Ziogas A, Mokros A, Kawohl W, et al. Deep Learning in the Identification of Electroencephalogram Sources Associated with Sexual Orientation [published online ahead of print, 2023 Jun 27]. Neuropsychobiology. DOI: 10.1159/000530931
Recopilado por Carlos Cabrera Lozada. Miembro Correspondiente Nacional, ANM puesto 16. ORCID: 0000-0002-3133-5183. 08/07/2023
Resumen
Introducción: No está claro si la orientación sexual es un rasgo biológico que tiene huellas neurofuncionales. Con el aprendizaje profundo, el poder de clasificar conjuntos de datos biológicos sin una selección a priori de características ha aumentado considerablemente. El objetivo de este estudio fue clasificar correctamente los datos del electroencefalograma (EEG) en estado de reposo de hombres con diferente orientación sexual utilizando el aprendizaje profundo y explorar técnicas para identificar las características distintivas aprendidas.
Métodos: Para clasificar el sexo se utilizaron tres cohortes (hombres homosexuales, hombres heterosexuales y una cohorte de sexo mixto), una red preentrenada en clasificación de sexo y una red recién entrenada en clasificación de orientación sexual. Además, la metodología Grad-CAM y la localización de fuentes se utilizaron para identificar los patrones espaciotemporales que se utilizaron para la diferenciación de las redes.
Resultados: Usando una red preentrenada para la clasificación de hombres y mujeres, no existieron diferencias entre la clasificación de hombres homosexuales y heterosexuales. Sin embargo, la red recién entrenada pudo clasificar correctamente las cohortes con una precisión total del 83 %. La activación retrógrada con la tecnología Grad-CAM produjo patrones de EEG funcionales distintivos en el área 40 y 1 de Brodmann cuando se combinó con el análisis de Fourier y una localización de fuente.
Discusión: este estudio muestra que los marcadores de rasgos electrofisiológicos de la orientación sexual masculina se pueden identificar mediante el aprendizaje profundo. Estos patrones son diferentes de las firmas diferenciadoras de hombres y mujeres en un EEG en estado de reposo.