あなたは、巨大な人間の脳の3Dパズルを持っていると想像してください。しかし、あなたは箱に描かれた絵を見たことがありません。どのピースがどこにハマるのかを教えてくれる先生もおらず、ましてや「これは25歳です」とか「これは腫瘍です」といったラベルも付いていません。これが、医師たちがMRIスキャンに直面している課題です。そこには何百万ものスキャンが存在しますが、コンピュータに理解させるための「ラベル（正解）」が付いているものは、非常に稀で、手間とコストがかかるからです。

そこで登場するのが、COJEPAです。これは、生のパズルのピースだけを見て脳の秘密を学ぼうとする、新しい「独学型」AIモデルです。

二つの顔を持つ怪物

ラベルのない画像から学習しようとするほとんどのAIモデルは、通常、次の2つの戦略のいずれかを選択します。

1. 「穴埋め」の芸術家 (JEPA): このモデルは、脳の一部を切り取り、周囲の文脈に基づいてその下に何があるかを推測しようとします。これは、脳の溝のテクスチャが次の溝とどのように繋がっているかといった、局所的な詳細を理解することに優れています。
2. 「似たもの探し」の探偵 (Contrastive Learning): このモデルは、同じ人の脳の少し異なる2枚の写真を取り、それらを記憶の中で同一のものとして認識させる一方で、他の人の脳とは全く異なるものとして認識させようとします。これは、「これは誰か？」を見分けることに優れています。

論文では、3Dの脳スキャンに対して、これらの一方を行うだけでは不十分であると主張しています。「穴埋め」の芸術家は、双子を見分けるにはあまりにも曖昧であり、「似たもの探し」の探偵は、個人の識別には優れていますが、脳構造の微細な局所的詳細を理解するには大局に集中しすぎているからです。

主な発見: 著者らは、これら両方の戦略を一つのモデル、COJEPAへと統合しました。彼らは、このハイブリッドなアプローチこそが「スイートスポット（最適解）」であることを発見しました。このモデルは、局所的な脳の詳細を予測すると同時に、その人の固有のアイデンティティを認識することを学習したのです。

どうやって教えたのか

チームはこのモデルを、2つのグループ（若年成人：22〜37歳、および高齢者：36〜90歳以上）からなる2,286件の健康な脳スキャンを用いて訓練しました。彼らはラベルを使用しませんでした。代わりに、巧妙なトリックを用いました。

• 彼らは脳内のランダムな3Dブロックをマスクして（隠して）みせましたが、周囲の空隙は無視し、必ず「フォアグラウンド（実際の脳組織）」のみを隠すように注意を払いました。
• そして、モデルに隠された脳の部分を予測させました。
• 同時に、同じ脳の異なる2つのビューをモデルに示し、「おい、これらは同じ人物だぞ！」と気づかせました。

結果：何を学んだのか？

チームは、この新しい脳学習モデルがどれほど賢いかを確かめるため、3つの異なるタスクでテストを行いました。

1. 双子のテスト (Zero-Shot Retrieval)
これが最大のテストでした。モデルは、見たことがない脳を見て、データベース内の他の脳の中からその「双子」を見つけ出さなければなりません。

• 「穴埋め」のみのモデルは、一卵性双生児（Monozygotic twins）を見つけることに惨敗し、トップの順位で一致したのはわずか**26%**でした。個々人の違いを識別する能力が足りませんでした。
• 「似たもの探し」のみのモデルは、より優れた結果を出し、**78%**の確率で一致を見つけました。
• COJEPA (ハイブリッド型) はチャンピオンであり、トップの順位で正しい双子を**84%**の確率で見つけ出しました。
• 注意点: モデルは二卵性双生児（Dizygotic twins）を見つけることには驚くほど弱く、一致率はわずか**17%**でした。これは、モデルが脳のユニークな「指紋」を捉えることはできたものの、二卵性双生児間のより微妙な遺伝的類似性を捉えることにはまだ苦戦していることを示唆しています。

2. 腫瘍の探索 (Segmentation)
彼らは、見たことがないデータセット（BraTS 2024）を使用して、モデルに脳腫瘍を見つけさせました。

• モデルが「凍結」状態（新しいことを学ばず、既知の知識のみを使用する状態）であったとき、ハイブリッドモデルと「似たもの探し」モデルは同等の性能を示し、非常に少ない学習データで腫瘍の約**52%**を正しく特定しました。
• しかし、モデルに微調整（特定の腫瘍データから学習させること）を与えると、3つのモデルすべてが大幅に向上し、約**71%**の精度に達しました。
• 教訓: ハイブリッドモデルは局所的な詳細を損なうことはありませんでした。腫瘍を見つける能力において他のモデルと同等であり、これは「探偵」としてのスキルを得る過程で「芸術家」としてのスキルを失わなかったことを証明しています。

3. 年齢の推測 (Regression)
彼らは、脳のスキャンを見るだけで、その人の年齢を推測できるか試みました。

• ハイブリッドモデルは最も効率的でした。ラベル付きデータのわずか5%を用いて、誤差4.22年という精度で年齢を推測し、これは他のモデルよりも優れた結果でした。
• フルチューニングを行った際、全モデルの中で最高の、わずか2.55年の誤差という結果を達成しました。
• 興味深いことに、著者らは、モデルが年齢を推測するために最も注目した脳の部位が小脳（脳の後部）であることに気づきました。彼らはこれを「創発的特性（emergent property）」であると考えています。つまり、誰も教えていないにもかかわらず、モデルが自力で「この領域は加齢とともに変化する」ということを発見したのです。

この論文が否定していること

著者らは、自分たちの新しい手法ほど上手くいかない方法について、明確に述べています。

• 彼らは、**単に欠損部分を予測すること（JEPA）**だけでは、異なる人々を区別できるモデルを作成するには不十分であるという考えを、明確に否定しています。データによれば、それは双子の検索において失敗しました。
• また、**単に類似性を探すこと（Contrastive Learning）**だけでは、腫瘍のセグメンテーションのような医療タスクに不可欠な、微細な局所的構造の詳細を見逃す可能性があることも示唆しています。ただし、ハイブリッドモデルはこれらのスキルを維持することに成功しました。

信頼性はどの程度か？

著者らは数値には自信を持っていますが、より大きな展望については慎重です。

• 彼らは、双子の検索と年齢予測の結果をテストセットで直接測定したため、それらの数値（84%の双子一致や2.55年の誤差など）は実験から得られた確かな事実です。
• しかし、モデルの成功は「予測可能性（未来の予測）」と「特異性（アイデンティティの把握）」のバランスから来ていると示唆しているに過ぎません。これは、あらゆる医療AIのための最終的かつ完璧な解決策であると主張しているわけではありません。
• また、訓練セットの2,286人という規模は、現代のAI基準からすると実際にはかなり小さいことも認めています。もし、より大規模で多様なグループを用いて訓練していれば、モデルはさらに向上していただろうと彼らは考えています。
• さらに、モデルは特定の古い装置（1.5Tスキャナー）によるスキャンに対して苦戦しており、まだ世界中のあらゆる病院の装置で完璧に動作するわけではないという限界も指摘しています。

要約すると、COJEPAは、すべてのスキャンに対して「教師」を必要とせずに、コンピュータに脳を理解させるための有望な新しい方法です。このモデルは、局所的な詳細を当てる「予測者」であると同時に、鋭いアイデンティティを見抜く「探偵」であることを学びました。しかし、世界のあらゆる脳スキャンを扱えるようになるには、まだ成長の余地があります。