Die Ausrichtung der Verbindungen im Gehirn könnte beeinflussen, wie leicht sich epileptische Aktivität ausbreitet.
Koronalschnitt des tiefen Gehirns, der die Ausrichtung der Nervenfasern, mehrere anatomische Strukturen und durch Diffusionsbildgebung rekonstruierte FaserbĂĽndel zeigt.
Bildnachweis: J.J. Lemaire / Institut Pascal
Das Gehirn lässt sich als Netzwerk darstellen. Seine verschiedenen Regionen bilden Knoten, die durch Verbindungen miteinander verknüpft sind und Signale übertragen. Diese Austauschvorgänge sind jedoch nicht immer in beide Richtungen gleich. Eine Region kann mehr Aktivität an eine andere weiterleiten, als sie von ihr empfängt.
Die Forschenden untersuchten diese Organisation mithilfe von Computersimulationen epileptischer Anfälle. Ihr Modell beschreibt die Aktivität miteinander verbundener Hirnregionen. Ziel war es herauszufinden, welche allgemeinen Eigenschaften des Netzwerks den Übergang zu einer anfallsähnlichen Aktivität begünstigen oder hemmen.
Ein Faktor sticht besonders hervor: die Organisation der Verbindungen entlang einer übergeordneten Richtung. Einige Netzwerke verfügen über Kreisläufe, die leicht zu ihrem Ausgangspunkt zurückführen. Andere leiten Aktivität stärker in eine Richtung weiter und weisen weniger Schleifen auf. Dieser Unterschied verändert die Art und Weise, wie sich eine Störung verstärken und ausbreiten kann.
In den Simulationen standen mehrere mathematische Maße der Netzwerkstruktur in engem Zusammenhang mit der Neigung, Anfälle hervorzubringen. Die Autorinnen und Autoren untersuchten insbesondere das Vorhandensein von Schleifen, die globale Stärke der Verbindungen und ihre Richtung. Die Zusammenhänge werden deutlicher, wenn die Größe des simulierten Netzwerks zunimmt.
Konkret ermöglicht eine Schleife, dass Aktivität zu bereits stimulierten Regionen zurückkehrt. Diese Rückkehr kann dazu beitragen, eine Störung aufrechtzuerhalten, anstatt sie abklingen zu lassen. Ein stärker in eine Richtung organisiertes Netzwerk kann dagegen bestimmte Rückkopplungen begrenzen. Das Modell verknüpft somit die Form des Netzwerks mit seiner Dynamik.
Der nächste Schritt besteht darin, diese Zusammenhänge mit Netzwerken zu vergleichen, die bei Patientinnen und Patienten beobachtet wurden. Wenn sie sich in realen Messungen bestätigen, könnten sie helfen, besser zu verstehen, warum sich ein Anfall aus bestimmten Regionen leichter ausbreitet.