Табыстар:
- Кескінді, сигналды, деректерді және реттеу бөліктерін бір жауапты биомедициналық AI жұмыс процесіне біріктіру мүмкіндігі
- Циклдегі адам аудитін, бақылау және таратудан кейінгі бақылау принциптерін қолдану мүмкіндігі
- Жасанды интеллект дәрігерлер мен инженерлердің рұқсатын алмастырмайтын кез келген кезеңде шектеуді сақтау мүмкіндігі
Модуль емтиханы
1. Төмендегілердің қайсысы биомедициналық инженерияда АИ шығу қаупін анықтайтын негізгі қағида болып табылады?
- A) Шығарудың тәуекелі, егер ол дұрыс болмаса, науқасқа келтіретін зиянға тең; валидация шкалаларын сәйкесінше ✔
- B) AI шығысы әдетте қауіпсіз, өйткені ол еркін және техникалық түрде жазылған
- C) Ең қазіргі үлгіні пайдаланған кезде валидация қажет емес
- D) Егер шығыс нұсқаулыққа сілтеме жасаса, қосымша тексерулер қажет емес
Түсініктеме: Шығарылу қаупі, егер бұл нәтиже дұрыс болмаса, пациентке келтірілген зиянға тең. Әдебиеттің қысқаша мазмұнындағы шамалы қателік тәуекелі төмен болғанымен, кескінді анықтау немесе клиникалық шешімді енгізу қатесі пациенттің қауіпсіздігіне тікелей қауіп төндіреді; Сондықтан, ықтимал зияны бар тексеру қарқындылығы таразылары және емделуші қауіпсіздігіне қатысты әрбір шешім дәрігердің рұқсатына байланысты.
2. Рентгенологияда клиникалық қолдануда AI қолдайтын анықтау моделінің дұрыс рөлі қандай?
- A) Рентгенологтың қорытындысын автоматты түрде бекіту және жүктемені жою
- B) Рентгенологқа қаралмай-ақ, басымдығы төмен істерді жабу
- C) Модель ықтималдығы жоғары болса, қосымша тексерусіз диагноз қойыңыз
- D) Табылған нәрсеге назар аударатын және оған басымдық беретін көмекші құрал болу, бірақ диагностикаға жауапкершілік рентгенологта қалады ✔
Сипаттама: Image AI - шешім қабылдауға қолдау көрсету құралы: тартады, басымдық береді, өлшейді және жалаушаларды белгілейді; дегенмен диагностикалық жауапкершілік рентгенологта қалады. Модельдің шығуы рентгенологтың шешімін алмастырмайды, ол тек кіріс болып табылады. Нәтиже тәуелсіз клиникалық бағалаумен бірге пайдаланылады, өйткені жалған позитивті және жалған теріс нәтижелер әрқашан мүмкін.
3. Сандық патологияда AI моделінің өнімділігін бір зертханадан екіншісіне тасымалдау кезінде ең жиі кездесетін мәселе қандай?
- A) Модель өте жылдам жұмыс істейді
- B) Слайд файлдары тым кішкентай
- C) Бояу және сканерлеу айырмашылықтарынан туындаған доменнің ауысуы ✔
- D) Патологтар модельді мүлде пайдаланғысы келмейді
Сипаттама: Бояу хаттамасы, сканер бренді және қима қалыңдығы зертханадан зертханаға қарай өзгереді; Егер модель бір зертхананың кескін статистикасы негізінде үйренсе, оның өнімділігі басқа зертханада төмендейді. Бұл құбылыс доменнің ауысуы деп аталады және цифрлық патологиядағы сәтсіздіктің ең көп таралған себебі болып табылады; Сондықтан сыртқы тексеру және түсті қалыпқа келтіру өте маңызды.
4. ЭКГ классификация үлгісінде «жүрекшелердің фибрилляциясы» белгісі қойылған кезде инженердің бірінші растау рефлексі қандай болуы керек?
- A) Диагноз ретінде таңбаны тікелей емделуші файлына жазу
- B) Шикі сигналды, артефактілерді және физиологиялық орынды тексеріңіз және шешімді дәрігерге қалдырыңыз ✔
- C) Модельдің сенімділік көрсеткіші жоғары болса, басқа бақылаудың қажеті жоқ.
- D) Науқасты дәрілік емдеуге бағыттау
Түсініктеме: Шығаруды алдымен физиологиялық орындылығы мен сигнал сапасын тексеру керек: жазбадағы негізгі дрейф, бұлшықет артефакті немесе электрод релаксациясы ырғаққа еліктеуі мүмкін. Шикі сигналға және R-R интервалына қарамай, жапсырмаға сену дұрыс емес; Соңғы ритм диагнозы дәрігерге тиесілі. Модель алдын ала сигнал береді, ол шешім қабылдамайды.
5. EEG сигналдарын AI өңдеудің негізгі ерекшелігі неде, бұл тексеруді ерекше қиындатады?
- A) Төмен сигнал-шу қатынасы және жоғары артефакт/өзгергіштік ✔
- B) ЭЭГ сигналы өте жоғары амплитудалы және шусыз
- C) Тек бір арнадан ЭЭГ жазу
- D) ЭЭГ деректері ешқашан цифрлық болмайды
Түсініктеме: ЭЭГ өте төмен амплитудалы (микровольттық диапазон) сигнал болып табылады және көздің жыпылықтауы, бұлшықет қозғалысы, электрод және желі шуы сияқты артефактілермен оңай ластанады; Сонымен қатар, жеке адамдар мен жазбалар арасындағы өзгергіштік жоғары. Бұл төмен сигнал-шу қатынасы үлгі шығыстарының нәзік болуына әкеледі және сарапшы нейрофизиологтың тексеруін қажет етеді.
6. Тұтынушы киетін құрылғының жүрек соғу жиілігі деректерімен жұмыс істегенде ең маңызды шектеу қандай?
- A) Құрылғының батареясы тез бітеді
- B) Бұлтта мәліметтерді сақтау
- C) Құрылғы жиі медициналық сертификатталмаған және сигнал артефактқа/бұзушылыққа сезімтал ✔
- D) Құрылғы тым қымбат
Ақпаратты ашу: Тұтынушылардың киетін құрылғыларының көпшілігі медициналық құрылғылар ретінде сертификатталмаған; PPG (фотоплетизмография) сигналына қозғалыс артефакті әсер етеді және қара тері реңі және татуировкасы сияқты факторлар дәлдікті төмендетуі мүмкін. Бұл деректер бейімділік/хабардарлық үшін құнды, бірақ диагностикалық шешім қабылдау үшін расталған клиникалық өлшеу және дәрігердің бағалауы қажет.
7. Электрондық денсаулық жазбасының (EHR) деректері бар болжамды модельді құру кезінде «уақытша ағып кету» нені білдіреді?
- A) Мәліметтерді шифрланған сақтау
- B) Болжау кезінде әлі жоқ мүмкіндіктерге болашақ ақпараттың ағып кетуі ✔
- C) Деректер тым ескі
- D) Модельді тым баяу жаттықтыру
Түсініктеме: Уақытша ағып кету - бұл болжау кезінде (болашақта) әлі қол жетімді емес ақпаратпен оқыту мүмкіндіктерінің араласуы; мысалы, қабылдау кезінде тәуекелді болжау үшін шығару диагнозын пайдалану. Бұл зертханада жоғары өнімділікке әкеледі, бірақ нақты клиникалық қолдануда өнімділіктің төмендеуіне әкеледі және клиникалық деректер үлгілерінің ең жасырын кемшіліктерінің бірі болып табылады.
8. Бағдарламалық құралдың өзі «медициналық құрылғының бағдарламалық құралы» (SaMD) ретінде сипатталғанда төмендегілердің қайсысы міндетті болады?
- A) Тек жылдам жұмыс істеу жеткілікті
- B) Ешқандай құжаттаманы қажет етпейді
- C) Тек әдемі интерфейс қажет
- D) Дизайнды бақылау, тәуекелдерді басқару, верификация/валидация және нормативтік сәйкестік міндетті болады ✔
Сипаттама: SaMD (бағдарламалық құрал медициналық құрылғы ретінде) – диагностика, емдеу немесе бақылау мақсаттарында жұмыс істейтін және ешқандай аппараттық құралға тәуелді емес бағдарламалық құрал. Бұл жағдайда жобаны бақылау, тәуекелдерді басқару (ISO 14971), тексеру/валидация және нормативтік сәйкестік міндетті болып табылады; Бағдарламалық құралды «жай бағдарламалық құрал» ретінде қарастыруға болмайды, себебі оның істен шығуы пациенттің қауіпсіздігіне тікелей әсер етеді.
9. AI-дан MDR (медициналық құрылғы директивасы) тармағын немесе стандартты нөмірді сұрағанда ең маңызды қауіп қандай?
- A) Модель жалған мақала/стандартты сілтемелер жасайды және оларды қауіпсіз түрде ұсынады ✔
- B) Модель жауапты тым қысқа береді
- C) Модель ағылшын тілінде жауап береді
- D) Модель тым баяу жауап береді
Түсініктеме: Тіл үлгілері жоқ элемент нөмірлерін, дұрыс емес стандартты нұсқаларды және жасалған сілтемелерді (галлюцинация) сенімді түрде жасай алады. Нормативтік талаптарға сәйкестікте дұрыс емес зат анықтамасы сәйкестіктің елеулі бұзылуына әкеледі; сондықтан әрбір атрибуция ресми мәтіннен тәуелсіз тексерілуі керек, AI тек навигация/жобалау үшін пайдаланылуы керек.
10. Денсаулық туралы деректер КВКК ауқымына қандай санатқа жатады және бұл нені білдіреді?
- A) Қарапайым жеке деректер; еркін өңдеуге болады
- B) Бұл жеке деректер емес; ешқандай шектеу жоқ
- C) Дербес деректердің ерекше категориялары; Неғұрлым қатаң шарттармен және қорғаныспен өңделген ✔
- D) Тек коммерциялық құпия; құпиялылық қажет емес
Түсініктеме: Денсаулық туралы деректер КВКК-де «арнайы дербес деректер» болып саналады; Әдетте, өңдеу нақты келісімге немесе заңда көзделген ерекшеліктерге байланысты және неғұрлым қатаң қорғау шараларын талап етеді. Сондықтан емделуші деректерін бақыланбайтын құралдарға енгізу мүмкін емес; Анонимизация, қол жеткізуді шектеу және деректерді өңдеу келісімдері міндетті болып табылады.
11. Клиникалық AI үлгісінде «калибрлеу» нені білдіреді және ол неліктен маңызды?
- A) Модель қаншалықты жылдам жұмыс істейді
- B) Модельдің қанша параметрі бар?
- C) Модельдің интерфейс түсі
- D) Модельмен берілген ықтималдықтардың нақты оқиғалар жиіліктерімен үйлесімділігі ✔
Түсініктеме: Калибрлеу – модельмен берілген ықтималдықтарды нақты жиіліктерге сәйкестендіру: оқиға шын мәнінде «20% қауіп» деп жазылған пациенттердің шамамен 20%-ында орын алуы керек. Клиникадағы шешімдер ықтималдық шектеріне негізделгендіктен, нашар калибрленген үлгі дұрыс дәрежеде болса да, дұрыс емес шекті шешімдерге әкеледі; сондықтан калибрлеуді, сондай-ақ дискриминацияны (AUC) тексеру керек.
12. Неліктен «кіші топ өнімділігі» кескін, сигнал немесе клиникалық деректер үлгілерінде бөлек тексерілуі керек?
- A) Толық дәлдік әрқашан жеткілікті
- B) Ішкі топтар модель жылдамдығына әсер ететіндіктен
- C) Жалпы метрика нақты пациенттер топтарындағы төмен өнімділік пен ауытқуды жасыра алады ✔
- D) Топтық талдау тек маркетинг үшін қажет
Түсініктеме: Модель орта есеппен жақсы көрінгенімен, белгілі бір кіші топтарда (жасы, жынысы, тері түсі, құрылғы түрі, аурухана) айтарлықтай нашар жұмыс істеуі мүмкін; Жалпы метрика бұл теңсіздікті жасырады. Денсаулық сақтауда бұл пациенттердің кейбір топтарында жүйелі түрде зақымдануға әкеледі; Сондықтан өнімділікті кіші топтарға бөліп, әділдік үшін хабарлау керек.
13. Пациент деректерімен жұмыс істеу кезінде «қайта сәйкестендіру» қаупіне қарсы ең жақсы әдіс қандай?
- A) Кез келген жағдайда атауды жою жеткілікті.
- B) Жанама идентификаторларды, сондай-ақ тікелей идентификаторларды жалпылау және қолжетімділікті шектеу ✔
- C) Егер деректер аздаған адамдарға тиесілі болса, ешқандай сақтық шаралары қажет емес
- D) Шифрлаудың орнына жай ғана файл атын өзгерту
Сипаттама: Тіпті аты жойылған деректерді диагноздың, туған күннің, пошталық индекстің және күннің сирек комбинациялары арқылы қайта анықтауға болады. Сондықтан тікелей идентификаторларды шығарып алу жеткіліксіз; Күнді ауыстыру, жалпылау, k-анонимділік және қол жеткізуді басқару сияқты әдістер бірге қолданылуы керек және сезімтал еркін мәтін де тазартылуы керек.
14. Биомедициналық АИ жұмыс процесінде «адамның циклде» үздіксіз бақылауын сақтаудың негізгі себебі неде?
- A) Адамның бақылауы тек баяулықты тудырады және оны жою керек
- B) Модельдің сенімділік көрсеткіші жоғары болса, адамның валидациясы қажет емес
- C) Заңды міндеттемеден басқа практикалық себеп жоқ
- D) АИ қиғаштық пен қателікке ұшырайды; Пациент қауіпсіздігі туралы шешімдер мен жауапкершілік білікті маманда қалуы керек ✔
Сипаттама: Жасанды интеллект гипотезаларды жасайды, басымдық береді және жобалайды; бірақ ол деректерден үйренетін үлгілер толық емес, біржақты немесе контекстен тыс болуы мүмкін. Қателерді анықтау және жауапкершілікті дұрыс жерде сақтау үшін пациенттің қауіпсіздігіне қатысты шешімдер уәкілетті дәрігер мен инженердің мақұлдауымен қабылдануы қажет; AI кез келген кезеңде бұл бекітуді алмастырмайды.