Gehirnmodelle: PNAS-Studie zeigt, warum präzise Rekonstruktionen täuschen
Veröffentlicht am: 23.10.2026 um 03:44 Uhr | Redaktion boerse-global.de
In den Neurowissenschaften gilt die exakte Modellierung neuronaler Aktivitätsmuster als zentraler Schlüssel, um Funktionsweise und Alterungsprozesse des menschlichen Denkorgans zu verstehen.
Eine im Jahr 2026 in der Fachzeitschrift Proceedings of the National Academy of Sciences (PNAS) veröffentlichte Untersuchung stellt jedoch grundlegende Annahmen gängiger räumlicher Rekonstruktionsmethoden infrage.
Das Forschungsteam um K. Jung, S. B. Eickhoff und K. R. Patil von der Heinrich-Heine-Universität Düsseldorf und dem Forschungszentrum Jülich zeigt darin methodische Grenzen auf, die bei der Interpretation bildgebender Daten beachtet werden müssen.
Präzise Rekonstruktion versus biologische Erklärung
Im Zentrum der Analyse von Jung, Eickhoff und Patil steht die Frage, wie aussagekräftig geometrische Eigenmoden der Großhirnrinde tatsächlich sind. Zwar rekonstruieren diese mathematischen Modelle die gemessene Hirnaktivität mit sehr hoher Genauigkeit, die Forschenden stellten jedoch fest, dass dieselben Modelle auch künstliche, biologisch bedeutungslose Muster – etwa auf eine Kugeloberfläche projizierte Bilder – ebenso präzise nachbilden. Zudem erreichen alternative Modellansätze auf der Grundlage einzelner Gehirnregionen eine vergleichbar gute Rekonstruktionsleistung.
Aus diesen Befunden zog Eickhoff den Schluss, dass eine reine mathematische Beschreibung von Gehirnaktivität nicht mit der Aufdeckung ihrer biologischen Mechanismen gleichzusetzen sei.
Wer sich mit der langfristigen Gesundheit des Gehirns befasst, sollte über die rein mathematische Fitness hinaus auch auf gezielte mentale Übungen setzen. Dieser kostenlose Ratgeber zeigt Ihnen 11 praktische Methoden, um Ihre geistige Leistungsfähigkeit bis ins hohe Alter zu erhalten. 11 Alltagsübungen zur Demenzvorbeugung jetzt kostenlos entdecken
Für künftige Analysen fordert das Team, die realen anatomischen und funktionellen Verbindungen zwischen den Hirnarealen sowie deren spezifische Eigenschaften deutlich stärker zu gewichten, anstatt sich primär auf rein geometrische Musteranpassungen zu verlassen.
In der Hirnrinde verläuft die neuronale Progression typischerweise von hinteren zu vorderen Regionen, während sie sich in den Faszikeln von unten nach oben vollzieht.
Herausforderungen bei der Schätzung des biologischen Gehirnalters
Die methodische Differenzierung zwischen statistischer Modellierung und realer Biologie betrifft auch computergestützte Verfahren zur Bestimmung des sogenannten Gehirnalters.
In einer Untersuchung mit über 48.000 Teilnehmenden der UK Biobank aus dem Jahr 2024 ergab sich bei einer gemeinsamen Auswertung von Männern und Frauen kein statistisch signifikanter Unterschied zwischen den Altersschätzungen beider Hirnhälften; erst bei getrennter Betrachtung traten teils höhere Werte rechts bei Frauen und links bei Männern auf.
Ob kognitiver Abbau oder normale Alterserscheinung – die Einschätzung der eigenen geistigen Verfassung fällt im Alltag oft schwer. Ein spezialisierter Selbsttest bietet Ihnen in wenigen Minuten eine erste Orientierung zu möglichen Warnsignalen. Kostenlosen 2-Minuten-Selbsttest hier starten
Wie eng computermodellierte Alterungsmarker mit klinischen Parametern zusammenhängen, belegt unter anderem die AGES-Reykjavik-Studie. Anhand von 4.606 Teilnehmenden mit einem mittleren Alter von 76,4 Jahren (58 Prozent Frauen) und einer Nachbeobachtung von 2.561 Personen nach durchschnittlich 5,2 Jahren analysierten Forschende den sogenannten Brain Age Gap (BAG).
Der Ausgangswert lag im Mittel bei -2,0 Jahren (Standardabweichung 4,3; Spanne -18,6 bis 11,3 Jahre). Pro zusätzlichem Jahr eines fortgeschrittenen Gehirnalters zu Beginn zeigten sich signifikante Einbußen im Gedächtnis (-0,047), in der Verarbeitungsgeschwindigkeit (-0,044) und bei den exekutiven Funktionen (-0,037, jeweils p<0,001).
Im zeitlichen Verlauf war die Wechselwirkung zwischen BAG und Kognitionsabbau jedoch ausschließlich für das Gedächtnis statistisch signifikant (-0,0071; 95%-Konfidenzintervall -0,0142 bis -0,0001; p=0,046).
Klinische Signale erfordern differenzierte Interpretation
Dass strukturelle Abweichungen in Algorithmen nicht vorschnell als irreversible Schädigung interpretiert werden dürfen, unterstreicht auch eine Erhebung an 110 Migränepatienten im Vergleich zu 70 Kontrollpersonen in Brain Communications.
Bei den Betroffenen lag das geschätzte Gehirnalter im Schnitt 4,24 Jahre über dem Lebensalter, wobei 66 Hirnareale Anzeichen einer beschleunigten Alterung aufwiesen, darunter der präfrontale und cinguläre Kortex sowie die Amygdala.
Bereits 2023 hatte eine Studie in The Journal of Headache and Pain ähnliche Tendenzen beschrieben. Der Neurologe Eric Anderson gab diesbezüglich zu bedenken, dass chronische Migräne zwar bei manchen Patienten zu einer messbar schnelleren Alterung beitragen könne, dies jedoch keineswegs zwangsläufig in eine Demenz münde.
Die aktuellen wissenschaftlichen Debatten verdeutlichen somit, dass Computermodelle zwar wertvolle deskriptive Werkzeuge darstellen, verlässliche diagnostische und therapeutische Rückschlüsse jedoch stets eine fundierte biologische und kausale Validierung voraussetzen.
