Verktyg för artificiell intelligens avslöjar könsskillnader i hjärnans struktur

Datorprogram med artificiell intelligens (AI) som bearbetar MR-skanningar avslöjar skillnader i hur hjärnorna är organiserade hos män och kvinnor på cellnivå, visar en ny studie. Dessa skillnader hittades i vit substans, den vävnad som främst finns i det inre lagret av den mänskliga hjärnan och som underlättar kommunikationen mellan regioner.

Män och kvinnor är kända för att lida olika av multipel skleros, autismspektrumstörning, migrän och andra hjärnproblem, och för att uppvisa olika symtom. En detaljerad förståelse av hur biologiskt kön påverkar hjärnan ses som ett sätt att förbättra diagnostiska verktyg och behandlingar. Men även om hjärnans storlek, form och vikt har studerats, har forskare bara en delvis förståelse för dess struktur på cellnivå.

En ny studie ledd av forskare vid NYU Langone Health använde en AI-teknik som kallas maskininlärning för att analysera tusentals MR-hjärnskanningar från 471 män och 560 kvinnor. Resultaten visade att datorprogrammen korrekt kunde skilja mellan manliga och kvinnliga hjärnor och identifiera strukturella och komplexa mönster som var osynliga för det mänskliga ögat.

Resultaten bekräftades av tre olika AI-modeller utformade för att bestämma biologiskt kön, med hjälp av deras relativa styrkor i att antingen fokusera på små fläckar av vit substans eller analysera kopplingar över stora områden i hjärnan.

"Våra resultat ger en tydligare bild av strukturen hos den levande mänskliga hjärnan, vilket kan ge nya insikter i hur många psykiatriska och neurologiska störningar utvecklas och varför de kan manifestera sig olika hos män och kvinnor", säger huvudförfattaren till studien och neuroradiologen Yvonne Lui, MD.

Lui, professor och vice ordförande för forskning vid radiologiavdelningen vid NYU Grossman School of Medicine, noterar att tidigare studier av hjärnans mikrostruktur i hög grad har förlitat sig på djurmodeller och mänskliga vävnadsprover. Dessutom har giltigheten av några av dessa tidigare fynd ifrågasatts genom användningen av statistiska analyser av "handritade" intresseområden, vilket krävde att forskare fattade många subjektiva beslut om formen, storleken och placeringen av de regioner de valde. Sådana val skulle potentiellt kunna snedvrida resultaten, säger Lui.

Den nya studiens resultat undvek detta problem genom att använda maskininlärning för att analysera hela grupper av bilder utan att be datorn att titta på en specifik plats, vilket bidrog till att eliminera mänskliga fördomar, noterar författarna.

För studien började teamet med att mata AI-programmen med befintliga data, till exempel MR-hjärnskanningar av friska män och kvinnor, tillsammans med det biologiska könet för varje skanning. Eftersom dessa modeller var utformade för att använda sofistikerade statistiska och matematiska metoder för att bli "smartare" över tid allt eftersom de samlade in data, "lärde" de sig så småningom att urskilja biologiskt kön på egen hand. Viktigt är att programmen var begränsade från att använda hjärnans övergripande storlek och form för sina bestämningar, säger Lui.

Enligt resultaten identifierade alla modeller korrekt könet på skanningarna i 92–98 % av fallen. Flera funktioner i synnerhet hjälpte maskinerna att dra sina slutsatser, inklusive hur lätt och i vilken riktning vatten kunde röra sig genom hjärnvävnaden.

"Dessa resultat belyser vikten av mångfald när man studerar sjukdomar som har sitt ursprung i den mänskliga hjärnan", säger studiens medförfattare Junbo Chen, MS, en doktorand vid NYU Tandon School of Engineering.

"Om, som historiskt sett, män används som standardmodell för olika sjukdomar, kan forskare missa viktiga insikter", tillade studiens medförfattare Vara Lakshmi Bayanagari, MS, en doktorand vid NYU Tandon School of Engineering.

Bayanagari varnar för att även om AI-verktygen kunde rapportera skillnader i hjärncellernas organisation, kunde de inte identifiera vilket kön som var mer benäget för vilka egenskaper. Hon tillägger att studien klassificerade kön baserat på genetisk information och endast inkluderade MR-skanningar av cisgendermän och kvinnor.

Teamet planerar att vidare studera utvecklingen av könsskillnader i hjärnstrukturen över tid för att bättre förstå rollen av miljömässiga, hormonella och sociala faktorer i dessa förändringar, säger författarna.

Arbetet publicerades i tidskriften Scientific Reports.