目前，如何将AI技术应用于罕见疾病样本的分析仍是国内外科学家关注的热点话题和急需突破的瓶颈。
5月16日，新加坡国立大学和字节跳动等机构在神经生物学期刊《自然·神经科学》发布了一项关于AI机器学习的最新研究。
该研究提出了一个简单的模型，即元匹配（meta-matching）。与此同时，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。
脑成像技术可直接观察大脑在信息处理和应对刺激时的神经化学变化，理论上，基于脑成像的AI模型可应用于预测个人的一些表征特性，从而促进针对个人的精准医疗。
该项研究是通过先分析过去的小样本数据，然后发现人类的健康属性，如个体认知状态、心理状况等表征与脑成像数据存在内生关系。基于上述的关联，研究者提出元匹配的方法，利用AI机器学习训练出更为可靠的模型。
该研究价值在于利用有限的医疗数据训练出可靠的AI模型，并将其应用在智慧医疗中。
该研究成果将有利于某些罕见疾病的治疗，为患者提供更加精确的医疗服务。
该论文题为“Meta-matching as a simple framework to translate phenotypic predictive models from big to small data”，目前已经发表在《Nature Neuroscience》期刊上。
论文原文链接：https://www.nature.com/articles/s41593-022-01059-9