Stanford University Medical Center brukte kunstig intelligens til å oppdage strukturelle forskjeller i hjernen hos menn og kvinner.
Studien oppnådde over 90% nøyaktighet i identifiseringen av individers kjønn basert på skanning av hjerneaktivitet, noe som kaster lys over det lenge omdiskuterte temaet om kjønnsspesifikke strukturelle forskjeller i hjernen.
Den forskningI en artikkel publisert i Proceedings of the National Academy of Sciences (PNAS), heter det at disse forskjellene vil forbedre vår forståelse og behandling av nevropsykiatriske tilstander som manifesterer seg forskjellig hos kvinner og menn.
Dr. Vinod Menon, direktør for Stanford Cognitive and Systems Neuroscience Laboratory, forklarte hvor viktig det er å erkjenne kjønnsforskjeller i hjernen.
"Kjønn spiller en avgjørende rolle i hjernens utvikling, i aldring og i manifestasjonen av psykiatriske og nevrologiske lidelser." Menon uttalteStudien har til hensikt å øke vår forståelse av kjønnsspesifikke mentale og nevrologiske sårbarheter.
Vi vet for eksempel at kvinner har nesten dobbelt så høy risiko som menn for å bli diagnostisert med depresjon, mens menn har høyere risiko for å bli diagnostisert med ADHD.
Andre psykiske lidelser som personlighetsforstyrrelser, bipolar lidelse og schizofreni manifesterer seg også forskjellig hos menn og kvinner.
Nøyaktig identifisering og klassifisering av forskjeller mellom mannlig og kvinnelig hjerneanatomi er nøkkelen til å forstå om det finnes en biologisk forklaring.
Her er seks trinn som beskriver hvordan studien fungerte:
- Studien undersøkte kjønnsrelaterte forskjeller i hjernens funksjon, som er avgjørende for å forstå atferdsmessige konsekvenser og psykiske lidelser, ved å analysere funksjonell MR-data (fMRI) fra rundt 1500 unge voksne.
- Avansert kunstig intelligens, nærmere bestemt et spatiotemporalt dypt nevralt nettverk (stDNN), ble brukt til å granske hjerneskanninger, og avslørte tydelige mønstre i hvordan mannlige og kvinnelige hjerner er organisert.
- Denne AI-modellen, over 90%, viste imponerende nøyaktighet når det gjaldt å skille mellom mannlige og kvinnelige hjerner basert på funksjonell dynamikk, noe som fremhever dens effektivitet på tvers av flere økter og uavhengige kohorter.
- Viktige hjernenettverk - som standardmodusnettverket, striatum og det limbiske systemet - viste signifikante kjønnsforskjeller, med effektstørrelser større enn 1,5, noe som indikerer robuste forskjeller i hjernens organisering.
- Ved hjelp av XAI-teknikker (explainable AI) kunne forskerne identifisere spesifikke hjernefunksjoner som var ansvarlige for disse forskjellene, og disse funksjonene kunne forutsi kognitive profiler som var spesifikke for hvert kjønn.
- Disse funnene utfordrer tidligere oppfatninger om et kontinuerlig spektrum av mannlig og kvinnelig hjerneorganisering, og understreker kjønn som en grunnleggende faktor i hjernens struktur og funksjon, med implikasjoner for persontilpassede medisinske tilnærminger i behandlingen av psykiske og nevrologiske lidelser.
Forskerne gikk videre med undersøkelsen ved å spørre om de kunne forutsi individers prestasjoner på kognitive oppgaver basert på de kjønnsspesifikke hjerneegenskapene de hadde identifisert.
For å gjøre dette skapte de to spesialiserte AI-modeller: en skreddersydd for å forutsi kognitive evner hos menn og en annen for kvinner. Disse modellene var basert på de distinkte hjernemønstrene knyttet til kjønn som teamet tidligere hadde avdekket.
Suksessen til disse modellene var bemerkelsesverdig. Modellen som var utviklet for menn, forutsa nøyaktig deres kognitive prestasjoner, men den fungerte ikke for kvinner, og vice versa. Dette tyder sterkt på at de funksjonelle forskjellene i hjernens organisering mellom kjønnene har reell innvirkning på atferd og kognitive evner.
Menon forklarte betydningen av disse funnene: "Disse modellene fungerte veldig bra fordi vi klarte å skille hjernemønstrene mellom kjønnene", forklarte han.
Denne separasjonen førte til en dypere forståelse av hvordan det å overse kjønnsforskjeller i hjernens organisering kan føre til at man går glipp av viktige elementer som bidrar til nevropsykiatriske lidelser.
Menon fremhevet også det bredere potensialet til AI-modellen deres. I tillegg til å utforske kjønnsforskjeller kan modellen brukes på ulike spørsmål om hjernens konnektivitet og dens forhold til kognitive funksjoner eller atferd.
AIs rolle innen nevrovitenskap er veletablert. En fersk studie brukte maskinlæring til å "hente" bilder fra MR-skanningerog en annen brukte hjerneceller til å utføre talegjenkjenningsoppgaver.
AI har også blitt brukt til å analysere talemønstre hos personer med schizofreni og utvikle nye 3D-terapi-avatarer.
I fremtiden vil det sannsynligvis være mulig å "lese noens tanker" i sanntid ved å bruk av ML-modeller på nevrologiske data.
Stanford-teamet har til hensikt å gjøre modellen tilgjengelig for forskningsmiljøet for å oppmuntre til videre forskning på psykiske lidelser og lærevansker.
Menons visjon er at disse AI-verktøyene skal kunne forstå og løse utfordringene enkeltpersoner står overfor på grunn av disse hjerneforskjellene.
Sofistikerte modeller for hjerneavbildning kan på sikt bidra til en ny æra innen presisjonspsykiatri. Som Menon oppsummerer: "AI-modellene våre har svært bred anvendelighet."
