成本D.扩大模型适用人群范围6.联邦学习（FederatedLearning）在医疗领域的核心优势是（）A.无需数据共享即可联合训练模型B.显著提升模型预测准确率C.简化数据预处理流程D.降低硬件计算需求7.以下哪项不属于人工智能在慢性病管理中的典型应用？（）A.基于语音识别的用药提醒B.血糖监测数据的趋势预测C.手术机器人辅助肿瘤切除D.个性化运动处方生成8.医疗领域人工智能伦理的“不伤害原则”主要指（）A.避免算法偏见导致误诊B.减少医疗设备物理损伤风险C.限制AI在高风险场景的应用D.降低患者医疗费用支出9.中国《人工智能标准白皮书（2023）》中，医疗AI系统的“鲁棒性”要求主要针对（）A.模型对不同种族患者的适应性B.系统在噪声数据或异常输入下的稳定性C.算法处理多模态数据的能力D.模型训练数据的多样性10.智能分诊系统的核心技术不包括（）A.自然语言处理（NLP）B.知识图谱构建C.强化学习D.规则引擎推理二、多项选择题（每题3分，共30分，少选、错选均不得分）1.人工智能在健康管理中的优势包括（）A.实时监测与预警B.个性化干预方案生成C.替代医生进行健康宣教D.多源数据融合分析2.医疗大数据的特征包括（）A.多模态（文本、影像、生物信号等）B.高价值密度C.时序性（如连续生理监测）D.强隐私敏感性3.以下属于人工智能伦理“公平性”要求的是（）A.模型在不同性别患者中准确率无显著差异B.医疗AI系统对所有患者开放使用C.算法训练数据覆盖不同种族人群D.AI诊断结果需经医生复核4.深度学习在医学影像中的应用场景包括（）A.肺结节自动检测B.病理切片癌细胞识别C.心电图异常节律分类D.电子病历结构化处理5.可穿戴设备与AI结合的健康监测面临的挑战有（）A.传感器数据噪声干扰B.长期佩戴的用户依从性C.跨设备数据格式统一D.实时计算的能耗限制6.医疗AI系统验证需遵循的原则包括（）A.与临床金标准对比B.多中心、多场景测试C.仅使用训练数据验证D.明确适用人群边界7.以下哪些技术可提升AI诊断系统的可解释性？（）A.注意力机制可视化B.局部可解释模型（LIME）C.模型参数随机初始化D.特征重要性分析（SHAP）8.中国《医疗质量安全提升行动（20242026）》中，对AI辅助诊断的要求包括（）A.结果需标注“AI建议”B.系统需具备日志追溯功能C.模型更新后无需重新验证D.需配备临床使用培训9.人工智能在药物研发中的应用包括（）A.化合物活性预测B.临床试验受试者匹配C.药物副作用预测D.替代实验动物进行毒性测试10.智能健康管理平台的核心模块通常包括（）A.数据采集与传输B.风险评估模型C.干预方案生成D.效果反馈与迭代三、填空题（每题2分，共20分）1.人工智能在医学影像中的“三定”分析指定位、定量和__________。2.医疗领域常用的隐私保护技术除联邦学习外，还包括__________（列举1种）。3.可穿戴设备采集的PPG（光电容积脉搏波）信号主要用于监测__________指标。4.中国首个获批的AI三类医疗器是__________（产品名称）。5.人工智能辅助诊断系统的性能评估指标中，__________反映“真阳性”占所有实际阳性的比例（公式：TP/(TP+FN)）。6.电子健康记录（EHR）的非结构化数据主要通过__________技术实现结构化处理。7.智能分诊系统的核心输入是患者的__________信息（如症状描述、病史）。8.医疗AI模型训练中，“数据漂移”指__________随时间发生变化导致模型性能下降。9.慢性病管理中，AI可通过分析__________数据（如步数、睡眠）评估患者生活方式。10.人工智能伦理的“责任可追溯”要求明确__________（如开发者、医疗机构）的责任边界。四、简答题（每题6分，共30分）1.简述人工智能在医学影像诊断中的典型应用流程。2.说明医疗大数据与通用大数据的主要差异（至少3点）。3.列举AI健康应用中常见的伦理风险，并提出1项应对措施。4.解释“可穿戴设备+AI”在心血管疾病管理中的具体应用（至少2个场景）。5.分析人工智能在基层医疗资源优化中的作用（从诊断、培训、资源分配3个维度）。五、应用分析题（每题10分，共20分）1.某医院计划引入AI辅助肺癌早期筛查系统，需完成系统验证与临床落地。请设计验证流程（包括数据准备、评估指标、多中心测试要点），并说明临床使用中需注意的伦理与法律问题。2.结合具体案例（如糖尿病管理），分析如何通过“医疗大数据+机器学习”实现个性化健康干预方案的生成（要求：描述数据来源、模型构建逻辑、干预方案的调整机制）。参考答案一、单项选择题1.B2.B3.B4.A5.B6.A7.C8.A9.B10.C二、多项选择题1.ABD2.ACD3.AC4.ABC5.ABCD6.ABD7.ABD8.ABD9.ABC10.ABCD三、填空题1.定性2.差分隐私（或同态加密）3.心率/血氧4.推想科技的肺结节CT辅助检测软件5.召回率（敏感度）6.自然语言处理（NLP）7.主诉8.输入数据分布9.可穿戴设备10.责任主体（或开发者、医疗机构）四、简答题1.典型流程：①医学影像采集（如CT/MRI）；②数据预处理（去噪、归一化）；③深度学习模型（如CNN）特征提取与病灶识别；④结果可视化（标注病灶位置、大小）；⑤临床医生复核并决策。2.差异：①隐私敏感性更高（涉及患者个人健康信息）；②多模态特征（文本、影像、生物信号等共存）；③时序性强（如连续监测数据需时间序列分析）；④数据质量要求严格（直接影响诊断结果）。3.伦理风险：算法偏见（训练数据代表性不足导致对特定人群误判）、隐私泄露（医疗数据泄露风险）、责任模糊（AI误诊的责任归属）。应对措施：例如，在模型训练阶段增加多样化数据（覆盖不同种族、年龄、性别）以减少偏见。4.应用场景：①心率变异性（HRV）分析：通过可穿戴设备连续监测HRV，AI模型识别心律失常风险并预警；②动态血压监测：结合24小时血压数据，AI预测高血压患者的血压波动模式，辅助调整用药时间。5.作用：①诊断：AI辅助基层医生识别常见疾病（如肺炎、糖尿病视网膜病变），弥补专科医生不足；②培训：基于AI的虚拟病例库为基层医生提供模拟诊断训练；③资源分配：通过AI分析区域疾病谱，优化上级医院专家号源与基层转诊流程。五、应用分析题1.验证流程：数据准备：收集多中心、多设备的肺癌CT影像（包含不同分期、病灶类型），标注金标准（病理结果或专家共识）；评估指标：准确率、召回率（敏感度）、特异度、AUCROC（区分良恶性能力）；多中心测试：在3家以上不同级别医院（三甲、二甲、基层）测试，验证系统在不同设备、扫描参数下的稳定性。伦理与法律问题：①患者知情同意（需告知AI参与诊断）；②数据隐私保护（符合《个人信息保护法》，去标识化处理）；③责任界定（明确开发者、医院、医生的责任分工，如AI提示需经医生确认）。2.以糖尿病管理为例：数据来源：可穿戴设备