北美放射年会 AI “神”论文：无法判断性别，就用 MRI 给他大脑来一发

雷锋网消息，在最近的第103届北美放射年会（RSNA）上，出现了这么一篇神论文：未来在搞不清对方性别的时候，可当面要求对方进行头部MRI扫描，可以通过AI立刻辨别对方性别，而且正确率可以达到95%。

Kitamura博士

论文的共同作者Felipe C. Kitamura博士说：“男性和女性的大脑存在差异，但迄今为止，还没有发现人眼可见的具体解剖学标志，能够正确区分医学图像中的性别。”

早在19世纪中叶，就有一些研究者声称他们可以通过观察离体的大脑来判断主人的性别。

但是，激素异常和某些疾病会使性别鉴定更具挑战性。一个人可能在基因型或基因构成上具有一种性别，但是在表型或可观察性状上却是另外一种性别。例如，一个雄性激素不敏感综合症患者可能在基因上是男性，但却有女性生殖器。

早在科学家掌握大脑成像技术之初，他们就开始在大脑图像上寻找性别差异的证据，也有人报道过一些并不明显的差异：比如，大体上男性大脑中的杏仁核比女性更大，而该区域与人类的情绪关系密切。事实上，这些微弱的差异非常易于被环境因素所影响，但相关研究却根据这些差异强行把人类大脑分成了“男性大脑”和“女性大脑”。相关数据显示，男女之间的大脑结构拥有的更多是共性，而非差异。

研究人员已经在男女的大脑结构中确定了几处结构上的差异，但是仅凭一张大脑的MRI（核磁共振成像）图谱是不可能判断出个体性别的。因此，人类的大脑并不能被简单地划分为“男性大脑”和“女性大脑”。事实上，我们的大脑更像是一种拼凑出来的结构，有些“拼图”在男性中更常见，有些在女性中更常见，另有一些则在男女大脑中都很常见。这些发现不仅会影响科学家们今后研究大脑的方式，更可能会影响社会对性别的定义。

“之前还从未有人能找到一种方法来对这些进行量化。” 美国芝加哥医学院的神经科学家丽丝•艾略特（Lise Eliot）曾表示。

在这样一个脑部结构的背景下，分辨性别通常是通过临床检查和血液检查来完成的。对于临床医生、患者及其家属来说，如果可以用成像工具来准确区分性别，将会是一个有用的辅助手段，但目前还没有这样的测试方法。

Felipe C. Kitamura博士来自圣保罗联邦大学，Kitamura博士及其同事最近就测试了一种使用头部MRI和深度学习算法区分性别的方法。

他表示：“这种方法的主要应用是看看我们是否可以使用一种算法来开发一种不同类型的生物标志物，这种算法能够看到我们无法看到的东西。”

据雷锋网了解，研究人员使用卷积神经网络从356名患者中总共查看了7120张图像，这种神经网络模拟大脑工作，可以在计算机中生成一种假设的数学表示法。他们使用一些课题来训练算法，其他人来对它进行验证测试。当研究人员将神经网络结果与受试者的性别相比时，他们发现该算法在性别辨别方面的准确率高达95％。

Kitamura博士表示，作为机器学习的子集，深度学习可以提供一种更深入的数据分析方法。他说：“机器深入地学习样本，它不用知道原因，就能得出结果。”

同时，Kitamura博士也表示，尽管这套算法可以达到95％的准确性，但他们还需要进行更多的研究，才可以临床使用。如果结果超过大型研究小组，最终可能会在临床上得到应用。

他说：“这种方法的意义在于可以给医生或者研究人员提供另一种生物标志物，这将有助于诊断所有可能影响性别差异的疾病。”

“在那些疾病导致基因型、表征型性别错配的病例中，这一点尤其重要。”研究人员打算查看从不同的MRI扫描仪获得的图像，以确定该算法是否能够在不同设备之间保持预测能力。

在雷锋网看来，AI，特别是深度学习，已经表明它可以成为一个强大的诊断工具，这项技术在医疗影像工作中展示出人意料的表现，例如： Google的诊断性视网膜病变系统、斯坦福的皮肤病学算法、Enlitic在肺癌检测和恶性肿瘤分类方面的工作，以及国内多种创业公司针对不同病种提出的一系列解决方案。

为患者提供控制他们医疗数据的能力，为数据科学家提供解决紧迫医疗问题的能力，是一个强大的想法。这也意味着科学家可以有效地解决那些只有少量数据的罕见疾病。使用预先训练的模型来分析这些数据，并且可以使用具有很少参数的模型来进行组合，更好地为患者服务。