Neural Fingerprinting based on Brain Network Dynamics: A Cross-Platform MEG Study

Jedes menschliche Gehirn ist ein einzigartiges Instrument, das eine Sinfonie elektrischer Signale spielt, die sich für niemanden sonst exakt auf die gleiche Weise wiederholt. Während Wissenschaftler lange Zeit untersucht haben, wie Gehirne im Durchschnitt funktionieren, um nach Mustern zu suchen, die für alle gelten, konzentriert sich ein neueres Forschungsgebiet darauf, was das Gehirn eines jeden Menschen unverwechselbar macht. Dieses Konzept, bekannt als neuronales Fingerprinting, basiert auf der einfachen, aber kraftvollen Idee, dass man durch eine sorgfältige Messung der Gehirnaktivität eine spezifische Person allein anhand ihrer Daten identifizieren kann, ganz ähnlich wie ein Sicherheitssystem eine Person anhand ihres einzigartigen Fingerabdrucks erkennt. Diese Fähigkeit, eine Person von einer anderen zu unterscheiden, ist nicht nur eine Kuriosität; sie bietet eine potenzielle Möglichkeit, zu verfolgen, wie sich das Gehirn eines Menschen im Laufe der Zeit oder bei Krankheiten verändert, und liefert somit eine personalisierte Basislinie für die Gesundheit. Um dies zu erreichen, verwenden Forscher oft eine Technik namens Magnetoenzephalographie, oder MEG, welche die winzigen Magnetfelder detektiert, die durch die elektrischen Ströme des Gehirns erzeugt werden. Diese Methode ist deshalb besonders, weil sie die Gehirnaktivität mit unglaublicher Geschwindigkeit erfasst und Veränderungen in Millisekunden aufzeichnet, anstatt nur einen langsamen, verschwommenen Durchschnitt darzustellen.

Jahrelang stützte sich diese Technologie auf große, teure Maschinen, die extrem kalte Temperaturen benötigten, um zu funktionieren, wobei Sensoren namens SQUIDs zum Einsatz kamen. Eine neuere Generation von Sensoren, genannt optisch gepumpte Magnetometer oder OPMs, ist jedoch vor kurzem entstanden. Diese neuen Geräte sind klein, leicht und benötigen keine extreme Kühlung, wodurch sie näher an der Kopfhaut sitzen können und potenziell klarere Signale erfassen. Während diese Technologie reift, müssen Wissenschaftler wissen, ob sie dieselbe präzise Arbeit leisten kann wie die älteren Maschinen. Können diese neuen, flexibleren Sensoren dieselben einzigartigen Gehirnsignaturen erfassen? Darüber hinaus haben die meisten bisherigen Studien die Gehirnaktivität betrachtet, indem sie diese über die Zeit gemittelt haben, was ein statisches Bild erzeugt. Doch das Gehirn ist dynamisch und wechselt ständig zwischen verschiedenen Mustern der Aktivität. Eine kritische Frage bleibt: Liegt die einzigartige Identität eines Menschen in den langsamen, gemittelten Signalen oder verbirgt sie sich innerhalb der schnellen, flüchtigen Veränderungen der neuronalen Netzwerkdynamik?

In einer kürzlich durchgeführten Studie versuchten Forscher, diese Fragen zu beantworten, indem sie Daten sowohl von den traditionellen kalten Sensoren als auch von den neuen Raumtemperatur-Sensoren verglichen. Sie rekrutierten fünfzehn gesunde Erwachsene und scannten jeden Teilnehmer viermal an einem einzigen Tag. Zwei dieser Sitzungen wurden mit der älteren SQUID-Technologie durchgeführt und zwei mit der neueren OPM-Technologie. Während der Scans führten die Teilnehmer eine Aufgabe aus, die das Aufmerksamkeitsvermögen auf taktile Muster an den Fingern beinhaltete, was es den Forschern ermöglichte, die Reaktion ihres Gehirns auf die Stimulation zu beobachten. Das Team wollte sehen, ob es in der Lage war, jeden Teilnehmer korrekt zu identifizieren, wenn es dessen Scans untereinander verglich, und ob dies auch dann möglich war, wenn ein Scan von einem Typ Maschine mit einem Scan eines anderen Typs verglichen wurde. Sie testeten zwei verschiedene Wege, die Daten zu betrachten: einen, der die Signale über die Zeit mittelte, um ein statisches Profil zu erstellen, und einen anderen, der ein hochentwickeltes Computermodell nutzte, um zu verfolgen, wie das Gehirn zwischen verschiedenen aktiven Zuständen wechselt und so die schnellen Dynamiken neuronaler Netzwerke erfasst.

Die Ergebnisse bestätigten, dass die einzigartige Signatur des Gehirns eines jeden Menschen robust ist und mit beiden Arten von Maschinen gefunden werden kann. Wenn die Forscher die statischen, gemittelten Daten betrachteten, konnten sie jeden einzelnen Teilnehmer erfolgreich identifizieren, unabhängig davon, ob sie zwei Scans desselben Maschinentyps oder einen Scan der neuen Maschine mit einem Scan der alten Maschine verglichen. Dieser Befund steht im Einklang mit früheren Arbeiten und beweist, dass die grundlegenden elektrischen Fingerabdrücke des Gehirns stabil genug sind, um den Wechsel zur neueren Technologie zu überstehen. Die Studie ging jedoch viel tiefer, indem sie die dynamischen, sich verändernden Muster der Gehirnaktivität untersuchte. Unter Verwendung eines vortrainierten Modells, das die gemeinsamen Muster von Gehirnzuständen aus tausenden anderen Aufzeichnungen gelernt hatte, analysierte das Team, wie diese Zustände in ihren neuen Daten auftraten. Sie fanden heraus, dass das Modell für beide Sensortypen gut funktionierte und die wechselnden Zustände des Gehirns in Echtzeit erfolgreich abbildete.

Als sie diese dynamischen Muster verwendeten, um die Individuen zu identifizieren, waren die Ergebnisse gemischt, aber aufschlussreich. Die Forscher fanden heraus, dass sie Menschen mit hoher Genauigkeit identifizieren konnten, indem sie das spezifische Timing analysierten, wann Gehirnzustände ein- und ausschalteten, sowie durch die Analyse des Frequenzgehalts dieser Zustände. Diese Merkmale, die den Rhythmus und die spezifische spektrale Zusammenssetzung der Gehirnaktivität beschreiben, blieben für jede Person über beide Maschinen hinweg konsistent. Dies deutet darauf hin, dass die Kernidentität des Gehirns eines Menschen in der relativen Zeitplanung und Struktur dieser dynamischen Netzwerke kodiert ist. Wenn die Forscher jedoch versuchten, Menschen anhand einfacher Zusammenfassungszahlen zu identifizieren, wie etwa wie lange ein Gehirnzustand anhielt oder wie oft er in einen anderen Zustand wechselte, änderten sich die Ergebnisse. Während sie Menschen beim Vergleich von Scans derselben Maschine noch identifizieren konnten, scheiterten sie daran, wenn sie Scans zwischen den beiden verschiedenen Maschinen verglichen.

Dieses Scheitern der Identifizierung über Maschinen hinweg bei den statistischen Kennzahlen verdeutlicht einen entscheidenden Unterschied. Die absoluten Zahlen, wie etwa der genaue Prozentsatz der in einem Zustand verbrachten Zeit, reagieren empfindlich auf die physikalischen Unterschiede zwischen den beiden Sensortypen. Die neuen Sensoren sitzen näher am Gehirn und weisen andere Rauschcharakteristika auf, was diese absoluten Werte in einer Weise verschiebt, die die Identität des Einzelnen maskiert. Im Gegensatz dazu bleiben die relativen Muster, wie das Gehirn auf einen Reiz reagiert – also die Form der Kurve über die Zeit –, unabhängig von der verwendeten Maschine stabil und einzigartig für die Person. Die Studie kommt zu dem Schluss, dass die neue OPM-Technologie voll fähig ist, die einzigartigen neuronalen Fingerabdrücke von Individuen zu erfassen, aber die Art und Weise, wie wir diese Daten analysieren, ist entscheidend. Um eine Person über verschiedene Scanning-Plattformen hinweg erfolgreich zu identifizieren, müssen wir uns auf die relative Struktur der Geirndynamik konzentrieren statt nur auf die rohen, absoluten Mengen. Diese Arbeit stellt einen wichtigen Schritt dar, der zeigt, dass die neue Generation der Gehirnscanner in der Lage ist, die alte zu ergänzen, um die einzigartige Landschaft des menschlichen Geistes abzubilden, sofern wir die richtigen Werkzeuge besitzen, um die Signale zu lesen.