Мозг мужчин и женщин отличается – считает искусственный интеллект
Множество анекдотов по поводу «женского» типа мышления, оказывается, могут иметь под собой основу – недавнее исследование показало, что мозг мужчин и женщин отличается настолько, что искусственный интеллект может отличить один от другого, проанализировав результаты МРТ. Результаты исследования были опубликованы в журнале «Proceedings of the National Academy of Sciences»1.
Так что же нашли ученые и имеет ли это открытие отношение к давнему спору «кто умнее»?
Обусловленность полом
Все мы знаем, что пол – важный биологический фактор, влияющий на развитие, работу и старение нашего организма, а также на проявление ряда заболеваний.
Так, пол играет значительную роль в развитии мозга у детей и подростков, в его старении, а многие аспекты как нормального, так и патологического функционирования мозга демонстрируют половые различия, что особенно заметно в этиологии большинства психиатрических и неврологических расстройств. Исследования свидетельствуют, что женщины чаще, чем мужчины, страдают депрессией, тревогой и расстройствами пищевого поведения, а мужчины – аутизмом, синдромом дефицита внимания с гиперактивностью и шизофренией. Последние из перечисленных расстройств также демонстрируют и специфичные для пола клиническую картину и исходы. Следовательно, знание половых различий в человеческом мозге имеет решающее значение для понимания как нормативного поведения, так и психопатологии.
Ученые, изучавшие биологию и поведение полов и пытавшиеся понять роль и место половых различий в функциональной организации мозга человека и их поведенческих последствий, пытались решить эту задачу, изучая анатомию головного мозга. Посмертные, а также прижизненные структурные исследования мозга (например, при помощи МРТ) демонстрируют, что у мужчин общий объем мозга больше, чем у женщин. При этом процент объема белого вещества в мужском мозге выше, чем в женском, а серого вещества – наоборот – больше у женщин. Также наблюдаются половые различия и в объемах миндалевидного тела, гиппокампа и островка.
Аналогичным образом было показано, что структурная связность различается в зависимости от пола. Например, при помощи диффузионно-тензорной визуализации было обнаружено, что мужской мозг имеет более высокую внутриполушарную структурную связь, чем женский мозг, а женский мозг имеет более высокую межполушарную структурную связь, чем мужской мозг.
Однако все же окончательной ясности в ответе на вопрос, приводят ли эти структурные различия к различиям в функциональной организации мозга и каким образом, все эти исследования не давали.
фМРТ
Команда Винода Менона из Стэнфордского университета в Калифорнии пошла другим путем – в основу исследователи положили метод фМРТ (функциональной магнитно-резонансной томографии – разновидности магнитно-резонансной томографии, которая проводится в состоянии покоя с целью измерения нейронной активности головного или спинного мозга). фМРТ позволяет записывать активность человеческого мозга и отслеживать изменения в том, как активность различных областей изменяется синхронно друг с другом.
Этот метод анализа связей для изучения половых различий в функциях мозга использовали не только стэнфордцы. Предыдущие исследования с использованием фМРТ показали наличие половых отличий в локальных и дальних функциональных связях. Так, например, было обнаружено, что в женском мозге присутствует более высокая плотность локальных функциональных связей, а также имеется более сильная функциональную связь в так называемой «сети режима по умолчанию» (Также «сеть пассивного режима работы мозга», «нейронная сеть оперативного покоя», «DMN» – одна из сетей покоя. Нервная сеть взаимодействующих участков головного мозга, активная в состоянии, когда человек не занят выполнением какой-либо задачи, связанной с внешним миром: например, отдыхает, мечтает, погружен в себя), чем в мужском, а у мужчин более сильные функциональные связи в сенсомоторной коре. Также были сообщения о половых различиях в латерализации функциональных связей мозга: у мужчин наблюдалась большая правосторонняя латерализация связей ближнего действия, а у женщин – наоборот.
По результатам этих исследований ученые пришли к выводу, что функциональные структуры мозга позволяют различать пол с точностью от 62 до 87% – однако методика не была доведена до совершенства. Так, например, из-за неправильной выборки результаты фМРТ часто были противоречивы, а математические модели, оценивающие связь – ненадежными. Кроме того, конкретные области мозга и сети, лежащие в основе половых различий, оставались недостаточно изученными.
Эксперимент Стэнфорда
Команда исследователей из Стэнфорда решила большинство этих проблем.
Во-первых, они скорректировали выборку. Менон и коллеги обучили искусственный интеллект на результатах примерно 1000 молодых людей из существующей в США базы данных под названием Human Connectome Project, сообщая ИИ пол каждого участника. После этого обучения ИИ предложили следующий набор данных МРТ этих же человек, но уже не указывая их пол, – и ИИ снова с точностью около 90% угадал пол. Кроме того, ученые оценили возможность обобщения модели на двух независимых возрастных когортах, результаты фМРТ которых ИИ до этого времени не видел.
Само исследование было сосредоточено на молодых людях в возрасте от 20 до 35 лет, исключая когорты развития (например, ABCD) и старения (например, UK BioBank), и использовало модель пространственно-временной глубокой нейронной сети (stDNN), чтобы обнаружить скрытую функциональную динамику мозга, которая отличает мужской и женский мозг.
Учеными было поставлено 4 цели.
Во-первых, они хотели определить, существуют ли достоверные половые различия в функциональной организации человеческого мозга. Это было сделано при помощи новой, оригинальной модели stDNN, которая устраняет ограничения предварительно вычисленных функций подключения, фиксируя скрытую динамику цепи без предположений о стационарности и разработки функций. stDNN напрямую принимает в качестве входных данных временные ряды фМРТ и использует множественные одномерные свертки сегментов временных рядов в разных областях мозга, чтобы раскрыть динамику скрытых цепей, которая различает мужчин и женщин.
В результате эта модель выявила половые различия с точностью более 90%, чего не наблюдалось ни в одном из предыдущих исследований. Эти результаты демонстрируют, что подобные методы на основе искусственного интеллекта позволяют надежно выявлять половые различия в человеческом мозге.
Во-вторых, задачей стояло преодолеть кризис воспроизводимости в нейробиологии в контексте установления устойчивых половых различий в организации мозга, что было решено анализом трех когорт и применением результатов и протоколов машинного обучения, полученных на одной когорте, к другим группам.
Использованная учеными новая модель stDNN и тут показала преимущества: так, она не только выявила воспроизводимые половые различия в человеческом мозге одних и тех же людей, но также смогла обобщить и новые данные до этого неизвестных ей групп лиц без какого-либо дополнительного обучения. Результаты убедительно демонстрируют половые различия в функциональной организации человеческого мозга.
В-третьих, ученые планировали выявить стабильные нейробиологически интерпретируемые особенности, лежащие в основе половых различий. Этот также было решено при помощи новых математических подходов, в частности – при помощи алгоритма интегрированных градиентов (IG), который оценивает интеграл градиентов по отношению к входным данным на пути от заданной (или случайной) базовой линии до входных данных, что дает оценку того, насколько важный вклад каждый признак вносит в окончательный прогноз, и консенсусного анализа. Помимо стабильности региональных особенностей мозга, лежащих в основе половой дифференциации, стэнфордцы также исследовали постоянство различий в крупномасштабных корковых и подкорковых сетях.
Примененный метод искусственного интеллекта не только выявил индивидуальные особенности мозга, связанные с половыми различиями, но также посредством консенсусного и перекрестного анализа подтвердил их стабильность, воспроизводимость и генерализуемость в дальнейших исследованиях других групп лиц. Ученые обнаружили, что особенности мозга, связанные с сетью пассивного режима работы мозга, наиболее надежно различают женский и мужской мозг, и этот результат согласуется как на региональном, так и на сетевом уровнях с большой величиной эффекта. Наибольшие различия были выявлены в функционировании задней поясной извилины, предклинья и вентромедиальных узлов префронтальной коры.
Упомянутая сеть пассивного режима работы мозга играет решающую роль в интеграции обработки самореферентной информации и мониторинга внутреннего психического ландшафта – самоанализ, восстановление в памяти воспоминаний и т.п. Эти когнитивные процессы могут различаться у женщин и мужчин, что потенциально влияет на саморегуляцию, убеждения и социальные взаимодействия. Половые различия в сети пассивного режима работы мозга могут также влиять на то, как женщины и мужчины вспоминают прошлый опыт, формируют самооценку или принимают участие в формировании точки зрения. Полученные результаты подчеркивают ключевую роль этой структуры в выявлении половых различий в функционировании мозга и способствуют нашему пониманию того, как эти различия влияют на различное когнитивное и социальное поведение.
Интересно, что сетевой анализ также выявил большие различия в полосатом теле (которое важно для обучения сигнальным ассоциациям, формирования привычек, обучения с подкреплением и чувствительности к вознаграждению) и лимбической сети, главный элемент которой – орбитофронтальная кора – участвует в обучении и изменении ассоциаций стимул-подкрепление, а также в коррекции поведенческих реакций, когда они больше не подходят из-за того, что предыдущие непредвиденные обстоятельства подкрепления изменились. Орбитофронтальная кора также участвует в представлении ценности вознаграждения, ожидаемой ценности вознаграждения и субъективной приятности подкрепления. Эта связь с субъективной приятностью может стать основой для изучения роли лимбической сети в половых различиях в гедонистическом опыте.
Таким образом, можно говорить о том, что женщины и мужчины различаются по тому, как они задействуют динамические функциональные цепи, участвующие как в самореферентных, так и во внутренних психических процессах, чувствительности к вознаграждению, обучении с подкреплением и субъективном опыте удовольствия. Примечательно, что DMN, полосатое тело и лимбическая сеть также являются локусами дисфункции при психических расстройствах, имеющих половые особенности, – например, при аутизме, расстройствах дефицита внимания, депрессии, наркомании, шизофрении и болезни Паркинсона, – что позволяет использовать результаты этого исследования в дальнейшем изучении половых различий в уязвимости полов к отдельным психическим и неврологическим расстройствам.
В-четвертых, ученые хотели связать половые различия в функциональной организации мозга с поведением женщин и мужчин, поскольку предыдущие исследования показали, что, например, у мужчин наблюдается больше внешних проблем, в то время как у женщин проблемы обычно внутреннего характера. Чтобы решить эту проблему, они использовали фенотипированные поведенческие данные NIH Toolbox и особенности мозга на индивидуальном уровне, полученные с использованием stDNN, в качестве предикторов когнитивных профилей, а также оценили половую специфичность отношений мозга и поведения у женщин и мужчин.
Результаты демонстрируют, что анализ мозга при помощи ИИ точно предсказывает когнитивные профили, специфичные для пола, а функциональная динамика мозга поведенчески значима. Также используемая модель выявила пол-инвариантные, но не зависящие от пола, особенности мозга, влияющие на когнитивные профили у обоих полов.
Значение для науки
Если результаты исследования подтвердятся, говорят ученые, они помогут людям наконец понять причины, по которым некоторые психоневрологические заболевания или формы нейроразнообразия встречаются с различной частотой у разных полов – в частности депрессия, тревожность и СДВГ. Эта работа открывает путь к более целенаправленным и персонализированным подходам как в исследованиях когнитивной нейробиологии, так и в лечении соответствующих пациентов.
Кроме того, разработанный подход предоставляет инновационные вычислительные инструменты на основе искусственного интеллекта для будущих исследований.
