斯坦福大学医学院研究人员的一项新研究揭示了一种新的人工智能模型，该模型在确定大脑活动扫描来自女性还是男性方面成功率超过 90%。

该研究结果于 2 月 19 日发表在《美国国家科学院院刊》上，有助于解决关于人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对于解决影响女性的神经精神疾病可能至关重要和男人不同。

“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疾病的表现中发挥着至关重要的作用，”精神病学和行为科学教授兼主任 Vinod Menon 博士说。斯坦福大学认知与系统神经科学实验室的教授。

“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。”

梅农是该研究的资深作者。主要作者是高级研究科学家 Srikanth Ryali 博士和学术研究员张远博士。

最有助于模型区分男性大脑和女性大脑的“热点”包括默认模式网络（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，它们参与学习以及我们如何对奖励做出反应。

研究人员指出，这项工作并没有权衡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可能更容易遇到的不同社会环境引起的。

发现大脑差异

一个人的性别在多大程度上影响其大脑的组织和运作方式长期以来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大脑所接触的激素混合物——尤其是在早期发育、青春期和衰老过程中——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很相似，之前研究大脑区域如何协同工作的研究也基本上未能发现一致的性别大脑指标。

在他们当前的研究中，梅农和他的团队利用人工智能的最新进展以及对多个大型数据集的访问，来追求比以前使用的更强大的分析。

首先，他们创建了一个学习对大脑成像数据进行分类的模型：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”哪些微妙的模式可以帮助它分辨其中的不同之处。

与之前的研究相比，该模型表现出优越的性能，部分原因是它使用了分析动态 MRI 扫描的深度神经网络。这种方法捕捉到了不同大脑区域之间复杂的相互作用。当研究人员在大约 1,500 次脑部扫描中测试该模型时，它几乎总能判断扫描来自女性还是男性。

该模型的成功表明，大脑中确实存在可检测到的性别差异，但之前并未被可靠地发现。事实上，它在不同的数据集（包括来自美国和欧洲多个地点的脑部扫描）中表现良好，这一事实使得研究结果特别令人信服，因为它控制了许多可能困扰此类研究的混杂因素。

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

做出预测

直到最近，梅农团队采用的模型可以帮助研究人员将大脑分为不同的组，但不会提供有关排序如何发生的信息。然而，如今，研究人员可以使用一种名为“可解释的人工智能”的工具，它可以筛选大量数据来解释模型的决策是如何做出的。

梅农和他的团队利用可解释的人工智能，确定了对于模型判断脑部扫描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进行调用。

然后，研究小组想知道是否可以创建另一个模型，根据女性和男性之间不同的大脑功能特征来预测参与者在某些认知任务上的表现。他们开发了针对性别的认知能力模型：一种模型可以有效预测男性的认知表现，但不能预测女性的认知表现，另一种模型可以预测女性的认知表现，但不能预测男性的认知表现。

研究结果表明，性别之间不同的大脑功能特征具有显着的行为影响。

“这些模型效果非常好，因为我们成功地分离了性别之间的大脑模式，”梅农说。“这告诉我，忽视大脑组织中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。”

虽然该团队将他们的深度神经网络模型应用于有关性别差异的问题，但梅农表示，该模型可以用于回答有关大脑连接的任何方面如何与任何类型的认知能力或行为相关的问题。他和他的团队计划将他们的模型公开供任何研究人员使用。

“我们的人工智能模型具有非常广泛的适用性，”梅农说。“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。”