LONDON (IT BOLTWISE) – Eine neue fMRT-Studie verknüpft den Grad autistischer Traits mit der Art, wie das Gehirn soziale und nicht-soziale Belohnungen bewertet. Besonders schwächer ausgeprägte Verbindungen zwischen Regionen für Gesichtsverarbeitung und Belohnungsbewertung scheinen zu erklären, warum soziale Bilder oft als weniger lohnend erlebt werden. Die Forschenden gleichen dafür Bildhelligkeit und -kontrast ab, damit Unterschiede nicht nur an der Bildästhetik liegen. Für die Forschung und Diagnostik ist das ein Hinweis darauf, dass Netzwerk- statt „Stimulus“-Unterschiede entscheidend sein können.
Menschen reagieren nicht alle gleich auf soziale Signale: Ein Lächeln, eine Jubelszene oder ein gemeinsames Ereignis können für die einen besonders „wertvoll“ wirken, für andere deutlich weniger. Genau an diesem Punkt setzt eine aktuelle Studie an, die den Zusammenhang zwischen dem Ausmaß autistischer Traits und der neuronalen Verarbeitung sozialer Belohnungen untersucht. Interessant ist dabei weniger die Beobachtung an sich, dass soziale Präferenzen mit dem Autismus-Spektrum schwanken, sondern die Frage, welche Kommunikationswege im Gehirn diese Verhaltensunterschiede plausibel machen. Die Ergebnisse sind in Personality Neuroscience veröffentlicht.
Historisch betrachtet kam ein großer Teil der Forschung zur Belohnungsverarbeitung aus zwei Strängen: erstens aus der klassischen Neuroökonomie, zweitens aus der Sozialkognitionsforschung. In der Praxis wurden soziale und nicht-soziale Reize jedoch häufig isoliert untersucht: Etwa Gesichter in einem Task, Geld oder Lebensmittel in einem anderen. Das erschwert kausale Interpretationen. Hinzu kommt ein methodisches Problem: Viele „Vergleichsbilder“ sind entweder zu künstlich (z. B. Cartoon-Gesichter) oder unterscheiden sich in visueller Salienz, Helligkeit und Kontrast. Genau diese Stellschrauben adressieren die Forschenden, indem sie soziale und nicht-soziale Fotos so editieren, dass ihre visuelle Wirkung auf dem ersten Blick vergleichbar ist.
Technisch wurde das Ganze mit funktioneller Magnetresonanztomografie (fMRT) umgesetzt. fMRT misst Aktivität indirekt über veränderte Durchblutung: Wenn ein Hirnareal stärker arbeitet, benötigt es mehr Sauerstoff, was der Scanner als Signaländerung detektiert. Im Experiment nahmen 37 Erwachsene aus einer lokalen Studienpopulation teil. Statt Personen mit formaler Autismusdiagnose zu rekrutieren, erhob das Team autistische Traits als kontinuierliche Variable: Die Probandinnen und Probanden beantworteten dafür einen standardisierten 50-Item-Fragebogen. Dieses Design verschiebt den Fokus weg von binären Kategorien und hin zur Frage, wie sich Netzwerkdynamik über ein Spektrum hinweg verändert.
Während der Bildgebung betrachteten die Teilnehmenden eine Serie passiver Fotografien, während sie still im Scanner lagen. Jede Person sah dabei soziale Belohnungsbilder (etwa glückliche Erwachsene oder Kinder in einem sozialen Kontext wie Hochzeit oder Sportereignis) und nicht-soziale Belohnungsbilder (z. B. appetitliches Essen, Landschaften oder Geld). Entscheidend ist: Die Forschenden passten Helligkeit, Kontrast und allgemeine visuelle Auffälligkeit zwischen beiden Kategorien an. Der Task selbst war bewusst simpel: Die Teilnehmenden drückten bei Bild- oder Fixationskreuz-Erscheinen eine Taste. Damit bleibt die kognitive Last niedrig und Unterschiede in der Hirnaktivität lassen sich eher auf den Inhalt der Reize zurückführen.
Außerhalb des Scanners bewerteten die Teilnehmenden zusätzlich, wie glücklich oder lohnend jedes Bild ihnen erschien – auf einer Skala von eins bis neun. Auf Verhaltensebene zeigte sich ein klarer Effekt: Je höher die Werte im autistischen Traits-Fragebogen ausfielen, desto weniger lohnend bewerteten die Probandinnen und Probanden soziale Bilder. Bei nicht-sozialen Belohnungen zeigte sich dieser Rückgang in der gleichen Form nicht. Das ist konsistent mit früheren Befunden, die bei Menschen im Autismus-Spektrum eine reduzierte Präferenz für soziale Belohnungen beschreiben. Neu ist jedoch der „Warum“-Ansatz über funktionelle Konnektivität.
Im Zentrum der Auswertung stand funktionelle Konnektivität: Dabei wird untersucht, ob verschiedene Hirnregionen während des Tasks zeitlich synchron aktiv sind. Das Team betrachtete zwei Regionenpaare besonders genau. Erstens: linksseitiger Gyrus fusiformis (bekannt für Gesichts- und Körpererkennung) und der anteriore zinguläre Kortex, der bei der Bewertung von Belohnungswerten mitwirkt. Zweitens: die linke Insula, die u. a. mit internen Zuständen und sozialen Normen verbunden wird, sowie der mediale orbitofrontale Kortex, der grundlegend am Berechnen von Belohnungswerten beteiligt ist. In beiden Fällen war die Kopplung bei höheren autistischen Traits schwächer.
Um die Verknüpfung zwischen Netzwerk und Verhalten zu untermauern, führten die Forschenden eine Mediation-Analyse durch. Diese statistische Methode testet, ob der Zusammenhang zwischen Prädiktor (autistische Traits) und Outcome (soziale Bildpräferenz) über einen Mediator (Konnektivität der genannten Pfade) „vermittelt“ wird. Ergebnis: Die schwächeren Verbindungen erklärten die Verhaltensunterschiede vollständig. Vereinfacht gesagt: Wenn die visuelle Erkennung sozialer Inhalte und die neuronale Bewertung der Belohnungsbedeutung weniger effizient „durchsprechen“, kann ein Lächeln oder eine jubelnde Menge zwar weiterhin erkannt werden, aber der interne Verstärker für „das ist besonders positiv“ fällt geringer aus. Ein begleitender Fachkommentar aus der Neuroimaging-Community brachte das auf den Punkt: Netzwerkzustände seien hier plausibler als reiner Stimulus-Input.
Gleichzeitig bleibt der Befund beobachtend. Die Reize waren statische Fotos fremder Personen aus dem Internet; echte soziale Interaktion ist dynamisch, kontextabhängig und oft mit wechselseitiger Aufmerksamkeit verbunden. Zudem stützte sich die Einordnung autistischer Traits auf Selbstberichte, die durch kulturelle Erwartungen oder Geschlechterrollen beeinflusst sein können. Das Team schlägt daher vor, in Zukunft größere Stichproben zu nutzen, um mögliche Geschlechtsunterschiede zu prüfen, und Personen mit klinischen Autismusdiagnosen einzubeziehen. Als methodischen nächsten Schritt empfehlen sie interaktive Szenarien statt passivem Bildsehen. Solche Designs erinnern an aktuelle Vergleichsarbeiten, etwa aus Forschungsgruppen, die in Cambridge und Umgebung komplexere soziale Paradigmen im fMRT testen—mit dem Ziel, natürliche Belohnungsprozesse besser abzubilden.
Für die Praxis in Forschung und Entwicklung ergibt sich eine klare Implikation: Wenn Belohnungsverarbeitung über Kommunikationspfade zwischen visuellen und wertbezogenen Netzwerken gesteuert wird, dann könnten zukünftige Diagnostik- oder Trainingsansätze stärker auf Netzwerk-Marker setzen statt allein auf Verhaltenstests. Das ist relevant, weil frühe Interventionen im weiteren Sinne häufig „Stimulus-basierte“ Maßnahmen verwenden. Außerdem eröffnet das Design eine Brücke zur KI-gestützten Datenanalyse: fMRT-Konnektivitätsmuster lassen sich mit modernen Modellierungsansätzen (z. B. zur Mustererkennung) systematisch vergleichen, solange Reizkonfounder wie Bildhelligkeit konsequent kontrolliert werden. Wer solche Studien in Produkte oder klinische Entscheidungsunterstützung überführen will, muss dabei jedoch Datenschutz und Einwilligungsprozesse streng behandeln, da neurobiologische Daten besonders sensibel sind.
💳 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 "Autistische Traits verändern Hirnnetzwerke für soziale Belohnungen im Vergleich zu nicht-sozialen" 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 "Autistische Traits verändern Hirnnetzwerke für soziale Belohnungen im Vergleich zu nicht-sozialen" 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: »Autistische Traits verändern Hirnnetzwerke für soziale Belohnungen im Vergleich zu nicht-sozialen« bei Google Deutschland suchen, bei Bing oder Google News!