Ένα νέο μοντέλο Α.Ι. διακρίνει τα αρσενικά από τα θηλυκά χρησιμοποιώντας εικόνες του εγκεφάλου.
Τι αντίκτυπο έχει το να είσαι γυναίκα ή άνδρας στην ανάπτυξη του εγκεφάλου, τη γήρανση, τις νευροεκφυλιστικές διαταραχές και τις νευροψυχιατρικές ασθένειες; Ερευνητές Ιατρικής του Στάνφορντ δημοσίευσαν μια νέα μελέτη στα Πρακτικά της Εθνικής Ακαδημίας Επιστημών των Ηνωμένων Πολιτειών της Αμερικής (PNAS), η οποία δείχνει ένα μοντέλο βαθιάς μάθησης τεχνητής νοημοσύνης (AI) που μπορεί να διακρίνει μεταξύ των εγκεφάλων γυναικών και ανδρών από σαρώσεις εικόνων της εγκεφαλικής δραστηριότητας με ακρίβεια άνω του 90%.
“Τα ευρήματά μας υπογραμμίζουν τον κρίσιμο ρόλο του φύλου ως βιολογικού καθοριστικού παράγοντα στην οργάνωση του ανθρώπινου εγκεφάλου, έχουν σημαντικές συνέπειες για την ανάπτυξη εξατομικευμένων βιοδεικτών ειδικών για το φύλο σε ψυχιατρικές και νευρολογικές διαταραχές και παρέχουν καινοτόμα υπολογιστικά εργαλεία βασισμένα στην τεχνητή νοημοσύνη για μελλοντική έρευνα”, έγραψε ο επικεφαλής συγγραφέας και καθηγητής Vinod Menon, μαζί με τους επικεφαλής συγγραφείς Srikanth Ryali και Yuan Zhang, Kaustubh Supekar και Carlo de los Angeles.
Στατιστικά, υπάρχουν πολλά παραδείγματα για τις διαφορές στον επιπολασμό των ασθενειών και διαταραχών που σχετίζονται με τον εγκέφαλο μεταξύ των δύο φύλων. Για παράδειγμα, ο επιπολασμός της μείζονος καταθλιπτικής διαταραχής είναι υψηλότερος στις έφηβες Αμερικανίδες, σύμφωνα με το Εθνικό Ινστιτούτο Ψυχικής Υγείας, μέρος του Εθνικού Ινστιτούτου Υγείας (NIH). Σε παγκόσμιο επίπεδο, περίπου 1 στις 3 γυναίκες θα αναπτύξει μείζονα καταθλιπτική διαταραχή, σε σύγκριση με 1 στους 5 άνδρες, σύμφωνα με το Our World in Data.
Σε παγκόσμιο επίπεδο, οι άνδρες διατρέχουν μεγαλύτερο κίνδυνο να αναπτύξουν τη νόσο του Πάρκινσον και δεν είναι γνωστό ακριβώς γιατί, σύμφωνα με το Ίδρυμα Πάρκινσον. Ομοίως, περισσότερες Αμερικανίδες από ό,τι άνδρες πάσχουν από Αλτσχάιμερ και οι επιστήμονες δεν έχουν ακόμη αποδείξει το γιατί. Τα δύο τρίτα των περισσότερων από 6,7 εκατομμυρίων Αμερικανών που ζουν με τη νόσο Αλτσχάιμερ είναι γυναίκες, σύμφωνα με το Woman’s Alzheimer’s Movement.
Στις ΗΠΑ, τα αγόρια έχουν σχεδόν τέσσερις φορές περισσότερες πιθανότητες να διαγνωστούν με διαταραχή του φάσματος του αυτισμού από ό,τι τα κορίτσια, σύμφωνα με το Autism Speaks, και 13% περισσότερες πιθανότητες να διαγνωστούν με διαταραχή ελλειμματικής προσοχής και υπερκινητικότητας (ADHD), σύμφωνα με τα Κέντρα Ελέγχου και Πρόληψης Νοσημάτων των ΗΠΑ (CDC). Συνολικά, υπάρχει μεγαλύτερος επιπολασμός διαγνωσμένης διανοητικής αναπηρίας στα αγόρια σε σύγκριση με τα κορίτσια στις ΗΠΑ σύμφωνα με το CDC.
Στην προσπάθειά τους να κατανοήσουν καλύτερα τις διαφορές μεταξύ των ενήλικων γυναικείων και ανδρικών εγκεφάλων, οι επιστήμονες του Stanford Medicine δημιούργησαν έναν αλγόριθμο τεχνητής νοημοσύνης που λαμβάνει υπόψη του τον χωροχρόνο, το λεγόμενο χωροχρονικό βαθύ νευρωνικό δίκτυο (stDNN). Το μοντέλο τεχνητής νοημοσύνης αποτελείται από μοντέλα συνελικτικών νευρωνικών δικτύων (CNN). Τα συνελικτικά νευρωνικά δίκτυα είναι πολυεπίπεδα δίκτυα τροφοδότησης προς τα εμπρός, τα οποία χρησιμοποιούνται συχνά για την ταξινόμηση κειμένου και εικόνων από την ΤΝ.
“Αναπτύξαμε ένα καινοτόμο μοντέλο stDNN για να εξάγουμε πληροφοριακά χαρακτηριστικά δυναμικής του εγκεφάλου που διακρίνουν με ακρίβεια μεταξύ ανδρών και γυναικών”, έγραψαν οι ερευνητές.
Το μοντέλο του βαθύ νευρωνικού δικτύου εκπαιδεύτηκε σε δεδομένα από δεδομένα συμπεριφοράς και εγκεφαλικής απεικόνισης πάνω από χίλια άτομα που ελήφθησαν σε πολλαπλές συνεδρίες από το Human Connectome Project (HCP). Η ομάδα χρησιμοποίησε επίσης επαύξηση δεδομένων για να δημιουργήσει περισσότερα επισημασμένα δεδομένα εκπαίδευσης, τα οποία αύξησαν το μέγεθος του συνόλου δεδομένων εκπαίδευσης από 800 σε 12.000 για βελτιωμένη γενικευσιμότητα και ακρίβεια. Στην επιστήμη των δεδομένων, η επαύξηση δεδομένων χρησιμοποιείται συχνά για εργασίες ταξινόμησης εικόνων για την αύξηση του όγκου των επισημασμένων δεδομένων προκειμένου να εκπαιδευτούν βαθιά νευρωνικά δίκτυα.
“Η συνελικτική αρχιτεκτονική του μοντέλου μας stDNN είναι επίσης ιδιαίτερα κατάλληλη για εφαρμογές απεικόνισης του εγκεφάλου, οι οποίες έχουν περιορισμένο αριθμό επισημασμένων δεδομένων εκπαίδευσης διαφορετικού μήκους”, σημείωσαν οι επιστήμονες.
Το βαθύ νευρωνικό δίκτυο προβλέπει αν οι εικόνες του εγκεφάλου ανήκουν σε γυναίκα ή άνδρα από τις χρονοσειρές εικόνων λειτουργικής μαγνητικής τομογραφίας (fMRI) 246 περιοχών του εγκεφάλου από τον Άτλαντα Brainnetome.
Η ομάδα αξιολόγησε το βαθύ νευρωνικό δίκτυο σε δεδομένα από περίπου 1.500 ενήλικες ηλικίας 20-35 ετών και διαπίστωσε ότι μπορούσε να ξεχωρίσει τους γυναικείους από τους ανδρικούς εγκεφάλους με ακρίβεια άνω του 90%.
Πηγαίνοντας την ανάλυση ένα βήμα παραπέρα, η ομάδα εφάρμοσε την Εξηγήσιμη Τεχνητή Νοημοσύνη (Explainable AI – XAI) για να βρει τα βασικά χαρακτηριστικά του εγκεφάλου που είναι σημαντικά για τη λήψη αποφάσεων ώστε το βαθύ νευρωνικό δίκτυο να διακρίνει τις εγκεφαλικές τομογραφίες των γυναικών από τους άνδρες. Το μεταιχμιακό δίκτυο, το δίκτυο προεπιλεγμένης λειτουργίας (DMN) και το ραβδωτό σώμα ήταν περιοχές με βασικούς δείκτες για το μοντέλο ΤΝ για τη διάκριση μεταξύ εικόνων γυναικείας και ανδρικής εγκεφαλικής δραστηριότητας.
“Τα αποτελέσματά μας αποδεικνύουν ότι οι διαφορές φύλου στη λειτουργική δυναμική του εγκεφάλου δεν είναι μόνο εξαιρετικά αναπαραγώγιμες και γενικεύσιμες, αλλά και σχετικές με τη συμπεριφορά, αμφισβητώντας την έννοια της συνέχειας στην οργάνωση του εγκεφάλου ανδρών-γυναικών”, κατέληξαν οι ερευνητές.
