Stanford University Medical Center brugte AI til at opdage strukturelle forskelle i mænds og kvinders hjerner.
Undersøgelsen opnåede en nøjagtighed på over 90% i identifikationen af personers køn baseret på scanninger af hjerneaktivitet, hvilket kaster lys over det længe debatterede emne om kønsspecifikke strukturelle forskelle i hjernen.
Den forskningi Proceedings of the National Academy of Sciences (PNAS), siger, at disse forskelle vil forbedre vores forståelse og behandling af neuropsykiatriske tilstande, der manifesterer sig forskelligt hos kvinder og mænd.
Dr. Vinod Menon, direktør for Stanford Cognitive and Systems Neuroscience Laboratory, forklarede vigtigheden af at anerkende kønsforskelle i hjernen.
"Køn spiller en afgørende rolle i den menneskelige hjernes udvikling, i aldring og i manifestationen af psykiatriske og neurologiske lidelser." Menon sagdeog fremhæver undersøgelsens formål med at fremme vores forståelse af kønsspecifikke mentale og neurologiske sårbarheder.
For eksempel ved vi, at kvinder har næsten dobbelt så stor risiko som mænd for at blive diagnosticeret med depression, mens mænd har større risiko for at blive diagnosticeret med ADHD.
Andre psykiske sygdomme som personlighedsforstyrrelser, bipolaritet og skizofreni viser sig også forskelligt hos mænd og kvinder.
Nøjagtig identifikation og klassificering af forskelle mellem mandlig og kvindelig hjerneanatomi er nøglen til at forstå, om der er en biologisk forklaring.
Her er seks trin til at beskrive, hvordan undersøgelsen fungerede:
- Studiet undersøgte kønsrelaterede forskelle i hjernefunktion, som er afgørende for at forstå adfærdsmæssige påvirkninger og mentale sundhedstilstande, ved at analysere funktionelle MRI-data (fMRI) fra omkring 1.500 unge voksne.
- Avanceret AI, især et spatiotemporalt dybt neuralt netværk (stDNN), blev brugt til at undersøge hjernescanninger og afslørede forskellige mønstre i, hvordan mænds og kvinders hjerner er organiseret.
- Denne AI-model, over 90%, viste en imponerende nøjagtighed i at skelne mellem mandlige og kvindelige hjerner baseret på funktionel dynamik, hvilket fremhævede dens effektivitet på tværs af flere sessioner og uafhængige kohorter.
- Vigtige hjernenetværk - såsom default mode-netværket, striatum og det limbiske system - viste betydelige kønsforskelle med effektstørrelser på mere end 1,5, hvilket indikerer robuste forskelle i hjernens organisering.
- Undersøgelsens brug af XAI-teknikker (explainable AI) gjorde det muligt at identificere specifikke hjernefunktioner, der var ansvarlige for disse forskelle, og disse funktioner kunne forudsige kognitive profiler, der var specifikke for hvert køn.
- Disse resultater udfordrer tidligere opfattelser af et kontinuerligt spektrum af mandlig og kvindelig hjerneorganisation og understreger køn som en grundlæggende faktor i hjernens struktur og funktion, hvilket har betydning for personlige medicinske tilgange til behandling af psykiske og neurologiske lidelser.
Forskerne gik videre med deres undersøgelse ved at spørge, om de kunne forudsige individers præstationer på kognitive opgaver ud fra de kønsspecifikke hjernefunktioner, de havde identificeret.
For at gøre dette skabte de to specialiserede AI-modeller: en skræddersyet til at forudsige kognitive evner hos mænd og en anden for kvinder. Disse modeller var baseret på de forskellige hjernemønstre relateret til køn, som teamet tidligere havde afdækket.
Disse modellers succes var bemærkelsesværdig. Modellen, der var designet til mænd, forudsagde præcist deres kognitive præstationer, men den virkede ikke for kvinder og omvendt. Det tyder stærkt på, at de funktionelle forskelle i hjernens organisering mellem kønnene har en reel indvirkning på adfærd og kognitive evner.
Menon forklarede vigtigheden af disse resultater: "Disse modeller fungerede rigtig godt, fordi det lykkedes os at adskille hjernemønstre mellem kønnene," forklarede han.
Denne adskillelse førte til en dybere forståelse af, hvordan det at overse kønsforskelle i hjernens organisering kan resultere i, at man overser vigtige elementer, der bidrager til neuropsykiatriske lidelser.
Menon fremhævede også det bredere potentiale i deres AI-model. Ud over at udforske kønsforskelle kan modellen anvendes på forskellige spørgsmål om hjernens konnektivitet og dens relation til kognitive funktioner eller adfærd.
AI's rolle inden for neurovidenskab er veletableret. En nylig undersøgelse brugte maskinlæring til at 'Hent' billeder fra MR-scanningerog en anden brugte hjerneceller til at udføre talegenkendelsesopgaver.
AI er også blevet brugt til at analysere talemønstre hos personer med skizofreni og udvikle Nye 3D-terapi-avatarer.
I fremtiden vil det sandsynligvis være muligt at "læse en persons tanker" i realtid ved at Anvendelse af ML-modeller på neurologiske data.
Stanford-teamet har til hensigt at gøre deres model tilgængelig for forskningsverdenen for at tilskynde til yderligere forskning i psykiske sygdomme og indlæringsvanskeligheder.
Menons vision er, at disse AI-værktøjer skal forstå og løse de udfordringer, som enkeltpersoner står over for på grund af disse hjerneforskelle.
Sofistikerede modeller for hjerneafbildning kan i sidste ende hjælpe en ny æra af præcisionspsykiatri på vej. Som Menon opsummerer: "Vores AI-modeller har en meget bred anvendelighed."
