斯坦福大学医学院的研究人员报告称，他们开发了一种新的人工智能模型，在测试中发现，该模型在确定人类大脑活动的 MRI 扫描来自男性还是女性方面的成功率超过 90%。 研究人员表示，这些发现有助于解决关于人类大脑中是否存在可靠的性别差异的长期争议，并且还表明了解这些差异可能有助于科学家更好地了解对女性和男性产生不同影响的神经精神疾病。
“这项研究的一个关键动机是，性在人类大脑发育、衰老以及精神和神经系统疾病的表现中发挥着至关重要的作用，”斯坦福大学精神病学和行为科学教授兼主任维诺德·梅农博士说。认知与系统神经科学实验室。 “确定健康成人大脑中一致且可复制的性别差异是深入了解精神和神经疾病中性别特异性脆弱性的关键一步。”
梅农是该团队发表的研究的高级作者 美国国家科学院院刊标题为“深度学习模型揭示了人类功能性大脑组织中可复制、可推广和行为相关的性别差异”。 研究人员在报告中得出结论：“我们的研究结果强调了性别作为人类大脑组织中生物决定因素的关键作用，对于开发精神和神经疾病中的个性化性别特异性生物标志物具有重要意义，并提供了基于人工智能的创新计算工具以供未来研究之用。” 主要作者是 Srikanth Ryali 博士和学术研究员张远博士。
作者指出，性在早期大脑发育、青春期和衰老中发挥着重要作用。 此外，他们指出，“性别是影响人类行为、影响大脑功能以及精神和神经疾病表现的重要生物学因素……因此，了解人脑性别差异对于理解规范行为和精神病理学至关重要。” ” 科学家表示，事实上，一个人的性别在多大程度上影响其大脑的组织和运作方式长期以来一直是科学家们争论的焦点。
虽然我们知道我们与生俱来的性染色体有助于决定我们大脑所接触的激素混合物——尤其是在早期发育、青春期和衰老过程中——但研究人员长期以来一直在努力将性别与人类大脑的具体差异联系起来。 男性和女性的大脑结构往往看起来很相似，之前研究大脑区域如何协同工作的研究也基本上未能发现一致的性别大脑指标。 “……之前关于男性和女性大脑组织差异的研究尚无定论，”研究人员指出。 “……我们对人类功能性大脑组织的性别差异及其行为后果的理解因不一致的发现和缺乏重复性而受到阻碍。”
在他们新报告的研究中，梅农和同事利用人工智能的最新进展以及对多个大型数据集的访问，来进行比以前使用的更强大的分析。 首先，他们创建了一个端到端时空深度神经网络 (stDNN) 模型，并训练该模型对来自人类连接组计划 (HCP) 的静息态功能 MRI (rsfMRI) 大脑图像的数据进行分类。 当研究人员向模型展示大脑扫描并告诉它正在观察男性或女性的大脑时，模型开始“注意到”哪些微妙的模式可以帮助它区分差异。 科学家们表示：“我们的 stDNN 模型发现了可靠的性别差异，交叉验证分类准确率超过 90%，优于之前的研究。”
该团队无需进一步培训，就评估了其预测模型在其他数据集上的可复制性。 当对大约 1,500 个脑部扫描进行测试时，stDNN 模型几乎总能判断扫描来自女性还是男性。 与之前研究中使用的模型相比，它还表现出了卓越的性能，部分原因是它使用了分析动态 rsfMRI 扫描的深度神经网络。 这种方法捕捉了不同大脑区域之间复杂的相互作用。 “至关重要的是，我们的模型在测试和独立数据集中都优于之前的研究，”该团队指出。
该模型的成功表明，大脑中确实存在可检测到的性别差异，但之前并没有可靠地发现这些差异。 事实上，该模型在不同的数据集（包括来自美国和欧洲多个地点的脑部扫描）中表现良好，这一事实使得研究结果特别令人信服，因为它控制了许多可能影响此类研究的混杂因素。 “这是一个非常有力的证据，表明性别是人类大脑组织的一个强有力的决定因素，”梅农说。
直到最近，梅农团队采用的模型可以帮助研究人员将大脑分类为不同的组，但无法提供有关分类如何发生的信息。 然而，今天的研究人员可以使用一种称为可解释人工智能（XAI）的工具，它可以筛选大量数据来解释模型的决策是如何做出的。
梅农和他的团队利用可解释的人工智能，确定了对于模型判断脑部扫描来自男性还是女性最重要的大脑网络。 他们发现，最能帮助模型区分男性和女性大脑的“热点”包括默认模式网络（DMN），这是一种帮助我们处理自我参照信息的大脑系统，以及纹状体和边缘网络，它们参与学习以及我们如何应对奖励。
值得注意的是，他们指出，DMN、纹状体和边缘网络也是“患病率存在女性或男性偏向的精神疾病的功能障碍位点，包括自闭症、注意力缺陷障碍、抑郁症、成瘾、精神分裂症和帕金森病”具有特定性别的后遗症和结果。” 研究小组表示，他们的发现“……因此可能为调查个体精神和神经疾病易感性方面的性别差异提供一个模板。”
此外，研究人员想知道他们是否可以创建另一个模型，根据女性和男性之间不同的大脑功能特征来预测参与者在某些认知任务上的表现。 为此，他们开发了针对性别的认知能力模型。 一种模型可以有效预测男性的认知表现，但不能预测女性的认知表现，另一种模型可以预测女性的认知表现，但不能预测男性的认知表现。 研究结果表明，性别之间大脑功能特征的差异具有显着的行为影响。 “至关重要的是，XAI 识别出的大脑特征能够可靠地区分性别之间的功能性大脑组织，同时也预测了女性和男性独特的认知特征，”作者评论道。
在总结他们的发现时，他们得出结论：“我们使用时空 DNN 和 XAI 技术的方法，在多个数据集和独立队列中识别了人类功能性大脑组织中可复制、可推广和可解释的性别差异，此外，还揭示了不同性别之间的功能性大脑特征之间的差异。性别与行为相关。”
梅农补充道：“这些模型效果非常好，因为我们成功地分离了性别之间的大脑模式。 这告诉我，忽视大脑组织中的性别差异可能会导致我们错过神经精神疾病的关键因素。”
虽然该团队将他们的深度神经网络模型应用于有关性别差异的问题，但梅农表示，该模型可以用于回答有关大脑连接的任何方面如何与任何类型的认知能力或行为相关的问题。 科学家们计划将他们的模型公开供任何研究人员使用。 “我们的人工智能模型具有非常广泛的适用性，”梅农说。 “例如，研究人员可以使用我们的模型来寻找与学习障碍或社会功能差异相关的大脑差异，我们渴望更好地了解这些方面，以帮助个人适应和克服这些挑战。”
研究人员指出，这项工作并没有权衡与性别相关的差异是在生命早期出现的，还是由荷尔蒙差异或男性和女性可能更容易遇到的不同社会环境引起的。 尽管如此，他们写道：“发现潜在的性别差异存在强大的功能性大脑特征，有可能为研究精神和神经疾病的性别差异提供定量精确的模型。 这项工作为认知神经科学研究和临床应用中更有针对性和个性化的方法铺平了道路。”
2024-02-19 20:00:20
1708373956
#人工智能发现女性和男性在大脑组织和功能方面存在差异
,fit(1200:))
