Dank Patienten mit interkraniellen Implantaten die Bildung von Erinnerungen erforschen
Die Arbeit von Dr. Jessica Schrouff im Rahmen des Projekts DecoMP_ECoG war der Erforschung der Bildung von Erinnerungen gewidmet. Bei der Forschung wurden intrakranielle elektrophysiologische Aufnahmen der Oberfläche des menschlichen Gehirns genutzt, um Kodierung, Abfrage und Konsolidierung kategoriespezifischer Informationen zu untersuchen. Auf direkte Weise die Bildung von Erinnerungen zu erkunden, ist schwierig, wie Dr. Schrouff erläutert: „In einer typischen Situation bekommen die Probanden einige Materialien zu sehen, und später wird eine Person aus dem Forscherteam ihr Wissen über die Materialien abfragen. Doch wann genau wurde die Erinnerung gebildet? Auf welche Weise wurde eine Darstellung der Materialien im Gehirn gebildet? Und wo? Diese Fragen wurden am Menschen meist indirekt erforscht, zum Beispiel während sich die Probanden an die Materialien erinnerten. Während meiner Doktorarbeit ging ich diesen Fragen mittels funktioneller Magnetresonanztomografie (fMRT) nach, aber die zeitliche Auflösung war gering (6-12 Sekunden). In Stanford hatte ich dann die Möglichkeit, mit intrakraniellen Elektroden zu arbeiten, wodurch wir Hirnsignale im Millisekundenbereich und mit präziser anatomischer Auflösung betrachten können.“ Intrakranielle Aufnahmen vom Menschen sind relativ selten, da bei diesen sehr invasiv vorgegangen wird. Im Rahmen von DecoMP_ECoG, das mit Unterstützung des Marie-Skłodowska-Curie-Programms durchgeführt wurde, wurden Patienten mit pharmakoresistenter Epilepsie an ein Krankenhaus überwiesen. Dort wurden Elektroden unter die Schädeldecke an die Oberfläche ihres Gehirns implantiert, um die Quelle der Epilepsie zu lokalisieren. Die Patienten behielten die Elektroden für ein paar Tage im Kopf, und das Ärzteteam wartete auf die Anfälle. Geplant war, wenn es auf sichere Weise möglich ist, den „kranken“ Hirnbereich zu entfernen, um einen Versuch zu unternehmen, die Ursache der Anfälle zu beseitigen. „Während ihres Krankenhausaufenthaltes mit den implantierten Elektroden (typischerweise sieben bis zehn Tage) unterzogen sich einige Patienten freiwillig kognitiven Tests. Unser Team ließ verschiedene kognitive Aufgaben am Krankenbett ausführen. Beispielsweise haben wir untersucht, auf welche Weise Zahlen im Gehirn wahrgenommen oder, in meinem Fall, wie Erinnerungen gebildet werden und wie sie in den verschiedenen Arealen des Gehirns ‚herumreisen‘“. Der Nachteil von Aufzeichnungen dieser Art ist, dass die Gruppe der Epilepsiepatienten sehr heterogen war: So empfanden einige die Aufgabe als zu einfach und lernten „zu schnell“, während andere die Materialien niemals erlernen würden. Zudem wurden die Elektroden in aus klinischer Sicht interessanten Regionen platziert, was bedeutet, dass sie epileptische Signale übertragen können, welche die während des Lernens hervorgerufenen Signale stark stören. „Auch wenn es eine großartige Lernerfahrung war, hat sie doch die statistische Aussagekraft unserer Resultate eingeschränkt“, erklärt Dr. Schrouff. Glücklicherweise hat diese Einschränkung nicht die Erforschung neuartiger Analyseverfahren behindert. Bei ihrer Arbeit konzentrierte sich Dr. Schrouff auf den Einsatz von Verfahren des maschinellen Lernens, d. h. Modelle, welche das Lösen von Aufgaben anhand von Beispieldaten lernen. Die Aufgabe bestand darin, vorherzusagen, welche Materialien genau dem Patienten vorgelegt wurden. Schrouff dazu: „Wir haben eine Folge von Bildern mit Gesichtern, Tieren und Worten gezeigt. Die Beispieldaten waren die Hirnsignale, die während der Präsentation hervorgerufen wurden, und das Modell würde dann anhand eines einzigartigen Hirnsignals vorhersagen, ob der Patient ein Gesicht, ein Tier oder ein Wort betrachtet.“ Derartige Modelle sind schon im Bereich Neuroimaging eingesetzt, bisher aber kaum für intrakranielle Aufnahmen untersucht worden. Zudem ist der Zusammenhang zwischen der Art der Analyse der Beispieldaten durch ein Modell und der Art der Analyse derselben Daten durch das Gehirn noch Gegenstand von Diskussionen. Während des Stipendiums untersuchte Dr. Schrouff diesen Zusammenhang sehr genau. „Ich gehe davon aus, dass diese Arbeit zur Literatur, aber auch zum Bewusstsein der Nutzer von Maschinenlernmodellen beigetragen hat. Ich habe meine Arbeit auch in der quelloffenen Software PRoNTo realisiert, die in Kürze veröffentlicht wird.“
Schlüsselbegriffe
DecoMP_ECoG, kognitive Funktion, Gedächtnis, intrakranielle Elektrodenaufnahmen, maschinelles Lernen, Interpretierbarkeit
