Verräterische Hirnscans: Persönlichkeitsprognose durch Künstliche Intelligenz
Aus MRT-Bilddaten lassen sich Informationen über Persönlichkeitsmerkmale eines Menschen gewinnen. Gezeigt haben das Wissenschaftler vom Forschungszentrum Jülich und von der Universität Düsseldorf in der Juni-Ausgabe der Zeitschrift "Brain Structure and Function". In ihrer Studie identifizierten die Forscher Netzwerke im menschlichen Gehirn, die bei verschiedenen Aufgaben besonders aktiv waren. Sie trainierten dann eine Software darauf, diese Aktivität spezifischen Persönlichkeitsmerkmalen zuzuordnen. Wie die Forscher in einer weiteren Studie nachgewiesen haben, kann auf diese Weise aus MRT-Daten auch gut erkannt werden, ob ein Mensch etwa unter Schizophrenie oder Parkinson leidet.
Prof. Simon Eickhoff
Copyright: Forschungszentrum Jülich / Sascha Kreklau
Die funktionelle Magnetresonanztomografie (fMRT) macht sichtbar, wenn sich die Sauerstoffsättigung in den Blutgefäßen des Gehirns innerhalb von Sekunden ändert. Wissenschaftler nutzen fMRT-Aufnahmen, um zu erforschen, welche Gehirnareale bei den verschiedensten Denkaufgaben oder Anweisungen aktiviert werden. Doch auch während Menschen ihren Gedanken freien Lauf lassen, können ihre Gehirne mit dieser Methode gescannt werden. Genau diese Aufnahmen nutzten die Jülicher und Düsseldorfer Wissenschaftler, um die Persönlichkeit von Probanden einzuschätzen, beispielsweise, wie emotional labil oder gewissenhaft er vermutlich ist.
Genauer formuliert: Die Hirnforscher entwickelten ein Computerprogramm, das sie dann darauf trainierten, aus den fMRT-Daten abzuleiten, wie der Proband wahrscheinlich bei einem weit verbreiteten Persönlichkeitstest abschneiden wird. Dieser Test mit dem Kürzel NEO-FFI besteht aus 60 Aussagen wie etwa "Ich versuche, zu jedem freundlich zu sein". Der Proband kreuzt auf einer Skala von "Starke Ablehnung" bis "Starke Zustimmung" an, wie er zu der jeweiligen Aussage steht. Auf diese Weise erfassen Psychologen fünf Merkmale, in denen sich die Persönlichkeit eines Menschen widerspiegelt. Die sogenannten "Big Five" sind: Offenheit für Erfahrungen, Gewissenhaftigkeit, Geselligkeit, Verträglichkeit und emotionale Labilität.
Aktivitätsmuster in funktionellen Netzwerken
Bis der Computer mit hoher Wahrscheinlichkeit richtige Voraussagen treffen konnte, waren mehrere Arbeitsschritte nötig. "Zunächst haben wir in einer sogenannten Metaanalyse viele Tausende veröffentlichte fMRT-Studien ausgewertet, in denen Probanden Aufgaben gestellt wurden", erläutert Prof. Simon Eickhoff, Leiter des Bereichs "Gehirn und Verhalten" des Jülicher Instituts für Neurowissenschaften und Medizin (INM-7). Dabei identifizierten er und sein Team insgesamt neun verschiedene funktionelle Netzwerke im Gehirn. Eines wird beispielsweise aktiv, wenn Probanden Gesichter erkennen sollten, und ein anderes, wenn sich Menschen etwas kurzfristig merken sollten.
Im zweiten Schritt nutzten sie die anonymisierten Daten von rund 700 Probanden, die sich sowohl einem Hirnscan als auch einem Persönlichkeitstest unterzogen hatten. Die Wissenschaftler werteten fMRT-Aufnahmen der Probanden aus, die ihre Gedanken frei fließen ließen. Dabei erfassten die Forscher die Aktivitätsmuster nur in denjenigen funktionellen Netzwerken des Gehirns, die sie zuvor aufgrund der Metaanalyse als robust über hunderte von Befunden identifiziert hatten. Die Zusammenfassung der Literatur hatte den Wissenschaftlern somit Vorwissen über die Organisation des Gehirns geliefert, das sie für ihre Auswertung benötigten.
Auf Persönlichkeitsprognose trainierte Software
Dann folgte ein Schritt des maschinellen Lernens anhand der Ergebnisse von 90 Prozent der Probanden. Die Forscher trainierten eine lernende Software darauf, aus den Aktivitätsmustern dieser Probanden auf die Ergebnisse in den Persönlichkeitstests zu schließen. Die Wissenschaftler gaben der Software dabei stets Rückmeldung, inwieweit ihr Ergebnis richtig war. Die lernende Software passte daraufhin ihr mathematisches Modell an. „Wiederholt man dieses Vorgehen viele Male, wird das Modell immer besser“, sagt Eickhoff. Die so trainierte Software erstellte dann am Ende eine Persönlichkeitsprognose für die zehn Prozent der Probanden, deren Abschneiden im NEO-FFI-Test ihr nicht bekannt war.
Dabei zeigte sich: Die Aktivität einzelner, spezifischer Netzwerke hängt direkt mit der Ausprägung unterschiedlicher Persönlichkeitsmerkmale zusammen. Zwei der neun funktionellen Netzwerke erwiesen sich als geeignet, um das Abschneiden eines Menschen im NEO-FFI-Test hinsichtlich seiner Offenheit für neue Erfahrungen vorherzusagen. Jeweils ein funktionelles Netzwerk ermöglichte es, die Verträglichkeit beziehungsweise die emotionale Labilität eines Menschen abzuschätzen.
Möglichkeiten und Grenzen von Technologien transparent machen
Interessanterweise lassen sich mit weiteren Netzwerken weitere Persönlichkeitsmerkmale abschätzen, wenn man die Daten von weiblichen und männlichen Probanden trennt – und die lernende Software getrennt füttert und trainiert. "Offensichtlich sind die Muster der Verbindungsstärken in den funktionellen Netzwerken zumeist geschlechtsspezifisch", folgert Eickhoff.
Die Erkenntnisse der Jülicher und Düsseldorfer Wissenschaftler sind für die Grundlagenforschung bedeutsam. "Wir wollen nicht nur den grundsätzlichen Aufbau des menschlichen Gehirns verstehen, sondern auch, wie es sich von Person zu Person unterscheidet", erläutert Eickhoff. "Natürlich gibt es bei dieser Art Forschung immer auch Bedenken – von der Gefahr des 'gläsernen Menschen' bis hin zu ökonomischen Folgen oder möglichen Missbrauch von Patientendaten", weiß Eickhoff. "Gerade deshalb ist es wichtig die Möglichkeiten und Grenzen von solchen Technologien transparent zu diskutieren."
fMRT-Daten geben auch Hinweise auf psychische Krankheiten
In einer weiteren Publikation hatten die Hirnforscher um Eickhoff gemeinsam mit weiteren Wissenschaftlern bereits gezeigt: Die Kombination von Metanalyse und maschinellem Lernen ermöglicht es auch, ausschließlich aus fMRT-Aufnahmen, bei denen die Gedanken frei fließen konnten, darauf zu schließen, ob ein Mensch an Schizophrenie oder Parkinson erkrankt oder psychisch gesund ist. Insbesondere hatten die Wissenschaftler mithilfe ihres methodischen Vorgehens bestimmte funktionelle Netzwerke identifiziert, die spezifisch bei der jeweiligen Krankheit gestört sind. Ihre Ergebnisse hatten die Wissenschaftler in der Zeitschrift „Human Brain Mapping“ veröffentlicht. Beteiligt waren neben Jülicher und Düsseldorfer Hirnforschern auch Wissenschaftler der Sektion Brain der Jülich-Aachen Research Alliance, der RWTH Aachen und der Universitäten Duisburg-Essen, Heidelberg und Köln.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
Diese Produkte könnten Sie interessieren
Limsophy LIMS von AAC Infotray
Optimieren Sie Ihre Laborprozesse mit Limsophy LIMS
Nahtlose Integration und Prozessoptimierung in der Labordatenverwaltung
GUS-OS Suite von GUS
Ganzheitliche ERP-Lösung für Unternehmen der Prozessindustrie
Integrieren Sie alle Abteilungen für nahtlose Zusammenarbeit
Holen Sie sich die Life-Science-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für Biotechnologie, Pharma und Life Sciences bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
