Streszczenie: Naukowcy wykorzystują sztuczną inteligencję do ujawnienia wyraźnych różnic na poziomie komórkowym w mózgach mężczyzn i kobiet, koncentrując się na istocie białej. Odkrycia te pokazują, że sztuczna inteligencja może dokładnie identyfikować wzorce mózgowe oparte na płci, niewidoczne dla ludzkich oczu.

Badanie sugeruje, że zrozumienie tych różnic może ulepszyć narzędzia diagnostyczne i metody leczenia zaburzeń mózgu. Badanie to podkreśla potrzebę różnorodności w badaniach mózgu, aby zapewnić kompleksowy wgląd w choroby neurologiczne.

Kluczowe fakty:

1. Dokładność sztucznej inteligencji: Modele AI identyfikowały płeć biologiczną w skanach MRI z dokładnością 92–98%.
2. Ostrość materii białej: Stwierdzono różnice w istocie białej mózgu, kluczowe dla komunikacji międzyregionalnej.
3. Ulepszona diagnostyka: Zrozumienie różnic w mózgu ze względu na płeć może poprawić diagnostykę i leczenie zaburzeń takich jak stwardnienie rozsiane i autyzm.

Źródło: Uniwersytet Nowojorski Langone

Nowe badanie pokazuje, że programy komputerowe oparte na sztucznej inteligencji (AI) przetwarzające wyniki rezonansu magnetycznego wykazują różnice w organizacji mózgów mężczyzn i kobiet na poziomie komórkowym. Różnice te zauważono w istocie białej – tkance zlokalizowanej głównie w najbardziej wewnętrznej warstwie ludzkiego mózgu, która ułatwia komunikację między regionami.

Wiadomo, że u mężczyzn i kobiet występuje stwardnienie rozsiane, zaburzenia ze spektrum autyzmu, migreny i inne problemy mózgowe z różną częstością i różnymi objawami.

Szczegółowe zrozumienie wpływu płci biologicznej na mózg jest zatem postrzegane jako sposób na ulepszenie narzędzi diagnostycznych i metod leczenia.

Jednakże chociaż badano rozmiar, kształt i wagę mózgu, badacze mają jedynie częściowy obraz układu mózgu na poziomie komórkowym.

W nowym badaniu, prowadzonym pod kierunkiem naukowców z NYU Langone Health, wykorzystano technikę sztucznej inteligencji zwaną uczeniem maszynowym do analizy tysięcy skanów MRI mózgów 471 mężczyzn i 560 kobiet.

Wyniki ujawniły, że programy komputerowe potrafią dokładnie rozróżnić biologiczne mózgi mężczyzn i kobiet, wykrywając wzorce w strukturze i złożoności niewidoczne dla ludzkiego oka.

Odkrycia zostały potwierdzone za pomocą trzech różnych modeli sztucznej inteligencji zaprojektowanych w celu identyfikacji płci biologicznej na podstawie ich względnych mocnych stron podczas skupiania się na małych fragmentach istoty białej lub analizowania powiązań w większych obszarach mózgu.

„Nasze odkrycia dają wyraźniejszy obraz struktury żywego ludzkiego mózgu, co z kolei może dostarczyć nowego wglądu w to, jak wiele zaburzeń psychiatrycznych i neurologicznych rozwija się oraz dlaczego mogą one objawiać się inaczej u mężczyzn i kobiet” – stwierdził starszy autor badania i neuroradiolog Yvonne Lui, lekarz medycyny.

Lui, profesor i wiceprzewodniczący ds. badań na Wydziale Radiologii Grossman School of Medicine Uniwersytetu Nowojorskiego, zauważa, że ​​poprzednie badania mikrostruktury mózgu w dużej mierze opierały się na modelach zwierzęcych i próbkach tkanek ludzkich.

Ponadto zasadność niektórych z tych wcześniejszych ustaleń została zakwestionowana ze względu na poleganie na analizach statystycznych „ręcznie narysowanych” obszarów będących przedmiotem zainteresowania, co oznaczało, że badacze musieli podejmować wiele subiektywnych decyzji dotyczących kształtu, wielkości i lokalizacji regionów Oni wybierają. Takie wybory mogą potencjalnie wypaczyć wyniki, mówi Lui.

Wyniki nowych badań opublikowano online 14 maja w czasopiśmie Raporty naukoweuniknęli tego problemu, wykorzystując uczenie maszynowe do analizy całych grup obrazów bez konieczności sprawdzania przez komputer konkretnego miejsca, co pomogło wyeliminować ludzkie uprzedzenia – twierdzą autorzy.

Badania zespół rozpoczął od wprowadzenia do programów sztucznej inteligencji istniejących przykładów skanów mózgu zdrowych mężczyzn i kobiet, a także poinformowania programów maszynowych o płci biologicznej każdego skanu mózgu.

Ponieważ modele te zaprojektowano tak, aby wykorzystywały złożone metody statystyczne i matematyczne, aby z czasem stać się „inteligentniejsze” w miarę gromadzenia większej ilości danych, w końcu „nauczyły się” samodzielnie rozróżniać płeć biologiczną. Co ważne, programy nie mogły uwzględniać ogólnego rozmiaru i kształtu mózgu do dokonywania ustaleń, mówi Lui.

Z wyników wynika, że ​​wszystkie modele poprawnie zidentyfikowały płeć badanych w 92–98% przypadków. W szczególności kilka funkcji pomogło maszynom w określeniu tego, jak łatwo i w jakim kierunku woda może przepływać przez tkankę mózgową.

„Wyniki te podkreślają znaczenie różnorodności w badaniu chorób pojawiających się w ludzkim mózgu” – powiedział współautor badania Junbo Chen, MS, doktorant w Tandon School of Engineering na Uniwersytecie Nowojorskim.

„Jeśli, jak to miało miejsce w przeszłości, mężczyźni zostaną wykorzystani jako standardowy model różnych zaburzeń, badacze mogą przegapić krytyczne spojrzenie” – dodała współautorka badania, Vara Lakshmi Bayanagari, MS, absolwentka asystentki badawczej w szkole Tandon na Uniwersytecie Nowojorskim Inżynierii.

Bayanagari ostrzega, że ​​choć narzędzia sztucznej inteligencji mogą zgłaszać różnice w organizacji komórek mózgowych, nie potrafią ujawnić, która płeć z większym prawdopodobieństwem będzie miała jakie cechy. Dodaje, że w badaniu sklasyfikowano płeć na podstawie informacji genetycznych i uwzględniono wyłącznie badania MRI pochodzące od mężczyzn i kobiet płci cis.

Według autorów zespół planuje następnie zbadać rozwój różnic w strukturze mózgu związanych z płcią w czasie, aby lepiej zrozumieć czynniki środowiskowe, hormonalne i społeczne, które mogą odgrywać rolę w tych zmianach.

Finansowanie: Badanie zostało sfinansowane z grantów Narodowego Instytutu Zdrowia R01NS119767, R01NS131458 i P41EB017183, a także z grantu Departamentu Obrony Stanów Zjednoczonych W81XWH2010699.

Oprócz Lui, Chena i Bayanagari w badanie zaangażowani byli także inni badacze z NYU Langone Health i NYU, dr Sohae Chung i dr Yao Wang.

O nowościach z badań nad sztuczną inteligencją i neuronauką

Autor: Shira Polan
Źródło: Uniwersytet Nowojorski Langone
Kontakt: Shira Polan – NYU Langone
Obraz: Zdjęcie przypisuje się Neuroscience News

Orginalne badania: Otwarty dostęp.
„Głębokie uczenie się za pomocą dyfuzyjnego rezonansu magnetycznego metodą rezonansu magnetycznego in vivo ujawnia związane z płcią różnice w mikrostrukturze ludzkiej materii białej” autorstwa Yvonne Lui i in. Raporty naukowe

Abstrakcyjny

Głębokie uczenie się za pomocą dyfuzyjnego rezonansu magnetycznego metodą rezonansu magnetycznego in vivo ujawnia związane z płcią różnice w mikrostrukturze ludzkiej istoty białej

Płeć biologiczna jest kluczową zmienną w badaniach neurologicznych, w których udokumentowano różnice między płciami w zakresie funkcji poznawczych i zaburzeń neuropsychiatrycznych.

Chociaż wcześniej udokumentowano znaczne różnice statystyczne w makroskopowej strukturze mózgu, takiej jak grubość kory lub wielkość regionu, mniej wiadomo na temat różnic mikrostrukturalnych na poziomie komórkowym związanych z płcią, które mogłyby zapewnić wgląd w zdrowie i choroby mózgu.

Badanie tych różnic mikrostrukturalnych między mężczyznami i kobietami otwiera drogę do zrozumienia zaburzeń i chorób mózgu, które objawiają się odmiennie u różnych płci.

Dyfuzyjny MRI to ważna, nieinwazyjna metoda in vivo, która zapewnia wgląd w mikrostrukturę tkanki mózgowej.

W naszym badaniu opracowaliśmy wiele kompleksowych modeli klasyfikacji, które dokładnie oceniają płeć pacjenta na podstawie danych MRI z dyfuzją wolumetryczną i wykorzystują te modele do identyfikacji obszarów istoty białej, które najbardziej różnią się między mężczyznami i kobietami. W badaniu wzięło udział 471 zdrowych mężczyzn i 560 kobiet (przedział wiekowy 22–37 lat) z projektu Human Connectome Project.

Do uchwycenia charakterystyki mikrostruktury tkanki mózgowej wykorzystuje się ułamkową anizotropię, średnią dyfuzyjność i średnią kurtozę.

Dyfuzyjne mapy parametryczne są rejestrowane w standardowym szablonie, aby zmniejszyć błąd, który może wynikać z makroskopowych różnic anatomicznych, takich jak rozmiar i kontur mózgu.

W badaniu tym wykorzystano trzy główne architektury modeli: splotowe sieci neuronowe 2D, splotowe sieci neuronowe 3D i transformator wizyjny (z możliwością samonadzoru).

Nasze wyniki pokazują, że wszystkie 3 modele osiągają wysoką wydajność klasyfikacji płci (test AUC 0,92–0,98) we wszystkich metrykach dyfuzji, co wskazuje na ostateczne różnice w mikrostrukturze tkanki istoty białej między mężczyznami i kobietami.

Ponadto wykorzystujemy komplementarne architektury modeli, aby poinformować o wzorcu wykrytych różnic mikrostrukturalnych oraz wpływie interakcji krótkiego i dalekiego zasięgu.

Analiza okluzji wraz z testem rang ze znakami Wilcoxona służy do określenia, które obszary istoty białej mają największy wpływ na klasyfikację płci.

Wyniki wskazują, że różnice związane z płcią przejawiają się zarówno w cechach lokalnych, jak i cechach globalnych / interakcjach mikrostruktury tkanek na dłuższych dystansach.

Nasze wysoce spójne ustalenia dotyczące różnych modeli dostarczają nowych informacji potwierdzających różnice między organizacją tkanek na poziomie komórkowym mózgu mężczyzny i kobiety, szczególnie w centralnej istocie białej.