Neurotechnik für den Alltag Forscherteam der TU Berlin entwickelt mobile Hirnbildgebung

Anbieter zum Thema

KUMAVISION AG

PEAK-System Technik GmbH

Innovationsnetzwerk Gesundheit

Die Gehirnaktivität von Menschen in ihrer alltäglichen Umgebung zu messen und zu analysieren, ist das Ziel der Forschungsgruppe von Dr. Alexander von Lühmann am Berlin Institute for the Foundations of Learning and Data (BIFOLD) an der Technischen Universität Berlin (TU Berlin). Eine mobile und tragbare Neurotechnik, unterstützt durch maschinelles Lernen, soll dabei helfen.

Die Gehirnaktivität von Menschen in ihrer Alltagsumgebung zu vermessen und zu analysieren, das ist das Ziel der Forschungsgruppe von Dr. Alexander von Lühmann am Berlin Institute for the Foundations of Learning and Data (BIFOLD) an der Technischen Universität Berlin (TU Berlin). Von der Messung der Gehirnaktivität in einer konventionellen Laborumgebung bis hin zu der Messung dieser Aktivität in komplexen natürlichen Umgebungen ist es allerdings noch ein weiter Weg. Für dieses hochkomplexe Forschungsprojekt erhielt der Wissenschaftler jetzt einen ERC Starting Grant in Höhe von 1,65 Mio. Euro.

„Der Wandel hin zu einer validen Darstellung und Analyse der menschlichen Gehirnfunktion im normalen Leben wird neue wissenschaftliche Erkenntnisse und Durchbrüche in unserem Verständnis von neuronaler Entwicklung, Gesundheit und Altern liefern und die Translation in Medizin und Psychiatrie vorantreiben“, ist von Lühmann überzeugt.

Im Jahr 2022 kam der 36-jährige Wissenschaftler nach seiner Forschung in Boston und einer Rolle als Direktor der Forschungs- und Entwicklungsabteilung eines Berliner Medizintechnikunternehmens zurück an die TU Berlin und gründete am BIFOLD das IBS-Lab (Intelligent Biomedical Sensing). Schon im Rahmen seiner Dissertation beschäftigte er sich mit der Verbindung zwischen funktionaler Nahinfrarotspektroskopie (fNIRS) und Elektroenzephalographie (EEG) verbunden mit auf maschinellem Lernen basierenden multimodalen Analyseansätzen.

Das Gehirn in seiner natürlichen Umgebung verstehen

Das Fehlen geeigneter mobiler Neurotechniken stellt bislang ein erhebliches Hindernis da, wenn die Gehirnaktivität im Alltag überwacht werden soll. „Die funktionelle Magnetresonanztomographie (fMRT) hat unser Verständnis von Gehirnfunktionen und -netzwerken erheblich vorangebracht, ist jedoch auf Momentaufnahmen in nicht allzu natürlichen Laborsituationen beschränkt. Aber: Wir müssen das Gehirn in seiner natürlichen Umgebung besser verstehen. Elektroenzephalographie (EEG) ist zwar mobil, kann jedoch nicht direkt mit den durch fMRT erfassten Gehirnnetzwerken verknüpft werden“, erläutert von Lühmann den Status Quo.

Ziel sei es, eine kleine, mobile und tragbare Neurotechnik zu entwickeln, die in der Lage ist, kontinuierlich spezifische Gehirn-Netzwerkaktivitäten des Menschen in seiner natürlichen Umgebung zu messen. Dabei setzen von Lühmann und sein Team auf hochdichte diffuse optische Tomographie (HD-DOT), basierend auf Nahinfrarotlicht, als geeignete Alternative zu fMRT.

Sie entwickeln ein einzigartiges System-Engineering-Konzept, welches DOT, EEG und physiologische Sensoren miniaturisiert und mit multimodalem maschinellem Lernen integriert. Maschinelles Lernen soll dabei helfen, den räumlich-zeitlichen Kontrast in der mobilen Hirnbildgebung trotz schwierigen Umgebungsbedingungen zu verbessern.

Konzept besteht aus vier Phasen

Ihr Konzept sieht dabei vier Phasen vor: In der ersten Phase entwickeln sie die benötigte Hardware für die unaufdringliche und kontinuierlich tragbare Gehirn-Körper-Bildgebung mit HD-DOT-EEG. In der zweiten, experimentellen Phase planen sie umfangreiche multimodale Daten zu sammeln: Es sollen Gehirnnetzwerke gemessen und reproduziert werden, während die Komplexität von Umwelt- und physiologischen Artefakten kontrolliert erhöht wird. Phase drei ist der Analyse gewidmet. Multimodale Sensorfusion und maschinelles Lernen sollen die robuste Analyse der Gehirnnetzwerkaktivität in komplexen Alltagsumgebungen ermöglichen. In Phase 4 werden die neuen Techniken in einem Experiment zur Hirnbildgebung im realen Alltag validiert.

„Ich bin überzeugt davon, dass jetzt der richtige Zeitpunkt ist, das transformative Potenzial von tragbarem multimodalem DOT kombiniert mit multimodalen ML-basierten datengetriebenen Signalverarbeitungsmethoden zu bündeln. Wenn uns das gelingt, kann diese neue Plattform beispiellose Auswirkungen auf neurotechnische Anwendungen und die Forschung haben, von der Neurowissenschaft der Alltagswelt bis hin zu neuen Formen von digitaler Gesundheit“, sagt von Lühmann abschließend.

Dieser Artikel ist zuerst auf unserem Partnerportal www.elektronikpraxis.de erschienen.

(ID:50156950)