PNAS：斯坦福大学的科学家揭示了男女关键的大脑组织差异

斯坦福大学医学院的研究人员开发了一种人工智能模型，该模型成功识别了脑部扫描的性别，准确率超过90%，为大脑组织的性别差异提供了证据，这可能会影响对神经精神疾病的理解。这项研究强调了性别在大脑发育和疾病中的重要性，利用先进的人工智能揭示了性别之间大脑网络的差异，表明这些差异可能会影响认知能力和行为。

　　

女性和男性的大脑模式不同。

斯坦福大学医学院的研究人员最近进行的一项研究公布了一种人工智能模型，该模型能够识别大脑活动扫描来自女性还是男性，准确率超过90%。

最近发表在《美国国家科学院院刊》(Proceedings of The National Academy of Sciences)上的研究结果，有助于解决关于人类大脑中是否存在可靠的性别差异的长期争议，并表明了解这些差异可能对解决影响男女不同的神经精神疾病至关重要。

斯坦福大学认知和系统神经科学实验室主任、精神病学和行为科学教授Vinod Menon博士说:“这项研究的一个关键动机是，性在人类大脑发育、衰老以及精神和神经系统疾病的表现中起着至关重要的作用。确定健康成人大脑中一致且可复制的性别差异，是深入了解精神和神经疾病中性别特异性脆弱性的关键一步。”

Menon是这项研究的资深作者。主要作者是资深研究科学家Srikanth Ryali博士和学术人员研究员Yuan Zhang博士。

最有助于该模型区分男性和女性大脑的“热点”包括默认模式网络，这是一个帮助我们处理自我参照信息的大脑系统，以及纹状体和边缘网络，它们与学习和我们如何对奖励做出反应有关。

研究人员指出，这项研究并没有考虑到与性别相关的差异是在生命早期出现的，还是由荷尔蒙差异或男性和女性更可能遇到的不同社会环境造成的。

揭示大脑差异

一个人的性别在多大程度上影响了他们的大脑组织和运作，这一直是科学家们争论的焦点。虽然我们知道我们与生俱来的性染色体有助于决定我们的大脑所接触到的激素混合物——特别是在早期发育、青春期和衰老期间——但研究人员长期以来一直在努力将性别与人类大脑的具体差异联系起来。男性和女性的大脑结构往往看起来大同小异，之前关于大脑区域如何协同工作的研究也在很大程度上未能找到一致的大脑性别指标。

在他们目前的研究中，Menon和他的团队利用了人工智能的最新进展，以及对多个大型数据集的访问，以追求比以前使用的更强大的分析。首先，他们创建了一个深度神经网络模型，该模型可以学习对大脑成像数据进行分类:当研究人员向模型展示大脑扫描结果，并告诉它正在观察男性或女性的大脑时，模型开始“注意”到哪些细微的模式可以帮助它区分开来。

与之前的研究相比，该模型表现出了卓越的性能，部分原因是它使用了深度神经网络来分析动态MRI扫描。这种方法捕捉到了大脑不同区域之间复杂的相互作用。当研究人员在大约1500个脑部扫描上测试该模型时，它几乎总能分辨出扫描结果来自女性还是男性。

该模型的成功表明，可检测的性别差异确实存在于大脑中，只是以前没有被可靠地发现。事实上，它在不同的数据集中都表现得很好，包括来自美国和欧洲多个地点的大脑扫描，这使得研究结果特别有说服力，因为它控制了许多可能困扰这类研究的混淆。

Menon说:“这是一个非常有力的证据，证明性别是人类大脑组织的一个强有力的决定因素。”

做预测

直到最近，像Menon团队使用的模型可以帮助研究人员将大脑分成不同的组，但不能提供分类如何发生的信息。然而，今天，研究人员可以使用一种名为“可解释人工智能”的工具，它可以筛选大量数据，解释模型是如何做出决策的。

利用可解释的人工智能，Menon和他的团队确定了对模型判断脑部扫描是来自男性还是女性最重要的大脑网络。他们发现，该模型最常寻找默认模式网络、纹状体和边缘网络来做出决定。

然后，研究小组想知道他们是否可以创建另一个模型，根据女性和男性不同的大脑功能特征，预测参与者在某些认知任务上的表现。他们开发了不同性别的认知能力模型:一种模型有效地预测了男性的认知表现，但对女性无效;另一种模型适用于女性，但对男性无效。研究结果表明，不同性别的大脑功能特征差异具有重要的行为意义。

Menon说:“这些模型非常有效，因为我们成功地区分了不同性别的大脑模式。这告诉我，忽视大脑组织的性别差异可能会导致我们错过神经精神疾病的关键因素。”

当研究小组将他们的深度神经网络模型应用于关于性别差异的问题时，Menon说这个模型可以应用于回答关于大脑连接的任何方面可能与任何认知能力或行为有关的问题。他和他的团队计划公开他们的模型供任何研究人员使用。

Menon表示:“我们的人工智能模型具有非常广泛的适用性。例如，研究人员可以使用我们的模型来寻找与学习障碍或社会功能差异相关的大脑差异——我们渴望更好地了解这些方面，以帮助个人适应和克服这些挑战。”

参考文献:“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.