Männer reagieren flyknit cookies & cream cream & aq0067-011 epos neu 9266da

Männer reagieren flyknit cookies & cream cream & aq0067-011 epos neu 9266da

Navigation und Service

Springe direkt zu:

Sie sind hier:

  1. Portal
  2. Medien
  3. Pressemitteilungen
  4. Verräterische Hirnscans: Persönlichkeitsprognose durch Künstliche Intelligenz

Männer reagieren flyknit cookies & cream cream & aq0067-011 epos neu 9266da

Nike lebron xiv 14 low - mens 878636-003 dunkel - basketball - schuhe in größe 10,Nike männer af1 ultra flyknit niedrigen prm studio ROT / tiefe königliche blau - weißes basketballNike lebron xii niedrigen prm - lebronald palmer 10, tz, nrg, sb, sportbekleidung,Nike hyperdunk 2017 kühle graue anthrazit 917726-007 männer ist groß.,Nike air jordan 1 mitte nouveau bhm 629151-009 mens der größe 10,5,Nike vapor unantastbar uni 3 (schwarze männer fußball - schuhe alle bestseller,Air jordan 4 iv retro - dunk über männer - größe 10,5 (308497-425),Nike huarache hass - liebe - packung rote schuhe größe 10,5 hervorragenden zustand der männerNike sb - stefan janoski skateboard - größe 12 nebel multi - grün / blau / schwarz,Nike air jordan, warum nicht zer0.1 spiegelbild westbrook aa2510-104 männer 9,5 sh04Nike air huarache drift prm schwarze rush violet orangen laufschuh ah7335-002 männer,Nike zoom kd 9 basketballschuh männer größe 11.,Nike air max 2016 männer größe 9 mit box!!!!!!!!,Nike zoom aus flyknit 844134-402 ocean fog / weiß / blau mens sz 10,5,Brand new air huarache mnu ist 3m spiegelnden schwarz 704830-002 sz6-13,100% authentische air jordan in chicago flagge 10 ist größe 9 gebrauchtyachten der weiße schuhe,Air jordan xx stealth - retro - sz - 10 emaculate zustand,Nike roshe laufen rosherun mitte qs nyc packungsgröße 7,5Nike air max 95 Turnschuhe platin schwarzen lifestyle sneaker 749766-035 wichtig,Nike cortez kenny kendrick lamar schwarz - weiß 3 championship tour größe 7Nike af1 downtown prm premium Weiß / metallisches gold größe 11 616769 100 neue,Neue kyrie 4 größe 12 schwarz / dunkelgrau 943806-005,Nike air max motion laufschuhe mensNike lebron 11 xi 4. juli männer - basketball - schuhe 616175-164 sz - 8,Nike magista opus ii - sg pro botas de f ú tbol hombre 844597 376 zapatillasNike kd vii bhm "schwarz history month" [718817 010] männer größe 9,5,Nike air jordan xi 11 retro - niedrige 2015 schiedsrichter größe 10,5 306008 003,Nike flyknit trainer schwarz - weiß - grauen yeknit oreo - racer ah8396-005 sz 12 männer,Bei nike zoom rev - tb - werbespot brustkrebs größe 8 (aj7718 605) keine kiste top,Nike männer sb dunk low fte - skate - schuh,

Jülich, 8. August 2018 – Aus MRT-Bilddaten lassen sich Informationen über Persönlichkeitsmerkmale eines Menschen gewinnen. Gezeigt haben das Wissenschaftler vom Forschungszentrum Jülich und von der Universität Düsseldorf in der Juni-Ausgabe der Zeitschrift "Brain Structure and Function". In ihrer Studie identifizierten die Forscher Netzwerke im menschlichen Gehirn, die bei verschiedenen Aufgaben besonders aktiv waren. Sie trainierten dann eine Software darauf, diese Aktivität spezifischen Persönlichkeitsmerkmalen zuzuordnen. Wie die Forscher in einer weiteren Studie nachgewiesen haben, kann auf diese Weise aus MRT-Daten auch gut erkannt werden, ob ein Mensch etwa unter Schizophrenie oder Parkinson leidet.

Die funktionelle Magnetresonanztomografie (fMRT) macht sichtbar, wenn sich die Sauerstoffsättigung in den Blutgefäßen des Gehirns innerhalb von Sekunden ändert. Wissenschaftler nutzen fMRT-Aufnahmen, um zu erforschen, welche Gehirnareale bei den verschiedensten Denkaufgaben oder Anweisungen aktiviert werden. Doch auch während Menschen ihren Gedanken freien Lauf lassen, können ihre Gehirne mit dieser Methode gescannt werden. Genau diese Aufnahmen nutzten die Jülicher und Düsseldorfer Wissenschaftler, um die Persönlichkeit von Probanden einzuschätzen, beispielsweise, wie emotional labil oder gewissenhaft er vermutlich ist.

Genauer formuliert: Die Hirnforscher entwickelten ein Computerprogramm, das sie dann darauf trainierten, aus den fMRT-Daten abzuleiten, wie der Proband wahrscheinlich bei einem weit verbreiteten Persönlichkeitstest abschneiden wird. Dieser Test mit dem Kürzel NEO-FFI besteht aus 60 Aussagen wie etwa "Ich versuche, zu jedem freundlich zu sein". Der Proband kreuzt auf einer Skala von "Starke Ablehnung" bis "Starke Zustimmung" an, wie er zu der jeweiligen Aussage steht. Auf diese Weise erfassen Psychologen fünf Merkmale, in denen sich die Persönlichkeit eines Menschen widerspiegelt. Die sogenannten "Big Five" sind: Offenheit für Erfahrungen, Gewissenhaftigkeit, Geselligkeit, Verträglichkeit und emotionale Labilität.

Aktivitätsmuster in funktionellen Netzwerken

Bis der Computer mit hoher Wahrscheinlichkeit richtige Voraussagen treffen konnte, waren mehrere Arbeitsschritte nötig. "Zunächst haben wir in einer sogenannten Metaanalyse viele Tausende veröffentlichte fMRT-Studien ausgewertet, in denen Probanden Aufgaben gestellt wurden", erläutert Prof. Simon Eickhoff, Leiter des Bereichs "Gehirn und Verhalten" des Jülicher Instituts für Neurowissenschaften und Medizin (INM-7). Dabei identifizierten er und sein Team insgesamt neun verschiedene funktionelle Netzwerke im Gehirn. Eines wird beispielsweise aktiv, wenn Probanden Gesichter erkennen sollten, und ein anderes, wenn sich Menschen etwas kurzfristig merken sollten.

Im zweiten Schritt nutzten sie die anonymisierten Daten von rund 700 Probanden, die sich sowohl einem Hirnscan als auch einem Persönlichkeitstest unterzogen hatten. Die Wissenschaftler werteten fMRT-Aufnahmen der Probanden aus, die ihre Gedanken frei fließen ließen. Dabei erfassten die Forscher die Aktivitätsmuster nur in denjenigen funktionellen Netzwerken des Gehirns, die sie zuvor aufgrund der Metaanalyse als robust über hunderte von Befunden identifiziert hatten. Die Zusammenfassung der Literatur hatte den Wissenschaftlern somit Vorwissen über die Organisation des Gehirns geliefert, das sie für ihre Auswertung benötigten.

Auf Persönlichkeitsprognose trainierte Software

Dann folgte ein Schritt des maschinellen Lernens anhand der Ergebnisse von 90 Prozent der Probanden. Die Forscher trainierten eine lernende Software darauf, aus den Aktivitätsmustern dieser Probanden auf die Ergebnisse in den Persönlichkeitstests zu schließen. Die Wissenschaftler gaben der Software dabei stets Rückmeldung, inwieweit ihr Ergebnis richtig war. Die lernende Software passte daraufhin ihr mathematisches Modell an. „Wiederholt man dieses Vorgehen viele Male, wird das Modell immer besser“, sagt Eickhoff. Die so trainierte Software erstellte dann am Ende eine Persönlichkeitsprognose für die zehn Prozent der Probanden, deren Abschneiden im NEO-FFI-Test ihr nicht bekannt war.

Dabei zeigte sich: Die Aktivität einzelner, spezifischer Netzwerke hängt direkt mit der Ausprägung unterschiedlicher Persönlichkeitsmerkmale zusammen. Zwei der neun funktionellen Netzwerke erwiesen sich als geeignet, um das Abschneiden eines Menschen im NEO-FFI-Test hinsichtlich seiner Offenheit für neue Erfahrungen vorherzusagen. Jeweils ein funktionelles Netzwerk ermöglichte es, die Verträglichkeit beziehungsweise die emotionale Labilität eines Menschen abzuschätzen.

Möglichkeiten und Grenzen von Technologien transparent machen

Interessanterweise lassen sich mit weiteren Netzwerken weitere Persönlichkeitsmerkmale abschätzen, wenn man die Daten von weiblichen und männlichen Probanden trennt – und die lernende Software getrennt füttert und trainiert. "Offensichtlich sind die Muster der Verbindungsstärken in den funktionellen Netzwerken zumeist geschlechtsspezifisch", folgert Eickhoff.

Die Erkenntnisse der Jülicher und Düsseldorfer Wissenschaftler sind für die Grundlagenforschung bedeutsam. "Wir wollen nicht nur den grundsätzlichen Aufbau des menschlichen Gehirns verstehen, sondern auch, wie es sich von Person zu Person unterscheidet", erläutert Eickhoff. "Natürlich gibt es bei dieser Art Forschung immer auch Bedenken – von der Gefahr des 'gläsernen Menschen' bis hin zu ökonomischen Folgen oder möglichen Missbrauch von Patientendaten", weiß Eickhoff. "Gerade deshalb ist es wichtig die Möglichkeiten und Grenzen von solchen Technologien transparent zu diskutieren."

Prof. Simon EickhoffProf. Simon Eickhoff
Copyright: Forschungszentrum Jülich / Sascha Kreklau

fMRT-Daten geben auch Hinweise auf psychische Krankheiten

In einer weiteren Publikation hatten die Hirnforscher um Eickhoff gemeinsam mit weiteren Wissenschaftlern bereits gezeigt: Die Kombination von Metanalyse und maschinellem Lernen ermöglicht es auch, ausschließlich aus fMRT-Aufnahmen, bei denen die Gedanken frei fließen konnten, darauf zu schließen, ob ein Mensch an Schizophrenie oder Parkinson erkrankt oder psychisch gesund ist. Insbesondere hatten die Wissenschaftler mithilfe ihres methodischen Vorgehens bestimmte funktionelle Netzwerke identifiziert, die spezifisch bei der jeweiligen Krankheit gestört sind. Ihre Ergebnisse hatten die Wissenschaftler in der Zeitschrift „Human Brain Mapping“ veröffentlicht. Beteiligt waren neben Jülicher und Düsseldorfer Hirnforschern auch Wissenschaftler der Sektion Brain der Jülich-Aachen Research Alliance, der RWTH Aachen und der Universitäten Duisburg-Essen, Heidelberg und Köln.

Originalpublikation: "Predicting personality from network-based resting-state functional connectivity", by Alessandra D. Nostro, Veronika I. Müller, Deepthi P. Varikuti, Rachel N. Pläschke, Felix Hoffstaedter, Robert Langner, Kaustubh R. Patil, Simon B. Eickhoff, Brain Structure and Function (2018),
DOI: 10.1007/s00429-018-1651-z

Weitere Informationen:

Interview mit Prof. Simon Eickhoff "Mittels Hirnscan zur individuellen Prognose":
Das Team um Prof. Simon Eickhoff wertet MRT- und fMRT-Hirnscans oft Hunderter von Menschen auf sehr spezielle Weise aus: Es trainiert Computer darin, aus den Bilddaten die Aktivitätsmuster in funktionellen Netzwerken des Gehirns auszulesen. Eickhoff hofft, dass sich dann aufgrund dieser Information der weitere Verlauf der Krankheit bei Menschen mit Depressionen, Schizophrenie oder Morbus Parkinson vorhersagen lässt.

Institut für Neurowissenschaften und Medizin, Gehirn und Verhalten (INM-7)

Twitter-Account des INM-7

© Forschungszentrum Jülich Impressum Datenschutz