Date de publication
29 janvier 2020

Résumé original

Les fondements neurobiologiques exacts de l'identité de genre (c'est-à-dire la perception subjective de soi-même appartenant à un certain genre) restent inconnus. En combinant à la fois des données sur la connectivité fonctionnelle des réseaux neuronaux à l’état de repos et les données comportementales, nous avons examiné l'identité de genre chez les personnes cisgenres et transgenres en utilisant une stratégie d'apprentissage automatique basée sur les données. La connectivité fonctionnelle intrinsèque et les données du questionnaire ont été obtenues auprès de personnes cisgenres (hommes/femmes) et transgenres (hommes trans/femmes trans). Les algorithmes d'apprentissage automatique ont détecté de manière fiable l'identité de genre avec une précision de prédiction élevée dans chacun des quatre groupes sur la base des seules signatures de connectivité. Les quatre groupes normatifs de genre ont été classés avec des précisions allant de 48 % à 62 % (dépassant le niveau de chance à 25 %). Ces précisions de classification basées sur la connectivité dépassaient celles obtenues à partir d'un instrument comportemental largement établi pour l'identité de genre. À l'aide d'analyses canoniques de corrélation, des mesures cérébrales fonctionnelles et des données de questionnaire ont ensuite été intégrées pour délimiter neuf vecteurs canoniques (c'est-à-dire les axes cerveau-genre), offrant une fenêtre à plusieurs niveaux sur la dichotomie sexuelle conventionnelle. Notre perspective dimensionnelle de genre capture quatre phénotypes cérébraux distincts pour l'identité de genre, préconisant une reconceptualisation biologiquement fondée du dimorphisme de genre. Nous espérons ouvrir la voie à des marqueurs de diagnostic objectifs et basés sur les données pour l'identité de genre et les personnes transgenres, en tenant compte des différences neurobiologiques et comportementales dans une approche de modélisation intégrative.

*Traduction libre

Référence
Clemens, B., Derntl, B., Smith, E., Junger, J., Neulen, J., Mingoia, G., Schneider, F., Abel, T., Bzdok, D. et Habel, U. (2020). Predictive Pattern Classification Can Distinguish Gender Identity Subtypes from Behavior and Brain Imaging. Cerebral Cortex, bhz272. DOI : 10.1093/cercor/bhz272

Pour demander la production scientifique entière aux auteur.e.s
https://academic.oup.com/cercor/advance-article/doi/10.1093/cercor/bhz272/5669983