女性和男性的大腦模式不同。

斯坦福大學醫學院的研究人員最近進行的一項研究公布了一種人工智能模型，該模型能夠識別大腦活動掃描來自女性還是男性，準確率超過90%。

最近發表在《美國國家科學院院刊》(Proceedings of The National Academy of Sciences)上的研究結果，有助于解決關于人類大腦中是否存在可靠的性別差異的長期爭議，并表明了解這些差異可能對解決影響男女不同的神經精神疾病至關重要。

斯坦福大學認知和系統神經科學實驗室主任、精神病學和行為科學教授Vinod Menon博士說:“這項研究的一個關鍵動機是，性在人類大腦發育、衰老以及精神和神經系統疾病的表現中起著至關重要的作用。確定健康成人大腦中一致且可復制的性別差異，是深入了解精神和神經疾病中性別特異性脆弱性的關鍵一步。”

Menon是這項研究的資深作者。主要作者是資深研究科學家Srikanth Ryali博士和學術人員研究員Yuan Zhang博士。

最有助于該模型區分男性和女性大腦的“熱點”包括默認模式網絡，這是一個幫助我們處理自我參照信息的大腦系統，以及紋狀體和邊緣網絡，它們與學習和我們如何對獎勵做出反應有關。

研究人員指出，這項研究并沒有考慮到與性別相關的差異是在生命早期出現的，還是由荷爾蒙差異或男性和女性更可能遇到的不同社會環境造成的。

揭示大腦差異

一個人的性別在多大程度上影響了他們的大腦組織和運作，這一直是科學家們爭論的焦點。雖然我們知道我們與生俱來的性染色體有助于決定我們的大腦所接觸到的激素混合物——特別是在早期發育、青春期和衰老期間——但研究人員長期以來一直在努力將性別與人類大腦的具體差異聯系起來。男性和女性的大腦結構往往看起來大同小異，之前關于大腦區域如何協同工作的研究也在很大程度上未能找到一致的大腦性別指標。

在他們目前的研究中，Menon和他的團隊利用了人工智能的最新進展，以及對多個大型數據集的訪問，以追求比以前使用的更強大的分析。首先，他們創建了一個深度神經網絡模型，該模型可以學習對大腦成像數據進行分類:當研究人員向模型展示大腦掃描結果，并告訴它正在觀察男性或女性的大腦時，模型開始“注意”到哪些細微的模式可以幫助它區分開來。

與之前的研究相比，該模型表現出了卓越的性能，部分原因是它使用了深度神經網絡來分析動態MRI掃描。這種方法捕捉到了大腦不同區域之間復雜的相互作用。當研究人員在大約1500個腦部掃描上測試該模型時，它幾乎總能分辨出掃描結果來自女性還是男性。

該模型的成功表明，可檢測的性別差異確實存在于大腦中，只是以前沒有被可靠地發現。事實上，它在不同的數據集中都表現得很好，包括來自美國和歐洲多個地點的大腦掃描，這使得研究結果特別有說服力，因為它控制了許多可能困擾這類研究的混淆。

Menon說:“這是一個非常有力的證據，證明性別是人類大腦組織的一個強有力的決定因素。”

做預測

直到最近，像Menon團隊使用的模型可以幫助研究人員將大腦分成不同的組，但不能提供分類如何發生的信息。然而，今天，研究人員可以使用一種名為“可解釋人工智能”的工具，它可以篩選大量數據，解釋模型是如何做出決策的。

利用可解釋的人工智能，Menon和他的團隊確定了對模型判斷腦部掃描是來自男性還是女性最重要的大腦網絡。他們發現，該模型最常尋找默認模式網絡、紋狀體和邊緣網絡來做出決定。

然后，研究小組想知道他們是否可以創建另一個模型，根據女性和男性不同的大腦功能特征，預測參與者在某些認知任務上的表現。他們開發了不同性別的認知能力模型:一種模型有效地預測了男性的認知表現，但對女性無效;另一種模型適用于女性，但對男性無效。研究結果表明，不同性別的大腦功能特征差異具有重要的行為意義。

Menon說:“這些模型非常有效，因為我們成功地區分了不同性別的大腦模式。這告訴我，忽視大腦組織的性別差異可能會導致我們錯過神經精神疾病的關鍵因素。”

當研究小組將他們的深度神經網絡模型應用于關于性別差異的問題時，Menon說這個模型可以應用于回答關于大腦連接的任何方面可能與任何認知能力或行為有關的問題。他和他的團隊計劃公開他們的模型供任何研究人員使用。

Menon表示:“我們的人工智能模型具有非常廣泛的適用性。例如，研究人員可以使用我們的模型來尋找與學習障礙或社會功能差異相關的大腦差異——我們渴望更好地了解這些方面，以幫助個人適應和克服這些挑戰。”

參考文獻:“Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization” by Srikanth Ryali, Yuan Zhang, Carlo de los Angeles, Kaustubh Supekar and Vinod Menon, 20 February 2024, Proceedings of the National Academy of Sciences.