آیا مغز انسان از نظر جنسیت خنثی است؟

به گزارش علمی نیوز و به نقل از Psychology Today، زن یا مرد بودن چه تأثیری در رشد مغز، پیری، اختلالات عصبی و بیماری‌های عصبی روانی دارد؟ محققان در Stanford Medicine مطالعه جدیدی را در مجموعه مقالات آکادمی ملی علوم ایالات متحده آمریکا (PNAS) منتشر کردند که یک مدل یادگیری عمیق هوش مصنوعی (AI) را نشان می دهد که می تواند مغز زنان و مردان را از اسکن تصویر متمایز کند. فعالیت مغز با بیش از 90 درصد دقت.

نویسنده ارشد این مقاله نوشت: «یافته‌های ما بر نقش حیاتی جنسیت به‌عنوان یک عامل تعیین‌کننده بیولوژیکی در سازمان مغز انسان تأکید می‌کند، پیامدهای قابل‌توجهی برای توسعه نشانگرهای زیستی خاص جنسیت شخصی در اختلالات روان‌پزشکی و عصبی دارد، و ابزارهای محاسباتی مبتنی بر هوش مصنوعی را برای تحقیقات آینده ارائه می‌کند». و پروفسور وینود منون، همراه با نویسندگان اصلی سریکانث ریالی، و یوان ژانگ، کاوستوب سوپکار، و کارلو دی لس آنجلس.

از نظر آماری، نمونه های زیادی از تفاوت در شیوع بیماری ها و اختلالات مرتبط با مغز بین دو جنس وجود دارد. به عنوان مثال، طبق گفته موسسه ملی سلامت روان، بخشی از موسسه ملی سلامت (NIH)، شیوع اختلال افسردگی اساسی در زنان نوجوان آمریکایی بیشتر است. بر اساس داده‌های ما از هر 3 زن، در سطح جهان، حدود 1 زن به اختلال افسردگی اساسی مبتلا می‌شود، در مقایسه با یک مرد از هر 5 مرد.

به گفته بنیاد پارکینسون، در سطح جهانی، مردان در معرض خطر بیشتری برای ابتلا به بیماری پارکینسون هستند و دقیقاً دلیل آن مشخص نیست. به طور مشابه، زنان آمریکایی بیشتر از مردان مبتلا به آلزایمر هستند و دانشمندان هنوز دلیل آن را ثابت نکرده اند. بر اساس گزارش جنبش آلزایمر زنان، دو سوم از بیش از 6.7 میلیون آمریکایی که مبتلا به بیماری آلزایمر هستند، زن هستند.

بر اساس گزارش Autism Speaks ، در ایالات متحده، پسران تقریباً چهار برابر بیشتر از دختران مبتلا به اختلال طیف اوتیسم تشخیص داده می شوند و طبق مراکز ایالات متحده، 13 درصد بیشتر احتمال دارد که مبتلا به اختلال کم توجهی-بیش فعالی ( ADHD ) تشخیص داده شوند. برای کنترل و پیشگیری از بیماری (CDC). به طور کلی، شیوع ناتوانی ذهنی تشخیص داده شده در پسران در مقایسه با دختران در ایالات متحده بر اساس CDC بیشتر است.

در جستجوی بینش بیشتر در مورد تفاوت‌های بین مغز زنان و مردان بالغ، دانشمندان در پزشکی استنفورد یک الگوریتم هوش مصنوعی ایجاد کردند که فضا-زمان را در نظر می‌گیرد، به نام شبکه عصبی عمیق فضایی-زمانی (stDNN). مدل هوش مصنوعی از مدل های شبکه عصبی کانولوشنال (CNN) تشکیل شده است. شبکه‌های عصبی کانولوشنال شبکه‌های پیش‌خور چند لایه‌ای هستند که اغلب برای طبقه‌بندی AI متن و تصاویر استفاده می‌شوند.

محققان نوشتند: «ما یک مدل stDNN ابتکاری را برای استخراج ویژگی‌های دینامیک مغزی آموزنده که به طور دقیق بین مردان و زنان تمایز می‌دهد، توسعه دادیم».

مدل شبکه عصبی عمیق بر روی داده‌های داده‌های تصویربرداری رفتاری و مغزی بیش از هزار نفر که در چندین جلسه از پروژه اتصال انسانی (HCP) گرفته شده بود، آموزش داده شد. این تیم همچنین از تقویت داده‌ها برای ایجاد داده‌های آموزشی برچسب‌گذاری‌شده‌تر استفاده کرد که برای تعمیم‌پذیری و دقت، اندازه مجموعه داده‌های آموزشی را از 800 به 12000 افزایش داد. در علم داده، تقویت داده ها اغلب برای کارهای طبقه بندی تصویر به منظور افزایش مقدار داده های برچسب گذاری شده به منظور آموزش شبکه های عصبی عمیق استفاده می شود.

دانشمندان خاطرنشان کردند: «معماری کانولوشنال مدل stDNN ما نیز به‌ویژه برای برنامه‌های تصویربرداری مغز که دارای تعداد محدودی داده‌های آموزشی برچسب‌گذاری شده با طول‌های مختلف هستند، مناسب است.

شبکه عصبی عمیق پیش‌بینی می‌کند که آیا تصاویر مغز متعلق به یک زن یا مرد از تصاویر سری زمانی تصویربرداری رزونانس مغناطیسی عملکردی (fMRI) از ۲۴۶ ناحیه مغز از اطلس Brainnetome است.

این تیم شبکه عصبی عمیق را بر روی داده های تقریباً 1500 بزرگسال بین سنین 20 تا 35 سال ارزیابی کردند و دریافتند که می تواند مغز زن و مرد را با دقت بیش از 90 درصد تشخیص دهد.

با برداشتن یک قدم جلوتر از تجزیه و تحلیل، این تیم از هوش مصنوعی توضیح‌پذیر (XAI) برای یافتن ویژگی‌های کلیدی مغز مرتبط با تصمیم‌گیری برای شبکه عصبی عمیق برای تشخیص اسکن‌های مغزی زنان از مردان استفاده کرد. شبکه لیمبیک، شبکه حالت پیش‌فرض (DMN) و جسم مخطط مناطقی از شاخص‌های کلیدی برای مدل هوش مصنوعی برای تمایز بین تصاویر فعالیت مغز زن و مرد بودند.

محققان نتیجه گرفتند: "نتایج ما نشان می دهد که تفاوت های جنسی در پویایی عملکردی مغز نه تنها بسیار قابل تکرار و تعمیم است، بلکه از نظر رفتاری نیز مرتبط است و مفهوم پیوستگی در سازمان مغز زن و مرد را به چالش می کشد."