最近几天，新加坡国立大学，字节跳动等机构合作的一项技术成果发表在神经生物学顶级期刊《自然神经科学》上本研究首次将人工智能中的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出可靠的AI模型，提高基于脑成像的精准医疗效果
一个现实的问题是，虽然有英国生物银行这样的人类神经科学大规模数据集，但几十到几百个小规模数据样本研究临床人群或解决神经科学关键问题仍然是常态伴随着有限的医疗数据被精确标记，如何训练一个可靠的人工智能模型正在成为神经科学和计算机科学领域的一个焦点
在《自然神经科学》发布的最新研究成果中，来自新加坡国立大学，字节跳动，麦吉尔大学等机构的研究人员首次提出，可以利用机器学习领域的元学习来解决上述问题元学习是机器学习更好地学习的一种方式目的是让机器在面对全新的任务时，更好地利用之前任务中获得的知识
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着内在的相关性基于小样本数据和大数据集之间的这种相关性，研究人员提出了一种叫做元匹配的方法这种方法可以把从大数据集训练出来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，更准确地预测新的表型
在英国生物银行和人类连接体计划的数据集上对这种新方法进行了评估，评估结果表明新方法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。
《神经科学》是《自然》杂志的子期刊，是世界上最有影响力的学术期刊，也是神经生物学领域的顶级期刊之一该杂志发表的论文涉及神经科学的各个领域，包括分子，细胞，系统，行为，认知和计算研究
