Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pembelajaran Bersekutu dalam Penjagaan Kesihatan

Menguji latihan teragih, lokaliti data mentah, had privasi, heterogeniti tapak, penilaian luaran dan keperluan tadbir urus.

soalan 1 daripada 8

Apakah yang kekal di tapak yang mengambil bahagian dalam pembelajaran bersekutu?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang kekal di tapak yang mengambil bahagian dalam pembelajaran bersekutu?
    • Tiada data atau kemas kini dihantar
    • Hanya ramalan dikongsi dengan pesakit
    • Data mentah boleh kekal setempat manakala kemas kini model dikongsi
    • Setiap rekod pesakit berpindah ke satu pangkalan data pusat
  2. Adakah pembelajaran bersekutu menjamin privasi secara automatik?
    • Tidak; kemas kini dan metadata mungkin masih membocorkan maklumat
    • Ya, kerana data mentah tidak pernah berpindah
    • Ya, sebarang kemas kini model adalah tanpa nama
    • Tiada kawalan privasi boleh digunakan
  3. Mengapa perlu menyelaraskan definisi ciri dan hasil merentas hospital?
    • Untuk memastikan setiap hospital menggunakan vendor yang sama
    • Untuk menghapuskan keperluan pengesahan
    • Untuk memastikan setiap tapak mempunyai pesakit yang serupa
    • Pengekodan dan pengukuran yang berbeza boleh mewujudkan isyarat latihan yang tidak konsisten
  4. Penilaian manakah yang paling baik menguji generalisasi untuk model bersekutu?
    • Mengukur kelajuan komunikasi sahaja
    • Menguji di tapak yang tidak menyumbang kepada latihan
    • Menguji hanya pada tapak latihan terbesar
    • Menggunakan semula ramalan latihan setempat
  5. Bagaimanakah tapak besar boleh menjejaskan persekutuan?
    • They guarantee performance for small sites
    • They make privacy irrelevant
    • They may dominate updates if aggregation does not account for site differences
    • They automatically remove bias
  6. What can secure aggregation or differential privacy contribute?
    • A guarantee of identical site performance
    • Additional protections with possible utility trade-offs
    • A guarantee that the model is clinically valid
    • A replacement for access control
  7. What should be agreed before training begins?
    • Only the color of the dashboard
    • The final accuracy value
    • The model name alone
    • Task, data definitions, update protocol, security, and oversight responsibilities
  8. What does the EXAM study illustrate?
    • A multi-site federated training workflow for a specific COVID-19 task
    • A privacy guarantee for all medical AI
    • A universal model for every disease
    • A replacement for clinical evaluation