Neuronale Plastizität des Gehirns: Anpassungsfähigkeit und Veränderung

Das menschliche Gehirn ist ein faszinierendes Organ, dessen Leistungsfähigkeit und Komplexität uns immer wieder vor neue Rätsel stellt. Einer der Schlüsselaspekte, die seine außergewöhnlichen Fähigkeiten ermöglichen, ist die neuronale Plastizität. Dieser Artikel beleuchtet die verschiedenen Facetten der neuronalen Plastizität, ihre Mechanismen, Beispiele, Rolle in der Rehabilitation und die neuesten Erkenntnisse der Gehirnforschung.

Einführung in die Neuronale Plastizität

Neuronale Plastizität beschreibt die bemerkenswerte Fähigkeit des Gehirns, sich an Erfahrungen und Umweltbedingungen anzupassen. Diese Anpassungsfähigkeit ermöglicht es Nervenzellen, ihre Struktur und Funktion zu verändern, um effizient auf neue Informationen und Herausforderungen zu reagieren. Neuronale Plastizität ist die Eigenschaft des Gehirns, seine Struktur und Funktion als Reaktion auf Erfahrungen, Umweltveränderungen, Verhaltensänderungen oder Verletzungen zu verändern.

Diese Anpassungen können sowohl auf zellulärer Ebene als auch in größeren neuronalen Netzwerken stattfinden und sind grundlegend für Lernprozesse, Gedächtnisbildung und die Erholung von Hirnverletzungen. Die Fähigkeit zur neuronalen Plastizität nimmt mit dem Alter ab, bleibt jedoch ein Leben lang bestehen.

Typen der Neuronalen Plastizität

Es gibt verschiedene Formen der neuronalen Plastizität, die sich in ihren Mechanismen und Auswirkungen auf das Gehirn unterscheiden. Sie ermöglicht es dem Gehirn, sich durch Erfahrungen zu formen und neu zu organisieren. Diese Fähigkeit zur Anpassung und Umgestaltung ist entscheidend für das Verständnis, wie das Gehirn funktioniert. Die synaptische Plastizität verändert hierbei die Übertragungen und die Übertragungsstärke, während die kortikale Plastizität gewissermaßen die Netzwerkumgebung im Gehirn neu modelliert.

Mechanismen der Neuronalen Plastizität

Neuronale Plastizität umfasst mehrere Mechanismen:

Lesen Sie auch: Faszination Nesseltiere: Wie sie ohne Gehirn leben

• Synaptische Plastizität: Dies bezieht sich auf die Änderungen der Stärke oder Anzahl der Synapsen, die die Übertragung von Signalen zwischen Neuronen effizienter machen oder schwächen können. Bei der Langzeitpotenzierung (LTP) führen wiederholte Stimulationen zur Freisetzung von Glutamat, was die Empfindlichkeit der postsynaptischen Neuronen erhöht. Dabei kommt es zu einer verstärkten Reaktion auf künftige Stimuli, was das Lernen fördert.
• Strukturelle Plastizität: Veränderungen in der Anzahl und Form der Verbindungen zwischen Neuronen, was zu einer physischen Umgestaltung des neuronalen Netzwerks führt.
• Erholung und Anpassung: Nach Verletzungen kann Plastizität zur Wiederherstellung von Funktionen beitragen.

Neurotransmitter wie Glutamat spielen eine Schlüsselrolle bei der Modulation der synaptischen Stärke. Ein weiteres Beispiel sind die BDNF (Brain-Derived Neurotrophic Factor)-Proteine, die wesentlich für das Überleben und das Wachstum von Neuronen sind. Diese Proteine unterstützen die Bildung neuer synaptischer Verbindungen, insbesondere nach intensiven kognitiven Aufgaben oder körperlicher Aktivität. Das Verständnis dieser biochemischen Prozesse bietet wertvolle Einblicke in mögliche therapeutische Ansätze zur Behandlung von neurologischen Erkrankungen.

Neuronale Plastizität in Realen Situationen

Neuronale Plastizität zeigt sich in vielen realen Situationen. Diese Beispiele verdeutlichen, wie das Gehirn seine Fähigkeit zur Anpassung einsetzt, um auf neue Herausforderungen zu reagieren und Lernprozesse zu optimieren.

• Rehabilitation nach Schlaganfall: Nach einem Schlaganfall nutzen Therapeuten die Prinzipien der neuronalen Plastizität, um verlorene Funktionen durch gezielte Übungen wieder aufzubauen. Das Gehirn kann sich neu organisieren und alternative neuronale Pfade entwickeln, um beschädigte Bereiche zu kompensieren.
• Lernen von Sprachen: Beim Erlernen einer neuen Sprache formen sich im Gehirn neue Verbindungen. Es werden sowohl neue Vokabeln als auch grammatikalische Strukturen integriert, was die kognitive Flexibilität erhöht.
• Blinde-Flecken-Phänomen: Auch als neuronale Füllung bekannt, kompensiert das Gehirn Sehdefizite durch Umbildung der umliegenden visuellen Hirnregionen. Dies erleichtert blinden Menschen die Erkennung und Interpretation ihrer Umgebung.
• Musikalische Fähigkeiten: Ein eindrucksvolles Beispiel für neuronale Plastizität ist, wenn Pianisten durch stundenlanges Üben nicht nur ihre Fingerfertigkeiten verbessern, sondern auch das Hörvermögen und die Koordination im Gehirn stärken.

Neuronale Plastizität in der Musiktherapie

Musiktherapie nutzt die Prinzipien der neuronalen Plastizität, um therapeutische Effekte zu erzielen. Durch das Hören und Spielen von Musik werden verschiedene Gehirnregionen aktiviert, was positive Auswirkungen auf psychische und physische Gesundheit haben kann.

• Förderung der emotionalen Ausdrucksfähigkeit: Musik kann emotionale Blockaden lösen und zur emotionalen Heilung beitragen. Dies ist besonders nützlich bei Patienten mit Depressionen oder Angstzuständen.
• Verbesserung der motorischen Fähigkeiten: Patienten mit motorischen Beeinträchtigungen können Musik nutzen, um Rhythmus und Bewegungen zu koordinieren, wodurch sich motorische Fähigkeiten schrittweise verbessern.
• Kognitive Entwicklung: Musiktherapie kann auch die Konzentrationsfähigkeit und Gedächtnisleistung bei Kindern und Erwachsenen fördern, indem sie auf die Plastizität und Anpassungsfähigkeit des Gehirns wirkt.

In der Musiktherapie hat sich gezeigt, dass das Spielen von Instrumenten die Neuroplastizität intensiv stimuliert. Studien belegen, dass Musiker größere Mengen an grauer Substanz in bestimmten Gehirnregionen besitzen, die mit sensorischen, kognitiven und motorischen Fähigkeiten verbunden sind. Selbst passives Musikhören kann die neuronale Plastizität aktivieren und therapeutische Vorteile bieten.

Neuronale Plastizität und Gehirnforschung

Die Erforschung der neuronalen Plastizität ist ein spannendes Feld innerhalb der Neurowissenschaften. Es ermöglicht Wissenschaftlern, besser zu verstehen, wie das Gehirn seine Struktur und Funktion durch Lernprozesse und Erfahrungen verändert. Die Erkenntnisse aus dieser Forschung sind entscheidend für die Entwicklung neuer therapeutischer Ansätze.

Lesen Sie auch: Lesen Sie mehr über die neuesten Fortschritte in der Neurowissenschaft.

Aktuelle Studien zur Neuronalen Plastizität

Neue Studien zur neuronalen Plastizität haben gezeigt, dass:

• Regelmäßiges Üben von Aufgaben das Lernen verbessert und die neuronalen Verbindungen stärkt.
• Stress die Plastizität negativ beeinflussen kann, indem er die synaptische Funktion beeinträchtigt.
• Körperliche Aktivität die Freisetzung von neurotrophen Faktoren erhöht, die zur neuronalen Plastizität beitragen.
• Regelmäßige Meditationspraktiken die Struktur des Gehirns verändern können, insbesondere in Regionen, die mit Aufmerksamkeit und Emotionen verbunden sind.
• Neuroplastizität auch bei älteren Erwachsenen signifikant gefördert werden kann. Teilnehmer, die an einem intensiven Lernprogramm teilnahmen, zeigten eine bemerkenswerte Zunahme der grauen Substanz in Hirnregionen, die kognitive Funktionen unterstützen.

Solche Erkenntnisse unterstützen die Entwicklung neuer Bildungsstrategien und Therapien für neurodegenerative Erkrankungen.

Technologien zur Erforschung der Neuronalen Plastizität

Zur Untersuchung der neuronalen Plastizität nutzen Forscher verschiedene fortschrittliche Technologien:

• fMRT (funktionelle Magnetresonanztomographie): Diese Methode erlaubt es, die Aktivität in spezifischen Hirnregionen zu visualisieren, während Probanden Aufgaben ausführen.
• EEG (Elektroenzephalographie): Elektrische Aktivität des Gehirns wird gemessen, um Veränderungen in neuronalen Netzwerken zu beobachten.
• Optogenetik: Diese Technik nutzt Licht, um spezifische Neuronen gezielt zu stimulieren oder zu hemmen, was direkte Einblicke in die neuronale Funktion bietet.
• Künstliche Intelligenz: Die Anwendung künstlicher Intelligenz in der Gehirnforschung eröffnet neue Perspektiven zur Untersuchung der neuronalen Plastizität. Durch die Analyse großer Datenmengen von Hirnscans können Algorithmen Muster entdecken, die menschliche Forscher möglicherweise übersehen.

Neue bildgebende Verfahren haben die Entdeckung struktureller Veränderungen im Gehirn bei schnellen Lernprozessen ermöglicht.

Neuroplastizität und Rehabilitation

Die Fähigkeit des Gehirns, sich durch neuronale Plastizität anzupassen, spielt eine entscheidende Rolle in der Rehabilitation nach neurologischen Verletzungen. Insbesondere nach einem Schlaganfall bietet diese Anpassungsfähigkeit die Grundlage für die Wiederherstellung verlorener Funktionen und Fähigkeiten.

Lesen Sie auch: Tinnitus und Gehirnaktivität: Ein detaillierter Einblick

Neuroplastizität bei Schlaganfall-Rehabilitation

Ein Schlaganfall kann erhebliche Schäden im Gehirn verursachen, die physische und geistige Fähigkeiten beeinträchtigen. Doch dank der neuronalen Plastizität kann das Gehirn lernen, neue neuronale Pfade zu entwickeln, um beschädigte Regionen zu kompensieren.

Rehabilitationsprogramme konzentrieren sich oft auf:

• Physiotherapie: Fördert die motorische Plastizität durch gezielte Bewegungsübungen.
• Ergotherapie: Hilft beim Wiedererlangen von Alltagsfähigkeiten durch kognitive und physische Aufgaben.
• Sprachtherapie: Unterstützt die Reorganisation der neuronalen Netzwerke, die für Sprache und Kommunikation verantwortlich sind.

Gezielt eingesetzte Reizwiederholungen und die schrittweise Erhöhung der Trainingsintensität sind entscheidend, um das volle Potenzial der Neuroplastizität auszuschöpfen. Eine innovative Methode in der Schlaganfall-Rehabilitation ist die Spiegeltherapie, die Reflexionen nutzt, um betroffene Gliedmaßen zu stimulieren. Forschung zeigt, dass durch die visuelle Stimulation gesunder Gliedmaßen die neuronale Aktivierung beschleunigt werden kann. Der frühzeitige Beginn der Rehabilitation nach einem Schlaganfall maximiert die Effekte der neuronalen Plastizität.

Übungen zur Förderung der Neuronalen Plastizität während der Rehabilitation

Speziell entwickelte Übungen können die neuronale Plastizität unterstützen und die Heilung fördern. Diese Übungen sollten individuell an die Bedürfnisse des Patienten angepasst werden, um optimale Erholung zu gewährleisten.

Einige effektive Übungen beinhalten:

• Wiederholtes Greifen: Verbessert die Feinmotorik der Hände durch gezielte Bewegungswiederholungen.
• Gleichgewichtsübungen: Fördert die motorische Stabilität und das Vertrauen in die eigene Mobilität.
• Kognitive Spiele: Stimuliert die neuronalen Netzwerke, die für Gedächtnis und Problemlösungsfähigkeiten verantwortlich sind.
• Mentales Training: Patienten stellen sich visuell Bewegungen vor, um die neuronale Plastizität zu unterstützen.
• Virtual Reality (VR): Anwendungen führen Patienten durch simulierende Umgebungen, die das Training von Fähigkeiten in einer kontrollierten und interaktiven Weise ermöglichen.

Neuronale Netzwerke und Künstliche Intelligenz

Neuronale Netzwerke, sowohl biologischer Natur als auch in der künstlichen Intelligenz, verteilen Berechnungen auf Neuronen, um komplexe Aufgaben zu lösen. Neue Forschungen zeigen, wie sogenannte "kritische Zustände" genutzt werden können, um künstliche neuronalen Netze zu optimieren, die auf neuromorpher, vom Gehirn inspirierter Hardware laufen.

Komplexe Netzwerke entwickeln eine Vielzahl besonderer Eigenschaften, wenn sie sich an einem „kritischen Punkt“ befinden. In diesem Zustand, an dem Systeme ihr Verhalten schnell grundlegend ändern und z.B. zwischen Ordnung und Chaos oder zwischen Stabilität und Instabilität wechseln können, werden viele Recheneigenschaften maximiert. Aus diesem Grund wird allgemein angenommen, dass der kritische Zustand für jede Berechnung in rückgekoppelten neuronalen Netzen, die heute in einer Reihe von Anwendungen der künstlichen Intelligenz zum Einsatz kommen, optimal ist.

Forscher des HBP-Partners Universität Heidelberg und des Max-Planck-Instituts für Dynamik und Selbstorganisation stellten diese Annahme nun auf den Prüfstand. Sie testeten die Leistungsfähigkeit eines rückgekoppelten neuronalen Netzes, das Informationen wie das Gehirn in sogenannten „Spikes“ kodiert, in unterschiedlich komplexen Aufgaben und veränderten dabei den Abstand zum kritischen Punkt. Für die Studie nutzten die Forscher ein einzigartiges vom Gehirn inspiriertes, analoges Computersystem, das im Rahmen des Europäischen Human Brain Project in Heidelberg entwickelt wird. Ihr Netzwerk lief auf einem Prototyp des BrainScaleS-2 Systems, das über direkte auf dem Chip implementierte synaptische Plastizität verfügt.

Zunächst demonstrierten die Forscher, dass der Abstand zum kritischen Punkt im Chip leicht angepasst werden kann. Des Weiteren zeigten sie einen klaren Zusammenhang zwischen Kritikalität und dem Abschneiden des Systems bei den gestellten Aufgaben. Die allgemeine Annahme, dass Kritikalität für jede Aufgabe vorteilhaft sei, bestätigte sich dabei jedoch nicht: Während alle informationstheoretischen Messungen eine maximale Netzwerkkapazität im Falle kritischer Dynamik zeigten, profitierten tatsächlich nur die komplexen, speicherintensiven Aufgaben von diesem Zustand, während einfache Aufgaben sogar darunter litten.

Mechanistisch lässt sich der optimale Arbeitspunkt für jede Aufgabe sehr leicht durch Anpassung der mittleren Stärke des Eingangssignals einstellen. Die Theorie hinter diesem Mechanismus wurde erst kürzlich am Max-Planck-Institut für Dynamik und Selbstorganisation entwickelt.

Dieses Ergebnis könnte auch erklären, warum biologische neuronale Netze nicht unbedingt an einem kritischen Punkt operieren, sondern vielmehr in der dynamisch reichen Umgebung dieses Punktes in der sie ihre Recheneigenschaften auf die Anforderungen der Aufgabe abstimmen können.

Maschinelles Sehen und Ereignis-basierte Systeme

Maschinelles Sehen (Computer Vision, CV) ist ein großes Forschungsfeld, das sich damit befasst, wie Computer, ähnlich zum menschlichen visuellen Sehen, aussagekräftige Informationen aus digitalen Bildern oder Videos gewinnen. Die vorherrschende Technologie sind dabei künstliche neuronale Netze (Artificial Neural Networks, ANNs), die mittels eines Lernalgorithmus verschiedenste Aufgaben lösen können. Dieses sogenannte Frame-basierte Sehen (Frame-based Vision) wird bereits sehr erfolgreich in der Industrie eingesetzt, jedoch ist der Energieverbrauch um ein Vielfaches höher als der eines menschlichen Gehirns.

In den letzten Jahren entstand ein neues Forschungsfeld, das sich mit dieser Thematik auseinandersetzt: das sogenannte Ereignis-basierte Sehen (Event-based Vision), welches biologisch inspiriert ist. Weit verbreitete Bildkameras verarbeiten das über einen bestimmten Zeitabschnitt einfallende Licht, um digitale Bilder zu produzieren. Diese Bilder wiederum werden mit einer bestimmten Frequenz von ANNs eingelesen, um Muster zu erkennen und verschiedene Aufgaben zu lösen.

Maschinelles Sehen basierend auf Event-Daten ist eine neue Herangehensweise die, inspiriert von der Funktionsweise des menschlichen Sehens, diese Probleme nicht hat: Das menschliche Auge ist sehr empfindlich gegenüber schnellen Veränderungen, wohingegen das Gehirn stillstehende Gegenstände ignoriert. Diesen Mechanismus machen sich Event-Kameras zu Nutze und messen die lokale zeitliche Änderung der Helligkeit pro Pixelpunkt unabhängig und asynchron von anderen Pixelpunkten. Anstatt eine Bildsequenz mit konstanter Frequenz, erhält man als Ausgabe einen Strom an Ereignissen (Events), wobei jedes Ereignis den Zeitpunkt, den Ort und das Vorzeichen der Lichtänderung kodiert.

Vorteile dieser Informationsverarbeitung sind eine sehr geringe Latenzzeit im Mikrosekunden-Bereich, ein sehr geringer Energieverbrauch mit durchschnittlich wenigen Milliwatt und ein großer Dynamikbereich. Die hohe Energieeffizienz des menschlichen Gehirns resultiert vor allem aus seiner impulsgetriebenen Kommunikation. Diese Impulse sind spärlich (sparse) und asynchron, genauso wie die Ereignisse einer Event-Kamera.

Da sich das Format von Event-Daten grundsätzlich von dem von Bilddaten unterscheidet, müssen alternative Technologien entwickelt werden, die diese Eigenschaften von Event-Daten effizient verarbeiten und damit das hohe Potential von ereignisbasierten Sensoren nutzen können. Eine Möglichkeit ist die Verwendung einer neuen Generation von ANNs, den sogenannten gepulsten neuronalen Netzen (Spiking Neural Networks, SNN), welche die Struktur und Dynamik von biologischen Neuronen viel genauer modellieren als ANNs.

Ein weiterer Bestandteil von maschinellem Sehen basierend auf Event-Daten ist die neuromorphe Datenverarbeitung auf spezialisierter Hardware (Neuromorphic Processors). Genauso wie Event-Kameras und SNNs haben neuromorphe Prozessoren den Anspruch, sich mehr an der Rechenstärke des menschlichen Gehirns zu orientieren, indem sie versuchen, seine Struktur und Funktion zu imitieren.

Neuronale Netzwerke im Gehirn: Ein Dynamisches System

Das Gehirn besteht aus einem komplexen Netzwerk von Nervenzellen, die miteinander kommunizieren. Parallel arbeitende Netzwerksysteme sind das derzeit anerkannteste neurowissenschaftliche Modell, um die Funktionsweise des Gehirns zu beschreiben. Die komplexen Netzwerkstrukturen im Gehirn sind eine direkte Folge der Kommunikation der Nervenzellen mittels elektrischer Signale. Die Netzwerke ermöglichen die Entstehung komplexer Aktivitätsmuster durch eine koordinierte Erregung der Nervenzellen.

Gemäß dem aktuell anerkanntesten Modell, mit dem Neurowissenschaftler die Funktionsweise des Gehirns theoretisch erklären, sind die einzelnen Nervenzellen zunächst in kleinen Verbänden zusammengeschaltet, in so genannten Modulen. Mehrere dieser Schaltkreise bilden wiederum größere Cluster. Die Verbindungswege zwischen solchen Strukturen bezeichnen die Neurowissenschaftler als Pfade. Einige der Module bilden besonders wichtige Knotenpunkte im Netz, so genannte Hubs. Man kann sich das Gehirn also als ein System vorstellen, dessen grundlegende Bausteine sich in Ensembles verschiedener Größen organisieren, die wiederum miteinander verknüpft sind und so Netzwerke unterschiedlicher Größenordnungen bilden.

Ein derartiger Aufbau ist enorm effizient, da jede einzelne Nervenzelle Teil unterschiedlicher Gruppierungen und Schaltkreise ist - und somit auch mehrere Aufgaben übernehmen kann. Werden bestimmte Ensembles gerade nicht gebraucht, lassen sie sich aktiv ausschalten. Die Netzwerke können zudem parallel arbeiten und passen sich stets an neue Anforderungen an: Sie entwickeln sich gewissermaßen permanent weiter. Diese Weiterentwicklung ist ein direktes Resultat der Kommunikation einzelner Nervenzellen. Deren Sprache besteht aus elektrischen Impulsen, so genannten Aktionspotentialen, die beim Empfänger eine Erregung auslösen. Daraus ergeben sich Aktivitätsmuster, die jeweils eine bestimmte Bedeutung innehaben.

Neurowissenschaftler gehen davon aus, dass die komplexen Leistungen des Gehirns auf diesen wiederkehrenden elektrischen Schwingungsmustern basieren. Dabei lassen sich sowohl rhythmische Aktivität einzelner Hirnregionen beobachten als auch arealübergreifende.

Bereits seit vielen Jahrzehnten ist klar, dass verschiedene Hirnfunktionen in jeweils unterschiedlichen Bereichen und Strukturen des Organs verankert sind. Experten sprechen in diesem Zusammenhang vom Prinzip der „funktionellen Segregation“.

Obschon diese Grundordnung bereits bei der Geburt vorhanden ist, sind die Neugeborenen noch nicht zu komplexen kognitiven Leistungen fähig. Denn die Existenz der unterschiedlichen Areale allein reicht nicht aus, um vielfältige, voneinander abhängige Aufgaben zu bewältigen. Neurowissenschaftler nennen das die „funktionelle Vernetzung“ des Gehirns. Auch für dieses zweite Prinzip existieren zahlreiche Belege aus anatomischen Gehirnuntersuchungen.

Die Bildung der Netzwerkstrukturen geht dabei in erster Linie von den kleinsten Einheiten, den Nervenzellen, aus und wird mit der Hebbschen Regel erklärt: Wenn ein Neuron wiederholt angeregt wird und dadurch wiederum ein benachbartes Neuron stimuliert, bewirkt dies, vereinfacht ausgedrückt, dass die Verbindung zwischen den beiden stärker wird. Verbindungen können aber auch neu geschaffen werden (strukturelle Plastizität). Diese Fähigkeit des Gehirns kommt uns keineswegs nach dem Kindesalter abhanden, sondern bleibt ein Leben lang erhalten.

Ohne die neuronale Plastizität wäre es uns Menschen nicht möglich, die stets neuen Anforderungen des Lebens zu meistern: Sobald wir etwas Neues erlernen - sei es eine Vokabel, eine Rechenart oder einen Tanzschritt -, verändern sich insbesondere die Nervenzellverbindungen und zu einem gewissen Grad auch größere Strukturen. Besonders gut zu beobachten ist dies bei Menschen, die eine Tätigkeit regelmäßig ausüben und daher besonders gut beherrschen. Die Gehirnstruktur wird also durch jahrelanges Training geformt. Daneben zeigen Untersuchungen, dass sich komplette Hirnareale auch vollkommen neu orientieren können.

Trotz der beeindruckenden Anpassungsfähigkeit der Nervenzellen tut sich das Gehirn im Vergleich zu anderem Gewebe eher schwer damit, Verletzungen zu reparieren. Bis zu einem bestimmten Ausmaß gelingt dies, indem es neue Verbindungen zwischen noch funktionsfähigen Nervenzellen knüpft. Eine Regeneration im Gehirn findet wohl in erster Linie dadurch statt, dass bereits existente Nervenzellen die Aufgaben der verlorenen Neuronen übernehmen. Wenn man so will, sind es also insbesondere die anpassungsfähigen und wandelbaren Netzwerkstrukturen, die die Besonderheit der menschlichen Schaltzentrale ausmachen.

Neuronale Plastizität und Numerisches Lernen

Medienbasierte Trainings erhöhten die Stärke und Leitfähigkeit von Fasern, die mit dem Langzeitgedächtnis verbunden sind. Forscher haben herausgefunden: Durch ein kurzes und intensives Rechentraining werden die neuronalen Verbindungen zwischen wichtigen Regionen im Gehirn im Erwachsenenalter stärker. Diese neuronale Plastizität durch numerisches Lernen war bereits nach nur fünf Trainingseinheiten nachweisbar.

Durch das Training veränderte sich das Netzwerk aus Gehirnarealen, das zur Lösung einer Aufgabe aktiviert wurde. Das Rechentraining konnte nicht nur erfolgreich die Leistung der Teilnehmenden verbessern, sondern es gelang auch festzustellen, wie dieser Lernprozess auf neuronaler Ebene vonstattengeht. Es wurde beobachtet, dass das Training die funktionelle Aktivierung in Gehirnarealen erhöht, die mit dem Abruf von Fakten aus dem Langzeitgedächtnis assoziiert sind. Es konnte gezeigt werden, dass sich durch das Training auch die strukturelle Anbindung dieser Areale über Faserverbindungen verstärkt hat und dies mit erfolgreichem Lernen einherging.

Diese Veränderung auf neuronaler Ebene zeigt an sich, dass bereits kurze kognitive Trainings plastische Prozesse im Gehirn induzieren können. Damit geben die Ergebnisse nicht nur Aufschluss darüber, wie sich Lernprozesse im Gehirn mani-festieren, sondern zeigen auch das Potenzial neurokognitiver Plastizität im Erwachsenenalter.

Plastizität und Stabilität im Gehirn: Ein Zusammenspiel

Das Gehirn berechnet aus den Sinnesinformationen ein Bild der Umwelt. Verändern sich die Eingangssignale, zum Beispiel durch eine Verletzung, kann sich das Gehirn anpassen. Im Idealfall kehrt es zu seinem ursprünglichen Aktivitätsmuster zurück, wenn die Störung behoben ist. Neue Ergebnisse zeigen nun, dass Nervenzellen dabei wieder zu ihrem Ausgangszustand zurückfinden und dass diese Plastizität in verschiedenen Gehirnbereichen stattfinden kann.

Während das kindliche Gehirn die Regeln der Umwelt erst noch erlernen muss, weiß das erwachsene Gehirn, was es erwarten kann, und verarbeitet Umweltreize weitgehend gleichbleibend. Doch auch das erwachsene Gehirn ist zeitlebens in der Lage, auf Veränderungen zu reagieren, neue Erinnerungen zu bilden und zu lernen - es ist "plastisch". Forschungsergebnisse der letzten Jahre haben gezeigt, dass Veränderungen in den Verbindungen zwischen den einzelnen Nervenzellen die Grundlage dieser Plastizität sind.

Jede der rund 100 Milliarden Nervenzellen in unserem Gehirn ist über tausende Kontaktstellen, den Synapsen, mit ihren Nachbarzellen verbunden. Es wurde gezeigt, dass Nervenzellen neue Verbindungen miteinander eingehen, wenn neue Informationen verarbeitet werden müssen. Lernen scheint also einherzugehen mit einer "Neuverdrahtung" vorhandener Nervenzellen: so bilden sich etwa im Gehirn von Mäusen, die lernen, neue Synapsen; die neue Information wird gespeichert.

Ein dauerhaft plastisches Gehirn, das konstant Neues lernt und neue Verbindungen auf- und abbaut, ist jedoch nicht notwendigerweise nur vorteilhaft. Nur eine gewisse Konstanz und Dauerhaftigkeit neuronaler Antworten ermöglicht ein reproduzierbares Verhalten. Nicht zuletzt deswegen gibt es in der Hirnentwicklung der meisten Säugetiere eine sogenannte "kritische Phase" in der frühen Entwicklung, während der das Gehirn besonders plastisch ist. Im erwachsenen Gehirn ist die Plastizität dagegen wesentlich geringer. Nichtsdestotrotz verändern sich auch im erwachsenen Gehirn bei jedem Lernvorgang die Schaltkreise.

Indem die Forscher die Axone sozusagen als "Antennen" für die Aktivität der thalamischen Zellen nutzten, konnten sie erstmals verfolgen, was in dieser tiefen Hirnstruktur während des Lernens passiert. Die Untersuchungen zeigten, dass einige klassische Grundannahmen nicht zutreffen. Entgegen bestehender Theorien zeigte sich, dass bereits im Thalamus ein Teil der Zellen Signale beider Augen miteinander verrechnet. Noch unerwarteter war jedoch die Tatsache, dass ein zeitweiliger Verschluss eines Auges sehr wohl zu ausgeprägten Veränderungen in der Stärke der Antwort auf visuelle Stimulation der beiden Augen führte.

tags: #gehirn #neuronales #netz #veranderung