292. NEUROSCIENCES

Structures cérébrales masculines et féminines : l'Intelligence Artificielle révèle des différences cachées

L'étude suggère que la compréhension de ces différences peut améliorer les outils de diagnostic et les traitements des troubles cérébraux. Cette recherche souligne la nécessité de diversifier les études sur le cerveau afin de garantir une compréhension complète des maladies neurologiques.

Faits marquants:

1. Précision de l'IA : les modèles d'IA ont identifié le sexe biologique dans les IRM avec une précision de 92 à 98 %.

2. Focus sur la matière blanche : Des différences ont été constatées au niveau de la substance blanche du cerveau, cruciale pour la communication interrégionale.

3. Diagnostics améliorés : Comprendre les différences cérébrales basées sur le sexe peut améliorer les diagnostics et les traitements de troubles comme la sclérose en plaques et l'autisme.

Source : NYU Langone

Les programmes informatiques d’intelligence artificielle (IA) qui traitent les résultats de l’IRM montrent des différences dans la manière dont les cerveaux des hommes et des femmes sont organisés au niveau cellulaire, selon une nouvelle étude. Ces variations ont été repérées dans la substance blanche, tissu principalement situé dans la couche la plus interne du cerveau humain, qui favorise la communication entre les régions.

On sait que les hommes et les femmes souffrent de sclérose en plaques, de troubles du spectre autistique, de migraines et d’autres problèmes cérébraux à des rythmes différents et avec des symptômes variés.

Une compréhension détaillée de l’impact du sexe biologique sur le cerveau est donc considérée comme un moyen d’améliorer les outils de diagnostic et les traitements.

Cependant, bien que la taille, la forme et le poids du cerveau aient été étudiés, les chercheurs n'ont qu'une image partielle de la disposition du cerveau au niveau cellulaire.

Dirigée par des chercheurs de NYU Langone Health, la nouvelle étude a utilisé une technique d’IA appelée apprentissage automatique pour analyser des milliers d’IRM cérébrales de 471 hommes et 560 femmes.

Les résultats ont révélé que les programmes informatiques pouvaient distinguer avec précision les cerveaux biologiques masculins et féminins en repérant des modèles de structure et de complexité invisibles à l’œil humain.

Les résultats ont été validés par trois modèles d'IA différents conçus pour identifier le sexe biologique en utilisant leurs forces relatives soit en se concentrant sur de petites parties de la substance blanche, soit en analysant les relations entre de plus grandes régions du cerveau.

"Nos résultats fournissent une image plus claire de la façon dont un cerveau humain vivant est structuré, ce qui pourrait à son tour offrir de nouvelles informations sur la façon dont de nombreux troubles psychiatriques et neurologiques se développent et pourquoi ils peuvent se présenter différemment chez les hommes et les femmes", a déclaré l'auteur principal de l'étude et neuroradiologue. Yvonne Lui, MD.

Lui, professeur et vice-président de la recherche au Département de radiologie de la NYU Grossman School of Medicine, note que les études antérieures sur la microstructure cérébrale reposaient en grande partie sur des modèles animaux et des échantillons de tissus humains.

En outre, la validité de certaines de ces découvertes antérieures a été remise en question car elles reposaient sur des analyses statistiques de régions d’intérêt « dessinées à la main », ce qui signifiait que les chercheurs devaient prendre de nombreuses décisions subjectives sur la forme, la taille et l’emplacement des régions. ils choisissent. De tels choix peuvent potentiellement fausser les résultats, explique Lui.

Les nouveaux résultats de l'étude, publiés en ligne le 14 mai dans la revue Scientific Reports , ont évité ce problème en utilisant l'apprentissage automatique pour analyser des groupes entiers d'images sans demander à l'ordinateur d'inspecter un endroit spécifique, ce qui a contribué à éliminer les préjugés humains, disent les auteurs.

Pour la recherche, l’équipe a commencé par alimenter les programmes d’IA en donnant des exemples de données d’analyses cérébrales d’hommes et de femmes en bonne santé et en indiquant également aux programmes de la machine le sexe biologique de chaque analyse cérébrale.

Étant donné que ces modèles ont été conçus pour utiliser des méthodes statistiques et mathématiques complexes afin de devenir « plus intelligents » au fil du temps à mesure qu’ils accumulaient plus de données, ils ont finalement « appris » à distinguer le sexe biologique par eux-mêmes. Il est important de noter que les programmes ne pouvaient pas utiliser la taille et la forme globales du cerveau pour prendre leurs décisions, explique Lui.

Selon les résultats, tous les modèles ont correctement identifié le sexe des sujets scannés entre 92 % et 98 % du temps. Plusieurs fonctionnalités en particulier ont aidé les machines à déterminer la facilité et la direction dans laquelle l’eau pouvait se déplacer dans les tissus cérébraux.

"Ces résultats mettent en évidence l'importance de la diversité lors de l'étude des maladies qui surviennent dans le cerveau humain", a déclaré le co-auteur principal de l'étude, Junbo Chen, MS, doctorant à la NYU Tandon School of Engineering.

"Si, comme cela a toujours été le cas, les hommes sont utilisés comme modèle standard pour divers troubles, les chercheurs risquent de passer à côté d'informations critiques", a ajouté Vara Lakshmi Bayanagari, MS, co-auteur principal de l'étude et assistant de recherche diplômé à la NYU Tandon School. d'ingénierie.

Bayanagari prévient que même si les outils d'IA pouvaient signaler des différences dans l'organisation des cellules cérébrales, ils ne pouvaient pas révéler quel sexe était le plus susceptible de présenter quelles caractéristiques. Elle ajoute que l’étude a classé le sexe sur la base d’informations génétiques et n’incluait que les IRM d’hommes et de femmes de genre cis.

Selon les auteurs, l’équipe prévoit ensuite d’explorer l’évolution des différences de structure cérébrale liées au sexe au fil du temps afin de mieux comprendre les facteurs environnementaux, hormonaux et sociaux qui pourraient jouer un rôle dans ces changements.

Financement : Le financement de l'étude a été assuré par les subventions R01NS119767, R01NS131458 et P41EB017183 des National Institutes of Health, ainsi que par la subvention W81XWH2010699 du ministère de la Défense des États-Unis.

Outre Lui, Chen et Bayanagari, d'autres chercheurs de NYU Langone Health et de NYU impliqués dans l'étude étaient Sohae Chung, PhD, et Yao Wang, PhD.

À propos de cette actualité de la recherche en IA et neurosciences

Auteur : Shira Polan

Source : NYU Langone

Contact : Shira Polan – NYU Langone

Image : L'image est créditée à Neuroscience News

Recherche originale : accès libre.
« L'apprentissage profond avec l'IRM de diffusion comme microscope in vivo révèle des différences liées au sexe dans la microstructure de la matière blanche humaine » par Yvonne Lui et al. Rapports scientifiques

Abstrait

L'apprentissage profond avec l'IRM de diffusion comme microscope in vivo révèle des différences liées au sexe dans la microstructure de la matière blanche humaine

Le sexe biologique est une variable cruciale dans les études en neurosciences où les différences entre les sexes ont été documentées dans les fonctions cognitives et les troubles neuropsychiatriques.

Alors que des différences statistiques brutes ont déjà été documentées dans la structure macroscopique du cerveau, comme l'épaisseur corticale ou la taille de la région, on en sait moins sur les différences microstructurales au niveau cellulaire liées au sexe, ce qui pourrait fournir un aperçu de la santé et des maladies du cerveau.

L’étude de ces différences microstructurelles entre hommes et femmes ouvre la voie à la compréhension des troubles et maladies cérébraux qui se manifestent différemment selon le sexe.

L’IRM de diffusion est une méthodologie in vivo non invasive importante qui ouvre une fenêtre sur la microstructure des tissus cérébraux.

Notre étude développe plusieurs modèles de classification de bout en bout qui estiment avec précision le sexe d'un sujet à l'aide de données d'IRM à diffusion volumétrique et utilise ces modèles pour identifier les régions de substance blanche qui diffèrent le plus entre les hommes et les femmes. 471 sujets sains de sexe masculin et 560 femmes (tranche d'âge de 22 à 37 ans) du projet Human Connectome sont inclus.

L'anisotropie fractionnaire, la diffusivité moyenne et l'aplatissement moyen sont utilisés pour capturer les caractéristiques de la microstructure du tissu cérébral.

Les cartes paramétriques de diffusion sont enregistrées sur un modèle standard afin de réduire les biais pouvant résulter de différences anatomiques macroscopiques telles que la taille et le contour du cerveau.

Cette étude utilise trois architectures de modèles majeures : les réseaux de neurones convolutifs 2D, les réseaux de neurones convolutifs 3D et Vision Transformer (avec auto-supervisé correspondant).

Nos résultats montrent que les 3 modèles atteignent des performances élevées en matière de classification sexuelle (test AUC 0,92–0,98) pour toutes les mesures de diffusion, indiquant des différences définitives dans la microstructure des tissus de la substance blanche entre les hommes et les femmes.

Nous utilisons en outre des architectures de modèles complémentaires pour informer sur le modèle de différences microstructurales détectées et l'influence des interactions à courte et à longue portée.

L'analyse d'occlusion ainsi que le test de rang signé de Wilcoxon sont utilisés pour déterminer quelles régions de la substance blanche contribuent le plus à la classification par sexe.

Les résultats indiquent que les différences liées au sexe se manifestent à la fois dans les caractéristiques locales et dans les caractéristiques globales/interactions à plus longue distance de la microstructure tissulaire.

Nos résultats très cohérents entre les modèles fournissent de nouvelles informations étayant les différences entre l’organisation des tissus au niveau cellulaire du cerveau masculin et féminin, en particulier dans la substance blanche centrale.

Juin 2024