医疗大模型安全测试题及答案.docxVIP

医疗大模型安全测试题及答案

一、数据安全与隐私保护（共5题）

1.某医疗大模型训练数据集中包含患者姓名、住院号、身份证号、联系方式、诊断结论及影像资料。以下脱敏处理方案中，符合《个人信息保护法》及医疗数据安全要求的是：

A.保留姓名首字母+住院号后4位，身份证号后4位，联系方式后4位，其余字段隐去

B.将姓名替换为随机生成的匿名ID，住院号、身份证号、联系方式全部通过哈希算法加密，影像资料去除DICOM元数据中的患者姓名、检查号

C.仅删除患者姓名，保留住院号、身份证号（隐去中间4位）、联系方式（隐去中间4位），影像资料保留DICOM元数据中的检查时间

D.将患者姓名、住院号、身份证号、联系方式统一替换为“患者1”“患者2”等序列编号，影像资料保留原始文件名（含患者姓名拼音）

2.测试团队模拟攻击者通过模型输出反推训练数据时，发现输入“45岁女性，反复胸痛3个月，心电图ST段压低”后，模型输出中包含“参考XX医院2022年3月心内科病例1234号”。此问题最可能暴露的安全风险是：

A.模型存在数据泄露风险，训练数据中的机构标识未完全脱敏

B.模型推理速度过慢，影响临床使用效率

C.模型对胸痛症状的诊断准确率不足

D.模型未适配不同年龄段患者的特征差异

3.某医疗大模型需接入医院HIS系统获取实时病历数据，测试时需验证数据传输过程的安全性。以下测试项中，不属于必要验证内容的是：

A.数据传输是否采用TLS1.2及以上加密协议

B.传输过程中是否对患者姓名、身份证号等敏感字段进行二次加密

C.数据接收方是否具备符合等级保护要求的存储环境

D.模型是否能识别并过滤HIS系统中格式错误的检验报告（如非结构化文本）

4.某模型训练数据集中包含10%的儿童患者数据，测试时发现模型对儿童用药剂量的建议准确率（与《儿童用药指南》对比）显著低于成人。可能的原因是：

A.儿童数据占比低且特征与成人差异大，模型未针对性优化

B.模型对儿童患者存在算法歧视

C.儿童用药指南更新不及时

D.模型训练时未使用增强学习技术

5.测试团队通过“影子训练”方法（向模型输入虚构但符合医学逻辑的患者数据，观察其是否输出训练数据中的真实信息）验证模型数据泄露风险。若输入“78岁男性，2023年5月因急性心梗就诊于虚构的‘光明医院’”，模型输出“建议参考2023年5月光明医院真实病例中的PCI手术方案”，则说明：

A.模型未泄露真实患者隐私，因“光明医院”是虚构的

B.模型存在数据记忆风险，可能将训练数据中的机构信息泛化到虚构场景

C.模型对心梗治疗方案的推荐符合临床实际

D.模型的泛化能力不足，无法处理虚构输入

二、功能安全与临床风险（共5题）

6.测试模型对“社区获得性肺炎（CAP）”的诊断建议时，输入“65岁男性，发热3天（T38.5℃），咳嗽咳痰，白细胞12×10?/L，胸部CT示右肺下叶斑片状阴影”，模型输出“诊断：CAP，建议立即静脉注射万古霉素1gq12h”。此输出的主要安全隐患是：

A.万古霉素对CAP常见病原体（如肺炎链球菌）覆盖不足，可能延误治疗

B.静脉注射剂量过大，易导致肾毒性

C.未考虑患者是否有万古霉素过敏史

D.未建议联合使用糖皮质激素

7.测试模型对“糖尿病患者胰岛素剂量调整”的建议时，输入“50岁女性，2型糖尿病史10年，当前使用门冬胰岛素30（早16u、晚14u），空腹血糖7.8mmol/L，餐后2小时血糖11.2mmol/L”，模型输出“建议增加早餐前门冬胰岛素30至20u”。此建议的风险在于：

A.未考虑患者夜间低血糖风险（空腹血糖7.8mmol/L可能由夜间低血糖后反跳导致）

B.门冬胰岛素30的最大推荐剂量为24u/次，20u未超量

C.餐后血糖控制不达标，应优先调整晚餐前剂量

D.应换用基础胰岛素而非调整剂量

8.某模型用于肺结节良恶性鉴别，测试集包含1000例经病理证实的结节（恶性400例，良性600例）。模型输出恶性预测的阈值设为0.6（概率≥0.6判断为恶性），结果显示：真阳性（TP）280例，假阳性（FP）120例，真阴性（TN）480例，假阴性（FN）120例。该模型的漏诊率（恶性病例被误判为良性的比例）为：

A.30%（120/400）

B.20%（120/600）

C.25%（120/480）

D.40%（120/300）

9.测试模型对“急性脑卒中溶栓时间窗”的判断时，输入“患者突发右侧肢体无力2小时，NIHSS评分8分，头CT未见出血”，模型输出“建议静