Max-Planck-Institut für Kognitions- und Neurowissenschaften
Unsicherheits- und Sensitivitätsanalyse
Untersuchung von Parameterunsicherheiten und Sensitivitäten in computergestützte Rechenmodelle im Bereich der Neurowissenschaften.
In der neurowissenschaftlichen Forschung stellen Modelle zur Prognose verschiedener Verhaltensweisen eine zenrale Rolle dar. Mit Hilfe dieser Modelle sind wir in der Lage den Einfluss bestimmter Einflussgrößen zu untersuchen und die Ursache bestimmter Effekte zu identifizieren. Dem liegt jedoch Zugrunde, dass die im Modell enthaltenen Parameter genau bekannt sind. Aufgrund individueller Variabilität ist diese Voraussetzung besonders in den Neurowissenschaften nicht gegeben. Aus diesem Grund beschäftigen wir uns in diesem Projekt mit der Untersuchung des Einflusses unsicherer Modellparameter auf die Prognostizierbarkeit bestimmter Zielgrößen.
Im Gebiet der nicht-invasiven Hirnstimulation haben wir beispielsweise eine umfangreiche Studie veröffentlicht, die den Einfluss der Unsicherheiten der elektrischen Parameter des Gehirns hinsichtlich der im Gehirn induzierten elektrischen Felder untersucht (Saturnino et al. 2019). Wir zeigen, dass TMS-Felder im Allgemeinen weniger von Leitfähigkeitsschwankungen betroffen sind als tDCS-Felder. Sowohl bei TMS als auch bei tDCS führt die Unsicherheit der Leitfähigkeit zu einer viel höheren Unsicherheit bezüglich der Stärke des elektrischen Feldes im Vergleich zur Richtung und der gesamten räumlichen Verteilung des elektrischen Feldes. Während die TMS-Felder überwiegend durch die Leitfähigkeit der grauen und weißen Substanz beeinflusst wurden, waren die tDCS-Felder zusätzlich von der Schädel- und Kopfhautleitfähigkeit abhängig.
Despite the widespread use of transcranial magnetic stimulation (TMS), the precise cortical locations underlying the resulting physiological and behavioral effects are still only coarsely known. Focusing on the motor cortex, we presented a novel method to reliably determine the effectively stimulated cortical site at the individual subject level. We used extensive uncertainty and sensitivity analyses to verify the robustness of the method and identify the most critical model parameters. The uncertainty and sensitivity analyses confirmed robust hotspots on the gyral crowns, extending to upper parts of the sulcal wall of M1. The maxima of the means coincided well with the results of the deterministic case. The relative standard deviation (RSD) in the hotspots on the gyral crowns varied between 10-25%, depending on the subject. Decomposing the variance by origin revealed a strong contribution from GM and WM conductivity as well as from the measured I/O curves. This is in line with the previous study, which showed that the electrical conductivity of GM and WM are the most influential parameters considering the induced electric field in grey matter (Saturnino et al., 2019).