Das Ultrahochfeld-MR (7 Tesla) diagnostiziert die fürs Sprachverständnis wichtigen Hirnareale deutlich exakter als herkömmliche MR-Geräte, wie Neurologen nun zeigen. Das hilft, diese Areale bei Gehirnoperationen effektiver zu schützen und nicht versehentlich zu beschädigen.
Vor Gehirnoperationen ist es wichtig, die für Sprache notwendigen Hirnareale genau zu kennen, um sie während des Eingriffs nicht zu verletzen. Deren Lage kann sich – vor allem bei Tumoren oder Verletzungen – beträchtlich verschieben. Auch die Flexibilität des Gehirns sorgt dafür, dass sich die Sprachzentren in andere Bereiche verlagern können. Sollten bei einer Gehirnoperation Bereiche der Sprachsteuerung und -verarbeitung verletzt werden, kann es hier zur Sprachunfähigkeit kommen. Um hier im Vorfeld eine „Landkarte“ der Sprachsteuerung anzulegen, wird heutzutage die funktionelle Magnetresonanztomographie (fMRT) eingesetzt. Eine Multi-Center-Studie aus dem Jahr 2013 wies die Stärken von fMRT-gestützten Lokalisierungen im Gehirn aus. In einer neuen Untersuchung der Arbeitsgruppe von Roland Beisteiner (Universitätsklinik für Neurologie der MedUni Wien) konnte nun erstmals gezeigt werden, dass die für Sprachverständnis wichtigen Hirnareale mit Ultrahochfeld-MR (7 Tesla) noch deutlich besser lokalisiert werden können als mit üblichen klinischen MR-Geräten. Dabei wird der Augenmerk auf die beiden wichtigsten Sprachzentren im Gehirn gelegt: das Wernicke-Areal (es steuert das Sprachverständnis) und das Broca-Areal (es kontrolliert die motorische Funktion des Sprechens).
Während Patienten Sprachaufgaben lösen, wird das Gehirn auf Aktivität gescannt. Dabei lassen sich die für das Sprechen benötigten Bereiche genauer als bisher lokalisieren. „Das Ultrahochfeld-MR bietet eine viel höhere Sensitivität als klassische MR-Geräte“, erklärt Roland Beisteiner, „damit lassen sich auch ganz schwache Signale in Regionen aufzeichnen, die sonst übersehen worden wären.“ Originalpublikation: Differential functional benefits of ultra highfield MR systems within the language network Roland Beisteiner et al.; Neuroimage, doi: 10.1016/j.neuroimage.2014.09.036; 2014