Einleitung Die kognitive Leistung nimmt mit dem Alter ab. Auf dem Gebiet der Arbeitsgedächtnisforschung wurde jedoch gezeigt, dass ältere Probanden (Alter > 60 Jahre) von einem Arbeitsgedächtnistraining profitieren können. Neuropsychologische Modelle wie die Compensation-Related Utilization of Neural Circuits Hypothese (CRUNCH) und die Scaffolding Theorie of Aging and Cognition (STAC) gehen von der Möglichkeit aus, dass ein Arbeitsgedächtnistraining zur Plastizität des Gehirns führen kann und es dadurch zu einer Effizienzsteigerung des Arbeitsgedächtnisnetzwerkes kommt. In Bildgebungsstudien des Gehirns zeigte sich eine quantitative Veränderung der Gehirnaktivität bei älteren Probanden nach Arbeitsgedächtnistraining. Wenig ist allerdings darüber bekannt, wie es zu diesen Veränderungen kommt. Die vorliegende Arbeit analysiert effektive Konnektivitäten in einem Arbeitsgedächtnisnetzwerk bestehend aus dem dorsolateralen präfrontalen Cortex (DLPFC), dem parietalen Cortex (PC) und dem prämotorischen Cortex (PMC), um so die gegenseitige Beeinflussung der Arbeitsgedächtnisregionen zu untersuchen. Methode In die Studie wurden insgesamt 32 Probanden im Alter von 60 bis 75 Jahren eingeschlossen. Davon waren 17 Probanden in der Kontrollgruppe und 15 Probanden in der Trainingsgruppe. Die Trainingsgruppe nahm an einem 4-wöchigen adaptiven n-back Training (12 Trainingssitzungen à 45 Minuten) teil. Probanden beider Gruppen hatten jeweils 2 Magnetresonanztomographie (MRT) Untersuchungen in einem Abstand von 4 Wochen (T1 und T2). Bei diesen Untersuchungen wurden mit Hilfe des Blood-Oxygen-Level-Dependent (BOLD) Signals die Gehirnaktivitäten während einer numerischen n-back Aufgabe erfasst. Die Analyse der funktionellen MRT (fMRT) Daten wurde mit der Statistical Parametric Mapping (SPM) Methode Dynamic Causal Modelling (DCM) durchgeführt. Weitere statistische Analysen wurden anschließend mit SPSS erstellt. Ergebnis Neben der verbesserten Leistung in der n-back Aufgabe zeigen die DCM Analysen auch eine Veränderung der Modellselektion der Trainingsgruppe nach dem Arbeitsgedächtnistraining. Es zeigt sich eine hohe Überschreitungswahrscheinlichkeit für ein Modell, welches im Vergleich zu den möglichen Modellen der Kontrollgruppe und der Trainingsgruppe zum Zeitpunkt T1 eine zusätzliche von der n-back Aufgabe modulierte Verbindung vom dorsolateralen präfrontalen Cortex (DLPFC) zum prämotorischen Cortex (PMC) besitzt. Diskussion Die Ergebnisse deuten auf eine Effizienzsteigerung des untersuchten Arbeitsgedächtnisnetzwerkes hin. Es wird vermutet, dass die Effizienzsteigerung durch die Modulation der Verbindung DLPFC zu PMC ermöglicht wird. Damit kann das STAC Modell gestärkt werden, welches von einer Plastizität des Gehirns durch kognitives Training ausgeht, die u. a. dazu führen kann, dass weniger effiziente Verbindungen wieder optimiert werden können.
Introduction There is cognitive decline with age. Working memory research has shown that older participants (age > 60 years) can benefit from a working memory training. Neuropsychological models like Compensation-Related Utilization of Neural Circuits Hypotheses (CRUNCH) and Scaffolding Theory of Aging and Cognition (STAC) describe brain plasticity through working memory training and therefore an increase in efficiency of the working memory network. In brain imaging studies quantitative changes in brain activity have been shown in older participants after working memory training. Little is known about the mechanisms which lead to these activity changes. The current work investigates effective connectivity in a working memory network (dorsolateral prefrontal Cortex (DLPFC), parietal Cortex (PC) and Premotor cortex (PMC)) to analyze how the working memory brain regions influence each other. Therefore the analyzing method Dynamic Causal Modelling (DCM) has been applied. Methods 32 older participants (age: 60-75 years) have been included in this study. Out of this group 18 participants were assigned to a control group and 15 participants were assigned to a training group. The training group participated in a 4-week adaptive n-back training (12 training sessions à 45 minutes). With an interval of 4 weeks both groups were scanned twice (T1 and T2) with magnet resonance imaging (MRI). Brain activities during a numeric n-back task were measured through Blood-Oxygen-Level-Dependent (BOLD) Signals. Functional MRI analyses were taken with Dynamic Causal Modelling which is a Statistical Parametric Mapping (SPM) method. Further statistical analyses were done with SPSS. Results Analyses show better working memory performances and also a change in model selection for the training group after training. There is a high exceeding probability for a model which in comparison to the model before training has an additional modulated connection from dorsolateral prefrontal Cortex to premotor Cortex. Discussion With the given results an increase in efficiency of the investigated working memory network is assumed. It is supposed that the increase in efficiency was enabled through the modulation of the connection from DLPFC to PMC. These results are in favor of STAC which acts on the assumption that training can lead to brain plasticity and therefore it is possible that inefficient connections can be optimized.
