Ein Chip von 4 × 2 Millimetern hört dem Gespräch zwischen Hirnregionen zu

Die meiste Neurotechnik hört an einer Stelle zu. Ein Implantat sitzt in einer Region, zeichnet dort auf, und wenn etwas auffällig aussieht, gibt es Strom zurück. Genau dieses Modell gerät ins Wanken, wenn psychiatrische Erkrankungen nicht als Defekt eines einzelnen Areals verstanden werden, sondern als Störung der Kommunikation zwischen mehreren.

Forschende der EPFL haben nun einen Chip vorgestellt, der diesen Gedanken ernst nimmt. LogSync, entwickelt im Integrated Neurotechnologies Lab von Mahsa Shoaran, ist ein implantierbares System-on-Chip von rund 4 × 2 Millimetern, das nicht eine Region beobachtet, sondern das Verhältnis zwischen Regionen.

Was der Chip misst

LogSync zeichnet Hirnaktivität auf und extrahiert daraus zwei biomarkerartige Größen: die Stärke der Oszillationen – also wie viel Energie in bestimmten Frequenzbändern steckt – und die Synchronie zwischen Signalen aus verschiedenen Hirnregionen. Ein Machine-Learning-Modell arbeitet anschließend auf diesen netzwerkweiten Merkmalen statt auf Rohsignalen und ordnet sie kognitiven oder emotionalen Zuständen zu. Wird ein Zustand erkannt, kann der Chip einen Stimulationsimpuls auslösen.

Der Unterschied zur gängigen tiefen Hirnstimulation ist grundsätzlich. Klassische Systeme arbeiten offen: Sie geben vorab eingestellte Pulse ab, egal was das Gehirn gerade tut. Auch geschlossene, adaptive Systeme hängen meist an einem einzigen Ableitpunkt. Bei psychiatrischen Krankheitsbildern ist das eine strukturelle Schwäche, weil die klinisch relevante Information über ein Netz verteilt ist und nicht an einem Kontakt anliegt.

Der eigentliche Kunstgriff: Rechnen im Logarithmus

Ein implantierbarer Chip hat ein hartes Budget, und es ist nicht die Rechenleistung, die ihn sprengt, sondern der Stromverbrauch. Das Team beschreibt zwei Entscheidungen, die zusammenpassen mussten.

Zum einen wurde Hardware und Algorithmus gemeinsam entworfen, mit den Grenzen des Implantats als Ausgangspunkt statt als nachträglicher Einschränkung. Zum anderen rechnet LogSync im logarithmischen Bereich. Multiplikationen und Divisionen, die für die Analyse von Synchronie und Oszillationen nötig sind, werden damit zu Additionen und Subtraktionen – deutlich billiger in Silizium.

Das Ergebnis liegt laut den Forschenden unter 200 Mikrowatt für das Gesamtsystem, ein Bruchteil dessen, was viele implantierbare neuronale Schnittstellen benötigen. Der Vorgänger aus dem Jahr 2025, ein 32-Kanal-System, kam auf 196 Mikrowatt – eine Zahl, die zeigt, wie eng hier gerechnet wird.

Was tatsächlich gezeigt wurde

Die Validierung ist sorgfältig, aber indirekt, und das ist für die Einordnung entscheidend.

Für die Dekodierung nutzten die Forschenden menschliche Hirnaufzeichnungen aus früheren psychiatrischen Experimenten: einen Datensatz, in dem sich die kognitive Beteiligung während einer Denkaufgabe verändert, und einen zweiten, in dem emotionale Erregung beim Ansehen von Videoclips erfasst wurde. Aus den neuronalen Signalen allein unterschied der Algorithmus diese Zustände. Das ist eine Auswertung aufgezeichneter Daten, keine Echtzeitmessung im Kopf eines Patienten.

Der geschlossene Regelkreis wurde an Ratten an der University of Minnesota geprüft: Dort verfolgte das Implantat laufende Oszillationen und setzte Stimulationsreize in vorgegebenen Phasen der Hirnaktivität. Phasengenaue Stimulation ist der technisch schwierige Teil, weil sie voraussetzt, dass die Schaltung den Zustand schnell genug erkennt, um im richtigen Moment zu handeln.

Was der Chip also belegt: dass netzwerkweite Biomarker auf einem Implantat mit diesem Strombudget berechenbar sind, und dass sich daraus zeitlich präzise Reize ableiten lassen. Was er nicht belegt: dass eine solche Regelung bei Menschen therapeutisch wirkt. Dafür braucht es klinische Studien, und die gibt es nicht.

Warum das mehr ist als ein Schaltungsdetail

Die Arbeit erschien im IEEE Journal of Solid-State Circuits und entstand im Rahmen eines Förderprojekts über 6,6 Millionen Schweizer Franken vom US-amerikanischen National Institute of Mental Health, das implantierbare Systeme zur Messung und Kontrolle oszillatorischer Hirnnetzwerke bei schweren psychiatrischen Erkrankungen entwickeln will – vor allem bei Stimmungs- und Angststörungen.

Bemerkenswert ist die Richtung, die das Labor parallel einschlägt: weg von handdefinierten Biomarkern, hin zu Modellen, die direkt aus Aufzeichnungen lernen, welche Muster über Regionen, Kanäle und Zeit hinweg relevant sind. Die ICML-Arbeit 2026 (RECTOR) nutzt selbstüberwachtes Lernen genau dafür. Ein Spin-off, Infera Neuro, soll die Ergebnisse in die klinische Anwendung tragen.

Wenn psychiatrische Erkrankungen Netzwerkstörungen sind, dann ist die Frage nicht, welcher Elektrode man zuhört, sondern wie man einem Gespräch folgt. Ein 4 × 2 Millimeter großer Chip, der unter 200 Mikrowatt bleibt, ist ein ernsthafter Anfang – aber eben erst der Anfang der Beweiskette.