Ein Atlas, viele Maßstäbe: Warum Hirnforschung an ihrer eigenen Datenvielfalt scheitert
Moleküle, Zellen, Fasern, Netzwerke – das menschliche Gehirn wird auf völlig unterschiedlichen Ebenen vermessen. Diese Befunde zusammenzuführen ist längst kein Nebenproblem mehr, sondern die eigentliche Engstelle der Neurowissenschaft. Software-Werkzeuge wie „siibra" sollen sie beheben.
Dasselbe Organ, unvereinbare Beschreibungen
Wer das menschliche Gehirn erforscht, arbeitet praktisch nie am ganzen Objekt. Die eine Arbeitsgruppe färbt Gewebeschnitte ein und zählt Zellkörper unter dem Mikroskop. Die nächste misst, welche Gene in welcher Region abgelesen werden. Eine dritte zeichnet mit bildgebenden Verfahren auf, welche Areale bei einer Aufgabe gemeinsam aktiv werden. Eine vierte rekonstruiert Faserbahnen, also die Verkabelung zwischen den Regionen.
Jede dieser Ebenen bringt eigene Auflösungen, eigene Koordinatensysteme und eigene Dateiformate mit. Der Größenunterschied zwischen einer Zellstruktur im Mikrometerbereich und einem Netzwerkbefund aus dem Kernspintomografen beträgt mehrere Zehnerpotenzen. Zwei Befunde können sich auf exakt dieselbe Stelle im Gehirn beziehen, ohne dass ein Computer das erkennt – weil sie in unterschiedlichen Bezugsräumen abgelegt sind.
Genau an dieser Stelle setzt eine Klasse von Werkzeugen an, die in der Forschungsförderung zunehmend Aufmerksamkeit bekommt: Software, die als Übersetzungsschicht zwischen den Ebenen dient. Das am Forschungszentrum Jülich entwickelte Programmpaket „siibra" – der Name steht für „software interfaces for interacting with brain atlases" – ist eines der bekanntesten Beispiele. Es verbindet Hirnkarten, Referenzräume und regionale Datensätze und macht sie sowohl über einen Browser-Betrachter als auch über eine Programmierschnittstelle zugänglich.
Warum die Karte selbst das Problem ist
Hinter der technischen Frage steckt eine ältere wissenschaftliche: Wo genau endet eigentlich ein Hirnareal? Die klassische Antwort der Zytoarchitektonik lautet, dass sich Regionen anhand der Anordnung ihrer Zellschichten voneinander abgrenzen lassen. Genau darauf baut der Jülich-Brain-Atlas auf, der cytoarchitektonische Karten für mehr als zweihundert Areale enthält.
Die Besonderheit dieser Karten ist, dass sie probabilistisch angelegt sind. Sie behaupten nicht, dass eine Grenze bei jedem Menschen an derselben Stelle verläuft, sondern geben für jeden Punkt an, mit welcher Wahrscheinlichkeit er zu einem bestimmten Areal gehört. Der Grund ist banal und folgenreich zugleich: Gehirne unterscheiden sich individuell erheblich. Eine scharfe Linie auf einer Übersichtsgrafik ist deshalb eine Vereinfachung, die für die Auswertung von Studiendaten schnell zu grob wird.
Für die Praxis heißt das: Wer einen eigenen Befund einer Hirnregion zuordnen will, braucht nicht nur eine Karte, sondern auch eine belastbare Angabe darüber, wie sicher diese Zuordnung ist. Software, die diese Wahrscheinlichkeiten automatisch mitliefert, verändert die Art, wie Ergebnisse formuliert werden – weg von der Aussage „Areal X war aktiv", hin zu einer Abstufung.
Infrastruktur statt Einzelprojekt
Bemerkenswert an der Entwicklung ist weniger das einzelne Programm als die Verschiebung dahinter. Datenwerkzeuge galten in den Lebenswissenschaften lange als Beiwerk: Man baute sie sich im Projekt, nutzte sie für eine Veröffentlichung und ließ sie danach verwaisen. Inzwischen setzt sich die Einsicht durch, dass die Pflege solcher Werkzeuge eine Daueraufgabe ist – vergleichbar mit einer Bibliothek oder einem Messgerätepark.
Diese Umdeutung ist kein neurowissenschaftliches Sonderphänomen. Ähnliche Bewegungen gibt es in den Materialwissenschaften, der Klimaforschung und der Medizin. Überall wächst die Menge an Messdaten schneller als die Fähigkeit, sie über Projektgrenzen hinweg zu verknüpfen. Wo Daten offen und maschinenlesbar abgelegt werden, entsteht ein Nebeneffekt, der methodisch schwer wiegt: Analysen lassen sich nachvollziehen und wiederholen – ein Punkt, an dem die empirische Forschung in den vergangenen Jahren mehrfach ins Straucheln geraten ist.
Ganz aufgelöst ist das Grundproblem damit nicht. Eine Software kann zusammenführen, was räumlich zusammengehört; sie kann nicht entscheiden, ob zwei Messungen inhaltlich dasselbe erfassen. Ob ein Aktivitätsmuster aus einer Bildgebungsstudie und eine molekulare Signatur wirklich vom selben biologischen Vorgang erzählen, bleibt eine Frage der Interpretation. Die Werkzeuge verschieben die Engstelle also – vom Datenabgleich zurück zur wissenschaftlichen Deutung. Das ist der bessere Ort dafür.
Redaktionelle Einordnung eines Branchen- und Forschungstrends. Einzelne Angaben zu Projekten und Werkzeugen beruhen auf Angaben der beteiligten Einrichtungen.