Predicting Somatosensory Awareness from Intracranially Informed Scalp EEG
Diese Studie präsentiert einen maschinellen Lernansatz, der einen nicht-invasiven Skalp-EEG-Marker für bewusste somatosensorische Wahrnehmung ableitet, indem er die intrakranielle operkulär-insuläre Aktivität vorhersagt und dabei eine im Vergleich zu bestehenden Markern überlegene individuelle Konsistenz sowie Generalisierbarkeit über Datensätze und Hirnzustände hinweg demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Um zu verstehen, was passiert, wenn wir etwas fühlen, schauen Wissenschaftler oft auf die elektrischen Signale des Gehirns. Wenn ein Nerv stimuliert wird, erzeugt das Gehirn eine vorhersagbare elektrische Welle, die am Skalp gemessen werden kann. Jahrzehntelang haben sich Forscher auf ein spezifisches Muster in diesen Signalen verlassen, das als Somatosensorische Bewusstseinsnegativität bekannt ist, um zu vermuten, ob eine Person eine Berührung bewusst gespürt hat. Dieses Muster erscheint als Einbruch der elektrischen Spannung etwa ein Zehntel Sekunde nach einem Reiz. Diese Methode hat jedoch einen erheblichen Mangel: Die Form, das Timing und die Größe dieses Einbruchs variieren von Person zu la Person massiv. Was bei einem Individuum wie ein klares Zeichen von Bewusstsein aussieht, kann bei einem anderen wie zufälliges Rauschen wirken, was es schwierig macht, dieses Signal zu nutzen, um festzustellen, ob eine bestimmte Person eine Empfindung wahrnimmt – insbesondere wenn sie nicht sprechen oder sich bewegen kann, um es uns mitzuteilen.
Diese Herausforderung wird kritisch, wenn man es mit Patienten zu tun hat, die zwar wach, aber nicht kommunikationsfähig sind, wie etwa Menschen im Koma oder im Tiefschlaf. In diesen Fällen können Ärzte nicht fragen: „Hast du das gespürt?“, und müssen sich ganz auf Hirnscans verlassen, um zu bestimmen, ob die Person bei Bewusstsein ist. Eine neue Studie von Forschern der Universität Mailand und anderer Institutionen bietet eine potenzielle Lösung. Durch die Kombination von fortschrittlichem maschinellem Lernen mit gleichzeitigen Aufzeichnungen sowohl vom Skalp als auch aus dem Inneren des Gehirns haben sie eine neue Methode entwickelt, um abzuschätzen, ob eine Person eine Berührung bewusst fühlt. Anstatt nach einer bestimmten Form in den Oberflächensignalen zu suchen, nutzt ihre Methode die Skalpdaten, um eine spezifische, anhaltende elektrische Aktivität tief im Gehirn vorherzusagen, die bekanntermaßen mit bewusster Wahrnehmung verknüpft ist.
Die Forscher begannen mit der Arbeit an einer kleinen Gruppe von Patienten, die bereits wegen Epilepsie eine invasive Überwachung erhielten. Diese Patienten hatten Elektroden tief im Gehirn platziert sowie eine hochdichte Kappe mit Sensoren auf ihren Skalpen. Während die Patienten wach waren, stimulierten die Forscher den Nervus medianus in ihren Handgelenken mit einem milden elektrischen Impuls. Da die Patienten berichten konnten, ob sie den Impuls gespürt hatten, verfügten die Forscher über eine perfekte „Ground Truth“ (Grundwahrheit), um die Gehirnsignale zu vergleichen. Sie nutzten ein Computermodell, um die Beziehung zwischen der elektrischen Aktivität auf dem Skalp und der spezifischen, anhaltenden elektrischen Reaktion im operkulären-insulären Bereich des Gehirns zu erlernen – einem tief liegenden Bereich, der mit bewusstem Fühlen assoziiert ist. Das Modell wurde darauf trainiert, die unordentlichen, komplexen Signale vom Skalp zu nehmen und sie in eine Vorhersage dessen zu übersetzen, was sich tief im Inneren abspielt.
Nachdem das Modell trainiert worden war, testete das Team es an einer völlig neuen Gruppe gesunder Freiwilliger. Diese Teilnehmer erhielten ähnliche Nervenreize und wurden gebeten, zu berichten, ob sie jeden Impuls gefühlt hatten oder nicht. Die Forscher wandten ihr trainiertes Modell auf die Skalpaufzeichnungen dieser neuen Teilnehmer an, ohne die Einstellungen zu ändern. Sie fanden heraus, dass, wenn die Teilnehmer den Reiz spürten, das Modell eine starke, anhaltende elektrische Reaktion in den tiefen Hirnregionen vorhersagte. Wenn die Teilnehmer den Reiz nicht spürten, war die vorhergesagte Reaktion schwach oder fehlte. Entscheidend war, dass diese Methode bei jedem einzelnen getesteten Teilnehmer konsistent funktionierte. Im Gegensatz zur älteren Methode, die aufgrund natürlicher Variationen in der Gehirnform und dem Signal-Timing bei vielen Individuen versagte, konnte dieser neue Ansatz das „Gespürte“ erfolgreich vom „Ungespürten“ trennen. Die Autoren merken jedoch an, dass die Tatsache, dass die Entscheidungsschwelle im selben Datensatz abgeleitet und evaluiert wurde, bedeutet, dass diese Trennung die Leistung des Modells auf den Trainingsdaten widerspiegelt und keine unvoreingenommene Schätzung der Sensitivität und Spezifität in einer neuen Population darstellt.
Um zu testen, wie robust dieses Werkzeug wirklich war, wandten die Forscher exakt dasselbe Modell und dieselben Entscheidungsregeln auf eine dritte Gruppe von Menschen an, die entweder wach oder in einem sehr tiefen Schlafzustand waren. In diesem Experiment berichtete niemand, was er fühlte; der einzige Unterschied war ihr Bewusstseinszustand. Das Modell, das nie darauf trainiert worden war, zwischen Wachsein und Tiefschlaf zu unterscheiden, identifizierte erfolgreich den Zustand jedes Teilnehmers. Wenn die Probanden wach waren, sagte das Modell das Vorhandensein des bewussten Wahrnehmungssignals voraus. Wenn sie im Tiefschlaf waren, verschwand das Signal. Dies geschah, obwohl das Modell nur mit Daten von Menschen trainiert worden war, die wach waren und ihre Empfindungen berichteten. Die Tatsache, dass dieselben mathematischen Regeln zwischen einem bewussten, wachen Gehirn und einem tief schlafenden Gehirn unterscheiden konnten, deutet darauf hin, dass die Methode einen fundamentalen biologischen Unterschied in der Art und Weise erfasst, wie das Gehirn Sinnesreize verarbeitet. Die Forscher mahnen jedoch zur Vorsicht: Dieses Ergebnis sollte nicht als unabhängige Validierung der Fähigkeit des Modells zur Klassifizierung der Wahrnehmung interpretiert werden, da während des Tiefschlafs bewusste Gedanken auftreten können und keine Berichte auf Trial-by-Trial-Basis vorlagen, um zu bestätigen, was die Teilnehmer tatsächlich erlebt haben.
Die Studie verglich diesen neuen Ansatz auch direkt mit der traditionellen Methode, nach dem spezifischen Spannungsabfall auf dem Skalp zu suchen. Während die traditionelle Methode beim Blick auf die Gruppe als Ganzes zwar einen Unterschied zwischen gefühlten und ungefühlten Stimuli zeigte, lieferte sie für viele Individuen keine klare Antwort. Bei einigen Menschen sahen die Gehirnwellen so aus, als seien sie sich der Wahrnehmung bewusst, während sie bei anderen so aussah, als seien sie es nicht, selbst wenn sie denselben Reiz meldeten. Die neue Methode, die die Forscher „Scalp Estimated Tonicity“ nennen, lieferte für jedes Individuum im Entwicklungsdatensatz eine klare, konsistente Antwort. Sie erreichte eine vollständige Trennung in den Testgruppen und identifizierte den Bewusstseinszustand für jede einzelne Person in den Wachheits- und Schlaftests sowie für jede Person in den Wahrnehmungstests.
Diese Arbeit beansprucht nicht, das Rätsel des Bewusstseins gelöst zu haben, noch legt sie nahe, dass das Werkzeug bereit für den sofortigen Einsatz in jedem Krankenhaus ist. Die Studie wurde an einer relativ kleinen Anzahl von Menschen durchgeführt, und das Modell wurde mit Daten von Patienten mit Epilepsie trainiert, obwohl die für das Modell verwendeten Kontakte aus gesundem Hirngewebe ausgewählt wurden. Die Forscher räumen ein, dass das Werkzeug weitere Tests in klinischen Settings mit Patienten erfordert, die nicht kommunizieren können, um zu sehen, ob es die Wahrnehmung in Zuständen wie Koma oder vegetativen Zuständen zuverlässig erkennen kann. Dennoch zeigen die Ergebnisse einen klaren Weg auf. Indem sie maschinelles Lernen nutzen, um die Lücke zwischen dem, was wir auf dem Skalp sehen können, und dem, was tief im Inneren des Gehirns geschieht, haben die Forscher ein nicht-invasives Werkzeug geschaffen, das weitaus zuverlässiger ist als bisherige Methoden. Es bietet eine Möglichkeit, dem internen Gespräch des Gehirns über Empfindungen zuzuhören und potenziell jenen eine Stimme zu geben, die nicht für sich selbst sprechen können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.