Die moderne Technologie hat in den letzten Jahren enorme Fortschritte gemacht, insbesondere im Bereich der Mensch-Computer-Interaktion. Ein besonders faszinierendes Feld ist die Entwicklung von gehirngesteuerten Geräten, die es ermöglichen, elektronische Geräte wie Handys direkt über die Gehirnaktivität zu steuern. Dieser Artikel beleuchtet die Funktionsweise, die zugrundeliegenden neuronalen Prozesse und die potenziellen Anwendungen dieser Technologie.
Neuronale Grundlagen der Steuerung
Vom Sehen zum Greifen: Ein komplexes Zusammenspiel
Was in uns abläuft, wenn wir etwas sehen und es anschließend greifen, ist ein komplexer neuronaler Prozess. Forscher haben ein Modell entwickelt, das die neuronalen Vorgänge von der visuellen Wahrnehmung bis zur Bewegungssteuerung erstmals komplett abbildet. Es handelt sich um ein künstliches neuronales Netzwerk, das sie anhand von Informationen zur Hirnaktivität und Daten aus Greif-Experimenten mit Rhesusaffen erstellt haben.
Wir greifen Kaffeetassen, das Handy, unsere Schlüssel… Diese alltäglichen Bewegungen erscheinen uns einfach und selbstverständlich - doch genau betrachtet basieren sie auf einem erstaunlich komplexen Zusammenspiel: Die Merkmale von Objekten werden dabei im Sehzentrum des Gehirns verarbeitet und dann in motorische Befehle verwandelt, die eine an den jeweiligen Gegenstand angepasste Greifbewegung ermöglichen.
Um Menschen mit solchen Behinderungen möglichst natürliche Bewegungsfähigkeiten zurückzugeben, arbeiten Wissenschaftler an der Entwicklung von sogenannten Neuroprothesen. Diese technischen Systeme können Nervenreize weiterleiten oder in komplexe Bewegungen von elektronischen Einheiten umsetzen. Diesem Forschungsthema widmen sich die Neurowissenschaftler um Hansjörg Scherberger vom Deutschen Primatenzentrum in Göttingen. Als Modell für den Menschen dienen ihnen dort Rhesusaffen, denn sie verfügen ähnlich wie wir über ein hochentwickeltes Nerven- und Sehsystem sowie eine ausgeprägte Feinmotorik bei Greifbewegungen. Demnach kommt es dabei zu bestimmten Aktivitätsmustern im sogenannten anterioren intraparietalen Areal, im für die Hände zuständigen Bereich des ventralen prämotorischen Kortex sowie im primär-motorischen Kortex. Doch wie sind diese Aktivitätsmuster mit der Muskelsteuerung von Arm und Hand verknüpft? Wie sie erklären, waren für die Entwicklung eines solchen Modells nun genaue Daten zum Greifverhalten nötig. Geliefert haben sie ihnen zwei Rhesusaffen, die darauf trainiert wurden, 42 Gegenstände von unterschiedlicher Form und Größe zu greifen. Dabei trugen die Affen einen Datenhandschuh, der die Bewegungen des Arms, der Hand und der Finger genau erfasste. Die Aufforderung zum Greifen erhielten die Tiere durch ein kurzes Anleuchten des jeweiligen Objekts. Anschließend übertrugen die Forscher die gewonnenen Daten sowie die Informationen über die Hirnaktivitäten aus den früheren Untersuchungen auf ein künstliches neuronales Netzwerk im Computer, dessen Funktionsweise den biologischen Vorgängen im Gehirn nachempfunden war. Das Netzwerkmodell bestand dazu aus drei miteinander verbundenen Stufen, die somit den drei involvierten Hirnarealen der Affen entsprachen. Was künstliche neuronale Netzwerke so interessant macht, ist ihre Fähigkeit zum Lernen - auch in diesem Fall führte diese Leistung zum Erfolg: Nach einem Training mit den Verhaltensdaten der Affen war das Netzwerk in der Lage, die Greifbewegungen der Rhesusaffen präzise widerzuspiegeln, berichten die Wissenschaftler. So konnte es Bilder mit darauf erkennbaren Objekten verarbeiten und daraus die zum Greifen der Objekte notwendige Muskeldynamik bei den Affen sehr genau reproduzieren. Sie sehen in ihrem Ergebnis deshalb nun erhebliches Potenzial vor allem für die Medizintechnik. „Dieses künstliche Modell beschreibt erstmals in biologisch realistischer Weise den neuronalen Verarbeitungsprozess vom Sehen eines Objektes zur Objekterkennung über die Handlungsplanung bis hin zur Handmuskelsteuerung beim Greifen“, resümiert Scherberger.
Nervenzellen: Die Grundbausteine des Gehirns
Hauptakteure der Höchstleistungen des Gehirns sind die Nervenzellen, Neuronen genannt. Ein Neuron besteht aus einem Zellkörper (Soma), der vor allem für die Energieversorgung der Nervenzelle zuständig ist. Dazu besitzt das Neuron viele Dendriten, die quasi die Ohren des Neurons sind und die Informationen von anderen Neuronen empfangen. Zuletzt hat das Neuron noch ein Axon, das die Information des eigenen Neurons an andere Neurone weiter trägt.
Lesen Sie auch: Faszination Nesseltiere: Wie sie ohne Gehirn leben
Synapsen: Die Verbindungsstellen zwischen Neuronen
Wo das Axon eines Neurons auf die Dendriten eines weiteren Neurons trifft, findet die Übertragung von Signalen statt. Diese Verbindungsstelle zweier Neurone nennt man Synapse. Sie bestehen aus einem synaptischen Spalt, der Präsynapse (das Axon des sendenden Neurons) und der Postsynapse (ein Dendrit der empfangenden Nervenzelle).
Nervenzelle 1 schüttet Botenstoffe (Neurotransmitter) in den synaptischen Spalt aus. Dopamin, Serotonin oder Acetylcholin sind Beispiele für solche Botenstoffe. Sie binden an den Dendriten von Nervenzelle 2, genauer gesagt an die postsynaptische Membran des Dendriten. Die Bindung des Botenstoffs führt dazu, dass sich kleine Kanäle in der postsynaptischen Membran öffnen. Durch diese Kanäle können dann geladene Teilchen (Ionen) in die Dendriten gelangen. Solche geladenen Teilchen sind zum Beispiel Kalium, Natrium oder Chlorid. Sie führen dazu, dass die postsynaptische Membran etwas “positiver” oder etwas “negativer” geladen wird. Egal ob positiv oder negativ - die Spannungsänderung fließt von der postsynaptischen Membran über den Dendriten Richtung Axonhügel.
Axonhügel und Aktionspotential
Wenn entweder sehr viele Dendriten oder aber ein Dendrit sehr schnell hintereinander die gleiche Botschaft überbringen, dann wird am Axonhügel ein Aktionspotential ausgelöst. Dafür muss aber erst ein bestimmter Schwellenwert erreicht werden. Wird der Schwellenwert am Axonhügel nicht erreicht, passiert “nichts”. Wird er hingegen erreicht, wird ein Aktionspotential ausgelöst (“alles”). Dabei ist es dann ganz egal, ob der Schwellenwert gerade eben erreicht oder um ein Vielfaches übertroffen wurde - das entstehende Aktionspotential ist immer gleich.
Wird der Schwellenwert am Axonhügel erreicht, öffnen sich Kanäle für geladene Teilchen (Ionen). Das führt dazu, dass die normalerweise negativ geladene Zellmembran an dieser Stelle kurzzeitig positiv wird. Ein Aktionspotential läuft immer gleichförmig ab, weil nacheinander spannungsabhängige Kanäle geöffnet und geschlossen werden. Das Aktionspotential breitet sich auch auf die benachbarte Zellmembran aus. Das Axon ist von sogenannten Myelinscheiden umhüllt, die eine Art Isolierung bieten. In regelmäßigen Abständen ist diese Isolierung unterbrochen: an den Ranvier’schen Schnürringen. Diese Bauweise ermöglicht, dass die Aktionspotentiale nur an den unterbrochenen Stellen entstehen. Auf diese Weise “springt” das Aktionspotential das Axon entlang bis zur Präsynapse.
Die Synapse: Umwandlung von Signalen
Hier, im Bereich der Präsynapse, liegen sogenannte spannungsgesteuerte Calciumkanäle. Durch den offenen Kanal können dann Calcium-Teilchen in die Präsynapse einströmen. Der Calciumeinstrom wiederum führt dazu, dass die kleinen Bläschen mit den Botenstoffen, die ja schon vorbereitet in der Zelle umherschwirren, durch die Zellmembran wandern und die Botenstoffe in den synaptischen Spalt freisetzen. Die Botenstoffe binden wieder an die Rezeptoren des nächsten Dendriten, Kanäle öffnen sich und das ganze Spiel beginnt von vorn. Nach einiger Zeit lösen sich die Botenstoffe übrigens wieder von den Rezeptoren, ansonsten gäbe es ja eine dauerhafte Erregung der Nervenzelle. Die Botenstoffe werden dann entweder von der Präsynapse wieder aufgenommen oder von einer Müllabfuhr in Form von Enzymen abgebaut. Das elektrische Signal des Axons wird an der Synapse in ein chemisches Signal umgewandelt, um dann am Dendriten der nächsten Nervenzelle wieder in ein elektrisches Signal umgewandelt zu werden.
Lesen Sie auch: Lesen Sie mehr über die neuesten Fortschritte in der Neurowissenschaft.
Neuronales Netz und neuronale Plastizität
Das neuronale Netz ist eine Gruppe von Neuronen, die miteinander kommunizieren und auf diese Weise eine bestimmte Funktion ausüben. Jedes Neuron gibt dabei Informationen an beliebig viele andere Neuronen weiter und erhält gleichzeitig Signale von beliebig vielen anderen Neuronen. Schnittstellen sind immer die Synapsen. Dieses neuronale Netz wird aber nicht etwa einmal geknüpft und dann für immer so belassen. Vielmehr ist es im Laufe des Lebens in ständiger Veränderung. Man spricht von neuronaler Plastizität: Neue Verbindungen zwischen Synapsen werden geschaffen (z.B. wenn wir etwas Neues lernen) und bestehende Verbindungen gekappt. Wird eine Synapse sehr häufig benutzt, verändert sich zudem ihre Struktur. Zum Beispiel werden mehr Rezeptoren an der postsynaptischen Membran eingebaut oder die Menge an ausgeschütteten Botenstoffen erhöht sich. Dadurch verbessert sich die synaptische Übertragung. Diesen Mechanismus bezeichnet man als Langzeitpotenzierung. Andersherum werden nicht genutzte Verbindungen mit der Zeit immer schwächer.
Gehirn-Computer-Schnittstellen (BCI)
Funktionsweise und Entwicklung
Gehirn-Computer-Schnittstellen (BCI) ermöglichen es, die Gehirnaktivität zu messen und in Steuersignale für externe Geräte umzuwandeln. Im Juni 2004 implantierten Forscher erstmals ein Gitter aus Elektroden in den motorischen Kortex eines Mannes, der durch einen Messerstich gelähmt worden war. Er war der erste Mensch, der ein Langzeit-BCI-Implantat erhielt. Durch jahrzehntelange Arbeit mit Affen hatten Forscher gelernt, die Bewegungen der Tiere anhand von Echtzeit-Aufzeichnungen der Aktivität im motorischen Kortex zu entschlüsseln. Im Jahr 2006 beschrieb das Team, wie ebenjener Mann gelernt hatte, einen Cursor auf einem Computerbildschirm zu bewegen, einen Fernseher zu bedienen sowie Roboterarme und -hände allein durch seine Gedanken zu kontrollieren. Heutige BCI-Benutzer haben eine viel feinere Kontrolle und Zugang zu einem breiteren Spektrum von Fähigkeiten. Das liegt zum Teil daran, dass Wissenschaftler inzwischen dazu übergegangen sind, mehrere Schnittstellen in verschiedene Hirnregionen des Benutzers zu implantieren, und neue Methoden zur Erkennung verwendbarer Signale entwickelt haben. Den größten Schub hat Hochberg zufolge jedoch das maschinelle Lernen gebracht, mit dem sich neuronale Aktivität heute leichter entschlüsseln lässt. Anstatt zu versuchen, die Bedeutung von Aktivitätsmustern zu verstehen, verknüpft maschinelles Lernen einfach die Muster mit der Absicht des Nutzers.
Anwendungen und Fortschritte
BCIs werden zunehmend eingesetzt, um Menschen mit körperlichen Einschränkungen mehr Autonomie zurückzugeben. Eine Prothese bewegen, Videospiele spielen, mit anderen kommunizieren: Gehirn-Computer-Schnittstellen geben Menschen mit körperlichen Einschränkungen immer mehr Autonomie zurück.
Ein Ansatz, um das zu erreichen, besteht darin, Elektroden zu implantieren, die die Muskeln der eigenen Gliedmaßen direkt stimulieren. Im Jahr 2017 beschrieben Ajiboye und seine Kollegen den Fall eines Patienten, der dieses System nutzte, um komplexe Armbewegungen auszuführen. Ajiboye erweitert nun das Repertoire an Befehlssignalen, die sein System decodieren kann, wie beispielsweise jene für die Greifkraft. Außerdem möchte er BCI-Nutzern in den gelähmten Extremitäten ihren Tastsinn zurückgeben, ein Ziel, das derzeit mehrere Teams verfolgen.
Im Jahr 2015 implantierte eine Gruppe um den Neurowissenschaftler Robert Gaunt von der University of Pittsburgh in Pennsylvania bei einem Probanden ein Netz aus Elektroden in die Region des somatosensorischen Kortex, in der Berührungsinformationen der Hand verarbeitet werden. Als sie mit den Elektroden Neurone stimulierten, hatte der Patient den Eindruck, jemand hätte ihn angefasst. Gemeinsam bauten sie einen Roboterarm mit Drucksensoren in den Fingerspitzen, die mit Elektroden im somatosensorischen Kortex verbunden waren, um künstlich ein Gefühl der Berührung zu erzeugen.
Lesen Sie auch: Tinnitus und Gehirnaktivität: Ein detaillierter Einblick
Sprachprothesen und Kommunikation
Eine der verheerendsten Folgen von Hirnverletzungen ist der Verlust der Kommunikationsfähigkeit. In frühen BCI-Versuchen konnten betroffene Teilnehmer einen Cursor auf einem Computerbildschirm bewegen, indem sie sich vorstellten, wie sich ihre Hand bewegte, und dann visualisierten, wie sie die Buchstaben anklickten - was ihnen eine Möglichkeit eröffnete, sich anderen mitzuteilen.
2021 berichtete die Gruppe schließlich von einem neuen Ansatz, der es ihrem Probanden Dennis Degray erlaubte, der zwar sprechen kann, aber vom Hals abwärts gelähmt ist, doppelt so schnell über eine Gehirn-Computer-Schnittstelle zu kommunizieren. Shenoys Kollege Frank Willett schlug Degray vor, sich das Schreiben mit der Hand vorzustellen, während die Forschenden die Aktivitäten der Nervenzellen im motorischen Kortex aufzeichneten. Auf diese Weise ließen sich sehr schnelle, feine Bewegungen decodieren - und zwar mit einer Geschwindigkeit von rund 90 Zeichen pro Minute, wie Shenoy schildert.
Changs Ansatz zur Wiederherstellung der Kommunikation konzentriert sich auf das Sprechen und nicht auf das Schreiben, wenn auch nach einem ähnlichen Prinzip. So wie die Schrift aus einzelnen Buchstaben besteht, setzt sich die Sprache aus einzelnen Einheiten zusammen, den so genannten Phonemen, also einzelnen Lauten. Im Jahr 2021 berichteten sie, dass dieses Gerät eine Person, die nach einem Schlaganfall im Hirnstamm nicht mehr sprechen konnte, in die Lage versetzte, mit einem vorgewählten Wortschatz von 50 Wörtern und einer Rate von 15 Wörtern pro Minute zu kommunizieren.
Herausforderungen und Zukunftsperspektiven
Um Gehirn-Computer-Schnittstellen marktreif zu machen, muss jedoch eine maßgeschneiderte Technologie, die bislang lediglich an wenigen Menschen getestet wurde, in ein Produkt umgewandelt werden, das in großem Maßstab hergestellt, implantiert und verwendet werden kann. In umfangreichen Versuchen muss gezeigt werden, dass die Hirnimplantate auch außerhalb der Forschung funktionieren und den Alltag der Nutzer nachweislich verbessern - und das zu marktfähigen Preisen. Der Zeitplan für die Verwirklichung all dieser Ziele ist ungewiss, aber die Branche ist optimistisch.
Alternative Ansätze und Geräte
Neuro-Feedback mit Mendi
Mendi ist ein innovatives Gerät für Neuro-Feedback, das es ermöglicht, das Gehirn zu trainieren. Mittels Neuro-Feedback werden Gehirn-Aktivitäten über Computer (oder jetzt auch Smartphones) sichtbar und ermöglichen einem so die bisher unbewussten Aktivitäten gezielt steuern zu lernen. Mit gezielten Übungen trainieren wir unser Gehirn wie sonst im Fitness-Studio unsere Muskeln: wir können so gezielt Bereiche aufbauen, die für bessere Konzentration oder tieferen Schlaf zuständig sind.
Mendi verbindet das Neuro-Feedback-Training mit Lifestyle-Empfehlungen, die beide dann in Kombination zu verbesserter Gesundheit beitragen. Mittels kleiner Smartphone-Spiele führt man das Neuro-Feedback-Training durch und sieht in der App, wie sich das Gehirn durch das Training verändert. Man konzentriert sich während des Spiels auf den kleinen Ball und steuert so das Spiel. Dadurch wird der vordere Teil des Gehirns entsprechend mehr durchblutet, was mit einer Vielzahl von positiven Auswirkungen auf die Gesundheit einhergeht.
Gehirnimplantate mit Smartphone-Steuerung
Wissenschaftler des Korea Advanced Institute of Science and Technology (KAIST) haben ein neuartiges Gehirnimplantat entwickelt, das der Kontrolle von Hirnströmen dient und per Smartphone gesteuert werden kann. Die Wirkung des Implantats beruhe auf Lichtreizen, ausgelöst durch winzige, salzkorngroße LED-Lämpchen. Diese zielten auf ausgewählte Neuronen im Rahmen einer tiefen Hirnstimulation ab. Über eine spezielle Smartphone-App könnten programmierbare Lichtmuster in die Gehirnzellen befördert werden. Die Steuerung des Lichts erfolge in Echtzeit und ortsunabhängig. Das Implantat selbst bestehe aus besonders weichen, bio-konformen Polymeren. Die neue Version des Implantats sei nun voll implantierbar und verfüge über ein weiches optoelektronisches System, welches die kabellose und selektive Steuerung durch das Smartphone ermöglicht.
Risiken und Bedenken
Datensicherheit im Smart Home
Die Nutzung von Smart-Home-Produkten ist häufig mit einer umfangreichen Erhebung und Verarbeitung personenbezogener Daten verbunden. Üblicherweise werden Smart-Home-Geräte über eine App per Tablet oder Smartphone gesteuert. Für die Nutzung dieser Apps ist meist das Anlegen eines Benutzerkontos beim Anbieter erforderlich. Dazu gehören mitunter sensible Daten wie Videoaufnahmen aus der Wohnung, die von einer Überwachungskamera erstellt und übermittelt werden, Standortdaten, die bspw. ein Saugroboter übermittelt, und Sprachbefehle von smarten Lautsprechern.
Das BSI warnt, dass grundsätzlich alle internetfähigen Geräte potentielle Ziele für Cyber-Kriminelle sein können. Beim smarten Heim lassen sich insbesondere vier potentielle Gefahrenquellen ausmachen, die Angriffsflächen oder Einfallstore für Hacker bieten können: Geräte im Smart Home, Benutzerkonten, Datenübertragung und Speicherung der Nutzerdaten.
Ghost-Touch-Angriffe
Forscher haben gezeigt, dass Smartphones und Tablets über manipulierte USB-Ladebuchsen angegriffen werden können, um sogenannte Ghost-Touch-Eingaben zu erzeugen. Der Anschluss eines Smartphones oder Tablets an dieser Ladestation initiierte den Angriff, der zu Beginn als normales Ladesignal getarnt ist. Im ersten Schritt messen die Angreifer die Abtastfrequenz des Touchscreens über die Ladeverbindung - an diese wird dann das Angriffssignal angepasst.
tags: #gehirn #gesteuertes #handy