Een hulpmiddel voor kunstmatige intelligentie onthult sekseverschillen in de hersenstructuur

Een nieuw onderzoek toont aan dat kunstmatige intelligentie (AI) computerprogramma's die MRI-scans verwerken verschillen onthullen in de organisatie van de hersenen van mannen en vrouwen op cellulair niveau. Deze verschillen werden gevonden in de witte stof, weefsel dat zich voornamelijk in de binnenste laag van de menselijke hersenen bevindt en dat de communicatie tussen regio's vergemakkelijkt.

Het is bekend dat mannen en vrouwen anders lijden aan multiple sclerose, autismespectrumstoornis, migraine en andere hersenproblemen, en dat ze verschillende symptomen vertonen. Een gedetailleerd begrip van hoe het biologische geslacht de hersenen beïnvloedt, wordt gezien als een manier om diagnostische hulpmiddelen en behandelingen te verbeteren. Hoewel de grootte, vorm en het gewicht van de hersenen zijn bestudeerd, hebben onderzoekers echter slechts een gedeeltelijk begrip van de structuur ervan op cellulair niveau.

De nieuwe studie, geleid door onderzoekers van NYU Langone Health, gebruikte een AI-techniek genaamd machine learning om duizenden MRI-scans van de hersenen van 471 mannen en 560 vrouwen te analyseren. De resultaten toonden aan dat computerprogramma's nauwkeurig onderscheid konden maken tussen mannelijke en vrouwelijke hersenen, waardoor structurele en complexe patronen werden onthuld die onzichtbaar waren voor het menselijk oog.

De resultaten werden bevestigd door drie verschillende AI-modellen die waren ontworpen om het biologische geslacht te bepalen, waarbij hun relatieve sterktes werden gebruikt om zich te concentreren op kleine gebieden van witte stof of om verbindingen te analyseren over grote hersengebieden.

"Onze bevindingen bieden een duidelijker inzicht in de structuur van het levende menselijke brein, wat nieuwe inzichten kan bieden in hoeveel psychiatrische en neurologische stoornissen zich ontwikkelen en waarom deze zich bij mannen en vrouwen verschillend kunnen presenteren", aldus de hoofdauteur van het onderzoek. En neuroradioloog Yvonne Luey, MD.

Luy, professor en vice-voorzitter van onderzoek bij de afdeling radiologie aan de NYU Grossman School of Medicine, merkt op dat eerdere onderzoeken naar de microstructuur van de hersenen voornamelijk zijn gebaseerd op diermodellen en menselijke weefselmonsters. Bovendien is de geldigheid van sommige van deze bevindingen uit het verleden in twijfel getrokken door het gebruik van statistische analyses van ‘handgetekende’ interessegebieden, waardoor onderzoekers veel subjectieve beslissingen moesten nemen over de vorm, grootte en locatie van de geselecteerde gebieden. Regio's. Dergelijke verkiezingen kunnen de resultaten mogelijk vertekenen, zegt Lui.

Het nieuwe onderzoek omzeilde dit probleem door machinaal leren te gebruiken om hele groepen afbeeldingen te analyseren zonder de computer naar een specifieke locatie te verwijzen, waardoor menselijke vooroordelen worden geëlimineerd, merken de auteurs op.

Voor het onderzoek begon het team de AI-programma's te voorzien van bestaande gegevens uit voorbeeld-MRI-hersenscans van gezonde mannen en vrouwen, waarbij ook het biologische geslacht van elke scan werd gespecificeerd. Omdat deze modellen waren ontworpen om geavanceerde statistische en wiskundige technieken te gebruiken om in de loop van de tijd 'slimmer' te worden naarmate de gegevens zich verzamelden, 'leerden' ze uiteindelijk zelf biologisch geslacht te onderscheiden. Het is belangrijk op te merken dat het de programma's verboden was de totale hersenomvang en -vorm te gebruiken voor hun bepalingen, zegt Lui.

Volgens de resultaten identificeerden alle modellen het geslacht correct op basis van scans in 92% - 98% van de gevallen. Verschillende kenmerken hielpen de machines vooral om tot hun conclusies te komen, waaronder hoe gemakkelijk en in welke richting water door hersenweefsel kon bewegen.

"Deze resultaten benadrukken het belang van diversiteit bij het bestuderen van ziekten die hun oorsprong vinden in het menselijk brein", zegt co-auteur Junbo Chen, MS, een doctoraalstudent aan de NYU Tandon School of Engineering.

“Als, zoals historisch het geval is geweest, mannen worden gebruikt als het standaardmodel voor verschillende aandoeningen, missen onderzoekers mogelijk kritische inzichten”, voegde co-auteur Vara Lakshmi Bayanagari, MS, een afgestudeerde onderzoeksstudent aan de NYU Tandon eraan toe School voor Ingenieurswetenschappen.

Bayanagari waarschuwt dat hoewel AI-tools verschillen in de organisatie van hersencellen konden rapporteren, ze niet konden onthullen welk geslacht gevoeliger was voor welke kenmerken. Ze voegt eraan toe dat het onderzoek geslacht classificeerde op basis van genetische informatie en alleen MRI-scans van cisgender mannen en vrouwen omvatte.

Het team is van plan de ontwikkeling van sekseverschillen in de hersenstructuur in de loop van de tijd verder te bestuderen om de rol van omgevings-, hormonale en sociale factoren in deze veranderingen beter te begrijpen, aldus de auteurs.

Het werk is gepubliceerd in het tijdschrift Scientific Reports.