Google 研究：迁移学习并非越多越好

Google Research 发布一项跨人群基因组预测研究，系统性回答了一个迁移学习的关键问题：**外部大数据是否总是越多越好**。团队用 UK Biobank（UKB）的欧洲队列与 Biobank Japan（BBJ）近 20 万日本样本，在 BMI、血压、血脂、血糖等 8 项临床性状上做消融实验，评估多基因风险评分（PRS）的跨人群可迁移性。

结论反直觉：当目标人群样本很少（如 5000）时，混入欧洲数据确实带来统计增益；但目标样本一旦达到**约 1.5 万**，纯本地模型就开始反超，继续混入外部数据反而限制精度提升。这一拐点随性状而异——跨人群遗传相关性高的「保守」性状（如 BMI）到 25k-40k+ 样本仍受益于外部数据，而 HDL、LDL、血糖这类群体特异性性状更早失去增益。

💡 为什么值得看英日双万人消融揭示跨人群 PRS 训练量拐点，决定目标人群策略。