2026年公需科目人工智能与健康考试题(附答案)

2026年公需科目人工智能与健康考试题(附答案)一、单项选择题（每题1分，共20分）1.人工智能（AI）作为一门学科，其核心目标是使机器能够执行通常需要（）才能完成的任务。A.人类智能B.计算机程序C.生物本能D.机械自动化答案：A2.在机器学习中，通过从已标记的训练数据中学习，从而对新的数据做出预测的方法被称为（）。A.无监督学习B.强化学习C.监督学习D.深度学习答案：C3.下列哪项不属于人工智能在医疗健康领域的主要应用方向？A.医学影像分析B.药物研发C.医院行政管理D.基因序列分析答案：C4.深度学习模型“卷积神经网络”（CNN）在医疗领域最成功的应用之一是（）。A.电子病历自然语言处理B.医学影像（如X光片、病理切片）识别C.医院资源调度优化D.患者在线问诊答案：B5.健康大数据的主要特征通常不包括（）。A.数据体量巨大B.数据生成速度快C.数据价值密度高D.数据类型多样答案：C6.利用人工智能技术对海量医学文献进行挖掘和分析，以辅助医生进行临床决策，这种系统属于（）。A.临床决策支持系统B.医院信息系统C.实验室信息系统D.影像归档和通信系统答案：A7.在人工智能伦理中，确保算法决策过程可以被人类理解和审查的原则被称为（）。A.公平性B.可解释性C.可靠性D.隐私保护答案：B8.通过可穿戴设备持续收集用户的心率、步数、睡眠等数据，并利用算法进行分析和反馈，这主要体现了（）的健康管理理念。A.精准医疗B.预防医学C.姑息治疗D.康复医学答案：B9.下列哪项技术是自然语言处理（NLP）在健康领域的关键应用？A.CT图像三维重建B.从电子病历中自动提取关键医疗信息C.手术机器人路径规划D.蛋白质结构预测答案：B10.关于人工智能辅助诊断，以下说法正确的是（）。A.可以完全替代医生进行诊断B.其诊断结果具有法律效力C.主要作为医生的辅助工具，提高诊断效率和准确性D.仅适用于罕见病的诊断答案：C11.在药物研发中，人工智能可以加速的环节是（）。A.化合物筛选与设计B.临床试验患者招募C.药品生产流水线控制D.药品物流配送答案：A12.“智慧医院”建设的关键技术支撑通常不包括（）。A.物联网B.5G通信C.区块链D.传统有线电话系统答案：D13.机器学习模型在训练过程中，在训练集上表现良好，但在未见过的测试集上表现较差，这种现象被称为（）。A.欠拟合B.过拟合C.正常拟合D.梯度消失答案：B14.保护个人健康数据隐私的核心法律依据之一是（）。A.《中华人民共和国网络安全法》B.《中华人民共和国广告法》C.《中华人民共和国城市房地产管理法》D.《中华人民共和国义务教育法》答案：A15.利用人工智能分析基因组数据，寻找疾病相关的基因变异，属于（）的范畴。A.数字疗法B.精准医疗C.群体健康管理D.传统流行病学答案：B16.远程医疗结合AI技术可以实现的功能是（）。A.完全自主进行外科手术B.对患者生命体征进行实时监测与预警C.替代所有线下门诊D.自动生产医疗器械答案：B17.下列哪项是评估分类机器学习模型性能的常用指标？A.均方误差B.准确率C.轮廓系数D.困惑度答案：B18.在公共卫生领域，人工智能可用于（）。A.预测传染病流行趋势B.直接生产疫苗C.制定国家卫生政策法规D.管理医护人员薪酬答案：A19.关于人工智能与就业，在健康领域更可能出现的趋势是（）。A.大量替代医生和护士B.创造新的就业岗位（如AI医疗数据分析师）C.导致整个医疗行业萎缩D.对就业结构没有影响答案：B20.确保人工智能健康应用安全、有效、合规发展的首要责任主体是（）。A.人工智能算法开发者B.提供服务的医疗机构和厂商C.政府监管部门D.患者个人答案：B二、多项选择题（每题2分，共20分，多选、少选、错选均不得分）1.人工智能的关键技术要素包括（）。A.数据B.算法C.算力D.场景答案：A,B,C2.以下哪些属于人工智能在医学影像分析中的具体应用？（）A.肺结节检测与分类B.视网膜病变筛查C.骨折自动识别D.病理切片癌细胞计数答案：A,B,C,D3.健康医疗大数据的主要来源有（）。A.电子病历和健康档案B.可穿戴设备和物联网监测数据C.基因组学、蛋白质组学等组学数据D.医学影像数据E.公共卫生监测数据答案：A,B,C,D,E4.发展人工智能健康应用面临的挑战包括（）。A.数据质量与标注问题B.算法可解释性与可信度C.隐私与数据安全风险D.法律法规与标准缺失E.临床接受度与整合难题答案：A,B,C,D,E5.为了促进人工智能在健康领域的负责任创新，应遵循的伦理原则有（）。A.以人为本，普惠受益B.公平公正，避免歧视C.尊重隐私，安全可控D.责任明确，透明可信E.敏捷治理，开放协作答案：A,B,C,D,E6.智能健康管理可能涵盖的服务内容包括（）。A.个性化健康风险评估B.慢性病（如糖尿病）数字化管理C.心理健康监测与干预D.康复训练远程指导E.健康知识智能推送答案：A,B,C,D,E7.自然语言处理技术能够处理的医疗文本数据包括（）。A.门诊病历记录B.出院小结C.医学研究论文D.患者咨询的语音转写文本E.药品说明书答案：A,B,C,D,E8.关于人工智能在药物发现中的作用，正确的描述是（）。A.可以预测候选药物分子的活性与毒性B.能够设计具有特定属性的新分子结构C.可以完全替代湿实验室实验D.有助于老药新用的发现E.能显著缩短临床前研究时间答案：A,B,D,E9.构建高质量医疗人工智能模型对数据的要求包括（）。A.数据量足够大B.数据标注准确一致C.数据来源多样，具有代表性D.数据符合伦理和隐私规范E.数据格式统一规范答案：A,B,C,D,E10.未来“人工智能+健康”可能深度融合的领域有（）。A.贯穿全生命周期的健康管理B.整合多组学数据的精准预防与治疗C.智能手术机器人与外科手术D.虚拟医生助手与智能问诊E.公共卫生事件智能预警与响应答案：A,B,C,D,E三、填空题（每空1分，共15分）1.人工智能是研究、开发用于模拟、延伸和扩展人的______的理论、方法、技术及应用系统的一门新的技术科学。答案：智能2.机器学习中，将数据集划分为训练集、______集和测试集是常见的做法，用于评估模型的泛化能力。答案：验证3.在深度学习领域，______是一种特别适合处理序列数据（如文本、时间序列）的神经网络结构。答案：循环神经网络（RNN）或长短期记忆网络（LSTM）4.《“十四五”全民健康信息化规划》中提出，要推动人工智能在______、医院管理、药物研发等领域的应用。答案：疾病诊断5.医疗健康领域的AI产品若作为医疗器械管理，在我国需要向国家药品监督管理局申请______认证。答案：医疗器械注册6.数据______是消除数据中存在的错误、不完整、不一致等问题，提高数据质量的过程。答案：清洗7.人工智能辅助诊断系统通常需要与医院现有的______系统或影像归档和通信系统进行集成。答案：医院信息（HIS）8.利用AI技术对慢性阻塞性肺疾病患者进行远程监测和个性化管理，属于______医疗的范畴。答案：智慧9.算法______是指算法对不同性别、年龄、种族等群体产生系统性、不公平的差异结果。答案：偏见10.在智能健康管理中，通过分析用户行为数据，识别其不健康生活习惯并提供改善建议，这运用了______分析技术。答案：行为11.联邦学习是一种分布式机器学习技术，它允许在不共享原始数据的情况下共同训练模型，有助于保护数据______。答案：隐私12.人工智能在精神健康领域的应用，例如通过分析语言模式和表情来筛查______。答案：抑郁症（或焦虑症等精神心理问题）13.将人工智能与机器人技术结合，用于辅助外科医生进行更精准、微创的手术，这类系统称为______。答案：手术机器人14.在公共卫生监测中，利用搜索引擎查询数据、社交媒体数据等非传统数据源进行疫情预测，属于______数据应用。答案：多源15.确保人工智能系统在医疗环境中安全可靠运行，需要建立完善的测试、验证、______和持续监控体系。答案：评估四、简答题（每题5分，共25分）1.简述人工智能在提升基层医疗服务能力方面可以发挥的作用。答案：人工智能在提升基层医疗服务能力方面可以发挥以下作用：首先，通过AI辅助诊断系统，帮助基层医生提高常见病、多发病的诊断准确率，弥补经验不足。其次，利用远程医疗与AI结合，实现上级医院专家对基层的远程会诊和指导。第三，AI健康管理工具可以协助基层医疗机构对辖区居民，特别是慢性病患者，进行高效的随访和健康干预。第四，AI可以用于基层医务人员培训，提供个性化的学习内容和模拟训练。最后，智能分诊和预约系统能优化基层医疗机构的服务流程，提高效率。2.什么是医学影像的“计算机辅助检测”与“计算机辅助诊断”？请简要说明两者的区别。答案：计算机辅助检测是指利用计算机算法（包括AI）在医学影像中自动识别并标记出可能异常的病灶区域，例如在乳腺X线片中圈出可疑的微钙化点或肿块，其核心是“发现”病灶。计算机辅助诊断则是在CADe的基础上更进一步，不仅检测出病灶，还尝试对病灶的性质进行分析和判断，例如区分良恶性、进行分级等，提供诊断决策支持，其核心是“分析”病灶性质。简言之，CADe回答“哪里有异常”，CADx尝试回答“这个异常可能是什么”。3.列举并简要说明在健康医疗数据共享与利用中平衡“数据价值挖掘”与“个人隐私保护”的三种主要技术或管理手段。答案：在健康医疗数据共享与利用中，平衡数据价值挖掘与个人隐私保护的主要技术和手段包括：第一，数据脱敏与匿名化。在共享前移除或加密直接标识符（如姓名、身份证号），并对数据进行泛化、扰动等处理，降低重识别风险。第二，联邦学习。这是一种分布式机器学习框架，各方数据不出本地，仅交换加密的模型参数或梯度，共同训练全局模型，实现“数据不动模型动”。第三，隐私计算。包括安全多方计算、可信执行环境等技术，在保证原始数据不泄露的前提下，完成数据分析和计算。第四，建立严格的数据访问控制与审计制度。通过权限管理、数据使用协议和操作日志审计，确保数据在授权范围内被合规使用。4.简述人工智能技术在疫情防控中可能发挥的作用。答案：人工智能技术在疫情防控中可发挥多方面作用：在疫情监测预警方面，通过分析多源数据（如医疗就诊记录、网络信息、交通数据）进行早期异常信号识别和传播趋势预测。在病毒研究方面，加速病毒基因序列分析、药物靶点发现和疫苗研发。在诊断辅助方面，基于医学影像（如肺部CT）开发快速筛查工具。在溯源与流调方面，利用大数据分析和时空轨迹挖掘，快速锁定密切接触者。在资源配置方面，优化医疗物资、床位和人员的调度。在公众服务与管控方面，提供智能问答机器人、健康码识别、人群密度监测等技术支持。在远程医疗方面，减少非必要接触，保障常规医疗服务。5.从医生和患者的角度，分别谈谈对人工智能应用于临床诊疗的期待与担忧。答案：从医生角度，期待：AI能处理繁琐重复性工作（如影像初筛、文书生成），提高工作效率；能整合多维度信息提供诊断和治疗建议，减少疏漏，辅助决策；能提供最新的医学知识支持，促进规范化诊疗。担忧：过度依赖AI可能导致临床技能退化；AI决策的“黑箱”特性可能影响信任和医患沟通；AI出错时的责任界定不清晰；可能增加工作流程的复杂性。从患者角度，期待：获得更精准、快速的诊断和治疗方案；享受更便捷、个性化的健康管理服务；减少因医生经验差异导致的诊疗水平不均。担忧：个人健康隐私数据被泄露或滥用；AI诊断可能存在的误诊风险及其后果承担；人机交互可能缺乏人文关怀和情感支持；技术可能加剧医疗资源的不平等（如数字鸿沟）。五、应用题（共20分）1.案例分析题（10分）某三甲医院计划引入一套基于深度学习的肺结节CT影像辅助检测系统，旨在提高早期肺癌的检出率。该系统已在一家顶级研究机构的大型标注数据集上训练，并在公开测试集上表现出色，敏感度（召回率）达95%，假阳性率较低。但在该医院初步试用三个月后，放射科医生反馈：系统在小结节（<5mm）的检出上表现不稳定，有时会漏检；并且对某些在该医院CT设备上常见的、因扫描参数差异导致的特殊影像伪影，会产生大量假阳性警报，反而增加了医生的工作负担。请结合案例分析：（1）该AI系统在试用中暴露出的可能问题是什么？（2分）（2）从技术和管理角度，提出帮助该系统更好地在该医院落地应用的改进建议。（8分）答案：（1）暴露出的问题主要有两方面：一是模型泛化能力不足。系统在研发机构的数据集上训练和测试表现好，但应用到新医院时，由于患者群体差异、CT设备型号、扫描协议、影像质量等不同，导致性能下降，出现了对特定类型目标（小结节）检测不稳定和对新场景干扰（特殊伪影）敏感的问题。二是临床工作流程整合不佳。系统产生的假阳性警报过多，未能有效过滤，不仅没有减轻医生负担，反而增加了其审阅和排除干扰的工作量，降低了用户体验和接受度。（2）改进建议：技术角度：①数据层面：收集该医院本地的、具有代表性的CT影像数据，特别是包含各种小结节案例和常见伪影的数据。对这些数据进行专业、高质量的标注。②模型层面：采用迁移学习技术，利用预训练模型，使用本地数据对模型进行微调，使其适应本院的设备特点和患者群体特征。针对假阳性问题，可以引入更多的负样本（如各种伪影、正常结构）进行训练，或采用集成学习、后处理规则（如根据结节特征、位置进行过滤）来降低假阳性率。③算法优化：专门针对小结节检测，可以尝试使用更高分辨率的输入、更精细的特征提取网络，或设计注意力机制来提升对小目标的检测能力。④系统设计：优化人机交互界面，允许医生对系统警报进行便捷的确认或驳回，并将这些反馈实时纳入系统，实现持续学习优化。设置可调节的敏感度阈值，让医生可以根据不同临床场景（如筛查vs.确诊）进行调整。管理角度：①建立跨学科团队：组建包括放射科医生、AI工程师、医院信息科人员的项目组，确保临床需求能准确传达给技术方，技术方案能贴合临床实际。②开展严格的本地验证：在正式部署前，开展基于本院历史数据的回顾性测试和前瞻性小范围试点，全面评估系统在本院环境下的敏感性、特异性、阳性预测值等指标，以及其对工作效率的实际影响。③完善培训与沟通：对放射科医生进行系统使用培训，明确系统的定位是“辅助工具”，说明其优势与局限性，建立合理的使用预期。同时，收集医生的使用反馈，形成闭环。④制定应急预案与责任流程：明确当系统出现漏检或误检时，医生的应对流程和最终责任归属，确保患者安全。2.论述题（10分）请论述在“健康中国”战略背景下，人工智能如何赋能从“以治病为中心”向“以人民健康为中心”的转变。要求结合具体应用场景进行阐述。答案：“以人民健康为中心”强调全生命周期的健康管理，涵盖疾病预防、健康促进、诊断治疗、康复护理等多个环节，目标是提升全民健康水平。人工智能作为强大的赋能技术，能深刻推动这一转变的实现。在疾病预防与健康促进环节，AI发挥着先锋作用。通过分析可穿戴设备、智能家居等产生的个人健康数据，结合环境、遗传等信息，AI可以进行个性化的健康风险评估，预测慢性病（如糖尿病、高血压）发病风险，并推送定制化的饮食、运动干预方案。在公共卫生层面，AI能分析多源大数据，预测传染