Cognitive cartography of mammalian brains using meta-analysis of AI experts

人間の脳は、数十億の細胞が共に働き、思考、感情、そして行動を生み出す、広大で複雑な景観です。何十年もの間、科学者たちはこの地形をマッピングしようと試みてきました。名前を思い出したり恐怖を感じたりといった特定のタスクに、特定の脳領域を結びつけてきたのです。彼らはこれまでに数千もの研究論文を読み解くことでこれを成し遂げてきましたが、それぞれの論文はパズルの小さな一片を描写しているに過ぎません。しかし、これらの研究の膨大な量はあまりにも巨大になり、単一の人間がすべてを読み切ることは不可能です。文献はヒトからマウスに至るまで異なる種にまたがり、脳スキャンから電気刺激に至るまで異なる手法を用いています。この断片化により、動物界全体において脳がどのように機能しているのかという全貌を見渡すことが困難になっています。

この問題を解決するために、ある研究チームは人工知能を活用しました。それは、人間の科学者に取って代わるためではなく、疲れを知らない「超読書アシスタント」として活用するためです。彼らはNeuroNautと呼ばれるシステムを開発しました。これは大規模言語モデル（膨大なテキストライブラリに基づいて訓練された高度なコンピュータプログラム）を使用して、神経科学文献の全容を読み込み、要約するものです。研究者たちは、論文を手作業で精査する代わりに、AIに対して、「特定の脳領域が特定の機能を担っている可能性がどの程度高いか」を推定するように指示しました。これは、AIが学習したあらゆる科学的テクストに基づいています。このアプローチによって、彼らはヒト、サル、マウスを含む、脳の認知機能に関する包括的なマップを一度に構築することが可能になりました。

まず、研究者たちは、これらのAIエキスパートがヒトにおける脳の機能的地形を正確に記述できるかどうかをテストすることから始めました。彼らはモデルに対し、68の異なる脳領域が、感情、記憶、言語、視覚といった8つの主要な思考領域の中で果たす役割を評価するよう求めました。AIは、どの部分の脳が各タスクに最も関連しているかを示す詳細なマップを作成しました。生成されたAIマップを、従来の人間主導によるレビューに基づく既存の最高峰のマップと比較したところ、強い一致が見られました。AIは、言語が主に左脳の機能であることや、視覚が後頭部に集中していることを正しく特定していました。これにより、AIが当該分野の中核となる知識を正常に吸収したことが確認されました。

しかし、この手法の真の力は、従来のツールでは見ることのできなかった領域を探求したときに現れました。標準的な脳マップは多くの場合、ブレインスキャンのデータに限定されており、それらは人が実際にタスクを実行している間の活動のみを示しています。一方で、神経科学の歴史をすべて読み込んできたAIは、病変や直接的な電気刺激からのエビデンスも引き出すことができます。研究者が作成したAIマップを、脳への刺激や損傷を受けた患者から得られた回路と比較したところ、AIマップは伝統的なスキャンベースのマップよりも、こうした因果関係のエビデンスによく適合していました。これは、AIが単純な画像解析で見られる相関関係を超えて、いかにして脳領域が行動を駆動するかという、より深く因果的な理解を合成できることを示唆しています。

最も重要な進展は、この手法を他の種に適用した際に起こりました。従来の脳マッピングツールは、特定の座標系を用いるため、ほぼ例外なくヒト向けに設計されています。しかし、座標ではなくテキストを読むというAIの能力を利用することで、研究者はアカゲザルやマウスの認知マップを生成することに成功しました。その結果、これらの動物の脳組織が驚くほどヒトの脳と似ていることが明らかになりました。例えば、AIはマウスの視覚野が視覚に関連しており、運動領域が運動に関連していることを、（ヒトと同様に）正しく特定しました。決定的なのは、AIが「言語」をマウスやサルの脳に関連付けられる機能ではないと認識し、重要性をほぼゼロとした上で、それでもなお独自の音声コミュニケーションを司る聴覚領域を識別したことです。

これらのマップが単なるランダムな推測でないことを保証するため、研究者たちは実在の生物学的データとの検証を行いました。研究者たちは、意思決定タスク中の個々のニューロン数千個から記録されたデータと照らし合わせ、マウスの認知マップを検証しました。すると、AIの予測は実際の脳の電気活動と密接に一致していたのです。同様に、サルの場合でも、AIによるワーキングメモリのマップは、人間がキュレーションしたサルの研究の詳細な要約に対し、ヒトの脳マップをサルに投影したものよりも優れた一致を示しました。これは、AIが単にヒトのデータをコピーしているのではなく、文献から種固有の知識を実際に合成していることを証明しました。

さらに、研究者たちは脳の構造がいかにその機能を支えているかを調査しました。彼らはすべての脳領域についてトップレベルの機能を説明させるようにAIに命じ、その後、それらの記述を用いて異なる領域同士がどれほど類似しているかを算出しました。その結果、機能プロファイルが類似している領域は、脳波や血流のパターンにおいても類似した接続性を持っていることが分かりました。この関係性はヒト、サル、マウスの間で共通しており、認知をサポートするための脳の配線方法は進化上の定数であることを示唆しています。AIはさらには、感覚領域から連合領域へと至る隠れた階層をも明らかにしました。このパターンは、物理的な脳の層の測定値とも一致していました。

最後に、チームはこの手法を用いて疾患の研究に取り組みました。彼らは、うつ病、統合失調症、自閉スペクトラム症などの疾患に対する脳領域の関与をマッピングするようAIに依頼しました。これらのマップを遺伝子データや患者の脳スキャンと比較したところ、AIのマップは、従来の脳スキャンよりも、それら疾患に伴う遺伝的リスクとの間に強い結びつきを示しました。さらに、AIは症状を共有する疾患（例：睡眠障害と精神疾患の関係など）を、明示的に教えられていないにもかかわらず適切にグループ化できました。このような多様な種類のデータ間で隠れたパターンを発見する能力は、メンタルヘルスの問題が持つ多面的かつ複雑な性質を理解する上でのAIの有用性を示しています。

本研究は、人工知能が人類の知識体系全体の情報を消化し、単独の研究者では捉えきれないパターンを明らかにする強力な発見ツールとなり得ることを示しています。種や手法の壁を取り払うことで、AIは哺乳類の脳の統一的なビューを提供し、認知の分子および機能的アーキテクチャが進化を通じて深く保存されていることを示したのです。研究者たちはこのツールであるNeuroNautを一般に無償公開しており、誰もが脳に関する問いを投げかけ、科学コミュニティの集団的知恵から合成された答えを受け取ることができます。このアプローチは専門家の知識を置き換えるものではなく、むしろそれを増幅させ、散乱した事実の図書館を、心のナビゲート可能な地図へと作り替えるものなのです。