Autismus als Beeinträchtigung zwischenmenschlicher Vorhersagen.

• Antragstellerin: Dr. Tommaso Tosato, Ph.D.
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 542430763

Unsere Forschung zielt darauf ab, das Verständnis für die Herausforderungen der sozialen Interaktion bei Menschen mit Autismus-Spektrum-Störungen (ASS) zu vertiefen. Wir wollen untersuchen, wie Menschen mit und ohne ASS die Worte und Sätze ihrer Gesprächspartner antizipieren, indem wir den Fokus von isolierten Individuen auf die entscheidende Rolle von Echtzeit-Interaktionen verlagern. Wir werden sowohl bestehende als auch neu gewonnene Datensätze analysieren, die simultane Aufzeichnungen der Hirnaktivität von Paaren in einer natürlichen Konversation enthalten. Unser neuer Datensatz wird hauptsächlich Gespräche zwischen autistischen Kindern und ihren Betreuern enthalten, die die derzeit in unserem Labor verfügbaren Datensätze ergänzen. Unser Ziel ist es, bestehende Werkzeuge der Künstlichen Intelligenz (KI) zu nutzen und neue zu entwickeln, um diese komplexen Datensätze zu analysieren. Insbesondere wollen wir die EEG-Daten mit dem Gesprächsverhalten verknüpfen und den Grad der zwischenmenschlichen Vorhersage quantifizieren. Die Gespräche werden in Text transkribiert und anschließend werden konventionelle Alignmentmetriken verwendet, um das gegenseitige Verständnis zu quantifizieren. Zusätzlich werden wir Large Language Models verwenden, um die gesprochenen Wörter und Phrasen in numerische Vektoren, sogenannte Embeddings, umzuwandeln. Diese Embeddings repräsentieren die Bedeutung der Wörter in dem spezifischen Kontext, in dem sie auftreten. Ziel des Projekts ist die Entwicklung von zwei Vorhersagemodellen, die auf neuronalen Netzen basieren. Das erste Modell wird Worteinbettungen aus der Sprache eines Teilnehmers vorhersagen, basierend auf der Gehirnaktivität des anderen Teilnehmers, die mittels EEG gemessen wird. Diese wird vor und nach dem Hören der Wörter gemessen. Die erfolgreiche Vorhersage von Worteinbettungen aus der Gehirnaktivität, die vor dem Hören eines Wortes auftritt, deutet auf eine Vorhersagefähigkeit hin. Das zweite Modell wird versuchen, die neurophysiologischen Reaktionen eines Teilnehmers aus den EEG-Daten des anderen Teilnehmers vorherzusagen, was als Hinweis auf ein Modell der anderen Person interpretiert wird. Wir stellen die Hypothese auf, dass ASD diese zwischenmenschlichen Vorhersagen, die für die soziale Interaktion grundlegend sind, verändern kann. Wir werden dies evaluieren, indem wir die Leistung unserer Modelle vergleichen, wenn sie mit Daten der ASD-Gruppe im Vergleich zu einer Kontrollgruppe trainiert werden. Die entwickelte Software und Methodik wird als Open Source veröffentlicht, um der wissenschaftlichen Gemeinschaft wertvolle Ressourcen zur Verfügung zu stellen.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: Kanada
• Gastgeber: Dr. Guillaume Dumas, Ph.D.