01b-schleim-walter-2007-nhk-gedankenlesen.html

Gedankenlesen mit dem Hirnscanner?

Das Thema in Kürze

• Nicht nur mit unseren angeborenen und erlerntenbiologischen Mitteln, sondern auch durch Methoden der Hirnforschung können wir versu­chen, bestimmte Gedanken zu lesen.

• Die Ergebnisse der bildgebenden Hirnforschungeröffnen die Möglich­keit, aus Beobachtung der individuel­len Hirnaktivierung auf einen vorlie­genden mentalen Prozess zu schlie­ßen.

• Unter Organisation von Forschern der UniversitätPittsburgh findet in die­sem Jahr schon der zweite „Brain In­terpretation"-Wettbewerb statt.

• Den wesentlichen Fortschritt bieten neuen Auswerteverfahren,die nach spezifischen, räumlich verteilten Mustern in den Signalen der neurona­len Aktivität suchen.

• Diese Verfahren rücken den Gedan­ken näher, unterliegen jedoch auch selbst noch methodischen und kon­zeptionellen Einschränkungen.

• Insbesondere fehlen noch die theo­retischenRahmenbedingungen, um sich die konkrete Bedeutung der ge­fundenen Muster zu erschließen.

Eine der fundamentalen Annahmen der Hirnforschungist, dass geistige Prozesse im Gehirn realisiert sind. Die bildgebenden Verfahren,allen voran die funktionelle Magnetresonanztomographie (fMRT) seit den 1990erJahren, haben es er­möglicht, diese Denkprozesse genauer zu erforschenals mit vorherigen Methoden, et­wa elektrophysiologischen Ableitungen oderElektroenzephalogrammen. So kommt es, dass man inzwischen schon von der ko­gnitivenNeurowissenschaft als eigener Dis­ziplin spricht, die es sich zum Zielgesetzt hat, die neuronalen Grundlagen des Den­kens zu enthüllen. Mit Gedankenlesenhat das zunächst noch nichts zu tun, doch stellt sich die Frage, wann die Methodenweit ge­nug fortgeschritten sein werden, um bei­spielsweise einen bestimmten Denkprozess im Gehirn sichtbar zu machen oder gar zu entschlüsseln.

Gedankenleser von Natur aus

Diese Idee entstammt dabei keineswegs der Science-Fiction-Literatur.Schließlich sind wir alle von Natur aus mit der (allerdings begrenzten) Fähigkeitausgestattet, zu er­kennen, was gerade im Inneren eines Ge­genübersvor sich geht. In diesem Zusam­menhang spricht man auch in der For­schungsliteraturvon „mind reading" (1-4). Was die neuronalen Grundlagen dieser auch „theory of mind" oder „mentalizing" ge­nannten Fähigkeiten sind, ist schon ausführ­lich in MRT-Studien untersucht worden (5-9). Interessant ist, dass bei den Aufgaben des natürlichen Gedankenlesens ein ähn­liches Netzwerk von Hirnregionen aktiviert zu sein scheint wie auch beim Lösen mora­lischer Probleme (10) oder selbstbezogener Aufgaben (11, 12). Für die klinische For­schung ist etwa relevant, dass Patienten mit autistischer Störung bei diesen Aufgaben behaviorale Defizite zeigen, die in jüngster Zeit auch mit bildgebenden Verfahren untersucht wurden (13-16). Unterschiede zu gesunden Versuchspersonen wurden dabei beispielsweise im sogenannten Spiegelneu-ronsystem festgestellt, das wiederum als plausibler Kandidat für unsere Fähigkeit ge­handelt wird, uns gedanklich in andere hi­neinzuversetzen (1,17).

Jenseits unserer natürlichen Fähigkeiten versuchenHirnforscher mithilfe ihrer Messdaten vorherzusagen, welcher kogniti­veProzess gerade in einer Versuchsperson vorgeht. Einen frühen Versuch hierzuunter­nahmen Kathleen O'Craven und Nancy Kanwisher bereits 2000. Sie zeigtenPro­banden im Hirnscanner Bilder von Gesich­tern und Plätzen und batensie in einem zweiten Experiment, sich zu bestimmten Zeitpunkten diese Objektelediglich vor­zustellen. Dabei machten sich die Forsche­rinnen diehohe funktionale Spezifizität zweier Hirnregionen zu Nutze, die auf eben dieseStimuli, Gesichter und Plätze, beson­ders stark reagieren: das sogenanntefusifor-me Gesichtsareal (FFA) im ventralen okzi-pito-temporalen Kortex sowieein weiter vorne und innen im kollateralen Sulkus ge­legenes kortikalesAreal, das als parahippo-campale Platzregion (PPA) bezeichnet wird. Bei derAuswertung der gemessenen BOLD-Signale, die ein Indikator für die neuronaleAktivität sind, konnten sie an­hand der individuellen Signalverläufe, alsoden MRT-Rohdaten, hinterher bestimmen, wann eine Versuchsperson ein Gesichtsah und wann einen Platz, da für erstere die Sig­nale in der FFA im Mittelum 1,94%, für letztere in der PPA um 0,91% höher waren (18). Interessanterweisegelang ihnen dies selbst dann, wenn die Probanden sich Ge­sichter oderPlätze einfach nur vorstellten (0,72 beziehungsweise 0,69%). Ein externer Gutachter,der nicht in die experimentelle Prozedur eingeweiht war, konnte anhand dieserSignalverläufe mit 85%iger Genau­igkeit bestimmen, wann sich eine Versuchs­persongerade ein Gesicht und wann einen Platz vorstellte. Da es genau zwei Möglich­keitengab, liegt dieses Ergebnis deutlich über dem Zufallswert von 50%. O'Cravenund Kanwisher ziehen aus diesen Ergebnissen die weitreichenden Schlüsse, dass„der Inhalt einzelner mentaler Ereignisse mit ei­ner hohen Genauigkeitanhand der fMRT-Rohdaten bestimmt werden konnte" und „der Traum davon,neuronale Korrelate ein­zelner und diskreter mentaler Ereignisse" nun„Realität geworden ist" (18: 1019). Wenn man beispielsweise bedenkt, dassdie Unterscheidung nur sehr grobkörnig für die allgemeinen Kategorien der Gesichterund Plätze funktionierte und nicht für bestimm­te Gesichter, etwa das vonAlbert Einstein gegenüber dem Angela Merkels, und dass es in ihrem Experimentaußer den beiden Ziel­klassen keine Kontrollkategorie gab, zum Beispielmit Alltagsgegenständen oder Tier­fotos, dann würden wohl nicht nur kritischephilosophische Begutachter, sondern auch ihre neurowissenschaftlichen Kollegendie Schlussfolgerungen als zu hoch gegriffen zurückweisen. O'Craven und Kanwisherkam für ihr Experiment also die Hirnphy­siologie entgegen, denn nur dasVorhanden­sein so hoch spezialisierter Regionen wie FFA und PPA haben dieVorhersage anhand der fMRT-Daten mit ihrer einfachen Metho­de erlaubt.Andere Untersuchungen haben zudem gezeigt, dass die FFA nicht aus­schließlichbei Gesichtern, sondern auch Bildern bestimmter emotionaler Valenz ak­tiviertist (19). Kanwishers Theorie über die Gesichtsspezifizität der FFA widersprechenaußerdem starke Aktivierungen für Bilder von Autos, die man bei Autoexpertengefun­den hat, oder für Bilder von Vögeln, die man bei Ornithologen gefundenhat (20). Damit würde die FFA also nicht nur spezifisch für Gesichter aktiviert,sondern generell für al­le Stimuli, für die eine Versuchsperson eine bestimmteExpertise entwickelt hat (21). Allerdings: Inzwischen weiß man aus Un­tersuchungenmit Einzelzellableitungen bei Epilepsiepatienten, dass individuelle Ge­sichter,etwa das der Schauspielerin Jennifer Aniston, unabhängig von der konkretenBe­trachtungsperspektive im medialen Tempo­rallappen von Menschen ganzspezifische neuronale Feuerungsmuster hervorrufen (22). Eine Unterscheidungvon gesehenen oder vorgestellten individuellen Gesichtern auf dieser feinkörnigen Ebene scheint damit zumindest prinzipiell möglich.

Kino im Hirnscanner

Einen anderen Gedanken verfolgten Uri Hasson undRafael Malach mit ihren Kolle­gen. Sie zeigten fünf Versuchspersonen imHirnscanner einfach eine halbe Stunde lang einen Ausschnitt des Westernklassikers„Zwei glorreiche Halunken" mit Clint East-wood in der Hauptrolle. Mitden gemesse­nen Hirndaten wollten sie anschließend die zwei Fragen untersuchen,ob man die Sig­nale einer Versuchsperson benutzen kann, die Hirnaktivitätder anderen vorherzusa­gen, und ob man in einer umgekehrten Kor­relationdie Messdaten dafür verwenden kann, bestimmte Filmszenen zu identifizie­ren,die gemeinsame Hirnaktivierungen hervorrufen. Zur Beantwortung der ersten Frageverglichen sie die zehn möglichen Kombinationen der aufgenommenen Hirn­aktivierungzwischen den Versuchsper­sonen, nachdem ihre Aufnahmen in den standardisiertenTalairach-Raum transfor­miert worden waren. Im Mittel fanden sie dabeieine Korrelation zwischen den Perso­nen von knapp 30% (23). Interessanterweisebeschränkten sich diese Korrelationen je­doch nicht nur auf die visuellenund audito­rischen Kortizes, sondern erstreckten sich auch auf höhere gesichts-,platz- oder ob­jektbezogene Areale. Um zu überprüfen, ob diese Übereinstimmungnicht nur auf Stör­signale des Scanners zurückzuführen ist, stellten dieForscher einen ähnlichen Ver­gleich für eine Ruhebedingung an, in denendie Versuchspersonen nur einen schwarzen Bildschirm gesehen hatten. Hier korrelier-tenjedoch weniger als 3% der Signale mit­einander. Zur Beantwortung der zweitenFrage mittelten sie die Zeitverläufe der Messdaten der fünf Probanden und wähltendie maximalen Amplituden für ausgewählte Hirnareale aus. Für die schon erwähntenFFA und PPA ergab sich dabei, dass alle der 16 Maxima in der FFA bei Szenenauftraten, die hauptsächlich die Gesichter der Schau­spieler in Großaufnahmezeigten und 12 der 16 Maxima in der PPA mit der Darstellung von Plätzen im Zusammenhang standen. Bei 15 der 16 Aktivierungsmaxima einer

anderen Region, dem postzentralen Sulkus, konntensie eine Spezifizierung für schwie­rige Fingerbewegungen nachweisen, etwawenn einer der Ganoven seinen Revolver lud. Dies macht insofern Sinn, als dieseRe­gion mit der Körperwahrnehmung assozi­iert ist. So gelang es Hassonund Malach durch ihre Rückwärtskorrelation, Filmsze­nen zusammenstellen, die für eine starke Aktivierung in ausgewählten Hirnarealen sorgten.

Diese Studie hat zwar nur am Rande mit Gedankenlesenzu tun, zeigt aber zumin­dest, dass die physiologischen Grundbedin­gungenfür die Interpretation gemessener Hirnaktivität günstig sind. So ist es auchkaum überraschend, dass Hassons und Ma­lachs Untersuchung einen „BrainInterpre­tation"-Wettbewerb inspiriert hat, der letz­tes Jahrauf der „Human Brain Map-ping"-Konferenz in Florenz zum ersten Mal ausgetragenwurde (24,25). Statt eines Wes-terns wählten die US-amerikanischen For­schervon der Universität Pittsburgh, die den Wettbewerb organisierten, Szenen ausder Heimwerker-Kömodie „Hör mal, wer da hämmert". Drei Versuchspersonenwurden jeweils drei 25-minütige Sequenzen dieser Fernsehserie gezeigt, währendein MRT-Scanner ihre Hirnaktivierung aufzeichnete. Anschließend mussten dieProbanden ent­lang zwölf ausgewählter Kategorien noch Auskunft über denInhalt der Filmszenen er­teilen und zum Beispiel bestimmen, ob der Ausschnittmit Musik untermalt war oder in der Szene gesprochen wurde. Die Daten der erstenbeiden MRT-Durchgänge wurden dann zusammen mit den Bewertungen der Versuchspersonenden Teilnehmern des Wettbewerbs zugänglich gemacht. Der drit­te Datensatzwurde jedoch ohne diese Zu­satzinformation verteilt und es galt, alleinanhand der Hirnaktivierung zu rekonstruie­ren, was die Versuchspersonenwährend die­ses Durchgangs gesehen und erlebt hatten. Das Preisgeld inHöhe von 10000 Dollar konnte eine Gruppe italienischer Informati­ker gewinnen.Emanuele Olivetti und seine Kollegen von der Universität Trento wuss­tenzwar nichts über das Gehirn, als sie mit ihrer Arbeit für den Wettbewerb begannen,sind dafür aber Experten im Umgang mit großen Datenmengen und kennen sich mitAlgorithmen des Maschinenlernens und der künstlichen Intelligenz bestens aus.Ihr Pro­gramm, das sie auf einem Supercomputer die vielen Millionen gemessenenDaten­punkte (Voxel) der Versuchspersonen aus Pittsburgh analysieren ließen,konnte schließlich für einige Kategorien mit bis zu 84%iger Trefferquote dieAngaben der Pro­banden für die dritte Videosequenz bestim­men. Besondersgut klappte es für Musik und Sprache, weniger Erfolg hatten sie je­dochmit der Bestimmung der Gefühle, in welche die Szenen die Betrachter versetzthatten, sowie für den Grad der Aufmerk­samkeit, den sie ihnen widmeten.Gänzlich scheiterte ihre Rekonstruktion jedoch für den Punkt, ob in der Szenegegessen wurde. Auch den zweiten oder dritten Preis gewan­nen eher Fachfremde:Physiker, Mathemati­ker, Informatiker, aber keine Hirnforscher. Diese mussteman unter den ersten zehn Plätzen der insgesamt 44 teilnehmenden Teams mitMühe suchen. Vielleicht war der Unterschied zwischen den normalerweise in Experimentenverwendeten einfachen vi­suellen oder auditorischen Stimuli zu den komplexenFilmszenen einfach zu groß. Tatsächlich beraubten die Hirnforscher mit zusätzlichenAnnahmen, die auf jahrzehnte­langer neurowissenschaftlicher Arbeit gründen,ihre statistischen Modelle zahlrei­cher Freiheitsgrade. Mit den Schätzungender Teams, die einfach nur die mächtigsten statistischen Verfahren auf dieDaten loslie­ßen, konnten sie nicht mithalten. Dabei war es das ausdrücklichformulierte Ziel der Or­ganisatoren des Wettbewerbs, das Verständ­nisdarüber zu vergrößern, wie das Gehirn komplexe Informationen verarbeitet. Tat­sächlicherntete man von den Gewinner­teams aber nur betretenes Schweigen auf dieFrage, was ihre Lösungsansätze über das Gehirn verraten. Vielleicht haben dieOrga­nisatoren deshalb auch für die zweite Runde des Wettbewerbs (26),die am 23. März star­tete, einen besonderen „Neuroscience Pri-ce" vorgesehen, um diesmal wenigstens ei­ne Gruppe auszeichnen zu können, welche die neurowissenschaftliche Forschung vo­ranbringt. Die Preisverleihung wird übri­gens am 14. Juni auf der diesjährigen „Hu­man Brain Mapping"-Konferenz in Chicago stattfinden.

Neue Methoden zum Gedankenlesen

Auch wenn die Hirnforscher nicht unter den erstenPlätzen des „Brain-Interpretati-on"-Wettbewerbs vertreten waren, bewegtsich doch einiges an der Forschungsspitze der kognitiven Neurowissenschaft,um die neuronalen Grundlagen von Denkprozessen zu verstehen. Neuere multivariateAuswert­methoden beschränken sich nicht darauf, gemittelte Signalstärkeeinzelner Voxel oder Regionen auf ihre Korrelation mit einem Stimulus odereiner Aufgabe zu unter­suchen. Stattdessen suchen sie in Gehirn­aufnahmeneiner bestimmten Zeitspanne nach spezifischen Mustern aktivierter Voxel ineinem bestimmten Hirnbereich. Diese Er­gebnisse können dabei helfen, ungelöste Fragen der neuronalen Informationsverarbeitung zu lösen, beispielsweise ob dieseeher modular und lokal funktioniert (27,28) oder holistisch und räumlich verteilt(29, 30). Die Verfahren, die dabei zum Einsatz kommen, werden schon bei zahlreichenpraktischen Anwendungen zur Muster­erkennung verwendet, etwa der automati­schenGesichtserkennung oder der Analyse von DNA-Information. Dabei funktionierendie Auswerteprogramme, zum Beispiel die „Support Vector Machines" (SVM)(31, 32), nach dem folgenden Verfahren: Zu­nächst sucht der Algorithmusmit einer Rei­he von Trainingsdatensätzen nach Zusam­menhängen in derAktivierung der einzel­nen Datenpunkte, dem Muster. Dafür muss man jedochnicht nur die Datenpunkte selbst, sondern auch Information darüber in das Systemfüttern, welche experimentelle Bedingung zu welchen Daten gehört. Ist die Trainingsphaseabgeschlossen, verwendet man idealerweise einen neuen Datensatz, um die Klassifikationdes Algorithmus zu überprüfen. Hat dieser für bestimmte Da­tenpunkte einMuster erkannt, wird er mit einer gewissen Wahrscheinlichkeit bestim­menkönnen, welche experimentelle Bedin­gung bei der Aufnahme dieses Datensatzesvorlag. Gelingt das mit hoher Genauigkeit, so kann man darauf schließen, dassdas Muster der neuronalen Verarbeitung an die­sem Ort, über mehrere Datenpunkte verteilt, spezifisch mit der experimentellen Aufgabe verbunden ist (Abb. 1).

Konkret haben David Cox und Robert Savoy dies beispielsweisemit zehn verschiedenen Objektkategorien durchgeführt, zu denen jeweilszwölf graustufige Fotos gehörten. Den Versuchspersonen wurden in Blöcken von20 Sekunden Länge zehn zufällig gewählte Fotos aus einer dieser Kate­goriengezeigt, beispielsweise zehn Fotos von Teekannen, Gartenzwergen, Kühen oderPferden. Zusätzlich zum Betrachten bekamen die Versuchspersonen noch die Aufgabe,jedes der gezeigten Objekte ge­danklich zu benennen. In ihrem ersten Ex­perimentnahmen sie die Trainings- und Testdatensätze mehrere Tage oder gar Wo­chengetrennt voneinander auf. Dabei sollte eine bestimmte Liegevorrichtung sicher­stellen,dass sich die Köpfe der Versuchs­personen an etwa derselben Stelle undin derselben räumlichen Ausrichtung befan­den. Nach dem Training konntedie SVM schon mit nur 50 frei aus dem Gehirn ge­wählten Datenpunkten mit85%iger Genau­igkeit bestimmen, zu welcher Kategorie die gesehenen Objekteaus einem der Testblö­cke gehören (31). Schränkt man dabei die Auswahlder Datenpunkte auf objektspezi­fische kortikale Areale ein, sinkt dieErken­nungsrate auf 41%, was jedoch immer noch deutlich höher ist als derZufallswert von 10%. Diese Werte variieren aber stark zwi­schen den Versuchspersonen.Bei einer zweiten wurden nur 58% beziehungsweise 33% Genauigkeit erzielt. Dochliegen auch diese Ergebnisse noch höher als der Zufall. In ihrem zweiten Experimentgingen Cox und Savoy noch einen Schritt weiter. Diesmal teilten sie dieFotos der zehn Objektka­tegorien in jeweils zwei Hälften: sechs Fotos fürdie Trainingsmessungen und sechs ande­re für die Testdurchläufe. Das heißt,diesmal sollte die SVM eine Zuordnung für Hirnda­ten treffen, die beimBetrachten von Fotos entstanden war, die zwar zur selben Katego­rie gehörten,jedoch vorher noch nicht ge­zeigt wurden. Auch in diesem Fall gelang dieErkennung mit 59 bis 97%iger Genauig­keit für die Versuchspersonen, beziehungs­weise29 bis 55%iger, wenn man die Aus­wahl der Datenpunkte wieder auf objektspe­zifischekortikale Areale beschränkte. Das heißt, die Musterkennung konnte bestimmte ...

Abb. l Neuere Auswertverfahren suchen nicht nachein­zelnen Bildpunkten, welche möglichst gut mit dem experi­mentellenDesign korrelieren, sondern überprüfen räum­lich verteilte Bildpunkte auf spezifische Zusammenhänge ihrer Aktivierung, das Muster.

… Invarianten in den gemessenen Daten iden­tifizieren,die einerseits über die Messzeit­punkte (Tage bis Wochen) oder andererseitsüber die jeweiligen Fotos hinweg (alte und neue Fotos einer Objektkategorie)generali­siert waren. Die Forscher werten dies als Hinweis darauf, dassdie Objektrepräsenta­tion im Gehirn auf räumlich verteilte Weise geschieht, denn sonst würden die gewonne­nen Muster keine so gute Vorhersage er­möglichen.

Verrate mir deine Absichten...

Mit einem anderen Versuchsaufbau mach­ten kürzlichJohn-Dylan Haynes und seine Kollegen auf sich aufmerksam, die auch schon zuvoreinige Studien mit den Metho­den der Mustererkennung durchgeführt hat­ten(33-36). Diesmal sollten sich ihre Ver­suchspersonen überlegen, ob sielieber eine Addition oder eine Subtraktion durchführen möchten und ihre Absicht(Intention) für 3 bis 12 Sekunden lang aufrechterhalten. An­schließendbekamen sie auf einem Bild­schirm zwei Zahlen präsentiert, mit denen siedie ausgesuchte mathematische Operati­on durchführen sollten. Auf dem letztenBildschirm waren vier Zahlen abgebildet, von denen zwei das jeweilige Ergebnisder Addition oder Subtraktion darstellten und zwei zufällig dazu gemischt wurden.Jetzt sollten die Probanden wählen, welches das Ergebnis ihrer Rechnung war,sodass die Forscher eine Information darüber beka­men, was die vorherigeIntention gewesen war. Aus der multivariaten Analyse der Da­ten währendder Phase, als die Versuchsper­sonen ihre Absicht aufrecht erhalten sollten,konnten die Forscher mit 71 %iger Genauig­keit aus Aktivierungen im anteriorenmedia­len präfrontalen Kortex (MPFC) bestim­men, ob sie sich für eineAddition oder Sub­traktion entschieden hatten (37). Interessan­terweisehalfen die Daten dieser Region während der Durchführung der Rechenauf­gabegar nicht bei der Bestimmung der Ab­sicht, dafür aber eine weiter posteriorgele­gene Zone des MPFC. Mit etwas geringerer Genauigkeit fanden die Forscherauch noch Muster im linken lateralen frontopolaren Kortex, dem linken inferiorenfrontalen Sulkus, sowie dem rechten mittleren frontalen Gyrus und dem linkenfrontalen Operkulum. In allen diesen Bereichen lag die Ge­nauigkeit derVorhersage deutlich über 60%. Der Frage, wie eine Absicht im Gehirn verarbeitetwird, fühlen sich die Forscher mit ihrem Ergebnis deutlich näher gekom­menals vorherige Studien, die mit her­kömmlichen Methoden lediglich zeigenkonnten, dass im präfrontalen Kortex stär­kere neuronale Aktivierung vorlag.Ob die­se mit der genauen Intention oder nur mit ei­ner unspezifischenVorbereitung der Aufga­be in Verbindung stehe, könne man damit nicht beurteilen.Interessant ist in diesem Zusammenhang auch, dass Haynes und sei­ne Kollegenin ihrer Zielregion im MPFC keine allgemein stärkere BOLD-Aktivie-rung messenkonnten. Denoch werden die beiden Intentionen dort nicht in Form eines allgemeinenAnstiegs neuronaler Aktivität an einer Stelle, sondern eines unterschiedli­chenräumlichen Musters in der Aktivität verarbeitet, wie es eben nur die multivaria­ten Analyseverfahren erkennen können.

Dabei stellt sich die Frage, wie nah diese Fundean der wirklichen Intention sind. Den guten räumlichen und zeitlichen Eigen­schaftender fMRT zum Trotz repräsentiert ein einziges gemessenes Voxel in Haynes' Studieca. 250 000 Neuronen und ihre Dy­namik über einen Zeitraum über 2700 Milli­sekunden(Time of Repetition). Angesichts dieser - in neuronalen Dimensionen gespro­chen- groben Auflösung sind die Ergebnis­se mithilfe der Mustererkennung jedocher­staunlich und zeigen, dass die herkömm­lichen univariaten Verfahrendie Aus­sagekraft des BOLD-Signals bei weitem nicht ausschöpfen. Auch istes schwer, die genaue Bedeutung eines solchen Musters zu verstehen. Zwar könnenwir es durchaus vi­suell darstellen, doch sehen wir ihm mit dem heutigenWissen nicht an, ob es nun ei­ne Addition oder eine Subtraktion repräsen­tiert.Tatsächlich könnte man uns irgendein Muster zeigen und wir könnten dieses nichtvon denen unterscheiden, die aus den wirk­lichen Messdaten stammen. Dennochstellt die Arbeit von Haynes und anderen Hirnfor­schern, die mit diesenMethoden arbeiten (38, 39), einen wichtigen Schritt zum Ver­ständnis vonIntentionen, Absichten und Meinungen dar, die für unser soziales und gedankliches Alltagsleben eine entschei­dende Rolle spielen.

Wir können auch davon ausgehen, dass diese Methodeneine Reihe praktischer An­wendungen nach sich ziehen werden. Dabei mussman nicht nur an die Chance für Pa­tienten denken, die beispielsweise aneiner amyotrophen Lateralsklerose erkrankt und deshalb bewegungslos in ihremKörper ge­fangen sind. Diesen Menschen könnten Me­thoden des Gedankenlesenseines Tages ei­ne komfortable Schnittstelle zur computer­vermitteltenKommunikation mit der Au­ßenwelt bieten. Man muss auch kritisch be­obachten,dass Methoden der Mustererken­nung schon zur Lügendetektion (40) ver­wendetwurden und sich dadurch eine neue Diskussion über die Zulässigkeit der Ver­fahrenim Straf-, Zivil- und Verfassungs­recht anbahnt. Gegenüber der herkömm­lichenAuswertung bieten die multivariaten Ansätze zwar den Vorteil, auch auf individu­ellerEbene Vorhersagen treffen zu können, doch inwiefern sich die gedanklichen Mus­termanipulieren lassen (Neurofeedback-Training) und wie es sich mit ihnen verhält,wenn sie beispielsweise bei einer nicht-ko­operativen Versuchsperson gemessenwer­den, das sind noch offene Fragen, die von der bisherigen Forschung nicht untersucht

Offene Fragen:

• Wie fein lassen sich einzelne gedank­liche Prozesse im Gehirn wirklich er­kennen?

• In welchem Umfang ist die Koope­rationder Versuchsperson eine not­wendige Voraussetzung für das Er­kennen der Muster?

• Wie zuverlässig erweisen sich die Methodenim Alltag, z. B. zur Steue­rung über Gehirn-Computer-Schnitt-stellen oder zur Lügendetektion?

• Werden die Versuche des Gedanken­lesens unser Rechtssystem und unse­ren gesellschaftlichen Alltag beein­flussen?

• Was sind die weitreichenden ethi­schenund sozialen Auswirkungen, welche diese Funde auf unser Zusam­menleben und unser Selbstverständ­nis ausüben?

wurden. Letztlich stellt sich auch mit der Möglichkeitdes Gedankenlesens die Frage nach der Gedankenfreiheit. Dürfte ein mut­maßlicherTäter etwa dazu gezwungen wer­den, einem Gedankentest unterzogen zu werden,der seine Schuld oder Unschuld be­weisen soll? Dürfte man das Verfahrendazu verwenden, um das Risiko für die Gesell­schaft zu ermitteln, das ehemaligeStraftäter oder Erkrankte mit einer dissozialen Per­sönlichkeitsstörungdarstellen? Dürften Un­ternehmen, die heute schon weit reichende Informationenüber ihre zukünftigen Mit­arbeiter in Assessment-Centern erheben, ih­reBewerber auch zu einem Gehirn-Check mit der fMRT schicken? Nicht zuletzt auchin einer Zeit der terroristischen Bedrohung mögen Verfahren zum Gedankenlesenin bestimmten Kreisen Begehrlichkeiten er­wecken (41). Wie das deutscheÄrzteblatt kürzlich mitteilte, wurde in Bayern für einen ersten Feldversuchauf dem internatio­nalen Flughafen München ein Prototyp ei­nes fMRT-Lügendetekorsaufgestellt, um verdächtig aussehende Fluggäste auf terro­ristische Absichtenhin zu überprüfen (42). Wie die Zeitschrift weiterhin berichtet, hat das US-Verteidigungsministeriumdie Idee aufgegriffen und den Prototyp „Munchhau-sen" im GefangenenlagerGuantänamo Bay testen lassen. Diese besorgniserregende Mitteilung wird einzigund allein durch die Erkenntnis gemildert, dass sie am 1. April veröffentlicht wurde.

Zurzeit sind es vor allem Zukunftsszenarien undScherze, die die Gemüter erheitern oder erregen. Wie so oft hilft ein Blickin die USA, um künftige Entwicklungen abschät­zen zu können. So wurdendort einerseits gerade zwei Firmen gegründet, welche die Lügendetektion durchfMRT anbieten (43, 44). Andererseits haben sich in den USA Juristen und Neurowissenschaftlerzu einem »Center of Cognitive Liberty and Ethics« (CCLE) zusammen geschlossen,um den Schutz der Privatsphäre auf den geistigen Bereich auszuweiten (45) -nichtzuletzt we­gen der prinzipiellen Möglichkeiten des Ge­dankenlesens.Es gibt zwar ernstzunehmen-de Argumente gegen deren praktische Ver­wendbarkeit,etwa den Verweis auf die Komplexitität, Flexibilität und Umwelt­abhängigkeitvon Gedanken. Doch es scha­det nicht, auf Vorrat zu denken und sich schon jetzt auf kommende Kontroversen und Diskussionen einzustellen.

Literatur

1. Gallese V, Goldman A. Mirror neurons and thesi-mulation theory of mind-reading. Trends in Co­gnitive Sciences 1998 Dec; 2 (12): 493-501.

2. Goldman A. Imitation, mind reading, and Simula­tion. In: Hurley S, Chater N (eds.). Perspective on

Imitation, from Neuroscience to Social Science. Cambridge, MA: MIT Press 2005: 79-93.

3. Vogeley K, Bussfeld P, Newen A, Herrmann S,Happe F, Falkai P et al. Mindreading: Neural me-chanisms of theory of mind and self-perspective. Neuroimage 2001 M; 14 (1): 170-181.

4. Whiten A. When does smart behaviour-readingbecome mind-reading? In: Carruthers P, Smith PK (eds.). Theories of Theories of Mind. New York, NY: Cambridge University Press 1996:277-292.

5. Amodio DM, Frith CD. Meeting of minds: the me­dialfrontal cortex and social cognition. Nature Reviews Neuroscience 2006 Apr; 7(4): 268-277.

6. Frith CD, Frith U. The neural basis of mentalizing. Neuron 2006 May 18; 50 (4): 531-534.

7. Gallagher HL, Frith CD. Functional imaging of 'theory of mind'. Trends in Cognitive Sciences

2003 Feb; 7 (2): 77-83.

8. Saxe R. Uniquely human social cognition. Current Opinion in Neurobiology 2006 Apr; 16 (2): 235-239.

9. Walter H, Adenzato M, Ciaramidaro A, EnriciI, Pia L, Bara BG. Understanding intentions in soci­al interaction: Therole of the anterior paracingula-te cortex. Journal of Cognitive Neuroscience 2004 Dec; 16 (10): 1854-1863.

10. Walter H, Schleim S. Vom Sein des Sollens: Zur Psychologie und Neurobiologie der Moral. Ner-venheilkunde 2007; 26: 312-317.

11. Northoff G, Bermpohl F. Cortical midline structu-res and the seif. Trends in Cognitive Sciences

2004 Mär; 8 (3): 102-107.

12. Northoff G, Heinzel A, Greck M, Bermpohl F,Do-browolny H, Panksepp J. Self-referential proces-sing inourbrain-Ameta-analysis of imaging stu-dies on the seif. Neuroimage 2006 May 15; 31 (l): 440^57.

13.Dapretto M, Davies MS, Pfeifer JH, Scott AA,Sigman M, Bookheimer SY et al. Understanding emotions in others: mirror neurondysfunction in children with autism spectrum disorders. Nature Neuroscience 2006 Jan; 9 (1): 28-30.

14. Hadjikhani N, Joseph RM, Snyder J, Tager-Flus-bergH. Anatomical differences in the mirror neu­ron System and social cognition network in autism. Cerebral Cortex 2006 Sep; 16 (9): 1276-1282.

15. lacoboni M, Dapretto M. The mirror neuron sys-temand the consequences of its dysfunction. Na­ture Reviews Neuroscience 2006 Dec; 7 (12): 942-951.

16. Williams JHG, Whiten A, Suddendorf T, PerrettDI. Imitation, mirror neurons and autism. Neuros­cience and Biobehavioral Reviews 2001 Jun; 25 (4): 287-295.

17. Gallese V, Keysers C, Rizzolatri G. A unifyingview of the basis of social cognition. Trends in Co­gnitive Sciences 2004 Sep; 8 (9): 396^03.

18.0'Craven KM, Kanwisher N. Mental imagery offaces and places activates corresponding stimu-lus-specific brain regions. Journal of Cognitive Neuroscience 2000 Nov; 12(6): 1013-1023.

19. Geday J, Gjedde A, BoldsenAS, Kupers R. Emo­tionalvalence modulates activity in the posterior fusiform gyrus and inferior medial prefrontal cor­tex in social perception. Neuroimage 2003 Mär; 18 (3): 675-684.

20. Gauthier I, Skudlarski P, Gore JC, AndersenAW Expertise for cars and birds recruits brain areas in-volved in face recognition. Nature Neuroscience 2000 Feb; 3 (2): 191-197.

21. Bukach CM, Gauthier I, Tarr MJ. Beyond facesand modularity: the power of an experrise frame-work(2006;Vol 10:159). Trends in Cognitive Sci­ences 2006 Jun; 10 (6): 243.

22. Quiroga RQ, Reddy L, Kreiman G, Koch C, FriedI. Invariant visual representation by single neu­rons in the human brain. Nature 2005 Jun 23; 435 (7045): 1102-1107.

23. Hasson U, NirY, Levy I, Fuhrmann G, MalachR. Intersubject synchronizarion of cortical activity during natural vision. Science 2004 Mär 12; 303 (5664): 1634-1640.

24. Schleim S. Zeig mir dein Hirn - und ich sag dir, was du denkst. Gehirn & Geist. 2006; 9:60-62.

25. http://www.ebc.pitt.edu/2006/competition.html

26. http://www.braincompetition.org

27. Downing PE, JiangYH, Shuman M, Kanwisher N.A cortical area selective for visual processing of the human body. Science 2001 Sep 28; 293 (5539): 2470-2473.

28. Kanwisher N, McDermott J, Chun MM. The fusiformface area: A module in human extra-striate cortex specialized for face perception. Journal of Neuroscience 1997 Jun 1; 17 (11): 4302-4311.

29. Haxby JV, Gobbini MI, Furey ML, Ishai A, Scheu­tenJL, Pietrini P. Distributed and overlapping re-presentarions of faces and objects in ventral tem­poral cortex. Science 2001 Sep 28; 293 (5539): 2425-2430.

30. Ishai A, Ungerleider LG, Martin A, ScheutenHL, Haxby JV Distributed representation of objects in the human ventral visualpathway. Proceedings of the National Academy of Sciences of the United States of America 1999; 96 (16): 9379-9384.

31. Cox DD, Savoy RL. Functional magnetic resonan-ceimaging (fMRI) „brain reading": detecting and classifying distributed patterns of fMRI activity in

human visual cortex. Neuroimage 2003 Jun; 19 (2): 261-270.

32. Mourao-Miranda J, Bokde ALW, Born C, HampelH, Stetter M. Classifying brain states and determi-ning the discriminatingactivarion patterns: Sup­port Vector Machine on functional MRI data. Neuroimage 2005 Dec; 28 (4): 980-995.

33. Haynes JD, Rees G. Predicting the stream ofcons-ciousness from activity in human visual cortex. Current Biology 2005; 15(14): 1301-1307.

34. Haynes JD, Rees G. „Brain reading" - Usingsig-nals from human VI to predict the orientation of an invisible Stimulus. Journal of Cognitive Neurosci­ence 2005: 250-251.

35. Haynes JD, Rees G. Predicting the orientationof invisible Stimuli from activity in human primary visual cortex. Nature Neuroscience 2005 May; 8 (5): 686-691.

36. Haynes JD, Rees G. Decoding mental states frombrain activity in humans. Nature Reviews Neuros­cience. 2006 Jul; 7 (7): 523-534.

37. Haynes JD, Sakai K, Rees G, Gilbert S, FrithC, Passingham RE. Reading hidden intentions in the human brain. Current Biology 2007 Feb 20; 17 (4): 323-328.

38. Kamitani Y, Tong F. Decoding seen and attendedmotion directions from activity in the human visu­al cortex. Current Biology. 2006 Jun 6; 16 (11): 1096-1102.

39. Kamitani Y, Tong F. Decoding the visual andsub-jecrive Contents of the human brain. Nature Neu­roscience 2005 May; 8 (5): 679-685.

40. Davatzikos C, Ruparel K, Fan Y, Shen DG, Acha-ryyaM, Loughead JW, et al. Classifying sparial patterns of brain activity withmachine learning methods: Application to lie detecrion. Neuroima­ge 2005 Nov 15; 28 (3): 663-668.

41. Metzinger T. Gedankenleser im Kreuzverhör. Ge­hirn & Geist 2006; 3: 37-41.

42. http://www.aerzteblatt.de/v4/news/newsdruck. asp?id=28023

43. http://www.noliemri.com

44. http://www.cephoscorp.com

45. http://www.cognitiveliberty.org

Korrespondenzadresse:

Stephan Schleim

Klinik für Psychiatrie und Psychotherapie Abteilung für Medizinische Psychologie Universität Bonn

Sigmund-Freud-Srr. 25, 53105 Bonn Tel. 0228/287-19705, Fax-l 9123