Stanford-studie: AI herkent biologisch geslacht uit hersenscans met 90% nauwkeurigheid

Stanford-onderzoekers trainden een AI op fMRI-hersenscans en lieten het biologisch geslacht voorspellen. Nauwkeurigheid: 90%+ in het primaire cohort, 82%+ in twee onafhankelijke replicatiecohorten. De bevindingen wijzen op repliceerbare sekseverschillen in hersenorganisatie die gedragsrelevant zijn.

Zijn er sekseverschillen in de hersenen? Het is een vraag die in de genderdiscussie zelden neutraal wordt gesteld. Een studie gepubliceerd in februari 2024 in het toonaangevende tijdschrift Proceedings of the National Academy of Sciences (PNAS) brengt nieuwe empirische helderheid.

De studie

Onderzoekers van Stanford University — Ryali et al. — trainden een deep learning-model op functionele MRI-scans (fMRI) van menselijke hersenen, om op basis van hersenactiviteitspatronen te voorspellen of een brein van een biologisch mannelijk of biologisch vrouwelijk persoon afkomstig was.

De resultaten:

  • In het primaire cohort: nauwkeurigheid van meer dan 90%
  • In twee onafhankelijke replicatiecohorten: nauwkeurigheid van circa 82%

Wat het model herkende

Het model baseerde zijn voorspellingen op patronen in functionele hersenorganisatie: de manier waarop hersengebieden met elkaar samenwerken. De regio's die het model als meest onderscheidend identificeerde, liggen in het standaard-netwerk, striatum, en limbisch systeem.

Wat de studie niet zegt

De onderzoekers zijn expliciet over wat de bevindingen niet betekenen. Ze zeggen niet dat mannen "beter" zijn in iets. Ze zeggen ook niet dat transgender mensen een "vrouwenbrein in een mannelijk lichaam" hebben — de studie onderzoekt cisgender personen. Wat de studie wél zegt: biologisch geslacht heeft een meetbaar, repliceerbaar, gedragsrelevant effect op hersenorganisatie.

Relevantie voor de medische discussie

Interventies die de hormonale omgeving vroeg in de ontwikkeling verstoren — zoals puberteitsblokkeerders — kunnen effecten hebben op hersenorganisatie die niet volledig reversibel zijn.


Bronnen:

  • Ryali, S. et al. (2024). Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization. PNAS, 121(9). pnas.org