2025年医学大数据考试题库(含答案)

2025年医学大数据考试题库(含答案)一、单项选择题（每题1分，共15分）1.以下不属于医学大数据公认核心特征范畴的是（）A.数据体量（Volume）B.处理速度（Velocity）C.数据多样性（Variety）D.数据强制标准化（Standardization）答案：D解析：医学大数据公认的核心4V特征为体量（Volume）、速度（Velocity）、多样性（Variety）、价值（Value），数据标准化是医学大数据预处理的环节，不属于核心特征范畴，因此选D。2.电子病历中患者的主诉内容属于哪类医学数据？（）A.结构化数据B.半结构化数据C.非结构化数据D.动态监测数据答案：C解析：结构化数据指格式规整、可直接存入关系型数据库的数据，如患者年龄、检验结果；半结构化数据指带有层级标记、结构不统一的数据，如XML格式的病历；非结构化数据指无固定结构的自然数据，主诉为自然语言文本，属于非结构化数据，因此选C。3.根据我国《个人信息保护法》及GDPR通用数据保护条例要求，以下哪种去标识化处理方式符合合规要求？（）A.直接删除姓名、身份证号两个敏感字段即可公开使用B.对个人标识进行泛化处理加不可逆哈希加密C.仅做聚合统计就可以任意使用原始数据D.去标识化后的数据不属于个人信息，可自由流通答案：B解析：仅删除核心标识仍可通过其他字段组合重识别个人信息，A错误；聚合统计也存在个体信息泄露风险，不能未经授权任意使用，C错误；去标识化后的数据若可通过处理重新识别特定自然人，仍属于个人信息范畴，D错误；泛化缩小标识符粒度、不可逆哈希加密是当前合规的去标识化处理方法，B正确。4.医学大数据预处理中，当某一核心变量的缺失率超过以下哪个阈值时，通常建议直接删除该变量而非插补处理？（）A.10%B.20%C.40%D.60%答案：D解析：临床研究中通用的缺失值处理原则为：缺失率<10%可采用均值插补或多重插补；10%~50%可采用基于模型的多重插补；缺失率超过50%时，该变量携带的有效信息占比极低，插补会引入大量偏差，因此直接删除该变量更合理，选项中60%符合该阈值要求，因此选D。5.以下属于包裹式特征选择方法的是（）A.方差选择法B.互信息法C.递归特征消除（RFE）D.主成分分析（PCA）答案：C解析：特征选择分为过滤式、包裹式、嵌入式三类，过滤式先对特征进行筛选再训练模型，方差选择法、互信息法均属于过滤式，A、B错误；主成分分析属于特征降维方法，不属于包裹式特征选择，D错误；包裹式以学习器的性能作为特征选择的评价标准，递归特征消除（RFE）是典型的包裹式特征选择方法，因此选C。6.以下属于医学大数据在疾病风险预测领域典型应用的是（）A.基于电子病历构建糖尿病前期发病风险预测模型B.基于CT影像的肺结节良恶性分割C.基于组学数据进行新药靶点筛选D.基于HIS系统统计医院年度门诊流量答案：A解析：B属于医学影像的病灶分割应用，属于辅助诊断范畴；C属于药物研发领域应用；D属于医院运营管理应用；A是对未来疾病发生风险的提前预测，属于疾病风险预测领域的典型应用，因此选A。7.我国医学大数据应用中，医疗数据标准化的核心基础是（）A.ICD-10国际疾病分类B.LOINC观测指标编码体系C.国家医疗健康信息标准数据集D.SNOMED-CT医学术语集答案：C解析：ICD-10、LOINC、SNOMED-CT均为国际通用的医学术语编码标准，是我国医疗数据标准化的参考内容，我国医学大数据应用的核心标准化基础是国家卫生健康委发布的统一国家医疗健康信息标准数据集，统一了各类医疗数据的格式、编码与规范，因此选C。8.医学大数据分析中，处理罕见病研究的类别不平衡数据集时，以下哪种方法无法改善类别不平衡问题？（）A.SMOTE算法对少数类（患病样本）过采样B.对多数类（健康样本）欠采样C.调整分类器的分类阈值D.对多数类样本赋予更高的分类权重答案：D解析：类别不平衡问题的核心是少数类样本占比低，模型学习时容易偏向多数类，改善方法需要提升少数类的影响力，应为少数类赋予更高权重，而非多数类，因此D无法改善问题，其余选项均为常用的改善方法，因此选D。9.HIPAA安全规则中，要求医疗大数据存储必须满足的核心要求是（）A.可无限扩容B.保密性、完整性、可用性C.低成本存储D.公开可审计答案：B解析：HIPAA安全规则对医疗数据存储的核心要求为三元属性：保密性（不向未授权主体披露）、完整性（数据不被篡改损坏）、可用性（授权主体可正常访问），因此选B。10.以下不属于医疗健康大数据来源的是（）A.临床诊疗电子病历数据B.肿瘤基因组组学数据C.非健康相关的消费互联网用户行为数据D.国家公共卫生传染病监测数据答案：C解析：医疗健康大数据指所有与人群健康、医疗服务相关的数据，非健康相关的消费行为数据不属于医疗健康大数据范畴，因此选C。11.医学大数据研究中，分析肿瘤患者预后影响因素的经典常用模型是（）A.二元逻辑回归模型B.Cox比例风险模型C.多元线性回归模型D.K-means聚类模型答案：B解析：二元逻辑回归用于二分类结局的影响因素分析，不处理带删失的生存数据；多元线性回归用于连续型因变量的分析；K-means是无监督聚类模型；Cox比例风险模型是生存分析中用于预后影响因素分析的经典模型，可处理带删失的生存数据，因此选B。12.联邦学习在多中心医学大数据研究中的核心优势是（）A.提升单模型训练速度B.实现数据不出域即可联合建模，保护隐私C.降低模型复杂度D.自动提升特征维度答案：B解析：联邦学习的核心设计就是针对跨机构数据共享的隐私合规问题，让各参与方原始数据留存于本地，仅传输模型参数，实现联合建模，因此核心优势是B，其余选项均不是联邦学习的核心优势，因此选B。13.评价二分类疾病预测模型整体区分能力的金标准指标是（）A.总体准确率B.AUC-ROCC.均方误差（MSE）D.特异度答案：B解析：总体准确率在类别不平衡数据中会产生误导，不能反映模型真实区分能力；均方误差是回归任务的评价指标；特异度是特定分类阈值下的评价指标，不能反映模型整体区分能力；AUC-ROC衡量模型对正负样本的整体区分能力，是二分类模型评价的金标准，因此选B。14.医学大数据建模中的过拟合是指以下哪种情况？（）A.模型在训练集表现优异，在外部验证集/测试集表现差B.模型在训练集表现差，在测试集表现好C.模型在训练集和测试集表现都差D.模型特征数量过多导致训练速度过慢答案：A解析：过拟合是指模型过度学习了训练集的噪声和特有特征，泛化能力下降，表现为训练集表现好、未知数据集表现差，因此A正确。15.以下属于医学影像大数据的标准存储格式是（）A.DICOMB.JSONC.CSVD.XML答案：A解析：DICOM是国际通用的医学影像存储与传输标准格式，JSON、XML是半结构化文本格式，CSV是结构化表格存储格式，因此选A。二、多项选择题（每题2分，共20分，多选、少选、错选均不得分）1.医学大数据预处理阶段的主要任务包括（）A.缺失值处理B.异常值检测与处理C.数据标准化/归一化D.模型超参数调优E.多源数据集成答案：ABCE解析：模型超参数调优是模型训练阶段的任务，不属于预处理环节，预处理的核心任务包括多源数据集成、数据清洗（缺失值、异常值处理）、数据转换（标准化、归一化），因此ABCE正确。2.医学大数据应用中常用的隐私保护技术包括（）A.差分隐私B.去标识化C.联邦学习D.同态加密E.数据脱敏答案：ABCDE解析：以上五种均为当前医学大数据领域合规的隐私保护技术：差分隐私通过添加噪声保护个体信息，去标识化、数据脱敏移除敏感个人标识，联邦学习实现数据不出域联合建模，同态加密支持加密状态下的数据计算，全程不披露原始数据，因此全选。3.以下属于结构化医疗数据的是（）A.血常规检验结果B.患者性别、年龄C.完整病理诊断文本报告D.出院诊断ICD编码E.动态心电波形数据答案：ABD解析：完整病理诊断文本是自然语言，属于非结构化数据；动态心电波形是无规整结构的信号数据，属于非结构化数据；血常规结果、人口学信息、ICD编码都是格式规整、可直接存入关系型数据库的结构化数据，因此ABD正确。4.评价医学大数据预后生存模型性能的常用指标包括（）A.C-index（一致性指数）B.Brier评分C.AUC-ROCD.校准曲线E.总体准确率答案：ABCD解析：预后生存模型的结局是带删失的生存事件，总体准确率多用于二分类结局模型，不适用于生存模型的评价；C-index衡量模型对患者生存风险的排序一致性，Brier评分衡量预测误差，AUC-ROC可衡量不同时间点的生存区分度，校准曲线衡量预测概率和实际发生率的一致性，均为预后模型常用评价指标，因此ABCD正确。5.医学大数据研究的伦理审查核心要点包括（）A.知情同意的合规性B.数据隐私保护措施是否到位C.研究是否存在未披露的利益冲突D.研究结果是否能获得高影响因子发表E.数据使用是否超出原授权范围答案：ABCE解析：研究结果能否发表不是伦理审查的核心要点，伦理审查核心关注研究的合规性与伦理风险，包括知情同意、隐私保护、利益冲突、授权范围，因此ABCE正确。6.以下属于无监督学习在医学大数据中的应用场景是（）A.基于临床组学数据进行糖尿病患者亚群分群B.肺癌发病风险预测C.动态心电监测中的异常信号检测D.电子病历临床文本的主题聚类E.基因表达的差异表达分析答案：ACD解析：疾病风险预测是有监督学习任务，需要标注结局数据；差异表达分析是传统统计分析，不属于无监督学习应用；患者亚群分群、异常信号检测（无足够标注样本时常用无监督方法）、文本主题聚类都属于无监督学习的应用场景，因此ACD正确。7.医学大数据质量评价的核心维度包括（）A.数据完整性B.数据准确性C.数据一致性D.数据及时性E.数据可及性答案：ABCD解析：数据可及性指获取数据的难易程度，不属于数据本身的质量维度，医学大数据质量评价的核心维度为完整性、准确性、一致性、及时性，因此ABCD正确。8.关于ICD编码在医学大数据中的作用，说法正确的有（）A.统一疾病分类与命名，支撑跨机构数据集成B.用于医保DRG/DIP付费结算C.用于临床医学研究的疾病分组D.可以完全替代临床医师的原创诊断描述E.是医学大数据标准化的核心内容之一答案：ABCE解析：ICD编码是对疾病的标准化分类，无法完全替代临床医师对具体病例的个性化诊断描述，因此D错误，其余选项均为ICD编码的正确作用，因此ABCE正确。9.以下方法可以降低医学大数据模型过拟合风险的有（）A.增加训练样本量B.添加L1/L2正则化C.训练时采用提前停止（EarlyStopping）D.使用集成学习模型（如随机森林、梯度提升树）E.增加模型复杂度提升拟合能力答案：ABCD解析：增加模型复杂度会加重过拟合风险，E错误；其余选项都是常用的降低过拟合风险的方法，因此ABCD正确。10.以下属于医学大数据的核心应用领域的有（）A.个性化精准医疗B.公共卫生疫情监测预警C.辅助新药研发D.医院运营管理优化E.临床决策支持答案：ABCDE解析：以上五个领域都是当前医学大数据的核心落地应用方向，因此全选。三、案例分析题（共35分，每题5分）案例1：某三甲医院内分泌科科研团队拟基于本院10年间12000例2型糖尿病患者的电子病历、检验检查、随访数据，构建糖尿病肾病发生风险预测模型，用于社区早期筛查高风险人群。1.该研究的结局变量属于哪类数据？（单选）A.连续型数值数据B.二分类离散数据C.生存时间数据D.多分类有序数据答案：C解析：本研究结局是糖尿病肾病的发生，需要关注从入组到发病的时间，不同患者随访时间不同，存在删失数据，因此结局属于生存时间数据，选C。2.数据整理后发现，15%的患者基线糖化血红蛋白数据缺失，糖化血红蛋白是糖尿病并发症预测的核心变量，以下哪种处理方式最合理？（单选）A.直接删除所有缺失糖化血红蛋白的样本B.采用多重插补法，基于年龄、BMI、空腹血糖、糖尿病病程等其他协变量插补缺失值C.直接用全数据集的均值填充缺失值D.直接删除糖化血红蛋白变量答案：B解析：缺失率15%，未达到删除变量的阈值，且为核心预测变量，不能删除变量；删除大量样本会减少样本量，引入选择偏差，不推荐；均值填充忽略了不同样本的特征差异，会引入偏差，降低数据质量；多重插补是处理10%~50%缺失率医学数据的最优方法，能充分利用现有信息，减少偏差，因此选B。3.研究统计发现，该队列中发生糖尿病肾病的患者共860例，未发生的共11140例，类别不平衡问题突出，以下处理方法合理的有？（多选）A.采用SMOTE算法对少数类（患病组）进行过采样B.对多数类（未患病组）进行欠采样，平衡训练集类别分布C.模型评价时优先选择AUC而非总体准确率D.给少数类样本设置更高的分类权重答案：ABCD解析：以上四种方法都是处理类别不平衡问题的常用合理方法：过采样少数类、欠采样多数类可以平衡训练集分布；调整类别权重可以提升少数类的影响力；AUC对类别不平衡不敏感，比总体准确率更能反映模型真实性能，因此全选。4.模型构建完成后，验证模型泛化能力的最可靠方法是？（单选）A.留一法交叉验证B.10折交叉验证C.外部其他中心独立数据集验证D.训练集直接验证答案：C解析：内部交叉验证仍