Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization

執筆者:

カテゴリ:

【結論】深層学習は90%超の精度で脳機能から男女を判別し、DMNや線条体において効果量1.5超の無視できない生物学的性差を実証した。

深層ニューラルネットワークを用いた安静時fMRI解析により、ヒトの脳機能ネットワークには90%以上の交差検証精度で男女を判別可能な強固な性差が存在することが実証された。この判別モデルは追加学習なしで独立コホートへ高精度に汎化され、デフォルトモードネットワーク(DMN)、線条体、辺縁系において効果量(Cohen’s d)1.5超という極めて顕著な機能的差異を特定した。これらの脳機能組織の生得的性差は、個人の認知課題成績の差異とも直接的に連動している。


発行年 2024年
ジャーナル Proceedings of the National Academy of Sciences
サンプル数 約1,500人の若年成人、HCP多時点+独立 NKI-RS・MPI Leipzig コホート
主要指標 spatiotemporal DNN は90%以上の交差検証精度を示し、独立コホートへ汎化。主要差異はDMN、線条体、辺縁系で、効果量は1.5超
論文ソース DOIリンクを開く ↗

📚 関連エビデンス・自己最適化リソース

生物学的性差、運動生理学、情報セキュリティに関するエビデンスを深掘り・最適化するための推奨リソースです。