Værktøj til kunstig intelligens afslører kønsforskelle i hjernestruktur

Computerprogrammer med kunstig intelligens (AI), der behandler MR-scanninger, afslører forskelle i organiseringen af mænds og kvinders hjerner på celleniveau, viser en ny undersøgelse. Disse forskelle blev fundet i hvidt stof, væv primært placeret 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 udvise forskellige symptomer. En detaljeret forståelse af, hvordan biologisk sex 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.

Det nye studie, ledet af forskere ved NYU Langone Health, brugte en kunstig intelligens-teknik kaldet maskinlæring til at analysere tusindvis af MR-scanninger af hjernen på 471 mænd og 560 kvinder. Resultaterne viste, at computerprogrammer nøjagtigt kunne skelne mellem mandlige og kvindelige hjerner og afsløre 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 at bruge deres relative styrker til enten at fokusere på små områder med hvidt stof eller analysere forbindelser på tværs af store hjerneområder.

"Vores resultater giver en klarere forståelse af strukturen af den levende menneskelige hjerne, som kan give ny indsigt i, hvor mange psykiatriske og neurologiske lidelser udvikler sig, og hvorfor de kan vise sig forskelligt hos mænd og kvinder," sagde studiets hovedforfatter. Og neuroradiolog Yvonne Luey, MD.

Luy, professor og næstformand for forskning i afdelingen for radiologi ved NYU Grossman School of Medicine, bemærker, at tidligere undersøgelser af hjernens mikrostruktur primært har været afhængige af dyremodeller og humane vævsprøver. Derudover er gyldigheden af nogle af disse tidligere fund blevet sat i tvivl ved brugen af statistiske analyser af "håndtegnede" områder af interesse, hvilket krævede, at forskere tog mange subjektive beslutninger om formen, størrelsen og placeringen af de udvalgte regioner. Sådanne valg kan potentielt forvrænge resultaterne, siger Lui.

Den nye undersøgelse undgik dette problem ved at bruge maskinlæring til at analysere hele grupper af billeder uden at pege computeren til et bestemt sted, hvilket hjalp med at eliminere menneskelig skævhed, bemærker forfatterne.

Til undersøgelsen begyndte holdet med at forsyne AI-programmerne med eksisterende data fra prøve-MRI-hjernescanninger af raske mænd og kvinder, som også specificerede det biologiske køn for hver scanning. Fordi disse modeller blev designet til at bruge sofistikerede statistiske og matematiske teknikker til at blive "klogere" over tid, efterhånden som data akkumuleredes, "lærte" de til sidst at skelne mellem biologisk køn på egen hånd. Det er vigtigt at bemærke, at programmerne var forbudt at bruge den overordnede hjernestørrelse og -form til deres beslutninger, siger Lui.

Ifølge resultaterne identificerede alle modeller korrekt køn fra scanninger i 92 % - 98 % af tilfældene. Adskillige funktioner hjalp især maskinerne med at nå deres konklusioner, herunder hvor let og i hvilken retning vand kunne bevæge sig gennem hjernevæv.

"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, som det har været tilfældet historisk set, mænd bruges som standardmodel for forskellige lidelser, kan forskere gå glip af kritiske indsigter," tilføjede undersøgelsens medforfatter Vara Lakshmi Bayanagari, MS, en kandidatforsker ved NYU Tandon Ingeniørskolen.

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

Holdet planlægger yderligere at studere udviklingen af kønsforskelle i hjernestruktur over tid for bedre at forstå, hvilken rolle miljømæssige, hormonelle og sociale faktorer spiller i disse ændringer, sagde forfatterne.

Værket blev offentliggjort i magasinet Scientific Reports.