项7月12日揭橥于《科学进展》的研究显示，人工智能（AI）可以根据性别区分9岁至10岁男孩和女孩的大脑模式，但结果的准确性有待商榷。

此前的一些研究表明，头痛、心脏病等疾病的患病率存在性别差异。
但研究职员对性别间的神经变革知之甚少，尤其是在儿童中。

为了理解更多信息，美国范斯坦医学研究所的Elvisha Dhamala和同事剖析了4700多名儿童（性别上大致持平）的数千组磁共振成像（MRI）数据。
这些9岁至10岁的儿童正在参加美国的大规模长期研究项目——青少年大脑认知发展研究。

生理性别是根据人“出生时的解剖学、生理学、遗传学和/或激素”定义的，而社会性别是根据“个人的态度、感想熏染和行为特色”来判断的。

研究职员没有直接向父母讯问孩子的性别，而是通过一系列问题进行了评估。
比如，孩子模拟电视和电影中男女角色的频率、是否表示希望成为女孩或男孩、是否不喜好自己的生殖器等。
所有问题都被均匀加权，终极合并得出一个分数。

此外，研究职员通过向儿童提问，比如以为自己是男孩还是女孩等，创建了一个单独的分数。

研究职员首先研究了大脑网络与生理性别之间的关联，然后研究了大脑网络与社会性别的关系。
研究小组创造，不同的生理性别和社会性别与不同的功能连接模式有关，这是衡量大脑区域互换间隔的一种办法。

生理性别与视皮层和边缘系统之间的连接有关。
个中前者掌握运动，后者是参与调节感情、行为、动机和影象的深层大脑构造。
Dhamala说，这些网络“对根据生理性别区分参与者非常主要”。

而与社会性别干系的网络则更广泛地分布于大脑皮层——与影象、运动、觉得和解决问题的能力有关。
无论利用根据父母答案创建的性别分数，还是通过讯问孩子得出的单独分数进行剖析，得到的结果都是如此。

“在社会性别为女的儿童中，性别可以映射到把稳力、感情处理、运动掌握和高阶思维的网络上。
”Dhamala说，“在社会性别为男的儿童中，存在相同的关系，但还可以映射到参与高阶思维和视觉处理的额外网络。
可见，与生理性别和社会性别干系的大脑网络之间虽然存在一些重叠，但大部分是不同的。
”研究职员在这些MRI数据上演习了一个AI模型，可以根据其他数据集中的大脑连接模式识别儿童的生理性别，也可以预测社会性别，但在准确性上后者不如前者，而且只能根据父母报告的性别进行预测。

Dhamala说，更好地理解大脑活动模式如何因生理性别和社会性别而异，可以帮助科学家更多地理解男孩和女孩患病率不同的疾病，如多动症等。
此外，这些创造也可能对人脑研究的开展办法产生影响。

干系论文信息：

https://doi.org/10.1126/sciadv.adn4202