Ответы к тестам НМО: «Задачи обработки естественного языка в медицине»

1. В чем заключалось ключевое ограничение моделей типа word2vec, которое преодолела модель ELMo?

1) назначение каждому слову одного вектора независимо от контекста; +
2) неспособность работать с большими словарями;
3) неумение обрабатывать последовательности;
4) низкая скорость обучения.

2. Верные утверждения о векторных представлениях слов включают в себя

1) ELMo генерирует статические векторы, не зависящие от контекста;
2) One-Hot Encoding учитывает семантическую близость слов;
3) Модели word2vec создают эмбеддинги, где семантически близкие слова имеют близкие векторы; +
4) Тексты из обучающей выборки нельзя разбивать на токены.

3. К верным утверждениям о задачах обработки естественного языка в медицине относится

1) их основной задачей является проведение хирургических операций;
2) они могут выступать в роли чат-ботов для поддержки пациентов и медицинского персонала в решении медицинских вопросов;
3) они могут использоваться для определения намерений пациента, например, запроса на лечение или назначение лекарств;
4) они полностью заменяют врача в постановке диагноза.

4. Как называется метод векторного представления слов, при котором каждому слову ставится в соответствие вектор, где только одна позиция равна 1, а остальные 0?

1) ELMo;
2) One-Hot Encoding; +
3) TF-IDF;
4) Word2Vec.

5. Какая база данных является самой популярной медицинской базой знаний с более чем 36 млн. статей?

1) Archiv.org;
2) ClinVar;
3) PubChem Compound;
4) PubMed. +

6. Какая из моделей предсказывает контекст по его центральному слову?

1) CBOW (Continuous Bag of Words);
2) CNN;
3) Skip-gram; +
4) Word2vec.

7. Какая из моделей предсказывает центральное слово по его контексту?

1) BERT;
2) CBOW (Continuous Bag of Words); +
3) RNN;
4) Skip-gram.

8. Какая из перечисленных задач обработки естественного языка отвечает за определение эмоционального состояния пациентов и медицинского персонала?

1) анализ тональности медицинских текстов; +
2) классификация документов по диагнозу;
3) машинный перевод научных статей;
4) распознавание медицинских терминов.

9. Какие архитектуры совершили прорыв в обработке естественного языка в медицине?

1) деревья решений;
2) рекуррентные нейронные сети;
3) сверточные нейронные сети;
4) трансформеры и большие языковые модели. +

10. Какие из перечисленных этапов входят в процесс выделения именованных сущностей?

1) буферизация;
2) обработка текста;
3) сегментация;
4) токенизация.

11. Какой принцип лежит в основе современных методов создания векторных представлений слов, таких как word2vec?

1) принцип дистрибутивной семантики (наибольшей близости); +
2) принцип наибольшего правдоподобия;
3) принцип наименьших квадратов;
4) принцип неопределенности.

12. Какой стандарт регламентирует процесс подготовки систематического обзора в медицине?

1) GDPR;
2) HIPAA;
3) ISO;
4) PRISMA. +

13. Какой этап подготовки систематического обзора следует после «Выявления публикаций»?

1) исключение дубликатов; +
2) полнотекстовый отбор;
3) предварительный отбор по заголовкам и аннотациям;
4) финальный отбор.

14. Какую архитектуру использовала модель ELMo для создания контекстно-зависимых эмбеддингов?

1) многослойную LSTM; +
2) полносвязную нейронную сеть;
3) сверточную нейронную сеть;
4) трансформер.

15. Какую серьезную проблему рекуррентной нейронной сети (RNN) помогла решить архитектура LSTM?

1) проблему затухания сигнала;
2) проблему исчезающих градиентов; +
3) проблему локальных минимумов;
4) проблему переобучения.

16. Метаанализ находится на вершине иерархии доказательной медицины, потому что он

1) всегда использует данные исследований на животных;
2) обобщает результаты множества высококачественных исследований; +
3) основан на мнении самых авторитетных экспертов;
4) самый быстрый в подготовке.

17. Модель YandexGPT в представленной системе EBM.Sechenov.AI использовалась в связке с

1) алгоритмом шифрования;
2) методом RAG (Retrieval-Augmented Generation); +
3) механизмом виртуальной реальности;
4) системой голосового ввода.

18. Одной из задач обработки естественного языка для поддержки пациентов и медицинского персонала в решении медицинских вопросов является

1) база данных медицинских изображений;
2) программа для расшифровки ЭКГ;
3) система автоматизированной лабораторной диагностики;
4) создание медицинских чат-ботов. +

19. Основное преимущество рекуррентных нейронных сетей (RNN) перед полносвязными сетями заключается в

1) более быстром времени обучения;
2) более простой архитектуре;
3) отсутствии необходимости в больших объемах данных;
4) способности обрабатывать последовательности произвольной длины, сохраняя историческую информацию. +

20. Практический анализ литературы по терапии стволовыми клетками при ишемической болезни сердца позволяет решить следующие задачи

1) автоматическое извлечение ключевых терминов; +
2) визуализация сходств между публикациями; +
3) кластеризация статей по тематике; +
4) проведение лабораторных экспериментов со стволовыми клетками.

21. Расставьте типы медицинских исследований в порядке убывания их доказательной ценности (от наиболее ценного к наименее ценному): 1. Мнения экспертов; 2. Рандомизированные контролируемые исследования (РКИ); 3. Метаанализы; 4. Когортные исследования

1) 1, 4, 2, 3;
2) 2, 3, 1, 4;
3) 3, 2, 4, 1; +
4) 4, 3, 2, 1.

22. Целью модели Skip-gram является

1) классификация текстов по категориям;
2) максимизация вероятности контекстных слов при данном центральном слове; +
3) предсказание центрального слова по контексту;
4) сжатие текстовых данных.

23. Что из перечисленного входит в типовую структуру клинических рекомендаций?

1) данные диагностики;
2) данные лечения;
3) информация по профилактике и диспансерному наблюдению;
4) личные дневники пациентов.

24. Что такое RAG (Retrieval-Augmented Generation) в контексте интеллектуальной обработки биомедицинских текстов?

1) алгоритм шифрования медицинских данных;
2) метод сжатия данных;
3) протокол для передачи файлов;
4) технология, сочетающая поиск по базе знаний и генерацию ответа с помощью языковой модели. +

25. Что такое Word Embedding?

1) база данных;
2) вещественный вектор в пространстве с фиксированной размерностью; +
3) название ИИ-модели.