Das Netzwerk im Kopf

Foto: fMRT-Aufnahme des Gehirns

Bei satten Personen ist das Beloh-
nungszentrum im Gehirn besonders
stark aktiviert (orange); © MPG

Die Auswertung solcher Messwerte bereitete den Forschern bisher Schwierigkeiten - vor allem, wenn sie nicht unmittelbar auf einen experimentellen Stimulus zurückzuführen waren, sondern die allgemeine Situation im Gehirn widerspiegelten wie beispielsweise „Hunger" oder „Sattheit".

Abhilfe schafft nun ein neu entwickeltes mathematisches Verfahren, das - in abgewandelter Form - auch bei Internet-Suchmaschinen zum Einsatz kommt und dort über die Reihenfolge der angezeigten Suchergebnisse entscheidet: die „Eigenvektor-Zentralität". Entwickelt haben es Gabriele Lohmann und ihre Kollegen vom Leipziger Max Planck Institut für Kognitions- und Neurowissenschaften sowie von der Medizinischen Fakultät der Universität Leipzig.

Hier kommt die Tatsache zu Hilfe, dass das Gehirn - genau wie das Internet - ein Netzwerk mit „small world properties" ist. Jeder Messpunkt im Gehirn oder jede Internetseite kann als ein Knotenpunkt in diesem Netzwerk angesehen werden. Die Knoten können miteinander durch Kanten verbunden sein, genauso wie zwei Homepages untereinander verlinkt sein können.

Bei der Eigenvektor-Zentralität werden die Knotenpunkte nach der Art und der Qualität der Verbindungen zu anderen Knoten gewichtet. Es ist also einerseits wichtig, wie viele Verknüpfungen von einem Knoten selbst ausgehen, und andererseits, wie gut das Netzwerk der Nachbarknoten ist. Gemäß diesem Prinzip erscheinen auch Internetseiten, die mit hochfrequentierten Homepages wie zum Beispiel „Wikipedia" verknüpft sind, in der Auflistung der Suchergebnisse von Suchmaschinen wie „Google" weiter oben als solche Seiten, die keine guten Verknüpfungen aufweisen.

„Die Vorteile der Auswertung von fMRT-Ergebnissen mit Hilfe der Eigenvektor- Zentralität liegen auf der Hand", erklärt Lohmann. Das Verfahren betrachtet die Zusammenarbeit der Hirnregionen insgesamt und ist vom Rechenaufwand her überschaubar. Damit ist es ideal dafür geeignet, um zustandsbedingte Aktivitätsmuster im Gehirn aufzuspüren.

MEDICA.de; Quelle: Max-Planck-Gesellschaft