Deep-Learning-Modelle enthüllen Geschlechtsunterschiede des menschlichen Gehirns

Wie unterschiedlich sind eigentlich weibliche und männliche Gehirne und wie verlässlich lassen sich solche Unterschiede nachweisen? Diese Frage begleitet die Sexualbiologie seit Jahrzehnten, doch die wissenschaftlichen Antworten fielen lange erstaunlich widersprüchlich aus. Je nach Studie, Methode und Stichprobe reichten die Ergebnisse von "deutlichen Unterschieden" bis hin zur These vom "Gehirn-Mosaik", wonach es im Grunde keine klar trennbaren Muster gebe. Ein neues Paper von Ryali et al. (2024), veröffentlicht in PNAS, bringt nun frischen Schwung in diese Debatte. Mit modernen Deep-Learning-Techniken und riesigen Datensätzen zeigen die Forscher: Es existieren robuste, wiederholbare und verhaltensrelevante Unterschiede in der funktionellen Organisation weiblicher und männlicher Gehirne. Und diese Unterschiede sind deutlich stabiler und eindeutiger, als viele frühere Arbeiten vermuten ließen.

Ein neues Werkzeug für eine alte Frage

Der Kern des Papers ist ein eigens entwickeltes "spatio­temporales Deep Neural Network" (stDNN), das funktionelle MRT-Daten (fMRT) in einer Weise analysieren kann, die weit über klassische Methoden hinausgeht. Statt wie üblich nur die durchschnittlichen Verbindungen zwischen Hirnregionen zu berechnen, arbeitet das Modell direkt mit den Roh-Zeitsignalen der fMRT-Aufnahmen. Dadurch kann es dynamische Muster und Veränderungen in der Aktivität und Vernetzung des Gehirns erkennen, die mit herkömmlichen Ansätzen kaum sichtbar werden. Diese technische Innovation ist entscheidend, denn sie erlaubt eine weitaus feinere Analyse jener Prozesse, die Geschlechtsunterschiede in der Gehirnfunktion ausmachen.

Das Team trainierte das KI-Modell zunächst an einer großen Stichprobe junger Erwachsener aus dem Human Connectome Project (HCP). Anschließend wurde getestet, ob es ohne erneutes Training dieselben Unterschiede auch in anderen Sitzungen derselben Personen und sogar in völlig unabhängigen Datensätzen wiederfindet – eine Art "Härtetest", den neurobiologische Studien selten bestehen. Das Modell unterschied dabei weibliche von männlichen Gehirnen in den ursprünglichen HCP-Daten mit über 90 Prozent Genauigkeit und immer noch mit über 80 Prozent in vollständig unabhängigen Kohorten. Das bedeutet zweierlei: Erstens gibt es in der funktionellen Dynamik des Gehirns tatsächlich systematische Geschlechtsunterschiede. Und zweitens sind diese Unterschiede stabil genug, um sie in verschiedenen Scannerumgebungen, Datensätzen und Messzeitpunkten zuverlässig zu erkennen.

Diese hohe Reproduzierbarkeit ist ein Novum in der Debatte um Geschlechtsunterschiede im Gehirn, die in den letzten Jahren immer wieder durch inkonsistente Studienergebnisse verunsichert wurde – vor allem seitens der vehementen Einordnung durch soziologische Gender-Theoretiker, die mit soziokulturellen Argumenten jeden objektiv messbaren Geschlechtsdimorphismus zu dekonstruieren versuchen. Die aktuellen Daten deuten darauf hin, dass die wissenschaftliche Diskussion weniger an fehlenden Unterschieden litt, sondern eher an unzureichenden Methoden, um sie sichtbar zu machen.

Welche Hirnnetzwerke unterscheiden sich besonders?

Mit Hilfe künstlicher Intelligenz konnte das Team identifizieren, welche Hirnregionen und Netzwerke maßgeblich zur Unterscheidung beitragen. Besonders bedeutsam waren drei funktionelle Systeme:

Das Default Mode Network (DMN)

Dieses Netzwerk, das in Ruhe aktiv ist und mit Selbstreflexion, inneren Gedanken und autobiografischem Gedächtnis in Verbindung steht, zeigte die stärksten Unterschiede zwischen den Geschlechtern. Mehrere zentrale Regionen – etwa der Precuneus, die dorsolaterale und ventromediale präfrontale Hirnrinde sowie der posterior cinguläre Cortex – trugen signifikant zur Klassifikation bei. Die Effektgrößen waren außergewöhnlich groß, ein deutlicher Hinweis darauf, dass die Geschlechtsunterschiede in diesem Netzwerk konsistent ausgeprägt sind.

Das Striatum

Dieses tief im Gehirn liegende System spielt eine wichtige Rolle bei Lernen, Belohnungsverarbeitung und Gewohnheitsbildung. Schon anatomische Studien hatten Hinweise auf Geschlechtsunterschiede im Striatum (Corpus striatum) geliefert, doch das neue Modell zeigt, dass diese sich auch funktionell stark bemerkbar machen.

Das limbische Netzwerk

Zu diesem System gehören unter anderem Strukturen, die für Emotionen und Belohnungsbewertung wichtig sind, etwa die orbitofrontale Hirnrinde. Auch hier fanden die Forscher deutliche Unterschiede zwischen weiblicher und männlicher funktioneller Organisation.

Bemerkenswert ist dabei nicht nur, dass diese drei Netzwerke in vielen fMRT-Studien eine Rolle spielen, sondern dass sie auch besonders relevant für jene psychischen Störungen sind, die deutlich unterschiedliche Häufigkeiten bei Männern und Frauen zeigen – etwa Depressionen, ADHS oder Autismus.

Bedeutung für Verhalten und Kognition

Ein weiterer zentraler Befund ist, dass die funktionellen Unterschiede zwischen weiblichen und männlichen Gehirnen mit verschiedenen kognitiven Profilen zusammenhängen. Mithilfe umfangreicher kognitiver Tests (NIH Toolbox) analysierten die Forscher, ob die im Gehirn ermittelten Muster tatsächlich Verhaltensvariationen erklären können. Die Antwort lautet: ja, und zwar geschlechtsspezifisch.

Bei Männern sagten die relevanten Hirnmerkmale vor allem Aspekte der Belohnungsverarbeitung und Entscheidungsstrategie voraus, insbesondere die Tendenz zum "Delay Discounting" – also wie stark jemand zukünftige Belohnungen gegenüber sofortigen bewertet. Bei Frauen hingegen standen die identifizierten Hirnmerkmale stärker mit allgemeiner kognitiver Leistungsfähigkeit in Verbindung. Interessant ist zudem, dass die Modelle nicht austauschbar waren. Ein Modell, das auf Männern trainiert wurde, konnte Frauen nicht vorhersagen und umgekehrt. Dies verdeutlicht, dass sich die funktionellen Mechanismen, die kognitive Fähigkeiten formen, zwischen den Geschlechtern strukturell stark unterscheiden.

Für die Sexualbiologie ist dieses Paper in mehrfacher Hinsicht relevant. Erstens liefert es robuste Evidenz dafür, dass es geschlechtsspezifische Muster der Hirnorganisation gibt, die nicht auf einzelne Regionen beschränkt sind, sondern ganze Netzwerke umfassen. Zweitens zeigt es, dass maschinelles Lernen neue Wege eröffnet, um diese Muster präziser zu identifizieren und zu interpretieren. Und drittens wird deutlich, dass die beobachteten Unterschiede nicht nur statistische Kuriositäten darstellen, sondern funktionelle und verhaltensrelevante Konsequenzen haben.

Gleichzeitig spricht das Paper keine deterministischen Aussagen über einzelne Menschen aus. Die gefundenen Muster sind statistische Trends in großen Gruppen. Selbstverständlich gibt es weiterhin individuelle Variation, Überschneidungen und eine große Vielfalt innerhalb jedes Geschlechts. Dennoch unterstreicht die Studie, dass Geschlecht ein biologisch bedeutender Faktor der Hirnorganisation ist.

Fazit

Die Arbeit von Ryali et al. (2024) zeigt, wie weit die Forschung zu Geschlechtsunterschieden im Gehirn durch moderne KI-Methoden gekommen ist. Die Autoren demonstrieren, dass funktionelle Unterschiede zwischen weiblichen und männlichen Gehirnen klar messbar, stabil und verhaltensrelevant sind. Besonders die Netzwerke, die mit Selbstwahrnehmung, Belohnungsverarbeitung und emotionalen Bewertungen zu tun haben, weisen deutliche geschlechtsspezifische Muster auf. Damit liefert die Studie nicht nur einen methodischen Durchbruch, sondern auch wichtige Impulse für die Sexualbiologie. Sie erinnert daran, dass Geschlecht kein triviales Merkmal ist, sondern tief in die Organisation und Funktionsweise unseres Gehirns eingebettet ist.

Quellen

[1] S. Ryali,Y. Zhang,C. de los Angeles,K. Supekar, & V. Menon, Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization, Proc. Natl. Acad. Sci. U.S.A. 121 (9) e2310012121, https://doi.org/10.1073/pnas.2310012121 (2024).