In silico optimization of deep brain stimulation to enhance cognitive control: Improving performance and practicality with a continuous rolling arena

重度の治療抵抗性精神疾患を持つ一部の患者にとって、脳自身の配線は、薬物では断ち切ることのできない苦痛のループに陥っているように見えます。このような場合、医師は時に「深部脳刺激療法」と呼ばれる処置を行うことがあります。これは、脳の深部に微細な電極を配置し、特定の領域に穏やかな電気パルスを送り込むものです。そのような標的の一つが、思考や感情の管理に関与する、脳の中心付近にある腹側カプセルおよび腹側線条体として知られる領域です。この療法には大きな期待が寄せられていますが、デバイスの最適な設定を見つけ出すことは、伝統的に遅く、もどかしいプロセスでした。医師は、調整のたびに患者がどのように感じているかを説明してもらうことに頼らざるを得ず、この方法は主観的であり、正解に辿り着くまでには数週間から数ヶ月を要することもあります。核心となる課題は、脳は複雑であり、最適な設定は一目では分からないため、注意深く繰り返されるテストを通じて発見されなければならないという点です。

新しい研究では、脳自身の振る舞いにリアルタイムで調整を導かせることで、この発見プロセスを加速させる方法を模索しています。患者が「気分が良くなった」と言うのを待つ代わりに、研究者たちは、刺激が行われている間に人がどれほど速く正確に精神的なタスクを実行できるかを観察するシステムを提案しました。彼らは、特定の「認知制御タスク」、つまり、気を散らす情報を無視して目標に集中することを要求される一種の精神的エクササイズに焦点を当てました。そのアイデアは、もし電気パルスが脳を助けているのであれば、その人はタスクをより速く、より少ないミスで完了できるはずだというものでした。これらの反応時間を直接測定することで、システムは、主観的な報告に頼ったり推測したりすることなく、どの電極設定が最も効果的で、どれがそうでないかを即座に判断することができました。

このアイデアをテストするために、研究者たちは人間の患者から始めるのではなく、この療法を受けている患者の詳細なコンピュータ・シミュレーションを構築しました。彼らは、異なるコンピュータ・プログラムが最適な設定の探索をどのように扱うかを、何千回もの試行を通じて確認できる仮想環境を作成しました。このシミュレーションの中で、彼らは、データに基づいて脳の内部状態を推測しようとする古い手法と比較しました。彼らが「連続ローリング・アリーナ（continuous rolling arena）」と呼ぶこの新しい手法は、推測というゲームを完全にスキップします。それは、人の生の反応速度を取り込み、それを適応アルゴリズム（経験から学ぶように設計されたスマートなコンピュータ・プログラム）に直接入力します。このプログラムは、最適な電極接点を探すプロセスを、正しいドアを開けるためにどのドアを選ぶべきかを学ぶゲームのように扱い、間違ったドアを避けて、いかに迅速に最善のドアを見つけるかを、クリックのたびに学習していきます。

シミュレーションの結果、この直接的なアプローチは、より複雑な古い手法よりもはるかに信頼性が高いことが示されました。研究者がデータから脳の隠れた状態を推定しようとすると、システムは測定値に含まれる自然なノイズによって混乱し、判断ミスを招きました。その中間ステップを取り除き、生の反応時間のみを見ることで、システムはそのノイズを増幅させることを回避できました。シミュレーションにおいて、この変更により、正しい電極設定を選択する失敗率は、約3分の1から約10分の1へと減少しました。さらに、テストを毎日リセットするのではなく継続的に行うことで、システムはより強力な履歴を構築することができ、セッション中に患者の状態が予期せず変化した場合でも、迅速に回復することができました。

また、本研究は実用的な問題にも対処しました。ほとんどのデバイスには多くの電極接点がありますが、それらを一つずつテストしていては時間がかかりすぎます。研究者たちは、一度に少数の接点グループに探索を集中させるメカニズムを導入し、精度を損なうことなく、事実上の範囲を絞り込むことに成功しました。テストにおいて、このアプローチは、常に4つの接点をアクティブにテストしながら、8つの異なる接点の中から最適な設定を見つけ出すことに成功しました。このスケーリングにより、プロセスは現実世界の医療機器の制限内に収まるほど効率的になりました。これらの知見は、これらの原理に基づいたシステムが、専門的で高価な装置ではなく、標準的な行動タスクを用いることで、医師が現在かかっている時間のわずかな割合でこれらのデバイスをプログラミングすることを可能にする可能性を示唆しています。この研究は、脳のパフォーマンス信号に直接耳を傾け、不必要な解釈の層を取り除くことで、パーソナライズされた脳療法への、より堅牢で実用的な道筋を作ることが可能であることを証明しています。