科技日报讯(记者柳岩)新加坡国立大学、字节跳动等机构合作的技术成果近日发表在《自然神经科学》杂志上。该研究首次将AI元学习方法引入神经科学和医学领域，可以在有限的医学数据上训练可靠的AI模型，提高基于脑成像的精准医疗效果。
脑成像技术可以直接观察大脑在信息处理和对刺激的反应过程中的神经化学变化。理论上，基于脑成像的AI模型可以应用于预测个体的一些表征特征，从而促进对个体的精准医疗。虽然有英国生物银行这样的人类神经科学大规模数据集，但在研究临床人群或解决神经科学关键问题时，拥有几十到几百人的小规模数据样本仍然是正常的。因此，在精确标注的医疗数据有限的情况下，如何训练出一个可靠的AI模型，正在成为神经科学和计算机科学关注的焦点。
研究人员提出在机器学习领域使用元学习来解决上述问题。
元学习是近年来最流行的学习方法之一，其目标是使模型在获取已有知识的基础上快速学习新的任务。
通过对以往小样本数据的分析，研究人员发现，个体的认知、心理健康、人口统计学等健康属性与脑成像数据之间存在内在关联。基于小样本数据和大数据集之间的相关性，研究人员提出了一种元匹配方法，将大数据集训练的机器学习模型转移到小数据集，从而训练出更可靠的模型。
这种新方法在英国生物银行和人类连接体项目的数据集上进行了测试，结果显示比传统方法具有更高的准确率。
实验表明，这种新的训练框架非常灵活，可以与任何机器学习算法相结合，能够有效地训练出在小规模数据集上具有良好泛化性能的AI预测模型。
