Tiefgehende neurobehaviorale Phänotypisierung deckt neuronale Fingerabdrücke von Bewegungsdefiziten bei Parkinson auf

Warum Gehprobleme bei Parkinson wichtig sind

Für viele Menschen mit Parkinson ist eines der angsteinflößendsten Symptome, wenn sich die Füße plötzlich am Boden festgeklebt anfühlen oder das Gehen bis zur beinahe völligen Bewegungslosigkeit verlangsamt. Diese Bewegungszusammenbrüche – von subtiler Verlangsamung bis zum vollständigen "Einfrieren" des Gangs – erhöhen das Sturzrisiko und die Gefahr, die Selbstständigkeit zu verlieren. Aktuelle Medikamente und Hirnstimulation verhindern sie jedoch oft nicht. Diese Studie hatte zum Ziel, die verborgenen Hirnmuster aufzudecken, die mit solchen Gehproblemen einhergehen, mit dem langfristigen Ziel, intelligentere, bedarfsorientierte Therapien zu entwickeln.

Bewegung im Detail beobachten

Die Forschenden begannen mit einem gut etablierten Rattenmodell der Parkinson-Krankheit. Sie trainierten Ratten, auf einem Laufsteg hin und her zu gehen, verfolgten jede winzige Bewegung ihrer Hinterbeine in drei Dimensionen und zeichneten die elektrische Aktivität aus den motorischen Hirnarealen auf. Jeder Verhaltensmoment wurde als einer von drei Zuständen markiert: normales Gehen, kleine zweckgerichtete Bewegungen am Platz oder Akinesie – ein nahezu vollständiges Stillstehen, das den bei Patientinnen und Patienten beobachteten Freezing-Episoden ähnelt. So entstand ein reichhaltiger "neurobehavioraler" Datensatz, der Hirnrhythmen mit dem Körpergeschehen von Moment zu Moment in Einklang brachte.

Mustern in Hirnwellen auf die Spur kommen

Um diese hochdimensionale Datenmenge zu verstehen, setzte das Team sowohl klassische Statistik als auch moderne Deep-Learning-Werkzeuge ein. Zunächst bestätigten sie bekannte Signaturen: Ratten mit Parkinson-ähnlichen Schäden verbrachten mehr Zeit in Akinesie als gesunde Tiere, und ihre Hirnsignale zeigten verstärkte Aktivität in einem Frequenzbereich, der mit abnormalen Beta- und niedrigen Gamma-Rhythmen zusammenhängt. Als die Wissenschaftler jedoch danach fragten, welche Merkmale die drei Bewegungszustände am besten unterscheiden, traten neue Indikatoren hervor. Maße namens Hjorth-Komplexität und Hjorth-Mobilität – Zusammenfassungen im Zeitbereich darüber, wie unregelmäßig und wie schnell sich das Signal verändert – erwiesen sich als starke Marker. In der betroffenen Hemisphäre waren höhere Komplexität und geringere Mobilität eng mit dem Beginn der Akinesie verknüpft, während andere Merkmale, wie Hochfrequenz-Gamma-Leistung, aktive Bewegung begleiteten.

Hineinzoomen auf den Moment, in dem die Bewegung stoppt

Mit neuronalen Netzen, die kompakte "Karten" der Daten lernen, konnten die Forschenden jedes kurze Zeitfenster in einen niedrigdimensionalen Raum einordnen, in dem Gehen, stationäre Bewegung und Akinesie unterschiedliche Bereiche einnahmen. In diesem Raum bestimmten die Hjorth-Maße und das abnorme Beta–Niedrig-Gamma-Band stark, wo akinetische Episoden lagen. Konzentrierte sich das Team auf die Sekunden um den Beginn einer akinetischen Episode, zeigte sich eine konsistente Abfolge: Komplexität und beta-ähnliche Leistung stiegen kurz vor und zum Zeitpunkt des Stillstands an, während Mobilität und Gamma-Leistung abnahmen. Entscheidend ist, dass sich diese Maße schnell berechnen lassen, ohne aufwändige Frequenzanalysen – ein Vorteil für Echtzeitüberwachung.

Von Ratten zu Menschen mit Freezing of Gait

Die Gruppe untersuchte dann, ob ähnliche neuronale Fingerabdrücke auch beim Menschen auftreten. Sie analysierten detaillierte Bewegungsaufnahmen und Aufzeichnungen von Elektroden, die in eine tiefe Hirnstruktur, den subthalamischen Nukleus, bei zwei Menschen mit Parkinson und Freezing of Gait implantiert waren. Bei einer teilnehmenden Person trat das gleiche Muster wie bei den Ratten während Freezing-Episoden auf: erhöhte Hjorth-Komplexität und Beta-Leistung bei gleichzeitiger Abnahme der Hjorth-Mobilität. Obwohl sich Gamma zwischen den Arten etwas unterschiedlich verhielt, sah das zentrale Signal, dass die Bewegung in einen pathologischen Zustand gleitet, sowohl im Kortex der Ratten als auch im subthalamischen Nukleus dieses Patienten auffallend ähnlich aus – was auf einen gemeinsamen Mechanismus im motorischen Netzwerk hindeutet.

Was das für zukünftige Therapien bedeuten könnte

Indem detailliertes Bewegungs-Tracking mit fortgeschrittener Analyse von Hirnwellen kombiniert wird, identifiziert diese Arbeit einfache, rechnerisch leichte "Fingerabdrücke" dafür, wann das Gehen bei Parkinson kurz vor dem Zusammenbruch steht. Für Laien bedeutet das, dass Ärztinnen, Ärzte und Ingenieurinnen, Ingenieure bald Hirnstimulatoren entwickeln könnten, die in Echtzeit nach diesen Fingerabdrücken suchen und nur bei Bedarf reagieren, um das System noch vor Eintreten einer vollständigen Freezing-Episode zu korrigieren. Zwar sind größere Humanstudien weiterhin erforderlich, doch eröffnet der Ansatz einen vielversprechenden Weg zu personalisierten, geschlossenen Kreislauf-Behandlungen für schwerwiegende Gangstörungen bei Parkinson.

Zitation: Garulli, E.L., Merk, T., El Hasbani, G. et al. Deep neurobehavioral phenotyping uncovers neural fingerprints of locomotor deficits in Parkinson’s disease. npj Parkinsons Dis. 12, 65 (2026). https://doi.org/10.1038/s41531-026-01280-4

Schlüsselwörter: Parkinson-Krankheit, Einfrieren des Gangs, Gehirnrhythmen, Tiefe Hirnstimulation, neurobehaviorale Phänotypisierung