De elektrische hersensignalen, gemeten met een EEG, zijn bij mannen en vrouwen verschillend. Het verschil in de patronen is niet te zien, ook niet door een ervaren neuroloog, maar de computer haalt het er, met ‘deep learning’ wél uit. Onderzoekers van de Universiteit Twente, de Universiteit Zürich en onderzoeksinstituut Brainclinics in Nijmegen, publiceren erover in Scientific Reports van 15 februari.
Dat er functioneel en anatomisch een verschil is tussen de hersenen van mannen en vrouwen, is bekend. Maar dat er ook een verschil is in de EEG signalen, de elektrische hersensignalen die worden gemeten via elektroden op de schedel (elektro-encefalogram), was niet eerder waargenomen. Voor het interpreteren van EEG-data worden al decennia technieken zoals patroonherkenning ingezet, maar het geoefend oog van de neuroloog werkt meestal nog steeds beter. Op het oog is echter geen onderscheid te maken tussen mannelijke en vrouwelijke hersenritmes. Dit lukt, blijkt nu, alleen met kunstmatige intelligentie, ‘deep learning’.
Training
De onderzoekers hebben hiervoor ruim 1300 EEG-patronen uit verschillende laboratoria voorgelegd aan een lerende computer, een zogenaamd ‘convolutioneel neuraal netwerk’. Dit is een kunstmatig neuraal netwerk dat bestaat uit meerdere lagen en waarin meer dan negen miljoen parameters zijn bepaald. Dit netwerk is eerst getraind met 1000 EEGs met een duur van slechts 2 minuten. Dit is géén training op onderscheidende detailaspecten, want die waren vooraf niet bekend; het netwerk krijgt alleen een serie EEGs voorgelegd met een bekende uitkomst: man of vrouw. Na de training kreeg het netwerk de tweede, onafhankelijke set van ruim 300 EEG-signalen voorgelegd. In meer dan 80 procent van de gevallen gaf het systeem het correcte antwoord. Dat is ruim boven de toevalsdrempel.
Opzet van het lerende netwerk, met de verschillende lagen
Bèta-activiteit
Vervolgens is het interessant om uit het netwerk de informatie naar boven te halen die het verschil maakt. Dit blijkt vooral te zitten in de ‘bèta-activiteit’, in het frequentiegebied van 20 tot 25 Hz. Van deze hersenritmes is bekend dat ze een relatie hebben met cognitie en taken die emotioneel positief of negatief zijn. Eerder onderzoek wijst erop dat vrouwen beter zijn in het herkennen van emoties: dit zou overeenkomen met een andersoortige activiteit in de bèta-activiteit en dus ook een verschil EEG. Dit is echter in deze context niet verder onderzocht. De resultaten geven ook geen nader inzicht in bijvoorbeeld transgender-vragen.
Gepersonaliseerd
Het lijkt een heel ingewikkelde omweg om, via het EEG en zwaar rekenwerk door een computerbrein, het onderscheid tussen man en vrouw te maken. Maar een interessante vraag kan zijn, of de hersensignalen ook verschillend zijn bij neurologische of psychische aandoeningen. En of dit leidt tot een verschil in behandeling. De resultaten wijzen er bovendien op dat er veel méér informatie in een EEG zit dan eerder is aangenomen. De combinatie met deep-learning is bijvoorbeeld ook al toegepast in slaap-analyse, het meten van het effect van muziek op het brein of de vroege herkenning van ziekten. Er is alle reden om dit potentieel verder te benutten, voor meer inzicht en voor gepersonaliseerde behandelingen.
Het onderzoek is uitgevoerd door prof Michel van Putten, hoogleraar klinische neurofysiologie aan de UT. Hij is ook als neuroloog/klinisch neurofysioloog verbonden aan het Medisch Spectrum Twente in Enschede. Van Putten heeft samengewerkt met Sebastian Olbrich van de Psychiatrische Kliniek van de Universiteit Zürich en met Martijn Arns, directeur/onderzoeker van het onderzoeksinstituut Brainclinics in Nijmegen.
Hun paper “Predicting sex from brain rhythms with deep learning’, verschijnt in ‘Scientific Reports’ van 15 februari. Dit is een uitgave van Nature.
