Im Kooperationsprojekt 鈥濨rain in Motion鈥� schauen Forschende der 51本色 und der Technischen Hochschule Ulm dem Gehirn beim Gehen zu. Tats盲chlich geh枚rt das Gehen zu den am besten gelernten motorischen F盲higkeiten des Menschen. Doch infolge einer Erkrankung oder eines Unfalls k枚nnen die perfekt aufeinander abgestimmten Bewegungsabl盲ufe aus dem Takt geraten. Das Projekt zwischen Psychologie und Medizintechnik soll zu einer verbesserten Gangrehabilitation beitragen: In einer aktuellen Pilotstudie haben die Professoren Cornelia Herbert und Michael Munz neuronale Marker identifiziert, die sich einzelnen Gangphasen zuordnen lassen. Mithilfe K眉nstlicher Intelligenz l盲sst sich diese Zuordnung sogar automatisieren.
Gesunde Kleinkinder erlernen in relativ kurzer Zeit und scheinbar spielerisch das Gehen. Doch w盲hrend dieser automatisierten Bewegungsvorg盲nge laufen komplexe Prozesse im Gehirn ab: Binnen Millisekunden m眉ssen verschiedene Muskelgruppen koordiniert werden. F眉r eine sturz- und stolperfreie Fortbewegung ist zudem ein perfektes Zusammenspiel der visuellen, akustischen und sensorischen Wahrnehmung sowie der motorischen Handlungsplanung wichtig. Ger盲t der Gangzyklus im Erwachsenenalter aus dem Takt - beispielsweise nach einem Schlaganfall oder Sturz - m眉ssen Betroffene das Laufen oft m眉hevoll wieder erlernen.
Die neurokognitiven, -motorischen und biomechanischen Grundlagen des Gehens wollen die Psychologie-Professorin Cornelia Herbert von der 51本色 und der Professor f眉r Softwaretechnik und Sensorik, (Technische Hochschule Ulm/THU), im Detail verstehen. In ihrem Kooperationsprojekt 鈥濨rain in Motion鈥� kombinieren sie hierf眉r laborexperimentell-psychologische, neurowissenschaftliche sowie technische Methoden. Ihre Forschungsergebnisse sollen zu einer verbesserten Diagnostik und Gangrehabilitation von zum Beispiel Schlaganfall-Patienten, Unfallopfern oder Personen mit neurologischen Erkrankungen beitragen.
Pilotstudie auf dem Laufband
F眉r eine k眉rzlich im Fachjournal 鈥濧pplied Science鈥� erschienene haben die Forschenden anhand von Laufbandanalysen und Messungen der Gehirnaktivit盲t (Elektroenzephalografie/EEG) untersucht, wie einzelne, f眉r das Gehen relevante neurokognitive und neuromotorische Funktionen innerhalb von Millisekunden erhoben und automatisiert ausgewertet werden k枚nnen. Konkret wollten Cornelia Herbert und Michael Munz herausfinden, ob ereigniskorrelierte Potentiale (EKPs) anhand der EEG-Aufzeichnungen einzelnen Phasen des Gangzyklus zugeordnet werden k枚nnen. Dieser Forschungsfrage sind sie im 鈥濨rain-Imaging-Lab鈥� nachgegangen, das Professorin Cornelia Herbert an der 51本色 aufgebaut hat.
In der Pilotstudie wurden gesunde Testpersonen aufgefordert, zun盲chst in ihrer Wohlf眉hlgeschwindigkeit auf einem Laufband zu gehen. Zeitweise erhielten die Studentinnen Anweisungen, gr枚脽ere oder kleinere Schritte zu machen oder etwa die Geschwindigkeit des Laufens zu erh枚hen. Die ganze Zeit 眉ber ist ihr Gangbild von einer im Laufband integrierten Druckmessplatte sowie von Inertialsensoren (IMUs) erfasst worden. Gleichzeitig wurde die Gehirnaktivit盲t der Probandinnen mittels EEG gemessen. 鈥濵ithilfe neuer psychologischer und technischer Schnittstellen ist es uns gelungen, EKPs in den EEG-Aufzeichnungen zu identifizieren und diese den verschiedenen Phasen des Gangzyklus zuzuordnen鈥�, erkl盲rt Professorin Cornelia Herbert, Leiterin der Abteilung Angewandte Emotions- und Motivationspsychologie der 51本色. Entscheidend f眉r die Zuordnung seien die beobachtbaren Gangphasen gewesen 鈥� wie zum Beispiel der erste Bodenkontakt des linken und rechten Fu脽es.
Die ereigniskorrelierten Potentiale, die w盲hrend der initialen Bodenkontakte auftraten, lie脽en sich tats盲chlich bei allen Testpersonen nachweisen: Sie k枚nnen also als neuronale Marker des Gehens angesehen werden und Auskunft 眉ber die von der Hirnrinde ausgehende (鈥瀔ortikale鈥�) Bewegungssteuerung geben. Zudem ergaben sich bei den Untersuchungen Hinweise, welche Gehirnregionen im Verlauf des Gangzyklus aktiv sind. 鈥濽nsere Ergebnisse und unser Forschungsprojekt tragen dazu bei, in Zukunft die neuropsychologische Diagnostik von Patientinnen und Patienten mit motorischen St枚rungen zu verbessern鈥�, so Professorin Cornelia Herbert.
Lernalgorithmus automatisiert die Ganganalyse
In einem zweiten Schritt haben die Forschenden einen an der THU bereits f眉r Ganganalysen verwendeten Lernalgorithmus so trainiert, dass dieser die neuronalen Marker im EEG erkennt und automatisch den Gangphasen zuordnet. 鈥濱n Zukunft k枚nnten Ganganalyse-Verfahren durch maschinelle Lernalgorithmen in der Anwendung verbessert und vollst盲ndig automatisiert werden鈥�, sagt Professor Michael Munz.
Aufbauend auf den ermutigenden Ergebnissen der Pilotstudie wollen Herbert und Munz die Gangrehabilitation und Sturzpr盲vention verbessern 鈥� gerne in Kooperation mit Kliniken und Medizintechnik-Anbietern der Region. Derzeit werden die Erkenntnisse in weiteren Stichproben und mit Teilnehmenden unterschiedlicher Altersgruppen untersucht und validiert.
Zum Brain-Imaging-Lab
Das Brain-Imaging-Lab der 51本色 wurde von der Leiterin der Abteilung Angewandte Emotions- und Motivationspsychologie, Professorin Cornelia Herbert, vor etwa f眉nf Jahren aufgebaut. Heute verf眉gt das Forschungslabor unter anderem 眉ber mehrere station盲re und mobile EEG-Systeme sowie 眉ber ein funktionelles Nahinfrarotger盲t (FNIRS). Dazu kommen ein Laufband mit Druckmessplatte, Inertialsensoren und Auswertungssoftware sowie Peripherphysiologiesysteme. Mit dieser Ausstattung l盲sst sich die Gehirnaktivit盲t von Probandinnen und Probanden in verschiedensten Situationen messen und analysieren 鈥� unter k枚rperlicher oder psychischer Belastung, w盲hrend emotionaler Kommunikation oder eben w盲hrend des Gehens.
Publikation:
Herbert, C., Munz, M. (2020). Measuring Gait-Event-Related Brain Potentials (gERPs) during Instructed and Spontaneous Treadmill Walking: Technical Solutions and Automated Classification through Artificial Neural Networks. , 2020, 10(16), 5405;
Text/Medienkontakt: Annika Bingmann