Motorische Prozesse im Gehirn Was geht? Dem Gehirn beim Laufen zugeschaut

Gehen ist für die meisten Menschen eine selbstverständliche Fähigkeit. Es erfordert jedoch ein komplexes Wechselspiel zwischen Gehirn und Muskeln, welches durch Unfälle oder Krankheiten wie einen Schlaganfall leicht aus dem Gleichgewicht gebracht werden kann. Forscher aus Ulm haben nun den Prozess des Gehens im Gehirn genauer untersucht und wollen so helfen, dass Betroffene das Laufen leichter wieder erlernen.

Ulm – Gesunde Kleinkinder erlernen in relativ kurzer Zeit und scheinbar spielerisch das Gehen. Eine erstaunliche Leistung, wenn man genauer darüber nachdenkt. Denn während dieser automatisierten Bewegungsvorgänge laufen komplexe Prozesse im Gehirn ab: Binnen Millisekunden müssen verschiedene Muskelgruppen koordiniert werden. Für eine sturz- und stolperfreie Fortbewegung ist zudem ein perfektes Zusammenspiel der visuellen, akustischen und sensorischen Wahrnehmung sowie der motorischen Handlungsplanung wichtig.

Wenn man erst einmal den aufrechten Gang beherrscht, ist es mit dem Laufen wie mit dem Fahrradfahren – das verlernt man nicht mehr. Wobei das so nicht stimmt. Denn nach Krankheiten oder Unfällen – beispielsweise nach einem Schlaganfall oder Sturz – müssen Betroffene das Laufen oft mühevoll wieder neu erlernen. Ihr Gangzyklus ist aus dem Takt geraten. Wie das komplexe Gleichgewicht des Gehens mit seinen neurokognitiven, -motorischen und biomechanischen Komponenten funktioniert, hat nun ein Ulmer Forscherteam genauer analysiert.

EEG-Messungen am laufenden Band

Die Wissenschaftler um Psychologie-Professorin Cornelia Herbert von der Universität Ulm und den Professor für Softwaretechnik und Sensorik Michael Munz von der Technischen Hochschule Ulm (THU) haben anhand von Laufbandanalysen und Messungen der Gehirnaktivität (Elektroenzephalografie/EEG) untersucht, wie einzelne, für das Gehen relevante neurokognitive und neuromotorische Funktionen innerhalb von Millisekunden erhoben und automatisiert ausgewertet werden können. Konkret wollte das Team herausfinden, ob sich ereigniskorrelierte Potentiale (EKPs) anhand der EEG-Aufzeichnungen einzelnen Phasen des Gangzyklus zuordnen lassen.

In der Pilotstudie forderten die Wissenschaftler gesunde Testpersonen auf, zunächst in ihrer Wohlfühlgeschwindigkeit auf einem Laufband zu gehen. Zeitweise erhielten die Studentinnen Anweisungen, größere oder kleinere Schritte zu machen oder etwa die Geschwindigkeit des Laufens zu erhöhen. Die ganze Zeit über wurde ihr Gangbild von einer im Laufband integrierten Druckmessplatte sowie von Inertialsensoren (IMUs) erfasst, die Neigung, Beschleunigungen und Vibrationen messen. Gleichzeitig maßen die Forscher die Gehirnaktivität der Probandinnen mittels EEG.

„Mithilfe neuer psychologischer und technischer Schnittstellen ist es uns gelungen, ereigniskorrelierte Potentiale in den EEG-Aufzeichnungen zu identifizieren und diese den verschiedenen Phasen des Gangzyklus zuzuordnen“, erklärt Studienleiterin Herbert. Entscheidend für die Zuordnung seien die beobachtbaren Gangphasen gewesen – wie zum Beispiel der erste Bodenkontakt des linken und rechten Fußes.

Genetische Psychologie

Warum körperlicher Stress weniger stresst als psychosozialer

Neuronale Marker des Gehens

Die ereigniskorrelierten Potentiale, die während der initialen Bodenkontakte auftraten, ließen sich tatsächlich bei allen Testpersonen nachweisen: Sie können also als neuronale Marker des Gehens angesehen werden und Auskunft über die von der Hirnrinde ausgehende (so genannte kortikale) Bewegungssteuerung geben.

Zudem ergaben sich bei den Untersuchungen Hinweise, welche Gehirnregionen im Verlauf des Gangzyklus aktiv sind. „Unsere Ergebnisse und unser Forschungsprojekt tragen dazu bei, in Zukunft die neuropsychologische Diagnostik von Patientinnen und Patienten mit motorischen Störungen zu verbessern“, sagt Psychologie-Professorin Herbert.

Automatisierte Ganganalyse

In einem zweiten Schritt haben die Forscher einen an der THU bereits für Ganganalysen verwendeten Lernalgorithmus so trainiert, dass dieser die neuronalen Marker im EEG erkennt und automatisch den Gangphasen zuordnet. „In Zukunft könnten Ganganalyse-Verfahren durch maschinelle Lernalgorithmen in der Anwendung verbessert und vollständig automatisiert werden“, erklärt der Sensorikforscher Munz. Die Studienergebnisse sollen zu einer verbesserten Diagnostik und Gangrehabilitation von zum Beispiel Schlaganfall-Patienten, Unfallopfern oder Personen mit neurologischen Erkrankungen beitragen.

Aufbauend auf den Resultaten der Pilotstudie wollen Herbert und Munz die Gangrehabilitation und Sturzprävention verbessern – gerne in Kooperation mit Kliniken und Medizintechnik-Anbietern der Region. Derzeit werden die Erkenntnisse in weiteren Stichproben und mit Probanden unterschiedlicher Altersgruppen untersucht und validiert.

Originalpublikation: Herbert, C., Munz, M.: Measuring Gait-Event-Related Brain Potentials (gERPs) during Instructed and Spontaneous Treadmill Walking: Technical Solutions and Automated Classification through Artificial Neural Networks, Applied Sciences, 2020, 10(16), 5405; DOI: 10.3390/app10165405

* A. Bingmann, Universität Ulm, 89081 Ulm

(ID:46855219)