1. Для чего используется генетическая информация пациентов в системах ИИ?
1) для прогнозирования рисков заболеваний, подбора индивидуальных методов лечения, разработки персонализированной медицины;
2) для тестирования точности изображений;
3) только для создания базы пациентов;
4) только для статистических исследований.
2. Для чего используется ГОСТ 19.402-78 при создании автоматизированных систем?
1) для мониторинга работы носимых устройств;
2) для описания программы и регламентирования разработки АС;
3) для сбора медицинских данных;
4) для тестирования модели ИИ.
3. Для чего используется обучающая выборка при работе с ИИ-моделью?
1) для мониторинга производительности модели;
2) для окончательной проверки модели перед внедрением;
3) для оценки качества модели после обучения;
4) для тренировки модели.
4. Для чего используются публичные базы данных в обучении ИИ?
1) для предоставления доступа к научной литературе, генетическим данным и другим медицинским сведениям;
2) для сбора данных о социальных сетях;
3) для создания пользовательского интерфейса;
4) только для мониторинга работы биосенсоров.
5. Для чего нужна контрольная выборка?
1) для обезличивания данных;
2) для окончательной проверки модели перед внедрением;
3) для очистки данных;
4) для тренировки модели.
6. Для чего разрабатывается техническое задание на создание АС?
1) для интеграции модели ИИ в инфраструктуру;
2) для мониторинга производительности системы;
3) для сбора данных из биосенсоров;
4) для согласования требований и планирования реализации проекта.
7. Как могут использоваться данные социальных сетей и форумов в системах ИИ?
1) для анализа общественного мнения о здоровье, выявления эпидемий, мониторинга состояния пациентов после выписки;
2) для сбора лабораторных анализов;
3) для хранения генетических данных;
4) только для тестирования точности модели.
8. Какие виды медицинских изображений используются для обучения систем ИИ?
1) рентгенограммы, КТ, МРТ, УЗИ и другие виды визуализации;
2) только микроскопические снимки клеток;
3) только схемы и графики;
4) только фотографии пациентов.
9. Какие данные собирают биосенсоры и носимые устройства?
1) показатели пульса, уровня кислорода в крови, физической активности и даже настроения;
2) только генетические данные;
3) только медицинские изображения;
4) только результаты лабораторных анализов.
10. Какие действия выполняются на этапе сбора и подготовки данных для системы ИИ?
1) выбирается алгоритм машинного обучения;
2) обучается модель;
3) определяются цели и задачи проекта;
4) сбор данных из различных источников, очистка от ошибок и пропусков, преобразование в подходящий формат, разделение на обучающую, тестовую и контрольную выборки.
11. Какие источники данных могут использоваться для обучения медицинской системы ИИ?
1) ручные заметки врачей без проверки;
2) случайные интернет-данные;
3) только текстовые описания пациентов;
4) электронные медицинские карты, изображения, генетические данные.
12. Какие методы предобработки данных применяются перед использованием в анализе?
1) нормализация и стандартизация;
2) обезличивание и аннотирование;
3) оптимизация гиперпараметров;
4) сбор данных и мониторинг.
13. Какие основные задачи включает очистка данных?
1) аннотирование изображений и текстов;
2) мониторинг производительности модели;
3) сбор новых данных;
4) удаление дубликатов, исправление ошибок ввода, заполнение пропущенных значений, нормализация данных.
14. Какие сведения содержат истории болезней и клинические аннотации?
1) симптомы, лечение, прогресс заболевания, отчеты врачей и медсестер;
2) только генетическую информацию;
3) только данные лабораторных анализов;
4) только медицинские изображения.
15. Какова роль тестовой выборки в обучении модели ИИ?
1) аннотирование данных;
2) оценка качества модели после ее обучения;
3) тренировка модели;
4) удаление ошибок в данных.
16. На каком этапе готовая модель интегрируется в инфраструктуру компании или внедряется как сервис?
1) интеграция и развертывание;
2) мониторинг и поддержка;
3) оптимизация и дообучение;
4) оценка и тестирование.
17. Почему данные делят на обучающую, тестовую и контрольную выборки?
1) чтобы модель училась на одной части данных и проверялась на другой для оценки качества;
2) чтобы сразу настроить алгоритм без ошибок;
3) чтобы удалить все аномальные данные;
4) чтобы ускорить обучение модели.
18. Почему очистка данных критически важна в медицине?
1) чтобы данные были точными и надежными для принятия решений о здоровье людей;
2) чтобы снизить вычислительные затраты;
3) чтобы создать пользовательский интерфейс;
4) чтобы ускорить обучение модели.
19. Что включает в себя оптимизация и дообучение модели ИИ?
1) интеграция модели с другими системами;
2) разработка пользовательского интерфейса;
3) тестирование модели на контрольных данных;
4) улучшение производительности модели путем изменения гиперпараметров, добавления новых данных или повторного обучения на новых данных.
20. Что включает в себя процесс обучения модели ИИ?
1) выбор алгоритма и архитектуры модели;
2) определение целей и задач проекта;
3) подача входных данных и настройка параметров модели для правильного предсказания выходных значений;
4) сбор и подготовка данных.
21. Что необходимо делать на этапе мониторинга и поддержки системы ИИ?
1) выбирать алгоритм и архитектуру модели;
2) определять цели и задачи проекта;
3) отслеживать производительность модели, обновлять данные, проводить ретренинг при необходимости, обеспечивать техническую поддержку пользователей;
4) собирать и готовить данные для обучения.
22. Что происходит на этапе определения задачи и целей проекта в разработке системы ИИ?
1) выбирается алгоритм и архитектура модели;
2) определяются конкретные цели и задачи, формулируется проблема и ожидаемые результаты;
3) происходит обучение модели;
4) собираются и подготавливаются данные.
23. Что происходит на этапе оценки и тестирования модели ИИ?
1) модель интегрируется в существующую инфраструктуру;
2) модель оптимизируется путем изменения гиперпараметров;
3) модель проверяется на тестовых данных для оценки точности и надежности, при необходимости проводится настройка или изменение архитектуры;
4) производится мониторинг и поддержка системы.
24. Что такое аннотирование данных в контексте ИИ?
1) добавление меток к данным для их понимания и анализа;
2) интеграция модели в инфраструктуру;
3) оптимизация гиперпараметров модели;
4) удаление аномалий из данных.
25. Что такое обезличивание (деидентификация) медицинских данных?
1) аннотирование данных;
2) оптимизация модели;
3) сбор данных из различных источников;
4) удаление всех идентифицирующих признаков пациентов при сохранении достаточной информации для анализа.