編輯 | 白菜葉
在神經科學研究領域，生物性別作為關鍵變數，對認知功能和神經精神疾病中的性別差異研究至關重要。
儘管先前已在大腦宏觀結構如皮層厚度或區域大小上觀察到顯著的統計學差異，但關於可能揭示腦健康與疾病機制的細胞層面微觀結構的性別差異仍知之甚少。
探究男性與女性之間的這些微觀結構差異，對於理解在不同性別中表現各異的大腦疾病具有重要意義。
一項新研究顯示，處理 MRI 結果的人工智慧（AI）計算機程式顯示出男性和女性大腦在細胞層面的組織方式存在差異。這些差異在大腦白質中，白質是人類大腦最內層的組織，負責大腦各區域之間的聯絡。
這項新研究由紐約大學朗格尼健康中心的研究人員牽頭，利用一種名為人工智慧技術分析了 471 名男性和 560 名女性的數千張 MRI 腦部掃描圖。結果顯示，計算機程式可以透過識別人眼無法察覺的結構和複雜性模式，準確區分男性和女性的大腦。
該研究以「Deep learning with diffusion MRI as in vivo microscope reveals sex-related differences in human white matter microstructure」為題，於 2024 年 5 月 14 日釋出在《Scientific Reports》。
眾所周知，在患多發性硬化症、自閉症譜系障礙、偏頭痛等腦部問題的機率和症狀方面，男性和女性各不相同。因此，詳細瞭解生物性別如何影響大腦，被視為改進診斷工具和治療方法的一種方式。然而，雖然已經探索了大腦的大小、形狀和質量，但研究人員對大腦在細胞層面的佈局只有部分了解。
擴散磁共振成像（Diffusion MRI）作為一種重要的、非侵入性的活體檢測方法，為了解腦組織微觀結構提供了一扇視窗。
紐約大學的研究人員開發了多種端到端分類模型，能夠利用體積擴散 MRI 資料準確估計受試者的性別，並透過這些模型識別出男性與女性間差異最大的白質區域。
圖示：基於 ResNet10 的 3D CNN 模型。（來源：論文）
研究納入了來自人類連線組計劃的 471 名男性和 560 名女性健康受試者（年齡範圍：22-37 歲），使用分數各向異性、平均擴散率和平均峰度等指標來捕捉腦組織微觀結構特徵。為了減少由腦大小和輪廓等宏觀解剖學差異引起的偏差，將擴散引數圖註冊至標準模板。
該研究得到了三種不同的人工智慧模型的驗證，這些模型旨在利用它們在集中關注小部分白質或分析大腦較大區域之間的關係方面的相對優勢來識別生物性別。三種主要模型架構包括：二維卷積神經網路、三維卷積神經網路以及帶有自監督預訓練的視覺 Transformer。
這項研究的資深作者、紐約大學格羅斯曼醫學院放射學系教授兼研究副主任 Yvonne Lui 說：「我們的研究結果更清楚地描繪了活體人類大腦的結構，這反過來可能為理解許多精神和神經疾病的發生過程以及為什麼這些疾病在男性和女性身上的表現不同提供新的見解。」
Lui 指出，之前對大腦微觀結構的研究很大程度上依賴於動物模型和人體組織樣本。此外，過去一些研究結果的有效性也受到質疑，因為它們依賴於「手繪」感興趣區域的統計分析，這意味著研究人員需要對他們選擇的區域的形狀、大小和位置做出許多主觀決定。Lui 說，這樣的選擇可能會扭曲結果。
研究人員表示，新的研究結果避免了這個問題，因為它利用機器學習來分析整組影像，而無需計算機檢查任何特定位置，這有助於消除人類的偏見。
在這項研究中，研究小組首先向人工智慧程式提供健康男性和女性腦部掃描的現有資料示例，並告訴機器程式每個腦部掃描的生物性別。由於這些模型被設計成使用複雜的統計和數學方法，隨著時間推移積累更多的資料而變得「更智慧」，它們最終「學會」自行區分生物性別。重要的是，這些程式無法使用整體大腦尺寸和形狀來做出判斷，Lui 說。
根據結果，所有模型正確識別受試者掃描結果性別的準確率在 92% 到 98% 之間。有幾個特徵尤其有助於機器做出判斷，包括水透過腦組織的難易程度和方向。
圖示：基於遮擋分析的 FA 分類機率具有顯著 (p < 0.05) 影響的 WM 區域。（來源：論文）
「這些結果強調了在研究人類大腦疾病時多樣性的重要性。」這項研究的共同主要作者、紐約大學坦登工程學院博士生 Junbo Chen 說道。
「如果像歷史上的情況一樣，將男性作為各種疾病的標準模型，研究人員可能會錯過關鍵的見解。」這項研究的共同作者、紐約大學坦登工程學院的研究生助理 Vara Lakshmi Bayanagari 補充道。
Bayanagari 提醒道，雖然人工智慧工具可以報告腦細胞組織的差異，但它們無法揭示哪種性別更有可能具有哪些特徵。她補充說，這項研究根據遺傳資訊對性別進行分類，並且只包括順性別男性和女性的 MRI。
該研究小組下一步計劃探索與性別相關的大腦結構差異隨時間的演變，以更好地瞭解可能在這些變化中發揮作用的環境、激素和社會因素。
論文連結：https://www.nature.com/articles/s41598-024-60340-y
相關報導：https://medicalxpress.com/news/2024-05-artificial-intelligence-tool-sex-differences.html