Nike - mens omada drei schwarz - grauen rudern schuhe in in schuhe größe 10 803081-001 225 dollar 2d79cf

Nike - mens omada drei schwarz - grauen rudern schuhe in in schuhe größe 10 803081-001 225 dollar 2d79cf

Navigation und Service

Springe direkt zu:

Sie sind hier:

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

Nike - mens omada drei schwarz - grauen rudern schuhe in in schuhe größe 10 803081-001 225 dollar 2d79cf

Nike lebron soldat xii 12 sfg zeuge weiße mitternacht marine ao4054-100 mens,Nike flyknit lunar 3 männer - racer blau / gesamt - / volt / schwarz 98181408,Nike air jordan 5 retro ist 314259 041 schwarze universität blaue größe 9,5Nike air penny 4 orlando magic schwarz - blaue größe 14.864018-001 jordan foamposite,Nike air max 90 ultra 2.0 flyknit scarpe da corsa 875943 ginnastica 102,Nike air zoom chalapuka schuhe 872634 - 001 schwarz whte braune leder bei 11,5Nike air max plus tn txt tennis als 6 noir gris cool,Nike flyknit trainer - chukka fsb sneaker - water-repellent 805092-001 sz 7.5Nike air max 90 ultra 2.0 jcrd br 898008-100 weiße schwarze größe 12,Nike air jordan retro - größe 12 neue whit - box,Nike air trainer 1 sb sz 8,5 neue 306193-261 san francisco 2005 huf goldgräberNike air max 270 - weiße turnschuhe ah8050-101 laufschuheAir jordan 1 retro - hoch, "das richtige zu tun" 332550-131 größe 10,5,Nike air jordan xxxii männer niedrige basketball - schuhe der größe 7 bis 13 us - aa1256 401,Nike air max 97 ultra "17 prm, sz - us - 9, ah7581-300, fracht khaki.,Nike air jordan retro - 2 wechseln 87 schwarz uni rote größe 9.,Nike air max so Blau casual schuhen turnschuhe stiefel reflektierenden mens.,Bei nike lunar force 1 flyknit workboot goldene beige größe 10 (855984-200),Lerbon 11 könige stolz größe 10.,Nike air max 90 txt mens ao2437-002 schwarz - weiße textilien schuhe größe 11.,Nike air zoom laufschuhe pegasus 35 rosa porpora-40 ½,Verkauf nike air max 95 sneakerboot 806809 202 dunklen oliven dunkelgrüne alabaster -,1996 original nike air jordan xi 11 niedrigen schwarz / rot,Neue begrenzte nike kyrie 4 kix amarillo gelbe getreide pack limited edition größe 9.,Sz vom 11. mens nike air force max 2013 bereich 72 wolf grauen leuchten in dunklen 597799 001 xiKith x nike air maestro 2 hohe größe 10 um rote bestätigtNike flyknit racer turnschuhe 7,5 brandneu!Neue sz 9,5 nike air max 97 ul '17 laufschuh aus platin 918356-008,Nike free rn - esp laufen männer schuhe größe 10,5,Nike lebron soldat xi sfg mens 897646-005 knochen - basketball - schuhe in größe 10,

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