近日，一項中外研究人員合作的技術(shù)成果發(fā)表在神經(jīng)生物學(xué)頂級期刊《自然神經(jīng)科學(xué)》上。本研究首次將人工智能中的元學(xué)習(xí)方法引入神經(jīng)科學(xué)和醫(yī)學(xué)領(lǐng)域，可以在有限的醫(yī)學(xué)數(shù)據(jù)上訓(xùn)練出可靠的AI模型，提高基于腦成像的精準(zhǔn)醫(yī)療效果。
腦成像技術(shù)是神經(jīng)科學(xué)發(fā)展的一個重要領(lǐng)域，它可以直接觀察大腦在信息處理和對刺激的反應(yīng)過程中的神經(jīng)化學(xué)變化，從而為疾病的診斷和治療提供重要的參考。理論上，基于腦成像的AI模型可以應(yīng)用于預(yù)測一些個人特征。
一個現(xiàn)實的問題是，雖然有英國生物銀行這樣的人類神經(jīng)科學(xué)大規(guī)模數(shù)據(jù)集，但幾十到幾百個小規(guī)模數(shù)據(jù)樣本研究臨床人群或解決神經(jīng)科學(xué)關(guān)鍵問題仍然是常態(tài)。隨著有限的醫(yī)療數(shù)據(jù)被精確標(biāo)記，如何訓(xùn)練一個可靠的人工智能模型正在成為神經(jīng)科學(xué)和計算機科學(xué)領(lǐng)域的一個焦點。
在此次發(fā)布的最新研究成果中，研究人員首次提出在機器學(xué)習(xí)領(lǐng)域使用元學(xué)習(xí)來解決上述問題。元學(xué)習(xí)是機器學(xué)習(xí)更好地學(xué)習(xí)的一種方式。目的是讓機器在面對全新的任務(wù)時，更好地利用之前任務(wù)中獲得的“知識”。
通過對以往小樣本數(shù)據(jù)的分析，研究人員發(fā)現(xiàn)，個體的認(rèn)知、心理健康、人口統(tǒng)計學(xué)等健康屬性與腦成像數(shù)據(jù)之間存在著內(nèi)在的相關(guān)性?；谛颖緮?shù)據(jù)和大數(shù)據(jù)集之間的這種相關(guān)性，研究人員提出了一種叫做元匹配的方法。這種方法可以把從大數(shù)據(jù)集訓(xùn)練出來的機器學(xué)習(xí)模型轉(zhuǎn)移到小數(shù)據(jù)集，從而訓(xùn)練出更可靠的模型，更準(zhǔn)確地預(yù)測新的表型。
目前，這種新方法已經(jīng)在英國生物銀行和人類連接組的數(shù)據(jù)集上進(jìn)行了評估。評價結(jié)果表明，新方法比傳統(tǒng)方法具有更高的精度。實驗表明，這種新的訓(xùn)練框架非常靈活，可以與任何機器學(xué)習(xí)算法相結(jié)合，能夠有效地訓(xùn)練出在小規(guī)模數(shù)據(jù)集上具有良好泛化性能的AI預(yù)測模型。
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號：滬ICP備17004559號-5
