Sprechen ohne Worte dank fMRI

Man könnte es auch als Gedankenlesen bezeichnen: Herauszufinden, was jemand gerade denkt, ohne dass dieser sich rührt oder etwas sagt. Um kommunizieren zu können, müssen wir uns bewegen. Was aber, wenn das nicht geht? Wenn man zum Beispiel am Locked-In-Syndrom leidet, man sich also seiner Umgebung bewusst ist, sich aber nicht bewegen oder sprechen kann? In einem vor Kurzem im Fachjournal "Current Biology" veröffentlichten Report beschreiben die Autoren Bettina Sorger und Kollegen einen Ansatz, mit dem solchen Patienten geholfen werden könnte - Kommunikation ganz ohne Bewegung dank funktioneller Magnetresonanztomographie, kurz fMRI.

Die funktionelle Magnetresonanztomographie nutzt den Blutfluss im Gehirn, um mentale Prozesse zu untersuchen. Ist eine Region des Gehirns besonders aktiv, wird sie mit mehr Blut versorgt als andere Regionen; dies kann gemessen und ein Bild des Gehirns erstellt werden. Will man nun messen, an was Personen gerade denken oder was sie ohne Worte sagen möchten, ist es nicht damit getan, sie in die Röhre zu schieben und sie bitten, einmal scharf nachzudenken - denn so genau, dass man einzelne Buchstaben oder Sätze "messen" könnte, ist die Technik nicht.

Gib mir ein "C"!

Stattdessen wurden die Buchstaben des Alphabets aufgeteilt, sozusagen codiert. Während des einstündigen Experiments mussten sich die Probanden drei Vorgänge vorstellen: eine motorische Bewegung, zum Beispiel das Heben eines Arms; Kopfrechnen sowie sich innerlich etwas vorsprechen - die Orte im Gehirn, wo diese Prozesse stattfinden, sind bekannt und voneinander getrennt. Außerdem wurde die Länge dieser Vorgänge variiert, sowie der Zeitpunkt, an dem die Probanden diese ausführen mussten. Auf diese Weise ergaben sich 27 verschiedene Kombinationsmöglichkeiten - eine für alle 26 Buchstaben des Alphabets sowie dem Leerzeichen.

Als Beispiel kann das "C" dienen: In diesem Fall musste man sich eine Bewegung vorstellen und das 10 Sekunden lang, 10 Sekunden nach dem Start des Durchgangs. Das daraus resultierende Signal des Gehirns konnte daraufhin von einem Computer interpretiert werden: Er schlug die drei wahrscheinlichsten Buchstaben vor. In 82% der Fälle lag er mit seinem höchstwahrscheinlichen Tipp richtig; in allen Fällen war der richtige Buchstabe unter diesen drei Möglichkeiten dabei.

Was hat Ihnen in Budapest gefallen?

Dann wurde den Probanden Fragen gestellt, zum Beispiel: "Was ist ihr Hobby?", oder, "Wo haben Sie Ihre letzten Ferien verbracht?" Lautete die Antwort auf diese Frage zum Beispiel "Budapest", so konnten die Forscher weiterfragen: "Und was hat Ihnen in Budapest am besten gefallen?" So war es möglich, sich mit den Probanden während des Experiments zu unterhalten und auf die Antworten zu reagieren - eine Grundvoraussetzung für jedes Gespräch.

Ganz neu ist die Idee hinter dieser Untersuchung nicht: Ähnliche Techniken existieren schon seit einiger Zeit mithilfe von EEGs- die Kappen mit den Elektroden, die man sich auf den Kopf setzt. Außerdem dauert die fMRI-Methode sehr viel länger als ähnliche Methoden mit dem EEG: Pro Buchstabe benötigt ein Proband circa eine Minute. Ein Konversationswasserfall darf also nicht erwartet werden.

Die Vorteile an der fMRI-Methode ist allerdings, dass sie überall dort einsetzbar ist, wo es fMRI-Geräte gibt, und dass Patienten nicht trainieren müssen, um sich verständigen zu können - denn dass muss man bei den EEG-Kappen, und das klappt durchaus nicht bei allen Patienten. Darüber hinaus könnte diese neue Methode wohl auch als diagnostisches Werkzeug für Patienten dienen, die ansonsten nicht reagieren können: Wie viel Bewusstsein ist noch übrig? Können Sie noch die Anweisungen lesen und sich mentale Prozesse vorstellen?

Können sie das, kann man sich mit ihnen unterhalten - ohne einen Bewegung, ohne einen Ton und ohne ein einziges Wort.


Quelle: Sorger et al., A Real-Time fMRI-Based Spelling Device Immediately Enabling Robust Motor-Independent Communication, Current Biology (2012), doi:10.1016/j.cub.2012.05.022

Bildquelle: Sarah G... (flickr.com) unter cc-by-2.0