Die biologische Rolle lokaler und globaler fMRI-BOLD-Signalvariabilität in der multiskaligen Organisation des menschlichen Gehirns

Warum kleine Veränderungen der Gehirnaktivität wichtig sind

Unser Gehirn ruht niemals wirklich. Selbst wenn wir still dasitzen, steigt und fällt die Gehirnaktivität von Moment zu Moment. Jahrelang betrachteten viele Forschende diese Schwankungen als zufälliges „Rauschen“, das man wegmitteln sollte. Die vorliegende Studie stellt eine einfache, aber weitreichende Frage: Was, wenn dieses scheinbare Rauschen tatsächlich ein aussagekräftiges Signal ist, das zeigt, wie das Gehirn organisiert ist und wie es über die Lebensspanne hinweg flexibel bleibt? Indem die Autorinnen und Autoren die winzigen Auf- und Abbewegungen in Gehirnscans untersuchen, zeigen sie, dass diese Variabilität ein zentrales Merkmal gesunder Gehirnfunktion ist und kein Defekt.

Das Moment-zu-Moment-Flackern des Gehirns betrachten

Die Forschenden konzentrierten sich auf eine verbreitete Methode der Gehirnbildgebung, die fMRI, welche Veränderungen im Sauerstoffgehalt des Bluts als Proxy für neuronale Aktivität verfolgt. Statt diese Signale über die Zeit zu mitteln, maßen sie, wie stark das Signal von einem Zeitpunkt zum nächsten in jeder Gehirnregion schwankt. Sie nannten dies „lokale Variabilität“ und erfassten sie mit einer einfachen mathematischen Größe für Moment-zu-Moment-Änderungen. Untersucht wurde außerdem die „globale Variabilität“ – also wie sich die Kommunikationsmuster zwischen Regionen beziehungsweise die funktionalen Verbindungen im Zeitverlauf verschieben. Dazu nutzten sie eine Methode, die zusammenfasst, wie sich die Ganzhirn-Verbindungsmuster während eines Scans verschieben und neu organisieren, und vergaben für jede Region einen Wert, der ihre Verbindungsflexibilität widerspiegelt.

Prüfen, ob Variabilität real ist oder nur Scannerrauschen

Um sicherzugehen, dass sie nicht nur zufällige Artefakte des Scanners messen, analysierte das Team mehrere große, öffentlich verfügbare Datensätze. Diese umfassten junge Erwachsene, die mit unterschiedlichen fMRI-Einstellungen gescannt wurden, sowie Menschen über die gesamte erwachsene Lebensspanne. Sie zeigten, dass Maße der globalen Variabilität hochgradig zuverlässig sind: Individuen zeigten ähnliche Muster über wiederholte Scans hinweg, und zentrale Ergebnisse hielten über verschiedene Scanprotokolle hinweg an. Sowohl lokale als auch globale Variabilität veränderten sich mit dem Alter in einer Weise, die mit früheren Arbeiten übereinstimmt: Ältere Erwachsene wiesen tendenziell einen gedämpften dynamischen Bereich auf, das heißt, ihre Gehirnaktivität und Verbindungen schwankten weniger über die Zeit. Diese Befunde sprechen dafür, dass Variabilität stabile, biologisch getriebene Merkmale erfasst und kein Messrauschen darstellt.

Verknüpfung des Gehirnflackerns mit Zellen, Chemie und Metabolismus

Als Nächstes fragten die Autorinnen und Autoren, wie diese Variabilitätsmuster mit bekanntem Wissen über Gehirnstruktur und -chemie übereinstimmen. Sie übertrugen fMRI-Variabilität auf detaillierte Atlanten, die aus postmortalem Gewebe, hochauflösenden MRT-Aufnahmen der Mikrostruktur, Genexpressionsdaten sowie PET-Scans zu Neurotransmitter-Rezeptoren und Metabolismus erstellt wurden. Die lokale Variabilität war am höchsten in sensorischen Regionen, die eine ausgeprägte Eingangs-Schicht und dichte, vielfältige Zellpopulationen besitzen. Diese Regionen zeigten außerdem starken Blutfluss und hohen Energieverbrauch, was nahelegt, dass rasche, reichhaltige Verarbeitung eingehender Informationen mit einer großen Bandbreite möglicher Reaktionen einhergeht. Die globale Variabilität hingegen erreichte ihren Höhepunkt in höhergeordneten „Assoziations“-Gebieten, die Informationen im ganzen Gehirn verknüpfen. Dort stand sie im Zusammenhang mit langsameren, diffuseren Signalsystemen und mit bekannten Gradienten, die von grundlegender sensorischer Verarbeitung bis zu abstraktem Denken verlaufen.

Verbindung der fMRI-Variabilität mit schnellen Hirnrhythmen

Weil fMRI relativ langsam ist, griff das Team zusätzlich auf Magnetenzephalographie (MEG) zurück, die Gehirnaktivität mit Millisekundenauflösung aufzeichnet. Sie berechneten MEG-basierte Maße ähnlich der lokalen Variabilität und betrachteten außerdem die Form des Leistungsspektrums, das beschreibt, wie stark verschiedene Frequenzen sind. Flachere Spektren – die Weißrauschen ähneln und mehr hochfrequente Aktivität enthalten – gingen mit größerer lokaler Variabilität einher, sowohl in realen Aufnahmen als auch in simulierten Daten. Beim Vergleich von MEG und fMRI über den Kortex fanden sie konsistente Beziehungen zwischen beiden Messarten, was darauf hindeutet, dass die langsamen fMRI-Schwankungen in zugrundeliegenden elektrischen Prozessen verwurzelt sind und nicht bloß willkürlichem Drift entspringen.

Was das für das Verständnis des Gehirns bedeutet

Insgesamt zeigen die Ergebnisse, dass Variabilität in Gehirnsignalen kein triviales Störsignal ist. Sie ist räumlich strukturiert, stabil und eng verknüpft mit der Zellarchitektur, mit chemischen Botenstoffen, mit der Energieversorgung durch das Blut und mit der Geschwindigkeit neuronaler Aktivität. Lokale Variabilität spiegelt die reichhaltigen, sich ständig wandelnden Reaktionen eingangsgetriebener Areale wider, während globale Variabilität die flexible Koordination großräumiger Netzwerke beschreibt. Mit dem Alter schrumpfen diese dynamischen Bereiche, was helfen könnte, Veränderungen in Denken und Verhalten zu erklären. Für eine nicht-fachkundige Leserschaft lautet die Kernbotschaft: Ein gesundes Gehirn ist keine perfekt gleichmäßige Maschine, sondern ein fein abgestimmtes, leicht unvorhersehbares System, dessen kleine Fluktuationen wesentlich für Anpassungsfähigkeit und Resilienz sind.

Zitation: Baracchini, G., Zhou, Y., da Silva Castanheira, J. et al. The biological role of local and global fMRI BOLD signal variability in multiscale human brain organization. Nat Commun 17, 2189 (2026). https://doi.org/10.1038/s41467-026-68700-0

Schlüsselwörter: Variabilität von Gehirnsignalen, funktionelle MRT, Gehirnnetzwerke, Neurobildgebung, neuronale Dynamik