Eine neue Systematik für Hirnrhythmen in der kognitiven Neurowissenschaft

• Antragsteller: Professor Dr. Joachim Gross
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 491157081

Vor etwa 100 Jahren zeigten die ersten Messungen menschlicher Hirnaktivität starke rhythmische Signalkomponenten. Wir wissen mittlerweile, dass diese Hirnrhythmen in allen Hirnarealen vorkommen und sensitiv den funktionellen Zustand des Gehirns abbilden - sowohl im gesunden Gehirn als auch bei neurologischen oder psychiatrischen Erkrankungen. Trotz aller Forschung sind immer noch fundamentale Fragen ungeklärt: Welcher Anteil der Hirnaktivität ist rhythmisch? Wie stabil sind Hirnrhythmen über Zeit und Frequenz? Welche Bedeutung trägt die spezifische Wellenform der Hirnaktivität und wie ist diese bei verschiedenen kognitiven Prozessen verändert? Was sind die relevanten strukturellen und funktionellen Parameter, die all diese Eigenschaften von Hirnrhythmen bestimmen und wie hängen diese mit individuellen Persönlichkeitsmerkmalen und veränderlichen funktionellen Hirnzuständen zusammen? T-BraiC (a new Taxonomy of Brain rhythms in Cognition) ist ein ambitioniertes Forschungsprogramm um diese Fragen zu bearbeiten. T-BraiC wird neue Analysemethoden implementieren und validieren um drei momentan existierende Probleme in diesem Forschungsbereich zu lösen. Diese Methoden werden dann auf einen neuartigen Datensatz angewendet, der im Rahmen dieses Projektes erhoben wird. Dabei werden zeitlich und räumlich hochaufgelöste Messungen der Hirnaktivität an 200 Probanden in Ruhe und bei verschiedenen kognitiven Aufgaben durchgeführt (Magnetenzephalographie (MEG) und Elektroenzephalographie (EEG)). Diese Probanden haben bereits an einem ausführlichen Untersuchungsprogramm im Rahmen einer in Münster existierenden Studie teilgenommen, so dass eine Vielzahl zusätzlicher Daten zur Verfügung steht (z.B. anatomisches MRT, neuropsychologisches Profil, vaskulärer Status, Blutproben etc). Im Rahmen unseres Projektes wird dieser Datensatz mit modernen Methoden ausgewertet und dann in einem neuartigen, integrativen Ansatz mit numerischen und prädiktiven mathematischen Modellen kombiniert. Die numerischen Modelle verwenden individuelle hirnanatomische Informationen um realistische MEG Signale zu simulieren. Ein systematischer Vergleich der simulierten und gemessenen Daten ermöglicht Rückschlüsse über die physiologischen Grundlagen der gemessenen Hirnrhythmen. Die prädiktiven Modelle basieren auf neuen Verfahren des maschinellen Lernens und werden hier verwendet um aus Messungen der Hirnaktivität individuelle Persönlichkeitsmerkmale aber auch funktionelle Zustände des Gehirns abzubilden. Die Gesamtergebnisse aus den unterschiedlichen Ansätzen werden verwendet um die bisher vollständigste Systematik von Hirnrhythmen zu erstellen, sowie den Zusammenhang mit kognitiven Leistungen und Phänotyp zu charakterisieren.

• DFG-Verfahren: Reinhart Koselleck-Projekte