1. "Портреты" болезней в интеллектуальной системе поддержки принятия врачебных решений могут быть построены на основе минимума признаков
1) исключительно по данным лабораторного обследования;
2) обнаруживаемых при первичном осмотре;
3) относящихся к основным диагностическим критериям и сопровождающимся весовыми коэффициентами;
4) состоящих из различных симптомокомплексов, встречающихся в практике.
2. "Прозрачность" интеллектуальной системы поддержки принятия врачебных решений (ИСППВР) для пользователя определяется
1) возможностью получения ответов ИСППВР в процессе решения задачи;
2) диалогом с ИСППВР на естественном языке;
3) информацией о содержании всей базы знаний системы;
4) получением объяснения предлагаемой окончательной гипотезы.
3. Алгоритмы машинного обучения позволяют
1) анализировать течение болезни;
2) выбирать одно из решений;
3) выявлять неизвестные данные;
4) обнаруживать неявные связи между признаками.
4. Аргументация интеллектуальной системы поддержки принятия врачебных решений в принятии решения основана
1) на использовании признаков "за", подтверждающих гипотезу, при учете признаков "против";
2) на любом порядке рассмотрения признаков;
3) на необходимости максимально большого объема информации о состоянии пациента;
4) на учете степени "важности" аргументов.
5. Взаимодействие электронной медицинской карты (ЭМК) и интеллектуальной системы поддержки принятия врачебных решений (ИСППВР)
1) автоматическая запись решения ИСППВР в ЭМК и объяснение по запросу врача;
2) автоматический обмен данными без объяснений;
3) автоматический поиск необходимых данных в ЭМК после запроса врача к ИСППВР;
4) в режиме диалога.
6. Выдвижение и обоснование гипотезы интеллектуальной системы поддержки принятия врачебных решений предполагает
1) автопроверку выдвигаемых гипотез на основании дополнительной информации;
2) возможность направленного дополнительного опроса врача об определенных симптомах у больного;
3) обязательное наличие всей необходимой информации о состоянии пациента при первичном вводе данных;
4) однозначность предлагаемого решения;
5) указание критериев диагностической эффективности дополнительных исследований и их выполнимости с учетом состояния больного.
7. Диагностический процесс в интеллектуальной системе поддержки принятия врачебных решений включает
1) анализ острых заболеваний в анамнезе;
2) анализ социального статуса пациента;
3) выдвижение предварительной диагностической гипотезы;
4) обоснование окончательной гипотезы диагноза;
5) построение дифференциального ряда на основе дополнительных гипотез.
8. Динамические интеллектуальные системы оперативно предупреждают
1) о возможности быстрого развития осложнений патологического процесса;
2) о возникновении угрожающих отклонений в состоянии пациента;
3) о риске смерти больного;
4) об ошибках в лечении.
9. Интеллектуальная система поддержки принятия врачебных решений включает
1) базу данных больных;
2) базу знаний для поддержки принятия врачебных решений;
3) блок объяснения предложенных гипотез принятия решений;
4) блок статистической обработки данных.
10. Интеллектуальная система поддержки принятия врачебных решений для диагностики наследственных болезней может обеспечить
1) диагностику по аналогичным описаниям болезни в собственном архиве системы;
2) дифференциальную диагностику на долабораторном этапе;
3) получение родословной;
4) результаты лабораторной диагностики.
11. Интеллектуальная система поддержки принятия врачебных решений для ЭЭГ-экспертизы позволяет
1) осуществить дифференциальную диагностику;
2) представить ЭЭГ в виде структурных блоков, связанных с определенными системами мозга;
3) сопоставить ЭЭГ с данными нейропсихологического тестирования и неврологического обследования;
4) формировать заключение специалиста.
12. Интеллектуальная система поддержки принятия врачебных решений для диагностики бессимптомного течения заболеваний (с синдромом гематурии у детей)
1) на основе различных показателей;
2) на основе только лабораторных показателей;
3) при случайном выявлении гематурии в отсутствии клинических проявлений;
4) с использованием клинико-лабораторных и инструментальных признаков.
13. Интеллектуальная система поддержки принятия врачебных решений использует для подтверждения решения
1) вычислительные методы;
2) дифференцирующие признаки как необходимые условия эффективного решения;
3) обязательное наличие всех диагностически или прогностически наиболее важных признаков;
4) оценки правдоподобия гипотез.
14. Интеллектуальная система поддержки принятия врачебных решений может способствовать выявлению коморбидности
1) наличие нечетко выраженных признаков болезни;
2) обнаружить несоответствие в клинико-лабораторных показателях;
3) обнаружить симптомы нехарактерные для диагностируемой патологии;
4) определить у пациента симптомы, этиопатогенетически не связанные с гипотезой об основном диагнозе.
15. Интеллектуальная система поддержки принятия врачебных решений обеспечивают
1) автоматизацию лечебно-диагностического процесса;
2) диагностику атипичных вариантов и стадий заболеваний;
3) работу врача в медицинской информационной системе;
4) учет связи признаков.
16. Интеллектуальная система поддержки принятия врачебных решений помогает в выявлении
1) атипичных форм заболеваний;
2) жалоб больного;
3) ошибок в заключениях при проведении исследований;
4) редких болезней.
17. Интеллектуальная система поддержки принятия врачебных решений принимает решения с помощью
1) запроса у врача дополнительных сведений о признаках у больного;
2) исследования частоты различных болезней;
3) описания болезни в книгах;
4) проверки возможных гипотез в базе знаний.
18. Интеллектуальная система поддержки решений врача является
1) ассистентом в принятии решений;
2) программой, основанной на медицинских знаниях;
3) электронной записной книжкой;
4) электронной книгой;
5) электронным консультантом.
19. Интеллектуальные клинические системы основаны
1) на данных большого объема историй болезни;
2) на данных о методах лечения за многие десятилетия;
3) на данных статистики;
4) на знаниях медицинской литературы.
20. Искусственный интеллект означает
1) выявление неизвестных закономерностей;
2) имитацию мыслительной деятельности человека;
3) искусственный разум;
4) моделирование человеческих знаний.
21. Компьютерное зрение помогает в анализе различных медицинских изображений
1) в анализе ЭКГ;
2) в выявлении на изображениях диагностически значимых элементов;
3) в оценке цветопередачи при видеоконсультации;
4) в процессе лапароскопических операций.
22. Машинное обучение
1) базируется на извлечении знаний из данных;
2) базируется на обработке больших данных;
3) базируется на принятии решений на основе анализа любых имеющихся данных;
4) использует известные знания;
5) использует примеры.
23. Машинное обучение
1) может извлекать дополнительную информацию о неизвестных связях признаков;
2) может обучаться классифицировать новые случаи самостоятельно;
3) неспособно к самостоятельному анализу данных;
4) нуждается в обучении;
5) способно дообучаться;
6) способно обучаться на малых данных.
24. Машинное обучение
1) относится предвзято к группам "меньшинства" (группам с малым числом наблюдений);
2) ошибается при несопоставимости групп по количеству наблюдений;
3) эффективно вне зависимости от объема наблюдений в сравниваемых группах;
4) эффективно при различном количестве данных (наблюдений) в сравниваемых группах.
25. Метод "маски" в интеллектуальной системе поддержки принятия врачебных решений позволяет
1) выявлять признаки у больного, не относящиеся к диагностированному заболеванию;
2) обнаруживать болезни, скрывающиеся под чужими масками;
3) определять признаки болезни, не отмеченные врачом или отсутствующие у больного;
4) предполагать наличие других болезней в анамнезе.
26. На невозможность определенных болезней указывают
1) антисимптомы;
2) другие заболевания;
3) половозрастные характеристики;
4) проведенная вакцинация.
27. Неопределенность в клинической медицине
1) в неточности определения внешних характеристик, например, форм носа;
2) встречается при долабораторном отличии гриппа от ОРВИ;
3) недоопределенность изображений, связанная с разрешающей способностью аппаратуры;
4) неопределенность эпидемической ситуации.
28. Неопределенность в процессах принятия решений может иметь причиной
1) невозможность точного учета реакции организма пациента на выбранное лечение при имеющихся результатах обследования;
2) недостаточную информированность;
3) неполноту научных знаний по проблеме;
4) неполноценное обследование больного.
29. Неопределенность оценок в клинической картине определяется
1) высоким сходством клинической картины отдельных болезней;
2) проявлением одних болезней под масками других болезней;
3) субъективной оценкой врачей, в особенности с разным опытом;
4) трудностью характеристики переходных проявлений отдельных признаков.
30. Области применения интеллектуальной системы поддержки принятия врачебных решений
1) ведение медицинских электронных карт;
2) выбор лечебной тактики;
3) идентификация болезней;
4) медицинская статистика.
31. Области функционирования интеллектуальной системы поддержки принятия врачебных решений
1) диагностика в широком круге заболеваний, включая стертую клиническую картину или ранние проявления патологии;
2) динамика клинических изменений;
3) идентификация редко встречающихся заболеваний;
4) обследование пациента;
5) получение субстрата от больного.
32. Основные модули динамических интеллектуальных систем обеспечивают
1) прогноз отдаленных последствий болезни;
2) своевременное ведение записей об изменении в состоянии больных;
3) формирование сигнала тревоги при критических значениях контролируемых параметров;
4) экстренное обнаружения критических значений мониторируемых показателей;
5) экстренные рекомендации по коррекции лечения.
33. Отражение мнения врача в интеллектуальной системе поддержки принятия врачебных решений при новом случае
1) в выборе возможных дополнительных методов исследований;
2) в отношении разной роли признаков, характеризующих состояние больного;
3) о таргетной терапии;
4) об ответе пациента на лечебную тактику.
34. Поддержка врача при работе с интеллектуальной системой поддержки принятия врачебных решений (ИСППВР) из системы электронной медицинской карты
1) запрос к ИСППВР и ввод первичных данных пациента;
2) отсутствие диалога;
3) отсутствие необходимости первичного ввода данных пациента, но при ответе на дополнительные вопросы;
4) получение консультации от различных ИСППВР, расположенных в центре обработке данных с возможностью диалога и объяснения.
35. Поиск сходных клинических ситуаций применяется
1) в диагностических целях;
2) в научных целях;
3) для подбора оптимальной терапии;
4) для подтверждения появления новых видов заболеваний.
36. При создании интеллектуальной системы поддержки принятия врачебных решений необходимо учитывать
1) компьютерную грамотность пользователя;
2) место оказания помощи;
3) предшествующий опыт работы с компьютерными системами;
4) применение в плановой или экстренной ситуации;
5) специальность врача.
37. Процесс генерации диагностических гипотез в интеллектуальной системе поддержки принятия врачебных решений позволяет
1) контролировать работу системы;
2) наблюдать за ходом работы системы;
3) понять ход "рассуждений" системы;
4) следить за ходом выдвижения промежуточных гипотез.
38. Процесс от первичной гипотезы к окончательному диагнозу в интеллектуальной системе поддержки принятия врачебных решений опирается на
1) анализ аргументов за и против каждой диагностической гипотезы;
2) анализ клинических проявлений в сочетании со специальными исследованиями;
3) данные функциональных исследований;
4) подтверждающие симптомы при исключении из рассмотрения признаков, отвечающих клинической картине выдвинутой гипотезы.
39. Решение интеллектуальной системы поддержки принятия врачебных решений о диагнозе в условиях дефицита времени осуществляется
1) на основе проверки предполагаемого врачом диагноза;
2) по ограниченному числу признаков, подтверждающих или отвергающих диагноз врача;
3) с использованием мониторирующих датчиков;
4) с обязательной информацией об облигатных признаках.
40. Риски применения машинного обучения
1) влияние преобладания людей какого-либо пола не имеет значения;
2) гендерные различия сравниваемых (классифицируемых) групп необходимо учитывать при формировании обучающей выборки;
3) объем классифицируемых групп не имеет значения;
4) предвзятость решений при дисбалансе количества объектов в сравниваемых классах.
41. Система искусственного интеллекта представляет
1) замену врача умным компьютером;
2) модель интеллектуальной деятельности специалиста;
3) модель проблемной области;
4) суперкомпьютер.
42. Система формирует решения в реальном времени, используя
1) данные мониторинга для построения графических портретов состояния физиологических систем;
2) математическую модель и базу знаний;
3) только обработку данных с мониторирующих систем;
4) элементарную систему последовательных вычислений.
43. Системы, основанные на прецедентах, принимают решение
1) в связи с частотой встречаемости заболевания;
2) по аналогии со случаями с подобной клинической картиной;
3) по отдельным похожим признакам;
4) по сходству с подобным описанием заболевания.
44. Специфика интеллектуальной системы поддержки принятия врачебных решений для диагностики отравлений состоит
1) в возможности выявления отравления вследствие приема одновременно двух препаратов;
2) в необходимости прогноза летального исхода;
3) в определении времени отравления;
4) в получении гипотезы, которой соответствует наибольшее число подтверждающих факторов.
45. Специфика нечеткой информации
1) лингвистические шкалы для оценки переходных состояний;
2) невозможность определить порядок следования признаков;
3) нечеткость переходов из одного состояния в другое;
4) отсутствие границы перехода из одного качества в другое;
5) проявляется при переходе через определенные границы (цифровые значения);
6) расплывчатость лингвистических переходов цвета.
46. Специфика нечеткой клинической информации
1) анамнез и жалобы больного;
2) оценка звуков при перкуссии и фонендоскопии;
3) температура тела больного, зависящая от иммунитета и нозологической формы;
4) характер бредовых проявлений в психиатрии.
47. Типовые функции интеллектуальной системы поддержки принятия врачебных решений включают
1) диалоговый режим общения с врачом;
2) общие принципы диагностики;
3) персонифицированные рекомендации лечебно-диагностического плана;
4) принципы хирургического лечения заболеваний;
5) рекомендации по обследованию больных для уточнения предполагаемого диагноза.
48. Формирование плана обследования пациента с помощью интеллектуальной системы поддержки принятия врачебных решений позволяет
1) выбрать безопасные для пациента исследования;
2) выбрать оптимальный вариант обследования больного;
3) определить порядок исследований;
4) отказаться от некоторых исследований.
49. Экспертные системы используют
1) данные экспертизы временной нетрудоспособности;
2) знания врачей-экспертов;
3) опыт врачей высокой квалификации;
4) результаты медико-социальной экспертизы.
50. Эффективность интеллектуальной системы поддержки принятия врачебных решений заключается
1) в диагностике редких болезней;
2) в переходе на новый этап цифровизации здравоохранения;
3) в получении оптимальных решений при недостаточно полноценной информации о больном;
4) в расширении доступа к электронным ресурсам;
5) в экономии времени на диагностику, прогноз и подбор лечения.