Datensatz zur andauernden Aufmerksamkeit (gradCPT) mit simultaner EEG-fMRI und DTI

Warum unser Abschweifen wichtig ist

Jeder kennt das Gefühl, mitten in einer Aufgabe auszublenden – die Augen bleiben auf der Seite oder dem Bildschirm, doch die Gedanken schweifen zu den Plänen für morgen oder zu einem kürzlichen Gespräch. Dieses Paper stellt einen umfangreichen, offen zugänglichen Gehirndatensatz vor, der darauf abzielt, genau solche alltäglichen Aufmerksamkeitsaussetzer in Echtzeit zu erfassen. Indem die Forschenden Gehirnaktivität mit mehreren hochentwickelten Messgeräten gleichzeitig aufzeichnen, während die Teilnehmenden anspruchsvolle Aufmerksamkeitsaufgaben absolvieren, soll dazu beigetragen werden, besser zu verstehen, warum Fokus versagt, wie innere Gedanken mit der Außenwelt konkurrieren und wie unterschiedliche Hirnareale im Zeitverlauf zusammenarbeiten.

Das Gehirn aus zwei Blickwinkeln gleichzeitig beobachten

Kein einzelnes Hirnabbildungsverfahren erfasst alles, was passiert, wenn die Aufmerksamkeit nachlässt. Funktionelle MRT (fMRI) zeigt, wo sich die Aktivität im Gehirn mit feiner räumlicher Auflösung verändert, ist aber relativ langsam. Elektroenzephalographie (EEG) verfolgt rasche elektrische Aktivität im Millisekundenbereich, verwischt jedoch die räumliche Herkunft der Signale. In dieser Studie lagen 28 gesunde Erwachsene im MRT und trugen eine EEG-Haube, sodass beide Datentypen gleichzeitig erfasst wurden. Das Team ergänzte die Messungen durch Diffusionsbildgebung, die die Verbindungsbahnen des Gehirns abbildet, sodass spätere Studien schnelle elektrische Veränderungen, langsamere Blutflussänderungen und die zugrunde liegenden weiß-matter-Verbindungen, die Hirnregionen verbinden, in Beziehung setzen können.

Eine auf Tagträume ansetzende Aufmerksamkeitsaufgabe

Das zentrale Experiment nutzt eine graduelle, kontinuierliche Leistungsaufgabe namens gradCPT, die sich besonders eignet, Moment-zu-Moment-Änderungen der Konzentration zu zeigen. Die Teilnehmenden sehen einen Strom aus Stadt- und Bergszenen, die alle 800 Millisekunden sanft ineinander überblenden. Sie müssen bei den meisten Stadtbildern einen Knopf drücken, bei den selteneren Bergbildern jedoch zurückhalten. Diese einfache Regel macht Aussetzer deutlich: Ein ausgelassener Knopfdruck oder ein Fehlklick bei einem Bergbild markiert einen Aufmerksamkeitsfehler. Um zu untersuchen, wie innere Gedanken die Aufgabe stören, enthielten die Forschenden außerdem Blöcke, in denen die Teilnehmenden angewiesen wurden, sich lebhaft ihren zukünftigen Arbeits- oder Schultag vorzustellen, während sie weiterhin gradCPT ausführten, sowie Phasen reiner Vorstellung, eine flimmernde Schachbrett-Visuaufgabe und Ruhephasen mit offenen oder geschlossenen Augen.

Von verrauschten Signalen zu nutzbaren Gehirnkarten

EEG innerhalb eines MRT-Scanners aufzuzeichnen ist technisch anspruchsvoll: Die starken Magnetfelder und schnell wechselnden Gradienten erzeugen große elektrische Artefakte, die die winzigen interessierenden Gehirnsignale überwältigen können. Das Team bereitete jede Person sorgfältig vor, minimierte Kabelbewegungen und folgte bewährten Layouts für Verstärker und Verkabelung. Anschließend nutzten sie spezialisierte Software, um sich wiederholende, MRT-bezogene Rauschmuster zu subtrahieren, herzfrequenzbedingte Verzerrungen zu entfernen und weitere Artefakte herauszufiltern. Für die fMRI-Daten wendeten sie eine moderne, standardisierte Vorverarbeitungspipeline an, korrigierten Kopfbewegungen und Scannerverzerrungen, glätteten die Bilder und quantifizierten die Signalqualität. Diffusionsbilder wurden bereinigt und verwendet, um wichtige weiß-matter-Faserbahnen und Konnektivitätsmatrizen zwischen mehr als hundert Hirnregionen zu rekonstruieren. Qualitätskontrollen zeigten, dass die Bewegung gering war, Schlüssel­signale robust und die strukturellen Verbindungen anatomisch plausibel erschienen.

Wie Gehirnnetzwerke bevorstehende Fehler ankündigen

Um zu demonstrieren, was mit dem Datensatz möglich ist, wiederholten die Autorinnen und Autoren ein klassisches Ergebnis zu Aufmerksamkeitsaussetzern. Sie konzentrierten sich auf drei große Gehirnnetzwerke: visuelle Regionen, die die Szenen verarbeiten, Aufmerksamkeitsnetzwerke, die zielgerichtete Konzentration unterstützen, und das „Default‑Mode“-Netzwerk, das bei nach innen gerichteten Gedanken und Gedankenabschweifung aktiver wird. Beim Vergleich der Gehirnaktivität vor korrekten versus inkorrekten Durchgängen im gradCPT stellten sie fest, dass Fehler von stärkerer Aktivität in Default‑Mode‑Bereichen und schwächerer Aktivität in visuellen Arealen vorausgegangen waren. Dieses Muster war besonders deutlich in „außer‑der‑Zone“-Phasen, in denen die Reaktionszeiten stärker schwankten und das Verhalten weniger stabil war. Anders gesagt: Das Gehirn verlagerte sich bereits hin zu inneren Gedanken und weg von der visuellen Aufgabe, bevor die Leistung nachließ.

Eine gemeinsame Ressource zum Studium von Fokus und Ablenkung

Über diese ersten Demonstrationen hinaus ist das eigentliche Ergebnis dieser Arbeit der öffentliche Datensatz selbst. Organisiert in einem weit verbreiteten Format und auf der OpenNeuro-Plattform geteilt, enthält er rohe und vorverarbeitete EEG-, fMRI-, Diffusionsbild- und Verhaltensdaten sowie Code für Aufgabenpräsentation und Analyse. Forschende können ihn nutzen, um neue Methoden zur Bereinigung von EEG-Daten im MRT zu testen, zu erforschen, wie strukturelle Verbindungen Aufmerksamkeit stützen, oder Modelle zu entwickeln, die Aussetzer aus Mustern über mehrere Gehirnsignale vorhersagen. Für Nicht‑Spezialistinnen und Nicht‑Spezialisten ist die Kernaussage klar: Wenn unsere Gedanken abschweifen, verschiebt sich das Gleichgewicht zwischen Netzwerken, die nach außen schauen, und solchen, die sich nach innen wenden, auf nachweisbare Weise – und dieser Datensatz bietet ein kraftvolles neues Fenster darauf, wie sich diese Verschiebungen im Zeitverlauf entfalten.

Zitation: Cha, Y., Lee, Y., Ji, E. et al. Sustained Attention Task (gradCPT) Dataset using simultaneous EEG-fMRI and DTI. Sci Data 13, 573 (2026). https://doi.org/10.1038/s41597-026-06616-6

Schlüsselwörter: andauernde Aufmerksamkeit, Gedankenabschweifung, EEG fMRI, Gehirnnetzwerke, offene Neuroimaging-Daten