esanum is an online network for approved doctors

esanum is the medical platform on the Internet. Here, doctors have the opportunity to get in touch with a multitude of colleagues and to share interdisciplinary experiences. Discussions include both cases and observations from practice, as well as news and developments from everyday medical practice.

esanum ist ein Online-Netzwerk für approbierte Ärzte

esanum ist die Ärzteplattform im Internet. Hier haben Ärzte die Möglichkeit, mit einer Vielzahl von Kollegen in Kontakt zu treten und interdisziplinär Erfahrungen auszutauschen. Diskussionen umfassen sowohl Fälle und Beobachtungen aus der Praxis, als auch Neuigkeiten und Entwicklungen aus dem medizinischen Alltag.

Esanum est un réseau en ligne pour les médecins agréés

esanum est un réseau social pour les médecins. Rejoignez la communauté et partagez votre expérience avec vos confrères. Actualités santé, comptes-rendus d'études scientifiques et congrès médicaux : retrouvez toute l'actualité de votre spécialité médicale sur esanum.

Gedächtnisverarbeitung im Schlaf sichtbar gemacht

Tübinger Neurowissenschaftler zeigen mithilfe maschineller Lernalgorithmen: Aktive Verarbeitung von Gedächtnis im Schlaf hilft uns, neue Information zu behalten.

Träume oder spontane Denkvorgänge bald entschlüsselbar?

Tübinger Neurowissenschaftler zeigen mithilfe maschineller Lernalgorithmen: Aktive Verarbeitung von Gedächtnis im Schlaf hilft uns, neue Information zu behalten.

Schlaf hilft uns, besser zu behalten, was wir tagsüber gelernt haben. Aus Tierexperimenten ist bekannt, dass neue Gedächtnisinhalte im Schlaf reaktiviert werden, unser Gehirn also die Lernerfahrung noch einmal abspielt während wir schlafen. Dies führt dazu, dass neues Gedächtnis über Nacht gefestigt wird. Bislang war solch eine Reaktivierung von Lerninhalten beim Menschen schwer nachweisbar, da sich die Aktivität einzelner Neurone nicht beobachten lässt und die meisten Gedächtnisinhalte ganze Netzwerke von Hirnregionen aktivieren. Wissenschaftler vom Institut für Medizinische Psychologie und Verhaltensneurobiologie der Universität Tübingen konnten nun mit neuen statistischen Mustererkennungsmethoden aus dem Bereich des maschinellen Lernens zeigen, dass auch der Mensch im Schlaf vorher Gelerntes verarbeitet. Die Ergebnisse erschienen im Fachmagazin Nature Communications.

Mithilfe eines Elektroenzephalogramms (EEG) untersuchten die Forscher die Hirnaktivität im Schlaf. Sie zeichneten nachts die elektrische Hirnaktivität von Versuchsteilnehmern auf, die vorher unter verschiedenen Versuchsbedingungen unterschiedliche Arten von Bildern auswendig gelernt hatten. Mit diesen Daten wurde dann eine sogenannte Support-Vektor-Maschine – ein Computeralgorithmus zur Mustererkennung – darauf trainiert, die unterschiedlichen Lernbedingungen auseinanderzuhalten. Der Algorithmus war danach in der Lage, allein aus dem Schlaf-EEG anderer Probanden zu bestimmen, welche Art von Bildern diese vor dem Schlaf gesehen haben. Das Lernen der Bilder musste also die Aktivität des Gehirns im Schlaf verändert haben.

Verarbeitung von Lernerfahrungen im Tiefschlaf

Anzeichen für die schlafabhängige Verarbeitung von Lerninhalten fanden die Forscher sowohl im Tiefschlaf als auch im REM-Schlaf. “Je stärker das vorherige Lernmaterial im Schlaf verarbeitet wurde, desto besser behielten die Versuchsteilnehmer die Inhalte“, erklärt Dr. Monika Schönauer. “Unsere Ergebnisse liefern damit die ersten Hinweise dafür, dass die schlafabhängige Verarbeitung von Lernerfahrungen tatsächlich zu einer Stabilisierung des Gedächtnisses führt.“

Interessanterweise ließ sich dieser Zusammenhang zwischen der Wiederverarbeitung und der Gedächtnisleistung nur im Tiefschlaf nachweisen, nicht jedoch im REM-Schlaf. “Tiefschlaf und REM Schlaf scheinen beide an der Gedächtnisverarbeitung im Schlaf beteiligt zu sein. Sie haben aber unterschiedliche Funktionen“, schließt Schönauer aus den Ergebnissen. Es sei nun besonders wichtig, genauer zu verstehen, welche Funktion der REM-Schlaf habe.

Mustererkennung in der kognitiven Neurowissenschaft

Ein großer Teil der Forschungsarbeit bestand darin, einen Algorithmus zu entwickeln, der Schwankungen in der elektrischen Hirnaktivität im Schlaf erkennt, die durch vorheriges Lernen ausgelöst wurden. “Wir mussten also eine Möglichkeit finden, die winzigen, relevanten Muster im Meer der Hirnaktivität des Nachtschlafs zu identifizieren“, sagt Professor Steffen Gais, der die Studie federführend leitete. Dies gelang letztlich mit den Methoden des maschinellen Lernens zur multivariaten Mustererkennung, wie sie auch von den großen Suchmaschinen im Internet eingesetzt werden. Gais ist zuversichtlich, was künftige Studien angeht: “Musterkennung ist eine äußerst sensitive Methode, die in den Lebenswissenschaften immer breitere Anwendung findet. Ich gehe davon aus, dass gerade im Bereich der kognitiven Neurowissenschaften damit Durchbrüche möglich werden, wenn es darum geht, bisher verborgene Prozesse wie Träume oder spontane Denkvorgänge zu entschlüsseln.“