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.“
