Gehirn-Scans können den Erfolg der Raucherentwöhnung vorhersagen
Tatsächlich scheinen die Scans genauer zu sein als die Selbstvorhersage.
In der Studie stellten die Forscher fest, dass Scans, die neuronale Reaktionen zeigen, wenn Personen gesundheitsfördernde Botschaften erhalten, äußerst genau sind, um Verhaltensänderungen vorherzusagen.
"Wir haben Raucher ins Visier genommen, die bereits Maßnahmen ergriffen haben, um mit dem Rauchen aufzuhören", sagte Emily Falk, Ph.D., die Hauptautorin der Studie.
"Und wir haben festgestellt, dass neuronale Aktivitäten Verhaltensänderungen vorhersagen können, die über die eigene Einschätzung der Menschen hinausgehen, wie wahrscheinlich es ist, dass sie erfolgreich sind."
„Diese Ergebnisse bringen uns der Möglichkeit, mithilfe der funktionellen Magnetresonanztomographie (fMRT) die Nachrichten auszuwählen, die die Verhaltensänderung sowohl auf individueller als auch auf Bevölkerungsebene am wahrscheinlichsten beeinflussen, einen Schritt näher. Es scheint, dass unsere Gehirnaktivität Informationen liefert, die die Selbstbeobachtung nicht liefert. “
Für die Studie, die von den National Institutes of Health und der National Science Foundation finanziert wurde, testeten Falk und Kollegen 28 starke Raucher, die aus einem Anti-Raucher-Programm rekrutiert wurden.
Jede Person füllte einen Fragebogen über ihre Rauchanamnese, den Grad der Nikotinabhängigkeit, das Verlangen und die Absicht aus, mit dem Rauchen aufzuhören. Jedes wurde auch auf ausgeatmetes Kohlenmonoxid (CO) getestet, ein Maß für das jüngste Rauchen.
Während sich die Teilnehmer in einem fMRT-Scanner befanden, zeigten die Forscher eine Reihe von Fernsehwerbung, die Menschen helfen sollte, mit dem Rauchen aufzuhören. Die Anzeigen wurden von verschiedenen öffentlichen Gesundheitsbehörden und Stiftungen erstellt, darunter das kalifornische Gesundheitsministerium und die American Legacy Foundation.
Nachdem die Teilnehmer jede Anzeige gesehen hatten, bewerteten sie, wie sich dies auf ihre Absicht auswirkte, zu beenden, ob dies ihr Vertrauen in das Beenden erhöhte und inwieweit sie sich auf die Nachricht bezogen.
Einen Monat nach dem Scan kontaktierten die Forscher die Teilnehmer, um zu sehen, wie es ihnen ging, und um eine biologische Überprüfung zu erhalten, wie viel sie rauchten, indem sie ihre CO-Werte bewerteten.
Die Teilnehmer gaben an, durchschnittlich fünf Zigaretten pro Tag zu rauchen, verglichen mit durchschnittlich 21 pro Tag zu Beginn der Studie, und die CO-Werte stimmten mit diesen Selbstberichten überein. Es gab jedoch erhebliche Unterschiede in der Art und Weise, wie erfolgreich die Teilnehmer das Ziel erreichten.
Die Forscher verglichen die Verhaltensänderung der Raucher vom Beginn bis zum Ende der Studie mit der neuronalen Aktivität in einer bestimmten Gehirnregion, die laut früheren Untersuchungen des Teams eine Verhaltensänderung vorhersagt - den medialen präfrontalen Kortex.
Die neuronale Aktivität in dieser Region des Gehirns war signifikant mit einer Verringerung des Rauchverhaltens im Monat nach dem Scan verbunden, was vorhersagte, wie erfolgreich Menschen sein Rauchen reduzieren würden.
"Was aufregend ist", erklärte Falk, "ist, dass wir, wenn wir wissen, was während der Anzeigen im Gehirn eines Menschen vor sich geht, doppelt so gut sein zukünftiges Verhalten vorhersagen können, als wenn wir nur die selbst gemeldete Schätzung dessen kennen würden." erfolgreich wären sie oder ihre Absicht aufzuhören. “
Interessanterweise erwiesen sich viele der Anzeigen, die zum Zeitpunkt des Scans für die Teilnehmer nicht unmittelbar relevant waren, als die am häufigsten zurückgerufenen in dem Monat, in dem versucht wurde, mit dem Rauchen aufzuhören.
"Es ist möglich, dass die beobachtete Gehirnaktivität eine Verhaltensänderung vorhersagt, die nicht in den Selbstberichten der Menschen vorhergesagt wird, da sie auf etwas zurückgreift, das den Menschen nicht bewusst ist, wenn sie die Anzeigen zum ersten Mal sehen", sagte Falk.
Die Studie erscheint in Gesundheitspsychologie, eine von Experten begutachtete Zeitschrift.
Quelle: Universität von Michigan
