2026年人工智能辅助呼吸系统疾病诊断试题及答案

2026年人工智能辅助呼吸系统疾病诊断试题及答案一、单项选择题（每题2分，共20分）1.在人工智能辅助诊断社区获得性肺炎（CAP）的流程中，以下哪项属于影像数据预处理的核心步骤？A.利用迁移学习加载预训练模型B.对CT图像进行窗宽窗位调整C.基于ResNet-50提取深度特征D.通过交叉验证划分训练集测试集答案：B解析：影像数据预处理主要包括去噪、归一化、窗宽窗位调整（优化组织对比度）等基础操作；迁移学习（A）和特征提取（C）属于模型构建环节，交叉验证（D）属于模型验证环节。2.某AI系统诊断肺栓塞的ROC曲线下面积（AUC）为0.89，特异度85%，敏感度92%。当临床需要优先减少漏诊时，应调整模型的：A.阈值左移（降低阳性判定阈值）B.阈值右移（提高阳性判定阈值）C.增加L1正则化参数D.采用集成学习融合多个模型答案：A解析：漏诊对应假阴性，降低阳性阈值可提高敏感度（更多样本被判定为阳性），但会降低特异度；阈值右移（B）会减少误诊但增加漏诊；正则化（C）用于防止过拟合；集成学习（D）主要提升整体性能而非针对性调整漏诊率。3.针对儿童支原体肺炎的AI诊断模型，训练数据需特别注意控制的混杂因素是：A.不同设备的CT层厚差异（1mmvs5mm）B.患儿配合度导致的呼吸运动伪影C.影像标注医生的年资差异D.临床症状记录的完整性答案：B解析：儿童因配合度差，呼吸运动伪影（如膈肌运动导致的图像模糊）会显著影响影像质量，是儿童群体特有的干扰因素；层厚差异（A）可通过重采样解决，标注差异（C）可通过标准化流程控制，症状记录（D）属于多模态数据整合问题。4.某AI系统在验证集中对肺结节良恶性的诊断准确率为87%，但在真实临床环境中降至72%，最可能的原因是：A.训练集与临床数据存在分布偏移（CovariateShift）B.模型参数量过大导致过拟合C.验证集未采用分层抽样D.未对结节大小进行亚组分析答案：A解析：真实临床数据可能因设备型号、扫描协议、患者人群差异（如训练集以体检人群为主，临床数据含更多疑难病例）导致数据分布与训练集不一致（分布偏移），是外部验证性能下降的常见原因；过拟合（B）通常表现为训练集准确率远高于验证集；分层抽样（C）影响的是验证集代表性而非跨环境性能；亚组分析（D）是结果解读问题。5.在AI辅助慢性阻塞性肺疾病（COPD）严重程度分级中，以下哪项属于结构化临床数据特征？A.高分辨率CT（HRCT）的肺气肿指数（LAA-950）B.肺功能检查的FEV1/FVC比值C.胸部X线的膈肌位置描述D.电子病历中的“活动后气促”文字记录答案：B解析：结构化数据指可直接数值化、格式统一的信息（如FEV1/FVC的具体数值）；肺气肿指数（A）是影像定量指标（半结构化），X线描述（C）和症状记录（D）属于非结构化文本。6.用于肺结核AI诊断的多模态模型需融合的关键数据不包括：A.痰涂片抗酸杆菌检测结果B.T-SPOT.TB检测值C.结核菌素试验（PPD）硬结直径D.患者居住地气候数据答案：D解析：多模态数据应与疾病直接相关，居住地气候（D）虽可能影响发病率，但非诊断关键指标；痰涂片（A）、T-SPOT（B）、PPD（C）均为结核诊断的核心实验室检查。7.AI系统在识别肺间质纤维化（IPF）时，若误将肺不张病灶判定为纤维化，最可能的模型缺陷是：A.对磨玻璃影（GGO）的特征提取不足B.未学习网格状影与肺叶体积缩小的关联C.深度卷积核尺寸过小，无法捕捉大尺度结构D.损失函数未加权处理小样本类别答案：B解析：IPF典型影像特征为网格状影、蜂窝肺伴肺体积缩小；肺不张表现为肺叶体积缩小伴密度增高，但无网格征。模型若未关联“网格状影+体积缩小”的复合特征，易将单纯体积缩小的肺不张误判为IPF；GGO（A）多见于炎症，与纤维化关联较弱；卷积核尺寸（C）影响局部特征提取，非结构关联问题；类别不平衡（D）主要影响罕见病识别，非此案例主因。8.以下哪项符合2026年AI辅助呼吸系统疾病诊断的伦理规范要求？A.模型训练使用未去标识化的患者影像数据B.向患者隐瞒诊断结果由AI参与提供的事实C.提供模型对每个病灶的特征重要性可视化解释D.医院将AI诊断结果直接作为最终报告无需医生审核答案：C解析：伦理规范要求算法可解释性（C）、数据隐私（A错误，需去标识化）、患者知情权（B错误）、医生最终决策权（D错误）。9.针对新冠后肺纤维化的AI预测模型，需重点纳入的时序特征是：A.急性期胸部CT的病变累及率B.发病后1个月、3个月、6个月的HRCT动态变化C.患者年龄、基础疾病等基线特征D.急性期氧合指数（PaO2/FiO2）答案：B解析：时序特征强调随时间变化的指标，发病后不同时间点的影像动态（B）直接反映纤维化进展；急性期指标（A、D）和基线特征（C）属于横断面数据。10.在AI辅助肺结节筛查中，若需降低对≤8mm实性结节的假阳性率，最有效的优化方法是：A.增加训练集中≤8mm良性结节样本量B.采用更大的卷积核提取全局特征C.引入结节生长速率（两次CT间隔时间内的体积变化）作为特征D.调整损失函数权重，提高大结节误判的惩罚答案：C解析：≤8mm结节良恶性鉴别困难，单纯影像特征（如大小、密度）区分度低，引入生长速率（C）可利用时序信息（良性结节多无生长）显著提升准确性；增加样本量（A）需解决数据获取难题；大卷积核（B）侧重局部特征；惩罚大结节（D）与目标无关。二、多项选择题（每题3分，共15分，少选得1分，错选不得分）1.人工智能辅助支气管哮喘急性发作风险预测的模型需整合的多源数据包括：A.动态肺功能监测数据（如峰流速仪实时值）B.环境传感器采集的PM2.5、花粉浓度C.电子病历中的既往急性发作频率D.患者自我报告的症状日记（如夜间咳嗽次数）答案：ABCD解析：哮喘风险预测需整合生理指标（A）、环境因素（B）、病史（C）、症状监测（D）等多维度数据。2.以下属于AI在呼吸系统疾病诊断中“可解释性”技术的是：A.Grad-CAM提供病灶区域激活图B.SHAP值量化各特征对预测结果的贡献C.采用轻量级模型（如MobileNet）替代复杂网络D.记录模型训练过程中的损失函数变化曲线答案：AB解析：可解释性技术需说明模型决策依据，Grad-CAM（A）可视化关键区域，SHAP（B）量化特征重要性；模型轻量化（C）提升效率而非解释性；损失曲线（D）反映训练过程，非决策解释。3.针对基层医院AI辅助诊断系统的部署，需重点解决的技术挑战包括：A.不同品牌CT设备的影像参数差异（如管电压、重建算法）B.基层医生对AI结果的信任度与使用培训C.网络带宽限制导致的实时上传-反馈延迟D.罕见病（如肺朗格汉斯细胞组织细胞增生症）样本量不足答案：ACD解析：技术挑战侧重系统实现层面，设备差异（A）需域适应技术解决，带宽限制（C）需边缘计算或模型轻量化，罕见病样本（D）需联邦学习或数据增强；医生信任（B）属于用户接受度问题，非技术挑战。4.AI系统在诊断肺脓肿时，需学习的关键影像特征包括：A.厚壁空洞伴气液平面B.病灶周围磨玻璃样渗出C.纵隔淋巴结钙化D.支气管充气征答案：AB解析：肺脓肿典型表现为厚壁空洞（内可见气液平面）（A）、周围炎症渗出（B）；淋巴结钙化（C）多见于结核，支气管充气征（D）常见于肺炎实变期。5.2026年AI辅助呼吸系统疾病诊断的监管趋势包括：A.要求模型通过多中心、大样本的外部验证B.强制披露模型训练数据的人群分布（如年龄、种族）C.允许基于单中心数据的“快速通道”审批用于罕见病D.建立AI诊断错误的责任追溯机制（区分模型缺陷与人为操作失误）答案：ABD解析：监管趋势强调数据代表性（B）、外部验证（A）、责任明确（D）；单中心数据（C）因代表性不足，通常不被允许快速审批，仅特殊情况下可能放宽。三、案例分析题（共65分）案例1（30分）：患者男性，68岁，因“反复咳嗽、咳痰3年，加重伴气促1周”就诊。既往有吸烟史40年（20支/日），未规律随访。门诊肺功能检查：FEV1占预计值45%，FEV1/FVC=58%。胸部CT示双肺透亮度增高，肺纹理稀疏，右肺上叶见一直径12mm实性结节（CT值-350HU，边缘欠光整），纵隔窗示结节内见点状钙化。AI辅助诊断系统输出：①慢性阻塞性肺疾病（GOLD3级）；②右肺上叶结节（恶性概率78%）。问题：（1）AI对COPD分级的主要依据是什么？需警惕哪些可能影响分级准确性的因素？（10分）（2）AI判断结节恶性概率的可能特征依据有哪些？临床医生需补充哪些评估以验证AI结论？（15分）（3）若AI系统在类似病例中多次出现“肺大泡误判为空洞型肺癌”，可能的模型缺陷是什么？如何优化？（5分）答案：（1）AI对COPD分级的主要依据是肺功能指标（FEV1占预计值百分比），结合CT的肺气肿定量分析（如LAA-950指数）。需警惕的影响因素：①肺功能检查的质量（如患者配合度、操作规范）；②CT扫描参数（层厚、重建算法）导致的肺气肿指数测量偏差；③合并哮喘等其他气流受限疾病（需结合支气管舒张试验结果）。（2）AI判断结节恶性的可能特征依据：实性结节（相对于纯磨玻璃结节恶性风险更高）、直径>8mm、边缘欠光整（提示分叶/毛刺）、CT值-350HU（介于脂肪与软组织之间，可能为部分实性）、点状钙化（非中心性/爆米花样钙化，恶性钙化多为细沙样）。临床医生需补充：①结节倍增时间（对比既往CT，若存在）；②肿瘤标志物（如CEA、CYFRA21-1）；③PET-CT评估代谢活性；④若条件允许，超声支气管镜（EBUS）或CT引导下穿刺活检。（3）模型缺陷可能是：未学习肺大泡与空洞型肺癌的关键差异特征（如肺大泡为薄壁、无壁结节，空洞型肺癌多为厚壁、内壁不规则）；或卷积核感受野不足，无法捕捉病灶整体形态。优化方法：①在训练数据中增加肺大泡与空洞型肺癌的对比样本，标注壁厚度、内壁光滑度等关键特征；②采用多尺度特征融合（如结合不同感受野的卷积层），提升对整体形态的感知；③引入形态学分析模块（如计算病灶壁厚标准差、内壁凹凸度）作为补充特征。案例2（35分）：某三甲医院呼吸科引入AI辅助诊断系统，用于肺炎病原体鉴别（细菌性/病毒性/真菌性）。系统基于胸部CT影像、血常规（WBC、中性粒细胞比例）、降钙素原（PCT）、C反应蛋白（CRP）、G试验（真菌）等多模态数据训练，验证集准确率89%。运行3个月后，临床反馈：①对病毒性肺炎的敏感度仅72%（低于验证集的85%）；②部分细菌性肺炎患者因PCT轻度升高（0.2-0.5ng/mL）被误判为病毒性。问题：（1）分析病毒性肺炎敏感度下降的可能原因（10分）。（2）针对PCT轻度升高的细菌性肺炎误判问题，模型需优化哪些方面？（15分）（3）若医院计划将该系统用于急诊分诊（快速区分细菌性/非细菌性肺炎以指导抗生素使用），需额外关注哪些性能指标？为什么？（10分）答案：（1）敏感度下降的可能原因：①验证集与真实临床数据分布差异（如验证集以典型病毒性肺炎为主，真实数据包含更多不典型病例，如合并细菌感染的混合性肺炎）；②部分病毒性肺炎患者CT表现不典型（如早期仅表现为局部GGO，未出现AI训练时学习的“地图样分布”“血管增粗”等特征）；③多模态数据中临床指标缺失（如部分急诊患者未完善G试验，导致模型依赖的真菌排除特征丢失）；④季节因素（如验证集数据集中于冬季流感季，真实数据包含夏季腺病毒等不典型病毒，影像特征差异大）。（2）模型需优化的方面：①特征工程：引入PCT动态变化（如6小时后复查值）替代单次检测值，细菌性肺炎PCT通常呈进行性升高；②阈值调整：针对PCT轻度升高区间（0.2-0.5ng/mL），结合其他指标（如中性粒细胞比例>80%、CRP>100mg/L）设计复合判断规则；③数据增强：在训练集中补充PCT轻度升高的细菌性肺炎样本，标注其临床转归（如抗生素治疗后症状改善）作为标签；④模型结构：采用注意力机制，对PCT处于临界值的样本自动分配更