Neuronale Dynamik der automatischen Sprachproduktion

Sprache ist ein menschliches Kernverhalten, das entscheidend vom Sprachmotorcortex abhängt. Während der ventrale präzentral- und postzentralgyrus klassisch vor allem als artikulatorisches und somatosensorisches Areal betrachtet wird, stellt eine wachsende Literatur diese Vereinfachung in Frage. Die bisherige Forschung untersuchte meist gesteuerte oder strukturierte Sprachproduktionsaufgaben und vernachlässigte die automatische, überlernte Sprache, die häufig in klinischen Bewertungen verwendet wird. Folglich sind die neuronalen Dynamiken und das genaue Timing der kortikalen Aktivierung bei automatischer Sprache noch unzureichend verstanden. Hier präsentieren wir intrakranielle Elektrokortikografie (ECoG)-Aufnahmen vom linken perisylvischen Kortex bei Teilnehmern, die automatische Sprache wie Zählen und Rezitieren überlernter Sequenzen ausführen. Wir untersuchen neuronale Dynamiken mithilfe von Encodierungs- (multivariate temporale Antwortfunktion) und Decodierungsmodellen (deep neural network Sprachsynthese). Wir zeigen, dass automatische Sprache ein verteiltes Netzwerk im superior temporal, präzentralen und postzentralen Kortex aktiviert, charakterisiert durch abgeschwächte prä-artikulatorische Aktivität und schwächere frontale Encodierung. Zudem offenbaren zwei komplementäre Decodierungsstrategien, dass der Sprachmotorcortex eine Mischung aus Feedforward- und Feedbacksignalen repräsentiert, wobei eine Teilmenge von Arealen ausschließlich Feedforward-Dynamik zeigt. Diese Ergebnisse skizzieren die spatiotemporale kortikale Organisation der automatischen Sprache und belegen, dass der Sprachmotorcortex komplexere Dynamiken unterstützt als reine Feedforward-Kontrolle.