2025年医疗大数据分析人员招聘考试笔试试题（含答案）

2025年医疗大数据分析人员招聘考试笔试试题（含答案）考试时间：120分钟满分：100分一、单项选择题（每题1分，共20分。每题只有1个正确答案，多选、错选、不选均不得分）1.根据《健康医疗大数据标准、安全和服务管理办法》，健康医疗数据按风险等级分为4级，其中最高风险等级为（）A.内部公开级B.敏感级C.机密级D.核心级2.2025年我国医疗机构统一使用的疾病诊断编码标准为（）A.ICD-10B.ICD-11-CMC.SNOMEDCTD.LOINC3.医疗大数据的“4V”特征中，对应“数据价值密度低”特征的是（）A.VolumeB.VelocityC.VarietyD.Value4.医疗数据清洗环节中，以下缺失值适合用均值填充的是（）A.患者性别B.服从正态分布的空腹血糖检测值C.肿瘤TNM分期D.患者民族5.根据《个人信息保护法》，处理14周岁以下未成年人的健康医疗数据，应当取得（）的同意A.未成年人本人B.未成年人所在学校C.未成年人的监护人D.属地卫生健康行政部门6.队列研究中，衡量暴露因素与疾病关联强度的核心指标是（）A.比值比（OR）B.相对危险度（RR）C.归因危险度（AR）D.人群归因危险度（PAR）7.构建罕见病预测模型时（阳性样本占比不足5%），以下技术组合最适合解决数据集不平衡问题的是（）A.逻辑回归B.线性回归C.SMOTE过采样+随机森林D.未加权的XGBoost8.以下编码标准中，专门用于临床检验检测项目统一标识的是（）A.ICD-11-PCSB.LOINCC.ATC药品编码D.手术操作分类编码9.根据网络安全等级保护2.0要求，三级甲等医院的核心HIS系统、电子病历系统应当符合（）等保要求A.二级B.三级C.四级D.五级10.分析某医院近3年门诊量的季节性波动规律，最适合的分析方法是（）A.线性回归分析B.时间序列分析C.K-means聚类分析D.关联规则挖掘11.医疗数据元的核心属性不包括（）A.业务定义B.数据类型C.校验规则D.存储服务器位置12.以下健康医疗大数据分析结果的应用场景，符合伦理要求的是（）A.将患者肿瘤患病数据共享给保险公司用于核保B.去标识化后的分析结果用于公共卫生政策制定C.出售患者就诊行为数据给药企用于精准营销D.公开分析报告时包含患者脱敏后的身份证号前6位和后4位13.某糖尿病预测模型的训练集中城市患者样本占85%、农村患者样本占15%，最终模型对农村患者的预测准确率比城市患者低22%，该问题属于（）A.过拟合B.数据偏见C.欠拟合D.特征冗余14.我国电子病历系统功能应用水平分级评价的最高等级为（）A.5级B.6级C.7级D.8级15.临床医嘱关联规则挖掘中，代表“使用A药品时同时使用B药品的概率”的指标是（）A.支持度B.置信度C.提升度D.覆盖率16.根据《医疗卫生机构网络安全管理办法》，门诊电子病历数据的最低保存期限为（）A.10年B.15年C.20年D.30年17.以下分布式计算框架中，最适合大规模医疗影像离线批量分析的是（）A.SparkB.FlinkC.RedisD.Kafka18.比较两种降压药的疗效，分别纳入100名原发性高血压患者，随访1个月后血压下降值服从正态分布且方差齐，最适合的统计检验方法是（）A.卡方检验B.配对t检验C.两独立样本t检验D.Wilcoxon秩和检验19.以下医疗数据脱敏方法中，属于不可逆脱敏的是（）A.身份证号中间字段掩码B.加盐哈希加密C.出生日期泛化到年份D.数据置换20.以下不属于医疗大数据分析典型应用场景的是（）A.医保欺诈识别B.临床辅助决策支持C.药品供应链风险预警D.医院建筑结构设计二、多项选择题（每题2分，共20分。每题有2个及以上正确答案，多选、少选、错选、不选均不得分）1.健康医疗大数据的合法来源包括（）A.医疗机构电子病历数据B.公共卫生监测上报数据C.可穿戴设备采集的用户健康数据D.医保经办机构的结算数据2.以下属于医疗结构化数据的是（）A.患者主诉文本B.血常规检验定量结果C.医嘱药品名称及剂量D.肺部CT影像3.开展健康医疗大数据分析项目前，需满足的合规要求包括（）A.获得所属单位伦理审查委员会批准B.对涉及个人隐私的数据进行去标识化处理C.参与分析人员签署数据安全保密协议D.直接使用未公开的突发公共卫生事件监测数据4.以下机器学习算法属于监督学习范畴的有（）A.逻辑回归B.K-means聚类C.决策树D.支持向量机5.医疗数据质量评价的核心指标包括（）A.完整性B.准确性C.一致性D.时效性6.以下属于敏感健康医疗数据的有（）A.患者艾滋病感染史B.孕妇产检记录C.患者全基因组测序数据D.官方公开的新冠疫情累计确诊数据7.时间序列分析常用的模型包括（）A.ARIMA模型B.LSTM模型C.指数平滑模型D.朴素贝叶斯模型8.医保欺诈识别分析的常用特征维度包括（）A.患者年度就诊频次B.药品开具剂量合理性C.医疗机构单病种费用季度波动幅度D.接诊医生职称9.以下关于健康医疗数据共享的说法正确的有（）A.共享的数据应当进行去标识化处理，防范个人隐私泄露B.用于基础科研的健康医疗数据共享无需取得个人同意C.数据共享双方应当签订安全协议，明确数据使用范围和安全责任D.未经主管部门批准，不得向境外机构提供我国公民的核心健康医疗数据10.医疗AI预测模型落地前必须完成的验证环节包括（）A.内部数据集验证B.外部多中心数据集验证C.临床一致性评价D.伦理安全性评估三、判断题（每题1分，共10分。正确打√，错误打×）1.为提升疾病预测模型准确率，可直接将未脱敏的患者身份证号作为模型输入特征。（）2.ICD-11编码体系既包含疾病诊断编码，也包含损伤、中毒外部原因编码。（）3.医疗数据相关性分析中，相关系数绝对值越大，代表变量间的因果关系越强。（）4.为保障医疗数据安全，应当采用异地多活策略进行数据备份。（）5.随机森林属于集成学习算法，不可能出现过拟合问题。（）6.根据《个人信息保护法》，患者有权要求医疗机构删除其个人健康医疗数据，法律法规另有规定的除外。（）7.分析不同科室患者满意度的差异，若满意度为有序分类变量（非常满意/满意/一般/不满意），适合采用方差分析进行统计检验。（）8.医疗数据中的噪声数据全部为无用数据，应当在清洗阶段全部删除。（）9.联邦学习技术可在不共享原始医疗数据的前提下实现多中心联合建模，符合数据合规要求。（）10.分析急诊就诊高峰时段时，可直接用患者挂号时间代替实际就诊时间进行统计。（）四、简答题（每题10分，共20分）1.请简述健康医疗数据治理的核心流程及各流程的主要工作内容。2.构建罕见病预测模型时，面临的主要数据层面挑战有哪些？请列举对应的解决方法。五、案例分析题（每题15分，共30分）1.某三甲医院拟开展2022-2024年2型糖尿病患者肾病并发症风险分析项目，目标是挖掘肾病并发症的高危影响因素，构建风险预测模型。现有12000名2型糖尿病患者的电子病历数据，字段包括人口学信息（年龄、性别、身高、体重等）、检验指标（空腹血糖、糖化血红蛋白、肾功能、血脂等）、用药记录、随访记录、并发症发生情况。请回答以下问题：（1）该项目数据清洗阶段需要处理的常见数据问题及对应处理方法是什么？（7分）（2）构建预测模型后，如何评估其临床应用价值？（8分）2.某市医保局拟基于2023年全市医保结算数据开展欺诈识别分析，涉及230家定点医疗机构、1200万参保人员的1.2亿条结算记录。请回答以下问题：（1）该项目的数据安全合规需要注意哪些要点？（7分）（2）请设计该欺诈识别分析的核心流程及主要特征维度。（8分）一、单项选择题1.C解析：健康医疗数据分为4级，一级为可公开数据、二级为内部使用数据、三级为敏感数据、四级为机密数据，机密级为最高风险等级，涉及患者核心隐私。2.B解析：我国2024年已全面推行ICD-11-CM（国际疾病分类第11版中国临床修订版）作为统一疾病诊断编码标准。3.D解析：4V特征中，Volume代表数据规模大、Velocity代表数据产生速度快、Variety代表数据类型多样、Value代表价值密度低。4.B解析：服从正态分布的连续型数值变量的缺失值适合用均值填充，分类变量适合用众数填充，有序分类变量适合用中位数填充。5.C解析：《个人信息保护法》明确规定，处理不满14周岁未成年人的个人信息，应当取得未成年人的父母或者其他监护人的同意。6.B解析：相对危险度（RR）是队列研究中暴露组发病率与非暴露组发病率的比值，直接衡量暴露因素与疾病的关联强度；OR为病例对照研究的核心指标。7.C解析：SMOTE过采样可增加罕见病阳性样本的数量，随机森林对不平衡数据集的适配性优于传统线性模型，两者结合可有效解决数据不平衡问题。8.B解析：LOINC（观测指标标识符逻辑命名与编码系统）是全球统一的临床检验检测项目编码标准。9.B解析：三级甲等医院核心业务系统属于重要信息系统，应当符合等保三级要求。10.B解析：时间序列分析专门用于处理带时间维度的数据，可挖掘波动规律、预测未来趋势。11.D解析：数据元的核心属性包括定义、数据类型、长度、校验规则等，存储位置不属于数据元的固有属性。12.B解析：去标识化后的数据无法识别到特定个人，可用于公共卫生研究；其余选项均存在隐私泄露或违规使用的问题。13.B解析：训练集样本分布与实际人群分布不一致导致的模型效果偏差属于数据偏见问题。14.D解析：我国电子病历分级评价为0-8级，8级为最高等级，实现全院级数据互联互通、智能决策支持。15.B解析：置信度指A发生时B同时发生的概率，支持度指A、B同时发生的总概率，提升度指关联规则的有效性。16.B解析：门诊病历保存期限不得少于15年，住院病历保存期限不得少于30年。17.A解析：Spark适合大规模离线批量计算，Flink适合流计算，Redis为缓存数据库，Kafka为消息队列。18.C解析：两独立样本的正态分布连续变量比较，适合用两独立样本t检验。19.B解析：加盐哈希加密后无法还原原始数据，属于不可逆脱敏；其余方法均可通过反向操作或辅助信息还原原始数据。20.D解析：医院建筑结构设计不属于医疗大数据分析的典型应用场景。二、多项选择题1.ABCD解析：四个选项均为健康医疗大数据的合法来源。2.BC解析：检验结果、医嘱属于结构化数据，主诉文本属于半结构化数据，CT影像属于非结构化数据。3.ABC解析：未公开的突发公共卫生事件监测数据需经主管部门批准后方可使用，不得直接调用。4.ACD解析：K-means聚类属于无监督学习算法，其余三项均为监督学习算法。5.ABCD解析：四个选项均为医疗数据质量评价的核心指标。6.ABC解析：官方公开的疫情数据属于可公开数据，不属于敏感数据。7.ABC解析：朴素贝叶斯属于分类算法，不属于时间序列分析模型。8.ABC解析：医生职称与医保欺诈行为无直接关联，不属于欺诈识别的特征维度。9.ACD解析：用于科研的健康医疗数据若涉及个人可识别信息，仍需取得个人同意或经过严格的伦理审查。10.ABCD解析：四个选项均为医疗AI模型落地前必须完成的验证环节。三、判断题1.×解析：身份证号属于个人敏感信息，不得作为模型输入特征，且对预测结果无实际贡献。2.√解析：ICD-11编码体系覆盖疾病、损伤、中毒、外部原因等全维度诊断编码。3.×解析：相关关系不等于因果关系，相关系数大小仅代表关联程度，无法证明因果关系。4.√解析：异地多活备份可防范单点故障、自然灾害等风险，保障数据安全。5.×解析：随机森林仍可能出现过拟合问题，例如单棵树深度过大、训练样本噪声过多等。6.√解析：符合《个人信息保护法》中个人信息主体的删除权规定。7.×解析：有序分类变量的组间比较适合用秩和检验，方差分析适用于连续正态分布变量。8.×解析：部分噪声数据可能为罕见病、异常诊疗行为的真实记录，需经业务人员确认后再决定是否删除。9.√解析：联邦学习的核心特性就是原始数据不出域，符合医疗数据合规要求。10.×解析：挂号时间与实际就诊时间存在明显偏差，会导致高峰时段分析结果不准确。四、简答题1.参考答案：健康医疗数据治理的核心流程包括5个环节，各环节工作内容如下：（1）数据标准制定：依据国家医疗数据标准，结合机构业务需求，制定统一的数据元标准、编码标准、交互标准，明确数据质量规则（3分）。（2）数据汇聚整合：将分散在HIS、LIS、PACS、EMR等不同系统的数据进行汇聚，完成格式转换、字段映射，形成统一的数据资产池（2分）。（3）数据质量清洗：处理缺失值、异常值、重复值、逻辑冲突值，完成数据标准化映射，保障数据的完整性、准确性、一致性（2分）。（4）数据资产确权：明确数据的归属方、管理方、使用方权限，对数据进行分级分类标注，设置访问权限（2分）。（5）数据运营运维：建立数据质量监控机制，定期更新数据标准，排查数据安全风险，保障数据的时效性和可用性（1分）。2.参考答案：罕见病预测模型面临的主要数据挑战及解决方法如下：（1）数据集不平衡：阳性样本（罕见病患者）占比极低，通常不足5%。解决方法：采用SMOTE过采样、ADASYN自适应采样扩充阳性样本，或对阴性样本进行欠采样，同时结合加权损失函数、集成学习算法提升模型对阳性样本的识别能力（4分）。（2）样本量不足：罕见病整体患病率低，可获取的样本量有限。解决方法：采用联邦学习技术联合多中心数据建模，在不共享原始数据的前提下扩充样本量；采用小样本学习、迁移学习方法，利用常见病数据的特征迁移提升模型效果（3分）。（3）特征缺失率高：罕见病患者的随访数据、特殊检验指标缺失率较高。解决方法：结合临床业务知识选择核心特征，采用多重插补方法填充缺失值，避免直接删除样本导致数据量进一步减少（3分）。五、案例分析题1.参考答案：（1）数据清洗阶段的常见问题及处理方法：①缺失值：人口学、检验指标等核心字段的缺失，处理方法：连续型正态分布变量用均值填充，分类变量用众数填充，核心字段缺失率超过30%的样本直接删除，非核心字段缺失可新增“是否缺失”的特征标签（3分）。②异常值：例如空腹血糖值超过20mmol/L、身高超过2.5m等不符合业务逻辑的异常值，处理方法：结合临床规则进行校验，属于录入错误的修正为正确值，属于真实异常值的保留并新增异常标识（2分）。③重复值：同一患者多次就诊的重复记录，处理方法：保留最新的随访记录，删除重复冗余数据（1分）。④逻辑冲突值：例如诊断为2型糖尿病但无降糖药用药记录、男性患者有妇科就诊记录等逻辑冲突数据，处理方法：经临床人员核验后，错误数据修正或删除，真实特殊情况的记录保留（1分）。（2）模型临床应用价值评估维度：①模型性能指标：优先关注阳性预测值、召回率、F1值，避免漏诊高危患者，同时保证准确率、AUC值达到0.85以上（2分）。②临床可解释性：采用SHAP、LIME等可解释AI方法，明确模型输出结果的核心影响因素，符合临床决策逻辑，避免黑箱模型（2分）。③外部验证效果：在其他三甲医院的数据集上进行外部验证，模型性能下降幅度不超过10%，证