人工智能或成治療腦病關鍵

參考消息網6月5日報道 據西班牙《機密報》網站近日報道，美國斯坦福醫療中心的維諾德·梅農教授認爲，性別作爲人腦組織中的生物決定因素髮揮着至關重要的作用。換句話說：女性和男性的大腦差異相當大，明確影響着人類的行爲、態度和健康狀況。但關鍵不在於男性和女性的不同，而在於這些差異揭示了預防和治療阿爾茨海默病、帕金森病、自閉症、多動症和抑鬱症等疾病的可能途徑。

梅農教授與多位專家共同發表了一篇新研究論文。該研究利用人工智能模型檢測了我們大腦中的這些差異，並預測了它們對男性和女性行爲的影響。發表在美國《國家科學院學報》週刊上的新研究論文表明，他們使用的模型可以從大腦活動成像掃描結果中檢測出這些差異，準確率超過90%。研究人員表示，其模型的分析結果表明，性別會對大腦的結構和功能產生重大影響。

該研究團隊使用了時空深度神經網絡(stDNN)，這是一種專門用於分析和解釋功能性磁共振成像掃描儀捕獲的大腦活動動態模式的人工智能。

stDNN本質上是一種複雜的算法，旨在檢測這些“電影”般的大腦活動的模式和機制。爲了對該人工智能模型進行訓練，該研究團隊利用了一個龐大的數據集，其包含1000多個個體的大腦掃描和行爲數據。他們還通過一種被稱爲數據增強的過程加以優化。這一過程提升了數據集的規模和多樣性，增強了模型的學習能力和準確區分能力。

經過學習，該模型檢查了隨着時間推移經過大腦各區域的複雜信息流，發現了男性和女性大腦之間的細微差異。

該研究團隊表示，這一人工智能模型在區分男性和女性大腦方面的準確率達到90%，這證明他們的研究結果具有可靠性。對於開發個性化醫療干預措施和了解精神疾病性別差異的生物學基礎而言，這種準確度至關重要。例如，他們指出，就抑鬱症、自閉症、多動症、帕金森病和阿爾茨海默病等疾病的發病率而言，兩性存在明顯不同的趨勢，而通過分析大腦組織的這些差異，可以更好地理解這些趨勢。

研究人員說，這些差異不是表面或微小的，而是深刻和一致的。該研究指出，這些差異是認知功能、行爲和易患某些精神疾病等各個方面的基礎。

這些差異體現在關鍵的大腦網絡中，包括邊緣網絡、默認模式網絡和紋狀體。邊緣網絡參與情緒處理；默認模式網絡在人休息時非常活躍，參與自我反思；紋狀體在決策和與獎勵有關的行爲中發揮重要作用。

該研究使用了可解釋人工智能(XAI)技術，該技術顯示出人工智能識別出的對區分男女大腦具有重要意義的特定大腦特徵。除了爲人工智能模型的決策過程提供一種透明的方法外，它還爲研究人類大腦性別差異的神經生物學基礎提供了寶貴信息。

斯坦福醫療中心的這項研究爲找到某些與大腦有關的疾病在兩性身上發病率不同的根本原因指明瞭方向，而這可能對相關診斷和治療策略產生深遠影響。（編譯/田策）