2026年医疗健康大数据分析应用评估知识考察试题及答案

2026年医疗健康大数据分析应用评估知识考察试题及答案1.根据《国家医疗健康大数据标准安全专项行动方案（2023-2025年）》的要求，医疗健康大数据应用评估中，对于面向公众的普惠服务类应用，数据合规性评估的首要核查内容是哪项？A.数据是否完成脱敏脱密处理B.是否获得数据主体的知情同意C.是否完成数据安全等级备案D.是否符合最小必要采集原则答案：B解析：该方案明确要求，面向公众提供普惠医疗服务时，涉及个人健康医疗数据的使用，必须首先核查是否获得数据主体明确的知情同意。最小必要是采集环节的基本原则，脱敏脱密是数据处理的安全要求，备案是运营阶段的管理要求，均不是数据使用合规性的首要核查内容。2.医疗健康大数据分析应用的效果评估中，针对疾病风险预测模型的区分度评估，最常用的核心指标是？A.AUC值B.准确率C.召回率D.F1值答案：A解析：区分度指模型区分高危/低危、患病/非患病人群的能力，AUC（受试者工作特征曲线下面积）是目前国际公认的二分类疾病风险预测模型区分度的核心评估指标，取值范围在0.5-1之间，越接近1说明模型区分能力越强。准确率、召回率、F1值更偏向模型整体预测正确性评估，无法直接反映模型的分层区分能力。3.在区域医疗健康大数据平台应用评估中，跨机构医学数据互认共享的成熟度评估核心指标是？A.数据共享量级B.共享响应时长C.互认数据的临床使用率D.接入机构数量答案：C解析：跨机构数据互认共享的核心目标是减少重复检查，降低患者就医负担，提升医疗运行效率，因此核心评估指标是互认数据的实际临床使用率，直接反映共享的应用实效。接入机构数量、共享数据量级、共享响应时长均属于过程性指标，无法体现互认共享的实际价值。4.医疗健康大数据应用的公平性评估中，针对算法模型的群体公平性，下列哪项指标用于衡量不同年龄群体之间的疾病预测结果公平性？A.统计parityB.平等机会差异C.平均预测误差D.混淆矩阵答案：B解析：平等机会差异指不同受保护群体（如年龄、性别、地域、收入）之间真阳性率的差值，差值越接近0说明公平性越好，是衡量群体预测公平性的常用核心指标。统计parity（统计平等）要求不同群体获得阳性预测的概率完全相同，更适用于公共卫生资源分配场景，不适用于风险预测的公平性衡量；平均预测误差衡量模型整体精度，混淆矩阵是计算公平性指标的基础工具，本身不是公平性指标。5.下列哪类医疗健康大数据应用不属于临床决策支持类应用评估范畴？A.肿瘤辅助分期模型B.医保基金欺诈风险筛查模型C.医学影像辅助诊断模型D.抗生素耐药性预测模型答案：B解析：医保基金欺诈风险筛查属于医保治理与公共卫生管理类应用，服务于医保监管部门的风险管控，不属于面向临床医生诊疗工作的临床决策支持类应用范畴，其余三类应用均直接支撑临床医生的诊疗决策过程。1.医疗健康大数据分析应用评估中，数据质量评估的核心维度通常包括下列哪些内容？A.完整性B.准确性C.一致性D.时效性E.可及性答案：ABCD解析：医疗健康大数据质量评估的核心维度包括：完整性（数据字段、记录的缺失情况）、准确性（数据内容与实际健康状况的符合程度）、一致性（不同来源同一医疗数据的统一程度）、时效性（数据更新与获取的及时程度）。可及性是数据获取服务的属性，不属于数据本身质量的评估维度。2.针对纳入医疗器械管理的医疗人工智能大数据应用，注册审批前置评估需要满足下列哪些核心要求？A.训练数据集覆盖目标疾病谱的代表性B.算法模型的可解释性C.多中心临床验证结果的有效性D.数据使用全流程的合规性E.模型部署的硬件兼容性答案：ABCD解析：根据国家药监局发布的《人工智能医用产品分类界定指导原则》《医用人工智能产品注册审查指导原则》，医疗器械类医疗人工智能大数据应用的注册前置评估，核心要求包括训练数据的代表性、算法决策的可解释性、临床验证结果的有效性显著性、数据使用全流程的合规性。硬件兼容性属于产品部署的工程要求，不属于注册评估的核心审核要求。3.医疗健康大数据应用的社会效益评估通常包含下列哪些指标？A.区域患者外转率变化B.基层医疗机构诊疗能力提升幅度C.区域人均医疗费用变化D.模型推理速度提升幅度E.罕见病早期筛查覆盖率答案：ABCE解析：社会效益评估关注医疗大数据应用对整体医疗服务体系、公众健康福祉、医疗服务可及性带来的实际价值，模型推理速度属于技术性能指标，不属于社会效益评估范畴，其余四项均能反映应用带来的社会公共价值。4.关于医疗健康大数据应用安全评估，下列说法正确的有？A.出境的医疗健康大数据必须按照规定开展安全评估B.向第三方提供去标识化医疗数据不需要进行安全风险评估C.生成式人工智能在医疗大数据应用中的内容生成安全性需要纳入评估D.动态数据交互场景的医疗大数据应用需要定期开展安全复评估E.数据安全评估只需要在应用上线前开展一次即可答案：ACD解析：根据《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》以及《医疗卫生机构网络安全管理办法》，向第三方提供去标识化医疗数据仍然需要开展去标识化效果验证和安全风险评估，防范重识别带来的隐私泄露风险；数据安全评估需要结合应用更新、数据流转变化定期开展，不是一次性工作，因此BE选项错误，ACD表述符合现行规范要求。某省级医疗大数据中心联合当地三甲医院，开发了基于区域电子病历、居民体检数据、医保结算数据的2型糖尿病高危人群早期筛查模型，拟投入全省1200余家基层医疗机构使用，现开展上线前应用评估工作。请回答以下问题：1.该筛查模型应用的临床有效性评估需要开展哪些核心工作，包含哪些核心内容？2.该模型应用的合规性评估需要重点核查哪些方面？参考答案：1.临床有效性评估的核心内容如下：（1）模型技术性能验证：首先计算模型的区分度（AUC值）、灵敏度、特异度、准确率、召回率等核心技术指标，验证模型对糖尿病高危人群的识别能力，同时和传统的基于危险因素评分的筛查方法做性能对比，明确模型的性能优势。（2）多中心外部泛化性验证：选取该省不同地域、不同经济水平、不同数据质量等级的3组独立外部数据集开展验证，验证模型在农村人群、老年人群等不同亚群中的识别效果，避免训练集过拟合导致的结果偏差，验证模型在不同基层场景下的泛化能力。（3）临床实际效果前瞻性验证：选取60家未参与模型开发的基层医疗机构开展为期6个月的前瞻性对照研究，统计应用模型后基层糖尿病高危人群筛查覆盖率、早期阳性检出率、早期确诊率的变化，和未应用模型的对照组基层机构做对比，验证模型在真实临床场景中提升筛查效果的实际作用。（4）卫生经济学效益评估：计算应用模型后每检出一例早期糖尿病患者的单位成本，结合早期干预带来的糖尿病并发症发生率下降、远期医疗费用节约数据，计算模型应用的成本效益比，评估模型大规模推广的卫生经济学价值。2.合规性评估需要重点核查以下方面：（1）数据来源合规性核查：核查模型训练、验证所用的电子病历、体检数据、医保数据的来源是否合法合规，是否获得了数据持有机构的合法授权，使用范围是否符合授权要求，是否存在超出授权场景使用数据的情况。（2）个人信息保护合规核查：核查所有个人健康医疗数据是否按照规范完成了去标识化处理，是否建立了重识别风险防范机制；模型上线后面向居民开展筛查时，是否设置了明确的知情同意环节，符合敏感个人信息处理的告知同意要求，是否建立了个人信息查询、更正、删除的响应机制。（3）算法公平性与可解释性合规核查：核查算法是否存在群体偏差，验证不同年龄、性别、地域、收入群体的模型识别效果是否存在系统性差异，避免出现漏检低收