Clear Sky Science · de

Ein funktionelles Konnektivitäts-Signatur in der Neurobildgebung für das Monitoring emotionaler Konflikte, die kognitiven Abbau bei Typ-2-Diabetes vorhersagt

· Zurück zur Übersicht

Warum das für Menschen mit Diabetes wichtig ist

Viele wissen, dass Typ-2-Diabetes Herz, Augen und Nieren schädigen kann, aber weniger Menschen ist bewusst, dass er auch still und leise das Gehirn beeinträchtigen kann. Subtile Probleme beim Denken und Erinnern können Jahre vor einer Demenz auftreten, doch Ärztinnen und Ärzte fehlen noch einfache Methoden, um diejenigen zu identifizieren, die am stärksten gefährdet sind. Diese Studie stellt eine aktuelle Frage: Können Muster der Gehirnaktivität in Kombination mit moderner künstlicher Intelligenz frühe Warnzeichen für kognitive Probleme bei Menschen mit Typ-2-Diabetes aufdecken?

Blick ins Gehirn während emotionaler Verwirrung

Um das zu untersuchen, rekrutierten die Forschenden 40 mittelalte Erwachsene mit Typ-2-Diabetes und 30 vergleichbare Erwachsene ohne Diabetes. Alle absolvierten eine Reihe von Denk- und Stimmungstests und lagen anschließend in einem Hirnscanner, während sie eine „emotional Stroop“-Aufgabe ausführten. Bei dieser Aufgabe sahen die Teilnehmenden Gesichter mit einem Ausdruck von Freude oder Angst, überlagert von emotionalen Wörtern, die manchmal mit dem Gesichtsausdruck übereinstimmten und manchmal im Widerspruch dazu standen. Sie mussten schnell entscheiden, ob das Gesicht glücklich oder ängstlich aussah, und das ablenkende Wort ignorieren. Dieses Setting erzeugt emotionalen Konflikt und zwingt das Gehirn, stärker zu arbeiten, um sich zu konzentrieren und irrelevante Informationen herauszufiltern.

Figure 1
Figure 1.

Wichtige Hirnknoten, die Konflikte steuern

Das Team konzentrierte sich auf eine Reihe von Hirnregionen, die bekannt dafür sind, bei mentaler Kontrolle zu helfen, insbesondere wenn Emotionen hochkochen. Zu diesen Bereichen gehörten Teile der Frontallappen und des cingulären Kortex sowie eine Region, die mit Gedächtnis und innerer Wahrnehmung verknüpft ist. Frühere groß angelegte Studien zeigten, dass diese Regionen ein gemeinsames Netzwerk bilden, das Menschen dabei unterstützt, bei ablenkenden oder belastenden Informationen bei der Sache zu bleiben – über viele psychische Zustände hinweg. Hier maßen die Forschenden, wie stark diese Regionen während der Verarbeitung emotionaler Konflikte miteinander kommunizierten – bekannt als funktionelle Konnektivität.

Ein künstliches Netzwerk lehrt, Hirnsignale zu lesen

Anstatt nur durchschnittliche Hirnaktivität zwischen Gruppen zu vergleichen, verfolgten die Wissenschaftlerinnen und Wissenschaftler einen individuelleren Ansatz. Sie speisten die Daten jedes Diabetes-Patienten in ein Computermodell namens vollständig verbundenes Netzwerk ein, eine Art künstliches neuronales Netzwerk aus dem Bereich des maschinellen Lernens. Für jede Person erhielt das Modell fünf Informationen: wie sehr der emotionale Konflikt ihre Reaktionen verlangsamte sowie vier Messwerte der Verbindungsstärke zwischen einer Schlüsselregion für Konfliktüberwachung und anderen Kontroll- und Gedächtnisbereichen. Die Aufgabe des Modells war, den individuellen Score im Montreal Cognitive Assessment vorherzusagen, einem Standard-Screeningtest zur Abschätzung der allgemeinen Denkfähigkeit. Mithilfe eines sorgfältigen zehnfachen Kreuzvalidierungsschemas wurde das Modell wiederholt an den meisten Patienten trainiert und an den verbleibenden getestet, bis jede Person eine vorhergesagte Punktzahl hatte.

Figure 2
Figure 2.

Mit der Denkfähigkeit verknüpfte Hirnverdrahtungsmuster

Das künstliche Netzwerk lernte überraschend gut, Muster der Hirnkonnektivität mit realen kognitiven Scores in Übereinstimmung zu bringen. In den Trainingsdaten folgten die vorhergesagten Werte eng den tatsächlichen Scores, und selbst bei zuvor nicht gesehenen Patienten zeigten die Vorhersagen eine sinnvolle, wenn auch schwächere Verbindung zur Realität. Die informativsten Merkmale stammten aus Verbindungen, die den anterioren cingulären Kortex einbezogen – eine Region, die dabei hilft, Konflikte zu überwachen und anzuzeigen, wenn mehr mentale Anstrengung nötig ist. Veränderte Kommunikation zwischen diesem Knoten und anderen Kontroll- und Gedächtnisbereichen erwies sich als besonders wichtig, um Patienten mit geringerer kognitiver Leistung zu identifizieren. Diese Befunde deuten darauf hin, dass diabetesbedingte Veränderungen in der Interaktion zwischen emotionalen und Kontrollnetzwerken das Denken und Erinnern lange vor dem Auftreten schwerer Probleme still untergraben könnten.

Was das für die tägliche Versorgung bedeuten könnte

Vorerst ist diese Arbeit ein frühes Proof of Concept, begrenzt durch eine überschaubare Stichprobengröße und die Fokussierung auf einen einzelnen Messzeitpunkt statt auf langfristige Veränderungen. Dennoch weist sie in Richtung einer Zukunft, in der detaillierte Hirnscans und intelligente Algorithmen Klinikern helfen könnten, Diabetes-Patientinnen und -Patienten zu identifizieren, die besonders anfällig für kognitiven Abbau sind, und so frühere Lebensstiländerungen oder Behandlungen zu ermöglichen. Die Autorinnen und Autoren merken außerdem an, dass vereinfachte Versionen der emotionalen Konfliktaufgabe in Kombination mit standardisierten Papier-und-Stift-Tests wie dem traditionellen Stroop-Test eines Tages kostengünstige Wege bieten könnten, einige der gleichen Warnsignale auch außerhalb von MRT-Geräten zu erfassen. Klar formuliert schlägt die Studie vor, dass die Art und Weise, wie das Gehirn bei Diabetes Emotionen und Aufmerksamkeit jongliert, als frühe „Motorwarnleuchte“ fürs Gehirn fungieren könnte und anzeigt, wer zusätzliche Unterstützung braucht, um seine geistige Schärfe zu erhalten.

Zitation: Cheng, Y., Wei, L., Chen, YH. et al. A neuroimaging functional connectivity signature of emotional conflict monitoring predicting cognitive decline in type 2 diabetes. Sci Rep 16, 10436 (2026). https://doi.org/10.1038/s41598-026-41082-5

Schlüsselwörter: Typ-2-Diabetes, kognitiver Abbau, Hirnkonnektivität, emotionaler Stroop, maschinelles Lernen