Stanford University Medical Center gebruikte AI om structurele verschillen in mannelijke en vrouwelijke hersenen op te sporen.
Het onderzoek behaalde een nauwkeurigheid van meer dan 90% bij het identificeren van het geslacht van individuen op basis van hersenactiviteitsscans, wat licht werpt op het lang bediscussieerde onderwerp van geslachtsspecifieke structurele verschillen in de hersenen.
De onderzoekgepubliceerd in de Proceedings of the National Academy of Sciences (PNAS), stelt dat deze verschillen zullen leiden tot een beter begrip en een betere behandeling van neuropsychiatrische aandoeningen die zich duidelijk onderscheiden van mannen en vrouwen.
Dr. Vinod Menon, directeur van het Stanford Cognitive and Systems Neuroscience Laboratory, legde uit hoe belangrijk het is om sekseverschillen in de hersenen te herkennen.
"Seks speelt een cruciale rol in de ontwikkeling van het menselijk brein, in veroudering en in de manifestatie van psychiatrische en neurologische stoornissen," aldus de onderzoekers. Menon verklaardeen benadrukte het doel van het onderzoek om meer inzicht te krijgen in seksespecifieke mentale en neurologische kwetsbaarheden.
We weten bijvoorbeeld dat vrouwen bijna twee keer zoveel kans hebben op de diagnose depressie als mannen, terwijl mannen vaker de diagnose ADHD krijgen.
Andere psychische aandoeningen zoals persoonlijkheidsstoornissen, bipolaire stoornissen en schizofrenie manifesteren zich ook anders bij mannen dan bij vrouwen.
Het nauwkeurig identificeren en classificeren van verschillen tussen de anatomie van mannelijke en vrouwelijke hersenen is essentieel om te begrijpen of er een biologische verklaring voor is.
Hier zijn zes stappen om te beschrijven hoe het onderzoek werkte:
- Het onderzoek onderzocht seksegerelateerde verschillen in hersenfunctie, wat cruciaal is voor het begrijpen van gedragsmatige effecten en geestelijke gezondheidsproblemen, door het analyseren van functionele MRI (fMRI) gegevens van ongeveer 1500 jongvolwassenen.
- Geavanceerde AI, in het bijzonder een spatiotemporal deep neural network (stDNN), werd gebruikt om hersenscans te onderzoeken en onthulde verschillende patronen in hoe mannelijke en vrouwelijke hersenen zijn georganiseerd.
- Dit AI-model, over 90%, toonde een indrukwekkende nauwkeurigheid in het onderscheiden van mannelijke van vrouwelijke hersenen op basis van functionele dynamiek, waarbij de effectiviteit over meerdere sessies en onafhankelijke cohorten werd benadrukt.
- Belangrijke hersennetwerken, zoals het default mode netwerk, het striatum en het limbisch systeem, vertoonden significante sekseverschillen, met effectgroottes groter dan 1,5, wat duidt op robuuste verschillen in de organisatie van de hersenen.
- Het gebruik van verklaarbare AI-technieken (XAI) in het onderzoek maakte het mogelijk om specifieke hersenkenmerken te identificeren die verantwoordelijk zijn voor deze verschillen, en deze kenmerken zouden cognitieve profielen kunnen voorspellen die specifiek zijn voor elk geslacht.
- Deze bevindingen tarten eerdere opvattingen over een continu spectrum van man-vrouw organisatie van de hersenen en benadrukken sekse als een fundamentele factor in hersenstructuur en -functie, met implicaties voor gepersonaliseerde medische benaderingen bij de behandeling van mentale en neurologische stoornissen.
De onderzoekers gingen verder met hun onderzoek door te vragen of ze de prestaties van individuen op cognitieve taken konden voorspellen op basis van de seksespecifieke hersenkenmerken die ze hadden geïdentificeerd.
Hiervoor creëerden ze twee gespecialiseerde AI-modellen: één op maat om cognitieve vaardigheden bij mannen te voorspellen en een ander voor vrouwen. Deze modellen waren gebaseerd op de verschillende hersenpatronen die verband hielden met geslacht die het team eerder had ontdekt.
Het succes van deze modellen was opmerkelijk. Het model dat ontworpen was voor mannen voorspelde nauwkeurig hun cognitieve prestaties, maar het werkte niet voor vrouwen, en omgekeerd. Dit suggereert sterk dat de functionele verschillen in de organisatie van de hersenen tussen de seksen een reële invloed hebben op gedrag en cognitieve vaardigheden.
Menon legde het belang van deze bevindingen uit: "Deze modellen werkten echt goed omdat we erin slaagden hersenpatronen tussen de geslachten te scheiden," legde hij uit.
Deze scheiding leidde tot een beter begrip van hoe het over het hoofd zien van sekseverschillen in de organisatie van de hersenen kan leiden tot het missen van cruciale elementen die bijdragen aan neuropsychiatrische stoornissen.
Menon benadrukte ook het bredere potentieel van hun AI-model. Naast het onderzoeken van sekseverschillen kan het model worden toegepast op verschillende vragen over hersenconnectiviteit en de relatie tot cognitieve functies of gedrag.
De rol van AI in de neurowetenschappen is welbekend. Een recent onderzoek gebruikte machine learning om Beelden 'ophalen' van MRI-scansen een ander gebruikte hersencellen om spraakherkenningstaken.
AI is ook gebruikt om spraakpatronen analyseren bij mensen met schizofrenie en ontwikkelen nieuwe 3D-therapie avatars.
In de toekomst zal het waarschijnlijk mogelijk zijn om nauwkeurig iemands gedachten te 'lezen' in real-time door ML-modellen toepassen op neurologische gegevens.
Het team van Stanford wil hun model toegankelijk maken voor de onderzoeksgemeenschap om verder onderzoek naar psychische aandoeningen en leerstoornissen aan te moedigen.
Menons visie is dat deze AI-tools de uitdagingen kunnen begrijpen en aanpakken waarmee individuen worden geconfronteerd als gevolg van deze hersenverschillen.
Verfijnde modellen voor hersenbeeldvorming zouden uiteindelijk kunnen bijdragen aan een nieuw tijdperk van precisiepsychiatrie. Zoals Menon het samenvat: "Onze AI-modellen zijn zeer breed toepasbaar."
