Addiction to cigarette smoking and physiological regulation of brain areas - Neuronal mechanims of reward learing and extinction in smokers
Zusammenfassung der Projektergebnisse
Das Projekt untersuchte bisher nicht erforschte Gehirnprozesse, die erklären können, warum die subjektiv kaum spürbaren Effekte des Rauchens von Tabak eine so anhaltende und schwer zu beeinflussbare Sucht darstellen. Gleichzeitig sollten auf der Grundlage der Kenntnis dieser Hirnvorgänge nicht-pharmakologische Methoden der Behandlung entwickelt werden. Im Rahmen der mit schweren, leichten und Nichtrauchern durchgeführten Untersuchungen ergaben sich völlig neue Einsichten in das Phänomen: Die Selbstregulation und Selbstkontrolle der eigenen Hirntätigkeit, die auch der Selbstkontrolle des Verhaltens und der Aufmerksamkeit zugrunde liegt, wird durch Rauchen einer Zigarette unmittelbar und auch über Stunden deutlich verbessert. Raucher können damit die Steuerung ihrer Aufmerksamkeit sehr viel besser an die jeweiligen Umgebungsanforderungen anpassen. In den Experimenten lernten die Versuchspersonen, die elektrische und metabolische (Blutfluss) Hirnaktivität vor allem der vorderen (frontalen) Hirnteile, welche die Aufmerksamkeit steuern, willentlich zu beeinflussen: dazu beobachten sie auf einem Computerbildschirm ihre eigene Gehirnaktivität und der Computer belohnt sie mit Lob und einer kleinen Geldsumme für erzielte Hirnveränderungen. Schon nach Minuten der Übungen können Raucher dies erlernen, während Nichtraucher oft länger trainieren müssen. Solche Neurotechnologien werden als Neurofeedback oder Brain-Computer-Interfaces (BCI, Gehirn-Computer-Schnittstellen) bezeichnet. Im Anschluss daran, lernten die Raucher in einem Kernspintomographen (MRT) den Blutfluss in einer bestimmten Hirnregion, der sogenannten Inselregion, die das Gehirn über alle für Gefühlsvorgänge wichtigen Körperänderungen informiert, zu reduzieren: der Blutfluss in der Inselregion wurde den Personen als unterschiedlich stark leuchtender Thermometer auf einem Bildschirm rückgemeldet und sie mussten dieses Signal abschwächen lernen. Obwohl die an den Untersuchungen teilnehmenden Raucher keinerlei Wunsch hatten, mit dem Rauchen aufzuhören, wurde im Lauf des Trainings parallel mit Abnahme des Blutflusses in der Insel-Hirnregion, der Wunsch zu rauchen deutlich geringer. Zusammenfassend zeigen diese Untersuchungen neue Wege auf, wie man die Entstehung von Süchten besser verstehen und behandeln kann, sofern man die beteiligten Hirnvorgänge berücksichtigt.
Projektbezogene Publikationen (Auswahl)
- (2012). Acquired control of ventral premotor cortex activity by feedback training: An exploratory real-time fRMI and TMS study. Neurorehabilitation and Neural Repair, 26, 3, 256-265
Sitaram, R., Veit, R., Stevens, B., Caria, A., Gerloff, C., Birbaumer, N., Hummel, F.
(Siehe online unter https://doi.org/10.1177/1545968311418345) - (2012). BCIs that use metabolic signals. In: J. Wolpaw, E.W. Wolpaw (Eds.): Brain-computer Interfaces: Principles and Practice. Oxford University Press
Sitaram, R., Lee, S., Birbaumer, N.
- (2012). Real-time fMRI: a tool for local brain regulation. Neuroscientist 18, 5, 487-501
Caria, A., Sitaram, R., Birbaumer, N.
(Siehe online unter https://doi.org/10.1177/1073858411407205) - (2013). Learned regulation of brain metabolism. Trends in Cognitive Sciences, TICS, 17, 6, 295-302
Birbaumer, N., Ruiz, S., Sitaram, R.
- (2013). Neurofeedback-mediated self-regulation of the dopaminergic midbrain. Neuroimage, 83, 817-825
Sulzer, J., Sitaram, R., Blefari, M.L., Kollias, S., Birbaumer, N., Stephan, K.E., Luft, A., Gassert, R.
(Siehe online unter https://doi.org/10.1016/j.neuroimage.2013.05.115) - (2013). Real-time fMRI neurofeedback: Progress and challenges. Neuroimage, 76, 386-399
Sulzer, J., Haller, S., Scharnowski, F., Weiskopf, N., Birbaumer, N., Blefari, M.L., Bruehl, A.B., Cohen, L.G., deCharms, R.C, Gassert, R., Goebel, R., Herwig, U., LaConte, S., Linden, D., Luft, A.. Seifritz, E., Sitaram, R.
(Siehe online unter https://doi.org/10.1016/j.neuroimage.2013.03.033) - (2014). Neurofeedback and Brain-Computer-Inferfaces. In: D. I. Mostofsky (Ed ): The Handbook of Behavioral Medicine, 1st ed. Chapter 15, pp. 275-312
Wyckoff, S., Birbaumer, N.
- (2014). Real-time fMRI brain computer Interfaces: Self-regulation of single brain regions to networks. Biological Psychology, 95, 4-20
Ruiz, S., Buyukturkoglu, K., Rana, M., Birbaumer, N., Sitaram, R.
(Siehe online unter https://doi.org/10.1016/j.biopsycho.2013.04.010) - (2016). Real-time subject-independent pattern classification of overt and covert movements from fNIRS signals. PLoS ONE 11(7): e0159959
Zaidi, A., Robinson, N., Rana, M., Prasad, V., Cuntai, G., Birbaumer, N., Sitaram, R.
(Siehe online unter https://doi.org/10.1371/journal.pone.0159959)
