Qazanclar:
- Şəkil, siqnal, məlumat və tənzimləmə hissələrini bir məsuliyyətli biotibbi AI iş axınında birləşdirmək bacarığı
- İnsan-in-the-loop audit, izlenebilirlik və paylama sonrası monitorinq prinsiplərini tətbiq etmək bacarığı
- Süni intellektin həkimlərin və mühəndislərin təsdiqini əvəz etmədiyi hər mərhələdə həddi saxlamaq bacarığı
Modul imtahanı
1. Aşağıdakılardan hansı biotibbi mühəndislikdə AI çıxışının riskini müəyyən edən əsas prinsipdir?
- A) Nəticənin riski onun səhv olduğu halda xəstəyə vuracağı zərərə bərabərdir; doğrulama miqyası müvafiq olaraq ✔
- B) AI çıxışı səlis və texniki cəhətdən yazıldığı üçün ümumiyyətlə təhlükəsizdir
- C) Ən müasir modeldən istifadə edildikdə validasiyaya ehtiyac yoxdur
- D) Əgər çıxış təlimata istinad edirsə, əlavə yoxlama tələb olunmur
İzahat: Çıxışın riski, əgər bu çıxış səhv olarsa, xəstəyə dəyən zərərə bərabərdir. Ədəbiyyat xülasəsindəki kiçik xəta riski az olsa da, təsvirin aşkarlanmasına və ya klinik qərara daxil olan səhv birbaşa xəstənin təhlükəsizliyini təhdid edir; Buna görə də, yoxlama intensivliyi potensial zərərlə ölçülür və xəstənin təhlükəsizliyi ilə bağlı hər bir qərar həkimin razılığından asılıdır.
2. Radiologiyada klinik istifadədə süni intellektlə dəstəklənən aşkarlama modelinin düzgün rolu nədir?
- A) Rentgenoloqun hesabatını avtomatik təsdiq etmək və iş yükünü aradan qaldırmaq
- B) Rentgenoloqa müraciət etmədən aşağı prioritet halların bağlanması
- C) Modelin ehtimalı yüksəkdirsə, əlavə müayinə etmədən diaqnoz qoyun
- D) Tapıntıya diqqət çəkən və onu prioritetləşdirən dəstək vasitəsi olmaq, lakin diaqnozun məsuliyyəti rentgenoloqda qalır ✔
Təsvir: Image AI qərara dəstək vasitəsidir: cəlb edir, prioritetləşdirir, ölçülər və bayraqlar; lakin diaqnostik məsuliyyət rentgenoloqun üzərinə düşür. Model çıxışı radioloqun qərarını əvəz etmir, yalnız bir girişdir. Çıxış müstəqil klinik qiymətləndirmə ilə birlikdə istifadə olunur, çünki yalan pozitivlər və yanlış neqativlər həmişə mümkündür.
3. Rəqəmsal patologiyada AI modelinin performansını bir laboratoriyadan digərinə köçürərkən ən çox rast gəlinən problem hansıdır?
- A) Model çox sürətli işləyir
- B) Slayd faylları çox kiçikdir
- C) Boyama və skanlama fərqlərinin səbəb olduğu domen sürüşməsi ✔
- D) Patoloqlar modeldən ümumiyyətlə istifadə etmək istəmirlər
Təsvir: Boyanma protokolu, skaner markası və bölmə qalınlığı laboratoriyadan laboratoriyaya dəyişir; Model bir laboratoriyanın təsvir statistikasına əsaslanaraq öyrənibsə, digər laboratoriyada onun performansı azalacaq. Bu fenomen domen dəyişikliyi adlanır və rəqəmsal patologiyada uğursuzluğun ən çox yayılmış səbəbidir; Buna görə xarici yoxlama və rəngin normallaşdırılması vacibdir.
4. EKQ təsnifat modelində 'atrial fibrilasiya' işarəsi qoyulduqda mühəndisin ilk təsdiqləmə refleksi nə olmalıdır?
- A) Diaqnoz kimi etiketin birbaşa xəstə faylına yazılması
- B) Xam siqnalı, artefaktları və fizioloji inandırıcılığı yoxlayın və qərarı həkimə həvalə edin ✔
- C) Modelin etimad balı yüksəkdirsə, başqa nəzarətə ehtiyac yoxdur.
- D) Xəstənin dərman müalicəsinə yönləndirilməsi
İzahat: Çıxış əvvəlcə fizioloji inandırıcılıq və siqnal keyfiyyəti üçün yoxlanılmalıdır: qeyddə əsas sürüşmə, əzələ artefaktı və ya elektrod relaksiyası ritmi təqlid edə bilər. Xam siqnal və R-R intervallarına baxmadan etiketə etibar etmək yanlışdır; Son ritm diaqnozu həkimə aiddir. Model ilkin siqnal verir, qərar qəbul etmir.
5. Doğrulamanı xüsusilə çətinləşdirən EEG siqnallarının AI emalının əsas xüsusiyyəti nədir?
- A) Aşağı siqnal-küy nisbəti və yüksək artefakt/dəyişkənlik ✔
- B) EEG siqnalı çox yüksək amplituda və səssizdir
- C) Yalnız bir kanaldan EEG-nin yazılması
- D) EEG məlumatları heç vaxt rəqəmsal olmur
İzahat: EEG çox aşağı amplituda (mikrovolt diapazonu) siqnaldır və göz qırpması, əzələ hərəkəti, elektrod və şəbəkə səsi kimi artefaktlarla asanlıqla çirklənir; Bundan əlavə, fərdlər və qeydlər arasında dəyişkənlik yüksəkdir. Bu aşağı siqnal-səs nisbəti model çıxışlarının kövrək olmasına səbəb olur və ekspert neyrofizioloqun təsdiqini tələb edir.
6. İstehlakçı geyilə bilən cihazdan ürək dərəcəsi məlumatları ilə işləyərkən ən vacib məhdudiyyət nədir?
- A) Cihazın batareyası tez tükənir
- B) Buludda verilənlərin saxlanması
- C) Cihaz tez-tez tibbi sertifikatlaşdırılmır və siqnal artefakt/qərəzliyə həssasdır ✔
- D) Cihaz çox bahadır
Açıqlama: İstehlakçıların geyilən cihazların əksəriyyəti tibbi cihazlar kimi sertifikatlaşdırılmayıb; PPG (fotopletismoqrafiya) siqnalı hərəkət artefaktından təsirlənir və tünd dəri tonu və döymələr kimi faktorlar dəqiqliyi azalda bilər. Bu məlumatlar meyl/məlumat baxımından dəyərlidir, lakin diaqnostik qərar üçün təsdiqlənmiş klinik ölçmə və həkim qiymətləndirməsi tələb olunur.
7. Elektron sağlamlıq qeydi (EHR) məlumatları ilə proqnozlaşdırıcı model qurarkən “müvəqqəti sızma” nə deməkdir?
- A) Məlumatların şifrələnmiş saxlanması
- B) Proqnoz zamanı hələ mövcud olmayan xüsusiyyətlərə gələcək məlumatların sızması ✔
- C) Məlumat çox köhnədir
- D) Modeli çox yavaş öyrətmək
İzahat: Müvəqqəti sızma, təlim xüsusiyyətlərinin proqnozlaşdırma zamanı (gələcək) hələ mövcud olmayan məlumatlara müdaxiləsidir; məsələn, qəbul zamanı riski proqnozlaşdırmaq üçün boşalma diaqnozundan istifadə etməklə. Bu, laboratoriyada yüksək performansa gətirib çıxarır, lakin real klinik istifadədə uğursuz performansa səbəb olur və klinik məlumat modellərinin ən məkrli qüsurlarından biridir.
8. Proqram təminatının özü “tibbi cihaz proqramı” (SaMD) kimi təsvir edildikdə aşağıdakılardan hansı məcburi olur?
- A) Sadəcə sürətli işləmək kifayətdir
- B) Heç bir sənəd tələb etmir
- C) Yalnız gözəl interfeys tələb olunur
- D) Dizayna nəzarət, risklərin idarə edilməsi, yoxlama/validasiya və normativlərə uyğunluq məcburi olur ✔
Təsvir: SaMD (Tibbi Cihaz kimi Proqram təminatı) diaqnostika, müalicə və ya monitorinq məqsədləri üçün işləyən proqramdır və heç bir avadanlıqdan asılı deyil. Bu halda, dizayn nəzarəti, risklərin idarə edilməsi (ISO 14971), yoxlama/validasiya və normativlərə uyğunluq məcburidir; Proqram təminatına "sadəcə proqram təminatı" kimi baxıla bilməz, çünki onun uğursuzluğu xəstənin təhlükəsizliyinə birbaşa təsir göstərir.
9. AI-dən MDR (Tibbi Cihaz Direktivi) bəndini və ya standart nömrəni soruşduqda ən kritik risk nədir?
- A) Model saxta məqalə/standart istinadlar hazırlayır və onları təhlükəsiz şəkildə təqdim edir ✔
- B) Model cavabı çox qısa verir
- C) Model ingilis dilində cavab verir
- D) Model çox yavaş cavab verir
İzahat: Dil modelləri əminliklə mövcud olmayan element nömrələri, yanlış standart versiyalar və uydurma istinadlar (hallüsinasiya) yarada bilər. Tənzimləmə uyğunluğunda, yanlış maddə arayışı ciddi uyğunluq çatışmazlığına səbəb olur; buna görə də hər bir atribut rəsmi mətndən asılı olmayaraq yoxlanılmalıdır, AI yalnız naviqasiya/qaralama üçün istifadə edilməlidir.
10. Sağlamlıq məlumatları KVKK-nın əhatə dairəsinə hansı kateqoriyaya düşür və bu nə deməkdir?
- A) Adi fərdi məlumatlar; sərbəst şəkildə emal edilə bilər
- B) Şəxsi məlumatlar deyil; heç bir məhdudiyyət yoxdur
- C) Şəxsi məlumatların xüsusi kateqoriyaları; Daha sərt şərtlər və qorunma ilə işlənir ✔
- D) Yalnız kommersiya sirri; məxfilik tələb olunmur
İzahat: KVKK-da sağlamlıq məlumatları 'xüsusi şəxsi məlumatlar' sayılır; Bir qayda olaraq, emal açıq razılıqdan və ya qanunla nəzərdə tutulmuş istisnalardan asılıdır və daha ciddi müdafiə tədbirləri tələb edir. Buna görə də, xəstə məlumatları nəzarətsiz alətlərə daxil edilə bilməz; Anonimləşdirmə, girişin məhdudlaşdırılması və məlumatların işlənməsi müqavilələri məcburidir.
11. Klinik süni intellekt modelində “kalibrləmə” nə deməkdir və bu nə üçün vacibdir?
- A) Model nə qədər sürətlə işləyir
- B) Model neçə parametrə malikdir?
- C) Modelin interfeys rəngi
- D) Modelin verdiyi ehtimalların faktiki hadisə tezlikləri ilə uyğunluğu ✔
İzahat: Kalibrləmə model tərəfindən verilən ehtimalların faktiki tezliklərə uyğunlaşdırılmasıdır: hadisə əslində '20% risk' deyilən xəstələrin təxminən 20%-də baş verməlidir. Klinikada qərarlar ehtimal hədləri əsasında qəbul edildiyindən, zəif kalibrlənmiş model düzgün sıralansa belə, səhv hədd qərarlarına gətirib çıxaracaq; buna görə də, kalibrləmə və ayrı-seçkilik (AUC) yoxlanılmalıdır.
12. Niyə “alt qrup performansı” görüntü, siqnal və ya klinik məlumat modellərində ayrıca yoxlanılmalıdır?
- A) Yalnız tam dəqiqlik həmişə kifayətdir
- B) Çünki alt qruplar modelin sürətinə təsir edir
- C) Ümumi metrik müəyyən xəstə qruplarında aşağı performansı və qərəzi gizlədə bilər ✔
- D) Alt qrup təhlili yalnız marketinq üçün lazımdır
İzahat: Model orta hesabla yaxşı görünsə də, müəyyən alt qruplarda (yaş, cins, dəri tonu, cihaz növü, xəstəxana) əhəmiyyətli dərəcədə pis çıxış edə bilər; Ümumi metrik bu bərabərsizliyi gizlədir. Səhiyyədə bu, bəzi xəstə qruplarında sistematik ziyana səbəb olur; Buna görə də, performans alt qruplara bölünməli və ədalətlilik üçün bildirilməlidir.
13. Xəstə məlumatları ilə işləyərkən “yenidən eyniləşdirmə” riskinə qarşı ən yaxşı yanaşma hansıdır?
- A) Bütün hallarda adın silinməsi kifayətdir.
- B) Birbaşa identifikatorlarla yanaşı, dolayı identifikatorları ümumiləşdirmək və girişi məhdudlaşdırmaq ✔
- C) Məlumatlar az sayda insana aiddirsə, heç bir tədbir tələb olunmur
- D) Şifrələmə əvəzinə sadəcə fayl adının dəyişdirilməsi
Təsvir: Hətta adla silinmiş məlumatlar nadir diaqnostika, doğum tarixi, poçt indeksi və tarix birləşmələri ilə yenidən müəyyən edilə bilər. Beləliklə, yalnız birbaşa identifikatorları çıxarmaq kifayət deyil; Tarixin dəyişdirilməsi, ümumiləşdirmə, k-anonimlik və giriş nəzarəti kimi texnikalar birlikdə tətbiq edilməli və həssas sərbəst mətnlər də təmizlənməlidir.
14. Biotibbi süni intellekt iş prosesində başdan sona “insan-in-the-loop” nəzarətinin saxlanmasının əsas səbəbi nədir?
- A) İnsan nəzarəti yalnız yavaşlıq yaradır və aradan qaldırılmalıdır
- B) Modelin etimad balı yüksəkdirsə, insanların təsdiqinə ehtiyac yoxdur
- C) Hüquqi öhdəlikdən başqa praktiki səbəb yoxdur
- D) AI qərəzliliyə və xətaya məruz qalır; Xəstənin təhlükəsizliyi ilə bağlı qərarlar və məsuliyyət ixtisaslı mütəxəssisdə qalmalıdır ✔
Təsvir: Süni intellekt fərziyyələr yaradır, prioritetləşdirir və tərtib edir; lakin məlumatlardan öyrəndiyi nümunələr natamam, qərəzli və ya kontekstdən kənar ola bilər. Xəstənin təhlükəsizliyi ilə bağlı qərarların həm səhvləri aşkar etmək, həm də məsuliyyəti doğru yerdə saxlamaq üçün səlahiyyətli həkim və mühəndisin təsdiqi ilə qalması vacibdir; AI heç bir mərhələdə bu təsdiqi əvəz etmir.