TORONTO / LONDON (IT BOLTWISE) – Eine neue magnetoenzephalografische Studie koppelt einen höheren BMI bei Kindern und Jugendlichen an messbare Unterschiede in der Hirnaktivität. Besonders auffällig sind erhöhte Gamma-Rhythmen und eine veränderte Kommunikation zwischen Netzwerken, die normalerweise Aufmerksamkeit, interne Gedanken und zielgerichtete Kontrolle koordinieren. Die Ergebnisse deuten darauf hin, dass inhibitorische Bremsmechanismen weniger stark wirken könnten – ein möglicher Weg zu schwereren Gewohnheitsänderungen. Zugleich zeigen die Autoren Grenzen der Aussagekraft auf und fordern bessere Studiendesigns mit Ernährungs- und Verhaltenserfassung.
Ein hoher Body-Mass-Index (BMI) im Kindes- und Jugendalter ist längst mehr als ein Kennwert für die körperliche Gesundheit. Eine jetzt veröffentlichte Untersuchung legt nahe, dass er auch die Art beeinflusst, wie das Gehirn Informationen zeitlich verarbeitet und wie Regionen miteinander „takt synchron“ kommunizieren. Damit rückt ein Thema in den Fokus, das in der Neuroentwicklung schon lange diskutiert wird: Während das Gehirn in der Kindheit und Pubertät stark umgebaut wird, könnten metabolische Faktoren die Balance zwischen Erregung und Hemmung verschieben. Für die Praxis bedeutet das: Gewohnheiten, die früh verankert werden, könnten später schwerer steuerbar sein – zumindest deutet die Neurophysiologie darauf hin.
Technisch betrachtet untersucht die Studie nicht einfach „mehr oder weniger Aktivität“, sondern die Dynamik neuronaler Oszillationen. Im Zentrum steht die Magnetoenzephalografie (MEG), eine nicht-invasive Bildgebung, die winzige Magnetfelder misst, die durch die elektrische Aktivität von Nervenzellen entstehen. Im Vergleich zu stärker räumlich fokussierten Verfahren wie der funktionellen Magnetresonanztomografie (fMRT) liefert MEG besonders dichte zeitliche Informationen, etwa im Millisekundenbereich. Die Forschenden nutzen einen Ruhemodus-Scan: Jugendliche lagen im System und betrachteten eine abstrakte, computererzeugte Videolandschaft für fünf Minuten. Dieser Ansatz minimiert aktive Aufgabenanforderungen und erlaubt, spontane Hintergrundaktivität zu erfassen.
Die wissenschaftliche Leitidee folgt dabei einem mechanistischen Rahmen: Brain Cells kommunizieren über Erregungs- und Hemmsignale. In der Arbeit wird der Gedanke aufgegriffen, dass eine Verschiebung zugunsten von Erregung und zulasten von Hemmung zu einer „Enthemmung“ führen kann. Solche Zusammenhänge werden in Tiermodellen bereits plausibel untermauert: Hochfett- und zuckerreiche Diäten können spezialisierte inhibitorische Zellen im Frontalkortex schädigen; zudem wird beschrieben, dass Schutzstrukturen um diese Zellen – sogenannte perineuronal nets – erodieren und dadurch Vulnerabilität entsteht. In der aktuellen Studie wollten die Autorinnen und Autoren prüfen, ob sich ein ähnliches Muster auch bei Menschen in der Altersgruppe widerspiegelt, in der das Gehirn besonders formbar ist.
Die Kohorte umfasst 32 Teilnehmende im Alter von acht bis 19 Jahren, aufgeteilt in einen Bereich mit niedrigem BMI (15 Personen, innerhalb durchschnittlicher Spannen) und eine Gruppe mit höherem BMI (17 Personen, im Übergewichts- oder Adipositas-Spektrum). Wichtig ist: Beide Gruppen wurden so gut wie möglich hinsichtlich Alter und Körpergröße gematcht. Die Messung fokussiert dann auf zwei Arten von Signalen. Erstens auf rhythmische Aktivität, insbesondere die Gamma-Wellen: schnelle Oszillationen, die entstehen, wenn erregende und hemmende Mechanismen miteinander wechselwirken. Zweitens auf aperiodische Aktivität, eine Art Hintergrundrauschen, deren „Steigung“ als Kennzahl für das Verhältnis zwischen Erregung und Hemmung interpretiert wird.
Hier werden die auffälligsten Unterschiede beschrieben. In der Gruppe mit höherem BMI zeigten sich erhöhte Gamma-Rhythmen über mehrere kortikale Areale hinweg. Besonders groß waren die Effekte in der posteromedialen Region und an der temporoparietalen Junktionsstelle – Strukturen, die häufig mit Aufmerksamkeitssteuerung in Verbindung gebracht werden. Als zusätzliche Markierung wird eine flachere Steigung der aperiodischen Aktivität berichtet. In der Systematik der Neurophysiologie kann das als Hinweis gelesen werden, dass inhibitorische Kontrolle weniger „greift“. Auffallend ist außerdem, dass diese Hintergrundrauschen-Differenzen besonders im Frontalkortex und in midline-parietalen Regionen sichtbar wurden. Für die Entwicklung von Selbstregulation ist das plausibel: Der Frontalkortex gilt als zentral für top-down Kontrolle und flexible Anpassung.
Über lokale Effekte hinaus schaut die Studie auf Netzwerke. Denn das Gehirn arbeitet nicht als Sammlung einzelner Areale, sondern als Netzwerk mit Rückkopplungsschleifen. Die Autorinnen und Autoren orientieren sich an bekannten Großsystemen: dem Default Mode Network für internes Denken, dem Central Executive Network für fokussiertes Arbeitsgedächtnis und dem Salience Network, das relevante Reize erkennt und Aufmerksamkeit priorisiert. In der Analyse wird beschrieben, dass die Verbindung zwischen Netzwerken in niedrigfrequenten Bändern wie Delta und Theta abgeschwächt ist. Gleichzeitig finden sich ungewöhnlich starke Kopplungen in höheren Frequenzen, insbesondere Gamma. So entsteht ein Muster aus weniger „langsamen“ Verbindungen bei gleichzeitig stärkerer „schneller“ Kopplung – ein Setup, das für eine reduzierte Effizienz der Informationskoordination sprechen könnte.
Genau hier wird die Schnittstelle zu früheren Arbeiten deutlich: Viele Gruppen untersuchen den Zusammenhang zwischen Adipositas und Gehirn (etwa über strukturelle Veränderungen, Entzündungsmarker oder funktionelle Bildgebung). Der Unterschied der aktuellen Arbeit liegt im MEG-Fokus auf Zeitmuster und Netzwerk-Kopplungen. Als technischer Vergleich lässt sich auch die Bandbreite der Methoden sehen: Während fMRT häufig auf hemodynamische, relativ träge Signale blickt, setzen EEG und MEG stärker bei Frequenzband-Analysen an. In der industriellen Forschungspraxis wird das oft als „Signal-processing-first“ verstanden – also Datenfusion und Feature Engineering aus Rohsignalen. In diesem Sinne liefert die Studie ein vergleichbares methodisches Raster, das andere Neuroentwicklungsgruppen künftig entweder replizieren oder mit zusätzlichen Parametern erweitern können.
Die Autorinnen und Autoren betonen jedoch klare Einschränkungen. Erstens ist der BMI als Indikator unpräzise: Er unterscheidet nicht zwischen Muskelmasse und Fettgewebe. Zweitens ist die Stichprobe mit 32 Personen relativ klein, was die Ergebnisse als vorläufig einordnet. Drittens ist das Design beobachtend: Aus der Korrelation zwischen BMI und Hirnsignalvarianten kann man keine Kausalität ableiten. Es bleibt demnach möglich, dass vorbestehende neurobiologische Unterschiede einige Jugendliche anfälliger dafür machen, später stärker zuzunehmen. Viertens wurden keine detaillierten Angaben zu Ernährung, Alltagsaktivität oder kognitiven Verhaltensmessungen erhoben. Expertinnen und Experten aus der Neuroentwicklungsforschung weisen deshalb regelmäßig darauf hin, dass ohne Verhaltens- und Umweltdaten jede Übersetzung in „Alltagsfolgen“ unscharf bleibt.
Für den Ausblick ist dennoch viel Substanz vorhanden. Künftige Forschung könnte Ernährungsprotokolle, Aktivitätsdaten und umfassende neurokognitive Tests mit MEG-Scans verknüpfen, um zu prüfen, ob die gemessene Enthemmung inhibitorischer Systeme mit konkreten Entscheidungsmustern zusammenhängt – etwa mit der Fähigkeit, stark „belohnungsgetriebene“ Nahrungsmittel abzulehnen. Auch denkbar ist ein Longitudinal-Ansatz, bei dem man die Entwicklung über Jahre beobachtet und damit besser trennt, was frühe Vulnerabilität und was späte Anpassung ist. Für Unternehmen und Entwickler im Gesundheits- und Medtech-Umfeld ist das relevant: Solche Datentypen (MEG-Signale, Netzwerkmaße, Ernährungs- und Verhaltensmetadaten) können später Grundlage für prädiktive Modelle werden, die mit Datenschutzkonzepten wie Datenminimierung, Zweckbindung und Zugriffskontrollen umgesetzt werden müssen.
In der Gesamtschau ergibt sich ein Forschungsbild, das sowohl medizinisch als auch technisch nach Anschlussfähigkeit verlangt: Die Studie verknüpft BMI, Frequenzmuster (Gamma), aperiodisches Rauschen und Netzwerk-Dyskonnektivität zu einem konsistenten Hypothesenset. Der DOI-Text trägt den Titel „Elevated body mass index in youth is associated with neural disinhibition and internetwork functional dysconnectivity: A magnetoencephalography study“ und wurde von A.C. Reichelt und einem internationalen Team verfasst, veröffentlicht in Clinical Neurophysiology. Wenn nachfolgende Studien die Muster bestätigen und mit Verhaltensdaten verbinden, könnte sich daraus mittelfristig nicht nur ein besseres Verständnis der Neuroentwicklung ergeben, sondern auch eine Grundlage für frühere, präzisere Interventionen, die körperliche und mentale Gesundheit gemeinsam adressieren.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "BMI im Jugendalter verändert Hirn-Konnektivität und erschwert offenbar Gewohnheitswechsel" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "BMI im Jugendalter verändert Hirn-Konnektivität und erschwert offenbar Gewohnheitswechsel" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »BMI im Jugendalter verändert Hirn-Konnektivität und erschwert offenbar Gewohnheitswechsel« bei Google Deutschland suchen, bei Bing oder Google News!