2026年新版健康信息学试题及答案

2026年新版健康信息学试题及答案一、单项选择题（每题2分，共20分）1.健康信息学中“互操作性”的核心目标是：A.提高数据存储容量B.实现不同系统间数据的无歧义交换与利用C.增强数据加密强度D.简化用户界面操作流程答案：B2.HL7FHIR（快速医疗互操作性资源）R5版本相较于R4的主要改进是：A.增加对传统纸质病历的兼容支持B.强化基于区块链的数字签名功能C.扩展对AI模型输出结果的结构化表达D.降低对网络带宽的依赖要求答案：C3.临床决策支持系统（CDSS）中，“规则引擎”的主要功能是：A.存储患者历史诊疗数据B.根据预设逻辑提供诊疗建议C.可视化呈现检查结果D.对接医院HIS系统获取实时数据答案：B4.健康数据脱敏技术中，“k-匿名”的核心要求是：A.数据集中每个记录至少与k-1个其他记录不可区分B.对数据进行k次加密处理C.限制数据访问权限为k个角色D.确保数据删除后k年内无法恢复答案：A5.以下哪项不属于健康信息学中“数据元”的属性？A.名称B.值域C.存储介质D.定义答案：C6.边缘计算在远程患者监测中的主要优势是：A.降低对患者终端设备的性能要求B.减少数据传输延迟并提升实时性C.完全替代云端服务器的计算功能D.简化数据标准化处理流程答案：B7.国际疾病分类（ICD-11）相较于ICD-10的关键改进是：A.增加对精神疾病的分类条目B.引入基于维度的诊断编码框架C.强制要求所有国家同步更新D.仅支持电子病历系统对接答案：B8.健康信息系统的“可用性测试”主要评估：A.系统在高并发访问下的稳定性B.用户完成任务的效率与满意度C.数据备份与恢复的成功率D.符合HIPAA等法规的合规性答案：B9.联邦学习在医疗AI模型训练中的核心价值是：A.集中多机构数据提升模型精度B.在不共享原始数据的前提下联合建模C.降低模型训练的计算成本D.确保模型输出结果的可解释性答案：B10.以下哪项是健康信息标准“术语系统”的典型代表？A.DICOM（数字成像和通信标准）B.SNOMEDCT（系统医学术语集）C.IHE（医疗信息集成规范）D.XML（可扩展标记语言）答案：B二、多项选择题（每题3分，共15分，少选得1分，错选不得分）1.健康信息学的核心研究内容包括：A.健康数据的采集与标准化B.临床决策支持系统开发C.医疗物联网设备的硬件设计D.健康信息系统的安全与隐私保护答案：ABD2.影响健康数据质量的主要维度包括：A.准确性（Accuracy）B.完整性（Completeness）C.一致性（Consistency）D.美观性（Aesthetics）答案：ABC3.区块链技术在健康信息管理中的应用场景包括：A.医疗数据溯源与防篡改B.患者身份多机构统一认证C.智能合约自动执行医保赔付D.替代电子健康记录（EHR）存储答案：ABC4.健康信息系统互操作性的实现路径包括：A.采用统一的数据传输协议（如FHIRAPI）B.建立标准化的术语映射表（如LOINC到SNOMEDCT）C.强制要求所有机构使用同一厂商的信息系统D.部署区域健康信息交换（HIE）平台答案：ABD5.AI辅助诊断系统的关键评估指标包括：A.诊断准确率（Accuracy）B.模型可解释性（Explainability）C.对罕见病的覆盖范围D.系统响应时间（Latency）答案：ABCD三、简答题（每题8分，共32分）1.简述健康信息学与医学信息学的区别与联系。答案：健康信息学（HealthInformatics）与医学信息学（MedicalInformatics）均以信息科学与技术支持卫生领域为核心，但覆盖范围不同。医学信息学聚焦临床医疗场景，如电子病历、临床决策支持等；健康信息学则扩展至公共卫生、社区健康、健康管理等全生命周期健康管理领域，包含疾病预防、健康促进、康复护理等更广泛的应用场景。两者联系在于均依赖数据标准化、信息系统开发、隐私保护等共性技术，且医学信息学是健康信息学的重要组成部分。2.列举并解释健康数据“主数据管理（MDM）”的三个关键步骤。答案：主数据管理是确保核心健康数据（如患者、机构、医务人员信息）在全组织范围内一致性和准确性的过程，关键步骤包括：（1）数据整合：通过ETL（抽取-转换-加载）工具将分散在各系统（HIS、LIS、PACS）的主数据进行清洗与标准化；（2）统一建模：建立主数据实体（如患者）的全局数据模型，定义属性（姓名、身份证号、联系方式）及值域规则；（3）分发与维护：通过主数据服务接口（如API）向各业务系统提供统一数据源，并通过版本控制、变更审核机制确保数据持续准确。3.分析电子健康记录（EHR）结构化数据与非结构化数据的优缺点。答案：结构化数据（如数值型检验结果、标准化诊断编码）优点：便于计算机检索、统计分析及CDSS调用；缺点：需严格遵循数据标准，可能遗漏临床细节（如医生手写的病情描述）。非结构化数据（如病程记录文本、影像报告）优点：保留原始临床信息，支持自然语言处理（NLP）挖掘隐含知识；缺点：存储与检索效率低，需额外处理（如文本分类、实体识别）才能转化为可用信息。两者互补，结构化数据支撑标准化业务，非结构化数据丰富临床决策依据。4.说明健康信息系统安全“最小权限原则”的具体应用。答案：最小权限原则要求用户仅获得完成任务所需的最低权限。在健康信息系统中，应用包括：（1）角色权限划分：护士仅能访问患者基本信息与护理记录，无法修改诊断结果；（2）动态权限调整：实习医生仅在轮转期间获得对应科室数据访问权，轮转结束后自动回收；（3）操作日志审计：记录所有权限访问行为，发现越权操作及时预警；（4）接口权限控制：外部系统调用患者数据时，仅开放经审批的字段（如姓名、年龄），屏蔽敏感信息（如基因检测结果）。四、案例分析题（共33分）案例1（15分）：某省拟建设区域健康信息平台，整合200家医院、500家社区卫生服务中心的电子健康记录，目标是实现跨机构患者诊疗信息共享。但当前各机构使用的HIS系统由不同厂商开发（如A厂商的“医信通”、B厂商的“云医汇”），数据存储格式（XML、JSON、关系型数据库）和术语标准（部分用ICD-10，部分用ICD-11；检验项目编码有的用LOINC，有的用自定义编码）差异显著。问题：（1）分析该平台建设面临的数据层面主要挑战（5分）；（2）提出3项具体的技术解决方案（6分）；（3）列举2项需配套的非技术措施（4分）。答案：（1）数据层面挑战：①系统异构性：不同HIS厂商的数据模型（如患者主索引结构）、存储格式不统一；②术语不一致：诊断编码（ICD-10/11）、检验项目编码（LOINC/自定义）未对齐；③数据质量差异：部分机构存在缺失值（如患者联系方式不全）、错误值（如检验结果单位错误）；④实时性问题：部分机构数据更新不同步，平台可能获取过时信息。（2）技术解决方案：①构建区域主数据中心（MDM）：统一患者、机构、医务人员的主数据模型，通过身份校验（如身份证号+生物特征）提供唯一标识（如UUID）；②部署术语映射引擎：建立ICD-10到ICD-11、自定义检验编码到LOINC的标准化映射表，通过NLP技术自动识别非标准术语并转换；③采用FHIRAPI作为数据交换标准：要求各机构通过FHIR接口实时推送更新数据，平台通过FHIR服务器实现数据的统一存储与查询；④实施数据质量监控：设置规则引擎（如必填字段校验、值域范围检查），对异常数据标记并反馈至原机构修正。（3）非技术措施：①制定区域健康数据共享政策：明确各机构数据上报义务、共享范围（如仅允许授权医生调阅）及违规处罚条款；②开展机构培训：针对HIS厂商技术人员进行FHIR接口开发培训，针对医务人员进行平台使用规范培训；③建立跨部门协调机制：由省卫健委牵头，联合医保局、市场监管局解决数据权属、隐私保护等争议。案例2（18分）：某医院引入AI辅助诊断系统，用于肺部CT影像的肺癌早期筛查。系统基于50万例标注CT影像训练，在内部测试中对肺癌的检出准确率为92%，但上线后出现以下问题：①对少数民族患者（占比3%）的检出准确率仅78%；②某患者因系统漏诊（将早期肺癌误判为良性结节）引发医疗纠纷；③医生反映系统未提供判断依据（如具体病灶位置、特征），难以信任其结果。问题：（1）分析问题①的可能原因（4分）；（2）针对问题②，从健康信息学角度提出责任界定与预防措施（7分）；（3）针对问题③，说明提升AI系统可解释性的技术方法（7分）。答案：（1）问题①的可能原因：①训练数据偏倚：50万例数据中少数民族患者占比过低（如＜1%），模型未学习到该群体的影像特征（如因遗传因素导致的病灶形态差异）；②数据标注偏差：标注医生对少数民族患者的病史了解不足，可能误标部分病灶；③预处理环节缺陷：CT扫描参数（如层厚、千伏值）在少数民族患者中可能因设备差异未统一校正，导致输入模型的影像特征异常。（2）责任界定与预防措施：责任界定需考虑三方：①医院：需确保系统经过充分验证（如外部多中心测试），并对医生进行系统局限性培训；②AI厂商：需提供模型性能的完整评估报告（包括不同亚组的准确率），并在系统中嵌入风险提示（如“本系统对早期磨玻璃结节检出率为85%，需结合临床判断”）；③监管部门：需明确AI诊断结果仅为辅助建议，最终诊断责任仍由执业医师承担。预防措施：①建立“AI+医生”双签机制：系统输出结果需经医生确认后生效；②部署实时监控系统：记录所有漏诊/误诊案例，反向优化训练数据（补充漏诊类型的影像样本）；③购买医疗责任险：覆盖因系统缺陷导致的纠纷赔偿。（3）提升可解释性的技术方法：①局部可解释模型（LIME）：对具体病例，通过扰动输入特征（如模糊CT图像的某一区域），分析其对输出结果的影响