Forschende des NeuroAI Labs der ETH Lausanne haben erstmals ein fortgeschrittenes künstliches Intelligentes System eingesetzt, um die Lese- und Rechtschreibstörung Legasthenie präzise zu modellieren. Das verwendete Vision-Language-Modell kann sowohl Bilder als auch Sprache verstehen und bildet damit den gesamten Prozess vom Sehen von Wörtern bis zum Kontextverständnis nach. Die Studie wurde im Rahmen der International Conference on Learning Representations 2026 präsentiert und befindet sich zudem als Preprint auf arXiv. Die Entdeckung bestätigt eine lange bestehende Hypothese der Kognitionsneurowissenschaft: Bei Legasthenie ist die Aktivität in der visuellen Wortformzone im Gehirn vermindert, was die Lesefähigkeit beeinträchtigt, während die allgemeine visuelle Intelligenz intakt bleibt. Die Forscher deaktivierten gezielt Einheiten in der digitalen Kopie des Gehirns, die für die Verarbeitung von Wörtern verantwortlich sind. Das Ergebnis war eine signifikante Verschlechterung der Lesefähigkeit, während das Verständnis von Bildern und Sprache im allgemeinen Kontext erhalten blieb. Dieses Verhalten spiegelte exakt das Muster bei menschlichen Legasthenikern wider. Professor Martin Schrimpf, Leiter des Labors, betonte, dass dies nur durch den raschen technischen Fortschritt bei kombinierten Vision-Language-Modellen möglich wurde. Frühere Modelle, die nur Bilder oder nur Sprache analysierten, waren nicht in der Lage, diese spezifische neurobiologische Mechanik nachzubilden. Die digitale Simulation erlaubt es, Eingriffe vorzunehmen, die am menschlichen Gehirn ethisch nicht vertretbar wären. Die Studie markiert damit einen Meilenstein von der Erforschung gesunder Populationen hin zur Untersuchung spezifischer Störungsbilder. Darüber hinaus testeten die Wissenschaftler verschiedene Schriftarten, um deren Einfluss auf die Lesbarkeit in dem Modell zu analysieren. Das System konnte Texte mit für Legastheniker entwickelten Schriftarten deutlich genauer verarbeiten als mit konventionellen, für diese Gruppe problematischen Schriftarten. Basierend auf diesen Erkenntnissen arbeiten die Forscher nun daran, mittels des Modells die optimale Schriftart für Menschen mit Legasthenie zu entwickeln. Melika Honarmand, Erstautorin der Studie, erklärte, dass die Übereinstimmung zwischen der menschlichen Hypothese und dem Verhalten des KI-Modells überraschend genau war. Das Modell repliziert die Architektur zwar nicht vollständig, zeigt aber in diesem Fall ähnliche Funktionsweisen. Ein weitaus bedeutenderes Ergebnis als die unmittelbaren Erkenntnisse zur Legasthenie ist die Etablierung eines allgemeinen Rechenrahmens zur Untersuchung von Hirnstörungen. Das Team plant nun, diesen Ansatz auf andere neurologische Erkrankungen zu übertragen, darunter visuelle Halluzinationen bei Parkinson und Depressionen. Obwohl nicht alle Kliniker der Verwendung digitaler Gehirne sofort zustimmen werden, zeigt die vorliegende Forschung, dass KI-basierte Werkzeuge wertvolle Beweise liefern können, um komplexe neurobiologische Mechanismen zu entschlüsseln. Die Studie demonstriert damit das Potenzial von KI als kritisches Instrument für die moderne Neurowissenschaft und klinische Forschung.