Für eine Studie haben WissenschaftlerInnen des Universitätsklinikums Hamburg-Eppendorf (UKE) ein neuartiges Verfahren zur Analyse zeitlich und räumlich hochauflösender Messungen der Hirnaktivität mittels der Magnetoenzephalographie (MEG) in Kombination mit einem Marker des allgemeinen Aktivierungsniveaus des Gehirns (dem Pupillendurchmesser) entwickelt. Dadurch konnten die Forschenden erstmals den Zusammenhang zwischen dem Zeitverlauf des Entscheidungsprozesses in einer Vielzahl von Hirnregionen und dem Aktivierungsniveau verfolgen. Entscheidungen sind oft schwierig, wenn sie unter Unsicherheit gefällt werden. Die statistische Entscheidungstheorie hat optimale Strategien für Entscheidungen identifiziert, die auf der Grundlage statistisch sich verändernder Informationen (zum Beispiel die täglichen COVID-19-Inzidenzahlen) über den Zustand der Welt (etwa die tatsächliche Infektionsdynamik) gefällt werden, der sich jederzeit verändern kann (zum Beispiel durch die Übernahme einer neuen Virusvariante). Eine Forschergruppe des Universitätsklinikums Hamburg-Eppendorf (UKE) hat nun gezeigt, dass neuronale Netzwerke solche optimalen Entscheidungen realisieren können. Dies wurde sowohl in Computersimulationen künstlicher neuronaler Netzwerke sowie in Messungen der Aktivität bestimmter Bereiche der menschlichen Großhirnrinde gezeigt.

„Dies ermöglichte uns zu zeigen, dass der Entscheidungsprozess über verschiedene Hirnregionen verteilt stattfand und dynamisch durch das momentane Aktivierungsniveau verändert wurde“, erklären Prof. Donner und der Erstautor der Studie Dr. Peter Murphy aus dem Institut für Neurophysiologie und Pathophysiologie.Die Studienergebnisse hat das Team unter der Leitung von Prof. Dr. Tobias Donner aus dem Institut für Neurophysiologie und Pathophysiologie des UKE in Nature Neuroscience 2021 veröffentlicht.

Originalarbeit: Adaptive circuit dynamics across human cortex during evidence accumulation in changing environments.