Ein Hirnchip der ETH Lausanne soll Implantate gegen schwere psychische Erkrankungen künftig deutlich klüger machen. Der nur etwa vier mal zwei Millimeter große Baustein misst, wie stark und wie gleichmäßig verschiedene Hirnregionen im Takt schwingen, und erkennt daraus kognitive und emotionale Zustände. Bei bestimmten Mustern gibt er das Signal für einen gezielten Stromimpuls. Dabei verbraucht er weniger als 200 Mikrowatt. Getestet wurde der Chip bislang allerdings nur mit bereits aufgezeichneten Hirnströmen von Menschen und an einer Ratte, nicht bei Patienten.
Die Tiefe Hirnstimulation gehört zu den bekanntesten Verfahren der Neurotechnik. Chirurgen setzen dabei dünne Elektroden tief ins Gehirn, ein Impulsgeber unter der Haut schickt über sie elektrische Pulse in bestimmte Areale und verändert so die Aktivität der Nervenzellen. Bei Bewegungsstörungen wie Parkinson ist das seit Jahrzehnten etabliert. Nach einer Übersicht im Fachjournal Nature Reviews Neurology hatten schon 2019 weltweit mehr als 160.000 Menschen ein solches Implantat erhalten, Tendenz steigend. Zunehmend erproben Forschende die Methode auch bei schweren psychischen Erkrankungen wie Depressionen, posttraumatischer Belastungsstörung und Zwangsstörung, wenn Medikamente und Psychotherapie nicht mehr helfen.
Ein Team um die Ingenieurin Mahsa Shoaran, Leiterin des Integrated Neurotechnologies Lab an der École polytechnique fédérale de Lausanne (EPFL), hat nun einen Chip vorgestellt, der genau für diese psychiatrischen Anwendungen gedacht ist. Er trägt den Namen LogSync und wurde gemeinsam mit dem Psychiater Alik Widge von der University of Minnesota entwickelt. Die EPFL beschreibt den Chip als implantierbares System, das die Kommunikation zwischen Hirnregionen in Echtzeit verfolgt. Die technischen Details hat die Gruppe im IEEE Journal of Solid-State Circuits veröffentlicht, einer der führenden Fachzeitschriften für Chipentwicklung.
Die meisten heutigen Systeme zur Tiefen Hirnstimulation arbeiten in einem sogenannten offenen Regelkreis. Sie stimulieren nach fest eingestellten Werten, die ein Arzt programmiert, und reagieren nicht darauf, was im Gehirn des Patienten gerade passiert. Erst seit Kurzem gibt es adaptive Systeme, die ihre Stimulation anhand gemessener Hirnsignale anpassen. Der Medizintechnikhersteller Medtronic erhielt im Februar 2025 von der US-Arzneimittelbehörde FDA die Zulassung für ein adaptives System bei Parkinson, das die Stimulation laufend an die gemessene Hirnaktivität anpasst. Solche geschlossenen Regelkreise stützen sich allerdings häufig auf Signale aus einer einzigen Hirnregion.
Für psychische Erkrankungen reicht das nach Ansicht der Forschenden nicht aus. „Unsere Arbeit beruht auf einer wachsenden Zahl von Studien, die darauf hindeuten, dass psychische Erkrankungen eher durch Störungen in der Kommunikation zwischen Hirnregionen entstehen als durch eine Fehlfunktion einer einzelnen Region“, erklärt Shoaran. Die klinisch wichtigen Informationen sind demnach über ein Netzwerk verteilt, das etwa Areale für Gefühle, Aufmerksamkeit und Entscheidungen verbindet. Wer nur an einer Stelle misst, übersieht womöglich genau das, worauf es ankommt. Schon frühere Versuche, Implantate bei Depressionen gezielter einzusetzen, setzten deshalb auf maßgeschneiderte Signale, etwa ein Hirnimplantat, das Depressionen in Echtzeit verhindern soll.
Nervenzellen feuern nicht völlig ungeordnet, sondern erzeugen in großen Gruppen rhythmische Schwankungen, die als Hirnwellen oder Oszillationen messbar sind. Arbeiten zwei Regionen zusammen, schwingen ihre Wellen oft im Gleichtakt, Fachleute sprechen von Synchronie. Ist dieser Gleichtakt zu schwach oder zu stark, kann die Verständigung zwischen den Regionen gestört sein. Genau diese beiden Größen erfasst LogSync: die Stärke der Hirnwellen in verschiedenen Frequenzbereichen und die Synchronie zwischen Signalen aus unterschiedlichen Hirnregionen. Dafür besitzt der Chip 32 Messkanäle mit einem rauscharmen Verstärker für die schwachen elektrischen Signale.
Aus den Rohdaten berechnet der Chip sogenannte Biomarker, also messbare Kennzeichen bestimmter Zustände, darunter die Leistung einzelner Frequenzbänder, die Phase der Wellen und Maße für die Verbindung zwischen Regionen. Ein lernendes Verfahren aus dem Bereich des maschinellen Lernens wertet diese Netzwerkmerkmale aus. Die Forschenden nutzen dafür ein sogenanntes neuronales additives Modell, das nachvollziehbar macht, welcher Biomarker wie stark zur Entscheidung beiträgt. Es kann sich zudem direkt auf dem Chip an neue Daten anpassen, ohne aufwendige Rechenschritte. Erkennt das System einen bestimmten Zustand, erzeugt eine programmierbare Steuereinheit ein Auslösesignal für einen externen Stimulator, auch passend zu einer festgelegten Phase der laufenden Hirnwelle.
Die größte Hürde war nach Angaben der Forschenden der Energiebedarf. Ein Implantat im Kopf hat nur eine winzige Batterie oder Energiequelle, darf das Gewebe nicht erwärmen und soll über Jahre zuverlässig arbeiten. „Unser gesamtes System ist gemeinsam entworfen, das heißt, Algorithmen und Hardware werden zusammen und mit Blick auf die Einschränkungen eines Implantats entwickelt“, sagt Shoaran. „Dieser Ansatz hat uns geholfen, die Verarbeitung und Entschlüsselung neuronaler Signale auf Netzwerkebene auf einem einzigen Chip zu realisieren und den Stromverbrauch dabei unter 200 Mikrowatt zu halten, einem Bruchteil dessen, was viele implantierbare neuronale Schnittstellen üblicherweise benötigen.“
Der Trick liegt in einer eigenen Recheneinheit, die mit Logarithmen arbeitet. Dadurch werden aufwendige Multiplikationen und Divisionen zu einfachen Additionen und Subtraktionen, was die Berechnung von Phase und Synchronie deutlich vereinfacht. Laut Fachaufsatz wurde der Chip in einer 65-Nanometer-Technologie gefertigt, belegt 5,46 Quadratmillimeter Siliziumfläche und benötigt 6,14 Mikrowatt pro Kanal. Für eine einzelne Einordnung des Hirnzustands genügen rund 0,2 Mikrojoule. Zum Vergleich: Ein Vorgängerchip der Gruppe aus dem Jahr 2023 hatte 16 Kanäle und verbrauchte 60 Mikrowatt. LogSync verdoppelt also die Zahl der Messkanäle und rechnet zusätzlich die Klassifikation direkt auf dem Chip, statt die Daten nach außen zu funken.
Erprobt haben die Forschenden LogSync mit Hirnstromaufzeichnungen, die bereits in früheren psychiatrischen Studien entstanden waren. Dabei handelte es sich um intrakranielle Messungen, also Signale von Elektroden im Inneren des Schädels. In einem Datensatz lösten Probanden eine Konzentrationsaufgabe, den sogenannten Multi-Source Interference Task, bei dem widersprüchliche Reize verarbeitet werden müssen. Hier erkannte der Chip Phasen hoher geistiger Beanspruchung mit einer Sensitivität von 80,9 Prozent und einer Spezifität von 74,2 Prozent. Bei einer Aufgabe zur Lösung emotionaler Konflikte lagen die Werte bei 74,8 und 73,1 Prozent. Die Sensitivität gibt an, wie viele der gesuchten Zustände erkannt werden, die Spezifität, wie zuverlässig andere Zustände nicht fälschlich gemeldet werden.
Zusätzlich testete das Team den Chip mit dem öffentlichen Datensatz DEAP, in dem Teilnehmer Videoclips ansahen, während ihre Hirnströme per EEG an der Kopfhaut gemessen wurden. Bei der emotionalen Erregung erreichte LogSync eine Sensitivität von 70,5 und eine Spezifität von 69,8 Prozent, bei der Frage, ob ein Gefühl eher angenehm oder unangenehm war, 72,5 und 66,3 Prozent. In Experimenten an der University of Minnesota wurde der Chip schließlich an einer Ratte erprobt. Dort verfolgte er die laufenden Hirnwellen und erzeugte Auslösesignale für eine Stimulation zu vorher festgelegten Zeitpunkten innerhalb der Wellenbewegung.
So vielversprechend die Ergebnisse sind, LogSync liest noch keine Gefühle im Kopf lebender Patienten. Alle Tests mit menschlichen Daten liefen mit bereits aufgezeichneten Hirnströmen, die Tierversuche beschränkten sich auf die Messelektronik und die zeitgenaue Steuerung der Stimulation bei einer einzigen Ratte. Eine Trefferquote von 70 bis 81 Prozent bedeutet zudem, dass der Chip je nach Aufgabe etwa jeden fünften bis dritten gesuchten Zustand übersieht und auch Fehlalarme auslöst. Ob ein gezielt ausgelöster Stromimpuls Symptome einer Depression oder Angsterkrankung tatsächlich lindert, ist mit dieser Arbeit nicht gezeigt. Auch erkannte Zustände wie geistige Anstrengung oder emotionale Erregung sind noch keine Krankheitssymptome.
Das Projekt läuft seit 2020 mit einer Förderung von 6,6 Millionen US-Dollar durch das US-amerikanische National Institute of Mental Health. Damals hieß es, ein Gerät könne in fünf bis sechs Jahren für erste Anwendungen am Menschen bereitstehen. Ein implantierbares, verkapseltes Komplettsystem und Sicherheitstests an größeren Tieren stehen jedoch noch aus. Wie weit Hirnimplantate inzwischen sind, zeigen Erfolge in anderen Bereichen, etwa bei einem Gelähmten, der dank Hirnimplantat wieder in Echtzeit spricht. Dort geht es allerdings um das Entschlüsseln von Sprache, nicht um die Behandlung psychischer Leiden.
Die Forschenden sehen Anwendungen über die Psychiatrie hinaus. Die Fähigkeit, Netzwerk-Biomarker zu messen und präzise getaktete Stimulationen auszulösen, lasse sich auch auf adaptive Tiefe Hirnstimulation bei Bewegungsstörungen, auf nicht-invasive Stimulationsverfahren und auf Schnittstellen mit fokussiertem Ultraschall übertragen. Gerade bei Parkinson sind bestimmte Hirnwellen bereits gut untersucht, denn Signale im Gehirn geben Aufschluss über den Schweregrad der Erkrankung. Parallel entwickelt Shoarans Labor Lernverfahren, die Muster direkt aus den Hirnaufzeichnungen lernen, statt sich auf vorab festgelegte Biomarker zu stützen. Die Technik soll über das EPFL-Spin-off Infera Neuro, das Shoaran mitgegründet hat, näher an die klinische Anwendung rücken.
EPFL, Neural chip decodes interactions between brain regions
IEEE Journal of Solid-State Circuits, LogSync: A Low-Power Logarithmic SoC for Cross-Regional Synchrony Extraction and Adaptive Psychiatric State Classification; doi:10.1109/JSSC.2026.3728617
Mit KI-Unterstützung erstellt
Wählen Sie Forschung und Wissen bei Google als bevorzugte Quelle oder folgen Sie uns per RSS-Feed.
