Collapse of local circuit integrated information {Phi} during NREM sleep

Die Studie liefert empirische Belege für die integrierte Informationstheorie, indem sie zeigt, dass der integrierte Informationswert {Phi} in lokalen neuronalen Schaltkreisen während des NREM-Schlafs im Vergleich zum Wachzustand und REM-Schlaf unabhängig von Feuerraten oder kortikalen Schichten abnimmt, was auf einen direkten Zusammenhang zwischen dem Kollaps dieser Informationsstruktur und dem Verlust des Bewusstseins hindeutet.

Das Wesentliche

🧠 Wenn das Gehirn „einschläft": Warum unser Bewusstsein im Tiefschlaf zusammenbricht

Stell dir dein Gehirn nicht als einen einzelnen Computer vor, sondern als eine riesige, lebendige Stadt mit Millionen von Bewohnern (den Nervenzellen). Diese Bewohner kommunizieren ständig miteinander, tauschen Nachrichten aus und bilden komplexe Pläne.

Die Integrierte Informationstheorie (IIT) ist wie ein neuer Stadtplaner, der eine spannende These aufstellt: Bewusstsein ist nichts anderes als die Qualität dieser Kommunikation. Es geht nicht darum, wie laut die Bewohner schreien (wie viele Nervenzellen feuern), sondern darum, wie gut sie als ein einziges, untrennbares Team zusammenarbeiten.

Der Wissenschaftler Keiichi Onoda hat diese Theorie getestet, indem er in die „Stadt" von Mäusen und Ratten geschaut hat, während sie wach waren, träumten oder tief schliefen.

1. Der „Klebstoff" des Bewusstseins (Phi)

In der Studie wird ein Maßstab namens Phi (Φ) verwendet. Stell dir Phi wie einen superstarken Klebstoff vor.

• Hoher Phi: Die Bewohner der Stadt sind perfekt vernetzt. Wenn einer etwas tut, beeinflusst das sofort alle anderen. Die Stadt funktioniert als ein einziges, starkes Ganzes. Das ist der Zustand, in dem wir wach und bei Bewusstsein sind.
• Niedriger Phi: Der Klebstoff löst sich. Die Stadt zerfällt in kleine, isolierte Dörfer. Jeder macht sein eigenes Ding, aber es gibt keine große, gemeinsame Geschichte mehr.

2. Der Tiefschlaf: Der „Blackout" der Stadt

Die Studie untersucht, was passiert, wenn die Tiere in den NREM-Schlaf (den tiefen, traumlosen Schlaf) fallen.

• Im Wachzustand: Die Stadt ist hell erleuchtet. Die Bewohner (Nervenzellen) sind aktiv, vernetzt und der „Klebstoff" (Phi) ist stark.
• Im Tiefschlaf: Hier passiert etwas Seltsames. Die Stadt gerät in einen Zustand, den man „On- und Off-Perioden" nennt.
  • On-Perioden: Kurzzeitig sind alle wach und reden miteinander.
  • Off-Perioden: Plötzlich macht die ganze Stadt für einen Moment Stromausfall. Alle Bewohner schweigen gleichzeitig.

Das Ergebnis der Studie: Während dieser „Off-Perioden" bricht der Klebstoff (Phi) komplett zusammen. Die Stadt ist nicht mehr verbunden. Selbst wenn die Bewohner kurz danach wieder wach werden (On-Perioden), ist die Verbindung so schwach, dass das Bewusstsein nicht mehr existiert.

3. Die wichtigsten Entdeckungen (in einfachen Worten)

• Es geht nicht um die Lautstärke:
  Viele dachten bisher: „Wenn weniger Nervenzellen feuern, ist das Bewusstsein weg." Die Studie zeigt aber: Das ist falsch. Man kann die Lautstärke der Zellen künstlich drosseln, aber solange sie gut vernetzt sind, bleibt der „Klebstoff" stark. Im Tiefschlaf ist das Problem nicht, dass die Zellen leise sind, sondern dass sie nicht mehr als Team funktionieren. Sie sind wie eine Band, die zwar spielt, aber jeder spielt ein anderes Lied ohne Takt.

• Der perfekte Rhythmus:
  Das Gehirn braucht eine bestimmte Zeit, um Informationen zu verarbeiten – etwa so lange wie ein kurzer Herzschlag (ca. 40–50 Millisekunden). Die Studie zeigt, dass das Gehirn im Wachzustand genau diesen Rhythmus findet. Im Tiefschlaf gerät dieser Rhythmus durcheinander, und die Informationen können nicht mehr „zusammengeklebt" werden.

• Der Unterschied zwischen Träumen und Tiefschlaf:
  Im REM-Schlaf (wenn wir träumen) ist der Klebstoff wieder da! Die Zellen arbeiten wieder gut zusammen, ähnlich wie im Wachzustand. Deshalb können wir uns an Träume erinnern. Im Tiefschlaf (NREM) ist der Klebstoff weg, und wir sind „bewusstlos".

4. Warum ist das wichtig?

Bisher war die Frage: „Was ist Bewusstsein?" nur eine philosophische Debatte. Diese Studie zeigt uns nun einen physikalischen Beweis.

Es ist, als hätte man endlich herausgefunden, dass ein Orchester nur dann Musik macht, wenn alle Instrumente im Takt spielen. Wenn die Musiker aufhören, aufeinander zu hören (wie im Tiefschlaf), gibt es keine Musik, egal wie gut jeder Einzelne sein kann.

Die große Erkenntnis:
Bewusstsein ist kein festes Ding, das einfach „da" ist. Es ist ein aktiver Prozess, der ständig neu aufgebaut werden muss. Wenn die Verbindung zwischen den Teilen des Gehirns im Tiefschlaf reißt, verschwindet das Bewusstsein. Es ist wie ein Seil, das aus vielen Strängen besteht: Wenn die Stränge sich trennen, hält das Seil nicht mehr.

Zusammenfassung in einem Satz:

Unser Bewusstsein ist wie ein starkes Seil aus vielen Fäden; im Tiefschlaf reißen diese Fäden, das Seil fällt auseinander, und wir sind für einen Moment nicht mehr „da", bis das Seil im Traum oder beim Aufwachen wieder geknüpft wird.

Technische Zusammenfassung

Titel: Kollaps des lokalen Schaltkreis-Φ während des NREM-Schlafs

Autoren: Keiichi Onoda (Otemon Gakuin University, Japan)

---

1. Problemstellung und Hintergrund

Die Identifizierung der neuronalen Mechanismen, die dem Entstehen von Bewusstsein zugrunde liegen, bleibt eine der größten Herausforderungen der modernen Neurowissenschaft. Die Integrated Information Theory (IIT) bietet einen mathematischen Rahmen, der Bewusstsein als eine intrinsische Ursache-Wirkungs-Struktur eines physikalischen Systems definiert. Die Menge des Bewusstseins wird durch den integrierten Informationswert Φ (Phi) quantifiziert.

• Theoretische Vorhersage: IIT sagt voraus, dass Φ in einem neuronalen System während des Verlusts des Bewusstseins (z. B. im Tiefschlaf) abnehmen muss.
• Forschungslücke: Bisherige empirische Tests von IIT-Vorhersagen basierten meist auf makroskopischen Proxy-Maßnahmen (z. B. fMRT, EEG) oder groben Approximationen. Es fehlte an direkten empirischen Belegen auf der Ebene lokaler neuronaler Schaltkreise, die auf Spike-Daten basieren. Zudem ist unklar, ob die Reduktion von Φ nur eine Folge verringerter Feuerraten ist oder eine fundamentale Störung der kausalen Integration darstellt.
• Ziel der Studie: Die Studie zielt darauf ab, die IIT-Vorhersage zu testen, indem Φ in lokalen neuronalen Populationen (aus Spikes berechnet) während verschiedener Schlafzustände (Wach, NREM, REM) analysiert wird.

---

2. Methodik

Datengrundlage:
Die Studie nutzte zwei öffentlich zugängliche Datensätze mit hochauflösenden Spike-Daten von Nagetieren:

1. V1-Datensatz: 19 männliche Mäuse mit 64-Kanal-Silikonsonden im primären visuellen Kortex (V1).
2. FC-Datensatz: 11 männliche Ratten mit Sonden im frontalen Kortex (PFC, ACC, M2, OFC).
   Beide Datensätze umfassen Aufzeichnungen im Wachzustand, im NREM-Schlaf und im REM-Schlaf.

Analyse-Pipeline:

1. Systemkonstruktion (Coarse-Graining): Da die Berechnung von Φ exponentiell mit der Anzahl der Elemente skaliert, wurden Systeme aus jeweils vier Elementen konstruiert.
   • Schichtbasiert (V1): Neuronen wurden nach kortikalen Schichten (L2/3, L4, L5a, L5b) gruppiert.
   • Randomisiert: Neuronen wurden zufällig in vier Cluster aufgeteilt, um zu prüfen, ob Φ von der anatomischen Struktur abhängt.
2. Zustandserfassung: Die Aktivität jedes Elements wurde in binäre Signale (1 = Spike vorhanden, 0 = kein Spike) über ein Zeitfenster τ (Zeitauflösung) umgewandelt.
3. Berechnung von Φ:
   • Erstellung einer Übergangswahrscheinlichkeitsmatrix (TPM) basierend auf den Zustandssequenzen.
   • Berechnung von Φ gemäß IIT 4.0 unter Verwendung des PyPhi-Toolboxes.
   • Φ wurde für alle Systemzustände berechnet und über die Zeit gemittelt.
4. Statistik: Wiederholte ANOVA-Tests über verschiedene Zeitfenster (τ) hinweg, mit Korrektur nach Bonferroni.

---

3. Wichtige Ergebnisse

A. Abhängigkeit von der Zeitauflösung (τ):

• In V1 zeigte Φ ein deutliches Maximum bei τ = 40–50 ms. Dies entspricht der theoretisch vorhergesagten zeitlichen Granularität, bei der kausale Integration am stärksten ist.
• Die Ergebnisse waren konsistent sowohl für schichtbasierte als auch für randomisierte Systeme, was darauf hindeutet, dass die Phänomenologie unabhängig von der spezifischen anatomischen Anordnung ist.

B. Zustandsabhängigkeit (Wach vs. NREM vs. REM):

• NREM-Schlaf: Φ war im NREM-Schlaf signifikant niedriger als im Wachzustand und im REM-Schlaf.
• REM-Schlaf: Φ im REM-Schlaf war höher als im NREM-Schlaf, aber oft niedriger als im Wachzustand (abhängig von τ).
• Dieser Effekt blieb auch bestehen, wenn die Feuerraten durch Downsampling (Herunterrechnen der Spike-Anzahl) angeglichen wurden. Dies beweist, dass die Reduktion von Φ nicht allein durch geringere neuronale Aktivität erklärbar ist, sondern auf einem Verlust der kausalen Integration beruht.

C. On- und Off-Perioden im NREM-Schlaf:

• Während des NREM-Schlafs wechseln Neuronenpopulationen zwischen aktiven "On-Perioden" und stillen "Off-Perioden".
• Off-Perioden: Φ fiel in diesen Phasen drastisch ab (nahe Null), da die kausalen Ketten physisch unterbrochen werden.
• On-Perioden: Auch in den aktiven Phasen war Φ im Vergleich zum Wachzustand reduziert, was auf eine Verarmung des Zustandsrepertoires hindeutet.

D. Frontaler Kortex (FC-Datensatz):

• Im PFC der Ratten zeigte sich eine heterogenere Verteilung der optimalen Zeitfenster (τ).
• In Gruppen mit hoher Feuerrate und ausreichender Neuronendichte ("High τ"-Gruppe) konnte die signifikante Reduktion von Φ im NREM-Schlaf repliziert werden.
• In Gruppen mit niedriger Aktivität ("Low τ"-Gruppe) waren die Ergebnisse weniger stabil, was auf eine Mindestschwelle für die zuverlässige Berechnung von Φ hinweist.

---

4. Hauptbeiträge und Signifikanz

1. Erster direkter Nachweis auf Mikroebene: Die Studie liefert den ersten empirischen Beleg dafür, dass Φ auf der Ebene lokaler neuronaler Schaltkreise (basierend auf Spike-Daten) während des Bewusstseinsverlusts kollabiert. Dies schließt die Lücke zwischen abstrakter IIT-Theorie und hochauflösender Neurophysiologie.
2. Unabhängigkeit von Feuerraten: Die Ergebnisse widerlegen die einfache Annahme, dass Bewusstseinsverlust nur eine Funktion reduzierter neuronaler Aktivität ist. Selbst bei kontrollierten Feuerraten bleibt der Kollaps der integrierten Information bestehen.
3. Rolle der Off-Perioden: Die Studie identifiziert die "Off-Perioden" des NREM-Schlafs als kritische Momente, in denen die kausale Integration des Systems effektiv unterbrochen wird, was den Verlust des Bewusstseins erklärt.
4. Validierung der IIT 4.0: Die Beobachtung, dass Φ bei einer spezifischen zeitlichen Skala (ca. 40–50 ms) maximiert wird, stützt die IIT-Postulate bezüglich der "Exklusion" und der Notwendigkeit einer optimalen räumlich-zeitlichen Granularität für das Bewusstsein.
5. Regionale Unterschiede: Die längeren optimalen Zeitfenster im PFC im Vergleich zum V1 deuten auf eine hierarchische Struktur des Kortex hin, bei der höhere Areale längere intrinsische Zeitskalen für die Integration benötigen.

Fazit

Die Studie bestätigt die zentrale Vorhersage der Integrated Information Theory: Der Verlust des Bewusstseins (wie im NREM-Schlaf) korreliert mit einem fundamentalen Zusammenbruch der integrierten Information (Φ) in lokalen neuronalen Schaltkreisen. Dieser Kollaps ist eine Folge der Unterbrechung kausaler Wechselwirkungen (insbesondere durch Off-Perioden) und nicht lediglich ein Nebenprodukt reduzierter neuronaler Feuerraten.