雷鋒網(wǎng)消息，在最近的第103屆北美放射年會(huì)（RSNA）上，出現(xiàn)了這么一篇神論文：未來(lái)在搞不清對(duì)方性別的時(shí)候，可當(dāng)面要求對(duì)方進(jìn)行頭部MRI掃描，可以通過(guò)AI立刻辨別對(duì)方性別，而且正確率可以達(dá)到95%。

Kitamura博士

論文的共同作者Felipe C. Kitamura博士說(shuō)：“男性和女性的大腦存在差異，但迄今為止，還沒(méi)有發(fā)現(xiàn)人眼可見(jiàn)的具體解剖學(xué)標(biāo)志，能夠正確區(qū)分醫(yī)學(xué)圖像中的性別?！?/p>

早在19世紀(jì)中葉，就有一些研究者聲稱他們可以通過(guò)觀察離體的大腦來(lái)判斷主人的性別。

但是，激素異常和某些疾病會(huì)使性別鑒定更具挑戰(zhàn)性。一個(gè)人可能在基因型或基因構(gòu)成上具有一種性別，但是在表型或可觀察性狀上卻是另外一種性別。例如，一個(gè)雄性激素不敏感綜合癥患者可能在基因上是男性，但卻有女性生殖器。

早在科學(xué)家掌握大腦成像技術(shù)之初，他們就開(kāi)始在大腦圖像上尋找性別差異的證據(jù)，也有人報(bào)道過(guò)一些并不明顯的差異：比如，大體上男性大腦中的杏仁核比女性更大，而該區(qū)域與人類的情緒關(guān)系密切。事實(shí)上，這些微弱的差異非常易于被環(huán)境因素所影響，但相關(guān)研究卻根據(jù)這些差異強(qiáng)行把人類大腦分成了“男性大腦”和“女性大腦”。相關(guān)數(shù)據(jù)顯示，男女之間的大腦結(jié)構(gòu)擁有的更多是共性，而非差異。

研究人員已經(jīng)在男女的大腦結(jié)構(gòu)中確定了幾處結(jié)構(gòu)上的差異，但是僅憑一張大腦的MRI（核磁共振成像）圖譜是不可能判斷出個(gè)體性別的。因此，人類的大腦并不能被簡(jiǎn)單地劃分為“男性大腦”和“女性大腦”。事實(shí)上，我們的大腦更像是一種拼湊出來(lái)的結(jié)構(gòu)，有些“拼圖”在男性中更常見(jiàn)，有些在女性中更常見(jiàn)，另有一些則在男女大腦中都很常見(jiàn)。這些發(fā)現(xiàn)不僅會(huì)影響科學(xué)家們今后研究大腦的方式，更可能會(huì)影響社會(huì)對(duì)性別的定義。

“之前還從未有人能找到一種方法來(lái)對(duì)這些進(jìn)行量化?！?美國(guó)芝加哥醫(yī)學(xué)院的神經(jīng)科學(xué)家麗絲?艾略特（Lise Eliot）曾表示。

在這樣一個(gè)腦部結(jié)構(gòu)的背景下，分辨性別通常是通過(guò)臨床檢查和血液檢查來(lái)完成的。對(duì)于臨床醫(yī)生、患者及其家屬來(lái)說(shuō)，如果可以用成像工具來(lái)準(zhǔn)確區(qū)分性別，將會(huì)是一個(gè)有用的輔助手段，但目前還沒(méi)有這樣的測(cè)試方法。

Felipe C. Kitamura博士來(lái)自圣保羅聯(lián)邦大學(xué)，Kitamura博士及其同事最近就測(cè)試了一種使用頭部MRI和深度學(xué)習(xí)算法區(qū)分性別的方法。

他表示：“這種方法的主要應(yīng)用是看看我們是否可以使用一種算法來(lái)開(kāi)發(fā)一種不同類型的生物標(biāo)志物，這種算法能夠看到我們無(wú)法看到的東西?！?/p>

據(jù)雷鋒網(wǎng)了解，研究人員使用卷積神經(jīng)網(wǎng)絡(luò)從356名患者中總共查看了7120張圖像，這種神經(jīng)網(wǎng)絡(luò)模擬大腦工作，可以在計(jì)算機(jī)中生成一種假設(shè)的數(shù)學(xué)表示法。他們使用一些課題來(lái)訓(xùn)練算法，其他人來(lái)對(duì)它進(jìn)行驗(yàn)證測(cè)試。當(dāng)研究人員將神經(jīng)網(wǎng)絡(luò)結(jié)果與受試者的性別相比時(shí)，他們發(fā)現(xiàn)該算法在性別辨別方面的準(zhǔn)確率高達(dá)95％。

Kitamura博士表示，作為機(jī)器學(xué)習(xí)的子集，深度學(xué)習(xí)可以提供一種更深入的數(shù)據(jù)分析方法。他說(shuō)：“機(jī)器深入地學(xué)習(xí)樣本，它不用知道原因，就能得出結(jié)果?！?/p>

同時(shí)，Kitamura博士也表示，盡管這套算法可以達(dá)到95％的準(zhǔn)確性，但他們還需要進(jìn)行更多的研究，才可以臨床使用。如果結(jié)果超過(guò)大型研究小組，最終可能會(huì)在臨床上得到應(yīng)用。

他說(shuō)：“這種方法的意義在于可以給醫(yī)生或者研究人員提供另一種生物標(biāo)志物，這將有助于診斷所有可能影響性別差異的疾病。”

“在那些疾病導(dǎo)致基因型、表征型性別錯(cuò)配的病例中，這一點(diǎn)尤其重要?！毖芯咳藛T打算查看從不同的MRI掃描儀獲得的圖像，以確定該算法是否能夠在不同設(shè)備之間保持預(yù)測(cè)能力。

在雷鋒網(wǎng)看來(lái)，AI，特別是深度學(xué)習(xí)，已經(jīng)表明它可以成為一個(gè)強(qiáng)大的診斷工具，這項(xiàng)技術(shù)在醫(yī)療影像工作中展示出人意料的表現(xiàn)，例如： Google的診斷性視網(wǎng)膜病變系統(tǒng)、斯坦福的皮膚病學(xué)算法、Enlitic在肺癌檢測(cè)和惡性腫瘤分類方面的工作，以及國(guó)內(nèi)多種創(chuàng)業(yè)公司針對(duì)不同病種提出的一系列解決方案。

為患者提供控制他們醫(yī)療數(shù)據(jù)的能力，為數(shù)據(jù)科學(xué)家提供解決緊迫醫(yī)療問(wèn)題的能力，是一個(gè)強(qiáng)大的想法。這也意味著科學(xué)家可以有效地解決那些只有少量數(shù)據(jù)的罕見(jiàn)疾病。使用預(yù)先訓(xùn)練的模型來(lái)分析這些數(shù)據(jù)，并且可以使用具有很少參數(shù)的模型來(lái)進(jìn)行組合，更好地為患者服務(wù)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。