Værktøj til kunstig intelligens afslører kønsforskelle i hjernens struktur

Kunstig intelligens (AI) computerprogrammer, der behandler MR-scanninger, afslører forskelle i organiseringen af hjernen hos mænd og kvinder på celleniveau, viser en ny undersøgelse. Disse forskelle blev fundet i den hvide substans, det væv, der primært findes i det indre lag af den menneskelige hjerne, som letter kommunikationen mellem regioner.

Mænd og kvinder er kendt for at lide forskelligt af multipel sklerose, autismespektrumforstyrrelse, migræne og andre hjerneproblemer og for at udvise forskellige symptomer. En detaljeret forståelse af, hvordan biologisk køn påvirker hjernen, ses som en måde at forbedre diagnostiske værktøjer og behandlinger på. Men selvom hjernens størrelse, form og vægt er blevet undersøgt, har forskere kun en delvis forståelse af dens struktur på celleniveau.

En ny undersøgelse ledet af forskere ved NYU Langone Health brugte en AI-teknik kaldet maskinlæring til at analysere tusindvis af MR-hjernescanninger fra 471 mænd og 560 kvinder. Resultaterne viste, at computerprogrammerne præcist kunne skelne mellem mandlige og kvindelige hjerner og identificere strukturelle og komplekse mønstre, der var usynlige for det menneskelige øje.

Resultaterne blev bekræftet af tre forskellige AI-modeller designet til at bestemme biologisk køn, ved hjælp af deres relative styrker ved enten at fokusere på små pletter af hvid substans eller analysere forbindelser på tværs af store områder af hjernen.

"Vores resultater giver et klarere billede af strukturen af den levende menneskelige hjerne, hvilket kan give ny indsigt i, hvordan mange psykiatriske og neurologiske lidelser udvikler sig, og hvorfor de kan manifestere sig forskelligt hos mænd og kvinder," sagde hovedforfatter til studiet og neuroradiolog Yvonne Lui, MD.

Lui, professor og næstformand for forskning i radiologiafdelingen på NYU Grossman School of Medicine, bemærker, at tidligere studier af hjernens mikrostruktur i høj grad har været afhængige af dyremodeller og menneskelige vævsprøver. Derudover er gyldigheden af nogle af disse tidligere fund blevet sat spørgsmålstegn ved brugen af statistiske analyser af "håndtegnede" interesseområder, hvilket krævede, at forskere traf mange subjektive beslutninger om formen, størrelsen og placeringen af de valgte områder. Sådanne valg kan potentielt skævvride resultaterne, siger Lui.

Den nye undersøgelses resultater undgik dette problem ved at bruge maskinlæring til at analysere hele grupper af billeder uden at fortælle computeren, at den skulle se på et bestemt sted, hvilket hjalp med at eliminere menneskelige bias, bemærker forfatterne.

I forbindelse med undersøgelsen startede teamet med at give AI-programmerne eksisterende data, f.eks. MR-hjernescanninger af raske mænd og kvinder, sammen med det biologiske køn for hver scanning. Fordi disse modeller var designet til at bruge sofistikerede statistiske og matematiske metoder til at blive "klogere" over tid, efterhånden som de akkumulerede data, "lærte" de til sidst at skelne biologisk køn på egen hånd. Vigtigt er det, at programmerne var begrænset i at bruge den samlede hjernestørrelse og -form til deres bestemmelser, siger Lui.

Ifølge resultaterne identificerede alle modellerne korrekt kønnet på scanningerne i 92% til 98% af tilfældene. Adskillige funktioner hjalp især maskinerne med at drage deres konklusioner, herunder hvor let og i hvilken retning vand var i stand til at bevæge sig gennem hjernevævet.

"Disse resultater fremhæver vigtigheden af mangfoldighed, når man studerer sygdomme, der stammer fra den menneskelige hjerne," sagde studiets medforfatter Junbo Chen, MS, en ph.d.-studerende ved NYU Tandon School of Engineering.

"Hvis mænd, som det historisk set har været tilfældet, bruges som standardmodel for forskellige lidelser, kan forskere gå glip af kritiske indsigter," tilføjede studiets medforfatter Vara Lakshmi Bayanagari, MS, en kandidatstuderende ved NYU Tandon School of Engineering.

Bayanagari advarer om, at selvom AI-værktøjerne kunne rapportere forskelle i hjernecelleorganisation, kunne de ikke identificere, hvilket køn der var mere tilbøjeligt til hvilke træk. Hun tilføjer, at undersøgelsen klassificerede køn baseret på genetisk information og kun omfattede MR-scanninger af cisgender mænd og kvinder.

Holdet planlægger at undersøge udviklingen af kønsforskelle i hjernestrukturen over tid yderligere for bedre at forstå rollen af miljømæssige, hormonelle og sociale faktorer i disse ændringer, siger forfatterne.

Arbejdet blev offentliggjort i tidsskriftet Scientific Reports.