Ответы к тестам НМО: «Создание систем искусственного интеллекта. Взаимодействие с разработчиками»

1. Для чего используется генетическая информация пациентов в системах ИИ?

1) для тестирования точности изображений;
2) только для создания базы пациентов;
3) только для статистических исследований;
4) для прогнозирования рисков заболеваний, подбора индивидуальных методов лечения, разработки персонализированной медицины. +

2. Для чего используется ГОСТ 19.402-78 при создании автоматизированных систем?

1) для тестирования модели ИИ;
2) для описания программы и регламентирования разработки АС; +
3) для сбора медицинских данных;
4) для мониторинга работы носимых устройств.

3. Для чего используется обучающая выборка при работе с ИИ-моделью?

1) для окончательной проверки модели перед внедрением;
2) для оценки качества модели после обучения;
3) для тренировки модели; +
4) для мониторинга производительности 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 тренировки модели;
2) для окончательной проверки модели перед внедрением; +
3) для обезличивания данных;
4) для очистки данных.

6. Для чего разрабатывается техническое задание на создание АС?

1) для согласования требований и планирования реализации проекта; +
2) для сбора данных из биосенсоров;
3) для интеграции модели ИИ в инфраструктуру;
4) для мониторинга производительности системы.

7. Как могут использоваться данные социальных сетей и форумов в системах ИИ?

1) только для тестирования точности модели;
2) для хранения генетических данных;
3) для сбора лабораторных анализов;
4) для анализа общественного мнения о здоровье, выявления эпидемий, мониторинга состояния пациентов после выписки. +

8. Какие виды медицинских изображений используются для обучения систем ИИ?

1) рентгенограммы, КТ, МРТ, УЗИ и другие виды визуализации; +
2) только фотографии пациентов;
3) только схемы и графики;
4) только микроскопические снимки клеток.

9. Какие данные собирают биосенсоры и носимые устройства?

1) только медицинские изображения;
2) только результаты лабораторных анализов;
3) только генетические данные;
4) показатели пульса, уровня кислорода в крови, физической активности и даже настроения. +

10. Какие действия выполняются на этапе сбора и подготовки данных для системы ИИ?

1) определяются цели и задачи проекта;
2) обучается модель;
3) сбор данных из различных источников, очистка от ошибок и пропусков, преобразование в подходящий формат, разделение на обучающую, тестовую и контрольную выборки; +
4) выбирается алгоритм машинного обучения.

11. Какие источники данных могут использоваться для обучения медицинской системы ИИ?

1) электронные медицинские карты, изображения, генетические данные; +
2) ручные заметки врачей без проверки;
3) только текстовые описания пациентов;
4) случайные интернет-данные.

12. Какие методы предобработки данных применяются перед использованием в анализе?

1) оптимизация гиперпараметров;
2) нормализация и стандартизация; +
3) обезличивание и аннотирование;
4) сбор данных и мониторинг.

13. Какие основные задачи включает очистка данных?

1) удаление дубликатов, исправление ошибок ввода, заполнение пропущенных значений, нормализация данных; +
2) сбор новых данных;
3) аннотирование изображений и текстов;
4) мониторинг производительности модели.

14. Какие сведения содержат истории болезней и клинические аннотации?

1) симптомы, лечение, прогресс заболевания, отчеты врачей и медсестер; +
2) только медицинские изображения;
3) только данные лабораторных анализов;
4) только генетическую информацию.

15. Какова роль тестовой выборки в обучении модели ИИ?

1) оценка качества модели после ее обучения; +
2) удаление ошибок в данных;
3) аннотирование данных;
4) тренировка модели.

16. На каком этапе готовая модель интегрируется в инфраструктуру компании или внедряется как сервис?

1) оценка и тестирование;
2) интеграция и развертывание; +
3) оптимизация и дообучение;
4) мониторинг и поддержка.

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 ускорить обучение модели;
3) чтобы удалить все аномальные данные;
4) чтобы сразу настроить алгоритм без ошибок.

18. Почему очистка данных критически важна в медицине?

1) чтобы создать пользовательский интерфейс;
2) чтобы ускорить обучение модели;
3) чтобы снизить вычислительные затраты;
4) чтобы данные были точными и надежными для принятия решений о здоровье людей. +

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) подача входных данных и настройка параметров модели для правильного предсказания выходных значений; +
2) определение целей и задач проекта;
3) выбор алгоритма и архитектуры модели;
4) сбор и подготовка данных.

21. Что необходимо делать на этапе мониторинга и поддержки системы ИИ?

1) собирать и готовить данные для обучения;
2) выбирать алгоритм и архитектуру модели;
3) определять цели и задачи проекта;
4) отслеживать производительность модели, обновлять данные, проводить ретренинг при необходимости, обеспечивать техническую поддержку пользователей. +

22. Что происходит на этапе определения задачи и целей проекта в разработке системы ИИ?

1) определяются конкретные цели и задачи, формулируется проблема и ожидаемые результаты; +
2) собираются и подготавливаются данные;
3) происходит обучение модели;
4) выбирается алгоритм и архитектура модели.

23. Что происходит на этапе оценки и тестирования модели ИИ?

1) модель оптимизируется путем изменения гиперпараметров;
2) модель интегрируется в существующую инфраструктуру;
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) интеграция модели в инфраструктуру;
2) добавление меток к данным для их понимания и анализа; +
3) удаление аномалий из данных;
4) оптимизация гиперпараметров модели.

25. Что такое обезличивание (деидентификация) медицинских данных?

1) сбор данных из различных источников;
2) удаление всех идентифицирующих признаков пациентов при сохранении достаточной информации для анализа; +
3) аннотирование данных;
4) оптимизация модели.