C03
Ereignisse in einer bestimmten Reihenfolge vorauszusehen und zu planen ist für unseren Alltag unerlässlich. Unser Ziel ist es, trainierbare und übertragbare Repräsentationen von Reihenfolge für Gedächtnis, Navigation und Bewegung im menschlichen Gehirn aufzudecken, welche als kognitive Reserve Tau-Pathologie im medialen Temporallappen kompensieren können. Unser multidimensionaler Ansatz identifiziert mittels Magnetenzephalographie, transkranieller Magnetstimulation und PET makroskopische Schaltkreise, die über Domänen hinweg bei jungen und älteren Menschen Reihenfolge repräsentieren.
Gruppenleitung

Dr. Elena Azañón

Dr. med. Max-Philipp Stenner
Gruppenmitglieder

Anwesha Das

Alexandros Karagiorgis
Kognitive Ressourcen durch Automatisierung
Wenn Bewegungen hochgradig automatisch ablaufen, kann Aufmerksamkeit auf andere, gleichzeitige Aufgaben gelenkt werden. Automatisierung setzt somit kognitive Ressourcen frei. Andererseits bringt Automatisierung auch ein gewisses Maß an Stereotypie und Autonomie von Verhalten mit sich, welches sich nachteilig auf Leistung auswirken kann, etwa wenn sich die Aufgabenanforderungen wesentlich ändern. Trotz eines hohen Grades an Automatisierung behalten motorische Fähigkeiten jedoch oft ein gewisses Maß an Flexibilität. So können beispielsweise Musiker, die einen Rhythmus erlernt haben, diesen Rhythmus auf neue Melodien übertragen. Wie kann hoch automatisiertes Verhalten so flexibel bleiben?
Eine modulare Hierarchie in der Kodierung motorischer Fertigkeiten?
Wir folgen der Idee, dass Automatisierung und Flexibilität auf einer neuronalen Organisation in der Kodierung von Fertigkeiten beruhen, welche sowohl hierarchisch als auch modular aufgebaut ist (Diedrichsen and Kornysheva 2015). In einer modularen Hierarchie werden Komponenten motorischer Fertigkeiten, wie z. B. einzelne Bewegungen, in Repräsentationseinheiten zusammengefasst, welche unabhängig voneinander z. B. für räumliche und zeitliche Bewegungsmuster kodieren. Anstatt jede Bewegung einzeln in einem mühsamen, zeit- und ressourcenaufwendigen Prozess auszuwählen, können ganze Muster als Einheit zur automatisierten Ausführung ausgewählt werden. Wenn verschiedene Merkmale einer motorischen Fertigkeit, wie z. B. zeitliche und räumliche Muster von Muskelaktivierungen, in voneinander unabhängigen Repräsentationseinheiten kodiert werden, stehen diese zudem für Neukombinationen zur Verfügung und ermöglichen somit Transfer (Kornysheva et al. 2013; Ullén et al. 2003). Theoretisch hat eine modulare Hierarchie somit das Potenzial, kognitive Ressourcen freizusetzen, die Effizienz von Verhalten zu steigern, und Transfer durch Neukombinationen verschiedener Verhaltensmustern zu ermöglichen.
Hinweise für eine modulare Hierarchie
Die Verhaltens- und bildgebende Forschung hat Hinweise dafür geliefert, dass das motorische System des Menschen tatsächlich motorische Fertigkeiten auf hierarchische und modulare Weise kodiert (Kornysheva and Diedrichsen 2014; Yokoi and Diedrichsen 2019). Mehrere wichtige verhaltensbezogene und neurophysiologische Vorhersagen der Idee einer modularen Hierarchie wurden jedoch bisher noch nicht getestet, und das Potenzial einer modularen Hierarchie als mögliche kognitive Ressource, einschließlich deren Regulierung, sind nur unzureichend verstanden. Frühere Studien weisen zum Beispiel auf Einbußen beim Erlernen und in der Ausführung motorischer Fertigkeiten hin, wenn motorischen Details des eigenen Verhaltens zu große Aufmerksamkeit gewidmet wird (Beilock et al. 2002; Wulf 2013). Eine modulare Hierarchie der Kodierung motorischer Fertigkeiten kann diesen Effekt erklären. Exzessive Aufmerksamkeit auf motorische Details während des Erlernens einer motorischen Fertigkeit kann die Delegation von Kontrolle über diese Details an zusammengefasste Repräsentationseinheiten behindern, und somit den Prozess der Automatisierung von Verhalten und damit Lernen und Leistung beeinträchtigen.
Wenn das gleiche Prinzip der Kodierung motorischer Fertigkeiten sowohl der Automatisierung als auch der Flexibilität von Verhalten zugrunde liegt, sollten Beide während des Lernprozesses eng aneinandergekoppelt sein. Interventionen, welche eine Automatisierung von Verhalten beeinträchtigen, etwa ein exzessiver Aufmerksamkeitsfokus auf motorische Details eigenen Verhaltens, sollten daher auch dessen Flexibilität beeinflussen. Ein besseres Verständnis dieser Kopplung könnte somit zur Optimierung kognitiver Lernstrategien beitragen, welche das Erlernen motorischer Fertigkeiten beschleunigen könnten.
Automatisches Lernen?
Ein hohes Maß an Automatisierung von Verhalten erfordert in der Regel umfangreiches Training. Lernen selbst kann jedoch ebenfalls zu einem gewissen Grade automatisch erfolgen. In den letzten Jahren hat sich gezeigt, dass frühen Stadien beim Erlernen einer motorischen Fertigkeit eine schnelle Form der Konsolidierung (Stabilisierung von Gedächtnisinhalt) zugrunde liegt, welche autonom, ohne explizite Überlegung oder Bewusstsein, erfolgen kann, und somit Eigenschaften automatischer Prozesse aufweist (Logan 1997). So profitiert das Erlernen sequenzieller Fingerbewegungen von wiederholten Unterbrechungen durch kurze Ruhephasen (Bönstrup et al. 2019), während derer mittels Magnetenzephalographie nachgewiesen werden konnte, dass Nervenzellenverbünde die erforderliche Bewegungssequenz nachspielen („replay“), und zwar mit einer Geschwindigkeit, die zu schnell ist, um explizites, bewusstes Üben widerzuspiegeln (Buch et al. 2021). In diesen Studien wurden die Teilnehmer ausdrücklich aufgefordert, die erforderliche Bewegungssequenz während der Ruhephasen nicht zu üben, auch nicht still, oder sich diese Sequenz vorzustellen. Während dies auf eine Autonomie des beobachteten Konsolidierungsprozesses hindeuten könnte, wurde die Rolle von explizitem Wissen und gezielten Lernstrategien, wie z. B. mentales Üben und motorische Vorstellung, für die schnelle Konsolidierung noch nicht untersucht. Auch hier könnte ein besseres Verständnis zu Lernstrategien führen, die das Erlernen motorischer Fertigkeiten beschleunigen.
Unser Projekt verfolgt zwei Ziele
Wir wollen wichtige verhaltensbezogene und neurophysiologische Vorhersagen der Idee testen, dass Automatisierung und Flexibilität motorischer Fertigkeiten auf einer neuronalen Organisation der Kodierung dieser Fertigkeiten beruhen, welche hierarchisch und modular aufgebaut ist. Die Idee einer modularen Hierarchie sagt voraus, dass nicht nur räumliche, sondern auch zeitliche Muster einer motorischen Fertigkeit einen hohen Grad an Automatisierung aufweisen sollten. Diese Vorhersage wurde bisher wenig beachtet und konnte bislang nicht bestätigt werden. Darüber hinaus sagt die Idee einer modularen Hierarchie eine enge Kopplung von Automatisierung und Transfer während des Lernprozesses voraus. Eine Beeinträchtigung von Automatisierung, z. B. durch exzessive Aufmerksamkeit auf motorische Details eigenen Verhaltens, sollte daher auch Transfer behindern, z. B. die Übertragung eines zeitlichen Bewegungsmusters auf neue räumliche Bewegungsmuster. Umgekehrt sollten Situationen, in welchen eine hochgradig automatische Ausführung von Bewegungen erforderlich ist, etwa aufgrund einer zweiten, gleichzeitigen Aufgabe, Transfer erleichtert sein. Wenn einzelne Elemente eines geschickten Verhaltens in kohärente Repräsentationen eingebunden sind, die für die Ausführung als Einheiten ausgewählt werden, sollte zudem eine neurophysiologische Signatur einer gesamten, bevorstehenden Sequenz von Teilbewegungen in zeitlichem Zusammenhang mit dem Beginn der Sequenz nachweisbar sein (Tanji and Shima 1994). Entscheidend ist, dass diese neurophysiologische Signatur spezifisch für Bedingungen sein sollte, unter denen Verhalten hochgradig automatisiert abläuft. Wir testen diese Vorhersagen an jungen, gesunden Menschen durch eine Kombination aus Verhaltenstests und Magnetenzephalographie.
Zweitens wollen wir herausfinden, inwieweit die schnelle Konsolidierung einer motorischen Fertigkeit während kurzer Ruhephasen wirklich autonom ist, und inwieweit sie durch explizites Wissen und gezielte kognitive Strategien, wie z. B. mentale Vorstellung des Bewegungsmusters, genutzt werden kann.
Zu diesem Zweck weisen wir neuronales Nachspielen von Bewegungsmustern („replay“) mittels Magnetenzephalographie bei jungen, gesunden Personen nach, während Ruhephasen, die sich mit aktivem Üben abwechseln, und zwar mit unterschiedlichen expliziten Anleitungen zur Aufgabenstruktur und somit unterschiedlichem expliziten Wissen der Versuchsteilnehmer*innen.
Beilock SL, Carr TH, MacMahon C, Starkes JL. When paying attention becomes counterproductive: Impact of divided versus skill-focused attention on novice and experienced performance of sensorimotor skills. J Exp Psychol Appl 8: 6–16, 2002.
Bönstrup M, Iturrate I, Thompson R, Cruciani G, Censor N, Cohen LG. A Rapid Form of Offline Consolidation in Skill Learning. Curr Biol 29: 1346-1351.e4, 2019.
Buch ER, Claudino L, Quentin R, Bönstrup M, Cohen LG. Consolidation of human skill linked to waking hippocampo-neocortical replay. Cell Rep 35, 2021.
Diedrichsen J, Kornysheva K. Motor skill learning between selection and execution. Trends Cogn Sci 19: 227–233, 2015.
Kornysheva K, Diedrichsen J. Human premotor areas parse sequences into their spatial and temporal features. Elife 3: e03043, 2014.
Kornysheva K, Sierk A, Diedrichsen J. Interaction of temporal and ordinal representations in movement sequences. J Neurophysiol 109: 1416–1424, 2013.
Logan GD. Automaticity and reading: Perspectives from the instance theory of automatization. Read Writ Q 13: 123–146, 1997.
Tanji J, Shima K. Role for supplementary motor area cells in planning several movements ahead. Nature 371: 413–416, 1994.
Ullén F, Bengtsson SL, Ull F. Independent Processing of the Temporal and Ordinal Structure of Movement Sequences Independent Processing of the Temporal and Ordinal Structure of Movement Sequences. J Neurophysiol 90: 3725–3735, 2003.
Wulf G. Attentional focus and motor learning: A review of 15 years. Int Rev Sport Exerc Psychol 6: 77–104, 2013.
Yokoi A, Diedrichsen J. Neural Organization of Hierarchical Motor Sequence Representations in the Human Neocortex. Neuron 103: 1178-1190.e7, 2019.
Ein Blick in die Zukunft
Ein besseres Verständnis der Prinzipien der neuronalen Kodierung von hochgradig automatisierten und dennoch flexiblen motorischen Fertigkeiten kann sowohl für Lernstrategien über die gesamte Lebensspanne als auch für das Verständnis und die Behandlung neuropsychiatrischer Erkrankungen von großer Bedeutung sein. Zu den Erkrankungen, die wahrscheinlich mit einer veränderten Aufmerksamkeit für motorische Details von Handlungen und damit einer ineffizienten Nutzung kognitiver Ressourcen einhergehen, gehören Zwangsstörungen und funktionelle Bewegungsstörungen. Die Untersuchung des neuronalen Nachspielens von Bewegungsmustern („replay“), welches den Hippocampus mit einbezieht (Buch et al. 2021), über die gesamte Lebensspanne hinweg kann andererseits aufzeigen, wie die funktionelle Integrität des Schläfenlappens, welche sich im Alter verändert, sensomotorische Funktionen bedingt.