2026年人工智能在医疗中的应用培训考试题及答案

2026年人工智能在医疗中的应用培训考试题及答案一、单项选择题（每题2分，共40分）1.以下哪项不属于人工智能在医疗中的主要应用方向？A.医学影像辅助诊断B.智能导诊与分诊C.医院财务会计电算化D.药物研发辅助2.在监督学习中，用于训练模型并带有标签的数据集通常称为：A.测试集B.训练集C.验证集D.无标签集3.医学影像辅助诊断中，常用于图像分割任务的深度学习网络是：A.U-NetB.LeNetC.AlexNetD.VGGNet4.关于医疗人工智能产品临床应用的下列说法，正确的是：A.只要算法准确率高即可直接临床使用B.必须经过充分的临床评价与注册审批C.无需伦理审查D.上市后无需持续监测5.我国关于医疗健康数据保护最重要的基础性法律是：A.《网络安全法》B.《个人信息保护法》C.《药品管理法》D.《执业医师法》6.在糖尿病视网膜病变AI辅助分级中，常用的标签来源是：A.设备型号B.患者年龄C.眼科专家标注的分级D.图像拍摄时间7.关于“过拟合”现象，描述正确的是：A.模型在训练集和测试集表现均差B.模型在训练集表现好，但在测试集表现差C.模型在训练集表现差，但测试集表现好D.模型无法收敛8.以下哪项最适合作为人工智能在电子病历处理中的自然语言处理任务？A.病灶分割B.影像增强C.病历信息抽取D.心电信号滤波9.关于医疗AI模型多中心外部验证的目的，正确的是：A.提高训练速度B.减少数据标注量C.评估模型在不同机构、设备、人群中的泛化能力D.取代内部验证10.下列哪项不属于人工智能医疗器械监管范畴？A.肺结节CT辅助检测软件B.眼底图像辅助诊断软件C.病理切片辅助分析软件D.医院内部办公自动化系统11.“可解释性”在医疗AI中主要指：A.模型运行速度快B.模型决策结果能够被医生和患者理解C.模型占用存储空间小D.模型训练成本低12.训练医学影像分类模型时，正负样本严重不均衡，最应优先关注的评价指标是：A.总体准确率B.均方误差C.F1值或ROC曲线下面积D.训练时间13.下列哪项属于生成式人工智能在医疗中的潜在应用？A.合成医学影像用于数据扩增B.医保基金自动结算C.医院排班管理D.电子发票打印14.人工智能在药物研发中的典型应用不包括：A.药物靶点发现B.化合物活性预测C.临床试验受试者筛选优化D.药品广告精准投放15.临床决策支持系统（CDSS）的主要作用是：A.完全替代医生进行独立诊断B.为医生提供诊疗建议、预警和决策参考C.自动开具处方D.替代护士执行护理操作16.在医疗数据用于人工智能模型训练前，下列说法正确的是：A.可直接使用含患者身份的信息B.应进行去标识化或匿名化处理，并完成伦理审查与知情同意C.无需任何审批手续D.数据越多越不需要脱敏17.关于联邦学习在医疗人工智能中的应用，最准确的描述是：A.各机构上传原始数据到中心服务器训练B.在数据不出本地的情况下协作训练模型C.只适合处理结构化数据D.能够完全消除隐私风险18.以下关于医学影像DICOM格式的说法，正确的是：A.仅存储图像像素B.包含患者信息、影像数据和传输通信标准C.类似于普通JPEG压缩格式D.只用于CT设备19.医疗人工智能模型在训练过程中，数据标注质量对模型性能的影响是：A.没有影响B.标注质量越高，模型性能通常越好C.只影响训练速度D.只影响模型大小20.关于人工智能在医疗中的应用边界，下列观点正确的是：A.AI可以独立作出所有诊疗决策B.AI主要用于辅助、增强医务人员的判断，最终责任由医生承担C.AI在手术中可以完全替代外科医生D.AI可以替代医患沟通中的全部人文关怀二、多项选择题（每题4分，共20分）1.医疗人工智能模型开发的完整流程通常包括哪些阶段？A.数据采集与标注B.模型训练与超参数调优C.性能验证与临床评价D.上市后不良事件监测2.下列哪些技术属于医疗数据隐私保护的常用方法？A.去标识化B.数据泛化C.差分隐私D.联邦学习3.人工智能在医学影像领域的常见任务包括：A.病灶检测B.器官或病灶分割C.疾病严重程度分级D.影像报告自动生成4.医疗人工智能产品在进入临床应用前，需要满足哪些条件？A.通过算法性能验证B.通过伦理审查C.取得相应医疗器械注册证或备案凭证D.完成充分的临床评价5.下列哪些因素可能导致医疗人工智能模型产生算法偏倚？A.训练数据仅来源于单一地区或单一人群B.不同医生标注标准不一致C.数据中某些年龄段或族裔样本严重不足D.模型网络层数较少三、判断题（每题2分，共20分）1.人工智能诊断系统可以完全替代医生进行最终诊断。2.医学影像AI模型训练时，输入图像分辨率越高，模型性能一定越好。3.使用患者数据进行AI研究，必须获得伦理审查批准和患者的知情同意（或符合法定豁免条件）。4.临床决策支持系统输出的建议仅供医生参考，最终诊疗决策责任由医生承担。5.U-Net是一种常用于医学图像分类的卷积神经网络。6.数据标注质量直接影响监督学习模型的最终性能。7.所有人工智能医疗器械均按第三类医疗器械管理。8.联邦学习可以在不共享原始数据的情况下进行多中心协作训练，有利于隐私保护。9.在医疗AI性能评价中，总体准确率越高，模型在临床上的价值一定越大。10.自然语言处理技术可用于从电子病历文本中自动提取症状、药物、实验室检查等关键信息。四、简答题（每题10分，共20分）1.简述人工智能在医学影像辅助诊断中的主要技术流程。2.列举人工智能在医疗应用中可能面临的伦理与法律风险，并提出至少三条防范措施。参考答案与解析一、单项选择题1.答案：C解析：医院财务会计电算化属于医院信息管理范畴，不属于医疗人工智能核心技术应用方向。2.答案：B3.答案：A解析：U-Net是专为生物医学图像分割设计的卷积网络，LeNet、AlexNet、VGGNet主要用于图像分类。4.答案：B解析：医疗AI产品属于医疗器械或辅助决策工具，须经过伦理审查、临床试验或评价、注册审批及上市后监测。5.答案：B解析：医疗健康数据通常属于敏感个人信息，《个人信息保护法》是基本法律依据。6.答案：C解析：监督学习需要由专业医生按病变分级标准进行标注。7.答案：B解析：过拟合指模型过度学习训练集中噪声或细节，导致泛化能力下降。8.答案：C解析：电子病历属于非结构化文本，信息抽取是典型自然语言处理任务。9.答案：C解析：外部独立测试集用于检验模型跨中心、跨设备、跨人群的泛化性能。10.答案：D解析：办公自动化系统不具有医疗功能，不作为医疗器械管理；A、B、C属于辅助诊断类医疗器械。11.答案：B12.答案：C解析：样本不平衡时总体准确率会失真，应关注灵敏性、特异性、F1、AUC等指标。13.答案：A解析：生成对抗网络等生成式模型可合成影像数据，缓解训练数据不足，但需评估其安全性与有效性。14.答案：D解析：药品广告投放属于商业营销环节，不是药物研发的核心技术环节。15.答案：B解析：CDSS为辅助工具，最终诊疗决策责任仍由医生承担。16.答案：B17.答案：B解析：联邦学习通过交换模型参数而非原始数据实现多中心协作训练，有利于保护隐私，但仍不能完全消除所有隐私风险。18.答案：B19.答案：B20.答案：B二、多项选择题1.答案：ABCD解析：完整开发流程应覆盖从数据获取到上市后持续监测的全部环节，缺一不可，尤其在医疗高风险场景下，必须进行临床评价和持续监测。2.答案：ABCD解析：去标识化和数据泛化通过降低数据标识度保护隐私；差分隐私在数据发布中加入噪声；联邦学习在本地训练模型，避免原始数据共享。3.答案：ABCD解析：病灶检测、分割、分级是影像AI核心任务，影像报告自动生成属于图像到文本的多模态任务，近年来发展迅速。4.答案：ABCD解析：医疗AI产品必须经过技术验证、伦理审查、临床评价及注册审批等环节，才能合法用于临床。5.答案：ABC解析：算法偏倚主要来源于数据分布不均、标注标准差异和代表性不足；模型层数较少可能导致整体性能欠佳，但不直接构成特定群体的偏倚。三、判断题1.答案：错误2.答案：错误解析：分辨率过高会增加计算负担，且可能引入无关噪声，不一定提升性能。3.答案：正确4.答案：正确5.答案：错误解析：U-Net主要用于图像分割，而非分类。6.答案：正确7.答案：错误解析：AI医疗器械根据风险程度分为不同类别，并非全部按第三类管理。8.答案：正确9.答案：错误解析：在常见疾病筛查等场景中，还应关注灵敏性、特异性、AUC及临床实际收益等指标。10.答案：正确四、简答题1.答案：(1)医学影像数据采集与脱敏处理；(2)由专业医生依据标准进行病灶标注、类别标注或分割勾画；(3)数据预处理，包括图像归一化、裁剪、增强等；(4)搭建并训练深度学习模型，如CNN、U-Net等；(5)通过内部验证与外部独立测试集评估模型性能，指标包括灵敏性、特异性、AUC等；(6)经过伦理审查、临床试验或临床评价、注册审批后进行临床部署；(7)上市后开展不良事件监测与持续质量改进。解析：本题考查对影像AI从数据到落地全流程的掌握，重点在于临床评价与注册审批环节不能缺失，同时应强调专业医生标注和模型泛化验证的重要性。2.答案：主要风险包括：(1)患者隐私泄露；(2)算法偏倚导致医疗资源分配不公或诊断偏差；(3)医疗责任归属不清；(4)医生过度依赖AI导致临床能力退化；(5)模型不可解释，影响医患信任