伦敦大学学院在《大脑》杂志上发表的一项新研究发现，机器学习可以提高我们判断新药是否在大脑中起作用的能力，有可能使研究人员能够检测到传统统计测试完全无法检测到的药物作用。
“目前的统计模型过于简单。它们无法捕捉到人与人之间复杂的生物差异，而将其视为噪音。我们怀疑这可以部分解释为什么许多药物试验在简单的动物身上有效，但在人类复杂的大脑中却失败了。如果是这样的话，能够模拟人类大脑复杂程度的机器学习可能会发现原本会被忽视的治疗效果，”这项研究的主要作者、伦敦大学学院神经病学研究所的 Parashkev Nachev 博士说。
为了验证这一概念，研究团队查看了中风患者的大量数据，提取了每个患者中风造成的脑损伤的复杂解剖模式，在此过程中创建了有史以来最大的中风解剖注册图像集。作为中风影响的指标，他们使用了注视方向，客观测量了入院时头部 CT 扫描中的眼睛，以及通常在 1-3 天后进行的 MRI 扫描。
然后，他们模拟了一组假设药物的大规模荟萃分析，以查看传统统计分析可能遗漏的不同程度的治疗效果是否可以通过机器学习识别出来。例如，给定一种使脑损伤缩小70% 的药物治疗，他们使用传统(低维)统计测试以及高维机器学习方法测试其显著效果。