在评估AI辅助诊断系统性能时，通常将系统判断为阳性而实际也为阳性的样本比例称为？
特异度 (Specificity)
灵敏度 (Sensitivity)
阳性预测值 (Positive Predictive Value)
阴性预测值 (Negative Predictive Value)
以下哪项是AI辅助诊断系统在提升疾病检出率方面可能面临的主要伦理挑战？
计算资源消耗
算法代码的版权
诊断责任的界定
用户界面的美观度
为了确保AI辅助诊断系统评估的科学性，研究设计中通常需要包含哪些关键环节？
与现有临床金标准进行盲法对比
在多样化的患者群体中进行外部验证
仅由算法工程师进行主观评价
使用单一来源的、高度同质化的数据
在放射影像领域，AI辅助诊断系统最常用于提升哪种类型病变的检出率？
皮肤表面病变
胃肠道内窥镜病变
肺部结节与微小病灶
骨科关节退行性变
请列举两个可能影响AI辅助诊断系统在实际临床环境中准确性的非技术因素。
ROC曲线下的面积（AUC）常被用来综合评价一个诊断系统的什么性能？
运算速度
区分患病与非患病者的能力
用户友好程度
成本效益
AI辅助诊断系统可以通过哪些方式直接帮助提升医生的疾病检出率？
完全替代医生进行最终诊断
作为“第二双眼睛”标记可疑区域
缩短影像阅片时间，让医生更专注
自动生成结构化的诊断报告
在AI辅助诊断的临床试验中，常设置“仅医生组”和“医生+AI组”进行对比，这种试验设计的主要目的是评估AI的什么价值？
一个AI辅助诊断系统在测试集上表现出极高的准确率，但在另一家医院部署后效果大幅下降，最可能的原因是什么？
新医院的电脑配置较低
新医院的患者疾病谱和影像设备与训练数据差异大
新医院的医生不熟悉操作界面
算法在部署过程中出现了代码错误
对于AI辅助诊断系统输出的结果，以下哪种呈现方式最有利于医生结合自身经验做出最终判断？
仅给出“是/否”的二元结论
给出确定的疾病名称和分期
提供概率化的预测结果及关键依据（如热力图）
用非常专业的术语描述算法内部权重
除了灵敏度和特异度，请写出另一个常用于衡量AI诊断系统在正负样本不均衡数据集上性能的指标。
在智慧医院场景下，AI辅助诊断系统的价值体现包括哪些方面？
提升单个专家的诊断水平上限
缩小不同级别医院、不同年资医生间的诊断水平差距
实现医疗诊断过程的完全自动化
促进区域医疗资源的均质化分配
当AI辅助诊断系统与医生的判断不一致时，以下哪种处理原则最为审慎和合理？
无条件相信AI的判断，因为AI更客观
无条件采纳医生的判断，因为医生有最终责任
启动由多名专家组成的复核机制，结合双方依据进行讨论
忽略此次不一致，继续使用系统下一次的结果
从数据层面看，要训练一个能有效提升罕见病检出率的AI模型，面临的主要挑战是什么？
对AI辅助诊断系统进行持续的性能监测和再评估，主要目的是为了应对以下哪种情况？
硬件设备的自然老化
临床实践指南和疾病定义的更新
医院网络带宽的变化
医生使用习惯的固定
在评估AI系统对疾病“检出率”的提升时，以下哪些指标或方法可能被用到？
比较使用AI前后，早期癌症的确诊比例
统计AI系统标记的假阳性结节数量
对比AI组和对照组医生的诊断耗时
计算AI辅助下，医生诊断的灵敏度相对于基线灵敏度的提升百分比
一项研究显示，AI辅助诊断系统将肺结节检出的灵敏度从65%提升至85%，但同时特异度从95%下降至90%。请问这可能会带来什么临床风险？
为确保AI辅助诊断系统的公平性，避免对特定人群产生偏倚，在系统开发与评估中应特别注意什么？
只使用国际顶尖医院的数据进行训练
确保训练数据涵盖不同年龄、性别、种族和地域的代表性样本
让算法只学习最典型的病例特征
使用性能最优的单一算法模型
请简述“可解释性AI（XAI）”对于提高医生对AI辅助诊断系统信任度的作用。