Maschineller Lernalgorithmus zeigt neurodevelopmentale Signaturen von kombiniertem Familieneinkommen und nachbarschaftlicher Benachteiligung bei Jugendlichen

Warum Geld und Nachbarschaften für wachsende Gehirne wichtig sind

Warum schneiden Kinder aus wohlhabenderen Familien und sichereren Vierteln in der Schule so häufig besser ab und haben seltener Verhaltensprobleme? Diese Studie fragt, ob Spuren des Familieneinkommens und der Wohnumgebung eines Kindes tatsächlich im Gehirn erkennbar sind. Anhand von Hirnscans Tausender US-amerikanischer Jugendlicher und moderner Computertechniken zeigt die Forschung, dass das Gehirn einen überraschend starken „Eindruck" des sozioökonomischen Status trägt — und dass dieser Eindruck mit kognitiven Fähigkeiten und Verhalten verknüpft ist.

Ein Blick in die Gehirne von Tausenden Teenagern

Die Arbeit stützt sich auf die Adolescent Brain Cognitive Development (ABCD) Study, die mehr als 11.000 Kinder in den Vereinigten Staaten begleitet. Aus dieser Gruppe hatten über 7.000 Neun- und Zehnjährige hochwertige Hirnscans und vollständige Hintergrunddaten. Familien gaben ihr Gesamthaushaltseinkommen an, und die Forschenden verknüpften die Wohnadresse jedes Kindes mit zwei Nachbarschaftsindikatoren: einem, der allgemeine Deprivation erfasst, und einem, der Chancen für Kinder in den Blick nimmt, etwa Zugang zu guten Schulen, Parks und Gesundheitsversorgung. Zusammengenommen ergeben diese Maße ein differenziertes Bild der sozialen und wirtschaftlichen Umgebung jedes Kindes.

Computern beibringen, soziale Hinweise im Gehirn zu lesen

Statt nur ein Hirnmaß nach dem anderen zu betrachten, verwendet die Studie eine Methode des maschinellen Lernens namens Elastic Net, die Tausende stark miteinander verwandte Hirnmerkmale gleichzeitig verarbeiten kann. Drei Arten von Hirndaten wurden in die Modelle eingespeist. Die strukturelle MRT maß die Größe und Dicke unterschiedlicher Hirnregionen; Diffusionsbildgebung verfolgte die Integrität und Organisation der weißen Substanz, der Verbindungen, die Regionen miteinander verknüpfen; und Ruhezustandsaufnahmen erfassten, wie Hirnnetzwerke natürlich kommunizieren, wenn ein Kind ruhig liegt. Die Computermodelle wurden an 80 Prozent der Stichprobe trainiert und anschließend an den verbleibenden 20 Prozent getestet, um sicherzustellen, dass die Ergebnisse über die ursprüngliche Gruppe hinaus verallgemeinerbar sind.

Wie gut das Gehirn soziale Umstände offenbart

Die Modelle konnten zuverlässig zwischen Kindern aus höheren und niedrigeren Einkommensverhältnissen sowie zwischen Kindern aus stärker bzw. weniger benachteiligten Nachbarschaften unterscheiden. Nur mit Hirndaten trennten die besten Modelle niedrig- und höherverdienende Kinder in etwa drei Vierteln der Fälle korrekt, was ähnlich leistungsfähig ist wie andere moderne Vorhersagestudien mit Hirndaten. Die Hinzunahme von Informationen wie Rasse und Geschlecht verbesserte die Genauigkeit nur geringfügig, was darauf hindeutet, dass das Gehirn selbst robuste Hinweise auf den sozioökonomischen Hintergrund eines Kindes enthält. Wenn sich die Forschenden auf die extremsten Vergleiche konzentrierten — Kinder aus den untersten 10–20 Prozent der Einkommensverteilung versus jene aus den obersten 10–20 Prozent — stieg die Genauigkeit noch weiter an und nahm dann stetig ab, je ähnlicher sich die verglichenen Einkommensgruppen wurden.

Welche Gehirnbereiche die Geschichte erzählen

Eines der auffälligsten Ergebnisse ist, dass die Verschaltung des Gehirns besonders empfindlich gegenüber sozialen und wirtschaftlichen Bedingungen zu sein scheint. Maße zur Integrität der weißen Substanz, die widerspiegeln, wie gut Nervenfasern organisiert und isoliert sind, waren häufig informativer als traditionelle Maße der Gehirngröße. Diese Unterschiede zeigten sich breit über das Gehirn verteilt, waren aber besonders stark in Verbindungen, die die Frontallappen mit tieferen Strukturen sowie mit parietalen und temporalen Regionen an den Seiten des Kopfes verbinden. Diese Bereiche unterstützen exekutive Fähigkeiten wie Planung und Aufmerksamkeit sowie Sprache und soziales Verständnis. Die nachbarschaftliche Benachteiligung hingegen war stärker mit sehr globalen Merkmalen verknüpft, etwa Durchschnittswerten über eine ganze Hemisphäre, was darauf hindeutet, dass bestimmte Aspekte der Umgebung die Gehirnentwicklung auf weitreichende Weise beeinflussen.

Von Gehirnunterschieden zu Alltagsdenken und -verhalten

Die Studie prüfte außerdem, ob die mit Einkommen und Nachbarschaft verbundenen Gehirnmuster sich im Alltag zeigen. Bei nahezu allen untersuchten Denktests und Verhaltensbewertungen schnitten Kinder aus einkommensschwächeren Familien oder aus stärker benachteiligten Vierteln schlechter bei Sprach-, Gedächtnis- und Problemlöseaufgaben ab und zeigten höhere Werte bei Aufmerksamkeitsproblemen und nach außen gerichtetem Verhalten. Unterschiede waren besonders groß — oft etwa eine Standardabweichung — zwischen den niedrigsten und höchsten Einkommensgruppen. Das bedeutet, dass die vom maschinellen Lernen identifizierten Hirnsignaturen nicht nur abstrakte Muster in Bildern sind; sie entsprechen bedeutsamen Unterschieden darin, wie Kinder denken, lernen und sich verhalten.

Was das für Kinder und die Gesellschaft bedeutet

Kurz gesagt zeigt diese Forschung, dass das Aufwachsen mit weniger finanziellen Ressourcen oder in einer benachteiligten Nachbarschaft eine sichtbare Spur im sich entwickelnden Gehirn hinterlässt, insbesondere in der Verschaltung des Gehirns und in Regionen, die Sprache und Selbstkontrolle unterstützen. Diese Gehirnunterschiede sind bereits im späten Kindesalter nachweisbar und tragen zur Erklärung bekannter Unterschiede in schulischer Leistung und Verhalten bei. Zugleich deuten frühere Arbeiten darauf hin, dass gezielte Unterstützungen — etwa Maßnahmen zur Armutsbekämpfung, geförderte frühkindliche Bildung und familienorientierte Trainings, die Fürsorge und kognitive Fähigkeiten stärken — die Gehirnentwicklung und die Entwicklungschancen von Kindern in einkommensschwachen Verhältnissen verbessern können. Die vielen Wege, über die Belastungen das Gehirn beeinflussen können, bieten auch zahlreiche Eingriffsmöglichkeiten, sodass diese Ergebnisse nicht nur eine Warnung vor Ungleichheit sind, sondern auch eine Handlungsanleitung für Veränderung.

Zitation: Hercules, K. Machine learning algorithm reveals neurodevelopmental signatures of combined family income and neighborhood disadvantage in adolescents. Sci Rep 16, 11344 (2026). https://doi.org/10.1038/s41598-026-42346-w

Schlüsselwörter: sozioökonomischer Status, Jugendlichengehirn, weiße Substanz, maschinelles Lernen, Neuroentwicklung