直到最近，像Menon团队使用的模型可以帮助研究人员将大脑分成不同的组，但不能提供分类如何发生的信息。然而，今天，研究人员可以使用一种名为“可解释人工智能”的工具，它可以筛选大量数据，解释模型是如何做出决策的。

利用可解释的人工智能，Menon和他的团队确定了对模型判断脑部扫描是来自男性还是女性最重要的大脑网络。他们发现，该模型最常寻找默认模式网络、纹状体和边缘网络来做出决定。

然后，研究小组想知道他们是否可以创建另一个模型，根据女性和男性不同的大脑功能特征，预测参与者在某些认知任务上的表现。他们开发了不同性别的认知能力模型:一种模型有效地预测了男性的认知表现，但对女性无效;另一种模型适用于女性，但对男性无效。研究结果表明，不同性别的大脑功能特征差异具有重要的行为意义。

Menon说:“这些模型非常有效，因为我们成功地区分了不同性别的大脑模式。这告诉我，忽视大脑组织的性别差异可能会导致我们错过神经精神疾病的关键因素。”

当研究小组将他们的深度神经网络模型应用于关于性别差异的问题时，Menon说这个模型可以应用于回答关于大脑连接的任何方面可能与任何认知能力或行为有关的问题。他和他的团队计划公开他们的模型供任何研究人员使用。

Menon表示:“我们的人工智能模型具有非常广泛的适用性。例如，研究人员可以使用我们的模型来寻找与学习障碍或社会功能差异相关的大脑差异——我们渴望更好地了解这些方面，以帮助个人适应和克服这些挑战。”

参考文献:“Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization” by Srikanth Ryali, Yuan Zhang, Carlo de los Angeles, Kaustubh Supekar and Vinod Menon, 20 February 2024, Proceedings of the National Academy of Sciences.