2025年人工智能與健康考試題及參考答案一、單項(xiàng)選擇題（每題2分，共20分）1.以下哪項(xiàng)技術(shù)是當(dāng)前AI醫(yī)學(xué)影像分析中最常用的特征提取方法？A.支持向量機(jī)（SVM）B.卷積神經(jīng)網(wǎng)絡(luò)（CNN）C.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）D.生成對(duì)抗網(wǎng)絡(luò)（GAN）2.在AI輔助診斷系統(tǒng)的性能評(píng)估中，“AUC值”主要反映模型的：A.靈敏度B.特異度C.區(qū)分能力D.校準(zhǔn)度3.以下哪項(xiàng)屬于AI健康管理中的“動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)測模型”核心技術(shù)？A.靜態(tài)決策樹B.馬爾可夫決策過程（MDP）C.邏輯回歸D.主成分分析（PCA）4.FDA（美國食品藥品監(jiān)督管理局）2024年批準(zhǔn)的AI醫(yī)療設(shè)備中，占比最高的應(yīng)用場景是：A.腫瘤早篩B.心電圖分析C.糖尿病視網(wǎng)膜病變?cè)\斷D.皮膚病分類5.可解釋性AI（XAI）在醫(yī)療領(lǐng)域的關(guān)鍵作用是：A.提升模型預(yù)測速度B.降低數(shù)據(jù)標(biāo)注成本C.幫助醫(yī)生理解模型決策邏輯D.減少訓(xùn)練所需計(jì)算資源6.AI藥物研發(fā)中，“分子生成模型”的主要目標(biāo)是：A.預(yù)測藥物與靶點(diǎn)的結(jié)合力B.生成具有特定藥理性質(zhì)的新分子結(jié)構(gòu)C.優(yōu)化臨床試驗(yàn)入組標(biāo)準(zhǔn)D.分析真實(shí)世界用藥數(shù)據(jù)7.以下哪項(xiàng)是AI健康監(jiān)測設(shè)備（如智能手表）數(shù)據(jù)預(yù)處理的關(guān)鍵步驟？A.直接輸入原始傳感器數(shù)據(jù)至模型B.對(duì)噪聲數(shù)據(jù)進(jìn)行平滑濾波與特征提取C.僅保留心率單一指標(biāo)D.忽略用戶運(yùn)動(dòng)狀態(tài)對(duì)數(shù)據(jù)的影響8.在AI輔助手術(shù)導(dǎo)航系統(tǒng)中，核心技術(shù)不包括：A.多模態(tài)影像融合（CT/MRI/超聲）B.實(shí)時(shí)3D重建C.強(qiáng)化學(xué)習(xí)路徑規(guī)劃D.傳統(tǒng)機(jī)械臂控制算法9.以下哪項(xiàng)倫理原則是AI醫(yī)療系統(tǒng)設(shè)計(jì)中“避免算法偏見”的核心依據(jù)？A.尊重自主性（RespectforAutonomy）B.不傷害（Non-maleficence）C.公平性（Justice）D.有益性（Beneficence）10.2024年《中國AI醫(yī)療倫理指南》明確要求，AI診斷系統(tǒng)的“可追溯性”需覆蓋：A.僅模型訓(xùn)練數(shù)據(jù)B.數(shù)據(jù)采集、標(biāo)注、訓(xùn)練、部署全流程C.醫(yī)生使用記錄D.患者治療結(jié)果反饋二、填空題（每空1分，共10分）1.當(dāng)前AI醫(yī)學(xué)影像診斷中，肺結(jié)節(jié)檢測的平均準(zhǔn)確率已超過______（數(shù)值），接近資深放射科醫(yī)生水平。2.全球首個(gè)通過FDA批準(zhǔn)的AI腫瘤病理診斷系統(tǒng)是______（系統(tǒng)名稱），主要用于乳腺癌分型。3.動(dòng)態(tài)健康風(fēng)險(xiǎn)預(yù)測模型的核心是通過______（技術(shù)）實(shí)現(xiàn)對(duì)用戶生理指標(biāo)變化的實(shí)時(shí)響應(yīng)。4.AI藥物研發(fā)中，虛擬篩選技術(shù)可將傳統(tǒng)藥物篩選周期從______（時(shí)間）縮短至數(shù)月。5.可解釋性AI中的“局部解釋方法”典型代表是______（方法名稱），用于解釋單個(gè)樣本的預(yù)測邏輯。6.智能穿戴設(shè)備與AI結(jié)合的健康管理平臺(tái)，其數(shù)據(jù)傳輸需符合______（標(biāo)準(zhǔn)）以保障隱私安全。7.AI輔助診斷系統(tǒng)的“校準(zhǔn)度”是指模型預(yù)測概率與______（實(shí)際結(jié)果）的一致性。8.2024年《歐盟AI醫(yī)療設(shè)備法規(guī)》規(guī)定，高風(fēng)險(xiǎn)AI醫(yī)療設(shè)備需提供______（文件）以證明臨床有效性。9.在AI驅(qū)動(dòng)的精準(zhǔn)用藥系統(tǒng)中，______（組學(xué)技術(shù)）數(shù)據(jù)是個(gè)性化劑量計(jì)算的關(guān)鍵輸入。10.AI健康咨詢機(jī)器人的“意圖識(shí)別”模塊主要依賴______（技術(shù)）實(shí)現(xiàn)自然語言理解。三、簡答題（每題8分，共40分）1.簡述AI在醫(yī)學(xué)影像分析中的核心優(yōu)勢(shì)，并舉例說明其在臨床中的具體應(yīng)用。2.請(qǐng)說明AI輔助診斷系統(tǒng)的“外部驗(yàn)證”與“臨床驗(yàn)證”的區(qū)別及各自意義。3.為什么動(dòng)態(tài)健康管理模型需要結(jié)合“個(gè)體特征”與“群體規(guī)律”？請(qǐng)從數(shù)據(jù)驅(qū)動(dòng)的角度解釋。4.AI藥物研發(fā)中，“生成式AI”與“虛擬篩選”技術(shù)如何協(xié)同提升新藥發(fā)現(xiàn)效率？5.列舉AI醫(yī)療倫理中的三大核心挑戰(zhàn)，并說明其對(duì)臨床應(yīng)用的潛在影響。四、案例分析題（每題15分，共30分）案例1：肺結(jié)節(jié)AI診斷系統(tǒng)的臨床應(yīng)用某醫(yī)院引入一款基于深度學(xué)習(xí)的肺結(jié)節(jié)AI診斷系統(tǒng)，宣稱對(duì)直徑≥5mm的結(jié)節(jié)檢測靈敏度達(dá)98%，特異度95%。系統(tǒng)通過分析胸部CT影像，自動(dòng)標(biāo)記結(jié)節(jié)位置并給出惡性概率。但在實(shí)際使用中，醫(yī)生發(fā)現(xiàn)對(duì)磨玻璃結(jié)節(jié)（GGN）的漏診率高于實(shí)性結(jié)節(jié)，且部分病例的惡性概率預(yù)測與病理結(jié)果存在偏差。問題：（1）從技術(shù)角度分析該系統(tǒng)可能存在的缺陷；（2）提出3項(xiàng)優(yōu)化該系統(tǒng)性能的具體措施；（3）說明在推廣前需完成哪些倫理審查以保障患者權(quán)益。案例2：智能穿戴設(shè)備的健康預(yù)警系統(tǒng)某公司開發(fā)了一款智能手環(huán)，通過心率、血壓、睡眠等生理指標(biāo)，結(jié)合AI模型預(yù)測用戶未來30天內(nèi)患心血管疾病的風(fēng)險(xiǎn)。測試數(shù)據(jù)顯示，模型在健康人群中的預(yù)警準(zhǔn)確率為82%，但在已有高血壓病史的用戶中準(zhǔn)確率降至65%。問題：（1）分析模型在不同用戶群體中表現(xiàn)差異的可能原因；（2）提出提升特定人群（如高血壓患者）預(yù)警準(zhǔn)確率的技術(shù)方案；（3）討論該系統(tǒng)在實(shí)際推廣中可能面臨的法律與倫理挑戰(zhàn)。參考答案一、單項(xiàng)選擇題1.B（CNN是醫(yī)學(xué)影像特征提取的核心技術(shù)，因其擅長處理二維/三維空間特征）2.C（AUC值反映模型區(qū)分正例與負(fù)例的整體能力）3.B（MDP用于建模動(dòng)態(tài)狀態(tài)轉(zhuǎn)移，支持個(gè)性化健康干預(yù)決策）4.C（2024年FDA數(shù)據(jù)顯示，糖尿病視網(wǎng)膜病變?cè)\斷類AI設(shè)備占比38%，居首位）5.C（XAI通過可視化或規(guī)則提取，幫助醫(yī)生理解模型為何做出某診斷）6.B（分子生成模型如ChemGPT可生成具有特定理化性質(zhì)的新分子結(jié)構(gòu)）7.B（噪聲濾波與特征提取是智能設(shè)備數(shù)據(jù)預(yù)處理的關(guān)鍵步驟，直接影響模型性能）8.D（AI手術(shù)導(dǎo)航依賴智能算法，傳統(tǒng)機(jī)械臂控制屬于執(zhí)行層技術(shù)）9.C（公平性原則要求算法對(duì)不同種族、性別等群體無歧視）10.B（指南要求全流程可追溯，包括數(shù)據(jù)采集、標(biāo)注、訓(xùn)練、部署各環(huán)節(jié)）二、填空題1.95%（2024年《柳葉刀·數(shù)字健康》研究數(shù)據(jù)）2.PathAIBreast（美國PathAI公司開發(fā)）3.時(shí)序模型（如LSTM或Transformer）4.數(shù)年（傳統(tǒng)篩選需3-5年，AI可縮短至6-18個(gè)月）5.LIME（局部可解釋模型無關(guān)解釋方法）6.HIPAA（美國）或《個(gè)人信息保護(hù)法》（中國）7.實(shí)際發(fā)生概率8.臨床評(píng)價(jià)報(bào)告（ClinicalEvaluationReport,CER）9.藥物基因組學(xué)（PGx）10.自然語言處理（NLP）三、簡答題1.核心優(yōu)勢(shì)：（1）多模態(tài)融合：可同時(shí)分析CT、MRI、超聲等多模態(tài)影像，提升信息維度；（2）定量分析：精確測量結(jié)節(jié)大小、密度、生長速率等傳統(tǒng)人工難以量化的指標(biāo)；（3）效率提升：5分鐘內(nèi)完成全肺CT掃描分析，相當(dāng)于放射科醫(yī)生30分鐘工作量。臨床應(yīng)用：如Google的DeepMind開發(fā)的AI系統(tǒng)，在乳腺癌鉬靶影像中檢測浸潤性乳腺癌的AUC值達(dá)0.94，優(yōu)于放射科醫(yī)生的0.88。2.區(qū)別與意義：-外部驗(yàn)證：使用獨(dú)立于訓(xùn)練集的外部數(shù)據(jù)集（如不同醫(yī)院、設(shè)備采集的影像）測試模型泛化能力，驗(yàn)證模型是否適用于非訓(xùn)練場景；-臨床驗(yàn)證：在真實(shí)臨床環(huán)境中，由醫(yī)生與AI系統(tǒng)共同參與診斷，評(píng)估其對(duì)臨床決策（如活檢、手術(shù)）的實(shí)際影響（如是否減少不必要的有創(chuàng)檢查）。意義：外部驗(yàn)證確保模型“技術(shù)可靠”，臨床驗(yàn)證確保模型“臨床有用”，二者缺一不可。3.原因：（1）個(gè)體特征：如年齡、病史、生活習(xí)慣等，決定了用戶健康風(fēng)險(xiǎn)的獨(dú)特性（如糖尿病患者的心血管風(fēng)險(xiǎn)高于健康人）；（2）群體規(guī)律：通過大規(guī)模人群數(shù)據(jù)訓(xùn)練的模型可捕捉普遍風(fēng)險(xiǎn)因素（如高血壓與中風(fēng)的相關(guān)性）；數(shù)據(jù)驅(qū)動(dòng)角度：動(dòng)態(tài)模型需結(jié)合個(gè)體實(shí)時(shí)數(shù)據(jù)（如連續(xù)血糖監(jiān)測值）與群體統(tǒng)計(jì)規(guī)律（如糖尿病患者的平均并發(fā)癥進(jìn)展速率），才能準(zhǔn)確預(yù)測個(gè)體未來風(fēng)險(xiǎn)并制定個(gè)性化干預(yù)方案。4.協(xié)同機(jī)制：（1）生成式AI（如分子生成模型）可快速生成大量候選分子結(jié)構(gòu)，擴(kuò)展化合物庫；（2）虛擬篩選技術(shù)（如分子對(duì)接、機(jī)器學(xué)習(xí)評(píng)分）對(duì)生成的分子進(jìn)行高效篩選，排除毒性高、成藥性差的分子；（3）兩者結(jié)合實(shí)現(xiàn)“生成-篩選-優(yōu)化”閉環(huán)，減少實(shí)驗(yàn)試錯(cuò)成本，例如InsilicoMedicine的AI平臺(tái)通過該路徑，將紅斑狼瘡新藥發(fā)現(xiàn)周期縮短至18個(gè)月（傳統(tǒng)需5-7年）。5.核心挑戰(zhàn)及影響：（1）數(shù)據(jù)隱私：醫(yī)療數(shù)據(jù)包含敏感信息，若AI系統(tǒng)數(shù)據(jù)泄露可能導(dǎo)致患者隱私侵犯（如遺傳疾病信息被濫用）；（2）算法偏見：訓(xùn)練數(shù)據(jù)若缺乏多樣性（如少種族人群數(shù)據(jù)不足），可能導(dǎo)致模型對(duì)特定群體診斷準(zhǔn)確率低下（如非裔美國人的心臟病漏診率升高）；（3）責(zé)任界定：AI診斷錯(cuò)誤時(shí)，責(zé)任歸屬不明確（醫(yī)生、開發(fā)者、醫(yī)院或患者），可能阻礙臨床推廣。四、案例分析題案例1（1）技術(shù)缺陷：-訓(xùn)練數(shù)據(jù)偏差：磨玻璃結(jié)節(jié)（GGN）在訓(xùn)練集中占比低，模型對(duì)其特征學(xué)習(xí)不足；-特征提取不充分：GGN與實(shí)性結(jié)節(jié)的影像特征（如密度、邊緣清晰度）差異大，模型未針對(duì)性優(yōu)化；-校準(zhǔn)度不足：惡性概率預(yù)測未根據(jù)GGN的病理特點(diǎn)（如生長緩慢、惡性轉(zhuǎn)化率低）調(diào)整概率閾值。（2）優(yōu)化措施：-數(shù)據(jù)增強(qiáng)：增加GGN樣本比例，通過GAN生成合成GGN影像擴(kuò)充數(shù)據(jù)集；-模型改進(jìn)：采用多任務(wù)學(xué)習(xí)，同時(shí)訓(xùn)練結(jié)節(jié)檢測與類型分類（實(shí)性/GGN）子模型；-校準(zhǔn)調(diào)整：針對(duì)GGN單獨(dú)校準(zhǔn)概率閾值（如將默認(rèn)0.5調(diào)整為0.6），降低漏診率。（3）倫理審查內(nèi)容：-數(shù)據(jù)隱私：確保CT影像采集前獲得患者知情同意，數(shù)據(jù)匿名化處理符合《個(gè)人信息保護(hù)法》；-算法公平性：驗(yàn)證模型對(duì)不同性別、年齡、設(shè)備（如不同CT機(jī)）的GGN檢測性能無顯著差異；-責(zé)任告知：明確系統(tǒng)為“輔助工具”，最終診斷由醫(yī)生負(fù)責(zé)，避免患者過度依賴AI結(jié)果。案例2（1）表現(xiàn)差異原因：-數(shù)據(jù)分布不均：訓(xùn)練集中高血壓患者樣本量少（或病情嚴(yán)重程度分布單一），模型未充分學(xué)習(xí)該群體的特征模式；-特征工程不足：高血壓患者的心血管風(fēng)險(xiǎn)與血壓波動(dòng)幅度、用藥依從性等強(qiáng)相關(guān)，但手環(huán)僅采集靜態(tài)血壓值，未納入動(dòng)態(tài)變化特征；-模型泛化性差：健康人群與高血壓患者的生理指標(biāo)與風(fēng)險(xiǎn)關(guān)聯(lián)機(jī)制不同（如健康人高心率可能因運(yùn)動(dòng)，高血壓患者高心率可能提示心衰），模型未針對(duì)性優(yōu)化。（2）技術(shù)方案：-分層建模：為高血壓患者單獨(dú)訓(xùn)練子模型，輸入特征增加血壓波動(dòng)標(biāo)準(zhǔn)差、夜間血壓下降率等動(dòng)態(tài)指標(biāo)；-遷移學(xué)習(xí)：利用高血壓患者的電子病歷數(shù)據(jù)（如用藥記錄、并發(fā)癥史）作為輔助信息，通過遷移學(xué)習(xí)優(yōu)化基礎(chǔ)模型；-實(shí)時(shí)校準(zhǔn)：結(jié)合用戶近期血壓控制情況（如近7天平均血壓）動(dòng)態(tài)調(diào)整風(fēng)險(xiǎn)預(yù)測權(quán)重，提升時(shí)效性。