Ein zentrales Ziel der Neurowissenschaften ist es, zu verstehen, wie neuronale Systeme komplexe kognitive Prozesse wie Wahrnehmung, Gedächtnis und Entscheidungsfindung erzeugen. Wie man dies bestmöglich untersucht, ist selbst Gegenstand der Forschung. Ein Ansatz von vielen erforscht die Gehirnaktivitäten anhand des geometrischen Aufbaus des Organs. Frühere Studien haben gezeigt, dass sich Gehirnaktivität anhand räumlicher Muster, die aus der geometrischen Form der Großhirnrinde, den sogenannten geometrischen Eigenmoden, abgeleitet werden, erstaunlich genau nachbilden lässt.
Im Rahmen der Studie "Mechanistic versus descriptive interpretation of brain activity pattern reconstruction", die nun in der renommierten Fachzeitschrift PNAS veröffentlicht wurde, haben Forschende der Heinrich-Heine-Universität Düsseldorf (HHU) und des Forschungszentrums Jülich nun untersucht, ob eine solche Musterrekonstruktion der Großhirnrinde als Erklärung für die biologischen Mechanismen der Gehirnaktivität gelten können.
Durchgeführt wurde die Untersuchung am Institut für Systemische Neurowissenschaften an der HHU und dem Universitätsklinikum Düsseldorf (UKD) sowie dem Institut für Neurowissenschaften und Medizin am Forschungszentrum Jülich. Beteiligt waren Prof. Dr. Simon Eickhoff (Leiter beider Institute), Dr. Kyesam Jung und Dr. Kaustubh R. Patil (beide ebenda).
Um die Aussagekraft der Eigenmoden zu untersuchen, haben die Forschenden zunächst ermittelt, ob auf der Großhirnrinde neben den Hirnaktivitäten auch beliebige, nicht-biologische Muster dargestellt werden. Dazu haben sie zunächst Bilder und Fotografien, die keinen Bezug zur Gehirnaktivität hatten, auf eine Kugeloberfläche übertragen. Anschließend wurden diese Muster anhand von Messpunkten auf die Oberfläche der linken Großhirnhälfte angepasst. Die Werte an den einzelnen Punkten wurden dabei mithilfe der umliegenden Bildwerte berechnet. Es zeigte sich: Die Eigenmoden zeigen zwar äußert präzise die tatsächliche Hirnaktivität, allerdings lassen sich auch künstlich erzeugte, biologisch bedeutungslose Muster sehr genau rekonstruieren. „Daraus schließen wir, dass die hohe Genauigkeit der Eigenmoden nicht zwangsläufig bedeutet, dass durch sie auch die biologischen Prozesse hinter der Hirnaktivität erklärt werden können“, ordnet Eickhoff ein.
Darüber hinaus zeigte sich in einem Vergleich mit alternativen Modellen, die auf einzelnen Gehirnregionen basieren, dass auch diese eine vergleichbar gute Leistung bei der Rekonstruktion von Gehirnaktivitätsmustern erzielen können. Die Studie verdeutlicht damit eine wichtige Einschränkung von Musterrekonstruktionen unter Verwendung geometrischer Eigenmoden: So kann das Modell die Gehirnaktivität zwar hervorragend beschreiben, ohne aber erklären zu können, wie diese entsteht.
Die Forschenden betonen, dass die geometrische Form des Gehirns durchaus einen Einfluss auf seine Aktivität haben kann. Um die Funktionsweise des Gehirns umfassend zu verstehen, müssen jedoch weitere biologische Faktoren berücksichtigt werden, insbesondere die Verbindungen zwischen verschiedenen Gehirnregionen sowie deren unterschiedliche Eigenschaften. Zukünftige Untersuchungen sollten deshalb geometrische Eigenmoden stärker mit dem vorhandenen Wissen über die Biologie des Gehirns und experimentellen Ergebnissen verknüpfen. „Unsere Studie liefert damit einen wichtigen Beitrag zur Frage, wie wissenschaftliche Modelle bewertet werden sollten. Sie unterstreicht, dass eine präzise Beschreibung von Gehirnaktivität nicht mit einer Erklärung ihrer biologischen Ursachen gleichzusetzen ist.“, so Eickhoff.
Heinrich-Heine-Universität Düsseldorf
Originalpublikation:
K. Jung, S. B. Eickhoff, K. R. Patil : Mechanistic versus descriptive interpretation of brain activity pattern reconstruction, PNAS 2026. https://doi.org/10.1073/pnas.2609630123
