高项题库-2025上(第1批)-综合知识-第19题

高项题库-2025上(第1批)-综合知识第19题(单选题)
某医院拟部署大模型分析电子病历辅助智能诊断,为了严格保护患者隐私,应采用的技术是()
A.检索增强生成
B.联邦学习
C.强化学习
D.知识蒸馏

【答案】B
【解析】
为严格保护患者隐私,医院部署大模型分析电子病历时应采用的技术是℃, 联邦学习。以下是对各选项的分析:关键技术解析
1.联邦学习(Federated Learning)
核心原理:在不共享原始数据的前提下,通过分布式模型训练,让各参与方(如不同医院)在本地处理数据,仅共享模型参数更新或梯度信息,最终聚合得到全局模型。隐私保护优势:
患者原始病历数据完全保留在本地,避免数据泄风险。
通过加密传输和差分隐私等技术进一步增强安全性,符合《个人信息保护法》等法规要求。
适用场景:医疗数据隐私敏感场景下的联合建模,如跨院协作分析病历、提升诊断模型准确性。
2.检索增强生成(Retrieval-Augmented Generation, RAG)
核心原理:结合检索系统与生成模型,通过检索外部知识库补充信息后生成回答。隐私问题:
若直接检索原始病历数据,仍需暴露患者信息。
需依赖数据脱敏或匿名化预处理,但无法完全避免数据泄露风险。
定位:更适用于知识问答场景(如基于匿名化病历库的咨询),而非直接处理敏感原始数据。
3.强化学习(Reinforcement Learning, RL)
核心原理:通过智能体与环境的交互获得奖励信号,优化决策策略隐私问题:
训练过程通常需要集中式数据存储或频繁访问原始数据集,增加隐私泄露风险。
需依赖数据加密或访问控制,但非针对性隐私保护技术。、
定位:更多用于优化诊断流程或资源调度,而非隐私保护。
4.知识蒸馏(Knowledge Distillation)
核心原理:将复杂“教师模型”的知识迁移至轻量级“学生模型”提升推理效率,
隐私问题:
本身不涉及数据隐私保护,仅用于模型压缩。
若教师模型基于敏感数据训练,学生模型仍可能隐含隐私信息。
定位:模型优化技术,需配合其他隐私保护手段使用。

© 版权声明
THE END
喜欢就支持一下吧
点赞15 分享