Single neurons in the human substantia nigra encode social learning signals
本研究は、ヒトの黒質における単一のドーパミン作動性ニューロンが社会的学習信号、具体的には、コンピュータとの相互作用と比較して人間との相互作用においてより高い活動を示す規範予測誤差のバレンス（価）を符号化していることを実証している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
人間は、明文化されていないルールの複雑な網の目をナビゲートするようにできています。私たちは、集団においては特定の行動が期待されることを理解しており、誰かがその期待を裏切ったとき、それを感じ取ります。社会的な申し出が不公平であると感じたり、規範が破られたりしたことを察知するこの能力は、私たちの相互作用の根幹をなしています。数十年にわたり、科学者たちは、脳がこれらのルールを学習するために予測と誤差修正のシステムを使用していることを理解してきました。期待していた結果が得られず、それとは異なる結果になったとき、私たちの脳は「予測誤差」を登録します。これは、私たちの世界に対する理解を更新させるための信号です。私たちはこれが脳内で起きていることは知っていましたが、脳活動のぼやけた画像や動物を用いた研究に頼っており、具体的な仕組みについてはほとんど推測の域を出ていませんでした。社会的な侮辱に対して、単一のヒトのニューロンがどのように反応するかという問いは、脳の深部へと隠されたまま、手の届かないところにありました。
研究チームは、脳手術を受けている人々の脳内の個々のニューロンの活動を記録することで、この仕組みを直接観察しました。彼らは、運動と報酬で知られる領域である黒質と呼ばれる、非常に小さく深い構造に焦点を当てました。患者が公平性のゲームを行っている間に、単一の細胞の電気信号を聴取することで、科学者たちは、これらのニューロンが単に金銭や動きを追跡しているだけでなく、人間によって公平に扱われているか、あるいは不当に扱われているかという感覚を具体的に追跡していることを発見しました。この研究は、脳の報酬系が私たちの社会生活と深く絡み合っており、人間から予想より良い申し出を受けたときには活性化する一方で、コンピュータから同じ申し出を受けたときには静止していることを示唆しています。
実験は、アイカーン・スクール・オブ・メディシン（マウントサイナイ）のオペ室で行われました。参加者は、症状をコントロールするためのデバイスを植え付ける手術を受けるパーキンソン病の患者でした。医師が最終的なデバイスを植え付ける前に、彼らはユニークな研究タスクを行うために一時停止しました。患者は意識がはっきりしており、アルティメイタム・ゲーム（最後通牒ゲーム）の一種を行いました。このゲームでは、パートナーが20ドルの分割方法を提案します。プレイヤーは、その分割を受け入れることもでき、その場合は両者がお金を受け取ります。あるいは拒否することもでき、その場合はどちらも何も得られません。申し出の範囲は1ドルから9ドルまでであり、パートナーはアバターとして表現される他の人間、またはコンピュータ・プログラムでした。
患者が選択を行う間、研究者たちは黒質における個々のニューロンの電気活動を記録しました。また、この効果が黒質に特有のものなのか、あるいは脳全体の一般的な反応なのかを確認するために、隣接する領域である淡蒼球の活動も記録しました。患者が何を考えているかを理解するために、研究者はコンピュータモデルを使用して、すべてのターンにおける「規範予測誤差」を推定しました。これは、プレイヤーが期待していた公平さと、実際に受け取ったものの差を測定するものです。もしプレイヤーが5ドルの申し出を期待して7ドルを受け取ったなら、それは正の誤差となります。もし2ドルだったなら、負の誤差となります。モデルはまた、プレイヤーが人間と対戦しているのか、コンピュータと対戦しているのかも追跡しました。
結果は、明確かつ特定のパターンを示しました。患者が人間のアバターと対戦しているとき、黒質のニューロンは申し出の公平性に反応して光りました。具体的には、これらの細胞は、申し出が予想よりも良ければより速く発火し、悪ければ遅く発火しました。この信号は、単なる金額ではなく、申し出が公平であるか不公平であるかという「感覚」に関するものでした。決定的なことに、この反応はパートナーが人間である場合にMuch（はるかに）強く現れました。同じプレイヤーがコンピュータに対して全く同じ申し出を受けた場合、ニューロンはこの公平性に対する感受性を示しませんでした。細胞は社会的な文脈を深く重視しているようで、人間の判断と機械の計算を区別していました。
対照的に、隣接する脳領域である淡蒼球のニューロンは、このパターンを全く示しませんでした。彼らは申し出の公平性を追跡せず、人間とコンピュータのパートナーの違いにも反応しませんでした。この発見は、社会的な学習信号を符号化する能力が、領域全体の一般的な機能ではなく、黒質の特異な役割であることを示唆しています。さらに、研究者はこれらのニューロンが単に患者の気分に反応しているのではないかを確認しました。不公平な申し出を拒否した後に患者が気分を害することはありましたが、ニューロン自体はこれらの気分変化を追跡していませんでした。細胞は、社会的な予測誤差、つまり期待されていたものと実際に受け取ったものとのギャップに厳密に集中していたのです。
この研究はまた、患者が誰とプレイしているかによって異なる期待を持っていることも明らかにしました。不公平な申し出を拒否するという点では両方のシナリオで共通していましたが、コンピュータモデルによれば、彼らはコンピュータよりも人間に対して高い申し出を期待していました。彼らは人間に対してより高い公平性の基準を持っていました。ニューロンは、人間同士のパートナーシップに対してプレイヤーが持つ内部的な公平感のニュアンスを反映するように、この特定の社会的微細な差異を追跡し、発火していました。この研究は、報酬から学ぶための細胞が、人間同士の複雑な相互作用のナビゲートを助ける細胞でもあることを示し、人間の脳が社会的なルールを最も根本的なレベルでどのように処理しているかを直接見る貴重な機会を提供しました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。