제약 퀴즈의 AI

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 모델은 실험실 테스트를 위해 화합물의 순위를 매깁니다. 성능을 해석하기 전에 무엇을 지정해야 합니까?
   • 모델 가족 이름만
   • 대시보드 차트 수
   • 최종 상업가격
   • 사용 목적, 모집단, 종료점 및 결정 경계
2. 임상 또는 규제 청구에 대해 회고적 성과 자체만으로는 불충분한 이유는 무엇입니까?
   • 과거 데이터는 결코 유용하지 않습니다.
   • 검증은 예상 컨텍스트, 인구 또는 정보 타이밍과 일치하지 않을 수 있습니다.
   • 회고적 모델은 평가할 수 없습니다.
   • 대규모 테스트 세트로 승인 보장
3. 바이오마커 모델은 교육에 사용된 동일한 사이트의 기록을 기준으로 평가됩니다. 어떤 전송 질문이 남아 있습니까?
   • 새로운 연구 현장이나 데이터 조건으로 일반화하는지 여부
   • 훈련 손실이 0에 도달했는지 여부
   • 세련된 인터페이스가 있는지 여부
   • Whether the feature names are alphabetized
4. Why inspect batch effects and missing measurements?
   • They only affect storage costs
   • Missing data always improve generalization
   • They can distort model inputs or create apparent patterns unrelated to the target
   • Batch labels are equivalent to outcomes
5. What does the guide say FDA/EMA AI principles do?
   • Approve every model that follows a checklist
   • Offer a framework for evidence and accountability, not blanket model approval
   • Replace context-of-use validation
   • Guarantee a regulatory submission succeeds
6. A model is used to prioritize exploratory lab work. How should that result be described?
   • As proof of clinical effectiveness
   • As a validated patient outcome
   • 규제 결정 자체로서
   • 증거가 더 강력한 주장을 뒷받침하지 않는 한 탐색적 가설로 사용
7. 분석 데이터나 모델 버전이 변경되면 팀은 어떻게 해야 합니까?
   • 이전 검증이 변경되지 않은 상태로 유지된다고 가정합니다.
   • 이전 프로토콜 삭제
   • 문서화된 재평가 트리거를 사용하고 새 설정을 평가합니다.
   • 보고에만 이전 버전을 유지합니다.
8. 프로토콜, 모델 결과, 검토 결정을 유지하는 이유는 무엇입니까?
   • 추적성을 지원하고 나중에 증거와 결정을 검토합니다.
   • 모델이 편향되지 않음을 보장합니다.
   • 모니터링을 제거합니다.
   • 데이터 출처를 대체합니다.