財聯(lián)社5月20日電，新加坡國立大學、字節(jié)跳動等機構(gòu)合作的技術(shù)成果近期在神經(jīng)生物學期刊《自然·神經(jīng)科學》發(fā)布，該研究首次將AI元學習（meta learning）方法引入神經(jīng)科學及醫(yī)療領(lǐng)域，可在有限的醫(yī)療數(shù)據(jù)上訓練可靠的AI模型，提升基于腦成像的精準醫(yī)療效果。研究者通過對先前小樣本數(shù)據(jù)分析發(fā)現(xiàn)，個體的認知、心理健康、人口統(tǒng)計學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?；谛颖緮?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)集上訓練出來的機器學習模型遷移到小數(shù)據(jù)集上，從而訓練出更可靠的模型。實驗顯示，這項新的訓練框架非常靈活，可與任何機器學習算法相結(jié)合，在小規(guī)模的數(shù)據(jù)集上，也可有效訓練泛化性能好的AI預(yù)測模型。