斯坦福大学医学中心使用人工智能来检测男性和女性大脑的结构差异。
这项研究在基于大脑活动扫描的性别识别方面达到了90%以上的准确率，揭示了长期争论的大脑结构性别差异的话题。
的 研究发表在《美国国家科学院院刊》(PNAS)上的文章指出，这些差异将增强我们对女性和男性明显表现出的神经精神疾病的理解和治疗。
斯坦福大学认知与系统神经科学实验室主任维诺德·梅农博士解释了识别大脑性别差异的重要性。
性别在人类大脑发育、衰老以及精神和神经障碍的表现中起着至关重要的作用。梅农说，强调了这项研究的目的，以促进我们对性别特异性心理和神经系统脆弱性的理解。
例如，我们知道女性被诊断为抑郁症的可能性几乎是男性的两倍，而男性更有可能被诊断为ADHD。
其他精神疾病，如人格障碍、躁郁症和精神分裂症，在男性和女性身上的表现也不同。
准确识别和分类男性和女性大脑解剖的差异，是理解是否有生物学解释的关键。
以下是描述这项研究如何进行的六个步骤：
- 该研究通过分析来自大约1500名年轻人的功能性磁共振成像（fMRI）数据，调查了与性别相关的大脑功能差异，这对理解行为影响和心理健康状况至关重要。
- 先进的人工智能，特别是时空深度神经网络（stDNN），被用于仔细检查大脑扫描，揭示了男性和女性大脑如何组织的不同模式。
- 这个人工智能模型超过90%，在基于功能动力学区分男性和女性大脑方面表现出令人印象深刻的准确性，突出了其在多个会话和独立队列中的有效性。
- 关键的大脑网络如默认模式网络、纹状体和边缘系统显示出显著的性别差异，效应大小大于1.5，表明大脑组织的强大差异。
- 该研究使用可解释人工智能（XAI）技术，可以识别导致这些差异的特定大脑特征，这些特征可以预测每个性别的认知特征。
- 这些发现挑战了先前关于男性—女性大脑组织连续谱的信念，强调性别是大脑结构和功能的基本因素，对治疗精神和神经系统疾病的个性化医疗方法具有影响。
研究人员进一步调查，他们是否可以根据他们识别的特定性别的大脑特征来预测个体在认知任务中的表现。
为此，他们创建了两个专门的人工智能模型：一个是为预测男性的认知能力而量身定做的，另一个是为女性量身定做的。这些模型是由研究小组之前发现的与性行为相关的不同大脑模式提供信息的。
这些模式的成功是值得注意的。为男性设计的模型准确预测了他们的认知表现，但对女性无效，反之亦然。这强烈表明，性别之间大脑
梅农解释了这些发现的重要性：“这些模型非常有效，因为我们成功地分离了性别之间的大脑模式，”他解释说。
这种分离导致了对忽视大脑组织中的性别差异如何导致导致神经精神障碍的关键因素缺失的更深层次的理解。
梅农还强调了他们人工智能模型的更广泛潜力。除了探索性别差异，该模型还可以应用于各种有关大脑连接及其与认知功能或行为的关系的问题。
人工智能在神经科学中的作用是公认的。最近的一项研究使用机器学习从MRI扫描中“检索”图像，另一项研究使用脑细胞执行语音识别任务。
人工智能还被用于分析精神分裂症患者的语音模式，并开发新的3D治疗化身。
在未来，通过将ML模型应用于神经学数据，可能可以实时准确地“读取某人的思想”。
斯坦福大学的研究小组打算让研究界可以使用他们的模型，以鼓励对精神疾病和学习障碍的进一步研究。
梅农的愿景是让这些人工智能工具理解和解决个人由于这些大脑差异而面临的挑战。
复杂的大脑成像模型最终可能有助于精准精神病学的新时代。梅农总结道：“我们的人工智能模型具有非常广泛的适用性。
