Stereoelektroenzephalographie zeigt neuronale Signaturen der multisensorischen Integration im menschlichen superioren temporalen Sulcus während der audiovisuelle Sprachwahrnehmung

Die menschliche Sprachwahrnehmung ist von Natur aus multisensorisch und beruht auf der Integration auditiver Hinweise aus der Stimme des Sprechers mit visuellen Reizen aus seinen Gesichtsausdrücken. Frühere Studien, die die blut-sauerstoffabhängige (BOLD) funktionelle Magnetresonanztomographie (fMRT) verwendeten, haben den superioren temporalen Gyrus (STG) bei der auditiven Sprachverarbeitung und den superioren temporalen Sulcus (STS) bei der Integration auditiver und visueller Sprachsignale in Verbindung gebracht. Allerdings fehlt der fMRT als indirektes hämodynamisches Messverfahren die zeitliche Auflösung, um die schnellen neuronalen Berechnungen zu erfassen, die für die Sprachwahrnehmung grundlegend sind.\n\nUm diese Einschränkungen zu überwinden, nutzte die vorliegende Studie die Stereoelektroenzephalographie (sEEG), um die neuronale Aktivität direkt aus den STG- und STS-Regionen bei 42 Epilepsiepatienten (25 weiblich, 17 männlich) aufzuzeichnen. Die Teilnehmer sollten einzelne Wörter in drei sensorischen Formaten identifizieren: nur auditiv, nur visuell und audiovisuelle Sprache. Diese Bedingungen wurden sowohl mit als auch ohne zusätzliches auditives Rauschen getestet, um die wahrnehmungsfördernden Vorteile visueller Sprachhinweise zu bewerten. Bemerkenswerterweise verbesserte das Beobachten des Gesichts des Sprechers durchgehend die Fähigkeit der Teilnehmer, Sprache wahrzunehmen, insbesondere in geräuschvollen Umgebungen.\n\nDie neuronalen Aufzeichnungen zeigten eine Untergruppe von Elektroden, die hauptsächlich im mittleren posterioren STG und STS lokalisiert waren und sowohl auf auditive als auch auf visuelle Sprachsignale reagierten. Auditive Sprachantworten wurden mit einer durchschnittlichen Latenz von 71 Millisekunden festgestellt, während visuelle Sprachantworten etwas später bei 109 Millisekunden auftraten. Entscheidend war, dass die multisensorische Verstärkung am ausgeprägtesten in der oberen Bank des STS war. Im Vergleich zur nur auditiven Sprache zeigte der STS eine um 40 % schnellere Antwortlatenz und eine um 18 % erhöhte Antwortamplitude bei der Verarbeitung audiovisueller Sprache. Im Gegensatz dazu zeigte der STG unter multisensorischen Bedingungen keine signifikanten Unterschiede in der Antwortgeschwindigkeit oder -stärke.\n\nEine unerwartete Erkenntnis war, dass der STS signifikant schnellere Antwortlatenzen für audiovisuelle Sprache als der STG zeigte (50 ms vs. 64 ms). Dies deutet auf ein paralleles Verarbeitungsmodell hin, bei dem der STG hauptsächlich die nur auditive Sprachwahrnehmung unterstützt, während der STS eine führende Rolle bei der Integration multisensorischer Sprachinformationen spielt. Diese neuronalen Dynamiken unterstreichen den STS als kritischen Knotenpunkt für die audiovisuelle Sprachverarbeitung und ergänzen frühere fMRT-Ergebnisse durch direkte elektrophysiologische Belege.\n\nZusammen liefern diese Ergebnisse überzeugende Belege dafür, dass der superior temporale Sulcus ein neuronales Substrat ist, das auf multisensorische Integration während der Sprachwahrnehmung spezialisiert ist. Die Anwendung von sEEG ermöglichte eine präzise zeitliche Verfolgung neuronaler Antworten und offenbarte unterschiedliche und schnelle Verarbeitungswege im menschlichen Temporallappen. Diese Forschung erweitert nicht nur unser Verständnis der neuronalen Mechanismen der Sprachwahrnehmung, sondern hebt auch die Bedeutung der multisensorischen Integration in realen Kommunikationssituationen hervor. Diese Erkenntnisse haben potenzielle Implikationen für klinische Interventionen bei Populationen mit beeinträchtigter Sprachwahrnehmung und für die Entwicklung neuroprothetischer Geräte zur Verbesserung der Kommunikationsfähigkeiten.