Gürkan Özsoy Blog

Kısmen Kişisel


Yapay zeka aracı beyin yapısındaki cinsiyete bağlı farklılıkları tespit ediyor


Yeni bir araştırmaya göre, MR sonuçlarını işleyen yapay zeka (AI) bilgisayar programları, erkek ve kadınların beyinlerinin hücresel düzeyde nasıl organize edildiği konusunda farklılıklar gösteriyor. Bu farklılıklar, öncelikle insan beyninin en iç katmanında bulunan ve bölgeler arasındaki iletişimi sağlayan beyaz maddede tespit edildi.

Çalışma Scientific Reports’ta yayınlandı.

Yapay zeka aracı beyin yapısındaki cinsiyete bağlı farklılıkları tespit ediyor

Erkek ve kadınların multipl skleroz, otizm spektrum bozukluğu, migren ve diğer beyin sorunlarını farklı oranlarda ve farklı semptomlarla yaşadıkları bilinmektedir. Bu nedenle biyolojik cinsiyetin beyni nasıl etkilediğinin ayrıntılı bir şekilde anlaşılması, teşhis araçlarını ve tedavileri iyileştirmenin bir yolu olarak görülüyor. Bununla birlikte, beyin boyutu, şekli ve ağırlığı araştırılmış olsa da, araştırmacılar beynin hücresel düzeydeki düzeninin yalnızca kısmi bir resmine sahipler. NYU Langone Health’teki araştırmacılar tarafından yürütülen yeni çalışmada, 471 erkek ve 560 kadından alınan binlerce MRI beyin taramasını analiz etmek için makine öğrenimi adı verilen bir yapay zeka tekniği kullanıldı. Sonuçlar, bilgisayar programlarının insan gözüyle görülemeyen yapı ve karmaşıklıktaki kalıpları tespit ederek biyolojik erkek ve kadın beyinlerini doğru bir şekilde ayırt edebildiğini ortaya koydu.

Bulgular, beyaz maddenin küçük bölümlerine odaklanma ya da beynin daha geniş bölgelerindeki ilişkileri analiz etme konusundaki göreceli güçlerini kullanarak biyolojik cinsiyeti belirlemek üzere tasarlanmış üç farklı yapay zeka modeli tarafından doğrulandı. Çalışmanın kıdemli yazarı ve nöroradyolog Yvonne Lui, “Bulgularımız, yaşayan bir insan beyninin nasıl yapılandırıldığına dair daha net bir resim sunuyor ve bu da birçok psikiyatrik ve nörolojik bozukluğun nasıl geliştiğine ve neden erkeklerde ve kadınlarda farklı şekilde ortaya çıkabileceğine dair yeni bilgiler sunabilir” dedi. NYU Grossman Tıp Fakültesi Radyoloji Bölümü’nde profesör ve araştırma başkan yardımcısı olan Lui, beyin mikro yapısıyla ilgili önceki çalışmaların büyük ölçüde hayvan modellerine ve insan doku örneklerine dayandığını belirtiyor. Buna ek olarak, bu geçmiş bulguların bazılarının geçerliliği, araştırmacıların seçtikleri bölgelerin şekli, boyutu ve konumu hakkında birçok öznel karar vermeleri gerektiği anlamına gelen “elle çizilmiş” ilgi bölgelerinin istatistiksel analizlerine dayandığı için sorgulanmıştır. Lui, bu tür seçimlerin sonuçları potansiyel olarak çarpıtabileceğini söylüyor.

Yazarlar, yeni çalışma sonuçlarının, bilgisayardan belirli bir noktayı incelemesini istemeden tüm görüntü gruplarını analiz etmek için makine öğrenimini kullanarak bu sorunu önlediğini ve bunun da insan önyargılarını ortadan kaldırmaya yardımcı olduğunu söylüyor. Araştırma için ekip, yapay zeka programlarını sağlıklı erkek ve kadınlardan alınan beyin taramalarının mevcut veri örnekleriyle besleyerek ve ayrıca makine programlarına her beyin taramasının biyolojik cinsiyetini söyleyerek işe başladı. Bu modeller, daha fazla veri biriktirdikçe zaman içinde “daha akıllı” hale gelmek için karmaşık istatistiksel ve matematiksel yöntemler kullanmak üzere tasarlandığından, sonunda biyolojik cinsiyeti kendi başlarına ayırt etmeyi “öğrendiler”. Lui, daha da önemlisi, programların tespitlerini yapmak için genel beyin boyutunu ve şeklini kullanmalarının kısıtlandığını söylüyor.

Sonuçlara göre, tüm modeller denek taramalarının cinsiyetini zamanın %92 ila %98’i arasında doğru bir şekilde belirledi. Suyun beyin dokusunda ne kadar kolay ve ne yönde hareket edebildiği de dahil olmak üzere, özellikle birkaç özellik makinelerin tespitlerini yapmalarına yardımcı oldu. NYU Tandon Mühendislik Okulu’nda doktora adayı olan çalışmanın başyazarlarından MS Junbo Chen, “Bu sonuçlar, insan beyninde ortaya çıkan hastalıkları incelerken çeşitliliğin önemini vurguluyor” dedi. NYU Tandon Mühendislik Okulu’nda yüksek lisans araştırma görevlisi olan çalışmanın eş yazarı Vara Lakshmi Bayanagari, MS, “Tarihsel olarak olduğu gibi, erkekler çeşitli bozukluklar için standart bir model olarak kullanılırsa, araştırmacılar kritik içgörüleri kaçırabilirler” diye ekledi.Bayanagari, yapay zeka araçlarının beyin hücresi organizasyonundaki farklılıkları bildirebilse de, hangi cinsiyetin hangi özelliklere sahip olma olasılığının daha yüksek olduğunu ortaya koyamayacağı konusunda uyarıyor. Bayanagari, çalışmanın cinsiyeti genetik bilgiye dayalı olarak sınıflandırdığını ve yalnızca cis-cinsiyetli erkek ve kadınlardan alınan MRI’ları içerdiğini de ekliyor.

Yazarlara göre ekip bundan sonra, bu değişikliklerde rol oynayabilecek çevresel, hormonal ve sosyal faktörleri daha iyi anlamak için zaman içinde cinsiyetle ilgili beyin yapısı farklılıklarının gelişimini araştırmayı planlıyor. Lui, Chen ve Bayanagari’nin yanı sıra çalışmaya katılan diğer NYU Langone Health ve NYU araştırmacıları Sohae Chung, Ph.D. ve Yao Wang, Ph.D.’dir.


Kaynak: Deep Learning with Diffusion MRI as in vivo Microscope Reveals Sex-related Differences in Human White Matter Microstructure, Scientific Reports (2024).