财联社5月20日电，新加坡国立大学、字节跳动等机构合作的技术成果近期在神经生物学期刊《自然·神经科学》发布，该研究首次将AI元学习（meta learning）方法引入神经科学及医疗领域，可在有限的医疗数据上训练可靠的AI模型，提升基于脑成像的精准医疗效果。研究者通过对先前小样本数据分析发现，个体的认知、心理健康、人口统计学和其他健康属性等表征特性与大脑成像数据之间存在一种内在相关性。基于小样本数据和大数据集之间的这种相关性，研究者提出元匹配（meta-matching）的方法，将大数据集上训练出来的机器学习模型迁移到小数据集上，从而训练出更可靠的模型。实验显示，这项新的训练框架非常灵活，可与任何机器学习算法相结合，在小规模的数据集上，也可有效训练泛化性能好的AI预测模型。