財(cái)聯(lián)社5月20日電，新加坡國(guó)立大學(xué)、字節(jié)跳動(dòng)等機(jī)構(gòu)合作的技術(shù)成果近期在神經(jīng)生物學(xué)期刊《自然·神經(jīng)科學(xué)》發(fā)布，該研究首次將AI元學(xué)習(xí)（meta learning）方法引入神經(jīng)科學(xué)及醫(yī)療領(lǐng)域，可在有限的醫(yī)療數(shù)據(jù)上訓(xùn)練可靠的AI模型，提升基于腦成像的精準(zhǔn)醫(yī)療效果。研究者通過(guò)對(duì)先前小樣本數(shù)據(jù)分析發(fā)現(xiàn)，個(gè)體的認(rèn)知、心理健康、人口統(tǒng)計(jì)學(xué)和其他健康屬性等表征特性與大腦成像數(shù)據(jù)之間存在一種內(nèi)在相關(guān)性。基于小樣本數(shù)據(jù)和大數(shù)據(jù)集之間的這種相關(guān)性，研究者提出元匹配（meta-matching）的方法，將大數(shù)據(jù)集上訓(xùn)練出來(lái)的機(jī)器學(xué)習(xí)模型遷移到小數(shù)據(jù)集上，從而訓(xùn)練出更可靠的模型。實(shí)驗(yàn)顯示，這項(xiàng)新的訓(xùn)練框架非常靈活，可與任何機(jī)器學(xué)習(xí)算法相結(jié)合，在小規(guī)模的數(shù)據(jù)集上，也可有效訓(xùn)練泛化性能好的AI預(yù)測(cè)模型。