Yapay zeka aracı beyin yapısındaki cinsiyet farklılıklarını ortaya koyuyor

Yeni bir araştırma, MRI taramalarını işleyen yapay zeka (YZ) bilgisayar programlarının erkek ve kadınların beyinlerinin hücresel düzeydeki organizasyonunda farklılıklar ortaya koyduğunu gösteriyor. Bu farklılıklar, çoğunlukla insan beyninin iç tabakasında bulunan ve bölgeler arasındaki iletişimi kolaylaştıran doku olan beyaz maddede bulundu.

Erkeklerin ve kadınların multipl skleroz, otizm spektrum bozukluğu, migren ve diğer beyin sorunlarından farklı şekilde muzdarip oldukları ve farklı semptomlar gösterdikleri bilinmektedir. Biyolojik cinsiyetin beyni nasıl etkilediğine dair ayrıntılı bir anlayış, teşhis araçlarını ve tedavileri geliştirmenin bir yolu olarak görülmektedir. Ancak beynin boyutu, şekli ve ağırlığı incelenmiş olsa da araştırmacılar, hücresel düzeydeki yapısı hakkında yalnızca kısmi bir anlayışa sahiptir.

NYU Langone Health'teki araştırmacıların öncülük ettiği yeni bir çalışma, 471 erkek ve 560 kadından binlerce MRI beyin taramasını analiz etmek için makine öğrenimi adı verilen bir yapay zeka tekniği kullandı. Sonuçlar, bilgisayar programlarının erkek ve kadın beyinleri arasında doğru bir şekilde ayrım yapabildiğini, insan gözüyle görülemeyen yapısal ve karmaşık desenleri belirleyebildiğini gösterdi.

Sonuçlar, biyolojik cinsiyeti belirlemek için tasarlanmış üç farklı yapay zeka modeli tarafından doğrulandı; bu modeller, beyaz maddenin küçük alanlarına odaklanma veya beynin geniş alanlarındaki bağlantıları analiz etme konusundaki göreceli güçlerini kullandılar.

Çalışmanın baş yazarı ve nöroradyolog Dr. Yvonne Lui, "Bulgularımız, yaşayan insan beyninin yapısı hakkında daha net bir resim sunuyor. Bu, kaç tane psikiyatrik ve nörolojik bozukluğun geliştiği ve bunların erkeklerde ve kadınlarda neden farklı şekilde ortaya çıktığı konusunda yeni fikirler sunabilir" dedi.

NYU Grossman Tıp Fakültesi radyoloji bölümünde profesör ve araştırma başkan yardımcısı olan Lui, beyin mikro yapısıyla ilgili önceki çalışmaların büyük ölçüde hayvan modelleri ve insan doku örneklerine dayandığını belirtiyor. Ayrıca, araştırmacıların seçtikleri bölgelerin şekli, boyutu ve konumu hakkında birçok öznel karar vermelerini gerektiren "elle çizilmiş" ilgi bölgelerinin istatistiksel analizlerinin kullanılmasıyla bu geçmiş bulguların bazılarının geçerliliği sorgulandı. Lui, bu tür seçimlerin potansiyel olarak sonuçları çarpıtabileceğini söylüyor.

Yazarlar, yeni araştırmanın bulgularının, bilgisayara belirli bir yere bakması talimatı vermeden, tüm görüntü gruplarını analiz etmek için makine öğrenimini kullanarak bu sorunu önlediğini ve bunun da insan önyargılarını ortadan kaldırmaya yardımcı olduğunu belirtiyorlar.

Çalışma için ekip, AI programlarına sağlıklı erkek ve kadınların örnek MRI beyin taramalarının mevcut verilerini ve her taramanın biyolojik cinsiyetini besleyerek başladı. Bu modeller, veri biriktirdikçe zamanla "daha akıllı" hale gelmek için karmaşık istatistiksel ve matematiksel yöntemler kullanmak üzere tasarlandığından, sonunda biyolojik cinsiyeti kendi başlarına ayırt etmeyi "öğrendiler". Lui, programların belirlemeleri için genel beyin boyutunu ve şeklini kullanmalarının kısıtlandığını söylüyor.

Sonuçlara göre, tüm modeller taramaların cinsiyetini %92 ila %98 oranında doğru bir şekilde tanımladı. Özellikle birkaç özellik, suyun beyin dokusunda ne kadar kolay ve hangi yönde hareket edebildiği gibi, makinelerin sonuçlarını çıkarmasına yardımcı oldu.

NYU Tandon Mühendislik Okulu'nda doktora öğrencisi ve çalışmanın ortak yazarı Junbo Chen, MS, "Bu bulgular, insan beyninde ortaya çıkan hastalıkları incelerken çeşitliliğin önemini vurguluyor" dedi.

"Tarihte olduğu gibi, erkekler çeşitli bozukluklar için standart model olarak kullanılırsa, araştırmacılar kritik içgörüleri kaçırabilirler" diye ekledi çalışmanın ortak yazarı, NYU Tandon Mühendislik Okulu'nda lisansüstü araştırma öğrencisi olan Vara Lakshmi Bayanagari.

Bayanagari, AI araçlarının beyin hücresi organizasyonundaki farklılıkları bildirebilmesine rağmen, hangi cinsiyetin hangi özelliklere daha yatkın olduğunu belirleyemediği konusunda uyarıyor. Çalışmanın cinsiyeti genetik bilgiye göre sınıflandırdığını ve yalnızca cisgender erkek ve kadınların MRI taramalarını içerdiğini ekliyor.

Yazarlar, ekibin beyin yapısındaki cinsiyet farklılıklarının zaman içinde gelişimini daha fazla inceleyerek çevresel, hormonal ve sosyal faktörlerin bu değişikliklerdeki rolünü daha iyi anlamayı planladığını söylüyor.

Çalışma Scientific Reports dergisinde yayımlandı.