Stanford University Medical Center använde AI för att upptäcka strukturella skillnader i hjärnan hos män och kvinnor.
Studien uppnådde över 90% noggrannhet i att identifiera individers kön baserat på skanningar av hjärnaktivitet, vilket belyser det länge debatterade ämnet om könsspecifika strukturella skillnader i hjärnan.
Den forskningsom publicerades i Proceedings of the National Academy of Sciences (PNAS), konstateras att dessa skillnader kommer att förbättra vår förståelse och behandling av neuropsykiatriska tillstånd som yttrar sig på olika sätt hos kvinnor och män.
Dr Vinod Menon, chef för Stanford Cognitive and Systems Neuroscience Laboratory, förklarade vikten av att erkänna könsskillnader i hjärnan.
"Kön spelar en avgörande roll för hjärnans utveckling, för åldrandet och för uppkomsten av psykiatriska och neurologiska sjukdomar." Menon sade, vilket belyser studiens syfte att öka vår förståelse för könsspecifika psykiska och neurologiska sårbarheter.
Vi vet till exempel att kvinnor löper nästan dubbelt så stor risk som män att få diagnosen depression, medan män löper större risk att få diagnosen ADHD.
Andra psykiska sjukdomar som personlighetsstörningar, bipolär sjukdom och schizofreni yttrar sig också olika hos män och kvinnor.
Att korrekt identifiera och klassificera skillnader mellan manlig och kvinnlig hjärnanatomi är nyckeln till att förstå om det finns en biologisk förklaring.
Här följer sex steg för att beskriva hur studien fungerade:
- Studien undersökte könsrelaterade skillnader i hjärnans funktion, vilket är avgörande för att förstå beteendepåverkan och psykiska tillstånd, genom att analysera funktionell MRI-data (fMRI) från cirka 1.500 unga vuxna.
- Avancerad AI, särskilt ett spatiotemporalt djupt neuronnät (stDNN), användes för att granska hjärnskanningar och avslöjade distinkta mönster i hur manliga och kvinnliga hjärnor är organiserade.
- Denna AI-modell, över 90%, uppvisade en imponerande noggrannhet när det gällde att skilja mellan manliga och kvinnliga hjärnor baserat på funktionell dynamik, vilket belyser dess effektivitet över flera sessioner och oberoende kohorter.
- Viktiga hjärnnätverk - som standardlägesnätverket, striatum och det limbiska systemet - visade betydande könsskillnader, med effektstorlekar större än 1,5, vilket indikerar robusta skillnader i hjärnans organisation.
- Genom att använda XAI-tekniker (explainable AI) kunde man identifiera specifika hjärnfunktioner som låg bakom dessa skillnader, och dessa funktioner kunde förutsäga kognitiva profiler som var specifika för varje kön.
- Dessa resultat utmanar tidigare uppfattningar om ett kontinuerligt spektrum av manlig-kvinnlig hjärnorganisation och betonar kön som en grundläggande faktor i hjärnans struktur och funktion, med konsekvenser för individanpassade medicinska metoder för behandling av psykiska och neurologiska störningar.
Forskarna gick vidare i sin undersökning och frågade sig om de kunde förutsäga individers prestationer på kognitiva uppgifter utifrån de könsspecifika hjärnfunktioner som de hade identifierat.
För att göra detta skapade de två specialiserade AI-modeller: en skräddarsydd för att förutsäga kognitiva förmågor hos män och en annan för kvinnor. Dessa modeller baserades på de distinkta hjärnmönster relaterade till kön som teamet tidigare hade upptäckt.
Framgången för dessa modeller var anmärkningsvärd. Den modell som utformats för män förutspådde exakt deras kognitiva prestanda, men den fungerade inte för kvinnor och vice versa. Detta tyder starkt på att de funktionella skillnaderna i hjärnans organisation mellan könen har verkliga effekter på beteende och kognitiva förmågor.
Menon förklarade vikten av dessa resultat: "Dessa modeller fungerade riktigt bra eftersom vi lyckades separera hjärnmönster mellan könen", förklarade han.
Denna uppdelning ledde till en djupare förståelse för hur man genom att förbise könsskillnader i hjärnans organisation kan missa viktiga delar som bidrar till neuropsykiatriska störningar.
Menon lyfte också fram den bredare potentialen i deras AI-modell. Utöver att utforska könsskillnader kan modellen tillämpas på olika frågor om hjärnans konnektivitet och dess relation till kognitiva funktioner eller beteenden.
AI:s roll inom neurovetenskap är väletablerad. I en nyligen genomförd studie användes maskininlärning för att "hämta" bilder från MR-undersökningaroch en annan använde hjärnceller för att utföra taligenkänningsuppgifter.
AI har också använts för att analysera talmönster hos individer med schizofreni och utveckla nya avatarer för 3D-terapi.
I framtiden kommer det förmodligen att vara möjligt att exakt "läsa någons tankar" i realtid genom Tillämpning av ML-modeller på neurologiska data.
Stanford-teamet avser att göra sin modell tillgänglig för forskarsamhället för att uppmuntra till ytterligare forskning om psykiska sjukdomar och inlärningssvårigheter.
Menons vision är att dessa AI-verktyg ska kunna förstå och hantera de utmaningar som individer ställs inför på grund av dessa skillnader i hjärnan.
Sofistikerade modeller för hjärnavbildning kan så småningom bidra till en ny era av precisionspsykiatri. Som Menon sammanfattar det: "Våra AI-modeller har mycket breda tillämpningsmöjligheter."
