世界首次！AI元学习引入神经科学，有望提升脑成像精准医疗

货拉客

医学与人工智能（AI）技术融合旭日东升 ，而让人工智能更好的“学习”“掌握”医学知识和办法 ，则是两个领域所需配合 克服的难关。近期，新加坡国立年夜 学、字节跳动等机构合作的一项技术结果 在神经生物学顶级期刊《Nature Neuroscience》（《自然 神经系统科学》）上宣布 。这项研究首次将人工智能领域的元学习办法 引入到神经科学及医疗领域，能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。
脑成像技术是神经科学成长 的一个重要领域，能够直接不雅 察年夜 脑在信息处理和应对刺激时的神经化学变更 、从而对疾病的诊断和治疗提供重要参照。理论上，基于脑成像的AI模型可应用于预测小我 的一些表征特性，例如，智商、对于某种药物或某项治疗产生的临床效果等，从而增进 针对小我 的精准医疗，提高社会的医疗与护理水平。
一个现实的问题在于，虽然现在已经有英国生物银行（UK Biobank）这样的年夜 范围 人类神经科学数据集，在研究临床人群或解决重点神经科学的问题时，几十到上百人的小范围 数据样本依旧是常态。在精确标注的医疗数据量有限的情况下，如何训练出可靠的AI模型，在神经科学和计算机科学领域正在成为焦点问题。

新华社照片
在Nature Neuroscience宣布 的最新研究结果 中，来自新加坡国立年夜 学、字节跳动、麦吉尔年夜 学等机构的研究者们首次提出，使用机器学习领域的元学习（meta learning）来解决上述难题。元学习（meta learning）是一种让机器学会更好地学习的办法 ，目的是让机器面对全新的任务时能更好地利用在先前的任务中获取的“知识”。
研究者通过对先前的小样本数据剖析 发明 ，个别 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年夜 脑成像数据之间存在一种内在的相关性。基于小样本数据和年夜 数据集之间的这种相关性，研究者提出名为元匹配的办法 。这一办法 可以将年夜 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，以更准确地预测新的表型。
这一新办法 已经在英国生物银行（UK Biobank）和人类连接组计划（Human Connectome Project）的数据集上完成了测评，测评结果显示，新办法 相较于传统办法 体现出更高的准确率。
实验显示，这项新的训练框架异常 灵活，可以与任何机器学习算法相结合，在小范围 的数据集上，也可以有效地训练泛化性能好的AI预测模型。
《自然 神经系统科学》是全球最具影响力的学术期刊《自然》的子刊，也是神经生物学领域最顶级的刊物之一，该杂志揭橥 的论文涉及神经科学的各个领域，包含 分子、细胞、系统、行为、认知和计算研究。
采写：南都记者 王道斌