LONDON (IT BOLTWISE) – Eine neue Studie verknüpft unterschiedliche Sensorik-Profile bei autistischen Kindern mit konkreten Mustern der funktionellen Konnektivität im Gehirn. Forschende analysierten Ruhe-MRT-Daten von 146 Teilnehmenden und ordneten sie anhand Fragebogen-Scores fünf bekannten Verhaltensphänotypen zu. Eine KI konnte sieben von zehn Paaren der Profile allein aus den Netzwerkkennzahlen unterscheiden, besonders bei den beiden extremen Gruppen. Damit rückt die interne „Verdrahtung“ als mögliche Erklärung für die große biologische Vielfalt auf dem Autismus-Spektrum in den Fokus.
Sensorische Unterschiede gelten in der Autismusforschung als eines der prägendsten Merkmale. Die Arbeit, die im Fachjournal Biological Psychiatry: Cognitive Neuroscience and Neuroimaging veröffentlicht wurde, macht jedoch einen entscheidenden Schritt weiter: Sie zeigt, dass sich ein Teil dieser Vielfalt nicht nur in Verhalten und Erlebnisberichten abbildet, sondern auch in messbaren Netzwerkbeziehungen zwischen Hirnregionen. In Zahlen ausgedrückt: Die Forschenden berichten, dass Unterschiede in der sensorischen Verarbeitung bei bis zu 87 Prozent der autistischen Personen auftreten und sich damit auf Alltag, kognitive Entwicklung und die Orientierung in der Umwelt auswirken können.
Was diese Sensorik betrifft, reicht die Bandbreite von ungewöhnlich stark wahrgenommenen Reizen bis zu einer abgeschwächten Reaktion. Manche Kinder suchen gezielt bestimmte sensorische Inputs wie intensiven Geschmack oder bestimmte Gerüche, andere versuchen Reize des Alltags konsequent zu vermeiden. Solche Muster wirken auf den ersten Blick stark individuell, denn „die Sensorik“ ist kein einheitliches Phänomen. Die Studie nimmt deshalb Bezug auf frühere Ergebnisse, in denen fünf sensorische Phänotypen aus Verhaltensdaten herausgearbeitet wurden: von einem eher „sensory adaptive“-Profil mit minimalen Abweichungen bis hin zu „generalized sensory differences“, bei denen in vielen Sinnesbereichen ausgeprägte Sensitivitäten auftreten.
Neu ist die Frage, ob diese fünf Profile auch im Gehirn ihre Entsprechung haben. Dafür untersuchte das Team um Matthew Kolisnyk und Ryan Stevenson, ob unterschiedliche sensorische Verhaltensweisen mit spezifischen Konfigurationen funktioneller Verbindungen zusammenhängen. Als Datengrundlage dienten 146 autistische Kinder und Jugendliche im Alter von drei bis 21 Jahren. Ihre Bezugspersonen füllten standardisierte klinische Fragebögen aus, die die täglichen Reaktionen auf verschiedene Sinnesreize erfassen. Auf Basis der Fragebogen-Scores wurden die Teilnehmenden anschließend den fünf zuvor definierten Phänotypen zugeordnet.
Die eigentliche Brücke vom Verhalten zum Gehirn bauten die Forschenden mit Ruhe-Zustands-funktioneller Magnetresonanztomografie (resting-state fMRI). Dabei wird während die Probandinnen und Probanden ruhig bleiben Blut-Sauerstoff-Spiegelveränderungen gemessen, um daraus Aktivitäts- und Synchronitätsmuster abzuleiten. Um aus diesen Messungen eine „Netzwerk-Sprache“ zu gewinnen, teilten die Forschenden den Kortex in 200 Abschnitte und ordneten dazu 32 subkortikale Regionen zu. Anschließend kam Graph-Theorie zum Einsatz: So ließen sich Metriken berechnen, die beschreiben, wie stark Regionen miteinander verbunden sind, wie effizient Informationen an lokale Nachbarbereiche weitergegeben werden und ob bestimmte Areale als zentrale Hubs für Kommunikation über größere Distanzen fungieren. Dazu gehörten unter anderem betweenness centrality sowie der clustering coefficient, die zusammen eine Vielzahl individueller Netzwerkwerte pro Person erzeugten.
Die KI-Phase nutzte diese Netzwerkmetriken als Eingabe: Ein Machine-Learning-Modell wurde darauf trainiert, versteckte Muster zu erkennen und die passenden sensorischen Phänotypen zuzuordnen. Konkret testeten die Forschenden, ob das Modell die Konnektivitätsdaten zuverlässig genug lernt, um einen Kind-zu-Profil-Zuordnungsfehler zu minimieren. Dafür wurden Vergleiche in zehn möglichen Paar-Konstellationen zwischen den fünf Gruppen durchgeführt. Ergebnis: Die KI konnte sieben von zehn Phänotyp-Paaren statistisch erfolgreich trennen – besonders gut bei den beiden Extremen. In diesem Setting gelang die klarste Unterscheidung zwischen dem „sensory adaptive“-Profil und der Gruppe mit generalisierten sensorischen Unterschieden.
Die Analyse lieferte auch Hinweise darauf, welche Hirnareale dabei besonders informativ waren. Bei Kindern aus der „sensory adaptive“-Gruppe zeigten sich stärkere globale Verbindungen in der präfrontalen Hirnrinde, einem Bereich, der stark mit Entscheidungsprozessen und exekutiven Funktionen verknüpft ist. Zusätzlich fiel eine hohe Konnektivität im orbitofrontalen Kortex auf, der sensorische Informationen mit emotionalen Bewertungsmechanismen koppelt. Umgekehrt wies die „generalized sensory differences“-Gruppe stärkere lokale Verbindungen im somatomotorischen Netzwerk auf, das direkt mit Berührung und willentlicher Bewegung arbeitet. Die Muster deuten damit auf eine potenzielle Verschiebung in der Regulierung eingehender Reize durch höherstufige Kontrollregionen hin.
Für die spezialisierten Phänotypen identifizierte das Team weitere „Signaturen“. Bei Kindern mit isolierten Sensitivitäten für Geschmack und Geruch zeigte sich eine veränderte Hub-Aktivität im posterior parietalen Kortex, einer Region, die für räumliches Denken und Aufmerksamkeit eine zentrale Rolle spielt. Daneben halfen Unterschiede in breiteren Aufmerksamkeitsnetzwerken sowie im default mode network, das vor allem während innerer Gedankenprozesse und Tagträumen aktiv ist, mehrere Profile weiter zu separieren. Auch subkortikale Strukturen wie Thalamus und nucleus accumbens erwiesen sich als relevant: Sie gelten häufig als frühe „Gatekeeper“ sensorischer Informationen, bevor diese in den Kortex weiterverteilt werden. Besonders deutlich waren die subkortikalen Konnektivitätsunterschiede in der generalisierten Gruppe und in der Geschmack-und-Geruch-Sensitivitätsgruppe.
Wichtig bleibt jedoch die Einordnung der Grenzen. Das Modell konnte bei drei Paarvergleichen keine statistisch signifikanten Unterschiede herausarbeiten, etwa zwischen der unterreagierenden Gruppe und dem Bewegungs-difficulty-Profil. Das kann bedeuten, dass manche sensorischen Muster teilweise auf überlappenden Mechanismen beruhen oder dass die Stichprobe für subtilere Effekte zu klein war. Zudem stützt sich die Phänotyp-Zuordnung stark auf caregiver reports: Standardisierte Fragebögen sind klinisch nützlich, bilden aber zwangsläufig subjektive Alltagserfahrungen ab. Auch Faktoren wie Schweregrad weiterer Autismus-Symptome, IQ oder koexistierende Bedingungen wurden nicht als mögliche unabhängige Treiber der Konnektivität berücksichtigt. Schließlich können Kopfbewegungen im Scanner funktionelle Konnektivitätsmessungen verfälschen; die Forschenden entfernten Daten mit übermäßiger Bewegung und nutzten Korrekturen, dennoch bleibt die Frage, wie robust die Vorhersagen in unabhängigen Kohorten 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.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【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 "Autismus-Sensorik: KI erkennt Hirn-Netzwerkmuster für Profile" 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 "Autismus-Sensorik: KI erkennt Hirn-Netzwerkmuster für Profile" 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: »Autismus-Sensorik: KI erkennt Hirn-Netzwerkmuster für Profile« bei Google Deutschland suchen, bei Bing oder Google News!