Neurociencia. Música en la ciencia.

 Con ayuda de la IA, un estudio descubre diferencias ocultas entre sexos en el funcionamiento dinámico del cerebro

Vivimos una época especialmente prometedora para los descubrimientos biomédicos y los avances en la prestación de asistencia sanitaria basada en datos para todos. Una parte fundamental de ello son los enormes progresos realizados en la aplicación de la inteligencia artificial al estudio de la salud humana y, en última instancia, a la mejora de la atención clínica de muchas formas importantes y a veces sorprendentes.(1) Un nuevo ejemplo de ello procede de un fascinante estudio, financiado en parte por los NIH, que utiliza métodos de IA para revelar diferencias significativas entre sexos en el funcionamiento del cerebro.

Según se publica en la revista Proceedings of the National Academy of Sciences, unos investigadores dirigidos por Vinod Menon, del Stanford Medicine, en Stanford (California), han creado un modelo de IA que puede -nueve de cada diez veces- decir si el cerebro en cuestión pertenece a una mujer o a un hombre basándose únicamente en escáneres de la actividad cerebral.(2) Estos hallazgos no sólo ayudan a resolver debates de larga duración sobre si existen diferencias fiables entre los sexos en el cerebro humano, sino que también son un paso adelante para mejorar nuestra comprensión de por qué algunos trastornos psiquiátricos y neurológicos afectan de manera diferente a mujeres y hombres.

La prevalencia de ciertos trastornos psiquiátricos y neurológicos en hombres y mujeres puede variar significativamente, lo que lleva a los investigadores a sospechar que es probable que existan diferencias de sexo en la función cerebral. Por ejemplo, los estudios han revelado que las mujeres son más propensas a la depresión, la ansiedad y los trastornos alimentarios, mientras que el autismo, el trastorno por déficit de atención con hiperactividad y la esquizofrenia son más frecuentes en los hombres. Pero las investigaciones anteriores para comprender las diferencias de sexo en el cerebro se han centrado principalmente en estudios anatómicos y estructurales de las regiones cerebrales y sus conexiones. Se sabe mucho menos sobre cómo esas diferencias estructurales se traducen en diferencias en la actividad y la función cerebrales.

Para ayudar a colmar esas lagunas en el nuevo estudio, el equipo de Menon aprovechó grandes cantidades de datos de actividad cerebral procedentes de resonancias magnéticas del Proyecto Conectoma Humano, financiado por los NIH. Los datos se obtuvieron de cientos de adultos jóvenes sanos con el objetivo de estudiar el cerebro y cómo cambia con el crecimiento, el envejecimiento y la enfermedad. Para utilizar estos datos con el fin de explorar las diferencias de sexo en la función cerebral, los investigadores desarrollaron lo que se conoce como un modelo de red neuronal profunda en el que un ordenador "aprendía" a reconocer patrones en los datos de actividad cerebral que pudieran distinguir un cerebro masculino de uno femenino.

Este método no se basa en nociones preconcebidas sobre qué características pueden ser importantes. Basta con mostrar al ordenador muchos ejemplos de actividad cerebral masculina y femenina para que, con el tiempo, empiece a detectar diferencias que, de otro modo, estarían ocultas y serían útiles para clasificar con precisión. Uno de los aspectos que diferencian este trabajo de otros anteriores es que se basa en escáneres dinámicos de la actividad cerebral, que captan la interacción entre las regiones del cerebro.

Tras analizar unos 1.500 escáneres cerebrales, un ordenador podía decir normalmente (aunque no siempre) si un escáner procedía de un cerebro masculino o femenino. Los resultados también demostraron que el modelo funcionaba bien en diferentes conjuntos de datos y en escáneres cerebrales de personas de distintos lugares de EE.UU. y Europa. En general, los resultados confirman la existencia de diferencias de sexo fiables en la actividad cerebral.

¿Dónde encontró el modelo esas diferencias? Para hacerse una idea, los investigadores recurrieron a un método denominado IA explicable, que les permitió profundizar en las características y áreas cerebrales específicas que su modelo utilizaba para detectar las diferencias de sexo. Resultó que un conjunto de áreas en las que se basaba el modelo para distinguir entre cerebros masculinos y femeninos es lo que se conoce como red de modo por defecto. Esta área se encarga de procesar la información autorreferencial y de construir un sentido coherente del yo, y se activa especialmente cuando las personas dejan que su mente divague.(3) Otras áreas importantes son el cuerpo estriado y la red límbica, que intervienen en el aprendizaje y en cómo respondemos a las recompensas, respectivamente.

Aún quedan muchas preguntas por responder, como si estas diferencias se deben principalmente a diferencias biológicas inherentes entre los sexos o qué papel desempeñan las circunstancias sociales. Pero los investigadores afirman que el descubrimiento ya demuestra que las diferencias de sexo en la organización y función del cerebro pueden desempeñar papeles importantes y pasados por alto en la salud mental y los trastornos neuropsiquiátricos. Su modelo de IA puede aplicarse ahora también para empezar a explicar otros tipos de diferencias cerebrales, incluidas las que pueden afectar al aprendizaje o al comportamiento social. Es un ejemplo apasionante de progreso impulsado por la IA y una buena noticia para comprender las variaciones en las funciones cerebrales humanas y sus implicaciones para nuestra salud.

Referencias:

[1] Bertagnolli, MM. Advancing health through artificial intelligence/machine learning: The critical importance of multidisciplinary collaboration . PNAS Nexus. DOI: 10.1093/pnasnexus/pgad356 (2023).

[2] Ryali S, et al. Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization. Proc Natl Acad Sci. DOI: 10.1073/pnas.2310012121 (2024).

[3] Menon, V. 20 years of the default mode network: A review and synthesis . Neuron.DOI: 10.1016/j.neuron.2023.04.023 (2023).

NIH Support: National Institute of Mental Health, National Institute of Biomedical Imaging and Bioengineering, Eunice Kennedy Shriver National Institute of Child Health and Human Development, National Institute on Aging