Gehirnaktivitätsmuster so einzigartig wie ein Fingerabdruck

Ich wusste, dass dein Gehirn dir gehört. Bildnachweis: Emily S Fin

Ich wusste, dass dein Gehirn dir gehört. Bildnachweis: Emily S Finn


VonEmily S Finn,Yale Universität

Jeder von uns ist einzigartig, mit seinen eigenen Stärken, Schwächen und Eigenheiten. Obwohl dies eine Binsenweisheit ist, die jeder intuitiv versteht, war es schwierig festzustellen, ob und wie sich diese Individualität in der Gehirnaktivität widerspiegelt.


Um dies zu untersuchen, haben meine Kollegen und ich Gehirnbilder von Freiwilligen betrachtet, die mit funktioneller Magnetresonanztomographie gescannt wurden, oderfMRT. Diese Technik misst die neuronale Aktivität über den Blutfluss im Gehirn, während Menschen wach und geistig aktiv sind. Wir berechneten für jede Person ein „funktionales Konnektivitätsprofil“ basierend auf ihren individuellen Mustern der synchronisierten Aktivität zwischen verschiedenen Teilen des Gehirns.

Tatsächlich stellt sich heraus, dass das Auf und Ab der Gehirnaktivität wie ein Fingerabdruck ist: Jeder Mensch hat sein eigenes Signaturmuster,laut unserer Studiegerade in der Zeitschrift Nature Neuroscience veröffentlicht. Nur anhand ihrer Konnektivitätsprofile konnten wir Einzelpersonen aus einer Gruppe identifizieren. Allein auf der Grundlage dieser Profile konnten wir auch vorhersagen, wie Menschen bei einer Art von Intelligenztest abschneiden würden.

Ein fMRT-Scanner verwendet ein starkes Magnetfeld, um den Blutfluss im Gehirn zu verfolgen. Bildnachweis: KasugaHuang

Ein fMRT-Scanner verwendet ein starkes Magnetfeld, um den Blutfluss im Gehirn zu verfolgen. Bildnachweis:Kasuga Huang

Den Wald gegen die Bäume tauschen




fMRT ist das beste Werkzeug, das wir haben, um auf sichere und nicht-invasive Weise zu untersuchen, was in einem lebenden, denkenden menschlichen Gehirn vor sich geht. Und doch sind fMRT-Daten notorisch verrauscht – viele Dinge beeinflussen das Signal zu einem bestimmten Zeitpunkt, und nur einige davon hängen mit der tatsächlichen Gehirnaktivität zusammen, die uns wichtig ist.

Aus diesem Grund mitteln fMRT-Studien traditionell Daten von vielen verschiedenen Personen zusammen: Die Idee ist, dass wir durch das Auffinden gemeinsamer Muster der Gehirnaktivität einen Großteil des Rauschens loswerden und am Ende etwas näher am „wahren“ Signal erhalten. Im Wesentlichen mischen wir alle Signale der Individuen, um eine Version zu erhalten, die für die gesamte Bevölkerung repräsentativ ist.

Normalerweise kombinieren Forscher Daten aus vielen fMRT-Scans, um die Bereiche des Gehirns zu finden, die normalerweise bei bestimmten Aufgaben aktiv sind. Bildnachweis: John Graner

Normalerweise kombinieren Forscher Daten aus vielen fMRT-Scans, um die Bereiche des Gehirns zu finden, die normalerweise bei bestimmten Aufgaben aktiv sind. Bildnachweis:John Graner

Aber man muss kein Hirnforscher sein, um zu erkennen, dass jeder anders ist; diese Mittelwertbildung verdeckt wahrscheinlich interessante Aktivitätsmuster, die für jede Person idiosynkratisch sind. Und damit fMRT praktisch nützlich ist – zum Beispiel in der Medizin – müssen wir aussagekräftige Informationen basierend auf einem Scan einer einzelnen Person erhalten.


Wir wollten beweisen, dass die Analyse von fMRT-Daten einzelner Personen tatsächlich möglich ist, indem wir zeigten, dass diese idiosynkratischen Aktivitätsmuster zuverlässig genug sind, um Personen aus einer großen Gruppe zu identifizieren.

Analyse einzelner Scans

Wir haben Daten aus dem Human Connectome Project (HCP). Bisher wurden Daten von 500 Personen veröffentlicht, insgesamt sollen 1200 gesammelt werden. Alle Daten werden öffentlich zugänglich gemacht, sodass Forscher sie überall herunterladen, auf unterschiedliche Weise analysieren und für interessante Erkenntnisse gewinnen können.

Wir haben uns die Daten der ersten 126 . angesehenTeilnehmer am HCP. Jede Person wurde sechs verschiedene Male gescannt. Bei zwei der Scans ruhten sich die Leute einfach aus und ließen ihre Gedanken schweifen. Während der anderen vier Scans arbeiteten sie an einer Art kognitiver Aufgabe: Versuchen, sich bei einem Test des Arbeitsgedächtnisses Gegenstände im Gedächtnis zu behalten, sich eine Geschichte anzuhören, mathematische Probleme zu lösen, emotionale Gesichter zu betrachten oder verschiedene Körperteile zu bewegen.


Um die fMRT-Daten jedes einzelnen Teilnehmers zu analysieren, haben wir zunächst das gesamte Gehirn in 268 separate Regionen unterteilt. Es ist zwar eine offene Frage, wie viele verschiedene funktionelle Regionen es im Gehirn gibt,vorherige Arbeitvon uns hat gezeigt, dass wir anhand von 200 bis 300 Regionen subtile Effekte erkennen können, während der Zeit- und Rechenaufwand für die Durchführung der Analysen dennoch überschaubar ist.

Die funktionellen Verbindungen im Gehirn, die die Individuen am stärksten auszeichneten. Viele befanden sich zwischen dem präfrontalen (linke Seite des Bildes) und parietalen (rechte Seite des Bildes) Lappen. Bildnachweis: Emily S Finn

Die funktionellen Verbindungen im Gehirn, die die Individuen am stärksten auszeichneten. Viele befanden sich zwischen dem präfrontalen (linke Seite des Bildes) und parietalen (rechte Seite des Bildes) Lappen. Bildnachweis: Emily S Finn

Für jedes Paar von Regionen haben wir die Stärke der funktionalen Verbindung zwischen ihnen berechnet. Um zu verstehen, was eine „funktionale Verbindung“ ist, stellen Sie sich zwei Musiker vor, die gleichzeitig spielen: Anstatt zu messen, wie laut jeder Musiker spielt, messen wir, wie synchron ihr Spiel ist. Es geht nicht um das Gesamtniveau der Aktivität in einer einzelnen Gehirnregion, sondern darum, wie Paare von Regionen dazu neigen, ihre Aktivität gleichzeitig zu erhöhen und zu verringern. Wir haben dieses Maß der Synchronität für jedes Paar von Regionen in einem Gehirn berechnet. Für jede Person hatten wir ein funktionales Konnektivitätsprofil für jeden der sechs Scans, denen sie unterzogen wurden.

Wir wollten sehen, ob Konnektivitätsprofile wie Fingerabdrücke wirken können. Also haben wir ein einzelnes Profil aus einer Scan-Sitzung – sagen wir der Arbeitsspeichersitzung – genommen und es mit allen 126 Profilen für eine andere Scan-Sitzung verglichen, beispielsweise die ruhende. Basierend auf den numerischen Profilen haben wir herausgefunden, welches andere Profil am besten übereinstimmt. Wären wir in der Lage, das Arbeitsgedächtnis des Teilnehmers und die Ruhe-Scans abzugleichen? Das heißt, würde das Gehirn eines Individuums „gleich aussehen“, egal welche Aufgabe es machte?

In den meisten Fällen war die von uns vorhergesagte Identität tatsächlich richtig: Wir konnten Personen mit einer Genauigkeit von bis zu 99 % identifizieren. Die Genauigkeit reichte von 64 % bis 99 %, abhängig vom spezifischen Paar von Scansitzungen. Wenn wir nur zufällig raten würden, würden wir erwarten, dass wir in weniger als 1 % der Fälle die richtige Identität auswählen, also war dies ein sehr signifikantes Ergebnis.

Zwei aus den 268 Hirnregionen hervorgehobene Netzwerke – das mediale Frontal in Lila und das Frontoparietal in Blaugrün. Diese beiden Netzwerke waren am besten geeignet, um Personen zu identifizieren und flüssige Intelligenz vorherzusagen. Bildquelle: Emily S Finn/Xilin Shen

Zwei aus den 268 Hirnregionen hervorgehobene Netzwerke – das mediale Frontal in Lila und das Frontoparietal in Blaugrün. Diese beiden Netzwerke waren am besten geeignet, um Personen zu identifizieren und flüssige Intelligenz vorherzusagen. Bildquelle: Emily S Finn/Xilin Shen

Vorhersage flüssiger Intelligenz

Bestimmte Verbindungen unterschieden die Individuen am stärksten – nämlich die zwischen dem Präfrontallappen des Gehirns (direkt hinter der Stirn) und dem Parietallappen (weiter hinten auf dem Kopf). Diese Bereiche haben sich erst kürzlich entwickelt, und Neurowissenschaftler wissen seit langem, dass sie für anspruchsvolle Funktionen wie Aufmerksamkeit, Gedächtnis und Sprache entscheidend sind.

Wir entdeckten, dass diese Verbindungen auch vorhersagen konnten, wie Menschen bei einem Test der flüssigen Intelligenz oder der Fähigkeit zum Denken vor Ort abschneiden würden. Fluid Intelligence ist die Fähigkeit, Muster zu erkennen und Denkprobleme zu lösen.

Obwohl die Vorhersagen der Fluid Intelligence insgesamt genauer waren als nicht, gab es immer noch eine Menge Fehler – das Modell überschätzte die Ergebnisse einiger Personen und unterschätzte die Ergebnisse anderer –, daher würden wir sicherlich nicht empfehlen, jemandem einen Gehirnscan anstelle eines IQ-Tests zu geben oder andere traditionelle Bewertung.

Gehirne – und Konnektivitätsprofile – sind so einzigartig wie wir. Bildnachweis: Emily S Finn/Michael Hathaway

Gehirne – und Konnektivitätsprofile – sind so einzigartig wie wir. Bildnachweis: Emily S Finn/Michael Hathaway

Im ersten Teil unserer Studie haben wir festgestellt, dass Menschen immer sich selbst am ähnlichsten sind, unabhängig davon, was sie tun. Mit anderen Worten, dasselbe Gehirn, das zwei verschiedene Aufgaben erledigt, sieht immer ähnlicher aus als zwei verschiedene Gehirne, die dieselbe Aufgabe erledigen. Und im zweiten Teil unserer Studie haben wir gesehen, dass diese Konnektivitätsprofile hochkomplexen kognitiven Attributen entsprechen.

Warum ist das wichtig? Schließlich müssen wir niemanden in einen MRT-Scanner stecken, um zu wissen, wer er ist – das können wir am Blick erkennen. Die Bedeutung dieses Ergebnisses besteht darin, dass diese Konnektivitätsprofile uns möglicherweise Informationen über Personen liefern könnten, die durch bloßes Hinsehen schwerer zu erkennen sind.

Sie könnten beispielsweise helfen, vorherzusagen, wer gefährdet ist, eine Krankheit zu entwickeln. Vielleicht liegt an den individuellen Mustern starker und schwacher Gehirnverbindungen etwas, das verrät, wie anfällig jemand für verschiedene neurologische oder psychische Erkrankungen wie Schizophrenie, Depression oder Alzheimer ist. Wenn wir fMRT-Bilder von Menschen sammeln, während sie noch gesund sind, und sie dann im Laufe der Zeit verfolgen, um zu sehen, wer später krank wird, können wir vielleicht ein Modell erstellen, das Teile des Konnektivitätsprofils mit der zukünftigen Gesundheit in Beziehung setzt. Dann könnten wir dieses Modell auf das Profil einer brandneuen Person anwenden, um ihre Wahrscheinlichkeit vorherzusagen, krank zu werden. Dies könnte eine Möglichkeit sein, Risikopatienten frühzeitig anzusprechen und zu behandeln, in der Hoffnung, dass ein frühzeitiges Eingreifen ihre Ergebnisse verbessert.

Letztendlich hoffen wir, dass diese Profile eines Tages in der personalisierten Medizin verwendet werden könnten, um Interventionen und Therapien für Menschen basierend auf ihrer individuellen Biologie anzupassen.

Aber es gibt noch viele offene Fragen. Wir haben zum Beispiel die Identifizierung zwischen Scans getestet, die einige Tage voneinander getrennt sind, aber wie stabil sind Konnektivitätsprofile über einen Zeitraum von Monaten oder Jahren? Können sie sich in Abhängigkeit von Alterung, Krankheit, kognitivem Training oder einem anderen Prozess verändern? Welche anderen Verhaltensmerkmale spiegeln sich in Mustern der Gehirnkonnektivität wider? Obwohl es noch viel zu tun gibt, sind meine Kollegen und ich der Meinung, dass diese Ergebnisse eine spannende Grundlage für zukünftige Forschungen bilden.

Das Gespräch' lazy="lazy" data-src='img/human-world/33/brain-activity-pattern.gif

Emily S Finn, Doktorand in Neurowissenschaften,Yale Universität

Dieser Artikel wurde ursprünglich veröffentlicht aufDie Unterhaltung. Lies dasoriginaler Artikel.