あなたは、ゆっくりと動く氷河の形が来年どのように変化するかを予測しようとしていると想像してください。今日、氷河の写真を撮り、それが365日後にどのような姿になっているかを推測しようとする際、最大の課題は、写真の99%が全く変わらないままであるということです。氷も、岩も、雪もそこにあり、変化しません。実際に動いているのは、端の方にある、目に見えないほど微かな、滴るような融解水だけです。

これは、アルツハイマー病のような進行の遅い疾患に侵された脳の未来を予測しようとする際、科学者が直面した問題と全く同じです。彼らは、強力なAI「タイムマシン」を使用して、患者の脳が1年後にどのように見えるかを予測しようとしました。しかし、現在の脳スキャンをAIモデルに読み込ませ、未来の姿を尋ねようとすると、AIは「怠けて」しまったのです。

2つの罠：なぜ従来のAIは失敗したのか

この論文は、以前のAIモデルが、間違った数字に気を取られて数学の問題を解こうとしている学生のように、2つの特定の罠に陥ったことを説明しています。

罠1：「コピー＆ペースト」の罠（アイデンティティ崩壊）
脳は翌年とほぼ同一に見えるため、AIは現在の脳スキャンをそのままコピーして、「これが未来です！」と言うことが、高いスコアを得るための最も簡単な方法であると気づいてしまいました。AIは、脳の巨大で静的な部分と比較してあまりにも小さいため、微細で微妙な変化を無視してしまったのです。論文は、未来の画像全体を予測しようとすると、AIが健康な脳という「背景ノイズ」に圧倒され、実際の疾患の進行を学習することを止めてしまうことを示しています。それは、叫んでいる観客で満たされたスタジアムの中で、ささやき声を聞こうとするようなものです。AIは、ささやきを聞く代わりに、スタジアムの騒音をそのまま叫び返してしまうのです。

罠2：「スムージー」の罠（連続的な補間）
2つ目の罠は、AIが2つのスキャンの「差分」だけに焦点を当てようとしたときに発生しました。問題は、MRI装置は完璧ではなく、すべての画像に微かな静止ノイズ（ファズ）を加えることです。実際の疾患の変化は非常に希薄（ごく一部の小さな場所にしか起こらない）であるのに対し、ノイズはいたるところに存在するため、標準的なAIモデルは答えを「滑らかに（スムースに）」しようとしてしまいました。彼らは、実際の疾患の変化をランダムなノイズと混ぜ合わせ、変化がこぼれたスムージーのようにあちこちに広がった、ぼやけた偽の未来を作り出してしまったのです。論文は、標準的な滑らかなAIモデルは、密なノイズから信号を分離することが数学的に不可能であると主張しています。

解決策：「ドリフト」の探偵

著者であるYuxiang Feng氏とそのチームは、潜在的ドリフト（Latent Drift）と呼ばれる新しい考え方を提案しました。AIに未来の脳全体を描かせるのではなく、「変化」だけを描くように求めたのです。

これを次のように考えてみてください。アーティストに「来年の街の様子を再描画してください」と頼むのではなく、今日の街の写真を手渡し、「新しく現れる建物だけを描いてください」と頼むようなものです。

彼らのシステムの仕組みは、以下のステップによるものです：

1. 脳の圧縮： まず、巨大な3D脳スキャンを、小さく圧縮された「秘密のコード」（潜在空間）へと押し込みます。これは、膨大な百科事典を、たった一つの濃密な段落に変換するようなものです。
2. ドリフトの特定： 現在のコードと未来のコードの差を計算します。この差が「ドリフト（漂流）」です。
3. 魔法のフィルター（FSQ）： これが最も巧妙な部分です。この「ドリフト」を、**有限スカラー量子化（FSQ）**と呼ばれる特別なフィルターに通します。このフィルターを「デッドゾーン（不感帯）」のゲートだと想像してください。
   • もし変化が極めて小さい（特定の閾値よりも小さい）場合、ゲートは閉まり、それをゼロにします。これにより、ランダムなスキャナーのノイズを死滅させます。
   • もし変化が本物であり、十分に強い場合（実際の脳組織の萎縮など）、それはゲートを通り抜け、明確で鋭い信号として残ります。
   • 論文は、この「デッドゾーン」が必要であることを数学的に証明しています。なぜなら、通常の滑らかなAIモデルはこの仕事ができないからです。彼らはノイズと信号を混ぜ合わせてしまうのです。
4. 未来の予測： AIは、これらの鋭くフィルタリングされた「ドリフト」トークンのみを予測することを学習します。最後に、この微細でクリーンな変化を元の脳スキャンに加えることで、予測を作成します。

数字が示すこと

チームは、患者の脳スキャンの3,981ペアのデータを用いて、時間の経過に伴う変化をテストしました。彼らは、自らの手法を、ディフューザー（静止画から徐々にノイズを取り除くことで画像を生成するAI）や自己回帰モデル（画像ごとに予測を行うモデル）を含む、他のトップクラスのAIモデルと比較しました。

結果は、彼らの潜在的ドリフト法が、実際の未来の脳構造を予測する上で最も正確であることを示しました。

• 構造的類似性： 彼らの手法は、Diff-SSIM（変化が現実とどれだけ一致しているかを測定する指標）において0.8204を達成し、次に優れたモデルのスコアである0.8128を上回りました。
• 臨床的精度： 予測された未来の脳を用いてアルツハイマー病の診断を支援したところ、彼らの手法は88.33%の精度と87.51のF1スコアを記録しました。これは、ディフュージョンベースのモデル（精度は約82.89%）や自己回帰モデル（約83.95%）よりも高い数値でした。

論文は、AIに「現在の脳全体がどうなるか？」ではなく、「微細で真の変化は何であるか？」と問い直し、静止ノイズを無視するための特別なフィルターを使用することで、神経変性の微細でゆっくりとした変化をようやく捉えることができると示唆しています。

行わなかったこと（および排除したもの）

この論文が「機能しない」としている点に注意することが重要です。

• 直接予測は不可： 論文は、現在のものから直接、未来の完全な脳画像を生成しようとすることを明確に否定しています。それは、AIが単に入力をコピーしてしまう「アイデンティティ崩壊」を招くことを示しました。
• 滑らかなAIは不可： 彼らは、標準的な滑らかなニューラルネットワークは、この特定のタスクにおいて数学的に失敗する運命にあると主張しています。なぜなら、それらは「デッドゾーン」フィルターなしでは、希薄な信号と密なノイズを分離できないからです。
• 他の量子化手法： 彼らは、データの圧縮方法（ベクトル量子化やルックアップフリー量子化など）の他の方法もテストしました。これらも一定の成果は上げましたが、論文によれば、有限スカラー量子化（FSQ）が、ノイズを殺しながら実信号を維持するというニーズのバランスを取る上で最適でした。例えば、別の手法である「残留VQ（Residual VQ）」を使用した場合は、彼らの手法のrFIDが13.92であったのに対し、29.06という大幅に悪いスコアとなりました。

結論

この論文は、進行の遅い脳疾患を予測することは、干し草の山の中から針を探すようなものであり、しかもその干し草が画像の99%を占めているようなものだと示唆しています。「脳全体がどのように見えるか？」という問いを、「微細で真の変化は何であるか？」へと変え、静止ノイズを無視するための特別なフィルターを使用することで、著者たちはこれまで以上に正確にこれらの疾患を予測できるツールを作り上げました。彼らはこれを縦断的な3D脳MRIでテストし、現在の最先端の手法よりも優れていることを発見しました。これは、臨床試験の設計や疾患の早期発見を支援するための、新たな可能性を提示しています。ただし、彼らは、この「デッドゾーン」フィルターが安定した背景を前提としているため、脳室のように非常に速く変化する部分には苦戦する可能性があることも認めており、将来的にはより多様なデータでテストする予定です。