Des chercheurs de Stanford Medicine ont élaboré un puissant modèle d'intelligence artificielle capable de différencier les cerveaux masculins et féminins avec une précision de plus de 90 %. L'étude, publiée dans les Proceedings of the National Academy of Sciences, vise à résoudre la controverse sur les différences entre les sexes dans le cerveau humain. Les chercheurs ont utilisé un réseau neuronal profond, analysant des IRM dynamiques, et ont identifié des « points chauds » tels que le réseau du mode par défaut, le striatum et le réseau limbique. Les résultats suggèrent l'existence de différences détectables entre les sexes dans le cerveau, offrant des perspectives pour comprendre les vulnérabilités spécifiques au sexe dans les troubles neurologiques et psychiatriques. L'utilisation de l'IA explicable a également permis de dévoiler les réseaux cérébraux essentiels pour la prise de décision du modèle. En outre, les chercheurs ont développé des modèles prédictifs de performances cognitives spécifiques au sexe. Bien que le succès du modèle soit indéniable, il reste à déterminer si ces différences sont présentes dès le début de la vie ou résultent de facteurs hormonaux ou sociaux.
Cette recherche permet non seulement d'approfondir notre compréhension du développement et du vieillissement du cerveau, mais elle ouvre également de nouvelles voies pour traiter les vulnérabilités sexospécifiques dans les troubles psychiatriques et neurologiques.
Le sexe est un facteur biologique important qui influence le comportement humain, le fonctionnement du cerveau et la manifestation de troubles psychiatriques et neurologiques. Toutefois, les recherches antérieures sur les différences d'organisation du cerveau entre les hommes et les femmes n'ont pas été concluantes. En s’appuyant sur les progrès récents de l'intelligence artificielle et sur de vastes ensembles de données IRMf (IRM fonctionnelle) multicohortes, les chercheurs identifient des différences sexuelles hautement reproductibles, généralisables et pertinentes sur le plan comportemental dans l'organisation fonctionnelle du cerveau humain, localisées dans le réseau du mode par défaut, le striatum et le réseau limbique.
Les résultats permettent de mieux comprendre les différences liées au sexe dans les fonctions cérébrales et le comportement. Plus généralement, notre approche fournit des outils basés sur l'IA pour sonder des mesures neurobiologiques robustes, généralisables et interprétables des différences entre les sexes dans les troubles psychiatriques et neurologiques.
Exploration du cerveau : complémentarité entre l'IRMf et l'optogénétique
Les chercheurs Jerry Tang et Alexander Huth, spécialiste en neurosciences informatiques à l'université du Texas, ont associé l'imagerie par résonance magnétique fonctionnelle (IRMf) à un modèle de langage artificiel pour décoder le langage interne d'une personne en se basant sur son activité cérébrale. Ils ont réussi à formuler des hypothèses sur le déroulement d'un court métrage et ont constaté que le décodeur pouvait reproduire avec une précision étonnante les récits que la personne avait écoutés ou imaginés tout en étant soumise à l'examen IRM.
Cette technologie pourrait offrir une assistance précieuse aux personnes incapables de parler ou de communiquer de manière externe, notamment celles ayant subi des accidents vasculaires cérébraux ou souffrant de sclérose latérale amyotrophique. Cependant, elle soulève également des préoccupations éthiques et juridiques quant à la possibilité d'accéder aux pensées des individus sans leur consentement.
L'IRMf, bien qu'elle permette de visualiser des images globales et colorées du cerveau en action, ne se transforme pas pour autant en une machine capable de lire directement les pensées. Les neuroscientifiques ne peuvent pas interpréter une image du cerveau et déduire ce que la personne observait, entendait ou pensait lors de l'examen. Néanmoins, cette recherche repousse progressivement les limites fondamentales en traduisant les expériences internes en mots grâce à l'imagerie cérébrale.
L'IRMf, qui met en évidence les changements dans le flux sanguin et les niveaux d'oxygène dans le cerveau, est souvent interprétée comme une corrélation avec l'activité neuronale. Cependant, les images de zones cérébrales actives résultent fréquemment d'une agrégation statistique de plusieurs cerveaux scannés pour une expérience, plutôt que d'une représentation claire d'un seul cerveau focalisé sur des stimuli tels que Dieu, le sexe ou l'argent.
La fiabilité des IRMf pour refléter les intentions des chercheurs est remise en question. Néanmoins, une étude publiée dans Nature en 2010 soutient la crédibilité de cette technique. Les chercheurs, dirigés par Jin Hyung Lee de l'université de Californie à Los Angeles et Remy Durand de l'université de Stanford, ont utilisé l'optogénétique sur des souris pour contrôler spécifiquement des neurones génétiquement modifiés. L'activation de ces cellules par des impulsions lumineuses a également engendré des signaux sur les images IRMf, renforçant l'idée que les changements de flux sanguin observés sont liés à l'activité neuronale dans ces régions.
Bien que l'IRMf soit un outil puissant pour comprendre les variations du taux d'oxygène dans le sang, elle ne permet pas d'obtenir des détails cellulaires. Les images tridimensionnelles qu'elle produit sont composées de voxels, unités représentant des cubes de tissu cérébral, mais chaque voxel englobe environ un million de cellules cérébrales. Ainsi, bien que l'IRMf soit précieuse pour explorer des aspects globaux de l'activité cérébrale, elle ne peut fournir des détails au niveau cellulaire.
Un modele d'IA a la croisee des chemins
Dans leur étude actuelle, Menon et son équipe ont tiré parti des avancées récentes en matière d'intelligence artificielle, ainsi que de l'accès à de nombreux grands ensembles de données, pour réaliser une analyse plus puissante que celle qui avait été employée auparavant. Ils ont tout d'abord créé un modèle de réseau neuronal profond, qui apprend à classer les données d'imagerie cérébrale : Lorsque les chercheurs ont montré des scanners cérébraux au modèle et lui ont dit qu'il s'agissait d'un cerveau masculin ou féminin, le modèle a commencé à « remarquer » quels motifs subtils pouvaient l'aider à faire la différence.
Ce modèle a démontré des performances supérieures à celles des études précédentes, en partie parce qu'il a utilisé un réseau neuronal profond qui analyse des IRM dynamiques. Cette approche permet de saisir les interactions complexes entre les différentes régions du cerveau. Lorsque les chercheurs ont testé le modèle sur environ 1 500 scanners cérébraux, ils ont presque toujours pu déterminer si le scanner provenait d'une femme ou d'un homme.
Le succès du modèle suggère que des différences détectables entre les sexes existent bel et bien dans le cerveau, mais qu'elles n'avaient pas été détectées de manière fiable jusqu'à présent. Le fait qu'il ait fonctionné aussi bien dans différents ensembles de données, y compris des scanners cérébraux provenant de plusieurs sites aux États-Unis et en Europe, rend les résultats particulièrement convaincants, car ils tiennent compte de nombreux facteurs de confusion susceptibles d'entraver les études de ce type.
« Il s'agit d'une preuve très solide que le sexe est un déterminant robuste de l'organisation du cerveau humain », a déclaré Menon. Jusqu'à récemment, un modèle tel que celui utilisé par l'équipe de Menon aidait les chercheurs à classer les cerveaux en différents groupes, mais ne fournissait pas d'informations sur la manière dont le classement s'opérait. Aujourd'hui, cependant, les chercheurs ont accès à un outil appelé « IA explicable », qui peut passer au crible de vastes quantités de données pour expliquer comment les décisions d'un modèle sont prises.
Grâce à l'IA explicable, Menon et son équipe ont identifié les réseaux cérébraux les plus importants pour permettre au modèle de déterminer si un scanner cérébral provenait d'un homme ou d'une femme. Ils ont constaté que le modèle se tournait le plus souvent vers le réseau du mode par défaut, le striatum et le réseau limbique pour prendre sa décision.
L'équipe s'est ensuite demandé si elle pouvait créer un autre modèle capable de prédire les résultats des participants à certaines tâches cognitives en fonction des caractéristiques fonctionnelles du cerveau qui diffèrent entre les femmes et les hommes. Ils ont développé des modèles de capacités cognitives spécifiques au sexe : Un modèle prédit efficacement les performances cognitives chez les hommes mais pas chez les femmes, et un autre chez les femmes mais pas chez les hommes. Les résultats indiquent que les caractéristiques fonctionnelles du cerveau variant d'un sexe à l'autre ont des implications comportementales significatives.
« Ces modèles ont très bien fonctionné parce que nous avons réussi à séparer les schémas cérébraux entre les sexes », a déclaré Menon. « Cela me fait dire que négliger les différences entre les sexes dans l'organisation du cerveau pourrait nous faire passer à côté de facteurs clés sous-jacents aux troubles neuropsychiatriques. »
Si l'équipe a appliqué son modèle de réseau neuronal profond aux questions relatives aux différences entre les sexes, Menon estime que ce modèle peut être utilisé pour répondre à des questions concernant la manière dont tout aspect de la connectivité cérébrale peut être lié à n'importe quel type de capacité cognitive ou de comportement. Lui et son équipe prévoient de mettre leur modèle à la disposition de tous les chercheurs pour qu'ils puissent l'utiliser.
« Nos modèles d'IA sont très largement applicables », a déclaré Menon. « Un chercheur pourrait utiliser nos modèles pour rechercher des différences cérébrales liées à des troubles de l'apprentissage ou à des différences de fonctionnement social, par exemple - des aspects que nous souhaitons mieux comprendre pour aider les individus à s'adapter à ces défis et à les surmonter. »
L'étude menée par des chercheurs de Stanford Medicine sur ce nouveau modèle d'intelligence artificielle capable de distinguer les cerveaux masculins et féminins suscite des réactions diverses.
Certains critiques soulignent l'importance de l'explication du fonctionnement du modèle, saluant la transparence de la démarche. Cependant, d'autres critiques mettent en doute la validité des explications fournies par l'IA explicable, arguant que les « cartes des caractéristiques » ne détaillent pas suffisamment les facteurs pris en compte dans la prise de décision. Un débat émerge sur la nécessité d'une explication complète du processus ou si l'identification seule, même sans mécanisme explicatif, est suffisante pour prouver les différences entre les cerveaux masculins et féminins.
Certains commentaires soulignent également le risque de biais externes dans les données, comparant la situation à celle des modèles médicaux influencés par des facteurs non pertinents, tels que la présence d'une règle dans l'identification d'un cancer de la peau. Cette préoccupation soulève des questions sur la fiabilité des résultats obtenus à partir des scanners cérébraux et suggère la possibilité d'influences extérieures.
Enfin, une réflexion est formulée sur les potentiels éléments d'identification externes qui pourraient biaiser les résultats, illustrant des exemples tels que la présence de lettres d'identification sur les scanners ou des différences dans la pose des participants. Ces commentaires soulignent la nécessité de garantir que le modèle se concentre réellement sur les différences cérébrales et n'est pas influencé par des variables externes.
Source : Stanford Medicine, study identifies distinct brain organization patterns in women and men
Et vous ?
Quel est votre avis sur le sujet ? Les conclusions de l'étude menée par Stanford Medicine sont-elles pertinentes ?Voir aussi :
L'intelligence artificielle peut détecter la maladie d'Alzheimer dans les scanners cérébraux six ans avant un diagnostic, selon une étude Les Nations unies mettent en garde contre les risques liés à l'implantation de puces d'IA dans le cerveau, affirmant que cela pourrait menacer la confidentialité des pensées des utilisateurs Des scientifiques affirment avoir trouvé un moyen d'utiliser les scanners cérébraux et la modélisation de l'intelligence artificielle, pour transcrire l'essentiel de ce que pensent les gens 
Envoyé par skaarj
